从高光谱卫星数据中提取植被覆盖区铜污染信息

重金属矿山开采活动对生态环境造成了复杂的影响,而植被的生长状况是矿山周围生态环境变化的重要指示因子。常规的对植被中重金属元素富集程度的估计方法往往依赖于大量的野外调查数据以及实验室化学分析方法,需要耗费大量的物力与时间。而通过光谱分析方法能够非接触地获取植被中的重金属含量信息。然而,从高光谱遥感卫星数据中反演植被重金属含量信息仍然是个比较困难的工作。从众多的卫星数据波段中找到对特定重金属元素敏感的波段是植被重金属含量提取的关键。该工作探索了一种基于统计分析的方法从国产卫星（HJ-1）高光谱数据中实现特征波段发现与重金属含量提取,该方法基于野外实测数据集与环境星高光谱遥感图像,选取叶片铜离子含量作为重金属铜污染程度的指示因子,利用44组德兴铜矿植被覆盖区的叶片铜离子含量数据与逐步多元线性回归与交叉验证方法,实现了环境星高光谱反射光谱与叶片铜离子含量的统计建模。将统计模型应用于德兴铜矿研究区,生成了德兴铜矿植被覆盖区叶片铜离子含量分布图。结果表明,该工作建立的重金属含量估计模型具有明显的统计学意义,叶片铜离子含量对516 nm附近的冠层反射光谱最为敏感。矿区铜含量制图结果表明,德兴铜矿植被覆盖区铜离子含量的分布范围介于0～130 mg·kg-1之间,铜离子含量在德兴市东南角和铜矿周围的植被覆盖区域含量最高,均介于80～100 mg·kg-1之间。制图结果可以为德兴铜矿重金属铜污染的预防与治理提供基础数据支持。     

时间-频率联合分析消除太赫兹光谱干涉

基于Fourier变换的传统太赫兹时域光谱分析技术从不同长度的太赫兹信号中产生了不一致的光谱结果,增加太赫兹时域采样长度又会造成光谱的干涉,不利于太赫兹光谱测量的研究和应用。应用小波变换方法对太赫兹波谱作时间—频率联合分析,将不同时刻的太赫兹波谱展开到二维的时间-频率平面,消除了光谱分析的不一致性和光谱干涉的影响。     

应用LIBS技术测量土壤重金属Cr含量

应用激光诱导击穿光谱分析技术(laser-induced break-down spectroscopy, LIBS)开展了土壤中重金属铬元素含量探测研究。实验中激光波长为1 064 nm, 脉冲宽度为8 ns, 重复频率10 Hz,选取Cr 427.4 nm作为光谱分析谱线。实验结果表明,在光谱采集相对于激光脉冲延迟时间为4.78 μs, 土壤样品表面位于聚焦透镜焦后1 mm的实验条件下, Cr元素浓度测量的相对标准偏差(RSD)为12.1%, 检测限为2.01 ppm, 元素实验测量与标准值的相对偏差为5.15%。可以看出LIBS技术具有低检测限、测量精度高等优点, 这对土壤中重金属污染和监测环境质量的精确、快速检测等问题具有重要意义。     

煤矸石充填复垦重构土壤重金属含量高光谱反演

为研究煤矸石充填复垦土壤重金属含量快速有效的监测方法,以淮南创大生态园煤矸石充填复垦田间试验小区为研究区域,首先采用化学方法监测土壤(0～20 cm)重金属(Cu, Cr, As)含量,然后采用ASD(analytical spectral devices) FiSpec4型高光谱仪测量土壤样品的反射光谱,提取光谱特征,并对光谱进行一阶微分变换、二阶微分变换及倒数对数变换;将变换后的各光谱特征参数与监测的土壤重金属含量进行相关性分析,并依据相关性分析结果选择显著相关的波段作为相关因子供建模使用。采用多元逐步回归(stepwise multiple liner regression,SMLR)分析、偏最小二乘回归(partial least squares regression, PLSR)及人工神经网络(artificial neural network, ANN)三种方法分别建立基于光谱反射率估算土壤重金属含量的预测模型,并采用回归模型进行精度评定,然后确定各重金属含量的最佳预测模型。实验结果表明,经过微分变换的光谱波段与土壤重金属含量达到了显著相关;重金属Cu和Cr的一阶微分光谱的人工神经网络模型为最佳预测模型,重金属元素As的二阶微分光谱的偏最小二乘回归模型为最佳预测模型。     

