重金属污染土壤植物修复效果评价方法——高光谱遥感_迟晓杰.pdf

重金属污染土壤植物修复效果评价方法 高光谱遥感 迟晓杰 1 谷海红 1， 2， 3 李富平 1， 2， 3 艾艳君 1 袁雪涛 1 （1. 华北理工大学矿业工程学院， 河北 唐山 063210； 2. 河北省矿业工程开发与安全技术重点实验室， 河北 唐山 063210； 3. 唐山市矿区生态修复产业技术研究院， 河北 唐山 063210） 摘要重金属污染土壤修复是当今全球生态修复中面临的一项难题。植物修复因其成本低、 环保等优点 在重金属污染土壤治理中展现出良好的应用前景。高光谱遥感技术可以高效、 无损、 实时地获取植物的生理生化 参数信息， 可为评价植物修复效果提供技术支撑。阐述了高光谱遥感技术在重金属污染土壤植物修复中的应用 进展， 探讨了高光谱遥感反演植被理化参数含量的估算模型， 并对基于微分光谱、 基于 “三边” 参数、 基于植被指数 等估算模型进行了分析比较， 为有效评价矿区植物修复效果提供参考。 关键词高光谱遥感植物修复重金属污染土壤修复反演估算模型 中图分类号X171.4， X751文献标志码A文章编号1001-1250 （2019） -01-016-08 DOI10.19614/ki.jsks.201901003 uation for Phytoremediation Effect of Heavy Metal Contaminated Soil Hyperspectral Remote Sensing Chi Xiaojie1Gu Haihong1， 2， 3Li Fuping1， 2， 3Ai Yanjun1Yuan Xuetao1 （1. College of Mining Engineering， North China University of Science and Technology， Tangshan 063210， China； 2. Hebei Key Laboratory of Mining Development and Security Technology， Tangshan 063210， China； 3. Tangshan Research Institute of Ecological Restoration Technology for Mining Industry， Tangshan 063210， China） AbstractHeavy metal contaminated soil remediation is a difficult problem in todays global ecological restoration.Phy⁃ toremediation is a promising choice for the treatment of heavy metal contaminated soil because of its cost-effective and environ⁃ mentally compatible characteristics.Hyperspectral remote sensing technology can obtain the physical and chemical parameter ination of vegetation growth in a high-efficiency， non-destructive and real time manner.It provides technical support for uation of the effects of phytoremediation.The application progress of hyperspectral remote sensing technology in phytore⁃ mediation are described， and estimation models of vegetation physicochemical parameter of heavy metal contaminated soil is discussed. Besides that， the estimation models based on differential spectrum， “three-sided“ parameters and vegetation index are analyzed and compared， so as to provide reliable reference of uating the effects of phytoremediation in mining areas. Keywords Hyperspectral remote sensing， Phytoremediation， Heavy metal contaminated soil remediation， Inversion， Es⁃ timation model 收稿日期2018-12-15 基金项目河北省自然科学基金项目 （编号 E2015209300） ， 河北省教育厅项目 （编号 BJ2014029） ， 河北省引进留学人员资助项目 （编号 CL201633） 。 作者简介迟晓杰 （1995） ， 女， 硕士研究生。通讯作者谷海红 （1982） ， 女， 副教授， 博士， 硕士研究生导师。 总第 511 期 2019 年第 1 期 金属矿山 METAL MINE Series No. 511 January 2019 近年来， 由于工矿业快速发展及废气、 污水、 农 药化学品不合理使用， 使得大范围的土地受到不同 程度的重金属侵害 ［1］。不同于其他污染物， 重金属在 土壤中的释放、 迁移等活动具有隐蔽性、 毒性大、 不 可逆性等特点。金属矿山开采时会产生大量废弃 物， 地表环境遭到破坏， 对部分地区造成了严重的重 金属污染 ［2-3］。目前， 一般以植物修复为主要技术手 段治理土壤重金属污染问题， 但存在土壤中植物定植 困难、 修复周期长等问题 ［4］。在植物修复的基础上引 入微生物修复技术可以明显促进植物生长， 修复土壤 环境， 提高植物生物量 ［5］。对于植物修复效果的评 价， 通常采用传统的生物量检测方法， 需要采集大量 16 ChaoXing 植物样本并进行一系列化学试验， 方可获得植物的各 种理化参数信息， 该类方法不仅耗时、 浪费人力， 还会 对采集的植物样本造成不同程度损害 ［3， 6］。因而寻求 一种高效、 无损、 实时评价植物修复效果的方法是重 金属污染土壤治理中面临的一个重要问题 ［7］。 遥感技术具备多时相、 高效率、 全天候等优点， 能够实现大范围地区的动态、 连续监测， 效率高、 花 费少、 快速、 便捷， 具备传统生化试验方法无可比拟 的优势 ［8-9］。高光谱遥感具备可选择的光谱波段多、 光谱分辨率高、 收集信息量大等优势， 能够实现图谱 合一 ［10］。高光谱遥感获得的图像是基于空间分辨光 谱的无损图像 ［11］， 通过对该类图像进行处理和解译， 能够获得植物种类、 病虫害情况、 土壤含水量、 重金 属含量等信息， 很大程度上避免了地表光谱反射率 以及大气吸收散射等因素对成像效果的影响 ［12-13］。 目前， 高光谱遥感技术已被广泛应用于植物制图、 矿 物成分含量识别、 植物生长状况与生化参数估测、 水 域环境污染程度分析、 城市监测和规划、 土壤调查、 军事侦察等领域 ［14］， 但在植物修复效果评价方面的 研究较薄弱 ［3］。 利用高光谱数据评估植物修复效果， 快速无损 获取矿区植被及土壤理化参数， 及时有效地监测植 物生长及土壤环境状况， 对于矿区生态修复大有裨 益。本研究通过对近年来该领域的研究成果进行分 析， 着重探讨重金属污染土壤修复技术研究进展， 以 及高光谱遥感技术在植物修复、 植被理化参数分析 中的应用， 为高光谱遥感技术在重金属污染土壤治 理方面的应用研究提供有益参考。 1重金属污染土壤植物修复技术 重金属污染土壤修复技术主要包括物理和化学 修复、 植物修复、 微生物修复等。物理和化学修复主 要包括客土、 化学冲洗、 电化学、 动电修复等方法 ［15］。 采用该类技术修复土壤时具有很大的干扰性、 成本 偏高、 治理范围较小， 无法解决大范围的重金属污染 问题， 且容易造成二次污染， 故而应用较少 ［16］。植物 修复技术由于成本低、 对环境无破坏而得到广泛应 用， 已经成为重金属污染土壤修复研究的热点之 一。在植物修复的基础上引入微生物修复技术可以 促进植物生长， 缩短修复周期， 为土壤重金属污染治 理提供新的方法。 1. 