基于实测高光谱的天府新区直管区水土体、植被重金属相对含量反演

发布时间：2020-10-13 05:58

　　 随着工业化、现代化、城镇化进程的不断加快,我国进入资源消耗快速增长阶段。资源消耗所产生的大量残余重金属物质可以通过雨水淋溶、大气沉降等方式渗入地表(土壤、地表水和植被)中,从而导致地表富集大量的重金属。这些富集在地表的重金属元素可能会污染食物链,从而威胁人体健康,因此,对地表重金属含量的监测就具有十分重要的现实意义。传统的重金属污染监测方法虽然测量精度较高,但费时费力,只能分析采样点的剖面信息,而不能获取大范围的区域重金属含量分布情况;而且重金属在土壤和水体中转移变化很快,导致传统方法在重金属含量获取时间上可能会有一定的滞后。遥感技术特别是高光谱遥感技术的发展和进步为快速高效地获取大范围区域的地表重金属含量信息开辟了新的途径。基于此,本文以四川省天府新区直管区为研究区,利用地面实测光谱仪ASD FieldPro III,于2017年7月间采集了研究区土壤、地表水以及主要植被红薯叶、南瓜叶、构树叶和天香米叶的高光谱数据,拟通过对实测高光谱进行分析,建立重金属相对含量反演模型。鉴于客观因素导致的无地球化学分析数据情况,本文提出一种只利用特征波段对植被重金属胁迫趋势、土壤和地表水中重金属相对含量进行定性或半定量分析的方法,在假设2017年的重金属AS、Cd、Mn和Pb这四种元素的含量与2004年基本相同的基础上,分析植被受胁迫趋势、建立重金属相对含量反演模型。本文的主要工作及成果如下:(1)根据对以往文献和基础资料的分析研究,选取研究区内土壤中As和Cd、地表水中Pb和Mn这四种含量较高且分布差异较大的重金属元素作为研究对象,在没有地球化学分析数据的情况下,以已有文献中这四种元素在土壤或地表水光谱曲线响应波段为基础,建立重金属相对含量反演模型,依据这些模型在土壤、地表水和植被中的应用,得到研究区土壤、地表水中的相对含量分布图和植被长势受重金属胁迫趋势。(2)通过对实测的土壤光谱数据进行分析,发现As的特征波段为:454nm、504nm、554nm、604nm、754nm、1395nm、1759nm、1894nm、2198nm、2300nm、2320nm;Cd的特征波段为:433nm、504nm、654nm、764nm、1250nm、1290nm、1444nm、1887nm、2100nm、2192nm、2210nm、2260nm。对研究区土壤重金属相对含量进行反演,并分析土壤重金属相对含量空间分布,发现研究区土壤中As元素相对含量在西北城区、东部龙泉山沿线区域较低,东北-西南沿线中部的新兴镇、白沙镇、兴隆镇和煎茶镇等以农业为主的丘陵和平原地区相对含量较高;而土壤中Cd元素相对含量较低区域主要分布在中部和东部的丘陵和平原地区,相对含量较高区域主要集中在中和、华阳镇、正兴镇和兴隆镇等正在进行城市扩建的西北部地区。(3)通过对实测的地表水光谱数据进行分析,发现Pb的特征波段为:497nm、540nm、612nm、620nm、669nm、677nm、738nm、748nm、813nm、987nm;Mn的特征波段为:539nm、904nm。对研究区地表水重金属相对含量进行反演,并分析的地表水重金属相对含量空间分布,发现研究区内地表水中Pb和Mn这两种重金属相对含量的空间分布基本相似,这两种重金属相对含量较高区域主要在西北方向中和镇以及新兴镇等区域的府河上游,其余人类活动较为密集的城镇中心河流中重金属也相对含量较高,表明除非河流中段区域有新的污染源向地表水中排放含有重金属的污染物,则随地表水流动方向重金属相对含量整体呈逐渐下降趋势。(4)对于研究区中的植被,提取主要植被红薯叶、南瓜叶、构树叶和天香米叶的红边位置,结合土壤重金属As和Cd相对含量,分析植被受重金属胁迫趋势,发现研究区土壤中Cd元素重金属相对含量对红薯叶、构树叶和天香米叶长势均存在一定程度的促进作用;As元素对天香米叶、构树叶和红薯叶为抑制作用,但能促进南瓜生长。
【学位单位】：成都理工大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：X87
【部分图文】：

技术路线

第 2 章 数据和方法究区概况理位置概况新区直管区位于成都市南部，地处龙泉驿区和简阳市西部，眉区北部，双流区东部，处于东经 103°58′43.851″E--104°16′4.7′37.702″N--30°34′40.741″N 范围之间。幅员面积 564 平方公里中和镇、华阳镇等 12 个镇，是成都“双核共兴”的两个中心城有府河与鹿溪河两条水流量和水面较宽的流动水域；213 国道路，以依次从西到东的顺序从北到南贯穿全区，各乡之间有简成都第二绕城高速和 108 国道从西向东横穿研究区，其余地段、畜力运输的崎岖小道；区内重要经济区有高新区环球中心附上方区域；科技研发中心科技城位于研究区中部，如图 2-1 所

