基于有机质特征谱段的土壤Cd含量高光谱遥感反演

针对土壤Cd高光谱遥感定量反演中的机理性不足及数据冗余问题,提出一种基于有机质特征谱段的反演方法。该方法首先提取土壤光谱中对重金属Cd具有吸附作用的有机质特征谱段,进而通过竞争性自适应重加权采样法（Competitive adaptive reweighted sampling,CARS）优选特征谱段,采用偏最小二乘回归法（Partial least squares regression,PLSR）建立重金属Cd的反演模型,并利用郴州矿区土壤实验室光谱数据和哈密黄山南矿区野外光谱数据进行方法验证。研究表明：有机质特征谱段提取在降低数据冗余的同时提高了重金属Cd的反演精度,CARS算法相对于相关系数法（Correlation coefficient,CC）和遗传算法(Genetic algorithm,GA)特征选择具有更高的反演精度,基于有机质特征谱段的CARS-PLSR算法在土壤实验室光谱和野外实测光谱所得验证精度R2分别为0.94和0.80,表明该算法对于实验室和野外光谱均具有一定适用性。研究可为土壤重金属含量高光谱反演的特征波段选择和算法优选提供参考。     

基于高光谱反演的复垦区土壤重金属含量经验模型优选

以工矿复垦区为实验区域,基于ASD Field Spec 4高光谱遥感数据,结合实测的土壤重金属含量,利用回归分析与特征选择方法,开展了基于高光谱数据的土壤重金属含量反演研究与实验并进行了经验模型优选。通过对光谱曲线进行一阶微分、对数一阶微分以及对数倒数的一阶微分等数学变换有效提高了光谱数据与土壤重金属含量的相关性。在此基础上采用偏最小二乘回归(Partial least squares regression,PLSR)、随机森林回归(Random forest regression,RFR)、支持向量机回归(Support vector machine regression,SVMR) 3种回归分析模型开展土壤重金属含量反演实验,结果表明偏最小二乘回归(PLSR)对研究区内土壤中重金属含量的反演最为有效,尤其对区域内主要障碍因子镉(Cd)元素含量的反演效果最佳,验证集决定系数R2为0. 76。基于粒子群算法(Particle swarm optimization,PSO)、遗传算法(Genetic algorithm,GA)、Relief F算法3种特征选择方法对偏最小二乘回归(PLSR)模型进行优化,结果表明粒子群算法(PSO)可有效降低特征波段变量维度,进一步提高模型反演精度,使决定系数R2由0. 76提高至0. 84。综上,基于高光谱数据,采用偏最小二乘回归(PLSR)与粒子群算法(PSO)相结合的方法,可有效对工矿复垦区土壤中的重金属含量进行测度,可为复垦区土地的质量和生态指标监测提供理论方法和技术支持。     

小麦秸秆中K和Na元素LIBS同步定量分析研究

快速分析小麦秸秆中K和Na元素含量对提高其燃烧效率具有重要的现实意义。选用华北地区29个小麦秸秆代表性样本作为研究对象,以电感耦合等离子体质谱法(ICP-MS)量测结果作为标准值,探讨激光诱导击穿光谱(LIBS)技术对小麦秸秆中K和Na元素含量进行定量预测分析的可行性。为提高模型定量分析精度,首先分别选取K和Na分析线附近波段光谱作为定标模型原始光谱数据,对比基线校正(BC)、归一化(Norm)与中心化(MC)相互组合算法对LIBS光谱降噪效果影响,分析比较线性建模方法:偏最小二乘回归(PLSR)和非线性建模方法:增强型反向传播人工神经网络(BP-ADaboost)对预处理后光谱数据的适用性。研究结果发现,与PLSR模型相比较,小麦秸秆中K和Na的BP-ADaboost最优模型效果均较好,其预测决定系数R2p分别为0. 908和0. 979,预测均方根误差分别为2. 388 g/kg和0. 138 g/kg,相对分析误差分别为2. 358和4. 203。结果表明,LIBS技术能用于小麦秸秆中K和Na的同步快速定量分析。     

