本文關(guān)鍵詞：基于TM影像的沱江中游土壤重金屬預(yù)測(cè)研究　出處：《四川農(nóng)業(yè)大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： TM 土壤重金屬 預(yù)測(cè)建模 空間特征

【摘要】：為找到一種簡(jiǎn)便快捷的土壤重金屬污染定量化監(jiān)測(cè)方法,本文利用TM遙感影像的各波段光譜反射率、9種植被指數(shù)、4種地面輔助因子和80%樣點(diǎn)土壤重金屬含量實(shí)測(cè)值建立線性回歸預(yù)測(cè)模型,將未參與建模但與土壤重金屬含量顯著相關(guān)的因子作為修正因子進(jìn)行蒙特卡羅模擬。剩余的20%樣點(diǎn)作為檢驗(yàn)點(diǎn)對(duì)各類模型進(jìn)行趨勢(shì)分析和誤差統(tǒng)計(jì)檢驗(yàn)。最后采用普通克里格方法反演實(shí)測(cè)值、預(yù)測(cè)值的空間分布狀況,對(duì)比其差異。主要結(jié)論如下：運(yùn)用TM影像光譜信息和其他因子可以通過(guò)建立模型預(yù)測(cè)土壤中重金屬砷、汞、鉻、鎘、銅、鉛、有效錳、有效鐵、有效鋅的含量,其中有效鐵的預(yù)測(cè)效果最優(yōu)。使用的建模因子是從TM遙感影像、數(shù)字高程模型中提取的,容易獲取,能有效節(jié)約成本和時(shí)間。遙感影像各波段光譜反射率單獨(dú)建模、結(jié)合地面因子共同建模、不同地貌分別建模這三種建模均可預(yù)測(cè)研究區(qū)土壤重金屬含量(P0.01),R2值、平均誤差、總均方根誤差及平均相對(duì)誤差值顯示三種建模方式的精度是遞增的。因此在地貌復(fù)雜的地區(qū)利用遙感研究土壤重金屬有必要分地貌建立預(yù)測(cè)模型。蒙特卡羅模擬對(duì)預(yù)測(cè)模型有修正作用,砷、汞、鉻、鎘、銅、鉛、有效錳、有效鐵、有效鋅蒙特卡羅模擬修正后的預(yù)測(cè)模型其均方根誤差比修正前的線性回歸預(yù)測(cè)模型分別降低了22.7%、18.0%、37.7%、36.2%、13.5%、30.5%、5.4%、25.2%、11.9%,表明蒙特卡羅模擬可以提高模型精度。但修正因子與目標(biāo)值相關(guān)程度的差異會(huì)使不同修正因子的效果不同。趨勢(shì)分析、誤差統(tǒng)計(jì)檢驗(yàn)以及空間分布圖顯示：砷的波段2和大氣抗阻植被指數(shù)平均法修正預(yù)測(cè)模型效果最佳,汞的波段3修正預(yù)測(cè)模型效果最佳,鉻的歸一化植被指數(shù)修正預(yù)測(cè)模型效果最佳,鎘的坡度修正預(yù)測(cè)模型效果最優(yōu),銅的有效葉面積植被指數(shù)修正預(yù)測(cè)模型效果最優(yōu),鉛的波段5和土壤顯色指數(shù)幾何平均法修正預(yù)測(cè)模型效果最佳,有效錳的波段3修正預(yù)測(cè)模型效果最佳,有效鐵的波段1修正預(yù)測(cè)模型效果最佳,有效鋅的波段7和有效葉面積植被指數(shù)幾何平均法修正預(yù)測(cè)模型效果最佳。
[Abstract]:In order to find a simple and fast quantitative monitoring method for soil heavy metal pollution, the spectral reflectance of TM remote sensing image was used to measure the soil heavy metal pollution by using the spectral reflectance of the TM image. A linear regression prediction model was established for 4 kinds of ground auxiliary factors and 80% sample soil heavy metal contents. Monte Carlo simulation was carried out by using factors which were not involved in modeling but were significantly related to soil heavy metal content. The remaining 20% samples were used as test points for trend analysis and error statistical test of various models. Then the common Kriging method is used to retrieve the measured data. The main conclusions are as follows: using TM image spectral information and other factors, we can predict the heavy metals arsenic, mercury, chromium, cadmium, copper and lead in soil by establishing models. The content of available manganese, iron and zinc, among which the prediction effect of available iron is the best. The modeling factors used are extracted from TM remote sensing image, digital elevation model, easy to obtain. It can save cost and time effectively. The spectral reflectance of each band of remote sensing image can be modeled separately and combined with ground factors. The three models can predict the soil heavy metal content (P0.01C ~ (2)) and average error in the study area. The total root mean square error and the average relative error show that the accuracy of the three modeling methods is increasing. Therefore, it is necessary to establish a geomorphological prediction model by remote sensing in areas with complex geomorphology. It can modify the prediction model. For arsenic, mercury, chromium, cadmium, copper, lead, available manganese, available iron and available zinc, the root-mean-square error of the modified model is 22.7% lower than that of the linear regression model. 18.0 37.7%, 36.2%, 30.5%, 30.5%, and 30.5%, about 25.20.5% and 11.9%. The results show that Monte Carlo simulation can improve the accuracy of the model, but the difference between the correction factor and the target value will make the effect of different correction factors different. The error statistical test and spatial distribution map showed that the modified prediction model of arsenic in band 2 and the average method of atmospheric resistance vegetation index was the best, and the modified model of mercury in band 3 was the best. The effect of normalized vegetation index correction model of chromium is the best, that of cadmium slope correction model is the best, and that of copper effective leaf area vegetation index correction model is the best. Band 5 of lead and geometric average of soil color index were the best, band 3 of effective manganese and band 1 of effective iron were the best. Band 7 of available zinc and geometric average of vegetation index of effective leaf area are the best.
【學(xué)位授予單位】：四川農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：X87;X833