1植物修复 植物修复这一概念是由美国科学家Chaney ［17］于 1983年提出， 即直接利用绿色植物转移、 容纳或转化 污染物使其对环境无害的治理技术 ［18］。植物修复技 术遵循生态规律， 应用植物自然演替、 人工种植或两 者方法相结合， 在被人类破坏、 污染或自然毁坏的生 态敏感区重建植被群落， 以恢复生态功能 ［19］。植物 修复技术主要包括植物提取、 植物稳定、 植物挥发等 措施 （图1） ［20-22］， 具有原位修复、 环保、 成本低、 美化环 境、 净化空气等优点 ［21］。 重金属能够在土壤中积累， 是一类无法降解的 无机污染物。植物提取是通过利用超积累植物吸附 重金属， 从而从土壤中除去重金属 ［23］。超积累植物 （Hyperaccumulator） 这一概念最先由 Brooks 等［24］于 1977年提出， 也称为超富集植物， 指在自然环境生 长的地上部 （茎或叶） Ni、 Cu、 Co、 Pb、 As 含量大于 1 000 mg/kg， Cd含量大于100 mg/kg， Mn、 Zn含量大 于10 000 mg/kg， Au含量1 mg/kg的一类植物。陈同 斌等 ［25］在我国发现了一种可以对As有富集作用的 植物蜈蚣草， 并通过试验证明该类植物在矿区 重金属污染土壤修复方面具有较大的应用价值； Baker［26］等发现了一种Zn超积累植物遏蓝菜， 然而， 该类植物生长较缓慢， 修复周期较长； 杨肖娥 等 ［27］通过研究， 发现了一种可以高效积累重金属Zn 的植物东南景天， 对矿区Zn污染土壤具有较好 的修复效果。 植物稳定是利用植物根部机械稳定作用或通过 根部的积累、 鳌合、 氧化还原等作用， 限制重金属在 土壤中的移动或生物有效性 ［28］。相关研究表明 Pb 与P相结合可在植物根部形成难溶的Pb3（PO4）2， 降低 Pb的毒性， 总体来说， 采用植物稳定技术修复重金属 污染土壤仅能使重金属在形态上发生转化， 但含量 并不会降低。英国利物浦大学Bradshaw等 ［29］通过种 植耐重金属植物， 对矿区受污染的土壤进行修复， 并 根据重金属的种类筛选出了相应的耐性植物， 如可 修复酸性Pb/Zn矿的细弱剪股颖 （Agrostis tenuis） 、 可 修复碱性Pb/Zn矿的紫羊茅 （Festuca rubra） 等。利用 植物稳定技术修复重金属污染土壤时， 应注意避免 植物吸收有害元素， 防止动物觅食后污染食物链。 植物挥发是利用植物将土壤中的污染重金属吸 收到体内后， 先转化成气态形式， 再通过蒸腾作用排 到大气中的一种修复技术 ［30］， 目前研究较多的为Hg、 2019年第1期迟晓杰等 重金属污染土壤植物修复效果评价方法高光谱遥感 17 ChaoXing As ［31］。由于Hg2比Hg毒性大， 植物挥发技术是通过 将土壤中 Hg2 运输到植物体后， 变成毒性略小的 HgO， 再利用植物叶片表面气孔经过光合作用释放出 去。鲁黎明等 ［32］通过研究证明了烟草可以将Hg2转 化成毒性较低的单质Hg挥发掉； 叶文玲等 ［33］利用对 砷有积累作用的娱蛤草进行吸收和挥发， 减少了矿 区土壤中重金属砷的含量。 以上3种植物修复技术各有侧重， 应用植物提取 技术的前提是需要筛选出适宜的超富集植物 ［25-27］； 植 物稳定技术可以用于修复质地比较黏重、 有机质含 量比较高的重金属污染土壤 ［29］； 采用植物挥发技术 时， 应确保污染物释放到大气的速率不会对环境造 成危害 ［31-33］。 虽然植物修复技术对于修复矿区重金属污染土 壤具有较好效果， 但是局限性也是比较明显的， 例如 可供利用的超积累植物种类较少， 筛选出的超富集植 物不仅偏矮、 生物量很低、 生长速度缓慢， 还对气候、 土壤等条件比较敏感， 导致修复时间长、 效率不高， 限 制了大面积的应用。相关研究表明 在植物修复的基 础上引入微生物修复技术可以促进植物吸收利用矿 质养分和水分、 改良土壤环境、 促进植物生长、 缩短修 复周期。因此， 利用微生物作用下的植物修复技术修 复重金属污染土壤势必会取得理想效果 ［34］。 1. 2植物微生物联合修复 植物微生物联合修复技术是在植物修复基础 上， 与微生物形成相互促进的联合体， 来提升生态环 境修复效率的一种新型生物修复技术 ［35］。植物微 生物联合修复属于生物工程技术， 凭借其成本低、 治 理效果好、 环保等优点获得了国内外众多学者的关 注， 逐渐成为治理重金属物污染土壤的重要方法 ［36］。 