高光譜遙感技術在土壤重金屬含量測定領域的應用與發展

章 瓊

（廣州城建職業學院，廣東 廣州 510925）

高光譜遙感技術能夠克服傳統單光譜、多光譜遙感，在頻段、頻段和精細信息傳輸等方面固有的局限性，以及遙感信息的范圍狹窄問題，可從光譜空間進行分離和識別，廣泛應用于資源、環境、城市、生態等領域。應用該方法測定土壤中重金屬含量，可獲得圖像中任何像素或像素組合，反映土壤中重金屬含量的光譜特征，并可通過計算機圖像處理快速識別。

1 高光譜遙感技術概述

1.1 概念

高光譜遙感又稱光譜遙感圖像，是一種先進的遙感技術。光譜技術與成像技術相結合，可以連續獲取目標的光譜信息和空間分布信息。光譜范圍包括電磁波的紫外線范圍到熱紅外范圍，高光譜遙感以頻譜寬、光譜分辨率高為特點，大大提高表層探測和物體識別能力，從而能夠對物體類別進行半定量和定量識別。近年來，在土壤重金屬控制領域已逐漸得到研究和應用[1]。

1.2 特點

與傳統的全色和多光譜遙感圖像相比，高光譜圖像具有以下特點：①圖像光譜儀的電磁波長從可見光延伸到近紅外，而平均紅外和光譜分辨率達到納米層。②光譜信息與圖像的有機融合。在高光譜圖像中，每個像素對應一條光譜曲線，所有數據都是具有空間圖像和光譜測量的光譜圖像立方體。③數據描述模型更靈活，更靈活。在高光譜圖像中，通常使用三種描述模型：圖像模型、頻譜模型和特征模型。④大量數據和冗余信息。光譜數據范圍廣，數據量大，波段間相關性大。

1.3 優勢

隨著高光譜遙感光譜分辨率的提高，探測物體性質信息的能力也隨之提高，與全色和多光譜遙感相比，具有以下顯著優勢：①包含幾乎不間斷的物體光譜信息。重建光譜反照率后，高光譜圖像可根據地面測量接近大地水準面連續光譜反照率曲線。實驗室土壤光譜分析模型在遙感過程中的應用。②表面覆蓋物識別能力明顯提高。高光譜數據能夠檢測具有診斷光譜吸收特性的物質，并能準確區分植被和覆蓋物的種類。③地形要素分類方法靈活多樣。圖像分類不僅可以基于貝葉斯識別方法、決策樹、支持向量的神經網絡，還可以基于曲面特征對光譜數據庫進行比較。光譜診斷特征以及特征選擇和提取可用于分類和識別。④能夠對地形要素進行定量或半定量分類和識別。在高光譜圖像中，可以估計各種物體的狀態參數，通過遙感提高定量分析的準確性和可靠性[2]。

2 高光譜遙感技術在土壤重金屬含量測定領域的應用

2.1 高空高光譜遙感技術發展及應用

高光譜遙感具有成本低、節省時間以及應用大規模監測的優勢。圖像分光計的出現使得遙感圖像的每個像素都能獲得幾乎連續的光譜數據；同時，近地空間地球遙感實踐為高光譜遙感方法的應用提供堅實的理論基礎，也有利于高光譜技術的研究和應用。高頻光譜學方法用于確定對光譜數據影響較大的成分，如：水、有機物、氮、磷、鉀等。但在這種情況下，使用較低的高頻光譜方法來測定土壤中的重金屬含量。一方面由于土壤中重金屬含量低，又由于高空高頻遙感數據分辨率低，很難獲得重金屬反應的光譜特征；另一方面，由于測量的高光譜遙感數據具有均勻-非均勻光譜、均勻-非均勻和混合光電池等復雜特性，需要大氣輻射校正、幾何校正、混合圖像分解、原始數據光譜分解等，結合實驗室測得的重金屬含量數據，論證高光譜技術在高空應用的可行性。

