基于随机变异—Kennard—Stone和偏最小二乘法的土壤重金属镉含量反演——以雄安新区西南部为例

土壤重金属污染对人类身体健康造成了严重威胁,作为快捷、高效、无损监测分析土壤重金属含量的方法之一,高光谱遥感反演土壤重金属含量的方法正逐步得到发展。本文以雄安新区西南部作为研究区,针对潜在生态风险最大且活性最强并易被植物吸收的重金属镉,开展高光谱反演研究。将采集来的426件土壤样品除杂、风干、过筛在实验室测得重金属含量,并用SVC便携式地面光谱仪测量样品350~2500 nm范围光谱。采用Savitzky—Golay卷积平滑方法进行光谱降噪平滑处理。由于粒径大小而不是化学成分差异可能会导致基线效应和漂移现象,为了增强光谱差异和光谱曲线形状,将数据进行标准正态变量变换(SNV)、一阶微分(FD)、二阶微分(SD)、多元散射校正(MSC)等数学变换,并分析变换后光谱与Cd含量的相关性。本文提出一种集成随机变异法—Kennard—Stone法—偏最小二乘回归的方法。针对变换后的光谱集和Cd含量集,第一步采用随机变异法—Kennard—Stone法将样本集分为70%训练集和30%验证集,使样本数随性质分布均匀并覆盖整个样本空间;第二步用偏最小二乘回归法结合交叉验证建立回归模型,用确定系数R2、均方根误差RMSE、偏差比值RPD、误差范围比值RER等参数开展模型评价,如果没有达到预期效果,则回到第一步,迭代反复选择,直至达到最优效果。结果表明,适用的最优反演重金属镉含量的技术方法是采用FD变换后,不断迭代集成RM—KS样本选择和PLS偏最小二乘法回归建立的模型,其验证综合效果最好,建模主成分数为11个,确定系数R2达到0.909,RMSE为0.604,RPD为2.696,RER达为15.516。成果可为类似区域快速、无损的土壤重金属Cd含量反演提供技术支撑。     

土壤有机碳含量高光谱建模研究——以青藏高原三江源区为例

土壤有机碳(SOC)是陆地生态系统碳循环的重要组成部分,也是评价区域土壤质量、土地退化程度和作物产量的重要指标。高寒生态系统土壤有机碳含量估算,对于高寒地区土壤碳库核算和土壤质量评价等都具有重要意义。本研究以青藏高原三江源区作为研究区,基于野外采集的272个土壤样本的SOC和土壤光谱室内测试数据,首先对原始光谱数据进行一阶微分(FD)、二阶微分(SD)、倒数对数(RL)、去包络线(CR)和多元散射校正(MSC)等多种数学变换;然后基于8种光谱变换数据与SOC含量的相关性分析提取特征波段,利用多元线性回归(MLR)、偏最小二乘回归(PLSR)、支持向量机(SVM)和随机森林(RF)4种方法,分别构建SOC含量的高光谱反演模型;对各种模型的模拟精度和稳定性进行评价,明确SOC含量反演的最佳光谱变换和模型组合模式。结果表明：三江源区SOC含量较高,且不同植被类型和不同土壤类型的SOC含量差异较大;总体上,单一数学变换形式中基于一阶微分(FD)变换构建的反演模型的模拟精度最高(尤其是FD-RF组合模型,其验证集R²=0.86,RMSE=8.40,RPD=2.64);多种数...     