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 邱兆寶;成紗質(zhì)量預(yù)測(cè)模型研討[J];紡織學(xué)報(bào);1988年09期

2 劉沐宇,鄭澤岱;灰色預(yù)測(cè)模型及在巷道收斂位移中的應(yīng)用[J];非金屬礦;1992年05期

3 黃伏生;趙永勝;;一種含水預(yù)測(cè)模型的補(bǔ)充說(shuō)明[J];石油勘探與開(kāi)發(fā);1992年02期

4 黃建,沈菁,李謙,甘云潤(rùn);大氣中硫氧化物預(yù)測(cè)模型的建立[J];干旱環(huán)境監(jiān)測(cè);1993年04期

5 徐玉卿，魏運(yùn)財(cái);人才需求的預(yù)測(cè)模型[J];吉林化工學(xué)院學(xué)報(bào);1996年04期

6 趙秀菊;水污染的灰色預(yù)測(cè)模型及其應(yīng)用[J];昌濰師專學(xué)報(bào);2000年05期

7 王香菊,顧濤;專門人才預(yù)測(cè)模型的應(yīng)用研究[J];煤炭經(jīng)濟(jì)研究;2003年06期

8 趙永勝;黃秀禎;;遞減曲線的多功能預(yù)測(cè)模型[J];石油勘探與開(kāi)發(fā);1985年05期

9 高建華;灰色災(zāi)變預(yù)測(cè)模型的改進(jìn)及實(shí)例分析[J];自然災(zāi)害學(xué)報(bào);1995年02期

10 王新泉，陳東生，，長(zhǎng)井茂明，日下部信幸;灰色預(yù)測(cè)模型在紡織工業(yè)上的應(yīng)用[J];鄭州紡織工學(xué)院學(xué)報(bào);1995年03期

