優化CARS結合PSO-SVM算法農田土壤重金屬砷含量高光譜反演分析

袁自然， 魏立飛， 張楊熙， 余 銘， 閆芯茹

湖北大學資源與環境學院， 湖北 武漢 430002

引 言

重金屬污染已經嚴重危害到人類的生活， 其難降解、 易積累、 毒性大等特征對農作物生長、 產量和品質都有重大影響。 農田土壤重金屬污染會抑制土壤環境的優勢細菌群落， 抑制微生物的生長， 尤其是它可以通過農作物作為媒介通過食物鏈， 最終威脅人類身體健康[1]。 傳統的土壤重金屬檢測方法有光度法、 化學分析法、 原子熒光光譜法、 電感耦合等離子體發射光譜法、 表面增強拉曼光譜法等[2]， 這類方法雖精度高， 但是儀器設備成本過大， 耗費大量的人力、 物力， 且不具有推廣性。 高光譜分析利用連續的高分辨率光譜波段預測土壤中的重金屬含量[3]。 它可以實現大面積的快速測定， 避免了復雜的采樣步驟， 而且結合采樣對比， 高光譜對重金屬的測定結果也有很高的可信度。

國內外學者對土壤重金屬高光譜反演已經有了很多研究， Gholizadeh等[4]提出了一種基于支持向量機回歸(SVMR)交叉驗證的多變量校準方法， 建立了可見-近紅外(Vis-NIR)區域反射光譜與土壤中錳(Mn)、 銅(Cu)、 鎘(Cd)、 鋅(Zn)和鉛(Pb)之間的關系。 Angelopoulou等[5]通過偏最小二乘法建模發現不同化學監測方法對于土壤重金屬Cd， Cr， Cu和Pb反演結果影響不同， 表明土壤反射率完全可以預測土壤中重金屬含量。

譚琨等[6]選擇中國北方金屬礦區和煤礦區的兩個研究區域， 利用競爭自適應重加權算法結合偏最小二乘法(CARS-PLSR)選取特征波段， 結果表明與其他線性模型相比， 非線性模型CARS-PLS-SVM通過適當的光譜特征提取， 在實驗中表現出較高的精度。……