有色金屬礦區(qū)土壤鉻污染遙感反演研究

陳宇波，薛云，鄒濱，文益民，周松林

(1.南京郵電大學電子與光學工程學院，江蘇南京，210023；2.中南大學有色金屬成礦預(yù)測與地質(zhì)環(huán)境監(jiān)測教育部重點實驗室，地球科學與信息物理學院，湖南長沙，410083；3.湖南城市學院市政與測繪工程學院規(guī)劃建筑設(shè)計研究院，湖南益陽，413000；4.桂林電子科技大學計算機科學與信息安全學院，廣西桂林，541004)

在礦產(chǎn)資源的開發(fā)和利用過程中，采礦、運輸、污水處理和施肥等人類活動對土壤健康構(gòu)成持續(xù)威脅，不可避免地帶來許多環(huán)境問題[1-3]。重金屬離子進入農(nóng)田土壤，影響土壤的正常功能，污染了生長在土壤中的農(nóng)作物，不僅增加了食品的安全隱患，而且時刻威脅著人體健康。當前，常用的重金屬元素監(jiān)測技術(shù)精度雖然較高，但所需大量人力和物力，難以適應(yīng)大范圍環(huán)境污染監(jiān)測的需求。高光譜遙感技術(shù)具有快速、宏觀、分辨率高等特性，具有精準度高、重金屬污染監(jiān)測空間范圍大的優(yōu)勢，已逐漸成為研究熱點[4-8]。但室內(nèi)、室外環(huán)境條件不同導(dǎo)致土壤光譜存在差異[9-13]，在野外條件下測得的土壤光譜受到多種因素如土壤的含水量、土壤顆粒粒度、土壤表面條件、太陽輻射、環(huán)境光和溫度的影響，野外測量環(huán)境與實驗室測量環(huán)境有顯著差異。通過對比基于實驗室光譜和野外光譜分別建立的黏土、碳酸鈣、高含量鹽分光譜反演模型可知，基于實驗室光譜建立的土壤成分含量反演模型常常難以直接運用于野外，且單波段遙感反演建模導(dǎo)致土壤背景信息不容易分離，使得本身含量低的土壤重金屬難以形成顯著的光譜響應(yīng)特性，影響重金屬遙感反演建模效果[14-16]。為此，本文作者考慮土壤室內(nèi)、室外光譜內(nèi)在的關(guān)聯(lián)一致性，并考慮地理環(huán)境要素對土壤光譜反射率的影響，選擇合適的轉(zhuǎn)換集，構(gòu)建室內(nèi)、室外土壤光譜的關(guān)聯(lián)轉(zhuǎn)換模型；采用構(gòu)建的土壤室內(nèi)外光譜轉(zhuǎn)換模型將土壤樣品室外光譜進行光譜轉(zhuǎn)換，得到轉(zhuǎn)換后的土壤室外光譜信號，消除環(huán)境條件導(dǎo)致的土壤光譜差異；考慮到單波段容易造成地物的可辨識性不強，土壤背景信息不容易分離，通過波段反射率的比值，加強地物之間的對比度，減弱背景而突出地物信息。以中國湖南某礦區(qū)為例，建立不同光譜類型(野外光譜、實驗室光譜和轉(zhuǎn)換光譜)的不同遙感反演特征因子(波段因子、比值因子和組合因子)多個逐步回歸模型估算鉻質(zhì)量分數(shù)。

1 數(shù)據(jù)與方法

1.1 土壤樣品采集及光譜測定

研究區(qū)為湖南省某有色金屬礦區(qū)。考慮到研究區(qū)多種污染擴散因素布設(shè)帶狀采樣路線，采用格網(wǎng)取樣法采集自然污染土壤表層(0～20 cm)樣品46 個(見圖1)。采樣點土地利用類型主要為農(nóng)業(yè)用地，少部分樣本為建筑用地和礦區(qū)土壤。在去除石塊、草木等雜質(zhì)基礎(chǔ)上，運用PSR-3500野外便攜式光譜儀進行野外光譜測量。測量前，需要通過測量白板來定標，獲取絕對反射率，再用光譜儀采集土壤光譜。為保證光譜的有效性，取土壤樣本點的10 次光譜平均值作為樣點的野外光譜信號測量值。將土壤樣品帶回實驗室測定其鉻質(zhì)量分數(shù)及其光譜(實驗室光譜)。

