土壤钾含量高光谱定量反演研究

为了更快捷准确地进行土壤钾(K)含量的预测,基于土壤高光谱数据和化学元素分析数据,研究土壤光谱与土壤钾含量之间的定量关系.在对土壤原始光谱进行处理分析基础上,提取反射率(R)、反射率倒数的对数(log(1/R))、反射率一阶微分(R')和波段深度(BD)4种光谱指标,运用偏最小二乘回归方法建立相应的预测模型,并对模型进行检验.结果表明,波段深度是估算土壤钾含量最好的光谱指标,其建模精度超过0.85,均方根误差不超过0.1;全波段高光谱分辨率反射光谱具有快速有效估算土壤钾含量的潜力.     

应用高光谱遥感数据估算土壤表层水分的研究

土壤水分是土壤的重要组成部分，它在陆地表层和大气之间的物质和能量交换方面扮演着重要角色，寻求快速而准确的方法估算土壤水分具有重要意义。通常，从可见光一近红外对土壤表层水分的估计多是建立在土壤水分与反射率的关系之上的。而在土壤水分含量不高时，土壤水分的增加使土壤光谱反射率在整个波长范围内降低，尤其在760nm，970nm，1190nm，1450nm，1940nm和2950nm等水分吸收波段，而在土壤水分含量较高时，土壤水分的增加会使土壤光谱反射率在某些光谱波段升高。而土壤水分的估计往往是基于土壤水分与土壤水分吸收波段的吸收强度之间的线性关系上，虽然这些经验的方法对于估算某些土壤的表层水分含量是有效的，但这些关系应用于其它条件(如不同种类土壤、土壤湿度变化范围很大的情况)时却面临很多困难，这与土壤的光谱反射率是由土壤的组成成分(土壤水分、有机质、氧化铁和粘土矿物等)的含量和它们在土壤中的分布密切相关。微分技术处理“连续”的光谱是遥感中常用的数学方法，微分技术能部分消除低频光谱成分的影响。现在微分光谱已广泛地应用于研究植被的生物物理参数、矿物和有机质等。然而利用微分光谱对土壤水分反演的研究却鲜见报道。本文通过对实验室中多种不同类型的土壤进行光谱与土壤表层水分含量进行观测，探讨了通过土壤反射率与微分光谱对土壤表层水分的反演方法。4种类型的土壤光谱数据(反射率(R)，反射率倒数的对数(log(1／R))，反射率的一阶微分光谱(dR／dλ)，反射率倒数的对数的一阶微分光谱(d(log(1／R))／dλ))与土壤表层水分之间的关系在本文中得到分析，R与log(1／R)对于不同土壤类型与土壤表层水分都很敏感，说明通过R与log(1／R)反演土壤表层水分受土壤类型的影响很大，而dR／dλ，d(log(1／R))／dλ)对土壤类型却不敏感，对土壤表层水分较为敏感，说明dR／dλ和d(log(1／R))／dλ)对于反演不同类型土壤具有很大的潜力，微分光谱与土壤水分在某些波段具有显著的相关性。通过随机对9种土壤(各具有4个土壤水分)的数据建立反演土壤水分的模型，并其他9种土壤(各具有4个土壤水分)的数据进行验证模型，结果表明，dR／dλ和d(log(1／R))／dλ)能够显著提高R与log(1／R)对于不同土壤类型土壤表层水分的反演精度，由于吸收过程是非线性的，在四种类型的土壤光谱数据中，总体来说，d(log(1／R))／dλ)具有最好的能力预测不同类型土壤的表层水分含量。     

基于Landsat8 OLI影像光谱的土壤盐分估算模型研究

针对艾比湖流域盐渍化土壤盐分定量监测的需要,利用Landsat8 OLI多光谱影像进行土壤盐分估算模型研究,以提高土壤盐分反演的精度。通过分析不同含盐量土壤的影像光谱反射率特征和不同变换形式的光谱反射率与盐分的相关性,寻求对盐分含量敏感的光谱波段;采用多元逐步回归算法,分别建立基于OLI影像光谱与ASD光谱仪重采样光谱的土壤盐分估算模型,并对影像光谱模型进行校正。结果表明:ASD重采样光谱数据的对数倒数一阶微分变换的土壤盐分估算模型精度较高,模型的决定系数(R2)为0.779;校正后的OLI影像光谱土壤盐分估算模型的R2从0.28提高到0.777 6,且均方根误差值仅为0.281。本研究实现了从实地测量光谱尺度向遥感多光谱尺度的转换,为土壤盐渍化的遥感定量监测提供了科学参考。     

