激光与红外

作者：张杨

单位：1.贵州大学 资源与环境工程学院,贵州 贵阳 550025；2.贵州大学省部共建公共大数据国家重点实验室,贵州 贵阳 550025；3.喀斯特地质资源与环境教育部重点实验室,贵州 贵阳 550025；

关键词：高光谱反演;土壤重金属;随机森林;偏最小二乘回归;喀斯特矿区

基金：国家自然科学基金委员会-贵州省人民政府喀斯特科学研究中心项目(No.U1312442)；中国科学院战略性先导科技专项子课题项目(No.XDA2806201)；贵州大学人才引进人才科研项目(No.贵大人基合字(2017)78号)资助。

喀斯特矿区土壤在高地质背景和人类活动双重影响下,重金属污染严重,是区域重金属迁移的重要源区,快速监测其重金属含量能为区域重金属的迁移转化研究提供基础。本研究同步测定土壤样品As、Sb含量和采集高光谱数据。通过对比9种高光谱数据预处理方法,优选出5种较优预处理方法,基于遗传算法筛选光谱特征波段,分别建立了两种机器学习(偏最小二乘回归(GA_PLSR)和随机森林(GA_RF))的高光谱反演模型。结果表明:(1)多元散射校正+一阶微分(MSC+FD)预处理方法是土壤As和Sb的最优光谱预处理方法；(2)喀斯特矿区土壤重金属As的最优反演模型为偏最小二乘回归模型,该模型训练集与测试集的R2均大于09,RPD均大于30；土壤Sb的最佳反演模型是随机森林模型,该模型训练集与测试集的R2均大于09,RPD均大于30；(3)喀斯特矿区反演土壤As的光谱特征波段分布在4461～4684、5347～5612、685～7283、7357～7666、817～8397和8522～1077nm之间；而土壤重金属Sb的特征波段主要为3436～3596、6715～6865、746～7534、9212～9986、10243～10377nm。该结果可以为喀斯特矿区快速获取土壤中As和Sb含量提供依据。

来源：2025年第7期

《激光与红外》期刊编辑部

查看激光与红外杂志2025年第7期