[01276529]基于多光谱技术的农田典型重金属含量遥感预测模型研究

随着工业化和城市化的飞速发展，农田重金属污染越来越严重，迫切需要先进的技术解决农田重金属污染的实时监测。

遥感监测技术具有宏观、简便、快捷、实时且无损害性的特点，为农田重金属污染提供了先进的技术手段。

本项目以多光谱影像和实测高光谱数据为遥感数据源，结合实地采集土壤样本的重金属含量，实测高光谱数据采用光谱分析方法确定农田典型重金属（铜、铅、镉、汞）含量在可见光-近红外（VIS-NIR）的敏感光谱波段，通过最小二乘拟合建立土壤重金属定量预测模型，利用SPSS软件的数据分析功能对多光谱光谱变量进行变换及相关分析，建立农田典型重金属含量与多光谱不同光谱变换形式之间的多元回归预测模型。

研究表明，利用实测高光谱和多光谱技术反演农田重金属含量具有可行性，尤其是铜、汞、铅含量，镉含量反演还需进一步深入研究。

该项目为多光谱技术预测农田典型重金属含量做出有意义的探索。

经过近三年的室内外试验研究，进行星地同步遥感试验、采集土样以及测定野外土样光谱，获取同时期的Landsat 8影像数，对Landsat 8影像进行辐射定标、大气校正及几何精纠正等地物光谱重建处理，对多光谱影像光谱进行一阶微分、倒数、倒数对数等光谱数学变换方式后的光谱值与农田典型重金属（Cu、Hg、Cd、Pb）含量建立多元回归预测模型，

通过光谱数据预处理，采用光谱微分技术和连续统去除等方法进行光谱分析，确定农田重金属元素的敏感波段，建立农田重金属最小二乘回归定量预测模型，并进行精度评价和验证

同时培养硕士研究生2名，发表国内外论文8篇。