溫志純

（廣東順德順冠檢測有限公司 廣東佛山 528300）

0 引言

隨著我國城鎮(zhèn)化建設的推進以及工農(nóng)業(yè)的不斷發(fā)展，土壤污染問題日益突出，而在眾多的土壤污染源中，重金屬污染位居首位。據(jù)相關報道［1-2］，我國近年來重金屬土壤污染事件頻發(fā)，其中主要以銅、汞、砷、鉛、鎘、鉻、鋅、鎳等重金屬為主，局部地區(qū)還有錳、鈷、硒、釩、銻、鉈等。土壤中的重金屬污染正在嚴重破壞自然環(huán)境，多呈現(xiàn)出積累性、隱蔽性、持久性和難可逆性，因此對土壤中重金屬含量進行檢測勢在必行。

常規(guī)的檢測方法有傳統(tǒng)的野外采樣和室內化學分析方法，如原子熒光光譜檢測儀和原子發(fā)射光譜檢測儀等，這些方法雖然具有測量精確度高、準確性強等優(yōu)點，但是既浪費時間也浪費人力物力，并且很難獲取大面積空間上連續(xù)的污染物含量分布信息，無法滿足檢測土壤重金屬污染需要迅速且范圍廣的要求［3］。高光譜遙感的方法具有宏觀、實時、原位的檢測特點，能夠滿足土壤重金屬污染檢測的需求，在航空遙感、航天遙感和便攜式高光譜儀等領域的應用，實現(xiàn)由點到面、由定性到定量的大面積原位立體檢測分析。因此，現(xiàn)代高光譜遙感技術的發(fā)展為土壤重金屬信息的檢測提供了新的視角。

我國對高光譜遙感技術方法的研究起步相比國外較晚。1981 年，徐彬彬等［4］測定了土壤樣品360 nm～2 500 nm 波段范圍內的反射率，將土壤光譜反射率曲線劃分為平直型、緩斜型、陡坎型和波浪型4 種類型。關天康［5］團隊將高光譜技術應用到農(nóng)田土壤重金屬的CaCl2提取態(tài)含量的研究中，結果表明，水稻葉片高光譜數(shù)據(jù)分析土壤中CaCl2提取態(tài)重金屬的含量，構建了很好的線性相關關系，因此為大面積動態(tài)立體檢測農(nóng)田土壤重金屬污染狀況與預報災害提供了新的思路和研究方法；建立了基于偏最小二乘回歸法（PLSR）分析的新鄭市高標準基本農(nóng)田建設區(qū)域土壤重金屬的高光譜反演模型，并且利用最佳的統(tǒng)計插值法對土壤重金屬進行空間插值，討論了利用此方法對農(nóng)田建造區(qū)實施的重要性。

從1920 年以來，國外學者利用高光譜遙感技術檢測對礦區(qū)土壤、耕地土壤以及城市土壤進行了研究。眾多學者根據(jù)土壤的光譜反射率數(shù)據(jù)和土壤的反射光譜來分析其區(qū)別并進行分類，實現(xiàn)了間接預測土壤中重金屬的含量。SAURAV 等［6］對采集的土壤光譜曲線進行了相應的數(shù)學變換，使用數(shù)學中倒數(shù)的一階微分和二階微分等方法，利用多元線性回歸方法找出相應的敏感波段，建立對應的模型。目前，對于使用高光遙感技術來對土壤中重金屬進行預測以及研究的技術越來越成熟，具體體現(xiàn)在建立的模型多元化以及模型精度的高準確性。

