论文部分内容阅读
博斯腾湖西岸湖滨绿洲土壤Cr、Ni、Pb、Zn均呈现无污染状态,土壤Cd为该区域主要的污染因子,土壤Cd的光谱特征分析及含量估算研究具有重要的意义。以博斯腾湖西岸湖滨绿洲为研究区,采用地累积指数、PCA/APCS受体模型分析土壤重金属Cr、Ni、Pb、Zn、Cd的累积程度及定量来源,利用HHT时频分析方法拟分析土壤Cd的光谱响应特征,采用11种数学变换光谱形式、光谱指数、特征选择算法筛选土壤Cd的特征光谱,构建偏最小二乘回归、BP神经网络模型优选最佳估算方法。研究结果表明:(1)土壤Cr、Ni、Pb、Zn、Cd的地累积指数依次为-0.2753、-0.2720、-0.3183、-0.2280、-0.046,五种重金属均呈现无污染状态,土壤Cd为研究区最主要的污染因子,重金属Cd在土壤剖面050cm层依次超过新疆土壤背景值的1.4608、1.5258、1.5775、1.6250、1.3975倍。重金属Cr、Ni、Pb、Zn对土壤母质源的平均贡献率依次为70.0209%、81.9601%、42.6003%、83.3987%、22.1798%,土壤Pb、Cd对交通污染源的平均贡献率依次为23.7560%、89.9023%,土壤Cr、Ni、Cd对农业污染源的平均贡献率依次为17.7113%、10.3875%、35.5428%。(2)HHT时频分析方法可鉴别不同土壤Cd浓度污染光谱,土壤Cd(0.09)、Cd(0.11)的突变波段较少,依次在1600nm、1000nm附近,与受污染光谱的响应差异较为明显,随着土壤Cd浓度的增加,突变光谱波段越多,其中Cd(0.14)的突变光谱响应区间为827840nm、16381654nm、Cd(0.18)的突变光谱响应区间为861864nm、875828nm、901904nm、925928nm,Cd(0.22)的突变光谱响应区间为12101213nm、12501253nm、12831286nm、23652368nm,Cd(0.26)的突变光谱响应区间为10991102nm、11251128nm、12081211nm、12421245nm、1539nm11542nm、19891999nm、20092021nm、20302033nm、20422045nm、20802092nm。综合分析可得,土壤Cd特征光谱区间为:861928nm、10991286nm、19892368nm。(3)在11种光谱数学变换形式中,一阶微分、对数二阶微分、倒数二阶微分、对数倒数二阶微分、平方根二阶微分与土壤Cd间的最大相关系数值依次为-0.6421、-0.4931、-0.4840、-0.4932、0.4660,与之相对应的波段依次为950nm、1298nm、2129nm、851nm、1257nm。所构建的光谱指数中,差值光谱指数、一阶微分差值光谱指数、一阶微分比值光谱指数、一阶微分归一化光谱指数与土壤Cd间的最大相关性系数值依次为0.4922、-0.5677、0.5374、0.5030,所对应波段组合依次为R923-R600、R945-R2208、R941/R1293、R941-R1299/R941+R1299。GAPLS、PSO算法所筛选的特征光谱波段均在500nm、1000nm、1500nm、20002400nm附近,三种方法所筛选的光谱波长在1000nm、1200nm、2200nm附近居多。(4)对数二阶微分、倒数二阶微分、对数倒数二阶微分、平方根二阶微分构建的PLSR模型R2值依次为0.9559、0.9534、0.9563、0.9469,RMSE值依次为0.0101、0.0104、0.0101、0.0108,RPD值依次为4.7973、4.6638、4.8194、4.4831,以平方根二阶倒数变换形式所建模型最优;经PSO算法筛选的一阶微分变换建立的BP神经网络估算模型效果最优,其R2值为0.8142,RMSE值为0.0167,RPD值为2.4446。通过本研究,以期应用于高光谱遥感土壤Cd含量估算,从而为区域土壤Cd污染动态监测提供科学依据及方法支撑。