论文部分内容阅读
煤矸石是煤炭开采和加工利用过程中排放量最大的固体废弃物,利用煤矸石充填复垦不仅可以消解煤矸石还能节约大量土地资源,但是煤矸石所携带的重金属元素会影响土壤的安全性,因此对煤矸石充填复垦地土壤重金属污染的定量监测非常有必要；煤矸石中重金属对土壤的污染是一个长期的过程,故对土壤重金属含量监测的周期长。由于用传统的室内化学分析方法来检测土壤重金属含量费时费力且成本高,不利于长期监测,而高光谱技术的发展为煤矸石充填复垦地土壤重金属污染检测提供了新的方法和手段。本文以淮南创大煤矸石充填复垦试验小区为研究对象,采用实验室获取的土壤重金属(Cu、Cr、As)含量数据和美国ASD FieldSpec4型高光谱仪测量的土壤样品反射率光谱数据；为凸显土壤样品的特征光谱信息,减少背景、噪声对目标光谱的影响,对原始光谱数据进行微分变换和倒数对数变换；其后运用统计分析方法,在分析土壤光谱与重金属含量之间的相关性基础上,选择具有显著相关的波段作为相关因子,建立了重金属含量的逐步回归模型、偏最小二乘回归模型和人工神经网络模型,并对模型进行了验证对比找到了适合估算各重金属元素含量的最优模型。实验结果表明：在相关性分析中,原始光谱、倒数对数光谱与Cu含量、舡含量的相关程度极弱,均未达到显著相关水平,与Cr含量在个别波段达到中度相关。土壤微分光谱数据与Cu含量、As含量及Cr含量大部分波段达到显著相关水平；微分光谱与Cr含量在个别波段达到高度相关,在波段379妇[m处,相关系数为-0.919。在对三种重金属分别进行了逐步回归、偏最小二乘回归、人工神经网络建模并进行了验证,可以得出,对于重金属元素As来说,较高的决定系数,较小的均方根误差使得重金属元素As含量的二阶微分光谱的偏最小二乘回归模型获得最佳预测结果；而重金属元素Cu和Cr含量的最优模型为一阶微分光谱的人工神经网络模型。通过此次实验,实现了利用高光谱遥感技术对煤矸石充填复垦地重构土壤重金属含量的间接估算。