EMD时频分析拉曼光谱和近红外光谱

用时频方法分析拉曼光谱和近红外光谱。经验模态分解光谱成为特征模态分量,模态分量比重计算显示拉曼光谱能量均匀分布于各个分量,而近红外光谱的低阶特征模态分量只承载了较少的原光谱有效信息。真实光谱和数值实验均显示,经验模态分解视拉曼光谱为调幅信号,具有高频能量吸附特性; 视近红外光谱为调频信号,在一阶特征模态分量中可以较好实现高频窄带解调。一阶特征模态分量希尔伯特变换显示,经验模态分解拉曼光谱时易出现模态混叠现象。进一步在时频域分析玉米叶片近红外光谱,经验模态分解后截掉低能量的一、二阶分量,用剩余特征模态分量重构光谱信号,均方根误差为1.001 1,相关系数为0.981 3,两个指标反映出重构精度较高; 分解趋势项表明在近红外光波段,吸光度随着波长的减小呈现递增趋势; 特征模态分量的希尔伯特变换显示,657 cm-1是碱胁迫光谱特有频率,可作为碱胁迫光谱特征频率来辨识。     

基于HHT变换的起动电动机特征信号时频分析

针对车辆起动电动机电气和机械故障发生时特征信号的时变不平稳特性,进行了时频域分析处理,提出了利用现代信号处理方法对故障信号提取特征向量的方法,主要对起动电动机的电枢和轴承故障进行诊断。在构建电机故障测试实验平台的基础上,利用破坏性实验构造了故障类型,测取了电枢电流和振动信号,分别采用小波分析理论和HHT变换对信号进行分析,通过分解再重构的方式将信号分解成了频率由高到低的不同分量,并获得了故障的特征频率,提取了特征向量。实验结果表明,基于HHT变换的现代信号处理方法在处理时变非平稳信号方面比小波分析理论更具有自适应性,更易识别。     

IWD-Hankel-SVD模型下玉米叶片光谱铜污染信息预测

近年来在工业化和城镇化快速发展的地区,由重金属污染导致的环境问题尤为突出,特别是农业重金属污染更为社会所关注,因此,探索快速便捷的重金属污染甄别与监测方法极为重要。高光谱遥感作为新兴的重金属污染监测技术已有了深入研究。提出了固有波长尺度分解（IWD）概念和方法,并结合Hankel矩阵和奇异值分解（SVD）等建立了植被重金属污染程度预测的IWD-Hankel-SVD模型,该模型分为单变量模型和多变量模型。单变量模型主要是通过重金属污染的植被光谱IWD处理来获取光谱信息固有旋转分量（PRC）以提取最佳PRC的有效特征波段;在对各特征波段所构建的Hankel矩阵进行奇异值分解（SVD）基础上,依据获得该模型的奇异熵实现重金属污染信息预测。多变量模型是以植物叶绿素浓度相对值、单变量模型奇异熵作为参数实现重金属污染的信息预测。根据不同重金属Cu2+胁迫梯度下玉米植株污染的叶片光谱和叶绿素浓度以及叶片中Cu2+含量测定的数据,首先对不同浓度Cu2+胁迫下玉米叶片光谱进行IWD分析,获得能够较好保留原始输入光谱信息的最佳PRC,并从中提取到有效特征波段553~680,681~780,1 266~1 429,1 430~1 631,1 836~1 913和1 914~2 111 nm;然后对每一个特征波段构造其Hankel矩阵并进行SVD处理,以求取单变量的IWD-Hankel-SVD模型奇异熵;最后通过各特征波段所对应模型奇异熵与玉米叶片中Cu2+含量的相关分析,得到依据1 266~1 429和1 836~1 913 nm特征波段计算出奇异熵与玉米叶片中Cu2+含量的决定系数R2均高达0.9左右,说明这两个特征波段用于IWD-Hankel-SVD模型的Cu污染程度预测更具优越性和解释能力。同时,再把玉米叶片中叶绿素浓度相对值、1 266~1 429和1 836~1 913 nm特征波段相应模型奇异熵作为参数,采用偏最小二乘回归分析,得出多变量IWD-Hankel-SVD模型的玉米叶片Cu污染程度预测能力更强,决定系数R2达到0.9476,证明了多变量模型更具有鲁棒性和稳健性。     

