Quantifizierung chemischer Parameter anhand von Sedimentreflexionsspektren des Olewiger Baches (Region Trier)
Methodenvergleich PLS-Regression (PLSR) vs. Künstliche Neuronale Netze (ANN)
- Art: Diplomarbeit
- Autor: Patrick Laux
- Abgabedatum: April 2003
- Umfang: 144 Seiten
- Dateigröße: 7,2 MB
- Note: 1,3
- Institution / Hochschule: Universität Trier Deutschland
- ISBN (eBook): 978-3-8324-7904-6
-
ISBN (Paperback) :
978-3-8324-7904-6 P - ISBN (CD) :978-3-8324-7904-6 CD
- Sprache: Deutsch
- Prämierung:
- Arbeit zitieren: Laux, Patrick April 2003: Quantifizierung chemischer Parameter anhand von Sedimentreflexionsspektren des Olewiger Baches (Region Trier), Hamburg: Diplomica Verlag
- Schlagworte: Diffuse Reflexion, Spektroskopie, Spektroradiometrie, Partial Least Squares Regression, spektrale Reflexion
In den Warenkorb
74,00 €
Diplomarbeit von Patrick Laux
Einleitung:
Diffuse oder punktuelle Einleitungen anthropogener Schadstoffe führen dazu, dass die Gewässer und deren Sedimente mit einer Vielzahl von organischen und anorganischen Nähr- und Schadstoffen stark belastet werden. Durch die unterschiedlichen Nutzungsansprüche der Gewässer (Trinkwasserreservoir, Erholungs- oder Freizeitraum, Brauchwasserquelle für Industrie und Landwirtschaft, Verkehrswege) entstehen Interessenkonflikte, die ein ständiges Monitoring der Gewässerqualität erfordern. In diesem Zusammenhang spielen die Gewässersedimente eine übergeordnete Rolle, da sie als Quelle und Senke für organische und anorganische Nähr- und Schadstoffe wirksam werden können.
Die vorliegende Arbeit beschäftigt sich mit der chemischen Analytik von Sedimentproben, die durch den Einsatz der Reflexionsspektrometrie mit Hilfe eines nicht-abbildenden Spektrometers (Field-Spec-II) und chemometrischer Modellbildung quantifiziert werden sollen. Diese Methode kommt vornehmlich bei stark streuenden oder lichtundurchlässigen Proben zum Einsatz, wobei die Reflexion hauptsächlich vom Absorptionsvermögen des Körpers abhängig ist.
Der entscheidende Vorteil dieser Methode ist in der schnellen und wirtschaftlichen Analyse des Probenmaterials zu sehen; es können also in kurzer Zeit sehr viele Proben untersucht und simultan auf mehrere Inhaltstoffe hin analysiert werden. Dazu wird aus Proben mit bekannten Konzentrationen und deren Spektren ein Modell erstellt, aus dem die Konzentrationen unbekannter Proben „geschätzt“ werden können.
Zur Modellierung sollen sowohl die Partial Least Squares Regression als auch Künstliche Neuronale Netze verwendet und deren Ergebnisse miteinander verglichen und diskutiert werden. Voraussetzung dafür ist die Kalibrierung des Modells, die zu einer oder mehreren Schätzfunktionen führt und mit der bzw. denen die Korrelation zwischen spektraler Information und Inhaltsstoffkonzentration der jeweiligen Proben beschrieben werden kann.
Inhaltsverzeichnis:
| I. | Verzeichnis der Abbildungen | |
| II. | Verzeichnis der Tabellen | |
| III. | Verzeichnis der Abkürzungen | |
| IV. | Verzeichnis der Variablen | |
| 1. | Einleitung | 1 |
| 1.1 | Zielvorstellungen | 3 |
| 1.2 | Vorgehensweise | 3 |
| 2. | Spektroskopie natürlicher Oberflächen | 6 |
| 2.1 | Begriffe und Definitionen | 6 |
| 2.1.1 | Wellen-Teilchen-Dualismus | 8 |
| 2.1.2 | Wichtige strahlungsphysikalische Größen | 10 |
| 2.1.3 | Die spektrale Reflexion | 13 |
| 2.1.4 | Wechselwirkung von elektromagnetischer Strahlung mit Materie | 15 |
| 2.1.4.1 | Ursachen spektraler Absorption | 17 |
| 2.2 | Anwendung der Reflexionstechnik für Boden- und Sedimentproben | 22 |
| 2.2.1 | Geschichtliche Entwicklung der VNIRA und Stand der Forschung bezüglich der Auswertung und Interpretation von Bodenspektren | 22 |
| 2.2.2 | Betrachtung wichtiger Einflussfaktoren auf die spektrale Reflexion bzw. Absorption | 26 |
| 2.2.2.1 | Der Einfluss der Rauhigkeit der Probenoberfläche | 27 |
| 2.2.2.2 | Der Einfluss der Feuchte | 29 |
| 2.2.2.3 | Der Einfluss der Schichtdicke | 31 |
| 2.2.2.4 | Der Einfluss der chemischen und mineralischen Zusammensetzung der Probe auf das Reflexionsvermögen | 32 |
| 2.3 | Theorie zur quantitativen Auswertung von diffusen Reflexionsspektren | 36 |
| 2.3.1 | Die Theorie von Kubelka & Munk | 36 |
