鄱阳湖滨湖区耕地土壤重金属Cr含量高光谱估算研究

作者：刘哲; 蔡海生^*; 何庆港; 向文武

来源：江西农业大学学报, 2023, 45(06): 1559-1574.

DOI：10.13836/j.jjau.2023142

• 珠海一号
• 土壤重金属
• 高光谱
• 特征波段
• 预测模型
• 植被指数
• 精度评价

【目的】随着工业发展和城市化推进，土壤重金属不断富集，污染范围迅速扩大，及时精准掌握土壤重金属分布和含量至关重要。通过高光谱数据处理分析和估算方法优化，结合植被指数，增加特征因子数量，提高建模预测精度，为鄱阳湖滨湖区耕地土壤质量监测和农业生产提供技术支撑。【方法】以珠海一号高光谱遥感卫星影像和采样点土壤Cr含量检测数据为基础，对原始土壤反射光谱数据进行一阶微分（FD-R）、二阶微分（SDR）、对数(LogR)和对数一阶微分(LogR-FD)变换，分析土壤Cr含量与光谱变量及植被指数之间的相关性，从而确定土壤特征光谱组合；利用偏最小二乘回归模型（partial least square regression,PLSR）和支持向量机模型（support vector machine,SVM）进行土壤Cr含量的预测建模，对建模集和验证集进行模型精度和稳定性分析；根据模型精度对比分析，确定预测的最佳光谱变换、植被指数组合及预测模型。【结果】（1）土壤原始反射光谱、经FD-R、SD-R、LogR和LogR-FD变换后的反射光谱与Cr含量相关系数在b1-b18波段整体上高于b19-b32波段。经LogR变换的反射光谱与Cr含量有最多的显著性波段，波段数为11个，经SD-R变换的反射光谱与Cr含量有相关性最大的波段，在560 nm波段处，最大相关系数为-0.484。（2）光谱变换、特征波段筛选、增加植被指数3种形式都可以有效的提升预测模型精度和拟合度。（3）基于土壤反射光谱全波段和基于反射光谱全波段结合植被指数建立的PLS预测模型及支持向量机预测模型其决定系数都低于0.5，不具备泛化能力。（4）研究区耕地土壤反射光谱经LogR变换、特征光谱提取结合H4-H1植被指数组合构建的支持向量机预测模型的模拟效果最优，其决定系数达到了0.846，均方根误差为2.727，较基于PLS预测模型的最优模型组合其决定系数提升了0.077，均方根误差降低了1.403，具有良好的预测能力。【结论】结合植被指数构建预测模型一定程度上可以弥补珠海一号高光谱卫星数据波长范围短、特征光谱不足的缺点，提高其预测精度，为大范围开展耕地表层土壤元素含量遥感反演工作提供了新方法、新思路。

• 单位
  江西农业大学