Add experiment_documentation/README.md

This commit is contained in:
Mika 2026-02-22 03:07:06 +00:00
parent 37c475bb3f
commit 52ba30b4d7

View file

@ -0,0 +1,181 @@
# Experiment: Fluoreszenzmessung der Donau mit USB-Spektrometer
## Purpose
Messung und Analyse von Fluoreszenzsignalen im Wasser der Donau mit einem tragbaren USB-Spektrometer. Ziel ist die Identifikation schwacher biolumineszenter oder fluoreszenter Effekte unter realen Umweltbedingungen.
**Problemstellung:** Die Erfassung sehr schwacher Fluoreszenzsignale im Feld leidet unter Fremdlicht, Temperaturschwankungen und elektrischen Störungen. Das Experiment soll zeigen, wie durch Kalibration, Filterung und softwareseitige Korrekturen stabile Messdaten gewonnen werden können.
**Ziele:**
- Erfassen von spektralen Intensitäten im Bereich 350800nm
- Kalibrierung und Fehlerkorrektur mittels Python-Logger-Skripten
- Vergleichsmessungen zur Erkennung von Fremdlichtartefakten
- Analyse von Rohdaten zur Signalbereinigung
## Kontext & Hintergrund
Spektraldaten verschiedener Tiefenproben aus der Donau (0,3m, 1m, 2m), jeweils mit photon/s-Werten und spektraler Kanalzuordnung.
**Gruppierung:**
- pro Tiefe
- pro Kanal (RGB)
- pro Zeitpunkt
**Trace-Metadaten / zusätzliche Tags:**
- Zeitstempel
- Temperatur
- Intensität
- Kommentar zum Fremdlicht
**Domänenkontext:**
- Umweltmesstechnik
- optische Spektroskopie
- Datenloggerkalibrierung
- Feldmessung
**Motivation:**
- Validierung einfacher Messaufbauten für Umweltfluoreszenzanalysen
- Erprobung robuster Loggerverfahren bei Nachtmessungen
- Vergleich natürlicher Lichtreflexionen mit induzierter Fluoreszenz
## Methode / Spezifikation
**Übersicht:**
- Aufbau des USB-Spektrometers mit justierter Linse und Kalibration auf Weißstandard
- Referenzmessung mit definierter Lichtquelle zur Evaluierung von Selbstrauschen
- Datenerfassung über Python-Logger mit kontinuierlichem Flush zur Vermeidung von Buffer Overflow
- Algorithmische Glättung und Baseline-Korrektur der Rohdaten
**Algorithmen / Verfahren:**
- Kalibration: refCal_intensity-Bestimmung und darkNoise-Korrektur
- Datenlogging: laufende Spektralerfassung im Millisekundentakt mit Timestamp
- Signalverarbeitung: moving_avg zur Glättung, baseline-Subtraktion zur Kontrastanhebung
- Ausreißerfilterung: Subtraktion unerwarteter Peaks durch Fremdlicht
## Input / Output
### Input-Anforderungen
**Hardware:**
- USB-Spektrometer (350800nm)
- Laptop mit Python ≥3.8
- Powerbank ≥10000mAh
- Luxmeter oder Smartphone-Sensor
- Schutzgehäuse gegen Feuchtigkeit
**Software:**
- Python-Logger-Skript (beta_2)
- Datenanalyse-Skript mit moving_avg() und baseline()
- USB-Treiber für Spektrometer
**Konfiguration:**
- Referenzweiß-Kalibrierung vor jeder Messserie
- Blende f/2,3
- Integrationszeit 200400s
### Erwartete Rohdaten
**Felder pro Run:**
- timestamp
- channel
- intensity_photon_per_s
- temperature_C
- remark
**Formatbeispiele:**
- 2024-03-15T23:41:15Z, Grün, 115±16, 4.2, Fremdlicht Schiff
**Trace-Daten:**
- Format: CSV oder JSON mit Floatwerten
- Hinweis: Jede Messreihe enthält Kalibrierpunkte und Fremdlichtkommentare zur späteren Subtraktion
### Analyse-Ausgaben
**Pro Gruppe / pro Governor:**
- Mittelwert: 42,3photon/s
- Standardabweichung: 2,1photon/s
- Filtereffizienz: 94%
**Vergleichsausgaben:**
- Messung ohne Fremdlicht vs Messung mit Schiffsreflexion
- Δ: +90%
- Trace-Muster: Erkannte periodische Peaks (Temperaturdrift oder Strömungsmodulation)
## Workflow / Nutzung
**Analyse-Workflow:**
- Vorbereitung: Gerät auf Weißfläche kalibrieren
- Aufnahme: logger-start Skript ausführen
- Qualitätskontrolle: Signal vs. Dunkelrauschen prüfen
- Nachbearbeitung: Glättung, Baseline-Korrektur, Ausreißer entfernen
- Bericht: Mittelwerte, Peaks und Signifikanz evaluieren
### Trace-Template-Anforderungen
**Ziel:** Standardisierte Erfassung reproduzierbarer Fluoreszenzsignale
**Erforderliche Tags & Metadaten:**
- timestamp
- depth_m
- lamp_intensity
- noise_level
- comment
**trace-cmd-Setup:**
- Skript mit flush=True betreiben
- Messintervall >200s wählen
- Rohdaten regelmäßig sichern
**Run-Design für Contributors:**
- Erfassen einer Kontrollprobe
- Führungsprotokoll mit Lichtbedingungen dokumentieren
- Fremdlichtsituationen manuell annotieren
## Interpretation & erwartete Ergebnisse
**Kernbefunde:**
- Kein signifikanter Nachweis biolumineszenter Aktivität
- Stabile Basislinie trotz variabler Umweltbedingungen
- Fremdlicht kann bis +90% Intensitätszuwachs erzeugen, muss algorithmisch gefiltert werden
**Implikationen für Experimente:**
- Feldmessungen erfordern Echtzeitkorrektur von Fremdlicht
- Thermische Stabilität des Sensors verbessert Signalqualität signifikant
**Planungsziel:**
- Ziel: Demonstration eines belastbaren Low-Cost-Protokolls für nächtliche Fluoreszenzmessungen unter Brückenbedingungen
- Vorgehen:
- Kalibration und Schutzmaßnahmen optimieren
- Analytische Postprocessing-Methoden standardisieren
## Limitationen & Fallstricke
**Datenbezogene Limitationen:**
- Streulicht und Reflexionen von Wasseroberflächen verfälschen Intensitätswerte
- Schwebstoffe verursachen spektrale Unschärfen
**Kausalität & Generalisierbarkeit:**
- Ergebnisse lokal bezogen, nicht übertragbar auf andere Fließgewässerbedingungen
**Praktische Fallstricke:**
- Pufferüberlauf im Logger bei zu langen Sessions
- Temperaturdrift bei ungedämmtem Gehäuse
- Feuchtigkeitseinwirkung auf USB-Kontakte
## Nächste Schritte & Erweiterungen
**Geplante Experimente:**
- Messungen mit erhöhter Integrationszeit über 400s
- Vergleich mit Nebenarm der Donau zur Isolierung diffuser Quellen
**Analyseziele:**
- Entwicklung automatischer Fremdlicht-Detektion auf Basis von Luxmeter-Daten
**Regression & Modellierung:**
- Zeitliche Analyse zur Trennung von Fremdlicht und Eigenemissionen
- Korrelation zwischen Temperaturdrift und Signalfluktuation
**Community-Beiträge:**
- Dokumentation für Citizen-Science-Messungen bereitstellen
- Leitfaden für sichere Feldmessungen veröffentlichen