中国矿业大学(北京)地球科学与测绘工程学院, 北京 100083
随着人类生活质量的提高, 农产品重金属污染问题备受关注。 农作物中的重金属元素会通过食物链侵害人体健康, 而不同重金属元素对人体毒害差别较大, 因此农作物中含有重金属元素的类别识别至关重要。 传统重金属元素检测方法存在环节多、 耗时长、 成本高等缺点, 但高光谱遥感技术具有信息使用量大, 理化反演能力强, 分析速度快, 无损监测等优势, 逐渐成为农作物重金属污染分析的重要手段之一。 以不同CuSO4·5H2O和Pb(NO3)2浓度梯度土壤胁迫下典型农作物玉米生长的叶片光谱为研究对象, 引入光谱包络线去除(CR)、 光谱比值(SR)、 分数阶微分(FOD)同时结合改进红边比值指数(MSR)构建铜铅元素识别指数(CLI); 通过挑选与铜铅元素种类相关性最强的三个分数阶微分阶数的CLI值建立铜铅元素判别特征点(CLDFP); 再利用欧式聚类(EC)将训练集样本分为铜污染与铅污染两类并结合圆心连线的垂直平分线(PB), 建立基于EC-PB识别铜铅元素种类的二维坐标系下判别规则线(CLDRL)和三维坐标系下判别规则面(CLDRP), 从而实现玉米叶片光谱信息的重金属铜铅元素种类准确识别。 研究结果表明, CR-SR-FOD光谱变换处理增加了玉米叶片光谱信息与铜铅元素种类之间的相关性; 各阶次FOD对应的CLI与铜铅元素种类相关系数各不相同, 随着阶次的增加, 相关性呈现先递增后递减的趋势, 其中相关系数最高的三个阶次分别为1.2阶, 0.7阶, 1.0阶; 在二维坐标系下训练集样本判别正确率为78.95%, 验证集样本判别正确率为75.0%; 在三维坐标系下训练集样本判别正确率为76.32%, 验证集样本判别正确率为75.0%, 证明了基于EC-PB构建的二维CLDRL和三维CLDRP光谱判别规则可以有效识别玉米叶片中铜铅污染元素种类。
光谱分析 玉米叶片 光谱变换 重金属元素识别 欧式聚类 垂直平分线 Spectral analysis Corn leaf Spectral transformation Identification of heavy metal elements Euclidean cluster Perpendicular bisector 光谱学与光谱分析
2022, 42(10): 3256
内蒙古农业大学草原与资源环境学院, 内蒙古自治区土壤质量与养分资源重点实验室, 内蒙古 呼和浩特 010018
综合使用光谱技术对作物养分进行实时、 有效诊断, 有助于作物的精准管理、 保障产量和减少环境污染, 提高肥料利用率, 并且为定量估测作物生化组分状况提供了一种新的途径。 光谱指数是进行作物叶片叶绿素实时估测的重要指标, 然而由于受到环境条件及内在生化成分的影响, 估测结果不尽满意。 为了进一步提高光谱指数在估测作物叶片叶绿素含量时的抗干扰能力和敏感性, 于2020年在内蒙古玉米种植典型区域进行不同氮梯度的田间试验, 在玉米的四个关键生育时期获取叶片的光谱反射率和叶绿素值, 通过建立基于面积的光谱指数和叶片叶绿素值的关系模型并进行光谱指数的优化及评价。 结果表明, 生育时期对面积光谱指数与叶片叶绿素值的关系有显著影响。 前人研究的基于面积的光谱指数在玉米苗期时对于叶片叶绿素含量的估测效果较差, 而对抽雄期叶片叶绿素含量的估测效果最佳。 基于优化算法构建的面积光谱指数显著提高了光谱指数对叶片叶绿素含量估测的准确度和稳定性, 基于优化算法的优化三角形植被指数(OTVI)、 优化叶绿素吸收积分指数(OCAI)和优化双峰面积归一化差值指数(ONDDA)在不同生育时期上比前人研究的面积光谱指数具有更强的叶绿素含量估测能力, 估测模型的决定系数R2在0.94~0.99之间。 与优化三角形植被指数(OTVI)和优化叶绿素吸收积分指数(OCAI)相比优化双峰面积归一化差值指数(ONDDA)在估测春玉米不同生育时期叶片叶绿素含量方面更为稳定, 预测模型验证结果的决定系数R2为0.94, 并且验证误差最小, RMSE和NRMSE%分别为2.29%, 3.94%, 模型估测值与实测值的验证斜率为0.996, 接近1。 综上所述, ONDDA是一个实用且适合于估测不同生育时期叶片叶绿素含量的面积光谱指数。
玉米叶片 叶绿素含量 面积光谱指数 Corn leaf Chlorophyll content Area spectral index
中国矿业大学（北京）地球科学与测绘工程学院, 北京 100083
