錢 佳，郭云開，章 瓊，蔣 明

(1. 長沙理工大學(xué)交通運輸工程學(xué)院，湖南 長沙 410014； 2. 長沙理工大學(xué)測繪遙感應(yīng)用技術(shù)研究所，湖南 長沙 410076)

土壤在農(nóng)業(yè)生產(chǎn)、全球氣候變化、生物多樣性和環(huán)境保護等方面發(fā)揮著重要作用[1-2]。近幾十年來，由于礦區(qū)開采和工業(yè)污染加劇了土壤重金屬的聚集,農(nóng)田土壤重金屬污染不僅對我國生態(tài)環(huán)境建設(shè)造成極大影響，更是直接危害到人體的健康，因此，在不同時間和空間尺度上監(jiān)測和評估土壤污染程度的必要性有所增加[3-4]。

傳統(tǒng)土壤重金屬污染狀況監(jiān)測方法較為昂貴且用時較久，不利于區(qū)域性快速監(jiān)測和評價。近年來，近紅外光譜技術(shù)依靠光譜信息精細且光譜分辨率高的優(yōu)勢，被廣泛應(yīng)用于土壤重金屬相關(guān)研究中。如文獻[5]利用土壤近紅外光譜結(jié)合逐步多元線性回歸分析對Cu含量進行反演；文獻[6]采用偏最小二乘對土壤重金屬Pb含量進行了估算；文獻[7]運用人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)了土壤重金屬銅的反演；文獻[8]對礦區(qū)土壤重金屬Pb、Zn進行了定性和定量模型遷移分析，表明定性分類適用于礦區(qū)土壤重金屬污染大面積快速監(jiān)測。

目前土壤重金屬相關(guān)研究均在有限樣本量且重金屬含量均衡條件下進行試驗分析。由于礦區(qū)土壤重金屬含量高度變異性，具有各污染等級樣本不均衡問題。因此，本文在現(xiàn)有研究基礎(chǔ)上[9-10]，將文獻[11]提出的SMOTE(synthetic minority over-sampling technique)算法應(yīng)用于土壤重金屬高光譜反演中，其基本思想是生成少數(shù)類樣本使得各污染等級的樣本趨于均衡，構(gòu)建應(yīng)用較為廣泛的隨機森林模型進行定性與定量試驗[12-13]，并進行精度分析。

1 數(shù)據(jù)獲取與預(yù)處理

1.1 土樣及光譜采集

本次研究以湖南省瀏陽市某硫鐵礦區(qū)為例。該礦區(qū)屬亞熱帶濕潤季風(fēng)氣候，四季分明，地勢相對平坦，土壤類型主要以黃泥田為主，主要作物有水稻和油菜籽。由于礦產(chǎn)開采所附帶的礦渣及廢液流入土壤，嚴(yán)重影響當(dāng)?shù)氐乃窘】?，迫切需要研究土壤受重金屬污染程度。本次試驗研究?017年6月實地采用網(wǎng)格法采集礦區(qū)土壤樣品，共采集37個樣本。土壤樣品采集后密封、標(biāo)記并帶回實驗室。在實驗室中，去除土壤樣品中的一些雜物，如碎石、根系等。在實驗室風(fēng)干后，研磨后過100目篩制樣供測試使用。每個樣本分別通過化學(xué)方法測定土壤重金屬Pb、Cd含量和采用Field-SpecAvaField-3波譜儀進行土壤高光譜采集。

1.2 光譜數(shù)據(jù)預(yù)處理

對高光譜數(shù)據(jù)進行重采樣和光譜變換能分別降低信息冗余和提高相關(guān)性[11]。在高光譜數(shù)據(jù)5 nm重采樣基礎(chǔ)上進行5種常用的光譜數(shù)據(jù)變換，包括一階微分(FD)、二階微分(SD)、倒數(shù)一階微分(REC-FD)、倒數(shù)二階微分(REC-SD)和倒數(shù)對數(shù)變換(LOG-REC)。將上述6種光譜指標(biāo)與土壤重金屬Pb、Cd含量在SPSS軟件中作相關(guān)性分析。土壤重金屬Pb、Cd最大相關(guān)性分別在REC-SD和FD取得，分別為0.558和0.470。通過數(shù)學(xué)變換，顯著提升了土壤重金屬含量與光譜之間的相關(guān)性。本文選取REC-SD和FD光譜指標(biāo)進行后續(xù)試驗分析。由于篇幅有限，僅展示Pb原始光譜與REC_SD的相關(guān)性圖，如圖1所示。

1.3 污染評價等級指標(biāo)

本文采用單因子指數(shù)法作為土壤重金屬污染狀況評價方法，計算公式為

(1)

式中，ci為土壤重金屬i的實測值；si為土壤重金屬i的湖南省土壤背景值。

本次試驗中依據(jù)污染指數(shù)Pi的大小共分為4個等級，結(jié)果見表1。依據(jù)土壤重金屬污染等級劃分為訓(xùn)練集26個和測試集11個，保持了整個數(shù)據(jù)集的土壤類別分布。

