检索结果-南通市图书馆

光谱学与光谱分析 2024年第11期 3273-3279页

作者：郭洪旭王龙杨凯吴凡邓一荣唐长城陈志良肖荣波广东工业大学广东省环境科学研究院生态环境部华南环境科学研究所

土壤重金属污染高光谱反演的特征波段提取方法和反演模型的选择是影响反演精度的关键；二者如何优化组合，提高反演精度是目前亟需解决的难题。在华南典型铬（Cr）污染区，采集了92组土壤样品，使用电感耦合等离子体质谱（inductively c... 详细信息

土壤重金属污染高光谱反演的特征波段提取方法和反演模型的选择是影响反演精度的关键；二者如何优化组合，提高反演精度是目前亟需解决的难题。在华南典型铬（Cr）污染区，采集了92组土壤样品，使用电感耦合等离子体质谱（inductively coupled plasma mass spectrometry,ICP-MS）检测Cr含量，并使用ASD Field Spec4地物光谱仪在实验室收集其高光谱信息。光谱信息预处理采用平滑滤波（SG）+标准正态化（SNV）+二阶微分（SD）变换组合，减弱土壤散射和噪声的影响。选择竞争性自适应重加权采样（CARS）、逐步投影算法（SPA）、无信息变量消除（UVE）、遗传算法（GA）四种算法提取特征波段。选择多元线性回归（MLR）、偏最小二乘法（PLSR）、支持向量回归（SVR）和人工神经网络（ANN）四种反演模型建立特征波段与Cr含量之间的关系。通过对比不同特征波段提取方法和反演模型组合对土壤Cr含量反演的结果发现：采用CARS和UVE特征波段提取方法可以显著提高PLSR、 MLR和SVR模型的预测效果；SPA方法能够提高ANN模型的预测效果；通过SG+SNV+SD+CARS+PLSR组合方式，提取位于800～1 000、 1 400～1 700以及2 100～2 450 nm之间的98个特征波段，建模后模型验证，决定系数R2为0.97,均方根误差RMSE为5.25 mg·kg-1,平均绝对误差MAE为4.35 mg·kg-1,相对分析误差RPD为3.94,表明该模型在预测土壤Cr含量具有优异的性能。以土壤Cr污染高光谱反演为例，通过比较不同特征波段提取方法与反演模型组合的反演精度，确定最优模型，为小样本土壤重金属污染反演的建模提供了思路。

关键词：高光谱模型组合优化特征波段选择反演模型

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：