基于铁氧化物特征光谱和改进遗传算法反演土壤Pb含量.pdf

第 36 卷 第 16 期 农 业 工 程 学 报 Vol.36 No.16 2020 年 8 月 Transactions of the Chinese Society of Agricultural Engineering Aug. 2020 103 基于铁氧化物特征光谱和改进遗传算法反演土壤 Pb 含量 1 1,2 1 1 1,2 张 霞 ，王一博 ，孙伟超 ，黄长平 ，张 茂 （1. 中国科学院空天信息创新研究院，北京 100101 ；2. 中国科学院大学，北京 100049 ） 摘 要：近年来，高光谱的快速发展使野外实时监测土壤重金属含量成为可能。然而高光谱分辨率数据在提高信息量的 同时也造成了信息冗余，该研究针对光谱冗余问题，提出一种基于铁氧化物特征光谱和改进遗传（Improved Genetic Algorithm ，IGA ）特征优选算法的反演方法：依据 Pb 在土壤中的吸附机理，提取土壤光谱中的铁氧化物特征谱段用于 Pb 含量反演，减少数据冗余的同时提高方法的机理性。改进遗传算法解决传统遗传算法（Genetic Algorithm，GA ）“过早 收敛”的问题，增强算法的有效光谱的提取能力。使用雄安新区农田野外土壤样本构建偏最小二乘回归模型（Partial Least Square Regression，PLSR ）反演土壤Pb 含量，研究表明：相对于全谱段建模，基于铁氧化物特征谱段的 IGA-PLSR 模型的 R2 和 RPD 分别提升了 0.397、1.037，RMSE 下降了 1.958 mg/kg；改进后的IGA-PLSR 在运行初期能够跳出局部解区域寻找 更加有效的光谱波段组合，平均的 R2 、RPD 分别为 0.822、2.377 ，RMSE 为 2.221 mg/kg ，相对于传统 GA-PLSR 算法的 精度（平均 R2 、RPD 为 0.782、2.117 ，RMSE 为 2.487 mg/kg ）有显著提升。该研究表明，从反演机理和波段选择算法两 方面提出的反演方法有利于提高土壤 Pb 含量的估算精度。该研究为雄安地区农田土壤 Pb 含量的高光谱估算提供了参考。 关键词：土壤；反演；高光谱；重金属；特征选择；光谱分析 doi ：10.11975/j.issn.1002-6819.2020.16.013 中图分类号：TP97 文献标志码：A 文章编号：1002-6819(2020)-16-0103-07 张霞，王一博，孙伟超，等. 基于铁氧化物特征光谱和改进遗传算法反演土壤 Pb 含量[J]. 农业工程学报，2020，36(16)： 103-109. doi ：10.11975/j.issn.1002-6819.2020.16.013 Zhang Xia, Wang Yibo, Sun Weichao, et al. Inversion of Pb content in soil based on iron oxide characteristic spectrum and improved genetic algorithm[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(16): 103-109. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.16.013 对重金属元素具有吸附或赋存作用[15] ，因而土壤重金属