矿区农田土壤砷污染的可见-近红外反射光谱分析研究

利用在实验室获取的矿区农田土壤可见-近红外反射光谱与土壤As污染浓度、Fe和有机质含量数据构建了As和Fe浓度及有机质含量的PCR与PLSR预测模型;为提高模型的稳定性和预测能力,对原始光谱数据进行了预处理即,一和二阶微分(F/SD)、基线校正(B)、变量标准规一化(SNV)、多次散射校正(MSC)和连续统去除(CR)。研究表明：变量标准规一化(SNV)、多次散射校正(MSC)和连续统去除(CR)分别对As, Fe和OM的PCR模型的预测能力有明显的改善(各PCR模型的因子数、相对RMSEP和R2分别5,0.304 0,0.368 5;3,0.144 3,0.476 2和3,0.171 2,0.408 4)。预测As和Fe浓度及有机质含量的最优PCR模型使用了一些共同的波段：450, 1 000, 1 400, 1 900, 2 050, 2 200, 2 250, 2 400和2 470 nm。因此,可以通过遥感技术来检测土壤污染物浓度及其他物质含量,从而为土壤环境质量的遥感监测提供参考。     

重金属污染水稻的冠层反射光谱特征研究

利用野外光谱仪获取矿区农田重金属污染水稻的冠层反射光谱,通过曲线模拟和统计分析提取了与水稻冠层叶片重金属含量变化极显著相关的光谱敏感波段(Pb, 460 nm;Zn, 560 nm;Cu, 660 nm;As, 1 100 nm)、归一化植被指数(Pb, NDVI_{(510, 810)};Zn, NDVI_{(510, 870)};Cu, NDVI_{(660, 870)};As, NDVI_{(510, 810)})和“红边”位置等水稻冠层反射光谱特征。表明水稻重金属污染可以被地面遥感传感器快速检测,其浓度变化与所提取的光谱特征之间存在极显著相关,归一化植被指数与“红边”位置对光谱信息的表达要优于敏感波段。归一化植被指数以及“红边”位置可以作为水稻重金属污染遥感监测模型的光谱特征参数选择参考。同时,文章提出了利用遥感技术监测水稻重金属污染的“光谱临界值”概念, 并计算出研究中各重金属对应的“光谱临界值”。