徐夕博，張森林，卜凡升，劉玉紅*

(1.山東師范大學(xué) 地理與環(huán)境學(xué)院，山東 濟南 250358； 2.山東省膠州市第二中學(xué)， 山東 青島 266300； 3.山東省五蓮縣國土資源局，山東 日照 262300)

土壤系統(tǒng)作為地表生態(tài)系統(tǒng)中的重要組成部分，在各類生命活動中起著基礎(chǔ)的媒介作用，同時也是各類重金屬富集的重要場所。不合理的工農(nóng)業(yè)生產(chǎn)方式使重金屬在土壤內(nèi)聚集，且其半衰期長，自然不易降解，較高含量的重金屬易進入食物鏈后危及生物群落，對國家食品安全產(chǎn)生不利影響。因此，土壤中重金屬的污染和擴散在環(huán)境管理中受到極大關(guān)注，實現(xiàn)對重金屬的快速準確檢測，可為土壤環(huán)境評價和治理提供依據(jù)[1-2]。

對土壤重金屬含量的測定，傳統(tǒng)方法需要實驗室內(nèi)一系列繁瑣復(fù)雜的操作，費時費力，難以實現(xiàn)對大區(qū)域重金屬含量的實時快速測定。隨著高光譜技術(shù)的發(fā)展，高光譜分辨率的影像能夠提供大量土壤理化屬性信息，這為識別和評估土壤內(nèi)重金屬含量提供了基礎(chǔ)。光學(xué)遙感技術(shù)可以利用土壤反射光譜特征來監(jiān)測土壤屬性信息，相關(guān)研究表明，利用光譜特征可以對重金屬含量進行準確預(yù)測，例如：鐵、有機質(zhì)、Cr和Cd[2-4]。此外，盡管土壤中重金屬濃度值較低時所體現(xiàn)出的光譜特征并不明顯，但是外源輸入的重金屬仍然會使土壤光譜特征產(chǎn)生細微的變化[5]。葉勤等[6]、于雷等[7]及滕靖等[8]通過對光譜數(shù)據(jù)進行倒數(shù)及一階導(dǎo)數(shù)等處理來降低變量間的非線性關(guān)系，建立多元逐步回歸(MLR)和偏最小二乘法回歸(PLS)的土壤理化屬性估算模型，決定系數(shù)R2達到0.8以上，取得較好的預(yù)測效果。但是其研究對象是在土壤具有較高豐度的有機質(zhì)、鐵及高重金屬含量污染區(qū)域土壤，至于其應(yīng)用到重金屬含量低的大區(qū)域平原效果未知。因此，研究通過對光譜平滑處理和一階導(dǎo)數(shù)變換，并與具有潛在危害的重金屬含量進行相關(guān)分析，利用光譜特征建立預(yù)測模型對濰北平原土壤中的重金屬含量進行估算。

本研究以土壤高光譜數(shù)據(jù)為基礎(chǔ)，通過相關(guān)性分析獲取特征波段，以特征波段為自變量，實測銅含量為因變量，建立MLR和PLS回歸預(yù)測模型，并對模型進行精度驗證，以期建立一個有效可靠的土壤重金屬估算方法，也為以后利用機載影像和高空影像快速高效地對重金屬含量制圖提供理論基礎(chǔ)和模型支持。

1 材料和方法

1.1 樣品獲取與處理

研究區(qū)位于山東省濰坊北部平原(37°30′～36°37′N、118°43′～119°42′E)，氣候類型為暖溫帶季風(fēng)性氣候，土壤類型以棕壤、潮土和褐土為主，90%以上區(qū)域適宜耕種。綜合考量土地利用類型、地質(zhì)地貌和道路通達性等因素后共布設(shè)了52個樣點，樣點內(nèi)按照梅花狀取樣將獲得的5處樣品混合至1 kg，實驗室風(fēng)干、研磨、過2 nm篩,采用電感耦合等離子體原子發(fā)射光譜法(ICP-OES)測得土壤內(nèi)銅元素的含量[9]。

