[发明专利]一种基于高斯过程回归的航空高光谱影像土壤重金属浓度评估方法

说明书

本发明属于土壤环境监测与评价领域，具体涉及一种基于高斯过程回归的航空高光谱遥感技术针对于土壤重金属浓度评估方法。该方法包括：1)采集研究区土壤样本，测定重金属浓度；2)获取研究区成像光谱数据；3)将成像光谱数据转换为成像反射率数据；4)将成像反射率数据通过混合像元分解方法提取得到研究区土壤分布图，获得仅具有土壤属性的成像反射率数据；5)利用高斯过程回归方法针对测定的重金属浓度和仅具有土壤属性的成像反射率数据进行建模；6)将获得的成像反射率数据输入建立好的模型，得到研究区内土壤重金属浓度的预测值。本方法具有非接触性、大范围连续地理空间、快速高效进行土壤重金属浓度评估的特点。

技术领域

发明涉及土壤环境监测与评价领域，具体涉及一种基于高斯过程回归的航空高光谱影像土壤重金属浓度评估方法。

背景技术

近年来，我国环境污染问题持续严重，为了更加高效的对土壤中重金属浓度进行监测评估，通过新技术新方法对土壤重金属浓度进行监测很有必要。传统土壤重金属浓度监测方法为野外土壤采样进行实验室化验测定，这种方法过于耗时耗力，而且获取的土壤重金属为点状信息，即使通过地理学空间插值方法也无法得到可信度较高的面状信息，不能对区域内连续地理空间进行分析判断。

常用的土壤重金属含量估算建模算法有偏最小二乘回归(PLS)、多元线性回归(MLR)等。其中偏最小二乘是土壤重金属含量估算建模中使用最广泛的算法。目前，土壤重金属相关研究较多针对地面实验室光谱进行分析，而基于成像高光谱遥感进行土壤重金属含量估算研究极少，原因是航空成像高光谱数据本身特点与地面实验室光谱数据特性差异较大，使得室内光谱得到的结论不能简单迁移至成像高光谱研究，从而一定程度限制了高光谱遥感在土壤重金属含量估算与制图中的应用。

中国专利申请号201710900422.8，申请日为2017年9月28日的申请案公开了基于无人机高光谱反演土壤中重金属污染监测方法，其监测方法的具体步骤如下：现场采样；样本预处理；使用X射线荧光分析仪采集样本的重金属污染源的主要研究元素的含量；利用地物光谱仪采集样本的实验室高光谱反射率；对原始光谱反射率数据分别进行数据处理；对使用偏最小二乘回归算法分别将已经测得的主要研究元素的含量分别与实验室高光谱原始反射率数据、倒数、对数、一阶微分以及二阶微分数据进行相关性分析并对模型进行验证优化，获得最优的变换方法，使用搭载高光谱成像光谱仪的无人机采集研究区高光谱反射率数据作为待测数据，大面积反演重金属含量。上述方法中X射线荧光分析仪所测定的土壤重金属浓度的精确度远远达不到数据分析的精度要求，同时，该方法虽然可以一定程度上服务于土壤重金属空间分布制图，但基于旋翼的无人机高光谱数据获取能力较低，无法大范围应用；且其数据分析方法过于传统，也未给出实例验证结果。重金属的特征波段之间存在非线性空间关系，传统的偏最小二乘方法在面对大范围研究区域时所产生的空间异质性问题不能有效的克服。

如中国专利申请号201710640033.6，申请日为2017年12月25日的申请案公开了获取待测土壤的高光谱遥感的反射率光谱；根据所述反射率光谱，获取与所述待测重金属类别对应的预设波段的反射率；根据所述反射率，利用预先建立的土壤重金属含量估算模型计算土壤中待测重金属的含量。其利用反射率光谱中的预设波段(土壤中用于吸附和固定所述待测重金属的活性物质的特征光谱的敏感波段)的反射率计算土壤中待测重金属的含量，可以得到高精度的土壤重金属含量，减少波段冗余。该专利为室内分析结果，野外大范围推广应用还有待验证。

高斯过程回归(Gaussian Process Regression,GPR)是使用高斯过程(GaussianProcess,GP)先验对数据进行回归分析的非参数模型(non-parameteric model)。GPR在各类低维的回归问题中均可应用，尤其是时间序列数据的预测，包括冒纳罗亚观测站的全球对流层平均二氧化碳浓度、风速、土壤温度、太阳辐射的有关变量等。上述属于时间序列数据的预测，而将GPR用于高光谱影像在空间维和光谱维的多特征数据评估土壤重金属浓度目前未有文献报道。

发明内容

1.要解决的问题