在现阶段，高光感土 环境污染情况受到了人们的谱遥广泛关注， 国民环保意识也在不断提升，壤重 因此这也推动了环保事业的金属监测发展。土壤是污染环境保护中的重点内容， 在土壤使用中存在诸多的实践污染情况， 其中重金属对土壤污染比较显著，探析 为了实现对土壤有效的高光感土保护就需要做好土壤重金属污染监测， 监测中高光谱遥感的谱遥应用比较普遍， 下面，壤重 本文就针对土壤重金属污染监测中高光谱遥感的金属监测应用进行分析， 并对其具体应用进行深入分析。污染

土地是实践人们生存的根本， 随着土壤污染情况的探析频繁出现， 人们的高光感土土壤保护意识也是越来越强烈， 重金属是土壤污染中的主要类型， 其对土壤的性质产生巨大的影响， 这就需要对土壤重金属污染进行监测， 来为土壤保护奠定基础。在土壤重金属污染监测中， 需要使用到相应的设备和技术， 经过不断的探索和研究， 高光谱遥感得到了广泛应用， 而高光谱遥感如何在土壤重金属污染监测中进行应用， 就是本文主要研究的内容。

1 高光谱遥感概述

对于高光谱遥感来说， 主要是通过很窄且连续性光谱的通道来对地物进行持续的遥感并成像的科技技术。于可见光至短波的红外波段中， 光谱的分辨率达到了纳米的数量级级别， 其一般有着多波段特点， 且光谱的通道数也达到了数十到数百个， 其各光谱的通道间也常具有连续性， 因此， 此技术又常被称作成像光谱的遥感技术。高光谱遥感集中于电磁波谱可见的光、近、中和热等红外的波段内， 其成像的光谱仪能够进行上百非常窄光谱的波段信息收集， 和传统遥感比较， 此成像的光谱仪能够对每一成像象元进行小于10 nm的成像波段提供， 且于某光谱区间还呈连续分布。

2 土壤重金属污染监测中高光谱遥感的应用

2.1 高光谱遥感的反演对象确立

对土壤的重金属监测中， 高光谱遥感波段主要是可见光与红外的区域， 因为土壤内重金属具有吸附组成性， 且自身的理化性质也具有差异性， 重金属的吸附机理也是不一样的， 这就导致土壤的重金属监测中高光谱的反演建模最佳的波段存在较大差异性。经过相关研究表明， 其测量的效果比可见光到近红外的光谱要有显著的优越性， 且中红外的光谱还能够估算出不同土壤重金属的含量。在广东阳江地区农田土壤的重金属监测中， 就对汞、铅、砷、铜和锌等类型重金属的元素污染情况进行分析， 以此为基础筛选出高光谱遥感的反演需要重金属的元素。在研究区的表层土壤内， 重金属的含量特征和土壤环境的质量标准如下表1所示。

2.2 土壤的光谱数据处理

在对数据进行分析前， 由于样品制备和装样的条件等都难以达到一致， 其光谱仪噪声也可能对测量产生误差影响， 因此这就需要对测得土壤的光谱数据先进行处理， 来避免出现差异对样品成分进行掩盖以及对后续判别的分析效果产生影响。本文就主要从原始光谱断点修正、平滑处理、标准正交的变换、多次散射的校正和光谱微分的技术等进行处理。断点修正方面， 光谱仪一般在不同光段具有不同探测的元件， 因此在此两类的探测元件进行结合位置处就会存在一定的偏差， 其位置曲线会出现明显的陡变， 想要对此误差进行消除， 就需要借助光谱仪其断点修正的工具来对原始的光谱曲线实施校正。平滑处理方面， 因为光谱仪不同波段间对相应能量的响应存在差别， 造成光谱的曲线不光滑情况， 可以借助相应的滤波器来对其数据实施平滑性处理， 想要突出其处理的效果， 还可以对相应的波段曲线实施放大处理。标准正交的变换方面， 主要对背景以及漂移等对信号差生的影响进行消除， 先要把样本的所有变量都进行减去变量最小值的处理， 然后实施线性基线的校正， 把样本中对起点和终点连接的线进行水平线的调整。多次散射的校正主要为了对颗粒的不均匀分布和颗粒大小的散射等影响进行消除。光谱微分的技术能够对部分基线与其它背景干扰进行消除， 对重叠峰进行分辨， 来提升分辨率以及灵敏度。

