收藏本站
《武汉大学》 2010年
收藏 | 手机打开
二维码
手机客户端打开本文

基于高光谱遥感的土壤重金属空间分布研究

卓荦  
【摘要】:土壤重金属污染监测目前是环境科学和地球科学的一个研究热点,GIS技术和遥感技术在时空维上为土壤重金属污染监测提供了一个强有力的工具。近年来随着遥感技术,特别是高光谱技术的不断发展,已经有很多研究案例成功解决了高光谱数据对土壤有机质含量(SOM)、全氮含量(TN)等的预测,并有已经开始一些探索,针对土壤中微量金属——重金属含量的分析预测工作,并取得了一定的进展。 本文研究了江西省乐安河及其支流流域河流泛滥平原土壤重金属污染的空间分布特征,并以该地区为例,研究了使用高光谱数据分析量化土壤中重金属(Cu, Pb, Zn)含量的可能性。由于重金属元素在土壤中属于痕量级,直接使用土壤反射光谱进行预测存在一定难度,并且误差很大,并不可靠。本文以土壤有机质为媒介,探求了间接分析量化重金属含量方法的可行性。 本文研究区域——江西省乐安河流域是一个收到典型重金属污染的区域,文章研究尺度较大,流域面积超过1000 km2。本文使用ASD fieldSpec 3仪器测定土壤样本光谱数据,采用光谱微分技术对采集得到的土壤光谱进行预处理,并对光谱进行平滑处理,随后根据后期分析量化模型需要,选择波段415、485、770和920为特征波段。 数据的处理是所有研究关键的一个环节,特别对于遥感高光谱研究,样本采集路线是否科学合理,对于研究需要的解决的问题是否明显相关,样本的处理是否得当,获取的数据是否真实可靠,对后期的光谱的定量分析工作的精确性有至关重要的意义。本文采用重铬酸钾——浓硫酸油浴消解法,测定土壤样本有机质含量。同时使用XRF仪器,通过X射线荧光,测定土壤样本重金属含量。 方法的第一步为土壤有机质光谱量化反演,首先使用经典的土壤有机质光谱量化分析方法对本研究样本进行量化反演模型验证。根据Krishnan et al (1980)和Dalal, Henry (1985)的研究,将本研究光谱数据代入其模型,量化结果并不理想,R2=0.245,故本研究不适用传统方法进行有机质量化建模。本文采用偏最小二乘法对土壤有机质含量进行量化反演。偏最小二乘法(Partial Least Squares,简称PLS)是一种数学优化技术,它是通过计算最小化误差的平方和,找到一组数据的最佳函数匹配。用最简便的方法求得一些绝对不可知的真值,同时令误差平方之和为尽可能最小。通过该方法建立回归模型后,观察结果,模型回归系数收敛性比较理想,效果较好,主成分为PC=5时,模型变异系数(Variance)最小,模型相关性很理想:R2=0.9842,均方根误差(RMSE)为0.9511,较为理想。选择10个土壤样本(样编号为:004、009、019、022、037、048、049、063、069和070)作为检验样本,通过检验样本计算模型精度。检验精度为0.6184,效果较为理想。但是检验样本偏度(Offset)和均方根误差(RMSE)分别为11.23和4.56,存在一定的误差和偏移,可能是由于随机选择的个别检验样本和其他样本相比,有较大的差异,导致偏移。不过,整个模型的精度和效果令人满意。随后对比线性模型、对数模型、三次函数模型和指数模型,结果如下:线性模型R2=0.4878、对数模型R2=0.4598、三次函数模型R2=0.5108和指数模型R2=0.3786,远远达不到偏最小二乘模型(R2=0.9842)的精度水平。 本文比较详细的讨论了土壤中重金属含量与土壤有机质含量之间的关系。土壤有机质通过络合、螯合作用可以吸附大量的重金属离子并将重金属“固定”在土壤中,不被植被吸收。