相關(guān)會(huì)議論文 前10條

1 鄢小彬;肖新平;;基于灰色馬爾可夫模型的煤礦安全預(yù)測(cè)[A];第九屆中國(guó)青年信息與管理學(xué)者大會(huì)論文集[C];2007年

2 羅榮桂;黃敏鎂;;基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的服務(wù)業(yè)發(fā)展預(yù)測(cè)模型[A];Well-off Society Strategies and Systems Engineering--Proceedings of the 13th Annual Conference of System Engineering Society of China[C];2004年

3 王亮;劉豹;徐德民;;預(yù)測(cè)模型的選擇及其智能化實(shí)現(xiàn)[A];科學(xué)決策與系統(tǒng)工程——中國(guó)系統(tǒng)工程學(xué)會(huì)第六次年會(huì)論文集[C];1990年

4 肖健華;吳今培;;基于支持向量機(jī)的預(yù)測(cè)模型及應(yīng)用[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2003年

5 李陽(yáng)旭;鄧輝文;;一種新的企業(yè)市場(chǎng)預(yù)測(cè)模型及其比較研究[A];2004年中國(guó)管理科學(xué)學(xué)術(shù)會(huì)議論文集[C];2004年

6 馬志元;;城市區(qū)域經(jīng)濟(jì)、人口、能源、環(huán)境綜合系統(tǒng)預(yù)測(cè)模型及應(yīng)用[A];中國(guó)城市建設(shè)與環(huán)境保護(hù)實(shí)踐——城市建設(shè)與環(huán)境保護(hù)學(xué)術(shù)研討會(huì)論文集[C];1997年

7 李兆芹;姚克敏;;一種新的疾病發(fā)病率預(yù)測(cè)模型研究[A];首屆長(zhǎng)三角氣象科技論壇論文集[C];2004年

8 李兆芹;姚克敏;;一種新的疾病發(fā)病率預(yù)測(cè)模型研究[A];首屆長(zhǎng)三角科技論壇——?dú)庀罂萍及l(fā)展論壇論文集[C];2004年

9 張曉f^;;全球煤炭產(chǎn)量的灰色預(yù)測(cè)模型[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第十三屆學(xué)術(shù)年會(huì)論文集[C];2007年

10 肖會(huì)敏;樊為剛;;基于神經(jīng)網(wǎng)絡(luò)的糧食產(chǎn)量預(yù)測(cè)模型[A];04'中國(guó)企業(yè)自動(dòng)化和信息化建設(shè)論壇暨中南六省區(qū)自動(dòng)化學(xué)會(huì)學(xué)術(shù)年會(huì)專輯[C];2004年

相關(guān)重要報(bào)紙文章 前10條

1 劉慶;“預(yù)測(cè)模型”要緩行[N];網(wǎng)絡(luò)世界;2006年

2 特約記者 劉京濤;華東化工銷售員工設(shè)計(jì)價(jià)格預(yù)測(cè)模型見(jiàn)成效[N];中國(guó)石油報(bào);2010年

3 南方日?qǐng)?bào)記者 彭琳　實(shí)習(xí)生 周鵬程;預(yù)測(cè)世界杯之外 大數(shù)據(jù)還能做什么[N];南方日?qǐng)?bào);2014年

4 本報(bào)記者 張超;預(yù)測(cè)模型：推算SARS起落潮[N];科技日?qǐng)?bào);2003年

5 本報(bào)記者 段佳;機(jī)器“品肉師”替您“嘗鮮”[N];大眾科技報(bào);2010年

6 BMC首席IT技術(shù)官 Mahendra Durai　IDC顧問(wèn) Eric Hatcher Randy Perry;預(yù)測(cè)智能：管理復(fù)雜基礎(chǔ)架構(gòu)的鎖鑰[N];中國(guó)計(jì)算機(jī)報(bào);2010年

