基于不同光谱变换的土壤铬含量反演研究

2019-10-14

福建质量管理 2019年17期

(成都理工大学管理科学学院四川成都 610059)

一、概述

本文对401～2450nm波段范围内的土壤光谱曲线进行微分、倒对数、平方根等8种光谱变换，采用相关系数法筛选土壤光谱曲线中铬含量的敏感波段，利用偏最小二乘回归(Partial Least Squares Regression，PLSR)进行定量反演并对其评价，从而找出适合研究区铬含量的最优反演模型，为快速监测该地区铬的含量提供依据。

二、光谱变换

光谱变换作为光谱特征提取方法之一，可以降低环境背景的影响，检查光谱与含量之间是否存在非线性关系，其中微分、倒对数、平方根变换最为常见。

(一)一阶微分和二阶微分

光谱微分技术在降低光谱曲线背景干扰，提高与含量之间的线性相关程度反面有不俗的表现。公式如下：

(二)倒对数

对原始光谱反射率先求倒数，再进行对数变换，可以有效增强相似光谱之间的差别。公式如下：

(三)平方根

对原始光谱数据求平方根，公式如下：

三、实验分析

本次实验一共有59个样本，为保证实验结果的随机性，随机按3：1的比例划分建模样本与验证样本。对建模样本和对应的铬含量进行相关性分析，分别选取相关系数较大且不相邻的5个波段作为自变量，对应铬含量为因变量，建立PLSR模型，并采用调整决定系数Ad-R2、均方根误差RMSE、相对分析误差RPD来评价模型的精度与稳定性，通过F检验来判定数据总体是否符合线性正态误差模型，结果见表1。

表1 基于相关系数法的光谱变换PLSR模型参数

注：(1)在表1中，出现了调整决定系数Ad-R2为负值的情况，是由于在使用多元回归分析时，当模型中所使用的解释变量较多，而样本量不足时，对解释变量过多带来的惩罚就会很重，从而调整决定系数出现负值。(2)**表示回归模型的线性关系达到Ad-R2显著水平。

结果表明各光谱变换与铬含量相关系数较大的波段大多集中在1420、1920、2210、2425nm附近，且所有模型的线性关系检验均达到P<0.01显著水平。对原始反射率进行倒对数、平方根变换几乎不能提高模型的拟合效果。但是，对原始反射率进行一阶微分、二阶微分等其余6种变换，能够在不同程度上提高模型的拟合效果。从模型的评价参数可以看出，平方根一阶微分模型效果最好，其建模样本和验证样本的调整决定系数为0.61、0.60，均方根误差为3.23、3.69mg/kg，相对分析误差为2.05，且能对研究区土壤铬含量进行准确预测。具体模型如下：

Y=59.45+31472.28X1425-7631.25X1908-11074.42X1399

-28240.27X803-15496.67X1007

其中，Y为铬含量，X1425、X1908、X1399、X803、X1007分别为以1425、1908、1399、803、1007nm为中心波长处的土壤光谱原始反射率的平方根一阶微分。