土壤重金屬污染高光譜遙感監(jiān)測方法綜述

1、土壤重金屬污染高光譜遙感監(jiān)測方法綜述作者：郭學(xué)飛 曹穎 焦?jié)櫝?來源：城市地質(zhì)2020年第 03期摘 要：近年來土壤重金屬污染日益嚴(yán)重，對(duì)生態(tài)環(huán)境安全和人類健康構(gòu)成了嚴(yán)重威脅。 高光譜遙感技術(shù)具有快速、宏觀地獲取地物信息的能力，為快速高效獲取土壤重金屬含量開展 污染防治提供了科學(xué)手段。本文總結(jié)了基于土壤光譜分析和植被光譜分析的兩類土壤重金屬污 染高光譜遙感監(jiān)測的方法及原理，介紹了土壤重金屬含量反演建模過程及建模方法。土壤光譜 分析法預(yù)測重金屬含量主要基于實(shí)驗(yàn)室土壤光譜展開，具有較高的預(yù)測精度，但很難實(shí)現(xiàn)大范 圍土壤重金屬污染監(jiān)測;植被光譜分析法多是基于野外實(shí)測光譜數(shù)據(jù)展開，預(yù)測精度相對(duì)較 低，

2、但較易與高光譜影像相結(jié)合進(jìn)行區(qū)域土壤重金屬污染預(yù)測，是今后研究的熱點(diǎn)方向。多元 逐步線性回歸和偏最小二乘回歸是土壤重金屬含量反演應(yīng)用最為廣泛的建模方法，但反演模型 往往缺乏普適性和穩(wěn)定性，隨著高光譜傳感器和數(shù)據(jù)獲取平臺(tái)的發(fā)展，普適性更好穩(wěn)定性更強(qiáng) 的建模方法將不斷出現(xiàn)。關(guān)鍵詞：土壤重金屬;高光譜遙感;監(jiān)測方法;反演模型Abstract： Heavy metal pollution in soil is a serious threat to ecological environment and human health. Hyperspectral remote sensing technol

3、ogy has the ability to acquire ground object information quickly and macroscopically. It provides a scientific method for fast， efficiently and quantitatively acquiring the heavy metal contents in soil and pollution prevention. In this paper， the methods and principles of hyperspectral remote sensin

4、g monitoring of soil heavy metal pollution were summarized based on soil spectral analysis and vegetation spectral analysis. The process and modeling method of soil heavy metal content inversion were introduced. The prediction of heavy metal contents by soil spectral analysis is based on the laborat

5、ory soil spectrum， which has high prediction accuracy， but it is difficult to realize the large-scale monitoring of heavy metal pollution in soil. Vegetation spectral analysis is mostly based on field measuring spectral data， with relatively low prediction accuracy. However， it is easy to combine wi

6、th hyperspectral images to predict regional soil heavy metal pollution. Therefore， it is a most popular research field in the future. Multiple stepwise linear regression and partial least squares regression are the most widely used modeling methods for inversion of soil heavy metal contents， but the

7、 inversion model often lacks universality and stability. With the development of hyperspectral sensors and acquisition platforms， modeling methods with better universality and stability will continue to emerge.Keywords： Soil heavy metals; Hyperspectral remote sensing; Monitoring method; Inversion mo

8、del0 前言近年來我國工農(nóng)業(yè)生產(chǎn)發(fā)展迅速，土壤環(huán)境污染日益嚴(yán)重，其中以銅（Cu）、鉛（Pb）、鋅（Zn）、汞（Hg）、鎘（Cd）、鉻（Cr）、砷（As）、鎳（Ni ）等為代表的生物 毒性顯著的重金屬污染尤其突出（莊國泰， 2015;周建軍等， 2014）。2014年全國土壤污染狀 況調(diào)查公報(bào)顯示，我國土壤總超標(biāo)率16.1%，其中無機(jī)污染物占總超標(biāo)點(diǎn)位的82.8%（環(huán)境保 護(hù)部，國土資源部， 2014）。我國耕地因受重金屬污染質(zhì)量狀況堪憂，每年因土壤重金屬污染 而損失的糧食作物約1200萬噸（Teng，et al.，2010）。土壤重金屬污染不僅會(huì)造成農(nóng)作物減 產(chǎn)、質(zhì)量下降，甚至?xí)ㄟ^食物鏈的

