亚热带土壤铬元素的高光谱响应和反演模型

高光谱遥感技术已成为当前遥感领域的前沿技术,因其高分辨率的特点,可利用地物反射光谱特征定量反演地物的物理化学性质。目前土壤环境质量愈来愈受到关注,土壤重金属含量与土壤环境质量安全密切相关,以往土壤高光谱遥感技术研究多注重于土壤有机成分如土壤碳氮的光谱反演模型,对土壤重金属含量的高光谱反演研究普遍较少。土壤重金属污染已经成为影响土壤质量安全的关键因素,对土壤重金属尤其是污染元素普查是当务之急。传统土壤重金属的测试方法要求条件较高,测试周期较长,试图建立土壤高光谱与土壤铬元素(ICP-MS测定)含量之间的定量预测模型,以实现土壤铬元素的快速准确预测。采集福州市土壤样品135个,对土壤样品在350～2 500 nm的光谱反射率进行倒数、对数、微分等六种变换,筛选出对土壤总铬含量敏感的光谱波段,最后获得福州土壤铬元素高光谱反演优化模型。研究结果表明：亚热带红壤总铬的敏感光谱波段为：可见光520～530 nm和近红外1 440～1 450,2 010～2 020,2 230～2 240 nm;亚热带地区土壤总铬—高光谱反演的优化模型为: y=120.768e-7.037x(相关系数R为0.568,均方根误差为0.619 μg·g-1,检验相关系数R为0.484,均方根误差为1.426 μg·g-1),该模型可以用于福州地区土壤全铬的光谱快速监测。     

西范坪矿区土壤铜元素的高光谱响应与反演模型研究

为解决传统的土壤地球化学测量方法成本高、效率低等问题,研究了利用可见-近红外光谱技术检测土壤重金属含量的简易方法。研究对西范坪矿区土壤反射光谱进行微分、连续统去除等六种变换,利用逐步回归法和皮尔逊相关系数选出对土壤铜含量敏感的特征波段,组成综合特征变量集,再应用不同的特征变量选取方法和参数建立估算模型并检验。结果表明：不同的光谱变换方法对土壤铜含量信息提取能力不同,每种光谱变换都对应特定的敏感波谱区间;基于综合光谱变换信息建立的土壤铜含量反演模型精度优于基于单种光谱变换信息建立的模型;利用综合光谱变换信息建立土壤铜含量反演模型,后向剔除法优于前向引入法和逐步回归法,当Removal取0.20时得到最优回归模型,其模型决定系数R2和预测模型决定系数R2_pre分别达到了0.851和0.830,建模均方根误差RMSEC和预测均方根误差RMSEP分别为0.349和0.468 mg·kg-1,能较好地检测土壤铜含量,同时为其他土壤重金属元素的光谱检测提供了思路。     

基于最优光谱指数的大豆叶片叶绿素含量反演模型研究

叶绿素含量的准确获取及预测可为作物种植的精准化管理提供理论依据。利用最优光谱指数建立大豆叶绿素含量反演模型,以大豆花芽分化期叶片为研究对象,获取高光谱和叶绿素含量数据。首先构建了7种与叶绿素含量相关的典型光谱指数,分别为比值指数（RI）、差值指数（DI）、归一化差值植被指数（NDVI）、修正简单比值指数（mSR）、修正归一化差值指数（mNDI）、土壤调节植被指数（SAVI）和三角形植被指数（TVI）,并对原始高光谱进行一阶微分（FD）处理,随后分别对原始和一阶微分高光谱在全光谱波长范围内两两组合所有波长,进行14个光谱指数的计算。再采用相关矩阵法进行最优光谱指数的提取,将所有波长组合计算出的光谱指数与叶绿素含量进行相关性分析,以相关系数最大值为指标,提取出14组最优的波长组合,并进行对应光谱指数值的计算作为最优光谱指数。最后将最优光谱指数划分为3组模型输入变量,分别与偏最小二乘回归（PLS）、最小二乘支持向量机回归（LSSVM）和套索算法LASSO回归3种方法组合建模并对比分析,以决定系数R2_c,R2_p和均方根误差RMSEC,RMSEP作为模型评价指标,最终优选出精度最高的大豆叶片绿素含量反演模型。结果表明：14组最优光谱指数波长组合分别为RI（728,727）,DI（735,732）,NDVI（728,727）,mSR（728,727）,mNDI（728,727）,SAVI（728,727）,TVI（1 007,708）,FDRI（727,708）,FDDI（727,788）,FDNDVI（726,705）,FDmSR（726,705）,FDmNDI（726,705）,FDSAVI（727,788）和FDTVI（760,698）,相关系数最大值r_max均大于0.8。建立最优模型的方法为输入变量为一阶微分光谱指数（组合2）与LSSVM组合的建模方法,所建模型的R2_c=0.751 8,R2_p=0.836 0,RMSEC=1.361 2,RMSEP=1.220 4,表明模型精度较高,可为大面积监测大豆的生长状态提供参考。     

