光谱学提供了对土壤中许多元素进行定量分析和快速无损检测的方法。可见光和近红外反射光谱(Vis-NIR)为研究土壤重金属污染提供了一个有用的工具。于新疆准东露天煤矿区采集51个0~10 cm深度的土壤样品,在实验室中分别测定样品的有机质(S...光谱学提供了对土壤中许多元素进行定量分析和快速无损检测的方法。可见光和近红外反射光谱(Vis-NIR)为研究土壤重金属污染提供了一个有用的工具。于新疆准东露天煤矿区采集51个0~10 cm深度的土壤样品,在实验室中分别测定样品的有机质(SOM)含量、重金属砷(As)含量与高光谱;使用基于 JAVA 语言自主开发的两波段组合软件V1.0(No: 2018R11S177501)计算不同高光谱数据变换形式(原始反射率( R),倒数(1/ R),对数(lg R)和平方根( R)下Vis-NIR区域(400~2 400 nm)所有两波段组合得到的优化光谱指数(NPDI)与As的相关性,在最优光谱指数(| r |≥0.73和 p =0.001)中通过变量重要性准则(VIP)进一步筛选VIP≥1的指数作为模型自变量,基于地理加权回归(GWR)模型估算As含量并使用四个交叉验证度量标准:相对分析误差(RPD),决定系数(R^2),均方根误差(RMSE)和最小信息准则(ACI)评价模型精度,从而探讨优化光谱指数方法应用于高光谱检测露天煤矿区土壤重金属砷含量的可行性。结果表明:(1)研究区As含量离散度较高,所有样品中SOM含量均小于2%,且As含量与SOM含量在0.01的显著性水平上无显著相关性(| r |=0.113)。(2)As含量与单波段光谱反射率的相关性很低(| r |≤0.228),而通过 R , 1/ R , lg R , R 计算的NPDIs与As含量的相关性在近红外(NIR, 780~1 100 nm)和短波红外(SWIR, 1 100~ 1 935 nm)光谱中发现最高的相关系数和最低的 p 值(|r|≥0.73和 p =0.001),在长波近红外(LW-NIR)区域基于 R 形成的NPDIs与As含量相关性最高(|r|=0.74)。(3)VIP方法分别筛选NPDI R (1 417/1 246), NPDI 1/ R (799/953, 825/947)、 NPDI sqrt- R (1 023/1 257, 1 008/1 249, 1 021/1 250, 1 020/1 247)和NPDI lg R (801/953, 811/953, 817/951, 825/947, 828/945)为GWR模型自变量。(4)从4个预测模型的表现可以看出, Model-a( R)与其他三个模型(Model-b(1/ R), Model-c( R)和Model-d(lg R))相比,它具有最高的验证系数(R^2=0.831, RMSE=4.912 μg·g^-1 , RPD=2.321)和最低的最小信息准则值(AIC=179.96)。优化光谱指数NPDI R (1 417/1 246)有助于快速准确地估算As含量,为进一步获取地表土壤重金属污染分布信息提供理论支持和应用参考,促进露天煤矿区环境污染快速有效调查和生态可持续发展。展开更多
城市化进程不断加快引起生态环境问题,利用遥感技术及时、快速、客观、定量评价区域生态环境变化显得尤为重要。选取2000年、2008年、2016年Landsat(TM/OLI)系列遥感影像,提取绿度(NDVI)、湿度(WET)、干度(NDBSI)和热度(LST)4个重要指标...城市化进程不断加快引起生态环境问题,利用遥感技术及时、快速、客观、定量评价区域生态环境变化显得尤为重要。选取2000年、2008年、2016年Landsat(TM/OLI)系列遥感影像,提取绿度(NDVI)、湿度(WET)、干度(NDBSI)和热度(LST)4个重要指标,基于主成分分析法计算遥感生态指数(RSEI),对阜康市16年以来的生态环境质量变化进行监测与评价。结果表明:从2000—2008年阜康市的生态环境质量逐渐下降,在这8年期间生态环境转差的区域面积达到了849.35 km 2,约占总面积的25.72%;且以2008—2016年期间生态环境质量下降幅度为最大,环境质量转差的区域面积增长到1601.41 km 2比前8年增长了2倍,约占总面积的48.49%,而环境质量转好的只占了13.06%。2000—2016年阜康市的生态环境质量快速下降,环境质量变差的区域面积已达到1757.93 km 2,阜康市环境质量转好的区域面积保持下降趋势,约占总面积的8.98%,而质量转差的区域逐步增加,约占总面积的53.23%。在空间上,生态条件变差的地点主要分布在郊区中部和北部地区。生态环境好转的主要区域分布在一些新增的城区基础设施和一些规模较大的房地产开发新区,而中部耕地周边生态环境变化较小。该城市生态环境质量下降原因分析可知,干旱等自然条件下超负荷开发活动是导致生态环境质量恶化的一个重要因素。展开更多
