沈文娟，蔣超群，侍昊，王春紅，李明詩

(1.南京林業(yè)大學(xué) 林學(xué)院，南京 210037；2.江蘇省環(huán)境監(jiān)測中心，南京 210036)

1 引 言

土壤是人類生存環(huán)境的重要載體，并且是農(nóng)業(yè)生產(chǎn)的重要資源，每年受到不同來源的污染影響，土壤污染作為重要的環(huán)境問題之一被廣泛提及[1-2]。重金屬污染由于其持續(xù)殘留性和毒性的特征而顯得尤其危險[1]。土壤重金屬的來源總結(jié)為兩種途徑：一是來自于成土母質(zhì)；二是來自于人類各種生產(chǎn)活動[3-4]。土壤重金屬污染主要涉及Cu、Zn、Pb、Hg、Cd、As這幾種典型的元素，而其他的重金屬富集污染則不明顯[5]。所以需要及時且準確地監(jiān)測重金屬污染，以保護土壤資源并確保其可持續(xù)性。

傳統(tǒng)的監(jiān)測土壤重金屬污染的方式，由于勞動強度大且耗時間，不利于廣泛推廣[6]。目前遙感用于大尺度的監(jiān)測土壤重金屬等理化特性方面的研究工作開展的不多，已有的研究多局限于基于采樣點的野外和實驗室光譜分析[7-8]，構(gòu)建常規(guī)的統(tǒng)計方法[7，9-10]。然而，傳統(tǒng)的采樣分析、單一的實驗室光譜學(xué)分析在污染監(jiān)測的實時性、方法的全面性以及結(jié)果精度的高效性方面有待改善。近年來，基于地面光譜分析[11]和多、高光譜影像預(yù)測的方法被廣泛提及，特別是高光譜遙感數(shù)據(jù)[2，12-13]，而高光譜模型模擬多光譜數(shù)據(jù)的預(yù)測方法仍需探索[14]。此外，高光譜數(shù)據(jù)對于Cd、Hg等毒性較強且無光譜特征的元素檢測存有困難[15]，但以其具備的評價生物物理參數(shù)并檢測空間變化的能力，成為基于地表方法檢測土壤重金屬污染的首要選擇，且因其提供特定和關(guān)鍵的時間信息而被廣泛應(yīng)用。本研究強調(diào)使用高精度的遙感影像結(jié)合其他多源數(shù)據(jù)為大地域的監(jiān)測和制圖土壤重金屬污染的空間分布、污染等級提供更為可靠、便捷的方式，特別是結(jié)合多時相的衛(wèi)星和航空高光譜構(gòu)建可靠的模型，實現(xiàn)大尺度的連續(xù)動態(tài)監(jiān)測。

2 地面實測光譜監(jiān)測土壤重金屬污染

光譜分析法是指利用光譜學(xué)的原理和實驗方法以確定物質(zhì)的結(jié)構(gòu)和化學(xué)成分的分析方法[16]。目前光譜儀測得的目標光譜具有很高的光譜分辨率(約2nm)，因此物質(zhì)的紫外光譜、可見光、近紅外光譜和熱紅外光譜能夠用來精確的估計某些成分的含量。一般光譜學(xué)研究的方法，即在實驗室條件下獲取經(jīng)過制樣處理的土壤樣品的光譜，可以精確估計土壤的多種重要理化性質(zhì)[17]。由于光譜分析的測量快速性和使用廣泛性，在理論探索和實用性方面被廣泛應(yīng)用，目的是建立光譜分析原理的土壤污染參數(shù)模型，以便快速監(jiān)測土壤污染。此外，能實現(xiàn)土壤污染參數(shù)的現(xiàn)場實時測量，以適應(yīng)現(xiàn)代土壤污染調(diào)查模式。