冕宁牦牛坪稀土矿区土壤重金属污染光谱测定与特征分析

本研究采集冕宁牦牛坪稀土矿区34个样本点的土壤与高光谱数据,利用化学方法实测土壤重金属含量,计算各重金属之间皮尔森相关系数,建立Fe元素与各金属元素(Pb、Zn、Cd、Mn、Cu、As)估算模型;针对高光谱数据,进行光谱一阶微分、二阶微分、倒数对数、均方根变换、包络线去除、光谱深度计算等处理,获取特征波段,采用交叉有效性检验原则选择恰当的主成分个数,应用偏最小二乘法建立光谱一阶微分同Fe元素关系模型,最后通过计算建模样本与检验样本的相关系数及RMSE值判定各金属含量模型精度。旨在探索利用高光谱遥感技术反演土壤重金属含量的可行性,为应用高光谱遥感技术进行环境污染监测、信息提取和定量反演提供借鉴。     

基于CASI & SASI航空高光谱的雄安新区西南部农田土壤 重金属镍含量反演研究

农田土壤中重金属元素富集会严重制约农作物的生长,且对人类健康造成潜在威胁。高光谱遥感数据具有极高的光谱分辨率,因而可在土壤重金属污染元素信息的定量研究中发挥重要作用。本文以雄安新区西南部及其周边农田土壤作为研究对象,在实验室测定土壤重金属元素Ni的含量,并与土壤可见-近红外高光谱数据建立土壤重金属Ni含量的定量估测模型,进一步基于CASI&SASI航空高光谱数据快速反演研究区农田土壤重金属Ni的含量,获取其分布特征。本文研究并建立了研究区土壤重金属元素基于不同光谱变换形式的多元逐步回归、偏最小二乘回归和BP神经网络统计估算模型,通过模型验证与对比,探索研究区土壤重金属Ni元素含量的最优反演模型。研究结果表明: （1）基于各光谱变换的BP神经网络模型的建模和预测精度整体上大于偏最小二乘法和多元逐步回归法模型,模型拟合精度高,预测能力较好;（2）综合来看,一阶微分处理能普遍改善模型预测效果,其中BP神经网络模型的一阶微分变换结果最佳,对于Ni元素建模精度R2高达97.1%,验证集精度R2高达98%以上;（3）选用精度最好的BP神经网络模型,通过CASI&SASI高光谱数据对研究区重金属Ni含量进行反演,反演结果与实测Ni含量数据一致性很好。     

基于可见—近红外反射光谱的典型农田重金属污染风险分类研究

对于人为因素或自然因素造成的农田土壤重金属元素污染,需要进行大面积的土壤环境质量调查和分类管控,然而传统的采样测试方法存在工作量大、代价高等问题。可见—近红外（Vis-NIR）反射光谱是一种快速低成本获取土壤理化信息的手段。为研究Vis-NIR反射光谱预测模型划分土壤重金属污染风险类别的能力,文章以典型人为污染地区（浙江温岭）和典型地质高背景地区（广西横县）的390份农田土壤为样本,测定8种重金属元素（As、Cd、Cr、Cu、Hg、Ni、Pb和Zn）的含量和pH值,并测定土壤Vis-NIR光谱。使用偏最小二乘（PLS）和支持向量机（SVM）算法建立回归模型,对土壤重金属含量和pH值进行预测,并基于预测值进行土壤重金属污染风险分类。结果显示,温岭土壤主要污染元素Cd和Cu的光谱模型回归预测偏差（RPD）分别为1.23和1.19,预测机制与有机质有关。横县土壤主要污染元素As和Cd的RPD分别为1.98和1.93,预测机制与铁氧化物和粘土矿物有关。地质高背景土壤重金属与铁氧化物的正相关性普遍较强,使得光谱模型对重金属含量预测准确度较高。温岭和横县土壤pH值的光谱模型RPD分别为1.76和1.68。土壤重金属污染风险光谱分类的总体 准确度分别为75.0%~100%（温岭）和80.0%~100％（横县）。将Vis-NIR光谱与遥感技术相结合,对农田土壤重金属污染风险进行快速分类总体是可行的。     

