模擬多光譜的土壤重金屬含量反演研究初探

郭云開，曹小燕，謝　瓊，周峰松

(長沙理工大學交通運輸工程學院，湖南長沙410004)

?

模擬多光譜的土壤重金屬含量反演研究初探

郭云開，曹小燕，謝瓊，周峰松

(長沙理工大學交通運輸工程學院，湖南長沙410004)

摘要：根據(jù)多光譜傳感器的光譜響應函數(shù)，采用實測ISI921VF反射光譜數(shù)據(jù)模擬Landsat衛(wèi)星ETM+傳感器多光譜數(shù)據(jù)，在模擬光譜的基礎上，通過光譜特征提取、構建土壤指數(shù)對土壤重金屬Cu,Pb,As進行預測分析。研究顯示，Cu,Pb與模擬ETM+光譜的B2,B3波段顯著相關，As與DSI,RSI,NDSI相關系數(shù)在0.6以上，基于模擬多光譜建立的Cu,As模型精度較高，平均相對誤差分別為7.9%，2.7%，表明模擬的Landsat衛(wèi)星ETM+傳感器多光譜具有預測耕地土壤重金屬的潛力，為實現(xiàn)大范圍監(jiān)測土壤重金屬污染提供新思路。

關鍵詞：土壤重金屬；Landsat ETM+；模擬多光譜；土壤指數(shù)；敏感參數(shù)

隨著我國耕地土壤重金屬污染的面積不斷擴大、污染事故的頻頻發(fā)生，人們越加意識到土壤重金屬污染監(jiān)測與治理的重要性，傳統(tǒng)的重金屬原位監(jiān)測技術精度較高，但因其需耗費大量的人力物力，無法適用于大范圍重金屬污染監(jiān)測需求，而遙感技術具有快速、宏觀的特性，表現(xiàn)出其他方法無法比擬的優(yōu)點。目前已有不少學者利用遙感技術對土壤重金屬污染監(jiān)測進行研究探索，并取得一定的成果，如Malley和Williams利用湖泊沉積物的反射光譜快速預測重金屬含量[1]；Ren等對礦區(qū)農(nóng)用地中的反射光譜與重金屬進行研究，發(fā)現(xiàn)反射光譜對As和Cu元素有一定的指示性[2]；國內(nèi)吳昀昭等應用農(nóng)田土壤光譜反射率估算土壤表層Hg元素的濃度[3]；李巨寶等采用偏最小二乘方法，構建基于土壤反射光譜的Se,Zn,Fe含量預測模型[4]。

由于高光譜遙感數(shù)據(jù)資源有限，且空間分辨率低，進行大面積重金屬遙感監(jiān)測試驗仍存在很大困難，因此基于地面實測反射高光譜的土壤重金屬預測是目前研究的主要手段，且依舊處于實驗室模擬階段。與高光譜數(shù)據(jù)相比，衛(wèi)星多光譜數(shù)據(jù)具有空間分辨率高、數(shù)據(jù)源廣、易于獲取、數(shù)據(jù)質(zhì)量較好等優(yōu)勢，對于空間動態(tài)分析來說，比高光譜數(shù)據(jù)更具有實用性，有利于土壤重金屬含量的大面積反演研究。基于此，本文根據(jù)多光譜傳感器的光譜響應函數(shù)，采用實測反射光譜模擬Landsat 衛(wèi)星ETM+傳感器多光譜數(shù)據(jù)，研究利用多光譜數(shù)據(jù)預測耕地土壤重金屬污染的可行性，從而更好地為利用多光譜數(shù)據(jù)監(jiān)測土壤重金屬含量提供支持。

1多光譜模擬方法

1.1　多光譜傳感器選擇

對于定量遙感反演，要求所選擇的多光譜遙感數(shù)據(jù)除了具有較高的光譜分辨率外，還應具有足夠的空間分辨率；其次為了真實反映實地土壤信息，地面反射光譜試驗應與衛(wèi)星遙感數(shù)據(jù)獲取時間同步。在中巴資源衛(wèi)星、GF衛(wèi)星、IKONOS、Landsat 等眾多多光譜遙感衛(wèi)星中，Landsat7 衛(wèi)星具有較豐富的波譜信息，其數(shù)據(jù)質(zhì)量、中等空間分辨率以及較高的時效性較適合本文的需求。Landsat7衛(wèi)星遙感影像1~3波段為可見光波段，4，5，7為紅外波段，這6個波段是本研究主要模擬波段；波段6為熱紅外波段，一般用于反演地表溫度；波段8是全色波段，通過全色波段與可見光-近紅外波段融合，可使影像最大空間分辨率達到15 m，影像數(shù)據(jù)的獲取時間與實地數(shù)據(jù)獲取時間一致。

