肖捷穎等

摘要：隨著工業(yè)生產(chǎn)規(guī)模的擴(kuò)大、城市環(huán)境污染的加劇和農(nóng)用化學(xué)物質(zhì)種類、數(shù)量的增加，土壤重金屬污染因其程度加劇、面積擴(kuò)大而備受關(guān)注。重金屬污染物在土壤中移動(dòng)差、滯留時(shí)間長(zhǎng)、難被微生物降解，并可經(jīng)水、植物等介質(zhì)最終影響人體健康，因此對(duì)重金屬污染的定量監(jiān)測(cè)非常有必要并且意義重大。高光譜遙感技術(shù)的發(fā)展為宏觀、快速獲取土壤重金屬元素信息提供了新的契機(jī)，目前國(guó)內(nèi)外學(xué)者基于土壤反射光譜特征，運(yùn)用多種統(tǒng)計(jì)分析方法成功地預(yù)測(cè)了多種土壤重金屬元素的含量。介紹了土壤的光譜特征及光譜特征波段的提取，對(duì)利用高光譜遙感技術(shù)估算土壤重金屬含量的主要方法進(jìn)行了總結(jié)，對(duì)影響模型精度的主要因素進(jìn)行了討論，介紹了模型在模擬多光譜數(shù)據(jù)方面的應(yīng)用，最后對(duì)模型反演過(guò)程出現(xiàn)的不足及今后的研究方向進(jìn)行了展望。

關(guān)鍵詞：土壤重金屬；高光譜遙感；估算方法；統(tǒng)計(jì)分析；預(yù)測(cè)精度

中圖分類號(hào)：TP79；S158；S153.6 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2013）06-1248-06

土壤是人類賴以生存的主要自然資源之一，也是人類生態(tài)環(huán)境的重要組成部分[1]。隨著工業(yè)的發(fā)展和農(nóng)業(yè)生產(chǎn)的現(xiàn)代化，大量污染物進(jìn)入土壤環(huán)境，其中重金屬是重要的污染物質(zhì)之一[2]。土壤污染中重金屬主要指汞、鎘、鉛、鉻以及類金屬砷等生物毒性顯著的物質(zhì)，也指具有一定毒性的一般重金屬如鋅、銅、鈷、鎳、錫等，目前最令研究者關(guān)注的重金屬是汞、鎘、鉛等。土壤重金屬污染不僅會(huì)造成農(nóng)作物減產(chǎn)，質(zhì)量下降，嚴(yán)重者會(huì)通過(guò)食物鏈影響人體健康，因此對(duì)土壤重金屬含量進(jìn)行監(jiān)測(cè)非常必要。傳統(tǒng)的野外采樣和室內(nèi)化學(xué)分析方法具有測(cè)量精度高、準(zhǔn)確性強(qiáng)等優(yōu)點(diǎn)，但相對(duì)費(fèi)時(shí)費(fèi)力，而且很難獲取大面積空間上連續(xù)的污染物含量分布信息。遙感技術(shù)因其多時(shí)相、大面積等特點(diǎn)逐漸被研究者應(yīng)用于土壤性質(zhì)的監(jiān)測(cè)，高光譜遙感則以其多且連續(xù)的光譜波段特點(diǎn)被應(yīng)用于監(jiān)測(cè)土壤重金屬含量，可以實(shí)現(xiàn)大范圍、非破壞性和非接觸元素的快速測(cè)樣[3，4]。

由于土壤中重金屬含量低，對(duì)土壤光譜曲線影響微弱，直接分析土壤樣品重金屬元素的特征光譜來(lái)估算其含量比較困難。通過(guò)借助重金屬元素與土壤有機(jī)質(zhì)、黏土礦物、鐵錳氧化物、碳酸鹽礦物之間的吸附或賦存關(guān)系，可以間接反演土壤重金屬元素含量，反演精度在一定程度上取決于重金屬元素與這些組分之間的相關(guān)性[5-7]。

近年來(lái)國(guó)內(nèi)外學(xué)者在土壤重金屬遙感反演研究方面已經(jīng)取得長(zhǎng)足進(jìn)展，多數(shù)研究基于實(shí)驗(yàn)室的土壤光譜分析。例如有學(xué)者基于土壤可見(jiàn)-近紅外、近-中紅外反射光譜特征，實(shí)現(xiàn)了對(duì)礦區(qū)用地[8，9]、農(nóng)業(yè)用地[10，11]、潮灘[12，13]等研究區(qū)土壤重金屬元素含量的反演研究。如Kemper 等[8]利用土壤反射光譜反演了Aznalcollar礦區(qū)土壤As、Hg、Pb以及Fe元素的含量。國(guó)內(nèi)的Wu等[10]利用實(shí)驗(yàn)室土壤的反射光譜模擬Hymap、Aster以及TM影像波段，實(shí)現(xiàn)了大面積監(jiān)測(cè)南京江寧地區(qū)土壤Hg污染，發(fā)現(xiàn)估測(cè)土壤中Hg的最佳波段和土壤Fe的吸收波段一致，且相關(guān)分析表明土壤Hg的含量與土壤反射率成負(fù)相關(guān)關(guān)系。另外Moros等[12]在研究中發(fā)現(xiàn)了土壤重金屬元素和有機(jī)物質(zhì)之間的相關(guān)性，基于土壤可見(jiàn)-近紅外和中紅外反射光譜，建立偏最小二乘回歸模型，實(shí)現(xiàn)了對(duì)河灘土壤中As、Cd、Co等元素污染水平的定量監(jiān)測(cè)。

