趙玉玲，楊楠楠*，張海霞，王小劍，孫秀云，王煒

1.河北工程大學(xué)礦業(yè)與測(cè)繪工程學(xué)院，河北 邯鄲 056038；2.邯鄲市自然資源空間信息重點(diǎn)實(shí)驗(yàn)室，河北 邯鄲 056038；3.河北工程大學(xué)能源與環(huán)境工程學(xué)院，河北 邯鄲 056038

土壤是人類賴以生存、發(fā)展的基礎(chǔ)，工礦產(chǎn)業(yè)的發(fā)展不斷危及周邊城市土壤環(huán)境，城市重金屬問題越發(fā)顯著（葛曉穎等，2019），定量監(jiān)測(cè)重金屬對(duì)居民健康意義重大（肖捷穎等，2013）。傳統(tǒng)實(shí)驗(yàn)室法土壤重金屬監(jiān)測(cè)較為精準(zhǔn)，但在實(shí)驗(yàn)設(shè)備、經(jīng)濟(jì)、實(shí)用性等方面有待考究（龔海明等，2013），高光譜遙感基于高空成像技術(shù)和地物高光譜（Liu et al.，2015；Lausch et al.，2015），具有多波段、光譜分辨率高、光譜區(qū)分力強(qiáng)等特點(diǎn)，可用于更精細(xì)的土壤重金屬分布制圖（羅甫林，2017）。因而目前趨向于由地面光譜儀數(shù)據(jù)或星載高光譜數(shù)據(jù)（Liu et al.，2015；楊靈玉等，2016）進(jìn)行土壤重金屬高光譜監(jiān)測(cè)，實(shí)現(xiàn)由點(diǎn)到面、由定性到定量分析的大范圍立體監(jiān)測(cè)（周斌等，2016）。研究證實(shí)，電子躍遷是土壤光譜形成特征波段的主要成因，重金屬含量與其光譜響應(yīng)特征波段的相關(guān)性是進(jìn)行土壤重金屬光譜反演的基礎(chǔ)（Stazi et al.，2014；付萍杰等，2018）。土壤重金屬研究目前多集中于礦區(qū)、煤田區(qū)與農(nóng)田污灌區(qū)（Tan et al.，2014；榮媛等，2017；周烽松等，2019），而鮮有對(duì)城市土壤重金屬高光譜反演的研究，且大多探索城市不同功能區(qū)土壤重金屬反演模型，如李瓊瓊等（2019）和劉曉清等（2019）基于土壤Zn、Pb高光譜特征，分別構(gòu)建了上海閔行居民區(qū)和城市交通綠地的SMLR和PLSR模型，驗(yàn)證了運(yùn)用土壤光譜估算城市土壤重金屬的可行性，且PLSR模型取得了較佳預(yù)測(cè)效果；王榮華（2017）則通過對(duì)上海城市樣帶土壤光譜特征進(jìn)行分析，建立了不同土地利用類型下的高光譜反演模型，研究表明SMLR和PLSR模型在不同功能區(qū)的預(yù)測(cè)效果明顯不同，并認(rèn)為該點(diǎn)與人類干預(yù)相關(guān)。城市重金屬污染因素繁雜，規(guī)律難尋，且嚴(yán)重威脅居民生命安全，因而對(duì)城市重金屬含量及其分布特征進(jìn)行定量監(jiān)測(cè)具有重大意義。

模型方法中，遙感技術(shù)、統(tǒng)計(jì)學(xué)建模等方法的綜合應(yīng)用，拓寬了重金屬動(dòng)態(tài)監(jiān)測(cè)的分析維度，從而達(dá)到從宏觀定性到微觀定量的本質(zhì)飛躍（譚林等，2017）。預(yù)測(cè)模型相對(duì)常規(guī)檢測(cè)能便捷、精準(zhǔn)的分析判斷土壤重金屬污染現(xiàn)狀和趨勢(shì)，是監(jiān)測(cè)土壤重金屬的重要手段之一（趙忠明等，2012）?；谕寥乐亟饘俟庾V的多響應(yīng)帶及其波段間的強(qiáng)相關(guān)性，目前多采用基于光譜變換指標(biāo)的神經(jīng)網(wǎng)絡(luò)、SMLR、PLSR等非線性預(yù)測(cè)模型，模型預(yù)測(cè)精度得到提高。然而，任紅艷等（2009）在構(gòu)建礦區(qū)農(nóng)田土壤As、Fe預(yù)測(cè)模型時(shí)發(fā)現(xiàn)，主成分分析比PLSR模型反演精度更高，因此，需要根據(jù)具體的重金屬研究對(duì)象確定適合的反演模型。城市土壤重金屬污染問題關(guān)乎國計(jì)民生，引發(fā)社會(huì)各界重視，依靠傳統(tǒng)手段進(jìn)行土壤重金屬研究相對(duì)落后，目前高光譜遙感以其波段多、數(shù)據(jù)量大、圖譜合一等優(yōu)勢(shì)應(yīng)用廣泛。因此本文基于重金屬含量實(shí)測(cè)數(shù)據(jù)和ASD采集的高光譜數(shù)據(jù)，研究并建立邯鄲市重金屬SMLR、PLSR定量反演模型，旨在定量估算邯鄲市土壤重金屬含量，提高土壤重金屬監(jiān)測(cè)時(shí)效性，對(duì)城市居民健康具有重要意義，同時(shí)也可在波段設(shè)置方面為后續(xù)邯鄲市土壤重金屬監(jiān)測(cè)和土壤環(huán)境保護(hù)工作提供借鑒和支持。

