基于连续小波变换和随机森林的芦苇叶片汞含量反演

• 作者: 崔丽娟 张曼胤 李伟 李梦洁 杨思 王贺年 郭子良 魏圆云 龙颂元
• 来源期刊: 中国生态农业学报(中英文)
• 关键词: 连续小波变换 随机森林 高光谱 重金属汞 芦苇叶片
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 农业资源与环境
• 页码范围: 1730-1738
• 页数: 9页
• 分类号: X5
• 语种: 中文
• DOI: 10.13930/j.cnki.cjea.180131

摘要

植物重金属污染是当今世界面临的重大生态环境问题之一,高光谱技术为快速、大面积监测植被重金属含量提供了可能性.本研究以重金属汞(Hg)和湿地植物芦苇为研究对象,采用连续小波变换(CWT)和随机森林(RF)算法相结合的方法建立芦苇叶片总汞含量反演模型,以期寻求一种较为精准的植物汞污染反演模型,未来可通过高光谱技术建立模型来无损、快速估测湿地植物重金属汞污染情况,为湿地生态系统的监测提供方法支持.结果表明:芦苇叶片总汞含量敏感波段主要分布在可见光波段419～522 nm、664～695 nm和724～876 nm以及近红外波段1450～1558 nm和1972～2500 nm;经CWT变换后,小波系数与叶片总汞含量的相关系数绝对值提高0.04～0.18,所构建的预测反演模型拟合效果R2提高0.107～0.177,模型精度RMSE提高0.008～0.013,其中利用经小波变换的去包络线光谱(CR-CWT)数据建立的RF模型对芦苇叶片总汞含量的反演精度和拟合效果最优(R2=0.713,RMSE=0.127);同时在土壤总汞含量约为20 mg·kg-1时,采用CR-CWT数据构建RF模型的方法来反演芦苇叶片总汞含量更为准确和可靠(R2=0.825,RMSE=0.051).因此,利用RF算法进行植被重金属含量的反演具有一定的现实可行性,而结合CWT后所构建的反演模型对指导植被重金属含量监测更具参考价值,应用前景广阔.