利用高光谱遥感技术监测小麦土壤重金属污染

为了探讨基于小麦叶片高光谱间接估测土壤重金属含量的潜力,该研究以江苏省宜兴市徐舍镇为研究区域,于2019-2020 年采集农田土壤样品和小麦叶片光谱,经7 种不同的光谱变换预处理后,以遗传算法(genetic algorithm,GA)优化的偏最小二乘回归算法(partial least squares regression,PLSR)对预处理后的光谱建立土壤重金属镉(Cd)和砷(As)含量的估测模型,并对模型结果进行精度评价.研究结果表明:1)光谱预处理技术能够突出光谱中的一些隐藏信息,对小麦叶片光谱进行微分变换、多元散射校正、标准正态变换等数学变换后更加有利于提取光谱敏感信息.2)GA-PLSR相较于一般的PLSR方法提高了模型精度,将GA用于光谱波段选择可以优化模型精度和提高稳定性.3)土壤Cd含量的最佳估测模型为标准正态变换预处理光谱与GA-PLSR结合,其外部验证的决定系数为 0.87、均方根误差为0.04 mg/kg、相对分析误差为 2.72;土壤As含量的最佳估测模型为多元散射校正预处理光谱与GA-PLSR结合,其外部验证的决定系数为 0.91、均方根误差为0.32 mg/kg,相对分析误差为3.25.因此,能够利用小麦叶片高光谱间接估测土壤重金属Cd和As含量,该研究为将来实现定量、动态、无损遥感监测大面积农田土壤重金属污染状况提供参考依据.