1 材料與方法

1.1 研究區(qū)概況

本文研究區(qū)是河北省第三大城市——邯鄲市，該區(qū)域四季分明，溫帶大陸性季風(fēng)氣候顯著，氣候宜人。邯鄲市地勢(shì)自西向東傾斜，地貌類型復(fù)雜多樣，土地利用地域分異明顯（吳旭等，2010）。自西向東依次為山地、丘陵、平原，中西部山地丘陵區(qū)地形破碎、植被稀疏，水土流失嚴(yán)重，礦井塌陷面積大，灰塵污染隨處可見。全市人口眾多，近年來邯鄲市耕地劇減，人地矛盾突出（陳風(fēng)云，2014），另外人類活動(dòng)如化工生產(chǎn)、農(nóng)藥化肥施用、畜禽養(yǎng)殖等，導(dǎo)致外源重金屬進(jìn)入土壤富集，土壤退化嚴(yán)重，造成該區(qū)域土壤重金屬高污染現(xiàn)狀。基于上述研究，在研究區(qū)內(nèi)隨機(jī)選取31個(gè)樣本，在采樣的同時(shí)用手持GPS定位，挖取0—20 cm深的淺表土樣約1 kg，用標(biāo)號(hào)的保鮮袋密封運(yùn)回實(shí)驗(yàn)室，經(jīng)自然風(fēng)干去除草根石礫后研磨，過100目篩子后分成兩份，以備重金屬含量分析和光譜測(cè)定（王小劍等，2019）。圖1為研究區(qū)土壤樣本分布圖。

1.2 研究方法

1.2.1 土壤重金屬含量檢測(cè)與分析

土壤樣品經(jīng)三酸消解后采用 ICP-OES法獲得Fe、Cd、Co、Cr、Cu、Mn、Ni、Pb、Zn、As、Hg共11種土壤重金屬含量數(shù)據(jù)，檢測(cè)出限均小于0.05 mg·kg-1，測(cè)定均由空白樣和加標(biāo)回收樣控制質(zhì)量（王小劍等，2019），得到表1所示重金屬元素含量統(tǒng)計(jì)特征。由表1可知，除As外，其余重金屬元素均呈現(xiàn)中等變異性（＞20%），元素含量呈近似正態(tài)分布，進(jìn)一步由K-S正態(tài)檢驗(yàn)的P值均大于0.05，接受樣區(qū)土壤樣本呈正態(tài)分布，即土壤樣本具有隨機(jī)代表性。內(nèi)梅羅綜合污染指數(shù)P綜表明，研究區(qū)Cd、Hg、Pb污染最為嚴(yán)重，Cr、Cu、Ni、Zn污染較輕。

1.2.2 光譜測(cè)定與預(yù)處理

圖1 研究區(qū)土壤采樣點(diǎn)分布圖Fig.1 Distribution map of soil samples in the study area

表1 土壤重金屬元素含量統(tǒng)計(jì)特征Table 1 Statistical characteristics of heavy metal elements content in soil

