农业环境科学学报

作者：尚相春,金倩,杨可明,高伟,吴兵

单位：淮北矿业股份有限公司孙疃煤矿, 安徽 淮北 235000,河北省矿产资源与生态环境监测重点实验室, 河北 保定 071051,中国矿业大学(北京)地球科学与测绘工程学院, 北京 100083,中国矿业大学(北京)地球科学与测绘工程学院, 北京 100083,中国矿业大学(北京)地球科学与测绘工程学院, 北京 100083

关键词：高光谱,重金属污染,种类判别,玉米叶片,

基金：淮北矿业企业委托项目（2020-117）；中央高校基本科研业务费专项（2022JCCXDC01，2022YJSDC22）；国家自然科学基金项目（41971401）

为判别作物中的重金属污染种类，开展了 Pb、Cu 胁迫下的典型作物（玉米）培育实验，获取了作物叶片的高光谱数据与Pb、Cu污染信息。首先对光谱进行分数阶、整数阶导数变换，而后利用差值比光谱指数构建特征参量以组成Pb、Cu污染种类判别特征（DFLCPT），最终基于DFLCPT数据构建了用于作物Pb、Cu污染种类判别的随机森林分类（RFC）、K-最邻近分类（KNNC）、支持向量机分类（SVC）、高斯过程分类（GPC）模型。结果表明：在依托多种导数光谱构建的差值比光谱指数（DRSI）中，以0.9阶导数光谱为基准的 DRSI[2 412，1 223，636]与样本 Pb、Cu 污染种类的相关系数绝对值最大，为 0.764 1；在依托多维度 DFLCPT（DFLCPTnD）建立的 SVC、RFC、KNNC、GPC玉米 Pb、Cu污染种类判别模型中，RFC模型的效果优于 SVC、KNNC、GPC模型，其在训练集与验证集中取得的最高正确率均为100%，精度较好，稳定性较强。研究表明，依托DFLCPT的模型在Pb、Cu污染种类判别中达到了预期效果，可为大规模的作物重金属污染种类判别提供一定的技术支撑。

来源：2023年第1期

《农业环境科学学报》期刊编辑部

查看农业环境科学学报杂志2023年第1期