基于序贯指示模拟的农田土壤重金属风险区域识别

农田土壤重金属的日益累积已对农作物安全、生态环境和人类健康造成严重威胁,高效、精确地识别农田土壤重金属风险区对农田的环境保护、污染预警和风险管控等有重要意义.以广州市增城区为研究对象,共采集204个农田土壤样点,测定了铜(Cu)、锌(Zn)、铅(Pb)、镉(Cd)、铬(Cr)、砷(As)和汞(Hg)7种重金属含量.针对实际采样数据中存在异常值与偏态分布,以及传统克里格法存在的平滑效应等问题,将序贯指示模拟引入农田土壤重金属的风险识别中,与常用识别方法进行比较,并根据Hakanson风险指数评价进行风险区划.结果表明:(1)对比普通克里格法,在精度相似情况下,序贯指示模拟法较为精细地模拟了重金属的空间分布,平滑效应低,预测的细节表现好;对比指示克里格法,其在划分风险区域时的不确定评估中准确度较高,其误判率仅为4.9%~17.1%,表明其能更好地适用于模拟农田土壤重金属的空间分布和风险识别;(2)增城区的农田土壤重金属均未超标,但在南部的极少数区域存在潜在中等风险,主要成因是包括企业生产、人类活动和河流沉积物等.本研究以序贯指示模拟为基础,有效克服了传统克里格法存在的异常值信息丢失和平滑效应问题,结合Hakanson风险指数法,为非均匀采样的土壤重金属空间风险的识别提供一种新的尝试.     

华南地区亚热带树木叶面积指数的高光谱反演研究

为构建树种叶面积指数的估算模型,以NDVI、RVI、FREP、CIGreen、CIRed-edge、MSAVI2为高光谱特征变量,通过统计分析,确定反演树种叶面积指数的最佳光谱特征变量,构建华南农业大学校园内50种亚热带树木的叶片反射率和叶面积指数(LAI)模型。结果表明,6种高光谱特征变量与树种叶面积指数间都具有极显著相关性,其中红边位置反射率(FREP)和比值植被指数(RVI)与LAI的拟合方程的R2都大于0.8,决定系数分别为0.820和0.811。经过精度验证,FREP估算的均方根误差(RMSE)只有0.13,该回归模型为估测亚热带典型树种的叶片LAI最佳模型。从高光谱遥感的角度结合亚热带植被的群落结构特点来看,建立的红边位置光谱反射率与叶面积指数的回归模型普遍具有较高的拟合度,所以利用高光谱特征变量反演亚热带树木叶片的叶面积指数等植被参数的应用前景较好。