土壤反射光譜特征與重金屬元素含量之間的定量反演研究，可為進(jìn)一步應(yīng)用空間或航空遙感技術(shù)進(jìn)行高光譜遙感定量監(jiān)測(cè)土壤重金屬污染提供技術(shù)和理論支持，為土壤中重金屬含量的快速監(jiān)測(cè)和大面積的土壤重金屬污染評(píng)價(jià)提供技術(shù)支撐。

1 土壤光譜特性及特征波段的提取

土壤光譜信息是土壤表層各種屬性的綜合反映，其中土壤顏色、質(zhì)地、有機(jī)質(zhì)含量和各種礦物質(zhì)成分等對(duì)土壤光譜的影響作用較為明顯[14]。土壤屬性與實(shí)驗(yàn)室實(shí)測(cè)反射光譜的相關(guān)關(guān)系已得到證實(shí)：在可見(jiàn)光和近紅外波段，土壤光譜的吸收特征主要是由金屬離子的電子躍遷形成，在短波紅外區(qū)域，土壤的吸收主要?dú)w因于有機(jī)質(zhì)、層狀硅酸鹽、碳酸鹽、硫酸鹽等礦物質(zhì)的各類分子團(tuán)中化學(xué)鍵的伸展、彎曲、變形等振動(dòng)[7]。

土壤中有機(jī)質(zhì)、氧化鐵、黏粒比例的增加，會(huì)降低土壤光譜反射率；土壤有機(jī)質(zhì)與反射率較強(qiáng)的相關(guān)關(guān)系主要反映在可見(jiàn)光波段，而土壤氧化鐵和黏粒則在近紅外波段可以得到更精確的區(qū)分[15]。在可見(jiàn)光波段，土壤光譜曲線斜率較大，429、490 nm附近是土壤氧化鐵微弱的吸收峰，470 nm附近則是土壤氧化錳微弱的吸收峰，波長(zhǎng)600 nm附近是土壤有機(jī)質(zhì)典型的反射峰，815 nm附近則是有機(jī)質(zhì)的次反射峰，在近紅外波段，反射光譜的斜率較小，接近水平。900 nm附近的吸收峰是土壤中3價(jià)鐵所致，1 000 nm附近的吸收峰是土壤中鐵的氫氧化合物特征譜帶，1 400、1 900、2 200 nm附近的吸收峰是土壤硅酸鹽礦物中水分子羥基伸縮振動(dòng)和Al—OH彎曲振動(dòng)的合頻譜帶，濕度降低了所有光譜段的反射率并在1 400、1 900 nm處產(chǎn)生較強(qiáng)和較寬的吸收帶。2 455 nm附近的吸收峰則是土壤碳酸鹽中CO32-基團(tuán)振動(dòng)產(chǎn)生的譜帶[16，17]。圖1為土壤樣品的原始光譜曲線示意圖。

通常土壤反射光譜需要預(yù)處理以突出光譜信息中的細(xì)微特征，常見(jiàn)預(yù)處理方法有光譜反射率的微分、倒數(shù)對(duì)數(shù)和連續(xù)統(tǒng)去除等，以此來(lái)獲得表征不同土壤成分的特征波段。但實(shí)際工作中需要針對(duì)不同的土壤背景條件，不同的重金屬污染類型，更加系統(tǒng)地分析土壤反射光譜特征差異，運(yùn)用合適的預(yù)處理方法和統(tǒng)計(jì)方法提取研究區(qū)土壤特征波段，建立土壤重金屬的光譜特征數(shù)據(jù)庫(kù)。土壤重金屬特征光譜的確定，可為區(qū)域土壤重金屬含量反演模型的建立（包括特征波段參數(shù)選擇）打下基礎(chǔ)[11]。

2 土壤重金屬含量反演的主要方法

土壤中重金屬元素含量很低，在土壤反射光譜的各波段沒(méi)有明顯的吸收特征，且土壤組成成分復(fù)雜，每個(gè)組分對(duì)反射光譜的影響是非線性混合，致使土壤的反射輻射過(guò)程復(fù)雜。用物理模型進(jìn)行反演較難，通常采用統(tǒng)計(jì)方法分析土壤重金屬含量與反射光譜特征之間的相關(guān)性，間接實(shí)現(xiàn)對(duì)土壤重金屬元素含量的估算。常用方法主要包括單變量以及多元統(tǒng)計(jì)分析方法，多元統(tǒng)計(jì)方法較之單變量方法反演精度要高[16，18，19]。也有研究同時(shí)采用以上兩種方法來(lái)計(jì)算土壤重金屬含量[10，18]。