9、方式影響人類健康（紀(jì)小鳳等， 2016），因此對(duì)土壤重金 屬的監(jiān)測十分必要。如何快速高效地檢測出土壤重金屬污染區(qū)域并評(píng)估其污染程度，是開展土 壤污染監(jiān)測的關(guān)鍵，也是政府部門開展土壤環(huán)境治理的重要前提。傳統(tǒng)的土壤重金屬污染檢測方法通常是對(duì)野外采集的土壤樣品開展實(shí)驗(yàn)室化學(xué)分析，該方 法測量精度高、準(zhǔn)確性強(qiáng)，但由于檢測環(huán)節(jié)多、耗時(shí)長、成本高，很難快速獲取大區(qū)域上的污 染物含量及分布信息（肖捷穎等， 2013）。高光譜遙感具有快速、宏觀地獲取地物信息的能 力，在土壤重金屬污染監(jiān)測領(lǐng)域不斷顯示出其獨(dú)特的優(yōu)勢。本文概述了利用高光譜遙感技術(shù)開 展土壤重金屬污染監(jiān)測的原理、方法以及反演模型的建立，分析了高光譜

10、遙感在土壤重金屬污 染監(jiān)測中存在的問題以及未來的發(fā)展展望。1 高光譜遙感概述高光譜遙感（Hyperspectral Remote Sensing）又稱成像光譜遙感，是當(dāng)前遙感的前沿技 術(shù)。它將光譜技術(shù)與成像技術(shù)相結(jié)合，能夠獲取目標(biāo)物非常窄且連續(xù)的光譜信息以及空間分布 信息，光譜獲取范圍覆蓋了電磁波的紫外波段至熱紅外波段（肖博林， 2020;吳振洲， 2012）。高光譜遙感以光譜范圍寬、光譜分辨率高及“圖譜合一”的特點(diǎn)，極大地提高了地表覆 蓋探測和地物識(shí)別能力，使半定量和定量地識(shí)別地物類別成為可能（劉勛等， 2019），近年來 逐漸被探索應(yīng)用于土壤重金屬監(jiān)測領(lǐng)域。2 土壤重金屬污染高光譜遙感監(jiān)測

11、方法土壤中的重金屬元素屬于微量元素，在土壤光譜上很難捕捉到重金屬信息，因此通過直接 分析光譜曲線的吸收反射特征估算重金屬含量比較困難（龔紹琦等， 2010）?？筛鶕?jù)重金屬元 素與其他物質(zhì)的吸附關(guān)系以及對(duì)植被的脅迫特征，間接地預(yù)測元素含量，確定土壤污染程度。 目前利用高光譜遙感開展土壤重金屬污染監(jiān)測的方法主要分為如下兩種：（1）直接根據(jù)土壤 光譜與重金屬元素間的相關(guān)性進(jìn)行元素含量反演估算;（2）根據(jù)被重金屬污染脅迫植被的光譜 信息間接預(yù)測土壤重金屬污染狀況。2.1 土壤光譜分析法預(yù)測重金屬含量雖然重金屬在土壤中屬微量元素，沒有明顯的特征光譜，但土壤中的黏土礦物、土壤有機(jī) 質(zhì)等組分往往與之存在吸附

12、或賦存關(guān)系（WU，et al.，2006），這些組分的存在導(dǎo)致土壤光譜 形態(tài)和反射率大小在一定程度上發(fā)生改變，使土壤光譜曲線顯示出特定的反射特征，利用重金 屬元素與這些組分之間的相關(guān)性可估算元素含量。土壤光譜分析法估算土壤重金屬含量的實(shí)現(xiàn)方法是，利用實(shí)驗(yàn)室或野外實(shí)測的土壤樣品光 譜數(shù)據(jù)，經(jīng)斷點(diǎn)修復(fù)、平滑等預(yù)處理后，將原始光譜及其數(shù)學(xué)變換、連續(xù)統(tǒng)去除等變換后的光 譜指標(biāo)與測定的土壤重金屬含量進(jìn)行相關(guān)分析，建立土壤重金屬含量與光譜指標(biāo)特征波段的最 佳回歸模型，利用該模型定量反演出土壤重金屬含量。解憲麗等（2007）研究發(fā)現(xiàn)江西貴溪銅冶煉廠污染區(qū)土壤的Cu、Pb、Zn、Co、Ni、Fe、 Cd、 C

13、r、 Mn 9 種元素含量與土壤可見光-近紅外反射光譜之間存在顯著相關(guān)，相關(guān)原因?yàn)橛袡C(jī) 質(zhì)、黏土礦物、鐵錳氧化物等土壤組分對(duì)上述重金屬元素有存在吸附作用。李瓊瓊等（2019） 通過采集土壤樣本，分析土壤光譜信息，采用偏最小二乘法建立了城市居民區(qū)土壤Cu、Pb、 Zn元素的反演模型，其中Pb元素的反演精度最高（R2=0.77, RMSE=7.66），模型具有較好 的預(yù)測能力。王金鳳等（2019）基于室內(nèi)測定的土壤高光譜數(shù)據(jù)，利用逐步回歸方法甄選出了 與鐵氧化物、有機(jī)質(zhì)、黏土礦物等有關(guān)的有效光譜變量580、 810、 1410、 1910、 2160、 2260、2270、2350、2430nm，