植物真菌联合修复不仅可以保持污染土壤环 境稳定， 还具有修复土壤环境、 提高植被根系吸收强 度、 缩短植被生长周期的作用。菌根是真菌与植物 根系的共生体， 可以降解污染物， 能够提供养分给植 被。相关研究表明 接种丛枝菌根真菌 （Arbuscular myconrhizal fungi， AMF） 能够促进植物养分提取， 给 植物分泌细胞分裂素和赤霉素等激素， 进而修复土 壤环境， 缩短植被生长周期， 有益于生态恢复； 毕银 丽等 ［35］通过在矿区重金属污染土壤治理中引进微生 物技术， 研究表明， 接种AMF对植被生长具有显著的 促进效果， 可提高植物生物量， 并促进植物生长进 程， 对煤矿矿区污染土壤修复效果良好； 陈书琳 ［7］以 大豆叶片为研究对象， 接种了AMF， 研究表明， 接种 微生物均能够促进植物地上部分生物量累积， 提高了 植物体内养分的吸收， 加快了植物生长； Volante等 ［37］ 利用接种AMF的联合修复技术对矿区有机污染物进 行了治理， 效果理想； 于淼等 ［38］通过对修复植物接种 AMF来改善修复效果， 发现除接菌AMF外， 对植物进 行其它微生物接菌处理也会促进植物生长， 修复污染 土壤； Grobelak等 ［39］将根际促生细菌 （Agrostas capal- laras） 接种到受重金属Pb、 Zn、 Cd胁迫的油菜和牛毛 草后能显著提高植物的存活率并促进其生长； Singh 等 ［40］以遭受重金属胁迫的水稻为研究对象， 利用接种 菌株 （Brevuudimouas dimiuuta） 进行试验， 发现接种菌 株可以很大程度上缩短受重金属胁迫的水稻的生长 周期； 岳辉等 ［41］在前人研究的基础上， 利用高光谱遥 感数据， 对接种菌根修复植物效果进行了动态分析， 发现微生物修复不仅可以促进地表植被生长并增加 地下菌根活性， 还能够改善植物根际微环境。 2高光谱遥感技术在植物修复中的应用 目前植物修复效果评价方法种类繁多 ［41］， 传统 评价方法包括样方调查、 收割统计、 经验预测等， 该 类方法虽然精度较高， 但费时费力， 且破坏性大。如 何快速高效监测微生物作用下的植物修复效果对于 重金属污染土壤修复具有重要意义。 遥感技术因具有空间分辨率高、 波段多、 信息量 大等优点， 已被应用于重金属污染土壤修复中 ［42］。 常规宽波段多光谱图像光谱分辨率较低， 在评估植 物修复效果时使用的是平均光谱数据， 容易受到大 气条件、 土壤环境、 植物性质及形态等因素干扰， 也 可能忽略反射光谱中的重要信息， 导致无法客观评 估修复效果。近年来， 高光谱遥感技术凭借其光谱 分辨率高的优势在评价重金属污染土壤修复效果方 面得到了越来越多的关注 ［43］。 高光谱遥感是通过大量窄且连续的电磁波波段 来收集研究目标的一些信息， 具有光谱分辨率高、 信 息量大等传统遥感技术无可比拟的优势。目前， 该 技术已经被众多学者应用到不同植被生长状况监测 及土壤重金属含量估测研究中。Wei等 ［44］证明了高 光谱遥感技术在评价植物冻害方面具有很大潜力； 田明璐 ［45］以西北地区冬小麦为对象， 通过分析处理 20142016年地物光谱仪测得的植物叶片数据， 结 合地面实测叶片叶绿素值、 氮素含量、 磷含量、 叶面 积指数等参数分析光谱特征， 通过相关性分析进行 特征参数提取并建立模型进行反演， 取得了较高的 精度； 王仁红等 ［46］研究证明了高光谱遥感可以准确 预测冬小麦叶片的含氮量； Liu等 ［47］通过获取高光谱 数据来监测植被生长状况， 进而探究了绿色植被覆 盖度的影响因素； 李媛媛 ［48］利用高光谱遥感技术动 态监测了我国西北地区的玉米生长状况， 测定了不 同时期玉米叶片的叶绿素含量、 氮素含量等参数， 并 对不同光谱特征与叶绿素含量等理化参数进行了分 2019年第1期总第511期金属矿山 18 ChaoXing 析， 证明了高光谱遥感技术能够准确反映研究区玉 米的生长状况； Siebielec等 ［49］经过研究， 发现使用中 红外波段对于矿区土壤重金属含量的检测效果显著 优于近红外波段； Kemper等 ［50］通过对得到的高光谱 信息数据进行分析， 有效反演了土壤中的重金属含 量， 精度较高。 高光谱遥感为高效、 及时、 无损获取植被生长信 息以及评价植物修复技术对于重金属污染土壤的治 理效果提供了新方法。