采用高光譜遙感法定量反演和計算土壤重金屬含量，一般選擇裸露地面面積或低植被覆蓋區。在研究點位于農業區的情況下，將選擇收獲和種植之間的“終端期”進行遙感數據采集，以盡量減少地表植被對高光譜數據的影響。還可以利用植被光譜對土壤中重金屬含量進行研究。從理論上講，這項技術是基于植物生長在重金屬污染的環境中，其生物生態指標發生變化并表現為光譜信息這一事實。通過適當的指標可以間接評價土壤中重金屬的含量。目前這類研究主要用于農業土壤監測，獲取與組織光譜相關的光譜數據，建立土壤重金屬反演模型。這類研究的技術理論還不成熟，應用相對較少。只有當重金屬含量達到一定濃度時，對植物生長的影響才會顯著。在土壤重金屬含量過低的情況下，根據植被光譜數據無法準確估計土壤重金屬含量。此外，僅使用植被光譜數據無法確定重金屬的種類，需要土壤地球化學數據的支持。但植被光譜的研究拓展高光譜遙感技術的應用范圍，為該技術的未來發展提供新的思路[3]。

2.2 近地高光譜遙感技術在土壤重金屬含量測定中的應用

以前用于土壤重金屬含量測定的高光譜遙感是近地空間的高光譜遙感。該技術主要用于用土壤分光計測量室內土壤樣品的光譜數據。光譜儀的測試范圍包括：紫外、可見光、近紅外和中紅外區。在內部控制條件下，高光譜地球遙感技術可以有效地降低光譜背景變化和溫度、光輻射、大氣變化等環境因素的變化引起的額外散射變化的影響。此外，土壤中重金屬的光譜特性還取決于土壤顆粒的物理化學性質、濕度等。實驗室工作可對待測土壤樣本進行預磨、分揀和干燥，使土壤物理和化學性質對光譜結果的影響最大化。由于環境因素對近地大光譜范圍的影響很小，因此很容易分析土壤成分的光譜特性。

在早期的研究中，利用該技術研究土壤中低含量重金屬元素與高含量元素之間的關系，為高光譜遙感技術在土壤重金屬含量測定中的應用提供重要的理論依據。隨著高光譜遙感方法理論基礎的穩步加強，如何有效提高反演模型精度、提高測量精度的研究開始。目前的重點是改進頻譜預處理方法，選擇和優化反演模型。頻譜間斷處理是利用頻譜數據進行定性或定量分析之前的重要步驟，直接決定反演模型的準確性[4]。

2.3 低空高光譜遙感技術在土壤重金屬含量測定中的應用

低空遙感主要是通過無人平臺上的成像分光計進行，該分光計可以獲得廣泛的高質量光譜數據。近年來，這個問題備受關注。高光譜低空遙感與地球遙感技術相比，覆蓋范圍廣，節省時間；與高空高頻遙感方法相比，低空高頻頻譜遙感數據對大氣和云層的依賴程度較低，更多地依賴于頻率范圍、更高的光譜分辨率以及更靈活的飛行軌跡和時間。此外，近地空間遙感和高空遙感技術的研究為發展低空高頻遙感提供理論和實踐基礎，使其在初期階段相對成熟。近年來，它已成為該領域研究的熱點。目前，高頻地球遙感已廣泛應用于農作物監測、水質監測、土壤侵蝕研究等領域。

3 高光譜遙感技術在土壤重金屬含量測定領域的應用要點

3.1 植被光譜測定

土壤中的重金屬會影響植物的生理結構，特別是葉綠素的合成，從而改變植物的光譜特性。當植被暴露在重金屬中時，植被葉片葉綠素含量下降，導致植物的“紅色邊緣位置”（即“紅色邊緣位置”）而且植被指數是確定植被狀況的重要參數，重金屬污染對植被光譜特征和植被生長參數的影響是植被分析預測重金屬污染的基礎。植被光譜分析通過測量地表土壤重金屬含量和植被落葉葉綠素含量，或通過生成植被狀態參數，如“紅邊緣排列”和植被指數，可以預測土壤重金屬含量。根據植被光譜特征，分析葉綠素含量或植被生長參數與土壤重金屬含量的關系，模擬土壤重金屬含量反演，預測研究區域土壤重金屬污染[5]。

