关键词:
分数阶微分
高光谱
土壤重金属锌和镍
随机森林
袋装法
摘要:
传统的土壤重金属反演模型通常在预处理中使用整数阶微分方法(如1阶或2阶),其忽略了与目标变量相关的分数阶光谱反射率。分数阶微分(FOD)能通过灵活选定微分阶次,有效增强光谱信号。以云南省普洱市墨江哈尼族自治县的农田土壤为研究对象,测量了61个土壤高光谱反射率和土壤重金属含量数据(锌和镍),对高光谱反射率信息进行了0~2阶(间隔为0.05)分数阶微分预处理,将分数阶微分预处理后的各阶次的光谱反射率输入到连续投影算法(SPA)中进行特征波段筛选;分别建立了偏最小二乘回归(PLSR)、随机森林(RF)和袋装法(Bagging)三种土壤重金属反演模型。结果表明:在经过0到2阶(以0.05为间隔,共41个阶次)的分数阶微分处理,整体光谱强度呈逐渐减弱的趋势,伴随着分数阶阶次的增加逐渐趋向于零。光谱吸收带逐渐收窄,不同光谱曲线之间的差异逐渐减小,随着微分阶次的提高,产生了更为丰富的波峰和波谷。基于分数阶微分的最好阶次模型均优于原始光谱模型和整数阶模型,模型较好阶次大部分集中在低阶分数阶。对于重金属锌,预测模型精度最好的是0.75阶次的RF模型(R^(2)=0.675,RMSE=6.149,RPD=1.755),0.75阶次的Bagging模型次之(R^(2)=0.633,RMSE=6.534,RPD=1.652),0.25阶次的PLSR模型最低(R^(2)=0.551,RMSE=7.230,RPD=1.493)。对于重金属镍,预测模型精度最好的是0.80阶次的RF模型(R^(2)=0.854,RMSE=127.823,RPD=2.618),0.80阶次的Bagging模型次之(R^(2)=0.841,RMSE=133.304,RPD=2.510),0.40阶次的PLSR模型最低(R^(2)=0.762,RMSE=163.162,RPD=2.051)。本研究基于FOD预处理和SPA降维后构建的非线性模型(RF和Bagging)在农田土壤重金属含量估测具有一定的适用性,可以为类似区域的土壤重金属含量反演提供参考依据。