基于CASI&SASI航空高光谱的雄安新区西南部农田土壤重金属镍含量反演研究

作     者：倪斌 黄照强 江淼 张亚龙 朱富晓 NI Bin;HUANG Zhaoqiang;JIANG Miao;ZHANG Yalong;ZHU Fuxiao

作者机构：中国冶金地质总局矿产资源研究院北京101300 

出 版 物：《地质与勘探》 (Geology and Exploration)

年 卷 期：2022年第58卷第6期

页      面：1307-1320页

核心收录：

学科分类：081801[工学-矿产普查与勘探] 0709[理学-地质学] 0819[工学-矿业工程] 0707[理学-海洋科学] 08[工学] 0818[工学-地质资源与地质工程] 0708[理学-地球物理学] 0816[工学-测绘科学与技术] 0825[工学-航空宇航科学与技术] 0704[理学-天文学] 

基　　金：国家重点研发计划(编号:2016YFC0600210) 国家自然科学基金(编号:41272366 41401515) 中国冶金地质总局科技创新项目(编号:CMGB202001)联合资助 

主　　题：CASI & SASI 高光谱 多元逐步回归 偏最小二乘回归 神经网络 重金属反演 模型评价 雄安新区 

摘      要：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R 2高达97.1%,验证集精度R 2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。