基于污染种类判别特征的作物Pb、Cu污染种类判别

为判别作物中的重金属污染种类,开展了Pb、Cu胁迫下的典型作物（玉米）培育实验,获取了作物叶片的高光谱数据与Pb、Cu污染信息。首先对光谱进行分数阶、整数阶导数变换,而后利用差值比光谱指数构建特征参量以组成Pb、Cu污染种类判别特征（DFLCPT）,最终基于DFLCPT数据构建了用于作物Pb、Cu污染种类判别的随机森林分类（RFC）、K-最邻近分类（KNNC）、支持向量机分类（SVC）、高斯过程分类（GPC）模型。结果表明：在依托多种导数光谱构建的差值比光谱指数（DRSI）中,以0.9阶导数光谱为基准的DRSI[2 412,1 223,636]与样本Pb、Cu污染种类的相关系数绝对值最大,为0.764 1;在依托多维度DFLCPT(DFLCPTn D)建立的SVC、RFC、KNNC、GPC玉米Pb、Cu污染种类判别模型中,RFC模型的效果优于SVC、KNNC、GPC模型,其在训练集与验证集中取得的最高正确率均为100%,精度较好,稳定性较强。研究表明,依托DFLCPT的模型在Pb、Cu污染种类判别中达到了预期效果,可为大规模的作物重金属污染种类判别提供一定的技术支撑。