一种高精度土壤重金属浓度空间预测方法技术

本发明专利技术公开了一种高精度土壤重金属浓度空间预测方法，包括以下步骤：步骤一，数据获取；步骤二，数据预处理；步骤三，数据反演与分析；步骤四，重金属浓度预测；步骤五，精度估算。本发明专利技术引入对重金属浓度有灵敏响应的SIF作为环境协同变量，可以极大提高重金属浓度的预测精度，且能够克服普通插值方法对整体样本平均代表性的依赖，有效利用个体样点代表性从而克服对样本数量充足、分布均匀的限制，对区域内少量样本、不均匀分布也可以实现高精度空间预测。测。测。

【技术实现步骤摘要】
一种高精度土壤重金属浓度空间预测方法


[0001]本专利技术涉及生态环境保护领域，特别涉及一种高精度土壤重金属浓度空间预测方法。

技术介绍

[0002]宏观上土壤重金属污染程度的时空变化主要受两类因素影响与控制：1)地质因素，自然状态下由地质因素导致的土壤重金属本底污染程度较低；2)人类活动，其变化直接反映人类活动强度与污染程度，且导致的重金属浓度变化较大。微观上重金属浓度的变化受重金属自身离子状态、与其它物质(土壤、植物根系、微生物)的相互作用(吸附、迁移、交换)等因素影响。但无论重金属污染源是什么、与其他物质交换速率如何，在空间上的变化均有3点特征：1)空间位置越邻近，重金属浓度越相近(空间自相关性)；2)当空间位置间的距离达到一定阈值时，重金属浓度差异较大(空间异质性)；3)不同的重金属来源可以借助相关的地理要素表征，如母岩类型可以利用地质资料中的岩性分布来指示。
[0003]归纳上述特点，土壤重金属污染程度空间推测方法可分为3类：1)空间自相关法，即土壤重金属浓度基于地理位置越相近越相关的原理，依赖于区域空间内实验样本点数据信息，通过插值实现，该类方法单纯利用已知样本信息并由此根据地理距离推测未知点信息，对样点的数量、质量、空间分布要求严格，并未考虑其他影响因素，精度较低。2)基于要素相关法，即综合分析影响重金属浓度的多种地理变量，通过数学模型建立重金属浓度与相关要素之间的映射关系，最终用于对未知区域的预测。该类方法考虑相关地理变量对重金属浓度的影响，通过数据驱动的机器学习方法达到较高精度，但具有严重依赖输入数据集的准确性与完备性的缺点。3)空间自相关与要素相关两者结合的方法，同时将地理距离与其它相关地理变量应用到空间推测。该方法有效综合利用上述两类方法优点，达到了优势互补，但仍然存在两点不足：1)所用的地理变量在小区域内高度空间相似，而重金属浓度高度空间异质，导致地理变量的空间变化不能真实反映重金属浓度的空间变化；2)依赖数据驱动的算法提升精度，不能有效量化重金属污染程度。鉴于上述存在的不足，重金属浓度的空间预测迫切需要找到更优的方法。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提供一种算法简单、适用范围广的高精度土壤重金属浓度空间预测方法。
[0005]本专利技术解决上述技术问题的技术方案是：一种高精度土壤重金属浓度空间预测方法，包括以下步骤：
[0006]步骤一，数据获取：包括区域内野外采样、多光谱高光谱遥感影像准备及地理环境变量的获取；
[0007]步骤二，数据预处理：对野外采样样品的实验室化验及常规统计分析，检测出重金属异常点位；对影像的辐射校正、大气校正与波段选择得到校正后影像待用；地理环境变量
通过数据转换与数据变换使得各种变量统一坐标、统一空间分辨率与统一数据类型；
[0008]步骤三，数据反演与分析：计算得到各类植被指数和日光诱导叶绿素荧光强度，结合各种地理变量与样本分析点位数据进行地理探测，以决定参与预测的环境地理协同变量；
