隨著人類社會工農業(yè)現(xiàn)代化、城市化的發(fā)展，人為因素造成土壤重金屬污染是當今越來越不容忽視的環(huán)境問題。盡管煤礦資源的開發(fā)對社會經濟至關重要，但其對自然環(huán)境產生的不利影響也是不可避免的。因此，我們有必要調查露天煤礦的土壤重金屬分布，以發(fā)現(xiàn)受污染的農田，提供和制定土地復墾策略以及進一步的公共健康策略。

原位土壤采樣與實驗室化學分析方法（利用高精度的原子吸收光譜法（AAS）和電感耦合等離子體質譜法（ICP-MS））相結合，已廣泛應用于土壤重金屬濃度的調查和制圖。然而，該方法難以獲得連續(xù)的土壤重金屬濃度制圖、耗時費力、成本高、效率低，適用范圍小，且可能會再次對環(huán)境產生不利影響。遙感技術的發(fā)展為快速、高效、大尺度監(jiān)測重金屬含量提供了新的視角。而部分所使用的高光譜傳感器存在數(shù)據質量差、圖像連續(xù)性受限、光譜范圍窄、空間分辨率低、需要輔助環(huán)境變量、易受大氣干擾等問題。與現(xiàn)有高光譜衛(wèi)星傳感器相比，GF-5 AHSI高光譜成像儀的空間分辨率、光譜分辨率、光譜范圍、時間分辨率等明顯增強。然而，關于使用GF-5 AHSI高光譜影像反演土壤重金屬含量的相關研究報道較少。

基于此，在本研究中，來自西安科技大學的張波（第一作者）、郭斌（通訊作者）課題組聯(lián)合其它研究團隊針對高分5號高光譜衛(wèi)星影像反演中國北部某露天煤礦區(qū)（圖1）土壤重金屬含量問題進行了研究。旨在（1）利用直接校正（DS）算法在實驗室測量的和GF-5 AHSI獲得的土壤光譜之間建立傳輸模型，以提高土壤重金屬濃度估算精度，以及（2）通過比較隨機森林（RF）、極限學習機（ELM）、支持向量機（SVM）和反向傳播神經網絡（BPNN）算法確定最佳估算模型，基于該模型繪制土壤重金屬濃度圖。

圖1 研究區(qū)地理位置及原位土壤樣品分布。（a），（b）和（c）代表研究區(qū)野外狀況。

作者于2020年2月收集了20 cm深度的土壤樣品，在實驗室中測量了其重金屬含量，并利用ASD FieldSpec 4地物光譜儀測量了土壤光譜數(shù)據。于2020年3月19日獲取GF-5 AHSI高光譜衛(wèi)星影像，基于實驗室土壤光譜，引入直接校正算法（Direct standardization，DS）校正GF-5號高光譜衛(wèi)星影像。利用連續(xù)小波變換（CWT）和Boruta算法進行光譜預處理以及特征波段提取。利用RF，ELM，SVM和BPNN4種機器學習方法估算土壤重金屬濃度，通過決定系數(shù)（R2）、均方根誤差（RMSE）和平均絕對誤差（MAE）比較了模型反演精度，確定了最佳模型。最后繪制了露天煤礦區(qū)土壤重金屬鋅、鎳和銅含量空間分布特征圖。

圖2 本研究流程圖。

【結果】

圖3 110個土壤樣品的光譜反射率曲線及評估DS算法對從GF-5 AHSI影像提取的光譜的校正。（a）ASD測量的實驗室光譜，（b）從GF-5 AHSI影像中提取的光譜，（c）基于實驗室光譜通過DS算法校正的光譜，以及（d）用于評估DS算法的光譜角映射器（θ）。

圖4 在每個CWT分解尺度評估估算模型的精度。

圖5 Zn，Ni和Cu濃度最佳估算模型散點圖。

圖6 研究區(qū)重金屬空間分布圖。

【結論】

（1）連續(xù)小波變換（CWT）可以有效降低GF-5號高光譜衛(wèi)星影像噪音，Boruta算法可有效提取特征波段。Boruta算法消除了冗余高光譜數(shù)據，并有效保留了高光譜數(shù)據的完整性和原始波段的物理意義。DS算法可以可靠的校正GF-5 AHSI圖像以估算重金屬濃度。利用DS算法可顯著提高模型反演精度。對于Zn，Ni和Cu，Rv2分別為0.77（RF），0.62（RF）和0.56（ELM）。

（2）重金屬分布趨勢與地面實測結果基本一致。

（3）露天煤礦活動可能是礦區(qū)土壤重金屬污染的主要來源，而車輛排放、粉塵、廢水和垃圾處理可能是研究區(qū)重金屬污染的其它可能原因。

本文揭示了GF-5號高光譜衛(wèi)星影像可以成為繪制土壤重金屬圖的可靠數(shù)據源。本研究提出的工作流程和方法可以為連續(xù)尺度上土壤重金屬濃度估算提供科學依據。