1.2　Landsat7衛(wèi)星傳感器的半帶寬與光譜響應函數(shù)

即使同一地物，在不同測量尺度下的波譜也會存在很大差異，如何將地面反射光譜轉(zhuǎn)換到Landsat 衛(wèi)星ETM+傳感器光譜尺度并減少光譜的損失是光譜模擬的關鍵。目前，將兩者關聯(lián)的主要途徑是計算實測光譜反射率對應波段范圍均值，將此均值與影像對應像元反射率進行回歸分析，這種方法實際上沒有考慮影像波譜與地面波譜的更進一步響應[5]。張婷等人利用傳感器的光譜響應函數(shù)擬合實測端元光譜，并同均值擬合的實測端元光譜相比，表明響應函數(shù)擬合光譜精度更高外，同時保證光譜信息的最大程度保留[5-6]。

光譜響應函數(shù)是表征傳感器性能的一個重要指標，當光譜響應達到50%時，其所對應的波長范圍稱為半帶寬(Full Width at Half Maximum，F(xiàn)WHM)，同時傳感器還存在FWHM波段外(光譜響應小于50%)的光譜響應，即為傳感器的光譜響應范圍，這就是不同傳感器類型獲取的光譜產(chǎn)生差異的原因[6]。事實上，傳感器并不能完全接收和記錄光譜響應范圍內(nèi)的入射輻亮度，光譜響應函數(shù)就是傳感器在各波長處所接收的輻亮度與入射輻亮度的比值，遙感數(shù)據(jù)獲取的官方網(wǎng)站一般會提供相應傳感器的光譜響應函數(shù)(見表1)。圖1為Landsat 7衛(wèi)星傳感器的光譜響應函數(shù)，每個波長對應一定的波譜響應范圍，響應范圍內(nèi)的最大輻射值即為該波段的中心波長。

表1　Landsat7衛(wèi)星ETM+傳感器的光譜響應參數(shù)　μm

圖1　Landsat ETM+傳感器的光譜響應函數(shù)

1.3　多光譜傳感器光譜模擬

根據(jù)傳感器的輻射傳輸定律，各波段的光譜輻射能量即為該波段范圍內(nèi)能力響應的總和，因此光譜模擬實際上是根據(jù)已知傳感器的光譜響應函數(shù)(Landsat ETM+)對響應輻射能量進行重采樣的過程。根據(jù)Landsat7傳感器的各波段波譜響應函數(shù)，將預處理后的高光譜數(shù)據(jù)重采樣為多光譜數(shù)據(jù)，則模擬的多光譜反射率為

(1)

式中：Ri是待模擬波段的光譜反射率；fi(λ)是Landsat7波段i在波長λ處的光譜響應函數(shù)；r(λ)是地面光譜各波長處的反射率；λmax和λmin分別是地面反射光譜波長取值范圍的最大值和最小值。

2試驗數(shù)據(jù)與處理

2.1　實地數(shù)據(jù)采集

本文選擇株洲清水塘工業(yè)區(qū)為試驗區(qū)域，于2013年1月進行實地數(shù)據(jù)采集。地面高光譜采集儀器為ISI921VF-128型地物光譜儀，其波段范圍380～1 050 nm，光譜分辨率為5 nm。光譜測量于當?shù)?0:00~14:00時間段進行，探測高度1.3 m左右，每個數(shù)據(jù)至少測量10次以獲得均值，并采用雙向反射因子對測量結(jié)果進行校正。同時采集相應的土壤樣品，取樣深度20 cm，共采集45個田塊。土樣采集后去除樣品中的石塊、植物根系和凋落物后在實驗室自然風干，壓磨后過尼龍篩制樣供測試用。研究采用電位法測定土壤PH值，采用ICP-AES法測定土樣中的有機質(zhì)、Fe,Cu、砷為As,Pb等組分全量，測試結(jié)果見表2。

表2　2013年1月株洲清水塘土壤重金屬含量的統(tǒng)計特征值

2.2　光譜數(shù)據(jù)處理

1) 光譜變換。 在光譜測量中，由于受到觀測條件以及測量儀器系統(tǒng)性的影響，使光譜曲線存在“毛刺”噪聲，本文采用加權移動平均法WMAM對光譜平滑去噪。預處理后根據(jù)式(1)將實測反射光譜模擬為Landsat7衛(wèi)星 ETM+傳感器光譜，同時將模擬光譜進行一階微分(R′)、倒數(shù)對數(shù)(lg(1/R))變換，以消除基線漂移并降低背景信息的干擾，增強光譜差異。一階微分算式[7]為

