文 兵

(成都理工大學(xué)，四川 成都 610000)

1 建模數(shù)據(jù)的獲取

土壤重金屬反演的基本數(shù)據(jù)包括土壤的光譜數(shù)據(jù)和地球化學(xué)分析數(shù)據(jù)。地球化學(xué)分析數(shù)據(jù)一般是采集地面樣本點(diǎn)的表層土壤，然后對(duì)土壤樣本的化學(xué)成分進(jìn)行檢測(cè)，進(jìn)而得到土壤各元素含量數(shù)據(jù)。光譜數(shù)據(jù)來(lái)源主要可分為兩方面，地面波譜測(cè)試儀和機(jī)載、星載遙感測(cè)量波譜儀。目前地面波譜儀最常用的儀器是美國(guó) ASD公司(Analytic Spectra Devices)的系列產(chǎn)品。而機(jī)載、星載傳感器是各國(guó)發(fā)射的一些列高空間和高分辨率衛(wèi)星傳感器。

2 光譜數(shù)據(jù)的預(yù)處理

在建模之前我們一般會(huì)對(duì)光譜數(shù)據(jù)預(yù)處理，進(jìn)行一些變換，如對(duì)數(shù)、倒數(shù)對(duì)數(shù)、一階微分、二階微分、連續(xù)統(tǒng)去除、連續(xù)小波變換等方法。用這些方法對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理是為了光譜平滑、消除了噪聲和基線漂移，并且還突出了光譜特征波段的位置。

3 建模波段選擇

在建模之前，首先必須選擇最佳波段進(jìn)行反演。最佳波段的選擇問(wèn)題一般采用診斷指數(shù)法，就是判斷光譜反射率與重金屬元素或者間接物質(zhì)的相關(guān)性，在這其中最常見(jiàn)的就是皮爾遜相關(guān)系數(shù)法。

4 常見(jiàn)建模方法

當(dāng)前，運(yùn)用土壤反射和輻射光譜來(lái)預(yù)測(cè)重金屬含量，通常采用經(jīng)驗(yàn)?zāi)Ｐ偷姆椒?。?jīng)驗(yàn)?zāi)Ｐ偷某Ｓ媒７椒ò▎巫兞炕貧w，主成分回歸，多元逐步線性回歸，偏最小二乘回歸，人工神經(jīng)網(wǎng)絡(luò)回歸等。

單變量統(tǒng)計(jì)分析主要選擇土壤重金屬含量與光譜反射率之間相關(guān)性最大的譜帶，以建立預(yù)測(cè)模型。有2種方法：一種是直接單波段分析方法；另一種是直接單頻帶分析方法。

主成分回歸是一種分析多元共線性問(wèn)題的方法。將光譜數(shù)據(jù)轉(zhuǎn)換為主要成分負(fù)荷矩陣和得分矩陣，提取獨(dú)立變量以建立回歸方程，模型的準(zhǔn)確性取決于均方根誤差大小。

多元逐步回歸方法是通過(guò)雙向過(guò)濾引入了有意義的變量，并刪除了無(wú)意義的變量。它通常用于識(shí)別某些物質(zhì)敏感的波段，然后通過(guò)物質(zhì)的含量與其反射率之間的相關(guān)性估算出研究區(qū)該物質(zhì)的含量分布。

偏最小二乘回歸集成了多元線性回歸分析、典型相關(guān)分析和主因子分析的特點(diǎn)，因此廣泛用于光譜數(shù)據(jù)處理。偏最小二乘回歸方法克服了多元線性回歸分析面臨的多重共線性問(wèn)題，可以更有效地提取光譜信息，因而用它得到的反演模型更加準(zhǔn)確。

人工神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)要表達(dá)的任何內(nèi)容。它具有一定的自學(xué)習(xí)、自組織和自適應(yīng)能力，強(qiáng)大的容錯(cuò)能力，信息的分布式存儲(chǔ)和并行處理以及強(qiáng)大的非線性逼近能力。

由于高光譜數(shù)據(jù)具有內(nèi)部相關(guān)性較高的海量光譜數(shù)據(jù)，因此多元線性回歸和主成分回歸方法在重金屬含量反演建模中并不適用。偏最小二乘回歸方法可以在海量波段和自相關(guān)嚴(yán)重的情況下進(jìn)行回歸建模，較好地解決了多重共線性問(wèn)題，更適合重金屬含量反演。另外，神經(jīng)網(wǎng)絡(luò)技術(shù)、遺傳算法和支持向量機(jī)等方法的發(fā)展，將促進(jìn)重金屬含量反演技術(shù)的發(fā)展。

5 結(jié)論

目前，在土壤重金屬反演研究中，線性偏最小二乘回歸是應(yīng)用最廣泛的方法。各種非線性機(jī)器語(yǔ)言反轉(zhuǎn)方法如神經(jīng)網(wǎng)絡(luò)等方法仍在探索中。目前土壤重金屬建模方向存在的問(wèn)題如下。

(1)建模方法相對(duì)單一，通常是單個(gè)線性或非線性模型，亦或是它們的組合，這些數(shù)學(xué)模型不具有通用性。今后的發(fā)展可以考慮將環(huán)境因素融入模型使它具有通用性。

(2)土壤重金屬污染元素類(lèi)型很多，單獨(dú)研究這些元素與光譜關(guān)系通常得不到較好結(jié)果。如果將土壤的成分與光譜進(jìn)行分析將有更好的反演模型。

(3)目前對(duì)光譜中有效信息提取的方法不夠成熟，在建模過(guò)程中模型很容易被光譜噪聲干擾。

(4)土壤重金屬反演的基本機(jī)理?xiàng)l件尚未明確。今后土壤重金屬反演的發(fā)展方向，多開(kāi)發(fā)利用一些非線性數(shù)學(xué)分析方法，如支持向量機(jī)；將線性和非線性方法相結(jié)合，將提升對(duì)土壤中金屬含量的預(yù)測(cè)精度。利用AI人工智能和大數(shù)據(jù)算法對(duì)高光譜影像提出新的更有效的反演方法，研究重金屬定量反演的物理機(jī)理也是一個(gè)熱點(diǎn)方向。