| 2.3.2 | Die Theorie von Dahm | 38 |
| 3. | Datengrundlage und Methoden | 39 |
| 3.1 | Datengrundlage | 39 |
| 3.2 | Probenaufbereitung | 40 |
| 3.3 | Betrachtung von Quellen und Senken für Nähr- und Schadstoffe im Einzugsgebiet | 41 |
| 3.4 | Analytik | 43 |
| 3.5 | Spektrale Vermessung der Proben | 44 |
| 3.5.1 | Vorüberlegungen | 44 |
| 3.5.2 | Technische Beschreibung des verwendeten Sensors | 46 |
| 3.5.3 | Aufnahmegeometrie (Sensor und Strahlungsquelle) | 46 |
| 3.5.4 | Probenvorbereitung und Durchführung der Messung | 47 |
| 3.5.5 | Berechnung der spektralen Reflexionskoeffizienten | 48 |
| 3.6 | Datenkonvertierung | 51 |
| 3.7 | Auswertung der Reflexionsspektren | 52 |
| 3.7.1 | Vorüberlegungen zur Datenauswertung | 52 |
| 3.7.2 | Qualitative Analyse der Spektralsignaturen | 52 |
| 3.7.3 | Adaptive Glättung der Reflexionsspektren | 54 |
| 3.7.4 | Deskriptive Auswertung der Reflexionsspektren | 54 |
| 3.7.5 | Interpretation der Korrelations- und Ableitungsspektren | 56 |
| 3.8 | Die chemometrische Analyse | 64 |
| 3.8.1 | Die Partial Least Squares Regression (PLSR) | 66 |
| 3.8.1.1 | PLS1-Algorithmus vs. PLS2-Algorithmus | 68 |
| 3.8.2 | Die Qualität des Modells | 68 |
| 3.8.3 | Optimierung des kalibrierten Modells | 70 |
| 3.8.4 | Der Einsatz künstlicher Neuronaler Netze (ANN) | 75 |
| 3.8.5 | Vergleich PLS-Regression und ANN | 77 |
| 3.8.6 | Praktische Umsetzung eines ANN | 78 |
| 3.8.7 | Betrachtung der Hauptkomponenten (PCs) | 79 |
| 4. | Das Untersuchungsgebiet | 82 |
| 4.1 | Geographische Lage und Erstreckung | 82 |
| 4.2 | Geologie, Geomorphologie und Böden | 83 |
| 4.3 | Landnutzung | 85 |
| 5. | Beschreibung der Referenzdaten | 86 |
| 5.1 | Explorative Datenanalyse | 86 |
| 5.1.1 | Deskriptive Statistik | 86 |
| 5.1.2 | Lineare Korrelationsanalyse | 88 |
| 6. | Modellierungsergebnisse und Diskussion | 98 |
| 7. | Zusammenfassung und Ausblick | 109 |
| V. | Verzeichnis der Literatur | VI |
| ANHANG |
Kapitel 3: Datengrundlage und Methoden 3.7 Auswertung der Reflexionsspektren 3.7.1 Vorüberlegungen zur Datenauswertung Die in Kapitel 2.1.4.1 erläuterten Prozesse bedingen eine ganz charakteristische Spektralsignatur („fingerprinting“) der Sedimentspektren, die am stärksten durch H20 und OH- - Banden geprägt sind. Die zur Quantifizierung der Nähr- und Schadstoffe relevanten Bindungsmechanismen (z. B. O-H-Bindungen), welche sich zumeist durch Schwingungsabsorptionen im Reflexionsspektrum niederschlagen, treten in der Regel in mehreren Konfigurationen und unterschiedlichen Inhaltsstoffen auf. Zudem sollte man bedenken, dass sich ein Absorptionsbereich stets aus mehreren primären und sekundären Schwingungsbanden unterschiedlicher Bindungsstrukturen bzw. verschiedener Molekülkomplexe zusammensetzt. Deshalb ist es nicht möglich, eine einzelne Reflexionsmessung einer Wellenlänge als Maß für die chemische Konzentration bestimmter Inhaltsstoffe heranzuziehen. Aus diesen Vorüberlegungen heraus erschließt sich die Hypothese, dass für die Modellierung chemischer und mineralogischer Parameter aus deren Spektralsignatur lediglich multivariate Methoden zum Einsatz kommen können. Die Verfahren der multivariaten Analyse basieren ausschließlich auf den in Kapitel 3.8 beschriebenen mathematischen Zusammenhängen zwischen den in diese Verfahren eingehenden Datensätzen. Die Rohspektren (Originalspektren) weisen aufgrund aufnahme-, multivariaten systemAnalyse und auf objektspezifischer ihre Qualität zu Eigenschaften überprüfen und unterschiedliche gegebenenfalls Streubereiche auf, woraus sich die Notwendigkeit ergibt, die Spektren vor Beginn der (problemspezifisch) zu bearbeiten. 3.7.2 Qualitative Analyse der Spektralsignaturen Zur Beurteilung der Qualität der gemessenen Reflexionsspektren und zur Detektion verrauschter Wellenlängenbereiche wurde eine Varianzanalyse der Parallelmessungen durchgeführt, wobei der Reflexionsfaktor R einer Wellenlänge nur dann für weitere Betrachtung in Frage kommt, wenn der Variationskoeffizient über die Parallelmessungen für diese Wellenlänge im Mittel aller Messungen einen festgesetzten Grenzwert nicht übersteigt. Als maximaler Variationskoeffizient wurde 0,025 festgelegt. 52 [...]