(2)

式中：Ki+1，Ki，Ki-1為相鄰波長；R(Ki+1)，R(Ki-1)為對應波長反射率；R′(Ki)為波長Ki的一階微分。

2) 光譜吸收深度。 除光譜變換外，光譜吸收反射特征也是描述土壤波譜特征的重要參數(shù)。通過折線連接反射光譜曲線上的峰值點所得到的曲線稱為“包絡線”，將包絡線與土壤光譜反射率進行比值計算可獲得連續(xù)統(tǒng)去除光譜[8]。模擬光譜經(jīng)過連續(xù)統(tǒng)去除后，有效增強光譜曲線的吸收和反射特征，在550 nm處出現(xiàn)一個比較明顯的吸收谷，提取此處的吸收峰深度HR可用于探究土壤重金屬的光譜響應特性。 其算式為

(3)

(4)

式中： HR，Rcr(k)，R(k)，R(c)分別是吸收深度、連續(xù)統(tǒng)去除后的值、原始光譜和光譜包絡線，k為波長。

3)土壤指數(shù)。 已有研究表明，土壤光譜經(jīng)過一定的波段組合有利于提高土壤光譜的表征能力[9]，研究根據(jù)模擬光譜的差異顯著波段(B2，B1波段)構建3種土壤指數(shù)參與分析，包括土壤差值土壤指數(shù)(Difference Soil Index，DSI)、比值土壤指數(shù)(Ratio Soil Index，RSI)和歸一化土壤指數(shù)(Normalized Difference Soil Index，NDSI)，定義為

(5)

RSI=B1/B2，

(6)

(7)

式中：B1，B2分別表示模擬光譜中第一、第二波段反射率。

3結(jié)果與分析

3.1　模擬土壤光譜分析

遙感影像預處理后，根據(jù)實測采樣點的地理坐標，獲取對應點影像像元光譜反射率，并與模擬的Landsat7衛(wèi)星ETM+傳感器多光譜曲線進行對比分析，見圖2。由圖2可知，多光譜數(shù)據(jù)為包含7個波段的折線，實測反射光譜為光滑連續(xù)曲線，模擬多光譜數(shù)據(jù)只含有4個(B1~B4)波段，B5，B7波段反射率為0，這是由于用于模擬多光譜的數(shù)據(jù)光譜范圍為380～1 050 nm，其中模擬多光譜與實測光譜相關性較高，表明使用光譜響應函數(shù)模擬的多光譜數(shù)據(jù)保留原始數(shù)據(jù)的大部分信息。Landat7衛(wèi)星傳感器所獲取的影像空間分辨率較低(30 m)，單個像元中的光譜信息可能既包含土壤反射信息，同時也包含其他覆蓋地物反射信息在內(nèi)，即Landat7影像像元為混合像元。而土壤作為一種弱信息，其反射率更易受到周圍環(huán)境的影響，這給影像定量反演土壤信息帶來很大困難，圖2中對比分析顯示 ，影像多光譜反射率明顯高于實測土壤光譜反射率，這主要是由于植被光譜影響所致，尤其在可見光波段差異較明顯(380~760 nm之間)，綠光波段出現(xiàn)一個小的反射峰(550 nm)，紅光波段出現(xiàn)吸收峰(650 nm)，近紅外波段受背景影響較小(760~1 080 nm)。通過分析實測光譜曲線可知，試驗區(qū)土壤光譜曲線除在670 nm附近存在明顯吸收峰，同時在500 nm與900 nm附近還出現(xiàn)微弱的吸收特征，除吸收波谷外，土壤光譜反射率在整個區(qū)間呈上升的趨勢，在680～720 nm區(qū)間光譜反射率上升最快，720～920 nm區(qū)間光譜變化較平緩，而在920 nm向長波方向光譜反射率緩慢下降。

圖2　不同尺度光譜反射率對比分析

3.2　模擬光譜參數(shù)與土壤重金屬的相關性分析

為了探討模擬多光譜對土壤重金屬元素的可遙感性, 采用逐步回歸分析技術將重金屬含量分別與模擬光譜反射率及其光譜變換形式進行相關分析。從光譜及其變換數(shù)據(jù)與土壤元素含量的相關曲線得知，Cu含量與lg(1/R)相關性最大，診斷波譜位于可見光黃-黃紅光波段，對應于ETM+多光譜數(shù)據(jù)中的B2，B3波段，最大相關系數(shù)為0.6；Pb含量與原始光譜R達到極顯著負相關，紅光波段相關性最大，相關系數(shù)為0.45，由此可見Cu，Pb的敏感波段與土壤的特征波段較一致；而一階微分光譜R′與As含量具有較高的相關水平，最大特征波段位于可見光黃光波段，即ETM+多光譜數(shù)據(jù)中的B1波段，最大相關系數(shù)為0.52，3種元素與模擬光譜參數(shù)的相關性都達到極顯著水平，如圖3所示。

