一种重金属含量动态预测方法技术

本发明专利技术涉及一种重金属含量动态预测方法，通过产地环境数据库建立、区域划分、遥感模型构建、误差分析四大步骤，集合相似度计算、聚类分析、插值运算、高光谱反演、误差迭代等技术手段，多层面多方法联合获取研究区域监测数据，实时、快速、高效预测土壤中重金属含量及空间分布信息。分布信息。分布信息。

【技术实现步骤摘要】
一种重金属含量动态预测方法


[0001]本专利技术属于农业环境
，具体涉及一种重金属含量动态预测方法。

技术介绍

[0002]土壤环境污染问题日趋严峻，影响到农产品质量安全及人体健康，全面、实时和准确的土壤环境监测，对农产品质量及土壤质量的保障都有重要的现实意义，准确有效获取土壤污染分布情况是开展土壤污染防治工作的基础。目前土壤环境监测数据获取方法多为定点采样、点源观测，部分研究结合地统计插值、高光谱遥感等方法间接获取土壤监测数据。
[0003]上述技术方法存在的主要问题有：(1)监测技术单一，数据获取困难、时间耗费长且精力投入多；(2)土壤监测数据预测方法准确度较低；(3)现有高光谱遥感反演模型适用性低，监测数据与反演数据误差较大。

