HHT时频分析土壤光谱的重金属铜离子污染信息提取模型

土壤中不同浓度Cu^(2+)含量映射到土壤光谱上的信息量十分微弱,并且这些高光谱数据中也存在着难以避免的噪声,因而本研究的关键是如何在土壤光谱复杂的噪声环境中提取微弱Cu^(2+)信息。经验模态分解算法(EMD)能够有效去除高光谱数据中的噪声,且EMD是Hilbert变换对"非线性非稳定"信号时频分析的前提,当引入Huang变换后,可利用Hilbert-Huang变换(HHT)模型时频分析高光谱数据以实现降噪处理与信息提取。通过时频的HHT分析不同浓度Cu^(2+)污染下的土壤光谱,完成从原始光谱经EMD分解出各本征模态函数(IMF)分量的包络线、调制信号和频谱等曲线中挖掘土壤光谱的Cu^(2+)污染信息。研究结果表明,相同浓度Cu^(2+)污染时的土壤光谱HHT时频分析结果相同,不同浓度时则不同,所以也可依据IMF分量反演土壤Cu^(2+)含量。因此,高光谱数据的HHT时频分析能为土壤光谱的信息挖掘、光谱诊断和Cu^(2+)含量反演等提供一种新的方法和思路。

基于VMD-MSE的玉米铜污染信息提取与预测模型

重金属污染会引起作物光谱畸变,本文通过挖掘光谱信息中微弱的畸变信息诊断玉米受污染程度。将变分模态分解(VMD)运用到高光谱弱信息探测中,并结合多尺度熵(MSE)构建VMD-MSE光谱弱信息探测模型,同时利用模型值VM进行Cu2+含量回归分析与建模。结果表明:对原始光谱数据进行3次VMD分解后,可有效提取光谱奇异特征;计算VMD结果的MSE值,可获取5个尺度的模型值。各尺度模型值VM与玉米叶片中Cu2+含量呈现显著负相关,其中第一尺度模型值(VM1)与叶片中Cu2+相关性最好。对各尺度VM构建的Cu2+含量预测模型应用结果进行比较,证明VM1线性回归模型预测效果最优。表明VMD-MSE模型可为作物污染信息提取、污染诊断及Cu2+含量预测提供思路与方法。