矿区土壤重金属Cd高光谱建模与模型适应性分析

作者：兰淼; 杨斌; 宋强; 陈弘扬; 周鹏飞; 庄红娟; 方兵; 张世文^*

来源：安徽工程大学学报, 2021, 36(05): 47-55.

• 高光谱
• 偏最小二乘回归
• 随机森林
• 浓度梯度响应

以粤北南岭某矿区土壤为研究对象,采用传统采样检测方法分析土壤重金属含量。借助ASD FieldSpec 4型便携式高光谱仪测量土壤光谱反射率,将土壤反射率经过卷积平滑后进行8种数据变换,分析9种光谱数据指标与镉(Cd)含量的相关性。采用偏最小二乘和随机森林方法,结合Pearson相关系数分别建立9种光谱数据指标的土壤重金属Cd含量的高光谱反演模型。并对其预测能力进行评价,实现了局地尺度上土壤重金属Cd含量反演,探究了不同Cd浓度区间对建模精度的影响。结果表明:通过不同的数据变换方式可以有效消除基线,去除背景干扰并提高光谱数据与Cd的相关性。其中一阶微分变换效果最为理想;偏最小二乘(Partial Least Squares Regression, PLSR)与随机森林(Random Forest Regression, RF)均能不同程度预测Cd含量,其中采用一阶微分结合随机森林(FD-RF)方法所建模型具备较高可靠性,R2超过0.80;当样本浓度平均值变化超过40%时,建立的模型预测能力降低。该研究方法可以作为土壤重金属Cd检测的手段,研究结果可以为土壤重金属高光谱反演提供方法和理论支持。

• 单位
  安徽理工大学