解憲麗等[7]選擇江西貴溪銅冶煉廠污染區(qū)采集土樣，分析了9種重金屬元素與土壤可見光-近紅外反射光譜之間的相關(guān)性及其相關(guān)的原因。研究表明土壤重金屬含量與反射光譜之間存在顯著相關(guān)。Chi等[18]研究鎘、銅、鋅對于植被近紅外、可見光反射的影響，結(jié)果表明隨著植被葉子所含重金屬含量的增加，植被葉綠素相應(yīng)減少，可見光光譜反射增強，近紅外光譜減少，紅邊移動范圍減少。在土壤重金屬含量的預(yù)測方面，人們較多利用可見光和近紅外光譜，而較少利用熱紅外光譜，李淑敏等[10]利用光譜分析方法探究了北京地區(qū)農(nóng)業(yè)土壤中8種重金屬含量與熱紅外發(fā)射率的關(guān)系，研究土壤中重金屬的熱紅外特征光譜和估算模型，為可見光和近紅外遙感提供必要的補充信息，提高土壤重金屬含量的估算精度。Thakur等[19]發(fā)現(xiàn)重金屬鎘減緩了大豆葉子的蒸騰率，增加了葉表面的溫度，植被葉溫的變化結(jié)合熱紅外遙感能夠預(yù)測土壤重金屬污染，結(jié)果表明受脅迫的葉子其葉溫比未受脅迫的高3℃，而且在重金屬的誘導(dǎo)下葉子的蒸騰、葉溫等直接或間接與作物的生產(chǎn)力相關(guān)。此外，中紅外漫反射光譜可以作為一種快速、非破壞方法預(yù)測土壤重金屬元素含量，且比可見光-近紅外精度高。鄔登巍等[9]以南京江寧區(qū)和八卦洲采集的共161個土壤樣品為例，對土壤中的8種重金屬原始數(shù)據(jù)進行了預(yù)測。結(jié)果表明經(jīng)校正的中紅外光譜對異地樣品預(yù)測的均方根誤差是可見光-近紅外光譜的21%～73%，比后者更能預(yù)測樣品中土壤重金屬元素含量。

樣點實測光譜分析法具有的優(yōu)點有：分析速度較快，操作方便，無需純樣品，可直接進行光譜分析；可同時測定多種化學(xué)性質(zhì)相近的元素或化合物，靈敏度高；樣品的損壞小。地面實測光譜分析優(yōu)點十分突出，但也有其局限性，光譜定量分析建立在相對比較的基礎(chǔ)上，必須有一套標準樣品作為基準，而且要求標準樣品的組成和結(jié)構(gòu)狀態(tài)應(yīng)與被分析的樣品基本一致，為實際的操作帶來不便。

3 遙感監(jiān)測土壤重金屬污染

3.1 基于多光譜遙感影像的土壤重金屬污染監(jiān)測

多光譜遙感成像技術(shù)能夠以較低的成本研究大區(qū)域范圍內(nèi)土壤類型分布和屬性時空變化特征，是重要的土壤信息源。然而多光譜傳感器提供的土壤信息十分有限，采用常規(guī)的分析手段無法從中提取物質(zhì)成分和含量的高精度信息和光譜特征，因此不適合高精度的土壤屬性定量遙感分析，而主要用于較大比例尺的土壤屬性制圖、評價、監(jiān)測和時空變異研究。

王璐等[8]開展了利用多光譜(TM和ASTER)遙感模擬波段估算重金屬含量的研究，根據(jù)傳感器的光譜響應(yīng)函數(shù)，將原始土壤光譜曲線轉(zhuǎn)換為模擬的TM和ASTER工作波段，表明多光譜數(shù)據(jù)具有估算土壤重金屬元素含量的潛力，然而所得的光譜模擬數(shù)據(jù)并未考慮植被覆蓋影響、大氣效應(yīng)、混合像元等干擾元素，因而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。劉煥軍等[20]以黑龍江黑土帶典型區(qū)為例，利用區(qū)域土壤樣本和Landsat-5 TM遙感影像，評估有機質(zhì)含量與土壤反射率的定量關(guān)系，建立區(qū)域土壤有機質(zhì)(SOM)遙感預(yù)測模型。模型的構(gòu)建即對TM各波段反射率進行倒數(shù)、對數(shù)、差值、比值等運算，構(gòu)建光譜指數(shù)。結(jié)果表明由于本研究區(qū)土壤有機質(zhì)含量空間差異較大，進而在影像上呈現(xiàn)出不同的裸土反射率大小和反射率曲線形狀特征，使得模型的建立較為成功。Sridhar等[21]探討了幾種重金屬和養(yǎng)分在大豆生長中的聚集，并使用遙感光譜和Landsat TM影像分析評價土壤重金屬的化學(xué)特性，并探索了植被脅迫監(jiān)測由單一植物向大區(qū)域尺度水平的發(fā)展。

