隨著我國經(jīng)濟(jì)的不斷發(fā)展和工農(nóng)業(yè)水平的迅速提高,土壤重金屬污染問題日益突出,已成為近年來研究的熱點(diǎn)。重金屬污染已嚴(yán)重危及人類生命,其難降解、易積累、毒性大等特質(zhì),對(duì)作物生長、產(chǎn)量和品質(zhì)都有影響。傳統(tǒng)土壤重金屬監(jiān)測方法主要依賴實(shí)驗(yàn)室化驗(yàn),耗時(shí)耗力,而隨著高光譜遙感分析技術(shù)的發(fā)展,使得利用遙感技術(shù)定量估算土壤參數(shù)成為可能。針對(duì)目前高光譜土壤定量遙感領(lǐng)域出現(xiàn)特征波段選取不夠準(zhǔn)確,模型精度低,泛化能力弱等問題。論文選取江漢平原典型區(qū)域洪湖和大冶市的土壤為研究對(duì)象,共采集農(nóng)田區(qū)域(洪湖)和金屬礦區(qū)(大冶)土壤表層樣品總計(jì)92個(gè),大冶區(qū)域和洪湖區(qū)域光譜數(shù)據(jù)分別采用ASD Field Spec 3型地物光譜儀和SVC HR-1024型地物光譜儀測得,地物光譜儀波長范圍為350～2500 nm,并對(duì)土壤中重金屬砷(As)含量進(jìn)行分析測定,分別利用斯皮爾曼相關(guān)性分析(SCA)、穩(wěn)定競爭性自適應(yīng)重加權(quán)采樣(s CARS)、迭代和保留信息變量法(IRIV)、穩(wěn)定競爭性自適應(yīng)重加權(quán)采樣耦合斯皮爾曼特征提高算法(s CARS-SCA)、迭代和保留信息變量法耦合斯皮爾曼特征提高算法(IRIV-SCA)五種特征波段進(jìn)...

【文章頁數(shù)】：73 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 高光譜遙感簡介
        1.2.2 高光譜定量遙感技術(shù)在土壤參數(shù)預(yù)測中的應(yīng)用
        1.2.3 當(dāng)前研究存在的問題
    1.3 研究目的及內(nèi)容
        1.3.1 研究目標(biāo)、研究內(nèi)容
        1.3.2 技術(shù)路線
第2章 數(shù)據(jù)源與研究方法
    2.1 研究區(qū)
    2.2 土壤樣品采集
    2.3 土壤光譜數(shù)據(jù)采集
    2.4 土壤重金屬As含量測定
    2.5 特征波段選取方法
        2.5.1 斯皮爾曼相關(guān)分析(SCA)
        2.5.2 穩(wěn)定性競爭性自適應(yīng)重加權(quán)采樣(sCARS)
        2.5.3 迭代和保留信息變量法(IRIV)
    2.6 特征提高方法
    2.7 建模方法簡介
        2.7.1 偏最小二乘回歸
        2.7.2 支持向量機(jī)回歸
        2.7.3 梯度提升回歸樹
        2.7.4 XGBoost回歸
        2.7.5 模型精度評(píng)價(jià)指標(biāo)
第3章 特征波段選取
    3.1 數(shù)據(jù)分析處理方法
        3.1.1 異常樣本剔除
        3.1.2 邊緣光譜剔除
        3.1.3 樣本集劃分
    3.2 基于SCA特征波段選取
    3.3 基于sCARS算法特征波段選取
    3.4 基于IRIV算法特征波段選取
    3.5 耦合斯皮爾曼特征提高算法
    3.6 小結(jié)
第4章 土壤重金屬As含量模型構(gòu)建
    4.1 偏最小二乘回歸模型
    4.2 支持向量機(jī)回歸模型
    4.3 梯度提升回歸樹模型
    4.4 XGBoost回歸模型
    4.5 不同建模方法精度對(duì)比
    4.6 小結(jié)
第5章 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)
致謝
個(gè)人簡歷



本文編號(hào)：3866982