假木贼重金属含量的高光谱估算研究

植物作为生态环境的主要组成部分,植物受污染状况能够反映区域生态环境污染状况,因此植物重金属污染快速监测,对其周围生态环境预警具有重要意义.本研究利用传统化学分析方法和高光谱技术,采用多元逐步回归分析法(SMLR)和偏最小二乘回归分析方法(PLSR)对假木贼体内的重金属(Zn、Cu、Cr、Hg和As)含量进行估算和预测.结果表明:(1)由相关性分析结果发现,二阶导数处理之后的光谱反射率与重金属含量之间的相关性较敏感,且通过0.01水平上的特征波段数量明显增加;而一阶导数处理后的光谱数据及原始光谱对重金属的敏感程度较弱.(2)SMLR估算模型精度分析发现,Zn、Cu、Cr、Hg和As的估算精度(R^2)分别达到0.61、0.57、0.50、0.60和0.42;PLSR估算模型精度分析发现,Zn、Cu、Cr、Hg和As的估算精度(R^2)分别达到0.79、0.74、0.75、0.72和0.51.(3)对PLSR和SMLR估算模型精度进行分析可知,PLSR模型估算的决定系数高(R^2=0.79),误差比较小(RMSE=2.03),更接近于实测值.PLSR估算模型能够较好地估算假木贼体内重金属含量,可为干旱地区植被重金属污染快速监测提供技术支持和理论依据.

基于CASI&SASI航空高光谱的雄安新区西南部农田土壤重金属镍含量反演研究

农田土壤中重金属元素富集会严重制约农作物的生长,且对人类健康造成潜在威胁。高光谱遥感数据具有极高的光谱分辨率,因而可在土壤重金属污染元素信息的定量研究中发挥重要作用。本文以雄安新区西南部及其周边农田土壤作为研究对象,在实验室测定土壤重金属元素Ni的含量,并与土壤可见-近红外高光谱数据建立土壤重金属Ni含量的定量估测模型,进一步基于CASI&SASI航空高光谱数据快速反演研究区农田土壤重金属Ni的含量,获取其分布特征。本文研究并建立了研究区土壤重金属元素基于不同光谱变换形式的多元逐步回归、偏最小二乘回归和BP神经网络统计估算模型,通过模型验证与对比,探索研究区土壤重金属Ni元素含量的最优反演模型。研究结果表明:(1)基于各光谱变换的BP神经网络模型的建模和预测精度整体上大于偏最小二乘法和多元逐步回归法模型,模型拟合精度高,预测能力较好;(2)综合来看,一阶微分处理能普遍改善模型预测效果,其中BP神经网络模型的一阶微分变换结果最佳,对于Ni元素建模精度R 2高达97.1%,验证集精度R 2高达98%以上;(3)选用精度最好的BP神经网络模型,通过CASI&SASI高光谱数据对研究区重金属Ni含量进行反演,反演结果与实测Ni含量数据一致性很好。