一种基于半监督地理空间回归分析的高光谱影像土壤重金属浓度评估方法技术

本发明专利技术属于土壤环境监测与评估领域，具体涉及基于半监督地理空间回归分析的高光谱影像土壤重金属浓度评估。所述方法利用半监督地理空间回归分析方法在重金属浓度和成像高光谱影像数据之间建立模型；所述半监督地理空间回归分析方法是利用co‑training半监督回归方法和地理空间回归方法相结合的方法。本发明专利技术通过co‑training半监督方法建立模型进行土壤重金属浓度估算，实现有标签数据信息与无标签数据信息的综合利用，将部分无标签样本转换为有标签样本，极大扩充有标签样本集数量，使得最终训练得到的模型综合重金属地理空间分布特征和大量无标签样本为评估模型建立提供的学习空间，从而使模型的准确性和可靠性均得到提升。

A Semi-supervised Geospatial Regression Analysis Based Method for Soil Heavy Metal Concentration Assessment from Hyperspectral Images

【技术实现步骤摘要】
一种基于半监督地理空间回归分析的高光谱影像土壤重金属浓度评估方法
本专利技术涉及土壤中重金属浓度预测领域，具体涉及一种基于半监督地理空间回归分析的高光谱影像土壤重金属浓度评估方法。
技术介绍
近年来，我国环境污染问题持续严重，为了更加高效的对土壤中重金属浓度进行监测评估，通过新技术新方法对土壤重金属浓度进行监测很有必要。传统土壤重金属浓度监测方法为野外土壤采样进行实验室化验测定，这种方法过于耗时耗力，而且获取的土壤重金属为点状信息，即使通过地理学空间插值方法也无法得到可信度较高的面状信息，不能对区域内连续地理空间进行分析判断。常用的土壤重金属含量估算建模算法有偏最小二乘回归(PLS)、多元线性回归(MLR)等。其中偏最小二乘是土壤重金属含量估算建模中使用最广泛的算法。目前，土壤重金属相关研究较多针对地面实验室光谱进行分析，而基于成像高光谱遥感进行土壤重金属含量估算研究极少，原因是航空成像高光谱数据本身特点与地面实验室光谱数据特性差异较大，使得室内光谱得到的分析与方法不能简单迁移至成像高光谱研究，相关研究与分析仍然停留在实验室分析阶段，无论从航空还是航天高光谱，并没有实现大尺度地理空间范围土壤重金属浓度估算的应用推广，从而一定程度限制了高光谱遥感在土壤重金属含量估算与制图中的应用。经检索，现有技术中存在相关的申请案，如中国专利申请号201710900422.8，申请日为2017年9月28日的申请案公开了基于无人机高光谱反演土壤中重金属污染监测方法，其监测方法的具体步骤如下：现场采样；样本预处理；使用X射线荧光分析仪采集样本的重金属污染源的主要研究元素的含量；利用地物光谱仪采集样本的实验室高光谱反射率；对原始光谱反射率数据分别进行数据处理；对使用偏最小二乘回归算法分别将已经测得的主要研究元素的含量分别与实验室高光谱原始反射率数据、倒数、对数、一阶微分以及二阶微分数据进行相关性分析并对模型进行验证优化，获得最优的变换方法，使用搭载高光谱成像光谱仪的无人机采集研究区高光谱反射率数据作为待测数据，大面积反演重金属含量。上述方法中X射线荧光分析仪所测定的土壤重金属浓度的精确度远远达不到数据分析的精度要求，同时，该方法虽然可以一定程度上服务于土壤重金属空间分布制图，但基于旋翼的无人机高光谱数据获取能力较低，无法大范围应用；且其数据分析方法过于传统，也未给出实例验证结果。重金属的特征波段之间存在非线性空间关系，传统的偏最小二乘方法在对土壤重金属浓度估算时，是以数值准确性为论断的建模过程，其忽视地理学最基本的地物特征的空间连续性的问题，不具有空间特征。因此面对大范围研究区域时所产生的空间异质性问题不能有效的克服。因此，基于现有技术的缺陷，亟需专利技术一种能够有效克服对大范围研究区域预测时所产生的空间异质性问题，从而提高模型准确度和可靠度的建模方法。
技术实现思路
1.要解决的问题针对现有探测技术在对土壤重金属浓度估算时，单纯考虑建立数学模型、而忽视地理学最基本的地物特征的空间连续性的问题，不能克服大范围研究区域预测时的空间异质性问题，本专利技术通过co-training半监督方法建立模型进行土壤重金属浓度估算，实现有标签与无标签数据的综合利用，将部分无标签数据转换为有标签数据，极大扩充有标签样本集数量，使得最终训练得到的模型综合重金属空间分布属性和大量无标签样本提供的学习空间，从而使模型的准确性和可靠性均得到提升。2.技术方案为了解决上述问题，本专利技术所采用的技术方案如下：本专利技术提供了一种基于半监督地理空间回归分析的高光谱影像土壤重金属浓度评估方法，所述方法利用半监督地理空间回归分析方法在重金属浓度和成像高光谱影像数据之间建立模型；所述半监督地理空间回归分析方法是利用co-training半监督回归方法和地理空间回归方法相结合的方法。作为本专利技术更进一步的改进，所述半监督地理空间回归分析方法建立模型的具体步骤为：2-1)将重金属浓度数据与采样点对应的成像高光谱影像数据及采样点地理坐标数据组合，形成有标签数据集；将采样点附近的光谱影像数据和及其对应像元处的地理坐标数据筛选组合，形成无标签数据集；2-2)将有标签数据集分为有标签训练数据集和有标签验证数据集，所述有标签训练数据集用于模型训练，所述有标签验证数据集用于模型精度检验；2-3)建立模型：设置地理空间回归模型I和模型II，分别对标签训练数据集的数据子集A和B进行训练，建立初步模型，再利用co-training训练并建立循环，实现两个模型的互相学习，利用模型精度检验结果选择最终模型。作为本专利技术更进一步的改进，所述方法包括以下步骤：3-1)采集土壤样本，测定土壤样本的重金属浓度；3-2)获取研究区的成像光谱影像数据并实现预处理；3-3)利用半监督地理空间回归分析方法建立模型；3-4)将3-2)预处理后的成像光谱影像数据输入模型，得到土壤重金属浓度估算图。作为本专利技术更进一步的改进，所述步骤2-3)具体为：S1)通过设置初始参数，生成两组不同的地理空间回归模型，模型I和模型II，同时随机选择两组有标签训练数据集当中的数据子集A和B，将模型I对应数据子集A，模型II对应子集B；S2)利用模型I和模型II分别对其对应子集进行训练，建立初步模型；S3)进行co-training训练并建立多次循环：将有标签数据集和无标签数据集按照不同比例随机输入模型I和模型II，根据模型I和模型II对无标签数据预测的置信度实现两个模型的互相学习；S4)每次循环结束后利用有标签验证数据集进行模型I和模型II的精度检验，选择精度好的模型。作为本专利技术更进一步的改进，所述建立模型的过程具体为：所述步骤S1)中，两组模型的设置的初始参数各不相同，所述S3)中两个模型互相学习的具体过程如下：当模型I对某个无标签样本i实现了预测，并且取得了较高的置信度时，将样本i输入模型II进行预测并评估其置信度，当模型I和模型II均对某个样本得出较高置信度时，将样本i从无标签数据集中删除，放入有标签训练数据集。作为本专利技术更进一步的改进，所述步骤S1)中数据子集A和B中样本数量均不超过总的有标签样本数量的1/4。作为本专利技术更进一步的改进，所述步骤S3)中所述有标签数据集与无标签数据集的比例为1:1、1:3、1:5、1:8。作为本专利技术更进一步的改进，所述的无标签数据集包括采样点附近10个像元距离、30个像元距离和50个距离长度为半径的缓冲区内的光谱影像数据和地理坐标数据。作为本专利技术更进一步的改进，所述重金属包括As和Cr。3.有益效果相比于现有技术，本专利技术的有益效果为：(1)本专利技术的基于半监督地理空间回归分析的高光谱影像土壤重金属浓度评估方法，将半监督地理空间回归分析方法应用于成像高光谱影像土壤重金属预测领域，对成像高光谱数据拥有的极少量有标签样本(土壤重金属浓度)和极大量无标签样本的特征光谱波段之间的复杂线性关系进行拟合，该过程中利用地理学第一定律(地理事物或属性在空间分布上互为相关)，结合样本的空间位置属性，建立基于重金属浓度空间自相关约束、同时结合无标签数据进行优化学习的土壤重金属浓度评估模型，该模型具有优异的拟合能力与迁移能力，可以实现大范围地理空间内的重金属浓度空间分布的高精度预测。(2)本专利技术的基于半监督地理空间回归分析的本文档来自技高网...

