遙感高光譜技術(shù)能客觀地記錄隱藏在地物窄波段中的信息,且經(jīng)濟(jì)高效,已有許多研究者使用高光譜數(shù)據(jù)來分析植被指數(shù)對土壤重金屬異常的響應(yīng)情況。因此本文以雪雞坪-春都礦區(qū)作為研究區(qū),來分析植被指數(shù)對土壤重金屬異常的響應(yīng)特征。首先選取并計(jì)算代表植被不同生理特征的植被指數(shù),并分析這些指數(shù)與土壤Cu、Hg、Pb、As含量間的相關(guān)性。然后使用偏最小二乘法及逐步回歸法來建立這些元素的回歸模型,用K-折交叉驗(yàn)證法來對模型進(jìn)行檢驗(yàn)并選出各種元素更適合的建模方法。根據(jù)選擇出的更適合的方法來建立雪雞坪-春都礦區(qū)的土壤重金屬含量的統(tǒng)計(jì)回歸模型。然后通過得出的模型來計(jì)算研究區(qū)的土壤Cu含量,并用閾值分割獲得礦區(qū)的Cu異常空間分布,與實(shí)際的Cu異�？臻g分布狀況進(jìn)行對比。通過研究,取得如下結(jié)果:（1）在雪雞坪-春都礦區(qū),Cu、Hg與植被指數(shù)的相關(guān)性水平高于As、Pb與植被指數(shù)的相關(guān)性水平。對Cu、As、Pb、Hg這四種元素脅迫作用敏感的植被指數(shù)不完全相同,存在多種植被指數(shù)對同一種重金屬敏感,同時一種植被指數(shù)對多種重金屬敏感的現(xiàn)象。（2）在Cu與植被指數(shù)的逐步回歸模型中,PRI4是研究區(qū)土壤Cu含量的有效預(yù)測變量。在Hg與... 

【文章來源】：成都理工大學(xué)四川省

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

研究區(qū)影像及位置以及采樣點(diǎn)分布

區(qū)的植被覆蓋度差異不大，植被覆顯的成層現(xiàn)象，最發(fā)達(dá)的層為喬木本層，最低的層為地被層，春都-區(qū)域，這些優(yōu)勢樹種的分布較規(guī)律種類植被的分布如圖 2-3 所示（陳林圖 2-1 研究區(qū)影像及位置以及采樣點(diǎn)

圖 2-3 研究區(qū)不同種類植被分布地塊和甘孜-理塘的結(jié)合帶之間，主體構(gòu)被覆蓋度高，目前僅發(fā)現(xiàn)具有一定規(guī)模礦體中心向外，依次可分為鉀硅化帶、滕靖，2016；姜永果等，2011）。雪雞坪工程所破壞，礦化較好的區(qū)域存在小型了通道的作用，為重要的導(dǎo)礦構(gòu)造。與玢巖，石英二長斑巖，淺成相的角閃石于印支期。礦區(qū)的蝕變自礦體內(nèi)而外依巖化帶—泥化帶；其中石英絹云母化帶時出現(xiàn)兩種或多種蝕變現(xiàn)象，而礦體主越往外礦化現(xiàn)象越弱（陳林，2017；滕靖

【參考文獻(xiàn)】：
期刊論文
[1]遙感脅迫植被指數(shù)異常綜合模型在桂西南錳礦預(yù)測中的探索[J]. 陳三明,殷顯陽,趙袁磊,黃遠(yuǎn)林,劉智穎,涂媛,韋龍,邵潤澤.  礦產(chǎn)與地質(zhì). 2017(06)
[2]基于光譜參數(shù)和Cu2+吸收機(jī)理的玉米葉片銅污染預(yù)測研究[J]. 夏天,楊可明,劉聰,張文文,張偉.  科學(xué)技術(shù)與工程. 2017(33)
[3]基于Hyperion影像植被光譜的土壤重金屬含量空間分布反演——以青海省玉樹縣為例[J]. 楊靈玉,高小紅,張威,史飛飛,何林華,賈偉.  應(yīng)用生態(tài)學(xué)報. 2016(06)
[4]雪雞坪-春都斑巖性銅礦區(qū)土壤重金屬污染評價及植物優(yōu)選[J]. 沈夢偉,陳文德,李植,何政偉.  水土保持研究. 2015(04)
[5]水稻冠層光譜變化特征的土壤重金屬全量反演研究[J]. 郭云開,曹小燕,石自桂.  遙感信息. 2015(03)
[6]含鈾植物的光譜特性研究[J]. 吳連喜,胡軍杰,游黨呈,饒?jiān)螺x.  中國農(nóng)學(xué)通報. 2014(24)
[7]山西耿莊金礦隱爆成礦作用的脈動性分析[J]. 姚玉增,黃菲,彭艷東,崔顯德,王穎輝,毛武友,呂安才.  礦物學(xué)報. 2012(S1)
[8]黑龍江多金屬礦區(qū)植物脅迫光譜及其與金屬元素含量關(guān)系研究[J]. 陳圣波,周超,王晉年.  光譜學(xué)與光譜分析. 2012(05)
[9]植被遙感異常及金礦找礦意義[J]. 劉志杰,劉蔭椿.  東華理工大學(xué)學(xué)報(自然科學(xué)版). 2008(01)
[10]招遠(yuǎn)金礦區(qū)植被異常及遙感找礦意義[J]. 劉福江,吳信才,郭艷,孫華山,梅林露.  吉林大學(xué)學(xué)報(地球科學(xué)版). 2007(03)

博士論文
[1]高光譜遙感森林類型識別及其郁閉度定量估測研究[D]. 譚炳香.中國林業(yè)科學(xué)研究院 2006
[2]華南沿海資源效應(yīng)遙感生物地球化學(xué)模型[D]. 徐瑞松.中國科學(xué)院研究生院（廣州地球化學(xué)研究所） 2005

碩士論文
[1]龍口市污灌區(qū)農(nóng)田重金屬遙感監(jiān)測研究[D]. 王菲.山東師范大學(xué) 2017
[2]中甸格咱島弧礦集區(qū)植被光譜特征分析[D]. 陳林.成都理工大學(xué) 2017
[3]云南中甸縣雪雞坪礦區(qū)土壤重金屬污染評價[D]. 李春華.成都理工大學(xué) 2016
[4]斑巖銅礦區(qū)植被遙感異常信息提取研究[D]. 滕靖.成都理工大學(xué) 2016
[5]鞍山市快遞服務(wù)滿意度調(diào)查研究[D]. 李冰.遼寧科技大學(xué) 2016
[6]基于多端元混合像元分解的喀斯特石漠化表征因子提取研究[D]. 馮淑娜.中國礦業(yè)大學(xué) 2015
[7]基于ERS-2/ENVISAT交叉干涉建模提取DEM及精度評定[D]. 武帥瑩.西南交通大學(xué) 2012
[8]基于高光譜遙感的東昆侖南帶巖礦分類技術(shù)研究及其應(yīng)用[D]. 吳彬.成都理工大學(xué) 2010
[9]基于Hyperion高光譜遙感數(shù)據(jù)的城市綠地信息提取方法的研究[D]. 呂杰.中國地質(zhì)大學(xué)（北京） 2009



本文編號：3481168