張靜靜，周衛(wèi)紅，2，鄒萌萌，劉 影，杜小龍，李建龍

(1.南京大學(xué)生命科學(xué)學(xué)院，江蘇南京 210093； 2.江蘇科技大學(xué)蘇州理工學(xué)院，江蘇張家港 215600)

近年來，隨著社會(huì)經(jīng)濟(jì)的發(fā)展、工業(yè)三廢的排放、農(nóng)藥化肥的使用、大氣沉降等，土壤重金屬污染愈加嚴(yán)重，表現(xiàn)為污染面積不斷擴(kuò)大，污染程度不斷加深，污染土壤的類型不斷增加，污染重金屬的種類不斷增多和監(jiān)測(cè)難度不斷加強(qiáng)[1]。而糧食作物也不可避免地受到重金屬的污染，經(jīng)過食物鏈的傳遞，對(duì)人類健康造成嚴(yán)重的威脅，重金屬具有隱蔽性、滯后性、不可逆性、長期性、治理難且周期長的特點(diǎn)[2]，引起了國內(nèi)外學(xué)者的廣泛關(guān)注。

常規(guī)的檢測(cè)方法雖然檢測(cè)精度高、檢出限低，但是其步驟繁瑣，破壞土壤，需要較大的人力和物力；而異位檢測(cè)不僅程序繁瑣，而且不能大面積檢測(cè)，已經(jīng)無法滿足土壤重金屬污染的快速、實(shí)時(shí)、大面積檢測(cè)需求也無法遵守早發(fā)現(xiàn)、早治理的原則。然而高光譜遙感具有宏觀、實(shí)時(shí)、原位、快速的監(jiān)測(cè)特點(diǎn)，可以滿足土壤重金屬污染監(jiān)測(cè)的需求，通過便攜式高光譜儀、航空遙感和航天遙感的應(yīng)用，實(shí)現(xiàn)由點(diǎn)到面、由定性分析到定量分析的大面積原位立體監(jiān)測(cè)[3]，將會(huì)是未來高光譜遙感監(jiān)測(cè)土壤重金屬污染的發(fā)展方向。

因此，本文主要介紹了高光譜遙感技術(shù)在土壤重金屬污染方面的應(yīng)用現(xiàn)狀、優(yōu)缺點(diǎn)、定量反演重金屬含量的建模方法及高光譜遙感技術(shù)存在的問題，提出未來可利用衛(wèi)星遙感等大尺度上的遙感影像資料，結(jié)合重金屬定量反演模型，通過污染源、土壤顏色、植物形態(tài)和生理特征、農(nóng)產(chǎn)品污染等多角度獲取土壤重金屬的污染區(qū)域和污染程度，實(shí)現(xiàn)由點(diǎn)到面，由定性分析到定量分析，向大面積原位立體監(jiān)測(cè)土壤重金屬的方向發(fā)展。

1 國內(nèi)外土壤重金屬污染現(xiàn)狀回顧

全球都存在不同程度的重金屬污染，每年全球排放鉛約5萬t、汞約1.5萬t、鎳約為100萬t、錳約1 500萬t[4]。農(nóng)田土壤重金屬污染情況的逐漸加重，已經(jīng)對(duì)人體造成傷害。如日本“鎘大米”造成的骨痛病，其農(nóng)田土壤重金屬鎘污染更為嚴(yán)重，各城市谷類及谷類制品中的鎘含量呈高值，日本人從大米中獲得的鎘攝入量平均高達(dá)40%[5]；而在泰國農(nóng)產(chǎn)品As超標(biāo)造成了“黑腳病”。國內(nèi)土壤重金屬污染現(xiàn)狀也不容樂觀，據(jù)《全國土壤污染狀況調(diào)查公報(bào)》顯示，我國耕地土壤中19.4%的點(diǎn)位受到污染。其中輕微和輕度污染比例為 16.5%，中重度污染的比例為2.9%，而無機(jī)污染物超標(biāo)點(diǎn)位數(shù)占全部超標(biāo)點(diǎn)位的82.8%。對(duì)多地區(qū)土壤中鉻、鉛、鎳、鎘、汞濃度的分析結(jié)果顯示，全國20多個(gè)省、市中有300多個(gè)重金屬污染區(qū)[6]。據(jù)統(tǒng)計(jì)，我國有2 000萬公頃耕地受到重金屬污染，約占耕地總面積的1/6；環(huán)境保護(hù)部抽測(cè)了30萬公頃保護(hù)區(qū)土壤的重金屬含量，結(jié)果顯示超標(biāo)達(dá)12%[7]。目前，多數(shù)城市的土壤受到了重金屬污染，其中2010年黃浦江中上游地區(qū)土中鎘、汞、砷、鉻和鉛質(zhì)量分?jǐn)?shù)都超過土壤背景值的60%以上[8]。