利用地面光譜儀采集的植物葉片高光譜反照率數據和葉片中葉綠素和重金屬含量的測定進行預測模擬，是通過植被光譜分析預測重金屬污染的方法之一。便攜式表面光譜儀Field Spec HH可獲得典型灌溉區的光譜，建立Cr、Ni、Pb、Zn、Hg和CD元素的反演模型，以反演重金屬含量和空間分布。另一種方法是建立反演模型，根據飛機和恒星上的高頻頻譜不斷獲取地面受污染植被的光譜信息，實現土壤重金屬的實時、面積和來源的監測?；蛘哂脽o人機搭載的HypessWir-384成像分光儀獲取高光譜圖像，并用便攜式地球光譜儀同步采集地面光譜數據，快速檢測土壤中的鎘。無人機的GS光譜具有控制土壤重金屬的能力，但預測精度低于ASD光譜。

土壤光譜數據具有范圍多、精度高的特點，利用植被光譜分析方法對土壤中重金屬含量的研究主要集中在地面測量光譜數據的分析上。由于植被對高光譜圖像的獨特反應能力，加上高光譜圖像的快速廣泛，近年來對飛機和恒星高光譜圖像中重金屬含量的研究越來越多，而基于高光譜圖像的植物光譜分析方法已成為土壤重金屬含量反演研究的熱點。

3.2 土壤光譜測定

雖然重金屬是土壤中的微量元素，沒有可見的特性譜，但粘土礦物、土壤有機物等土壤成分往往與吸附或吸收有關。這些成分的存在使土壤光譜形態和反照率發生一定的變化，從而能夠呈現出土壤光譜線的具體反射特性。利用重金屬與這些組分之間的耦合，可以估計元素的含量。為評價土壤中重金屬含量，光譜分析采用實驗室或田間條件下測定的斷點恢復、平滑和預處理后的土壤樣品光譜法，一次光譜與其數學變換的相關性，以及轉化后光譜指標的比較，以實際土壤重金屬含量為例，并建立土壤重金屬濃度與光譜指示特性之間的最優回歸模型，利用該模型對土壤重金屬含量進行定量評價[6]。

土壤中銅、鉛、鋅、鈷、鎳、鐵、鎘、鉻和錳的含量對土壤的可見紅外反射光譜很重要。這是由于土壤成分如有機物、粘土礦物、鐵錳氧化物等的吸附作用。其他這些重金屬。通過土壤采樣、土壤光譜信息分析，采用最小二乘法建立銅、鉛、鋅土壤元素反演模型。PB元素反演最準確，模型具有良好的預測能力，根據土壤的高光譜數據，還可通過分階段回歸法選擇有效光譜變量580、810、1410、1910、2160、2260、2270、2350、2430納米等。利用隨機林、支持向量、偏方等建立鋅元素含量反演模型，結果表明，基于二階微分變換的反演精度最高，是土壤鋅含量反演的最佳模型。

上述研究基于高土壤光譜的實驗室數據。實驗室獲得的土壤光譜數據受外界條件影響最小，光譜數據處理條件相對一致。研究的重點是建模方法的選擇。利用土壤實驗室光譜直接分析土壤重金屬含量是目前土壤重金屬超光譜反演中最成熟的方法，但由于采樣土壤樣本的數量和范圍有限，很難利用實驗室土壤光譜來監測大規模重金屬污染。

