基于可见-近红外光谱与化学属性的土壤来源地判别

土壤是一种重要的法庭痕迹科学证据,可提供有价值的信息,在案件侦破和法庭审理中发挥关键作用。对于一个未知的土样,怎样确定其来源地,是一个值得研究的问题。分别从跨省和省内两种尺度,基于黑龙江、安徽和江苏三个省市的土壤可见-近红外波段光谱以及土壤化学数据,采用随机森林模型对土壤样本的来源地进行判别,比较了不同土壤测定数据集及其组合方案的判别效果,并分析了土壤化学属性和光谱数据在来源地判别中的相对重要性,以判别正确的样点占总样点数作为验证精度进行评价。结果发现:跨省尺度下,光谱主成分和化学数据结合建模判别验证精度最佳,为0.92;土壤光谱测量所需样品量少,当土壤物证材料量少,化学数据难以获取时,光谱主成分和吸收峰结合建模验证精度最高,为0.82。省内尺度下,依旧是光谱主成分和化学数据结合建模精度最佳,为0.83;在化学数据难以获取时,仅利用光谱主成分与吸收峰也取得了相当的精度(0.82),可见在省内尺度,可以利用光谱来替代化学数据进行建模判别。计算两种尺度下判别因子的重要性发现,跨省尺度下,影响模型判别的化学数据主要是土壤中的全钾、全磷,光谱数据主要是光谱第一主成分以及350～600 nm与1 800～2 100 nm波段的吸收峰;省内化学数据主要是全磷,光谱数据主要是第七主成分与1 300～1 600 nm以及2 100～2 200 nm波段的吸收峰。这表明,利用土壤可见-近红外光谱与化学数据可以有效地判别土壤的来源地。当模型的样点空间分布范围有差异时,可以考虑利用不同的判别因子建模和多个指标来评估判别结果。