1 煤炭资源与安全开采国家重点实验室, 中国矿业大学(北京), 北京 100083
2 北京师范大学地理科学学部, 北京 100875
我国农田重金属污染形势不容乐观。 土壤中的重金属被作物根系吸收后会影响作物正常的生长发育, 降低农产品质量, 进而通过食物链进入人体, 危害人体健康。 高光谱遥感为实时动态高效监测作物重金属污染提供了可能。 设置不同浓度Cu2+胁迫梯度的玉米盆栽实验, 并采集苗期、 拔节期和穗期玉米老、 中、 新叶片光谱数据, 测定不同生长时期叶片叶绿素含量、 叶片Cu2+含量。 基于所获取的光谱数据、 叶绿素含量和叶片Cu2+含量, 结合相关分析法、 最佳指数法(OIF)和偏最小二乘法(PLS)构建OIF-PLS法提取含有Cu2+污染信息的特征波段。 首先依据苗期、 拔节期和穗期叶片叶绿素含量及穗期叶片Cu2+含量与相应叶片光谱的相关系数初步筛选特征波段; 然后, 从中选取三个波段计算最佳指数因子, 并以该三个波段为自变量, 对玉米叶片Cu2+含量进行偏最小二乘回归分析, 计算均方根误差; 最后根据最佳指数因子最大、 均方根误差最小的原则选取最佳特征波段。 基于OIF-PLS法所选取的特征波段构造植被指数OIFPLSI监测重金属铜污染, 并与常规的红边归一化植被指数(NDVI705)、 改进红边比值植被指数(mSR705)、 红边植被胁迫指数(RVSI)和光化学指数(PRI)监测结果做比较, 验证OIFPLSI的有效性和优越性。 另外利用在相同的实验方法下获取的不同年份的数据对OIFPLSI进行检验, 验证OIFPLSI的适用性和稳定性。 实验结果表明, 基于OIF-PLS法提取的特征波段(542, 701和712 nm)比基于OIF法提取的特征波段(602, 711和712 nm)能更好地反映Cu2+污染信息; 植被指数OIFPLSI与叶片Cu2+含量显著正相关, 相关性优于NDVI705, mSR705, RVSI和PRI; OIFPLSI与叶片叶绿素含量显著负相关, 与土壤中Cu2+含量显著正相关; 不同生长时期OIFPLSI与土壤中Cu2+含量的相关性高低依次为拔节期、 穗期、 苗期。 基于不同年份数据验证结果表明, OIFPLSI与叶片Cu2+含量显著正相关, OIFPLSI具有较强的稳定性。 基于OIF-PLS法所提取的特征波段构建的OIFPLSI能够较好地诊断分析玉米叶片铜污染水平, 可为作物重金属污染监测提供一定的技术参考。
重金属污染 光谱分析 特征波段 植被指数 农作物 Heavy metal pollution Spectral analysis Feature band Vegetation index Crop
中国矿业大学(北京)煤炭资源与安全开采国家重点实验室, 北京 100083
高光谱遥感监测农作物重金属污染已成为遥感研究的重要内容之一。 受污染的作物叶片中重金属含量映射到光谱上的信息量差异较微弱, 如何灵敏地挖掘其所包含的价值信息具备一定挑战性。 以农作物叶片光谱为研究对象, 通过多个光谱特征波段组合的方式, 提出了一种铜污染植被指数(CPVI)的污染程度探测模型, 来表征重金属Cu对农作物的污染程度。 首先设置盆栽实验, 将不同浓度梯度的CuSO4·5H2O粉末添加到土壤中, 模拟Cu污染土壤环境, 胁迫玉米生长。 采集玉米穗期的老、 中、 新叶片光谱, 测定叶片中Cu2+含量及相对叶绿素浓度。 而后利用随机选取的58组玉米叶片光谱作为实验数据, 在380~900 nm波长范围内选取波长λ1和λ2的两组叶片光谱反射率并计算相应的CPVI[λ1, λ2]模型指数及其与对应叶片中Cu2+含量的皮尔逊相关系数, 得到相关性特征绝对值矩阵。 其次, 根据得到的相关性特征绝对值矩阵, 提取皮尔逊相关系数较高的光谱特征波段690和465 nm, 并结合波段850 nm建立针对玉米叶片的铜污染植被指数(CPVIm)。 