基于铁氧化物特征光谱和改进遗传算法反演土壤Pb含量

来源：农业工程学报杂志2020年第16期北京时间：

作者：张霞,王一博,孙伟超,黄长平,张茂,

摘要：近年来，高光谱的快速发展使野外实时监测土壤重金属含量成为可能。然而高光谱分辨率数据在提高信息量的同时也造成了信息冗余，该研究针对光谱冗余问题，提出一种基于铁氧化物特征光谱和改进遗传（Improved Genetic Algorithm，IGA）特征优选算法的反演方法：依据Pb在土壤中的吸附机理，提取土壤光谱中的铁氧化物特征谱段用于Pb含量反演，减少数据冗余的同时提高方法的机理性。改进遗传算法解决传统遗传算法（Genetic Algorithm，GA）"过早收敛"的问题，增强算法的有效光谱的提取能力。使用雄安新区农田野外土壤样本构建偏最小二乘回归模型（Partial Least Square Regression，PLSR）反演土壤Pb含量，研究表明：相对于全谱段建模，基于铁氧化物特征谱段的IGA-PLSR模型的R2和RPD分别提升了0.397、1.037，RMSE下降了1.958 mg/kg；改进后的IGA-PLSR在运行初期能够跳出局部解区域寻找更加有效的光谱波段组合，平均的R2、RPD分别为0.822、2.377，RMSE为2.221 mg/kg，相对于传统GA-PLSR算法的精度（平均R2、RPD为0.782、2.117，RMSE为2.487 mg/kg）有显著提升。该研究表明，从反演机理和波段选择算法两方面提出的反演方法有利于提高土壤Pb含量的估算精度。该研究为雄安地区农田土壤Pb含量的高光谱估算提供了参考。

关键词：土壤, 反演, 高光谱, 重金属, 特征选择, 光谱分析