区域水稻田土壤-作物系统重金属污染高光谱遥感定量估测  

Quantitative estimation of heavy metal pollution in soil-crop system of regional paddy field by hyperspectral remote sensing

作　　者：王淼 储学远 钱家炜 钟亮 李建龙[1,2] Wang Miao

机构地区：[1]南京大学生命科学学院生态学系,江苏南京210023 [2]南京大学物理学院材料学系,江苏南京210023

出　　处：《江苏农业科学》2023年第12期172-180,共9页Jiangsu Agricultural Sciences

基　　金：国家重点研发计划(编号:2018YFD0800201)。

摘　　要：为了探究动态、无损伤监测区域农田土壤重金属污染和借助土壤-作物系统机理定量反演土壤重金属含量的科学方法,从2018—2020年采集了江苏省宜兴市徐舍镇的22个水稻田样地共76个点的土壤样品,利用地面高光谱仪系统获取了水稻叶片光谱与水稻的生长系统等数据,在实验室测量了土壤中镉(Cd)、砷(As)含量等指标,将水稻叶片光谱进行平滑处理和7种形式的数学变换并进行Pearson相关性分析以筛选相关波段,通过遗传算法优化的偏最小二乘回归法构建了土壤Cd、As含量的估测模型。研究结果表明,估测土壤Cd、As含量的最佳模型均为倒数对数一阶微分光谱模型,r^(2)分别为0.77和0.89,外部验证均方根误差(RMSEP)分别为0.058和0.297,相对分析误差(RPD)分别为2.09和2.97,具备近似定量估测土壤Cd含量的能力及定量估测土壤As含量的良好精度。通过地面实测数据验证,2个最佳估测模型预测精度分别达70%及80%以上;且光谱预处理技术可以去除原始反射率的冗余信息并减弱背景噪声,突出光谱信息;采用遗传算法先筛选特征波段再进行偏最小二乘回归建模,可提高模型的精度。研究可为实现作物高光谱定量反演区域农田土壤重金属污染以及修复农田生态污染遥感监测提供依据。

关 键 词：水稻田 土壤-作物 重金属 高光谱遥感 估测模型 偏最小二乘回归 模型精度验证 

分 类 号：S127[农业科学—农业基础科学]