之后, 利用另外26组数据对CPVIm指数进行检验, 同时将该指数与归一化植被指数(NDVI)、 陆地叶绿素指数(MTCI)等常规植被指数进行比较以验证CPVIm的有效性与优越性。 结果表明, NDVI, MTCI, REP和DVI与叶片中Cu2+含量相关系数最高仅为0.68, 残差平方和RSS最低为70.99, 而CPVIm与叶片中Cu2+含量显著负相关, 相关系数达-0.80, 残差平方和为48.52, 均优于NDVI和MTCI等常规植被指数, 证明CPVIm对重金属胁迫更敏感。 同时利用两期不同年份不同品种的玉米光谱数据进行CPVIm指数的鲁棒性验证, CPVIm与叶片Cu2+含量的相关系数r分别为-0.90和-0.96, 均显著相关, 说明该指数对于不同品种的玉米污染程度探测仍具有良好的适用性。 另外, 利用玉米叶片中Cu2+含量、 CPVIm和叶片中叶绿素相对浓度构建三维分析模型, 从空间角度直观地反映了三者之间具有一定的相关关系。 通过光谱特征波段组合方式构建的CPVI探测模型可作为评价农作物重金属污染程度的参考方法, 基于该方法构建的CPVIm指数可有效甄别玉米受重金属Cu2+污染的程度。
光谱 玉米叶片 皮尔逊相关系数矩阵 铜污染植被指数 叶绿素 Spectrum Maize leaves Pearson correlation coefficient matrix Copper pollution vegetation index Chlorophyll
中国矿业大学(北京)煤炭资源与安全开采国家重点实验室, 北京 100083
农作物重金属污染监测是当今高光谱遥感研究的重要内容之一, 旨在设计一种新的窄带植被指数, 以实现不同培育期的两种玉米品种的重金属铜胁迫监测。 研究设计了不同浓度的铜污染实验, 采用SVCHR-1024I型高性能地物光谱仪测量不同浓度铜离子(Cu2+)胁迫下玉米叶片的光谱反射率, 并同步获取了玉米叶片中Cu2+含量数据。 首先, 对玉米叶片原始光谱数据进行一阶差分处理, 并计算一阶差分反射率与叶片中Cu2+含量的相关系数(r), 筛选对铜胁迫敏感的波段。 计算结果显示, 489~497, 632和677 nm波长附近的一阶差分反射率与叶片中Cu2+含量显著相关, 可将其视为敏感波段。 其次, 根据以上3个敏感波段, 建立基于一阶差分反射率的铜胁迫植被指数(dVI)。 对所有可能的dVIs和Cu2+含量进行一元回归分析, 并采用决定系数(R2)和均方根误差(RMSE)对回归结果进行评估, 以筛选最佳指数。 最后, 采用不同生长年份的玉米实验数据对敏感波段的稳定性及dVI的适用性进行了验证评估; 同时, 通过与归一化植被指数(NDVI)、 红边叶绿素指数(CIred-edge)、 红边位置(REP)、 光化学反射指数(PRI)等常规重金属胁迫植被指数进行应用比较, 证明dVI更具有优越性。 结果表明: 一阶差分处理后, 在450~500, 630~680和677 nm波长处的叶片反射率与Cu2+含量的相关系数明显增大。 基于一阶差分反射率的特征波段具有稳定性, 对于不同生长年份的玉米叶片数据, 特征波段的波长位置不变。 一元回归分析结果表明, 结合497, 632和677 nm波长的一阶差分反射率的指数与Cu2+含量具有显著的相关性, 对于不同生长年份的2种玉米品种数据集, R2都高达075以上。 另外, 与常规植被指数比较结果表明, 该研究所提出的dVI具有更好的鲁棒性及有效性, 可为冠层尺度的重金属胁迫监测提供理论基础。
玉米 铜胁迫 植被指数 特征波段 高光谱 Corn Copper stress Vegetation index Characteristic wavelength Hyperspectral 光谱学与光谱分析
2019, 39(9): 2823