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。     

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。     

基于高光谱反射率的喀斯特地区土壤重金属锌元素含量反演

针对传统土壤重金属锌元素含量测定效率低下和喀斯特地区山高坡陡土壤样品采集难度大，亟需先进手段获取土壤重金属锌元素含量的要求，以喀斯特流域为研究区，利用电感耦合等离子质谱测定土壤样品的锌元素含量和分光光广度计采集土壤光谱数据。将所测定的原始光谱，经过连续统去除、一阶、二阶微分、倒数、倒数对数、倒数对数一阶、倒数对数二阶微分7种数学变换，基于高光谱吸收重金属元素的特征吸收带初步判断光谱特征变量，利用相关分析进一步筛选特征变量，运用逐步回归最终确定有效建模光谱变量。采用非线性和线性算法，揭示光谱敏感波段反射率与重金锌元素含量之间的映射关系，进行土壤重金属含量估测。结果表明：基于耦合的光谱特征变量甄选方式，锌元素的特征波段580，810，1 410，1 910，2 160，2 260，2 270，2 350，2 430 nm与铁氧化物、有机质、粘土矿物吸收带关联，表明一定程度上捕捉到喀斯特地区土壤重金属锌元素的光谱吸收特性；运用随机森林、支持向量机、偏最小二乘3种算法进行元素含量与光谱变量建模后，采用决定系数和均方根误差评价模型精度。从光谱变换形式和模型性能二个维度综合判断，基于二阶微分变换的随机森林算法准确度最高，为最佳估算模型。通过高光谱反射率估测重金属锌元素含量，实现了喀斯特地区土壤重金属锌元素含量的高效快速反演，为喀斯特地区重金属元素含量动态监测提供了可靠的技术支撑。     

山东省焦家式金矿区土壤重金属铬高光谱监测研究

矿区土壤环境问题日益突出,以山东省烟台市焦家式金矿区为典型区,系统采集了85个表层土壤样品进行野外光谱实测,其中35份用于重金属铬含量测定。利用光谱变换技术对原始光谱提取了一阶微分、二阶微分和去包络线三种光谱指标,采用偏最小二乘回归法建立光谱数据与铬含量间的定量关系,将最优预测模型应用于其余50个样本点铬浓度值的获取,最终通过克里金插值实现了对研究区土壤重金属铬的快速监测。结果表明,基于一阶微分数据模型预测精度最高,其次为二阶微分,原始光谱和去包络线数据。研究区铬的含量与金矿的分布情况密切相关,即金矿密集区域铬含量更高,这表明金矿开采对土壤中铬的含量与分布存在一定影响。     

黑土有机质含量野外高光谱预测模型

以田间原状黑土野外实测高光谱反射率为研究对象,分析黑土有机质的光谱响应波段,运用光谱分析方法提取光谱指数,建立基于反射光谱特征的黑土有机质高光谱预测模型。得出如下结论:(1)黑土反射光谱特征差异主要在小于1 250 nm的光谱范围,尤其是在小于1 100 nm的范围,随着有机质含量的变化,该波谱范围内黑土反射光谱特征呈现单/双谷现象,有机质是影响黑土反射光谱特征的决定因素。(2)有机质与黑土反射率倒数对数微分的相关系数最高,最高值在1 260 nm,达到-0.77(R2),相关系数高的波谱范围为750~1 260 nm。(3)基于黑土野外光谱反射率的有机质含量高光谱预测模型稳定性强,预测能力较好,能够用于黑土有机质含量野外速测。     

基于中红外漫反射光谱的土壤重金属元素含量预测研究

研究了中红外漫反射光谱快速预测土壤重金属元素含量的可行性。以在南京江宁区和八卦洲采集的共161个土壤样品为例,利用偏最小二乘回归(PLSR)法对土壤中Ni,Cr,Cu,As,Zn,Pb,Hg和Cd等8种重金属元素数据进行了预测。通过对样品的中红外(MIR)漫反射光谱进行各种预处理,探讨了中红外光谱数据预处理对预测精度的影响,并比较了中红外光谱与可见光-近红外(VNIR)光谱对土壤重金属含量预测的精度。结果表明,依次经平滑、基线校正、多元散射校正预处理能显著提高中红外光谱数据的预测精度;经校正的中红外光谱对异地样品预测的均方根误差是可见光-近红外光谱的21%～73%,比VNIR波段更能准确预测异地样品中土壤重金属元素含量。研究表明,中红外漫反射光谱可以作为一种快速、非破坏方法预测土壤重金属元素含量,且比可见光-近红外精度高。     

