基于高光谱反演的复垦区土壤重金属含量经验模型优选

• 作者: 张世文 李少帅 罗明 郧文聚 陈元鹏 鞠正山
• 来源期刊: 农业机械学报
• 学科: 地球科学
• 关键词: 工矿复垦区 土壤重金属 高光谱反演 经验模型 偏最小二乘回归 粒子群算法
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 农业信息化工程
• 页码范围: 170-179
• 页数: 10页
• 分类号: X833
• 字数: 9068字
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2019.01.018

摘要

以工矿复垦区为实验区域,基于ASD FieldSpec 4高光谱遥感数据,结合实测的土壤重金属含量,利用回归分析与特征选择方法,开展了基于高光谱数据的土壤重金属含量反演研究与实验并进行了经验模型优选.通过对光谱曲线进行一阶微分、对数一阶微分以及对数倒数的一阶微分等数学变换有效提高了光谱数据与土壤重金属含量的相关性.在此基础上采用偏最小二乘回归(Partial least squares regression,PLSR)、随机森林回归(Random forest regression,RFR)、支持向量机回归(Support vector machine regression,SVMR)3种回归分析模型开展土壤重金属含量反演实验,结果表明偏最小二乘回归(PLSR)对研究区内土壤中重金属含量的反演最为有效,尤其对区域内主要障碍因子镉(Cd)元素含量的反演效果最佳,验证集决定系数R2为0.76.基于粒子群算法(Particle swarm optimization,PSO)、遗传算法(Genetic algorithm,GA)、ReliefF算法3种特征选择方法对偏最小二乘回归(PLSR)模型进行优化,结果表明粒子群算法(PSO)可有效降低特征波段变量维度,进一步提高模型反演精度,使决定系数R2由0.76提高至0.84.综上,基于高光谱数据,采用偏最小二乘回归(PLSR)与粒子群算法(PSO)相结合的方法,可有效对工矿复垦区土壤中的重金属含量进行测度,可为复垦区土地的质量和生态指标监测提供理论方法和技术支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张世文	安徽理工大学地球与环境学院	54	407	11.0	19.0
2	郧文聚		13	30	4.0	5.0
3	陈元鹏		4	8	1.0	2.0
4	罗明		10	19	2.0	4.0
5	鞠正山		2	9	1.0	2.0
6	李少帅		2	8	1.0	2.0