矿业废弃地重构土壤重金属含量高光谱反演

矿产资源对工业和国民经济的发展有重要的作用,但是随着矿业开采规模的扩大,资源枯竭、经营不善而形成的矿业废弃地越来越多。由于长时间受到采矿的影响,矿业废弃地土壤中存在大量的重金属元素,高浓度重金属可能会对环境和人体产生影响。土地复垦是整治污染、退化土壤再利用的重要方法,对重构后的土壤进行重金属含量检测是衡量土地复垦成效的重要指标,需要长期进行跟踪监测。传统的化学检测方法效率低、成本高、无法实现重金属大范围检测。高光谱是一种新兴的、发展潜力巨大的技术,在环境保护,资源利用,区域可持续发展等方面有着广泛的应用。经过近几十年的快速发展,仪器精度逐渐提高,检测方法逐渐成熟,为实现土壤重金属高效、便捷检测提供了可能。正常土壤重金属含量一般相对较低,采用光谱测量重金属含量较为困难,但铁矿开采区矿业废弃地由于土壤中的铁元素较多,会使土壤中的重金属的存在和聚集形式发生变化,影响重金属对光谱的响应,从而使土壤光谱反射率与重金属含量之间关系更加明显。以湖北省大冶市复垦矿区研究区,采样化学检测方法获取土壤重金属（As,Cr,Zn）含量;借助于美国ASD公司生产的FieldSpec4地物光谱仪（350～2 500 nm）获取土壤反射率,应用一阶微分、倒数对数、连续统去除法分别对反射率曲线进行预处理,提取出光谱特征波段,分析三种重金属元素与光谱特征间的相关性并建立逐步回归模型。研究表明,光谱数据预处理可使光谱特征波段更加明显,其中一阶微分和连续统去除法的效果最为明显。3种重金属元素的特征波段为495,545,675,995,1 425,1 505,1 935,2 165,2 205,2 275和2 355 nm。将土壤重金属含量与光谱特征波段之间做相关性分析,三种重金属都表现出了与光谱曲线的相关性,相关系数大部分都达到了0.5以上,最大相关系数为0.663,由于重金属种类和预处理方式的不同会导致相关性系数存在明显的差异。利用与土壤重金属相关性最大的特征波段建立三种重金属反演模型,并以反演模型r大小选择每种重金属的最优反演模型。由于重金属种类的不同,模型的选择也有差异,Cr和Zn一阶微分逐步回归为最佳反演模型,重金属As连续统去除法逐步回归为最佳反演模型。通过检验,三种重金属中Cr反演效果最好,RMSE为2.67,其次是Zn和As。对比当前不同检测手段可知,基于土样和光谱数据预处理的土壤重金属含量地物光谱仪高光谱反演是比较理想的。可为矿业废弃地土壤重金属高光谱反演提供参考。     