2 高光譜遙感簡介及其優(yōu)勢(shì)

高光譜遙感技術(shù)是近些年來迅速發(fā)展起來的一種全新遙感技術(shù)，它是集探測(cè)器技術(shù)、精密光學(xué)機(jī)械、微弱信號(hào)檢測(cè)、計(jì)算機(jī)技術(shù)、信息處理技術(shù)于一體的綜合性技術(shù)。按遙感平臺(tái)的高度分類大體上可分為地面遙感、航空遙感和航天遙感[9]。地面遙感主要指以高塔、車、船為平臺(tái)的遙感技術(shù)系統(tǒng)，地物波譜儀或傳感器安裝在這些地面平臺(tái)上，可進(jìn)行各種地物波譜測(cè)量。航空遙感泛指利用飛機(jī)、飛艇、氣球等空中平臺(tái)搭載傳感器對(duì)地觀測(cè)的遙感技術(shù)系統(tǒng)。航天遙感又稱太空遙感，泛指利用各種太空飛行器為平臺(tái)的遙感技術(shù)系統(tǒng)，以地球人造衛(wèi)星為主體，包括載人飛船、航天飛機(jī)和太空站，有時(shí)也把各種行星探測(cè)器包括在內(nèi)。衛(wèi)星遙感為航天遙感的組成部分，以人造地球衛(wèi)星作為遙感平臺(tái)，主要利用衛(wèi)星對(duì)地球和低層大氣進(jìn)行光學(xué)和電子觀測(cè)。

高光譜遙感可以利用很多很窄的電磁波段從目標(biāo)物體上獲取相關(guān)的光譜數(shù)據(jù)，具有快速、大范圍動(dòng)態(tài)監(jiān)測(cè)的優(yōu)勢(shì)[10]；其光譜分辨率為納米數(shù)量級(jí)，具有波段數(shù)眾多，連續(xù)性強(qiáng)的特點(diǎn)；其傳感器可在可見光到紅外光的波長范圍(0.4～2.5 μm)內(nèi)以很窄的波段寬度(3～30 nm)獲得幾百個(gè)波段的光譜信息，光譜分辨率將達(dá)到5～10 nm[11]。在成像過程中，它采用成像光譜儀以納米級(jí)的分辨率獲取地物的連續(xù)光譜信息，在植被、環(huán)境、地質(zhì)、農(nóng)業(yè)、土壤等眾多相關(guān)領(lǐng)域有巨大的應(yīng)用價(jià)值和發(fā)展前景。相對(duì)于傳統(tǒng)遙感技術(shù)，高光譜遙感技術(shù)具有以下優(yōu)點(diǎn)[12]：波段多，在可見光和近紅外光譜區(qū)間有幾十個(gè)甚至幾百個(gè)波段；光譜分辨率高，成像光譜儀的采樣間隔小，一般以10 nm為采樣間隔；空間分辨率高。高光譜遙感技術(shù)的興起是遙感技術(shù)在20世紀(jì)最大的成就之一，隨著計(jì)算機(jī)軟件、數(shù)據(jù)分析方法的發(fā)展，特別是傳感器技術(shù)水平的提高，高光譜遙感技術(shù)將會(huì)在各相關(guān)領(lǐng)域顯現(xiàn)出更廣闊的應(yīng)用前景。