采用美國ASD Field 4地物波譜儀自帶的高密度反射探頭進(jìn)行光譜數(shù)據(jù)采集，實(shí)驗(yàn)于暗箱中進(jìn)行，土壤樣本分別放置于直徑10 cm，深1 cm的盛樣器皿中，垂直照射刮平的樣本表面。采樣前進(jìn)行儀器預(yù)熱并使用參考白板進(jìn)行標(biāo)定，每個(gè)土樣采集8條光譜曲線，用光譜處理軟件ViewSpecPro查看并剔除明顯錯(cuò)誤光譜，求平均值作為光譜反射率初始數(shù)據(jù)（易興松等，2018）。光譜預(yù)處理能凸顯光譜的特征波段，消減光譜信息的隨機(jī)誤差，提高模型的預(yù)測(cè)能力，因而在光譜分析中十分必要（Galvez-sola et al.，2010），主要處理方法包括光譜平滑、光譜變換、連續(xù)統(tǒng)去除等。因此，本文使用光譜儀軟件自帶的斷點(diǎn)修正工具消除不同探測(cè)元件造成的誤差，于ENVI中采用9點(diǎn)加權(quán)移動(dòng)平均法對(duì)光譜平滑降噪，圖2為經(jīng)斷點(diǎn)修正和平滑處理前后的土樣反射光譜，光譜較為穩(wěn)定，且經(jīng)修正后的曲線在1000 nm和1700 nm處變的更平滑。目標(biāo)光譜測(cè)定受儀器、背景環(huán)境等影響，光譜信息被削弱，因而變換光譜數(shù)據(jù)指標(biāo)，以消除或減弱背景噪聲誤差，增強(qiáng)目標(biāo)光譜信息，提高信噪比（汪大明，2018）。本文將經(jīng)修正和平滑降噪處理后的反射率光譜稱為反射光譜R，分別提取R，R的一階微分（R′）、二階微分（R″），R的倒數(shù)對(duì)數(shù)，R的倒數(shù)對(duì)數(shù)的一階微分、二階微分，R的平方根，R的連續(xù)統(tǒng)去除（CR）等共8種指標(biāo)的光譜值，以備后續(xù)土壤重金屬反演。

1.2.3 土壤重金屬高光譜建模

目前研究多從統(tǒng)計(jì)學(xué)角度入手，利用實(shí)測(cè)高光譜數(shù)據(jù)與土壤重金屬含量數(shù)據(jù)之間的相關(guān)性，通過特征波段選取建立經(jīng)驗(yàn)統(tǒng)計(jì)模型，實(shí)現(xiàn)重金屬高光譜定量估算（張秋霞等，2017）。在SPSS 24.0中，計(jì)算重金屬元素含量與 8種指標(biāo)光譜值的相關(guān)系數(shù)，結(jié)果表明微分指標(biāo)與土壤重金屬的相關(guān)性較原始反射光譜得到大幅度提高，尤其是二階微分。剔除噪聲明顯的 350—400 nm和2480—2500 nm兩個(gè)邊緣波段，其余波段按照微分指標(biāo)值與重金屬元素含量相關(guān)性大小排序，并篩選出在0.05或0.01水平顯著相關(guān)且相關(guān)性最大的前15個(gè)波段作為光譜特征候選波段（徐夕博等，2018），若光譜指標(biāo)值與某一重金屬含量最大相關(guān)性絕對(duì)值低于0.5，則該重金屬不再建立相應(yīng)指標(biāo)模型。將提取特征波段的不同指標(biāo)值作為自變量，元素含量值作為因變量，在SPSS中建立SMLR模型，在SIMCA-P 11.0中建立偏最小二乘PLSR模型。研究中將各重金屬含量從小到大對(duì)樣本排序，每隔2個(gè)樣本抽取一個(gè)樣本，共抽取10個(gè)樣本作為模型預(yù)測(cè)集，剩余21個(gè)樣本作為建模集，分別用于模型建立與驗(yàn)證。

圖2 土壤光譜反射率R曲線處理前后對(duì)比Fig.2 Comparison of soil spectral reflectance R before and after treatment

1.2.4 模型驗(yàn)證與評(píng)價(jià)

土壤重金屬光譜反演受空間非連續(xù)性、光譜預(yù)處理、樣本數(shù)量等因素影響，模型選擇和反演精度不同（葉明亮等，2018；Wei et al.，2011）。決定系數(shù)R2常用來評(píng)價(jià)回歸模型的優(yōu)劣，但隨著模型引入自變量個(gè)數(shù)的增加，R2將不斷增大，因而對(duì)自變量個(gè)數(shù)不同的回歸模型進(jìn)行比較時(shí)，不能簡單地用R2作為評(píng)價(jià)回歸方程的標(biāo)準(zhǔn)，還必須考慮方程所包含的自變量個(gè)數(shù)的影響。因此本文通過校正決定系數(shù)AdjustedR2評(píng)估回歸模型的擬和優(yōu)度，通過建模均方根誤差RMSEC和預(yù)測(cè)均方根誤差RMSEP對(duì)模型的預(yù)測(cè)能力進(jìn)行評(píng)價(jià)，計(jì)算公式如下：