多光譜遙感影像中包含的是自然條件下的土壤光譜信息，不可避免地包含環(huán)境噪聲以及光譜混合現(xiàn)象，會極大地削弱甚至掩蓋土壤的光譜特征。隨著研究方法和技術(shù)的改進，為基于影像層面的土壤重金屬污染的探索提供了新思路。若結(jié)合多源遙感數(shù)據(jù)來探索土壤重金屬污染，特別是連續(xù)時相的多光譜數(shù)據(jù)，能夠彌補短期監(jiān)測的不全面性，預(yù)測潛在的污染區(qū)域，如基于連續(xù)時相的Landsat數(shù)據(jù)用于動態(tài)監(jiān)測土壤污染，其優(yōu)勢在于減少了使用高光譜分辨率數(shù)據(jù)和標準化學(xué)分析和采樣技術(shù)的花費，能預(yù)測污染恢復(fù)帶來的影響。此外，基于遙感和實際觀測數(shù)據(jù)，結(jié)合已有成熟的監(jiān)測土壤重金屬污染的技術(shù)應(yīng)用于其他的研究區(qū)域，將有助于進一步改善預(yù)測的精度。

3.2 基于高光譜遙感的土壤重金屬污染監(jiān)測

3.2.1 遙感光譜監(jiān)測土壤重金屬污染的比較

高光譜成像技術(shù)綜合了地物高光譜和高空成像技術(shù)，與多光譜成像技術(shù)相比，目前高光譜成像技術(shù)能夠提供最高10nm光譜分辨率的目標信息，其高光譜影像立方體可用于精確識別地物類型和定量反演地物屬性。研究表明許多地表物質(zhì)的吸收特征在吸收峰深度一半處的寬度為20nm～40nm。然而傳統(tǒng)的多光譜遙感影像，光譜分辨率只有100nm，在可見光和近紅外光譜區(qū)域只有幾個波段。因此，根據(jù)高光譜遙感光譜分辨率高，波段多的這一特點，許多在寬波段遙感中不可探測的重金屬的光譜特性，可以運用高光譜遙感區(qū)分并探測出來。

與地面光譜技術(shù)相比，高光譜能夠制作更大比例尺和更詳細的專題圖，特別是土壤屬性制圖是高光譜數(shù)據(jù)的主要應(yīng)用目標。但是，由于獲取高光譜數(shù)據(jù)的代價相對高昂、探測范圍較小、過程復(fù)雜、數(shù)據(jù)量大等因素，高光譜成像技術(shù)在土壤學(xué)領(lǐng)域仍然處于探索與初級應(yīng)用階段。使用高光譜數(shù)據(jù)的研究在大大提高對目標地物定性研究水平的同時對目標地物的定量研究更是有了重大的突破。但是存在的不足是地物特征光譜數(shù)據(jù)庫數(shù)據(jù)不足；特征光譜數(shù)據(jù)準確性不高；分析方法陳舊，應(yīng)用范圍較窄，不能很好地適應(yīng)于高光譜數(shù)據(jù)分析及普遍使用以及降噪程度不夠等造成的對目標物定量研究準確度不高等方面的問題[22]。盡管存在不足，嘗試使用新的數(shù)據(jù)和方法基于遙感高光譜方式探測土壤重金屬污染，仍是現(xiàn)階段研究的熱點。

3.2.2 高光譜遙感監(jiān)測的常規(guī)應(yīng)用

高光譜技術(shù)方法作為一種能夠動態(tài)、快速、宏觀地獲取地表信息的遙感技術(shù)，不僅能夠監(jiān)測無光譜特征的土壤重金屬成分，還不會對污染土壤及其附屬植被產(chǎn)生直接傷害，已廣泛應(yīng)用于環(huán)境、地質(zhì)和土壤等多個領(lǐng)域。

(1)高光譜監(jiān)測土壤重金屬吸附或賦存關(guān)系的應(yīng)用

由于土壤重金屬含量低，反映在土壤光譜信息很微弱，通過直接分析重金屬元素的特征光譜來估算其含量比較困難，而同類元素容易相互聚集共生，用相關(guān)系數(shù)可以反映土壤元素之間的共生程度[12]。最近專家研究表明，根據(jù)土壤有機質(zhì)、鐵錳氧化物以及粘土礦物等對重金屬的吸附或賦存作用，可以通過無光譜特征物質(zhì)與有光譜特征物質(zhì)之間的相關(guān)性，利用粘土礦物和鐵錳氧化物在土壤光譜曲線中典型的光譜特征，間接地預(yù)測土壤重金屬含量，實現(xiàn)監(jiān)測無光譜特征的土壤重金屬的含量[12，23-26]。采樣點個數(shù)和采樣頻次的多少影響結(jié)果精度。已有研究為土壤重金屬含量的快速監(jiān)測和大尺度的土壤重金屬污染評價提供技術(shù)支撐，為進一步應(yīng)用空間或航空遙感進行高光譜遙感定量監(jiān)測土壤重金屬污染提供技術(shù)和理論支持。

