基于小波变换的土壤重金属铬含量定量反演

耕地污染日益严重,耕地土壤的重金属高光谱信息属于非线性的微弱信号。小波变换作为常用的非线性微弱信号处理手段,在保留更多微弱信号的基础上可以更好的提取出土壤重金属的微弱光谱信息。文中研究在Db4小波对土壤原始光谱进行分解与重构的基础上提取特征波段,利用特征波段与重金属含量的相关性建立偏最小二乘模型反演土壤重金属铬含量。研究表明,利用Db4小波函数对原始光谱进行分解和重构可以有效提取土壤重金属铬的特征光谱信息;利用小波分解与重构所提取的特征光谱信息与重金属铬含量之间的相关性所建立的PLS模型的决定系数明显高于基于传统一阶微分处理土壤光谱所建立的PLS模型的决定系数。     

特征变量选择结合SVM的耕地土壤Hg含量高光谱反演

为探讨应用高光谱数据反演耕地土壤重金属汞(Hg)含量,对原始光谱进行10 nm重采样和SG平滑处理,用不同光谱变换数据与土壤重金属Hg含量进行相关性分析,采用IRIV、Random Frog和PCC提取光谱特征波段,分别建立SVM与GWO-SVM土壤Hg含量高光谱反演模型,获取Hg含量最优反演路径。研究表明,一阶微分变换光谱后土壤光谱特征更明显;上述特征提取方法在不同程度上减少光谱数据冗余,保留有效变量信息;经灰狼算法优化后支持向量机模型反演精度提高,IRIV结合GWO-SVM预测精度更高,其验证集R²为0.894,RMSE为0.082,MAE为0.016。研究成果可为类似土壤重金属含量的反演提供借鉴。     

不同尺度反演土壤重金属铜含量研究

采用实测土壤高光谱遥感数据和多光谱遥感影像数据采用单元回归分析法对土壤重金属铜含量建立反演预测模型。利用单元回归分析法分别建立模型,得出高光谱的最佳预测波段是R_(942),模型决定系数R2=0.634,多光谱最佳预测波段为B2,模型决定系数R2=0.625。通过显著性检验,均达到显著水平。结果表明多光谱遥感影像数据在本研究区内具有预测重金属铜含量的能力。     

土壤钾含量高光谱定量反演研究

为了更快捷准确地进行土壤钾(K)含量的预测,基于土壤高光谱数据和化学元素分析数据,研究土壤光谱与土壤钾含量之间的定量关系.在对土壤原始光谱进行处理分析基础上,提取反射率(R)、反射率倒数的对数(log(1/R))、反射率一阶微分(R')和波段深度(BD)4种光谱指标,运用偏最小二乘回归方法建立相应的预测模型,并对模型进行检验.结果表明,波段深度是估算土壤钾含量最好的光谱指标,其建模精度超过0.85,均方根误差不超过0.1;全波段高光谱分辨率反射光谱具有快速有效估算土壤钾含量的潜力.     

矿区土壤重金属Pb、Cd污染状况高光谱分类建模

针对矿区土壤重金属含量高度变异性及样本不均衡导致重金属污染状况分类误差较大的问题,本文在光谱预处理及光谱变换基础上,采用主成分分析（PCA）对光谱进行降维处理,并通过SMOTE算法生成虚拟样本均衡各污染等级样本,最后应用随机森林（RF）对Cd、Pb进行回归与分类。研究结果表明：定量反演重金属Pb、Cd含量精度很低;在定性分析试验中对降维前光谱样本应用SMOTE算法,土壤重金属Pb、Cd污染等级分类精度较原始样本分类精度均有较大提升,且少数类别误判率也降低明显。其研究为大面积监测矿区土壤重金属污染状况提供了一种有效、精确的方法。     

基于反射光谱预测土壤重金属元素含量的研究

本文利用实验室实测的土壤反射光谱以及铅、镉、汞等重金属元素数据,进行土壤重金属元素含量快速预测的可行性研究。本文利用偏最小二乘回归方法,研究了反射率(R)、一阶微分(FDR)、反射率倒数的对数(lg(1/R))和波段深度(BD)等对预测精度的影响,对这几种光谱指标预测土壤重金属含量的能力进行了分析和评价,同时分析了多光谱数据估算土壤重金属元素含量的可行性。结果表明,反射率倒数的对数lg(1/R)是估算土壤重金属元素含量最好的光谱指标,尤其是Cd和Pb,检验精度R超过0.82。有机质、铁锰氧化物和黏土矿物对土壤重金属元素的吸附是可见光—近红外—短波红外光谱估算其含量的机理。多光谱数据同样具有估算土壤重金属元素含量的能力,但实际数据则要考虑多种因素的影响。     