其中，xi為土樣重金屬元素含量實(shí)測(cè)值，模型樣本重金屬含量平均值，為模型預(yù)測(cè)值，P為模型入選特征波段數(shù)，n為模型樣本數(shù)，Nc、Np分別為建模和預(yù)測(cè)模型樣本個(gè)數(shù)。AdjustedR2可抵消樣本數(shù)量對(duì)模型決定系數(shù)R2的影響，是衡量所建模型好壞的重要指標(biāo)之一，其值越大代表模型擬合效果越好，而RMSE表征模型誤差，其值越小模型精度越高。表2、3所示，統(tǒng)計(jì)了R′、R′′以及這4種主要指標(biāo)的相關(guān)模型信息，而其他4種指標(biāo)因與重金屬相關(guān)性差、建模效果普遍較差而不再探討。

表2 重金屬含量與各微分指標(biāo)值最大相關(guān)波段統(tǒng)計(jì)Table 2 Statistical analysis of the maximum correlation band between heavy metal content and each differential index value

2 結(jié)果與分析

2.1 相關(guān)特征波段統(tǒng)計(jì)分析

通過相關(guān)分析發(fā)現(xiàn)，光譜指標(biāo)變換可以增強(qiáng)光譜信號(hào)，提高重金屬與波譜相關(guān)性r，突出光譜特征波段，對(duì)模型的精度影響較大。圖3所示為反射光譜R及其相關(guān)微分指標(biāo)與重金屬含量的相關(guān)性圖，研究發(fā)現(xiàn)，二階微分指標(biāo)與重金屬的相關(guān)性大于一階微分指標(biāo)與重金屬的相關(guān)性，反射率倒數(shù)對(duì)數(shù)的一階導(dǎo)數(shù)與重金屬的相關(guān)性大于反射率的一階導(dǎo)數(shù)的相關(guān)性。表2所示為微分指標(biāo)與土壤重金屬含量最大相關(guān)波段統(tǒng)計(jì)，表中可以看出Co、Cu、As、Hg的反射率倒數(shù)對(duì)數(shù)的一階導(dǎo)數(shù)、Cr的反射率倒數(shù)對(duì)數(shù)的二階倒數(shù)、Pb的反射率的一階導(dǎo)數(shù)等與重金屬的最大相關(guān)性低于 0.5，這些重金屬將不再建立光譜指標(biāo)波段不能用于相應(yīng)重金屬的光譜指標(biāo)模型的建立。

2.2 模型監(jiān)測(cè)結(jié)果與評(píng)價(jià)

基于4種微分光譜指標(biāo)，分別建立各重金屬元素的PLSR與SMLR預(yù)測(cè)模型，統(tǒng)計(jì)并分析不同微分指標(biāo)預(yù)測(cè)模型的均方根誤差 RMSE和修正決定系數(shù)AdjustedR2，根據(jù)AdjustedR2越大、RMSE越小模型效果越好的原則，統(tǒng)計(jì)得到表3、表4基于4種微分指標(biāo)的最優(yōu)SMLR、PLSR模型信息。

對(duì)比各重金屬4種相應(yīng)指標(biāo)的所有模型信息，研究表明，（1）土壤重金屬元素基于各微分指標(biāo)的PLSR模型的建模和預(yù)測(cè)精度整體上大于SMLR模型，且二階微分模型建模精度優(yōu)于一階微分模型；各土壤元素基于微分指標(biāo)的SMLR和PLSR模型驗(yàn)證精度均低于建模精度，模型預(yù)測(cè)均方根誤差RMSEP均大于建模均方根誤差RMSEC。（2）所有微分模型中，反射率倒數(shù)對(duì)數(shù)的二階微分PLSR模型建模精度高達(dá)99.8%，反射率的二階導(dǎo)數(shù)、反射率倒數(shù)對(duì)數(shù)的二階導(dǎo)數(shù)的PLSR模型建模精度區(qū)間分別為 0.768—0.903、0.752—0.998，且二階微分SMLR建模AdjustR2均大于0.6，表明光譜微分處理可以有效提高建模精度；（3）除Hg、Zn元素外，其余元素的最優(yōu)反演模型都為二階微分模型；幾種金屬的最優(yōu) PLSR預(yù)測(cè)模型精度范圍為 0.216—0.854，按預(yù)測(cè) AdjustR2從高到低排序依次為：Hg＞Ni＞Cu＞As＞Co＞Cd＞Zn＞Mn＞Pb＞Fe＞Cr，其中以反射率導(dǎo)數(shù)對(duì)數(shù)的二階導(dǎo)微分模型為主，說明光譜倒數(shù)對(duì)數(shù)的微分處理可以有效提高建模預(yù)測(cè)精度。（4）幾種金屬的最優(yōu) SMLR模型建模精度區(qū)間為0.719—0.936，按建模AdjustR2從高到低排序依次為：Cu＞Hg＞Fe＞Cd＞Mn＞Zn＞Cr＞Co＞Ni＞As＞Pb，預(yù)測(cè)模型精度而SMLR預(yù)測(cè)模型中僅Hg元素預(yù)測(cè)模型AdjustR2大于0.5，其余元素預(yù)測(cè)效果欠佳。（5）綜合考慮土壤元素基于微分指標(biāo)的SMLR和PLSR模型建模和預(yù)測(cè)的AdjustedR2、RMSE，從而得出Hg、Fe、Cd、Co、As元素可以得到較好的預(yù)測(cè)結(jié)論。采用 PLSR與 SMLR方法建模和預(yù)測(cè)相比，PLSR建模和預(yù)測(cè)的均方根誤差總體較小，模型擬合較優(yōu)，預(yù)測(cè)能力較好，且基于二階導(dǎo)指標(biāo)的兩種模型均取得了較好的預(yù)測(cè)結(jié)果。