铜污染土壤光谱特征及弱差信息的LH-PSD甄测模型

土壤受重金属污染后，会影响农作物及食品安全，危及人体健康，因此寻找快速、高效甄测土壤重金属污染信息的方法尤为关键。传统化学分析方法存在过程繁杂、费时耗力等缺点，而高光谱遥感因光谱分辨率高、信息量大、快速无损等特点在环境监测等应用方面优势明显。由于电磁遥感信号反射、辐射过程复杂，通过仪器获取的土壤高光谱数据难以直接解析出重金属污染信息，因而，研究并寻求一种能够有效挖掘土壤重金属污染信息的方法对高光谱遥感监测污染意义重大。不同浓度铜(Cu)污染会使土壤理化性质改变，引发土壤光谱产生微弱变化，该研究目的是对Cu污染土壤光谱的特征及弱差信息进行识别、提取与分析，进而挖掘光谱中的重金属污染信息。采用包络线去除(CR)对光谱进行预处理，通过定义局部极大值均值(LMM)与半波高(HWH)，结合时频分析的短时傅里叶变换(STFT)及能量谱密度(PSD)，构建LH-PSD甄测模型。通过模型对极相似土壤光谱进行处理，所获PSD分布图使光谱间的微弱差异可视化显现，并显著区分了相似光谱，验证了模型对光谱特征及弱差信息的甄别能力和有效性。同时应用该模型，对不同Cu污染梯度的土壤实验光谱进行重金属污染信息的提取与分析，研究结果表明，LH-PSD甄测模型中，LMM与HWH可有效提取光谱间差异特征并以阶梯状显现。经模型处理后得到的可视化PSD分布图能直观定性判别土壤是否受重金属Cu污染，即当土壤受重金属Cu污染后，相同采样频数下，在频率为100与600 Hz附近PSD分布会出现明显空缺分离，随着Cu污染浓度的增加，在100~600 Hz之间PSD的分布呈逐渐稀疏态势。能量值E可定量化监测土壤Cu污染程度，即随着土壤中Cu污染浓度的增加，E值呈下降趋势，且与Cu含量的相关系数达到-0.910 5，显著相关。为检验模型的可靠性，研究结合栽种玉米作物的土壤光谱，经LH-PSD甄测模型对其进行分析，所得可视化的PSD分布图结果与实验分析中基本一致，且能量值E的监测结果与土壤中Cu含量相关系数达到-0.973 9，相关性显著，验证了模型的可靠性。因此，LH-PSD甄测模型实现了对土壤光谱从光谱域到时频域的甄析，为深度挖掘重金属污染的光谱特征及弱差信息提供一种新思路。     

重金属铜铅胁迫下不同品种玉米污染程度监测研究

植被重金属污染监测是当今高光谱遥感监测研究的重要内容。为了将高光谱遥感技术定性的用于植被重金属污染监测研究,从盆栽实验采集的反射率光谱数据方面进行研究。在实验室室内设置不同胁迫浓度的重金属铜铅玉米盆栽实验,测定了不同浓度Cu²⁺和Pb²⁺胁迫下玉米叶片的反射率光谱和Cu²⁺和Pb²⁺含量等有关铜铅污染玉米的基础数据,形成了关于重金属铜铅污染玉米植株的一套完整的数据集。研究提出了一种铜铅探测指数(CLDI),实现了不同培育期的两种玉米品种的重金属铜铅胁迫监测,从而为当前植被重金属污染探测提供了新的思路。研究设计了不同浓度的铜铅污染实验,将测量获得的玉米叶片450～850 nm的光谱反射率进行一阶微分(D)和包络线去除(CR)处理后得到微分包络线去除(DCR)光谱曲线,利用皮尔逊相关系数(r)分析DCR数据和生化数据,选择对重金属Cu敏感的特征波段。计算的皮尔逊相关系数表明DCR值在490～520和680～700 nm与土壤和叶片中的Cu²⁺含量呈现接近于1的线性正相关,在630～...     

