土壤質量直接影響其有機體的健康。然而，土壤容易受到人類活動的干擾，如采礦、工業(yè)化和農(nóng)業(yè)活動，導致嚴重的土壤污染。在各種土壤污染中，有毒元素會對人類和家畜健康以及食品安全造成威脅。因此，監(jiān)測這些污染類型的濃度和分布對于土壤修復項目至關重要。然而，傳統(tǒng)采樣和實驗室分析方法成本高、費事費力且局限于采樣點位置，不能很好地具體化濃度的空間分布。因此，需要具有高空間效應的快速有效的技術。許多研究已經(jīng)利用圖像光譜和其它輔助數(shù)據(jù)或環(huán)境變量來預測有毒元素的分布。而由于衛(wèi)星圖像中云或陰影的存在，土壤采樣和圖像獲取日期存在差距，這種情況下，需要用到具有不同光譜和空間特征圖像的融合，以增加圖像的時間分辨率。Sentinel-2A是“全球環(huán)境與安全監(jiān)測”計劃的第二顆衛(wèi)星，其攜帶一枚多光譜成像儀，可覆蓋13個光譜波段，從可見光和近紅外到短波紅外，具有不同的空間分辨率。Landsat 8是美國陸地衛(wèi)星計劃的第八顆衛(wèi)星，其攜帶的陸地成像儀包括9個波段，空間分辨率為30 m。兩者的協(xié)同應用將改進對地球表面的及時和準確觀測，以及遙感不同學科的使用。

基于此，在本研究中，來自捷克生命科學大學的研究團隊于2015年8月12日在Sarcheshmeh礦山采集了120個土壤樣品，在實驗室進行化學（As、Pb、Zn和Cr）和光譜測量（ASD Fieldspec 3地物光譜儀）。并于2015年8月13日獲取Landsat 8-OLI圖像，2016年1月20日獲取Sentinel-2A圖像。旨在探索Landsat 8-OLI和Sentinel-2A單個圖像及其相融合量化As、Pb、Zn和Cr的潛力。為了達到融合目的，作者采用了不同的融合技術，即HSV色彩模型、Brovey、主成分分析（PCA）、Gram-Schmidt (GS)、小波和ATPRK。同時，采用遺傳算法（GA）選取實驗室光譜中所需的重要波長，以建立偏最小二乘回歸（PLSR）預測模型，以評估所選變量對最終模型性能的影響。

【結果】

利用全部光譜（PLSR）和選定波長（GA-PLSR）建立的有毒元素預測模型的性能。（驗證數(shù)據(jù)集）
 

整合了Landsat 8-OLI和Sentinel-2A波段的融合方法的定量評估
 

將GA-PLSR應用在圖像像素光譜中建立的有毒元素預測模型的性能
 

【結論】

研究結果表明，與單個Landsat 8-OLI和Sentinel-2A圖像的像素光譜相比，其融合產(chǎn)物的像素光譜與實驗室實測樣品的反射響應高度一致，尤其是在VNIR區(qū)。單因素方差方法也在實驗室光譜和融合圖像像素光譜之間產(chǎn)生了更相似的波長。對于單個Landsat 8-OLI和Sentinel-2A圖像，GA-PLSR模型在Sentinel-2A數(shù)據(jù)上性能較好，而Landsat8-OLI對As的預測結果更好。與其它融合技術相比，將GA-PLSR模型應用在ATPRK融合的圖像中可以產(chǎn)生更準確的預測結果。總之，該研究表明，Landsat 8-OLI和Sentinel-2A圖像相融合可以提高土壤有毒元素預測模型的性能。
 

請點擊下方鏈接，閱讀原文：

https://mp.weixin.qq.com/s?__biz=MjM5NjE1ODg2NA==&mid=2650315958&idx=2&sn=844f394fdd0bedd6bd16ae7f6572c34b&chksm=bee1b0498996395f57faf68d2b952a37b795d4b7298c6441c513b0dfaaacc45ee6324251f938&token=444541256&lang=zh_CN#rd