2.1 單變量統(tǒng)計(jì)分析方法

單變量統(tǒng)計(jì)法主要運(yùn)用相關(guān)分析方法來(lái)探討土壤重金屬含量與光譜反射率之間是否存在較為顯著的相關(guān)性，選擇相關(guān)性最顯著的波段建立模型來(lái)預(yù)測(cè)土壤重金屬含量。根據(jù)波段選擇方法不同可分為單波段分析方法和波段有效變換后的分析方法。

如李淑敏等[11]利用光譜分析的方法探討北京地區(qū)農(nóng)業(yè)土壤中重金屬含量與可見(jiàn)-近紅外光譜反射率的相關(guān)關(guān)系，通過(guò)對(duì)土樣原始反射光譜及其一階、二階微分光譜與各土壤重金屬含量進(jìn)行單波段分析，確定了Cr、Ni、Cu等8種土壤重金屬的特征光譜，建立了估算土壤重金屬含量的回歸模型。任紅艷[18]研究分析了礦區(qū)農(nóng)田土壤原始反射光譜和經(jīng)過(guò)連續(xù)統(tǒng)去除后的光譜信息，確定了土壤光譜反射率與重金屬元素含量相關(guān)性最大的波段，得到了反演Cu、Cd等重金屬元素含量的最佳擬合模型。

由于土壤的高光譜反射率極易受到環(huán)境差異的影響，單波段反射率建立反演模型穩(wěn)定性不足，因此可用敏感波段均值處理或組合等變換后的光譜波段與土壤重金屬含量進(jìn)行相關(guān)分析，提高模型的穩(wěn)定性，達(dá)到更高的預(yù)測(cè)精度。蔣建軍等[20]通過(guò)對(duì)敏感波段511 nm處對(duì)應(yīng)的有機(jī)質(zhì)診斷指數(shù)R/R450-750進(jìn)行間隔10 nm的均值化處理，以敏感范圍均值R507-516/R450-750取代敏感波段R/R450-750作為自變量x，建立了有機(jī)質(zhì)含量的預(yù)測(cè)模型，然后根據(jù)有機(jī)質(zhì)含量和重金屬含量之間的關(guān)系間接反演Cd含量。此外，根據(jù)不同波段反射率提供的信息可以互相補(bǔ)充的特點(diǎn)，解憲麗等[7]提出利用波段組合方法能夠顯著提高光譜變量和重金屬含量間的相關(guān)性的論點(diǎn)，所建立Pb、Zn等元素的反演模型的可靠性要優(yōu)于單波段預(yù)測(cè)方法。

2.2 多元統(tǒng)計(jì)分析

多元統(tǒng)計(jì)分析是光譜學(xué)研究中預(yù)測(cè)光譜特征物質(zhì)的常用方法，因其綜合使用較多的波譜段，提高了統(tǒng)計(jì)預(yù)測(cè)的精度[18]。多元逐步回歸分析、主成分回歸（PCR）分析和偏最小二乘回歸（PLSR）分析是目前分析土壤組成與反射光譜間關(guān)系常用的統(tǒng)計(jì)方法[16]。此外，還有研究用人工神經(jīng)網(wǎng)絡(luò)方法[9]或多種多元統(tǒng)計(jì)分析方法相結(jié)合[21，22]來(lái)反演土壤重金屬含量。

2.2.1 多元逐步回歸法 多元逐步回歸法是根據(jù)土壤重金屬含量與土壤反射光譜的相關(guān)分析，找出與重金屬元素相關(guān)性較好的光譜特征波段，對(duì)各重金屬含量與特征波段的光譜變量進(jìn)行多元回歸分析。根據(jù)回歸系數(shù)和F統(tǒng)計(jì)量最高、均方根誤差最小的原則，選擇土壤重金屬高光譜遙感監(jiān)測(cè)的最佳回歸模型。多元逐步回歸分析方法簡(jiǎn)單明了，常被用來(lái)確定對(duì)于某種化學(xué)成分敏感的波段，并說(shuō)明敏感波段值與這種化學(xué)成分濃度有較好的相關(guān)性，據(jù)此可以用這些確定的波長(zhǎng)位置來(lái)估計(jì)化學(xué)成分的濃度[19]。

龔紹琦等[17]通過(guò)對(duì)濱海鹽土土壤光譜進(jìn)行處理，通過(guò)對(duì)鎘、銅、鎳等重金屬含量與反射光譜變量的相關(guān)分析，獲得了反演土壤成分的特征波段為429、470、490、1 430、2 398、2 455 nm，利用逐步回歸分析方法分別建立了反演上述幾種重金屬元素的最佳遙感模型。另外王維等[23]運(yùn)用土壤光譜反射率、一階微分、倒數(shù)對(duì)數(shù)這3種光譜數(shù)據(jù)對(duì)土壤銅含量進(jìn)行了多元逐步回歸分析，并比較了不同光譜預(yù)處理方法對(duì)模型精度的影響。

