基于多元经验模态分解的稀土矿区土壤重金属污染的高光谱遥感监测

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Hyperspectral Remote Sensing Monitoring of Soil Heavy Metal Pollution in Rare Earth MiningAreas Based on Multivariate Empirical Mode Decomposition

　　

摘要：

稀土元素是至关重要的战略资源。然而，长期使用诸如池塘浸出、堆浸和原地浸出等提取技术（这些技术利用酸性溶液来置换稀土离子）导致了严重的土壤酸化。这一过程进一步促进了重金属的迁移，使得矿区受到严重污染，土壤环境恶化，并对周边社区的健康构成了严重威胁。在这种污染压力下，矿区的植被可能会受到重金属的影响，表现为生长受阻和光谱特征发生变化。高光谱技术能够检测到植被光谱中由压力引起的细微变化，从而可以通过矿区植被的光谱特征间接估计土壤中的重金属污染情况。本研究以赣州市寻乌县废弃的Keshutang稀土矿为例，收集了55对油茶（Camellia oleifera）叶片和土壤样本。使用ASD FieldSpec 4光谱仪在350–2500纳米的波长范围内获取了叶片的高光谱数据，并通过电感耦合等离子体质谱法测定了土壤中的重金属浓度。由于油茶对重金属压力的光谱响应相对较弱，因此应用了多种光谱变换技术（包括一阶和二阶导数、连续谱去除以及多变量经验模态分解（MEMD）来增强原始光谱，并提高其与土壤重金属浓度之间的相关性。结果表明，这些变换显著增强了油茶光谱与铅（Pb）和镉（Cd）等重金属浓度之间的相关性。在此基础上，建立了偏最小二乘回归和随机森林回归模型。与传统的光谱预处理方法相比，基于MEMD的随机森林回归模型……

显示更多