打开文本图片集

摘要：文章探讨遥感测绘技术在土壤重金属污染动态监测中的应用策略，对土壤重金属危害加以探讨后，基于遥感测绘技术下的高光谱遥感测绘技术，结合HyMap、光谱对数范围、光谱指数、连续投影算法等技术实现面向土壤重金属污染的动态监测。本文旨在为我国环保部门提供借鉴与参考价值，以充分发挥遥感测绘技术的优势，帮助环保部门实现重金属土壤监测、修复工作的落实，并自宏观促进人类与自然的和谐共处，为农业、人居环境等多维度营造良好生态体系。

关键词：遥感测绘；高光谱遥感；重金属污染；HyMap

作者简介：谢琼（1992年），女，汉，湖南，讲师，硕士，摄影测量与遥感

土地为人类生存、繁衍的根本物质，然而随着人类工业飞速发展同时，土壤污染情况越发严重，而人们也意识到土壤保护的重要性。重金属作为土壤污染类型中最为严重的问题，其对土壤的性质会产生巨大消极影响，故而在面对土壤污染监测阶段，人们开始尝试使用各种先进技术，而在诸多技术中，遥感测绘技术得到了广泛应用，特别是高光谱遥感技术，其在土壤重金属污染动态监测中可充分发挥优势。因此，探讨遥感测绘技术如何应用于土壤重金属污染动态监测，对于我国环保部门实现土壤高水平管理而言有着不言而喻的价值。

一、土壤重金属危害探讨

目前，全世界平均每年会排放1.5万吨Hg，340万吨Cu、500万吨Pb、1500万吨Mn以及100万吨Ni。我国农业部在面向全国污水管区进行调查后，指出在约为140万公顷的污水管区中，有64.8%的土地面积遭受重金属污染，其中严重污染、中度污染、轻度污染的比例分别占8.40%、9.70%、46.70%。

重金属，即比重≥5.0的金属，目前常见土壤中重金属物质主要集中于铁（Fe）、锰（Mn）、锌（Zn）、镉（Cd）、汞（Hg）、镍（Ni）、钴（Co）。其中铁、锰为土壤污染汇总中最常见两种重金属，两种物质对于人类健康、生态系统并不会产生明显危害。通常、铁和锰主要存在于岩石与土壤内，其在土壤内可基于微生物的转换而发生形态变换，继而作为植株必需营养元素促进植物的生长发育。锌作为一种必需微量元素，土壤中的锌主要源自农业种植领域的化肥。镉、汞，源自一些工业生产企业废水排放、废料排放中。通常，土壤中的镉主要源自采矿区域、大气降雨、肥料以及污水等渠道，而汞通常来自化学工业、废弃水排放以及人工瓷器、自然水泥之中。土壤中若含有过量的镉、汞含量，将导致土壤内的植物因微量元素失衡而生长缓慢、死亡，严重情况下，甚至一定概率会造成人与动物的中毒现象，或是对人与动物的肝脏以及其他内脏器官造成损害。镍和钴方面，当前，我国一部分化学、冶金工业的废物会不定期地排放镍或钴等重金属。土壤中的镍、钴含量过高，将导致植物生长不健康，甚至对人类、动物的身体健康造成严重威胁。特别是表层土壤内的镍、钴等重金属，极易随着水源或农作物进入人体，如一旦人体过量摄入镉，将导致多种器官的一系列病变，引发骨矿密度降低，增加人类骨折风险。

此外，土壤受到重金属污染，除对植物、人物、动物带来危害，亦会对土壤本身的土壤酶造成危害。土壤酶作为一种生物催化剂，其作用在于直接反映着土壤肥力，隶属一种敏感性生物指标，且可对土壤生物化学过程强度、方向进行直接反映。土壤酶的活性极易受到土壤生物活性以及物化性质的影响，继而造成土壤酶无法有效反映土壤情况，植物对于土壤养分的吸收能力严重下降，且影响土壤的微生物多样性[1]。

二、基于遥感测绘技术的土壤重金属污染动态监测

（一）遥感测绘技术分析

遥感测绘技术实现土壤信息的获取，其主要机理是基于土壤、光二者的相互作用，利用对土壤不同波长光的反射、吸收以及传播特性的测量，搭配相应的模型开展数据分析与处理，最终让用户获取土壤内的各项属性信息。将遥感测绘技术适用于土壤重金属污染监测，可大范围、快速、动态获取土壤信息，且工作人员无需在野外频繁开展实地勘察。对比传统的遥感测绘，作为全新遥感技术，高光谱遥感技术其优在于测绘阶段能够获取更多、更为连续的波段信息，例如对于可见光与近红外区域甚至是中原红外区域，高光谱遥感测绘均可满足不同测绘环境下的要求。具体分析，一方面，对比传统遥感测绘，高光谱遥感测绘有着更为丰富的光谱信息，相比传统遥感几个至几十个宽度波段信息，高光谱遥感可获取数百上千个连续且较窄波段信息，能够大幅度增加土壤信息获取的可行性。并且，因高光谱遥感使用较窄的波段，因此其能够更为精准地获取检测对象光谱特性，提升数据获取的精度。另一方面，相比传统遥感测绘，高光谱遥感技术能够获取更多的土壤信息。高光谱遥感，可获取更多的光谱信息，故而其能够检测更多的土壤竖向，如有机质含量、金属元素含量、含水量营养素含量等，不仅可让用户获取全面性土壤信息，亦可根据需求选择合理属性开展独立获取。故而，本次研究将基于高光谱遥感测绘技术，支持土壤金属污染物动态监测的研究。