(2)地表高光譜監(jiān)測土壤重金屬的應(yīng)用

近表面的遙感技術(shù)預(yù)測作物重金屬污染有兩個特點：一是重金屬脅迫下作物的生物化學(xué)數(shù)據(jù)能與冠層的光譜反射測量同步獲取，相反，使得航空高光譜影像與作物的生物化學(xué)數(shù)據(jù)同步測量則較困難；二是在野外環(huán)境下，近端遙感能獲取到作物的許多反射光譜數(shù)據(jù)用于探索光譜和重金屬含量的關(guān)系[27]。Liu等[28]基于實驗室高光譜數(shù)據(jù)探索重金屬Pb、Cu、Zn在蘆葦中的含量，構(gòu)建葉綠素含量和高光譜數(shù)據(jù)的線性關(guān)系，研究結(jié)果具有一定的說服力，但是21個采樣點用于建模和驗證，影響模型的穩(wěn)定性，若將其用于其他區(qū)域、物種或者重金屬類型則需要進一步驗證?？蓢L試通過增加采樣點的數(shù)量，改善波段選擇方式，使用更多的特征方法等提高模型的穩(wěn)定性和精度。

未來研究的趨勢是建立起植被重金屬脅迫的即時監(jiān)測技術(shù)，最大限度地減少土壤重金屬污染帶來的危害?；蛘呔C合多源數(shù)據(jù)進行長時間序列的連續(xù)監(jiān)測，做到區(qū)域的宏觀調(diào)控，并能預(yù)測潛在的危險分布。已有遙感研究[29]表明區(qū)域植被由于受高人為干擾的影響出現(xiàn)急劇衰減的現(xiàn)象，特別是土壤中富集的大量重金屬成為限制植被生長的主要因子之一。土壤重金屬的存在會影響微生物媒介處理率，如分解，這一化學(xué)分析過程對于土壤肥力和長時間的森林生產(chǎn)力貢獻巨大。所以進行森林生物量測算時，不僅要考慮地上部分結(jié)構(gòu)對于生物量的影響，還要將土壤的化學(xué)特性及其影響考慮進來，有利于構(gòu)建全面的森林生物量量化指標體系。

高光譜方法進行重金屬污染土壤光譜測量，目前仍處于野外采集土壤樣品，室內(nèi)處理與分析的階段，雖然結(jié)果精度有所提高，卻大大降低了時效性。此外，野外實時監(jiān)測高光譜方法也有待進一步發(fā)展。已有研究[17]總結(jié)在結(jié)合典型土壤光譜庫，確定合適的水分和環(huán)境等參數(shù)，建立經(jīng)驗?zāi)Ｐ秃蛿U展算法，將低光譜數(shù)據(jù)擴展成高光譜數(shù)據(jù)，對于土壤定量遙感將具有十分重要的研究和應(yīng)用價值。

3.2.3 高光譜遙感監(jiān)測土壤重金屬的新方向

(1)空載或星載高光譜的應(yīng)用

伴隨地面、航空、航天多源信息不斷集成，結(jié)合不同高光譜數(shù)據(jù)，將逐步實現(xiàn)從重金屬污染的定性分析向定量分析發(fā)展。Pascucci等[30]使用航空和衛(wèi)星高光譜影像以及實地的采樣，用于探測光譜影像識別礦物的分布并制圖顯示重金屬污染在土壤中的擴散，結(jié)果表明高光譜遙感數(shù)據(jù)在地表礦物和廢棄物制圖方面表現(xiàn)出高效、快速和重復(fù)的特性，并能夠提供污染區(qū)域的位置。該方法仍需通過實地測量增加連續(xù)數(shù)量的采樣點做進一步驗證。Choe等[31]使用地理化學(xué)、野外光譜學(xué)以及高光譜遙感來研究西班牙某礦區(qū)重金屬污染的分布，基于土壤重金屬吸附礦物的特性和土壤重金屬的光譜特征參數(shù)作為足跡來跟蹤金屬，并擴展地表獲取的光譜參數(shù)到高光譜影像上，最終利用高光譜影像完成反演和定量化制圖重金屬分布。

