【摘要】：土地是人們賴以生存的重要物質(zhì)資源,它滋養(yǎng)萬物,但是由于重工業(yè)、礦山開采、污水灌溉等導致了土地污染問題日趨嚴峻。尤其是土壤重金屬污染,它有一定的隱蔽性,不宜被發(fā)現(xiàn),但又具有極大的危害性,因此國家也開始加大力度整治土壤環(huán)境問題。通常了解土壤重金屬污染現(xiàn)狀,運用的是傳統(tǒng)的地球化學方法,這需要大量的人力、物力、財力。隨著高光譜遙感技術(shù)的發(fā)展,可以通過土壤光譜信息和較少的樣本點,較為快速地實現(xiàn)土壤重金屬含量的反演填圖,為相關(guān)部門提供了輔助信息,還可實現(xiàn)動態(tài)監(jiān)測。本文以遼寧省錦州市部分耕地為研究對象,通過高光譜遙感技術(shù),探求土壤中重金屬鉻Cr的光譜特征和反演模型,最后依據(jù)機載CASI、SASI數(shù)據(jù)、星載HJ-1A HSI數(shù)據(jù)對其進行填圖。光譜曲線和地化數(shù)據(jù)使用實地采樣的樣品結(jié)果,光譜預處理使用連續(xù)統(tǒng)去除、一階微分、多元散射校正和倒數(shù)對數(shù)多種方法,通過對比分析得出:連續(xù)統(tǒng)去除、多元散射校正、一階微分可以較好的突出光譜與重金屬Cr含量的相關(guān)性,倒數(shù)對數(shù)和原始光譜與重金屬Cr含量無顯著相關(guān)性。通過挑選的特征波段分別使用了多元逐步回歸、偏最小二乘法、神經(jīng)網(wǎng)絡進行建模預測,三種模型精確性逐步提高,CASI、SASI精度最高的模型為神經(jīng)網(wǎng)絡,其決定系數(shù)R~2為0.78、均方根誤差RMSE為23.93、平均相對誤差MRE為0.31。HJ-1A HSI精度最高的模型為神經(jīng)網(wǎng)絡,其決定系數(shù)R~2為0.71、均方根誤差RMSE為27.91、平均相對誤差MRE為0.35。最后分別選用了精度最好的模型通過機載CASI、SASI、星載HJ-1A HSI高光譜數(shù)據(jù)對研究區(qū)重金屬Cr含量進行反演填圖。結(jié)論較為一致,研究區(qū)Cr污染較小,表明當?shù)亟?jīng)過政府整治措施,已經(jīng)取得了一定的成功。論文把高光譜技術(shù)與統(tǒng)計方法相結(jié)合,探究土壤中重金屬Cr在可見光-近紅外范圍內(nèi)的光譜特性,并使用多種模型方法進行對比分析,為相關(guān)研究提供參考依據(jù)。
【學位授予單位】：中國地質(zhì)大學(北京)
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：X53;X87
【圖文】：

中國地質(zhì)大學（北京）碩士學位論文2 研究方法處理樣品進行風干、研磨、過篩等操作，去除土壤中水分、土壤粒室中使用 ASD 光譜儀進行光譜測試。每個樣品測試 5 條光譜值。光譜曲線實例如圖 2-1，由于儀器的三個傳感器在不同溫應度，在沒有充分預熱的情況下會出現(xiàn)連接處的臺階跳躍，因ro 軟件對光譜曲線進行了修訂。

修正后光譜

圖 2-3 神經(jīng)元模型的神經(jīng)網(wǎng)絡模型為反向傳播神經(jīng)網(wǎng)絡（Rumelhart，1986），反向模型（如圖 2-4），其算法原理為：首先通過前向傳播過程，由輸數(shù)獲得預測輸出值，根據(jù)實際的輸出值計算誤差，將誤差返回上一前傳遞，調(diào)整各個權(quán)重參數(shù)。如此循環(huán)，直到最終誤差小于給定誤神經(jīng)網(wǎng)絡節(jié)點數(shù)越多、隱含層數(shù)越多，最終參數(shù)越多，建模預測精模型的好壞更多取決于模型在新樣本上的精度，當模型復雜度上升建模集中精度“太好了”，在驗證集中模型泛化性能下降，即過擬在神經(jīng)網(wǎng)絡的構(gòu)建時，首先要注意模型的隱含層個數(shù)和節(jié)點數(shù)。一層的個數(shù)為 1 時便可以滿足小樣本建模需求，節(jié)點個數(shù)可以有多種如節(jié)點數(shù)為 m n a、 mn 等（叢爽等，2001），其中 m、n 分輸出層節(jié)點數(shù)，a 為 1-10 范圍內(nèi)的常數(shù)，根據(jù)實際情況可以調(diào)整。

