矿区土壤重金属Pb、Cd污染状况高光谱分类建模

论文摘要

针对矿区土壤重金属含量高度变异性及样本不均衡导致重金属污染状况分类误差较大的问题,本文在光谱预处理及光谱变换基础上,采用主成分分析(PCA)对光谱进行降维处理,并通过SMOTE算法生成虚拟样本均衡各污染等级样本,最后应用随机森林(RF)对Cd、Pb进行回归与分类。研究结果表明:定量反演重金属Pb、Cd含量精度很低;在定性分析试验中对降维前光谱样本应用SMOTE算法,土壤重金属Pb、Cd污染等级分类精度较原始样本分类精度均有较大提升,且少数类别误判率也降低明显。其研究为大面积监测矿区土壤重金属污染状况提供了一种有效、精确的方法。

论文目录

• 1 数据获取与预处理
•   1.1 土样及光谱采集
•   1.2 光谱数据预处理
•   1.3 污染评价等级指标
• 2 SMOTE算法
• 3 试验与分析
•   3.1 定量反演结果
•   3.2 定性分类结果
• 4 结语

文章来源

类型: 期刊论文

作者: 钱佳,郭云开,章琼,蒋明

关键词: 算法,高光谱,土壤重金属,随机森林,分类

来源: 测绘通报 2019年09期

年度: 2019

分类: 基础科学,工程科技Ⅰ辑

专业: 环境科学与资源利用

单位: 长沙理工大学交通运输工程学院,长沙理工大学测绘遥感应用技术研究所

基金: 国家自然科学基金(41671498,41471421)

分类号: X53;X87

DOI: 10.13474/j.cnki.11-2246.2019.0290

页码: 82-84+89

总页数: 4

文件大小: 406K

下载量: 293