(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111197959.5 (22)申请日 2021.10.14 (71)申请人 清华大学 地址 100084 北京市海淀区清华园 (72)发明人 侯德义　贾茜越　 (74)专利代理 机构 北京华进京联知识产权代理 有限公司 1 1606 代理人 哈达 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/26(2012.01) G06N 3/04(2006.01) G06N 20/00(2019.01) G06N 20/10(2019.01) (54)发明名称 反演土壤重金属污染风险等级的方法 (57)摘要 本发明涉及土壤重金属污染检测技术领域， 具体而言， 涉及一种反演土壤重金属污染风险等 级的方法。 反演土壤重金属污染风险等级的方法 包括建模并利用所得模型反演未采样点的土壤 重金属污染风险等级； 建模的方法包括： 构建地 物特征变量； 卫星多光谱指数构建； 地物特征变 量及多光谱指数与土壤重金属污染相关性分析； 建模， 并对模型进行筛选。 该方法引入了地物特 征变量并结合使用卫星多光谱影像， 从而能够大 范围及实时进行采集和检测， 且具有高检测精 度。 权利要求书1页 说明书9页 附图2页 CN 114021900 A 2022.02.08 CN 114021900 A 1.一种反演土壤重金属污染风险等级的方法， 其特 征在于， 包括以下步骤： 根据研究区中采样点的相关信息建模并利用所得模型反演未采样点的土壤重金属污 染风险等级； 所述建模的方法包括以下步骤： 获取所述研究区内的地物的位置， 通过欧氏距离及梯度计算公式构建所述采样点与 各 所述地物的特 征变量； 对所述研究区的卫星多光谱影像进行校正和去 除噪声后， 构建单波段、 双波段及三波 段多光谱指数， 所述单波段光谱指数包括ln(a)、 1/a、 1/ln(a)和 所述双波段光谱指 数包括a×b、 a/b、 和(a‑b)/(a+b)， 所述三波段光谱指数 包括(a+b)/ c、 (a×b)/c、 (a‑b)/c和 其中a、 b、 c为波段值； 根据所述特征变量及所述多光谱指数与土壤重金属浓度之间的响应关系， 提取关键特 征变量； 将所述采样点的土壤重金属污染风险等级作为因变量， 所述关键特征变量为自变量构 建随机森林模型、 神经网络模型及支持向量机模型， 并根据评价指标筛 选模型。 2.根据权利要求1所述的反演土壤重金属污染风险等级的方法， 其特征在于， 选取所述 采样点的方法包括系统采样法、 对角线采样法、 梅花型采样法、 棋盘式采样法或蛇形采样 法。 3.根据权利要求1所述的反演土壤重金属污染风险等级的方法， 其特征在于， 获取所述 地物的位置所采用的方法为标注遥感图像， 获取所述遥感图像的工具为遥感卫星或无人 机。 4.根据权利要求1所述的反演土壤重金属污染风险等级的方法， 其特征在于， 获取所述 卫星多光谱影像采用的工具为Lan dsat系列卫星、 Spot系列卫星、 Sentinel系列卫星、 资源 系列卫星或高分辨 率系列卫星。 5.根据权利要求1所述的反演土壤重金属污染风险等级的方法， 其特征在于， 所述评价 指标包括准确率、 F1 ‑score、 低风险采样点的F1 ‑score、 中风险采样点的F1 ‑score、 高风险 采样点的F1 ‑score及Kap pa系数。 6.根据权利要求1所述的反演土壤重金属污染风险等级的方法， 其特征在于， 划分所述 采样点的土壤重金属污染风险等级的方法包括： 测定所述采样点的土壤样本的pH及重金属 浓度， 并确定 重金属的筛 选值及管制值。 7.根据权利要求6所述的反演土壤重金属污染风险等级的方法， 其特征在于， 所述土壤 样本预先除去了碎石和动植物 残骸。 8.根据权利要求1所述的反演土壤重金属污染风险等级的方法， 其特征在于， 所述校正 和去除噪声的方法包括几何校正和大气校正。 9.根据权利要求8所述的反演土壤重金属污染风险等级的方法， 其特征在于， 所述大气 校正的模型包括6S大气校正模型、 Fla ash模型或Mor tran模型。 10.根据权利要求1～9任一项所述的反演土壤重金属污染风险等级的方法， 其特征在 于， 所述重金属为As、 Pb、 N i及Cr中的一种或多种。权　利　要　求　书 1/1 页 2 CN 114021900 A 2反演土壤重金属污染风险等级的方 法 技术领域 [0001]本发明涉及土壤重金属污染检测技术领域， 具体而言， 涉及一种反演土壤重金属 污染风险等级的方法。 背景技术 [0002]土壤污染调查是土壤污染防治相关政策体系构建的基础， 也是疑似污染地块进入 用地流程的把门人， 更是污染地块开展修复及风险管控的重要依据。 然而， 传统的土壤污染 调查具有 人力及物力消耗大、 耗时长等缺陷。 同时， 传统土壤污染调查中通常使用克里金插 值进行地块尺度的土壤污染分布空间反演。 但是土壤污染异质性较强， 很难满足克里金插 值中的均一性假设， 要求空间各点具有一致的方差及均值。 此外， 克里金插值本质上仅包含 采样点土壤污染物浓度及距离两个 自变量， 如果要提高反演精度， 仅能通过添加采样点的 方式进行， 由此将增 加采样的人力、 物力及时间等成本， 而且无法进行实时检测。 [0003]另外， 土壤中的重金属含量较低， 远低于氮、 磷等物质， 直接使用卫星或无人机光 谱数据进 行反演重金属的难度较大。 场地无人机或卫星多光谱数据的噪声远高于实验室中 获取的光谱数据， 因此需要更为复杂的降噪技 术或特征处理技术去除环境噪声的影响。 发明内容 [0004]基于此， 本发明提供了一种反演土壤重金属污染风险等级的方法， 所述方法能够 进行大范围及实时检测。 [0005]本发明一方面， 提供一种反演土壤重金属污染风险等级的方法， 包括以下步骤： [0006]根据研究区中采样点的相关信息建模并利用所得模型反演未采样点的土壤重金 属污染风险等级； [0007]所述建模的方法包括以下步骤： [0008]获取所述研究区内的地物的位置， 通过欧氏距离及梯度计算公式构建所述采样点 与各所述地物的特 征变量； [0009]对所述研究区的卫星多光谱影像进行校正和去除噪声后， 构建单波段、 双波段及 三波段多光谱指数， 所述单波段光谱指数包括ln(a)、 1/a、 1/ln(a)和 所述双波段光 谱指数包括a ×b、 a/b、 和(a‑b)/(a+b)， 所述三波段光谱指数 包括(a+b)/ c、 (a×b)/c、 (a‑b)/c和 其中a、 b、 c为波段值； [0010]根据所述特征变量及所述多光谱指数与土壤重金属浓度之间的响应关系， 提取关 键特征变量； [0011]将所述采样点的土壤重金属污染风险等级作为因变量， 所述关键特征变量为自变 量构建随机森林模型、 神经网络模型及支持向量机模型， 并根据评价指标筛 选最优模型。 [0012]可选的， 如上述所述的反演土壤重金属污染风险等级的方法， 选取所述采样点的 方法包括系统采样法、 对角线采样法、 梅 花型采样法、 棋盘式采样法或蛇形采样法。说　明　书 1/9 页 3 CN 114021900 A 3