基于铁氧化物特征光谱和改进遗传算法反演土壤Pb含量

• Published in: 农业工程学报 Vol. 36; no. 16; pp. 103 - 109
• Main Authors: 张霞, 王一博, 孙伟超, 黄长平, 张茂
• Format: Journal Article
• Language: Chinese
• Published: 中国科学院大学,北京 100049 15.08.2020; 中国科学院空天信息创新研究院,北京 100101%中国科学院空天信息创新研究院,北京 100101
• Subjects: 特征选择; 光谱分析; 反演; 土壤; 高光谱; 重金属
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.2020.16.013

TP97; 近年来,高光谱的快速发展使野外实时监测土壤重金属含量成为可能.然而高光谱分辨率数据在提高信息量的同时也造成了信息冗余,该研究针对光谱冗余问题,提出一种基于铁氧化物特征光谱和改进遗传(Improved Genetic Algorithm,IGA)特征优选算法的反演方法:依据Pb在土壤中的吸附机理,提取土壤光谱中的铁氧化物特征谱段用于Pb含量反演,减少数据冗余的同时提高方法的机理性.改进遗传算法解决传统遗传算法(Genetic Algorithm,GA)"过早收敛"的问题,增强算法的有效光谱的提取能力.使用雄安新区农田野外土壤样本构建偏最小二乘回归模型(Partial Least Square Regression,PLSR)反演土壤Pb含量,研究表明:相对于全谱段建模,基于铁氧化物特征谱段的IGA-PLSR模型的R2和RPD分别提升了0.397、1.037,RMSE下降了1.958 mg/kg;改进后的IGA-PLSR在运行初期能够跳出局部解区域寻找更加有效的光谱波段组合,平均的R2、RPD分别为0.822、2.377,RMSE为2.221 mg/kg,相对于传统GA-PLSR算法的精度(平均R2、RPD为0.782、2.117,RMSE为2.487 mg/kg)有显著提升.该研究表明,从反演机理和波段选择算法两方面提出的反演方法有利于提高土壤Pb含量的估算精度.该研究为雄安地区农田土壤Pb含量的高光谱估算提供了参考.