基于World_View-...键环境变量的土壤镉含量反演_李国旭.pdf
《基于World_View-...键环境变量的土壤镉含量反演_李国旭.pdf》由会员分享,可在线阅读,更多相关《基于World_View-...键环境变量的土壤镉含量反演_李国旭.pdf(9页珍藏版)》请在咨信网上搜索。
1、 第 38 卷 第 12 期 农 业 工 程 学 报 Vol.38 No.12 224 2022 年 6 月 Transactions of the Chinese Society of Agricultural Engineering Jun.2022 基于 WorldView-3 多光谱和关键环境变量的土壤镉含量反演 李国旭1,耿 静1,2,许选虹1,谭秋园1,郭一帆3,方华军3,4(1.中山大学测绘科学与技术学院,珠海 519082;2.自然资源部华南热带亚热带自然资源监测重点实验室,珠海 519082;3.中国科学院地理科学与资源研究所生态系统观测与模拟重点实验室,北京 100101;
2、4.中科吉安生态环境研究院,吉安 343000)摘 要:快速准确获取农田土壤重金属含量对区域土地质量评估和粮食安全至关重要。该研究以江西省仙槎河流域小龙钨矿周边农田土壤为研究对象,采用 WorldView-3 多光谱影像提取光谱反射率并进行光谱变换处理,同时考虑了地形、人类活动和土壤属性等影响农田土壤镉(Cd)含量空间分布的关键环境因子,将光谱、环境变量、光谱与环境变量分别作为模型的自变量,选取了偏最小二乘(Partial Least Squares Regression,PLSR)、支持向量机(Support Vector Machines,SVM)、BP 神经网络(Back Propaga
3、tion Neural Network,BPNN)和随机森林(Random Forest,RF)4 种回归算法构建土壤 Cd 含量预测模型,并利用精度评价指标优选出最佳反演模型。结果表明:仅输入多光谱特征进行 Cd 含量反演的模型精度总体偏低,R2低于 0.2。相比之下,单独输入环境变量的模型精度结果最为理想,最优模型(RF)精度 R2可达 0.782。然而,融合光谱信息与环境变量共同建模后并未显著提高模型精度,反而导致较优模型(RF)精度略微降低,R2为 0.693。研究结果表明,关键环境协变量是决定研究区农田土壤重金属 Cd 空间分布反演的重要变量,而利用多光谱信息进行土壤重金属反演的能力
4、有限。此外,随机森林模型是预测土壤重金属空间分布的有效手段。关键词:土壤;污染;重金属;机器学习;WorldView-3;环境变量 doi:10.11975/j.issn.1002-6819.2022.12.026 中图分类号:S127;X53 文献标志码:A 文章编号:1002-6819(2022)-12-0224-09 李国旭,耿静,许选虹,等.基于 WorldView-3 多光谱和关键环境变量的土壤镉含量反演J.农业工程学报,2022,38(12):224-232.doi:10.11975/j.issn.1002-6819.2022.12.026 http:/www.tcsae.org
5、Li Guoxu,Geng Jing,Xu Xuanhong,et al.Inversion of soil Cd content using WorldView-3 multispectral and key environmental variablesJ.Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2022,38(12):224-232.(in Chinese with English abstract)doi:10.11975/j.issn.1002-
6、6819.2022.12.026 http:/www.tcsae.org 0 引 言 土壤是生态系统的重要组成部分,是人类赖以生存的重要物质基础1。然而,随着近年来中国工业和现代农业的快速发展,土壤重金属污染问题日益凸显2-3。根据全国土壤污染状况调查公报,中国耕地土壤重金属点位超标率高达 19.4%,其中镉(Cadmium,Cd)污染程度最为严重,超标率达到 7.0%4。重金属污染毒性大、迁移缓慢、隐蔽性强、不可逆转,不仅会造成农作物减产和食品安全问题,也会通过食物链富集作用对人体健康构成极大威胁5-6。如何快速准确地检测出土壤重金属污染区域并评估其污染程度,是开展土壤污染监测和土壤环境治理
