论文部分内容阅读
本文以成都平原水稻土重金属为研究对象,利用美国ASD公司生产的FieldSpec handheld便携式光谱仪测定的室内土壤反射光谱和实验室测定的铜、铅含量数据,在对原始光谱进行平滑处理的基础上,提取其土壤反射率及进行一阶微分、倒数对数和连续统去除光谱变换后的光谱变量,通过分析铜、铅含量与土壤光谱变量的相关性,确定土壤铜、铅含量的光谱响应波段,并采用多元逐步回归和偏最小二乘回归法建立水稻土重金属铜和铅含量的高光谱反演模型,以期为快速、准确的获取土壤重金属铜和铅含量提供技术支撑。全文主要结果如下：(1)研究区土壤铜含量为24.74-77.68mg/kg,铅含量为6.48-159.56mg/kg,其平均值约为背景值的1.63和1.64倍,表现出明显的积累特征。且土壤铜和铅含量均与有机质和全铁含量存在极显著相关性,其中铜含量与有机质和全铁含量的相关系数达到0.457和0.413,铅含量与有机质和全铁含量的相关系数达到0.520和0.407。(2)土壤反射率经一阶微分、倒数对数、连续统去除变换后,增强了光谱变量与土壤铜、铅含量的关联,有效突出了光谱特征波段。其中,一阶微分处理后光谱变量与土壤铜、铅含量的相关性最高,相关系数分别为0.697和0.680,连续统去除次之,相关系数分别为0.646和0.585。(3)研究区土壤光谱特征波段主要位于400 nm、605 nm、634 nm、750 nm、810nm、906 nm、1005 nm处。其中,土壤重金属铜含量的光谱响应波段主要集中在605m、757nm、906nm处,铅含量的光谱响应波段主要集中在605 nm、906nm处。(4)利用土壤重金属铜、铅含量的实测值与对应的反射率光谱及经一阶微分、倒数对数、连续统去除处理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效果最优,其中,铜含量一阶微分光谱变量模型检验精度为86.9%,铅含量一阶微分光谱变量模型检验精度为64.0%。(5)应用多元逐步回归和偏最小二乘法建立光谱特征与土壤铜、铅含量之间的关系模型,结果表明研究区土壤铜、铅含量的偏最小二乘模型建模精度较优,其决定系数分别最高达0.716和0.760,但总体上土壤铜、铅含量的偏最小二乘和多元逐步回归模型的检验精度相差不大,两种模型的平均相对误差最低为0.2%和8.8%。