结合光谱变换与机器学习算法,从机载高光谱数据中定量反演土壤总氮含量
《Environmental Research》:Quantitative retrieval of soil total nitrogen content from airborne hyperspectral data combining spectral transformations and machine learning algorithms
【字体:
大
中
小
】
时间:2026年08月06日
来源:Environmental Research 8.2
编辑推荐:
摘要:土壤总氮在矿区养分循环和生态系统恢复中起着至关重要的作用。准确监测复垦土壤中的总氮含量对于评估土壤肥力及指导生态修复工作至关重要。与化学分析相比,高光谱技术能够快速且无损地预测土壤的物理化学性质。然而,多种光谱变换方法、光谱指数以及建模算法的存在,给确定总氮反演的最佳组合带
摘要:土壤总氮在矿区养分循环和生态系统恢复中起着至关重要的作用。准确监测复垦土壤中的总氮含量对于评估土壤肥力及指导生态修复工作至关重要。与化学分析相比,高光谱技术能够快速且无损地预测土壤的物理化学性质。然而,多种光谱变换方法、光谱指数以及建模算法的存在,给确定总氮反演的最佳组合带来了挑战。本研究旨在为中国内蒙古哈儿乌素露天煤矿的废石场构建一种用于预测总氮浓度的最优高光谱模型。研究收集了机载高光谱数据及66份土壤样本,采用了多元散射校正、标准正态变量法、一阶导数法和二阶导数法四种光谱变换方法来增强光谱特征。从处理后的光谱中构建了比率指数、差值指数、乘积指数、总和指数、归一化差异指数和逆差异指数六类光谱指数,并通过两阶段特征选择方法来确定最优的光谱指数。此外,还运用反向传播神经网络、极限学习机、支持向量机和随机森林四种回归算法来建立总氮反演模型。研究结果表明,光谱变换有效增强了总氮与光谱之间的关联,其中标准正态变量法与总氮的相关性最高;在各光谱指数中,差值指数对总氮变化的敏感度最强;而在各类建模方法中,随机森林的预测精度最高。标准正态变量法与随机森林相结合的模型取得了最佳的估算效果(R2=0.840,RMSE=0.112,MAE=2.516)。这些研究结果凸显了高光谱技术在高效精准监测矿区复垦土壤总氮含量方面的潜力,为土壤质量评价提供了重要的技术依据。
引言:煤炭作为一种基础能源,在保障国家能源安全、推动工业化进程以及促进经济社会发展方面发挥着不可替代的作用(Wang等人,2021;Xie等人,2019)。长期以来,煤炭开采不仅有效缓解了能源供需矛盾,促进了区域经济发展和社会繁荣,还为相关产业链的延伸奠定了物质基础。然而,大规模高强度的煤炭开采在带来经济利益的同时,也导致了严重的生态退化以及土地资源的破坏(Wang等人,2013;Xu等人,2013)。矿区废石场中的土壤往往存在物理化学性质恶化及养分流失的问题。氮作为维持生态重建和养分循环的关键元素,对植被的生长潜力及生态系统稳定性具有决定性作用(Yang等人,2020;Zhao等人,2023)。因此,准确监测矿区废石场中的土壤总氮含量,不仅有助于评估土壤肥力和生态修复效果,还能为制定科学的修复策略以及推动矿区的可持续利用提供依据。
目前,测定土壤总氮的传统方法主要依赖于实验室内的化学分析。尽管这些方法能够获得非常精确的结果,但存在操作复杂、处理周期长、成本高昂以及空间代表性差等局限性,难以满足大规模快速监测的需求(He等人,2015;Subi等人,2024)。相比之下,高光谱遥感技术凭借其连续且高分辨率的光谱信息,能够敏锐捕捉土壤成分的细微变化,已被广泛用于土壤物理化学性质的反演研究,包括土壤有机质、有效磷、锌和铬等的反演(Sawut等人,2018;Wang等人,2024;Wu等人,2018)。这些研究充分展现了高光谱数据在定量土壤分析方面的巨大潜力。不过,针对矿区废石场中土壤总氮的高光谱反演研究仍然较少,且目前尚未确定最优的光谱变换技术与时序建模方法的组合方式。
