植被和土壤中重金属遥感高光谱反演研究进展

2024年4月1日发(作者：天造之美)

植被和土壤中重金属遥感高光谱反演研究进展

发布时间：2021-07-23T16:33:12.970Z 来源：《科学与技术》2021年第29卷3月8期 作者： 付泉1，张庭瑜2

[导读] 这些重金属研究主要集中在土壤和植物中典型金属的高光谱反射率上

付泉1，张庭瑜2

1. 陕西地建土地勘测规划设计院有限责任公司，陕西西安，710075；

2. 陕西地建土地工程技术研究院有限责任公司，陕西西安，710075

摘 要：这些重金属研究主要集中在土壤和植物中典型金属的高光谱反射率上，无论是在原位还是在实验室进行测量。最常用的波段位

于光谱的可见-近红外部分，尤其是红边。在足够高的含量水平下，某些金属的光谱响应只存在细微的差异。并非所有金属都有自己独特的

光谱响应。它们的检测必须依赖于它们与土壤中具有光谱响应的金属或有机物的共变异。各种分析方法，包括逐步多元线性回归、偏最小

二乘回归和神经网络。导致成功或失败的原因或因素尚未得到系统的分析，包括所需的最低光谱分辨率。

关键字：土壤，植被，重金属，遥感反演

1 引言

土壤重金属具有毒性大、持久性强、易被植物吸收、生物半衰期长等特点，是环境中最有害的污染物之一。它们会破坏土壤的正常功

能，对作物造成压力，阻碍作物生长。如果被作物吸收，也会进入食物链，危害人体健康。一般认为，重金属是对环境有害的物质，其在

土壤中的沉积和被植被吸收会影响土壤肥力、植物发育和生产力。它还抑制植物生长和色素的光合作用。因此，密切监测土壤中重金属的

含量，特别是在农业区，具有重要的意义。土壤重金属污染可以用几种方法来研究。传统的现场取样后进行化学分析的方法既昂贵又低效

[1-3]。

2 光谱传感器

2.1典型金属的光谱响应

土壤或植物中重金属的光谱行为通常使用高光谱ASD FieldSpec3测量仪在1nm分辨率的全可见中红外光谱上测量。该测量可在现场或室

内进行。在进行任何测量之前，必须将采集的土壤或植被样品研磨成细粉，以避免颗粒样品的影响。经两种金属处理后，其反射率对镉的

早期胁迫水平敏感。通过盆栽试验，盆栽蕨类植物经砷、铬处理22天后，叶片汞浓度与土壤汞浓度呈显著正相关，但相关程度随生长季节

而变化[4]。

无论植物种类和金属类型如何，小麦和油菜植株经七个水平的铜和镍处理后的光谱反射率与金属含量呈负相关。然而，不同的金属在

不同的波长上有自己的光谱特性。较高的镉浓度与540nm附近和近红外（近红外，750–1400 nm）波段的光谱响应降低有关。由于土壤中重

金属在低浓度下具有固有的吸收特性，因此所有重金属在500nm左右都与吸收深度呈正相关[5]。

2.2 通用传感光谱

Vis-NIR光谱在预测污染土壤中Cr、Mn和Cu的浓度方面已经得到了严格的评价。这种成本和时间效益的程序是非破坏性的，需要最少

的样品制备。如果在现场进行，则不涉及任何危险化学品。土壤的近红外漫反射传感是一种潜在的方便的方法，可以替代传统的耗时的方

法来测量各种土壤参数，包括表层土壤中痕量金属的浓度。例如，Cr含量可以通过vis-NIR中红外光谱反射率来预测。然而，近红外光谱在

土壤重金属研究中的应用充满了不确定性，因为近红外光谱仅与痕量金属浓度有松散的相关性[6-7]。

3 反射曲线的处理

由于仪器和环境的干扰，需要对光谱反射率测量数据进行优化。此外，重金属的光谱响应往往是如此微妙，以至于它并不总是足够独

特的检测。通过少量的光谱预处理（如变换及其导数）优化反射率可以提高预测精度。常用的优化方法包括增强变换、曲线平滑、一阶和

二阶导数、连续曲线去除、傅立叶变换和基于小波的噪声去除。其他方法包括使用最大一阶导数、平滑方法和仅基于几个谱带的插值方

法。下面将详细描述它们。

3.1 光谱倒数

在比较了三种小波降噪方法（小波分析法、阈值法和空域相关分析法）后，空间相关法最适合处理野外采集的原始光谱数据，其次是

模极大值法，但阈值法并不那么有用。改进的自适应空间相关算法适用于频谱分析数据优化，因为它可以有效地去除350–2500 nm波长范围

内的噪声，包括1400 nm左右的吸水率，但不包括1900 nm左右的吸水率。

3.2 有效波段

选择对重金属含量最敏感的波段是从遥感图像中成功提取重金属的前提。土壤重金属浓度预测和制图的准确性取决于是否选取了最有

