一种基于Vis-NIR和pXRF光谱融合的干旱区农田土壤重金属预测方法

本发明提供了一种基于Vis‑NIR和pXRF光谱融合的干旱区农田土壤重金属预测方法。首先，采集干旱区农田土壤样本的Vis‑NIR光谱数据和pXRF光谱数据，并针对不同光谱特性实施最优预处理，以降低背景噪声并提高光谱信号质量。随后，基于差异化预处理策略构建融合模型，综合利用Vis‑NIR光谱的机理信息与pXRF光谱的元素特征，实现对土壤重金属的高精度预测。进一步通过特征波段分析优化重金属元素的识别能力，提高检测模型的稳健性与泛化能力。本发明突破了单一传感器在低浓度重金属预测中的局限性，显著提升了检测精度和稳定性，可广泛应用于农田土壤重金属污染监测、生态风险评估及精准农业管理，具有重要的推广价值。