7、工作的关键。传统的土壤重金属含量检测方法通常是将野外采集的土壤样品带回实验室进行化学分析,该类方法具有检测精度高的优势,但费时、费力、滞后性强,且难以实 收稿日期:2022-04-19 修订日期:2022-06-10 基金项目:国家自然科学基金项目(32101301);广东省基础与应用基础研究基金项目(2020A1515110172);中科吉安生态环境研究院院长基金项目(ZJIEES-2021-01);井冈山农高区科技计划项目(井农科字202151 号)作者简介:李国旭,研究方向为土壤重金属光谱分析及定量反演。Email: 通信作者:耿静,博士,助理教授,研究方向为土壤定量遥感。Email:
8、时获取大范围重金属污染信息。遥感技术具有宏观、快速、动态无损监测的特点,为获取大范围土壤污染信息,监测土壤生态环境动态变化提供了可行、有效的技术手段7-8。现有研究大多基于土壤反射光谱与重金属含量的相关性分析,确定土壤重金属元素的光谱特征波段,并构建反演模型,从而实现重金属含量的估算9。如 Guan等10对比分析了多元逐步回归和偏最小二乘回归方法在不同重金属元素含量反演的适用性。尹芳等11以Sentinel-2 卫星影像为主要数据源,基于偏最小二乘法构建了重金属 Cu 含量的遥感反演模型。王腾军等12以陕西省大西沟铁矿为研究区,利用随机森林对土壤重金属 As、Cu 和 Pb 进行反演制图。然而
9、,一般情况下,土壤中重金属元素的含量处在较低水平,即使在重度污染情况下,重金属元素的直接光谱响应也非常微弱13,利用土壤光谱曲线难以直接探测重金属元素自身的光谱响应特征14。此外,由于土壤类型和成土环境的差异,导致即使是同种重金属元素,其光谱特征也并不完全一致15-16。因此,仅依赖土壤重金属元素的光谱响应特征估算重金属含量存在反演精度低、模型普适性差的问题。根据土壤-景观模型理论17-18,土壤是在母质、地形、气候、生物、人类活动等成土因子影响下发生、发展和演化,进而形成的一种特殊而复杂的自然体。成土环境要素对土壤属性的空间分布具有重要的指示作用3,19-20。例如,刘焕军等21以黑土区土壤
10、有机碳为研究对象,发第 12 期 李国旭等:基于 WorldView-3 多光谱和关键环境变量的土壤镉含量反演 225 现在使用多光谱遥感反演时引入地形因子作为辅助变量输入后,预测模型的精度与稳定性较不加地形因子显著提高。然而,目前利用多光谱影像和环境变量协同反演土壤参数的研究多集中于土壤 pH、有机碳、全氮、全磷、全钾等属性特征22,而在土壤重金属含量反演方面少见报道。因此,本文以江西省仙槎河流域小龙钨矿周边农田为研究对象,利用 WorldView-3 多光谱信息、影响 Cd 空间分布的关键环境变量以及融合光谱与环境变量作为反演模型的输入参数;采用偏最小二乘法、BP 神经网络、随机森林、支持
11、向量机 4 种方法构建土壤 Cd 含量反演模型,并对比精度评价指标优选最佳预测模型,从而获取研究区农田土壤重金属 Cd 含量空间分布图。研究结果可为探索基于多光谱遥感与多源环境变量进行区域土壤重金属污染监测的可行性方法提供一种新的思路。1 材料与方法 1.1 研究区概况 仙槎河流域位于江西省中南部,隶属于吉安市(1145811516E,26362650N)(图 1),地处中国南方典型红壤丘陵区,属于亚热带季风湿润性气候。根据江西省第二次土壤普查资料23,研究区土壤类型以红壤和潴育型水稻土为主。研究区内矿藏资源丰富,根据历史调查和统计资料,在仙槎河流域涉及重金属排放的工业企业主要为上游的江西小龙
12、钨业有限公司,小龙钨矿位于南岭成矿区、赣中南成矿带。该矿区始建于 1934年,历经四十多年的大规模机械化开采,导致资源枯竭。然而,由于通过上游河道水进行田间灌溉以及广泛的施用化肥,一定程度上造成了该区域的耕地土壤重金属污染,并对当地的粮食安全与生态环境构成了一定的威胁。a.研究区采样点分布 a.Distribution of soil sampling points b.土地利用分类 b.Land use classification c.研究区影像 c.Study area image 图 1 研究区采样点分布、土地利用方式及真彩色影像 Fig.1 Distribution of soil
13、sampling points,land use pattern and true color image of study area 1.2 土壤样品采集与处理 参考研究区内冶炼企业的区位及其采矿点,并考虑到研究区农田的分布、地形以及道路可达性等因素综合选取了 203 个采样点,其分布如图 1a 所示。本研究主要采用 5点混合采样法采集农田 020 cm 约 1 kg 表层土壤,将土壤样品密闭封装后放入冷藏箱保存,并利用手持 GPS 记录中心点的经纬度坐标。将样品带回实验室内后,放在干燥通风中处自然晾干。干燥后除去碎石砾、植物根系等杂质,并将土壤研磨过 0.15 mm 筛,装入干净密封袋保存
