基于遙感植被指數(shù)的土壤重金屬含量分區(qū)反演

姚 洋，歐陽淵，袁 濤，曾 濤

（1.四川省水土保持生態(tài)環(huán)境監(jiān)測總站，成都 610041；2.中國地質(zhì)調(diào)查局成都地質(zhì)調(diào)查中心，成都 610019；3.廣元市統(tǒng)計(jì)局，四川 廣元 628017；4.成都理工大學(xué)，成都 610059）

土壤是植被生長的基礎(chǔ)，其污染程度直接影響農(nóng)作物安全，通過高效技術(shù)手段監(jiān)測土壤重金屬污染情況，對地區(qū)土壤污染防治和糧食安全等有著重要意義。區(qū)域土壤重金屬污染監(jiān)測可以分為試驗(yàn)采樣監(jiān)測、現(xiàn)場直接監(jiān)測和遙感反演監(jiān)測三種。遙感反演監(jiān)測具有成本低、數(shù)據(jù)容易獲取等優(yōu)勢。為此，本研究將利用多光譜影像數(shù)據(jù)，分區(qū)構(gòu)建最佳回歸模型反演區(qū)域重金屬含量，并分析研究區(qū)土壤重金屬含量空間分布規(guī)律，探究工業(yè)化進(jìn)程和城市發(fā)展對區(qū)域土壤重金屬污染的影響。

1 研究區(qū)數(shù)據(jù)源

研究區(qū)位于四川省成都市天府新區(qū)西部片區(qū)，地處成都平原西部邊緣向四川盆地過渡的地帶，區(qū)內(nèi)地勢總體較為平坦，工業(yè)化及城市化水平較高。

1.1 遙感影像數(shù)據(jù)及預(yù)處理

植被指數(shù)是根據(jù)WorldView-3 衛(wèi)星遙感影像數(shù)據(jù)各波段反射率值計(jì)算得到的。全區(qū)域由WorldView-3衛(wèi)星2 景0.3 m 分辨率的全色波段數(shù)據(jù)、1.2 m 分辨率的多光譜數(shù)據(jù)與7.5 m 分辨率的短波紅外數(shù)據(jù)覆蓋。利用ENVI 軟件將原始影像進(jìn)行輻射定標(biāo)、大氣校正、融合鑲嵌等處理后，依據(jù)研究區(qū)行政區(qū)界線完成影像裁剪，最后計(jì)算波段反射率和16 個(gè)植被指數(shù)。

1.2 土壤樣品數(shù)據(jù)及預(yù)處理

土壤樣品采集流程參照《土壤環(huán)境監(jiān)測技術(shù)規(guī)范》（HJ/T 166—2004）。樣點(diǎn)密度按照1 km×1 km網(wǎng)格布設(shè)，植被區(qū)共采集300 個(gè)土壤樣品，裸地區(qū)共采集150 個(gè)土壤樣品。土壤樣品采集后，在實(shí)驗(yàn)室通過電感耦合等離子體原子發(fā)射光譜法（ICP-AES）測定過濾后土壤樣品的重金屬含量，得到砷（As）、鈷（Co）、鉻（Cr）等13 種重金屬含量數(shù)據(jù)。根據(jù)粗差探測法則和異常值檢驗(yàn)方法，剔除重金屬含量數(shù)據(jù)異常值。

1.3 其他數(shù)據(jù)

其他數(shù)據(jù)主要是研究區(qū)部分土地利用情況、道路交通、行政界線等柵格和矢量數(shù)據(jù)。

2 反演模型構(gòu)建

為了提高建模精度，根據(jù)土地利用數(shù)據(jù)將研究區(qū)分為三大類：植被區(qū)、裸地區(qū)和非反演區(qū)。植被區(qū)和裸土區(qū)分別采用主成分回歸（PCR）、多元逐步回歸（MSR）和偏最小二乘回歸（PLSR）三種回歸分析方法構(gòu)建特征光譜變量與土壤重金屬含量的回歸模型，并選擇最佳模型進(jìn)行土壤重金屬含量反演。

2.1 回歸分析方法

主成分回歸以原數(shù)據(jù)中多個(gè)自變量通過主成分分析獲得的主成分作為新的自變量進(jìn)行回歸分析。多元逐步回歸是一種合理選擇變量參與模型建立的多元回歸方法。根據(jù)自變量對因變量顯著性的大小，逐步納入回歸方程，并且期望剩余平方和及剩余標(biāo)準(zhǔn)差越?。ㄒ话闱闆r下）、回歸平方和越大、精度越高的最優(yōu)回歸方程。偏最小二乘回歸是一種統(tǒng)計(jì)學(xué)方法，與主成分回歸相比，它是在一個(gè)新的維度尋找投影預(yù)測變量與觀測變量數(shù)據(jù)的線性關(guān)系。由于數(shù)據(jù)變量和都會(huì)投影到新的空間，偏最小二乘回歸被稱為雙線性因子回歸模型。