融合光谱和空间特征的土壤重金属含量极端随机树估算

针对高光谱遥感土壤重金属含量估算研究中光谱特征信息弱、模型反演鲁棒性差的问题,提出构建污染源-汇空间特征量化污染物扩散与汇聚空间影响因子,融合光谱特征建立基于极端随机树（Extremely randomized trees,ERT）的土壤重金属含量估算模型。以济源市耕地土壤为研究区,布设采集土壤样本249个,分析了光谱特征、地形特征和污染源空间特征在土壤重金属铅（Pb）、铬（Cd）含量反演中的有效性及影响机理,采用置换重要性指数优选多源特征,通过与多种回归模型对比,评价ERT模型的预测精度。研究表明,变换后的土壤光谱特征构建ERT模型引入地形特征和污染源空间特征后精度提升显著,尤其是污染源空间特征优势更为明显,Pb的ERT模型均方根误差由43.185mg/kg下降到22.301mg/kg,下降了48.36%。Cd的ERT模型均方根误差由0.738mg/kg下降到0.371mg/kg,下降了49.73%,充分说明引入污染扩散空间特征的有效性。与其他回归模型对比,ERT估算模型在各项指标评价中优势明显,其中Pb的ERT模型的测试集R2达0.964,Cd的ERT模型R2为0.923。     

基于太赫兹光谱分析的猪肉K值无损检测方法

K值是评价猪肉新鲜度的重要指标,能够反映猪肉内核苷酸的分解情况,从而评定肉的变质程度。一般采用高效液相色谱法测定K值,此方法过程耗时,需破坏被测样品,不能满足生产和流通环节的快速检测需求。本文利用太赫兹(THz)光谱分析技术无损检测猪肉K值,探索快速检测K值的可行性。在0.2~2 THz范围内,采用衰减全反射模式提取80份不同新鲜度的猪肉THz光谱数据,同时用高效液相色谱法测定每份样品的K值。THz光谱原始数据经过一阶微分和Savitzky-Golay平滑滤波后,分别用主成分回归(PCR)、偏最小二乘回归(PLSR)和反向传播神经网络回归(BP-ANN)建立了THz光谱预测猪肉K值的数学模型。研究表明:非线性BP-ANN模型预测精度最高,相关系数为0.75,均方根误差为14.36%;采用THz光谱数据BP-ANN模型能够检测猪肉的新鲜度K值。与HPLC方法相比,该方法具有快速、无损、简单的特点。     

基于THz光谱分析技术的猪肉K值无损检测方法

K值是评价猪肉新鲜度的一个重要指标,它能够反映猪肉内核苷酸的分解情况,从而评定肉的变质程度。一般采用高效液相色谱法测定K值,此方法过程耗时,需破坏被测样品,不能满足生产和流通环节的快速检测需求。利用太赫兹(THz)光谱分析技术无损检测猪肉K值的可行性,探索快速检测K值的方法。在0.2~2THz范围内,采用衰减全反射模式提取80份不同新鲜度的猪肉THz光谱数据,同时用高效液相色谱法测定每份样品的K值。THz光谱原始数据经过一阶微分和Savitzky-Golay平滑滤波后,分别用主成分回归(PCR)、偏最小二乘回归(PLSR)和反向传播神经网络回归(BP-ANN)建立了THz光谱预测猪肉K值的数学模型。比较研究表明:非线性BP-ANN模型预测精度最高,相关系数为0.75,均方根误差为14.36%;采用THz光谱数据BP-ANN模型能够检测猪肉的新鲜度K值。与HPLC方法相比,该方法具有快速、无损、简单的特点。     

基于激光诱导击穿光谱的土壤钾素检测

为满足大田土壤钾素养分在线检测的迫切需要,设计了一种基于激光诱导击穿光谱原理的土壤养分在线检测的系统平台装置,并开展了土壤养分快速测定的实验研究,对采用激光诱导击穿光谱定量分析土壤钾素养分含量的可行性与准确度进行了探索。实验表明,土壤钾元素的特征谱线在波长766.49 nm和769.90 nm处,钾素养分含量与特征谱线强度呈正相关,但当钾素质量分数大于0.3%时,存在明显自吸收现象,谱线强度与样本质量分数呈非线性关系。为了消除土壤光谱检测的基体效应,选定土壤样本锂元素为内标元素,对土壤钾元素等离子光谱特征谱线进行内标校正处理。利用土壤样本钾元素的敏感特征波长766.49 nm和769.90 nm处的光谱强度对土壤钾元素含量进行二元线性建模分析,建模曲线拟合效果良好,模型决定系数达到0.933 7,相对均方根误差仅为0.276 1。利用该实验系统,土壤钾素养分最低检测限为212μg/g,初步具备土壤钾素养分在线检测的要求。     