空載或星載傳感器由于距離地表較遠，而且只能獲取表層土壤光譜，不存在絕對的高精度。其他的遙感光譜學(xué)分析，如微波，能夠用于探測土壤水分、質(zhì)地等，但是空間分辨率相對較低；實驗室地物光譜儀的測量可測得較高精度的土壤光譜，但是將實驗室里建立的模型推廣應(yīng)用于其他遙感數(shù)據(jù)，必須消除環(huán)境、水分、質(zhì)地、類型等對土壤光譜的影響，目前還沒有報道相關(guān)的研究成果。嘗試多源數(shù)據(jù)整合的方法，充分發(fā)揮各種數(shù)據(jù)源的綜合優(yōu)勢，將有助于提高土壤重金屬監(jiān)測的精度。

(2)土壤重金屬高光譜監(jiān)測算法的改進

目前利用遙感技術(shù)監(jiān)測土壤組成與反射光譜間關(guān)系的常用統(tǒng)計分析方法有多元逐步回歸分析[25]、主成分分析[1]和偏最小二乘回歸(PLSR)分析[32-35]。神經(jīng)元網(wǎng)絡(luò)算法、小波分析、遺傳算法等應(yīng)用不多見。盡管有研究表明，土壤屬性與光譜之間存在著非常顯著的相關(guān)性，但是在綜合應(yīng)用各種遙感數(shù)據(jù)時，有必要采用非線性和非統(tǒng)計學(xué)方法分析和識別各種因素的非線性作用。

溫健婷等[33]利用高光譜遙感數(shù)據(jù)進行了南京郊外土壤重金屬元素鉛的含量反演，凸顯出遺傳算法在高光譜反演重金屬波段選擇中具備的優(yōu)勢。Liu等[2]運用小波變換結(jié)合分析技術(shù)來提取脅迫下的水稻高光譜數(shù)據(jù)參數(shù)，其中分形分析能從遙感影像、葉或者冠層的反射光譜中了解植被的健康狀況，植被高光譜數(shù)據(jù)展示出小波變換用于光譜平滑和噪音移除的優(yōu)勢，而小波變換作為光譜分析的方法能夠消除噪聲、放大來自重金屬脅迫植被的信息。Liu等[36]創(chuàng)建BP網(wǎng)絡(luò)模型來評價重金屬脅迫下水稻葉綠素含量，結(jié)果表明構(gòu)建的最優(yōu)BP網(wǎng)絡(luò)得到的實測葉綠素含量與預(yù)測值的R2為0.9014，RMSE為2.58，BP模型比起多變量光譜指數(shù)和單一光譜指數(shù)統(tǒng)計模型的預(yù)測效果好。Liu等[27]基于野外尺度重金屬評價模型(FHMA)改進為區(qū)域尺度(RHMA)的模型來評價水稻重金屬Cd、Cu的含量。RHMA模型是基于遙感影像的像元建立的，包含的分段函數(shù)起到將光譜數(shù)據(jù)從野外尺度向區(qū)域尺度轉(zhuǎn)變的作用?，F(xiàn)有的遙感方法用于監(jiān)測重金屬污染多關(guān)注光學(xué)數(shù)據(jù)分辨率的尺度轉(zhuǎn)換問題，很少有研究關(guān)注重金屬污染評價模型由野外到大區(qū)域尺度的轉(zhuǎn)換。

4 整合多源數(shù)據(jù)監(jiān)測土壤重金屬污染

光譜學(xué)的反演研究雖取得了一定的成就，但是反演的數(shù)據(jù)多來自于實驗室或者野外的試驗，對于大區(qū)域尺度的研究不具備優(yōu)勢。現(xiàn)有的研究手段，一方面表現(xiàn)出近表面遙感技術(shù)監(jiān)測重金屬污染的優(yōu)勢，另一方面也預(yù)示著研究尺度的有限性決定監(jiān)測土壤重金屬污染結(jié)果的有效性。所以在數(shù)據(jù)獲取方式或者數(shù)據(jù)關(guān)聯(lián)性以及模型方法改進方面將呈現(xiàn)新的發(fā)展趨勢。

