SCI论文（www.lunwensci.com）
摘要 ：为了提升矿山土壤重金属污染治理的效率和 质量，本文基于土壤光谱对矿山土壤重金属污染情况进 行监测的方法展开研究。以某有色金属矿区为例，对Hg、 Ni、Cr、As、Cu、Pb、Zn 等重金属污染进行监测， 并使用 FieldSpec 3 型光谱仪采集土壤光谱数据。通过处理实测光 谱数据、高光谱遥感影像处理和光谱重采样程序，进一步 提取土壤光谱特征波段并估算土壤重金属含量。最后，利 用MATLAB 软件设计了仿真实验。实验结果显示，在不同 的实验时间设置下，传统监测方法的误差范围运远大于本 文提出的监测方法的误差范围。此外，在所有实验时间中， 本文方法的误差均低于传统方法。因此，本文提出的基于 土壤光谱的矿山土壤重金属污染情况监测方法具有较高的 监测精度和较小的误差范围， 具有广泛的应用价值。
关键词 ：土壤光谱,矿山土壤,重金属污染,污染监测方法
土地资源是我国社会、经济、农业等多个领域发展的 基础资源。如果土地受矿山开采影响，导致重金属污染， 不仅会降低土地资源利用率，还会对人类的生存构成威 胁。因此，研究土壤重金属污染监测方法具有重要的现实 意义。马野、董海太、王厦等人基于微生物库仑量抑制率 对水体重金属污染进行了研究。他们利用单室微生物燃 料电池(microbial fuel cell，MFC) 传感器搭建了单程连续 流装置，并对其预警稳定性进行了探讨。研究结果显示， 以 Cr(Ⅵ) 作为目标污染物时，MFC 传感器的检出限为 0.4mg·l-1.在0.2mg·l-1 至 1mg·l-1 的浓度范围内，库仑量 抑制率与 Cr 质量浓度呈现较高的共变趋势。这说明MFC 传感器的预警信号具有良好的一致性。赵强国则研究了无 人机在林业环境重金属污染远程监测方面的应用。他利用 无人机获取了林业环境中的重金属污染数据，并对数据进 行了预处理。通过构建估算模型，实现了对林业环境重金 属污染的远程监测。实验结果表明，该方法具有较高的估 算精度，其均方根误差最小，实现了对重金属污染的精准 监测。康士秀、沈显生、吴自勤等人则利用金鱼藻微量元 素 SR-XRF分析方法对淮河中部的重金属污染进行了监测 研究。他们采用同步辐射X射线荧光分析方法，对淮河中 游 10 个产地的沉水植物金鱼藻(Ceratophyllum demersum)叶片进行了元素分析。研究结果显示，颍上县的颖河、洪 泽湖和滁州的铜矿山水库中的金鱼藻所富集的重金属相 对较多。目前我国针对重金属污染进行了许多研究，但在 土壤光谱在重金属污染监测方面的应用研究还存在欠缺。 因此，本文基于土壤光谱对矿山土壤重金属污染情况进行 了监测方法的研究，并提供了具体的污染情况监测流程的 仿真验证。希望这项研究能为其他矿山土壤重金属污染提 供参考。
1 研究区介绍
研究区位于湖南省郴州市东北部， 地处亚热带气候带。 该地区四季分明， 气温南高北低、西高东低。地势自东南向 西北方向倾斜， 形状呈东高西低、南高北低的“山”字箕形。 矿山属于小型规模的有色金属矿山，采用地下开采方式。 开采出的矿石包括Pb、Zn、Cu、Ag、W、Sn、Mo、Fe等多种 类型。每日的总产量约为950 吨，但其单种类矿石产量并不 固定。矿山的尾部位于两座山之间，下游是大片的农业用 地。在日常的开采作业过程中，矿物破碎、井下污风、矿产 废水、矿石搬运、生产扬尘和废水排放等环节都对下游的 农业用地造成环境污染。经初步调研显示，一些邻近矿山 的农业用地已经出现了复合重金属污染问题。因此，有必 要对该矿山周边的土壤重金属污染情况进行监测。
2 基于土壤光谱的矿山土壤重金属污染情况监测方法
2.1 采集土壤光谱数据
2.1.1 光谱测量仪器
