光谱仪应用之环境监测 | 河流有机碳遥感反演

刘爽等人在《陆地生态系统与保护学报》中发表的《基于地物光谱仪的河流有机碳遥感反演模型》文中，通过使用如海光电的地物光谱仪，进行测量钱塘江干流的颗粒有机碳和溶解有机碳，证实了高光谱数据在河流碳动态监测的可行性，为区域河流有机碳浓度的长期监测提供了可靠的技术手段。

在采集水样的同时，使用表面法采集水体光谱数据。利用便携式地物光谱仪（OFS2500）垂直于水面测定对应样点的光谱数据（325～1075nm），探头垂直距离水面1m。每个点重复采集10条光谱数据。经过数据预处理后得到如图1：

图1 原始光谱与经过S-G平滑后的光谱

将有机碳浓度数据和光谱数据进行一一对应，将80%的数据作为训练集，构建河流有机碳浓度反演模型，将剩下20%的数据作为测试集。通过5次循环验证，确保模型在有限数据下的稳定性。通过评估模型的预测精度，筛选出最优反演模型。训练集与测试集的具体信息详见表1。

表1训练集和测试集数据情况

通过MATLAB软件筛选出的河流颗粒有机碳（POC）和溶解性有机碳（DOC）的敏感波段及组合结果如表3所示。其中，颗粒有机碳（POC）的单波段敏感波段分别为436、456、584、869nm， Spearman系数为0.14～0.25，呈弱至中度相关性。

对于河流颗粒有机碳，构建了12个POC浓度反演模型，评估了其拟合效果和预测精度（表2）。通过比较不同变量条件下的POC浓度反演模型，可以看出各模型的R2、RPD值均随变量数增加呈增大趋势，且RMSE、MAE值均呈减小趋势，说明增加变量能提升模型性能。

表2 POC水质模型结果

对于河流溶解性有机碳，构建了12个DOC浓度反演模型，评估了其拟合效果和预测精度（表3）。通过比较不同变量条件下的POC浓度反演模型，可以看出各模型的R2、RPD值均随变量数增加呈增大趋势，仅有随机森林模型的RMSE、MAE值呈减小趋势。

表3 DOC水质模型结果

综上所述，随机森林-混合波段组合模型在钱塘江干流的颗粒有机碳和溶解有机碳浓度的预测中均表现优异。

本研究采用如海光电的地物光谱仪获取的高光谱数据能有效反映河流有机碳浓度的实际状况。

*免责声明：

如海光电公众号所发布内容（含图片、图表）来源于公开学术文献。文章版权、数据及所述观点归原作者所有。本文旨在分享科研应用案例，如有侵权请联系后台处理。