典型重金属污染水体光谱特征分析———以广东省大宝山尾矿水为例

目前水体重金属遥感反演相关研究仍比较薄弱。自然界中重金属污染水体的光谱特征研究是重要的基础性工作,是将来实现卫星遥感反演时波段选择的重要理论依据,也是遥感反演模型所必须的基础参数。首先利用Analytical Spectral Devices（ASD）光谱仪,测量获得以大宝山尾矿水为例的典型重金属污染水体在两种水深和两种光照条件下的离水反射率光谱曲线,发现在600~700 nm（红波段）均有稳定的反射峰,然后进一步与自然界常见的两类水体（浑浊水体和富营养化水体）的反射峰位置进行对比,发现：以长湖水库石英砂厂附近为例的浑浊水体反射峰在550~700 nm（绿、红波段）,以北江韶关冶炼厂附近为例的富营养化水体反射峰在550~600 nm（绿波段）,3种水体的反射峰位置各异,说明该重金属污染水体反射率光谱与这两类水体具有很好的可分性。然后在测量水体反射率基础上,结合水质遥感模型和进行室内消光系数测量,反演得到大宝山尾矿水体的总散射系数和总吸收系数光谱,并进一步分离水分子吸收作用,最终得到水中成分的综合吸收系数光谱曲线,结果表明：在紫光波段吸收最强,在红光波段吸收最弱;具体表现为：从400 nm开始,吸收系数快速递减,在蓝绿光波段递减速度变缓,从黄光波段又开始快速递减,到676 nm达到极小值,然后又快速增强至750 nm,随后变化减缓。最后结合水样的水质化验结果,对该重金属污染水体的光谱成因进行分析,发现现场水色和水中成分的综合吸收系数光谱特征皆与作者前期研究测量获得的硫酸铁溶液颜色及其吸收系数光谱特征吻合,因此认为水中成分的光谱特征是由硫酸铁及其水解产物所引起。以上说明该重金属污染水体的光谱特征明显,反射峰和强吸收波长位置明确,这是将来利用卫星遥感手段反演水中重金属浓度的重要特征波段。该研究获得了以大宝山尾矿水为例的典型重金属污染水体反射率、消光系数、散射系数和吸收系数的光谱结果,为日后推广至其他种类重金属矿的尾矿水体及水中成分光学参数反演提供方法依据,也为将来利用卫星遥感技术对水中重金属浓度进行定量提取打下良好的理论基础。     

北京市平谷区桃林土壤重金属元素含量反演估测

矿产资源开采中产生的废渣废液长期堆存后产生的渗滤液向土壤中扩散易造成周围土壤的重金属污染,影响作物生长;人类通过食物链食用含重金属元素的果实后,会引起神经系统的神经衰弱、手足麻木,消化系统的消化不良,血液中毒和肾损伤等症状;这种对生态环境和人身安全的污染和损害是十分严重的。因此如何快速有效摸清矿区周围农作物土壤污染情况尤为重要。多光谱遥感由于具备光谱分辨率高、实时无损、大面积监测等优势,在突破植被屏障监测土壤重金属上具有巨大的潜力。以平谷区主要的农作物桃树为研究对象,利用桃叶的高光谱数据、土壤采样数据,分析桃叶光谱曲线的响应特性,对桃叶反射光谱进行一阶/二阶微分、标准正态、连续去统等四种变换,结合相关分析及多元线性回归模型确定光谱特征变量,构建植被指数HMSVI;结果表明HMSVI与土壤中Cd, AS和Pb含量的相关性较常用植被指数高。运用线型回归方法进行元素含量与植被指数HMSVI建模后,选取拟合较好的模型,实现了叶片高光谱与土壤重金属含量的统计建模,最后利用Sentinel-2遥感影像反演三种重金属含量空间分布,并对结果进行精度验证。结果表明：受重金属胁迫叶片的平均光谱反射率高于正...     

