隨著人類社會工農業現代化、城市化的發展，人為因素造成土壤重金屬污染是當今世界越來越不容忽視的環境問題。盡管煤礦資源的開發對社會經濟至關重要，但其對自然環境產生的不利影響也是不可避免的。因此，我們有必要調查露天煤礦的土壤重金屬分布，以發現受污染的農田，提供和制定土地復墾策略以及進一步的公共健康策略。
 

原位土壤采樣與實驗室化學分析方法（利用高精度的原子吸收光譜法（AAS）和電感耦合等離子體質譜法（ICP-MS））相結合，已廣泛應用于土壤重金屬濃度的調查和制圖。然而，該方法難以獲得連續的土壤重金屬濃度制圖、耗時費力、成本高、效率低，適用范圍小，且可能會再次對環境產生不利影響。遙感技術的發展為快速、高效、大尺度監測重金屬含量提供了新的視角。而部分所使用的高光譜傳感器存在數據質量差、圖像連續性受限、光譜范圍窄、空間分辨率低、需要輔助環境變量、易受大氣干擾等問題。與現有高光譜衛星傳感器相比，GF-5 AHSI高光譜成像儀的空間分辨率、光譜分辨率、光譜范圍、時間分辨率等明顯增強。然而，關于使用GF-5 AHSI高光譜影像反演土壤重金屬含量的相關研究報道較少。
 

基于此，在本研究中，來自西安科技大學的張波（第一作者）、郭斌（通訊作者）課題組聯合其它研究團隊針對高分5號高光譜衛星影像反演中國北部某露天煤礦區（圖1）土壤重金屬含量問題進行了研究。旨在（1）利用直接校正（DS）算法在實驗室測量的和GF-5 AHSI獲得的土壤光譜之間建立傳輸模型，以提高土壤重金屬濃度估算精度，以及（2）通過比較隨機森林（RF）、極限學習機（ELM）、支持向量機（SVM）和反向傳播神經網絡（BPNN）算法確定最佳估算模型，基于該模型繪制土壤重金屬濃度圖。

作者于2020年2月收集了20 cm深度的土壤樣品，在實驗室中測量了其重金屬含量，并利用ASD FieldSpec 4地物光譜儀測量了土壤光譜數據。于2020年3月19日獲取GF-5 AHSI高光譜衛星影像，基于實驗室土壤光譜，引入直接校正算法（Direct standardization，DS）校正GF-5號高光譜衛星影像。利用連續小波變換（CWT）和Boruta算法進行光譜預處理以及特征波段提取。利用RF，ELM，SVM和BPNN4種機器學習方法估算土壤重金屬濃度，通過決定系數（R2）、均方根誤差（RMSE）和平均絕對誤差（MAE）比較了模型反演精度，確定了最佳模型。最后繪制了露天煤礦區土壤重金屬鋅、鎳和銅含量空間分布特征圖。
 

圖2 本研究流程圖

【結果】

圖3 110個土壤樣品的光譜反射率曲線及評估DS算法對從GF-5 AHSI影像提取的光譜的校正。（a）ASD測量的實驗室光譜，（b）從GF-5 AHSI影像中提取的光譜，（c）基于實驗室光譜通過DS算法校正的光譜，以及（d）用于評估DS算法的光譜角映射器（θ）

圖4 在每個CWT分解尺度評估估算模型的精度

圖5 Zn，Ni和Cu濃度最佳估算模型散點圖

圖6 研究區重金屬空間分布圖

【結論】

（1）連續小波變換（CWT）可以有效降低GF-5號高光譜衛星影像噪音，Boruta算法可有效提取特征波段。Boruta算法消除了冗余高光譜數據，并有效保留了高光譜數據的完整性和原始波段的物理意義。DS算法可以可靠的校正GF-5 AHSI圖像以估算重金屬濃度。利用DS算法可顯著提高模型反演精度。對于Zn，Ni和Cu，Rv2分別為0.77（RF），0.62（RF）和0.56（ELM）。

（2）重金屬分布趨勢與地面實測結果基本一致。

（3）露天煤礦活動可能是礦區土壤重金屬污染的主要來源，而車輛排放、粉塵、廢水和垃圾處理可能是研究區重金屬污染的其它可能原因。

本文揭示了GF-5號高光譜衛星影像可以成為繪制土壤重金屬圖的可靠數據源。本研究提出的工作流程和方法可以為連續尺度上土壤重金屬濃度估算提供科學依據。

請點擊下方鏈接，閱讀原文：

https://mp.weixin.qq.com/s?__biz=MjM5NjE1ODg2NA==&mid=2650310465&idx=3&sn=1ac043928cce70452bbe82f40fa265ae&chksm=bee1abbe899622a87f8eeda72e8e3bf30bbda31f0f4bb25cae95fbcbe19ff94bb67c13898f35&token=757282755&lang=zh_CN#rd