2.2.2 主成分回歸法 主成分回歸分析是一種多元回歸分析方法，被廣泛應(yīng)用在化學(xué)與測(cè)譜學(xué)分析中[22]。它利用全部光譜信息并進(jìn)行壓縮，將高度相關(guān)的波長(zhǎng)點(diǎn)歸于一個(gè)獨(dú)立變量，提取為數(shù)不多的獨(dú)立變量建立回歸方程，通過(guò)內(nèi)部檢驗(yàn)來(lái)防止過(guò)度擬合。用預(yù)測(cè)均方根誤差（RMSEP）來(lái)評(píng)價(jià)模型的預(yù)測(cè)能力。

其中：ym是土壤重金屬含量實(shí)測(cè)值，yp是對(duì)應(yīng)的模型預(yù)測(cè)值。

部分學(xué)者用主成分回歸分析方法取得了很好的預(yù)測(cè)效果。Wu等[10]用 PCR 法建立了室內(nèi)土壤光譜與Hg含量的反演模型， 二者相關(guān)系數(shù)R=0.69，均方根誤差RMSE=0.15。任紅艷等[22]利用在實(shí)驗(yàn)室獲取的礦區(qū)農(nóng)田土壤可見(jiàn)-近紅外反射光譜與土壤As和Fe的濃度數(shù)據(jù)構(gòu)建了反演As和Fe的PCR預(yù)測(cè)模型，并指出其預(yù)測(cè)能力要優(yōu)于偏最小二乘回歸預(yù)測(cè)模型。但現(xiàn)有研究也證明PCR預(yù)測(cè)能力要受重金屬種類的影響[24，25]，如Islam等[24]用紫外-近紅外-可見(jiàn)光譜反演了農(nóng)業(yè)土壤中Ca、Mg等元素的含量，但對(duì)K、Na元素的反演能力就差。

2.2.3 偏最小二乘回歸法 偏最小二乘回歸方法作為一種有效的光譜分析方法，在光譜數(shù)據(jù)處理中已得到廣泛應(yīng)用。該方法提供一種多對(duì)多線性回歸建模的方法，當(dāng)兩組變量的個(gè)數(shù)很多，且都存在多重相關(guān)性，而觀測(cè)數(shù)據(jù)的數(shù)量又較少時(shí)，與傳統(tǒng)的多元線性回歸分析方法相比，PLSR方法解決了多元線性回歸方法所面臨的多重共線性問(wèn)題，可概括提取光譜信息，從而較為準(zhǔn)確地定量反演重金屬元素含量。而且與主成分回歸分析相比，PLSR方法不僅很好地概括光譜信息，而且還要求新生成的成分對(duì)因變量（重金屬）有最強(qiáng)的解釋性。在某種意義上，PLSR模型綜合了多元線性回歸和主成分分析兩種方法。此外，與人工神經(jīng)網(wǎng)絡(luò)法（ANN）相比，PLSR 的因子負(fù)荷可以形象地揭示自變量與因變量的關(guān)系，從而有助于理解利用反射光譜反演無(wú)明顯光譜特征重金屬的機(jī)理?；谏鲜鲈颍壳把芯恐袕V泛采用PLSR來(lái)反演土壤重金屬元素含量，并取得了很好的反演效果[26-30]。模型的反演能力同樣由預(yù)測(cè)均方根誤差來(lái)評(píng)價(jià)。

國(guó)外Kooistra等[31]發(fā)現(xiàn)利用河灘土壤的反射光譜可以較好地反演土壤重金屬Zn、Cd的污染水平，指出利用土壤可見(jiàn)-近紅外反射光譜建立的PLSR模型是定量分析河灘土壤成分及重金屬含量的有效途徑。國(guó)內(nèi)Ren等[32]應(yīng)用PLSR方法，分析長(zhǎng)江口鹽沼土壤的反射光譜，定量反演了土壤重金屬As和Cu的含量，并取得了極顯著相關(guān)的結(jié)果。鄭光輝等[33]用PLSR方法建立反射光譜與土壤As含量之間的模型，通過(guò)交叉驗(yàn)證、估算檢驗(yàn)建模精度，證明了利用反射光譜反演土壤As含量的可行性。表1列舉了用反射光譜定量反演土壤重金屬含量的主要統(tǒng)計(jì)分析方法。

3 模型精度的影響因素分析

在土壤重金屬含量反演模型建立過(guò)程中，很多因素會(huì)對(duì)模型精度產(chǎn)生影響，所以很難全面地估計(jì)所建立的光譜模型精度。在不同的研究區(qū)域，由于土壤類型[32]、組分和污染水平的不同[34]，模型的應(yīng)用會(huì)受到限制，精度也會(huì)受到一定影響。對(duì)于同一研究區(qū)域，重金屬元素種類、樣品集數(shù)量、元素的分析形態(tài)及化學(xué)分析誤差[9]、高光譜波段范圍的選取[35，36]及高光譜數(shù)據(jù)的處理方法等因素都會(huì)對(duì)模型的反演精度產(chǎn)生影響。以下主要就高光譜數(shù)據(jù)處理方法對(duì)模型精度的影響進(jìn)行總結(jié)討論，采取合適的光譜數(shù)據(jù)處理方法會(huì)提高光譜模型的響應(yīng)預(yù)測(cè)能力。