14、運(yùn)用隨機(jī)森林、支持向量機(jī)、偏最小二乘等方法建立Zn元素含 量反演模型，結(jié)果表明基于二階微分變換的隨機(jī)森立模型反演精度最高（R2=0.94, RMSE=18.01），是喀斯特地區(qū)鋅元素含量反演的最佳模型。以上研究均是基于實(shí)驗(yàn)室土壤高光譜數(shù)據(jù)開展，實(shí)驗(yàn)室條件下測得的土壤光譜數(shù)據(jù)受外界 環(huán)境條件影響最小，光譜數(shù)據(jù)處理?xiàng)l件較為一致，研究的重點(diǎn)便集中在建模方法的選擇上，因 此利用實(shí)驗(yàn)室土壤光譜直接分析土壤重金屬含量是目前土壤重金屬高光譜反演中最為成熟的方 法，但受土壤樣品采集數(shù)量和范圍的限制，基于實(shí)驗(yàn)室土壤高光譜很難實(shí)現(xiàn)大區(qū)域土壤重金屬 污染的監(jiān)測。2.2 植被光譜分析法預(yù)測重金屬含量研究表明，土壤中的

15、重金屬能對(duì)植物的生理結(jié)構(gòu)特征產(chǎn)生影響，尤其是對(duì)葉綠素的合成影 響較大，從而改變植物的光譜特性（唐鵬等， 2014）。當(dāng)植被收到重金屬污染脅迫時(shí)，植被葉 片中的葉綠素含量會(huì)降低，使得植被波普的“紅邊位置”（指由于植物體內(nèi)葉綠素的吸收作用， 致使植被反射波譜特征在紅光波段到近紅外波段處（660770nm）急劇升高）向短波方向偏 移，形成紅邊“藍(lán)移”現(xiàn)象（張志斌， 2013;鄔登巍等， 2009;Bonham-carter， 1988）。 “紅邊位 置”、植被指數(shù)等是表征植被生長狀態(tài)的重要參數(shù)。重金屬污染對(duì)植被光譜特征和植被生長狀 態(tài)參數(shù)變化的影響，是利用植被光譜分析預(yù)測重金屬污染的基礎(chǔ)。植被光譜分

16、析法預(yù)測土壤重金屬含量的實(shí)現(xiàn)方法是，測定重金屬污染條件下表層土壤的重 金屬含量和植被葉片的葉綠素含量（或根據(jù)植被光譜特征形成“紅邊位置”、植被指數(shù)等植被生 長狀態(tài)參數(shù)），分析葉綠素含量或植被生長狀態(tài)參數(shù)與土壤重金屬含量之間的相關(guān)關(guān)系，建立 土壤重金屬含量反演模型，預(yù)測研究區(qū)土壤重金屬污染情況。利用植被光譜分析法預(yù)測重金屬污染的一種方式是基于地面高光譜儀采集植物葉片的高光 譜反射數(shù)據(jù)，與測定的葉片葉綠素含量及重金屬含量，建立預(yù)測模型。如于慶等（2018）用 Field Spec HH便攜式手持地物光譜儀采集了典型污灌區(qū)冬小麥冠層光譜，建立了Cr、Ni、 Pb、Zn、Hg、Cd元素含量反演模型，實(shí)

17、現(xiàn)了重金屬含量及空間分布特征反演。另一種方式是 基于機(jī)載和星載高光譜儀，持續(xù)獲取地面受污染植被的光譜信息，建立反演模型，實(shí)現(xiàn)土壤重 金屬的實(shí)時(shí)、大面積、原位監(jiān)測。如劉昭賢等（2019）利用無人機(jī)搭載的HyspexSWIR-384成 像光譜儀獲取高光譜影像，并利用便攜式地物光譜儀同步采集地面光譜數(shù)據(jù)，實(shí)現(xiàn)了農(nóng)田Cd 元素的快速檢測;易興松等（2018）利用無人機(jī)獲取GS高光譜數(shù)據(jù)開展了農(nóng)田As、Cr、Pb等 元素的建模反演，并與ASD光譜儀采集光譜建模的預(yù)測精度進(jìn)行了對(duì)比，結(jié)果表明無人機(jī)GS 光譜具備監(jiān)測土壤重金屬的能力，但預(yù)測精度不及ASD光譜。楊靈玉等（2016）基于 Hyperion高光譜

