IWD-Hankel-SVD模型下玉米叶片光谱铜污染信息预测

近年来在工业化和城镇化快速发展的地区,由重金属污染导致的环境问题尤为突出,特别是农业重金属污染更为社会所关注,因此,探索快速便捷的重金属污染甄别与监测方法极为重要.高光谱遥感作为新兴的重金属污染监测技术已有了深入研究.提出了固有波长尺度分解(IWD)概念和方法,并结合Hankel矩阵和奇异值分解(SVD)等建立了植被重金属污染程度预测的IWD-Hankel-SVD模型,该模型分为单变量模型和多变量模型.单变量模型主要是通过重金属污染的植被光谱IWD处理来获取光谱信息固有旋转分量(PRC)以提取最佳PRC的有效特征波段;在对各特征波段所构建的Hankel矩阵进行奇异值分解(SVD)基础上,依据获得该模型的奇异熵实现重金属污染信息预测.多变量模型是以植物叶绿素浓度相对值、单变量模型奇异熵作为参数实现重金属污染的信息预测.根据不同重金属C u2+胁迫梯度下玉米植株污染的叶片光谱和叶绿素浓度以及叶片中Cu2+含量测定的数据,首先对不同浓度Cu2+胁迫下玉米叶片光谱进行IWD分析,获得能够较好保留原始输入光谱信息的最佳PRC,并从中提取到有效特征波段553～680,681～780,1266～1429,1430～1631,1836～1913和1914～2111 nm;然后对每一个特征波段构造其Hankel矩阵并进行SVD处理,以求取单变量的IWD-Hankel-SVD模型奇异熵;最后通过各特征波段所对应模型奇异熵与玉米叶片中Cu2+含量的相关分析,得到依据1266～1429和1836～1913 nm特征波段计算出奇异熵与玉米叶片中Cu2+含量的决定系数R2均高达0.9左右,说明这两个特征波段用于IWD-Hankel-SVD模型的Cu污染程度预测更具优越性和解释能力.同时,再把玉米叶片中叶绿素浓度相对值、1266～1429和1836～1913 nm特征波段相应模型奇异熵作为参数,采用偏最小二乘回归分析,得出多变量IWD-Hankel-SVD模型的玉米叶片Cu污染程度预测能力更强,决定系数R2达到0.9476,证明了多变量模型更具有鲁棒性和稳健性.