为探究基于分数阶微分(fractional order derivative, FOD)预处理的光谱反射率与土壤表层有机质含量之间的响应机制,以新疆乌鲁木齐县安宁渠镇土壤冠层光谱为数据源,采用G-L分数阶微分方法对高光谱数据进行0~2.0阶次(间隔0.2)预处理,并...为探究基于分数阶微分(fractional order derivative, FOD)预处理的光谱反射率与土壤表层有机质含量之间的响应机制,以新疆乌鲁木齐县安宁渠镇土壤冠层光谱为数据源,采用G-L分数阶微分方法对高光谱数据进行0~2.0阶次(间隔0.2)预处理,并利用任意波段组合算法,计算基于分数阶微分预处理光谱的比值光谱指数、归一化光谱指数和差值光谱指数,通过竞争性自适应重加权(CARS)算法筛选土壤有机质含量的敏感波段及光谱指数等,与3种机器学习(machine learning, ML)算法(ANN、KNN和SVM)相结合,构建基于分数阶微分和机器学习方法的土壤有机质含量估算模型,并进行模型验证。结果表明:基于0~2.0阶次的两波段光谱指数与土壤有机质含量之间均呈现极显著相关,基于原数据和0.2阶预处理的NDVI和RVI相关性系数r超过0.80。该研究基于0.2阶NDVI指数的K近邻算法模拟土壤有机质含量能力表现最佳,估算模型精度分别为决定系数(R2)为0.73,均方根误差(RMSE)为2.11 g/kg,相对分析误差(RPD)为2.23。为遥感技术提供理论支持,实现对土壤肥沃程度的精准监测和评估,推动智慧农业的发展。展开更多
文摘光谱学提供了对土壤中许多元素进行定量分析和快速无损检测的方法。可见光和近红外反射光谱(Vis-NIR)为研究土壤重金属污染提供了一个有用的工具。于新疆准东露天煤矿区采集51个0~10 cm深度的土壤样品,在实验室中分别测定样品的有机质(SOM)含量、重金属砷(As)含量与高光谱;使用基于 JAVA 语言自主开发的两波段组合软件V1.0(No: 2018R11S177501)计算不同高光谱数据变换形式(原始反射率( R),倒数(1/ R),对数(lg R)和平方根( R)下Vis-NIR区域(400~2 400 nm)所有两波段组合得到的优化光谱指数(NPDI)与As的相关性,在最优光谱指数(| r |≥0.73和 p =0.001)中通过变量重要性准则(VIP)进一步筛选VIP≥1的指数作为模型自变量,基于地理加权回归(GWR)模型估算As含量并使用四个交叉验证度量标准:相对分析误差(RPD),决定系数(R^2),均方根误差(RMSE)和最小信息准则(ACI)评价模型精度,从而探讨优化光谱指数方法应用于高光谱检测露天煤矿区土壤重金属砷含量的可行性。结果表明:(1)研究区As含量离散度较高,所有样品中SOM含量均小于2%,且As含量与SOM含量在0.01的显著性水平上无显著相关性(| r |=0.113)。(2)As含量与单波段光谱反射率的相关性很低(| r |≤0.228),而通过 R , 1/ R , lg R , R 计算的NPDIs与As含量的相关性在近红外(NIR, 780~1 100 nm)和短波红外(SWIR, 1 100~ 1 935 nm)光谱中发现最高的相关系数和最低的 p 值(|r|≥0.73和 p =0.001),在长波近红外(LW-NIR)区域基于 R 形成的NPDIs与As含量相关性最高(|r|=0.74)。(3)VIP方法分别筛选NPDI R (1 417/1 246), NPDI 1/ R (799/953, 825/947)、 NPDI sqrt- R (1 023/1 257, 1 008/1 249, 1 021/1 250, 1 020/1 247)和NPDI lg R (801/953, 811/953, 817/951, 825/947, 828/945)为GWR模型自变量。(4)从4个预测模型的表现可以看出, Model-a( R)与其他三个模型(Model-b(1/ R), Model-c( R)和Model-d(lg R))相比,它具有最高的验证系数(R^2=0.831, RMSE=4.912 μg·g^-1 , RPD=2.321)和最低的最小信息准则值(AIC=179.96)。优化光谱指数NPDI R (1 417/1 246)有助于快速准确地估算As含量,为进一步获取地表土壤重金属污染分布信息提供理论支持和应用参考,促进露天煤矿区环境污染快速有效调查和生态可持续发展。
文摘城市化进程不断加快引起生态环境问题,利用遥感技术及时、快速、客观、定量评价区域生态环境变化显得尤为重要。选取2000年、2008年、2016年Landsat(TM/OLI)系列遥感影像,提取绿度(NDVI)、湿度(WET)、干度(NDBSI)和热度(LST)4个重要指标,基于主成分分析法计算遥感生态指数(RSEI),对阜康市16年以来的生态环境质量变化进行监测与评价。结果表明:从2000—2008年阜康市的生态环境质量逐渐下降,在这8年期间生态环境转差的区域面积达到了849.35 km 2,约占总面积的25.72%;且以2008—2016年期间生态环境质量下降幅度为最大,环境质量转差的区域面积增长到1601.41 km 2比前8年增长了2倍,约占总面积的48.49%,而环境质量转好的只占了13.06%。2000—2016年阜康市的生态环境质量快速下降,环境质量变差的区域面积已达到1757.93 km 2,阜康市环境质量转好的区域面积保持下降趋势,约占总面积的8.98%,而质量转差的区域逐步增加,约占总面积的53.23%。在空间上,生态条件变差的地点主要分布在郊区中部和北部地区。生态环境好转的主要区域分布在一些新增的城区基础设施和一些规模较大的房地产开发新区,而中部耕地周边生态环境变化较小。该城市生态环境质量下降原因分析可知,干旱等自然条件下超负荷开发活动是导致生态环境质量恶化的一个重要因素。
