| 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 |
| |
| 引用本文： | 黄照强,倪斌.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[J].地质论评,2021,67(4):67050001-67050001. |
| |
| 作者姓名： | 黄照强 倪斌 |
| |
| 作者单位： | 中国冶金地质总局矿产资源研究院，北京, 101300 |
| |
| 基金项目： | 本文为中国冶金地质总局科技创新项目（编号：CMGB202001），国家重点研发计划项目（编号：2016YFC0600210）和国家自然科学基金资助项目（编号：41272366）的成果 |
| |
| 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。
|
| 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 |
| 收稿时间： | 2021/3/9 0:00:00 |
| 修稿时间： | 2021/7/2 0:00:00 |
|
| 点击此处可从《地质论评》浏览原始摘要信息 |
| 点击此处可从《地质论评》下载免费的PDF全文 |