【相似文獻】

相關(guān)期刊論文 前10條

1 栗榮賀;;遙感圖像處理軟件在文物高光譜數(shù)據(jù)分析中的應用[J];遼寧省博物館館刊;2016年00期

2 王祥濤;馮燕;陳武;;基于改進獨立分量分析的高光譜數(shù)據(jù)分類研究[J];計算機仿真;2009年11期

3 葉加青;康婧;;深度置信網(wǎng)絡環(huán)境下高光譜數(shù)據(jù)降維方法仿真[J];計算機仿真;2019年06期

4 蔡輝;李娜;趙慧潔;;基于本征模函數(shù)的高光譜數(shù)據(jù)特征提取方法[J];紅外與激光工程;2013年12期

5 李娜;趙慧潔;;高光譜數(shù)據(jù)非監(jiān)督分類的改進獨立成分分析方法[J];國土資源遙感;2011年02期

6 張雄飛,張兵,張霞,鄭蘭芬,童慶禧;高光譜數(shù)據(jù)在數(shù)據(jù)庫中的高效存儲技術(shù)研究[J];遙感學報;2004年05期

7 褚西鵬;葛宏立;陳柯萍;;基于小波包變換的葉片高光譜數(shù)據(jù)的樹種分類[J];光譜實驗室;2012年05期

8 陳爾學;李增元;譚炳香;梁毓照;張則路;;高光譜數(shù)據(jù)森林類型統(tǒng)計模式識別方法比較評價[J];林業(yè)科學;2007年01期

9 呂紀榮;;基于小波分析和數(shù)學形態(tài)學相融合的高光譜數(shù)據(jù)去噪[J];激光雜志;2018年06期

10 王祥濤;馮燕;吳政;;高光譜數(shù)據(jù)分類新方法研究[J];計算機工程與應用;2010年10期

相關(guān)會議論文 前10條

1 郭宇龍;李云梅;;環(huán)境1號衛(wèi)星高光譜數(shù)據(jù)重建及其精度分析[A];第十七屆中國環(huán)境遙感應用技術(shù)論壇論文集[C];2013年

2 郭宇龍;李云梅;;環(huán)境一號衛(wèi)星高光譜數(shù)據(jù)重建及其精度分析[A];第十六屆中國環(huán)境遙感應用技術(shù)論壇論文集[C];2012年

3 李云梅;蔣建軍;韋玉春;;利用地面實測高光譜數(shù)據(jù)評價太湖富營養(yǎng)化狀態(tài)[A];第十五屆全國遙感技術(shù)學術(shù)交流會論文摘要集[C];2005年

4 曹揚;胡榮;金彬;張佩;;一種準確快速的高光譜數(shù)據(jù)光譜混合分析方法[A];第二屆高分辨率對地觀測學術(shù)年會論文集[C];2013年

5 楊仁忠;馬利春;石璐;王欣;;基于GPU的高光譜數(shù)據(jù)實時處理平臺結(jié)構(gòu)設計與分析[A];第二十五屆全國空間探測學術(shù)研討會摘要集[C];2012年

6 董廣軍;;PHI高光譜數(shù)據(jù)光譜重建及城市分類應用研究[A];第十五屆全國遙感技術(shù)學術(shù)交流會論文摘要集[C];2005年

7 楊浩;柳炳利;張二喜;郭科;;基于奇異值分解的巖心高光譜數(shù)據(jù)降噪研究[A];第十五屆全國數(shù)學地質(zhì)與地學信息學術(shù)研討會論文集[C];2016年

8 李英杰;薛勇;光潔;何興偉;梅林露;王穎;徐慧;艾建文;;環(huán)境小衛(wèi)星高光譜數(shù)據(jù)在氣溶膠定量反演及沙塵監(jiān)測中的應用初探[A];第十七屆中國遙感大會摘要集[C];2010年

9 張晟

本文編號：2792214