基于傅里叶红外光谱的钢渣微粉修复重金属污染土壤效果软测量模型

以转炉钢渣作为固化稳定化药剂,采用toxicity characteristic leaching procedure(TCLP)方法与傅里叶红外光谱跟踪检测钢渣微粉对重金属土壤修复效果,以及混合物(钢渣微粉与重金属污染土壤)的微观结构。建立基于高斯过程回归的钢渣微粉对重金属污染土壤修复效果软测量模型。结果表明,钢渣微粉对重金属污染土壤具有较好的修复效果,180 d内修复效果均保持在90%以上;修复过程分为前期、中期与后期,其中前期(1~3 d)环境碱性较高,修复方式以离子交换为主,中期(7~42 d)离子交换作用减弱和凝胶固化作用增强,后期(56~180 d)形成大量C—S—H凝胶,凝胶固化作用进一步增强;基于高斯过程回归的钢渣微粉对重金属污染土壤修复效果软测量模型的真实值与预测值数据吻合较好,绝对误差为-1.35~-0.48,相对误差为-1.448%~-0.497%。     

可迁移的土壤重金属污染高光谱定性分类方法研究

现有基于高光谱遥感的土壤重金属污染定性分类模型,大多采用同一地区室内光谱测定训练样本数据进行模型构建与测试。但室内光谱测定需要复杂的处理过程,成本高,效率低,且无法快速获得目标区域空间上连续的光谱信息。考虑到实际应用需求,模型在相同实验区和不同试验区野外光谱数据是否具有较好的迁移推广能力是目前迫切需要回答的问题。为回答这一问题,选取湖南省郴州市和衡阳市两铅锌矿区作为实验研究区,选用支持向量机（SVM）作为分类器,将郴州实验区室内采样的83个样本数据和衡阳实验区室内采样的46个样本数据分别用于分类器训练,将衡阳地区野外采样的46个样本数据用于分类测试。并首先通过基于联合分布适配（JDA）的迁移学习方法进行光谱变换以缩小两地室内外测定光谱分布差异,然后进行不同区域室内外土壤重金属污染定性分类模型迁移。实验结果表明：（1）由于野外测得的光谱数据会受到太阳辐射、提取的土壤成分差异等因素的干扰导致室内外光谱数据存在显著的分布差异,难以直接将基于室内采样数据训练得到的土壤重金属污染定性分类模型迁移到同一地区测定的野外高光谱数据上。但通过JDA变换缩小室内外分布差异后,模型迁移能力得到显著提升,砷（As）、铅（Pb）和锌（Zn）三种重金属含量是否超标的分类精度都达到了84%以上,Zn元素含量是否超标的分类精度甚至达到了89%以上。（2）由于季节性影响、地区成分的干扰和光谱噪声的增加,不同地区光谱数据存在着更为显著的分布差异,加大了不同地区土壤重金属污染监测的难度,难以将基于室内采样光谱数据所建立的土壤重金属定性分类模型直接迁移到其他地区野外采样数据上（平均分类精度仅在50%左右）。经过JDA迁移学习方法进行室内外光谱变换处理后,模型迁移能力得到保证,因此,室外光谱采样可直接用于研究不同试验区域重金属（As,Pb和Zn）的污染情况。     