3 高光譜遙感監(jiān)測(cè)土壤重金屬污染的應(yīng)用及其原理

3.1 直接監(jiān)測(cè)方法及其機(jī)理

直接監(jiān)測(cè)方法是利用地物光譜儀直接測(cè)定土壤的光譜反射率變化，基于在可見光、近紅外、中紅外和熱紅外范圍獲取的土壤高光譜分辨率連續(xù)光譜，結(jié)合實(shí)驗(yàn)室實(shí)測(cè)土重金屬元素含量和理化特性數(shù)據(jù)的輔助分析進(jìn)行敏感波段診斷特征識(shí)別[13]，從而建立土壤質(zhì)量信息反演預(yù)測(cè)模型。其機(jī)理為土壤中的重金屬元素可以被土壤有機(jī)質(zhì)、黏土礦物、鐵錳氧化物和碳酸鹽礦物等吸附，而這些土壤組分會(huì)影響土壤光譜形態(tài)和光譜反射率的大小，還可在土壤光譜中顯示出特定光譜吸收特征，這對(duì)于監(jiān)測(cè)土壤重金屬污染有重要意義[14]。Cu與反射光譜之間的相關(guān)性主要受有機(jī)質(zhì)的影響；Pb、Zn、Co、Ni主要受黏土礦物和鐵錳氧化物的影響；Cr與反射光譜之間的相關(guān)性同時(shí)受有機(jī)質(zhì)和黏土礦物的影響[15]。Ren等利用ASD FeildSpec地物光譜儀測(cè)定土壤中As、Cu、Fe的高光譜數(shù)據(jù)，發(fā)現(xiàn)0.46、1.4、1.9、2.2 μm處的光譜波段是反演寶山礦區(qū)土壤中As、Cu、Fe重金屬元素的特征波段[16]；Tan等利用ASD FieldSpecPro光譜儀獲取土壤光譜數(shù)據(jù)，建立了重金屬元素As、Zn、Cu、Cr、Pb的定量反演模型，其穩(wěn)定性和精度均較高[17]；And等采用高光譜儀測(cè)定重金屬污染區(qū)域的光譜數(shù)據(jù)，結(jié)合多元線性回歸方法(multiple linear regression，簡稱MLR)和人工神經(jīng)網(wǎng)絡(luò)方法(artificial neural network，簡稱ANN)對(duì)光譜數(shù)據(jù)進(jìn)行分析建模，預(yù)測(cè)精度較高[18]。

3.2 間接監(jiān)測(cè)方法及其機(jī)理

第1種方法是利用高光譜儀測(cè)定植物冠層和葉片的反射光譜數(shù)據(jù)，結(jié)合測(cè)定的葉片葉綠素或蛋白質(zhì)含量及實(shí)際的土壤重金屬含量等數(shù)據(jù)，選擇最佳的光譜參數(shù)，建立預(yù)測(cè)模型，通過反演葉綠素或蛋白質(zhì)含量間接估測(cè)土壤重金屬污染水平[19]。其機(jī)理為土壤重金屬可通過土壤植物根系的遷移、轉(zhuǎn)化進(jìn)入植株體內(nèi)，到達(dá)莖、葉、穗和籽粒，通過測(cè)定植物葉片的高光譜數(shù)據(jù)來計(jì)算各光譜參數(shù)值，如歸一化植被指數(shù)(normalized difference vegetation index，簡稱NDVI)、比值植被指數(shù)(ratio vegetation index，簡稱RVI)、紅邊參數(shù)、吸收谷參數(shù)等，對(duì)葉綠素含量和各光譜參數(shù)值進(jìn)行多元線性回歸分析，建立預(yù)測(cè)模型[20]；植物根部吸收重金屬元素，最后到達(dá)籽粒中，破壞葉片和籽粒載體蛋白的活性，引起葉片氮素和籽粒蛋白質(zhì)含量變化，進(jìn)而引起反射光譜的變化[21]。仲曉春等以不同濃度鎘脅迫下水稻冠層光譜特征及植株各器官鎘含量間的定量關(guān)系，構(gòu)建了適用于2個(gè)水稻品種各器官的鎘脅迫遙感監(jiān)測(cè)的預(yù)測(cè)模型[22]；趙祥等利用ASD FieldSpec Pro光譜儀測(cè)定冬小麥冠層的光譜數(shù)據(jù)，利用偏最小二乘回歸法構(gòu)建冬小麥冠層高光譜數(shù)據(jù)與葉綠素a、葉綠素b含量的定量計(jì)算模型，估測(cè)土壤重金屬污染程度[23]。

