论文部分内容阅读
沉积物是流域环境变化的重要载体,传统的组分测试方法费时、费力,漫反射光谱是一种快速、无损的测试方法。本研究以滇池流域大石坝水库三个沉积剖面为研究对象,以传统方法测试样品中TOC、TN、TP、δ3Corg、137Cs和210Pbex的含量,并扫描沉积物样品在可见光-近红外波段(350-2500nm)的漫反射光谱。首先对沉积物光谱数据进行预处理,以光谱数据为数据源结合多种建模方法建立多种沉积物特征组分含量的预测模型,并由光谱数据提取光谱指标,用于分析不同沉积剖面的沉积环境,主要结论如下：(1)以主成分分析提取的沉积物样品光谱的前两个主成分为变量进行HotellingT2检验发现,8个样品属于光谱异常样品；(2)不同的建模方法对沉积物组分含量的预测效果具有较大的差异,非线性的BP神经网络模型和PC-BPNN. PLS-BPNN具有更高的预测精度,其中BP神经网络模型是TOC(R2=0.853, RMSE=2.121, RPD=2.604, RPIQ=2.113)的最佳模型,TN(R2=0.847, RMSE=0.299, RPD=2.554, RPIQ=3.362)和210Pbex(R2=0.319, RMSE=167.787, RPD=1.212, RPIQ=1.541)的最佳方法模型是PC-BPNN,而PLS-BPNN模型是TP(R2=0.970, RMSE=0.394, RPD=5.799, RPIQ=2.302),δ13Corg(R2=0.881, RMSE=0.327, RPD=2.896, RPIQ=4.533)和137Cs(R2=0.313, RMSE=1.180, RPD=1.206, RPIQ=1.390)的最佳模型。不同组分的最佳模型预测精度存在差异,第一类组分TOC和TN及第二类TP和δ13Corg具有较高的预测精度,但第二类组分137Cs和210Pbex预测精度并不高。剖面的预测值与实测值进行比较发现,TOC、TN. TP.513Corg预测值与实测值具有非常好的一致性；137Cs和210Pbex的预测值与实测值之间有较大的差异,但二者的峰值一一对应。表明漫反射光谱可用于沉积物TOC、TN、TP、δ13Corg含量的定量研究和137Cs和210Pbex的半定量研究。(3)基于样品光谱的红度与第一主成分(PC1)进行分析,结果显示剖面样品的分布特征不同,DSB1样品较为集中,而DSB2分布较为分散,DSB3的集中区域与DSB1较为接近,少数样品位于DSB2的集中区域。DSB1受水库水位影响较大,沉积来源受上游影响较大；DSB3特别是表层样品受其附近的山谷影响较大,而DSB2受水库受这两方面的影响较小,说明红度与PC1可用于区分不同沉积环境的沉积物,同时也说明,小流域内不同的沉积样点所反映的沉积环境存在较大差异。