土壤铅污染光谱的HHT鉴别及BC-PLSR铅含量预测模型

土壤重金属污染问题一直备受关注,利用高光谱遥感对其进行研究取得了大量的成果,主要集中在利用土壤光谱的导数变换、连续统去除等常规方法预测土壤重金属含量上。土壤光谱数据与非线性非平稳的机电信号、医学信号等具有一定的相似性。通过希尔伯特黄变换(Hilbert-Huang transform, HHT),对土壤铅(Pb)污染光谱进行频率域分析,实现土壤Pb污染光谱的HHT鉴别,并建立土壤Pb含量预测模型。首先,进行土壤Pb污染实验,采集土壤Pb污染样品的光谱、含水率及有机质含量;其次,通过土壤Pb污染样品光谱的HHT时频分析和第二个本征模函数(intrinsic mode function, IMF)分量(IMF2)瞬时频率的二阶导数识别土壤Pb污染的特征波段;最后,选择合适的频率域参数、土壤光谱一阶导数、土壤有机质含量及土壤含水率作为参数,利用箱形图、聚类分析、偏最小二乘法建立土壤Pb含量预测模型。研究结果表明：土壤Pb污染的HHT时频分析图可以鉴别土壤Pb污染光谱,未受污染的土壤光谱HHT时频分析图在波段序列为250~430之间没有异常信号,Pb污染土壤的光谱HHT时频分析图在波段序列为250~430之间存在多个异常信号,并且随着浓度的升高,异常信号分布范围越来越广,当污染浓度达到800 μg·g-1时,土壤样品的光谱信号在波段序列为270处、频率为0.3 Hz之前出现了较强的异常信号;土壤Pb污染光谱经验模态分解(empirical mode decomposition, EMD)处理后,得到的未受污染的土壤光谱IMF2的瞬时频率的二阶导数的突变非常微弱,而Pb污染的土壤光谱IMF2的瞬时频率的二阶导数存在明显的突变点,根据突变点及土壤Pb污染光谱的IMF2的瞬时频率的二阶导数识别的土壤Pb污染光谱的特征波段区间为2 150~2 300 nm;利用不同浓度Pb污染下土壤光谱Hilbert能量谱峰值、EMD能量熵、一阶导数、有机质和含水率,通过箱形图去除了六组异常样品,然后利用聚类分析的方法将去除异常样品后的土壤Pb污染样品分为两类,最后将Hilbert能量谱峰值、EMD能量熵、2 134 nm波段一阶导数、790 nm波段一阶导数、1 276 nm波段一阶导数、2 482 nm波段一阶导数、有机质和含水率作为参数建立两类数据的BC-PLSR(boxplot cluster-partial least squares regression)模型预测土壤中Pb含量,经验证模型精度较高,相关系数分别为0.88和0.99。     

重金属铅离子胁迫下玉米叶片光谱弱差信息的DSAT甄别模型

光谱间微弱信息测度是当今高光谱遥感研究难点之一,传统光谱测度方法难以区分光谱信息的微弱差异。研究设计了不同浓度的铅(Pb)污染实验,并测量了不同浓度铅离子(Pb2+)胁迫下玉米叶片的高光谱反射率、叶绿素含量及Pb2+含量,但是从所测结果得出,不同浓度Pb2+胁迫下的光谱相似性相关系数均达到0.999,难以区分不同浓度Pb2+胁迫引发的光谱间微弱信息差异和污染程度。针对这一情况,基于光谱微分处理、正切函数增强、光谱角量度与波谱分段检测等,提出了一种新型的相似光谱测度方法,即微分光谱角正切(derivative spectral angle tangent,DSAT)法。为了验证DSAT在区分相关系数达0.99以上相似光谱的可行性和有效性,将DSAT用于不同浓度Pb2+胁迫玉米叶片的整体波形与光谱区间子波形的信息差异性度量与检测。实验结果得到,波形差异信息与玉米叶片中叶绿素相对浓度与Pb2+含量显著相关。进而也证明DSAT法在甄别较高相似性光谱间差异上具有更好的实用性和优越性。     