【技术保护点】
1.一种基于半监督地理空间回归分析的高光谱影像土壤重金属浓度评估方法，其特征在于：所述方法利用半监督地理空间回归分析方法在重金属浓度和成像高光谱影像数据之间建立模型；所述半监督地理空间回归分析方法是利用co‑training半监督回归方法和地理空间回归方法相结合的方法。

【技术特征摘要】
1.一种基于半监督地理空间回归分析的高光谱影像土壤重金属浓度评估方法，其特征在于：所述方法利用半监督地理空间回归分析方法在重金属浓度和成像高光谱影像数据之间建立模型；所述半监督地理空间回归分析方法是利用co-training半监督回归方法和地理空间回归方法相结合的方法。2.根据权利要求1所述的基于半监督地理空间回归分析的高光谱影像土壤重金属浓度评估方法，其特征在于：所述半监督地理空间回归分析方法建立模型的具体步骤为：2-1)将重金属浓度数据与采样点对应的成像高光谱影像数据及采样点地理坐标数据组合，形成有标签数据集；将采样点附近的光谱影像数据和及其对应像元处的地理坐标数据筛选组合，形成无标签数据集；2-2)将有标签数据集分为有标签训练数据集和有标签验证数据集，所述有标签训练数据集用于模型训练，所述有标签验证数据集用于模型精度检验；2-3)建立模型：设置两组地理空间回归模型，分别为模型I和模型II，分别对标签训练数据集的数据子集A和B进行训练，建立初步模型，再利用co-training训练并建立循环，实现两个模型的互相学习，利用模型精度检验结果选择最终模型。3.根据权利要求1或2所述的基于半监督地理空间回归分析的高光谱影像土壤重金属浓度评估方法，其特征在于：所述方法包括以下步骤：3-1)采集土壤样本，测定土壤样本的重金属浓度；3-2)获取研究区的成像光谱影像数据并实现预处理；3-3)利用半监督地理空间回归分析方法建立模型；3-4)将3-2)预处理后的成像光谱影像数据输入模型，得到土壤重金属浓度估算图。4.根据权利要求1所述的基于半监督地理空间回归分析的高光谱影像土壤重金属浓度评估方法，其特征在于：所述步骤2-3)具体为：S1)通过设置初始参数，生成两组不同的地理空间回归模型，模型I和模型II，同时随机选择两组有标签训练数据...

【专利技术属性】
技术研发人员：马伟波，李海东，谭琨，高媛赟，李辉，王楠，赵立君，燕守广，
申请(专利权)人：生态环境部南京环境科学研究所，
类型：发明
国别省市：江苏,32