现阶段， 仅有少数学者利用 高光谱遥感技术对微生物作用下的植物修复技术进 行了研究。陈书琳 ［7］以大豆为研究对象， 添加丛枝菌 根与根瘤菌等微生物与大豆进行相互作用， 分析了 获取的植物高光谱数据并与化学试验分析结果进行 交叉验证， 认为植物-微生物联合作用可以改善土壤 环境， 缩短植被生长周期， 研究成果在一定程度上反 映了高光谱遥感技术在评价微生物作用下的植物修 复效果具有很大潜力。 3高光谱反演在植被理化参数分析中的应用 3. 1植被理化参数高光谱反演原理 植被在电磁波作用下能够产生电子跃迁、 原子 或分子振动等现象， 从而使植被在某处具备可以反 映植被结构状况及物理性质的光谱吸收与反射特 性。即植物的反射特征或发射电磁波的特性主要受 其化学与形态特征影响。植被对不同光谱波段的响 应特性通常被称为光谱特征 ［51］。植物的光谱特征能 够反映其发育状况、 初级生产力等， 故植物的光谱特 征是利用遥感手段监测植物性质的基础， 可以通过 分析植物的不同反射光谱特征对植物理化参数进行 估测 ［44， 52］。利用高光谱遥感技术反演植物理化参数 时， 可以通过统计分析方法分析高光谱特征参数与 植被理化参数之间的关系， 寻找合适的模型拟合方 式构建反演精度较理想的估算模型， 进而实现对植 物理化参数的预测。 植物理化参数都有其特定光谱响应特征和波段 位置。叶绿素是植被实现光合作用不可或缺的参 数， 可以影响光合作用过程中植被实施光合同化和 物质积累的效果， 并能够作为氮素胁迫以及光合作 用效果和生长时期的指示器 ［53］。Schlemmer等［54］通 过研究， 证明了叶绿素指数可以很好地反映玉米生 长状况。此外， 植被的氮素、 水分、 磷都是植被生长 中重要的农学参数， 可以表征植物的生长状况， 在光 谱曲线上具有明显的波段特征。Meer等 ［55］利用高光 谱遥感技术对矿区植被进行了动态无损监测， 结果 表明， 植被叶绿素、 氮素、 水分在植物光谱曲线上具 有较强的敏感波段， 可以作为高光谱遥感监测评价 的首选指标； Thomas等 ［56］通过高光谱遥感技术监测 植物叶片的氮素情况对植物长势进行了评价； 付彦博 等 ［57］通过建立紫花苜蓿叶片含水率模型对紫花苜蓿 的生长情况进行了监测。高光谱遥感能够将光谱波 段在某些区域进行划分， 因此能够收集较多的波段数 据， 进而得到连续且真实的地物光谱信息， 可以将高 光谱技术应用于植被微小光谱信息提取和分析方 面。通过将植被光谱数据和植被理化参数进行有机 结合， 可建立基于特定物体、 特定参数的反演模型。 3. 2植被理化参数的高光谱反演模型 利用高光谱遥感数据对植被及土壤的不同特征 参数进行反演时， 需要运用光谱波段分析等技术构 建估算模型， 该类模型能够有效描述高光谱特征参 数和植物两者之间的耦合关系 ［43］。利用高光谱遥感 定量反演植物反射光谱特征和植物理化参数含量之 间的关系， 可为植物长势动态无损监测和大面积植 物修复效果评价提供理论基础。 3. 2. 1根据不同特征参数分类的估算模型 （1） 基于微分光谱的估算模型。在定量遥感研 究中， 光谱微分是相对常见的光谱处理方法。采用 微分光谱技术能够降低噪声对物体信息的影响或去 除不感兴趣的微弱信息， 减少大气辐射和散射作用， 并可以放大光谱曲线上的坡度细微变化信息 ［58］。从 植被角度来讲， 对光谱数据求导能够局部去除大气 条件、 土壤环境、 污染物等一些不感兴趣的光谱信号 对目标物的影响， 突显目标物， 进而体现植物的光谱 特性。因而基于微分光谱的估算模型能够有效清除 高光谱数据之间的系统误差及外界条件的干扰， 弥 补了基于原始光谱估算模型的不足。相关研究表 明 光谱微分技术在植物理化成分反演中发挥了重 要作用。Inoue等 ［59］通过研究， 认为利用基于一阶微分 光谱构建的估算模型可以估测植被氮素含量； 贺婷等 ［60］通过对玉米冠层中氮素含量的反射率数据求导， 进 行线性和非线性分析， 并通过对冠层中氮含量进行反 演， 认为对植物冠层光谱反射率数据求导及各种处理 可以有效提高光谱数据与冠层中氮含量的相关性； 杨 婷婷等 ［61］利用梨叶反射率和一阶微分数据对梨叶生 长状况进行分析， 构建了梨叶氮含量的反演模型， 得 到了库尔勒地区梨叶的最佳氮素光谱微分模型。 （2） 基于 “三边” 参数的估算模型。