共查询到19条相似文献，搜索用时 93 毫秒
1.
农田土壤中重金属元素富集会严重制约农作物的生长,且对人类健康造成潜在威胁。高光谱遥感数据具有极高的光谱分辨率,因而可在土壤重金属污染元素信息的定量研究中发挥重要作用。本文以雄安新区西南部及其周边农田土壤作为研究对象,在实验室测定土壤重金属元素Ni的含量,并与土壤可见-近红外高光谱数据建立土壤重金属Ni含量的定量估测模型,进一步基于CASI&SASI航空高光谱数据快速反演研究区农田土壤重金属Ni的含量,获取其分布特征。本文研究并建立了研究区土壤重金属元素基于不同光谱变换形式的多元逐步回归、偏最小二乘回归和BP神经网络统计估算模型,通过模型验证与对比,探索研究区土壤重金属Ni元素含量的最优反演模型。研究结果表明: （1）基于各光谱变换的BP神经网络模型的建模和预测精度整体上大于偏最小二乘法和多元逐步回归法模型,模型拟合精度高,预测能力较好;（2）综合来看,一阶微分处理能普遍改善模型预测效果,其中BP神经网络模型的一阶微分变换结果最佳,对于Ni元素建模精度R2高达97.1%,验证集精度R2高达98%以上;（3）选用精度最好的BP神经网络模型,通过CASI&SASI高光谱数据对研究区重金属Ni含量进行反演,反演结果与实测Ni含量数据一致性很好。 相似文献
2.
《物探化探计算技术》2017,(5)
本研究采集冕宁牦牛坪稀土矿区34个样本点的土壤与高光谱数据,利用化学方法实测土壤重金属含量,计算各重金属之间皮尔森相关系数,建立Fe元素与各金属元素(Pb、Zn、Cd、Mn、Cu、As)估算模型;针对高光谱数据,进行光谱一阶微分、二阶微分、倒数对数、均方根变换、包络线去除、光谱深度计算等处理,获取特征波段,采用交叉有效性检验原则选择恰当的主成分个数,应用偏最小二乘法建立光谱一阶微分同Fe元素关系模型,最后通过计算建模样本与检验样本的相关系数及RMSE值判定各金属含量模型精度。旨在探索利用高光谱遥感技术反演土壤重金属含量的可行性,为应用高光谱遥感技术进行环境污染监测、信息提取和定量反演提供借鉴。 相似文献
3.
掌握黑土地有机质含量对黑土资源利用与保护具有重要意义,而高光谱卫星影像的缺乏制约了区域尺度土壤有机质反演研究的开展.以黑龙江省建三江黑土区为例,采用CASI/SASI航空高光谱数据、ASD（analytical spectral devices）地面光谱数据和土壤样品有机质含量数据,基于有机质含量与光谱反射率的相关性和定量关系,构建最优的回归模型并开展研究区土壤有机质含量遥感反演.结果表明:偏最小二乘法回归模型比多元逐步回归模型更稳定（判定系数分别为0.885和0.653）,且精度更高（均方根误差分别为0.424和0.744）;采用偏最小二乘模型反演的结果与地面化探结果基本一致. 相似文献
4.
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。 相似文献
5.
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。 相似文献
6.
以湖南株洲市区中西部为研究区域,获取该区域35个土壤样本和多光谱数据,基于多元线性回归（MLR）、偏最小二乘回归（PLS）、BP神经网络回归模型（BP）,分别建立土壤重金属（Cr、Cu、Ni）含量的反演模型,并对模型预测效果进行检验。建模与预测综合效果：BP模型＞PLS模型＞MLR模型,BP神经网络回归模型的效果远远好于其他2组,尤其适合分析具有非明确关系的2组数据。其中,Cr元素回归模型为最佳拟合模型,建模和预测R2分别为0.917 4、0.811 0,建模均方根误差和预测均方根误差分别为8.269 3、16.870 7,说明基于多光谱数据反演土壤重金属含量有一定的可行性。 相似文献
7.
马达加斯加北部地区地广人稀、交通不便、植被稀疏、矿产资源丰富,利用遥感技术提取矿化蚀变信息具有独特的优势和较好的效果。为了对BINARA地区铬铁矿进行遥感找矿预测,文章首先利用Landsat 8遥感数据2、4、5、6波段进行主成分分析提取研究区内基性-超基性岩信息;然后基于实测高光谱数据,采用偏最小二乘回归法建立Fe含量定量反演模型,并利用该模型对Hyperion高光谱遥感数据进行计算,提取研究区内Fe含量异常信息;最后根据综合遥感异常信息以及野外调查验证结果,确定研究区内的Fe含量为一级异常的区域作为预测区。 相似文献
8.
