典型铅锌矿区土壤重金属含量高光谱反演模型研究

矿区开采造成的土壤重金属污染严重影响作物产量、引发人体疾病;有效预防土壤重金属污染对健康的损害非常重要。高光谱快速、动态获取地物连续光谱信号的特点,为发展基于遥感的土壤重金属含量监测提供了新的思路。针对河北省涞源县典型铅锌矿区,实地采集矿区及周边土壤样本,基于SVC HR-1024i地物光谱仪（350～2 500 nm）获取土壤光谱反射率,通过对光谱数据进行平滑、一阶导数、多元散射校正、标准正态变换、多元散射校正后一阶导数、标准正态变换后一阶导数六种光谱数据组合变换,使用差值指数、比值和归一化方法从六种预处理数据中提取光谱指数,通过实验室化学测试分析得到土壤重金属镉、铅、锌含量,对不同重金属元素使用不同光谱变换方式进行预处理,得到不同类型重金属元素的最优光谱变换方式。采用差值指数、比值指数和归一化植被指数,提取不同光谱指数下的最优波段组合,从而得到用于不同重金属元素建模使用的最优自变量。基于随机森林和偏最小二乘回归法分别构建重金属元素反演模型。研究表明,通过对光谱数据预处理,可以有效地降低噪声,增强光谱特征。从结果来看,经过预处理后光谱数据与重金属含量相关性有所提高。对不同重金属元素建模选择对其最优的光谱指数自变量,增加了反演建模的有效特征。对三种重金属镉、铅、锌利用随机森林算法和偏最小二乘回归法建立预测模型,最优模型的R²分别达到了0.90、 0.91、 0.84,证实了该方法的有效性。该研究可为铅锌矿区土壤重金属含量反演建模提供依据,为矿区土壤重金属含量检测提供方法参考。