所以理论上土壤重金属含量与土壤有机质含量存在正相关。本文研究结果也证实了这一点。 方法的第二步为建立通过土壤有机质预测土壤重金属含量的分析量化模型。本文采用人工神经网络(Artificial Neural Network, ANN)算法实现土壤有机质到土壤重金属含量的分析量化。人工神经网络也被称为神经网络,是由大量处理单元(神经元Neurons)广泛互联而成的网络,是对人脑的抽象、简化和模拟,反映人脑的基本特性。人工神经网络的研究是从人脑的生理结构出发来研究人的智能行为,模拟人脑信息处理的功能。本文考虑间接分析量化的途径。尽管不能直接从重金属元素光谱吸收特征的角度来识别和预测它们,然而重金属元素常与土壤中某些光谱活性成分,如有机质关联。借助这种土壤成分内部相关,本文成功用反射光谱量化了泛滥平原土壤中的重金属(Cu, Zn, Pb)元素含量。通过人工神经网络回归模型,Cu和Zn的分析量化结果令人满意,其中Zn的量化精度最高,Pb的量化精度相对最低。三个重金属分析量化模型,Zn量化模型效果最好,总体相关性R达到0.9370;Cu量化模型也比较可靠,总体相关性R达到0.7763;而Pb的量化模型则不尽如人意,偏差较大,总体相关性仅达到0.4317。总的来说,较大的预测误差还是出现在土壤重金属含量极低和极高的样本中,而在中等污染地区,模型的分析量化效果相对较好。而另一方面,由于重金属含量数据是由有机质分析量化模型及有机质到重金属分析量化模拟性两个步骤组成,两个步骤误差的叠加使得最终量化模型的误差有些偏大。 上述研究工作,为解决土壤重金属光谱分析量化工作的重点与难点问题提供了一个思路,同时为该方法的进一步研究打下一定基础。
【学位授予单位】:武汉大学
【学位级别】:博士
【学位授予年份】:2010
【分类号】:S153

【参考文献】
中国期刊全文数据库 前10条
1 方子韦,俞跃辉,林成鲁,邹世昌;离子注入硅形成绝缘埋层的红外反射谱分析[J];半导体学报;1990年04期
2 魏彦锋,王庆学,陈新强,杨建荣,何力;Hg_(1-x)Cd_xTe液相外延薄膜的X射线衍射[J];半导体学报;2004年08期
3 马德录,李晓舟,毛晓峰,高雅君;X射线衍射动力学理论研究As~+注入Si[J];半导体学报;1996年11期
4 刘强;刀具磨损的偏最小二乘回归分析与建模[J];北京航空航天大学学报;2000年04期
5 李行,张连蓬;高光谱遥感图像最佳波段选择的快速算法研究[J];测绘通报;2004年09期
6 张良培,李德仁,童庆禧,郑兰芬;鄱阳湖地区土壤、植被光谱混合模型的研究[J];测绘学报;1997年01期
7 苗建伟,彭家钢;非单色光对朗伯-比耳定律的影响[J];重庆师范学院学报(自然科学版);1999年S1期
8 甘甫平,刘圣伟,周强;德兴铜矿矿山污染高光谱遥感直接识别研究[J];地球科学;2004年01期
9 丁守成;李文辉;杨世洲;;基于朗伯-比耳定律的烟尘浊度测量系统[J];电气自动化;2009年06期
10 赵其国;21世纪土壤科学展望[J];地球科学进展;2001年05期
中国博士学位论文全文数据库 前5条
1 张兵;时空信息辅助下的高光谱数据挖掘[D];中国科学院研究生院(遥感应用研究所);2002年
2 张连蓬;基于投影寻踪和非线性主曲线的高光谱遥感图像特征提取及分类研究[D];山东科技大学;2003年
3 何挺;土地质量高光谱遥感监测方法研究[D];武汉大学;2003年
4 周萍;高光谱土壤成分信息的量化反演[D];中国地质大学(北京);2006年
5 吴昀昭;南京城郊农业土壤重金属污染的遥感地球化学基础研究[D];南京大学;2005年