14、。土壤镉含量的大致测定步骤为:将约 0.1 g 土壤放入微波消解仪中,分别加入 5 mL 硝酸,2 mL 氢氟酸和 3 mL双氧水至消解罐内,消解后加入 1 ml 高氯酸赶除氢氟酸,最后定容至 50 mL 比色管,静置过夜后利用电感耦合等离子体质谱仪(ICP-MS,Thermo Fisher,USA)进行测定。土壤有机碳利用碳氮元素分析仪(Vario Macro cube,Germany)测定;土壤 pH 利用 pH 计(Mettler Toledo,Switzerland)测定,土水比为 12.5。1.3 遥感影像获取与光谱分析 本研究采用 WorldView-3 遥感影像提供光谱信息,波谱
15、范围覆盖可见光、近红外和短波红外,包括一个全色波段(0.31 m 分辨率)、8 个可见光-近红外波段(1.24 m 分辨率)和 8 个短波红外波段(3.7 m 分辨率),具体波段信息如表 1 所示。为了与地面采样时间(2020 年 12 月)最为接近,并综合考虑天气及影像拍摄周期时间,获取研究区 2020 年 2 月 26 日 WorldView-3 遥感影像进行反演。表 1 WorldView-3 卫星光谱参数 Table 1 WorldView-3 spectral information 波段编号Band number波段 名称 Band name 波谱范围 Wavelength/nm
16、波段 编号 Band number 波段名称 Band name波谱范围Wavelength/nm 1 Coastal Blue 400450 9 SWIR-1 1 1951 2252 Blue 450510 10 SWIR-2 1 5501 5903 Green 510580 11 SWIR-3 1 6401 6804 Yellow585625 12 SWIR-4 1 7101 7505 Red 630690 13 SWIR-5 2 1452 1856 Red Edge705745 14 SWIR-6 2 1852 2257 NIR-1 770895 15 SWIR-7 2 2352 285
17、可见光-近红外VNIR8 NIR-2 8601 040 短波 红外SWIR 16 SWIR-8 2 2952 365 农业工程学报(http:/www.tcsae.org)2022 年 226 利用ENVI 5.3软件对WorldView-3可见光-近红外波段以及短波红外波段影像进行辐射定标、FLAASH 大气校正,获取研究区地表反射率;随后利用 WorldView-3影像内置 RPC 文件以及 ASTER GDEM 对其进行正射校正。经过正射校正后,可见光-近红外波段几何精度较高,故以可见光-近红外波段为基础对短波红外影像进行配准,使其配准误差小于 0.5 个像元;最后统一各波段空间分辨率并
18、进行波段合成获得最终光谱数据。根据土壤样品实测点的经纬度提取WorldView-3遥感影像相应的原始光谱反射率。考虑到土壤 Cd 的含量较低,光谱信息较为微弱,本研究通过光谱变换以降低影像背景噪声,增强样本间光谱特征差异。因此,本研究对原始光谱反射率进行了一阶微分和倒数对数变换(图 2)。通过SPSS Statistics 22 软件对原始光谱反射率及其变换形式与土壤 Cd 含量进行 Pearson 相关性分析,获取每个波段与土壤 Cd 含量的相关系数 r,相关系数通过 P=0.05 水平显著性检验来确定敏感波段。此外,本研究将原始光谱及其变换形式光谱变量与土壤 Cd 含量的相关性进行排序,对
19、于同一波段,选用相关性最高的光谱变换方式对应的光谱数据称为组合光谱,作为光谱输入变量参与建模。a.全样本原始光谱反射率曲线 a.Raw spectral reflectance curve of soil samples b.全样本一阶微分光谱反射率曲线 b.The first order differential spectral reflectance curve of soil samples c.全样本倒数对数光谱反射率曲线 c.Reciprocal logarithmic spectral reflectance curve of soil samples 图 2 土壤样本光谱反射率
