Page 97 - 遥感技术在生态环境监测中的应用研究

遥感技术在生态环境监测中的应用研究

（二）土壤重金属含量反演方法

反演模型通常有物理模型与经验模型（统计学模型）两种。土壤中重金属含量通常很
低，在土壤中属于弱信息，且土壤组成成分复杂，光谱波段的吸收特征不明显，不同土壤
的不同组成成分对光谱的影响为非线性，造成反射过程非常复杂。因此，使用物理模型反

演难度较大，对裸土大多采用统计学方法，分析土壤重金属含量与光谱表征之间的相关性，
实现对土壤重金属含量的估算。
1. 单变量统计分析

单变量统计分析主要选择土壤重金属含量与光谱反射率相关性最为显著的波段来建立
预测模型。其有两种方式：一种是直接的单波段分析方法；另一种是对波段进行组合或有
效的数学变换后再分析的方法。蒋建军等基于土壤有机质与重金属 Cd 的含量呈正相关性，

将有机质含量进行数学变换后再分析，间接反演 Cd 含量。为了凸显不同吸收峰，增强特
征值，采用导、对数和标准化比值变换等方法，用变换后的有机质诊断指数与土壤有机质

含量进行相关分析，从而获得反演土壤有机质含量的敏感波段 511nm，以比较不同数据处
理方法对相关性精度的影响。
2. 多元统计分析

研究显示，多元统计分析结果的准确度较高，更适用于建立重金属光谱反演模型。目
前主流的多元统计分析方法主要有多元逐步回归法、主成分回归法、偏最小二乘回归法等。

相对于单变量统计分析方法，多元统计分析综合使用较多的波段，在一定程度上提高了反
演模型的精度。
多元逐步回归法较为简便，通过双向筛选引入有意义的变量，剔除无意义的变量前进

法与后退法），在科研中常被用于确定对某种物质敏感的波段，并证明所确定的波段值与
该物质含量的相关性强，借此估计其含量。王燕对石家庄污灌区域土壤建立了反演模型，
发现倒数对数模型在多元逐步回归分析中的预测精度优于其他模型。

主成分回归是一种分析多元共线性问题的方法，通过压缩光谱数据矩阵，将其分解为
主成分载荷矩阵和得分矩阵，提取独立变量建立回归方程，用预测均方根误差来评价模型
的预测能力。

偏最小二乘回归是一种被广泛应用于光谱数据处理，集多元线性回归分析、典型相关
分析、主因子分析等于一体的光谱分析方法。其主要研究的是当两组变量的个数很多、各

变量内部高度线性相关时，多因变量对多自变量的线性回归建模。
根据相关研究，当存在多重相关性，且观测数据的数量又少时，偏最小二乘回归法解
决了多元线性回归分析所面临的多重共线性问题，能更有效地提炼光谱信息，使反演重金

属元素含量的模型精度更高。
土壤的组分复杂，高光谱数据虽然成像通道大大增加，对地物的识别能力很强，但是

诸如土壤粗糙度、粒径等因素均会对土壤组分的反射波段产生很大影响，出现“异物同谱”
90