路杰暉,王鳳華,劉志文,王德強,李西燦,王旭飛

1.山東省地質(zhì)測繪院,山東 濟南 250002

2.山東農(nóng)業(yè)大學(xué) 信息科學(xué)與工程學(xué)院,山東 泰安 271018

土壤是人類賴以生存、發(fā)展的物質(zhì)基礎(chǔ)，然而隨著社會經(jīng)濟的發(fā)展以及人口的快速增長，人類活動越來越復(fù)雜，各行各業(yè)生產(chǎn)規(guī)模不斷擴大，土壤重金屬污染越來越嚴重[1]。因此，探尋快速診斷土壤重金屬污染程度的技術(shù)與方法，對有效控制土壤重金屬污染具有重要實踐意義。目前國內(nèi)外的學(xué)者已對土壤重金屬污染進行了大量研究，取得了一些有參考價值的研究成果。柴世偉[2]發(fā)現(xiàn)了有效態(tài)Cu、Zn和Ni與土壤有機質(zhì)的含量呈現(xiàn)出極顯著的相關(guān)性。Wang[3]經(jīng)過研究發(fā)現(xiàn)GA-PLSR模型更適合于低重金屬含量的農(nóng)業(yè)土壤的估測。鄭光輝等[4]采用多元散射校正處理后的高光譜數(shù)據(jù)反演土壤金屬砷的含量，發(fā)現(xiàn)利用土壤數(shù)據(jù)的4 nm分辨率光譜建模，所得的效果最好。Ren等[5]研究發(fā)現(xiàn)460 nm、1400 nm、1900 nm、2200 nm是反演湖南寶山礦區(qū)周邊土壤Fe、As、Cu等金屬含量的重要波段。謝憲麗等[6]認為對光譜數(shù)據(jù)進行微分變換適用于獲取土壤中的重金屬元素的信息。

徐明星等[7]對蘇北梁王城考古遺址進行研究，建立了土壤鉻含量預(yù)測模型，并發(fā)現(xiàn)以反射率一階微分建立的多元線性逐步回歸模型效果較好。鉻是環(huán)境污染中有毒的重金屬元素之一，其毒性較強，且一旦進入土壤中就很難再從中分離出來，隨著時間的積累，如果不及時進行有效的控制或監(jiān)測，會對土壤及周邊的生物造成嚴重的影響[8-10]。前人所做的研究大多都是關(guān)于Cu、Fe等金屬，針對土壤金屬鉻的研究還很少。因此，本文選取山東省煙臺市為研究區(qū)域，探討利用高光譜技術(shù)快速估算土壤重金屬鉻含量的有效方法，旨在為其他周邊地區(qū)的土壤重金屬污染狀況進行快速、準確的高光譜遙感監(jiān)測提供一定的參考依據(jù)。

1 實驗數(shù)據(jù)的獲取

1.1 試驗區(qū)概況

山東省煙臺市地處山東半島東北部，位于東經(jīng) 119°34′～121°57′，北緯 36°16′～38°23′，低山丘陵區(qū)，山丘起伏和緩，溝壑縱橫交錯。煙臺市域降水較充沛，空氣濕潤，氣候溫和，屬溫帶季風(fēng)氣候，土壤類型主要為棕壤。

1.2 土壤樣品采集

土壤樣品采集時間為2016年3月，分別在煙臺市招遠和棲霞兩個地區(qū)共采集70個樣本，其中招遠地區(qū)采集42個樣本，棲霞地區(qū)采集28個樣本。采集土壤樣本時，一般性了解土壤污染狀況，對種植一般農(nóng)作物的耕地，只需采集0～20 cm表層（或耕作層）土壤，對于種植果林類農(nóng)作物的耕地，采集0～60 cm耕作層土壤。將在一個采樣單元內(nèi)各采樣分點采集的土樣混合均勻制成混合樣，組成混合樣的分點數(shù)通常為5～20個。混合樣量往往較大，需要用四分法棄取，最后留下1～2 kg，裝入樣品袋。

采樣同時，填寫土壤樣品標簽、采樣記錄、樣品登記表。土壤標簽一式兩份，一份放入樣品袋內(nèi)，一份扎在袋口，并于采樣結(jié)束時在現(xiàn)場逐項逐個檢查。

