摘要:以工礦復(fù)墾區(qū)為實驗區(qū)域,,基于ASD FieldSpec 4高光譜遙感數(shù)據(jù),結(jié)合實測的土壤重金屬含量,,利用回歸分析與特征選擇方法,,開展了基于高光譜數(shù)據(jù)的土壤重金屬含量反演研究與實驗并進行了經(jīng)驗?zāi)P蛢?yōu)選。通過對光譜曲線進行一階微分,、對數(shù)一階微分以及對數(shù)倒數(shù)的一階微分等數(shù)學(xué)變換有效提高了光譜數(shù)據(jù)與土壤重金屬含量的相關(guān)性,。在此基礎(chǔ)上采用偏最小二乘回歸(Partial least squares regression, PLSR)、隨機森林回歸(Random forest regression, RFR),、支持向量機回歸(Support vector machine regression, SVMR)3種回歸分析模型開展土壤重金屬含量反演實驗,,結(jié)果表明偏最小二乘回歸(PLSR)對研究區(qū)內(nèi)土壤中重金屬含量的反演最為有效,尤其對區(qū)域內(nèi)主要障礙因子鎘(Cd)元素含量的反演效果最佳,,驗證集決定系數(shù)R2為0.76,。基于粒子群算法(Particle swarm optimization, PSO),、遺傳算法(Genetic algorithm, GA),、Relief F算法 3種特征選擇方法對偏最小二乘回歸(PLSR)模型進行優(yōu)化,結(jié)果表明粒子群算法(PSO)可有效降低特征波段變量維度,,進一步提高模型反演精度,,使決定系數(shù)R2由0.76提高至0.84。綜上,,基于高光譜數(shù)據(jù),,采用偏最小二乘回歸(PLSR)與粒子群算法(PSO)相結(jié)合的方法,可有效對工礦復(fù)墾區(qū)土壤中的重金屬含量進行測度,,可為復(fù)墾區(qū)土地的質(zhì)量和生態(tài)指標(biāo)監(jiān)測提供理論方法和技術(shù)支持,。