优化光谱指数建立水稻叶片SPAD的高光谱反演模型

利用高光谱反射率光谱的特征波段构建光谱指数,建立叶绿素含量反演模型是实现水稻生产精准调控和科学管理的必要手段之一。为了建立适用于拔节孕穗期水稻叶片叶绿素相对含量（SPAD）的高光谱反演模型,分别获取了拔节孕穗期水稻叶片的高光谱和SPAD数据,利用小波分析法对原始光谱反射率曲线进行降噪处理,并对基于积分运算的光谱指数NAOC进行简化,获得了基于双波段简化运算的优化光谱指数。利用相关分析法计算由原始反射率光谱R和数学变换光谱LgR、1/R和R构建的优化光谱和变换光谱指数与水稻叶片SPAD的相关系数,获得了以积分限（a,b）为横、纵坐标的相关系数二维矩阵,并绘制相关性等势图,得到相关系数最高的3个波段组合：R（641,790）（0.872 6）,R（653,767）（0.871 7）和R（644,774）（0.871 6）,计算出20个原始样本中3个积分波段组合所对应的60个优化光谱指数值,按照2∶1的比例划分为建模集和验证集,建立了三种水稻叶片SPAD反演模型：偏最小二乘回归（PLSR）、支持向量机（SVM）和BP神经网络模型。结果显示：利用优化光谱和变换光谱指数建立的3种水稻叶片SPAD反演模型决定系数R2均大于0.79,归一化均方根误差NRMSE则小于5.4%。其中BP神经网络相对于其他两种模型具有较高的拟合度,预测精度也相对较高,建模集R2=0.842 6,NRMSE=5.152 7%;验证集R2=0.857,NRMSE=4.829 9%。总体来看,基于双波段简化运算后的优化光谱和变换光谱指数建立拔节孕穗期水稻叶片SPAD反演模型是可行的;对比分析3种模型反演结果发现,BP神经网络对水稻叶片SPAD的反演效果较好。该工作对提高拔节孕穗期水稻精准调控技术和建立水稻生产的科学管理体系具有一定的参考价值。     

基于PCA的土壤Cd含量高光谱反演模型对比研究

土壤重金属污染对人类健康造成了极大的威胁,如何快速摸清土壤污染情况尤为重要。高光谱遥感具备光谱分辨率高,快速无损等优势,使其在土壤组分反演方面具有巨大的潜力。针对高光谱信息冗余及光谱变换对土壤镉（Cd）含量估算的影响进行分析,并利用变换前后的高光谱数据对比研究了不同高光谱模型对土壤Cd含量反演的性能。首先利用等离子体质谱法和FieldSpec4地物光谱仪收集了56组土壤样品的Cd含量和对应的高光谱曲线（350～2 500 nm）;为了弱化光谱测定中光亮变化和土壤表面凹凸对实验结果的影响,研究对高光谱数据进行倒数对数预处理;考虑到高光谱数据中存在大量的信息冗余,研究采用了主成分分析（PCA）对高光谱数据进行降维处理并最终保留了前12个主成分量作为特征变量。针对高光谱反演模型,研究选择了偏最小二乘（PLSR）、支持向量机（SVM）、人工神经网络（ANN）和随机森林（RF）四种回归模型建立PCA主成分与Cd含量之间的关系;最后,研究选取了决定系数（R2）、均方根误差（RMSE）和RPD三种精度评估指标评估回归模型的拟合精度,结果表明针对光谱采用PCA波段降维的方法处理后,选取的12个主成分对变化前后的光谱累计贡献率均达到99.99%,作为模型的输入变量,四种模型均具有一定的预测能力。无论光谱变换与否,PCA-RF反演模型的预测能力均为最好（R2分别为0.856和0.855,RPD均高达3.39）。利用PCA对高光谱数据降维处理可以有效降低高光谱数据冗余,有力的保证模型的预测能力。以PCA筛选出的主成分量可以作为模型极好的输入变量,以RF为基础的高光谱反演模型在反演土壤Cd含量时具有最佳效果,可为该区域及类似地区的土壤重金属污染物反演提供新的方法支撑。     

盐碱地利用障碍因子高光谱遥感反演研究

选取陕北拌沙改良盐碱地为研究对象,对盐碱地利用障碍因子进行高光谱遥感反演研究。通过实测研究区域的作物长势,采集土壤样品和土壤高光谱数据,并实验测定土壤理化性质分析盐碱地利用的障碍因子,研究盐碱地利用障碍因子的高光谱特征,建立其遥感定量反演模型,并进行精度检验。研究结果表明：土壤盐分含量是制约改良盐碱地利用的主要障碍因子,毛管孔隙度与土壤盐分含量具有良好相关性,也可以作为障碍因子之一;利用土壤的高光谱数据对土壤全盐含量及毛管孔隙度进行遥感定量反演具有良好的精度(回归分析决定系数R2分别为0.938和0.973);检验样点精度检验结果表明,盐分含量及毛管孔隙度的实测值与预测值均具有良好的相关性(k均接近于1,R2分别为0.840 4和0.796 5),反演精度较高。通过高光谱数据对盐碱地改良利用的障碍因子进行遥感定量反演,对于指导盐碱地的整治改良和利用具有重要的推动作用。     

