目前土壤重金属Pb的高光谱反演实验样本多源于研究区采样, 忽略了自然样本中复杂组分的光谱混杂问题, 所建立的模型精度偏低, 重金属光谱响应机理解释仍不明确。 基于此, 选取湖南省某铅锌矿区采集相对清洁背景土壤, 运用控制变量方法, 制作Pb类标准化样品40个, 同时采集矿区86个自然污染样本。 首先利用类标准化样品建立偏最小二乘回归(PLSR)定量反演模型, 提取Pb光谱反射特征波段, 然后基于特征波段进行矿区自然污染样本土壤Pb定量回归建模, 对比全波段建模结果, 验证特征波段的有效性。 实验结果表明: (1)在背景土壤性质稳定的前提下, 制作的类标准化样品具有总体一致的光谱形态, 同时Pb含量作为引起反射率变化的唯一驱动因子证实了土壤中重金属Pb光谱响应信号的存在； (2)相较于自然样本光谱反演结果, 类标准化样品能显著提升土壤Pb含量模型估算能力, 决定系数(R2p)为0.85, 相对分析误差(RPD)2.30, 有效排除其他组分对于光谱建模的干扰, 模型性能良好； 使用变量重要性投影指标(VIP)与PLSR系数提取的类标准化样品特征波段集中在970～1 000, 1 700～2 080和2 220～2 400 nm区间； (3)与全波段建模对比, 基于特征波段的矿区自然污染样本的PLSR建模结果, R2p由0.32提升至0.55, RPD由1.20提升至1.44, 表明特征波段能够较好表征Pb的响应信号, 波段提取有助于过滤噪声, 减少数据冗余同时提高模型反演精度。 提出的基于类标准化样品特征波段反演自然土壤样本Pb含量, 有效解决自然样本成分复杂, 重金属光谱信号微弱的问题, 丰富了土壤重金属遥感监测理论与应用实例。

土壤重金属污染是由于人类活动导致重金属物质大量残留在土壤中, 超过土壤环境承载力, 这种现象将造成土壤质量退化、 生态环境恶化。 高光谱遥感可以实现图谱合一, 能有效地识别出土壤中不同元素的异常情况。 为实现农田土壤重金属高效、 准确监测, 提出了一种特征提高型竞争性自适应重加权算法（CARS）选取特征波段的粒子群算法（PSO）优化支持向量机（SVM）农田土壤重金属砷(As)含量高光谱估测分析方法。 利用CARS对暗室实测光谱值进行粗选； 利用一阶导数（FD）、 高斯滤波(GF)、 归一化（N）进行特征提高； 在特征精选阶段利用皮尔逊相关系数（PCC）求取预处理后的光谱指标与土壤重金属As之间的相关系数, 获取相关性大于0.6的波段作为特征波段； 最后利用PSO对SVM所选择的核函数σ和正则化参数γ进行优化, 以均方根误差(RMSE)作为适应度函数, 通过迭代最优适应度得到SVM最优参数值。 选择江汉平原典型区域洪湖市燕窝镇的土壤为研究对象, 预测结果表明基于PSO-SVM算法其验证集的决定系数R2为0.982 3, 均方根误差RMSE为0.521 6, 平均绝对误差MAE为0.416 4。 主要结论如下： PSO算法优化SVM参数, 通过迭代更新个体极值和群体极值, 可以迅速获取全局最优解, 与支持向量机回归（SVMR）和随机森林回归（RFR）相比, 在预测精度有了较大的提高； 特征提高型CARS算法可以有效剔除无关信息, 提高相关性, 且选取波段少, 模型简单, 大大提高了效率； 可以实现土壤污染预警、 满足精准农业需求、 为后期重金属污染土地生态修复提供数据基础。

