研究背景 /Research background/

气候变化和工业生产对沿海及海洋系统产生了显著影响，其中气温升高尤为导致有害藻华（HAB）频发的重要因素。这一现象在中东、美洲及东南亚地区尤为突出，因为高温、富营养化的水体和停滞的环境为藻类生长提供了理想条件。HAB 不仅破坏海洋生态系统，还威胁人类健康，并降低饮用水质量。特别是在反渗透（SWRO）海水淡化厂中，HAB 通过释放藻类有机物（AOM）引发预处理过滤器堵塞、膜污染，甚至导致设施停运，造成巨大的经济损失。传统的水质监测方法受限于采样和实验室分析的复杂性，难以及时响应动态藻华变化，而高光谱成像技术则通过实时监测藻类色素的光谱特征，为大范围区域提供了一种高效的解决方案。

研究过程 /Research process/

本研究利用实验室规模的高光谱成像系统研究藻华的光谱特性，并结合深度学习模型优化污染预测。研究目标包括：(1) 确定与 AOM 和膜污染相关的关键光谱带，(2) 开发卷积神经网络（CNN）和随机森林（RF）模型以预测污染指标，以及 (3) 评估高光谱成像在 HAB 事件期间实时监测 SWRO 海水淡化厂的可行性。通过分析光谱数据与污垢指数的关系，本研究为提高海水淡化设施的运行效率、缓解藻华影响提供了科学依据和技术支持。

图 1. 研究工作流程示意图。

图 1 展示了利用高光谱和深度学习算法进行研究的总体流程。首先，收集与污垢相关的 AOM 数据（如 SDI、MFI、TOC、TEP 和藻类密度），并捕获高光谱数据作为模型输入（图 1(a)）。随后对高光谱数据进行预处理，以支持深度学习模拟（图 1(b)）。

预处理后的高光谱数据用于训练深度学习算法，模拟与 AOM 相关的污垢指标，并通过分析模型性能比较算法效果（图 1(c)）。此外，通过可解释人工智能 (XAI) 方法，对 RF 模型进行特征重要性分析、对 CNN 模型进行激活图分析，确定对预测污垢和 HAB 指标关键的光谱特征区域（图 1(d)）。

本研究使用美国Resonon Pika L 高光谱成像仪获取高光谱图像，该传感器以 2 nm 的光谱分辨率捕获可见光至红外光谱范围内的图像。图像覆盖范围从 380 nm 到 1024 nm，包含 322 个波段；本研究仅使用 400 nm 至 1000 nm 范围以确保准确的波段和反射值。设置了一个实验室台式站用于高光谱数据采集，如图 1(a) 所示。使用放置在高光谱传感器上方的卤素灯模拟阳光，向藻类样本发射整个光谱范围内的光。此外，还使用LD PTFE 特氟龙瓷砖作为白色参考，在 400 nm 和 2000 nm 之间提供不同的反射率。

图 2. 不同藻类的光谱和导数分析结果。(a) 和 (b) 分别显示 A. catenella物种的反射率及其一阶导数。(c) 和 (d) 显示了M. polykrikoides物种的反射率及其一阶导数。绿线和红线分别表示平均反射率及其一阶导数。灰色阴影区域表示所有测量的反射率和一阶导数值的范围，而橙色阴影区域表示波长光谱中具有显著特征或变化的区域。

图 3. 通过条形图描绘了 CNN 和 RF 模型之间的性能比较。左侧图表显示 R² 值，中间图表显示对数转换的 MSE (log(MSE)) 值，右侧图表显示平均相对误差 (MRE) 值。这些图表表示模型在预测 AOM 和污垢指数方面的准确性。结果一致表明，CNN 模型在所有三个指标上都优于 RF 模型：R²、log(MSE) 和 MRE。

图 4. 通过使用 CNN 和 RF 进行特征提取研究的 AOM 和污垢指数的重要特征（nm）摘要，突出显示了重叠区域。  

研究结果 /Research results/

本研究验证了适用于海洋和沿海地区的通用标准化模型的发展。为确保实际应用和准确理解，未来研究应结合多种藻类物种的综合分析与实验，揭示不同藻类与环境因素的相互作用，从而更深入了解 HAB 动态及其影响。此外，需进一步探索不仅现有的污垢指数（如MFI和SDI），还包括实际RO污垢现象。这些指数在预测小于0.45μm 的颗粒造成的污垢方面表现有限，且未考虑饼状物持续渗透压效应的影响。因此，研究应聚焦小颗粒对渗透压的作用。

结果显示，CNN模型在直接污染指标的准确性和稳定性方面表现优异，RF 模型在解释间接指标时也有独特优势。针对实际应用（如 SWRO海水淡化过程），未来可探索结合CNN和RF模型优势的混合建模方法，同时加强数据收集和模型优化，以降低 (R)MSE 并提升模型稳健性。尽管存在局限性，RF模型在结垢预测和海水淡化系统决策支持方面仍提供了重要见解。未来研究应在多藻类和多结垢条件的真实场景中验证这些模型，以提升其可靠性和实用性。

此外，本研究为开发专用遥感技术提供了方向，可提升SWRO海水淡化厂在 HAB事件期间的运行效率。例如，通过在无人机上安装光谱传感器，可更高效、经济地监测取水源的水质变化。持续研究与技术开发将为水资源的可持续管理提供创新解决方案。