土壤Cd含量实验室与野外DS光谱联合反演

土壤重金属高光谱遥感建模理论上能够大大降低传统化学分析测定所需成本,正逐步发展为有效探查土壤污染空间分布与开展污染土壤综合防治的关键技术。然而土壤重金属高光谱遥感调查技术目前多局限于稳定可控条件下的实验室光谱模型,野外诸多因素（光照、湿度、土壤粗糙度等）影响下野外原位光谱模型的有效性已成为困扰该项技术大范围推广亟待突破的关键科学问题。以湖南衡阳市某矿区为例,分别利用ASD地物光谱仪和等离子发射光谱法测定46个土壤样品350~2 500 nm的实验室光谱和Cd含量,并在土壤取样时同步测量样品野外原位光谱。在运用DS（direct standardization）转换算法处理野外光谱的基础上,融合实验室光谱先验知识,基于主成分逐步回归建模方法开展了土壤Cd含量实验室与野外原位DS光谱联合反演实验,交叉验证了模型的稳定性。同时为深入探究实验室与野外原位DS光谱联合反演模型的有效性,将其与基于实验室光谱、野外原位光谱、野外原位DS光谱、实验室与野外原位光谱联合建立的主成分逐步回归模型开展了对比分析。结果表明：野外原位光谱反演模型精度（R2=0.56）明显低于实验室光谱反演模型（R2=0.64）,野外原位DS光谱反演模型与之相比精度有所提升（R2=0.66）;在野外原位光谱DS转换校正基础上,联合实验室光谱先验知识的土壤Cd含量反演模型精度最高,R2可达0.72。与此同时,实验室与野外原位DS光谱联合反演模型揭示482,565,979和2 206 nm波段对研究区土壤Cd含量有较好指示性,此结果与实验室光谱反演模型所识别的特征波段一致,两者物理意义相同。研究结果证实了实验室光谱先验知识以及DS转换算法能够提升野外原位光谱模型的可靠性,可为发展土壤Cd含量野外原位高光谱遥感探测提供重要的提供理论与方法支撑。     

多光谱影像的陕西大西沟矿区土壤重金属含量反演

传统的以“点采样+实验室分析”为主的土壤重金属含量分析技术成本高、效率低下，而基于多光谱遥感的土壤重金属高精度定量反演中存在重金属含量影响因子的优化这一难题，以陕西大西沟矿区这类山区地形条件下的金属矿区为例，利用Landsat8/OLI多光谱卫星影像、DEM数据以及外业土壤采样分析数据，开展了矿区土壤重金属含量指示因子分析及定量反演研究。首先，考虑研究区地形地貌特点，设计了沿研究区地形特征线及其两侧坡面均匀分布的样点分布方案，采集了45个样本。并对45个样本的混合样中的8种重金属含量进行了兴趣度分析，根据含量超标程度及矿的类型选取了铜、铅、砷3种元素作为分析对象。其次，根据研究区土地利用现状及地形特点，提出了以Landsat8/OLI影像B2至B7波段光谱反射率、粘土矿物比（CMR）、改进归一化水体指数（MNDWI）、差异植被指数（DVI）等八种光谱指数、以及反映研究区地形坡度和坡向三类因子作为反映土壤重金属含量空间分布特征的侯选因子。进而，对上述三类侯选因子与样本中3种金属含量进行了最小二乘相关性分析。根据分析结果，引入了基于估算误差最小准则的金属含量估算模型--基于规则的M5模型树的分段线性估算模型。以上述三大类共17个指示因子作为模型的输入，利用80%的土壤样本分析数据作为模型的训练数据，经过M5模型树的构建、平滑和树枝修剪过程，建立了3种金属的反演模型实现了研究区中土壤中3种金属含量的估算。同时，基于均方根误差（RMSE）最小准则确定了以光谱因子为主的最利于反演的最佳指示因子集。最后，用随机选取的20%的检验样本对模型进行了反演精度分析，验证了该模型对铜、铅、砷3种金属含量的反演精度比普通的线性模型分别提高了27.3%，24.6%，20.9%，同时，铜、铅元素的可信度也有所提高。利用上述模型的反演结果实现了3种金属含量的空间分布制图，并将反演结果与1990年公布的国家土壤元素背景值进行了对比。此外，分析了研究区铜、铅、砷3种金属的空间分布规律，并利用野外调查结果进行了验证。     

