徐州市九里矿区土壤重金属插值分析及污染评价

通过对徐州市九里矿区的表层土壤进行采样测定,进而对该矿区土壤重金属富集与污染状况进行了分析与评价。结果表明,该矿区表层土壤中5种重金属(Cd、Cu、Zn、Pb、Cr)含量均略高于中国土壤元素背景值,土壤中Cd富集程度较高,污染较严重;Cu、Zn、Pb、Cr富集程度较低,污染程度较轻。在GIS环境下利用空间数据插值方法对重金属的空间分布特征研究发现,该城区土壤重金属含量与该区的工矿活动和交通活动等密切相关。     

土壤Cu含量高光谱反演的BP神经网络模型

以高光谱数据为基础,针对传统土壤重金属反演模型拟合度低、预测效果差的缺点,提取光谱预处理后的特征波段数据进行相关性分析,选取860nm一阶微分光谱反射率建立基于Matlab的重金属Cu含量BP神经网络预测模型,模型的拟合优度为0.721,预测精度达82.3%,高于传统单元线性回归模型0.414的拟合优度与76.1%的预测精度。研究表明,BP神经网络模型具有良好的拟合优度与预测能力,能更有效预测土壤中重金属Cu的含量。     

GIS在土壤重金属污染评价中的应用

针对土壤采样点的重金属含量平均值无法全面、科学地表示区域土壤污染情况进而影响土壤污染评价的问题,该文讨论了利用GIS评价土壤重金属污染的合理性,总结探讨了GIS在土壤重金属污染评价中专题图制作、空间分析、数据管理等方面的具体应用,并结合GIS技术发展,展望了GIS在土壤重金属研究中的应用趋势。结果表明,借助GIS可以揭示土壤重金属空间分布与周围环境的关联性,为土壤重金属污染的预测预警及有效治理提供科学依据。     

临潼区绿化带土壤重金属污染与健康风险评价

针对城市绿化带土壤重金属污染问题,该文利用射线荧光光谱仪测量重金属含量,引用单因子与负荷污染指数法并依据国家标准进行污染评价;引入人体暴露风险评价模型,对致癌和非致癌健康风险进行评价。结果表明,研究区土壤重金属污染较严重;经手-口直接摄入是健康风险的主要暴露途径,儿童总的非致癌风险为0.573,成人总的非致癌风险为0.088,均未超过限制1,表明8种重金属不存在明显的非致癌风险;Cr、Co、Ni、As的致癌风险均低于美国环境保护部推荐标准10~(-6),表明重金属的致癌风险均在可接受范围内。研究区内土壤重金属含量及污染状况空间分异显著。研究结果对城市绿化带内土壤重金属污染评价有一定借鉴意义。     

基于GIS与PPC的土壤重金属污染综合评价

采用投影寻踪分类(PPC)模型对土壤重金属污染进行综合评价,评价中运用基于实数编码的加速遗传算法(SAGA)优化PPC模型投影方向。基于PPC模型的综合评价使土壤重金属污染评价中各指标结果相容,并且避免了传统加权评价中的人为干扰因素。为了直观表达评价结果和掌握评价区域整体污染情况,对评价结果进行了研究,并结合惠州市土壤监测数据,提出了运用GIS技术和ArcMap的空间插值功能处理评价结果。实验结果表明,PPC模型能准确客观地对土壤重金属污染进行综合评价,同时,GIS技术用于土壤重金属污染评价可以对评价数据进行各种空间处理。     

土壤有机质含量地面高光谱估测模型对比分析

采用高光谱技术获得的数据进行土壤有机质含量的反演和估测是近年来的研究热点。为确定有效的估测建模方法,利用地面实测的土壤高光谱反射率及有机质含量等数据,采用小波分析方法实现去噪,包络线去除法实现建模参数提取和数据量压缩,结合多种不同的数据变换方法,利用BP神经网络法、多元线性回归法及最小二乘回归法建立不同的估测模型。对比发现,BP神经网络模型的估测效果优于回归模型,其中结合对数的平方变换和神经网络所建立的模型为最优估测模型,模型的决定系数达到0. 933,检验样本的均方根误差达到0. 069。实验证明,BP神经网络+对数的平方变换模型的学习机制适用于土壤有机质含量地面高光谱估测且效果好。通过在建模因子层面上进行数据变换建立了较好的估测模型,其研究方法、模型和结论,对土壤有机质含量地面高光谱估测具有一定的参考意义。     

