高光谱定量遥感框架下的土壤重金属砷含量估算研究

发布时间：2023-11-25 01:18

　　随着我国经济的不断发展和工农业水平的迅速提高,土壤重金属污染问题日益突出,已成为近年来研究的热点。重金属污染已严重危及人类生命,其难降解、易积累、毒性大等特质,对作物生长、产量和品质都有影响。传统土壤重金属监测方法主要依赖实验室化验,耗时耗力,而随着高光谱遥感分析技术的发展,使得利用遥感技术定量估算土壤参数成为可能。针对目前高光谱土壤定量遥感领域出现特征波段选取不够准确,模型精度低,泛化能力弱等问题。论文选取江汉平原典型区域洪湖和大冶市的土壤为研究对象,共采集农田区域(洪湖)和金属矿区(大冶)土壤表层样品总计92个,大冶区域和洪湖区域光谱数据分别采用ASD Field Spec 3型地物光谱仪和SVC HR-1024型地物光谱仪测得,地物光谱仪波长范围为350～2500 nm,并对土壤中重金属砷(As)含量进行分析测定,分别利用斯皮尔曼相关性分析(SCA)、稳定竞争性自适应重加权采样(s CARS)、迭代和保留信息变量法(IRIV)、稳定竞争性自适应重加权采样耦合斯皮尔曼特征提高算法(s CARS-SCA)、迭代和保留信息变量法耦合斯皮尔曼特征提高算法(IRIV-SCA)五种特征波段进...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 高光谱遥感简介
        1.2.2 高光谱定量遥感技术在土壤参数预测中的应用
        1.2.3 当前研究存在的问题
    1.3 研究目的及内容
        1.3.1 研究目标、研究内容
        1.3.2 技术路线
第2章 数据源与研究方法
    2.1 研究区
    2.2 土壤样品采集
    2.3 土壤光谱数据采集
    2.4 土壤重金属As含量测定
    2.5 特征波段选取方法
        2.5.1 斯皮尔曼相关分析(SCA)
        2.5.2 稳定性竞争性自适应重加权采样(sCARS)
        2.5.3 迭代和保留信息变量法(IRIV)
    2.6 特征提高方法
    2.7 建模方法简介
        2.7.1 偏最小二乘回归
        2.7.2 支持向量机回归
        2.7.3 梯度提升回归树
        2.7.4 XGBoost回归
        2.7.5 模型精度评价指标
第3章 特征波段选取
    3.1 数据分析处理方法
        3.1.1 异常样本剔除
        3.1.2 边缘光谱剔除
        3.1.3 样本集划分
    3.2 基于SCA特征波段选取
    3.3 基于sCARS算法特征波段选取
    3.4 基于IRIV算法特征波段选取
    3.5 耦合斯皮尔曼特征提高算法
    3.6 小结
第4章 土壤重金属As含量模型构建
    4.1 偏最小二乘回归模型
    4.2 支持向量机回归模型
    4.3 梯度提升回归树模型
    4.4 XGBoost回归模型
    4.5 不同建模方法精度对比
    4.6 小结
第5章 结论与展望
    5.1 结论
    5.2 展望
参考文献
致谢
个人简历



本文编号：3866982