农业机械学报

作者：陈元鹏,张世文,罗明,郧文聚,鞠正山,李少帅

单位：自然资源部国土整治中心,安徽理工大学,自然资源部国土整治中心,自然资源部国土整治中心,自然资源部国土整治中心,自然资源部国土整治中心,

关键词：工矿复垦区; 土壤重金属; 高光谱反演; 经验模型; 偏最小二乘回归; 粒子群算法

基金：国家重点研发计划项目（2018YFD0800701）和土地整治重点实验室开放课题（2018-KF-02）

以工矿复垦区为实验区域，基于ASD FieldSpec 4高光谱遥感数据，结合实测的土壤重金属含量，利用回归分析与特征选择方法，开展了基于高光谱数据的土壤重金属含量反演研究与实验并进行了经验模型优选。通过对光谱曲线进行一阶微分、对数一阶微分以及对数倒数的一阶微分等数学变换有效提高了光谱数据与土壤重金属含量的相关性。在此基础上采用偏最小二乘回归（Partial least squares regression, PLSR）、随机森林回归（Random forest regression, RFR）、支持向量机回归（Support vector machine regression, SVMR）3种回归分析模型开展土壤重金属含量反演实验，结果表明偏最小二乘回归（PLSR）对研究区内土壤中重金属含量的反演最为有效，尤其对区域内主要障碍因子镉（Cd）元素含量的反演效果最佳，验证集决定系数?R???2?为0.76。基于粒子群算法（Particle swarm optimization, PSO）、遗传算法（Genetic algorithm, GA）、Relief F算法 3种特征选择方法对偏最小二乘回归（PLSR）模型进行优化，结果表明粒子群算法（PSO）可有效降低特征波段变量维度，进一步提高模型反演精度，使决定系数?R???2?由0.76提高至0.84。综上，基于高光谱数据，采用偏最小二乘回归（PLSR）与粒子群算法（PSO）相结合的方法，可有效对工矿复垦区土壤中的重金属含量进行测度，可为复垦区土地的质量和生态指标监测提供理论方法和技术支持。

来源：2019年第1期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2019年第1期