基于高光谱的桂东北峰丛洼地土壤有机碳含量预测

以桂东北寨底峰丛洼地土壤为研究对象,利用二阶微分和去除包络线二阶微分方法对土壤光谱进行处理,筛选出3种光谱指数与土壤有机碳（SOC）相关系数最高的特征波段,通过比较偏最小二乘回归、多元线性回归与多元逐步回归等模型的精度,确定SOC最佳估测模型。结果表明:（1）研究区土壤样品有机碳质量分数最小值为 0.20%,最大值为6.06%,变异系数为63.28%,具有中等强度的空间异质性;（2）二阶微分光谱指数建立的多元线性回归模型精度优于原始光谱反射率及包络线二阶微分的模型;（3）二阶微分、包络线二阶微分光谱指数建立的偏最小二乘回归预测模型均比通过原始数据建立的模型精度高出0.3;（4）基于二阶微分所建立的多元逐步回归模型具有较高的预测精度（R2=0.75,均方根误差RMSE=4.83和较大的剩余估计偏差RPD=2.00）。      

综合实测光谱与Sentinel-2影像的农田土壤重金属含量时空变化研究：以辽宁苏子河流域为例

农田土壤重金属污染严重影响着作物生长和人类健康,为了探索一种快速、准确的土壤重金属含量遥感监测方法,以辽宁省苏子河流域为研究区域,将实测光谱数据转换为多光谱数据。笔者利用偏最小二乘回归法(PLSR)建立相关关系模型,选择最优模型运用到2016年和2020年苏子河流域的Sentinel--2影像。结果表明：综合实测光谱与多光谱可用于土壤重金属含量监测,各模型R²均高于0.50,2年间流域内农田土壤重金属元素中Cu、Ni、Pb、Zn含量增加,Cd、Cr、As含量降低,超标的重金属元素由Cd、Cr、Cu变化为Cu、Ni、Pb、Zn。经分析,重金属相关含量变化与矿场、农业种植结构以及生活垃圾等密切相关。     

基于高光谱的土壤养分含量反演模型研究

为实现土壤养分（有机质SOM、全氮TN、全磷TP、全硫TS）含量的快速测定,以建三江创业农场为例,对土壤原始反射率进行了一阶微分（FD）、倒数对数（RL）、倒数一阶微分（FDR）、多元散射校正（MSC）和连续统去除（CR）变换,分析6种光谱变量与土壤养分的相关性,将在α=0.01水平上显著相关的波段作为特征波段,运用多元逐步回归（SMLR）、偏最小二乘回归（PLSR）和BP神经网络（BPNN）三种分析方法分别建立有机质、全氮、全磷和全硫的高光谱预测模型,并利用决定系数（R²）、均方根误差（RMSE）和相对分析误差（RPD）对预测模型进行评价.结果显示,PLSR和BPNN建立的土壤养分含量预测模型均优于SMLR,能极好地预测有机质和全氮含量,同时具有粗略估算全硫含量的能力.三种方法中仅有CR-BPNN能对全磷含量进行粗略估算.对有机质、全氮、全磷和全硫预测效果最佳的模型及其验证集决定系数分别为：MSC-PLSR （0.86）、MSC-PLSR （0.75）、CR-BPNN （0.56）、FDR-BPNN （0.67）.     

基于高光谱技术的黑土地微量金属元素探测方法及地学意义

在土壤中重金属含量较低的情况下,重金属的高光谱特征响应非常微弱,不易构建精确的高光谱直接反演模型。为了解决上述问题,依据土壤化学变量间的理化性质,将重金属富集特征转移到与之相关的化学主量元素上,使重金属微弱的信息得以间接定量反演。文中以海伦市黑土土壤为研究对象,通过主成分分析、聚类分析确定了主量元素氧化铁（Fe₂O₃）与微量重金属As、Zn、Cd之间存在明显吸附赋存关系。选用偏最小二乘法构建了研究区氧化铁含量的最佳反演模型（决定系数为0.704,均方根误差为0.148,F检验为12.732）,并利用氧化铁与As、Zn、Cd之间的赋存关系,通过神经网络构建了氧化铁预测值与重金属真实值间的非线性拟合模型,得出As含量的拟合程度最高,Zn的拟合程度较好,Cd的拟合效果较理想,总体相关性分别为0.796、0.732、0.530。研究结果表明,基于氧化铁含量的间接预测模型能对微量重金属As、Zn、Cd进行较好的定量预测,为微量重金属含量的定量分析提供了新的方法参考,为高光谱遥感技术预测土壤重金属含量提供了依据,增强了土壤微量重金属反演可行性,对细化自然资源质量监测、深化开展地学系统综合分析与评价有重要意义。      