圖1 采樣點分布圖Fig.1 Location map of sampling point

1.2 野外光譜轉(zhuǎn)換

DS(direct standardization)轉(zhuǎn)換是一種光譜直接校正算法[17-19]，其基本思想為：先建立實驗室光譜和野外光譜的數(shù)學函數(shù)關(guān)系，再用已確定的函數(shù)關(guān)系轉(zhuǎn)換野外光譜，從而消除野外光譜測量中環(huán)境因素的影響。具體步驟如下：以野外光譜作為輸入，利用Kennard-Stone算法[20-21]篩選具有代表性的野外光譜與實驗室光譜，作為轉(zhuǎn)換集。采用DS算法構(gòu)建轉(zhuǎn)換集的轉(zhuǎn)換模型；采用轉(zhuǎn)換模型對野外光譜進行轉(zhuǎn)換，得到轉(zhuǎn)換后的野外光譜(DS光譜)。

1.3 光譜數(shù)據(jù)預(yù)處理

光譜測量易受觀測角度、照度、樣品表面粗糙度等諸多因素的影響，導(dǎo)致光譜反射率曲線的信噪比低。對光譜反射率曲線進行預(yù)處理可以減小其所帶來的影響。原始高光譜經(jīng)變換后可以消除背景噪聲，突出光譜特征。本研究去除首尾信噪比低的波段350～380 nm 和2 410～2 500 nm，以及受水氣影響嚴重的波段1 880～1 965 nm，對各光譜的有效波段進行間隔為10 nm的采樣，以降低波段之間的相關(guān)性，提高數(shù)據(jù)處理效率。對各光譜進行一階微分處理，以消除部分共有系統(tǒng)誤差。

1.4 遙感信息特征因子選擇與模型建立

1.4.1 遙感信息特征因子選擇

相關(guān)性分析結(jié)果可以反映2個變量間線性關(guān)系的強弱，本研究中，波段光譜反射率與樣本重金屬質(zhì)量分數(shù)間的Pearson 相關(guān)系數(shù)可用于指示土壤重金屬質(zhì)量分數(shù)的強相關(guān)波段，計算公式為

式中：r為Pearson 相關(guān)系數(shù)；為第i個波段光譜反射率均值；-Y為樣本重金屬質(zhì)量分數(shù)均值；Xi為光譜第i個波段反射率；Y為樣本重金屬質(zhì)量分數(shù)；σ為標準差。對相關(guān)系數(shù)進行0.05水平上的顯著性檢驗，通過顯著性檢驗的波段即為強相關(guān)波段；用每個強相關(guān)波段分別與其他強相關(guān)波段進行比值處理(λ1/λ2，λ1和λ2分別為分子波段的波長和分母波段的波長)，并逐一與鉻質(zhì)量分數(shù)進行相關(guān)分析，通過顯著性檢驗的波段反射率的比值為強相關(guān)波段比值。

1.4.2 逐步回歸建模

分別用野外光譜、實驗室光譜及DS光譜的強相關(guān)性波段(波段因子)、強相關(guān)性波段比值(比值因子)及強相關(guān)性波段和波段比值組合(組合因子)這3種因子作為模型的輸入變量，土壤鉻質(zhì)量分數(shù)為因變量，構(gòu)建雙向篩選逐步回歸模型。逐步回歸分析是基于多元回歸分析發(fā)展起來的一種數(shù)學分析方法，能有效提高變量選擇的準確性。該方法的優(yōu)點在于可以保證選入方程的自變量都與因變量顯著相關(guān)。模型結(jié)果選擇決定系數(shù)R2、訓練樣本均方根誤差ERMSt，驗證樣本均方根誤差ERMSp和相對分析誤差DRP[22]作為評判模型預(yù)測能力的標準。一般R2及DRP越大，ERMSt及ERMSp越小，模型精度越高，偏差越小。

式中：DRP為相對分析誤差；DS為測量值的標準差；ERMS為均方根誤差。

2 結(jié)果與討論

2.1 土壤鉻質(zhì)量分數(shù)描述性統(tǒng)計分析

研究區(qū)土壤鉻質(zhì)量分數(shù)總體較高，樣本均值遠高于國家土壤環(huán)境質(zhì)量標準(GB 36600—2018)[23]第一類用地管制值(78 mg/kg)(見圖2)。但在46 個采樣點中，僅有1 個樣本點的鉻質(zhì)量分數(shù)未超標。土壤鉻質(zhì)量分數(shù)統(tǒng)計值標準差較大，說明研究區(qū)污染差異較大。卡方檢驗統(tǒng)計量χ2=2.38<，=7.815，表明土壤樣本鉻質(zhì)量分數(shù)服從正態(tài)分布。隨機選取46個樣本中的70%作為訓練樣本，30%作為測試樣本。

圖2 土壤樣品鉻質(zhì)量分數(shù)描述性統(tǒng)計圖Fig.2 Descriptive statistics of chromium content in soil samples