基于支持向量机的矿区复垦农田土壤-小麦镉含量高光谱估算

以徐州柳新矿区复垦农田土壤-小麦为研究对象,采用传统采样检测方法分析土壤-小麦中重金属镉含量,借助ASD FieldSpec 3型便携式高光谱仪测量样品反射光谱,对光谱进行加权移动平滑、一阶微分变换、包络线去除以及倒数的对数变换,据此选择具有显著相关的土壤和小麦镉污染胁迫敏感波段作为相关因子,建立基于支持向量机的矿区复垦农田土壤-小麦镉含量高光谱估测模型.结果表明:以粉煤灰和煤矸石作为充填物料的复垦场地镉含量在土壤环境质量三级标准值之下,但是其上种植的小麦镉含量均超标,受到严重的镉胁迫;建立的模型能够较理想地进行土壤-小麦镉含量估测,土壤的估测模型相关系数为0.947,小麦的估测模型相关系数为0.782.该研究为监测复垦农田土壤及作物重金属污染提供新方法,为保障矿区粮食安全提供技术手段.     

兴城地区岩石光谱特征与物性参数、金属元素间响应关系研究

岩石物性参数、元素含量和光谱特征三者之间的相互关系并非独立存在, 研究三者之间的相互关系,对于探索通过遥感信息进行岩石矿物成分、物性参数的定量反演方法奠定基础。采集了兴城地区590块岩样本,分析其物性参数（密度、介电常数、电阻率、磁化率）、金属成分含量（Fe, Ti, V, Mn, Zr, Co, Zn, Nb, Bi, Pb）以及岩石光谱之间的关系。将各物化参数与原始光谱、光谱吸收深度、光谱小波包分解后的高低频做相关性分析,找出各物化参数影响光谱吸收和反射的特征波段,探究关系密切的参数。该研究为岩石岩性分类、某种金属元素和物理特性的反演以及用某种参数来预测关系密切的参数奠定了基础,取得如下结论：（1）获得了火成岩中Fe,Ti,Mn,V,Zn,Bi和Pb等元素的特征谱带,其中Fe元素含量更高,与光谱的相关性更显著。在0.4和0.54 μm波段附近存在Fe的特征反射波段,1.0~1.5 μm波段范围内存在Fe元素的特征吸收波段;在0.4~0.55和0.6~0.65 μm波段范围内,Ti元素与光谱的相关性更显著,在2.28 μm波段附近存在Ti的特征吸收波段;在0.41 μm波段附近存在Mn的特征反射波段;火成岩、沉积岩V元素与光谱相关性差异性较大,在0.76,0.81,0.89,0.95 μm波段附近可能存在火成岩的特征吸收波段和沉积岩的特征反射波段;沉积岩的Zn元素含量与光谱的相关性比火成岩要显著,在0.41,1.36,1.59 μm波段附近可能存在火成岩Zn的特征反射波段,在2.34 μm波段附近可能存在沉积岩Zn的特征波段;2.14 μm波段附近,Bi元素对沉积岩光谱的吸收有一定的作用;Pb的特征谱带可能存在于0.45,0.54,2.29 μm附近;（2）在岩石各物理特性和光谱的关系研究中,在0.57~0.85 μm波段范围内,密度对光谱有很好的吸收反射特征,在0.53 μm波段附近,磁化率使光谱有较强的反射,在1.08 μm波段附近,磁化率使光谱产生较强的吸收;电阻率和光谱的相关关系与密度和光谱的相关关系极为相似;（3）在岩石各物性参数间的关系中发现,密度和电阻率呈显著正相关的关系;（4）在岩石各物性参数与金属元素的关系中研究发现,密度与各金属元素相关性较弱;磁化率与Fe和Ti元素呈显著的正相关关系;电阻率与各金属元素间的相关关系较弱;介电常数与各金属元素含量呈正相关关系,其中与V,Zn,Bi元素的相关关系最显著;（5）在金属元素间,Fe与Ti有较显著的正相关关系,Ti与Fe,V元素间有较强的正相关关系,Zn和Pb存在较强的正相关。     

