水体重金属铅（Pb）污染对人类健康及水生态环境具有重要影响。 为实现水体重金属Pb的现场快速检测, 以蛋白核小球藻为吸附剂, 开展了基于蛋白核小球藻富集-X射线荧光（XRF）光谱的水体重金属Pb快速检测研究。 结果表明: 蛋白核小球藻与重金属Pb反应液的pH值为7且反应温度为25 ℃时, 蛋白核小球藻对重金属Pb具有快速高效吸附特性, 在反应时间为5 min时对0.012 8～0.353 5 mg·L-1这一较宽浓度范围内重金属Pb的吸附效率高达92%以上, 但对类金属As的吸附效率却低于5%, 因此基于蛋白核小球藻的富集作用可以有效避免重金属Pb与类金属As共存时As的Kα最优特征谱峰对XRF光谱测量过程中Pb的Lα最优特征谱峰的干扰与影响; 在蛋白核小球藻对重金属Pb的最佳吸附反应条件下, 当反应液样品富集量为10 mL时, 建立了基于蛋白核小球藻富集-XRF光谱的水体重金属Pb定量检测方法, 水体重金属Pb浓度与XRF光谱中Pb的Lα特征谱峰净积分荧光强度间具有良好的线性关系, 相关系数r为0.990, 检测限为7.2 μg·L-1, 低于我国《地表水环境质量标准（GB 3838—2002）》中Ⅰ类水质标准中重金属Pb的标准限值; 采用该方法对合肥市市内派河、 匡河、 南淝河、 四里河及十五里河实际水体水样中重金属Pb进行检测, 回收率均在87.84%～115.66%范围内, 表明所建立的藻富集与XRF光谱法相结合的水体重金属Pb快速检测方法能够很好地应用于实际水体中重金属Pb的快速分析与检测。 该研究为发展水体重金属现场快速监测技术与仪器奠定了方法基础。

以蛋白核小球藻为研究对象，通过毒性胁迫、光照胁迫和温度改变蛋白核小球藻的光合活性，研究蛋白核小球藻叶绿素荧光产量与光合活性参数F_v/F_m的变化关系。结果表明：3种不同生长环境下，蛋白核小球藻的叶绿素荧光产量随着F_v/F_m改变而发生较为明显变化，最大变化范围为235~668 （μg·L^-1）^-1；F_v/F_m与叶绿素荧光产量之间具有明显负线性相关性，线性优度R²超过0.91。该研究结果为发展更为准确的藻类叶绿素a质量浓度活体荧光检测方法提供了重要依据。

浮游藻类密度监测对水质状况诊断及藻华灾害预警具有重要意义。因此，提出一种基于微流控-显微荧光技术的浮游藻细胞密度检测方法。该方法基于微流控技术实现样品快速定量进样，利用共聚焦显微荧光结构实现藻细胞特征荧光信号的高信噪比采集，并通过分析荧光峰信息实现浮游藻细胞计数。以杜氏盐藻、色球藻、隐藻和赤潮藻为测试对象的结果表明：在1.3×10⁶ L^-1密度范围内测量相对误差均小于3.96%，且准确率不受悬浮物、藻细胞种类以及尺寸的影响；在10%允许误差下，藻类密度检测上限可提升至5×10⁶ L^-1，完全能够满足自然水体浮游藻细胞密度检测需求，为水体藻细胞密度快速准确检测提供了新途径。

浮游藻类的种类多样性和群落结构是水生态环境建设评价的重要指标，利用细胞图像对其进行识别是实现浮游藻类检测的重要手段。相较于传统的显微镜检法，基于深度学习的目标检测算法因更高效的检测能力而越来越多地被运用到浮游藻类检测领域。针对YOLOv3目标检测算法对部分形态小、边界模糊和粘连浮游藻类的检测精度低等问题，采用空间金字塔池化（SPP）结构改进了YOLOv3目标检测算法的特征提取方式，采用广义交并比（GIoU）边界损失函数改进了YOLOv3目标检测算法的边界损失函数，最终构建了一种基于SPP和GIoU改进的YOLOv3浮游藻类检测算法（SPP-GIoU-YOLOv3）。实验结果表明：在检测速度无明显差异的情况下，所提SPP-GIoU-YOLOv3分类检测算法对实验藻类的平均精度均值达95.21%，比YOLOv3目标检测算法提高了4.24个百分点。本研究为发展准确快速的浮游藻类检测方法技术提供了一定的基础。

