论文部分内容阅读
农田土壤重金属污染数据的快速采集、精准分析和综合评价对黑土区农产品的生长环境和安全极其重要,然而利用样品化验方法进行重金属监测时费时费力,且时效性低。如今,随着高光谱遥感技术的发展,通过土壤光谱信息进行反演填图成为研究热点,并为农田黑土重金属污染元素的大面积动态监测找到了突破口。本文以黑龙江省海伦市的东北典型黑土区为研究对象,通过样品化学检测数据、ASD地面高光谱数据和CASI/SASI航空高光谱数据,分析土壤组分间赋存关系以及土壤光谱特征,间接建立反演As、Zn和Cr含量的模型,并实现土壤必测重金属污染元素Cd、As、Hg、Cr、Cu、Pb、Ni和Zn含量的估算制图。通过分析黑土化学组分之间的Pearson系数、主成分分析(PCA)和聚类分析(CA)得出As、Zn和Cd含量与氧化铁浓度呈正相关,故构建了以氧化铁为中间量的As、Zn和Cd含量的间接预测模型,并比较了一阶微分(FD)、连续谱去除(CR)和多元散射校正(MSC)变换下基于多元逐步回归(MSR)、偏最小二乘(PLSR)和反向传播神经网络(BPNN)方法的直接反演模型与该模型的预测精度,发现间接预测模型的R~2和RPIQ均大于直接反演模型,表明间接预测模型更具有可靠性。航空高光谱波谱依据地面光谱重采样后带入地面光谱的As、Zn和Cd元素含量直接反演和间接预测模型中,发现其反演精度低于基于航空高光谱特征的预测精度,故不能简单地进行模型迁移。运用相关系数法重新提取了航空高光谱的一阶微分(FD)、二阶微分(SD)、三阶微分(TD)、连续谱去除(CR)波谱的特征波段,带入不同的建模方法中发现针对各重金属污染元素航空高光谱最佳反演过程分别为:As_CR_SVM、Ni_CR_SVM、Cr_TD_PLSR、Hg_TD_BPNN、Zn_CR_SVM、Cd_TD_PLSR、Cu_TD_PLSR、Pb_TD_PLSR,决定系数R~2依次为:0.404、0.328、0.321、0.284、0.28、0.267、0.208、0.092。航空高光谱反演结果与已知重金属元素含量分布数据的空间重合性较好,展示出利用航空高光谱进行黑土重金属污染元素大面积快速可视化监测的应用潜力。