20、曲线 Fig.2 Spectral reflectance curve of soil samples 1.4 环境变量提取与分析 参考前人研究成果6,20,24,并结合研究区的特点及实际情况,本研究选取人类活动、地形因子、土壤属性等影响土壤 Cd 空间分布的环境变量作为模型的输入参数。前人研究在仙槎河流域的土壤重金属源解析结果表明,土壤重金属 Cd 的“人为源”一方面是钨矿企业开采活动造成的累积;另一方面,过量施用化肥、杀虫剂与塑料薄膜等农业用品也是土壤 Cd 的重要来源25。因此,本研究选取离矿区距离和居民地面积两项指标分别表征工矿业与农业等人类活动因子。其中,采用 ArcGIS 10.5
21、距离分析工具计算每个采样点至小龙钨矿位置的距离,并生成离矿区距离的空间分布图(图 3c)。为了获取居民地的分布区域,本研究基于 Google Earth Engine 云平台获取研究区 2020 年 46 月 Sentinel-2 地表反射率中值合成影像,并通过 ENVI 5.3 软件中支持向量机算法对该影像进行监督分类,将土地利用类型主要分为森林、水体、农田、居民地、道路及裸地,总体分类精度为 97.92%(图 1b)。提取上述影像分类结果中的居民地区域并进行二值化,通过 Matlab R2021b 矩阵运算计算栅格中每个像元周边 1km 内的居民地面积(图 3b)。此外,由于研究区东部山区
22、海拔较高,地形因子主要通过控制地表径流、土壤侵蚀等过程影响土壤重金属空间分布6。本研究中选用 DEM 表征地形因子,数据来源于 ASTER GDEM 数字高程模型(图 3a)。考虑到土壤中重金属含量一般较低,而土壤有机质对土壤重金属的富集具有一定的吸附作用。同时,土壤 pH 通过改变土壤重金属的形态及其迁移能力而影响其空间分布26。因此,本研究选取土壤有机碳和 pH 表征土壤属性因子,并利用 ArcGIS 软件进行克里金法插值获得其空间分布(图 3d3e)。所有环境变量的分辨率最终统一至 10 m 便于后续建模分析。1.5 模型预测及精度评价 本文选择线性模型偏最小二乘回归(Partial L
23、east Squares Regression,PLSR),以及非线性模型支持向量机回归(Support Vector Machine,SVM),BP 神经网络(Back Propagation Neural Network,BPNN)和随机森林(Random Forest,RF)建立土壤 Cd 含量预测模型。PLSR是一种多变量回归分析方法,通过最小化误差的平方可以在新的维度找到一组数据的最佳拟合函数,能够较好消除自变量间的多重共线性11。SVM 以内核统计学理论为基础,可利用有限的样本信息平衡模型的复杂程度和学习能力,具有高维模式的识别能力。BPNN 是一种按误差反向传播的多层反馈神经网络
24、,其原理是利用梯度下降法实现实际输出值与期望输出值的误差达到最小,具有较强的非线性预测能力27。RF 是一种基于决策树的集成学习算法,其通过 Bootstrap 取样法随机抽样构建不同的决策树,将所有决策树预测结果的平均值作为回归随机森林的输出12。RF通过引入随机性来处理过拟合现象,而且对异常值和噪声具有较高的容忍度,泛化能力较强。本研究采用十折交叉验证法评价模型精度,评价指标包括决定系数(coefficient of determination,R2)、均方根误差(Root Mean Square Error,RMSE)、平均绝对误差(Mean Absolute Error,MAE)。第
25、12 期 李国旭等:基于 WorldView-3 多光谱和关键环境变量的土壤镉含量反演 227 a.研究区高程 a.Study area elevation b.周边居民地面积 b.Surrounding residential area c.离矿区距离 c.Distance from mining area d.土壤酸碱度 d.Soil pH e.土壤有机碳 e.Soil organic carbon 图 3 关键环境变量空间分布图 Fig.3 Spatial distribution of key environmental variables 2 结果与分析 2.1 土壤 Cd 含量统计
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 World_View 环境变量 土壤 含量 反演 李国旭
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。