土壤吸收深度、土壤指數(shù)與土壤重金屬的相關分析顯示如表3所示，土壤吸收深度與Cu有一定的相關性，而與其他兩種元素并未表現(xiàn)出敏感性，表明Pb表現(xiàn)出的光譜敏感性可能是由于與Cu等元素賦存共生而引起。模擬光譜波段構建的指數(shù)對As最為敏感，尤其是RSI指數(shù)敏感度最高，相關系數(shù)為0.629的極顯著相關，這表明本文構建的土壤指數(shù)能有效綜合可見光光譜差異信息，提高模擬光譜對As的敏感性。

圖3　模擬ETM+光譜參數(shù)與土壤3種重金屬含量的相關分析

表3　土壤重金屬與模擬多光譜反射率的相關水平

注：*. 在0.01置信水平上顯著相關，**. 在0.05置信水平上極顯著相關

3.3　預測模型構建

本文從三個方面研究模擬多光譜參數(shù)與土壤重金屬含量的相關性，根據(jù)土壤重金屬與土壤光譜參數(shù)的相關分析，獲取各重金屬元素的敏感光譜參數(shù)作為輸入，以此建立土壤重金屬含量估算模型，模型函數(shù)包括線性模型、指數(shù)模型、對數(shù)模型、多項式擬合模型、冪指數(shù)模型等，模型參數(shù)估計采用最小二乘法實現(xiàn)，使實際觀測值與預測值之差的平方和為最小，采用最小二乘擬合不僅能夠兼顧方程的近似程度，使整體誤差達到最小，還有益于抑制測量誤差。擬合中變量的密切程度通過相關系數(shù)R來判定，其表達式為

(8)

由于不同的重金屬與不同的土壤光譜參數(shù)敏感性不同，而Cu,As等重金屬敏感光譜參數(shù)較多，根據(jù)不同的情況選擇敏感度較高的光譜參數(shù)參與建模。As回歸模型選擇的自變量參數(shù)為微分光譜R′,RSI；Cu回歸模型選擇的自變量參數(shù)為B2,B3；Pb回歸模型選擇的自變量參數(shù)為B3，以所選擇的光譜參數(shù)為自變量，對應的土壤重金屬含量為因變量，建立重金屬模擬光譜分析模型，回歸結(jié)果如表4所示。

土壤重金屬單元預測模型及精度分析結(jié)果顯示(見表4)，Cu的兩個變量的最佳擬合模型都為二次多項式模型，且Lg(1/B2)的二次擬合模型最優(yōu)，決定系數(shù)在0.6以上，均方根誤差較小，平均相對誤差為7.96%；模擬波段B3對土壤Pb含量變化較為敏感，對Pb的預測效果較好，最佳預測精度為81.58%；光譜微分技術和構建土壤指數(shù)能夠有效提高As對模擬多光譜的敏感性，相比而言，比值土壤指數(shù)RSI的指數(shù)模型更適用于土壤As含量的預測，決定系數(shù)為0.643，最佳預測精度為94.47%。

表4　重金屬與最大相關波段的擬合模型

4結(jié)束語

目前國內(nèi)外對于土壤重金屬污染的快速監(jiān)測已進行大量探索，但由于土壤環(huán)境相對復雜及遙感數(shù)據(jù)的限制，對于大面積的宏觀監(jiān)測的實現(xiàn)仍存在很大的困難。本文選擇具有較豐富光譜信息的Landsat7衛(wèi)星數(shù)據(jù)作為試驗，根據(jù)ETM+傳感器的光譜響應函數(shù)，利用地面實測高光譜重采樣為多光譜數(shù)據(jù)，構建土壤指數(shù)，提取波譜吸收深度，建立基于模擬多光譜參數(shù)的土壤重金屬Cu,Pb,As含量預測模型。研究表明，基于Landsat衛(wèi)星 ETM+傳感器的模擬多光譜數(shù)據(jù)具有預測耕地土壤重金屬的潛力，尤其是Cu，As元素，文中構建的土壤指數(shù)RSI綜合了B1(0.45~0.52μm)與B2(0.52~0.60μm)的光譜信息，提高光譜的信噪比，有效提高As對模擬多光譜的敏感性。在本研究中，模擬的多光譜為理想的端元光譜，而影像多光譜為較為復雜的混合光譜，受土壤覆蓋層地物光譜影響較大，如何實現(xiàn)模擬多光譜到影像多光譜的轉(zhuǎn)換還需做進一步探討與研究。

