Mika/fluoreszenz_unter_beton
1
0
Fork 0
Code Issues Pull requests Projects Releases Packages Wiki Activity Actions
fluoreszenz_unter_beton/experiment_documentation/README.md

5.8 KiB
Raw Blame History

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 350–800 nm
  • 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 (0,3 m, 1 m, 2 m), 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 (350–800 nm)
  • Laptop mit Python ≥ 3.8
  • Powerbank ≥ 10 000 mAh
  • 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 200–400 s

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: 42,3 photon/s
  • Standardabweichung: 2,1 photon/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 > 200 s 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 400 s
  • 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