中国硕士学位论文全文数据库 前2条
1 李行;植被高光谱遥感影像特征波段的选择方法研究[D];山东科技大学;2006年
2 张艳粉;基于偏最小二乘的BP网络模型及其应用[D];重庆大学;2007年
【共引文献】
中国期刊全文数据库 前10条
1 刘红梅;申唐;;南通既有建筑节能改造技术探讨[J];四川建筑科学研究;2011年06期
2 王陆林;刘贵如;蒋朝根;;基于WLAN的嵌入式视频监控系统的研究与设计[J];安防科技;2008年05期
3 郭天永;车玉满;孙鹏;李连成;孙波;;基于偏最小二乘回归的高炉焦比影响因素分析[J];鞍钢技术;2009年05期
4 高仁先;用土壤浸出液的主要阴离子总量计算土壤盐分总量的方法[J];山东农业科学;1996年05期
5 张保华,何毓蓉;中国土壤系统分类及其应用研究进展[J];山东农业科学;2005年04期
6 杨丽萍;郭洪海;孙肖青;邵秋玲;;黄河三角洲地区苜蓿生产环境信息数据库的建立[J];山东农业科学;2007年01期
7 杨丽萍;杨玉永;;EOS-MODIS数据农业应用进展及前景[J];山东农业科学;2009年01期
8 隋学艳;朱振林;朱传宝;杨丽萍;姚慧敏;郭洪海;;基于MODIS数据的山东省小麦株高遥感估算研究[J];山东农业科学;2009年02期
9 张晓艳;王丽丽;封文杰;刘淑云;王风云;张秀兰;朱建华;;花生红边特征及其叶面积指数的高光谱估算模型[J];山东农业科学;2010年03期
10 梁学斌;;离散Hopfield神经网络的统一描述[J];安徽大学学报(自然科学版);1993年02期
中国重要会议论文全文数据库 前10条
1 严传魁;王如彬;;基于汉密尔顿原理的神经元模型[A];第十三届全国非线性振动暨第十届全国非线性动力学和运动稳定性学术会议摘要集[C];2011年
2 潘振祥;段嵘峰;曹千红;杨大志;;高分辨率卫星影像GPS像控点数据库建设研究[A];河南省地质调查与研究通报2007年卷(上册)[C];2007年
3 饶欢;张智勇;;一种基于ENVI的区域环境分析方法[A];河南地球科学通报2008年卷(下册)[C];2008年
4 黄丽虹;王龙波;;基于环境卫星的北部湾地区遥感影像制作及影像入库应用研究[A];全国测绘科技信息网中南分网第二十五次学术交流会论文集[C];2011年
5 杨洁;王朝辉;;遥感监测中变化信息提取的方法探讨[A];江苏省测绘学会2011年学术年会论文集[C];2011年
6 王继;王训霞;;利用Landsat5 TM6数据进行城市热岛效应分析[A];江苏省测绘学会2011年学术年会论文集[C];2011年
7 贾允毅;胥布工;王世华;刘步春;;端对端网络时钟漂移补偿算法研究及其实现[A];第二十六届中国控制会议论文集[C];2007年
8 ;Synthesis of Boolean Networks Via Semi-tensor Product[A];中国自动化学会控制理论专业委员会A卷[C];2011年
9 郭朝辉;龚亚丽;;利用环境减灾卫星进行干旱灾害监测研究[A];全国旱情监测技术与抗旱减灾措施论文集[C];2009年
10 何东健;杨成海;杨青;兰玉彬;杨福增;赵友亮;;面向精准农业的农田土壤成分实时测定研究进展[A];中国农业工程学会2011年学术年会论文集[C];2011年
中国博士学位论文全文数据库 前10条
1 孙明;基于小波和迟滞的混沌神经网络及其应用[D];哈尔滨工程大学;2010年
2 唐艳红;基于航海雷达的海浪遥测关键技术研究[D];哈尔滨工程大学;2010年
3 李桃迎;交通领域中的聚类分析方法研究[D];大连海事大学;2010年