以混合藻类为研究对象，研究组成混合样品藻种的单细胞可变荧光量（SCVF）差异对可变荧光统计分析法准确性的影响。研究结果表明：当两种藻种的SCVF比值不大于5.3时，该分析方法依旧适用，测量结果与显微镜检测结果的相对误差绝对值的均值不大于17%；当两种藻种的SCVF比值大于8时，测量结果与显微镜检测结果存在较大差异，且高SCVF藻细胞占比达到一定比例时，可变荧光统计分析法的测量结果仅反映了混合样品中高SCVF藻细胞数。针对SCVF差异大的混合藻类，将过滤分离方法与可变荧光统计分析法相结合，利用合适孔径的金属滤网过滤混合样品，将过滤前后测量的样品活体藻细胞密度之和作为测量结果。实验结果表明，该方法可将相对误差绝对值均值由58.4%降至5.5%，有效解决了组成混合样品藻种的SCVF差异对细胞数定量的影响，实现混合藻类活体细胞数的准确定量。

OJIP荧光动力学被广泛应用于藻类光合作用研究,而在常用的OJIP曲线分析中,常将J、I点的特征时间固定,忽略了藻类种类对J、I点特征时间的影响,这会造成J、I点荧光强度计算结果的偏差,直接影响测量结果的准确性。鉴于此,提出使用三级指数函数逼近OJIP曲线的方法动态获取J、I点的特征时间。不同藻种的J、I点的特征时间和二氯苯基二甲脲(DCMU)胁迫下J点特征时间实验的测试结果表明:所提方法能够有效获得不同藻类J、I点的特征时间,二形栅藻、蛋白核小球藻、普通小球藻和新月筒柱藻J点的特征时间分别为2.22,1.52,1.33,1.01 ms,I点的特征时间分别为28.80,27.15,29.90,15.28 ms,多次计算结果的相对标准偏差均小于10%,具有较好的一致性;在DCMU浓度(质量浓度)分别为10,20,40 μg/L的毒性胁迫实验条件下,所提方法计算的普通小球藻的J点特征时间分别为1.25,1.18,1.10 ms,相对标准偏差为12.03%。此外,利用所提方法计算得到的光合活性参数V_J与DCMU浓度之间具有良好的毒性剂量-效应关系,相关性系数R²为0.991。

针对混合浮游藻类群落离散三维荧光光谱特征识别,对比分析了简单卷积神经网络(PlainCNN)和文本卷积神经网络(TextCNN)模型对5种常见门类藻(铜绿微囊藻、斜生栅藻、菱形藻、楯形多甲藻和隐藻)混合数据的种类识别准确率及浓度测量精度。结果表明,在藻类独立识别及浓度回归分析中,PlainCNN模型对测试集的平均识别准确率和浓度输出结果的平均均方误差分别为90%和0.052,均优于 TextCNN模型。为了同时实现混合藻类种类识别和浓度分析,基于PlainCNN模型提出了多任务卷积神经网络PlainCNN-MT模型。该模型对混合藻类种类识别的平均准确率提高至95%,浓度输出结果的平均均方误差降低至0.039,表明多任务卷积神经网络在浮游藻类群落识别与定量分析中更具优势。

可变荧光量与藻类活体细胞数有良好的相关性,然而在浮游藻类种类、尺寸及生长周期等条件不同的情况下,藻类单细胞的可变荧光量存在明显差异,直接利用可变荧光强度计算藻类活体细胞数将存在很大误差。因此,提出了一种基于可变荧光统计学分布的水体藻类活体细胞数分析方法。根据子样本细胞数的分布形状与可变荧光量一致的特点,利用可变荧光量的分布形状直接计算样品中藻类活体细胞数。研究结果表明,在浮游藻类单细胞的可变荧光量变化44倍的条件下,基于可变荧光统计学分析方法计算的活体藻细胞密度与显微镜的镜检结果基本一致,两者线性拟合的相关系数在0.93以上,相对误差绝对值的平均值在5.98%~16.94%之间,说明所提方法基本解决了藻类单细胞的可变荧光量对活体藻细胞计数结果的影响。