1.一种高精度土壤重金属浓度空间预测方法,其特征在于,包括以下步骤:
步骤一,数据获取:包括区域内野外采样、多光谱高光谱遥感影像准备及地理环境变量的获取;
步骤二,数据预处理:对野外采样样品的实验室化验及常规统计分析,检测出重金属异常点位;对影像的辐射校正、大气校正与波段选择得到校正后影像待用;地理环境变量通过数据转换与数据变换使得各种变量统一坐标、统一空间分辨率与统一数据类型;
步骤三,数据反演与分析:计算得到各类植被指数和日光诱导叶绿素荧光强度,结合各种地理变量与样本分析点位数据进行地理探测,以决定参与预测的环境地理协同变量;
步骤四,重金属浓度预测:由得到的环境地理协同变量,进行地理相似性计算,结合已知采样点的重金属浓度值,实现对未知点重金属浓度预测,得到预测的重金属浓度空间分布;
步骤五,精度估算:计算预测的重金属浓度空间分布的精度。
2.根据权利要求1所述的高精度土壤重金属浓度空间预测方法,其特征在于,所述步骤三中,采用夫琅和费暗线法反演获取日光诱导叶绿素荧光强度;
基于夫琅和费暗线的SIF反演算法FLD:由于太阳大气中某些元素的吸收,太阳辐射在到达地表后其辐照度光谱形成许多波段宽度为0.1‑10nm的细小暗线,即夫琅和费吸收暗线,在夫琅和费吸收暗线处,植被的反射光较弱,荧光效果明显,因此利用夫琅和费暗线反演日光诱导叶绿素荧光值SIF;
假定地球表面为各向同性表面反射,忽略冠层传感器间的大气效应和邻近效应的影响,认为传感器接收到的地表视反射辐亮度是地表植被太阳反射辐亮度与日光诱导叶绿素荧光反射的两部分之和,如式(1):其中,λ为波长,L(λ)为传感器观测到的地表视反射辐亮度,r(λ)为地表反射率,E(λ)为地表入射辐照度,SIF(λ)为植被发射的叶绿素荧光强度;
根据夫琅和费吸收暗线区间的太阳辐照度光谱和传感器观测到的辐亮度光谱,可得出各参数满足式(2):其中,Lin为波长λin处的辐亮度,Lout为波长λout处的辐亮度,Iin为波长λin处的太阳辐照度,Iout为波长λout处的太阳辐照度,fin为波长λin处的日光诱导叶绿素荧光强度,fout为波长λout处的日光诱导叶绿素荧光强度,Rin为波长为λin处的地表反射率,Rout为波长λout处的地表反射率;
标准FLD算法假设夫琅和费吸收暗线及其相邻谱区的植被反射率和荧光强度在很窄的波段范围内均不随波长变化,即:Rin=Rout=RFLD fin=fout=fFLD (3)
其中,RFLD为利用FLD算法计算的地表反射率;fFLD为利用FLD算法计算的日光诱导叶绿素荧光强度;
联合式(2)和(3),可得:
针对GF‑5高光谱影像选择对应的夫琅和费吸收暗线波段和其邻近波段。
3.根据权利要求2所述的高精度土壤重金属浓度空间预测方法,其特征在于,所述步骤四的核心在于每个单独土壤样本点所反映的土壤属性值与其所在环境之间的关系,每个单独的样本点作为具有相似环境条件的位置的替代物,并以此去预测与样本点环境相似性达到要求的那些位置的土壤属性值;具体归纳为三个过程:(1)描述各点的环境特征;用多个环境协变量高程、坡度、坡向、归一化水分指数NDWI1240、归一化色素叶绿素指数NPCI、修正的简单比率植被指数mSRI‑2、日光诱导叶绿素荧光SIF和归一化红边植被指数NDVI705描述与目标土壤特性相关的环境特征,并形成一个该位置的环境向量e:e=(e1,e2,e3,...,em) (5)
其中,e1,e2,……,em分别指考虑的第1个、第2个,……,第m个环境协变量,由这m个环境协变量共同形成一个m维的环境向量e;
(2)每个未知点和每个土壤样本点的环境相似性评估;
计算未知点与样本点之间的环境相似性:
Si,j=P(E(e1i,e1j),E(e2i,e2j),…,E(evi,evj),...,E(emi,emj)) (6)其中,Si,j表示研究区未知点i与样本点j之间的环境相似性,evi和evj分别表示第i个未知点与第j个样本点处第v个环境协变量的属性,emi和emj分别表示第i个未知点和第j个样本点处第m个环境协变量的属性,E(·)和P(·)分别是环境协变量尺度和土壤样本尺度下的函数;函数E(·)用于计算环境协变量尺度下的环境相似性;对于给定的m个环境协变量,有从第1个环境协变量至第m个环境协变量的环境相似性,分别表示为E(e1i,e1j)、E(e2i,e2j)、......、E(emi,emj),E(·)描述了当未知点的环境协变量值偏离样本点的环境协变量值时,未知点和样本点之间的环境相似性会如何变化;基于此,定义E(·):其中, 是研究区内第v个环境协变量的标准偏差, 是未知点i与样本点j处第v个环境协变量的平均偏差的平方根;
式(8)中,k为未知点个数;
函数P(·)用于整合环境协变量尺度与土壤样本尺度的环境相似性,使用最小算子法即将所有环境协变量相似性中的最小值作为土壤样本水平的环境相似性;
将每个未知点与所有土壤样本点的环境相似性组织成每个未知点的环境相似性向量Si:Si=(Si,1,Si,2,...,Si,j) (9)
(3)各未知点的预测不确定性的量化及目标土壤属性值的估算;
若未知点与所用样本点之间的环境相似性达不到要求,则现有的样本点就不可用于表示未知点,故需要计算预测不确定性用于评估使用现有样本点对未知点进行估算的可靠性,不确定性与环境相似性呈反比;不确定性计算方法如式(10)所示:Uncertaintyi=1‑max(Si,1,Si,2,...,Si,n) (10)其中,Uncertaintyi为未知点i的不确定性,n为用于估算目标土壤属性值的未知点的个数,max(Si,1,Si,2,...,Si,n)表示取相似性Si,1、Si,2、……、Si,n的最大值;
设置用户定义的不确定性阈值;某一未知点的不确定性若大于自定义的不确定性阈值,则将该未知点设置为无效值;若未知点不确定性小于或等于自定义的不确定性阈值,则使用加权平均值法参与估算未知点目标属性值,如式(11)所示:其中,Ci为未知点i的土壤重金属预测浓度,n′为所选样本点的个数,其与未知点i的环境相似性大于“1‑不确定性阈值”,一般可以设置不确定性阈值为1%~30%,本研究选择
30%作为不确定性阈值;Cj为样本点j的土壤重金属浓度。
4.根据权利要求3所述的高精度土壤重金属浓度空间预测方法,其特征在于,所述步骤五中,计算未知点i的重金属浓度预测精度:假定样本点j的重金属浓度为Cj,样本点j的地理相似性为Sj,未知点i的地理相似性为Si,Ci为未知点i的土壤重金属预测浓度,则未知点的相似性误差Ei为式(12)所示:Ei=1‑Si (12)。