光谱二阶差分Gabor展开法土壤铜铅污染鉴别

土壤是人类生存环境的重要载体,因此,土壤重金属污染问题一直备受关注。随着遥感技术的发展,高光谱遥感在土壤重金属研究中取得了大量的成果,但是,基本上是根据土壤中有机质、铁、粘土矿物等的光谱吸收特征和反演土壤中重金属含量,而不能够区分土壤重金属污染光谱之间的微弱差异。通过盆栽土壤不同浓度铜(Cu)、铅(Pb)污染实验得到不同浓度Cu和Pb污染下盆栽土壤光谱曲线、土壤含水率和有机质含量,提出了一种光谱二阶差分Gabor展开方法探测不同浓度Cu和Pb污染下土壤光谱曲线之间的微弱差异。以二阶差分为基础,首先将土壤光谱转换为稀疏光谱,然后结合土壤稀疏光谱与Gabor展开理论,在频率域中检测不同浓度土壤重金属污染光谱之间的微弱差异,因此,摆脱了单纯通过土壤光谱反射率信息反演土壤重金属含量的研究,而是对土壤重金属污染光谱信息进行时频分析,最终达到检测土壤重金属污染瞬时光谱存在的目的。结果表明：受Cu和Pb污染的盆栽土壤光谱二阶差分Gabor展开系数尺度及等高线分布有较大的差异,Cu污染的盆栽土壤光谱二阶差分Gabor展开系数尺度分布存在两个较高的峰值,且等高线在第1 800~3 600项之间稀疏分布,Pb污染的盆栽土壤光谱二阶差分Gabor展开系数尺度分布存在一个较高的峰值,且等高线在第3 200~3 600项之间密集分布;二阶差分Gabor展开法检测的土壤Cu和Pb污染结果与土壤Cu和Pb含量、土壤含水率、土壤有机质是密切相关的,由于土壤Cu和Pb含量、有机质含量、含水率的不同,土壤Cu和Pb污染二阶差分Gabor展开光谱尺度分布而不同。根据相关性分析结果,分别将土壤Cu和Pb污染划分为三组：Cu(50)~Cu(300),Cu(400)~Cu(800),Cu(1 000)以上;Pb(50)以下,Pb(100)~Pb(300),Pb(400)~Pb(1 200)。     

铜铅胁迫下玉米叶片弱光谱信息的LD-CR-SIDSCAtan探测模型

农作物在受到重金属污染以后,会破坏本身的组织细胞结构和叶绿素含量,从而影响农作物的新陈代谢和健康状况。人和动物如果食用了污染的农作物以后,会有致命的伤害。高光谱遥感目前被广泛应用于监测农作物受重金属污染的程度。重金属污染下的农作物叶片的光谱变化很微小,传统的监测方法和常规的光谱特征参数很难将光谱之间的微弱差异区别开,目前高光谱遥感应用是研究的重点和难点。通过设置不同浓度的Cu2+和Pb2+胁迫下玉米盆栽实验,采集玉米叶片的光谱数据、叶绿素的相对含量以及重金属Cu2+和Pb2+的相对含量。提出了包络线去除(CR)、光谱相关角(SCA)、光谱信息散度(SID)以及正切函数(Tan)和兰氏距离(LD)相结合的LD-CR-SIDSCA_tan模型,将其与传统的光谱测度方法,如光谱相关系数(SCC)、光谱角(SA)、光谱角正切(DSA)、光谱信息散度-光谱相关角正切(SIDSAM_tan)、光谱信息散度-光谱梯度角正切(SIDSGA_tan)和常规的光谱特征参数,如红边最大值(MR)、绿峰高度(GH)、红边一阶微分包围面积(FAR)、红边一阶微分曲线陡峭度(FCDR)、蓝边(DB)、红谷吸收深度(RD)相比较,验证了该模型的优越性和可行性。并且将LD-CR-SIDSCA_tan模型应用于不同浓度下Cu2+和Pb2+胁迫的玉米叶片的整体波形和子波段的光谱差异信息的测度上。结果表明,LD-CR-SIDSCA_tan模型实现了重金属Cu2+和Pb2+污染的定性分析,能够测度光谱相关系数达到0.99以上的相似光谱之间的差异信息,波形差异信息与叶片测得的叶绿素相对含量和重金属Cu2+和Pb2+相对含量显著相关,也分别找到了重金属Cu2+和Pb2+胁迫下的光谱响应波段。在测度光谱数据的整个波段区间范围,模型值为负值时的光谱差异要比模型值为正值更加明显;在模型值为正值时,如果数值越大,光谱的差异性也越大。因此,随着重金属Cu2+和Pb2+浓度的增加,光谱的差异增大,意味着重金属Cu2+和Pb2+污染程度更为严重;玉米植株受到重金属Cu2+胁迫污染,在测度光谱数据的局部子波段区间范围时,“蓝边”、“红边”、“近谷”、“近峰B”处对重金属Cu2+胁迫污染响应特别的敏感,可以作为监测重金属Cu2+污染程度的有效波段;当玉米植株受到重金属Pb2+胁迫污染时,在“紫谷”、“蓝边”、“黄边”、“红谷”、“红边”、“近峰A” 处对重金属Pb2+胁迫污染响应特别的敏感,可以作为监测重金属Pb2+污染程度的有效波段。最后通过LD-CR-SIDSCA_tan模型的应用结果与玉米叶片中Cu2+和Pb2+含量进行线性拟合分析,从而反演和预测了重金属Cu2+和Pb2+对玉米植株的污染程度。     

