基于多源高光谱数据对土壤重金属铬的量化反演研究

发布时间：2020-08-13 16:01

【摘要】：土地是人们赖以生存的重要物质资源,它滋养万物,但是由于重工业、矿山开采、污水灌溉等导致了土地污染问题日趋严峻。尤其是土壤重金属污染,它有一定的隐蔽性,不宜被发现,但又具有极大的危害性,因此国家也开始加大力度整治土壤环境问题。通常了解土壤重金属污染现状,运用的是传统的地球化学方法,这需要大量的人力、物力、财力。随着高光谱遥感技术的发展,可以通过土壤光谱信息和较少的样本点,较为快速地实现土壤重金属含量的反演填图,为相关部门提供了辅助信息,还可实现动态监测。本文以辽宁省锦州市部分耕地为研究对象,通过高光谱遥感技术,探求土壤中重金属铬Cr的光谱特征和反演模型,最后依据机载CASI、SASI数据、星载HJ-1A HSI数据对其进行填图。光谱曲线和地化数据使用实地采样的样品结果,光谱预处理使用连续统去除、一阶微分、多元散射校正和倒数对数多种方法,通过对比分析得出:连续统去除、多元散射校正、一阶微分可以较好的突出光谱与重金属Cr含量的相关性,倒数对数和原始光谱与重金属Cr含量无显著相关性。通过挑选的特征波段分别使用了多元逐步回归、偏最小二乘法、神经网络进行建模预测,三种模型精确性逐步提高,CASI、SASI精度最高的模型为神经网络,其决定系数R~2为0.78、均方根误差RMSE为23.93、平均相对误差MRE为0.31。HJ-1A HSI精度最高的模型为神经网络,其决定系数R~2为0.71、均方根误差RMSE为27.91、平均相对误差MRE为0.35。最后分别选用了精度最好的模型通过机载CASI、SASI、星载HJ-1A HSI高光谱数据对研究区重金属Cr含量进行反演填图。结论较为一致,研究区Cr污染较小,表明当地经过政府整治措施,已经取得了一定的成功。论文把高光谱技术与统计方法相结合,探究土壤中重金属Cr在可见光-近红外范围内的光谱特性,并使用多种模型方法进行对比分析,为相关研究提供参考依据。
【学位授予单位】：中国地质大学(北京)
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：X53;X87
【图文】：

光谱曲线,光谱跃迁

中国地质大学（北京）硕士学位论文2 研究方法处理样品进行风干、研磨、过筛等操作，去除土壤中水分、土壤粒室中使用 ASD 光谱仪进行光谱测试。每个样品测试 5 条光谱值。光谱曲线实例如图 2-1，由于仪器的三个传感器在不同温应度，在没有充分预热的情况下会出现连接处的台阶跳跃，因ro 软件对光谱曲线进行了修订。

光谱跃迁,台阶,软件

修正后光谱

神经元模型

图 2-3 神经元模型的神经网络模型为反向传播神经网络（Rumelhart，1986），反向模型（如图 2-4），其算法原理为：首先通过前向传播过程，由输数获得预测输出值，根据实际的输出值计算误差，将误差返回上一前传递，调整各个权重参数。如此循环，直到最终误差小于给定误神经网络节点数越多、隐含层数越多，最终参数越多，建模预测精模型的好坏更多取决于模型在新样本上的精度，当模型复杂度上升建模集中精度“太好了”，在验证集中模型泛化性能下降，即过拟在神经网络的构建时，首先要注意模型的隐含层个数和节点数。一层的个数为 1 时便可以满足小样本建模需求，节点个数可以有多种如节点数为 m n a、 mn 等（丛爽等，2001），其中 m、n 分输出层节点数，a 为 1-10 范围内的常数，根据实际情况可以调整。

【相似文献】