2.2 分區(qū)建模

2.2.1 植被區(qū)建模

植被區(qū)共有采樣點(diǎn)300 個(gè)，選取其中200 個(gè)樣點(diǎn)建立反演模型，剩余100 個(gè)樣點(diǎn)用作反演模型精度檢驗(yàn)。根據(jù)相關(guān)性分析，從13 種重金屬中選擇2 種（As、Co），分別使用主成分回歸、多元逐步回歸及偏最小二乘回歸建立重金屬含量與植被指數(shù)和單波段反射率的回歸模型。

2.2.2 裸地區(qū)建模

裸地區(qū)共有采樣點(diǎn)150 個(gè)，為建立反演模型，本文選擇了100 個(gè)樣點(diǎn)，其余50 樣點(diǎn)用作反演模型精度檢驗(yàn)。選擇As、Co 兩種重金屬元素，分別使用主成分回歸、多元逐步回歸及偏最小二乘回歸建立重金屬含量與植被指數(shù)和單波段反射率的回歸模型。

2.2.3 建模精度分析

在研究區(qū)兩種地類（植被區(qū)和裸地區(qū)）的三種建模方式下，分別使用平均誤差（）、均方根誤差（）、平均絕對誤差（）和平均相對誤差（）四種指標(biāo)來分析模型反演精度，具體結(jié)果如表1、表2所示。由表1可知，植被區(qū)100 個(gè)檢驗(yàn)樣點(diǎn)的結(jié)果表明，植被區(qū)重金屬As 和重金屬Co 使用多元逐步回歸建立的模型相對優(yōu)于主成分回歸、偏最小二乘回歸建立的模型。裸地區(qū)使用50 個(gè)檢驗(yàn)樣點(diǎn)對三種方法所建立的重金屬模型進(jìn)行反演精度檢驗(yàn)，結(jié)果表明，重金屬As、Co 通過三種回歸方法所建立的反演模型精度總體較好，如表2所示。

表1 植被區(qū)各重金屬模型反演精度評價(jià)

表2 裸地區(qū)各重金屬模型反演精度評價(jià)

3 最佳模型下的重金屬含量空間反演

通過綜合分析，在植被區(qū)，確定As 元素的最佳反演模型為多元逐步回歸模型，Co 元素的最佳反演模型為偏最小二乘回歸模型；在裸土區(qū)，As 元素和Co 元素的最佳反演模型都為多元逐步回歸模型。通過WorldView-3 單波段柵格和提取的植被指數(shù)柵格反演，得到植被區(qū)兩種重金屬含量空間分布，并利用樣點(diǎn)重金屬含量數(shù)據(jù)，使用克里金插值方法得到非反演區(qū)As、Co 含量的空間分布。聯(lián)合植被區(qū)、裸土區(qū)和非反演區(qū)重金屬空間分布情況，得到研究區(qū)土壤重金屬As、Co 含量空間反演成果，如圖1所示。

由圖1可以看出，在建筑密集區(qū)與云區(qū)，重金屬含量相對其他區(qū)域較高，其從建筑密集區(qū)向周圍逐漸降低。整體來看，研究區(qū)內(nèi)重金屬As 與Co 含量分布都呈現(xiàn)西北高、東南低的總體特征，由于研究區(qū)北部及西北部緊鄰成都市主城區(qū)，且西北部為主要工業(yè)集中區(qū)，工業(yè)生產(chǎn)和人類活動(dòng)是造成區(qū)域內(nèi)土壤重金屬含量較高的主要因素。

圖1 研究區(qū)土壤重金屬As、Co 含量空間反演成果

4 結(jié)論

在土壤重金屬含量與植被指數(shù)、單波段反射率的相關(guān)性分析中，植被區(qū)土壤重金屬含量與植被指數(shù)的相關(guān)性強(qiáng)于單波段反射率，而裸地區(qū)反之，因此將研究區(qū)內(nèi)不同植被覆蓋情況的區(qū)域分區(qū)建模反演，這在一定程度上能夠提高總體精度。對比發(fā)現(xiàn)，多元逐步回歸和偏最小二乘回歸建立的模型較好。本研究將植被區(qū)與裸地區(qū)反演結(jié)果合并，并補(bǔ)充云區(qū)與建筑密集區(qū)，得到土壤重金屬As 和Co 的全區(qū)域含量空間分布。研究結(jié)果表明，土壤重金屬As 和Co 含量較高的地區(qū)主要集中在研究區(qū)西北部和建筑密集區(qū)，土壤重金屬含量較高可能是人類活動(dòng)和工業(yè)生產(chǎn)所致。