4 高光譜遙感技術在土壤重金屬含量測定領域的發展趨勢

4.1 調整測定模式

傳統的檢測方法需要在室外采樣和室內進行化學分析，不能事先防治，只能在土壤污染后進行檢測；此外，它只能被無法大規模監測的點所取代，因此是一種被動的探測方法。高光譜遙感可實現大規模、點對點、物的現場監測，實時對土壤重金屬污染進行三維監測。它是一種主動監測方法，有助于人們早期發現和管理、管理和控制。此外，還有從地面到航空航天平臺的多種高光譜遙感平臺，可在各級實時、快速、主動地監測土壤重金屬污染，而高光譜遙感將成為監測日益嚴重的土壤重金屬污染的主要手段[7]。

4.2 結合多種技術

大規模土壤重金屬污染監測，將高光譜遙感與地理信息系統和定位系統相結合，利用地面便攜式光譜儀獲取土壤重金屬污染的光譜信息，利用生態學、分子生物學、計算機科學和傳感器技術相結合的方法，對航空航天遙感和遙感以及重金屬污染進行宏觀動力學監測，目前正在收集土壤重金屬污染的范圍、類型和深度的信息。以及建立用于早期探測和處理的大型現場三維監測系統，這是未來土壤重金屬污染高光譜遙感監測的主要趨勢。

4.3 應用先進設備

綜合監測實驗室從化學檢測向化學實驗室檢測的轉變為異質檢測，不能滿足快速、大規模獲取土壤重金屬污染信息的需要。隨著高光譜遙感技術的發展，未來可以利用各種遙感平臺獲取廣袤土壤中重金屬的光譜信息。

在小范圍內，借助便攜式智能土壤探測器，便攜式智能土壤監測器可以實時采集顆粒光譜信息，并通過5G網絡實時傳輸到大云量光譜數據平臺，實現土壤損傷的快速檢測。檢測到的數據可以通過無線網絡實時傳輸，并顯示在智能手機終端上。目前已收集1500多個樣本，平均檢測精度超過95%。

在中范圍內，利用無人駕駛飛行器、XRF分析儀，在待測地區均勻選擇足夠的取樣點，每個取樣點將在離地面很近的地方進行測試，并獲得一組待測金屬含量數據；數據驗證和預處理：數據采集完成后，通過從已知數據中繪制散射點圖進行數據驗證，消除數據中明顯的誤差，并根據預成像建立多項式n的對應關系；依次計算最高多項式n-1和n的四次函數和誤差的平方和；如果最后一個組合函數的誤差平方和大于給定閾值的誤差，及減小平方值繼續計算高階可調諧函數大于n，直到最后一個組合函數的誤差平方是二次，并且小于前一個組合函數的給定誤差閾值；記錄并保存誤差最小的二次方和相應的加函數，其他事項最終反向模型；攜帶XRF分析儀的無人機收集地面附近的土壤數據。采用反演樣本對采集的土壤數據進行反演，獲得準確的土壤重金屬含量數據，記錄并存儲反演數據。

在大范圍中，利用人造衛星等平臺獲取高光譜遙感數據，快速、完整地獲取土壤重金屬污染信息，實現大規模三維現場監測，以及土壤重金屬污染的一般監測控制[8]。

5 結語

總而言之，利用高光譜數據對土壤重金屬含量進行定量測定取得很大進展，但存在著同類型建模、特征剖面數據庫數據不完整、不準確、應用范圍狹窄、噪聲控制效果不充分等問題。

目前對土壤重金屬物理化學性質的遙感研究主要局限于實驗室光譜分析。在實驗室反射光譜預測的基礎上，今后的研究重點是實驗室反射光譜與遙感在高空應用之間的土壤場反射光譜。隨著新遙感技術的引進，利用遙感技術反向反射土壤重金屬含量的技術得到越來越多的應用。建立更適合現有遙感技術的土壤重金屬含量反演模型，提高模型建模精度將是未來研究的主要目標之一。