[0009]步骤四，重金属浓度预测：由得到的环境地理协同变量，进行地理相似性计算，结合已知采样点的重金属浓度值，实现对未知点重金属浓度预测，得到预测的重金属浓度空间分布；
[0010]步骤五，精度估算：计算预测的重金属浓度空间分布的精度。
[0011]上述高精度土壤重金属浓度空间预测方法，所述步骤三中，采用夫琅和费暗线法反演获取日光诱导叶绿素荧光强度；
[0012]基于夫琅和费暗线的SIF反演算法FLD：由于太阳大气中某些元素的吸收，太阳辐射在到达地表后其辐照度光谱形成许多波段宽度为0.1
‑
10nm的细小暗线，即夫琅和费吸收暗线，在夫琅和费吸收暗线处，植被的反射光较弱，荧光效果明显，因此利用夫琅和费暗线反演日光诱导叶绿素荧光值SIF；
[0013]假定地球表面为各向同性表面反射，忽略冠层传感器间的大气效应和邻近效应的影响，认为传感器接收到的地表视反射辐亮度是地表植被太阳反射辐亮度与日光诱导叶绿素荧光反射的两部分之和，如式(1)：
[0014][0015]其中，λ为波长，L(λ)为传感器观测到的地表视反射辐亮度，r(λ)为地表反射率，E(λ)为地表入射辐照度，SIF(λ)为植被发射的叶绿素荧光强度；
[0016]根据夫琅和费吸收暗线区间的太阳辐照度光谱和传感器观测到的辐亮度光谱，可得出各参数满足式(2)：
[0017][0018]其中，L
in
为波长λ
in
处的辐亮度，L
out
为波长λ
out
处的辐亮度，I
in
为波长λ
in
处的太阳辐照度，I
out
为波长λ
out
处的太阳辐照度，f
in
为波长λ
in
处的日光诱导叶绿素荧光强度，f
out
为波长λ
out
处的日光诱导叶绿素荧光强度，R
in
为波长为λ
in
处的地表反射率，R
out
为波长λ
out
处的地表反射率；
[0019]标准FLD算法假设夫琅和费吸收暗线及其相邻谱区的植被反射率和荧光强度在很窄的波段范围内均不随波长变化，即：
[0020]R
in
＝R
out
＝R
FLD f
in
＝f
out
＝f
FLD
ꢀꢀ
(3)
[0021]其中，R
FLD
为利用FLD算法计算的地表反射率；f
FLD
为利用FLD算法计算的日光诱导叶绿素荧光强度；
[0022]联合式(2)和(3)，可得：
[0023][0024]针对GF
‑
5高光谱影像选择对应的夫琅和费吸收暗线波段和其邻近波段。
[0025]上述高精度土壤重金属浓度空间预测方法，所述步骤四的核心在于每个单独土壤样本点所反映的土壤属性值与其所在环境之间的关系，每个单独的样本点作为具有相似环境条件的位置的替代物，并以此去预测与样本点环境相似性达到要求的那些位置的土壤属性值；具体归纳为三个过程：
[0026](1)描述各点的环境特征；用多个环境协变量高程、坡度、坡向、归一化水分指数NDWI
1240
、归一化色素叶绿素指数NPCI、修正的简单比率植被指数mSRI
‑
2、日光诱导叶绿素荧光SIF和归一化红边植被指数NDVI
705
描述与目标土壤特性相关的环境特征，并形成一个该位置的环境向量e：
[0027]e＝(e1，e2，e3，...，e
m
)
ꢀꢀ
(5)
[0028]其中，e1，e2，......，e
m
分别指考虑的第1个、第2个，