3.5.4 Probenvorbereitung und Durchführung der Messung Im ersten Schritt wurden die zu messenden Proben auf schwarzer Pappe ausgebreitet, um somit - bei eventueller unzureichender Probendicke - zusätzliche Reflexionen vom Untergrund zu vermeiden. Dabei wurde ca. 5 Gramm des Probenmaterials kreisrund auf der Pappe verteilt, mit einem Hilfsmittel glattgestrichen und mit dem geschätzten Kreismittelpunkt senkrecht unter dem Sensorkopf und im Bereich des Lichtkegels der künstlichen Strahlungsquelle ausgerichtet. Die Messoptik hat einen Öffnungswinkel (FOV = Field of view) von 23°. Aus Öffnungswinkel und Abstand des Sensors zur Probe ergibt sich der Durchmesser, in welchem die Probe mindestens vorliegen muss um nicht Teile der Umgebung mit zu messen. Die darunter stehende Abbildung soll diesen Rechenschritt näher erläutern. Umgebungsreflexionen konnten zusätzlich durch Messen im abgedunkelten Laborraum minimiert werden. arctan(y/x) = α = (FOV full angle)/2 y/x = tan α y = x tan α y = 11 cm • tan (23/2) = 2,24 cm [...]
Kapitel 3: Datengrundlage und Methoden ► Reflexionsstandard und Messprobe müssen das Sichtfeld des Sensors ausfüllen. ► Reflexionseigenschaften der Referenz sind bekannt und bleiben während der Messkampagne konstant. ► Das Sensorsignal verhält sich zu Änderungen der am Sensor ankommenden Strahldichte linear. 3.5.2 Technische Beschreibung des verwendeten Sensors Das Spektroradiometer deckt den Spektralbereich (spectral range) von 350 bis 2500 nm bei einer spektralen Auflösung (spectral resolution) von 10 nm und einer spektralen Bandweite (spectral bandwitdth) von 1 nm ab. Das Spektroradiometer kombiniert insgesamt drei verschiedene Detektoren. Ein Silizium-Detektor mit starrem Beugungsgitter deckt dabei den Bereich von 350 bis 1000 nm (UV/VNIR) ab und zwei separate (SWIR 2). Die minimale zeitliche Auflösung beträgt 0,1 s. Meistens werden die Einzelmessungen über einen Mittelwertmodus zu einer Gesamtmessung integriert, um damit den systemimmanenten Rauschanteil des Ausgabesignals zu unterdrücken (Signal-toNoise-Ratio, SNR). Der Öffnungswinkel des Sichtfeldes der Optik beträgt 23°. Zur Optik führt ein Kabel aus Fiberglas, welches in einen Pistolengriff eingefasst ist und auf einem Stativ befestigt werden kann. Das Spektrometer ist über einen Parallelport an ein Notebook angeschlossen. 3.5.3 Aufnahmegeometrie (Sensor und Strahlungsquelle) Die Messungen wurden gemäß Abb. 3.1 unter folgenden geometrischen Verhältnissen durchgeführt: Nadirposition des Sensors gegenüber der Probe 11 cm Abstand des Messkopfes zur Probe Beleuchtung: 1000 W Halogenlampe aus 30 cm Entfernung bei 30° Einstrahlwinkel zum Nadir Indium-Gallium-Arsenid-Detektoren mit oszillierenden Beugungsgittern erfassen den Bereich von 1000 bis 1800 nm (SWIR 1) und von 1800 bis 2500 nm [...]
In den Warenkorb
74,00 €
Link zur Arbeit:
http://www.diplom.de/ean/9783832479046
Arbeit zitieren:
Laux, Patrick April 2003: Quantifizierung chemischer Parameter anhand von Sedimentreflexionsspektren des Olewiger Baches (Region Trier), Hamburg: Diplomica Verlag
Schlagworte:
Diffuse Reflexion, Spektroskopie, Spektroradiometrie, Partial Least Squares Regression, spektrale Reflexion



