拔节期小麦-土壤重金属污染与高光谱反演

【摘要】：随着农业种植结构的转变与工业的迅速发展,东部沿海经济发达地区,环境污染特别是土壤重金属污染使得粮食安全受到巨大威胁。重金属进入土壤,因其特殊的理化性质而难以转化和分解,经长时间的积累,使其毒性更强,危害更持久。重金属被粮食作物吸收后在其体内转化并积累,人类摄入重金属超标的粮食后,重金属会危害人类健康;在此背景下,粮食种植区土壤重金属污染研究备受学者的关注。本研究以我国东部典型沿海工业城市——山东省龙口市为研究区,以北部平原小麦种植区土壤-小麦为研究对象,系统采集和分析测试土壤和小麦叶片重金属及土壤Fe、Mg和有机质(SOM)含量。首先采用地统计方法分析土壤重金属的空间分布特征,运用污染指数法和模型指数法开展土壤重金属污染评价,分析土壤-小麦系统重金属富集转移特征,借助相关分析、自组织映射分析和主成分分析的方法解析土壤重金属的来源;根据土壤重金属的空间分布与系统内重金属富集转移特征进一步确定小麦采样点以提高小麦重金属反演的模型精度;采集土壤和小麦叶片的实测高光谱遥感数据,提取光谱反射率的一阶微分(First derivative reflectance,FDR)、二阶微分(Second derivative reflectivity,SDR)、多重散射校正(Multiple scattering correction,MSC)、标准正态变量(Standard normal variable,SNV)和光谱倒数的对数(Log(1/R)),分别构建土壤和小麦叶片重金属的偏最二乘回归(Partial least squares regression,PLSR)模型;在此基础上,结合PLSR模型的变量重要性投影(VIP)以及Spearman相关分析、偏相关分析和PCA双谱分析的方法,分析可见光-近红外高光谱与土壤重金属含量之间的统计规律,进一步说明土壤重金属高光谱遥感反演的可行性;最后借鉴并改进面板数据模型,引入土壤重金属的主要控制因素Fe、SOM,建立由土壤面板高光谱模型与小麦叶片面板高光谱模型组成的土壤-小麦重金属反演的多元线性方程组,探索构建系统内土壤与小麦叶片重金属含量的联合反演模型,以提高重金属反演的效率。主要内容和结果如下:(1)研究区6种土壤重金属在空间上的分布各有差异。Cu和Zn含量在东北部和西部沿海地区含量均较高,As在西北部采煤区的含量较高,西南部Cd和Zn的含量比较丰富,Cd和Pb在整个东莱街道和新嘉街道、徐福镇的交界处的含量较高。土壤中6种元素的含量都超出山东省东部相应土壤元素自然背景值。Cu和Cd及Pb的污染程度最高;其次是Zn和As,属于中污染程度;Cr属于轻度污染。在148个土壤采样点中,30个达到了中污染的程度,48个样点属于轻污染,58个样点处于警戒范畴,只有12个样点是安全的。因此,在研究区进行土壤重金属反演研究具有一定的基础。(2)土壤重金属含量之间的相关分析结果表明,Cr、Cd和As之间的相关性强,且与土壤母质元素Fe和Mg的相关系数较大,这三种重金属可能来源于成土母质等自然因素。而Cu、Pb和Zn之间的相关性强,但这三种元素与Fe和Mg的几乎不相关,可能是由人为因素带来的。通过自组织映射图进一步分析,Cu、Zn和Pb可能同属于人为来源,但由不同类型的人类活动引起。主成分分析得出土壤重金属Cd是由自然条件和农业生产造成的混合来源。(3)利用PLSR方法构建的高光谱反演模型能够反演土壤重金属含量,并且对土壤高光谱进行变换后,可以提高建模精度;FDR光谱指标与土壤Cu、Cd、Pb和Zn含量的建模效果最佳,SDR光谱指标与土壤As和Cr含量的建模效果最佳。利用PLSR方法构建的高光谱模型能够反演小麦叶片重金属含量,并且对土壤高光谱进行变换后,可显著提升模型精度,FDR光谱指标与小麦叶片As和Pb含量的建模效果最佳,SDR光谱指标与小麦叶片Cd和Zn含量的建模效果最佳,三边参数与小麦叶片Cr和Cu含量的建模效果最佳。(4)土壤重金属含量之所以能够通过高光谱数据进行估计,主要归因于土壤中Fe和SOM对土壤重金属起到了主要的控制作用。Cd与SOM具有密切相关性,As和Cr与土壤Fe具有密切相关性,Pb、Cu、Zn与SOM、Fe浓度的都有一定的相关性;因此,将Fe和SOM与土壤重金属含量同时作为因变量对高光谱反演效果的提高有一定帮助。(5)将土壤光谱指标作为自变量,土壤重金属含量作为因变量,构建关于土壤重金属多光谱指标的多元线性模型;将小麦叶片光谱指标作为自变量,小麦叶片重金属含量为因变量,构建关于小麦叶片重金属多光谱指标的多元线性模型,然后将土壤模型与小麦叶片模型联立组成土壤-小麦重金属反演的多元线性方程组,同时反演系统内土壤和小麦叶片重金属的含量。与PLSR模型相比,联合反演模型在提高系统建模效率的同时,也提高了土壤与小麦叶片重金属遥感反演的精度。