随着工矿业的快速发展,农药、化肥的长期不合理施用,越来越多的重金属污染物通过各种途径进入环境,易造成土地质量的退化和土壤污染,影响农产品的产量和质量。分析监测农用地环境和土壤的污染状况,对于保证国家粮食安全、加快农业现代化和生态文明建设等具有重要的意义。传统的土壤化学元素监测操作过程复杂,而近地表高光谱遥感技术通过光谱—土壤属性的模型反演,省时省力,是近几年发展起来的快速监测土壤质量的新技术。本文以盐源县农用地土壤重金属为研究对象,基于SVR HR-1024i地物高光谱仪测定的土壤反射光谱数据。在土壤重金属含量特征及光谱特性研究的基础上,采用多元线性逐步回归分析(MLSR)、基于主成分分析的BP神经网络分析(PCA-BP)与多元线性逐步回归分析(PCA-MLSR)和粒子群算法优化支持向量回归分析(PSO-SVR)等线性与非线性相结合的方法,建立回归模型来反演预测土壤重金属Cu、Zn含量。最后用建模集和验证集的决定系数R~2、均方根误差RMSE与相对分析误差RPD综合评价指标来评估土壤重金属元素高光谱反演方法的建模精度,获取反演精度高、稳定性能好的反演模型,并验证不同空间尺度下反演模型的迁移推广能力。以期为快速、准确的获取土壤重金属含量提供技术支撑,为其它土壤重金属元素的光谱监测提供思路。主要研究成果如下:(1)研究区土壤Cu的敏感特征波段主要分布在534-605nm、750-762nm、996-1107nm、1400-1430nm、1900-1931nm、2193-2205nm和2350-2400nm波段范围内;Zn的敏感特征波段主要集中在474-524 nm、646-713nm、890-1018nm、1207-1254nm、1811-1822nm、2165-2308nm和2421-2457nm波段范围内。土壤Cu和Zn的敏感波段有一定的相似性,都呈现出多个影响程度相当的敏感波段。(2)利用土壤重金属Cu、Zn含量的实测值与对应的反射率光谱经一阶微分、连续统去除、标准正态变量变换和倒数对数的光谱变量建立反演模型,结果表明一阶微分光谱变量模型在四种光谱处理中建模效果最优,研究区土壤重金属Cu、Zn含量的最优反演模型均为一阶微分主成分多元逐步回归模型。(3)引入PCA-BP和PSO-SVR非线性数学分析方法虽然能提高建模精度,但与常规的线性数学分析方法SMLR和PCA-SMLR相比较,其模型的稳定性较差并且实现较复杂、计算效率较低,适用性较差。相比较而言,多元逐步回归分析是一种较准确快捷的方法,更适用于多种土壤重金属含量的反演研究。(4)基于地面实测光谱的土壤重金属定量反演能够建立具有较高统计精度的回归模型,而当把反演模型应用于预测较大空间尺度区时,发现回归模型对大尺度区域采样点的预测精度较低,难以较为准确地反演大尺度试验区重金属Cu、Zn的含量。说明不同空间尺度下土壤重金属高光谱反演的过程和方法可以通用,但获得的最佳反演模型存在一定差异。所以在进行土壤重金属的高光谱定量反演建模时,为了提高模型的反演精度,在建模之前可以根据研究区内的实际分布情况将研究区划分为多个小区域,分区建立量化分析模型。