结合机器学习和高光谱遥感技术的城市水系沉积物重金属含量反演

摘要

城市水系被称为城市的血管，水系沉积物记录了城市环境变化的重要信息。快速、高效、准确地获取城市水系沉积物中重金属元素含量的信息，对城市环境监测、生态环境修复治理及可持续发展具有重要意义。以甘肃天水市籍河沉积物为研究对象，开展基于高光谱的Cu, Zn, Cd含量反演研究。对采集的样品进行高光谱数据采集，将光谱数据进行多种数学变换后筛选与重金属实测含量相关性较强的特征波段作为自变量，构建人工神经网络（ANN）、支持向量机、多元逐步回归（SMLR）3种反演模型，并选取决定系数（R²）、均方根误差进行模型精度评价。研究结果表明：（1）原始光谱数据经光谱变换后能有效突出光谱特征信息，不同光谱变换方式的特征波段筛选效果不同。5种变换中一阶微分（FD）、二阶微分（SD）、倒数对数一阶微分（AFD）筛选效果优于倒数对数（AT）和倒数对数二阶微分（ASD）。（2）3种反演模型的R²均大于0.6,能够有效实现沉积物重金属含量反演。（3）不同元素的最佳反演模型有差异。Cu的最佳反演模型为SD-ANN模型，R²为0.750;Zn的最佳反演模型为SD-SMLR模型，R²为0.962;Cd的最佳反演模型为SD-SMLR模型，R²为0.761。不同元素的最佳反演模型与特征波段选择有关，基于水系沉积物特征波段开展重金属含量反演有利于提高反演精度。研究为快速获取水系沉积物重金属污染信息提供了参考，为环境无损监测及生态环可持续发展提供了技术支撑。

关键词

水系沉积物 / 高光谱反演 / 重金属元素 / 特征波段 / 含量预测