传统的以“点采样+实验室分析”为主的土壤重金属含量分析技术成本高、 效率低下, 而基于多光谱遥感的土壤重金属高精度定量反演中存在重金属含量影响因子的优化这一难题, 以陕西大西沟矿区这类山区地形条件下的金属矿区为例, 利用Landsat8/OLI多光谱卫星影像、 DEM数据以及外业土壤采样分析数据, 开展了矿区土壤重金属含量指示因子分析及定量反演研究。 首先, 考虑研究区地形地貌特点, 设计了沿研究区地形特征线及其两侧坡面均匀分布的样点分布方案, 采集了45个样本。 并对45个样本的混合样中的8种重金属含量进行了兴趣度分析, 根据含量超标程度及矿的类型选取了铜、 铅、 砷3种元素作为分析对象。 其次, 根据研究区土地利用现状及地形特点, 提出了以Landsat8/OLI影像B2至B7波段光谱反射率、 粘土矿物比(CMR)、 改进归一化水体指数(MNDWI)、 差异植被指数(DVI)等八种光谱指数、 以及反映研究区地形坡度和坡向三类因子作为反映土壤重金属含量空间分布特征的侯选因子。 进而, 对上述三类侯选因子与样本中3种金属含量进行了最小二乘相关性分析。 根据分析结果, 引入了基于估算误差最小准则的金属含量估算模型——基于规则的M5模型树的分段线性估算模型。 以上述三大类共17个指示因子作为模型的输入, 利用80%的土壤样本分析数据作为模型的训练数据, 经过M5模型树的构建、 平滑和树枝修剪过程, 建立了3种金属的反演模型实现了研究区中土壤中3种金属含量的估算。 同时, 基于均方根误差(RMSE)最小准则确定了以光谱因子为主的最利于反演的最佳指示因子集。 最后, 用随机选取的20%的检验样本对模型进行了反演精度分析, 验证了该模型对铜、 铅、 砷3种金属含量的反演精度比普通的线性模型分别提高了27.3%, 24.6%, 20.9%, 同时, 铜、 铅元素的可信度也有所提高。 利用上述模型的反演结果实现了3种金属含量的空间分布制图, 并将反演结果与1990年公布的国家土壤元素背景值进行了对比。 此外, 分析了研究区铜、 铅、 砷3种金属的空间分布规律, 并利用野外调查结果进行了验证。

针对传统土壤重金属锌元素含量测定效率低下和喀斯特地区山高坡陡土壤样品采集难度大, 亟需先进手段获取土壤重金属锌元素含量的要求, 以喀斯特流域为研究区, 利用电感耦合等离子质谱测定土壤样品的锌元素含量和分光光广度计采集土壤光谱数据。 将所测定的原始光谱, 经过连续统去除、 一阶、 二阶微分、 倒数、 倒数对数、 倒数对数一阶、 倒数对数二阶微分7种数学变换, 基于高光谱吸收重金属元素的特征吸收带初步判断光谱特征变量, 利用相关分析进一步筛选特征变量, 运用逐步回归最终确定有效建模光谱变量。 采用非线性和线性算法, 揭示光谱敏感波段反射率与重金锌元素含量之间的映射关系, 进行土壤重金属含量估测。 结果表明: 基于耦合的光谱特征变量甄选方式, 锌元素的特征波段580, 810, 1 410, 1 910, 2 160, 2 260, 2 270, 2 350, 2 430 nm与铁氧化物、 有机质、 粘土矿物吸收带关联, 表明一定程度上捕捉到喀斯特地区土壤重金属锌元素的光谱吸收特性; 运用随机森林、 支持向量机、 偏最小二乘3种算法进行元素含量与光谱变量建模后, 采用决定系数和均方根误差评价模型精度。 从光谱变换形式和模型性能二个维度综合判断, 基于二阶微分变换的随机森林算法准确度最高, 为最佳估算模型。 通过高光谱反射率估测重金属锌元素含量, 实现了喀斯特地区土壤重金属锌元素含量的高效快速反演, 为喀斯特地区重金属元素含量动态监测提供了可靠的技术支撑。

采用飞秒激光成丝-纳秒脉冲激光诱导击穿光谱技术(Filament-ns DP-LIBS)对土壤中重金属铅元素进行了定量分析。利用飞秒激光等离子体丝烧蚀含铅土壤样品, 向外喷射低密度的土壤粒子源, 经脉冲间隔Δt后, 纳秒脉冲激光再烧蚀低密度土壤粒子, 实现等离子体发射光谱强度增强, 谱线宽度压缩, 降低土壤中重金属铅元素的最小检测限。实验结果表明, 相比飞秒激光等离子体丝诱导击穿光谱技术(FIBS), 在飞秒-纳秒脉冲间隔Δt=10 μs条件时, PbI405.78 nm光谱增强因子为9.66, 谱线宽度从3.66×10-10m压缩至2.74×10-10m, 提高了LIBS光谱分辨率。FIBS和Filament-ns DP-LIBS条件下定标曲线的线性相关系数R2分别为0.982和0.994。FIBS条件下的RSD和LOD值分别为7.37%和65.86 mg/kg, Filament-ns DP-LIBS条件下的RSD和LOD值分别为3.27%和24.39 mg/kg。研究结果表明, Filament-ns DP-LIBS技术可以降低土壤重金属的最小检测限, 提高LIBS的检测灵敏度。

