基于随机变异—Kennard—Stone和偏最小二乘法的土壤重金属镉含量反演 ——以雄安新区西南部为例

• 作者: 黄照强 倪斌
• 来源期刊: 地质论评
• 关键词: 土壤重金属污染 光谱变换 RM—KS样本集选择 偏最小二乘回归 高光谱
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 研究进展|Research Progress
• 页码范围: 1521-1532
• 页数: 12页
• 语种: 中文
• DOI: 10.16509/j.georeview.2021.07.035

摘要

土壤重金属污染对人类身体健康造成了严重威胁,作为快捷、高效、无损监测分析土壤重金属含量的方法之一,高光谱遥感反演土壤重金属含量的方法正逐步得到发展.本文以雄安新区西南部作为研究区,针对潜在生态风险最大且活性最强并易被植物吸收的重金属镉,开展高光谱反演研究.将采集来的426件土壤样品除杂、风干、过筛在实验室测得重金属含量,并用SVC便携式地面光谱仪测量样品350～2500 nm范围光谱.采用Savitzky—Golay卷积平滑方法进行光谱降噪平滑处理.由于粒径大小而不是化学成分差异可能会导致基线效应和漂移现象,为了增强光谱差异和光谱曲线形状,将数据进行标准正态变量变换(SNV)、一阶微分(FD)、二阶微分(SD)、多元散射校正(MSC)等数学变换,并分析变换后光谱与Cd含量的相关性.本文提出一种集成随机变异法—Kennard—Stone法—偏最小二乘回归的方法.针对变换后的光谱集和Cd含量集,第一步采用随机变异法—Kennard—Stone法将样本集分为70％训练集和30％验证集,使样本数随性质分布均匀并覆盖整个样本空间;第二步用偏最小二乘回归法结合交叉验证建立回归模型,用确定系数R2、均方根误差RMSE、偏差比值RPD、误差范围比值RER等参数开展模型评价,如果没有达到预期效果,则回到第一步,迭代反复选择,直至达到最优效果.结果表明,适用的最优反演重金属镉含量的技术方法是采用FD变换后,不断迭代集成RM—KS样本选择和PLS偏最小二乘法回归建立的模型,其验证综合效果最好,建模主成分数为11个,确定系数R2达到0.909,RMSE为0.604,RPD为2.696,RER达为15.516.成果可为类似区域快速、无损的土壤重金属Cd含量反演提供技术支撑.