許多研究提倡通過整合一些變量，如生物預(yù)測變量、物理土壤參數(shù)、化學(xué)測量等，評估重金屬污染類型、程度及其分布和影響。物理參數(shù)中，土壤磁化率的測量能快速且高效地區(qū)分重金屬污染，許多空間變化的控制因子使得土壤磁化率的測量變的可靠、有效、敏感，該方法快速、非破壞性的特性，能補充傳統(tǒng)化學(xué)分析的不足，并允許短時間廣域的測定。D’Emilio等[29]提供整合高分辨率的多光譜數(shù)據(jù)和基于地表技術(shù)即土壤磁化率分析和化學(xué)分析方法預(yù)測高人為干擾區(qū)域的土壤重金屬分布，結(jié)果表明NDVI值的異常分布和土壤磁化率值具備顯著負相關(guān)關(guān)系，為減少預(yù)測使用的時間和費用提供可能性；空間衛(wèi)星探測和實地調(diào)查能用于區(qū)分污染的高危險區(qū)域，為化學(xué)分析優(yōu)化采樣點數(shù)量；整合數(shù)據(jù)的方法也有助于識別植被破壞的高危區(qū)域，有助于達到預(yù)防和保護植被的效果。Chen等[37]整合Cu和Pb含量、DEM、遙感影像、土地利用數(shù)據(jù)制圖Cu和Pb的污染分布，識別了重金屬污染源和傳輸途徑，得到了污染的高危險區(qū)域，而地形作為最重要的因子控制著Cu和Pb的空間分布，降雨形成的徑流量是重金屬污染的主要傳輸者。所以結(jié)合多源數(shù)據(jù)，精確地制圖并可視化顯示重金屬污染能夠更好地理解污染的狀況。

就土壤定量化技術(shù)的發(fā)展趨勢而言，土壤重金屬污染監(jiān)測逐步向精度更高的微觀探索技術(shù)和節(jié)約時間成本的中觀甚至宏觀監(jiān)測技術(shù)發(fā)展；遙感、GPS及其他科學(xué)手段能做到的僅是大面積、快速估算土壤重金屬含量，而非準確值，因而監(jiān)測的進一步精準化是學(xué)者研究的熱點；可以用遙感技術(shù)對土壤重金屬監(jiān)測進行實地定位[38]或者分析不同時相遙感影像動態(tài)變化。Wu等[39]結(jié)合RS和GIS技術(shù)，構(gòu)建了土壤重金屬污染的早期預(yù)警系統(tǒng)，旨在避免或消除重金屬污染的危險。該系統(tǒng)包括重金屬的探測、土地利用變化建模、重金屬累積動態(tài)模擬和危險預(yù)警，能夠預(yù)測重金屬累積過程，也可以提供決策信息。

5 結(jié)束語

野外和室內(nèi)光譜學(xué)分析土壤重金屬光譜特征，與基于遙感影像的光譜特征提取用于構(gòu)建光譜特征參數(shù)與土壤重金屬含量的關(guān)系，兩者存在很大的不同。前者需要通過實地采樣，采樣點的數(shù)量和頻率對于模型構(gòu)建的穩(wěn)定性影響較大，同時僅局限于某個時刻、某個位置的取樣，實時性比較差，只適合小范圍的監(jiān)測，要執(zhí)行重復(fù)且大區(qū)域的監(jiān)測成本高，增加采樣的數(shù)量必然會產(chǎn)生更多的不確定性和誤差，影響監(jiān)測的結(jié)果精度；后者的優(yōu)勢較明顯，遙感探測的大面積、多時相、無破壞性特征，遙感影像獲取的多途徑，為提取影像光譜特征構(gòu)建與土壤重金屬含量值的關(guān)系提供了可能性?，F(xiàn)有使用單一時間段影像用于分析的較多，對于使用連續(xù)時相影像用于檢測大區(qū)域尺度的土壤重金屬分布的研究較少。少量相關(guān)研究也只是處于理論探索階段，未來的探索旨在充分發(fā)揮連續(xù)時相影像動態(tài)監(jiān)測的優(yōu)勢，逐步將土壤重金屬的分析由定性向定量分析發(fā)展。此外，預(yù)測模型的構(gòu)建是分析的關(guān)鍵之處。變量間非線性關(guān)系的考慮使得模型能夠應(yīng)對參數(shù)的多變性，避免受到不同地理位置、土壤性質(zhì)等的限制，形成應(yīng)對不同空間尺度的遙感模型。