不同尺度反演土壤重金属铜含量研究

采用实测土壤高光谱遥感数据和多光谱遥感影像数据采用单元回归分析法对土壤重金属铜含量建立反演预测模型。利用单元回归分析法分别建立模型,得出高光谱的最佳预测波段是R_(942),模型决定系数R2=0.634,多光谱最佳预测波段为B2,模型决定系数R2=0.625。通过显著性检验,均达到显著水平。结果表明多光谱遥感影像数据在本研究区内具有预测重金属铜含量的能力。     

光谱解混下耕地土壤铬含量GMDH模型反演

针对遥感影像反射率与重金属元素间的光谱响应弱,土壤重金属经典反演模型精度较低等问题,本文以Sentinel-2号遥感影像为数据源,利用像元二分模型进行影像光谱解混,筛选出相关性较高的特征光谱作为光谱参量,构建基于像元线性解混和不同光谱变换下土壤反射率与重金属Cr含量的PLS模型和GMDH模型。研究结果表明,解混后的光谱与重金属Cr含量间的显著相关波段数增多,相关性增强。基于解混后的土壤光谱与重金属Cr含量构建的GMDH模型,其模型稳定性较好,预测能力更强,精度更好。该方法拓展了传统的利用遥感影像进行反演的思路,可为大范围监测土壤重金属的污染状况提供有益参考。     

耕层土壤有机质高光谱间接估测模型

针对光学遥感技术只能获取表层土壤光谱信息而无法直接估测耕层土壤有机质含量的问题,探索建立基于表层土壤高光谱信息的耕层土壤有机质间接估测模型。以山东省济南市章丘区采集的76个表层、耕层土壤样本数据为基础,首先分析原始光谱反射率的光谱特征;然后利用反射率的一阶微分、平方根的一阶微分和对数倒数的一阶微分等方法对原始光谱反射率进行变换,并根据极大相关性原则选取估测因子;最后根据表层土壤有机质含量与耕层有机质含量间的内在关系,建立耕层土壤有机质含量的间接估测模型。结果表明,以557、1 621、2 107和2 316 nm波段对数倒数的一阶微分变换值和864 nm波段反射率平方根倒数一阶微分的变换值为估测因子,使用二次函数关系模型对耕层土壤有机质含量间接估测的精度最高,其决定系数R~2为0.784,平均相对误差为10.7%。研究表明,利用表层土壤高光谱信息间接估测耕层有机质含量可行有效。     

像元二分模型的土壤重金属Cr的遥感反演

针对遥感影像上土壤重金属光谱敏感性不显著、土壤重金属含量定量反演拟合模型精度低的缺陷,该文采用像元二分模型线性解混提取土壤反射光谱,运用倒数对数变换后的土壤反射光谱为光谱参量建立土壤重金属Cr含量的三次多项式估算模型,反演耕地土壤中Cr的含量。结果表明,经过像元二分模型处理后的土壤反射率与重金属Cr的敏感性从不显著提升为显著相关,反演模型拟合优度显著提高。可见,基于像元二分模型得到土壤反射光谱,提升了其与重金属(Cr)之间的敏感性,提高了土壤重金属含量估测模型精度。     

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。     

土壤有机质含量区间值高光谱估测

考虑影响因素的复杂性,提出土壤有机质含量区间值高光谱估测的思想。根据在陕西省横山县采集的84个土壤样本数据,采用14种光谱反射率变换方法及因子互乘变换筛选反演因子,采用模糊识别方法进行土壤有机质含量估测。结果表明,原始光谱反射率(R)及其平方(R2)、平方根(R1/2)、倒数(1/R)、自然对数(ln R)的一阶微分、二阶微分及其互乘变换与有机质含量的相关性明显增强,模型优化系数可调节类别判别的准确度,12个检验样本的准确度为91.67%。这表明提出的土壤有机质含量区间值高光谱估测模型是有效的。     

基于包络线去除和偏最小二乘的土壤参数光谱反演

基于江苏省宜兴市100个土样的可见光-近红外高光谱反射率(400~2 450nm)数据,结合包络线去除(continuum removal,CR)与偏最小二乘回归(partial least squares regression,PLSR),构建了土壤重金属砷(As)和有机质(OM)含量的反演模型。结果表明,相比普通PLSR模型(模型决定系数R2和预测根均方误差RMSEP分别为0.512,3.090和0.621,5.934),CR-PLSR构建的模型预测能力有明显的改善(R2和RMSEP分别为0.763,2.323和0.911,4.599)。CR有效增强了550、900、1 420、1 900和2 200nm等波段处的反射光谱特征,根据模型回归系数分析,CR有效突出的波段正是As和OM的CR-PLSR模型所共用的重要波段。研究表明,CR能够协助PLSR模型重要波段的选择,利用遥感技术结合CR-PLSR能够有效提高土壤重金属As和OM含量的反演精度,从而为土壤质量的遥感监测提供参考。     