（二）数据源获取方式

利用高光谱遥感测绘技术进行土壤重金属信息获取，可基于HyMap高光谱数据开展测绘，实现土壤信息的高效采集。HyMap第一具有波段数量多、光谱响应范围广的优势，在可见光、短波红外区域可实现成像。第二，波段宽度窄且分辨率高，最高可达到15nm左右。第三，可实现连续获取光谱信息，提升遥感测绘定量分析可靠性。表1为面向土壤重金属污染测绘的机载HyMap成像光谱技术参数：

（三）技术实现思路

本次基于遥感测绘的土壤重金属动态监测实现技术路线，首先针对ASD光谱仪实测数据进行处理。其次，提取光谱参数后，同实现预处理的HyMap遥感测绘影像开展光谱、光谱参数的相似度对比，随后验证光谱参数应用至遥感图像内的可行性。最后，使用遥感光谱数据，针对研究区域内的土壤重金属含量积极性预测，对比、分析光谱参数同重金属含量二者的关系，同时分析重金属含量的空间分布情况。

（四）数据预处理实现方案

获取土壤数据后，在进行重金属污染情况分析之前需进行数据预处理，即针对不同重金属污染类型土壤、土质等条件，基于统计方法与预处理的形式，有效提取数据中的土壤特征波段，建立土壤重金属光谱特数据库。目前，行业内常用数据预处理方法包括光谱对数微分、光谱连续统去除、光谱倒数对数等，其中光谱对数微分预处理形式有着最高的建模精度与最高的预测能力，故本次研究选择该预处理方法。数据预处理阶段，标准正态变量、多元散射矫正均对光谱、组分含量提出了良好线性化要求，因此在实现光谱与组分含量之间的线性化，本次将测量反射率（R）转化成为lgR-1，具体采用MSC结合SNV方法实现光谱曲线预处理。与此同时，本次设计，采用平均法进行校准模型的强化，并有效消除冗余信息，从每一个光谱内减去平均校准光谱，同时将平均校准含量从每一个含量内剔除，有效降低偏最小而成因子数量，实现校准模型复杂度的降低。

（五）光谱指数获取

土壤组分存在重叠吸收问题，土壤反射光谱是给定的估算，通常均为非特异性属性，自土壤反射光谱所获取的光谱指数，能够有效强化光谱特征以及成分含量二者之间的关联，同时能够将不相关波长所带来的影响消除。一般情况下，在对土壤进行检测期间主要应用到三类光谱，①衍射光谱指数、②归一化光谱吸收度、②综合光谱指标、光谱带。其中，衍射光谱指数包括绿色素吸收边缘、红色边缘以及蓝色边缘，对于土壤重金属污染水平的监测，主要以红边位置的位移作为依据。归一化光谱吸收深度，即将连续体利用标准变换去除，继而增强土壤内金属结合机制光谱的吸收特征，其中包含了吸收特征的变化，如峰值深度、特定波段峰面积等。综合光谱指标、光谱带，能够增强植被的信号，将背景带来的影响实现最小化，测量地表植被对于金属胁迫的敏感性。

（六）变量选择

在进行高光谱数据建模期间，其主要面临的问题在于“冗余变量”、一般情况下，系统需要在频谱内测量数百甚至上千个变量的波长，然而一部分变量可能与土壤内重金属含量并无关联。故而，为实现高质量模型的建立，可采用遗传算法、连续投影算法或非信息变量消除法。连续投影算法，隶属前向特征选择技术，能够让光谱数据内的共线性问题实现最小化，该算法会在向量空间内使用投影运算以获取最小的共线性变量子集合。连续投影算法特征选择，其原理是让新选择的变量，在之前已选择变量正交空间内实现最大投影值，能够避免过拟合的问题。然而，在计算期间，需注意选择的波长不可超出校准样本的数据。

本文主要采用非信息变量消除法，解决冗余变量问题，从而构建高质量光谱变量校准模型，该算法能够解决非信息变量消除期间无法实现潜在变量建模的问题，且相比遗传算法有着更高的效率、更低的复杂性。