2.3 重金属污染的评价方法

2.3.1 多元回归分析

对于多元回归分析来说， 是自动从大量的可供选择变量内， 来选择出进行回归方程构建的重要变量。把回归的变量逐个进行选入， 而选入条件为偏回归的平方与显著， 在每选入一新变量之后， 需要对已经选入各变量进行逐个显著性的检验， 对不显著的变量进行剔除， 经过这样反复的选入、检查和剔除， 一直持续到无法进行剔除以及不能选入。此分析法中， 于逐步回归的计算前要对检验的水平实施检验， 保证每一个变量都具备显著检验的水平， 并当作引入以及变量剔除依据， 对不同情况的检验水平所确定标准也是不同的。经过逐步计算， 计算项目是被引入的回归方程中变量系数和复相关的系数， 且还需要对残差项目进行计算。按照土壤内重金属的含量和土壤反射的光谱相关性分析， 就能够找到与重金属的元素具有较好相关性的光谱波段， 并对各个重金属的含量和特征波段光谱的变量实施多元回归的分析。

2.3.2 偏最小二乘回归法

对于偏最小二乘回归法来说， 它是一种比较新型的数据统计分析法， 同时对光谱分析十分有效， 因此得到了光谱数据的处理中普遍应用， 它主要进行多因变量和多自变量回归建模的研究， 尤其是当各个变量的内部高度存在线性相关性， 此分析法更加有效。此分析法能够提供多对多类型线性回归的建模法， 如果两组变量存在很多的个数， 同时它们具有多重的相关性特点， 观测的数据数量也比较少， 其和传统多元线性的回归分析法比较， 就能够有效的解决多元线性的回归法对多重共线等问题， 实现对提取的光谱信息概括， 来准确的进行重金属的元素含量定量反演。在研究中可以通过相关软件来对所采集土壤的光谱实施预处理和偏最小二乘的回归模型建立， 借助相关软件能够对光谱的曲线实施连续性去除， 经过分析能够获取土壤光谱特征所具有的吸收带和相应特征的吸收波段情况， 借助相关软件还能够对土壤重金属含量和不同光谱的变量间相关的系数进行计算。

2.4 模型建立

在监测模型的建立中， 通过多元线性的回归法进行模型建立， 如果研究土壤的样本数是比变量的维数要小的， 则其对土壤光谱的反射率和土壤其重金属的含量关系监测是比较困难的， 且还存在运算复杂的情况， 即便通过此回归预测法进行模型的建立， 由于光谱波段间共线性问题就会导致建立预测的模型存在很大的不稳定性， 因此其预测准确性就会产生影响。也难以保证。而通过偏最小二乘回归法进行建模， 对高度相关波长的变量进行压缩， 就能够有效的进行多重共线的问题解决和处理， 实现对光谱信息的充分利用和概括， 且使能够促进这些压缩产生独立变量的成分能够更好的进行因变量性土壤内重金属的含量变化解释。

比如， 在对宝山矿区的农田土壤重金属污染监测中， 因为样本的数量是有限的， 想要实现对所有样本的充分利用， 防止其出现过度拟合情况， 就建立了最小二乘回归模型。此模型运用了逐一交叉的检验法， 每次进行1个样本的去除， 而剩下的样本就当作一建模的样本集来拟合相应的回归方程形式， 后把前面所去除的样本向回归方程进行输入， 就能够拟合该样本对应拟合值， 把此过程进行重复实施， 一直到所有的样本都被去除并又输入回归的模型中， 通过如此的循环就能够产生具有相同数目容量检验的样本集， 因此能够获取个样本所对应拟合值情况。把所有的样本都输入上述所构建的模型内实施运算， 就会通过计算输出相应的预测值， 然后对全部样本的输入值、实测值以及预测值等输出值的数据实施分析， 就能够得到根方的根误， 从而根据其来进行此模型精度的评判， 也就是判断土壤内重金属的含量实测值和预测值之间具有的差异性。

通过将宝山矿区的农田土壤重金属污染数据向模型中进行输入， 发现由于矿山的开采已导致周边的农田土壤受到了重金属的严重污染， Pb和Cd的污染值已经超过了5， 表现极严重的污染， Zn和As的污染值超过了3但小于5， 其表现强度污染的情况， 这都说明它们的含量已经超出农田生产土壤环境的质量要求标准。土壤内重金属的污染和总铁的含量有着显著的相关性， 同时对重金属的含量和土壤室内的高光谱具有的反射率间相关性实施分析， 尽管没有呈现出光谱的特征， 而通过它们和具备光谱特征含量间相关性， 对其单变量的波段以及多元的统计进行了分析， 并得到了相应结果。

3 结语

综上所述， 高光谱遥感是一种新型的监测技术， 其在土壤重金属污染监测中的应用有效的实现了对其重金属含量的有效监测， 但是在此技术的应用中还需要根据实际的情况规范技术的实施， 同时在土壤监测领域发展中， 还需要对其不断进行探索和研究， 促进其更好的得到应用。

声明：本文所用图片、文字来源《广东化工 》，版权归原作者所有。如涉及作品内容、版权等问题，请与本网联系删除

相关链接：光谱仪，反射，颗粒