文章中为了监测土壤重金属污染情况，选择了 FieldSpec 3 型光谱仪作为测量设备。FieldSpec 3 型光谱仪 是由美国分析光谱设备(ASD)公司生产的。该仪器由一个 400nm ～ 1200nm 的低噪声阵元探测器(photo diode array detector，PDA) 以及两个铟镓砷(indium gallium arsenide， InGaAs)探测器单元组成。这两个探测器单元的规格分别 覆盖了 1200nm ～ 2000nm 和 1900nm ～ 2800nm 的波长范 围。因此， 该仪器可以获取 350nm ～ 2500nm 波长范围内 的地物光谱曲线。这款光谱测量仪器将被用于采集和处理 土壤的光谱数据。
2.1.2 光谱数据采集
使用FieldSpec 3型光谱仪进行光谱数据采集应当分为 野外光谱数据采集和室内光谱数据采集两种情况。在野外 光谱数据采集时，应当选择晴朗且无云的天气条件，并确 保光照强度较高。此外，需要确保空气中的悬浮颗粒浓度 不超过检测标准，并避免风速对空气中氧气浓度的影响。 对于野外采集地点，要求具备充足且广阔的视野，避免较 大的障碍物。针对矿区的野外光谱数据采集，可将检测时 间设置在 12 点至 14 点之间， 以确保太阳的高度角充足。同 时，将检测距离设定为20cm，并采用 3°视场角探头，以 保证采集数据的稳定性。为了提高检测精度并减小误差， 采样数量应设置为 10次。在室内光谱数据采集时，需提高 暗室配备、模拟光源、几何布置等方面的要求。在实际采 集过程中，应事先进行光谱仪的预热，以确保在实际使用 时的稳定性。此外，土壤样本应放置在纯黑色天鹅绒上， 以减少其他反射源的干扰，并提高光谱检测精度。最后， 在距离土壤样品表面 1m处设置一个功率为 1000W 的卤素 灯作为模拟日照光源，此时灯光的天顶角为 30°, 避免由 于粗糙度造成的阴影影响光谱采集的清晰度。
2.2 处理土壤光谱数据
2.2.1 断点修正
在进行矿区检测时， 我们使用了FieldSpec 3型光谱仪， 并将检测范围设定在 350nm 至2500nm之间。为了提高效 率，我们同时使用了三台光谱仪进行检测，并通过拼接土 壤光谱数据的方式获取完整的矿区土壤光谱数据。然而， 在进行数据拼接时，我们发现相邻两个土壤光谱数据的拼 接处会出现一个陡变的断点，需要进行修正。因此，我们 使用了FieldSpec 3 型光谱仪自带的View Spect Pro软件对 土壤光谱数据进行了断点修正，以消除由数据拼接引起的 误差。
2.2.2 平滑处理
除了断点修正之外，经过修正的土壤光谱数据还需要 进行平滑处理。这是因为在进行光谱仪检测时，会受到动 植物、人为活动、车辆行驶以及矿区作业等外部因素产生 的干扰噪声影响。这种噪声会对土壤光谱数据的准确性产 生影响。因此，采用了矿物组分精细鉴别系统(FMIS)对 土壤光谱数据进行平滑处理。经过平滑处理后，土壤光谱 数据变得更加平滑， 并且更接近实际情况。
2.2.3 光谱变换
经过平滑处理后的土壤光谱数据并未处在相同背景特 征波段下，部分数据超出 0-1 区间范围，需要采用一阶微 分变换改变光谱，计算公式为 K`(δi)=[K(δi+1)-K(δi-1)]/δi+1-δi-1)，公式中K`(δi)代表一阶微分变换光谱后的光谱 数据 ;δi代表基础光谱波长 ;δi+1 代表前一位光谱波长 ; δi-1 代表后一位光谱波长。
2.3 提取土壤光谱特征波段
