基于高光谱的黑土区土壤重金属含量估测

摘要

以黑龙江省讷河市采集的80份黑土样品和高光谱实测数据为数据源,对黑土中铜(Cu)、锌(Zn)、锰(Mn)重金属元素的光谱反射率及其特征变化进行研究,分析了光谱反射率、光谱反射率一阶微分变换、光谱反射率连续统去除变换、光谱反射率连续统去除一阶微分变换与元素铜、锌、锰含量的相关性,并利用相关系数法提取敏感波段.利用核主成分分析(Kernel principal component analysis,KPCA)方法对高光谱敏感波段数据进行降维及特征提取,将特征信息作为极限学习机(Extreme learning machine,ELM)模型建模的样本数据,构建KPCA-ELM估测模型,进行黑土重金属含量的定量估算.结果表明:KPCA具有较强的非线性特征提取能力,可以有效地选择最佳变量集合,KPCA-ELM模型预测土壤元素含量效果理想,3种重金属元素含量估测的决定系数均达到0.6以上,其中,锌元素预测精度最高,决定系数和均方根误差分别为0.805和3.275 mg/kg,比特征提取前模型预测精度优化了 14.0％和18.5％,说明构建的KPCA-ELM模型是一种快速可行的重金属含量高光谱估测方法.