基于高光谱的水体BOD含量模拟估算

高光谱技术由于满足连续性与光谱可分性的要求,具有能够区别同一种地物不同类别的能力,且光谱数据获取速度快,操作简易,在监测水体分布状况、水体指标上具有突出成就。生化需氧量BOD是评价水污染的重要指标,现行常规的测量方法为五日培养法,这种方法消耗试剂、操作复杂、受干扰因素多、测定时间长、不能及时反映水质变化、无法及时有效地预警突发水污染事件,鉴于传统方法的缺点,探索基于高光谱技术的水体BOD含量的估算和反演对水质评定具有重要意义。以西安地区三处地表水为研究区,共计60处试验点,每处试验点重复测定10次光谱与BOD值,取平均值作为原始光谱,利用Person相关系数法筛选光谱与BOD值的敏感波段,并使用主成分分析与最小二乘法消除光谱指标的多重共线性,建立水质BOD指标的多元线性回归模型与偏最小二乘回归模型。研究结果如下:(1)BOD敏感波段大体分布于600~900 nm,共筛选出了35个显著相关的原始光谱指标,其中758 nm相关系数绝对值最高(0.418);(2)经由主成分分析降维得出的Z_(1)和Z_(2)与BOD指标的多元线性回归模型精度较好(R^(2)=0.565,RMS E=0.007),且主成分分析中可以明显区分0~0.2与0.4~0.6 mol·L^(-1) BOD浓度;(3)光谱指标与BOD指标构建偏最小二乘回归模型的精度R^(2)高达0.896,RMSEP=0.7469(留一交叉法均方根误差);jack.test检验发现628 nm对反演水体BOD含量的影响极其显著,889与893 nm波段对其影响较为显著;(4)根据模型拟合精度,筛选的最优的BOD反演模型为偏最小二乘回归模型,对偏最小二乘模型进行精度检验,精度较好(R^(2)=0.81)。基于以上试验结果,提出了一种基于偏最小二乘法高光谱水质BOD参数的反演方法,为水质BOD参数动态检测提供了新方法。

基于高光谱的祁连山东段灌丛生物量估测模型构建

以青藏高原祁连山东段的优势灌丛金露梅(Potentilla fruticosa)、杜鹃(Rhododendron simsii)、高山柳(Salix cupularis)为研究对象,依据野外实地采集的植物高光谱数据和生物量数据,选取特征波段构建高光谱植被指数,利用单因素回归法分别建立了5种植被指数(NDVI、RVI、DVI、GNDVI、PRI)与生物量的4种估测模型(线性、指数、对数、多项式),并对模型的拟合效果进行精度验证。结果表明:灌丛生物量与NDVI和GNDVI的相关性较高(R^2>0.8),多项式模型拟合效果优于线性模型、指数模型、对数模型。利用GNDVI构建的高寒灌丛生物量的多项式拟合估测模型模拟精度最高,拟合效果最好,复相关系数R^2=0.884 9,为最优模型。构建高寒灌丛生物量估测模型,对准确估测青藏高原高寒灌丛的生物量具有重要的现实意义,同时可为青藏高原其他植物生物量的估测以及青藏高原的保护提供理论参考。

透射光谱的水体亚硝酸盐含量模拟估算

亚硝酸盐是水体中重要的必测指标之一,对于水体质量的评估有着重要意义。但传统的检测方法操作复杂、受干扰因素多、测定时间长、不能及时反映水质变化、无法及时有效地预警突发水污染事件。鉴于此,探索准确、实时、环保的环境水体和饮用水中的亚硝酸盐含量检测办法具有重要意义。采用优级纯试剂配制10种浓度的亚硝酸盐氮标准溶液(0.02,0.04,0.06,0.08,0.10,0.12,0.14,0.16,0.18和0.20 mg·L^(-1)),采用OCEAN-HDX-XR微型光纤光谱仪扫描10次各浓度亚硝酸盐溶液在181.1~1023.1 nm范围内的透射光谱,取平均值作为各浓度亚硝酸盐溶液原始透射光谱,之后以亚硝酸盐含量作为因变量,全波段原始透射光谱作为自变量,采用随机森林回归中特征变量重要性方法,筛选特征变量,再此基础上利用交叉验证法,挑选最为稳定的模型变量个数,建立亚硝酸盐优化随机森林反演模型。结果如下:(1)利用全波段建立的随机森林模变量解释率(var explained)=76.49%,均方残差(mean of squared residuals)=0.000688;(2)随机森林变量重要性方法筛选对亚硝酸盐反演的敏感波段,其中195.1 nm重要性值最高,并利用留一交叉法发现,当利用19个光谱特征变量时随机森林模型的均方根误差最低,以筛选光谱特征变量建立的优化随机森林变量解释率(var explained)=83.45%,均方残差(mean of squared residuals)=0.000552。变量筛选有效减少了光谱数据量,对优化模型的建立提供了基础;(3)对建立模型进行模型检验,其中全波段随机森林模型测试集R^(2)=0.8203,RMSE=0.03,检验集R^(2)=0.9793,RMSE=0.01,优化随机森林模型测试集R^(2)=0.8734,RMSE=0.022,检验集R^(2)=0.9798,RMSE=0.008,对比全波段随机森林模型与优化后随机森林模型后发现,优化随机森林模型测试集与检验集模型解释度、模型精度均要高于全波段随机森林模型,说明优化方法不仅可有效降低光谱维度,对于寻找亚硝酸盐光谱敏感波段,建立精度较高的亚硝酸盐反演模型有着积极意义。基于以上试验结果,提出了一种优化随机森林模型高光谱水质亚硝酸盐参数的反演方法,为水质亚硝酸盐参数动态检测提供了新方法。