铜铅离子胁迫下玉米污染程度的光谱识别

重金属铜离子(Cu2+)与铅离子(Pb2+)污染对玉米叶片光谱的影响微弱、隐蔽而难于探测。研究中设置不同浓度Cu2+, Pb2+胁迫的玉米盆栽实验,测定了玉米叶片光谱、叶片中Cu2+, Pb2+含量与叶绿素相对含量,分析了Cu2+, Pb2+污染胁迫下玉米叶片光谱响应特征,并选取480～670与670～750 nm范围来进行分析,在光谱维中定义了光谱微分差信息熵指数与在频率域中通过谐波分析提取了前三次谐波振幅(c₁, c₂与c₃)指数,并用所定义的指数探测分别受Cu2+, Pb2+胁迫玉米叶片光谱微弱差异。实验结果表明,在480～670与670～750 nm范围内,玉米叶片中重金属离子浓度越大,其光谱微分差信息熵就越大;在480～670 nm波段,谐波分解后第一谐波振幅c₁与第二谐波振幅c₂可用于识别Cu2+, Pb2+污染程度;在670～750 nm波段,第一谐波振幅c₁、第二谐波振幅c₂与第三谐波振幅c₃可用于识别Cu2+污染程度,而c₂则可以识别Pb2+污染程度,污染胁迫越大振幅越大。在480～670与670～750 nm波段内,光谱微分差信息熵与前三次谐波振幅可作为识别玉米受Cu2+, Pb2+污染胁迫程度的指数,从光谱维与频率域两种维度来识别玉米受Cu2+, Pb2+胁迫程度的方法可行,文中定义的两类指数可稳健、可靠地探测与识别玉米受Cu2+, Pb2+影响所产生的光谱微弱差异,研究结果对利用高光谱来探测植被受重金属污染胁迫程度具有一定的参考价值。     

基于中红外漫反射光谱的土壤重金属元素含量预测研究

研究了中红外漫反射光谱快速预测土壤重金属元素含量的可行性。以在南京江宁区和八卦洲采集的共161个土壤样品为例,利用偏最小二乘回归(PLSR)法对土壤中Ni,Cr,Cu,As,Zn,Pb,Hg和Cd等8种重金属元素数据进行了预测。通过对样品的中红外(MIR)漫反射光谱进行各种预处理,探讨了中红外光谱数据预处理对预测精度的影响,并比较了中红外光谱与可见光-近红外(VNIR)光谱对土壤重金属含量预测的精度。结果表明,依次经平滑、基线校正、多元散射校正预处理能显著提高中红外光谱数据的预测精度;经校正的中红外光谱对异地样品预测的均方根误差是可见光-近红外光谱的21%～73%,比VNIR波段更能准确预测异地样品中土壤重金属元素含量。研究表明,中红外漫反射光谱可以作为一种快速、非破坏方法预测土壤重金属元素含量,且比可见光-近红外精度高。     

基于基体效应校正和对应分析的便携式X荧光光谱法对土壤重金属的研究

随着工业化和城市化的加深,城市土壤重金属污染状况愈发严重,而传统的实验室化学分析方法例如电感耦合等离子体质谱法分析周期较长,易产生废弃实验试剂二次污染环境。便携式X荧光光谱法是一种可以在野外现场直接进行快速、无损分析的测试手段,而基体效应是影响该方法测试准确度和精密度的最主要因素。当今较为常用的校正方法为传统线性回归法,该方法受离群值影响较大,处理后数据依然存在较大的偏差。本研究通过将常量元素的测试数据加入到待测元素的校正方程中,来减弱测试过程中基体效应的影响。利用便携式X荧光光谱仪对吉林大学各校区土壤样品的Cr,Ni,Cu,Zn和Pb重金属含量在原位条件下进行了快速测试,探究了对各重金属元素基体效应影响最大的常量元素,并结合偏最小二乘法及多元线性回归对原始谢尔曼方程进行调整,利用电感耦合等离子体质谱法作为参照,通过新方程对各重金属元素进行了基体效应校正,通过统计学参数对比该方法处理后的数据和经传统线性回归法处理后的数据的区别,并通过对应分析综合分析元素及样品间的相关性。结果表明常量元素是基体效应影响的重要元素,基于不同常量元素的基体效应校正方程效果较好,适用性Cr>Pb>Zn>Ni>Cu,校正后数据质量得到了明显提高,决定系数增大,回归图像更加集中,平均绝对误差、均方根误差等参数均进一步减小,校正效果优于传统的线性回归法。基体效应校正法主要是通过减小离群值的偏离程度来减小数据总体的平均误差和离散程度。处理后数据满足定量分析要求,可以推广至便携式X荧光光谱法对于土壤重金属快速的大面积扫面测试,检测环境质量。同时对应分析是一种多维数据维度与多维数据维度之间的分析方法,用于多种变量间的分类与相关性分析具有非常优秀的效果。     