Estimation of Heavy-Metal Contamination in Soil Using Remote Sensing Spectroscopy and a Statistical Approach

Heavy-metal-contaminated soil is a critical environmental issue in suburban regions. This paper focuses on utilizing field spectroscopy to predict the heavy metal contents in soil for two suburban areas in the Jiangning District (JN) and the Baguazhou District (BGZ) in China. The relationship between the surface soil heavy metal contents and spectral features was investigated through statistical modeling. Spectral features of several spectral techniques, including reflectance spectra (RF), the logarithm of reciprocal spectra (LG) and continuum-removal spectra (CR), were employed to establish and calibrate models regarding to Cd, Hg and Pb contents. The optimal bands for each spectral feature were first selected based on the spectra of soil samples with artificially added heavy metals using stepwise multiple linear regressions. With the chosen bands, the average predictive accuracies of the cross-validation, using the coefficient of determination R², for estimating the heavy metal contents in the two field regions were 0.816, 0.796 and 0.652 for Cd; 0.787, 0.888 and 0.832 for Pb; and 0.906 and 0.867 for Hg based on partial least squares regression. Results show that better prediction accuracies were obtained for Cd and Hg, while the poorest prediction was obtained for Pb. Moreover, the performances of the LG and CR models were better than that of the RF model for Pb and Hg, indicating that LG and CR can provide alternative features in determining heavy metal contents. Overall, it’s concluded that Cd, Hg and Pb contents can be assessed using remote-sensing spectroscopy with reasonable accuracy, especially when combined with library and field-collected spectra.     

Assessing Metal-Induced Changes in the Visible and Near-Infrared Spectral Reflectance of Leaves: A Pot Study with Sunflower (<Emphasis Type="Italic">Helianthus annuus</Emphasis> L.)

The aim of this study was to monitor changes in leaf spectral reflectance due to phytoaccumulation of trace elements (Cd, Pb, and As) in sunflower mutant (M5 mutant line 38/R4-R6/15-35-190-04-M5) grown in spiked and in situ metal-contaminated potted soils. Reflectance spectra (350–2500 nm) of leaves were collected using portable ASD spectroradiometer, and respective leaves sample were analyzed for total metal contents. The spectral changes were quite noticeable and showed increased visible and decreased NIR reflectance for sunflower grown in soil spiked with 900 mg As kg^?1, and in in situ metal-contaminated soils. These changes also involved a blue-shift feature of red-edge position in the first derivatives spectra, studied vegetation indices and continuum removed absorption features at 495, 680, 970, 1165, 1435, 1780, and 1925 nm wavelength. Correlograms of leaf-metal concentration and reflectance values show highest degrees of overall correlation for visible, near-infrared, and water-sensitive wavelengths. Partial least square and multiple linear regression statistical models (cross-validated), respectively, based on Savitzky–Golay filter first-order derivative spectra and combination of spectral feature such as vegetation indices and band depths yielded good prediction of leaf-metal concentrations.     

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。     

水稻叶片不同光谱形式反演叶绿素含量的对比分析研究

通过对常优1号和武粳15两个品种水稻叶片的反射率R、lg(1/R)、反射率一阶微分（FD）和反射率归一化（BN）等光谱形式的测量和计算，分析了叶片光谱不同变化形式与叶绿素含量的相关关系，建立了统计方程，并进行了比较与评价，同时，对反演方程的最佳波段选择进行了探讨。结果表明，叶绿素含量与反射率一阶微分光谱方程的相关性最强，而采用lg(1/R)的光谱形式能够提高遥感反演叶绿素含量的效果。经验证，两个水稻品种叶绿素含量的模拟值与实测值的复相关系数R2分别达到0.641和0. 818。     

