随着人类社会工农业现代化、城市化的发展，人为因素造成土壤重金属污染是当今越来越不容忽视的环境问题。尽管煤矿资源的开发对社会经济至关重要，但其对自然环境产生的不利影响也是不可避免的。因此，我们有必要调查露天煤矿的土壤重金属分布，以发现受污染的农田，提供和制定土地复垦策略以及进一步的公共健康策略。

原位土壤采样与实验室化学分析方法（利用高精度的原子吸收光谱法（AAS）和电感耦合等离子体质谱法（ICP-MS））相结合，已广泛应用于土壤重金属浓度的调查和制图。然而，该方法难以获得连续的土壤重金属浓度制图、耗时费力、成本高、效率低，适用范围小，且可能会再次对环境产生不利影响。遥感技术的发展为快速、高效、大尺度监测重金属含量提供了新的视角。而部分所使用的高光谱传感器存在数据质量差、图像连续性受限、光谱范围窄、空间分辨率低、需要辅助环境变量、易受大气干扰等问题。与现有高光谱卫星传感器相比，GF-5 AHSI高光谱成像仪的空间分辨率、光谱分辨率、光谱范围、时间分辨率等明显增强。然而，关于使用GF-5 AHSI高光谱影像反演土壤重金属含量的相关研究报道较少。

基于此，在本研究中，来自西安科技大学的张波（第一作者）、郭斌（通讯作者）课题组联合其它研究团队针对高分5号高光谱卫星影像反演中国北部某露天煤矿区（图1）土壤重金属含量问题进行了研究。旨在（1）利用直接校正（DS）算法在实验室测量的和GF-5 AHSI获得的土壤光谱之间建立传输模型，以提高土壤重金属浓度估算精度，以及（2）通过比较随机森林（RF）、极限学习机（ELM）、支持向量机（SVM）和反向传播神经网络（BPNN）算法确定最佳估算模型，基于该模型绘制土壤重金属浓度图。

图1 研究区地理位置及原位土壤样品分布。（a），（b）和（c）代表研究区野外状况。

作者于2020年2月收集了20 cm深度的土壤样品，在实验室中测量了其重金属含量，并利用ASD FieldSpec 4地物光谱仪测量了土壤光谱数据。于2020年3月19日获取GF-5 AHSI高光谱卫星影像，基于实验室土壤光谱，引入直接校正算法（Direct standardization，DS）校正GF-5号高光谱卫星影像。利用连续小波变换（CWT）和Boruta算法进行光谱预处理以及特征波段提取。利用RF，ELM，SVM和BPNN4种机器学习方法估算土壤重金属浓度，通过决定系数（R2）、均方根误差（RMSE）和平均绝对误差（MAE）比较了模型反演精度，确定了最佳模型。最后绘制了露天煤矿区土壤重金属锌、镍和铜含量空间分布特征图。

图2 本研究流程图。

【结果】

图3 110个土壤样品的光谱反射率曲线及评估DS算法对从GF-5 AHSI影像提取的光谱的校正。（a）ASD测量的实验室光谱，（b）从GF-5 AHSI影像中提取的光谱，（c）基于实验室光谱通过DS算法校正的光谱，以及（d）用于评估DS算法的光谱角映射器（θ）。

图4 在每个CWT分解尺度评估估算模型的精度。

图5 Zn，Ni和Cu浓度最佳估算模型散点图。

图6 研究区重金属空间分布图。

【结论】

（1）连续小波变换（CWT）可以有效降低GF-5号高光谱卫星影像噪音，Boruta算法可有效提取特征波段。Boruta算法消除了冗余高光谱数据，并有效保留了高光谱数据的完整性和原始波段的物理意义。DS算法可以可靠的校正GF-5 AHSI图像以估算重金属浓度。利用DS算法可显著提高模型反演精度。对于Zn，Ni和Cu，Rv2分别为0.77（RF），0.62（RF）和0.56（ELM）。

（2）重金属分布趋势与地面实测结果基本一致。

（3）露天煤矿活动可能是矿区土壤重金属污染的主要来源，而车辆排放、粉尘、废水和垃圾处理可能是研究区重金属污染的其它可能原因。

本文揭示了GF-5号高光谱卫星影像可以成为绘制土壤重金属图的可靠数据源。本研究提出的工作流程和方法可以为连续尺度上土壤重金属浓度估算提供科学依据。