随着人类对矿产资源的需求日益增大,大规模的矿山开采活动,造成的废料废渣大面积堆积形成尾矿库,既破坏了土地资源,也造成了矿区尾矿库周围土壤生态环境的恶化,致使土壤重金属污染日渐加剧。另外,传统的土壤重金属监测评估方法在大范围和时效性上存在严重的不足,而高光谱遥感技术以其较高的时效性、视野宽、测量信息广和光谱特性为土壤重金属元素含量反演提供了新的方法途径。本文以山西省运城市垣曲县内的铜矿峪尾矿库及周边农田土壤为研究区,通过野外采集68个土壤样品、室内对土壤样品进行可见光到短波红外区间反射光谱的测量和实验室对土壤重金属铜元素含量的测定,根据反射光谱的特征选择光谱响应的敏感波段,并采用分段偏最小二乘法(Piecewise partial least squares regression,P-PLSR)建立铜元素含量反演模型,并用验证集土壤样品对模型进行精度验证。之后将建立的模型分别直接运用到高分5号高光谱影像数据和Sentinel-2多光谱影像数据,对研究区进行铜元素含量制图,探索利用遥感影像进行土壤铜含量制图的可行性。本文取得的主要研究成果如下:1.为了解决Cu含量大变化范围和有限的土壤样品导致使用基础的偏最小二乘法建模并不能对Cu含量进行有效的预测的这一问题,提出了分段偏最小二乘法。通过分段偏最小二乘回归法对重采样到高分5号数据的实测光谱建模反演Cu含量的估算精度R²达到0.93(RPD=3.72);对于重采样到Sentinel-2数据的实测光谱建模反演Cu含量的估算精度R²达到0.92(RPD=3.34)。证明该方法有效改善了样本铜含量变化范围大的问题,提高了模型的预测精度,使得最终的模型稳定性更好、拟合程度更高以及预测精度更好。2.通过分段偏最小二乘法建立的模型不但对实测光谱有效,亦可有效运用于高分5号高光谱遥感影像和Sentinel-2多光谱遥感影像,将模型运用于高分5号影像数据反演,Cu含量的估算精度R²达到0.80(RPD=2.07);运用于Sentinel-2影像数据反演,Cu含量的估算精度R²达到0.77(RPD=2.00),由此获得了该区域较为准确的Cu元素含量空间分布特征,为大面积土壤环境监测提供一种新的快速解决方案3.通过对高分5号和Sentinel-2遥感影像数据的研究区土壤Cu含量空间分布结果图的对比分析和评价,得到高分5号数据以其较高的光谱分辨率(4nm、7nm)、高信噪比(SNR 200:1、100:1)、大幅宽(60km swath width)以及数量众多的波段,最终的反演结果分布图较Sentinel-2的反演结果分布图更为精确。