环境污染是当今人类面临的一大难题,除大气污染、水污染外,土壤重金属污染问题也备受关注。如何高效的监测土壤重金属污染情况是人们一直以来探索的重点。土壤成分分析及物质含量测定、高光谱遥感、多光谱遥感等技术,均被应用于土壤重金属污染监测中。使用实测样点土壤光谱数据反演土壤重金属含量,其反演精度受到采样点的数量和分布影响较大;利用高光谱遥感影像对土壤重金属含量反演的方法,虽然光谱分辨率较高,但数据获取较困难、处理方式较复杂。而多光谱遥感影像获取相对容易、数据冗余小、数据处理方便,在大区域、大尺度反演土壤重金属含量时,能在宏观上达到监测土壤重金属含量的目的。在利用影像光谱数据进行土壤重金属含量反演时,若整个研究区统一建模,而不顾及研究区植被覆盖或地类分区,可能造成总体精度偏低。因此利用多光谱影像数据进行土壤重金属含量反演时,采用分区构建反演模型的方法,能够起到全区域宏观监测土壤重金属含量的同时,也提高了反演精度。本文以四川省成都市天府新区西部片区为例,根据区内植被覆盖情况将该区域划分为植被区、裸地区及非反演区域三类。利用WorldView-3多光谱影像数据提取的植被指数和单波段反射率,使用主成分回归、多元逐步回归、偏最小二乘回归三种回归方法,与土壤样点实测重金属含量建立回归模型。建模中使用三分之二实测样点土壤重金属含量数据建立反演模型,剩余三分之一数据用来验证反演模型精度。在植被区,利用三种回归方法建立了土壤重金属砷(As)、钴(Co)、铬(Cr)、钼(Mo)、铅(Pb)的反演模型;在裸地区,利用三种回归方法建立了土壤重金属砷(As)、钴(Co)、锰(Mn)、镍(Ni)、钒(V)含量反演模型。最终通过拟合度和精度两个指标,从植被区与裸地区共建立的30个模型中选取出6个最优的反演模型,得到植被区As、Co、Cr、Mo四种土壤重金属含量反演的最佳模型和裸地区As、Co两种土壤重金属含量反演的最佳模型。此次研究主要取得如下成果:(1)在土壤重金属含量与植被指数、单波段反射率相关性分析中,植被区土壤重金属含量与植被指数的相关性强于单波段反射率,而裸地区各土壤重金属含量与单波段反射率的相关性强于植被指数,因此将研究区分区进行建模反演的方法能够在一定程度上提高总体精度。(2)在本次研究区内,土壤重金属As、Co、Cr、Mo含量与植被指数中DVI、GDVI、GNDVI、GRVI、NDVI等有较强的相关性,与WorldView-3单波段反射率中Coastal Blue、Blue、Green、Yellow波段的相关性较好,与短波红外波段相关性较差。(3)在植被区与裸地区分别使用主成分回归、多元逐步回归、偏最小二乘回归共建立了30个回归方程。通过模型评价指标和实测土壤重金属含量数据中未参与建模的三分之一对模型进行评价。在植被区,使用多元逐步回归方法建立的重金属As、Mo的含量反演模型,优于主成分回归、偏最小二乘回归所建立的模型;使用偏最小二乘回归方法建立的重金属Co、Cr的含量反演模型,优于多元逐步回归和主成分回归方法所建立的模型。在裸地区,使用多元逐步回归建立的重金属As、Co的含量反演模型,优于主成分回归、偏最小二乘回归方法建立的模型。