近年来在工业化和城镇化快速发展的地区, 由重金属污染导致的环境问题尤为突出, 特别是农业重金属污染更为社会所关注, 因此, 探索快速便捷的重金属污染甄别与监测方法极为重要。 高光谱遥感作为新兴的重金属污染监测技术已有了深入研究。 提出了固有波长尺度分解（IWD）概念和方法, 并结合Hankel矩阵和奇异值分解（SVD）等建立了植被重金属污染程度预测的IWD-Hankel-SVD模型, 该模型分为单变量模型和多变量模型。 单变量模型主要是通过重金属污染的植被光谱IWD处理来获取光谱信息固有旋转分量（PRC）以提取最佳PRC的有效特征波段; 在对各特征波段所构建的Hankel矩阵进行奇异值分解（SVD）基础上, 依据获得该模型的奇异熵实现重金属污染信息预测。 多变量模型是以植物叶绿素浓度相对值、 单变量模型奇异熵作为参数实现重金属污染的信息预测。 根据不同重金属Cu2+胁迫梯度下玉米植株污染的叶片光谱和叶绿素浓度以及叶片中Cu2+含量测定的数据, 首先对不同浓度Cu2+胁迫下玉米叶片光谱进行IWD分析, 获得能够较好保留原始输入光谱信息的最佳PRC, 并从中提取到有效特征波段553~680, 681~780, 1 266~1 429, 1 430~1 631, 1 836~1 913和1 914~2 111 nm; 然后对每一个特征波段构造其Hankel矩阵并进行SVD处理, 以求取单变量的IWD-Hankel-SVD模型奇异熵; 最后通过各特征波段所对应模型奇异熵与玉米叶片中Cu2+含量的相关分析, 得到依据1 266~1 429和1 836~1 913 nm特征波段计算出奇异熵与玉米叶片中Cu2+含量的决定系数R2均高达0.9左右, 说明这两个特征波段用于IWD-Hankel-SVD模型的Cu污染程度预测更具优越性和解释能力。 同时, 再把玉米叶片中叶绿素浓度相对值、 1 266~1 429和1 836~1 913 nm特征波段相应模型奇异熵作为参数, 采用偏最小二乘回归分析, 得出多变量IWD-Hankel-SVD模型的玉米叶片Cu污染程度预测能力更强, 决定系数R2达到0.9476, 证明了多变量模型更具有鲁棒性和稳健性。

高光谱遥感监测农作物重金属污染已成为遥感研究的重要内容之一。 受污染的作物叶片中重金属含量映射到光谱上的信息量差异较微弱, 如何灵敏地挖掘其所包含的价值信息具备一定挑战性。 以农作物叶片光谱为研究对象, 通过多个光谱特征波段组合的方式, 提出了一种铜污染植被指数(CPVI)的污染程度探测模型, 来表征重金属Cu对农作物的污染程度。 首先设置盆栽实验, 将不同浓度梯度的CuSO4·5H2O粉末添加到土壤中, 模拟Cu污染土壤环境, 胁迫玉米生长。 采集玉米穗期的老、 中、 新叶片光谱, 测定叶片中Cu2+含量及相对叶绿素浓度。 而后利用随机选取的58组玉米叶片光谱作为实验数据, 在380～900 nm波长范围内选取波长λ1和λ2的两组叶片光谱反射率并计算相应的CPVI［λ1, λ2］模型指数及其与对应叶片中Cu2+含量的皮尔逊相关系数, 得到相关性特征绝对值矩阵。 其次, 根据得到的相关性特征绝对值矩阵, 提取皮尔逊相关系数较高的光谱特征波段690和465 nm, 并结合波段850 nm建立针对玉米叶片的铜污染植被指数(CPVIm)。 之后, 利用另外26组数据对CPVIm指数进行检验, 同时将该指数与归一化植被指数(NDVI)、 陆地叶绿素指数(MTCI)等常规植被指数进行比较以验证CPVIm的有效性与优越性。 结果表明, NDVI, MTCI, REP和DVI与叶片中Cu2+含量相关系数最高仅为0.68, 残差平方和RSS最低为70.99, 而CPVIm与叶片中Cu2+含量显著负相关, 相关系数达-0.80, 残差平方和为48.52, 均优于NDVI和MTCI等常规植被指数, 证明CPVIm对重金属胁迫更敏感。 同时利用两期不同年份不同品种的玉米光谱数据进行CPVIm指数的鲁棒性验证, CPVIm与叶片Cu2+含量的相关系数r分别为-0.90和-0.96, 均显著相关, 说明该指数对于不同品种的玉米污染程度探测仍具有良好的适用性。 另外, 利用玉米叶片中Cu2+含量、 CPVIm和叶片中叶绿素相对浓度构建三维分析模型, 从空间角度直观地反映了三者之间具有一定的相关关系。 通过光谱特征波段组合方式构建的CPVI探测模型可作为评价农作物重金属污染程度的参考方法, 基于该方法构建的CPVIm指数可有效甄别玉米受重金属Cu2+污染的程度。