第2種方法是利用航空或航天遙感，主要是飛機(jī)、人造衛(wèi)星等搭載傳感器，連續(xù)獲取地表土壤重金屬污染信息，實(shí)現(xiàn)土壤重金屬污染的實(shí)時(shí)、宏觀、原位、立體監(jiān)測(cè)[24]。這方面已有了初步進(jìn)展，關(guān)麗等利用Hyperion高光譜衛(wèi)星遙感數(shù)據(jù)和大量的地面實(shí)測(cè)數(shù)據(jù)，確定了監(jiān)測(cè)水稻葉綠素變化的敏感遙感參數(shù)；其中，改進(jìn)的葉綠素吸收反射指數(shù)(modified chlorophyll absorption in reflectance index，簡稱MCARI)遙感參數(shù)對(duì)鎘污染的水稻葉綠素含量變化最為敏感，相應(yīng)系數(shù)達(dá) 0.59[25]。因此，可以通過高光譜遙感參數(shù)的變化初步監(jiān)測(cè)大面積土壤鎘污染，但估算精度還有待進(jìn)一步提高。楊靈玉等建立土壤重金屬As、Pb、Zn、Cd含量與Hyperion高光譜影像植被反射率及植被指數(shù)間的估算模型，運(yùn)用Zn、Cd的光譜反射率估算模型與Hyperion影像相結(jié)合反演得到土壤重金屬Zn、Cd含量的空間分布，也可間接估算土壤重金屬Zn、Cd的含量[26]。也有研究者利用HJ-1衛(wèi)星影像與NDVI-SPAD反演模型相結(jié)合，進(jìn)行冬小麥葉片綠色度(soil and plant analyzer development，簡稱SPAD)含量反演，實(shí)現(xiàn)從地面監(jiān)測(cè)到衛(wèi)星遙感不同尺度的冬小麥SPAD反演，冬小麥SPAD可以作為土壤重金屬污染狀況的響應(yīng)因子，根據(jù)冬小麥的SPAD可以實(shí)時(shí)反映土壤重金屬污染情況[27]。

4 高光譜遙感技術(shù)反演土壤重金屬含量的建模過程

4.1 最佳反演波段的選擇

土壤高光譜遙感研究可利用波段覆蓋了可見光、近紅外、中紅外和熱紅外區(qū)域，高光譜數(shù)據(jù)以其高光譜分辨率和多而連續(xù)的光譜波段為預(yù)測(cè)土壤重金屬污染提供了有力工具，但波段選擇方法與光譜分辨率的影響不容忽視[28]。土壤吸附重金屬的物質(zhì)組成、理化性質(zhì)及吸附機(jī)理的差異，使土壤重金屬高光譜反演建模的最佳反演波段具有較大差異。黃長平等利用逐步回歸法選擇土壤Cu含量反演的最佳波段數(shù)為10個(gè)，預(yù)測(cè)Cu含量的最佳光譜采樣間隔為32 nm，該結(jié)果可為利用高光譜遙感預(yù)測(cè)土壤重金屬含量提供理論依據(jù)[29]。李淑敏等利用高光譜遙感分析方法探究了北京地區(qū)農(nóng)業(yè)土壤中8種重金屬(Cr、Ni、Cu、Zn、As、Cd、Pb、Hg)的最佳波段是熱紅外波段[30]。

4.2 高光譜數(shù)據(jù)預(yù)處理

在重金屬污染區(qū)域采集土壤樣品的過程中，難免會(huì)受到光譜儀的噪音和周圍環(huán)境的影響，所以要對(duì)獲取的原始高光譜數(shù)據(jù)進(jìn)行預(yù)處理。

4.2.1 斷點(diǎn)校正[31]ASD FeildSpec地物光譜儀在350～1 000 nm 采用低噪聲512陣元光PDA陣列探測(cè)器，1 000～2 500 nm 區(qū)間采用了2個(gè)hiGaAs探測(cè)器。因此在光譜儀2類探測(cè)元件的結(jié)合處易出現(xiàn)誤差，在1 000 nm波段附近，原始光譜曲線出現(xiàn)陡變，為了消除斷點(diǎn)誤差，使用光譜儀自帶處理軟件ViewSpec Pro對(duì)光譜數(shù)據(jù)進(jìn)行斷點(diǎn)修正。

