-
题名基于光谱指数的采煤拉张裂隙区土壤有机质含量估测
- 1
-
-
作者
郭辉
韩紫薇
吴斗庆
-
机构
安徽理工大学空间信息与测绘工程学院
安徽理工大学矿山环境与灾害协同监测煤炭行业工程研究中心
-
出处
《光谱学与光谱分析》
北大核心
2025年第9期2569-2577,共9页
-
基金
矿山环境与灾害协同监测煤炭行业工程研究中心安徽理工大学开放基金项目(KSXTJC202202)
国家自然科学基金项目(41971401)资助。
-
文摘
煤炭大规模高强度开采致使地表产生裂隙,裂隙破坏土壤结构,影响土壤质量与生长力。为对采煤拉张裂隙区土壤有机质(SOM)含量快速估测,以淮北市朱庄煤矿3522工作面采煤拉张裂隙区为研究区,采集了裂隙区土壤样本,并测定了土壤样本光谱与有机质含量。对原始光谱进行倒数之对数(LR)、一阶导数(FD)和连续统去除(CR)等3种光谱变换后,通过计算光谱中任意两个波段组合的差值指数、比值指数和归一化指数,应用皮尔逊相关系数(PCC)结合最大相关最小冗余算法(mRMR)分别提取一维光谱波段和二维光谱指数,最后基于偏最小二乘(PLSR)和极端梯度提升(XGBoost)等两种算法,构建了裂隙区SOM估测模型,并对模型精度进行检验和评价。实验结果表明:(1)高强度采煤导致地表裂隙产生,加速了土壤中SOM、细小土壤颗粒流失,研究区SOM变异系数达61.32%;(2)无论是一维光谱波段还是光谱指数,FD预处理光谱的模型精度最优;(3)对比一维光谱波段,差值指数(DI)、比值指数(RI)和归一化指数(NDI)与SOM相关性更优,FD-DI指数相关性最高,其最大相关系数为0.88;(4)使用PCC结合mRMR算法筛选光谱波段及光谱指数,减少输入变量数量的同时保持了模型性能,基于XGBoost的模型精度优于PLSR模型,其中FD-NDI-XGBoost模型精度最佳,其R^(2)、RMSE和RPD分别为0.83、0.49 mg·kg^(-1)和2.44。实验研究结果可为采煤拉张裂隙区土壤有机质的高光谱估测提供一定的技术参考。
-
关键词
土壤有机质
采煤拉张裂隙
光谱指数
高光谱遥感
土壤质量
-
Keywords
Soil organic matter
Coal mining tensile cracks
Spectral index
Hyperspectral inversion
Soil quality
-
分类号
P237
[天文地球—摄影测量与遥感]
-
-
题名采煤拉张裂隙区土壤有机质高光谱反演
被引量：3
- 2
-
-
作者
张全旺
郭辉
-
机构
安徽理工大学空间信息与测绘工程学院
-
出处
《测绘通报》
CSCD
北大核心
2023年第5期78-83,134,共7页
-
基金
安徽理工大学引进人才科研基金(13200002)
安徽理工大学研究生创新基金(2021CX2140)。
-
文摘
煤炭开采产生的拉张裂隙破坏土壤结构,影响土壤质量。利用高光谱技术对裂隙区土壤的重要成分进行监测,对精确恢复裂隙区土壤质量及改善农业产量具有重要意义。本文首先在淮北朱庄煤矿采煤拉张裂隙区采集了90组土壤样品,并在室内测定了土壤样本光谱;然后将反射率值与测定的有机质含量进行相关分析,选取对有机质敏感的特征波段;最后利用偏最小二乘、BP神经网络进行建模,并评价各模型的精度。研究表明,本文反演效果较理想,比较所建模型精度,一阶微分与偏最小二乘模型(FD-PLSR)建模效果最佳。FD-PLSR模型建模集和验证集的R^(2)分别为0.8761、0.8459,RMSE分别为0.4972、0.6806。该研究可为采煤拉张裂隙区土壤有机质含量监测提供一定的技术支持。
-
关键词
采煤拉张裂隙
土壤有机质
高光谱遥感
偏最小二乘
BP神经网络
-
Keywords
coal mining tensile cracks
soil organic matter
hyperspectral remote sensing
partial least squares
BP neural network
-
分类号
P237
[天文地球—摄影测量与遥感]
-