1.2 高光譜測定

土壤高光譜數(shù)據(jù)獲取自FieldSpec HH地物光譜儀(ASD，USA)，光譜儀采樣間隔為1 nm，光譜分辨率為3 nm，設(shè)備響應(yīng)波譜介于325～1 075 nm，在實驗室暗室內(nèi)對土壤反射光譜進行測定，每份樣品采集10次光譜，計算平均值獲得樣品光譜反射率。

1.3 特征波段獲取

經(jīng)過降噪處理[10]后的原始光譜曲線較為平滑，光譜特征不明顯。王菲等[2]在研究中發(fā)現(xiàn)，對原始光譜進行一階導(dǎo)數(shù)處理，可以增強土壤中微弱信息的光譜特征，使光譜曲線變化幅度加大，正負交替出現(xiàn)，有助于發(fā)現(xiàn)特征波段。首先對原始光譜進行一階導(dǎo)數(shù)處理，如式(1)所示；其次，對52個樣本的銅元素含量與一階導(dǎo)數(shù)光譜數(shù)據(jù)逐波長地進行相關(guān)性分析，計算出每個波長與銅元素含量的相關(guān)系數(shù)(r)；最后，選取r值較高(|r|>0.4)或突變的波長作為敏感波長[11]。

式中，λi指第i波段，R(λi)指原始波長，Δλ指波段間隔。

1.4 模型建立與驗證

在52個樣本中，隨機選取36個樣本作為建模樣本集，分別建立多元逐步回歸模型和偏最小二乘法模型，此外，保留16個土樣用作模型驗證樣本集，評判預(yù)測模型的估算效果。土壤重金屬預(yù)測模型的估算精度采用決定系數(shù)(R2)、均方根誤差(RMSE)和相對分析誤差(RPD)進行評價，R2的大小代表因變量被完全解釋程度，較高的R2通常對應(yīng)更低的RMSE，預(yù)測值與真實值的偏差更小，預(yù)測模型的效果更好。另外，RPD為驗證集標準差與驗證集均方根誤差比值，當(dāng)RPD≥2.0時，說明模型用于對土壤重金屬的預(yù)測是可靠的，當(dāng)2≥RPD≥1.4時，模型的預(yù)測能力是較可靠的，但是還有提高的空間，當(dāng)RPD≤1.4時，則認為該模型不可靠[12]。

2 結(jié)果與分析

2.1 土壤重金屬含量統(tǒng)計描述特征

土壤中的銅元素描述統(tǒng)計特征如表1所示。研究區(qū)內(nèi)銅元素的平均含量為20.6 mg/kg，略高于山東省土壤銅元素背景值19.6 mg/kg[13]；部分區(qū)域出現(xiàn)的銅元素含量的極大值超出背景值含量2.7倍，此外中位數(shù)的值與背景值基本相同，說明近一半的樣點存在銅元素超標現(xiàn)象；標準差為10.9，與均值存在較大偏差，說明受到了一定程度外部擾動，這也與前面對超標樣點數(shù)的判斷相一致。

表1 土壤銅元素含量統(tǒng)計描述特征 mg/kg

2.2 重金屬高光譜特征的選取和分析

不同含量銅元素的土壤光譜曲線如圖1所示，總體上看，光譜曲線上升過程平緩，曲線較為平滑。從曲線變化趨勢來看，在600 nm處出現(xiàn)1個反射率變化拐點，其后反射率均勻上升。此外，較低含量銅元素的土壤光譜反射率較高，隨著銅元素含量的上升，土壤光譜吸收能力增強，反射率呈現(xiàn)下降趨勢。

將一階導(dǎo)數(shù)光譜數(shù)據(jù)與實測銅元素含量值進行相關(guān)分析，根據(jù)r值的大小順序選取前12個波段作為特征波段，分別是385、667、729、731、791、802、822、834、840、841、870、873 nm。