18、影像數(shù)據(jù)，建立了基于植被指數(shù)的玉樹縣土壤重金屬Zn和Cd含量的估算模 型。地面實(shí)測光譜數(shù)據(jù)具有波段多、精度高的特點(diǎn)，因此利用植被光譜分析法開展土壤重金屬 含量的研究多集中在對(duì)地面實(shí)測光譜數(shù)據(jù)的分析上。但由于植被在高光譜影像上具有獨(dú)特的響 應(yīng)特征，同時(shí)高光譜影像具備獲取速度快、覆蓋面積廣的優(yōu)點(diǎn)，近年來利用機(jī)載和星載高光譜 影像反演重金屬含量的研究逐漸增加，基于高光譜影像的植被光譜分析法也成為目前土壤重金 屬含量反演研究的熱點(diǎn)。高光譜遙感概述高光譜遙感（Hyperspectral Remote Sensing）又稱成像光譜遙感，是當(dāng)前遙感的前沿技 術(shù)。它將光譜技術(shù)與成像技術(shù)相結(jié)合，能夠獲取目標(biāo)物非

19、常窄且連續(xù)的光譜信息以及空間分布 信息，光譜獲取范圍覆蓋了電磁波的紫外波段至熱紅外波段（肖博林， 2020;吳振洲， 2012）。高光譜遙感以光譜范圍寬、光譜分辨率高及“圖譜合一”的特點(diǎn)，極大地提高了地表覆 蓋探測和地物識(shí)別能力，使半定量和定量地識(shí)別地物類別成為可能（劉勛等， 2019），近年來 逐漸被探索應(yīng)用于土壤重金屬監(jiān)測領(lǐng)域。土壤重金屬污染高光譜遙感監(jiān)測方法土壤中的重金屬元素屬于微量元素，在土壤光譜上很難捕捉到重金屬信息，因此通過直接 分析光譜曲線的吸收反射特征估算重金屬含量比較困難（龔紹琦等， 2010）?？筛鶕?jù)重金屬元 素與其他物質(zhì)的吸附關(guān)系以及對(duì)植被的脅迫特征，間接地預(yù)測元素含量，

20、確定土壤污染程度。 目前利用高光譜遙感開展土壤重金屬污染監(jiān)測的方法主要分為如下兩種：（1）直接根據(jù)土壤 光譜與重金屬元素間的相關(guān)性進(jìn)行元素含量反演估算;（2）根據(jù)被重金屬污染脅迫植被的光譜 信息間接預(yù)測土壤重金屬污染狀況。土壤光譜分析法預(yù)測重金屬含量雖然重金屬在土壤中屬微量元素，沒有明顯的特征光譜，但土壤中的黏土礦物、土壤有機(jī) 質(zhì)等組分往往與之存在吸附或賦存關(guān)系（WU, et al., 2006），這些組分的存在導(dǎo)致土壤光譜 形態(tài)和反射率大小在一定程度上發(fā)生改變，使土壤光譜曲線顯示出特定的反射特征，利用重金 屬元素與這些組分之間的相關(guān)性可估算元素含量。土壤光譜分析法估算土壤重金屬含量的實(shí)現(xiàn)方法

21、是,利用實(shí)驗(yàn)室或野外實(shí)測的土壤樣品光 譜數(shù)據(jù),經(jīng)斷點(diǎn)修復(fù)、平滑等預(yù)處理后,將原始光譜及其數(shù)學(xué)變換、連續(xù)統(tǒng)去除等變換后的光 譜指標(biāo)與測定的土壤重金屬含量進(jìn)行相關(guān)分析,建立土壤重金屬含量與光譜指標(biāo)特征波段的最 佳回歸模型,利用該模型定量反演出土壤重金屬含量。解憲麗等（2007）研究發(fā)現(xiàn)江西貴溪銅冶煉廠污染區(qū)土壤的 Cu、Pb、Zn、Co、Ni、Fe、 Cd、Cr、Mn 9種元素含量與土壤可見光-近紅外反射光譜之間存在顯著相關(guān),相關(guān)原因?yàn)橛袡C(jī) 質(zhì)、黏土礦物、鐵錳氧化物等土壤組分對(duì)上述重金屬元素有存在吸附作用。李瓊瓊等（2019） 通過采集土壤樣本，分析土壤光譜信息，采用偏最小二乘法建立了城市居民區(qū)土