根据处理后的土壤光谱数据，可以建立土壤光谱估算 模型，通过这个模型可以计算和分析土壤中重金属的分布 规律，进而提取土壤的光谱特征波段，并最终估算出矿山 周边土壤中重金属的含量，实现对矿山土壤重金属污染的 监测。直接使用处理后的土壤光谱数据来建立土壤光谱估 算模型是理想情况下的，但在实际监测中并不适用，因为 需要考虑矿山周边重金属元素之间的伴生和相斥关系。为 此，该文章采用回归模型的方法来提升估算模型的实际 应用性，并基于回归模型得到了土壤重金属的相关系数矩 阵。从该矩阵可以得知，Hg和Ni 的相关系数为 0.89.Hg 和 Cr 的相关系数为 0.83.Hg和As 的相关系数为 0.80.Hg 和 Cu 的相关系数为 0.42.Hg和Pb 的相关系数为 0.71.Hg 和 Zn 的相关系数为 0.81 ;Ni 和 Cr 的相关系数为 0.85.Ni 和As 的相关系数为 0.90.Ni 和 Cu 的相关系数为 0.52.Ni 和Pb 的相关系数为 0.46.Ni 和 Zn 的相关系数为 0.88 ;Cr 和As 的相关系数为 0.86.Cr 和 Cu 的相关系数为 0.39.Cr 和Pb 的相关系数为 0.27.Cr 和 Zn 的相关系数为 0.78 ;As 和 Cu 的相关系数为 0.46.As 和Pb 的相关系数为 0.49.As 和 Zn 的相关系数为0.74 ;Cu 和Pb 的相关系数为0.21.Cu 和 Zn 的相关系数为 0.49 ;Pb 和 Zn 的相关系数为 0.53.相 关系数越接近 1.表示两个重金属元素存在更高的共生概 率 ;相反，越接近0.表示两者的相斥程度越高。通过这些 相关系数，可以得出该矿区中所有重金属元素之间的伴生 和相斥关系。
2.4 估算土壤重金属含量
根据提供的重金属元素伴生、相斥关系，能够提取出 接近实际情况的土壤重金属光谱特征波段。进而可以根据 特征波段计算均方根误差与决定系数数值，建立接近实际 情况的重金属含量估算模型，制定土壤重金属污染程度判 定规则，实现土壤重金属污染状况的监测。均方根误差与 决定系数计算公式为RMSE= √ (Σi=1(εi-εi+1))2/n， 公式 中RMSE代表土壤重金属含量均方根误差 ;εi 代表土壤重 金属污染样本的实测数值 ;εi+1代表PLSR模型预测土壤 重金属污染数值 ;n代表土壤重金属污染样本总数。根据 公式计算获得的土壤重金属含量均方根误差，其中Ni 的 主成分个数为 5 个，其中建模样本的均方根误差为 34.63、 决定系数为 0.4258 ;验证样本的均方根误差为 55.31、决 定系数为 0.2230 ;Cr 的主成分个数为4 个，其中建模样本的均方根误差为218.05、决定系数为 0.2532 ;验证样本的 均方根误差为209.72、决定系数为 0.2393 ;As 的主成分个 数为 1 个，其中建模样本的均方根误差为44.4、决定系数 为 0.5083 ;验证样本的均方根误差为 48.23、决定系数为 0.5056 ;Pb 的主成分个数为 3 个，其中建模样本的均方根 误差为 33.18、决定系数为0.5551 ;验证样本的均方根误差 为 32.65、决定系数为0.5029 ;Zn 的主成分个数为2 个，其 中建模样本的均方根误差为 94.32、决定系数为0.3594 ;验 证样本的均方根误差为 91.92、决定系数为0.3519.以上数 据结合最小二乘法，能够建立土壤光谱和土壤重金属含量 的估算模型，进而通过估算量判断矿山周围的土壤重金属 污染等级， 通常情况下分为无污染、低污染、中污染、中— 强污染、强污染、强—极严重污染和极严重污染七个等级。 根据上述重金属含量计算方法和土壤重金属污染等级判 定规则，文章矿区的平均重金属含量为0.8mg/kg，属于低 污染，环境治理部门可以根据低污染等级规划土壤还原治 理措施。
3 仿真实验与分析
3.1 仿真实验软件