黄河上游水体中重金属分布特征及重金属污染指数研究

为了研究黄河上游地区水体中重金属含量分布特征及评价该区域重金属污染水平,分别于2014年4月(枯水期)和10月(平水期),在12个采样点采集了24个黄河表层水样。由电感耦合等离子质谱仪ICP-MS测量水样中As,Cd,Cr,Co,Cu,Mn,Ni,Pb和Zn的含量,并确定黄河上游水体中重金属分布特征和重金属污染指数。结果显示枯水期重金属的平均浓度顺序是：Cr(18.56 μg·L-1)>As(2.95 μg·L-1)>Ni(1.87 μg·L-1)>Mn(1.20 μg·L-1)>Cu(1.12 μg·L-1)>Zn(0.59 μg·L-1)>Pb(0.08 μg·L-1)>Cd(0.01 μg·L-1),平水期的重金属平均浓度顺序是：Mn(596.89 μg·L-1)>Zn(52.46 μg·L-1)>Cu(36.27 μg·L-1)>Ni(25.11 μg·L-1)>Cr(23.19 μg·L-1)>Pb(19.51 μg·L-1)>As(7.30 μg·L-1)>Cd(0.37 μg·L-1)。将重金属含量测定结果与中国和国际水质参考值以及同地区丰水期重金属含量数据进行了比较,结果显示Cr,Mn,Pb和Cu含量高于标准值。同时,用重金属污染指数(HPI)评估所有金属对整个水体的影响,结果表明各选点枯水期HPI值为6.46～11.95,平水期HPI为4.53～210.53。两个季节的重金属分布特征和HPI都显示了明显的季节性变化。研究结果表明黄河研究流域水体重金属含量及HPI均显示平水期重金属污染程度较枯水期高,可能与季节性生产及降水变化有关。研究结果可为相关部门制定环保政策提供可信的实验数据和理论依据。     

土壤重金属铅、锌高光谱反演模型可迁移能力分析研究

现有基于高光谱遥感技术的土壤重金属含量反演模型,大多是采用同一试验区且有限的样本点进行定量反演建模。但考虑到实际应用需求,该类模型在不同试验区是否具有较好的迁移推广能力是目前迫切需要回答的问题。如不可行,是否存在其他可行手段用于土壤重金属污染评估？ 为回答上述问题,选取湖南省郴州市和衡阳市两铅锌矿区作为实验研究区,并首先利用郴州地区采样点分别对Pb和Zn两种重金属进行定量回归建模和定性分类建模,然后比较两种模型在衡阳实验区的可迁移能力。实验结果表明：(1)基于偏最小二乘回归(PLSR)的定量回归模型可迁移能力较差。分别采用四种光谱预处理方式建模,发现回归模型对异地采样的预测精度很低,难以正确反演衡阳试验区重金属Pb和Zn的含量。(2)基于支持向量机(SVM)分类的定性反演模型具有一定的可迁移能力,以郴州地区采样数据训练得到的SVM分类模型能有效判定衡阳试验区Pb、Zn的污染状况,分类精度分别达到84.78%和86.96%。结果表明,在快速检测土壤重金属污染状况的问题上,定性分类是一种更加切实可行的方式。     

