高光谱分析能够高效的估算土壤有机碳含量, 连续小波变换(CWT), 在高光谱数据的噪声去除和有效信息提取方面具有独特优势, 但是经过连续小波变换后的光谱数据被分解为多个尺度, 单一分解尺度信息不能代表不同分解尺度信息, 如何充分利用多分解尺度的小波系数, 成为高光谱估算土壤有机碳含量的难题。 博斯腾湖是我国最大的内陆淡水湖, 湖滨绿洲作为重要的水陆交错带, 具有独特的空间结构和时间结构, 在维持和恢复湖泊生态系统健康方面发挥着重要作用。 以博斯腾湖湖滨绿洲为研究区, 于2020年10月采集138份深度为0~20 cm表层土壤样本, 剔除3个异常值样品, 得到135个有效样品, 室外采集土壤样本光谱, 并通过重铬酸钾－外加热法测定土壤有机碳含量; 将土壤样本的光谱反射率进行Savitzky-Golay平滑滤波处理, 以Gaussian4为小波基函数进行连续小波变换, 将土壤高光谱数据转换为10个分解尺度的小波系数。 利用相关性分析法(CC)、 稳定自适应重加权采样(sCARS)、 竞争自适应重加权采样(CARS)、 连续投影算法(SPA)、 遗传算法(GA)等5种特种波段筛选方法进一步降低噪音, 消除冗余信息, 逐尺度计算小波系数的均方根作为小波能量特征(EF), 将10个尺度的小波能量特征组成小波能量特征向量(EFV), 基于小波能量特征向量建立BP神经网络模型(BPNN)。 结果表明, 连续小波变换可以有效提高光谱反射率与土壤有机碳含量间的相关性, 1~3分解尺度相关性较差, 4~10分解尺度的相关性较好, 相关系数平均值提升43.66%, 相关系数最大值平均提升67.93%。 CC算法筛选的特征波段主要分布于在400~1 500 nm可见光及近红外短波; sCARS、 CARS算法筛选的特征波段集中于1 500~2 500 nm近红外长波; SPA算法筛选的特征波段集中于760~2 500 nm近红外波段; GA算法得到的特征波段基本均匀分布于400~2 500 nm。 高光谱小波能量特征向量EFV可以较好估算湖滨绿洲表层土壤有机碳含量, 6种模型的训练集与验证集R2平均值分别为0.73、 0.74, RMSE平均值分别为7.64、 7.28, RPD平均值为1.95。 模型精度表现为, CC-EFV-BPNN＞sCARS-EFV-BPNN＞Full-spectrum-EFV-BPNN＞CARS-EFV-BPNN＞GA-EFV-BPNN＞SPA-EFV-BPNN。 连续小波变换结合特征变量筛选方法, 提取小波能量特征向量EFV, 有效降低光谱数据维度与高光谱小波能量特征向量模型复杂度, 对于快速估算表层土壤有机碳含量具有重要参考价值。

与传统检测方法相比, 利用高光谱技术进行土壤有害元素砷含量的估算, 具有快速、 准确, 成本低的特点, 可对干旱区绿洲土壤有害元素砷污染进行动态监测。 基于新疆渭干河-库车河三角洲绿洲耕层土壤样品的采集, 获取土壤光谱数据和有害元素砷含量。 通过bior1.3, db4, gaus4和mexh这4种小波基函数对土壤原始光谱反射率进行连续小波变换, 并将变换后光谱数据与有害元素砷进行相关分析, 以筛选出的敏感小波系数为自变量, 采用偏最小二乘回归、 支持向量机回归、 BP神经网络和随机森林回归方法对有害元素砷含量进行高光谱反演。 研究结果显示: (1)4种小波基函数在3~8尺度的光谱分解效果明显优于其他尺度, 特别是4~6尺度的连续小波变换有效提升了光谱反射率与土壤有害元素砷之间的相关性, 通过显著性检验的小波系数数量有了明显增多(p<0.01), 在可见光的400~700 nm以及近红外的1 100~1 700和2 200~2 400 nm附近具有较强的相关性; (2)通过比较4种小波基函数对光谱数据中有效信息的辨识能力, 认为小波基函数bior1.3和mexh要优于db4和gaus4, 其中bior1.3的光谱分解效果最好, gaus4相对最弱; 通过bior1.3第5尺度的光谱变换, 与土壤有害元素砷显著相关的波段数量最多, 为507个(p<0.01); (3)比较4种建模方法的反演结果发现, SVMR, BPNN和RFR模型相较于PLSR模型具有更强的估测能力, 模型的估测精度更高。 综合分析各模型的稳定性及估测精度后, 认为bior1.3-25-RFR模型可作为研究区土壤有害元素砷的最佳估测模型。 该模型的训练集和验证集的R2分别为0.893和0.639, RMSE为1.075和1.651 mg·kg-1, RPD分别为2.89和1.64, 表明模型估测效果较好, 稳定性较强。 采用合适的小波基函数进行连续小波变换可减少土壤高光谱数据中的白噪声, 挖掘出土壤光谱数据中的有效信息, 对土壤有害元素砷含量的准确估测提供有力的技术保障。