基于随机蛙跳波段选择算法的土壤铅含量高光谱估测

作者：安柏耸; 王雪梅; 黄晓宇; 卡吾恰提·白山

来源：光谱学与光谱分析, 2023, 43(10): 3302-3309.

• 特征波段
• 随机蛙跳算法
• 竞争性自适应重加权算法
• 迭代保留有效信息变量算法
• 连续投影算法
• 极端梯度提升
• 地理加权回归
• 土壤铅

高光谱数据中存在的大量冗余信息对高光谱估测精度产生较大影响。旨在寻求特征波段筛选的最佳算法，以实现土壤重金属铅含量的准确监测，为土壤污染防治提供参考。以新疆渭干河-库车河三角洲绿洲土壤重金属铅含量与光谱数据为数据源，利用蒙特卡洛交叉验证（MCCV）算法确定92个有效土壤样品，通过相关分析选取倒数对数一阶微分变换处理的光谱数据，采用随机蛙跳（RF）算法，并结合竞争性自适应重加权（CARS）算法、迭代保留有效信息变量（IRIV）算法及连续投影算法（SPA）,构建RF-CARS、 RF-IRIV及RF-SPA三种算法对波段进行筛选。以倒数对数一阶微分变换处理下的特征波段反射率为自变量，土壤重金属铅含量为因变量，采用极端梯度提升（XGBoost）和地理加权回归（GWR）方法构建土壤重金属铅含量估测模型。结果表明：（1）光谱变换处理可有效增强光谱与土壤铅含量的敏感性，其中倒数对数一阶微分变换后的土壤光谱特征更为明显，相关系数可达到0.620（p2）为0.892,均方根误差（RMSE）为0.825 mg·kg-1,相对分析误差（RPD）为3.09。基于随机蛙跳（RF）与迭代保留有效信息变量（IRIV）算法，结合地理加权回归（GWR）建模方法在快速准确估测土壤铅含量方面具有一定优势，可进行土壤重金属污染的动态监测。

• 单位
  新疆师范大学