一种基于藻类光合色素特性差异的藻类分类方法

本发明公开了一种基于藻类光合色素特性差异的藻类分类方法，包括以下步骤：S1：获取不同藻类的光合色素种类、分子式及荧光光谱图，建立藻类光合色素数据库；S2：将化学指标与光谱特征融合为多维特征向量并进行标准化处理；S3：将数据集划分为训练集与测试集，进行分类模型的训练与优化；S4：基于AI的藻类分类验证与结果呈现。本发明通过将藻类光合色素特性转化为数字化指标，不仅为藻类分类提供了量化、高效的新方法，还为机器学习在藻类毒性预测中的应用开辟了新途径，有助于提高水生生态系统中藻类受有毒有害物质影响的预测和评估能力，为环境保护和生态风险预警提供技术支撑。