土壤重金属铅、锌高光谱反演模型可迁移能力分析研究

现有基于高光谱遥感技术的土壤重金属含量反演模型,大多是采用同一试验区且有限的样本点进行定量反演建模。但考虑到实际应用需求,该类模型在不同试验区是否具有较好的迁移推广能力是目前迫切需要回答的问题。如不可行,是否存在其他可行手段用于土壤重金属污染评估？ 为回答上述问题,选取湖南省郴州市和衡阳市两铅锌矿区作为实验研究区,并首先利用郴州地区采样点分别对Pb和Zn两种重金属进行定量回归建模和定性分类建模,然后比较两种模型在衡阳实验区的可迁移能力。实验结果表明：(1)基于偏最小二乘回归(PLSR)的定量回归模型可迁移能力较差。分别采用四种光谱预处理方式建模,发现回归模型对异地采样的预测精度很低,难以正确反演衡阳试验区重金属Pb和Zn的含量。(2)基于支持向量机(SVM)分类的定性反演模型具有一定的可迁移能力,以郴州地区采样数据训练得到的SVM分类模型能有效判定衡阳试验区Pb、Zn的污染状况,分类精度分别达到84.78%和86.96%。结果表明,在快速检测土壤重金属污染状况的问题上,定性分类是一种更加切实可行的方式。     

金（山）银花药材中15种金属元素的测定

为比较金银花、山银花中金属元素的含量是否存在差异,用王水对金银花、山银花进行消解,用火焰原子吸收光谱法测定了它们中Na、Ca、Mg、Zn、Fe、Co、Cr、Ni、Mn、Sn、Cu、Cd、Pb、Ag、Au等金属元素的含量.发现金银花、山银花中Na、Ca、Fe、Ni、Mn元素含量差异较大,他们所含的重金属元素超标.     

农用地土壤As元素与叶片光谱特征关系研究

重金属污染是土壤环境污染中亟待解决的问题之一,重金属通过土壤向植物富集,危及人体健康,对生态环境产生巨大隐患。传统的土壤污染监测以化学方法为主,不仅费时费力且监测范围有限,而基于植被高光谱技术的土壤重金属监测方法能够快速准确地获取土壤重金属含量,突破植被屏障,提高土壤重金属监测效率。近年来,国内外许多学者致力于使用盆栽实验定量研究土壤污染物对植物光谱特征影响,而野外环境下的实验研究相对缺少,因此建立合适准确的野外土壤重金属预测模型具有重要意义,为改善耕地土壤质量提供参考。以北京市优势经济果树桃树为研究对象,在研究区均匀设置了50个采样点,利用FieldSpec 4便携式地物波谱仪测量桃树叶片光谱数据,同时采集土壤样本带回实验室检测分析获得土壤重金属含量数据。通过分析不同污染下桃树叶片在重金属胁迫下的叶片光谱特征,计算不同土壤重金属与叶片光谱之间的相关关系,确定土壤As元素与光谱反射率相关性更大,因此选择土壤As元素计算其与不同植被指数之间的相关系数,并用合适的植被指数构建土壤As元素预测模型。结果表明：污染区桃叶光谱反射率总体上比背景区的光谱反射率更高,其中760~1 300 nm波长范围内对土壤重金属更加敏感,土壤重金属对叶片红、蓝、黄边位置干扰不明显,对红、蓝、黄边斜率敏感,且均呈正向相关性。光谱反射率与土壤Cr,Cu和Hg元素相关性较弱,与As,Pb和Cd元素在某些波段范围内达到0.1级显著相关,且总体相关曲线趋势相同,相关性大小依次排序为As>Pb>Cd。以相关性更强的土壤As元素与植被指数进行相关分析表明,土壤As元素与PRI1和PRI3均显著相关。使用SPSS数据分析软件以PRI1和PRI3为自变量,土壤As元素为因变量分别进行回归分析,检测结果发现,PRI3的指数预测模型(y=e43.644x-39.386, R2=0.937, RMSE=0.161)效果最好且具有更好的稳定性。     

原子吸收光谱法测定甘肃天祝白牦牛肝脏中的微量元素

为探讨甘肃天祝白牦牛的营养代谢状况,采用火焰原子吸收光谱法对其肝脏中微量元素Cu、Fe、Mn、Zn、Co、Cd含量进行测定.结果发现,Fe明显高于其他元素,重金属Cd含量超过了有关国家标准,并对相关问题进行了探讨和分析.     