22、壤Cu、Pb、 Zn元素的反演模型，其中Pb元素的反演精度最高（R2=0.77, RMSE=7.66），模型具有較好 的預(yù)測能力。王金鳳等（2019）基于室內(nèi)測定的土壤高光譜數(shù)據(jù),利用逐步回歸方法甄選出了 與鐵氧化物、有機(jī)質(zhì)、黏土礦物等有關(guān)的有效光譜變量580、 810、 1410、 1910、 2160、 2260、2270、2350、2430nm，運(yùn)用隨機(jī)森林、支持向量機(jī)、偏最小二乘等方法建立Zn元素含 量反演模型，結(jié)果表明基于二階微分變換的隨機(jī)森立模型反演精度最高（R2=0.94, RMSE=18.01），是喀斯特地區(qū)鋅元素含量反演的最佳模型。以上研究均是基于實(shí)驗(yàn)室土壤高光譜數(shù)據(jù)開展,實(shí)

23、驗(yàn)室條件下測得的土壤光譜數(shù)據(jù)受外界 環(huán)境條件影響最小,光譜數(shù)據(jù)處理?xiàng)l件較為一致,研究的重點(diǎn)便集中在建模方法的選擇上,因 此利用實(shí)驗(yàn)室土壤光譜直接分析土壤重金屬含量是目前土壤重金屬高光譜反演中最為成熟的方 法,但受土壤樣品采集數(shù)量和范圍的限制,基于實(shí)驗(yàn)室土壤高光譜很難實(shí)現(xiàn)大區(qū)域土壤重金屬 污染的監(jiān)測。2.2植被光譜分析法預(yù)測重金屬含量研究表明,土壤中的重金屬能對(duì)植物的生理結(jié)構(gòu)特征產(chǎn)生影響,尤其是對(duì)葉綠素的合成影 響較大,從而改變植物的光譜特性（唐鵬等, 2014）。當(dāng)植被收到重金屬污染脅迫時(shí),植被葉 片中的葉綠素含量會(huì)降低,使得植被波普的“紅邊位置”（指由于植物體內(nèi)葉綠素的吸收作用, 致使植被反

24、射波譜特征在紅光波段到近紅外波段處（660770nm）急劇升高）向短波方向偏 移,形成紅邊“藍(lán)移”現(xiàn)象（張志斌, 2013;鄔登巍等, 2009;Bonham-carter, 1988）。 “紅邊位 置”、植被指數(shù)等是表征植被生長狀態(tài)的重要參數(shù)。重金屬污染對(duì)植被光譜特征和植被生長狀 態(tài)參數(shù)變化的影響,是利用植被光譜分析預(yù)測重金屬污染的基礎(chǔ)。植被光譜分析法預(yù)測土壤重金屬含量的實(shí)現(xiàn)方法是,測定重金屬污染條件下表層土壤的重 金屬含量和植被葉片的葉綠素含量（或根據(jù)植被光譜特征形成“紅邊位置”、植被指數(shù)等植被生 長狀態(tài)參數(shù)），分析葉綠素含量或植被生長狀態(tài)參數(shù)與土壤重金屬含量之間的相關(guān)關(guān)系，建立 土壤重金

25、屬含量反演模型，預(yù)測研究區(qū)土壤重金屬污染情況。利用植被光譜分析法預(yù)測重金屬污染的一種方式是基于地面高光譜儀采集植物葉片的高光 譜反射數(shù)據(jù)，與測定的葉片葉綠素含量及重金屬含量，建立預(yù)測模型。如于慶等（2018）用 Field Spec HH便攜式手持地物光譜儀采集了典型污灌區(qū)冬小麥冠層光譜，建立了Cr、Ni、 Pb、Zn、Hg、Cd元素含量反演模型，實(shí)現(xiàn)了重金屬含量及空間分布特征反演。另一種方式是 基于機(jī)載和星載高光譜儀，持續(xù)獲取地面受污染植被的光譜信息，建立反演模型，實(shí)現(xiàn)土壤重 金屬的實(shí)時(shí)、大面積、原位監(jiān)測。如劉昭賢等（2019）利用無人機(jī)搭載的HyspexSWIR-384成 像光譜儀獲取高光

26、譜影像，并利用便攜式地物光譜儀同步采集地面光譜數(shù)據(jù)，實(shí)現(xiàn)了農(nóng)田Cd 元素的快速檢測;易興松等（2018）利用無人機(jī)獲取GS高光譜數(shù)據(jù)開展了農(nóng)田As、Cr、Pb等 元素的建模反演，并與ASD光譜儀采集光譜建模的預(yù)測精度進(jìn)行了對(duì)比，結(jié)果表明無人機(jī)GS 光譜具備監(jiān)測土壤重金屬的能力，但預(yù)測精度不及ASD光譜。楊靈玉等（2016）基于 Hyperion高光譜影像數(shù)據(jù)，建立了基于植被指數(shù)的玉樹縣土壤重金屬Zn和Cd含量的估算模 型。地面實(shí)測光譜數(shù)據(jù)具有波段多、精度高的特點(diǎn)，因此利用植被光譜分析法開展土壤重金屬 含量的研究多集中在對(duì)地面實(shí)測光譜數(shù)據(jù)的分析上。但由于植被在高光譜影像上具有獨(dú)特的響 應(yīng)特征，同