1 高光譜遙感方法

高光譜遙感是近些年來迅速發(fā)展起來的一種全新遙感技術，是指利用很多很窄（通常＜10 nm）的電磁波波段從目標物體獲取相關數(shù)據(jù)的方法［4］。高光譜遙感又稱高光譜分辨率遙感，是集探測器、微弱信號檢測、精密光學機械、信息處理、計算機于一體的綜合性技術［5］。高光譜圖像由成像光譜儀獲取，成像光譜儀為每個像元提供數(shù)十至數(shù)百個窄波段光譜信息，產(chǎn)生一條完整而連續(xù)的光譜曲線。在成像過程中，它利用成像光譜儀以納米級的光譜分辨率，以幾十或幾百個波段同時對地表地物成像，在獲取地表空間圖像的同時，將傳統(tǒng)的圖像維與光譜維信息融合為一體，能夠獲得地物的連續(xù)光譜信息，實現(xiàn)了地物空間信息、光譜信息、輻射信息的同步獲取。

高光譜成像獲取的圖像包含了豐富的空間、光譜和輻射三重信息，因而在相關領域具有巨大的應用價值和廣闊的發(fā)展前景［6］。由于高光譜遙感能提供精細的光譜信息，有些學者將高光譜遙感的研究從最開始的礦物識別擴展到了植被與生態(tài)、水體、環(huán)境資源勘探等方面，目前主要集中在水文地質和地球環(huán)境等研究領域。

我國的高光譜遙感技術發(fā)展處于國際前列，由中科院自主研發(fā)的高光譜圖像處理與分析通用軟件系統(tǒng)（HIPAS）被國際同行評為全球六大高光譜圖像處理軟件之一，取得了具有國際重大影響的相關成果，并實現(xiàn)了向美、日、德、意等發(fā)達國家在高光譜遙感應用方面的技術輸出［7］。

2 案例研究—高光譜土壤重金屬鉻檢測

2.1 光譜數(shù)據(jù)采集試驗

在本研究中，使用FieldSpec 手持式光譜輻射計（美國科羅拉多州博爾德分析光譜設備）在325 nm～1 075 nm 波長范圍內收集采樣點的光譜數(shù)據(jù)，采樣間隔為1 nm，共750 個波段。為了提高測量精度，對校準板進行了提前測量。每個土壤樣品用10 個光譜數(shù)據(jù)測量，加權平均值也用作樣品點的實際光譜數(shù)據(jù)。在測量中，回歸模型的準確度由于外部因素的影響而降低。因此，在建立模型之前，有必要對光譜數(shù)據(jù)進行預處理。本研究的預處理方法包括一階微分方程、二階微分方程和連續(xù)介質去除法。通過一階微分方程、二階微分方程和連續(xù)介質去除法的預處理算法，消除了土壤光譜數(shù)據(jù)的基線漂移，提高了光譜數(shù)據(jù)的分辨率，增強了光譜數(shù)據(jù)與土壤參數(shù)的相關性［8］。

本文研究區(qū)域是山東萊州焦家金礦的成礦帶，面積約180 km2。35 個采樣點主要集中在成礦帶及其周邊地區(qū)，采樣土壤深度為0 cm～20 cm，采樣點涉及田間、果園等，拍攝并記錄每個采樣點的GPS 坐標。每個采樣點取2 個相同的土壤樣品，通過土壤光譜測量和重金屬元素含量測量進行測量。在土壤中加入熱硝酸后，使用電感耦合等離子體原子發(fā)射光譜法（ICP-AES）測定樣品土壤中的元素含量。通過實驗室對土壤樣品進行化學分析，得到重金屬中鉻元素的統(tǒng)計特征值：最大值為71.8 mg/kg，最小值為22.9 mg/kg，平均值為43.6 mg/kg，中值為44.6 mg/kg，標準差為20.0 mg/kg。

原始反射光譜數(shù)據(jù)處理結果如圖1 所示。

圖1 原始反射光譜數(shù)據(jù)處理結果

2.2 回歸分析結果討論

回歸分析模型是在逐步多元回歸的基礎上進一步發(fā)展起來的，是對回歸方法的一種優(yōu)化。這種回歸分析的核心思想在于根據(jù)對逐步進入回歸方程的貢獻的重要程度，考慮所有變量的方差。在整個回歸過程中，由于新變量誤差較大，回歸模型會自動刪除前一過程中選擇的變量［9］。然而，新引入的變量在變量選擇中具有顯著相關性，并且將再次被選擇，直到它們既沒有達到消除狀態(tài)，也沒有達到引入狀態(tài)。