1.3 光譜測量及金屬鉻含量測定

在室外采用SR-3500地物波譜儀對70個土壤樣本進行反射光譜的測定，光譜測量的波長范圍是350～2500 nm，光譜帶寬為 1.5 nm（350～1000 nm）、3.8 nm（1000～1900 nm）和 2.5 nm（1900～2500 nm）。光譜采集過程中，用探頭垂直對目標進行觀測，探頭距離土樣約30 cm。

實驗室測定土壤金屬鉻含量。本實驗土壤測定項目主要有pH值、鎘、汞、砷、銅、鉛、鉻、鋅、鎳、碳酸鹽、有機質(zhì)、粘土等。測定樣品70件。采用玻璃電極法測定土壤浸出液的pH值；電感耦合等離子體原子發(fā)射光譜法（ICP-OES）測定Pb、Ni、Cr、Zn、Cu、Fe的含量值。土壤中有機污染物的測定使用氣相色譜法和色譜—質(zhì)譜連用技術(shù)。土壤金屬鉻含量的統(tǒng)計特征如表1所示。

表1 土壤金屬鉻含量統(tǒng)計特征Table 1 Statistical characteristics of soil chromium content

2 數(shù)據(jù)處理與建模方法

2.1 土壤鉻含量高光譜特征分析

試驗區(qū)共采集70個樣本，將所有樣本按鉻含量由小到大排序，從中隨機選取了大致均勻分布的6個樣本，光譜曲線如圖1所示。

由圖1可見，不同鉻含量下土壤光譜特征曲線趨勢和形態(tài)相似，但反射率高低不同，總體上在近紅外波段其值隨鉻含量的增加而降低，而在可見光波段，隨土壤鉻含量的增加，其差異性不顯著。從同一條光譜反射特征曲線來看，在1400 nm、1900 nm和2200 nm處存在三個水吸收峰。在380 nm～780 nm范圍內(nèi)，隨著波長的增加，光譜反射率急速上升；在780 nm～1330 nm范圍內(nèi)，隨著波長的增加，光譜反射率上升速度減慢，平緩上升。2200 nm以后，光譜反射率開始逐漸下降。

圖1 不同鉻含量光譜特征曲線Fig.1 Spectral characteristic curves of different Chromium content

2.2 光譜數(shù)據(jù)預(yù)處理

由于野外的環(huán)境比較復(fù)雜，土壤光譜難免含有噪聲，為得到較平穩(wěn)并且便于利用的光譜數(shù)據(jù)，需要對原始光譜進行平滑處理，去除包含在信號中的少量噪聲，以提高模型的估測精度。本文采用9點移動加權(quán)平均法對光譜進行平滑優(yōu)化處理。

2.3 異常樣本剔除

在室外測量光譜時，受到儀器精度和測量人員熟練程度等因素影響，測量結(jié)果會存在一定的誤差，誤差過大影響模型精度，因此需要剔除部分異常樣本。將土壤樣本按照鉻含量由小到大排序，繪制出光譜和鉻含量散點圖，根據(jù)鉻含量越高，土壤光譜反射率越低的規(guī)律將異常樣本剔除。最終剔除6個異常樣本，分別為9號、26號、34號、41號、51號、61號。

2.4 反演因子選取

利用一階微分、平方根的一階微分、倒數(shù)對數(shù)的一階微分和倒數(shù)一階微分等六種數(shù)學(xué)變換對原始光譜進行變換，以擴大原始光譜數(shù)據(jù)中不明顯的特征差異，提高光譜與鉻含量之間的相關(guān)性。倒數(shù)一階微分變換前后的相關(guān)系數(shù)曲線如圖2所示，變換后的相關(guān)系數(shù)在某些波段有了較大提高，相關(guān)系數(shù)最高達到0.75左右。

圖2 光譜數(shù)據(jù)與土壤鉻含量的相關(guān)系數(shù)曲線Fig.2 The correlation coefficient curves of spectral data and soil chromium content

3 結(jié)果與分析

3.1 選取的特征指標

本文采用單相關(guān)分析法提取反演因子，在三種較為有效的變換中選取5個波段作為特征指標，分別為一階微分的1910.5 nm、對數(shù)倒數(shù)的一階微分的674.1 nm和倒數(shù)的一階微分的1609.4 nm、1231.3 nm、1127.3 nm，分別用X1～X5表示，其相關(guān)系數(shù)基本都在0.6以上。選取的波段和其對應(yīng)的相關(guān)系數(shù)如表2所示。

