Page 88 - 生态环境监测技术应用

第三章 土壤监测研究

小二乘等方法建立 Zn 元素含量反演模型，结果表明基于二阶微分变换的随机森
林模型反演精度最高（R2=0.94，RMSE=18.01），是喀斯特地区锌元素含量反演
的最佳模型。

以上研究均是基于实验室土壤高光谱数据开展，实验室条件下测得的土壤光
谱数据受外界环境条件影响最小，光谱数据处理条件较为一致，研究的重点便集
中在建模方法的选择上，因此利用实验室土壤光谱直接分析土壤重金属含量是目
前土壤重金属高光谱反演中最为成熟的方法，但受土壤样品采集数量和范围的限

制，基于实验室土壤高光谱很难实现大区域土壤重金属污染的监测。
（2）植被光谱分析法预测重金属含量
研究表明，土壤中的重金属能对植物的生理结构特征产生影响，尤其是对叶
绿素的合成影响较大，从而改变植物的光谱特性（唐鹏等，2014）。当植被受到

重金属污染胁迫时，植被叶片中的叶绿素含量会降低，使得植被波谱的“红边位置”
（指由于植物体内叶绿素的吸收作用，致使植被反射波谱特征在红光波段到近红
外波段处（660~770nm）急剧升高）向短波方向偏移，形成红边“蓝移”现象（张
志斌，2013；邬登巍等，2009；Bonham-carter，1988）。“红边位置”、植被指

数等是表征植被生长状态的重要参数。重金属污染对植被光谱特征和植被生长状
态参数变化的影响，是利用植被光谱分析预测重金属污染的基础。
植被光谱分析法预测土壤重金属含量的实现方法是，测定重金属污染条件下
表层土壤的重金属含量和植被叶片的叶绿素含量（或根据植被光谱特征形成“红

边位置”、植被指数等植被生长状态参数），分析叶绿素含量或植被生长状态参
数与土壤重金属含量之间的相关关系，建立土壤重金属含量反演模型，预测研究
区土壤重金属污染情况。
利用植被光谱分析法预测重金属污染的一种方式是基于地面高光谱仪采集植

物叶片的高光谱反射数据，与测定的叶片叶绿素含量及重金属含量，建立预测模
型。如于庆等（2018）用 FieldSpecHH 便携式手持地物光谱仪采集了典型污灌区
冬小麦冠层光谱，建立了 Cr、Ni、Pb、Zn、Hg、Cd 元素含量反演模型，实现了
重金属含量及空间分布特征反演。另一种方式是基于机载和星载高光谱仪，持续

获取地面受污染植被的光谱信息，建立反演模型，实现土壤重金属的实时、大面
积、原位监测。如刘昭贤等（2019）利用无人机搭载的 HyspexSWIR-384 成像光
谱仪获取高光谱影像，并利用便携式地物光谱仪同步采集地面光谱数据，实现了

-75-