滇西兰坪铅锌矿区土壤重金属含量的高光谱反演分析

滇西兰坪金顶超大型铅锌多金属矿床是我国最重要的铅锌矿产集中开发区之一。始于20世纪80年代的矿业开发活动逐渐增强,导致该区土壤重金属污染问题不断加重。本文系统开展了兰坪矿区土壤样本的Zn、Pb、As、Cd共4种重金属含量与光谱响应测试实验,详细分析了土壤样本中4种重金属的敏感波段位置及其与土壤中粘土矿物、铁氧化物及碳酸盐矿物之间的赋存关系,构建了4种重金属含量与土壤实测光谱之间的多元线性回归模型。结果表明:(1)区内4种重金属元素含量均超标,且具显著的相关性;(2)重金属含量与土壤光谱反射率、反射率的一阶微分及连续统去除变量具有较高的相关性;(3)用实测光谱的逐步回归方法预测土壤重金属含量的反演模型具有较高的精度,R2均高于0.816。本结果可为大尺度土壤重金属含量监测及其它污染信息提取提供借鉴。     

基于航空高光谱遥感数据的黑土地有机质含量反演:以黑龙江省建三江地区为例

掌握黑土地有机质含量对黑土资源利用与保护具有重要意义,而高光谱卫星影像的缺乏制约了区域尺度土壤有机质反演研究的开展.以黑龙江省建三江黑土区为例,采用CASI/SASI航空高光谱数据、ASD（analytical spectral devices）地面光谱数据和土壤样品有机质含量数据,基于有机质含量与光谱反射率的相关性和定量关系,构建最优的回归模型并开展研究区土壤有机质含量遥感反演.结果表明:偏最小二乘法回归模型比多元逐步回归模型更稳定（判定系数分别为0.885和0.653）,且精度更高（均方根误差分别为0.424和0.744）;采用偏最小二乘模型反演的结果与地面化探结果基本一致.      

土壤铅含量高光谱遥感反演中波段选择方法研究

利用高光谱遥感数据进行了南京郊外土壤重金属元素铅的含量反演,由于高光谱数据波段众多,波段选择或变换至关重要。比较了基于次贪婪的前向选择模型的最小角度拟合和基于遗传算法进行波段选择的最小二乘和偏最小二乘拟合,结果发现基于遗传算法的偏最小二乘反演结果优于全波段的偏最小二乘,表明波段选择在高光谱反演重金属中是有益的。尽管采取了波段选择后的各方法在反演时均能达到70%以上的训练精度,但因遗传算法搜索的解空间范围更宽广,使得基于遗传算法的偏最小二乘优于前向选择模型的最小角度拟合。最后还比较了基于遗传算法的普通最小二乘和偏最小二乘拟合,结果表明偏最小二乘更优,因此在高光谱反演重金属含量当中,偏最小二乘精度较高,而在波段选择方法中,遗传算法更优。     

