[发明专利]土壤重金属含量反演模型生成方法、系统及反演方法

说明书

本发明公开了一种土壤重金属含量反演模型生成方法、系统、存储介质及反演方法，其中方法包括如下步骤：获取土壤样本的重金属含量及室内光谱数据；对室内光谱数据进行预处理并采用竞争性自适应重加权方法提取重金属光谱特征波段；构建实测样本集；基于实测样本集应用基于最小二乘虚拟样本生成方法生成土壤虚拟样本集；基于实测与虚拟样本集，以重金属光谱特征波段为输入，对应重金属含量为输出，训练得到BP神经网络重金属含量反演回归模型。构建训练样本集过程中，基于最小二乘虚拟样本生成方法生成虚拟样本集，减少实测样本数量，缩减土壤重金属含量反演中样本采集成本和时间；充足训练样本保证重金属含量反演模型的准确性、鲁棒性及泛化能力。

技术领域

本发明涉及环境监测技术领域，尤其涉及一种土壤重金属含量反演模型生成方法、系统、存储介质及反演方法。

背景技术

土壤重金属污染一直是一个严重的环境问题，特别是对于正在经历快速工业化和城市化的国家。据调查，我国有超过10％的耕地受到重金属污染。由于重金属在土壤难以被微生物降解，由此产生的累积效应将严重影响农作物的生长，进而造成食品安全和人体健康风险。因此如何快速精确地检测土壤重金属污染状况并进行防治已成为目前亟待解决的关键问题。

传统重金属监测方法即费时又昂贵，特别是对大面积的土壤采样和化学分析。无法满足国家在广域地理空间快速高效查清重金属污染空间格局、发现重金属污染时空演化规律与形成机制、控制污染范围扩大和转移、合理规划农业生产、减少污染产品损害国民健康的重大需求。

目前，基于光谱分析技术的土壤重金属含量反演方法得到快速的发展，已经成为土壤重金属污染调查的主要手段。其主要原理是：利用地物光谱仪观测土壤样品室内光谱数据，探索土壤重金属含量与土壤全波段光谱间的响应关系，构建土壤重金属含量高光谱反演模型。该方法相对传统统计分析方法具有花费较少的优势。这些反演模型对数据特征和样本大小有特定的要求，其性能很容易受到样本大小和输入输出变量数量的影响，充分的样本容量和均匀的样本分布是决定反演模型准确性和鲁棒性的两个关键因素。此外，充足的训练样本为提供数据驱动模型的泛化能力提供了重要保证。训练样本都是采用传统重金属监测方法而获得，为了保证反演模型的准确性、鲁棒性及泛化能力，则需要尽量充足的训练样本，无疑使得土壤重金属含量反演依然是高费时和高成本。

发明内容

本发明提供了一种土壤重金属含量反演模型生成方法、系统、存储介质及反演方法，以解决现有技术中土壤重金属含量反演高费时及高成本的问题。

本发明第一方面，提供了一种土壤重金属含量反演模型生成方法，包括如下步骤：

步骤1：获取土壤样本的重金属含量及室内光谱数据；

步骤2：对土壤样本的室内光谱数据进行预处理并采用竞争性自适应重加权方法提取重金属光谱特征波段；

步骤3：基于土壤样本的重金属含量及与其对应的重金属光谱特征波段构建实测样本集；

步骤4：基于实测样本集中土壤样本的重金属含量及与其对应的重金属光谱特征波段，应用基于最小二乘虚拟样本生成方法生成土壤虚拟样本集，使土壤虚拟样本与实测样本数量之比为1～10∶1，实测样本集与土壤虚拟样本集构成混合样本集；

步骤5：基于混合样本集，以重金属光谱特征波段为输入，对应重金属含量为输出，训练得到BP神经网络重金属含量反演回归模型。