王春帅，姚立伟，刘弋珲，牛瑞卿，任超

(1.河南省地质矿产勘察开发局 第一地质矿产调查院，河南 洛阳 471000；2.中国地质大学(武汉) 地球物理与空间信息研究所，武汉 430070)

0 引言

随着《中华人民共和国土壤污染防治法》的颁布与执行，土壤污染现状的调查工作变得越来越重要，而农用地土壤是食品安全的第一道关口，因而需要加强对农用地的监管工作。但是传统的土壤重金属监测方法需要耗费大量时间、人工成本，具有高成本、低效率、不能大范围进行快速检测的特点。利用光谱及各类其他因子进行重金属浓度快速反演的方法应运而生，这种方法具有高效、快速、无损、无害、可重复、成本低、尺度大的优点。利用光谱特征来拟合区域重金属污染空间分布的研究已经成为热点，常用的方法有最小二乘法回归、偏最小二乘回归、逐步回归、支持向量机、随机森林等，但是对于线性模型的使用主要以全局模型为主，局部模型拟合的研究很少[1-3]。

沈强等[4]通过对光谱曲线进行连续去除和一阶微分预处理，选择合适的高光谱数据进行逐步回归，建立了对矿业废弃地土壤重金属含量进行高光谱反演的模型；张秋霞等[5]利用偏最小二乘模型对高标准基本农田区域重金属含量进行高光谱反演，其模型决定系数达到了0.70～0.99，获得了极好的反演效果；陶超等[6]利用支持向量机模型对土壤重金属铅、锌进行高光谱反演，取得了较好的模型精度；徐良骥等[7]采用逐步回归、偏最小二乘回归、人工神经网络的方法分别对煤矸石充填复垦重构土壤中重金属含量进行高光谱反演，发现人工神经网络模型取得了最好的建模效果。……