4 余枫;海上搜救模拟器中近海溢油的实时仿真与可视化研究[D];大连海事大学;2010年
5 陈春涛;多传感器卫星数据黑潮变异研究[D];中国海洋大学;2010年
6 胡利民;大河控制性影响下的陆架海沉积有机质的“源—汇”作用[D];中国海洋大学;2010年
7 徐洪梅;水下非均匀光场的目标探测研究[D];中国海洋大学;2009年
8 王云飞;东海赤潮监测卫星遥感方法研究[D];中国海洋大学;2009年
9 张鑫;深海环境及深海沉积物拉曼光谱原位定量探测技术研究[D];中国海洋大学;2009年
10 宋军;水交换模型的理论方法及应用研究[D];中国海洋大学;2010年
中国硕士学位论文全文数据库 前10条
1 李硕;基于Vis/NIR光谱不同粒径下土壤碳氮的预测研究[D];华中农业大学;2010年
2 秦丽;大比例尺SOTER单元划分指标研究[D];华中农业大学;2010年
3 韩筱婕;基于城市热岛减缓的湖泊湿地景观功能连通性研究[D];华中农业大学;2010年
4 马浩;基于土地适宜性评价的三峡库区防护林类型空间优化配置[D];华中农业大学;2010年
5 盖卫勇;基于小波神经网络的高速铣削刀具磨损状态识别研究[D];河南理工大学;2010年
6 李连昌;新安煤田二_1煤层煤与瓦斯突出危险程度预测[D];河南理工大学;2010年
7 罗婷婷;飞机钣金叠板数控套裁下料软件系统的研究[D];南昌航空大学;2010年
8 胡红;矿区植物胁迫作用与遥感信息提取[D];山东科技大学;2010年
9 冯彦平;矿山开采影响下的环境遥感监测与评价[D];山东科技大学;2010年
10 孟培培;基于3S的土地督察信息系统研究[D];山东科技大学;2010年
【二级参考文献】
中国期刊全文数据库 前10条
1 马凤斌,尚丽平,张娜;烟尘浓度和粒度的消光法测量研究[J];传感技术学报;2004年02期
2 王静,张继贤,何挺,李海涛;基于3S技术的耕地退化监测与评价技术方法探讨[J];测绘科学;2002年04期
3 贾永红;人工神经网络在多源遥感影像分类中的应用[J];测绘通报;2000年07期
4 李行,张连蓬;高光谱遥感图像最佳波段选择的快速算法研究[J];测绘通报;2004年09期
5 朱长青,杨启和,朱文忠;基于小波变换特征的遥感地貌影像纹理分析和分类[J];测绘学报;1996年04期
6 张良培,李德仁,童庆禧,郑兰芬;鄱阳湖地区土壤、植被光谱混合模型的研究[J];测绘学报;1997年01期
7 杨超武,田庆久,张满郎;机载成像光谱仪图像大气程辐射影响归一化及其简化校正[J];测绘学报;1997年04期
8 马毅杰;长江中下游土壤矿物组成与其土壤肥力[J];长江流域资源与环境;1994年01期
9 刘刚,邝继双,刘文菊;地理信息系统在生成田间肥力分布图上的应用[J];河北农业大学学报;1999年03期
10 国庆喜,张锋;基于遥感信息估测森林的生物量[J];东北林业大学学报;2003年02期
中国博士学位论文全文数据库 前3条
1 刘伟东;高光谱遥感土壤信息提取与挖掘研究[D];中国科学院研究生院(遥感应用研究所);2002年
2 张连蓬;基于投影寻踪和非线性主曲线的高光谱遥感图像特征提取及分类研究[D];山东科技大学;2003年
3 何挺;土地质量高光谱遥感监测方法研究[D];武汉大学;2003年
中国硕士学位论文全文数据库 前2条
1 张立庆;带惩罚项的BP神经网络在线梯度法[D];大连理工大学;2004年
2 郑高峰;带动量项的BP神经网络收敛性分析[D];大连理工大学;2005年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026