文献类型：期刊文章

作　　者：肖树群[1,2] 汪海城[1,3] 袁兆宪[1,3] 张生元[1,3] 黄波[4]

XIAO Shu-qun;WANG Hai-cheng;YUAN Zhao-xian;ZHANG Sheng-yuan;HUANG Bo(Institute of Resource and Environmental Engineering,Hebei GEO University,Shijiazhuang,Hebei 050031,China;College of Information Engineering,Hebei GEO University,Shijiazhuang,Hebei 050031,China;Hebei Key Laboratory of Strategic Critical Mineral Resources,Hebei GEO University,Shijiazhuang,Hebei 050031,China;Hebei Prospecting Institute of Hydrogeology and Engineering Geological(Hebei Remote Sensing Center),Shijiazhuang,Hebei 050021,China)

机构地区：[1]河北地质大学资源与环境工程研究所,河北石家庄050031 [2]河北地质大学信息工程学院,河北石家庄050031 [3]河北地质大学,河北省战略性关键矿产资源重点实验室,河北石家庄050031 [4]河北省水文工程地质勘查院(河北省遥感中心),河北石家庄050021

出　　处：《环境监测管理与技术》

基　　金：国家自然科学青年基金资助项目(41802249);河北省教育厅科学技术研究基金资助项目(ZD2021017);河北省自然科学青年基金资助项目(D2019403165)。

年　　份：2022

卷　　号：34

期　　号：5

起止页码：22-26

语　　种：中文

收录情况：CSCD、CSCD_E2021_2022、JST、ZGKJHX、普通刊

摘　　要：在河北省保定市白洋淀区域采集115个土壤样品进行重金属含量分析和室内光谱测量,分别将BP神经网络、随机森林、决策树、多元线性回归、K近邻回归、AdaBoost回归和偏最小二乘回归法应用于全部原始波谱数据和基于双层随机森林选择后的波段数据。结果表明,基于原始波谱数据的土壤重金属Zn元素含量的反演模型精度较低,而通过双层随机森林选择出光谱数据中与土壤重金属Zn信息相关的波段,减轻了网络模型的过拟合问题,提高了模型预测精度;与其他模型比较,结合双层随机森林和BP神经网络构建的反演模型对研究区土壤重金属Zn含量预测效果最佳。

关 键 词：Zn含量反演  高光谱波段  双层随机森林  BP神经网络 土壤

分 类 号：X87] X131.3