植被的 “三 边” 参数为红边（Red edge， RE）、 蓝边（Blue edge， BE） 、 黄边 （Yellow edge， YE） 。在可见光红光波段 （0.67～0.74 um） ， 植物体内叶绿素具有超强的吸收作 用， 并与在植物叶片内部产生散射作用的近红外波 段产生反应， 形成红边。红边是绿色植被光谱最显 著的标志。红边斜率和植被覆盖度、 郁闭度、 叶面积 指数 （Leaf area index， LAI） 息息相关， 覆盖度提高， 叶 2019年第1期迟晓杰等 重金属污染土壤植物修复效果评价方法高光谱遥感 19 ChaoXing ［1］ 绿素含量也增加， 红边斜率也相应变大。蓝边是指蓝 色光在0.49～0.53 μm波段范围内光谱反射率一阶导 数的最大值位置。黄边是指黄色光在0.55～0.58 μm 波段范围内光谱反射率一阶导数的最小值位置 ［62］。 相关研究表明 基于 “三边” 参数的估算模型可以深层 次提取植被理化信息并反映植被生长情况。因此， 在 遥感定量参数特征研究中， 红边的2个关键因子 “红 边位置” 、“红边斜率” 较重要。Horler等 ［63］通过研究植 物光谱和叶片叶绿素含量的关系， 认为光谱的红边位 置可以有效估测植物叶绿素含量； 姚付启等 ［64］利用高 光谱技术获取了梧桐、 白杨等植物叶片光谱反射率和 叶绿素含量， 通过相关性分析构建了基于红边位置的 叶绿素含量反演模型， 估测精度较理想。 （3） 基于植被指数的估算模型。植被指数， 又称 光谱植被指数， 是指由遥感传感器获取的光谱数据， 经线性和非线性组合构成的对植被有一定指示意义 的各种数值 ［65］。基于植被指数的估算模型可以根据 不同的应用情形调整指数类型并能够将植被中不同 的特征参量作为构建植被指数的要素， 提高了模型 参数的选择范围和适用性。Ryu等 ［66］利用光谱指数 建立了估算模型， 并对禾本植物叶片水分含量进行 了有效监测； 王慧芳 ［67］分析了冬小麦光谱曲线特征 响应波段， 依据敏感波段提取了叶片的光谱特征参 数， 并构建了不同植被指数的估算模型， 其中构建的 红边面积/蓝边面积植被指数精度最高； Karan等 ［68］利 用线性回归分析方法构建了估算模型， 研究认为湿度 归一化指数是植被监测的有效方法。 基于微分光谱的估算模型可以应用于植被氮素 含量估测等方面 ［59-61］。经过微分变换后的光谱会在 一定程度上消除部分背景信息的影响， 凸显出所需的 目标信息， 解决了光谱重叠和杂光反射信号等问题， 但在近红外波段， 微分变化后会使得植被信息丢失， 仅留下噪声信息。在光谱变换的基础上， 相关学者进 一步提出了光谱 “三边” 参数变量， 植被体内的色素、 水分和其他干物质的光谱吸收， 在红光近红外波段 形成了蓝边、 黄边、 红边等特征光谱变化区域， 该类光 谱特征区域是植被区别于其他地物的特有性质， 因 此， 可以利用基于 “三边” 参数的反演模型估测植物叶 绿素等参数含量 ［63-64］。植被指数是由光谱和各种生 理生化特性关系构建的， 通过选取特征波段， 经过加 减乘除等线性或非线性组合运算可有效综合有关的 光谱信号， 不仅能够增强植被信息， 也能够将非植被 信息最小化， 部分学者倾向于采用基于植被指数的估 算模型监测植被水分含量等信息 ［66］。 3. 2. 2其他估算模型 众多学者利用植被理化参数与光谱信息的相关 性进行分析处理， 进而构建估算模型， 并取得了一定 的研究进展 ［68］。Ryu等［66］以大米为研究对象， 利用机 载高光谱成像数据分析了大米的氮素含量， 采用多元 线性方程和偏最小二乘法构建了冠层氮素估算模型， 取得了理想的估测结果； 陈书琳等 ［69］利用能反映大豆 叶绿素含量差异的特征参数作为输入因子， 构建了 BP神经网络反演模型对大豆叶绿素含量进行估测， 研究表明， 该模型对于大豆叶绿素含量的估测精度较 高； 孔维平等 ［70］构建了基于多元线性回归方程的估算 模型， 对植被叶片的叶绿素含量进行了监测， 认为该 模型具有较高的精度及良好的估测能力； 解文武 ［71］通 过选择不同的特征变量和估测模型构建了基于不同 算法的估算模型， 对不同微生物作用下的玉米植株叶 片的叶绿素含量进行了定量估测， 研究表明， 在线性、 二次、 对数、 指数、 幂函数5种曲线中， 指数模型的预 测效果最佳； 孙阳阳等 ［68］通过提取与叶绿素含量相关 性较高的光谱特征参数， 利用主成分分析方法提取了 叶片光谱信息， 通过建立模型反演得到了高精度估测 叶绿素含量的回归模型。 