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。     

结合野外与实验室光谱的土壤Pb含量反演

重金属污染日益加剧,重金属在土壤中的聚集不仅破坏了生态平衡,也对人类的健康生活造成了影响,因此快捷、准确地获取土壤中的重金属含量成为土壤污染监制与治理的重要环节。高光谱遥感技术的发展使得快速低成本反演土壤重金属含量成为可能。针对野外光谱受环境因素（土壤粒径、含水量等）的影响,且现有研究中普遍存在样本量不足的问题,提出结合野外光谱与实验室光谱构建土壤铅(Pb)反演机理模型的方法,首先,采用直接矫正（direct standardization,DS）算法对野外光谱进行环境因素校正;其次,通过引入实验室光谱联合建模的方式,提高样本的差异性;最后,提取铁氧化物特征谱段用于建模以增加反演的机理性。利用中国河北雄安一般农作区的70个土壤样本野外光谱数据研究表明,未经DS校正的野外光谱全谱段单独建模,反演精度R2仅为0.220 0,而所提方法的反演精度R2可达0.914 6, 模型具有出色的估算能力,表明在去除环境因素对野外光谱影响基础上,综合利用野外光谱与实验室光谱的铁氧化物特征谱段建模能够显著提高Pb含量的反演精度。     

土壤中镉、铜伤害对水稻光谱特性的影响

本文讨论了水稻受重金属镉和铜污染伤害后的光谱反射特性的变化,为遥感监测污染提供基本依据。使用高分辨率光谱辐射计在自然状态下实地测量了受污染的水稻光谱特性,比采集叶片在室内测量更接近于实际情况,便于结合遥感图像进行定性和定量分析研究。 结果表明,镉和铜拌土生长的水稻在分蘖期受到的影响最明显,无论是在生理上还是在反射光谱方面变化都比较显著。因此,对水稻受重金属污染的遥感监测最佳时间为分蘖期,有效波段为0.54—0.58,0.64—0.69,0.74—0.80微米。综合对水稻光谱的各种分析方法,如波形分析,微分光谱,绿度指数和主成分变换等技术,水稻在分蘖期,对高浓度的监测效果较好,而对低浓度效果不甚明显。     

Feasibility of estimating heavy metal contaminations in floodplain soils using laboratory-based hyperspectral data—A case study along Le’an River,China

It is necessary to estimate heavy metal concentrations within soils for understanding heavy metal contaminations and for keeping the sustainable developments of ecosystems. This study, with the floodplain along Le’an River and its two branches in Jiangxi Province of China as a case study, aimed to explore the feasibility of estimating concentrations of heavy metal lead (Pb), copper (Cu) and zinc (Zn) within soils using laboratory-based hyperspectral data. Thirty soil samples were collected, and their hyperspectral data, soil organic matters and Pb, Cu and Zn concentrations were measured in the laboratory. The potential relations among hyperspectral data, soil organic matter and Pb, Cu and Zn concentrations were explored and further used to estimate Pb, Cu and Zn concentrations from hyperspectral data with soil organic matter as a bridge. The results showed that the ratio of the first-order derivatives of spectral absorbance at wavelengths 624 and 564 nm could explain 52% of the variation of soil organic matter; the soil organic matter could explain 59%, 51% and 50% of the variation of Pb, Cu and Zn concentrations with estimated standard errors of 1.41, 48.27 and 45.15 mg·kg?; and the absolute estimation errors were 8%–56%, 12%–118% and 2%–22%, and 50%, 67% and 100% of them were less than 25% for Pb, Cu and Zn concentration estimations. We concluded that the laboratory-based hyperspectral data hold potentials in estimating concentrations of heavy metal Pb, Cu and Zn in soils. More sampling points or other potential linear and non-linear regression methods should be used for improving the stabilities and accuracies of the estimation models.     

山东省招远金矿区春季赤松林的植物地球化学和反射光谱特征

本文研究了山东省招远市台上金矿区与背景区赤松林的植物地球化学特征、赤松生长状况和光谱反射率特征的差异。结果表明，赤松对Ａｕ，Ａｇ，Ｃｕ，Ｐｂ等金属元素均呈强积累，赤松针叶中的Ａｕ、Ａｇ元素含量金矿区值和背景区值之比分别可达６和１８。重金属的过量吸收使金矿区赤松的生长状况变差，针叶内叶绿素含量减少，反射光谱特征明显变化。金矿区与背景区对比，赤松的红界蓝移幅度可达８—１２ｎｍ。随重金属污染程度的加重，近红外肩反射率值、叶绿素反射峰值与叶绿素吸收峰值之差均呈下降趋势，一阶导数谱７１０ｎｍ附近平顶斜率由正值变为负值，逐渐变小。反射光谱的这种变化规律可用以遥感探查赤松林下重金属矿藏。