粮食主产区耕地土壤重金属高光谱综合反演模型

粮食主产区的耕地土壤重金属污染已成为影响粮食安全和人居环境安全的突出问题。高光谱遥感技术为快速高效获取土壤重金属含量提供了新的途径,也为土壤总金属污染的监测和防治提供了技术保障。以河南省粮食主产区新郑市为研究对象,共采集191个耕地土壤样品,利用Rank-KS法划分为144个建模集样本和47个验证集样本;在室内利用ASD Field Spec 3型地物光谱仪获取土壤高光谱数据,对耕地土壤样品在400~2 400 nm的光谱反射率与Cr、Cd、Zn、Cu、Pb 5种重金属元素进行相关性分析,筛选出5种重金属均通过P=0.01显著性检验的共用高光谱特征波段作为反演模型的自变量;采用基于OLS的固定影响变系数面板数据模型,对新郑市144个建模集样本的5种土壤重金属面板数据构建高光谱综合反演模型。结果表明:面板数据模型整体显著,拟合优度较高(R~2=0.993 7,F统计量为1 365.94)。模型精度检验Cu的相对分析误差为2.046,Pb的相对分析误差为3.432,都具有较好的预测精度;Cr、Cd、Zn的相对分析误差在1.4~1.8之间,具有一般的定量预测能力。面板数据模型通过一次建模综合反演多种土壤重金属,计算简便、速度快,可以用于新郑市耕地土壤重金属的高光谱快速监测。     

生菜叶片镉含量高光谱预测模型

为了实现无损检测生菜叶片中重金属镉的含量,以高光谱技术为研究手段,研究一种基于高光谱技术的精确、快速和有效检测生菜中重金属镉含量的方法。首先,使用高光谱图像采集系统获取生菜高光谱图像,并提取光谱数据,对提取出的光谱数据采用连续投影算法（SPA）和基于权重回归系数的特征选择算法进行特征提取,建立预测生菜叶片中镉含量的最小二乘支持向量回归（LSSVR）模型。结果表明:SPA-LSSVR模型性能最佳,其中预测集决定系数为0.927 3,均方根误差为0.093 mg/kg。因此,利用高光谱技术结合SPA-LSSVR模型对生菜叶片中重金属镉含量进行预测是可行的,可为实际应用提供技术支持和参考。      

基于高光谱的酿酒葡萄果皮花色苷含量多元回归分析

以酿酒葡萄赤霞珠果实为研究对象,利用高光谱成像技术检测葡萄果皮中的花色苷含量。采集60组样本的900~1700nm近红外波段高光谱图像,并用pH示差法测量样本果皮中花色苷含量。选取高光谱图像中葡萄果实区域作为感兴趣区域（ROI）,计算其平均光谱,并采用SG平滑、归一化、多元散射校正等预处理方法提高光谱的信噪比。然后采用偏最小二乘回归（PLSR）、支持向量回归（SVR）和BP神经网络算法建立花色苷含量预测模型。研究表明：基于PLSR模型推荐的13个隐含变量建立的BP神经网络模型的预测决定系数和预测均方根误差分别为0.9102和0.3795。     

巢湖流域典型农田土壤重金属污染评价与地理探测分析

为了分析巢湖流域农田土壤重金属污染特点,选择位于巢湖西部的A村进行了实地土壤样品采集,利用XRay荧光光谱仪对Zn、Cr、Cd、Hg、Pb、As、Cu、Ni 8种重金属元素进行测定,利用污染指数法和潜在生态风险指数法,对土壤重金属污染程度、空间分布和潜在生态风险进行评价。为了进一步分析土壤重金属污染的来源,采用主成分分析和聚类分析对重金属来源进行分类;利用地理探测器,选择高程、距铁路距离、距村庄距离、距公路距离、距水库距离和农用地分类作为变量因子,分析其与重金属污染分布的空间相关关系。研究结果表明,A村主要受到Hg(P_i17.2)、Cd(Pi10.3)污染;Pb、Cu、Zn、Ni主要来自成土母质源,Hg、Cr、Cd、As主要来自人为污染源;农用地类型(PD,H=0.405)和铁路分布(PD,H=0.362)对污染分布的解释力最强,Hg、Cd污染可能来自耕地、畜禽饲养和铁路运输污染,污水灌溉也会一定程度影响重金属污染空间分布。     