基于连续小波变换下的土壤有害元素砷含量估测

与传统检测方法相比,利用高光谱技术进行土壤有害元素砷含量的估算,具有快速、准确,成本低的特点,可对干旱区绿洲土壤有害元素砷污染进行动态监测。基于新疆渭干河-库车河三角洲绿洲耕层土壤样品的采集,获取土壤光谱数据和有害元素砷含量。通过bior1.3,db4,gaus4和mexh这4种小波基函数对土壤原始光谱反射率进行连续小波变换,并将变换后光谱数据与有害元素砷进行相关分析,以筛选出的敏感小波系数为自变量,采用偏最小二乘回归、支持向量机回归、BP神经网络和随机森林回归方法对有害元素砷含量进行高光谱反演。研究结果显示：（1）4种小波基函数在3~8尺度的光谱分解效果明显优于其他尺度,特别是4~6尺度的连续小波变换有效提升了光谱反射率与土壤有害元素砷之间的相关性,通过显著性检验的小波系数数量有了明显增多（p<0.01）,在可见光的400~700 nm以及近红外的1 100~1 700和2 200~2 400 nm附近具有较强的相关性;（2）通过比较4种小波基函数对光谱数据中有效信息的辨识能力,认为小波基函数bior1.3和mexh要优于db4和gaus4,其中bior1.3的光谱分解效果最好,gaus4相对最弱;通过bior1.3第5尺度的光谱变换,与土壤有害元素砷显著相关的波段数量最多,为507个（p<0.01）;（3）比较4种建模方法的反演结果发现,SVMR,BPNN和RFR模型相较于PLSR模型具有更强的估测能力,模型的估测精度更高。综合分析各模型的稳定性及估测精度后,认为bior1.3-25-RFR模型可作为研究区土壤有害元素砷的最佳估测模型。该模型的训练集和验证集的R2分别为0.893和0.639,RMSE为1.075和1.651 mg·kg-1,RPD分别为2.89和1.64,表明模型估测效果较好,稳定性较强。采用合适的小波基函数进行连续小波变换可减少土壤高光谱数据中的白噪声,挖掘出土壤光谱数据中的有效信息,对土壤有害元素砷含量的准确估测提供有力的技术保障。     

ICP-OES研究黄河三角洲贝壳堤岛土壤中有效态重金属的含量与空间分布特征

采用电感耦合等离子体发射光谱法高效、快速地测定了黄河三角洲贝壳堤岛土壤中重金属As,Cd,Cu,Fe,Hg,Mn,Pb,Se和Zn的有效态浓度,研究了它们在贝壳堤岛土壤中的空间分布特征,并对土壤中有效态重金属的分布规律、影响因素及保护区土壤环境状况进行了分析。结果表明：黄河三角洲贝壳堤岛土壤样品中9种有效态重金属的含量除镉(Cd)和汞(Hg)稍高外,其余均远远低于国家土壤环境质量标准中的一级背景含量,贝壳堤岛土壤整体处于清洁水平。从水平分布来看,由于背海侧受人类干扰较多,且海水淋洗较少,七种重金属(As,Cd,Cu,Fe,Mn,Pb,Zn)有效态含量背海侧明显高于向海侧,且呈显著差异(p≤0.05)。从纵向土壤剖面分析,受土壤机械组成、人为取沙和地形与水流方向的影响,有效态重金属浓度平均值随剖面样品中<0.5 mm粒径土壤颗粒所占比例的增加而增加,随>0.5 mm粒径土壤颗粒所占比例的增加而减小;贝壳堤岛土壤中的重金属有向下运动的趋势,大部分有效态重金属含量的最大值都位于表层以下各层,但各层重金属含量整体上变化不大。贝壳堤岛土壤中重金属As,Cd,Cu,Fe,Pb,Zn可能有大致相同的来源,而与Hg,Mn和Se的来源不同。综合来看,黄河三角洲贝壳堤岛土壤环境未受到明显外源污染,贝壳堤岛土壤中有效态重金属主要来源于土壤母质滤食性贝类对海水中重金属的富集、风化过程中土壤颗粒对环境中重金属的吸附,以及外源工业区重金属污染物的迁移转化。     