技术实现思路

[0004]本专利技术通过产地环境数据库建立、区域划分、遥感模型构建、误差分析四大步骤，集合相似度计算、聚类分析、插值运算、高光谱反演、误差迭代等技术手段，多层面多方法联合获取研究区域监测数据，实时、快速、高效预测土壤中重金属含量及空间分布信息。
[0005]为了解决上述技术问题，本专利技术公开了一种重金属含量动态预测方法，包括以下步骤：
[0006](1)产地环境数据库建立
[0007](1.1)收集研究区域历史监测信息，所述历史监测信息包括土壤监测数据和环境数据；
[0008]所述土壤监测数据包括两类：历史土壤点位的研究指标及对应检测数据、其他指标及对应检测数据；
[0009](1.2)收集研究区域历史遥感信息
[0010](1.3)收集同源指标信息
[0011]所述同源指标是指土壤中随着研究指标活化、累积或迁移等变化进而含量发生变化，同时能够获取遥感光谱信息的指标；
[0012]所述同源指标包括：Na、Ca、Mg、Zn、Pb、Fe2O3、MnO、K2O、SiO2等；
[0013](2)区域划分
[0014](2.1)方格布设
[0015]将研究区域进行方格划分，确保所有方格内均存有历史土壤点位；
[0016]所述方格内农田面积小于方格面积的1/10时，此方格可与相邻农田所在方格合并；
[0017]所述方格大小一致且彼此相连；
[0018](2.2)土壤相似度求解
[0019](2.2.1)数据前处理
[0020]对研究区域内历史土壤点位的土壤监测数据进行前处理，所述前处理包括对数处理及归一化处理两步：
[0021]所述对数处理的计算公式具体如下：
[0022]c
’
＝log
10(c)
[0023]其中c为研究指标及其他指标的检测数据；
[0024]B对数处理后的数据再采用z
‑
score方法进行归一化处理，获得归一化监测值，计算公式具体如下：
[0025][0026]其中，μ为研究指标及其他指标检测数据对数处理后的平均值，δ为研究指标及其他指标检测数据对数处理后的标准差，计算公式为N为点位数量；
[0027](2.2.2)矩阵变换
[0028]对研究区域内所有历史土壤点位的归一化监测值进行矩阵转换运算，获取得分系数矩阵，所述得分系数矩阵的行为研究指标及其他指标得分系数，列为主成份类别；
[0029]根据得分系数矩阵得到任意主成份E类别下研究指标j与其他指标i的矩阵关系式如下：
[0030]E＝m1I1+m2I2+
…
+miIi+mjIj
[0031]其中：mi为得分系数矩阵中其他指标i对应的得分系数，mj为得分系数矩阵中研究指标j对应的得分系数，Ii对应为其他指标i，仅示意无取值，Ij对应为研究指标j，仅示意无取值；
[0032](2.2.3)相似度求解
[0033]A研究指标j与其他指标i对应关系如下所示，通过最小二乘法求解全局权重wj，关系式具体如下：
[0034]Ej＝Σyimi+yjmj
[0035]yj＝w1E1+w2E2+
…
+wiEi+wjEj
[0036]其中，yi为其他指标i的归一化监测值，yj为研究指标j的归一化监测值；
[0037]B采用最小二乘法分别求出各方格的方格权重vj
n
，其中n为方格序号；
[0038]依据全局权重和方格权重分别构建矩阵，进而求出各方格与研究区域的土壤相似度，具体公式如下：
[0039][0040]其中cosθj
n
为第n方格与研究区域关于研究指标j的土壤相似度，w为全局权重矩阵，v为方格权重矩阵；
[0041](2.3)子区域划定
[0042]对各方格的土壤相似度进行聚类，将研究区域分为不同土壤特性的子区域；
[0043](3)遥感模型构建
[0044]研究区域各子区域的遥感模型构建方法一致，构建子区域遥感模型：
[0045](3.1)梳理产地环境数据库内的同源指标信息和遥感信息，确定涉及到该子区域的同源指标信息，同时提取产地环境数据库内该子区域的历史遥感光谱，进行光谱预处理，并获取历史土壤点位对应的反演数据；
[0046](3.2)遥感模型
[0047](3.2.1)以研究指标j检测数据为因变量，同源指标检测数据为自变量，建立监测值模型，并筛选出最佳监测值模型，即判定系数R2最大的监测值模型；
[0048](3.2.2)以同源指标检测数据为因变量，同源指标对应的高光谱反射率为自变量，分别建立光谱模型，分别筛选出各项同源指标最佳的光谱模型，即判定系数R2最大的光谱模型；
[0049](3.2.3)联合第(3.2.1)步与第(3.2.2)步的两类模型，最终获取研究指标j的遥感模型；
[0050]所述监测值模型及光谱模型的拟合方法包括最小二乘、多元线性、逐步回归、幂/指函数、决策树、神经网络等；
[0051]所述遥感模型自变量为B1、B2...Ba等，其中a对应遥感光谱第a个波段提取的反射率；
[0052](3.3)点位预测误差计算
[0053]分别提取该子区域所有历史土壤点位的研究指标检测数据与遥感模型结果数据，即反演数据，采用相对误差法计算出所有历史土壤点位的点位预测误差Dj，计算公式具体如下：
[0054][0055]其中，cj为研究指标j的检测数据，Xj为研究指标j的反演数据；
[0056](3.4)误差插值
[0057]对该子区域内所有历史土壤点位的预测误差进行空间插值运算，获取该子区域预测误差分布图；
[0058](4)误差分析
[0059](4.1)基于该子区域所有历史土壤点位的点位预测误差计算第一轮区域预测误差(Aj1)，计算公式如下：
[0060][0061]其中，k为区域预测误差计算轮数，Avj为子区域内的点位预测误差均值；
[0062](4.2)依据预测误差分布图，确定研究本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种重金属含量动态预测方法，其特征在于，包括以下步骤：(1)产地环境数据库建立(1.1)收集研究区域历史监测信息，所述历史监测信息包括土壤监测数据和环境数据；所述土壤监测数据包括两类：历史土壤点位的研究指标及对应检测数据、其他指标及对应检测数据；(1.2)收集研究区域历史遥感信息(1.3)收集同源指标信息所述同源指标是指土壤中随着研究指标活化、累积或迁移变化进而含量发生变化，同时能够获取遥感光谱信息的指标；所述同源指标包括：Na、Ca、Mg、Zn、Pb、Fe2O3、MnO、K2O、SiO2；(2)区域划分(2.1)方格布设将研究区域进行方格划分，确保所有方格内均存有历史土壤点位；所述方格内农田面积小于方格面积的1/10时，此方格可与相邻农田所在方格合并；所述方格大小一致且彼此相连；(2.2)土壤相似度求解(2.2.1)数据前处理对研究区域内历史土壤点位的土壤监测数据进行前处理，所述前处理包括对数处理及归一化处理两步：所述对数处理的计算公式具体如下：c
’
＝log
10(c)
其中c为研究指标及其他指标的检测数据；B对数处理后的数据再采用z
‑
score方法进行归一化处理，获得归一化监测值，计算公式具体如下：其中，μ为研究指标及其他指标检测数据对数处理后的平均值，δ为研究指标及其他指标检测数据对数处理后的标准差，计算公式为N为点位数量；(2.2.2)矩阵变换对研究区域内所有历史土壤点位的归一化监测值进行矩阵转换运算，获取得分系数矩阵，所述得分系数矩阵的行为研究指标及其他指标得分系数，列为主成份类别；根据得分系数矩阵得到任意主成份E类别下研究指标j与其他指标i的矩阵关系式如下：E＝m1I1+m2I2+
…
+miIi+mjIj其中：mi为得分系数矩阵中其他指标i对应的得分系数，mj为得分系数矩阵中研究指标j对应的得分系数，Ii对应为其他指标i，仅示意无取值，Ij对应为研究指标j，仅示意无取值；(2.2.3)相似度求解
A研究指标j与其他指标i对应关系如下所示，通过最小二乘法求解全局权重wj，关系式具体如下：Ej＝∑yimi+yjmjyj＝w1E1+w2E2+
…
+wiEi+wjEj其中，yi为其他指标i的归一化监测值，yj为研究指标j的归一化监测值；B采用最小二乘法分别求出各方格的方格权重vj
n
，其中n为方格序号；依据全局权重和方格权重分别构建矩阵，进而求出各方格与研究区域的土壤相似度，具体公式如下：其中cosθj
n
为第n方格与研究区域关于研究指标j的土壤相似度，w为全局权重矩阵，v为方格权重矩阵；(2.3)子区域划定对各方格的土壤相似度进行聚类，将研究区域分为不同土壤特性的子区域；(3)遥感模型构建研究区域各子区域的遥感模型构建方法一致，构建子区域遥感模型：(3.1)梳理产地环境数据库内的同源指标信息和遥感信息，确定涉及到该子区域的同源指标信息，同时提取产地环境数据库内该子区域的历史遥感光谱，进行光谱预处理，并获取历史土壤点位对应的反演数据；(3.2)遥感模型(3.2.1)以研究指标j检测数据为因变量，同源指标检测数据为自变量，建立监测值模型，并筛选出最佳监测值模型，即判定系数R2最大的监测值模型；(3.2.2)以同源指标检测数据为因变量，同源指标对应的高光谱反射率为自变量，分别建立光谱模型，分别筛选出各项同源指...

【专利技术属性】
技术研发人员：安毅，霍莉莉，武丽娜，刘春湘，丁健，林大松，杜兆林，秦莉，姚彦坡，
申请(专利权)人：农业农村部环境保护科研监测所，
类型：发明
国别省市：