基于SGARF算法的农业土壤镉浓度反演研究.PDFVIP

２０１８年 １０月 农 业 机 械 学 报 第 ４９卷 第 １０期 ｄｏｉ：１０．６０４１／ｊ．ｉｓｓｎ．１０００１２９８．２０１８．１０．０２９ 基于ＳＧＡ ＲＦ算法的农业土壤镉浓度反演研究 １，２ ２ １ ３ ４ ５ 王轩慧 　陈建毅 　郑西来 　朱　成 　王轩力 　单春芝 （１．中国海洋大学海洋环境与生态教育部重点实验室，青岛 ２６６１００；２．青岛农业大学理学与信息科学学院，青岛 ２６６１０９； ３．中国联合网络通信有限公司济南软件研究院项目管理部，济南 ２５００００；４．山西工程技术学院信息工程与自动化系， 阳泉 ０４５０００；５．国家海洋局北海环境监测中心，青岛 ２６６０３３） 摘要：在农业土壤重金属高光谱检测领域，土壤镉元素近红外光谱的高维、高冗余特性会严重影响高光谱反演模型 的准确性和稳定性。为了解决上述问题，本文提出一种基于斯皮尔曼相关分析的遗传随机森林特征选择算法 （ＳＧＡ ＲＦ）。该算法首先对初始特征集合使用基于斯皮尔曼相关分析的特征预选方法，筛选出大量冗余波段，保 留与镉元素相关性最强的特征波段；其次在特征精选阶段，提出一种基于随机森林的适应度函数评估方法，该方法 充分结合遗传算法强大的全局搜索能力和随机森林算法较高的反演能力，提高了对相似个体的区分能力，获得具 有最小冗余度和最大区分性的最优特征波段子集。为了验证所提算法的有效性，选取青岛市大沽河流域具有代表 性的１２４个土壤样品为实验对象，利用 ＳＧＡ ＲＦ算法将原始２０５１个波段优选至３７个最具代表性的敏感波段，并 与现有特征选择算法所建模型进行对比分析。试验结果表明，该特征选择方法与随机森林回归模型相结合具有较 低的预测均方根误差（００６０１），较高的相关系数（０９５０２）和预测相对分析误差（２０３）。作为应用可见／近红外光 谱技术定量反演农业土壤镉浓度的重要步骤，ＳＧＡ ＲＦ算法以较少的敏感波段达到了较高的反演效果，可为监测 土壤重金属污染情况提供一定的理论依据。 关键词：农业土壤；镉浓度；特征波长选择；斯皮尔曼等级相关分析；遗传算法；随机森林 中图分类号：Ｘ５３；Ｘ８７ 文献标识码：Ａ 文章编号：１０００１２９８（２０１８）１００２６１０９ ＩｎｖｅｒｓｉｏｎｏｆＣａｄｍｉｕｍＣｏｎｔｅｎｔｉｎＡｇｒｉｃｕｌｔｕｒｅＳｏｉｌＢａｓｅｄｏｎ ＳＧＡ ＲＦＡｌｇｏｒｉｔｈｍ １，２ ２ １ ３ ４ ５ ＷＡＮＧＸｕａｎｈｕｉ　ＣＨＥＮＪｉａｎｙｉ　ＺＨＥＮＧＸｉｌａｉ　ＺＨＵＣｈｅｎｇ　ＷＡＮＧＸｕａｎｌｉ　ＳＨＡＮＣｈｕｎｚｈｉ （１．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＭａｒｉｎｅＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅａｎｄＥｃｏｌｏｇｙ，ＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎ， ＯｃｅａｎＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎａ，Ｑｉｎｇｄａｏ２６６１００，Ｃｈｉｎａ ２．ＳｃｉｅｎｃｅａｎｄＩｎｆｏｒｍａｔｉｏｎＣｏｌｌｅｇｅ，ＱｉｎｇｄａｏＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｑｉｎｇｄａｏ２６６１０９，Ｃｈｉｎａ ３．ＰｒｏｊｅｃｔＭａｎａｇｅｍｅｎｔＤｅｐａｒｔｍｅｎｔ，ＣｈｉｎａＵｎｉｃｏｍＪｉｎａｎＳｏｆｔｗａｒｅＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ，Ｊｉｎａｎ２５００００，Ｃｈｉｎａ ４．ＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｕｔｏｍａｔｉｏｎＤｅｐａｒｔｍｅｎｔ，ＳｈａｎｘｉＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，Ｙａｎｇｑｕａｎ０４５０００，Ｃｈｉｎａ ５．ＴｈｅＥｎｖｉｒｏｎｍｅｎｔａｌＭｏｎｉｔｏｒｉｎｇＣｅｎｔｅｒｏｆＮｏｒｔｈＣｈｉｎａ