基于PMF模型及地统计的土壤重金属健康风险定量评价

为定量评估不同土壤重金属来源带来的人体健康风险差异,选取山东省章丘市为研究区,系统采集425处土壤样品,测定As、Cd、Cr、Cu、Hg、Ni、Pb和Zn共8种土壤重金属含量,采用描述性统计特征评估土壤重金属富集状态,进一步利用受体模型正定矩阵分解法（positive matrix factorization,PMF）和地统计技术确定土壤重金属的来源及分配,最后基于重金属来源构建健康风险定量评估模型.结果表明：①表层土壤中As、Cd、Cr、Cu、Hg、Ni、Pb和Zn含量均超出背景值,但未超出农用地土壤污染风险筛选值,表明土壤重金属出现一定的富集.②土壤重金属来源可分为3类,Cr和Ni的空间分布大致相当,且与风化母岩空间分布趋势相近,为自然来源,Cd、Cu和Zn受道路运输控制为交通来源,空间分布上受道路布局影响明显,Hg、Pb和As元素含量高值区与工业区城区分布相对应,工业排放和燃煤加剧Hg在土壤中的富集,属于工业来源,其来源占比最大约为41.85%,交通来源和自然来源分别为33.79%和24.36%.③不同种元素在手口、呼吸和皮肤接触暴露途径下产生的非致癌与致癌风险处于可接受范围内,儿童最大致癌（36.53%）与非致癌风险（36.01%）的重金属来源均为工业源,而交通源是成人的最大致癌（34.98%）与非致癌风险（37.06%）来源,重金属来源和暴露途径的差异化规避是降低重金属健康风险的关键.     

基于聚类深度网络模型的莱州湾近岸平原表层土壤有机质含量遥感估算北大核心CSCD

准确掌握土壤有机质(SOM)含量特征及分布状态是土地肥力管理和陆地生态环境保护的关键。选取莱州湾近岸平原为研究区,采集348个土壤样点并获取同期Sentinel-2多光谱影像,利用变量重要度投影算法提取SOM的敏感光谱特征作为自变量,测定的SOM含量为因变量,进一步将空间聚类模块引入深度神经网络学习法构建聚类深度网络遥感估算模型,最终完成SOM的含量估算与区域尺度上的数字制图。结果表明:1)在土地盐碱化作用下,近红外范围内波段对SOM的光谱响应最强,波段8的重要度最高,采用波段差值运算能够综合两波段光谱信息突出SOM的吸收信号;2)聚类深度神经网络模型的反演精度R^(2)(决定系数)和R(均方根误差)分别达到0.82和2.25,相对比深度神经网络模型准确度分别提升36.67%和52.23%,在引入空间聚类函数后模型过拟合问题会得到缓解且计算效率提升;3)SOM含量的高值热点和低值冷点区域在空间上呈现带块状分布趋势,田块尺度上SOM分异规律明显,受海水倒灌和微地貌的共同影响。研究采用的聚类深度神经网络模型可为利用多光谱遥感数据反演SOM和进行区域尺度上的土壤质量精细监测及管理提供有效的技术支持。     

空间关联随机森林模型结合Sentinel-2影像估算潍北地区裸土期土壤盐分

土壤盐分含量(SSC)是评价土地退化和肥力水平的重要指标,实现SSC状态和空间分异的快速准确监测对区域环境的优化管理极为关键。选取潍北平原为研究区,野外采集233处土壤样品并获取同时相Sentinel-2多光谱影像,进一步将特征光谱波段和构建的最优光谱指数作为输入自变量,测试得到的SSC实测值为因变量,最后将空间关联函数引入到随机森林中去建立基于空间关联随机森林算法的SSC遥感估算模型,完成区域尺度上的SSC反演估算与空间制图。结果表明：影像的B3、B8和B11是SSC的特征波段,通过波段比值变换能够增强卫星光谱信号对SSC的吸收响应,筛选得到的最优光谱指数分别为RI₃₄(波段3和波段4的反射率比值)、RI₇₁₁(波段7和波段11的反射率比值)、ND₆₁₁(波段6和波段11的反射率归一化值)和D₄₅(波段4和波段5的反射率差值);仅用特征波段或最优光谱指数来构建模型不能取得满意的SSC估算精度,空间关联随机森林模型的SSC估算精度要高于随机森林模型;在将上述特征波段和最优光谱指数共同输入空间关联随机...     

基于遥感时-空-谱特征及随机森林模型的土壤重金属空间分布预测

获取土壤重金属的含量特征及空间分布是预防土壤污染和制定环保政策的关键.选取济南市长清区为研究区,系统采集304处表层土壤样品（0~20 cm）,利用多源遥感数据构建土壤重金属的光谱特征、时间特征和空间特征;进一步采用相关分析法选择出与土壤重金属密切相关的时-空-谱特征,并将其作为输入自变量,实测土壤砷（As）含量值为因变量,建立基于随机森林（RF）算法的空间预测模型,完成土壤重金属的含量估算和空间分布预测.结果表明：①As含量均值超出背景值43.17％,低于农用地土壤污染风险规定的筛选值和管控值,表明As在土壤中出现富集,但处于可管控范围内.②在单个遥感特征构建的土壤重金属空间预测模型中,精度由高到低依次为：空间特征（RPIQ=3.87）>时间特征（RPIQ=2.57）>光谱特征（RPIQ=2.50）,空间特征对土壤重金属空间预测最为重要.③基于“时间-空间”、“时间-光谱”和“空间-光谱”组合特征的土壤重金属空间预测模型均优于单个特征构建的模型,其精度系数RPIQ值分别为4.81、4.21和4.70.④利用“时间-空间-光谱”特征组合输入的随机森林模型达到最佳的空间预测精度（R²=0.90;RMSE=0.77;RPIQ=5.68）.⑤As在空间分布上从西北到东南含量逐步降低,主要受到黄河冲淤积和工业活动影响.研究采用的遥感时-空-谱特征结合随机森林算法的土壤重金属空间预测技术,可为土壤污染防治及环境风险管控提供有效的方法支持.