现有基于高光谱遥感的土壤重金属污染定性分类模型, 大多采用同一地区室内光谱测定训练样本数据进行模型构建与测试。 但室内光谱测定需要复杂的处理过程, 成本高, 效率低, 且无法快速获得目标区域空间上连续的光谱信息。 考虑到实际应用需求, 模型在相同实验区和不同试验区野外光谱数据是否具有较好的迁移推广能力是目前迫切需要回答的问题。 为回答这一问题, 选取湖南省郴州市和衡阳市两铅锌矿区作为实验研究区, 选用支持向量机(SVM)作为分类器, 将郴州实验区室内采样的83个样本数据和衡阳实验区室内采样的46个样本数据分别用于分类器训练, 将衡阳地区野外采样的46个样本数据用于分类测试。 并首先通过基于联合分布适配(JDA)的迁移学习方法进行光谱变换以缩小两地室内外测定光谱分布差异, 然后进行不同区域室内外土壤重金属污染定性分类模型迁移。 实验结果表明: (1)由于野外测得的光谱数据会受到太阳辐射、 提取的土壤成分差异等因素的干扰导致室内外光谱数据存在显著的分布差异, 难以直接将基于室内采样数据训练得到的土壤重金属污染定性分类模型迁移到同一地区测定的野外高光谱数据上。 但通过JDA变换缩小室内外分布差异后, 模型迁移能力得到显著提升, 砷(As)、 铅(Pb)和锌(Zn)三种重金属含量是否超标的分类精度都达到了84%以上, Zn元素含量是否超标的分类精度甚至达到了89%以上。 (2)由于季节性影响、 地区成分的干扰和光谱噪声的增加, 不同地区光谱数据存在着更为显著的分布差异, 加大了不同地区土壤重金属污染监测的难度, 难以将基于室内采样光谱数据所建立的土壤重金属定性分类模型直接迁移到其他地区野外采样数据上(平均分类精度仅在50%左右)。 经过JDA迁移学习方法进行室内外光谱变换处理后, 模型迁移能力得到保证, 因此, 室外光谱采样可直接用于研究不同试验区域重金属(As, Pb和Zn)的污染情况。

现有基于高光谱遥感技术的土壤重金属含量反演模型, 大多是采用同一试验区且有限的样本点进行定量反演建模。 但考虑到实际应用需求, 该类模型在不同试验区是否具有较好的迁移推广能力是目前迫切需要回答的问题。 如不可行, 是否存在其他可行手段用于土壤重金属污染评估？ 为回答上述问题, 选取湖南省郴州市和衡阳市两铅锌矿区作为实验研究区, 并首先利用郴州地区采样点分别对Pb和Zn两种重金属进行定量回归建模和定性分类建模, 然后比较两种模型在衡阳实验区的可迁移能力。 实验结果表明: (1)基于偏最小二乘回归(PLSR)的定量回归模型可迁移能力较差。 分别采用四种光谱预处理方式建模, 发现回归模型对异地采样的预测精度很低, 难以正确反演衡阳试验区重金属Pb和Zn的含量。 (2)基于支持向量机(SVM)分类的定性反演模型具有一定的可迁移能力, 以郴州地区采样数据训练得到的SVM分类模型能有效判定衡阳试验区Pb、 Zn的污染状况, 分类精度分别达到84.78%和86.96%。 结果表明, 在快速检测土壤重金属污染状况的问题上, 定性分类是一种更加切实可行的方式。