土壤重金属污染评价与可视化研究

土壤重金属污染评价时,研究人员只使用一种评价模型,无法进行择优选择;在土壤数据获取受限制的情况下,数据可得性、可调整性较差;依据少量采样点数据直接开展重金属污染评价,不利于评价整体影响效应。针对上述问题,本文开展了土壤重金属污染评价与可视化研究,采用克里金法对采样点数据进行转化,结合单因子评价模型、内梅罗指数模型和加权平均指数模型,通过将公式程序化,实现重金属污染快速评价,并结合开源WebGL技术,以污染程度分级形式进行高效可视化。研究结果表明,本文方法不仅能让用户按需选择评价模型和插值精度,还具有较高的数据可得性,有利于评价研究区整体污染状况,得出面域评价结果。     

高光谱土壤有机质估测模型对比研究

应用高光谱技术探讨土壤有机质含量定量估测方法,对发展精细农业具有重要意义。本文利用陕西省横山县的实测数据,采用对数的一阶微分变换方法对土样的高光谱数据进行处理,分别采用线性回归分析法、BP神经网络法、模糊识别法建立高光谱土壤有机质含量估测模型,并对比分析其精度,确定最优的光谱反演模型。实验结果表明:模糊识别模型的决定系数达到0.973,RMSE为0.0468%;比线性模型和BP神经网络模型精度都高。研究表明,土壤有机质光谱反演不仅要重视机理研究,同时要加强光谱反演建模方法创新。     

土壤重金属铬含量高光谱灰色关联度估测

快速、准确地测定土壤重金属含量,对防治土壤重金属污染、改善土壤环境和保障食品安全有着重要意义。以山东省烟台市采集的70个土壤样本为基础,首先分析土壤重金属铬含量的分组光谱特性;然后利用6种变换方法对土壤光谱反射率进行变换,根据极大相关性原则选取反演因子;最后利用灰色关联度模型初步估测铬含量,并对估测结果进行修正,采用决定系数和平均相对误差评价模型的有效性。结果表明,土壤光谱反射率随铬含量的升高而降低,二者呈负相关性;利用灰色关联度模式识别方法对重金属铬含量进行估测后的决定系数为R~2=0.656,平均相对误差为16.590%,而利用灰色关联度修正模型对估测值进行修正后,决定系数为R~2=0.912,平均相对误差为6.632%。研究表明,利用灰色关联度修正模型定量估侧土壤重金属铬含量有效。     

粒子群优化神经网络的土壤有机质高光谱估测

针对提高土壤有机质高光谱估测精度的问题,该文对山东省泰安市的92个棕壤样本进行光谱去噪,剔除异常样本处理后,对光谱反射率进行11种变换,发现一阶微分变换最佳;然后计算土壤有机质含量与变换后光谱反射率的相关系数,选取5个特征波段,分别利用多元线性回归、BP神经网络、支持向量机、粒子群优化神经网络4种方法建立土壤有机质含量高光谱估测模型并进行精度比较。实验结果表明,多元线性回归、BP神经网络、支持向量机和粒子群优化神经网络模型的决定系数R2分别为0.520 3、0.665 4、0.735 0和0.853 0,均方根误差分别为2.12、1.99、1.45和1.08。研究结果表明,粒子群优化神经网络的反演精度高、稳定性强,可有效提高土壤有机质的光谱估测能力。     

GIS的矿区土壤重金属污染评价及空间分布

针对土壤中的重金属含量超标会对人体健康造成极大危害的问题,为检测矿区土壤重金属含量超标状况及空间分布特征,以江西省信丰县4个矿区为例,在28个点位的20~60cm处测定Hg、Cd、As、Cu、Pb、Ni的含量,采用地统计学和地理信息系统相结合的方法进行分析。结果表明,单因子污染指数显示Pb的污染程度最大,污染程度为中度污染;插值分析图显示Cu以西南方向的虎山矿区含量较高,Ni以西南方向的虎山矿区和北部的赤岗矿区含量较高,Pb的污染区域贯穿于整个分布区;重金属含量随深度的增加无明显变化。结合在污染修复方面的经验,建议通过植物修复技术、物理与化学方法进行污染治理和修复。     

基于GIS的土壤重金属数据库构建及应用

本文首先探讨了利用GIS技术构建上海市基本农田土壤重金属数据库的方法,该数据库集空间数据、采样点监测数据和元数据于一体,对于土壤重金属信息的管理、应用服务等具有重要的基础作用,是农产品安全生产环境认证和土壤环境长效管理的重要依据;接着,基于数据库进行了重金属元素的描述性统计、动态累积和Kriging插值分析;结果表明,除As外,其余重金属平均含量均高于该区域的背景值含量,尤其是Cd、Hg、Zn、Cu累积指数较高,是上海市农田土壤重金属污染的主要元素。     

