《土壤重金属污染高光谱遥感监测方法综述》由会员分享，可在线阅读，更多相关《土壤重金属污染高光谱遥感监测方法综述（10页珍藏版）》请在金锄头文库上搜索。
1、土壤重金属污染高光谱遥感监测方法综述作者：郭学飞 曹颖 焦润成 来源：城市地质2020年第 03期摘 要：近年来土壤重金属污染日益严重，对生态环境安全和人类健康构成了严重威胁。 高光谱遥感技术具有快速、宏观地获取地物信息的能力，为快速高效获取土壤重金属含量开展 污染防治提供了科学手段。本文总结了基于土壤光谱分析和植被光谱分析的两类土壤重金属污 染高光谱遥感监测的方法及原理，介绍了土壤重金属含量反演建模过程及建模方法。土壤光谱 分析法预测重金属含量主要基于实验室土壤光谱展开，具有较高的预测精度，但很难实现大范 围土壤重金属污染监测;植被光谱分析法多是基于野外实测光谱数据展开，预测精度相对较 低，
2、但较易与高光谱影像相结合进行区域土壤重金属污染预测，是今后研究的热点方向。多元 逐步线性回归和偏最小二乘回归是土壤重金属含量反演应用最为广泛的建模方法，但反演模型 往往缺乏普适性和稳定性，随着高光谱传感器和数据获取平台的发展，普适性更好稳定性更强 的建模方法将不断出现。关键词：土壤重金属;高光谱遥感;监测方法;反演模型Abstract： Heavy metal pollution in soil is a serious threat to ecological environment and human health. Hyperspectral remote sensing technol
3、ogy has the ability to acquire ground object information quickly and macroscopically. It provides a scientific method for fast， efficiently and quantitatively acquiring the heavy metal contents in soil and pollution prevention. In this paper， the methods and principles of hyperspectral remote sensin
4、g monitoring of soil heavy metal pollution were summarized based on soil spectral analysis and vegetation spectral analysis. The process and modeling method of soil heavy metal content inversion were introduced. The prediction of heavy metal contents by soil spectral analysis is based on the laborat
5、ory soil spectrum， which has high prediction accuracy， but it is difficult to realize the large-scale monitoring of heavy metal pollution in soil. Vegetation spectral analysis is mostly based on field measuring spectral data， with relatively low prediction accuracy. However， it is easy to combine wi
6、th hyperspectral images to predict regional soil heavy metal pollution. Therefore， it is a most popular research field in the future. Multiple stepwise linear regression and partial least squares regression are the most widely used modeling methods for inversion of soil heavy metal contents， but the
7、 inversion model often lacks universality and stability. With the development of hyperspectral sensors and acquisition platforms， modeling methods with better universality and stability will continue to emerge.Keywords： Soil heavy metals; Hyperspectral remote sensing; Monitoring method; Inversion mo
8、del0 前言近年來我国工农业生产发展迅速，土壤环境污染日益严重，其中以铜（Cu）、铅（Pb）、锌（Zn）、汞（Hg）、镉（Cd）、铬（Cr）、砷（As）、镍（Ni ）等为代表的生物 毒性显著的重金属污染尤其突出（庄国泰， 2015;周建军等， 2014）。2014年全国土壤污染状 况调查公报显示，我国土壤总超标率16.1%，其中无机污染物占总超标点位的82.8%（环境保 护部，国土资源部， 2014）。我国耕地因受重金属污染质量状况堪忧，每年因土壤重金属污染 而损失的粮食作物约1200万吨（Teng，et al.，2010）。土壤重金属污染不仅会造成农作物减 产、质量下降，甚至会通过食物链的