3.1 合適的光譜分辨率

合適的光譜分辨率能提高模型反演精度。劉華等[37]通過(guò)對(duì)光譜采樣間隔為1 nm的土壤反射率和EO-1衛(wèi)星Hyperion高光譜波段建模效果比較發(fā)現(xiàn)，不論是比較預(yù)測(cè)值與實(shí)測(cè)值的相關(guān)系數(shù)，還是相對(duì)誤差，前者所建模型對(duì)土壤重金屬含量的反演要好于后者，說(shuō)明光譜分辨率高，對(duì)土壤定量反演能力較好。

但研究也證實(shí)并不是光譜分辨率越高，重金屬預(yù)測(cè)精度就越高。有些學(xué)者通過(guò)對(duì)重采樣后降低了光譜分辨率的數(shù)據(jù)進(jìn)行分析也取得了較好的預(yù)測(cè)精度。因重金屬元素光譜特征較寬，不需尖銳的吸收峰，且相對(duì)較低的光譜分辨率增強(qiáng)了光譜信噪比， 從而提高了預(yù)測(cè)精度。鄭光輝等[33]采用經(jīng)過(guò)多元散射校正處理后的數(shù)據(jù)反演土壤砷的含量，進(jìn)行2、4、6、8、16、32和64 nm重采樣，分別進(jìn)行建模、驗(yàn)證和反演，表明土壤的4 nm分辨率光譜的建模、驗(yàn)證和估算結(jié)果最佳。其他研究也得出類似結(jié)論，如Kemper等[8]認(rèn)為寬的采樣間隔（10或20 nm）減少了噪聲的影響，得出較好的反演結(jié)果。但過(guò)大的采樣間隔也會(huì)損失部分光譜信息，降低模型精度。如黃長(zhǎng)平等[38]證實(shí)在使用經(jīng)驗(yàn)方法估算沒(méi)有明顯光譜特征的成分時(shí)，光譜分辨率不是一個(gè)必要條件，這為模擬衛(wèi)星傳感器波段反演土壤重金屬含量提供了理論依據(jù)。

同時(shí)有研究結(jié)果表明，不同重金屬元素最佳采樣間隔不同[39]。在實(shí)際工作中要根據(jù)重金屬種類、土壤理化性質(zhì)來(lái)選取合適的光譜分辨率而提高模型的精度。

3.2 不同光譜預(yù)處理方法

為了提高模型預(yù)測(cè)精度，建模之前先對(duì)初始反射光譜進(jìn)行預(yù)處理。研究證實(shí)最佳預(yù)測(cè)結(jié)果與光譜預(yù)處理方法有關(guān)，土壤光譜數(shù)據(jù)預(yù)處理可以消減光譜中因受隨機(jī)因素影響而產(chǎn)生的誤差，增強(qiáng)相似光譜之間的差別、突出光譜的特征值，提高重金屬含量的響應(yīng)能力、回歸模型的穩(wěn)定性和預(yù)測(cè)能力[40，41]。然而并非所有的預(yù)處理方法都可以取得理想的預(yù)測(cè)結(jié)果。目前常用的光譜預(yù)處理方法有一階微分（FD）、二階微分（SD）、光譜倒數(shù)對(duì)數(shù)[log（1/R）]、連續(xù)統(tǒng)去除（CR）和多元散射校正（MSC）等。

微分光譜是光譜分析中常用的預(yù)處理方法，可消除基線漂移或平緩背景干擾的影響，并可提供比原始光譜更高的分辨率和更清晰的光譜輪廓變換，增強(qiáng)土壤重金屬的光譜信息，提高模型的精度。如王維等[23]證實(shí)應(yīng)用一階微分處理后的光譜逐步回歸表現(xiàn)較好，預(yù)測(cè)精度高于原始反射率和光譜倒數(shù)對(duì)數(shù)的處理方法。但Wu 等[39]認(rèn)為一階微分不能明顯提高估算精度，未經(jīng)任何處理的原始光譜同樣可以表達(dá)土壤屬性。Kooistra等[13]研究發(fā)現(xiàn)，導(dǎo)數(shù)變換并不能顯著提高預(yù)測(cè)效果，與Volkan等[42]的研究結(jié)果一致。