土壤重金属污染灰色综合评价模型

针对稀疏采样难以准确估测区域土壤重金属综合污染情况和迁移变化规律的问题,提出基于GIS的多属性决策组合赋权灰色综合评价模型。首先采用GIS技术揭示土壤重金属空间变异和污染分布格局;然后利用最大化熵理论集成主客观因素,架构优化组合赋权的土壤重金属污染灰色综合评价体系;最后以试验区土壤中8种(铜、锌、铅、镉、砷、铬、汞、镍)重金属的综合污染情况为例,检验该方法应用效果。结果表明:最优组合权重的灰色综合分析方法兼顾主观偏好和客观属性,其评价结果具有更高的可信度和风险辨识度,提高了综合评价的合理性与有效性,可为土壤重金属污染监测提供方案参考。     

基于GIS的土壤重金属空间分布与污染评价研究——以高陵县通远镇为例

近年来,土壤重金属污染日益严重,已造成农产品的质量安全问题,并危及人们的身体健康。因此,本文采用GIS技术与地统计学相结合的方法,应用ArcGIS软件对高陵县城镇化进展较快的通远镇农田土壤重金属进行空间分析与污染评价,为该区发展无公害蔬菜基地及国家级安全农产品生产示范区提供了科学的依据,为进一步做好城镇化工作提供有力的保障。     

基于集合经验模态分解的土壤重金属Cd定量反演

针对高光谱定量反演土壤重金属含量的模型精度不足的问题,本文从时频空间的角度引入时频分析法——集合经验模态分解（EEMD）。采用EEMD法分解土壤高光谱,获得不同频率的本征模态（IMF）分量,通过分析IMF分量与重金属含量的相关性,提取特征光谱,构建EEMD-SVM定量反演模型。研究结果表明,通过EEMD法分解土壤光谱,可有效地提取土壤光谱中的微弱信息;构建EEMD-SVM模型可较好地反演土壤重金属Cd含量,模型的决定系数R²为0.920 3,明显高于基于一阶微分处理光谱数据后构建的SVM模型的R²（0.786 6）。即说明在土壤重金属定量反演领域,EEMD可作为一种新的光谱处理方法。     

矿区土壤重金属Pb、Cd污染状况高光谱分类建模

针对矿区土壤重金属含量高度变异性及样本不均衡导致重金属污染状况分类误差较大的问题，本文在光谱预处理及光谱变换基础上，采用主成分分析（PCA）对光谱进行降维处理，并通过SMOTE算法生成虚拟样本均衡各污染等级样本，最后应用随机森林（RF）对Cd、Pb进行回归与分类。研究结果表明：定量反演重金属Pb、Cd含量精度很低；在定性分析试验中对降维前光谱样本应用SMOTE算法，土壤重金属Pb、Cd污染等级分类精度较原始样本分类精度均有较大提升，且少数类别误判率也降低明显。其研究为大面积监测矿区土壤重金属污染状况提供了一种有效、精确的方法。     

Comparison of interpolation models for estimating heavy metals in soils under various spatial characteristics and sampling methods

Heavy metal pollution in soils has become increasingly challenging, especially in developing countries. Estimating the spatial distribution of heavy metals in soils is essential to preventing their build‐up. This article aims to identify the effects of spatial scales, spatial autocorrelation, sampling methods, and proportion on interpolation models in estimating the distribution of heavy metals in soils. Six interpolation models (area‐and‐point kriging, AAPK; inverse distance weighting, IDW; local polynomial interpolation, LP; ordinary kriging, OK; simple kriging, SK; and thin plate spline, TPS), three sampling methods (random, stratified, and systematic sampling), and five sampling proportions (1, 5, 10, 15, and 20%) are considered in this study using sets of simulated data, and the real situation was tested for verification. The results show that, in general, with the increase of spatial autocorrelation or the sampling percentage, the accuracy and stability of different interpolation models gradually increase; however, the various interpolation models have their own specific characteristics and application conditions. The best application conditions of the interpolation models compared with other models under the same situation are summarized and explained in theory. These conclusions have implications for future work.     

基于小波变换的土壤重金属铬含量定量反演

耕地污染日益严重,耕地土壤的重金属高光谱信息属于非线性的微弱信号。小波变换作为常用的非线性微弱信号处理手段,在保留更多微弱信号的基础上可以更好的提取出土壤重金属的微弱光谱信息。文中研究在Db4小波对土壤原始光谱进行分解与重构的基础上提取特征波段,利用特征波段与重金属含量的相关性建立偏最小二乘模型反演土壤重金属铬含量。研究表明,利用Db4小波函数对原始光谱进行分解和重构可以有效提取土壤重金属铬的特征光谱信息;利用小波分解与重构所提取的特征光谱信息与重金属铬含量之间的相关性所建立的PLS模型的决定系数明显高于基于传统一阶微分处理土壤光谱所建立的PLS模型的决定系数。