遙感用于區(qū)域土壤重金屬監(jiān)測時需要考慮尺度變化對土壤重金屬光譜特征波段的影響，隨著尺度的不斷增大，需要考慮的環(huán)境因素也必然會越來越復(fù)雜和多樣化。還有土壤本身的諸多特性，特別是對光譜有較大影響的因素以及元素本身的多種地球化學(xué)行為也會給區(qū)域監(jiān)測帶來干擾。此外，建立在影像基礎(chǔ)上的土壤重金屬污染量化分析會隨著定量模型的完善和連續(xù)數(shù)據(jù)的使用呈現(xiàn)新的局面，這也是定量遙感發(fā)展的必然趨勢。同樣地，定量模型的不確定性影響著結(jié)果的全面性。

參考文獻：

[1] CAI L M，XU Z C，REN M Z，et al.Source identification of eight hazardous heavy metals in agricultural soils of Huizhou，Guangdong Province，China[J].Ecotoxicology and Enivironmental Safety，2012，(78)：2-8.

[2] LIU M L，LIU X N，DING W C，et al.Monitoring stress levels on rice with heavy metal pollution from hyperspectral reflectance data using wavelet-fractal analysis[J].International Journal of Applied Earth Observation and Geoinformation，2011，(13)：246-255.

[3] 劉玉燕，劉敏，劉浩峰.城市土壤重金屬污染特征分析[J].土壤通報，2006，37(l)：184-189.

[4] JIM C Y.Soil characteristics and management in an urban Park in Hong Kong[J].Environmental Management，1998，22(5)：683-695.

[5] 張甘霖，趙玉國，楊金玲，等.城市土壤的環(huán)境問題及其研究進展[J].土壤學(xué)報，2006，44(5)：925-933.

[6] HANG X S，WANG H Y，ZHOU J M，et al.Risk assessment of potentially toxic element pollution in soils and rice (oryza sativa) in a typical area of the yangtze river delta[J].Environmental Pollution，2009，(157)：2542-2549.

[7] 解憲麗，孫波，郝紅濤.土壤可見光-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，2007，44(6)：982-993.

[8] 王璐，藺啟忠，賈東，等.基于反射光譜預(yù)測土壤重金屬元素含量的研究[J].遙感學(xué)報，2007，11(6)：906-913.

[9] 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)測研究[J].光譜學(xué)與光譜分析，2010，30(6)：1498-1502.

[10] 李淑敏，李紅，孫丹峰，等.基于熱紅外特征光譜的土壤重金屬含量估算模型研究[J].紅外，2010，31(7)：33-38.

[11] RATHOD P H，ROSSITER D G，NOOMEN M F，et al.Proximal spectral sensing to monitor phytoremediation of metal-contaminated soils[J].International Journal of Phytoremediation，2013，15(5)：405-426.

[12] 龔紹琦，王鑫，沈潤平，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.

[13] 黃長平，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)：353-357.

[14] 肖捷穎，王燕，張倩，等.土壤重金屬含量的高光譜遙感反演方法綜述[J].湖北農(nóng)業(yè)科學(xué)，2013，52(6)：1248-1253.

[15] 付馨，趙艷玲，李建華，等.高光譜遙感土壤重金屬污染研究綜述[J].中國礦業(yè)，2013，22(1)：65-68.

[16] 張順平，孫向陽，祁娜，等.光譜分析法在土壤污染監(jiān)測中的應(yīng)用研究進展[J].吉林農(nóng)業(yè)科學(xué)，2012，37(4)：21-24.

[17] 汪善勤，舒寧.土壤定量遙感技術(shù)研究進展[J].遙感信息，2007，22(6)：89-93.

[18] CHI G Y，SHI Y，CHEN X，et al.Effects of metal stress on visible/near-infrared reflectance spectra of vegetation[J].Advanced Materials Research，2012，(347-353)：2735-2738.

[19] THAKUR A K，SINGH K J.Leaf temperature as thermal bio-indicator of heavy metal pollutants[J].Journal of Agricultural Science and Technology，2012，(2)：131-137.

[20] 劉煥軍，趙春江，王紀華，等.黑土典型區(qū)土壤有機質(zhì)遙感反演[J].農(nóng)業(yè)工程學(xué)報，2011，27(8)：211-215.

