基于灰色关联分析的土壤铬含量高光谱估测研究

摘要

土壤中重金属含量对土壤环境质量、农作物生长等有着重要影响。因此，利用高光谱技术快速、准确地大范围估测土壤重金属含量对土壤生态环境与食品安全至关重要。本文以烟台市招远、龙口、栖霞地区为研究区，以采集的70个土壤样本为研究对象，以室内采集的土壤光谱数据及实验室化验的重金属铬等的含量为基础，采用统计分析、灰色关联分析等方法，开展利用高光谱技术对土壤重金属含量进行定量估测的研究。主要研究内容和成果如下： （1）分析了土壤反射率光谱特性与重金属污染程度 利用地积累指数法分析了土壤重金属污染程度，并进行分组光谱、污染程度和不同土壤类型的光谱特性分析。结果表明，研究区土壤重金属Cr（铬）、Ni（镍）、Zn（锌）、As（砷）均无污染，Cu（铜）、Pb（铅）、Cd（镉）为轻度-中度污染，Hg（汞）属于中度污染。土壤光谱反射率随铬含量的升高而降低，呈现负相关性，同时光谱反射率随土壤污染程度的升高而降低，与前者相吻合。四种土壤类型总体分离性不明显，很难根据土壤反射率判别土壤类型，需要结合其他因素共同判定。 （2）确定了土壤重金属铬含量敏感波段与特征因子 利用反射率的对数、倒数、平方根、一阶微分、倒数的一阶微分等九种变换方法对原始土壤光谱反射率进行变换，通过分析光谱变换值与铬含量的相关性，确定了土壤重金属铬含量的敏感波段与特征因子。结果表明，反射率倒数、对数、平方根变换后效果不明显，而微分变换可以有效提高某些波段的相关性，因此基于极大相关性原则，在三种变换方法中选取了5个特征因子，分别为：一阶微分变换的1910.5nm、对数倒数的一阶微分变换的674.1nm、1609.4nm和倒数的一阶微分变换的1231.3nm、1127.3nm，相关性最高达到0.75左右，经过变换后相关性均有不同程度的提高。 （3）建立了土壤重金属铬含量高光谱灰色关联估测模型 基于选取的特征因子，采用基于灰色关联分析的多元线性回归估测方法与多元线性回归、BP神经网络、灰色关联度、灰色关联度修正模型等几种常用估测模型对土壤重金属铬含量进行定量估测。结果表明，基于灰色关联分析的多元线性回归方法估测结果最优，按极大关联度选取原则，每个待识别样本的对应模式选取9个或12个时，估测效果较好，模型决定系数分别为0.945和0.975，平均相对误差分别为9.901%和10.919%。其次是灰色关联度修正模式，模型决定系数为0.968，平均相对误差为11.518%，精度均高于其他几种常用模型。研究表明，利用基于灰色关联分析的多元线性回归估测方法对土壤重金属铬含量进行定量估测是可行有效的。

目录

声明

1 绪 论

1.1 研究目的及意义

1.2国内外研究现状

1.2.1高光谱遥感发展历程

1.2.2土壤重金属高光谱预测研究

1.3 研究内容与技术路线

1.3.1研究内容

1.3.2 技术路线

2 数据获取与预处理

2.1 研究区概况

2.2 数据获取

2.2.1 样本采集

2.2.2 室内光谱反射率测量

2.2.3 土壤重金属铬含量测定

2.3 光谱预处理

2.3.1光谱噪声去除

2.3.2异常样本剔除

2.4本章小结

3 土壤铬含量污染程度及其光谱特性分析

3.1 重金属地积累指数及土壤污染程度分级

3.2 土壤光谱特性分析

3.2.1 分组光谱特性分析

3.2.2 污染程度的光谱特性分析

3.2.3 不同土壤类型的光谱特性分析

3.3 本章小结

4 土壤重金属铬含量高光谱估测模型

4.1 光谱变换处理

4.1.1 变换方法

4.1.2 变换光谱

4.2特征因子选取

4.2.1 相关分析

4.2.2 相关系数曲线图

4.2.3 特征因子确定

4.3 常用预测模型

4.3.1 多元线性回归

4.3.2 BP神经网络

4.3.3 支持向量机

4.3.4 灰色关联度

4.3.5 灰色关联度修正模式

4.4 基于灰色关联分析的多元线性回归估测方法

4.5 模型精度评价

4.6 本章小结

5 估测结果分析

5.1 基于灰色关联分析的多元线性回归估测结果

5.2 常用预测模型估测结果

5.2.1 多元线性回归估测结果

5.2.2 BP神经网络估测结果

5.2.3 支持向量机估测结果

5.2.4 灰色关联度估测结果

5.2.5 灰色关联度修正模式估测结果

5.3 结果对比分析

5.4 讨论

5.5 本章小结

6结论与展望

6.1 结论

6.2 展望

参考文献

致谢

攻读硕士期间发表论文与参加的项目