基于PMF模型的山区农用地土壤重金属来源分析

为了解山区农用地土壤重金属的污染情况以及查明八种重金属的污染来源,在研究区内采集土壤表层(0-20cm)样品1311个,分析化验了pH、As、Cd、Cr、Cu、Hg、Ni、Pb、Zn等指标。采用了内梅罗综合指数法、地统计学法、相关分析、单因素方差分析以及正定矩阵(PMF)模型等方法,研究山区农用地土壤重金属污染特征及可能的污染来源。结果表明：研究区土壤中八种重金属含量均明显高于重庆市土壤背景值；除局部区域呈现重度污染之外,研究区土壤整体上呈清洁或轻度污染,主要污染元素为Cd；PMF模型结果显示,研究区土壤重金属污染来源主要有三种,分别为Cd、Cr、Cu、Ni、Pb、Zn(自然母质源)、As、Cr、Hg、Pb、Zn(采矿活动源)、As、Cd、Cr、Hg(农业活动源)。     

开封市污灌区土壤重金属污染预测预警研究

在对开封市惠济河污灌区耕作层土壤污染现状调查的基础上,选取灌区土壤中Pb、Cd、Cr、Cu为评价因子,根据情景预测法估算重金属的累积现速率和累积加速度,建立含量变化预测预警模型,在乐观情景和无突变情景下对土壤中重金属含量变化趋势进行预测;以及在匀速累积模式和加速累积模式下对土壤重金属污染趋势进行预警,提出了应对由污水灌溉造成土壤重金属污染的措施。     

基于分数阶微分的荒漠土壤铬含量高光谱检测

为解决高光谱检测土壤中痕量级重金属含量存在的困难,提高土壤重金属铬含量检测的准确度,利用新疆准东煤田周边168个荒漠土壤样本的重金属铬含量及其对应的高光谱数据,运用分数阶微分算法进行光谱数据预处理,最后利用全部波段进行偏最小二乘建模并进行可视化分析,旨在探讨分数阶微分预处理在高光谱数据估算荒漠土壤重金属铬含量的可能性。结果表明:原始光谱与吸光率变换的分数阶微分模型均在1.8阶微分处达到了最好的精度效果。吸光率变换1.8阶微分模型为最优模型,模型的校正均方根误差为7.68 mg/kg,R_c~2=0.83,预测均方根误差为8.39 mg/kg,R_p~2=0.78,相对分析误差为2.14。最后利用铬含量实测值与光谱预测值通过反距离加权法插值获得研究区土壤重金属铬含量的空间分布,说明利用该方法对土壤重金属铬含量定量检测并进行大尺度的空间分布反演在一定程度上是可行的,为荒漠土壤重金属污染状况的高光谱检测提供了一定的科学依据和技术支持。     

黄酒总糖含量的中红外光谱定量检

利用中红外光谱技术对黄酒中的总糖含量进行了快速检测.实验以3个厂家的共30个样品为研究对象,在1000～1500cm-1和2500～3000cm-1波段范围内建立了多元线性回归、主成分回归以及偏最小二乘回归模型,并比较了微分的光谱预处理方法对模型精度的影响.二阶微分光谱建立的偏最小二乘模型的精度最佳,交互验证的相关系数为0.984,RMSECV为0.765g/L, RPD为5.75,表明中红外光谱技术可以用于黄酒中总糖含量的快速检测.     

基于土壤粒径组成影响的重金属镉吸附容量试验及模拟研究

在试验室条件下,分别对山西省大同市和太原市选取的两种土样进行土样砂粒和粉粘粒的粒径区分试验,并进行原状土样和不同粒径部分土样的重金属镉的吸附试验。在试验结果的基础上,用Langmuir模式分别对重金属吸附试验数据进行模拟,构建基于Langmuir模式的区间参数粒径级配重金属吸附模型。结果表明,土壤粒径组成对重金属镉的吸附容量影响明显,构建的模型能够较好地模拟基于土壤粒径的重金属镉的吸附容量。