效的波段。这种选择对于高光谱数据尤其重要，因为在数百个可用波段之间存在高度的数据冗余。

3.3土壤和植被中的重金属

在检测土壤中重金属时，哪种光谱带最有效并没有一个普遍的答案，因为它取决于所讨论的金属。以838、1930和2148nm为中心的谱

带对土壤铅含量敏感。以460、1400、1900和2200nm为中心的波段被认为是研究矿区砷和铜的最佳波段。对于一阶导数光谱，与镉含量相

关的敏感带位于黄色边缘、红外光谱（700-900nm）、近红外光谱和远红外光谱。研究土壤汞的最佳波长为1140～1200nm。通过对实验室

测定的土壤反射光谱及其铜含量和预测精度的分析，最佳波段数为10，最佳光谱分辨率为32nm。

油菜叶片对Cd污染敏感的光谱带主要分布在690～1300nm，其中782nm为最佳波长。水稻叶片中铅、锌、铜、砷含量的最敏感谱带分别

位于460、560、660和1100nm左右。在450、550、670、760和1240nm波段的反射率是监测植被中铅的最佳波段。在研究重金属污染植物

时，554、631和557nm的反射率是最好的。植物叶片在1240nm处的反射率与其金属含量呈负相关，但呈线性关系。因此，在土壤中检测重

金属最好的相同波长未必是在植被中检测相同金属的最佳波长。

4 传感介质

4.1 裸土

矿山是重金属的重要来源，可排放到附近的土壤、水和大气中，并对附近农田造成重金属污染。特别是，采矿废物可能是附近城市地

区的重要和主要污染源。一些废弃的带有活性尾矿和废石的矿山会造成土壤和水污染，通常局限于地表。土壤中铬、镍和锌的积累也可来

源于工业活动和粉尘沉积。土壤组分对金属的吸附可引起土壤光谱反射曲线的表达变化，这表明了区分高度污染土壤和未受影响土壤的可

能性。受污染土壤由于叶片色素浓度的变化而影响植物的生理和反射光谱。裸露土壤和矿区的高光谱遥感有两个优点。

4.2 植被覆盖土壤

在现实中，大多数地表总是被植被覆盖，如农作物和森林。农田重金属污染有两种途径：施用化肥和农药，以及用受污染的水灌溉。

为了养活日益增长的人口，产量越来越高的压力推动了化学品的大规模使用，加剧了土壤重金属污染。通过植物遥感土壤重金属是可能

的，因为它们可能产生有关土壤污染程度的关键信息，例如它们对叶绿素含量变化和光合作用的光谱响应。污染物浓度与植物生长变量和

光谱响应的密切相关使得重金属胁迫对植物生长性能的影响得以检测和量化。与裸露土壤相比，植被土壤中的重金属更难被准确地感知，

因为植被也会对捕获的反射率产生影响。

5结论

高光谱光谱仪的出现使得通过相关分析来确定土壤和植被中重金属的光谱响应成为可能。卫星数据反演成功的前提，很大程度上取决

于最敏感波段的选择及其变换，以增强金属光谱响应和抑制噪声。大气校正对合理的反演精度是必要的。

本文结论：（1）尽管重金属在高水平上具有光谱响应性，但这种响应可能会被土壤和植被中其他更主要成分的噪声淹没。并非所有重

金属都有其独特的光谱响应。它们的估计必须依赖于它们与其它光谱敏感化合物的共变异，或通过它们对植物叶绿素的影响。由于这种相

关性是经验性的，因此它也是特定于现场的，没有普遍适用性；(2)人们探索了各种各样的光谱带对估计精度的影响。同一指标的有效性随

金属类型、植物种类及其生长阶段的不同而不同。

参考文献：

[1]宁昱铭. 黄土覆盖区土壤重金属污染反演及土壤生态环境评价[D]. 长安大学, 2019.

[2]刘梦梅, 王利军, 王丽, 等. 西安市不同功能区土壤重金属含量及生态健康风险评价[J]. 土壤通报,2018,49(1):167-175.

[3]杜培军, 夏俊士, 薛朝辉,等. 高光谱遥感影像分类研究进展[J]. 遥感学报, 2016,20(02):236-256.

[4]郭颖, 毕如田, 等. 土壤重金属高光谱反演研究综述[J]. 环境科技, 2018,31(01):67-72.

[5]刘晓清, 柳云龙. 城市交通绿地土壤重金属含量的高光谱反演[J]. 环境科学与技术, 2019,42(05):230-236.

[6]贺军亮, 张淑媛, 查勇, 等. 高光谱遥感反演土壤重金属含量研究进展[J]. 遥感技术与应用, 2015,30(03):407-412.

[7]贺军亮, 李志远, 等. 基于有机质光谱特征的土壤重金属Pb估算模型研究[J]. 环境污染与防治, 2019,41(07):753-757.