27、時(shí)高光譜影像具備獲取速度快、覆蓋面積廣的優(yōu)點(diǎn)，近年來利用機(jī)載和星載高光譜 影像反演重金屬含量的研究逐漸增加，基于高光譜影像的植被光譜分析法也成為目前土壤重金 屬含量反演研究的熱點(diǎn)。高光譜遙感概述高光譜遙感（Hyperspectral Remote Sensing）又稱成像光譜遙感，是當(dāng)前遙感的前沿技 術(shù)。它將光譜技術(shù)與成像技術(shù)相結(jié)合，能夠獲取目標(biāo)物非常窄且連續(xù)的光譜信息以及空間分布 信息，光譜獲取范圍覆蓋了電磁波的紫外波段至熱紅外波段（肖博林， 2020;吳振洲， 2012）。高光譜遙感以光譜范圍寬、光譜分辨率高及“圖譜合一”的特點(diǎn)，極大地提高了地表覆 蓋探測和地物識(shí)別能力，使半定量和定量地識(shí)

28、別地物類別成為可能（劉勛等， 2019），近年來 逐漸被探索應(yīng)用于土壤重金屬監(jiān)測領(lǐng)域。土壤重金屬污染高光譜遙感監(jiān)測方法土壤中的重金屬元素屬于微量元素，在土壤光譜上很難捕捉到重金屬信息，因此通過直接 分析光譜曲線的吸收反射特征估算重金屬含量比較困難（龔紹琦等， 2010）?？筛鶕?jù)重金屬元 素與其他物質(zhì)的吸附關(guān)系以及對(duì)植被的脅迫特征，間接地預(yù)測元素含量，確定土壤污染程度。 目前利用高光譜遙感開展土壤重金屬污染監(jiān)測的方法主要分為如下兩種：（1）直接根據(jù)土壤 光譜與重金屬元素間的相關(guān)性進(jìn)行元素含量反演估算;（2）根據(jù)被重金屬污染脅迫植被的光譜 信息間接預(yù)測土壤重金屬污染狀況。土壤光譜分析法預(yù)測重金屬含

29、量雖然重金屬在土壤中屬微量元素，沒有明顯的特征光譜，但土壤中的黏土礦物、土壤有機(jī) 質(zhì)等組分往往與之存在吸附或賦存關(guān)系（WU, et al., 2006），這些組分的存在導(dǎo)致土壤光譜 形態(tài)和反射率大小在一定程度上發(fā)生改變，使土壤光譜曲線顯示出特定的反射特征，利用重金 屬元素與這些組分之間的相關(guān)性可估算元素含量。土壤光譜分析法估算土壤重金屬含量的實(shí)現(xiàn)方法是,利用實(shí)驗(yàn)室或野外實(shí)測的土壤樣品光 譜數(shù)據(jù),經(jīng)斷點(diǎn)修復(fù)、平滑等預(yù)處理后,將原始光譜及其數(shù)學(xué)變換、連續(xù)統(tǒng)去除等變換后的光 譜指標(biāo)與測定的土壤重金屬含量進(jìn)行相關(guān)分析,建立土壤重金屬含量與光譜指標(biāo)特征波段的最 佳回歸模型,利用該模型定量反演出土壤重金屬

30、含量。解憲麗等（2007）研究發(fā)現(xiàn)江西貴溪銅冶煉廠污染區(qū)土壤的 Cu、Pb、Zn、Co、Ni、Fe、 Cd、Cr、Mn 9種元素含量與土壤可見光-近紅外反射光譜之間存在顯著相關(guān),相關(guān)原因?yàn)橛袡C(jī) 質(zhì)、黏土礦物、鐵錳氧化物等土壤組分對(duì)上述重金屬元素有存在吸附作用。李瓊瓊等（2019） 通過采集土壤樣本，分析土壤光譜信息，采用偏最小二乘法建立了城市居民區(qū)土壤Cu、Pb、 Zn元素的反演模型，其中Pb元素的反演精度最高（R2=0.77, RMSE=7.66），模型具有較好 的預(yù)測能力。王金鳳等（2019）基于室內(nèi)測定的土壤高光譜數(shù)據(jù),利用逐步回歸方法甄選出了 與鐵氧化物、有機(jī)質(zhì)、黏土礦物等有關(guān)的有效光