7 張琳 趙偉;巧用Excel構(gòu)建利潤(rùn)預(yù)測(cè)模型[N];財(cái)會(huì)信報(bào);2007年

8 楊宜勇（作者為國(guó)家發(fā)改委經(jīng)濟(jì)研究所副所長(zhǎng)）;發(fā)揮信息化對(duì)就業(yè)的“增補(bǔ)效應(yīng)”[N];第一財(cái)經(jīng)日?qǐng)?bào);2005年

9 本報(bào)記者 湯潯芳　實(shí)習(xí)記者 董文萍;“孵化器”模式：大數(shù)據(jù)的垂直運(yùn)營(yíng)樣本[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2014年

10 本報(bào)記者 安豐;深部找礦的探鏡[N];中國(guó)國(guó)土資源報(bào);2006年

相關(guān)博士學(xué)位論文 前10條

1 師懿;城市交通規(guī)劃環(huán)評(píng)中空氣污染預(yù)測(cè)模型研究[D];中國(guó)地質(zhì)大學(xué);2015年

2 張麗;牦牛肉用品質(zhì)特性及近紅外預(yù)測(cè)模型和產(chǎn)量等級(jí)系統(tǒng)的研究[D];中國(guó)農(nóng)業(yè)科學(xué)院;2015年

3 吳利豐;分?jǐn)?shù)階灰色預(yù)測(cè)模型及其應(yīng)用研究[D];南京航空航天大學(xué);2015年

4 周闖;原發(fā)性肝癌術(shù)后轉(zhuǎn)移復(fù)發(fā)分子預(yù)測(cè)模型的優(yōu)化整合與臨床轉(zhuǎn)化[D];復(fù)旦大學(xué);2012年

5 孫忠林;煤礦安全生產(chǎn)預(yù)測(cè)模型的研究[D];山東科技大學(xué);2009年

6 王冬光;控制技術(shù)在投資預(yù)測(cè)模型建立中的應(yīng)用研究[D];哈爾濱工程大學(xué);2005年

7 張麗峰;中國(guó)能源供求預(yù)測(cè)模型及發(fā)展對(duì)策研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2006年

8 王育紅;灰色預(yù)測(cè)模型與灰色證據(jù)組合模型研究及應(yīng)用[D];南京航空航天大學(xué);2010年

9 崔立志;灰色預(yù)測(cè)技術(shù)及其應(yīng)用研究[D];南京航空航天大學(xué);2010年

10 崔杰;灰色不確定系統(tǒng)建模的理論與方法研究[D];南京航空航天大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 劉冰;基于神經(jīng)網(wǎng)絡(luò)的纖維熱磨過(guò)程能耗預(yù)測(cè)模型的研究[D];東北林業(yè)大學(xué);2015年

2 張念;鐵路軌道幾何不平順趨勢(shì)預(yù)測(cè)的關(guān)鍵算法研究[D];西南交通大學(xué);2015年

3 田振偉;城市能源預(yù)測(cè)模型的研究與應(yīng)用[D];昆明理工大學(xué);2015年

4 吳迪;基于模糊決策樹(shù)算法的安全庫(kù)存量預(yù)測(cè)模型[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

5 齊雯;采用灰色預(yù)測(cè)模型改進(jìn)的HHT算法在故障診斷中的應(yīng)用[D];華南理工大學(xué);2015年

6 王萍;膀胱癌遺傳分?jǐn)?shù)的計(jì)算及發(fā)病風(fēng)險(xiǎn)預(yù)測(cè)模型的構(gòu)建[D];復(fù)旦大學(xué);2013年

7 石大宏;基于序列的蛋白質(zhì)—核苷酸綁定位點(diǎn)預(yù)測(cè)研究[D];南京理工大學(xué);2015年

8 熊盛華;基于BP神經(jīng)網(wǎng)絡(luò)的混合預(yù)測(cè)模型的實(shí)例研究[D];蘭州大學(xué);2015年

9 趙Z

本文編號(hào)：1426755