光譜的倒數(shù)對(duì)數(shù)處理方法也具有較理想的處理效果。土壤反射率經(jīng)對(duì)數(shù)變化后，不僅增強(qiáng)可見(jiàn)光區(qū)的光譜差異（可見(jiàn)光區(qū)的原始光譜一般偏低），而且趨向于減少由于光照條件、地形等變化引起的隨機(jī)因素影響，提高模型精度。王璐等[16]對(duì)天津污灌區(qū)土壤光譜特征預(yù)測(cè)土壤重金屬含量的能力進(jìn)行了分析和評(píng)價(jià)，結(jié)果表明光譜的倒數(shù)對(duì)數(shù)log（1/R）是估算土壤重金屬元素含量較理想的指標(biāo)，尤其是對(duì)Cd和Pb，檢驗(yàn)精度R2超過(guò)0.8。

多元散射校正方法由于可以有效去除散射影響，提高信噪比，也可以得到最佳建模、驗(yàn)證和反演結(jié)果。任紅艷等[22]利用主成分回歸方法研究礦區(qū)農(nóng)田土壤砷含量與反射光譜的關(guān)系時(shí)發(fā)現(xiàn)多元散射校正可顯著提高模型的估算能力。鄔登巍等[35]通過(guò)對(duì)樣品的中紅外（MIR）漫反射光譜進(jìn)行多種預(yù)處理，結(jié)果表明，依次經(jīng)平滑、基線校正、多元散射校正預(yù)處理能顯著提高中紅外光譜數(shù)據(jù)的反演精度。

4 高光譜模型在模擬多光譜數(shù)據(jù)方面的應(yīng)用

利用現(xiàn)有多光譜遙感傳感器可以進(jìn)行土壤重金屬元素的監(jiān)測(cè)。不少研究建立了土壤重金屬含量與模擬HyMap、TM、ASTER以及 Quickbird 光譜的關(guān)系，雖然模型精度比高光譜數(shù)據(jù)模型精度略低，但可以進(jìn)行大面積監(jiān)測(cè)。

王璐等[16]采用PLSR方法對(duì)模擬的TM和ASTER多光譜數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)土壤重金屬Cd、Hg和Pb都與TM數(shù)據(jù)的第三波段（661 nm）和ASTER的第二（658 nm）、第四（1 655 nm）、第五（2 166 nm）波段有較高的相關(guān)性，而這些波段與土壤中有機(jī)質(zhì)、氧化鐵以及黏土礦物對(duì)光譜的影響波段較接近。同樣李巨寶等[43]通過(guò)對(duì)土壤樣品重金屬含量和ETM+數(shù)據(jù)的模擬光譜數(shù)據(jù)STM進(jìn)行相關(guān)分析，發(fā)現(xiàn)位于短波紅外的TM7波段是預(yù)測(cè)土壤Fe、Zn、Se含量的最佳波段。另外劉華等[37]也用不同的模型進(jìn)行了土壤室內(nèi)光譜與相關(guān)高/多光譜數(shù)據(jù)波段匹配模擬的研究。

光譜模擬數(shù)據(jù)是理想狀態(tài)下的結(jié)果，實(shí)際遙感應(yīng)用中土壤光譜特征成分（總鐵、有機(jī)質(zhì)以及黏土礦物等）在高/多光譜遙感數(shù)據(jù)上的表現(xiàn)必然受到植被及大氣等背景信息的干擾和影響。從模擬光譜層次的研究到遙感影像層次的應(yīng)用還需要考慮更多因素的影響。但以上研究同樣可以為利用遙感技術(shù)快速、大面積、有效地進(jìn)行土壤重金屬動(dòng)態(tài)監(jiān)測(cè)提供理論依據(jù)和技術(shù)途徑。

5 土壤重金屬含量遙感反演中出現(xiàn)的問(wèn)題及研究前景

近年來(lái)在應(yīng)用高光譜數(shù)據(jù)定量反演土壤重金屬含量的研究取得了較大的進(jìn)展，但存在建模形態(tài)單一，特征光譜數(shù)據(jù)庫(kù)數(shù)據(jù)不足及準(zhǔn)確性不高，應(yīng)用范圍較窄及降噪程度不夠等原因造成的對(duì)目標(biāo)物定量反演準(zhǔn)確度不高等方面的問(wèn)題?？傮w來(lái)說(shuō)，運(yùn)用高光譜技術(shù)估算土壤中重金屬元素含量，其模型擬合總體精度能達(dá)到75%～80%，平均相對(duì)誤差30%～40%，驗(yàn)證精度60%～70%[15]。

因野外獲取反射光譜或者高空遙感應(yīng)用會(huì)受到很多因素影響，如地表狀況（粗細(xì)度、土壤濕度、植被覆蓋等）、大氣吸收和光照情況等，目前用遙感手段對(duì)土壤重金屬理化特性研究的工作多局限于實(shí)驗(yàn)室的光譜分析。以實(shí)驗(yàn)室反射光譜預(yù)測(cè)研究為基礎(chǔ)，介于實(shí)驗(yàn)室反射光譜和高空遙感應(yīng)用之間的野外土壤反射光譜研究將是未來(lái)研究重點(diǎn)。隨著遙感技術(shù)的不斷創(chuàng)新，遙感反演土壤重金屬含量的方法也越來(lái)越多。建立更適合于現(xiàn)有遙感技術(shù)的模型來(lái)反演土壤重金屬含量以及提高模型的模擬精度將是未來(lái)研究的主要目標(biāo)。

參考文獻(xiàn)：

[1] 林凡華，陳海博，白 軍.土壤環(huán)境中重金屬污染危害的研究[J].環(huán)境科學(xué)與管理，2007，32（7）：74-76.