BP神经网络在土壤重金属污染分析中的应用

以湖南株洲市区中西部为研究区域,获取该区域35个土壤样本和多光谱数据,基于多元线性回归（MLR）、偏最小二乘回归（PLS）、BP神经网络回归模型（BP）,分别建立土壤重金属（Cr、Cu、Ni）含量的反演模型,并对模型预测效果进行检验。建模与预测综合效果：BP模型＞PLS模型＞MLR模型,BP神经网络回归模型的效果远远好于其他2组,尤其适合分析具有非明确关系的2组数据。其中,Cr元素回归模型为最佳拟合模型,建模和预测R2分别为0.917 4、0.811 0,建模均方根误差和预测均方根误差分别为8.269 3、16.870 7,说明基于多光谱数据反演土壤重金属含量有一定的可行性。     

基于粒子群优化支持向量机的矿区土壤有机质含量高光谱反演

为了监测复垦矿区土壤的有机质含量, 综合利用光谱分析、统计学习理论与方法以及智能优化理论与方法, 研究了矿区复垦土壤有机质含量与土壤光谱之间的关系, 在此基础上建立了土壤有机质含量高光谱反演模型, 实现土壤有机质含量定量检测.首先对原始土壤光谱数据进行预处理, 然后进行相关性分析, 提取450 nm、500 nm、650 nm、770 nm、1 460 nm和2 140 nm作为特征波段, 最后利用多元线性回归(multiple linear regression, MLR)、偏最小乘回归(partial least squares regression, PLSR)和粒子群优化支持向量机回归(particle swarm optimization support vector machine regression, PSO-SVM)方法建立了土壤有机质含量的高光谱定量反演模型, 并对模型进行验证.3种模型的验证结果如下: MLR、PLSR和PSO-SVM模型的R2分别为0.79、0.83和0.85, RMSE分别为5.26、4.93和4.76.实验结果表明, 无论从模型的稳定性还是预测能力上, PSO-SVM都要优于其他两个模型.      

基于高光谱的长江中下游沿江地区土壤化学元素含量反演研究

为探究高光谱遥感技术在土壤元素快速定量化检测中的应用,解决传统土壤元素含量测定效率低下的问题,本文以长江中下游沿江芜湖段为典型研究区,实地采集615个土壤表层样品（0～15 cm）,经实验室化学成分测定和光谱采集,利用多种数据预处理方法和回归建模方法,建立铬（Cr）、镉（Cd）、钾（K）、磷（P）、氮（N）、有机质含量的高光谱估算模型。结果表明：经对原始光谱进行预处理以及多种光谱数学变换,元素含量与光谱的相关性均有不同程度的提高,不同元素具有差异性,总体建模结果均大于通过原始光谱直接建模效果。各元素的预测模型精度均大于86%,模型的预测效果较好,可为土壤元素快速定量化检测提供技术参考。     

航空高光谱反演耕地土壤重金属分布特征——以苏北灌河地区为例

为探索航空高光谱遥感开展大比例尺、大面积土壤重金属含量和分布特征快速调查的技术方法和工作流程,以苏北灌河地区为例,利用国产高光谱成像仪和自主集成的航空高光谱遥感测量系统获取影像光谱数据,通过数据预处理、CARS特征波段选择及BP神经网络建模反演等方法,建立了从数据获取到数据分析评价的工作流程,反演了土壤重金属元素含量,展示了其空间分布特征。与传统地球化学调查数据进行对比分析,结果显示高光谱反演成果与地球化学调查的重金属浓度空间分布特征吻合度较高,验证了航空高光谱反演耕地土壤重金属分布特征的可靠性。在区域性耕地土壤重金属污染调查评价方面,航空高光谱遥感能够快速、及时地获取土壤污染及相关信息,并具有很好的实用性和经济性。     