模拟多光谱的土壤重金属含量反演研究初探

根据多光谱传感器的光谱响应函数,采用实测ISI921VF反射光谱数据模拟Landsat卫星ETM+传感器多光谱数据,在模拟光谱的基础上,通过光谱特征提取、构建土壤指数对土壤重金属Cu,Pb,As进行预测分析。研究显示,Cu,Pb与模拟ETM+光谱的B2,B3波段显著相关,As与DSI,RSI,NDSI相关系数在0.6以上,基于模拟多光谱建立的Cu,As模型精度较高,平均相对误差分别为7.9%,2.7%,表明模拟的Landsat卫星ETM+传感器多光谱具有预测耕地土壤重金属的潜力,为实现大范围监测土壤重金属污染提供新思路。     

基于支持向量机的高光谱遥感分类进展

支持向量机作为一种最新的也是最有效的统计学习方法,近年来成为模式识别与机器学习领域一个新的研究热点。支持向量机因其适用高维特征、小样本与不确定性问题的优越性,是一种极具潜力的高光谱遥感分类方法。在分析基于支持向量机的高光谱遥感影像分类进展的基础上,对若干需要进一步研究的问题包括多类分类策略、训练样本与特征空间优化、不确定性控制、核函数选择与优化等进行探讨。     

结合野外与实验室光谱的土壤Pb含量反演

重金属污染日益加剧,重金属在土壤中的聚集不仅破坏了生态平衡,也对人类的健康生活造成了影响,因此快捷、准确地获取土壤中的重金属含量成为土壤污染监制与治理的重要环节。高光谱遥感技术的发展使得快速低成本反演土壤重金属含量成为可能。针对野外光谱受环境因素（土壤粒径、含水量等）的影响,且现有研究中普遍存在样本量不足的问题,提出结合野外光谱与实验室光谱构建土壤铅(Pb)反演机理模型的方法,首先,采用直接矫正（direct standardization,DS）算法对野外光谱进行环境因素校正;其次,通过引入实验室光谱联合建模的方式,提高样本的差异性;最后,提取铁氧化物特征谱段用于建模以增加反演的机理性。利用中国河北雄安一般农作区的70个土壤样本野外光谱数据研究表明,未经DS校正的野外光谱全谱段单独建模,反演精度R2仅为0.220 0,而所提方法的反演精度R2可达0.914 6, 模型具有出色的估算能力,表明在去除环境因素对野外光谱影响基础上,综合利用野外光谱与实验室光谱的铁氧化物特征谱段建模能够显著提高Pb含量的反演精度。     

基于相关向量机的高光谱影像分类研究

虽然支持向量机在高光谱影像分类得到成功应用,但是它自身固有许多不足之处。相关向量机是在贝叶斯框架下提出的更加稀疏的学习机器,它没有规则化系数,其核函数不需要满足Mercer条件,不仅具备良好的泛化能力,而且还能够得到具有统计意义的预测结果。本文从分析支持向量机用于高光谱影像分类存在的不足出发,提出了一种基于相关向量机的高光谱影像分类方法,介绍了稀疏贝叶斯分类模型,将相关向量机学习转化为最大化边缘似然函数估计问题,并采用了快速序列稀疏贝叶斯学习算法。通过PHI和OMIS影像分类实验分析表明了基于相关向量机的高光谱影像分类方法的优越性。     

随机森林回归模型用于土壤重金属含量多光谱遥感反演

本文以陕西省柞水县大西沟矿区为研究区域,通过实地采集土壤样本,结合在Landsat 8多光谱遥感影像上提取的辐射亮度值和光谱衍生指数,以及从ASTER GDEM提取的3种地形因素,通过相关性分析确定了建模因子,并以K折交叉验证法建立了砷、铜、铅3种重金属元素的随机森林回归模型。试验结果表明,所建立模型的预测精度优于多元线性回归模型和CART模型,可见随机森林回归模型适用于在小样本情况下的矿区重金属含量反演。经现场调查,空间反演结果与实际情况较符合,证明了基于多光谱遥感的随机森林回归模型在矿区土壤重金属反演中的准确性。     

