1 东北大学江河建筑学院, 辽宁 沈阳 110819
2 东北大学资源与土木工程学院, 辽宁 沈阳 110819
3 中国黄金集团, 北京 100000
土壤是自然生态系统的重要组成部分, 是人类赖以生存和农业生产的重要物质基础。 随着社会经济高速发展, 高强度的工农业生产活动导致重金属等各种污染物通过大气沉降、 污水灌溉等途径进入土壤, 并在土壤中不断富集造成土壤盐渍化和土壤重金属污染, 两者是导致全球荒漠化和土壤退化的主要诱因。 然而中国的耕地非常有限, 粮食安全尤为重要。 因此, 如何快速、 准确地大面积反演盐碱地的重金属含量是保障粮食安全的重要研究课题。 针对上述关键问题, 以吉林省镇赉县盐碱地为研究对象, 建立了盐碱地重金属元素锰(Mn)、 钴(Co)和铁(Fe)含量与土壤可见光-近红外光谱数据的定量反演模型。 首先对原始光谱数据分别进行了Savitzky-Golay平滑、 多元散射校正、 连续统去除变换处理; 然后基于预处理后的光谱数据构建了比值(RI)、 差值(DI)和归一化(NDI)三种光谱指数, 通过光谱指数与重金属含量的相关性分析确定模型训练样本, 利用径向基神经网络算法进行建模并反演盐碱地重金属含量; 最后通过相关系数等梯度循环建模的精度分析方法确定了光谱指数与锰、 钴和铁含量相关性显著的敏感波段组合, 建立了基于径向基神经网络算法的盐碱地重金属含量最优反演模型。 研究结果表明, Mn选取相关系数r>0.70, Co选取相关系数r>0.80, Fe选取相关系数r>0.80, 并选取敏感指数组合分别为108组、 690组和31组, 基于上述显著敏感指数组合建立的Mn, Co和Fe最优反演模型R2分别为0.703 4, 0.897 6和0.848 4, 均方根误差RMSE分别为53.007 3, 1.059 2和0.363 4, 平均相对精度达到88.64%, 90.36% 和91.78%。 该研究对盐碱地重金属含量的准确、 快速分析提供了一种有效的方法, 对实现土壤重金属污染治理具有重要的现实意义。
苏打盐碱地 可见光-近红外光谱 光谱指数 重金属含量 反演模型 Soda saline-alkaline land Visible-near infrared spectra Spectral index Heavy metal content The inversion model 光谱学与光谱分析
2022, 42(5): 1595
1 安徽理工大学测绘学院, 安徽 淮南 232001
2 中国矿业大学测绘科学与技术博士后流动站, 江苏 徐州 221116
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。
煤矸石充填复垦 土壤重金属含量 高光谱 Coal gangue filling reclamation Soil heavy metal content High spectrum SMLR SMLR PLSR PLSR ANN ANN 光谱学与光谱分析
2017, 37(12): 3839
1 中国农业大学农学与生物技术学院, 农业部作物栽培与耕作重点开发实验室, 北京100193
2 河南师范大学生命科学学院小麦研究室, 河南 新乡453007
环境中重金属污染会导致谷物营养缺乏、 代谢紊乱。 借助ICP-MS/ICP-AES系统和离体穗培养方法, 准确测定灌浆期不同浓度铜、 镉(0, 5, 15, 45 mg·L-1)处理对籽粒营养元素及重金属元素含量的影响。 结果显示, 不同浓度铜、 镉处理显著降低小麦粒重； 外源铜促进了籽粒P, K, Mg, Ca, Na, Mn和Zn含量的增加, 抑制了Fe和B的吸收。 镉的加入对小麦籽粒P, K, Ca, Mg和Mn的吸收起促进作用, 然而对Na, Fe, Zn和B的吸收起拮抗作用。 外源铜、 镉抑制小麦籽粒对Hg的积累, 但籽粒Cu和Cd含量最高分别超过国家食品卫生标准的55和62倍, 存在极大安全隐患。
小麦籽粒 营养元素 重金属含量 Wheat grain ICP- MS/ICP- AES ICP-MS/ICP- AES Nutrition contents Heavy metal contents 光谱学与光谱分析
2011, 31(7): 1935
1 南京大学 地理与海洋科学学院, 江苏 南京 210093
2 中国科学院南京土壤研究所 土壤与农业可持续发展国家重点实验室, 江苏 南京 210008
3 江西师范大学 地理与环境学院, 江西 南昌 330022
基于反射高光谱快速、无损的检测优势, 以不同历史时期考古土壤作为光谱信息来源, 应用相关分析和多元变量统计方法, 构建了历史时期土壤重金属含量的高光谱反演模型.结果表明, Cd、Cr、Cu、Ni和Pb含量与原始光谱在400～550nm和1000～2500nm存在显著相关, 微分转换有助于提取土壤中重金属元素信息.一阶微分光谱的多元线性逐步回归模型为反演历史时期土壤重金属含量的最佳模型, 其判定系数最小为0.92, 均方根误差最大为1.83.As与反射光谱相关性受到铁的氧化物、有机质及碳酸盐类矿物的影响; Cd、Cu和Ni主要受到铁的氧化物、粘土矿物和有机质的影响; Cr则受多种因素综合作用, 情况较复杂; Pb主要受到铁的氧化物和粘土矿物的影响.
高光谱 土壤重金属含量 多元线性逐步回归 hyperspectral reflectance heavy metal content multiple linear stepwise regression