土壤重金属的污染影响着农作物的产量和质量。 传统的土壤重金属检测方法步骤繁琐、 检测费用高且速度慢。 利用X射线荧光光谱(XRF)分析技术检测土壤中重金属含量, 具有处理简单、 现场、 快速、 无损等优点。 由于土壤背景复杂, 包含大量噪声和无关信息, 建立XRF校正模型前, 对光谱的预处理能有效的去除不相干信息, 保留有用信息, 对XRF预测模型的精度有重要影响。 主要研究光谱预处理方法对重金属含量预测模型精度的影响。 首先, 采用向前间隔偏最小二乘(FiPLS)作为校正模型, 对比了无预处理、 去趋势处理(DT)、 标准正态变量变换(SNV)、 多元散射校正(MSC)、 小波去噪(WT)、 SNV+DT、 卷积平滑(SG)+一阶导数、 卷积平滑(SG)+二阶导数等7种不同预处理条件下的土壤重金属模型的检测精度。 初步结果表明, 多元散射校正预处理方法效果较好, 与原始光谱相比, 相关系数r从原始的0.988提高到0.990, 预测均方根误差RMSEP、 相对误差平均从原来的20.809和0.166分别降低到19.051和0.121。 其次, 在多元散射校正预处理方法的基础上, 针对多元散射校正方法以线性表达式描述非线性关系的局限性, 提出了局部加权线性回归多元散射校正(LWLRMSC)和偏最小二乘多元散射校正(PLSMSC), 并比较了它们的建模效果。 LWLRMSC是基于加权思想, 在预测一个点的值时, 选择适当的核函数和权重分配策略进行预测点的线性回归, 来解决简单线性回归的欠拟合状况; PLSMSC是基于PLS建模思想, 考虑了自变量和因变量的最大相关性, 来减少拟合误差及失真问题。 结果表明, PLSMSC具有最佳的预处理效果, 五种重金属Cu, Zn, As, Pb, Cr预测值和实际值的R分别为0.989, 0.973, 0.991, 0.989和0.986, RMSEP分别为8.805, 58.360, 7.671, 12.549和20.851, 相比于传统的MSC方法不仅在精度方面有大幅度的提升, 且具有更好的泛化性能, 能消除光谱噪声, 提升有效信息贡献度, 为土壤重金属含量预测模型选取合适的预处理方法提供了理论支撑。

为研究煤矸石充填复垦土壤重金属含量快速有效的监测方法, 以淮南创大生态园煤矸石充填复垦田间试验小区为研究区域, 首先采用化学方法监测土壤(0～20 cm)重金属(Cu, Cr, As)含量, 然后采用ASD(analytical spectral devices) FiSpec4型高光谱仪测量土壤样品的反射光谱, 提取光谱特征, 并对光谱进行一阶微分变换、 二阶微分变换及倒数对数变换; 将变换后的各光谱特征参数与监测的土壤重金属含量进行相关性分析, 并依据相关性分析结果选择显著相关的波段作为相关因子供建模使用。 采用多元逐步回归(stepwise multiple liner regression, SMLR)分析、 偏最小二乘回归(partial least squares regression, PLSR)及人工神经网络(artificial neural network, ANN)三种方法分别建立基于光谱反射率估算土壤重金属含量的预测模型, 并采用回归模型进行精度评定, 然后确定各重金属含量的最佳预测模型。 实验结果表明, 经过微分变换的光谱波段与土壤重金属含量达到了显著相关; 重金属Cu和Cr的一阶微分光谱的人工神经网络模型为最佳预测模型, 重金属元素As的二阶微分光谱的偏最小二乘回归模型为最佳预测模型。

铅锌矿开采对周边林地及农田土壤造成了较为严重的重金属污染。 以我国分布面积广、 经济效益高的毛竹林为对象, 研究了铅锌矿区周边林分土壤中Cu, Zn, Pb和Cd四种重金属的分布特征, 结果表明, 毛竹根围土壤Cu, Zn, Pb和Cd含量分别为38.10~50.87, 92.24~137.75, 32.04~46.22和0.03~0.35 mg·kg-1, 明显低于非根围土壤, 说明竹子发达的鞭根系统和频繁的人为抚育管理对土壤重金属浓度和分布有较大影响; 从距离和坡位两个因素的影响来看, 随距污染源距离增大, 土壤中重金属含量呈下降趋势, 且多以中坡位含量较高, 上坡位较低。

矿山开采中产生的固体废弃物和废液会使矿区土壤中富集重金属元素，进而影响矿区内 的农作物生长。选择重庆市万盛区矿区作为研究区，采集红薯和南瓜的实测高光谱数据和土壤 样本的重金属含量数据。通过对土壤重金属含量和农作物的红边位置偏移进行相关分析，发现不同 土壤重金属含量对研究区内主要农作物的影响是不同的。可以看出，在研究区内的两种主要农作 物中，红薯对矿区土壤中的重金属Cr、Mn和Cd比较敏感，而南瓜则对以上三种土壤重金 属具有一定的吸收和抵抗作用。该结果可以为万盛区矿区内农作物种植的选择提供理论 依据。