4.2.2 重采樣[18]高光譜遙感在每個(gè)波段都有反射光譜數(shù)據(jù)，所以會(huì)產(chǎn)生數(shù)據(jù)冗余，為了消除光譜數(shù)據(jù)采集過程中相鄰波段間的數(shù)據(jù)冗余，采用10 nm間隔重采樣進(jìn)行算術(shù)平均值運(yùn)算，得到的光譜曲線較為平滑，保持了原始光譜曲線的光譜特征。

4.2.3 光譜一階微分[32]高光譜數(shù)據(jù)測(cè)定易受光照強(qiáng)度、測(cè)定角度、樣品質(zhì)量等因素的影響，為防止光譜數(shù)據(jù)的信噪比偏低，對(duì)光譜數(shù)據(jù)進(jìn)行一階微分處理，去除部分線性或接近線性的背景、噪聲光譜對(duì)目標(biāo)光譜的影響。

4.2.4 光譜倒數(shù)對(duì)數(shù)[32]光譜數(shù)據(jù)定量分析中，光譜倒數(shù)對(duì)數(shù)可以有效增強(qiáng)相似光譜間的差異，是土壤高光譜研究中光譜數(shù)據(jù)預(yù)處理常用的方法。

4.2.5 連續(xù)統(tǒng)去除法[32]連續(xù)統(tǒng)去除就是用實(shí)際光譜反射率值去除包絡(luò)線上相應(yīng)波段反射率值，其特點(diǎn)就是將反射率光譜歸一化到0～1之間的值。作為一種常用的光譜分析法，它可以有效地突出光譜曲線的吸收和反射特征，使光譜的吸收特征歸一化到一致的光譜背景，有利于和其他光譜曲線的特征數(shù)值作比較。

4.2.6 小波變換方法[32]此方法被廣泛應(yīng)用于光譜數(shù)據(jù)的預(yù)處理、數(shù)據(jù)壓縮、小波系數(shù)的模型建立等方面，在處理光譜圖像、數(shù)據(jù)分析技術(shù)中具有良好的發(fā)展前景。

4.3 建模方法

土壤光譜是土壤內(nèi)部各類活性組分光譜特征的非線性組合，而土壤的組成成分非常復(fù)雜，使得直接建立土壤重金屬元素種類、含量和光譜特征之間的數(shù)學(xué)物理模型極其困難。目前基于反射光譜的投入重金屬含量研究通常采用經(jīng)驗(yàn)統(tǒng)計(jì)方法建立預(yù)測(cè)土壤重金屬含量模型，主要包括單變量回歸(single variable regression，簡稱SVR)、多元線性回歸(multiple linear regression，簡稱MLR)、主成分分析方法(principal component regression，簡稱PCR)、偏最小二乘回歸法(partial least squares regression，簡稱PLSR)等方法[33]。相對(duì)于常規(guī)檢測(cè)方法，建立預(yù)測(cè)模型可以更直觀、更方便、更迅速、更精確地分析、判斷出土壤受重金屬污染的狀況，這將是監(jiān)測(cè)土壤重金屬的一個(gè)重要手段。

4.3.1 單變量統(tǒng)計(jì)分析 單變量統(tǒng)計(jì)分析方法主要探討土壤重金屬含量和光譜反射率之間是否存在顯著的相關(guān)性，選擇相關(guān)性最顯著的波段建立模型預(yù)測(cè)土壤重金屬含量[34]。李淑敏等利用光譜分析方法探索北京地區(qū)農(nóng)業(yè)土壤中8種重金屬(Cr、Ni、Cu、Zn、As、Cd、Pb、Hg)含量與可見-近紅外光譜反射率的關(guān)系，證明了一階微分光譜最適于獲取土壤中的重金屬元素信息，且土壤重金屬含量與反射光譜之間存在顯著相關(guān)關(guān)系[35]。