应用近红外光谱法研究泻湖湿地沉积物重金属活动态特征及生态风险评价

沉积物中的重金属元素经自然作用下可以活动态进行迁移,具有潜在生物可利用性及潜在的区域生态风险。利用近红外光谱(NIRS)技术开展不同基体类型样品响应机理研究,可为评估重金属活动态提供无损、快速的分析方法,为生态风险研究提供依据。天津七里海泻湖湿地沉积物具有低有机质-高黏土含量的特征,本文基于近红外光谱分析技术,建立了沉积物中Co、Ni、Cu、Zn、Cd、Pb重金属活动态组分含量近红外光谱-偏最小二乘回归预测模型。实验结果表明:样品在7290～6390cm~(-1)和4683～4000cm~(-1)波段存在的双羟基O—H伸缩振动、AlAl—OH及Al(Mg)—OH弯曲振动特征吸收,间接指示了重金属元素活动态含量。光谱预测结果显示,近百年来七里海沉积物中Co、Ni、Cu、Zn、Cd、Pb活动态组分的变化特征对应了当地1934—1948年、1956—1963年、1976年至今三次较明显的升温过程,也对应了1980年七里海水库建设等大型人为扰动。本研究样品中Co、Ni、Cu、Zn、Cd、Pb总量及活动态均低于国家标准中规定的生态风险阈值,七里海内村镇及周边农田来自湿地释放的重金属生态风险极低。     

水稻、小麦与土壤中重金属Cd含量的关系模拟研究

土壤污染防治工作已成为提升耕地质量、保护国土生态安全的重要任务之一。为了科学预测我国大宗农作物(如水稻、小麦)与土壤重金属含量的关系,减少安全利用类农用地的大量农产品与土壤的协同监测,实现重金属污染农用地的安全利用,本研究以重金属Cd为例,选取对水稻、小麦Cd含量影响较大的土壤Cd含量、土壤pH值、土壤阳离子交换量(CEC)和土壤有机碳(OC)含量作为输入因子,水稻、小麦Cd含量作为输出因子,分别建立了多元回归模型与神经网络模型。结果表明:水稻、小麦Cd含量与土壤Cd含量呈现正相关关系;模拟出的水稻、小麦与土壤Cd的多元线性回归模型的预测能力分别为67.8%和83.8%;利用神经网络构建了水稻、小麦Cd含量预测模型,在训练集、验证集和测试集中都表现出很好的预测能力,R值均大于多元线性回归模型,且MSE(均方误差)值较小,神经网络对水稻、小麦Cd含量预测具有很好的适用性,模拟精度总体优于多元回归预测模型。研究结果可为污染农用地的安全利用评价及优化配置提供一定的理论依据和参考。     

长江下游富镉土壤元素分布特征及其污染修复试验

在江苏长江沿岸一带新发现了大片富镉土壤,局部地段已经出现了蔬菜样品镉含量超标的重金属污染现象。笔者通过对江苏沿江富镉土壤元素地球化学特征的初步分析,探讨了引起局部土壤Cd污染的主要原因与特点,系统介绍了在南京八卦洲受Cd污染的蔬菜地开展现场重金属污染土壤修复与调控试验的主要研究资料与结果,发现施用适量的钙镁磷肥、石灰等固定剂对于降低蔬菜中的Cd含量有明显成效,为长江下游富Cd土壤区蔬菜安全生产提供了新的思路。     

淮南潘集采煤沉陷区土壤及煤矸石镉环境地球化学特征

以淮南潘集采煤沉陷区土壤、煤矸石为研究对象,采用电感耦合等离子体质谱(ICP-MS)测定样品中重金属镉(Cd)含量,探讨其空间分布特征;利用Tessier五步形态提取法,研究样品中Cd赋存形态,分析其生物可利用性;最后采用地累积指数法评价沉陷区土壤和煤矸石中Cd污染程度。结果表明:潘集采煤沉陷区土壤Cd含量是淮南土壤背景值4.17倍,煤矸石中Cd含量是淮南土壤背景值和煤背景值5.33倍;潘集采煤沉陷区土壤和煤矸石中残渣态Cd占绝大部分,可交换态Cd含量低,但潜在生物可利用态含量高;地累积指数法结果表明,淮南潘集采煤沉陷区土壤和煤矸石中Cd中度污染,应采取措施优先治理控制。