优化光谱指数的露天煤矿区土壤重金属含量估算

光谱学提供了对土壤中许多元素进行定量分析和快速无损检测的方法。可见光和近红外反射光谱（Vis-NIR）为研究土壤重金属污染提供了一个有用的工具。于新疆准东露天煤矿区采集51个0～10 cm深度的土壤样品，在实验室中分别测定样品的有机质（SOM）含量、重金属砷（As）含量与高光谱；使用基于JAVA语言自主开发的两波段组合软件V1.0（No: 2018R11S177501）计算不同高光谱数据变换形式（原始反射率（R），倒数（1/R），对数（lgR）和平方根（）下Vis-NIR区域（400~2 400 nm）所有两波段组合得到的优化光谱指数（NPDI）与As的相关性，在最优光谱指数（|r|≥0.73和p=0.001）中通过变量重要性准则（VIP）进一步筛选VIP≥1的指数作为模型自变量，基于地理加权回归（GWR）模型估算As含量并使用四个交叉验证度量标准：相对分析误差（RPD），决定系数（R2），均方根误差（RMSE）和最小信息准则（ACI）评价模型精度，从而探讨优化光谱指数方法应用于高光谱检测露天煤矿区土壤重金属砷含量的可行性。结果表明：(1）研究区As含量离散度较高，所有样品中SOM含量均小于2％，且As含量与SOM含量在0.01的显著性水平上无显著相关性（|r|=0.113）。（2）As含量与单波段光谱反射率的相关性很低（|r|≤0.228），而通过R，1/R，lgR，计算的NPDIs与As含量的相关性在近红外（NIR，780~1 100 nm）和短波红外（SWIR，1 100~1 935 nm）光谱中发现最高的相关系数和最低的p值（|r|≥0.73和p=0.001），在长波近红外（LW-NIR）区域基于R形成的NPDIs与As含量相关性最高（|r|=0.74）。（3）VIP方法分别筛选NPDI_{R（1 417/1 246）}，NPDI_{1/R（799/953，825/947）}、NPDI_{sqrt-R（1 023/1 257，1 008/1 249，1 021/1 250，1 020/1 247）}和NPDI_{lgR（801/953，811/953，817/951，825/947，828/945）}为GWR模型自变量。(4）从4个预测模型的表现可以看出，Model-a（R）与其他三个模型（Model-b（1/R），Model-c（）和Model-d（lgR））相比，它具有最高的验证系数（R2=0.831，RMSE=4.912 μg·g-1，RPD=2.321）和最低的最小信息准则值（AIC=179.96）。优化光谱指数NPDI_{R(1 417/1 246)}有助于快速准确地估算As含量，为进一步获取地表土壤重金属污染分布信息提供理论支持和应用参考，促进露天煤矿区环境污染快速有效调查和生态可持续发展。     

基于灰色关联法的春小麦叶片含水量高光谱估测模型研究

利用高光谱植被指数反演植被水分含量时,快速、准确的找到实测光谱数据与植被水分相关性最高的植被指数是研究的重点。在农田尺度上,以春小麦野外光谱数据与叶片含水量的定量关系为基础,通过灰色关联度分析,筛选出与叶片含水量灰色关联度较高的5种典型的水分植被指数,并建立了估算春小麦叶片含水量(LWC)的偏最小二乘回归(PLSR)模型和BP神经网络(back propagation artificial neural networks, BP ANN)模型。结果表明：(1)光谱一阶导数可以有效去除噪声影响并突出光谱特征信息,尤其是在750～830,1 000～1 060和2 056～2 155 nm等区间明显提高了与LWC的相关性。(2)灰色关联法能够较好的表征各水分植被指数与叶片含水量间的关联性,其中基于原始光谱建立的前5个水分植被指数都是两波段比值植被指数,基于光谱一阶导数建立的水分植被指数基本上都是两波段归一化差值植被指数。(3)所建立的两种模型中,基于光谱一阶导数建立的PLSR和BP神经网络模型R2分别为0.80和0.81,稳定性基本相同且都较好;两种模型RMSE都是0.55,RPD分别为2.01和1.41,说明PLSR模型的预测精度比BP神经网络模型高。从模型的验证效果来看,PLSR模型在估算春小麦叶片含水量方面有一定的优势,为高光谱定量反演春小麦叶片含水量提供一定的参考。