科研之友
微信
新浪微博
Facebook
分享链接
摘要
为探讨应用高光谱数据反演耕地土壤重金属汞(Hg)含量，对原始光谱进行10 nm重采样和SG平滑处理，用不同光谱变换数据与土壤重金属Hg含量进行相关性分析，采用IRIV、Random Frog和PCC提取光谱特征波段，分别建立SVM与GWO-SVM土壤Hg含量高光谱反演模型，获取Hg含量最优反演路径。研究表明，一阶微分变换光谱后土壤光谱特征更明显；上述特征提取方法在不同程度上减少光谱数据冗余，保留有效变量信息；经灰狼算法优化后支持向量机模型反演精度提高，IRIV结合GWO-SVM预测精度更高，其验证集R~2为0.894,RMSE为0.082,MAE为0.016。研究成果可为类似土壤重金属含量的反演提供借鉴。
- 单位
