基于高光谱数据的地表水化学需氧量反演 |
| |
引用本文: | 王雪映,刘适搏,朱继伟,马婷婷.基于高光谱数据的地表水化学需氧量反演[J].光谱学与光谱分析,2024(4):997-1004. |
| |
作者姓名: | 王雪映 刘适搏 朱继伟 马婷婷 |
| |
作者单位: | 1. 中国科学院长春光学精密机械与物理研究所;2. 中国科学院大学;3. 吉林省水文水资源局;4. 长春长光格瑞光电技术有限公司 |
| |
基金项目: | 吉林省科技发展计划项目(20210203015SF);;国家重点研发计划项目(2018YFF01011102)资助; |
| |
摘 要: | 化学需氧量(COD)是地表水质量评价的重要指标。传统的COD检测方法存在需使用有毒试剂、易造成二次污染等缺点,高光谱法可避免上述缺点,在COD检测方面有着广阔的应用前景。为了探索在室内利用高光谱技术反演地表水COD浓度的可行性方法,以吉林省内流域的129个地表水样本为研究对象,将样本集以3∶1划分为训练集和测试集,使用高光谱成像系统收集样本的DN值并计算相应的水体光谱反射率,采用导数法进行数据预处理,通过Pearson相关性分析判断光谱数据与COD浓度实测值间的相关程度并提取特征谱数据。利用全谱数据和特征谱数据分别建立基于粒子群算法优化的最小二乘支持向量机(PSO-LSSVM)反演模型,通过决定系数R2、均方差RMSE和相对偏差RPD分析比较这几种模型的预测精度和可靠性。研究结果表明:经过导数法预处理后,地表水COD浓度与光谱反射率的相关性明显增强;利用导数光谱数据建模的预测结果优于用原始光谱数据建模的预测结果;提取特征谱数据所建立的模型比利用全谱数据建立的模型有更好的预测效果。其中采用一阶导数预处理方法并利用特征谱建立的地表水COD浓度反演模型预测结果最好,验证...
|
关 键 词: | 高光谱 化学需氧量 导数法 最小二乘支持向量机 粒子群算法 |
|