4结语 植物修复技术由于具有成本低、 对环境无破坏等 优点成为重金属污染土壤修复中的研究热点， 在植物 修复的基础上引入微生物修复技术可以有效促进植 物生长， 改善土壤环境， 缩短生态系统演替周期， 因而 成为重金属污染土壤治理的有效方法。采用高光谱 遥感技术可快速、 实时、 无损获取植被生理生化参数 信息， 可为科学评价重金属污染土壤修复效果提供理 论依据。本研究通过系统阐述高光谱遥感技术在重 金属污染土壤修复中的应用研究进展， 认为采用植物 修复技术进行重金属污染土壤修复已经成为了一种 非常有效的手段， 但利用高光谱遥感技术评价修复效 果的研究较薄弱； 植物从发芽到成熟的各个阶段中， 理化参数含量会发生变化， 并且微生物在各个时期发 挥作用的效果也存在差异， 使得植物理化参数在植物 各生长阶段会发生不同程度的变化， 因此， 需要对植 物修复效果进行更加准确地监测， 有必要建立不同生 长阶段的高光谱反演模型， 分阶段评价修复效果； 不 同地域、 不同植被类型的最佳适用模型以及各种模型 的估测精度有待于进一步探讨。 参 考 文 献 赵文廷， 石鹤飞， 周亚鹏， 等.矿山固体废弃物种植混合土配制方 法及生态修复实效 ［J］ .金属矿山， 2016 （11） 147-151． Zhao Wenting， Shi Hefei， Zhou Yapeng， et al.Preparation of mine⁃ 2019年第1期总第511期金属矿山 20 ChaoXing ［2］ ［3］ ［4］ ［5］ ［6］ ［7］ ［8］ ［9］ ［10］ ［11］ ［12］ ［13］ ［14］ ［15］ ［16］ ［17］ ［18］ ［19］ ［20］ ［21］ ［22］ ［23］ ［24］ ［25］ solid waste mixed soil for plants and its ecological restoration effect ［J］ .Metal Mine， 2016 （11） 147-151. 焦居仁.生态修复的要点与思考 ［J］ .中国水土保持， 2003 （2） 1-2. Jiao Juren.The main points and thinking of ecological restoration ［J］ .China Soil and Water Conservation， 2003 （2） 1-2. 陈书琳， 毕银丽.遥感技术在微生物复垦中的应用研究 ［J］ .国土 资源遥感， 2014， 26 （3） 16-23. Chen Shulin， Bi Yinli.Application of remote sensing technology in microbial rehabilitation ［J］ .Remote Sensing of Land and Resources， 2014， 26 （3） 16-23. 张晓薇， 王恩德， 吴瑶.辽阳弓长岭铁矿区优势植物的重金属 耐性评价 ［J］ .金属矿山， 2018 （2） 172-178. Zhang Xiaowei， Wang Ende， Wu Yao.uation of heavy metal tol⁃ erance of dominant plants in Gongchangling Iron Ore District，Li⁃ aoyang ［J］ .Metal Mine， 2018 （2） 172-178. 于淼.采煤沉陷区生态演替规律及菌根修复作用与后效研究 ［D］ .北京 中国矿业大学 （北京） ， 2014. Yu Miao.Ecological Succession Law and Mycorrhiza Repair and Post-effect Study in Coal Mining Subsidence Area ［D］ .Beijing Chi⁃ na University of Mining and Technology（Beijing） ， 2014. 毕银丽.丛枝菌根真菌在煤矿区沉陷地生态修复应用研究进展 ［J］ .