圖1 土壤不同含量銅元素光譜特征

2.3 土壤重金屬含量預(yù)測模型的建立

在52個樣本中，隨機選取36個樣本用于預(yù)測模型的構(gòu)建，其余16個樣本用于模型驗證。預(yù)測模型分別以MLR和PLS為基礎(chǔ)進行構(gòu)建。圖2a是基于MLR預(yù)測模型的銅元素的預(yù)測值與實測值的對比，可以看出，預(yù)測值的總體趨勢曲線與實測值基本一致，整體誤差保持在較低水平，但在樣本6、10、12處產(chǎn)生的預(yù)測值與實測值差距較大，說明MLR在對特異點的預(yù)測上存在欠缺；圖2b是基于PLS預(yù)測模型的銅元素的預(yù)測值與實測值的對比，其預(yù)測值與實測值之間的擬合效果較好，整體走向基本吻合，基本上能實現(xiàn)對極值點的準確預(yù)測。所以，從擬合趨勢和極值點預(yù)測誤差上判斷，PLS模型的預(yù)測效果優(yōu)于MLR模型。

圖2 土壤中銅元素含量實測值與預(yù)測值的對比

2.4 預(yù)測模型精度分析

將選取的12個特征波段一階導(dǎo)數(shù)值作為自變量，銅元素的含量值作為因變量分別建立MLR模型和PLS模型，得到模型結(jié)果如表2所示?？梢园l(fā)現(xiàn)， MLR和PLS的R2值分別為0.538和0.858，RMSE

值分別3.1和1.8，較高的R2和較低的RMSE意味著基于PLS建立的預(yù)測模型精度更高；在MLR和PLS建模公式中，中心波長在870 nm和860 nm處的波段所起到的作用最大；PLS模型的RPD值為1.6，說明模型對銅元素進行預(yù)測是可靠的，而MLR模型的RPD值較小，說明該模型難以對銅元素進行準確地預(yù)測。

表2 高光譜土壤重金屬銅含量預(yù)測模型

3 結(jié)論與展望

基于統(tǒng)計描述特征對土壤內(nèi)銅元素含量的分析表明，區(qū)域內(nèi)存在著輕度的銅元素積累，超標范圍較大，覆蓋面廣；銅元素的積累主要受到人為擾動影響，結(jié)合樣點大多在農(nóng)田內(nèi)布置，可以得出農(nóng)業(yè)生產(chǎn)活動是造成銅元素污染的主要因素。

利用一階導(dǎo)數(shù)光譜與土壤中銅元素含量進行相關(guān)分析，根據(jù)相關(guān)系數(shù)的大小順序依次獲取12個特征波段，其中中心波長分別為385、667、729、731、791、802、822、834、840、841、870、873 nm。

基于MLR建立預(yù)測模型的R2和RMSE分別為0.538和3.1，PLS建立預(yù)測模型的R2和RMSE分別為0.858和1.8，可以得出PLS模型預(yù)測精度高于MLR，基于高光譜特征對土壤重金屬含量進行預(yù)測以PLS模型最為有效。

通過對原始光譜進行一階導(dǎo)數(shù)變換，并與實測銅金屬含量進行相關(guān)分析提取特征波段，建立MLR和PLS模型對重金屬含量進行預(yù)測，得到較好的預(yù)測結(jié)果，可為進行其他重金屬元素的反演估算提供理論基礎(chǔ)和技術(shù)支持，也可作為高空影像的大區(qū)域?qū)崟r監(jiān)測的部分驗證工作。但是，基于高光譜數(shù)據(jù)建立PLS模型可以實現(xiàn)對土壤中銅元素的預(yù)測，由于不同區(qū)域自然和社會條件不盡相同造成了重金屬元素在土壤中的豐度存在差異，此外，不同形態(tài)的重金屬具有不同的光譜特征，重金屬在土壤中存在多種形態(tài)，是否能將模型運用到其他區(qū)域和不同形態(tài)的重金屬有待進一步研究。