…本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高精度土壤重金属浓度空间预测方法，其特征在于，包括以下步骤：步骤一，数据获取：包括区域内野外采样、多光谱高光谱遥感影像准备及地理环境变量的获取；步骤二，数据预处理：对野外采样样品的实验室化验及常规统计分析，检测出重金属异常点位；对影像的辐射校正、大气校正与波段选择得到校正后影像待用；地理环境变量通过数据转换与数据变换使得各种变量统一坐标、统一空间分辨率与统一数据类型；步骤三，数据反演与分析：计算得到各类植被指数和日光诱导叶绿素荧光强度，结合各种地理变量与样本分析点位数据进行地理探测，以决定参与预测的环境地理协同变量；步骤四，重金属浓度预测：由得到的环境地理协同变量，进行地理相似性计算，结合已知采样点的重金属浓度值，实现对未知点重金属浓度预测，得到预测的重金属浓度空间分布；步骤五，精度估算：计算预测的重金属浓度空间分布的精度。2.根据权利要求1所述的高精度土壤重金属浓度空间预测方法，其特征在于，所述步骤三中，采用夫琅和费暗线法反演获取日光诱导叶绿素荧光强度；基于夫琅和费暗线的SIF反演算法FLD：由于太阳大气中某些元素的吸收，太阳辐射在到达地表后其辐照度光谱形成许多波段宽度为0.1
‑
10nm的细小暗线，即夫琅和费吸收暗线，在夫琅和费吸收暗线处，植被的反射光较弱，荧光效果明显，因此利用夫琅和费暗线反演日光诱导叶绿素荧光值SIF；假定地球表面为各向同性表面反射，忽略冠层传感器间的大气效应和邻近效应的影响，认为传感器接收到的地表视反射辐亮度是地表植被太阳反射辐亮度与日光诱导叶绿素荧光反射的两部分之和，如式(1)：其中，λ为波长，L(λ)为传感器观测到的地表视反射辐亮度，r(λ)为地表反射率，E(λ)为地表入射辐照度，SIF(λ)为植被发射的叶绿素荧光强度；根据夫琅和费吸收暗线区间的太阳辐照度光谱和传感器观测到的辐亮度光谱，可得出各参数满足式(2)：其中，L
in
为波长λ
in
处的辐亮度，L
out
为波长λ
out
处的辐亮度，I
in
为波长λ
in
处的太阳辐照度，I
out
为波长λ
out
处的太阳辐照度，f
in
为波长λ
in
处的日光诱导叶绿素荧光强度，f
out
为波长λ
out
处的日光诱导叶绿素荧光强度，R
in
为波长为λ
in
处的地表反射率，R
out
为波长λ
out
处的地表反射率；标准FLD算法假设夫琅和费吸收暗线及其相邻谱区的植被反射率和荧光强度在很窄的波段范围内均不随波长变化，即：R
in
＝R
out
＝R
FLD f
in
＝f
out
＝f
FLD
ꢀꢀꢀꢀ
(3)其中，R
FLD
为利用FLD算法计算的地表反射率；f
FLD
为利用FLD算法计算的日光诱导叶绿素荧光强度；
联合式(2)和(3)，可得：针对GF
‑
5高光谱影像选择对应的夫琅和费吸收暗线波段和其邻近波段。3.根据权利要求2所述的高精度土壤重金属浓度空间预测方法，其特征在于，所述步骤四的核心在于每个单独土壤样本点所反映的土壤属性值与其所在环境之间的关系，每个单独的样本点作为具有相似环境条件的位置的替代物，并以此去预测与样本点环境相似性达到要求的那些位置的土壤属性值；具体归纳为三个过程：(1)描述各点的环境特征；用多个环境协变量高程、坡度、坡向、归一化水分指数NDWI
1240
、归一化色素叶绿素指数NPCI、修正的简单比率植被指数mSRI
‑
2、日光诱导叶绿素荧光SIF和归一化红边植被指数NDVI
705
描述与目标土壤特性相关的环境特征，并形成一个该位置的环境向量e：e＝(e1，e2，e3，...，e
m
)
ꢀꢀꢀꢀ
(5)其中，e1，e2，
……
，e
m
分别指考虑的第1个、第2个，
……
，第m个环境协变量，由这m个环境协变量共同形成一个m维的环境向量e；(2)每个未知点和每个土壤样本点的环境相似性评估；计算未知点与样本点之间的环境相似性：S
i，j
＝P(E(e
...

【专利技术属性】
技术研发人员：廖秀英，梁继，程辉，
申请(专利权)人：湖南科技大学，
类型：发明
国别省市：