[2] 陳興蘭，楊成波.土壤重金屬污染、生態(tài)效應(yīng)及植物修復(fù)技術(shù)[J]. 環(huán)境整治，2010（3）：58-62.

[3] 吳健生，宋 靜，鄭茂坤，等.土壤重金屬全量監(jiān)測(cè)方法研究進(jìn)展[J].東北農(nóng)業(yè)大學(xué)學(xué)報(bào)，2011，42（5）：133-139.

[4] 李湘洲.重金屬鉛和鎘對(duì)土壤與作物的危害及防治[J]. 經(jīng)濟(jì)林研究，2000，18（4）：12-13.

[5] 賀軍亮，蔣建軍，孫中偉，等.土壤重金屬含量光譜估算模型的初步研究[J].農(nóng)機(jī)化研究，2009（9）：22-25.

[6] WU Y Z， CHEN J， JI J F， et al. A mechanism study of reflectance spectroscopy for investigating heavy metals in soils[J].Soil Science Society of America Journal，2007，71（3）：918-926.

[7] 解憲麗，孫 波，郝紅濤.土壤可見(jiàn)光-近紅外反射光譜與重金屬含量之間的相關(guān)性[J]. 土壤學(xué)報(bào)，2007，44（6）：982-993.

[8] KEMPER T， SOMMER S. Estimate of heavy metal contaminationin soil after a mining accident using reflectance spectroscopy[J]. Environmental Science and Technology，2002，36（12）：2742-2747.

[9] SIEBIELEC G， MCCARTY G W， STUCZYNSKI T I， et al. Near-and mid-infrared diffuse reflectance spectroscopy for measuring soil metal content[J]. Journal of Environmental Quality， 2004， 33（6）：2056-2069.

[10] WU Y Z， CHEN J， JI J F， et al. Feasibility of reflectance spectroscopy for the assessment of soil mercury contamination[J]. Environmental Science & Technology，2005，39（3）：873-878.

[11] 李淑敏，李 紅，孫丹峰，等.利用光譜技術(shù)分析北京地區(qū)農(nóng)業(yè)土壤重金屬光譜特征[J].土壤通報(bào)，2011，42（3）：730-735.

[12] MOROS J， DE VALLEJUELO S F， GREDILLA A， et al. Use of reflectance infrared spectroscopy for monitoring the metal content of the estuarine sediments of the Nerbioi-Ibaizabal River（metropolitan bilbao， bay of biscay， basque country）[J]. Environmental Science & Technology，2009，43（24）：9314-9320.

[13] KOOISTRA L， WEHRENS R， LEUVEN R， et al. Possibilities of visible-near-infrared spectroscopy for the assessment of soil contamination in river floodplains[J]. Analytica Chimica Acta， 2001，446（1-2）：97-105.

[14] 汪善勤，舒 寧.土壤定量遙感技術(shù)研究進(jìn)展[J]. 遙感信息，2007（6）：89-93.

[15] 孫 華.土壤重金屬污染修復(fù)及其遙感評(píng)價(jià)研究概述[J]. 浙江師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2005，28（4）：446-450.

[16] 王 璐，藺啟忠，賈 東，等.基于反射光譜預(yù)測(cè)土壤重金屬元素含量的研究[J].遙感學(xué)報(bào)，2007，11（6）：906-913.

[17] 龔紹琦，王 鑫，沈潤(rùn)平，等.濱海鹽土重金屬含量高光譜遙感研究[J]. 遙感技術(shù)與應(yīng)用，2010，25（2）：169-177.

[18] 任紅艷.寶山礦區(qū)農(nóng)田土壤——水稻系統(tǒng)重金屬污染的遙感監(jiān)測(cè)[D].南京：南京農(nóng)業(yè)大學(xué)，2008.

[19] 吳昀昭. 南京城郊農(nóng)業(yè)土壤重金屬污染的遙感地球化學(xué)基礎(chǔ)研究[D]. 南京：南京大學(xué)，2005.

[20] 蔣建軍，徐 軍，賀軍亮，等.基于有機(jī)質(zhì)診斷指數(shù)的土壤鎘含量反演方法研究[J].土壤學(xué)報(bào)，2009，46（1）：177-182.

[21] JANIK L J， FORRESTER S T， RAWSON A. The prediction of soil chemical and physical properties from mid-infrared spectroscopy and combined partial least-squares regression and neural networks （PLS-NN） analysis[J]. Chemometrics and Intelligent Laboratory Systems，2009，97（2）：179-188.