基于不同化学计量学方法的土壤重金属激光诱导击穿光谱定量分析研究

工业的发展及城市化进程的深入,造成大量耕地土壤遭受重金属污染,土壤重金属元素的准确检测对制定土壤重金属防治决策提供有效参考。本研究应用激光诱导击穿光谱(LIBS)结合化学计量学方法对土壤中的铅(Pb)和镉(Cd)元素进行定量分析。根据土壤重金属污染的不同程度,人为制作了含有Pb和Cd元素的15个浓度梯度的土壤样本,并采集各个样本的LIBS谱线。采用剔除异常光谱和数据归一化来减少试验误差和噪声。综合土壤LIBS发射谱线中Pb和Cd元素谱峰信息以及美国国家标准与技术研究院(NIST)的标准原子光谱数据库,选取了Pb,Cd元素的分析谱线与分析谱线区间,对比分析基于多元线性回归(MLR)、偏最小二乘回归(PLSR)、最小二乘支持向量机(LS-SVM)和反向传播人工神经网络(BP-ANN)算法,建立分析谱线区间与对应Pb和Cd元素浓度之间的定量回归模型。结果表明,非线性的LS-SVM和BP-ANN的模型的预测性能优于线性MLR和PLSR模型,这可能是因为非线性模型能够通过自适应较好地解决土壤基体效应的影响。研究表明,LIBS技术结合多元化学计量学方法能够为土壤重金属准确检测提供新的分析手段,为制定农业土壤重金属防治决策提供有效的理论基础。     

玉米叶片重金属铅含量的SVD-ANFIS高光谱预测模型

重金属污染农作物后可通过食物链进入人体从而严重危害身体健康。如何快速准确地监测农作物中重金属含量已成为当今生态与粮食安全等领域的重要研究内容。常规的生化监测方法存在操作繁琐、过程长、具有破坏性等缺点,而高光谱遥感具有光谱分辨率高、信息量大、生化反演能力强、方便快捷、对监测对象无损伤等优势,因此利用高光谱遥感技术监测农作物中重金属含量已成为遥感领域的热点研究之一。以不同浓度Pb(NO₃)₂溶液胁迫下盆栽玉米植株为研究对象,基于不同铅离子(Pb2+)胁迫梯度下玉米叶片的反射光谱及其中Pb2+含量的测定数据,结合奇异值分解(SVD)理论和自适应模糊神经网络推理系统(ANFIS)结构,建立了一种Pb2+含量预测的SVD-ANFIS模型。首先对各胁迫梯度下玉米的老叶(O)、中叶(M)、新叶(N)三种叶片的反射光谱数据进行SVD处理,获取原始光谱信息的奇异值;然后选择O,M和N叶片对应的奇异值来寻求ANFIS结构的最佳输入组合,最终选定O-M（双输入）组合作为ANFIS结构的输入量,通过训练和学习获得最优模糊规则库后,ANFIS结构的输出量即为叶片中Pb2+含量,从而实现了SVD-ANFIS模型的预测性能。研究结果表明,该模型的输出误差值较小,精度较高,在模糊训练过程中隶属函数选为钟型函数时预测效果最佳。利用多参数的反向传播(BP)神经网络预测模型对SVD-ANFIS模型的预测优越性进行验证时,得到BP模型和SVD-ANFIS模型的决定系数(R2)分别为0.977 6和0.988 7,均方根误差(RMSE)分别为2.455 9和0.601 3,可见SVD-ANFIS模型的拟合度更高,预测效果更好。同时选取不同年份的Pb污染玉米叶片等光谱数据对SVD-ANFIS模型进行可行性检验,其R2和RMSE分别为0.986 4和0.887 4,说明SVD-ANFIS模型能较好的用于玉米叶片中Pb2+含量预测且具有较高的鲁棒性,可作为预测玉米叶片中重金属含量的一种方法。     