基于GIS的县域土壤重金属生态风险评价

为研究经济快速发展区农田土壤中重金属的含量及污染状况,本文以浙江省慈溪市为研究对象,研究土壤中铜、汞、镉、铅、砷、铬、锌七种重金属含量特征,并采用潜在生态危害指数法对其进行评价,并绘制生态风险危害指数分级图。结果表明:土壤中除汞元素含量较高外,其他各元素含量仅稍高于当地土壤背景值。七种元素的单因子污染指数Cfi值均属于中等的污染参数,综合污染指数Cd上限值已处于高污染指数的范围,但平均值为属于中等污染水平。从潜在生态风险评价结果来看,七种元素的单项潜在生态风险参数Eri的值也只有汞达到了强生态危害,七种元素综合潜在生态危害指数RI刚刚达到中等生态危害水平,说明该区农田土壤尚处于较低的生态风险状态。生态危害指数插值结果表明,慈溪市重金属元素的高风险区分布在中南部人类活动较为活跃、城乡工业较发达的区域,在今后的土地利用中,应高度重视人类活动对土壤重金属污染的影响。     

滑坡位移EEMD-SVR预测模型

滑坡位移预测是滑坡灾害实时监测预警的重要组成部分,良好的滑坡位移预测模型有助于预测地质灾害发生。滑坡变形受多种外界因素影响呈现出随机性和非线性的特点,在现有的滑坡位移预测方法中,机器学习方法在滑坡位移预测中得到了广泛的应用。针对滑坡位移预测是趋势项位移和周期项叠加的特点,本文研究采用基于集成经验模态分解(EEMD)的滑坡趋势项和周期项位移提取方法,结合支持向量回归(SVR)模型实现对滑坡的位移预测。首先,详细介绍了该模型的构建过程和预测性能,并以均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和决定系数(R²)作为评估模型的预测性能指标。然后,分别利用EEMD-SVR、SVR、Elman模型对贵州省岩溶山区的一处滑坡进行位移预测,结果表明,EEMD-SVR模型连续1 d预测的RMSE值、MAPE值和R²值分别为0.648 mm、0.518%和0.996 8,可以提供更高可靠的滑坡位移预测精度,对同类滑坡的位移预测具有一定的参考价值。     

空间插值方法对土壤重金属污染格局识别的影响

针对广东省某地区土壤中采样样品点的重金属污染物砷(As),文章选取统计学中具有代表性的反距离加权(IDW)、样条函数(Spline)、普通克里格(OK)3种空间插值方法,对比分析不同空间插值方法下研究区土壤中As浓度估算精度、污染特征识别和污染格局空间区划的差异。结果表明:3种空间插值方法在研究区土壤As浓度的估算中,IDW表现最佳;3种插值方法所识别的研究区As污染空间分布特征和污染格局均存在差异,但相对于OK法,IDW和Spline两种方法的结果更加相近。研究表明,在基于点状离散数据采用空间插值方法分析区域土壤重金属污染特征的过程中,应首先考虑结合区域数据样本的数量和特征,开展各空间插值方法的精度评价。     

多星融合的土壤湿度滚动式估算模型

全球定位系统干涉反射测量(GPS-IR)是一种新的遥感技术,可用于估算近地表土壤水分含量。考虑到多卫星融合的优势和土壤湿度的时空尺度性,提出一种基于多星融合的土壤湿度最小二乘支持向量机(LS-SVM)滚动式估算模型。首先通过低阶多项式拟合分离GPS卫星直射和反射信号,进而建立反射信号正弦拟合模型,获取相对延迟相位。最后,通过线性回归模型有效分析和选取多卫星相对延迟相位,并建立基于多星融合的最小二乘支持向量机模型进行滚动式估算土壤湿度。以美国板块边界观测计划PBO提供的监测数据为例,对比分析利用单颗、多颗GPS卫星进行土壤湿度滚动式估算的可行性和有效性。经理论分析和两个测站实验表明:该模型充分发挥了LS-SVM的优势,有效综合了各卫星的性能,改善了采用单颗卫星进行土壤湿度估算时,其结果极易出现异常跳变的现象;模型只需较少的建模数据,采用滚动式能实现较长时间的估算,估算误差较为稳定;模型所估算的结果与土壤湿度实测值之间的相关系数R2以及均方根误差分别为0.942和0.962、0.072和0.032,相对于部分单一卫星至少提高了18.18%。因此,土壤湿度问题可作为非线性事件处理,采用多卫星融合估算是可行和有效的。     

徐州市九里矿区土壤重金属插值分析及污染评价

通过对徐州市九里矿区的表层土壤进行采样测定,进而对该矿区土壤重金属富集与污染状况进行了分析与评价。结果表明,该矿区表层土壤中5种重金属(Cd、Cu、Zn、Pb、Cr)含量均略高于中国土壤元素背景值,土壤中Cd富集程度较高,污染较严重;Cu、Zn、Pb、Cr富集程度较低,污染程度较轻。在GIS环境下利用空间数据插值方法对重金属的空间分布特征研究发现,该城区土壤重金属含量与该区的工矿活动和交通活动等密切相关。