基于高光谱信息的矿区重金属砷含量估算

摘要

以甘肃省陇南市西和县某高污染尾矿库为研究对象,对典型矿区土壤中重金属砷（As）含量的反演精度进行模型比较.研究通过野外土壤样品采集、室内光谱曲线测定及光谱变换预处理,基于随机森林模型（RF）选定的特征波段对测得的光谱曲线进行光谱变换等预处理,最后基于选定的特征波段,利用偏最小二乘回归模型（PLSR）、BP神经网络模型（BP）及随机森林模型（RF）对土壤重金属As的含量进行反演比较.结果表明,400,407,1 294,2 245,2 260,2 344,2 429 nm为土壤重金属As的特征波段.三种模型均能较好地估算土壤中重金属As的含量,其中BP神经网络模型表现出较高的估算精度,尤其是基于光谱指标变换后的模型R²可达0.947,显示出良好的预测性能.研究表明,在污染程度高、土壤背景复杂的区域,BP神经网络结合光谱特征选择方法具有更强的As含量反演能力.

关键词

土壤光谱曲线 / 特征波段 / 偏最小二乘回归模型 / BP 神经网络模型 / 随机森林模型