矿业安全与环保

作者：刘英, 范凯旋, 裴为豪, 沈文静, 葛建华

关键词：土壤含水量, 高光谱, 偏最小二乘回归, 最小二乘支持向量机, 无人机, 干旱阈值, 引导修复

为对地下采矿扰动区表层土壤水分进行反演，以大柳塔煤矿52501工作面为例，利用无人机搭载成像光谱仪获取高光谱影像，对获取的光谱数据进行对数、倒数对数、一阶和包络线去除变换，结合地面采集的128个土壤水分数据，基于偏最小二乘回归(PLSR)和最小二乘支持向量机(LSSVM)构建土壤水分预测模型并验证其预测精度。结果表明，基于一阶变换的PLSR模型和LSSVM模型预测精度相对较好，一阶变换的PLSR模型建模集 R c 2和预测集 R p 2分别为0.702 1和0.640 5，均方根误差RMSE c和RMSE p分别为1.638 4%和1.103 4%，相对分析误差RPD p为1.726 3；一阶变换的LSSVM模型建模集 R c 2和预测集 R p 2分别为0.812 5和0.597 9，均方根误差RMSE c和RMSE p分别为1.275 5%和1.345 9%，相对分析误差RPD P为1.632 3。最终基于PLSR和LSSVM模型完成了土壤水分的制图，实现了土壤水分的空间预测，为该研究区植被引导修复中土壤水分精准提升提供了空间数据支持。

来源：2024年第5期

《矿业安全与环保》期刊编辑部

查看矿业安全与环保杂志2024年第5期