铜污染土壤光谱特征及弱差信息的LH-PSD甄测模型

土壤受重金属污染后，会影响农作物及食品安全，危及人体健康，因此寻找快速、高效甄测土壤重金属污染信息的方法尤为关键。传统化学分析方法存在过程繁杂、费时耗力等缺点，而高光谱遥感因光谱分辨率高、信息量大、快速无损等特点在环境监测等应用方面优势明显。由于电磁遥感信号反射、辐射过程复杂，通过仪器获取的土壤高光谱数据难以直接解析出重金属污染信息，因而，研究并寻求一种能够有效挖掘土壤重金属污染信息的方法对高光谱遥感监测污染意义重大。不同浓度铜(Cu)污染会使土壤理化性质改变，引发土壤光谱产生微弱变化，该研究目的是对Cu污染土壤光谱的特征及弱差信息进行识别、提取与分析，进而挖掘光谱中的重金属污染信息。采用包络线去除(CR)对光谱进行预处理，通过定义局部极大值均值(LMM)与半波高(HWH)，结合时频分析的短时傅里叶变换(STFT)及能量谱密度(PSD)，构建LH-PSD甄测模型。通过模型对极相似土壤光谱进行处理，所获PSD分布图使光谱间的微弱差异可视化显现，并显著区分了相似光谱，验证了模型对光谱特征及弱差信息的甄别能力和有效性。同时应用该模型，对不同Cu污染梯度的土壤实验光谱进行重金属污染信息的提取与分析，研究结果表明，LH-PSD甄测模型中，LMM与HWH可有效提取光谱间差异特征并以阶梯状显现。经模型处理后得到的可视化PSD分布图能直观定性判别土壤是否受重金属Cu污染，即当土壤受重金属Cu污染后，相同采样频数下，在频率为100与600 Hz附近PSD分布会出现明显空缺分离，随着Cu污染浓度的增加，在100~600 Hz之间PSD的分布呈逐渐稀疏态势。能量值E可定量化监测土壤Cu污染程度，即随着土壤中Cu污染浓度的增加，E值呈下降趋势，且与Cu含量的相关系数达到-0.910 5，显著相关。为检验模型的可靠性，研究结合栽种玉米作物的土壤光谱，经LH-PSD甄测模型对其进行分析，所得可视化的PSD分布图结果与实验分析中基本一致，且能量值E的监测结果与土壤中Cu含量相关系数达到-0.973 9，相关性显著，验证了模型的可靠性。因此，LH-PSD甄测模型实现了对土壤光谱从光谱域到时频域的甄析，为深度挖掘重金属污染的光谱特征及弱差信息提供一种新思路。     