在土壤中重金属含量较低的情况下,重金属的高光谱特征响应非常微弱,不易构建精确的高光谱直接反演模型。为了解决上述问题,依据土壤化学变量间的理化性质,将重金属富集特征转移到与之相关的化学主量元素上,使重金属微弱的信息得以间接定量反演。文中以海伦市黑土土壤为研究对象,通过主成分分析、聚类分析确定了主量元素氧化铁（Fe2O3）与微量重金属As、Zn、Cd之间存在明显吸附赋存关系。选用偏最小二乘法构建了研究区氧化铁含量的最佳反演模型（决定系数为0.704,均方根误差为0.148,F检验为12.732）,并利用氧化铁与As、Zn、Cd之间的赋存关系,通过神经网络构建了氧化铁预测值与重金属真实值间的非线性拟合模型,得出As含量的拟合程度最高,Zn的拟合程度较好,Cd的拟合效果较理想,总体相关性分别为0.796、0.732、0.530。研究结果表明,基于氧化铁含量的间接预测模型能对微量重金属As、Zn、Cd进行较好的定量预测,为微量重金属含量的定量分析提供了新的方法参考,为高光谱遥感技术预测土壤重金属含量提供了依据,增强了土壤微量重金属反演可行性,对细化自然资源质量监测、深化开展地学系统综合分析与评价有重要意义。 相似文献
9.
农田土壤重金属污染严重影响着作物生长和人类健康,为了探索一种快速、准确的土壤重金属含量遥感监测方法,以辽宁省苏子河流域为研究区域,将实测光谱数据转换为多光谱数据。笔者利用偏最小二乘回归法(PLSR)建立相关关系模型,选择最优模型运用到2016年和2020年苏子河流域的Sentinel--2影像。结果表明：综合实测光谱与多光谱可用于土壤重金属含量监测,各模型R2均高于0.50,2年间流域内农田土壤重金属元素中Cu、Ni、Pb、Zn含量增加,Cd、Cr、As含量降低,超标的重金属元素由Cd、Cr、Cu变化为Cu、Ni、Pb、Zn。经分析,重金属相关含量变化与矿场、农业种植结构以及生活垃圾等密切相关。 相似文献
10.
11.
12.
《Applied Geochemistry》2002,17(8):1149-1157
Regression analysis is a well-established method to correct for grain size differences in suites of sediments. However, distortion caused by the presence of outliers and imprecision in both variables can hinder many common regression models from performing adequately. Median sum of weighted residuals (MSWR) regression is strongly outlier-resistant and accounts for imprecision in both variables for each member of a dataset. In a case study of Ni and Pb normalisation for a suite of stream sediments in NE Estonia, the ability of MSWR regression to detect anomalies was compared to ordinary least squares, weighted least squares, least absolute deviation and least median of squares regression. MSWR regression not only revealed more anomalous samples than the other methods, but also was able to distinguish anomalies in samples at comparatively low heavy metal concentration. This feature is particularly significant when tracking heavy metal dispersion downstream from point sources. 相似文献
13.
Sediment contaminant concentrations usually show an inverse correlation with grain size. This can cause difficulties in distinguishing real differences in contamination from artifacts caused by variations in sediment texture. To overcome this, regression analysis is frequently used to remove the dependency of concentrations on grain size. However, least squares regression lines can be affected markedly by the presence of a small number of unusual samples in the dataset. These outliers may represent samples which are more severely contaminated or which were derived from areas with different underlying geology. They can be removed semi-manually, but robust regression methods such as least absolute values provide a convenient and objective alternative. The methods are illustrated using an example dataset of metal contaminants in sediments from the Humber Estuary, United Kingdom. Least squares regression on the complete dataset yields a rather poor grain size normalization for several elements. By contrast, least absolute values regression produces results very similar to those obtained by least squares regression after careful manual removal of outliers, but it avoids the need for subjective judgments of which data points to omit from the analysis. The intercepts of several of the fitted regression lines were non-zero, indicating that regression-based normalization is preferable to methods based on ratios. 相似文献
14.
Matlab稳健回归法在FD-3019γ测井仪校准中的应用 总被引：1，自引：0，他引：1
简要介绍了FD-3019γ测井仪的校准方法,即Matlab稳健回归法及其抗差性。通过一个实例对比了Matlab稳健回归法和最小二乘法建立的一元线性回归方程,结果表明Matlab稳健回归法较之最小二乘法更为准确。 相似文献
15.