表2 金屬鉻含量特征波段Table 2 Metal chromium content characteristic bands

剔除6個異常樣本后，剩余的64個樣本分為兩部分，其中14個樣本作為檢驗樣本，50個樣本作為建模樣本。

3.2 多元線性回歸模型

使用SPSS Statistics統(tǒng)計分析軟件進行多元線性回歸分析，得到多元線性回歸方程為：

利用該模型對檢驗樣本數(shù)據(jù)進行檢驗，結(jié)果如表3所示。

表3 多元線性回歸分析計算結(jié)果Table 3 Multivariate linear regression analysis results

檢驗后的預(yù)測值與實測值散點圖如圖3所示。

由表3可見，檢驗樣本的相對誤差均較小，基本都在10%以內(nèi)，最小相對誤差僅為0.560%，最大相對誤差為10.086%，所有樣本的平均相對誤差為4.906%。從圖3可見，模型的決定系數(shù)R2=0.971，散點均勻的分布在趨勢線兩側(cè)，說明模型精度較好。

為了對比模型的有效性，本文再使用BP神經(jīng)網(wǎng)絡(luò)模型進行土壤鉻含量的預(yù)測。經(jīng)過多次試驗，最終選擇5-5-5-1網(wǎng)絡(luò)結(jié)構(gòu)（為節(jié)省篇幅，計算過程略），得到檢驗樣本的平均相對誤差為10.171%，模型的決定系數(shù)R2=0.920?？梢姡嘣€性回歸模型的估測精度優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型，這說明多元線性回歸模型更適用于土壤鉻含量的預(yù)測。

圖3 土壤金屬鉻含量散點圖Fig.3 Soil metal chromium content scatter plots

4 結(jié)語

本文利用土壤樣本光譜的一階微分、倒數(shù)對數(shù)的一階微分和倒數(shù)一階微分三種變換光譜，以及實測土壤金屬鉻含量數(shù)據(jù)建立了多元統(tǒng)計分析的高光譜估測模型。結(jié)果表明，檢驗樣本的平均相對誤差為4.906%，模型的決定系數(shù)R2=0.971。研究表明，利用多元統(tǒng)計分析方法建立的土壤金屬鉻含量高光譜估測模型的精度較好，有一定的應(yīng)用價值，可為以后的科學(xué)研究提供參考。

[1]趙其國.第18屆國際土壤學(xué)大會綜述[J].土壤,2007,39(1):2-18

[2]柴世偉,溫琰茂,張云霓.廣州郊區(qū)農(nóng)業(yè)土壤重金屬含量與土壤性質(zhì)的關(guān)系[J].農(nóng)村生態(tài)環(huán)境,2004,20(2):55-58

[3]Wang J,Cui L,Gao W,et al.Prediction of low heavy metal concentrations in agricultural soils using visible and near-infrared reflectance spectroscopy[J].Geoderma,2014,216(4):1-9

[4]鄭光輝,周生路,吳紹華.土壤砷含量高光譜估算模型研究[J].光譜學(xué)與光譜分析,2011,31(1):173-176

[5]Ren HY,Zhuang DF,Singh AH,et al.Estimation of as and Cu contamination in agricultural soils around a mining area by reflectance spectroscopy:a case study[J].Pedosphere,2009,19(6):719-726

[6]解憲麗,孫 波,郝紅濤.土壤可見光-近紅外反射光譜與重金屬含量之間的相關(guān)性[J].土壤學(xué)報,2007,44(6):982-993

[7]徐明星,吳紹華,周生路.重金屬含量的高光譜建模反演:考古土壤中的應(yīng)用[J].紅外與毫米波學(xué)報,2011,30(2):109-114

[8]Greenway GM,Song QJ.Heavy metal speciation in the composting process[J].Journal of Environmental Monitoring Jem,2002,4(2):300-305

[9]Turgut C,Pepe MK,Cutright TJ.The effect of EDTA on Helianthus annuus uptake,selectivity,and translocation of heavy metals when grown in Ohio,New Mexico and Colombia soils[J].Chemosphere,2005,58(8):1087-1095

[10]Dubbin WE.Influence of organic ligands on Cr desorption from hydroxyl-Cr intercalated montmorillonite[J].Chemosphere,2004,54(8):1071-1077