4.3.2 多元統(tǒng)計(jì)分析 多元統(tǒng)計(jì)分析方法是光譜學(xué)研究中預(yù)測(cè)光譜特征的常用方法，在分析過程中綜合使用較多的光譜波段，從而提高了統(tǒng)計(jì)預(yù)測(cè)的精確度。常用的主要包括多元線性回歸方法、主成分分析方法和偏最小二乘回歸法[34]。此外還可運(yùn)用人工神經(jīng)網(wǎng)絡(luò)和幾種多元統(tǒng)計(jì)分析方法相結(jié)合來建立模型，反演土壤重金屬含量。

4.3.2.1 多元線性回歸法 多元線性回歸方法是將土壤重金屬元素的含量與土壤反射光譜進(jìn)行相關(guān)性分析，尋找與重金屬元素相關(guān)性較好的光譜特征波段，將重金屬含量與光譜特征波段的各光譜變量進(jìn)行多元線性回歸分析[36]。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監(jiān)測(cè)的最佳回歸模型。龔紹琦等利用逐步回歸分析方法，對(duì)土壤重金屬與土壤光譜變量進(jìn)行相關(guān)分析，結(jié)果表明研究區(qū)3種重金屬與波長429、470、490、1 430、2 398、2 455 nm 處光譜變量具有很好的相關(guān)性；在建立的逐步回歸模型中，以一階微分處理的模型精度最高[37]。胡佳楠等運(yùn)用逐步多元線性回歸法建立土壤汞含量的高光譜估算模型，結(jié)果表明反射率一階微分光譜是估算土壤汞含量較好的方法，R2為0.93，精度較高[38]。綜上所述，多元線性回歸法建立預(yù)測(cè)模型的精度較高，但當(dāng)研究變量較多時(shí)，多元線性回歸的預(yù)測(cè)模型易出現(xiàn)過度擬合現(xiàn)象，樣本間的多重相關(guān)性會(huì)降低模型的穩(wěn)定性；重金屬元素含量與光譜之間的關(guān)系不一定只是簡單的線性關(guān)系，可能存在非線性關(guān)系。

4.3.2.2 主成分分析方法 主成分分析方法是指從多個(gè)數(shù)值變量(指標(biāo))之間的相互(相關(guān))關(guān)系入手，利用原始變量間的相關(guān)性，將多個(gè)變量轉(zhuǎn)化成少數(shù)幾個(gè)互不相關(guān)的綜合指標(biāo)的多元統(tǒng)計(jì)方法，它可以通過內(nèi)部檢驗(yàn)來防止過度擬合[39]。高偉對(duì)鎘污染脅迫下空心菜葉片的12個(gè)光譜波段進(jìn)行主成分分析，結(jié)果發(fā)現(xiàn)前2個(gè)新因子的方差積累貢獻(xiàn)率在85%以上，F(xiàn)1與葉片鎘含量呈顯著負(fù)相關(guān)(R=-0.845，n=18，P<0.01)；在F1與葉片鎘含量的散點(diǎn)圖中進(jìn)行一元線性回歸模擬，R2達(dá)到0.714，故F1可以較好地反映空心菜鎘污染情況[31]。由于高光譜數(shù)據(jù)波段較多且相鄰波段內(nèi)部相關(guān)性較高，主成分分析方法也不是最佳的重金屬含量反演建模方法，模型的精確度和穩(wěn)定性不高。

4.3.2.3 偏最小二乘回歸法[40]當(dāng)2組變量較多，且都存在多重相關(guān)性，而觀測(cè)數(shù)據(jù)數(shù)量較少時(shí)，與傳統(tǒng)的多元線性回歸方法相比，偏最小二乘回歸法解決了多元線性回歸法面臨的多重共線性問題，精確度較高，綜合了多元線性回歸和主成分分析這2種方法。與人工神經(jīng)網(wǎng)絡(luò)方法相比，其因子負(fù)荷可以更為形象地揭示自變量和因變量的關(guān)系。鄭光輝等利用偏最小二乘回歸方法建立反射光譜與土壤As含量之間的模型，通過交叉驗(yàn)證、估算檢驗(yàn)?zāi)Ｐ途龋Y(jié)果表明可以利用反射光譜估算土壤中As含量，通過偏最小二乘回歸方法建模提高模型精度是可行的[41]。對(duì)于上面幾種建模方法，偏最小二乘回歸法能夠在波段個(gè)數(shù)較多且存在嚴(yán)重自相關(guān)的情況下進(jìn)行回歸建模，能較好地解決多重共線性問題，適用于連續(xù)的光譜分析[42]。