9、方式影响人类健康（纪小凤等， 2016），因此对土壤重金 属的监测十分必要。如何快速高效地检测出土壤重金属污染区域并评估其污染程度，是开展土 壤污染监测的关键，也是政府部门开展土壤环境治理的重要前提。传统的土壤重金属污染检测方法通常是对野外采集的土壤样品开展实验室化学分析，该方 法测量精度高、准确性强，但由于检测环节多、耗时长、成本高，很难快速获取大区域上的污 染物含量及分布信息（肖捷颖等， 2013）。高光谱遥感具有快速、宏观地获取地物信息的能 力，在土壤重金属污染监测领域不断显示出其独特的优势。本文概述了利用高光谱遥感技术开 展土壤重金属污染监测的原理、方法以及反演模型的建立，分析了高光谱
10、遥感在土壤重金属污 染监测中存在的问题以及未来的发展展望。1 高光谱遥感概述高光谱遥感（Hyperspectral Remote Sensing）又称成像光谱遥感，是当前遥感的前沿技 术。它将光谱技术与成像技术相结合，能够获取目标物非常窄且连续的光谱信息以及空间分布 信息，光谱获取范围覆盖了电磁波的紫外波段至热红外波段（肖博林， 2020;吴振洲， 2012）。高光谱遥感以光谱范围宽、光谱分辨率高及“图谱合一”的特点，极大地提高了地表覆 盖探测和地物识别能力，使半定量和定量地识别地物类别成为可能（刘勋等， 2019），近年来 逐渐被探索应用于土壤重金属监测领域。2 土壤重金属污染高光谱遥感监测
11、方法土壤中的重金属元素属于微量元素，在土壤光谱上很难捕捉到重金属信息，因此通过直接 分析光谱曲线的吸收反射特征估算重金属含量比较困难（龚绍琦等， 2010）。可根据重金属元 素与其他物质的吸附关系以及对植被的胁迫特征，间接地预测元素含量，确定土壤污染程度。 目前利用高光谱遥感开展土壤重金属污染监测的方法主要分为如下两种：（1）直接根据土壤 光谱与重金属元素间的相关性进行元素含量反演估算;（2）根据被重金属污染胁迫植被的光谱 信息间接预测土壤重金属污染状况。2.1 土壤光谱分析法预测重金属含量虽然重金属在土壤中属微量元素，没有明显的特征光谱，但土壤中的黏土矿物、土壤有机 质等组分往往与之存在吸附
12、或赋存关系（WU，et al.，2006），这些组分的存在导致土壤光谱 形态和反射率大小在一定程度上发生改变，使土壤光谱曲线显示出特定的反射特征，利用重金 属元素与这些组分之间的相关性可估算元素含量。土壤光谱分析法估算土壤重金属含量的实现方法是，利用实验室或野外实测的土壤样品光 谱数据，经断点修复、平滑等预处理后，将原始光谱及其数学变换、连续统去除等变换后的光 谱指标与测定的土壤重金属含量进行相关分析，建立土壤重金属含量与光谱指标特征波段的最 佳回归模型，利用该模型定量反演出土壤重金属含量。解宪丽等（2007）研究发现江西贵溪铜冶炼厂污染区土壤的Cu、Pb、Zn、Co、Ni、Fe、 Cd、 C
13、r、 Mn 9 种元素含量与土壤可见光-近红外反射光谱之间存在显著相关，相关原因为有机 质、黏土矿物、铁锰氧化物等土壤组分对上述重金属元素有存在吸附作用。李琼琼等（2019） 通过采集土壤样本，分析土壤光谱信息，采用偏最小二乘法建立了城市居民区土壤Cu、Pb、 Zn元素的反演模型，其中Pb元素的反演精度最高（R2=0.77, RMSE=7.66），模型具有较好 的预测能力。王金凤等（2019）基于室内测定的土壤高光谱数据，利用逐步回归方法甄选出了 与铁氧化物、有机质、黏土矿物等有关的有效光谱变量580、 810、 1410、 1910、 2160、 2260、2270、2350、2430nm，
14、运用随机森林、支持向量机、偏最小二乘等方法建立Zn元素含 量反演模型，结果表明基于二阶微分变换的随机森立模型反演精度最高（R2=0.94, RMSE=18.01），是喀斯特地区锌元素含量反演的最佳模型。以上研究均是基于實验室土壤高光谱数据开展，实验室条件下测得的土壤光谱数据受外界 环境条件影响最小，光谱数据处理条件较为一致，研究的重点便集中在建模方法的选择上，因 此利用实验室土壤光谱直接分析土壤重金属含量是目前土壤重金属高光谱反演中最为成熟的方 法，但受土壤样品采集数量和范围的限制，基于实验室土壤高光谱很难实现大区域土壤重金属 污染的监测。2.2植被光谱分析法预测重金属含量研究表明，土壤中的重
15、金属能对植物的生理结构特征产生影响，尤其是对叶绿素的合成影 响较大，从而改变植物的光谱特性（唐鹏等， 2014）。当植被收到重金属污染胁迫时，植被叶 片中的叶绿素含量会降低，使得植被波普的“红边位置”（指由于植物体内叶绿素的吸收作用， 致使植被反射波谱特征在红光波段到近红外波段处（660770nm）急剧升高）向短波方向偏 移，形成红边“蓝移”现象（张志斌， 2013;邬登巍等， 2009;Bonham-carter， 1988）。 “红边位 置”、植被指数等是表征植被生长状态的重要参数。重金属污染对植被光谱特征和植被生长状 态参数变化的影响，是利用植被光谱分析预测重金属污染的基础。植被光谱分析
16、法预测土壤重金属含量的实现方法是，测定重金属污染条件下表层土壤的重 金属含量和植被叶片的叶绿素含量（或根据植被光谱特征形成“红边位置”、植被指数等植被生 长状态参数），分析叶绿素含量或植被生长状态参数与土壤重金属含量之间的相关关系，建立 土壤重金属含量反演模型，预测研究区土壤重金属污染情况。利用植被光谱分析法预测重金属污染的一种方式是基于地面高光谱仪采集植物叶片的高光 谱反射数据，与测定的叶片叶绿素含量及重金属含量，建立预测模型。如于庆等（2018）用 Field Spec HH便携式手持地物光谱仪采集了典型污灌区冬小麦冠层光谱，建立了Cr、Ni、 Pb、Zn、Hg、Cd元素含量反演模型，实现了重金属含量及空间分布特征反演。另一种方式是 基于机载和星载高光谱仪，持续获取地面受污染植被的光谱信息，建立反演模型，实现土壤重 金属的实时、大面积、原位监测。如刘昭贤等（2019）利用无人机搭载的HyspexSWIR-384成 像光谱仪获取高光谱影像，并利用便携式地物光谱仪同步采集地面光谱数据，实现了农
