对于人为因素或自然因素造成的农田土壤重金属元素污染,需要进行大面积的土壤环境质量调查和分类管控,然而传统的采样测试方法存在工作量大、代价高等问题.可见—近红外(Vis-NIR)反射光谱是一种快速低成本获取土壤理化信息的手段.为研究Vis-NIR反射光谱预测模型划分土壤重金属污染风险类别的能力,文章以典型人为污染地区(浙江温岭)和典型地质高背景地区(广西横县)的390份农田土壤为样本,测定8种重金属元素(As、Cd、Cr、Cu、Hg、Ni、Pb和Zn)的含量和pH值,并测定土壤Vis-NIR光谱.使用偏最小二乘(PLS)和支持向量机(SVM)算法建立回归模型,对土壤重金属含量和pH值进行预测,并基于预测值进行土壤重金属污染风险分类.结果显示,温岭土壤主要污染元素Cd和Cu的光谱模型回归预测偏差(RPD)分别为1.23和1.19,预测机制与有机质有关.横县土壤主要污染元素As和Cd的RPD分别为1.98和1.93,预测机制与铁氧化物和粘土矿物有关.地质高背景土壤重金属与铁氧化物的正相关性普遍较强,使得光谱模型对重金属含量预测准确度较高.温岭和横县土壤pH值的光谱模型RPD分别为1.76和1.68.土壤重金属污染风险光谱分类的总体准确度分别为75.0％～100％(温岭)和80.0％～100％(横县).将Vis-NIR光谱与遥感技术相结合,对农田土壤重金属污染风险进行快速分类总体是可行的.

土壤重金属;污染风险分类;Vis-NIR反射光谱;pH值;高光谱遥感

李全坤;赵万伏;文宇博;郭超;刘连文;季峻峰

表生地球化学教育部重点实验室,南京大学地球科学与工程学院,南京 210023

高校地质学报

[1]李全坤;赵万伏;文宇博;郭超;刘连文;季峻峰-.基于可见—近红外反射光谱的典型农田重金属污染风险分类研究)[J].高校地质学报,2022(06):799-813

污染风险分类,地质高背景土壤

近红外反射光谱,农田重金属,分类研究,人为因素,自然因素,农田土壤,土壤重金属元素,土壤环境质量,质量调查,分类管控,价高,Vis,NIR,取土,土壤理化,光谱预测模型,土壤重金属污染,风险类别,温岭,景地,横县,Cd,Hg,Pb,偏最小二乘,PLS,重金属含量,回归预测,预测偏差,RPD,预测机制,有机质,铁氧化物,粘土矿物,含量预测,预测准确度,光谱分类,遥感技术,技术相结合,快速分类,高光谱遥感

0.232741