重金属元素因其来源广、具备一定毒性且难被降解,最终会通过食物链富集在人体当中,危害人类健康,使得重金属污染受到了学者们的广泛关注。江苏沿海作为长三角经济区的重要组成部分,近几十年来经济快速发展,使得沿海地区的生态环境受到了不同程度破坏。同时江苏沿海分布着面积巨大且广泛的潮滩,作为海陆相互作用的典型地区,其接纳了大量入海水体的重金属元素,使得潮滩地区成为了重金属的“汇”和“二次源”。因此,了解潮滩地区重金属污染的特征以及当前面临的生态风险,对海域生态环境的保护和修复有着重要的借鉴意义。同时,由于对重金属监测时传统方法费时费力,很难展开大范围的详细监测。高光谱技术因其具备高效、快速、实时、宏观的监测优点在土壤重金属监测中取得了较好的成果,因此本研究尝试利用潮滩表层沉积物光谱信息对重金属含量进行估算,以期为潮滩地区重金属污染的大范围监测和防治提供理论基础和技术支持。本文以江苏如东洋口港附近海域作为研究区域,将采集的潮滩表层沉积物作为研究对象。通过测定其粒度、TOC、TN和六种重金属元素(Cu、Zn、As、Pb、Cr、Ni)含量,并基于多元统计分析和多种风险评价方法,评价该区域当前的重金属污染程度和面临的生态风险。同时,还对沉积物进行了室内光谱的测定,结合多种数学方法对光谱数据进行预处理并提取对重金属含量敏感的光谱波段。将获取的光谱特征变量利用多元逐步回归、偏最小二乘回归和广义回归神经网络对沉积物重金属含量进行建模和预测。最终取得的主要结论如下:(1)如东潮滩沉积物类型属砂质粉砂和粉砂质砂,北侧水动力条件复杂沉积物类型存在差异,南侧水动力条件较为稳定,沉积物颗粒较为均一。TOC和TN含量与平均粒径呈显著相关,且北侧区域的含量值要高于南侧,与TN相比TOC受水动力环境影响更大一些。(2)研究区内Cu、Pb、Cr、Zn和Ni五种重金属元素平均值均为低于国家海洋沉积物一级标准,但是Pb和Ni含量超过江苏海涂土壤背景值。As元素含量超过国家海洋一级标准,表明As元素为该潮滩地区主要的致污因子。研究区内As、Pb和Zn分布呈现出空间差异,呈现为“南侧高,北侧低”的分布特征,而Cu、Cr和Ni的空间差异不明显,指示出As、Pb和Zn的污染是由南侧的人类活动所输入的。(3)多元统计分析表明六种重金属元素除Ni外其余元素主要源自人为输入,来源主要包括交通运输、原药化工和农药、饲料添加剂的使用,并且这五种元素的关联性较高;地累积指数法和潜在生态风险系数法表明该地区Cu、Zn、Cr和Ni单项污染程度较低,为无污染或低污染,但是As和Pb的污染程度呈现中和中-高程度,这使得整个区域面临着中等以及较高等级的生态风险,南侧生态风险危险程度高于北侧。(4)沉积物的光谱数据经断点校正,SG平滑,一、二阶微分和连续统去除后能够有效的突出光谱特征。经相关性分析后能够提取出对重金属响应敏感的波段,波段经一定组合后相关性会进一步提高,最终对于As、Pb、Cu和Zn各筛选出了7、7、8和6个特征变量(其相关系数绝对值分别大于0.67、0.75、0.73和0.65)。(5)基于多元逐步回归、偏最小二乘和广义回归神经网络建立的模型对于四种重金属都有着较好的建模精度,其中对于Pb的建模精度最高,其建模的决定系数都超过了0.75;广义回归神经网络对Cu的建模效果最差,决定系数为0.54。同时,三种模型的预测精度却表现不同,对于As的预测来说多元逐步回归和广义回归神经网络预测精度最好;对于Pb来说广义回归神经网络预测效果最好,决定系数为0.658;对于Zn来说多元逐步回归的预测精度最好,决定系数为0.638;三种模型对于Cu的预测精度都不佳,偏最小二乘回归建模的最高预测决定系数也仅为0.416。