土壤质量直接影响其有机体的健康。然而，土壤容易受到人类活动的干扰，如采矿、工业化和农业活动，导致严重的土壤污染。在各种土壤污染中，有毒元素会对人类和家畜健康以及食品安全造成威胁。因此，监测这些污染类型的浓度和分布对于土壤修复项目至关重要。然而，传统采样和实验室分析方法成本高、费事费力且局限于采样点位置，不能很好地具体化浓度的空间分布。因此，需要具有高空间效应的快速有效的技术。许多研究已经利用图像光谱和其它辅助数据或环境变量来预测有毒元素的分布。而由于卫星图像中云或阴影的存在，土壤采样和图像获取日期存在差距，这种情况下，需要用到具有不同光谱和空间特征图像的融合，以增加图像的时间分辨率。Sentinel-2A是“全球环境与安全监测”计划的第二颗卫星，其携带一枚多光谱成像仪，可覆盖13个光谱波段，从可见光和近红外到短波红外，具有不同的空间分辨率。Landsat 8是美国陆地卫星计划的第八颗卫星，其携带的陆地成像仪包括9个波段，空间分辨率为30 m。两者的协同应用将改进对地球表面的及时和准确观测，以及遥感不同学科的使用。

基于此，在本研究中，来自捷克生命科学大学的研究团队于2015年8月12日在Sarcheshmeh矿山采集了120个土壤样品，在实验室进行化学（As、Pb、Zn和Cr）和光谱测量（ASD Fieldspec 3地物光谱仪）。并于2015年8月13日获取Landsat 8-OLI图像，2016年1月20日获取Sentinel-2A图像。旨在探索Landsat 8-OLI和Sentinel-2A单个图像及其相融合量化As、Pb、Zn和Cr的潜力。为了达到融合目的，作者采用了不同的融合技术，即HSV色彩模型、Brovey、主成分分析（PCA）、Gram-Schmidt (GS)、小波和ATPRK。同时，采用遗传算法（GA）选取实验室光谱中所需的重要波长，以建立偏最小二乘回归（PLSR）预测模型，以评估所选变量对最终模型性能的影响。

【结果】

利用全部光谱（PLSR）和选定波长（GA-PLSR）建立的有毒元素预测模型的性能。（验证数据集）

整合了Landsat 8-OLI和Sentinel-2A波段的融合方法的定量评估

将GA-PLSR应用在图像像素光谱中建立的有毒元素预测模型的性能

【结论】

研究结果表明，与单个Landsat 8-OLI和Sentinel-2A图像的像素光谱相比，其融合产物的像素光谱与实验室实测样品的反射响应高度一致，尤其是在VNIR区。单因素方差方法也在实验室光谱和融合图像像素光谱之间产生了更相似的波长。对于单个Landsat 8-OLI和Sentinel-2A图像，GA-PLSR模型在Sentinel-2A数据上性能较好，而Landsat8-OLI对As的预测结果更好。与其它融合技术相比，将GA-PLSR模型应用在ATPRK融合的图像中可以产生更准确的预测结果。总之，该研究表明，Landsat 8-OLI和Sentinel-2A图像相融合可以提高土壤有毒元素预测模型的性能。