31、譜變量580、 810、 1410、 1910、 2160、 2260、2270、2350、2430nm，運(yùn)用隨機(jī)森林、支持向量機(jī)、偏最小二乘等方法建立Zn元素含 量反演模型，結(jié)果表明基于二階微分變換的隨機(jī)森立模型反演精度最高（R2=0.94, RMSE=18.01），是喀斯特地區(qū)鋅元素含量反演的最佳模型。以上研究均是基于實(shí)驗(yàn)室土壤高光譜數(shù)據(jù)開展,實(shí)驗(yàn)室條件下測得的土壤光譜數(shù)據(jù)受外界 環(huán)境條件影響最小,光譜數(shù)據(jù)處理?xiàng)l件較為一致,研究的重點(diǎn)便集中在建模方法的選擇上,因 此利用實(shí)驗(yàn)室土壤光譜直接分析土壤重金屬含量是目前土壤重金屬高光譜反演中最為成熟的方 法,但受土壤樣品采集數(shù)量和范圍的限制,基于實(shí)

32、驗(yàn)室土壤高光譜很難實(shí)現(xiàn)大區(qū)域土壤重金屬 污染的監(jiān)測。2.2植被光譜分析法預(yù)測重金屬含量研究表明,土壤中的重金屬能對(duì)植物的生理結(jié)構(gòu)特征產(chǎn)生影響,尤其是對(duì)葉綠素的合成影 響較大,從而改變植物的光譜特性（唐鵬等, 2014）。當(dāng)植被收到重金屬污染脅迫時(shí),植被葉 片中的葉綠素含量會(huì)降低,使得植被波普的“紅邊位置”（指由于植物體內(nèi)葉綠素的吸收作用, 致使植被反射波譜特征在紅光波段到近紅外波段處（660770nm）急劇升高）向短波方向偏 移,形成紅邊“藍(lán)移”現(xiàn)象（張志斌, 2013;鄔登巍等, 2009;Bonham-carter, 1988）。 “紅邊位 置”、植被指數(shù)等是表征植被生長狀態(tài)的重要參數(shù)。重

33、金屬污染對(duì)植被光譜特征和植被生長狀 態(tài)參數(shù)變化的影響,是利用植被光譜分析預(yù)測重金屬污染的基礎(chǔ)。植被光譜分析法預(yù)測土壤重金屬含量的實(shí)現(xiàn)方法是，測定重金屬污染條件下表層土壤的重 金屬含量和植被葉片的葉綠素含量（或根據(jù)植被光譜特征形成“紅邊位置”、植被指數(shù)等植被生 長狀態(tài)參數(shù)），分析葉綠素含量或植被生長狀態(tài)參數(shù)與土壤重金屬含量之間的相關(guān)關(guān)系，建立 土壤重金屬含量反演模型，預(yù)測研究區(qū)土壤重金屬污染情況。利用植被光譜分析法預(yù)測重金屬污染的一種方式是基于地面高光譜儀采集植物葉片的高光 譜反射數(shù)據(jù)，與測定的葉片葉綠素含量及重金屬含量，建立預(yù)測模型。如于慶等（2018）用 Field Spec HH便攜式手持

34、地物光譜儀采集了典型污灌區(qū)冬小麥冠層光譜，建立了Cr、Ni、 Pb、Zn、Hg、Cd元素含量反演模型，實(shí)現(xiàn)了重金屬含量及空間分布特征反演。另一種方式是 基于機(jī)載和星載高光譜儀，持續(xù)獲取地面受污染植被的光譜信息，建立反演模型，實(shí)現(xiàn)土壤重 金屬的實(shí)時(shí)、大面積、原位監(jiān)測。如劉昭賢等（2019）利用無人機(jī)搭載的HyspexSWIR-384成 像光譜儀獲取高光譜影像，并利用便攜式地物光譜儀同步采集地面光譜數(shù)據(jù)，實(shí)現(xiàn)了農(nóng)田Cd 元素的快速檢測;易興松等（2018）利用無人機(jī)獲取 GS 高光譜數(shù)據(jù)開展了農(nóng)田 As、 Cr、 Pb 等 元素的建模反演，并與ASD光譜儀采集光譜建模的預(yù)測精度進(jìn)行了對(duì)比，結(jié)果表明

35、無人機(jī)GS 光譜具備監(jiān)測土壤重金屬的能力，但預(yù)測精度不及ASD光譜。楊靈玉等（2016）基于 Hyperion高光譜影像數(shù)據(jù)，建立了基于植被指數(shù)的玉樹縣土壤重金屬Zn和Cd含量的估算模 型。地面實(shí)測光譜數(shù)據(jù)具有波段多、精度高的特點(diǎn)，因此利用植被光譜分析法開展土壤重金屬 含量的研究多集中在對(duì)地面實(shí)測光譜數(shù)據(jù)的分析上。但由于植被在高光譜影像上具有獨(dú)特的響 應(yīng)特征，同時(shí)高光譜影像具備獲取速度快、覆蓋面積廣的優(yōu)點(diǎn)，近年來利用機(jī)載和星載高光譜 影像反演重金屬含量的研究逐漸增加，基于高光譜影像的植被光譜分析法也成為目前土壤重金 屬含量反演研究的熱點(diǎn)。高光譜遙感概述高光譜遙感（Hyperspectral R