2.2 土壤光譜曲線特征分析

圖3(a)，(c)和(e)所示分別為土壤野外原始光譜、實驗室原始光譜及DS原始光譜圖。土壤野外原始光譜特征波段響應(yīng)方向雜亂，響應(yīng)程度變化劇烈；土壤實驗室原始光譜及DS原始光譜特征波段響應(yīng)方向較一致，響應(yīng)程度較穩(wěn)定，說明野外環(huán)境對鉻污染土壤光譜影響顯著。圖3(b)，(d)和(f)所示分別為土壤經(jīng)預(yù)處理后的野外光譜、實驗室光譜及DS 光譜圖，這3 類光譜之間的差異在預(yù)處理后顯著減小，說明預(yù)處理后的土壤樣品反射率更有利于光譜特征的敏感波段識別，可有效提升后續(xù)參與建模的光譜信號質(zhì)量。

2.3 相關(guān)性分析

圖4所示為土壤中鉻質(zhì)量分數(shù)與9 個因子的Pearson 相關(guān)系數(shù)。從圖4(a)，(c)和(e)可知：野外光譜因受環(huán)境影響大，強相關(guān)波段數(shù)少，而實驗室光譜受環(huán)境影響小，強相關(guān)波段數(shù)多；野外DS光譜綜合了室內(nèi)外的影響，強相關(guān)波段數(shù)居中。通過計算強相關(guān)波段反射率的兩兩比值，得到野外光譜、實驗室光譜及DS 光譜的這3 種不同類型光譜的比值因子(見圖4(b)，(d)和(f))，可見野外光譜比值因子數(shù)量最少，實驗室光譜比值因子數(shù)量最多，同樣也證實了環(huán)境條件對光譜的影響；最后，將各類光譜波段因子及比值因子進行組合，得到野外光譜、實驗室光譜及DS 光譜這3 種不同類型光譜的組合因子，將這3 類光譜的波段因子，比值因子及組合因子共9類因子作為鉻質(zhì)量分數(shù)遙感反演的建模因子。

2.4 遙感信息建模

表1所示為構(gòu)建3類光譜(野外光譜、實驗室光譜及DS 光譜)的3 種遙感反演的建模因子(波段因子，比值因子及組合因子)逐步回歸的結(jié)果。從表1可以看出：實驗室光譜的組合因子的遙感反演建模效果最好，R2達0.98，ERMSt和ERMSp分別為3.58和14.47。實驗室光譜的遙感反演建模精度明顯比野外光譜的高，說明實驗室光譜受環(huán)境影響小，具有更高的遙感反演建模精度。3 類因子中，3 類光譜的組合因子遙感反演建模精度更高，說明波段反射率的比值對消除背景影響、提高遙感反演建模精度有一定的作用。

2.5 討論

各因子和鉻質(zhì)量分數(shù)的相關(guān)系數(shù)見圖5。從圖5(a)可知：野外光譜與鉻質(zhì)量分數(shù)的相關(guān)系數(shù)的峰值出現(xiàn)在391～400，723～754，964～973，1 020～1 091，1 160～1 287，1 321～1 377，1 499～1 608，1 715～1 767，2 019～2 125，2 196，2 216及2 313 nm等處，其中相關(guān)系數(shù)的絕對值大于0.5的強相關(guān)波段出現(xiàn)在1 075，1 160，1 210，1 518，1 521，1 547及1 572 nm處；DS光譜與鉻質(zhì)量分數(shù)的相關(guān)系數(shù)的峰值出現(xiàn)在391～410，525～757，924～973，1 020～1 275，1 298～1 411，1 433～1 641，1 746～1 757，1 987～2 125，2 145～2 206，2 216～2 255 及2 285～2 388 nm 處，相關(guān)系數(shù)的絕對值大于0.5 的強相關(guān)波段出現(xiàn)在410，570～757，932，1 973～2 125 和2 342 nm 處；實驗室光譜與鉻質(zhì)量分數(shù)的相關(guān)系數(shù)的峰值出現(xiàn)在391～400，494～754，944～973，1 001～1 275，1 343～1 411，1 452～1 641，1 704～1 757，1 987～2 125，2 145～2 206，2 216～2 236 及2 275～2 395 nm 處，相關(guān)系數(shù)的絕對值大于0.5 的強相關(guān)波段出現(xiàn)在672～740，1 001～1，052，1 218～1 268，1 411，1 452～1 637，1 725～1 743，1 970～2 125，2 203 和2 323～2 395 nm 處。從圖5(b)，(c)和(d)可知：反射率的野外光譜與鉻質(zhì)量分數(shù)相關(guān)系數(shù)絕對值大于0.5 的波段比值有1 757/1 725，2 216/723(圖5(b))；DS光譜與鉻質(zhì)量分數(shù)相關(guān)系數(shù)絕對值大于0.5 的波段比值有607/676，675/607，1 433/755，2 246/755，2 388/734，2 388/744(圖5(c))；實驗室光譜與鉻質(zhì)量分數(shù)相關(guān)系數(shù)絕對值大于0.5 的波段反射率的比值共有314個，相關(guān)系數(shù)絕對值大于0.57 的波段反射率的比值有1 455/400，1 466/557，1 466/566，1 466/576，1 466/587，1 466/597，1 565/587，1 565/597 和1 565/607(圖5(d))。