本文选择使用MATLAB 仿真软件对研究中设计的矿 山土壤重金属污染情况监测方法进行仿真验证。MATLAB 仿真软件由美国MathWorks 公司开发，主要用于数学计 算、建立工程模型和实验验证等方面。MATLAB具备数据 分析、自主学习、图像预处理和高精度计算等功能。同时， MATLAB还具有很高的兼容性，可以支持多种编程语言如 C语言、C++和JAVA等。
3.2 仿真实验方法
本次仿真实验采用控制变量法进行对比分析，对比 对象是传统采样化学分析矿山土壤重金属污染情况监测 方法(以下简称传统方法) 和研究中设计的基于土壤光谱 的矿山土壤重金属污染情况监测方法(以下简称文章方 法)。在不同的实验时间下，比较两种监测方法与实际数 值之间的误差，并根据误差的大小和范围来评判这两种 方法的优劣。
3.3 实验结果分析
经过以上仿真实验方法， 在MATLAB仿真软件中对矿 区土壤重金属污染状况进行监测实验后，得到实验结果 ： 当实验时间为0.98分钟时，实际数值为0.53mg/kg， 传统方 法监测数据结果与实际数值之间的误差为 0.08mg/kg，而文章方法监测数据结果与实际数值之间的误差为0.01mg/ kg ;当实验时间为 1.98分钟时，实际数值为 1.53mg/kg， 传 统方法监测数据结果与实际数值之间的误差为 0.03mg/ kg，而文章方法监测数据结果与实际数值之间的误差 为 0.02mg/kg ;当 实验 时 间为 2.98 分钟 时， 实 际数值为 1.97mg/kg，传统方法监测数据结果与实际数值之间的误 差为 0.02mg/kg，而文章方法监测数据结果与实际数值之 间的误差为 0.00mg/kg ;当实验时间为 3.98 分钟时， 实际 数值为 3.42mg/kg，传统方法监测数据结果与实际数值之 间的误差为 0.02mg/kg，而文章方法监测数据结果与实际 数值之间的误差为0.01mg/kg ;当实验时间为4.98分钟时， 实际数值为4.09mg/kg，传统方法监测数据结果与实际数 值之间的误差为 0.11mg/kg，而文章方法监测数据结果与 实际数值之间的误差为 0.02mg/kg ;当实验时间为 5.98分 钟时，实际数值为4.53mg/kg，传统方法监测数据结果与实 际数值之间的误差为 0.01mg/kg，而文章方法监测数据结 果与实际数值之间的误差为 0.01mg/kg。根据实验结果我 们可以得知，在不同的实验时间设置下，传统监测方法的 误差范围为 0.01mg/kg~0.55mg/kg， 而文章方法的误差范 围为0.01mg/kg~0.07mg/kg。并且，所有实验时间中文章方 法的误差都低于传统方法。因此可以证明文章提出的基于 土壤光谱的矿山土壤重金属污染情况监测方法具有较高 的监测精度和较小的误差范围， 适用性较高。
4 总结
根据前述内容的综合分析，本文主要研究了一种基于 土壤光谱的矿山土壤重金属污染情况监测方法。以某有色 金属矿区为实例，我们采集了土壤光谱数据，并进行了相 应的处理。通过提取土壤光谱特征波段，并运用MATLAB 软件进行仿真实验，我们最终得出以下结论 ：在不同实验 时间设置的条件下，传统监测方法的误差范围为 0.01mg/ kg至 0.55mg/kg，而本文提出的监测方法的误差范围为 0.01mg/kg至 0.07mg/kg。值得注意的是，在所有实验时间 中，本文方法的误差都低于传统方法。由此可证明，本文 所提出的基于土壤光谱的矿山土壤重金属污染情况监测 方法具有较高的监测精度和较小的误差范围。
(作者单位 ：山西科技学院)
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/ligonglunwen/68783.html