[22] 任紅艷， 莊大方， 邱冬生， 等. 礦區(qū)農(nóng)田土壤砷污染的可見(jiàn)-近紅外反射光譜分析研究[J]. 光譜學(xué)與光譜分析，2009，29（1）：114-118.

[23] 王 維，沈潤(rùn)平，吉曹翔. 基于高光譜的土壤重金屬銅的反演研究[J]. 遙感技術(shù)與應(yīng)用，2011，26（3）：348-354.

[24] ISLAM K， SINGH B， MCBRATNEY A. Simultaneous estimation of several soil properties by ultra-violet， visible， and near-infrared reflectance spectroscopy[J]. Australian Journal of Soil Research，2003，41（6）：1101-1114.

[25] CHANG C W， LAIRD D A， MAUSBACH M J， et al. Near-infrared reflectance spectroscopy-principal components regression analysis of soil properties[J]. Soil Science Society of America Journal，2001，65（2）：480-490.

[26] VISCARRA ROSSEL R A， WALVOORT D J J， MCBRATNEY A B， et al. Visible， near-infrared， mid-infrared or combined diffuse reflectance spectroscopy for simultaneous assessment of various soil properties[J]. Geoderma，2006，31（1-2）：59-75.

[27] VAN GROENINGEN J W， MUTTERS C S， HORWARTH W R， et al. NIR and DRIFT-MIR spectrometry of soils for predicting soil and crop parameters in a flooded field[J]. Plant Soil，2003，250（1）：155-165.

[28] MOROS J， MARTNEZ-SANCHEZ M J， PEREZ-SIRVENT C， et al. Testing of the region of murcia soils by near infrared diffuse reflectance spectroscopy and chemometrics[J]. Talanta，2009，78（2）：388-398.

[29] SUMMERS D， LEWIS M， OSTENDORF B， et al. Visible near-infrared reflectance spectroscopy as a predictive indicator of soil properties[J]. Ecological Indicators，2011，11（1）：123-131.

[30] CHODAK M， NIKLINSKA M， BEESE F. Near-infrared spectroscopy for analysis of chemical and microbiological properties of forest soil organic horizons in a heavy-metal-polluted area[J]. Biol Fertil Soils，2007，44（1）：171-180.

[31] KOOISTRA L， WANDERS J， EPEMA G F， et al. The potential of field spectroscopy for the assessment of sediment properties in river floodplains[J]. Analytica Chimica Acta，2003，484（2）：189-200.

[32] REN H Y， ZHUANG D F， SINGH A N， et al. Estimation of As and Cu contamination in agricultural soils around a mining area by reflectance spectroscopy： a case study[J]. Pedosphere，2009，19（6）：719-726.

[33] 鄭光輝，周生路，吳紹華.土壤砷含量高光譜估算模型研究[J].光譜學(xué)與光譜分析，2011，31（1）：173-176.

[34] DONG Y W， YANG S Q， XU C Y， et al. Determination of soil parameters in apple-growing regions by near and mid-infrared spectroscopy[J]. Pedosphere，2011，21（5）：591-602.

[35] 鄔登巍，吳昀昭，馬宏瑞. 基于中紅外漫反射光譜的土壤重金屬元素含量預(yù)測(cè)研究[J]. 光譜學(xué)與光譜分析，2010，30（6）：1498-1502.

[36] SONG Y X， LI F L， YANG Z F， et al. Diffuse reflectance spectroscopy for monitoring potentially toxic elements in the agricultural soils of Changjiang River Delta， China[J]. Applied Clay Science，2012，64：75-83.

[37] 劉 華，張利權(quán).崇明東灘鹽沼土壤重金屬含量的高光譜估算模型[J]. 生態(tài)學(xué)報(bào)，2007，27（8）：3427-3434.

[38] 黃長(zhǎng)平，劉 波，張 霞，等.土壤重金屬Cu含量遙感反演的波段選擇與最佳光譜分辨率研究[J]. 遙感技術(shù)與應(yīng)用，2010， 25（3）：353-341.

[39] WU Y Z，CHEN J，WU X M，et al. Possibilities of reflectance spectroscopy for the assessment of contaminant elements in suburban soils[J]. Applied Geochemistry，2005，20（6）：1051-1059.

[40] GALVEZ-SOLA L， MORAL R， PEREZ-MURCIA M D， et al. The potential of near infrared reflectance spectroscopy （NIRS） for the estimation of agroindustrial compost quality[J]. Science of the Total Environment，2010，408（6）：1414-1421.

[41] 李民贊.光譜分析技術(shù)及其應(yīng)用[M].北京：科學(xué)出版社，2006.

[42] VOLKAN B A， VAN ES H M， AKBAS F， et al. Visible-near infrared reflectance spectroscopy for assessment of soil properties in a semi-arid area of turkey[J]. Journal of Arid Environments，2010，74（2）：229-238.

[43] 李巨寶，田慶久，吳昀昭. 滏陽(yáng)河兩岸農(nóng)田土壤Fe、Zn、Se元素光譜響應(yīng)研究[J].遙感信息，2005（3）：10-13.