[21] SRIDHAR B B M，VINCENT K R，ROBERTS J S，et al.Remote sensing of soybean stress as an indicator of chemical concentration of biosolid amended surface soils[J].International Journal of Applied Earth Observation and Geoinformation，2011，(13)：676-681.

[22] 南聰強，劉漢湖，范娟，等.基于GIS的瓦市鎮(zhèn)土壤重金屬元素綜合評價[J].中國水土保持，2012，(10)：70-72.

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

[24] 李巨寶，田慶久，吳昀昭.滏陽河兩岸農(nóng)田土壤Fe、Zn、Se元素光譜響應(yīng)研究[J].遙感信息，2005，20(3)：10-13.

[25] 李娜，呂建升，ALTERMANN W.光譜分析在植被重金屬污染監(jiān)測中的應(yīng)用[J].光譜學(xué)與光譜分析，2010，30(9)：2508-2511.

[26] 焦文濤，蔣新，余貴芬，等.土壤有機質(zhì)對鎘在土壤中吸附-解吸行為的影響[J].環(huán)境化學(xué)，2005，23(5)：545-549.

[27] LIU M L，LIU X N，LI J，et al.Estimating regional heavy metal concentrations in rice by scaling up a field-scale heavy metal assessment model[J].International Journal of Applied Earth Observation and Geoinformation，2012，(19)：12-23.

[28] LIU Y L，CHEN H，WU G F，et al.Feasibility of estimating heavy metal concentrations in phragmites australis using laboratory-based hyperspectral data：A case study along Le’an River，China[J].International Journal of Applied Earth Observation and Geoinformation，2010，(125)：166-170.

[29] DEMILIO M，MACCHIATO M，RAGOSTA M，et al.A method for the integration of satellite vegetation activities observations and magnetic susceptibility measurements for monitoring heavy metals in soil[J].Journal of Hazardous Materials，2012，(241-242)：118-126.

[30] PASCUCCI S，BASSANI C，CAVALLI R M，et al.Hyperspectral remote sensing capability for mapping near-surface asbestos deposits and pollutants dispersion in soils[C].Proceedings of Hyperspectral 2010 Workshop，F(xiàn)rascati，Italy，March，2010：17-19.

[31] CHOE E，MEER F，RUITENBEEEK F，et al.Mapping of heavy metal pollution in stream sediments using combined geochemistry，field spectroscopy，and hyperspectral remote sensing：A case study of the rodalquilar mining area，SE spain[J].Remote Sensing of Environment，2008，(112)：3222-3233.

[32] 胡芳，藺啟忠，王欽軍，等.土壤鉀含量高光譜定量反演研究[J].國土資源遙感，2012，(4)：157-162.

[33] 溫健婷，張霞，張兵，等.土壤鉛含量高光譜遙感反演中波段選擇方法研究[J].地球科學(xué)進展，2010，25(6)：625-629.

[34] PALACIOS-ORUETA A，USTIN S L.Remote sensing of soil properties in the santa Monica Mountains I.Spectral analysis[J].Remote Sensing of Environment，1998，(65)：170-183.

[35] KOKALY R F，CLARK R N.Spectroscopic determination of leaf biochemistry using band-depth analysis of absorption features and stepwise multiple linear regression[J].Remote Sensing of Environment，1999，(67)：267-287.

[36] LIU M L，LIU X N，LI M，et al.Neural-network model for estimating leaf chlorophyll concentration in rice under stress from heavy metals using four spectral indices[J].Biosystems Engineering，2010，(106)：223-233.

[37] CHEN Y Y，LIU Y L.LIU Y F，et al.Mapping of Cu and Pb contaminations in soil using combined geochemistry，topography，and remote sensing：A case study in the Le’an river floodplain，China[J].International Journal of Environmental Research and Public Health，2012，(9)：1874-1886.

[38] 吳健生，宋靜，鄭茂坤，等.土壤重金屬全量監(jiān)測方法研究進展[J].東北農(nóng)業(yè)大學(xué)學(xué)報，2011，42(5)：133-139.

[39] WU S H，ZHOU S L，CHEN D X.A framework of intelligent early warning system for pollution risk of heavy metals in soil[C].Intelligent System Design and Engineering Application (ISDEA)，Piscataway，NJ，USA，2010，(1)：20-23.