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。許多研究已經利用圖像光譜和其它輔助數據或環(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。（驗證數據集）
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數據上性能較好，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生更準確的預測結果?？傊?，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