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。     

可迁移的土壤重金属污染高光谱定性分类方法研究

现有基于高光谱遥感的土壤重金属污染定性分类模型,大多采用同一地区室内光谱测定训练样本数据进行模型构建与测试。但室内光谱测定需要复杂的处理过程,成本高,效率低,且无法快速获得目标区域空间上连续的光谱信息。考虑到实际应用需求,模型在相同实验区和不同试验区野外光谱数据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。为回答这一问题,选取湖南省郴州市和衡阳市两铅锌矿区作为实验研究区,选用支持向量机（SVM）作为分类器,将郴州实验区室内采样的83个样本数据和衡阳实验区室内采样的46个样本数据分别用于分类器训练,将衡阳地区野外采样的46个样本数据用于分类测试。并首先通过基于联合分布适配（JDA）的迁移学习方法进行光谱变换以缩小两地室内外测定光谱分布差异,然后进行不同区域室内外土壤重金属污染定性分类模型迁移。实验结果表明：（1）由于野外测得的光谱数据会受到太阳辐射、提取的土壤成分差异等因素的干扰导致室内外光谱数据存在显著的分布差异,难以直接将基于室内采样数据训练得到的土壤重金属污染定性分类模型迁移到同一地区测定的野外高光谱数据上。但通过JDA变换缩小室内外分布差异后,模型迁移能力得到显著提升,砷（As）、铅（Pb）和锌（Zn）三种重金属含量是否超标的分类精度都达到了84%以上,Zn元素含量是否超标的分类精度甚至达到了89%以上。（2）由于季节性影响、地区成分的干扰和光谱噪声的增加,不同地区光谱数据存在着更为显著的分布差异,加大了不同地区土壤重金属污染监测的难度,难以将基于室内采样光谱数据所建立的土壤重金属定性分类模型直接迁移到其他地区野外采样数据上（平均分类精度仅在50%左右）。经过JDA迁移学习方法进行室内外光谱变换处理后,模型迁移能力得到保证,因此,室外光谱采样可直接用于研究不同试验区域重金属（As,Pb和Zn）的污染情况。     

土壤镉污染环境下水稻叶片叶绿素含量监测的高光谱遥感信息参数

农田重金属污染是当今世界面临的重大生态环境问题之一,与环境质量、人类生存和粮食安全关系密切,是普遍关注的重要课题。利用Hyperion高光谱卫星遥感数据和大量地面实验测量数据,系统分析受镉污染的水稻叶片中叶绿素含量变化及其与高光谱遥感数据的响应关系,建立基于水稻叶绿素变化的农田镉污染遥感监测模型。利用多重判别分析法,确定监测水稻叶绿素变化的敏感遥感参数,作为镉污染的响应因子,进行农田污染遥感监测信息机理分析,并建立了污染监测机理遥感模型。研究结果表明,众多的遥感参数中,MCARI(modified chlorophyll absorption in reflectance index) 对镉污染的水稻叶绿素含量变化最为敏感,响应系数达到0.59。因此,可以通过该高光谱遥感参数的变化初步监测大面积土壤镉污染,但估算精度还有待进一步提高。     

新型铜胁迫植被指数NCSVI探索铜污染下玉米叶片光谱敏感区间

目前我国土壤重金属污染日趋严重,高光谱遥感因具有光谱分辨率高、图谱合一等特点成为农作物重金属污染研究的热点。农作物受重金属污染后其光谱会发生细微的改变,如何探寻叶片光谱中对重金属污染敏感的波段是目前的一种研究方向。提出了一种新型铜胁迫植被指数（NCSVI）来探索铜胁迫下玉米光谱敏感区间。通过设计不同梯度下的玉米铜胁迫实验,测定每个铜胁迫浓度下玉米叶片的光谱和Cu2+的含量。首先,将玉米叶片光谱分为11个子区间,以每个子区间的中间波长对应的光谱反射率构建各自的NCSVI。然后,计算NCSVI与玉米叶片中Cu2+含量的相关性系数R及均方根误差RMSE,结合水波段指数（WBI）、改进的叶绿素吸收率指数（MCARI）和归一化水指数（NDWI）这三种常规植被指数进行对比。最后,选用其他年份相同实验条件下获取的玉米叶片光谱进行验证,确认NCSVI的稳定性和有效性。结果表明,11个子区间中只有绿峰、红边、近谷和近峰A这四个子区间对应的NCSVI与玉米叶片Cu2+含量相关性系数的绝对值高于0.9,分别为-0.94,-0.97,-0.94和-0.96,均方根误差均低于15,分别为12.57,8.71,12.71和10.06,而WBI,MCARI和NDWI的相关性系数最高的仅达到0.75,均方根误差最小的为24.21,说明四个子区间对应的NCSVI对玉米叶片铜污染有着更好的指示性。利用不同年份相同条件下的玉米实验对以上结果进行验证,发现11个子区间中,R绝对值大于0.9、RMSE小于1.55的只有绿峰、红边、近谷和近峰A这四个子区间,其中R分别为-0.9,-0.97,-0.97和-0.93,RMSE分别为1.50,0.85,0.78和1.29,均优于WBI,MCARI和NDWI,与2016年实验得出的敏感子区间一致,说明NCSVI能探测铜胁迫下玉米光谱的敏感区间,具备效率高、稳定性好的特点。所提出的NCSVI指数可作为监测玉米叶片铜污染的一种方法,并为其他农作物重金属污染研究提供一定的理论支持。