论文部分内容阅读
针对农田表层土壤中重金属含量的监测,主要是依靠物理分析或化学分析以及地面采样的测量方法,而传统的监测方法在时间和地点上缺乏了连续性,因此很难实现大范围对农田表层土壤重金属动态变化的反演预测。近年来,伴随着农田表层土壤中重金属含量的不断积累,农田重金属污染问题的不断加剧,对农田土壤重金属含量反演逐渐形成从静态到动态、从离散到连续以及从小尺度到大尺度监测的发展方向,而定量遥感也正迎合于此发展趋势的需要。本研究将龙口市北部污水灌溉区农田确定为研究区域。选取研究区内农田表层土壤中的重金属Cr、Cu、Mn、Pb、Zn、As、Cd、Hg八种重金属元素含量为研究对象,收集土壤样本的室内高光谱数据,确定土壤样本中相应各类重金属的含量,基于实验室测量的重金属元素含量数据,描述每种元素的数据统计特性,利用空间插值分析方法,推求研究区表层土壤中各研究对象的空间分布特征。通过结合光谱学和相关分析技术提取每个元素的光谱敏感参数。利用主成分分析、偏相关分析等数理统计方法分析土壤重金属与土壤组分之间的相关性,探究利用土壤Vis-NIR光谱数据估算重金属含量的可行性。各种光谱变换形式拟合偏最小二乘回归方法,地理加权回归法以及样本分类局部回归分析方法构建模型,对比分析建模和验证结果,得到八种重金属元素含量的最优光谱指标和最佳预测模型。研究成果主要包括:(1)土壤中Cr、Cu、Mn、Pb、Zn、As、Cd、Hg含量的平均值分别为61.52、29.80、456.53、36.48、62.59、8.06、0.34、0.03mg/kg。八种元素变异系数从大到小依次排序为Cu>Pb>Hg>Zn>Cd>As>Mn>Cr,Cu和Pb两种元素在表层土壤中分布不均匀,存在由于人为因素造成的特异值。重金属空间分布显示,大部分元素的高值区集中在研究区的东北部。八种重金属元素中除Zn元素外,其余七种元素含量的空间分布都在不同程度上表现出了空间差异性。(2)对各重金属含量与光谱指标进行相关性分析,经过光谱预处理之后的各元素含量与三种光谱指标数据的皮尔森相关系数最大值,相较其与原始光谱反射率之间的最大相关系数均有明显提高。对比发现,一阶微分(First derivative,FD)对Cr、Mn、Zn、Cd、和Hg元素的光谱特征增强效果较好,而二阶微分(Second derivative,SD)对Cu、Pb和As元素的光谱特征增强作用效果较明显。相较于原始光谱,除Cu、Mn、Zn、Cd、Hg元素的多元散射校正(Multiplicative scatter correction,MSC)变换外,其余光谱变换指标的相关系数最大值均有显著提高。(3)土壤可见光-近红外反射光谱与土壤中重金属元素两者之间的相关性,在不同程度上受SOM、Fe元素等具有明显光谱特征的土壤组分的影响,其相关性的密切程度决定了预测的准确性。实验结果显示,Zn和Hg元素含量的预测主要依附与SOM的之间存在的相关性,而Cr、Mn和As元素含量的预测主要体现在三者与Fe元素的相关性,而Cu、Pb、Cd三种元素无法确定其活性土壤组分。(4)根据构建的土壤重金属元素含量的反演模型建模与验证的结果,发现偏最小二乘回归模型对研究区内土壤重金属Hg、Mn、Zn元素的建模优势较为突出,模型预测能力较好。地理加权回归建立的反演模型相对其他两种模型稳定性较好,对土壤重金属Mn、Hg、Zn、Cr、Cu、Pb的反演预测效果更优,大部分元素的最优模型的RPD均超过1.8。耦合样本分类局部回归模型对各种重金属的估测能力最强,但是模型稳定性与建立的GWR模型相比略低,耦合样本分类局部回归反演模型对土壤As元素的预测效果最优,除Cu元素外最优模型均能满足对土壤重金属元素含量反演预测的需求。