表1 土壤重金屬Pb、Cd單因子污染評價結(jié)果

2 SMOTE算法

SMOTE算法的基本思想是在相距較近的少數(shù)類樣本進行線性插值生成虛擬樣本，達到擴充少數(shù)類別的樣本及各等級樣本量均衡的目的，其關(guān)鍵步驟可表示如下：

(1) 隨機選取少數(shù)類別中樣本x，首先找到距其最近的K個少數(shù)類樣本，記為y1，y2,…,yk。

(2) 根據(jù)樣本均衡條件設(shè)置上采樣倍率參數(shù)N。

(3)x分別和K個少數(shù)類樣本進行隨機線性插值，生成N個新的少數(shù)類樣本，記為Xnew1，Xnew2,…,XnewN,基本生成公式為

Xnewj=x+rand(0,1)×(yj-x),j=1,2,…,N

(2)

式中，rand(0,1)是指區(qū)間(0,1)內(nèi)的一個隨機數(shù)。

3 試驗與分析

本文使用Python語言實現(xiàn)隨機森林和SMOTE算法。對于定量分析采用模型均方根誤差(root mean square error，RMSE)和驗證集決定系數(shù)(R2)對含量預(yù)測結(jié)果進行綜合評估。對于定性分析采用混淆矩陣中總體精度O及Kappa系數(shù)對分類結(jié)果精度進行評價。

3.1 定量反演結(jié)果

本文對PCA降維前后光譜樣本構(gòu)建隨機森林定量反演模型，預(yù)測結(jié)果見表2，Pb、Cd含量反演精度均較低，且重金屬Cd含量預(yù)測R2為負，這也是由于高含量樣本過少導(dǎo)致預(yù)測值偏低，誤差較大。PCA改變光譜的數(shù)值并降低光譜與重金屬含量間的相關(guān)性[14-15]，相較于原始光譜，應(yīng)用PCA降維后光譜構(gòu)建的反演模型預(yù)測精度低。

表2 重金屬Pb、Cd定量反演結(jié)果

注：RF表示使用全波段參與回歸建模，PCA_RF表示使用PCA提取的特征波段參與回歸建模。

3.2 定性分類結(jié)果

對光譜降維前后訓(xùn)練樣本應(yīng)用SMOTE算法，重金屬Pb、Cd各等級樣本量均達到平衡，對4種不同處理方法下光譜樣本構(gòu)建隨機森林分類模型,并與定量反演結(jié)果計算得到的污染指數(shù)作對比分析，結(jié)果見表3。定量反演結(jié)果計算得到的污染指數(shù)與直接分類精度均較低。土壤重金屬含量高度變異性及樣本不均衡問題導(dǎo)致結(jié)果較差。相較于原始樣本，應(yīng)用SMOTE算法均衡各等級樣本后，Pb、Cd分類精度均得到提升，在原始光譜組合SMOTE算法分類反演精度最優(yōu)，Pb、Cd總體精度均達到92%，Kappa系數(shù)均為0.87。相較于原始樣本，Pb、Cd直接分類總體精度均提高28%，Kappa系數(shù)分別提高0.46和0.39。

表3 重金屬Pb、Cd分類精度

注：PCA表示主成分分析，RF表示隨機森林模型，Regre表示依據(jù)定量反演結(jié)果計算所得的污染狀況類別，Class表示隨機森林分類結(jié)果，_表示組合。

本文進一步分析了RF_Class和SMOTE_RF_Class預(yù)測結(jié)果中多數(shù)類與少數(shù)類誤判率，見表4。SMOTE_RF_Class模型中土壤重金屬Pb、Cd污染狀況多數(shù)類樣本及少數(shù)類樣本誤判率均大幅度下降，說明SMOTE均衡各污染等級樣本的有效性，避免分類結(jié)果偏向樣本量多的類別。SMOTE組合隨機森林模型對礦區(qū)土壤重金屬進行污染狀況分類結(jié)果較優(yōu)。

表4 PCA降維前Pb、Cd類別誤判率 (%)

4 結(jié) 語

針對礦區(qū)土壤重金屬含量高度變異性導(dǎo)致定性分類精度低的問題，本文應(yīng)用SMOTE算法生成虛擬樣本均衡重金屬Pb、Cd各污染等級樣本，并構(gòu)建隨機森林模型進行定性與定量試驗，結(jié)論如下：①在重金屬含量高度變異性時，定量反演時預(yù)測精度較差。②在定性分析中，重金屬Pb、Cd污染狀況分類精度在SMOTE_RF_Class組合處理方式精度最高，總體精度均為92%，相較于原始樣本分類結(jié)果均提升28%，說明該方法具有一定的適用性。③定性分類結(jié)果精度優(yōu)于定量反演結(jié)果計算所得的污染指數(shù)，并能從整體上判斷研究區(qū)的重金屬污染狀況，為大面積應(yīng)用遙感影像監(jiān)測礦區(qū)土壤重金屬污染狀況提供了一種有效、精確的方法。