-
题名荧光法水中油监测系统设计与海上应用
- 1
-
-
作者
李亚辉
杨敏
杨鹏
郭琳琳
吴国俊
-
机构
崂山实验室
自然资源部北海海洋技术中心
中海石油(中国)有限公司深圳分公司
中国科学院西安光学精密机械研究所
-
出处
《光子学报》
北大核心
2025年第6期70-82,共13页
-
基金
国家重点研发计划(Nos.2022YFC3103905,2022YFC3103900)。
-
文摘
基于紫外荧光法设计了两型水中油传感器,传感器在0~100 mg/L的量程范围内测量精度优于0.1 mg/L,线性拟合系数R^(2)>0.97,依托该传感器搭建了海洋平台含油生产水在线监测系统并顺利完成了海上工况验证。试验过程中,水中油在线监测系统实现了24 h连续不间断获取了海上平台外排生产水含油量数据。试验结果表明:研发的荧光法水质监测系统能够准确反映水中油浓度的动态变化,具备快速的响应特性和较宽的浓度检测范围。为进一步验证系统性能,在海上平台开展了为期一个月的现场比对试验,对本系统与实验室国标红外法进行了同步监测。对比数据显示,两种方法的监测在趋势和测试结果上呈现出较高的一致性,充分证明了该荧光法监测系统在海上现场应用的可靠性。
-
关键词
荧光法
水中油
在线监测
海上平台
应用示范
-
Keywords
Fluorescence method
Oil in water
Online monitoring
Offshore platform
Demonstration application
-
分类号
O439
[机械工程—光学工程]
-
-
题名广西主要贝类养殖区重金属含量分布特征及污染评价
被引量：2
- 2
-
-
作者
陈继艺
杨娜
陈旭阳
冀春艳
刘保良
-
机构
自然资源部北海海洋中心
自然资源部第四海洋研究所
-
出处
《广西科学》
CAS
北大核心
2023年第4期683-692,共10页
-
基金
广西科技基地与人才专项项目(桂科AD20159004)资助。
-
文摘
为探究广西主要贝类养殖区重金属含量的分布状况及污染水平,依据2016-2018年广西主要贝类养殖区的海水、表层沉积物及生物体中重金属元素(Cu、Pb、Zn、Cd、Hg、As)的调查分析数据,分别采用单因子污染指数(P_i)法、地积累指数(I_(geo))法和生物富集系数(Bioconcentration Factors, BCF)对养殖区重金属进行污染评价。结果表明:海水中各重金属的含量分布为Zn>Cu>As>Pb>Cd>Hg,污染程度为Cu>Hg>Zn=Pb>Cd>As;沉积物中各重金属的含量分布为Zn>Cu>Pb>As>Cd>Hg,污染程度为As>Cd>Pb>Hg>Cu=Zn;近江牡蛎(Crassostrea rivularis)贝体中各重金属的含量分布为Zn>Cu>Cd>As>Pb>Hg,污染程度为Zn>Cu>Cd>Pb>Hg>As,生物富集能力为Zn>Cu>Cd>Hg>As>Pb。由此可知,广西主要贝类养殖区的海水水质较好,属于本底水平;沉积物环境属于较清洁水平,适合贝类养殖;生物体中重金属存在不同程度的污染,其中Zn、Cu和Cd的富集积累现象较显著,应引起重视。
-
关键词
贝类养殖区
分布特征
重金属
地积累指数
富集系数
污染评价
-
Keywords
shellfish culture areas
distribution characteristics
heavy metal
index of geo-accumulation
enrichment coefficient
pollution assessment
-
分类号
X820.2
[环境科学与工程—环境工程]
-
-
题名湿地序列监测图像的地物目标分类方法
被引量：3
- 3
-
-
作者
于洋
杨敏
苗宇宏
梁宪萌
王一聪
-
机构
青岛海洋科技中心海洋观测与探测联合实验室
自然资源部北海海洋技术中心
中国科学院西安光学精密机械研究所陕西省海洋光学重点实验室
-
出处
《环境监测管理与技术》
CSCD
2023年第5期50-54,58,共6页
-
基金
国家自然科学基金青年基金“面向海岛植被监测的空天高光谱多维多尺度联合分类技术研究”资助项目(62101150)。
-
文摘
针对固定观测站采集的序列图像中光照变化和背景复杂的问题,将图像序列作为图像在时间维的拓展,提出一种结合颜色空间变换和神经网络的目标分类方法,以辽河口湿地为例开展实地观测试验。基于前期现场调查得到的地物分布信息,将序列图像转换至HSV空间,选择像素小区域作为样本训练多层神经网络,获得更高维度分类依据映射,并完成潮滩生态监测区域目标分类及重要湿地植物翅碱蓬的分布信息提取。对提取结果进行定量验证,该方法整体精确率稳定在90%左右。
-
关键词
地物目标分类
空间变换
神经网络
生态监测
湿地
-
Keywords
Classification of ground objects
Spatial transformation
Neural network
Ecological monitoring
Wetland
-
分类号
X835
[环境科学与工程—环境工程]
-
