论文部分内容阅读
为快速高效的获取矿区土壤重金属信息,以山东省邹城市鲍店矿区的土壤重金属为研究对象,共采集106个土壤样品,首先采用化学方法监测土壤(0～20cm)重金属(Cr、Ni、Cu、Zn、Cd、Pb)含量,然后采用ASD Field Spec4地物光谱仪测得土壤高光谱数据,借助MATLAB2014a对土壤样品在400～2450 nm的光谱反射率进行Savitzky-Go lay (SG)平滑和多元散射校正(Mu lt ip I icative Scatter Correct ion,MSC)后,并对其处理结果进行倒数变换、倒数对数变换、一阶微分和二阶微分等数学变换。运用RStudio构建偏最小二乘回归模型(Partial Least Square Regress,PLSR),模型精度用决定系数R~2、均方根误差RMSE等参数评估,通过精度检验筛选土壤重金属的最佳反演模型。结果表明:(1)矿区土壤重金属含量均值都低于国家土壤环境质量一级标准值,该研究区土壤环境质量状况总体良好,但重金属Cd的个别样点超过国家土壤环境质量二级标准值,有积累趋势;(2)用偏最小二乘回归方法建立的重金属Ni含量的反演模型具有极高的精度,建模R2=0.923、RMSE=0.831,检验R~2=0.879、RMSE=1.092;Cr、Cu、Zn、Pb的模型预测能力也较好,Cd模型的预测能力比较一般;(3)Savitzky-Golay卷积平滑加多元散射校正可以有效增强土壤重金属的光谱特征,而且光谱数学变换可以很好地提高模型的预测效果。其中,Savitzky-Golay卷积平滑加多元散射校正再结合反射率的倒数对数变换的建模精度最高,其次多元散射校正结合原始反射率,Savitzky-Golay卷积平滑结合反射率的倒数、倒数对数变换建模结果也较优。利用高光谱进行偏最小二乘回归建模能够在一定程度上有效的实现矿区土壤重金属的定量反演,并且光谱预处理对于提高模型的准确性至关重要。