參考文獻：

[1]MALLEY D F, WILLIAMS P C. Use of Near-Infrared Reflectance Spectroscopy in Prediction of Heavy Metals in Freshwater Sediment by Their as Sociation with Organic matter[J]．Environ Sci Technol，1997,31(6):3461-3467．

[2]REN H Y, ZHUANG D F. Estimation of As and Cu contamination in agricultural soil around a mining area by reflectance Spectroscopy：A Case Study[J]．Pedospere，2009，19(2):719-726．

[3]吳均昭．南京城郊農(nóng)業(yè)土壤重金屬污染的遙感地球化學基礎研究[D]．南京：南京大學，2006．

[4]李巨寶，田慶久，吳均昭．滏陽河兩岸農(nóng)田土壤Fe,Zn,Se元素光譜響應研究[J]．遙感信息，2005(3)：10-13．

[5]張婷，丁建麗，王飛. 基于實測端元光譜的多光譜圖像光譜模擬研究[J]. 光譜學與光譜分析，2010，30(11)：2889-2893．

[6]喬延利，鄭小兵，王先華，等. 衛(wèi)星光學傳感器全過程輻射定標[J]. 遙感學報，2006，10(5)：616-623．

[7]郭云開，張進會．南方丘陵地區(qū)陸域植被光譜處理與分析[J]. 測繪工程，2014，23(7)：1-5．

[8]龔紹琦，王 鑫，沈潤平，等．濱海鹽土重金屬含量高光譜遙感研究[J]．遙感技術與應用，2010，25(2):169-177．

[9]呂超，呂游．遙感影像信息提取技術的研究與實現(xiàn)[J]．黑龍江工程學院學報，2014，36(1)：34-37．

[10]SHRESTHA R P. Relating soil elect rical conductivity to remote sensing and other soil properties for assessing soil salinity in northeast Thailand[J]. Land Degradation & Development , 2006 ,17 (6):677-689．

[11]吳昀昭，田慶久，季峻峰，等．土壤光學遙感的理論、方法及應用[J]．遙感信息，2003，30(3):34-38．

[12]任紅艷，莊大方，邱冬生，等．礦區(qū)農(nóng)田土壤砷污染的可見近紅外反射光譜分析研究[J]．光譜學與光譜分析，2009,29(1)：114-118．

[13]ROSSO P H, PUSHNIK J C, LAY M, et al.Reflectance properties and physiological responses of Salicornia virginica to heavy metal and petroleum contamination[J]．Environmental Pollution,2005, 137: 241-252．

[責任編輯：張德福]

Primary research on the inversion model of soil heavy metal based on simulation multi-spectral data

GUO Yun-kai，CAO Xiao-yan ，XIE Qiong，ZHOU Feng-song

(School of Transportation Engineering，Changsha University of Science and Technology，Changsha 410004,China)

Abstract：In this paper, based on the spectral response function of multi-spectral sensors, measured ISI921VF reflection spectrum data are used to simulate the multispectral data of ETM+ sensor of Landsat satellite, and based on the simulated spectrum, the extracted spectral features and constructed soil index are used to analyze and predict the soil heavy metal of Cu, Pb and As. The study shows the Cu and the Pb are significantly associated with band B3, B4 in ETM+; the correlation coefficients between the As and index DSI, RSI, NDSI are above 0.6; based on the simulated multispectral, the Cu prediction model and the As prediction model have high precision and the average relative errors are 7.9% and 2.7%, respectively. It is indicated that simulated multispectral data of ETM+ sensor of Landsat satellitecan predicts the heavy metal in farmland soil, which is a new way provided to achieve a wide range monitoring of soil heavy metal.

Key words：soil heavy metal; Landsat ETM+; simulate multi-spectral; soil index; sensitive parameters

作者簡介：郭云開(1958-)，男，教授，博士生導師.

基金項目：國家自然科學基金資助項目(41471421)；湖南省自然科學基金資助項目(12JJ6031)；貴州省交通科技項目(2014-121-039)

收稿日期：2015-06-26

中圖分類號：P237

文獻標識碼：A

文章編號：1006-7949(2015)12-0007-05