4.3.2.4 其他非線性數(shù)學(xué)分析方法 如人工神經(jīng)網(wǎng)絡(luò)模型方法，它是一種通過模仿人的中樞神經(jīng)系統(tǒng)神經(jīng)元之間相互聯(lián)系的方式來進(jìn)行計(jì)算的信息處理技術(shù)，以此構(gòu)建預(yù)測(cè)模型，這種方法將會(huì)大大提高預(yù)測(cè)模型的精度[43]。李蜜等通過地面實(shí)測(cè)獲取了重金屬污染區(qū)域水稻的光譜反射率、葉片葉綠素含量、葉片及土壤重金屬含量等數(shù)據(jù)，建立了用于預(yù)測(cè)水稻農(nóng)田重金屬污染水平的模糊神經(jīng)網(wǎng)絡(luò)模型[44]。結(jié)果表明，該模型的精度較高，預(yù)測(cè)的葉綠素含量與實(shí)測(cè)值擬合度較好(R2=0.985)，可以更精確地測(cè)定出農(nóng)田重金屬含量。雖然此方法可以大大提高預(yù)測(cè)模型的精確度，但也存在一定的問題。比如計(jì)算過程比較復(fù)雜；神經(jīng)元數(shù)目的多少難以確定；數(shù)目越多，越易出現(xiàn)樣本過度擬合的現(xiàn)象；模型的有效性難以確定[45]。

5 高光譜遙感監(jiān)測(cè)土壤重金屬污染存在的問題和發(fā)展趨勢(shì)

5.1 存在的問題

污染土壤中重金屬的光譜信息非常微弱，目前利用高光譜遙感檢測(cè)土壤重金屬仍存在較多的問題，因此要以高光譜遙感技術(shù)對(duì)土壤重金屬含量進(jìn)行定量反演，總體上具有較大難度，還需要研究者們共同努力。(1)土壤是一個(gè)復(fù)雜的混合系統(tǒng)，重金屬污染土壤中重金屬元素的光譜信息較為微弱，利用高光譜遙感測(cè)定土壤反射光譜數(shù)據(jù)還需排除光照、溫度、水分、有機(jī)質(zhì)等多種環(huán)境因素的影響；因此，對(duì)光譜信息的收集、處理、建模和反演都有較高的難度。(2)目前利用高光譜遙感監(jiān)測(cè)土壤重金屬污染，仍處于室外采集土壤樣品、室內(nèi)分析的檢測(cè)階段，短時(shí)間內(nèi)難以實(shí)現(xiàn)航空、航天空間遙感來動(dòng)態(tài)監(jiān)測(cè)。(3)利用高光譜遙感定量反演重金屬元素含量的定量模型仍然存在預(yù)測(cè)精度不高的問題。(4)利用高光譜遙感監(jiān)測(cè)大面積土壤重金屬污染時(shí)，要考慮尺度變化對(duì)土壤重金屬光譜特征波段的影響，隨著監(jiān)測(cè)尺度的不斷增大，環(huán)境因素必然更加復(fù)雜和多樣化，對(duì)土壤光譜信息的干擾也更嚴(yán)重。

5.2 發(fā)展趨勢(shì)

雖然目前高光譜遙感檢測(cè)土壤重金屬還存在較多缺陷和不足，但是隨著現(xiàn)代科學(xué)技術(shù)、硬件設(shè)備的發(fā)展和傳感器技術(shù)的逐漸成熟，高光譜遙感在監(jiān)測(cè)土壤重金屬污染方面仍具有巨大的發(fā)展?jié)摿Α?/p>

5.2.1 由點(diǎn)到面的多方面、多角度原位立體監(jiān)測(cè)土壤重金屬的污染范圍和程度 利用高光譜遙感影像資料可以從污染源、土壤顏色、植物葉片顏色和形態(tài)變化、植物生理生化指標(biāo)變化來判斷土壤重金屬污染狀況，還可定量檢測(cè)農(nóng)產(chǎn)品中重金屬含量，從各個(gè)方面和角度監(jiān)測(cè)土壤重金屬污染。