17图 3-1 土壤采样点分布谱数据经过平滑和三次均值光谱预处理后得到壤光谱曲线中某些波段出现的波峰或波谷能 3-2(a)的原始光谱曲线可以看出，除 1440nm 吸收峰外，其余特征均不明显。因此，对采集处理，如图 3-2(b)所示。结果表明，土壤原始多的波段变化信息，如 560nm、1400nm、18图 3-2(b)可以看出，所有采样点在 1880nm 和能含有一定量的 Cd 重金属元素。D1301 和 D07、D1701、D1502、D1401、 D1901 在 1755n一定量的 As 重金属元素。
【相似文献】

相关期刊论文 前10条

1 程立立;张成;张榴萍;钱国平;;我国粮食重金属研究进展[J];粮油仓储科技通讯;2019年01期

2 李洪伟;邓一荣;刘丽丽;;青海湖典型湿地土壤重金属分布特征[J];山东工业技术;2017年11期

3 周若薇;;湘江水体中常见重金属离子浓度的空间分布[J];湖南教育(D版);2016年12期

4 洪继华,章申;广东南部地理景观中土壤重金属垂直分异及其地球化学分层性[J];地理研究;1988年04期

5 应卫明,章申;海南岛琼山热带土壤中重金属分布和矿物特征的关系[J];土壤学报;1988年04期

6 邱礼生;珠江口海区表层沉积物中重金属的分布模式[J];海洋通报;1989年01期

7 祝建中,胡志华;垃圾焚烧过程中影响重金属分布因素的研究[J];环境污染治理技术与设备;2004年12期

8 梅梅;闵宁;;运煤铁路两侧土壤重金属分布特征及污染评价[J];河北北方学院学报(自然科学版);2019年09期

9 陈超;刘汉羽;郝俊;赵丽丽;程巍;;不同种植年限香根草对煤矸石山基质中重金属分布的影响[J];煤炭学报;2016年12期

10 郭德英;;黄河三角洲重金属分布状况及分析评价[J];中国环境管理干部学院学报;2007年01期

相关博士学位论文 前10条

1 朱林;水库沉积物中重金属的迁移与富集效应研究[D];大连理工大学;2019年

2 倪润祥;中国农田土壤重金属输入输出平衡和风险评价研究[D];中国农业科学院;2017年

3 黄斌;重金属在稻田土壤中的吸附、富集、迁移特征及稳定化研究[D];湖南大学;2016年

4 陈俊刚;光谱法海水多元素重金属同步检测方法研究[D];燕山大学;2018年

5 段宝玲;城市污泥重金属源解析及生态风险与健康风险评价[D];山西农业大学;2018年

6 黄星;红树林土壤有机碳、重金属特征对红树林景观格局变化的响应[D];华东师范大学;2017年

7 孙晓艳;铅锌矿区土壤重金属植物有效性研究[D];中国地质大学(北京);2018年

8 潘尚霞;南方某工业区环境重金属暴露对儿童神经和肾脏早期影响[D];中国科学院大学(中国科学院广州地球化学研究所);2017年

9 王孝程;深海化能生态系统大型生物营养来源分析及对重金属的富集作用[D];中国科学院大学(中国科学院海洋研究所);2018年

10 刘禹;重金属在冰—水—底泥多相环境介质中的迁移规律研究[D];内蒙古农业大学;2017年

相关硕士学位论文 前10条

1 刘亚军;矿冶城市土壤重金属源解析与景观分异研究[D];华中农业大学;2019年

2 霍庆霖;成都市淡水混养池塘水环境及鱼类重金属分布特征研究[D];四川农业大学;2018年

3 徐慧韬;浙江省主要入海河流微塑料和重金属研究[D];中国地质大学(北京);2019年

4 曹佳艺;基于UNMIX模型的农田土壤重金属源解析及污染损失评价[D];中国地质大学(北京);2019年

5 李振雄;大别山霍山-金寨地区土壤重金属分布特征及环境质量评价[D];中国地质大学(北京);2019年

6 余洪慧;北京市顺义区表层土壤重金属地球化学特征研究[D];中国地质大学(北京);2019年

7 付仁笼;渤海海底表层沉积物重金属污染状况及来源分析[D];中国地质大学(北京);2019年

8 侯彪;不同粒径团聚体中重金属的分配规律及影响因素[D];成都理工大学;2019年

9 兰真;地下水对小尺度农田土壤重金属空间分布特征影响研究[D];成都理工大学;2019年

10 李婷;四川省马边磷矿区重金属元素地球化学特征及环境效应[D];成都理工大学;2019年

本文编号：2838823