菌物学报， 2017， 36 （7） 800-806. Bi Yinli. Advances in application of arbuscular mycorrhizal fungi in ecological restoration of subsidence area in coal mining area［J］ . Mycosystema， 2017， 36 （7） 800-806 陈书琳.微生物复垦中植物及土壤理化参数的高光谱反演研究 ［D］ .北京 中国矿业大学 （北京） ， 2014. Chen Shulin.Hyperspectral Inversion of Plant and Soil Physical and Chemical Parameters in Microbial Reclamation［D］ .Beijing China University of Mining and Technology（Beijing） ， 2014. 冯丽慧.矿区塌陷区遥感影像改进自适应维纳滤波算法 ［J］ .金 属矿山， 2016 （7） 151-154. Feng Lihui.Improved adaptive wiener filtering algorithm for remote sensing imagery in mining area subsidence area［J］ .Metal Mine， 2016 （7） 151-154. Brown M E， Mccarty J L.Is remote sensing useful for finding and monitoring urban farms［J］ .Applied Geography， 2017， 80 23-33. 刘夏菁.基于高光谱数据的冬小麦叶绿素含量估算模型 ［D］ .石 家庄 河北师范大学， 2017. Liu Xiajing.Estimation Model of Winter Wheat Chlorophyll Content Based on Hyperspectral Data ［D］ .ShijiazhuangHebei Normal Uni⁃ versity， 2017. Kiani S， Ruth S M， Minaei S.Hyperspectral imaging， a non-destruc⁃ tive technique in medicinal and aromatic plant products industry current status and potential future applications［J］ .Computers and Electronics in Agriculture， 2018， 1529-18. 贾坤， 姚云军， 魏香琴， 等.植被覆盖度遥感估算研究进展 ［J］ . 地球科学进展， 2013， 28 （7） 774-782. Jia Kun， Yao Yunjun， Wei Xiangqin， et al.Advances in remote sens⁃ ing estimation of vegetation coverage ［J］ .Progress in Earth Science， 2013， 28 （7） 774-782. 王莉雯， 卫亚星.植被氮素浓度高光谱遥感反演研究进展 ［J］ .光 谱学与光谱分析， 2013， 33 （10） 2823-2827. Wang Liwen， Wei Yaxing.Advances in hyperspectral remote sens⁃ ing inversion of vegetation nitrogen concentration ［J］ . Spectroscopy and Spectral Analysis， 2013， 33 （10） 2823-2827. 李佳珍.高光谱遥感在寻找铀富集植物中的应用 ［D］ .南昌 东华 理工大学， 2015. Li Jiazhen.Application of Hyperspectral Remote Sensing in the Search for Uranium-rich Plants ［D］ .NanchangEast China Institute Technology， 2015. 夏星辉， 陈静生.土壤重金属污染治理方法研究进展 ［J］ .环境科 学， 1997 （3） 72-76. Xia Xinghui， Chen