铜铅胁迫下玉米叶片弱光谱信息的LD-CR-SIDSCAtan探测模型

农作物在受到重金属污染以后,会破坏本身的组织细胞结构和叶绿素含量,从而影响农作物的新陈代谢和健康状况。人和动物如果食用了污染的农作物以后,会有致命的伤害。高光谱遥感目前被广泛应用于监测农作物受重金属污染的程度。重金属污染下的农作物叶片的光谱变化很微小,传统的监测方法和常规的光谱特征参数很难将光谱之间的微弱差异区别开,目前高光谱遥感应用是研究的重点和难点。通过设置不同浓度的Cu2+和Pb2+胁迫下玉米盆栽实验,采集玉米叶片的光谱数据、叶绿素的相对含量以及重金属Cu2+和Pb2+的相对含量。提出了包络线去除(CR)、光谱相关角(SCA)、光谱信息散度(SID)以及正切函数(Tan)和兰氏距离(LD)相结合的LD-CR-SIDSCA_tan模型,将其与传统的光谱测度方法,如光谱相关系数(SCC)、光谱角(SA)、光谱角正切(DSA)、光谱信息散度-光谱相关角正切(SIDSAM_tan)、光谱信息散度-光谱梯度角正切(SIDSGA_tan)和常规的光谱特征参数,如红边最大值(MR)、绿峰高度(GH)、红边一阶微分包围面积(FAR)、红边一阶微分曲线陡峭度(FCDR)、蓝边(DB)、红谷吸收深度(RD)相比较,验证了该模型的优越性和可行性。并且将LD-CR-SIDSCA_tan模型应用于不同浓度下Cu2+和Pb2+胁迫的玉米叶片的整体波形和子波段的光谱差异信息的测度上。结果表明,LD-CR-SIDSCA_tan模型实现了重金属Cu2+和Pb2+污染的定性分析,能够测度光谱相关系数达到0.99以上的相似光谱之间的差异信息,波形差异信息与叶片测得的叶绿素相对含量和重金属Cu2+和Pb2+相对含量显著相关,也分别找到了重金属Cu2+和Pb2+胁迫下的光谱响应波段。在测度光谱数据的整个波段区间范围,模型值为负值时的光谱差异要比模型值为正值更加明显;在模型值为正值时,如果数值越大,光谱的差异性也越大。因此,随着重金属Cu2+和Pb2+浓度的增加,光谱的差异增大,意味着重金属Cu2+和Pb2+污染程度更为严重;玉米植株受到重金属Cu2+胁迫污染,在测度光谱数据的局部子波段区间范围时,“蓝边”、“红边”、“近谷”、“近峰B”处对重金属Cu2+胁迫污染响应特别的敏感,可以作为监测重金属Cu2+污染程度的有效波段;当玉米植株受到重金属Pb2+胁迫污染时,在“紫谷”、“蓝边”、“黄边”、“红谷”、“红边”、“近峰A” 处对重金属Pb2+胁迫污染响应特别的敏感,可以作为监测重金属Pb2+污染程度的有效波段。最后通过LD-CR-SIDSCA_tan模型的应用结果与玉米叶片中Cu2+和Pb2+含量进行线性拟合分析,从而反演和预测了重金属Cu2+和Pb2+对玉米植株的污染程度。     

径向基神经网络的苏打盐碱地重金属定量反演

土壤是自然生态系统的重要组成部分,是人类赖以生存和农业生产的重要物质基础.随着社会经济高速发展,高强度的工农业生产活动导致重金属等各种污染物通过大气沉降、污水灌溉等途径进入土壤,并在土壤中不断富集造成土壤盐渍化和土壤重金属污染,两者是导致全球荒漠化和土壤退化的主要诱因.然而中国的耕地非常有限,粮食安全尤为重要.因此,如...