基于PCA-MLR和PCA-BPN的莱州湾南岸滨海平原土壤有机质高光谱预测研究

土壤有机质(SOM)含量是衡量土壤质量高低的重要指标,可以用高光谱快速测定。在以往研究中,估算模型多以特征波段与线性经验模型为基础进行构建,较少考虑波段间信息冗余和共线性,预测效果不很理想并难以进行推广。为最大化消除波段信息噪声,提高模型预测精度,选取莱州湾南岸滨海平原为研究区,系统采集了111个土壤样本和实测高光谱数据(325～1 075 nm),并测试了土壤样本的有机质含量作为因变量;通过主成分分析(PCA)将实测光谱信息降维为6个主成分,并提取水分、植被光谱特征指数(DI),以此作为自变量;最后建立多元逐步线性回归(MLR)和BP神经网络(BPN)预测模型,分析不同模型对土壤有机质预测的效果。结果表明：①经过主成分的波段信息分析判别提取出6个主成分,可以表征叶绿素残留物、盐分、腐殖酸、物化矿渣和微地貌的光谱特征。②基于6个主成分作为自变量所建立的BPN模型预测精度优于MLR模型,他们的R2分别为0.704和0.643。将水分和植被光谱特征指数作为自变量增加到预测模型后,MLR和BPN的预测精度分别提高了6.1%和5.2%,R2达到0.712和0.764;③将光谱主成分和光谱特征指数作为自变量的BPN模型进行土壤有机质预测可得到精度较高的预测结果,在土壤有机质的预测与制图中具有一定的应用潜力。     

山东省焦家式金矿区土壤重金属铬高光谱监测研究

矿区土壤环境问题日益突出,以山东省烟台市焦家式金矿区为典型区,系统采集了85个表层土壤样品进行野外光谱实测,其中35份用于重金属铬含量测定。利用光谱变换技术对原始光谱提取了一阶微分、二阶微分和去包络线三种光谱指标,采用偏最小二乘回归法建立光谱数据与铬含量间的定量关系,将最优预测模型应用于其余50个样本点铬浓度值的获取,最终通过克里金插值实现了对研究区土壤重金属铬的快速监测。结果表明,基于一阶微分数据模型预测精度最高,其次为二阶微分,原始光谱和去包络线数据。研究区铬的含量与金矿的分布情况密切相关,即金矿密集区域铬含量更高,这表明金矿开采对土壤中铬的含量与分布存在一定影响。