土壤的光谱反射率与其物理化学性质密切相关。氮含量的变化会改变特征波长的吸收强度,进而影响光谱曲线的整体形态(Dalal和Henry,1986)。因此,有效抑制背景噪声并增强对氮敏感的光谱信息,对于提高反演精度至关重要。为此,研究人员开发了多种光谱变换技术,旨在减轻噪声和散射效应,从而增强光谱特征与土壤属性之间的相关性(Amigo等人,2015;Rezaei等人,2008;Zhu等人,2002)。这些方法能够有效校正散射伪影,平滑光谱曲线,并放大微弱的吸收特征(Barnes等人,2016;Chu,2004;Schafer,2011)。此外,光谱指数也被广泛用于提取能够反映特定土壤成分光谱响应的特征变量。通过结合多个波段,这类指数能够提升氮含量预测的灵敏度和稳定性(Kumar等人,2015;Li和Tian,2024)。与此同时,机器学习技术的快速发展进一步提升了高光谱反演建模的水平(Jafarzadeh等人,2016;Liu等人,2024;Tziachris等人,2019)。与线性模型相比,机器学习算法更能捕捉光谱数据与土壤性质之间的复杂非线性关系。
由于光谱变换方法和反演模型种类繁多,不同组合在不同地区、不同土壤类型以及不同数据条件下的性能差异较大,仅凭现有文献很难确定最优配置。因此,寻找最有效的光谱变换与反演模型组合,已成为提高反演精度的关键挑战和研究热点。本研究利用机载高光谱数据,对中国内蒙古哈儿乌素露天煤矿的废石场中的总氮含量进行了反演研究,具体目标如下:(1)比较多元散射校正、标准正态变量法、一阶导数法和二阶导数法四种光谱变换方法在总氮反演中的应用效果;(2)基于不同的光谱变换方法构建六类光谱指数,并确定最优指数作为特征变量;(3)系统评估并比较反向传播神经网络、极限学习机、支持向量机和随机森林四种模型在预测总氮含量方面的性能,重点分析不同光谱-模型组合的精度差异,从而确定最优的反演策略。本研究旨在为矿区废石场中总氮含量的高精度快速监测提供理论支持和技术指导,为土地复垦区域的土壤质量评估及生态修复管理提供有价值的参考。
研究区域:本研究区域位于中国内蒙古哈儿乌素露天煤矿内,其经度范围为111°12′6″ - 111°14′45″,纬度范围为39°43′30″ - 39°45′2″(见图1),海拔高度在1054米至1193米之间。该地区属于典型的温带大陆季风气候,阳光充足,季节变化明显。冬季漫长且寒冷,常伴有强风和低温,而夏季则短暂且炎热,昼夜温差较大。
光谱变换前后的特征分析:图4展示了原始光谱及其变换后的版本。原始光谱的反射率总体呈上升趋势。在可见光范围内,由于土壤有机质和氧化铁的影响,反射率相对较低;而在近红外范围内,反射率显著升高并且趋于平稳,这反映了土壤的质地、结构以及含水量等特性。
光谱变换的必要性:为了具体说明辐射校正在消除地形照明影响方面的关键作用,我们将最优反演框架(SNV-RF模型)应用于未经校正的高光谱数据进行对比。如表2所示,该模型出现了严重的过拟合现象。
结论:高光谱遥感技术在快速准确地估算矿区复垦土壤中的总氮含量方面展现出巨大潜力。本研究通过结合机载高光谱数据与机器学习模型,为中国内蒙古哈儿乌素露天煤矿废石场中的总氮浓度建立了可靠的估算框架。主要结论如下:(1)光谱变换能够有效减少噪声干扰,提升……
CRediT作者贡献声明:赵一博:撰写——初稿、可视化、验证、软件、方法论、研究、正式分析、数据整理;雷绍刚:撰写——审阅与编辑、监督、项目管理、资金获取、概念构思。
未引用参考文献:Chu,2004;Liu等人,2024;Petkovi?等人,2016;Schafer,2011;Tobler,1970;Wang等人,2024;Wang等人,2021;Wu等人,2013;Zhao等人,2023。
利益冲突声明:? 作者声明不存在任何可能影响本文研究工作的已知财务利益或个人关系。
致谢:本研究得到了中国国家重点研发计划(项目编号:2023YFF1306005)和中国国家自然科学基金(项目编号:52394193)的支持。
赵一博|雷绍刚
中国矿业大学露天煤矿灾害防治与生态保护国家重点实验室,徐州221116,中国
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号