土壤是自然生态系统的重要组成部分, 是人类赖以生存和农业生产的重要物质基础。 随着社会经济高速发展, 高强度的工农业生产活动导致重金属等各种污染物通过大气沉降、 污水灌溉等途径进入土壤, 并在土壤中不断富集造成土壤盐渍化和土壤重金属污染, 两者是导致全球荒漠化和土壤退化的主要诱因。 然而中国的耕地非常有限, 粮食安全尤为重要。 因此, 如何快速、 准确地大面积反演盐碱地的重金属含量是保障粮食安全的重要研究课题。 针对上述关键问题, 以吉林省镇赉县盐碱地为研究对象, 建立了盐碱地重金属元素锰(Mn)、 钴(Co)和铁(Fe)含量与土壤可见光-近红外光谱数据的定量反演模型。 首先对原始光谱数据分别进行了Savitzky-Golay平滑、 多元散射校正、 连续统去除变换处理; 然后基于预处理后的光谱数据构建了比值(RI)、 差值(DI)和归一化(NDI)三种光谱指数, 通过光谱指数与重金属含量的相关性分析确定模型训练样本, 利用径向基神经网络算法进行建模并反演盐碱地重金属含量; 最后通过相关系数等梯度循环建模的精度分析方法确定了光谱指数与锰、 钴和铁含量相关性显著的敏感波段组合, 建立了基于径向基神经网络算法的盐碱地重金属含量最优反演模型。 研究结果表明, Mn选取相关系数r>0.70, Co选取相关系数r>0.80, Fe选取相关系数r>0.80, 并选取敏感指数组合分别为108组、 690组和31组, 基于上述显著敏感指数组合建立的Mn, Co和Fe最优反演模型R²分别为0.703 4, 0.897 6和0.848 4, 均方根误差RMSE分别为53.007 3, 1.059 2和0.363 4, 平均相对精度达到88.64%, 90.36% 和91.78%。 该研究对盐碱地重金属含量的准确、 快速分析提供了一种有效的方法, 对实现土壤重金属污染治理具有重要的现实意义。

铁矿资源是我国国民经济基础产业中的重要组成要素, 在我国经济发展中有举足轻重的地位。 铁矿品位的检定效率对铁矿石开采效率有重大影响。 目前, 铁矿石品位的化学分析检定法, 不仅存在成本较高, 化验周期长的问题, 更主要的是其无法实现铁矿品位原位测定, 相对配矿流程存在滞后效应, 无法有效降低矿石开采的损失贫化率; 基于可见光-近红外光谱分析的铁矿品位原位测定技术是解决这一问题的有效途径。 以225个红岭矽卡岩型铁矿测试样本的可见光-近红外光谱数据及化学分析数据为数据源, 首先对原始数据进行了平滑处理, 并分析了矽卡岩型铁矿可见光-近红外光谱特征, 然后利用倒数对数、 多元散射校正(MSC)两种预处理方法对平滑后的光谱数据进行处理, 再分别以主成分分析法(PCA)、 遗传算法(GA)两种降维算法对预处理前后的光谱数据进行了处理, 获取了六种不同预处理组合算法处理后的数据源。 其中以PCA降维算法所降维数分别为3维、 3维、 7维; 以GA降维算法所降维数分别为477维、 489维、 509维。 最后基于随机森林(RF)和极限学习机(ELM)建立了矽卡岩型矿石金属铁品位的定量反演模型, 以决定系数(R²)、 均方根误差(RMSE)和平均相对误差(MRE)三个指标分别对模型的稳定性、 精确度、 可信度进行评价。 结果表明, 经MSC处理及PCA降维后的数据基于ELM算法建立的定量反演模型效果最优, 其R²可达0.99、 RMSE为0.005 7、 MRE为2.0%, 该方法所建模型对红岭矽卡岩型铁矿品位反演精度有明显的提升。 对矽卡岩铁矿品位的实时、 快速分析提供了一种有效的方法, 对实现矽卡岩型铁矿的高效开采具有重要的现实意义。