全球化进程不断加剧，人类活动导致城市土壤污染问题日益严重[23],[27],[34]。来自工业排放、交通和家庭垃圾等来源的重金属（HMs）污染尤为严重[22],[48]。最近的一项文献综述系统地概述了全球研究趋势，重点介绍了铅（Pb）、锌（Zn）、铜（Cu）和镉（Cd）等典型人为污染物，并记录了从传统检测方法向遥感和生物监测方法转变的趋势[33]。尽管城市重金属污染受到了广泛研究，但作为主要污染物汇的道路绿化带等关键微环境仍研究不足。重金属通过食物链生物放大作用对人类和生物健康构成严重威胁[2]。具体而言，交通活动是城市重金属排放的主要来源[25],[30]，其污染通常与多环芳烃（PAHs）和其他有机物同时存在[40]。这些污染物通过径流和沉积作用在路边土壤中积累，经常超过背景水平，表明土壤退化加剧[1],[19],[35],[46]。因此，有效预防和控制城市绿化带中的重金属污染对于可持续的城市发展和公共健康保护至关重要。尽管人们已经认识到生态和健康风险，但仍有许多研究量化了不同城市路边和受交通影响土壤中的重金属含量[4],[42]。然而，利用叶片高光谱数据估算城市道路绿化带中土壤重金属含量的方法仍较为有限。这凸显了本研究的新颖性和必要性。
传统的土壤重金属监测方法通常依赖于化学分析，这种方法程序复杂、会对土壤造成破坏且成本高昂[53]。相比之下，新兴的高光谱技术具有显著优势，包括高光谱分辨率和快速捕捉详细光谱信息的能力[20],[31],[51],[7]。随着技术的进步，基于地面的高光谱技术逐渐取代了传统的化学元素检测方法，并能准确确定其浓度。此外，高光谱方法符合快速、无损和定量监测土壤中重金属动态的日益增长的需求[54]。然而，关于基于高光谱技术反演城市绿化带土壤中重金属的研究仍有限。因此，将高光谱技术应用于及时监测城市绿化带中重金属含量的变化对于环境和人类健康保护具有重要意义。
近期研究逐渐从传统的统计模型转向机器学习和深度学习模型，包括随机森林、支持向量机和神经网络[43]。虽然针对特定作物和重金属组合已经实现了高精度，但模型性能仍高度依赖于植物种类、生长阶段、环境背景和重金属生物可利用性等因素，因此普遍性和鲁棒性仍是持续面临的挑战。与直接进行土壤高光谱反演相比，通过植物叶片估算土壤重金属更为高效和资源节约[52]。这种方法基于金属引起的生理压力[28]：积累的重金属会引发叶绿素降解、细胞损伤和生化变化，从而改变可见光到短波红外范围内的叶片光谱特征[26]。关键的光谱变化包括红边蓝移、近红外反射率降低以及水分吸收特征减弱[45]，这些变化使得叶片光谱与土壤重金属含量之间建立定量关联。目前大多数研究集中在受控农业条件下的作物（如小麦和桃树叶片）上[20],[41],[52]。然而，这项技术是否能够准确应用于监测城市绿地中异质且复杂的土壤中的重金属仍需验证。因此，迫切需要开发一种基于路边植物光谱数据的稳健、准确且实用的预测方法，以满足城市环境监测的需求。
研究表明，原始光谱数据常常受到外部噪声的污染，导致特征性的“毛刺”噪声，影响从未经处理的光谱中直接反演重金属含量的准确性[13],[51]。噪声对高光谱监测的影响已被广泛认识，这推动了针对噪声的预处理技术的发展。主要噪声来源包括：1）仪器噪声，如探测器暗电流和热噪声，尤其是在信号较弱的波段；2）由于照明和测量条件变化引起的随机波动；3）由于样品特性导致的散射效应和基线漂移。这些噪声会掩盖与重金属相关的光谱特征，产生虚假的相关性，从而降低预测准确性和模型鲁棒性[12],[3]。因此，预处理对于抑制噪声、增强光谱特征与重金属信息之间的相关性至关重要[50],[54]。这有助于突出敏感的光谱带，并支持稳健反演模型的发展[21]。Savitzky-Golay滤波等平滑技术可以有效抑制随机噪声，减少光学变化和样品制备的影响[3]。差分预处理可以增强细微的光谱特征，去除冗余的光谱成分，提高预测性能[15]。多重散射校正（MSC）可以提高光谱清晰度，突出重金属敏感特征，并提取具有区分性的敏感光谱带[16]。因此，这些预处理步骤可以净化光谱并识别出有信息量的光谱带。在建模过程中，偏最小二乘回归（PLS）和随机森林（RF）模型被广泛用于从光谱特征估算重金属含量[17],[54],[6]。PLS可以解决多重共线性和冗余问题，实现重金属的可靠定量反演[54]，而RF可以减少过拟合并提高模型的泛化能力[55]。因此，通过将适当预处理的光谱数据与PLS或RF模型结合使用，可以有效地准确反演重金属含量。
基于在中国重庆收集的植物叶片和相应土壤样本的光谱数据，本研究建立了重金属含量的预测模型。重庆是一座具有亚热带季风气候和独特植被模式的特大城市。因此，所开发的模型最直接适用于具有类似气候和城市条件的地区。为了提高研究的科学严谨性和实际应用价值，在模型构建过程中同时采用了随机森林回归和偏最小二乘回归，以便更好地适应不同植物物种的光谱响应差异。此外，所提出的建模框架和方法论考虑到了可转移性，有助于减轻地区差异带来的限制。本研究解决了以下问题：（1）重庆北碚区城市路边绿化带土壤中的重金属污染程度如何？（2）光谱预处理如何增强特征光谱带，叶片光谱特征如何反映土壤中的重金属含量？通过分析城市路边植物的叶片光谱，本研究旨在建立模型并预测相关土壤中的重金属浓度，以提高此类预测的准确性，并为大规模、快速检测城市中的重金属污染提供理论和方法论支持。
