农业机械学报

作者：林楠，刘翰霖，孟祥发，刘海琪，杨佳佳

单位：吉林建筑大学,吉林建筑大学,吉林建筑大学,东北大学,中国地质调查局沈阳地质调查中心,

关键词：黑土区;重金属;高光谱;含量估测

基金：国家自然科学基金项目（41702357、41801283）和吉林省教育厅科学技术项目（JJKH20180608KJ）

以黑龙江省讷河市采集的80份黑土样品和高光谱实测数据为数据源，对黑土中铜（Cu）、锌（Zn）、锰（Mn）重金属元素的光谱反射率及其特征变化进行研究，分析了光谱反射率、光谱反射率一阶微分变换、光谱反射率连续统去除变换、光谱反射率连续统去除一阶微分变换与元素铜、锌、锰含量的相关性，并利用相关系数法提取敏感波段。利用核主成分分析（Kernel principal component analysis, KPCA）方法对高光谱敏感波段数据进行降维及特征提取，将特征信息作为极限学习机（Extreme learning machine, ELM）模型建模的样本数据，构建KPCA-ELM估测模型，进行黑土重金属含量的定量估算。结果表明：KPCA具有较强的非线性特征提取能力，可以有效地选择最佳变量集合，KPCA-ELM模型预测土壤元素含量效果理想，3种重金属元素含量估测的决定系数均达到0.6以上，其中，锌元素预测精度最高，决定系数和均方根误差分别为0.805和3.275mg/kg，比特征提取前模型预测精度优化了14.0%和18.5%，说明构建的KPCA-ELM模型是一种快速可行的重金属含量高光谱估测方法。

来源：2021年第3期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2021年第3期