目前针对土壤重金属的高光谱反演方法大多集中在单一的研究区域或未考虑土壤类型对反演结果的影响, 而土壤类型和成土因素的不同会对土壤属性参数的高光谱反演模型的普适性产生一定程度影响。 该研究提出一种顾及土壤类型的重金属高光谱遥感反演方法, 根据研究区土壤类型, 从土壤样本的实验室光谱中提取对重金属起主要吸附作用的土壤光谱活性物质的特征谱段, 分别建立基于土壤光谱活性物质特征谱段的重金属含量估算模型。 使用改进的遗传算法（IGA）对特征谱段进行波段优选, 使用偏最小二乘回归算法（PLSR）建模, 使用决定系数（R2）、 相对偏差（RPD）和预测均方根误差（RMSEP）三个指标对不同的建模方法进行评价。 以湖南省郴州市东河流域铅锌矿矿区的黄壤和红壤样本数据为例, 采集38个黄壤样本和35个红壤样本, 从土壤样本的实验室光谱中提取对Zn起主要吸附作用的土壤有机质和黏土矿物的特征谱段, 均采用IGA+PLSR方法进行建模。 结果表明: 不考虑土壤类型即利用全部土壤样本进行建模时, 与全谱段建模结果相比, 基于土壤有机质和黏土矿物特征谱段的重金属Zn含量反演精度的R2由0.624提升到0.755, RPD由1.668提升到2.069, RMSEP减少40.591; 与不考虑土壤类型的建模相比, 黄壤样本特征谱段的估算精度R2由0.761提升到0.879, RPD由2.137提升到3.001, RMSEP减少74.737, 红壤样本特征谱段的估算精度R2由0.866提升到0.939, RPD由2.848提升到4.212, RMSEP减少89.358, 黄壤和红壤样本的反演模型均达到了出色模型的标准。 因此, 土壤光谱活性物质特征谱段的提取以及土壤类型的考虑均有助于提高土壤Zn含量的反演精度, 为应用高光谱遥感图像进行大范围土壤重金属污染监测奠定方法基础。

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。

充分挖掘大样本土壤光谱库中有效信息，建立普适性强的土壤全氮(TN)含量反演模型，是高光谱分析的重要应用方向之一。研究采用偏最小二乘回归(PLSR)全局建模、局部加权回归(LWR)和模糊K均值聚类结合PLSR(FKMC-PLSR)局部建模三种方法，分别建立了来自中国西藏、新疆、黑龙江、海南等13个省采集的17种土类1661个土壤样本TN值的高光谱反演模型，并对浙江省104个水稻土样本进行模型验证。结果表明，在大样本下PLSR全局模型对高TN值待预测样本存在低估现象，导致整体预测精度偏低； LWR和FKMC-PLSR局部模型比PLSR全局模型能够更为准确地反演TN含量。研究结果可为利用大样本光谱数据库建立稳定性和普适性较高的土壤TN含量预测模型提供参考。

建模方法是影响可见近红外光谱定量结果的主要因素之一。在470~1000 nm波段的12个土壤剖面对48个剖面样经过风干、研磨、过筛后进行光谱采集。经一阶微分变换及Savizky-Golay平滑处理后，分别应用主成分回归(PCR)、偏最小二乘回归(PLSR)和反向传播神经网络(BPNN)3种方法建立土壤全氮(TN)的定量模型。 PCR与PLSR两线性模型的决定系数(R2)分别为0.74和0.8，其剩余预测偏差(RPD)分别为2.23和2.22，但两模型仅能用于TN的粗略估计。由PCR提供主成分数，PLSR提供潜变量(LV)数分别作为BPNN的输入所构建的两个非线性模型均明显优于线性模型PCR和PLSR。其中以4个LV作为输入的BPNN-LV模型预测性能最优，R2 以及RPD分别达到0.9和3.11。实验结果表明，提取可见近红外光谱的PLSR LV因子作为BPNN的输入，所建定量模型可用于土壤氮纵向时空分布的快速准确预测。