土壤中不同浓度Cu2+含量映射到土壤光谱上的信息量十分微弱, 并且这些高光谱数据中也存在着难以避免的噪声, 因而本研究的关键是如何在土壤光谱复杂的噪声环境中提取微弱Cu2+信息。 经验模态分解算法(EMD)能够有效去除高光谱数据中的噪声, 且EMD是Hilbert变换对“非线性非稳定”信号时频分析的前提, 当引入Huang变换后, 可利用Hilbert-Huang变换(HHT)模型时频分析高光谱数据以实现降噪处理与信息提取。 通过时频的HHT分析不同浓度Cu2+污染下的土壤光谱, 完成从原始光谱经EMD分解出各本征模态函数(IMF)分量的包络线、 调制信号和频谱等曲线中挖掘土壤光谱的Cu2+污染信息。 研究结果表明, 相同浓度Cu2+污染时的土壤光谱HHT时频分析结果相同, 不同浓度时则不同, 所以也可依据IMF分量反演土壤Cu2+含量。 因此, 高光谱数据的HHT时频分析能为土壤光谱的信息挖掘、 光谱诊断和Cu2+含量反演等提供一种新的方法和思路。

重金属矿山开采活动对生态环境造成了复杂的影响, 而植被的生长状况是矿山周围生态环境变化的重要指示因子。 常规的对植被中重金属元素富集程度的估计方法往往依赖于大量的野外调查数据以及实验室化学分析方法, 需要耗费大量的物力与时间。 而通过光谱分析方法能够非接触地获取植被中的重金属含量信息。 然而, 从高光谱遥感卫星数据中反演植被重金属含量信息仍然是个比较困难的工作。 从众多的卫星数据波段中找到对特定重金属元素敏感的波段是植被重金属含量提取的关键。 该工作探索了一种基于统计分析的方法从国产卫星（HJ-1）高光谱数据中实现特征波段发现与重金属含量提取, 该方法基于野外实测数据集与环境星高光谱遥感图像, 选取叶片铜离子含量作为重金属铜污染程度的指示因子, 利用44组德兴铜矿植被覆盖区的叶片铜离子含量数据与逐步多元线性回归与交叉验证方法, 实现了环境星高光谱反射光谱与叶片铜离子含量的统计建模。 将统计模型应用于德兴铜矿研究区, 生成了德兴铜矿植被覆盖区叶片铜离子含量分布图。 结果表明, 该工作建立的重金属含量估计模型具有明显的统计学意义, 叶片铜离子含量对516 nm附近的冠层反射光谱最为敏感。 矿区铜含量制图结果表明, 德兴铜矿植被覆盖区铜离子含量的分布范围介于0～130 mg·kg-1之间, 铜离子含量在德兴市东南角和铜矿周围的植被覆盖区域含量最高, 均介于80～100 mg·kg-1之间。 制图结果可以为德兴铜矿重金属铜污染的预防与治理提供基础数据支持。