高光谱遥感在土壤重金属含量监测中的应用.docx

一、基于高光谱的土壤重金属铜的反演研究
2.1􀀁土壤样品的采集
选取江西省余江县(116􀀁55􀀁E,28􀀁15􀀁N)和泰和县(115􀀁04􀀁E,26􀀁44􀀁N)采集土壤样本,该地区属中亚热带典型红壤丘陵区,气候温和多雨,年平均温度为17.6􀀁,年降水量为1795mm。研究共采集0~20cm土层土壤样品34个,其中余江县采集不同作物条件下样品22个,泰和县采集样品12个。采集的土壤样品覆盖了林地、草地、花生地、油菜地、果园等典型农业土地利用类型。土壤样品经风干、磨碎,而后过20目筛。研究将每个样品分成两份,分别用于化学分析和光谱测量。
2.2􀀁土壤光谱的测定
采用ASDFieldSpecProFR型地物光谱仪,室内光谱测试条件为:光源为1000W的卤素灯,5􀀁视场角,光源照射方向与垂直方向夹角为15􀀁,光源距离为30cm,探头距离为15cm,置于土壤表面的垂直上方。测试之前先以白板进行定标,获取绝对反射率。每个土样测得10条反射光谱曲线,算术平均后得到该土样的实际反射光谱数据(图1)。
图12.3􀀁土壤光谱数据的预处理
土壤光谱数据预处理可以消减光谱中因受随机因素影响而产生的误差部分。因此,可利用光谱重采样、一阶微分、光谱倒数的对数等方法对原始反射光谱进行处理。
2.3.1􀀁光谱重采样
由于光谱仪在数据输出时对350~2500nm的光谱数据进行了1nm为间隔的重采样,总共2151个波段,使得原始光谱曲线中相邻波段之间存在信息重合,导致整个光谱数据冗余,给分析、处理带来一定困难,影响处理的效率和结果。因此,在尽可能维持光谱原有基本特征的前提下,对光谱数据以10nm为间隔进行算术平均运算[9],处理后的光谱曲线更加平滑的同时仍然维持了原光谱的形状特征(图2)。
2.3.2􀀁一阶微分
光谱测量容易受观测角度、照度、样品表面粗糙度等诸多因素的影响,使得光谱数据的信噪比较低。而微分光谱可以消除基线漂移或平缓背景干扰的影响,并可以提供比原始光谱更高的分辨率和更清晰的光谱轮廓变换(图3)。在实际计算中,一般用光谱的差分作为微分的有限近似,一阶微分计算公式如下[19]:􀀁R􀀁(􀀁1)=[R(􀀁i+1)-R(􀀁i-1)]/(􀀁i+1-􀀁i-1)(1)
其中:􀀁i+1、􀀁i、􀀁i-1为相邻波长,R􀀁(􀀁i)为波长􀀁i一阶微分光谱。
图2
图3
2.3.3􀀁光谱倒数的对数
土壤反射率经对数变化后,不仅可以增强可见光区的光谱差异(可见光区的原始光谱一般偏低),而且趋向于减少由于光照条件、地形等变化引起的随机因素影响(图4)。
图42.3.4􀀁特征吸收带的提取
本文利用去包络线法对反射率光谱曲线上的特征吸收带进行提取。通过编程计算得到土壤样本反射率光谱曲线的包络线(图5)。以包络线为背景,去掉包络线后便为光谱波段深度曲线,即将每一样点土壤反射率归一到对应的光谱背景上,有利于光谱曲线之间特征波段的比较,并且可以有效地突出光谱曲线的吸收和反射特征。光谱波段深度曲线(见图6),其计算公式是[9]:
R(􀀁)=1-R(􀀁)/RC(􀀁)􀀁􀀁(2)
图5
图6
其中:R􀀁、R、RC分别是光谱波段深度、原始光谱和光谱包络线,􀀁为波长。图6表明原土壤反射率光谱曲线去包络线后,其特征吸收带大致为460~570nm、820~1000nm、1360~1500nm、1890~2040nm、2160~2250nm。根据以上特征吸收带以及结合土壤反射率、反
射率的一阶微分和反射率倒数的对数,分析得出土壤光谱特征波段主要有:490nm、830nm、
1000nm、1370nm、1400nm、1900nm、2200nm和2455nm。以此为基础,开展土壤重金属铜的土壤特征光谱研究和分析。

3􀀁结果与分析
土壤化学成分含量的统计分析

土壤测试结果表明(如表1),

土壤有机质含量较低,铁、镁含量相对较高。由于化学分析测得的均为元素的全量,可以很好地指示硅酸盐矿物和氧化铁在土壤中的含量和进一步定量分析土壤粘土矿物对重金属的吸附或聚集共生关系，分析表明(如表2),

土壤重金属Cu与Mg、Fe的相关性显著(n=34,P=0.05),而与土壤有机质相关性较差。因此,在红壤性土壤中粘土矿物对土壤铜含量有重要影响,而土壤有机质含量较低,总体上对重金属Cu的吸附相对较少,因而对土壤含铜量影响有限。3.2􀀁土壤特征光谱与重金属铜的相关分析为了辨识土壤特征光谱与重金属铜含量之间的关系,对特征波段的3种光谱变量(原始光谱、一阶微分光谱及倒数对数光谱)与重金属铜含量进行单相关分析,结果表明(如表3),与3种光谱变量有显著相关性的波段分别在830nm、1000nm和2250nm附近处。