基于GA-PLS算法的河网水体化学需氧量高光谱反演
蔡建楠
刘海龙
姜波
何甜辉
陈文杰
冯志伟
黎倬琳
邢前国
1.中山市环境监测站,广东中山528403;中山市生态环境局,广东中山5284032.中国科学院烟台海岸带研究所/中国科学院海岸带环境过程与生态修复重点实验室,山东烟台2640033.中山市环境监测站,广东中山5284034.中山市生态环境局,广东中山528403
摘要：[目的]建立河网水体化学需氧量(COD)高光谱反演模型,验证遗传-偏最小二乘(GA-PLS)算法对建模效果的改善作用.[方法]采集广东省中山市146个点位的水体高光谱数据和COD质量浓度实测数据,通过GA-PLS算法对高光谱反射率数据进行特征波段筛选后建立COD质量浓度反演模型,并比较输入变量为不同特征波段组合时模型反演效果差异.[结果]基于GA-PLS算法的COD质量浓度高光谱模型反演效果优于全谱段PLS模型,验证集RMSEP最小为4.887 mg/L,较全谱段PLS模型降低11.4％;以筛选得到的74个波段(占全波段数的2.9％)作为输入变量时,模型仍可保持良好的稳定性和反演精度;GA-PLS算法筛选得出的部分特征波段与水体中藻类、悬浮颗粒物的吸收特征波段一致,筛选结果具有合理性和指示意义.[结论]通过GA-PLS算法可对高光谱数据进行特征波段筛选,实现数据降维优化,进一步简化模型;在样本COD质量浓度主要分布范围内,GA-PLS算法模型有良好的反演精度和水质类别分类准确性.该方法在河流COD快速监测中具有良好的应用前景.
关键词：高光谱遗传算法偏最小二乘法化学需氧量河网水体
分类号：X832(环境监测)
论文发表日期：2020-09-28
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：6( 126-131 )
英文信息