圖3 土壤光譜曲線圖Fig.3 Spectral characteristics of soil samples

圖4 土壤鉻質(zhì)量分數(shù)與因子相關(guān)分析結(jié)果Fig.4 Correlation analysis results of soil chromium mass fraction and factors

對比前人研究，本研究中識別的遙感估算土壤重金屬Cr 的特征波段存在一定相似性，同時也有一定的差異。相似之處在于，相對于本研究找到的特征波段，吳明珠等[24]發(fā)現(xiàn)土壤鉻元素的敏感波 段 為520～530，1 440～1 450，2 010～2 020 和2 230～2 240 nm；江振藍等[25]發(fā)現(xiàn)土壤重金屬鉻的特征波段為1 430，1 439，1 440，2 226，2 228 以及2 230 nm，基本在本研究DS 光譜的特征波段區(qū)間內(nèi)[25]。前人的工作大多針對土壤中鉻的特征波段進行研究，而對鉻的特征波段反射率的比值研究較少。本文針對從3 類光譜中共找到17 個特征波段反射率的比值，為今后土壤反射率的中鉻的研究提供了依據(jù)。本研究對發(fā)現(xiàn)的特征波段反射率的比值未開展外部驗證，特征波段是否在不同區(qū)域不同類型的礦區(qū)土壤中具有普適性，有待下一步研究。

表1 土壤鉻含量逐步回歸建模結(jié)果Table 1 Stepwise regression modeling results of soil chromium content

圖5 各因子和鉻含量的相關(guān)系數(shù)Fig.5 Correlation coefficients between each factor and chromium content

逐步回歸分析是基于多元線性回歸分析發(fā)展起來的一種數(shù)學分析方法，已成為光譜分析中建立穩(wěn)健線性定量預(yù)測模型的通用方法。雖然在建模過程中通過依次引入自變量，規(guī)避相關(guān)性小的變量，能有效提高變量選擇的準確性。但土壤光譜是土壤內(nèi)部各類活性成分光譜特征的非線性混合，土壤的組成非常復(fù)雜，利用傳統(tǒng)精確數(shù)學方法構(gòu)建的線性模型不能有效地反演重金屬質(zhì)量分數(shù)與反射光譜間的非線性關(guān)系。機器學習方法能不斷地“學習”模型校正過程中的反饋誤差，完善自變量與因變量之間的復(fù)雜關(guān)系，是解決非線性回歸問題的有效方法。下一步將探討機器學習方法用于反演礦區(qū)土壤重金屬質(zhì)量分數(shù)的可行性[26]。

3 結(jié)論

1)野外原始光譜特征波段響應(yīng)方向雜亂，響應(yīng)程度變化劇烈，說明野外環(huán)境對鉻污染土壤光譜影響顯著；3類光譜之間的差異在預(yù)處理后顯著減小，說明預(yù)處理可有效提升后續(xù)參與建模的光譜信號質(zhì)量。

2)野外光譜因受環(huán)境影響大，波段因子數(shù)目少，而實驗室光譜受環(huán)境影響小，波段因子數(shù)目多，DS 光譜綜合了室內(nèi)外的影響，波段因子數(shù)目居中。

3)實驗室光譜的建模精度明顯高于野外光譜的建模精度，說明實驗室光譜受環(huán)境影響小，具有更高的遙感反演建模精度。3 種光譜的3 類遙感反演特征因子中，組合因子建模精度更高，其中實驗室光譜的組合因子的遙感反演建模效果最好，說明波段反射率的比值對消除背景影響、突出光譜特性、提高建模精度有一定的作用。

4)野外光譜與鉻質(zhì)量分數(shù)相關(guān)系數(shù)絕對值大于0.5 的波段反射率的比值有1 757/1 725，2 216/723；DS 光譜與鉻質(zhì)量分數(shù)相關(guān)系數(shù)絕對值大于0.5 的波段反射率的比值有607/676，675/607，1 433/755，2 246/755，2 388/734 和2 388/744；實驗室光譜與鉻質(zhì)量分數(shù)相關(guān)系數(shù)絕對值大于0.5的波段反射率的比值共有314個，相關(guān)系數(shù)絕對值大于0.57 的波段反射率的比值有1 455/400，1 466/557，1 466/566，1 466/576，1 466/587，1 466/597，1 565/587，1 565/597和1 565/607。