錳、鈾礦資源的開發(fā)不當(dāng)造成土壤污染,并危害人類健康,因此對(duì)錳、鈾污染的土壤進(jìn)行監(jiān)測(cè)有重要意義。傳統(tǒng)監(jiān)測(cè)方法主要為化學(xué)測(cè)試,該方法較為耗時(shí),而高光譜遙感改善了這一狀況。對(duì)未受污染的土樣添加金屬錳(濃度800-9600mg/kg)、鈾(濃度25-800mg/kg),待螯合數(shù)月后采樣,通過地物波譜儀PSR-2500獲取土樣反射光譜。光譜平滑后使用微分變換、倒數(shù)對(duì)數(shù)變換方法凸顯土壤光譜有效信息,獲取光譜特征參數(shù)。利用Pearson法,計(jì)算土壤光譜與錳、鈾含量間的相關(guān)系數(shù)。選取土壤光譜的特征波段與土壤特征參數(shù)作為解釋變量進(jìn)行光譜建模反演,并構(gòu)建土壤光譜庫(kù)。主要研究成果如下:(1)受錳污染土壤光譜反射率介于5%-40%,在400-900nm波段,土壤反射率隨錳濃度升高而降低,當(dāng)濃度達(dá)到4800mg/kg的反射率最低,濃度繼續(xù)提高后,反射率回升。受鈾污染土壤光譜反射率介于5%-35%,在400-900nm波段,土壤的反射率隨鈾濃度提高而降低,當(dāng)鈾濃度約275mg/kg時(shí)土樣光譜反射率最低;在900-2500nm區(qū)間內(nèi),未受污染的土樣反射率最高,受鈾污染后,反射率隨著濃度的增加逐漸降低,當(dāng)鈾濃度為375mg/kg時(shí)土樣光譜反射率最低。(2)平滑后的光譜經(jīng)一階微分變換,錳污染下的特征波段集中在420-610nm、660-960nm、1032-1421nm、2147-2230nm;鈾污染下的特征波段多位于440-830nm和紅外波段。光譜經(jīng)二階微分變換,錳污染下的特征波段分布在全波段;鈾污染下的特征波段分布在350-420nm、1408nm、2130nm附近。光譜經(jīng)倒數(shù)對(duì)數(shù)變換,錳污染下的特征波段在380-980nm、1635-2360nm、2530nm;鈾污染下的特征波段多在330-400nm、510-2535nm。錳污染下通過p=0.05檢驗(yàn)的光譜特征參數(shù)是土壤吸收谷寬度、深度、面積、藍(lán)邊峰值;鈾污染下通過p=0.05檢驗(yàn)的參數(shù)是吸收谷深度、位置和面積。(3)運(yùn)用多元線性回歸分析、神經(jīng)網(wǎng)絡(luò)模型建立土壤光譜與土壤錳、鈾元素含量間關(guān)系模型。結(jié)果表明:錳元素含量最佳反演模型是光譜二階微分變換后的神經(jīng)網(wǎng)絡(luò)模型,R~2為0.966,RMSE為0.488。鈾元素含量最佳反演模型是光譜一階微分變換后的神經(jīng)網(wǎng)絡(luò)模型,R~2為0.956,RMSE為0.142。(4)建立實(shí)驗(yàn)土壤光譜庫(kù),其中包含了不同濃度錳、鈾污染下的土壤光譜曲線。論文成果能夠擴(kuò)寬礦區(qū)土壤錳、鈾含量監(jiān)測(cè)渠道。
【學(xué)位單位】：西南科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：X753;X53;X87
【部分圖文】：

土壤光譜測(cè)量示意圖

西南科技大學(xué)碩士學(xué)位論文2.2.1 平滑處理通過平滑處理來獲取高訊噪比的光譜是一種成熟手段。平滑是在目標(biāo)點(diǎn)的一定誤間范圍內(nèi)獲取多個(gè)點(diǎn)進(jìn)行平均，進(jìn)而降低 鋸齒 發(fā)生[36]。平滑的方法有多種，針對(duì)不同情況有不同的平滑方法。如臨近均勻法是運(yùn)算目標(biāo)學(xué)平均值；圖像平滑濾波算法（SG 平滑）-（Savitzky-Golay）是多項(xiàng)式回歸數(shù)據(jù)保存原特征；百分位濾波器是用分位值來代表原數(shù)據(jù)，它多用于電信號(hào)平滑；本文采用 SG 平滑，在 SG 濾波需要設(shè)置適合的點(diǎn)數(shù)及擬合次數(shù)，取平滑點(diǎn)數(shù)越光譜曲線越平滑，但同時(shí)會(huì)損失部分信息，本研究采用基于 5 窗口點(diǎn)不設(shè)邊界條二次多項(xiàng)式平滑，在 Origin 2017 行處理。土樣光譜曲線平滑前后的圖 2-3。