利用偏最小二乘法回归的多变量校正方式,建立了应用近红外反射光谱学方法无损快速测定各种地质样品中有机质的模型.设计了多重散射光校正、标准正常变量转换及导数光谱,扣除额外基线和重叠信号的影响,分离出与有机质含量有关的光谱信息.大多数地质样品的有机质近红外反射光谱估算结果与化学法符合. 相似文献
16.
Regression diagnostics and robust regression in geothermometer/geobarometer calibration: the garnet-clinopyroxene geothermometer revisited 总被引：25，自引：1，他引：25
ROGER POWELL 《Journal of Metamorphic Geology》1985,3(3):231-243
Abstract The calibration of geothermometers and geobarometers should involve not only the determination of the parameters in the equation used, but also the uncertainties on, and the correlations between, these parameters. This necessitates the use of a technique such as least squares. Given the poor performance of least squares in the presence of outliers in the data, techniques for identifying outliers for exclusion—regression diagnostics, and techniques for handling data which include outliers—robust regression and jackknifing, are essential. These techniques are summarized and their importance is emphasized, and they are applied to the calibration of the garnet-clinopyroxene Fe-Mg exchange geothermometer.
The experimental data of Raheim & Green (1974) and Ellis & Green (1979) are explored using regression diagnostics to discover outliers in the data. After exclusion of the two influential outliers found, a new geothermometer equation for garnet-clinopyroxene Fe-Mg exchange is derived using robust regression and based on all the data: thus, T (K) = 2790 + 10 P + 3140xca,g /1.735 + In K D where T is in Kelvin and P is in kbar. This equation, as might be hoped, is essentially identical to that of Ellis & Green (1979). Equations for calculating the uncertainty in a calculated temperature, contributed by uncertainties in the calibration, are also derived. 相似文献
The experimental data of Raheim & Green (1974) and Ellis & Green (1979) are explored using regression diagnostics to discover outliers in the data. After exclusion of the two influential outliers found, a new geothermometer equation for garnet-clinopyroxene Fe-Mg exchange is derived using robust regression and based on all the data: thus, T (K) = 2790 + 10 P + 3140x
17.
用蒙特卡洛模拟法计算正交最小二乘法拟合参数的标准偏差 总被引：1，自引：1，他引：1
介绍了一种计算正交最小二乘法拟合参数标准偏差的新方法－蒙特卡洛模拟法，并以电子探针微区分析技术分析环境样品的数据为例，对用于计算经典最小二乘法回归系数标准偏差的公式法和蒙特卡洛模拟法进行了比较。计算结果表明，两者完全相符，蒙特卡洛模拟法的计算结果正确、可靠。考察了模拟次数对计算结果的影响。模拟次数大于500时，计算结果趋于稳定，计算所需时间在1min以内。拟合方差与回归系数标准偏差存在明显的相关关系。线性模型能解释的方差越大，回归系数标准偏差越小。蒙特卡洛模拟法特别适合于非线性模型拟合参数标准偏差的计算。 相似文献
18.
滑坡各影响因素之间存在较强的相关性。偏最小二乘回归(PLS)方法在一个算法下同时实现了回归建模(多元线性回归分析)、数据结构简化(主成分分析)以及两组变量间的相关分析(典型相关分析),给因变量之间存在较高相关性的回归带来极大的便利。为了探讨PLS方法在滑坡稳定性影响因素分析中的适用性,选取位于三峡水库区巫山县的邓家屋场滑坡为试验区。在考虑三峡水库蓄水后引起的地下水力坡度变化、地震因素以及建筑物因素对邓家屋场滑坡稳定性的影响条件下,建立了滑坡稳定性系数与以上指标的PLS回归方程,以期达到对邓家屋场滑坡稳定性影响因素敏感性的分析目标。计算建立的回归模型为:K*=0.181468×C*+0.274876×φ*-0.611369×J*-0.238604×α*-0.105219×ΔW*。表达式各因素影响力的排序为:地下水力坡度>滑动面内摩擦角>地震加速度>滑动面内聚力>滑体均匀加载。结果表明,采用偏最小二乘回归方法对滑坡稳定性影响因素进行分析具有物理意义明确、计算简单、建模效果好、解释性强的特点,是一种可行的解决方案。 相似文献
19.
多元分析法在无机多组份光度分析中的应用 总被引：2，自引：0，他引：2
本文介绍了一些多元分析法,诸如多元线性回归、主成份分析、因子分析、偏最小二乘、聚类分析等方法的基本原理及各自的特点,并就这些方法的近代进展及在无机多组份光度分析中的应用作了综述。 相似文献