现今社会力求人与自然和谐发展，人们的生活环境得到高度重视，高光谱遥感已日渐成为地球环境监测、灾害预测预警和对植被生长状况监测、病虫害监测以及作物品质监测等方面的重要技术[1]。植被在生长过程中，健康状况容易受多种因素的影响，近年来，重金属富集已成为重要的环境问题之一[2]，无论是对于土壤还是植被都具有重大影响。
地面高光谱遥感随遥感技术的发展也逐渐成为一大研究热点，高光谱数据可定量分析微弱的光谱差异，进而应用到大面积的作物长势以及健康状况等的监测，同时可以根据控制实验来估计影响植被健康状况的一系列影响因子。对土壤重金属污染的监测、反演土壤重金属含量逐渐成为高光谱遥感的重要研究内容之一，也有很多学者关注到植被重金属污染[3-4]。油菜是我国重要的食用油来源之一，研究油菜重金属污染及其健康状况对维护国家食用油供给安全、满足多元化消费需求具有深远意义。
1 实验概括
设置Cd处理浓度的梯度为0、50、100、150、200、250mg/kg，每个梯度的浓度设置3个平行，用饱和水量法加入对应浓度的Cd元素与土壤充分螯合八周后种植油菜。在油菜成熟期时，从上至下三片叶子，使用便携式地物光谱仪PSR-2500和叶片夹持器在植被叶片同一位置（避免叶脉）采集光谱数据，每片叶片采集4条光谱曲线，每株油菜测得12条光谱曲线。
2研究方法
采集数据时会产生背景噪声，先剔除光谱曲线异常的数据，保证数据的有效性。对每盆植株所采集的多条光谱曲线进行求均值，将其作为Cd胁迫下对应浓度的最终光谱曲线。为提高数据质量，还需剔除光谱噪声，本文选用S-G平滑法[5]消除曲线噪声，降低曲线“锯齿”现象。
光谱数据经预处理后能在一定程度都上减小仪器噪声以及其他因素产生的影响，但无法放大有效的信息，而光谱变换可以有效地提高不同吸收以及反射特征的对比度。本文采用一阶、二阶导数变换以及包络线变换三种形式的光谱变换技术来处理油菜叶片的高光谱数据。
光谱曲线特征以地物的反射光谱曲线为基础，运用一定的数学算法来提取、描述曲线形状及特点，常见的是对光谱曲线中的特征点或特征波段进行提取。本文选择绿峰、蓝边、红边位置、红边峰值、红边斜率、红边吸收面积、红谷的吸收位置和吸收深度等特征参数作为输入参数。
将植被特征参数与土壤重金属含量进行 Pearson 相关系数分析，判断特征参数是否可以进行土壤重金属含量反演的模型建立。本文基于多元逐步回归分析建立土壤重金属反演模型。
3 结果与分析
3.1特征参数提取
根据原始光谱图像以及变换后的光谱图像，得到需要的光谱参数以获取一些比较直观的信息。根据各个特征参数的实际含义，在原始图像上可以准确确定绿峰，经一阶导数变换后的光谱曲线可以在可见光波段内确定蓝边、红边位置、红边峰值、红边斜率以及红边吸收面积，经过包络线去除后可确定红谷的吸收位置和吸收深度，得到各实验组的光谱特征参数。
3.2土壤重金属含量反演模型建立
对特征参数与重金属浓度之间进行相关分析，选择显著相关的参数引入模型，计算出皮尔逊相关系数，结果表明仅仅只有红边峰值通过显著性（p<0.01）相关检验，显著性水平最高，皮尔逊相关性为-0.699，其余相关性较小。
为了找出植被反射光谱以及变换后光谱与Cd浓度之间的关联，利用平滑后的植被光谱以及数学变换后的数据与对应Cd浓度进行单相关分析，筛选出显著相关的敏感波段（P<0.05），用这些波段以及植被光谱特征参数中与Cd含量相关性显著的红边峰值作为自变量进行多元逐步回归来估计土壤中的重金属含量，反演结果包络线去除变换后的R2为0.719，RMSE为0.025，在四个模型中拟合效果最好，说明此模型对重金属Cd含量的估测结果最好；原始光谱、二阶导数变换的可决系数次之，其RMSE也较包络线去除高，但一阶导数变换的R2仅有0.489，RMSE较高，原因是一阶导数变换中选择的特征波段在初始筛选时与土壤重金属浓度的相关性较低，经过逐步回归后系统会自动排除了显著性水平较低的变量，仅剩下红边峰值的影响较为显著。综上所述，在经过包络线去除变换后的选择的波段对土壤重金属浓度的敏感性更强，选择此波段的包络线值进行土壤重金属浓度建模来估测土壤中的重金属浓度是可靠的。
4 结论
本研究使用地面高光谱仪测量不同浓度的Cd元素处理的土壤培养的油菜反射光谱，采用数学方法得到光谱特征参数后分析其规律，经多元逐步线性回归建立重金属含量反演模型 ，具体结论如下：
1）提取了八个植被特征参书与土壤重金属浓度进行相关性分析，结果得到仅有红边峰值与重金属浓度的相关性显著。
2）某些数学变换虽然能提高重金属含量与植被光谱之间的相关系数，但高相关性的波段比较集中。一阶导数变化后的波段选取比较集中，逐步回归后仅得到红边峰值的影响较为显著，模型的也效果不够好，说明了进行其它变换的必要性。
3）建模结果显示用包络线去除变换后的线性回归模型反演效果最好，且回归方程各个参数以及整个回归关系都通过了p=0.05的显著性检验，土壤Cd元素含量的回归方程模型结果为：Y=3.708-3.917×（"波段345.8nm"）。
作者简介：包栎炀（1998—），女，汉族，籍贯：四川广安市人，学历：硕士在读，研究方向：林业遥感，单位：成都理工大学地球科学学院
参考文献
[1] 王思恒. 高光谱遥感技术在农业中的应用现状及展望[J]. 中国农业信息. 2013(13): 203-204.
[2] 杨梦昕，杨东璇，李萌立，等. 湘江长沙段沿岸常见农作物重金属污染研究——Zn、Cu、Pb和Cd的富集规律及污染评价[J]. 中南林业科技大学学报. 2015, 35(01): 126-131.
[3] Horler D N H, Barber J, Barringer A R. Effects of heavy metals on the absorbance and reflectance spectra of plants[J]. International Journal of Remote Sensing. 1980, 1(2).
[4] 李梦洁. 汞污染下芦苇叶片的高光谱特征及汞含量反演[D]. 中国林业科学研究院, 2018.
[5] 赵浩舟. 锰铀污染土壤反射光谱特征及其含量反演研究[D]. 西南科技大学, 2019.