本研究共有35 個樣本點，選擇25 個樣本點學習回歸模型，其余10 個樣本作為測試集。根據(jù)土壤光譜特征，根據(jù)光譜變量對重金屬鉻含量進行逐步多元回歸分析。模型的樣本數(shù)為25，測試中的樣本數(shù)為10。通過逐步多元回歸建立，原始反射光譜模型在等式（1）中計算，一階微分模型在等式（2）中計算，二階微分模型在等式（3）中計算，連續(xù)介質去除模型在等式（4）中計算。

式 中：X1075、X513、X1066、X369、X1052、X1373、X573、X914、X554和X1054分別代表1 075 nm、513 nm、1 066 nm、369 nm、1 052 nm、1 373 nm、573 nm、914 nm、554 nm 和1 054 nm 的預處理數(shù)據(jù)值。

在分析光譜變量與鉻含量的相關性以及光譜特征的吸收區(qū)域的基礎上，建立了鉻含量與不同光譜變量之間的逐步多元回歸模型。以一階微分、二階微分和連續(xù)介質去除的光譜參數(shù)為自變量，以土壤中鉻含量為因變量，進行回歸分析。根據(jù)回歸系數(shù)R2的原理，顯著性水平F 最大，標準誤差最小，選擇了土壤重金屬鉻的高光譜最優(yōu)回歸方程。回歸分析的系數(shù)如表1 所示。

表1 回歸分析系數(shù)

精度檢驗采用多元逐步回歸分析。將剩余的10 個樣本帶入每個模型，得到樣本的預測值。此外，測量值和預測值在圖中進行了擬合，擬合度越高，表明模型的精度越高［10］。每個模型的擬合如圖2 所示，水平坐標為測量值，縱向坐標為預測值。

圖2 預測值和測量值對比分析圖

通過建立逐步多元回歸模型，我們發(fā)現(xiàn)4 個回歸方程中回歸系數(shù)和顯著水平F 的降序分別為一階微分、二階微分、原始反射光譜和連續(xù)介質去除。通過對模型樣本和測試集進行擬合，一階微分方程Yfirst-orderdifferential=754.782X1066-22712.8X369+951.237X1052+35.962 的擬合度最高為0.91，因此我們認為用一階微分模型測量重金屬鉻含量是可行的。

3 結論

本文在基于高光譜遙感數(shù)據(jù)的土壤重金屬檢測研究的基礎上，開展了多項工作：

（1）通過對一階微分方程、二階微分方程和連續(xù)介質去除法的數(shù)據(jù)預處理，建立了高光譜數(shù)據(jù)與重金屬鉻濃度的逐步多元回歸分析模型。通過對高光譜遙感數(shù)據(jù)的效率和精度的測試，探討了利用高光譜遙感數(shù)據(jù)監(jiān)測土壤中重金屬鉻含量的可行性。

（2）在研究區(qū)域內，選取35 個采樣點測量光譜數(shù)據(jù)并檢測Cr 含量。通過回歸分析，建立土壤光譜數(shù)據(jù)與被測采樣點Cr 含量之間的逐步多元回歸方程，檢測重金屬Cr 含量?；貧w方程模型的優(yōu)缺點主要通過回歸方程的系數(shù)、F 和P 值以及標準誤差來檢驗。

（3）4 個回歸方程中的一階微分模型優(yōu)于其他3 個模型。在選擇了最優(yōu)模型后，對模型的精度進行了測試。通過對測試集的測量值和預測值進行擬合，結果表明，一階微分模型的擬合度最高為0.91，因此我們認為用一階微分模型測量重金屬鉻含量是可行的。