圖 3-4 吸收深度和面積示意圖波長(zhǎng)位置， s表示吸收始點(diǎn)處的波長(zhǎng)， e表： D 1 R' 深度， 'R 是去包絡(luò)線后的光譜值， 是波長(zhǎng)特征明顯的 420-430nm 區(qū)間的特征吸收谷，計(jì)大小，是由谷寬度和深度微積分運(yùn)算得到。響下的土壤光譜特征分析壤的吸收深度和吸收面積特征變量分析結(jié)果如表土壤、800mg/kg、1600mg/kg、3200mg/kg、4800參數(shù)特征的平均值。表 3-1 錳污染下的土壤特征參數(shù)表深度 谷寬度 吸收面積 吸收斜率 藍(lán)邊位置 30 158.577 99.927 -0.007 368.702
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 沈金祥;陳曦;楊遼;包安明;吳曉波;王杰;;基于影像光譜庫(kù)的遙感波段模擬方法研究[J];光譜學(xué)與光譜分析;2011年09期

2 姜訓(xùn)鵬;楊增玲;劉賢;韓魯佳;;肉骨粉顯微近紅外標(biāo)準(zhǔn)光譜庫(kù)的快速構(gòu)建方法[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2012年07期

3 李文霞;朱妙飛;陳勇;;DAD光譜庫(kù)在中成藥非法添加化學(xué)成分檢測(cè)中的應(yīng)用[J];中國(guó)藥師;2011年03期

4 萬余慶,張鳳麗,閆永忠;礦物巖石高光譜數(shù)據(jù)庫(kù)分析[J];地球信息科學(xué);2001年03期

5 王亞軍;藺啟忠;王欽軍;李帥;;應(yīng)用區(qū)域光譜庫(kù)及分段濾波方法改進(jìn)礦物識(shí)別精度的研究[J];光譜學(xué)與光譜分析;2012年08期

6 Ronald A.Holser;Samanth A.Hawkins;張彩鳳;;用紅外光譜檢測(cè)禽飼料中脂質(zhì)添加物[J];飼料與畜牧;2012年10期

7 孫中愛;纖維鑒別新方法(續(xù)二)[J];纖維標(biāo)準(zhǔn)與檢驗(yàn);1997年03期

8 張桂華;劉玉偉;;紫外光譜法在毒物分析中的應(yīng)用[J];光譜儀器與分析;1995年Z1期

9 方鳳;粟暉;姚志湘;陳成;梁曉梅;黃麗梅;;采用向量扣減方法分析化妝品中對(duì)羥基苯甲酸酯[J];分析測(cè)試學(xué)報(bào);2013年06期

10 黃婷婷;韋志輝;修連存;吳澤彬;;基于吸收峰加權(quán)的巖礦光譜匹配方法研究[J];巖礦測(cè)試;2011年05期

相關(guān)博士學(xué)位論文 前1條

1 孫樂;空譜聯(lián)合先驗(yàn)的高光譜圖像解混與分類方法[D];南京理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 趙浩舟;錳鈾污染土壤反射光譜特征及其含量反演研究[D];西南科技大學(xué);2019年

2 劉小珊;土壤二向反射特性研究與標(biāo)準(zhǔn)光譜庫(kù)的應(yīng)用[D];華中農(nóng)業(yè)大學(xué);2015年

3 王乾龍;基于土壤可見—近紅外光譜庫(kù)的土壤全氮預(yù)測(cè)建模研究[D];浙江大學(xué);2015年

4 葛魏東;基于光譜庫(kù)的空譜聯(lián)合高光譜稀疏解混方法研究[D];南京信息工程大學(xué);2017年

5 吳健康;基于稀疏表示的高光譜圖像解混研究[D];西安電子科技大學(xué);2014年

6 王玉;基于時(shí)序光譜庫(kù)的棉花種植面積信息提取研究[D];中國(guó)地質(zhì)大學(xué)（北京）;2013年

7 李丹;基于稀疏表示的高光譜圖像解混算法研究[D];北方民族大學(xué);2017年

8 丁新峰;基于高光譜成像技術(shù)的文物顏料研究[D];北京建筑大學(xué);2015年

9 丁玲;基于光譜指數(shù)的喀斯特石漠化地物覆蓋度信息提取研究[D];山東科技大學(xué);2011年

10 陳琪蒙;基于低秩表示的高光譜圖像解混算法研究[D];西安電子科技大學(xué);2014年

本文編號(hào)：2857940