5.2.2 由被動(dòng)檢測(cè)上升到主動(dòng)監(jiān)測(cè) 傳統(tǒng)的檢測(cè)方法需要進(jìn)行室外取樣、室內(nèi)化學(xué)分析，不能提前防控，只有在土壤污染后才可檢測(cè)出來；而且只能以點(diǎn)代面，無法做到大面積監(jiān)測(cè)，因此屬于被動(dòng)檢測(cè)方法。而高光譜遙感技術(shù)可以實(shí)現(xiàn)由點(diǎn)到面的大面積原位監(jiān)測(cè)，無論土壤是否被重金屬污染，都能實(shí)時(shí)立體監(jiān)測(cè)。這有助于人們?cè)绨l(fā)現(xiàn)、早治理，做好管控工作，屬于主動(dòng)監(jiān)測(cè)方法。而且高光譜遙感的平臺(tái)較多，從地面到航空再到航天平臺(tái)，可以在各尺度上實(shí)時(shí)、快速、主動(dòng)監(jiān)測(cè)土壤重金屬污染。對(duì)于日益嚴(yán)重的土壤重金屬污染狀況，高光譜遙感技術(shù)將會(huì)成為主要的監(jiān)測(cè)手段。

5.2.3 由化學(xué)檢測(cè)轉(zhuǎn)變到綜合監(jiān)測(cè) 實(shí)驗(yàn)室化學(xué)檢測(cè)方法屬于異位檢測(cè)，無法滿足快速、大面積獲取土壤重金屬污染信息的需求。而隨著高光譜遙感技術(shù)的發(fā)展，未來可以利用不同的遙感平臺(tái)綜合獲取大面積的農(nóng)田土壤重金屬的光譜信息。小范圍上利用手持傳感器、遙感車等，中等范圍上利用無人機(jī)、熱氣球等航空平臺(tái)，大范圍上利用人造地球衛(wèi)星等航天平臺(tái)獲取高光譜遙感數(shù)據(jù)；從而實(shí)時(shí)、快速、綜合地獲取土壤重金屬污染信息，做到大面積原位立體監(jiān)測(cè)、綜合監(jiān)測(cè)和治理土壤重金屬污染。

5.2.4 多學(xué)科、多技術(shù)結(jié)合，從大尺度上監(jiān)測(cè)土壤重金屬污染 使高光譜遙感(hyperspectral sensing，簡稱RS)與地理信息系統(tǒng)(geographic information system，簡稱GIS)、全球定位系統(tǒng)(global positioning system，簡稱GPS)結(jié)合，綜合利用地面便攜式高光譜儀、航空遙感、航天遙感獲取土壤重金屬污染的光譜信息，通過生態(tài)學(xué)、分子生物學(xué)、計(jì)算機(jī)科學(xué)、傳感器技術(shù)等跨學(xué)科的交叉融合，最終實(shí)現(xiàn)土壤重金屬污染的宏觀動(dòng)態(tài)監(jiān)測(cè)，實(shí)時(shí)掌握大面積土壤重金屬污染的信息，判斷土壤重金屬污染的程度、類型和深度等，構(gòu)建大面積原位立體監(jiān)測(cè)系統(tǒng)，以此實(shí)現(xiàn)早發(fā)現(xiàn)、早治理。這也是未來高光譜遙感監(jiān)測(cè)土壤重金屬污染的主要發(fā)展趨勢(shì)。

5.2.5 高光譜遙感最佳光譜參數(shù)或植被指數(shù)的選擇 成像光譜儀的出現(xiàn)使從便攜式成像光譜儀到飛機(jī)、熱氣球再到衛(wèi)星平臺(tái)上獲取高光譜分辨率圖像數(shù)據(jù)成為可能。但是如何選擇合適的光譜指數(shù)或植被指數(shù)是一個(gè)難題。由于研究對(duì)象和區(qū)域的不同，同一種重金屬的最佳光譜參數(shù)或植被指數(shù)也不同，現(xiàn)有的光譜指數(shù)大多是基于有限的數(shù)據(jù)集構(gòu)建的，這使模型在選擇和應(yīng)用上沒有一致性[46]，因此設(shè)計(jì)一個(gè)規(guī)范的高光譜數(shù)據(jù)轉(zhuǎn)換及處理方法也是今后的一個(gè)重要研究方向。