（七）反演

反演流程，通常会利用统计方法，对土壤内重金属含量、反射光谱特征二者之间的相关性进行分析，从而间接估算土壤内重金属的含量。多元统计分析，是基于对较多波谱段的综合使用，提升统计预测的精度的手段。目前，应用土壤重金属检测流程下的反演算法，包括PLSR-最小二乘回归法、MLR-多元线性回归法、ANN-人工神经网络法，一般情况下，最小二乘回归法以及多元线性回归法主要被用作线性矫正，人工神经网络法多数用于非线性关系的关联计算。本次研究，采用最小二乘法，基于最小二乘法提供的“多对多线性回归模型”方法来克服多元线性回归方法需要面临的多重共线性问题，继而以高度准确的定量反演土壤内重金属元素含量。同时，相比传统主成分回归分析法，PLSR最小二乘法可良好概括光谱信息，且要求新生成的成分针对重金属（因变量）实现最强的解释性。

（八）校正

本次对数据的校正采用多远校准。多元校准，可提取光谱信息随后建立同某些特征具有相关性的回归模型。在利用全波段光谱成像仪开展基于遥感图像的土壤重金属检测期间，采用ANN神经王网络进行校正[2]。

三、应用实例分析

（一）研究区域选择

基于对我国目前重金属污染分布情况的分析，可确定云南地区土壤重金属污染较为严重，特别是金属矿区附近。因此，本文以云南大红山铜矿矿区为研究对象，对该区域的Cu、Pb、Cd、Cr四类重金属严肃开展研究，基于HyMap-2021年的遥感影像数据结合研究区域内的样本实测光谱数据进行研究。根据相关资料记载，云南大红山铜矿周边土壤内的重金属数量巨大，以Cu、Cr、Cd、Pb、Ni与Zn为主，各类重金属元素已实现不同水平的富集，大铜山铜矿周边河流污染以Cu、Cd为主，主要区域集中于曼干河、老厂河以及浑龙河。同时，嘎洒江、肥外河具有较为严重的Cd、Pb污染威胁[3]。

（二）光谱数据实测获取

本次采集样品包括土壤样品、泥底样品以及水样样品，分别对三种样品采集30份。随后，基于ICP电感耦合离子光谱进行分析。对于光谱的分析，使用美国ASD公司出品的FieldSpec便携式地物光谱仪， 光谱分辨率设置为350nm-1000nm，设哦督办设置为350nm-2500m范围为3nm，1000nm-1900nm范围为8.5mn，1700-2500范围为6.5m。测定前，排除反射源干扰，将样本与高密度专用探头之间距离控制在2m。

（三）数据处理

应用基于遥感测绘的土壤重金属动态监测系统进行监测秋区域分析阶段，采用ENVI软件内Spectral模块，基于9点加权移动评级法开展原始数据平滑处理，随后基于VNIR、SWIR波段进行重金属相关官能团光谱吸收变化，导出光谱参数，并针对重金属含量于地图内的空间分布、参数值加以关联，使用格里格插值法实现网格化，提供梯度图形。

（四）高光谱遥感数据分析

基于传感器实现128个波段太阳辐射的获取，450nm-2500nm波段范围，大气水汽吸收带为1400nm、1900nm，4m空间分辨率。使用AT COR4 模型进行大气数据校正。随后，一阶微分变换期间，PLSR模型使用Unscrambler×10.0软件完成，同时在ENVI内进行数据增强处理、数据预处理，计算光参数基础上建立回归模型实现检验。

（五）遥感测绘结果

在应用遥感测绘进行大铜山铜矿周边区域土壤重金属监测后，获取了Cu、Pb、Cd、Cr土壤污染的动态分布特征[4]。表2为各重金属元素浓度值，图1为不同重金属物质分布特征结果：

结语：

基于上述数据与图片，可得出基于遥感测绘的土壤重金属污染动态监测技术，取得了良好的效果，可供环保部门准确了解各区域重金属污染情况，以便制定有效的治理措施。土壤重金属污染，对于农业、环保以及社会人居环境而言有着极强的消极影响，因此相关部门应积极采用遥感测绘技术实现土壤重金属污染的动态监测，以全面掌握管辖区域污染水平，制定有效的应对策略实现土壤重金属污染高效修复。

参考文献

[1]胡怀金.重金属污染土壤修复技术及其修复实践[J].黑龙江环境通报，2024，37（03）：92-94.

[2]安娜，王莉，庄雨适等.重金属污染土壤原位固定修复研究进展[J].黑龙江环境通报，2024，37（03）：104-106.

[3]蒋沄泱.土壤重金属元素前处理和检测技术研究[J].皮革制作与环保科技，2024，5（01）：40-42.

[4]梁建平，王力烽，马云等.基于地理信息系统的农业耕地土壤污染源检测方法研究[J].环境科学与管理，2024，49（01）：89-92.

基金项目：本文系湖南工程职业技术学院2021年校级课题研究成果 编号：GC21YB40