36、emote Sensing）又稱成像光譜遙感，是當(dāng)前遙感的前沿技 術(shù)。它將光譜技術(shù)與成像技術(shù)相結(jié)合，能夠獲取目標(biāo)物非常窄且連續(xù)的光譜信息以及空間分布 信息，光譜獲取范圍覆蓋了電磁波的紫外波段至熱紅外波段（肖博林， 2020;吳振洲， 2012）。高光譜遙感以光譜范圍寬、光譜分辨率高及“圖譜合一”的特點(diǎn)，極大地提高了地表覆 蓋探測和地物識(shí)別能力，使半定量和定量地識(shí)別地物類別成為可能（劉勛等， 2019），近年來 逐漸被探索應(yīng)用于土壤重金屬監(jiān)測領(lǐng)域。土壤重金屬污染高光譜遙感監(jiān)測方法土壤中的重金屬元素屬于微量元素，在土壤光譜上很難捕捉到重金屬信息，因此通過直接 分析光譜曲線的吸收反射特征估算重金屬含

37、量比較困難（龔紹琦等， 2010）?？筛鶕?jù)重金屬元 素與其他物質(zhì)的吸附關(guān)系以及對(duì)植被的脅迫特征，間接地預(yù)測元素含量，確定土壤污染程度。 目前利用高光譜遙感開展土壤重金屬污染監(jiān)測的方法主要分為如下兩種：（1）直接根據(jù)土壤 光譜與重金屬元素間的相關(guān)性進(jìn)行元素含量反演估算;（2）根據(jù)被重金屬污染脅迫植被的光譜 信息間接預(yù)測土壤重金屬污染狀況。土壤光譜分析法預(yù)測重金屬含量雖然重金屬在土壤中屬微量元素，沒有明顯的特征光譜，但土壤中的黏土礦物、土壤有機(jī) 質(zhì)等組分往往與之存在吸附或賦存關(guān)系（WU, et al., 2006），這些組分的存在導(dǎo)致土壤光譜 形態(tài)和反射率大小在一定程度上發(fā)生改變，使土壤光譜曲線顯

38、示出特定的反射特征，利用重金 屬元素與這些組分之間的相關(guān)性可估算元素含量。土壤光譜分析法估算土壤重金屬含量的實(shí)現(xiàn)方法是,利用實(shí)驗(yàn)室或野外實(shí)測的土壤樣品光 譜數(shù)據(jù),經(jīng)斷點(diǎn)修復(fù)、平滑等預(yù)處理后,將原始光譜及其數(shù)學(xué)變換、連續(xù)統(tǒng)去除等變換后的光 譜指標(biāo)與測定的土壤重金屬含量進(jìn)行相關(guān)分析,建立土壤重金屬含量與光譜指標(biāo)特征波段的最 佳回歸模型,利用該模型定量反演出土壤重金屬含量。解憲麗等（2007）研究發(fā)現(xiàn)江西貴溪銅冶煉廠污染區(qū)土壤的 Cu、Pb、Zn、Co、Ni、Fe、 Cd、Cr、Mn 9種元素含量與土壤可見光-近紅外反射光譜之間存在顯著相關(guān),相關(guān)原因?yàn)橛袡C(jī) 質(zhì)、黏土礦物、鐵錳氧化物等土壤組分對(duì)上述重

39、金屬元素有存在吸附作用。李瓊瓊等（2019） 通過采集土壤樣本，分析土壤光譜信息，采用偏最小二乘法建立了城市居民區(qū)土壤Cu、Pb、 Zn元素的反演模型，其中Pb元素的反演精度最高（R2=0.77, RMSE=7.66），模型具有較好 的預(yù)測能力。王金鳳等（2019）基于室內(nèi)測定的土壤高光譜數(shù)據(jù),利用逐步回歸方法甄選出了 與鐵氧化物、有機(jī)質(zhì)、黏土礦物等有關(guān)的有效光譜變量580、 810、 1410、 1910、 2160、 2260、2270、2350、2430nm，運(yùn)用隨機(jī)森林、支持向量機(jī)、偏最小二乘等方法建立Zn元素含 量反演模型，結(jié)果表明基于二階微分變換的隨機(jī)森立模型反演精度最高（R2=0.94, RMSE=18.01），是喀斯特地區(qū)鋅元素含量反演的最佳模型。以上研究均是基于