表3 基于4種微分指標(biāo)的重金屬最優(yōu)SMLR模型預(yù)測(cè)分析Table 3 Prediction analysis of the optimal SMLR model for heavy metals based on four differential indexes

表4 基于4種微分指標(biāo)的重金屬最優(yōu)PLSR模型預(yù)測(cè)分析Table 4 Prediction analysis of the optimal PLSR model for heavy metals based on four differential indexes

圖3 反射光譜R及其相關(guān)微分指標(biāo)與重金屬含量的相關(guān)性rFig.3 Correlation r of reflection spectrum R and its related differential indexes with heavy metal content

3 討論

本研究 SMLR模型中基于倒數(shù)對(duì)數(shù)的微分預(yù)測(cè)模型取得了較好的預(yù)測(cè)效果，但相對(duì)于PLSR效果稍差，驗(yàn)證了基于不同光譜變換指標(biāo)的PLSR模型比SMLR模型預(yù)測(cè)效果更好。研究使用風(fēng)干篩選研磨后的土樣，模型精度受土壤水分、顆粒大小等客觀條件影響較小，但土壤組成混雜，光譜信息微弱難以被清晰提取，因此選取合適的特征波段建模十分重要。此外，受外界環(huán)境因素影響，以及土壤數(shù)據(jù)采集、處理存在偏差，某些指標(biāo)下金屬建模和預(yù)測(cè)精度欠佳。本研究在一定程度上實(shí)現(xiàn)了對(duì)幾種重金屬元素含量的預(yù)測(cè)，但不同重金屬應(yīng)嘗試采用不同光譜指標(biāo)建模，以期達(dá)到最佳預(yù)測(cè)效果，且后續(xù)研究應(yīng)充分考慮土壤空間異質(zhì)性，以及不同尺度效應(yīng)與反演模型的耦合關(guān)系，對(duì)模型的適用性展開研究。此外，基于高光譜數(shù)據(jù)量大的特點(diǎn)，開發(fā)專用的智能處理系統(tǒng)，從而促進(jìn)高光譜遙感技術(shù)的應(yīng)用和發(fā)展也是未來的研究趨勢(shì)。

4 結(jié)論

本文基于樣本實(shí)測(cè)高光譜數(shù)據(jù)，結(jié)合地學(xué)統(tǒng)計(jì)理論和相關(guān)分析方法研究并建立不同重金屬基于不同光譜指標(biāo)的遙感估算模型，研究表明：重金屬含量與土壤光譜之間的相關(guān)性，是建立重金屬含量預(yù)測(cè)模型的必須考慮因素；特征波段的選取以及光譜指標(biāo)的選擇對(duì)預(yù)測(cè)模型的優(yōu)劣起著重要作用；模型統(tǒng)計(jì)結(jié)果顯示，光譜變換可以提高特征波段選取的精準(zhǔn)性，從而提高模型效果；基于不同光譜變換指標(biāo)的 PLSR模型比 SMLR模型總體預(yù)測(cè)效果較好。本研究中基于光譜倒數(shù)對(duì)數(shù)的微分模型，其預(yù)測(cè)精度最高可達(dá)到 0.854，一定程度上能滿足對(duì)邯鄲市土壤重金屬預(yù)測(cè)要求。隨著遙感以及計(jì)算機(jī)技術(shù)的發(fā)展，土壤重金屬預(yù)測(cè)模型不斷豐富和完善，對(duì)土壤重金屬的監(jiān)測(cè)將更加高效簡捷，從而為土壤環(huán)境保護(hù)和城市居民健康提供保障。