近年来在工业化和城镇化快速发展的地区, 由重金属污染导致的环境问题尤为突出, 特别是农业重金属污染更为社会所关注, 因此, 探索快速便捷的重金属污染甄别与监测方法极为重要。 高光谱遥感作为新兴的重金属污染监测技术已有了深入研究。 提出了固有波长尺度分解（IWD）概念和方法, 并结合Hankel矩阵和奇异值分解（SVD）等建立了植被重金属污染程度预测的IWD-Hankel-SVD模型, 该模型分为单变量模型和多变量模型。 单变量模型主要是通过重金属污染的植被光谱IWD处理来获取光谱信息固有旋转分量（PRC）以提取最佳PRC的有效特征波段; 在对各特征波段所构建的Hankel矩阵进行奇异值分解（SVD）基础上, 依据获得该模型的奇异熵实现重金属污染信息预测。 多变量模型是以植物叶绿素浓度相对值、 单变量模型奇异熵作为参数实现重金属污染的信息预测。 根据不同重金属Cu2+胁迫梯度下玉米植株污染的叶片光谱和叶绿素浓度以及叶片中Cu2+含量测定的数据, 首先对不同浓度Cu2+胁迫下玉米叶片光谱进行IWD分析, 获得能够较好保留原始输入光谱信息的最佳PRC, 并从中提取到有效特征波段553~680, 681~780, 1 266~1 429, 1 430~1 631, 1 836~1 913和1 914~2 111 nm; 然后对每一个特征波段构造其Hankel矩阵并进行SVD处理, 以求取单变量的IWD-Hankel-SVD模型奇异熵; 最后通过各特征波段所对应模型奇异熵与玉米叶片中Cu2+含量的相关分析, 得到依据1 266~1 429和1 836~1 913 nm特征波段计算出奇异熵与玉米叶片中Cu2+含量的决定系数R2均高达0.9左右, 说明这两个特征波段用于IWD-Hankel-SVD模型的Cu污染程度预测更具优越性和解释能力。 同时, 再把玉米叶片中叶绿素浓度相对值、 1 266~1 429和1 836~1 913 nm特征波段相应模型奇异熵作为参数, 采用偏最小二乘回归分析, 得出多变量IWD-Hankel-SVD模型的玉米叶片Cu污染程度预测能力更强, 决定系数R2达到0.9476, 证明了多变量模型更具有鲁棒性和稳健性。
光谱分析 玉米叶片 重金属铜污染 固有波长尺度分解 预测模型 Spectral analysis Corn leaf Heavy metal copper pollution Intrinsic wavelength-scale decomposition Prediction model 光谱学与光谱分析
2021, 41(5): 1505
1 曲靖师范学院物理与电子工程学院, 云南 曲靖 655011
2 中国农业科学院(西南大学)柑桔研究所, 重庆 400712
利用红外光谱技术分析感染小斑病的玉米叶片,获取了染病玉米叶片的分子结构信息,研究结果表明真菌病原体对叶片中的蛋白质结构有一定的影响。二维相关红外光谱分析结果显示,健康玉米叶片中蛋白质二级结构的β-折叠构象随着玉米叶片的生长代谢发生变化,而染病玉米叶片中发生变化的是β-转角构象。二维相关红外光谱可以揭示真菌病原体入侵时玉米叶片分子结构的变化情况,为玉米病害的防治提供参考。
光谱学 红外光谱 二维相关红外光谱 玉米小斑病 真菌病原体 激光与光电子学进展
2019, 56(8): 083002
中国矿业大学(北京)地球科学与测绘工程学院, 北京 100083
利用高光谱遥感技术监测并识别农作物受重金属污染信息是当今热点, 研究设置了不同浓度铜离子(Cu2+)、 铅离子(Pb2+)胁迫梯度的玉米盆栽实验, 并测取了玉米叶片的光谱及叶片中重金属离子与叶绿素含量。 基于获取的光谱数据, 将光谱划分为紫谷、 蓝边、 绿峰、 红谷、 红边和红肩六个光谱特征区间, 通过光谱的一阶微分和二维多重信号分类(2D-MUSIC)算法构造空间谱, 对各光谱特征区间进行变换分析。 实验结果表明: 蓝边、 绿峰和红边阵列信号的空间谱在Cu2+胁迫下为双高峰, 在Pb2+胁迫下为单高峰, 以此能够快速、 直观地区分玉米叶片所受重金属污染的Cu2+和Pb2+元素类别。 红谷和红肩阵列信号空间谱的方位角谱峰值与玉米叶片中Cu2+含量的相关系数分别达到-0.954 5和-0.964 8, 说明用于监测Cu2+污染程度时效果理想; 紫谷阵列信号空间谱的方位角谱峰值与玉米叶片中Pb2+含量的相关系数达到-0.999 8, 说明用于监测Pb2+污染程度时效果理想。 同时通过与常规重金属污染监测方法绿峰高度(GH)、 红边位置(REP)、 红边最大值(MR)、 红边一阶微分包围面积(FAR)的应用结果进行比较分析, 空间谱法的应用结果与玉米叶片中重金属离子含量的相关性较高, 从而验证了空间谱应用于玉米重金属污染信息监测具有更好的有效性和优越性。
重金属污染 玉米叶片光谱 二维多重信号分类 空间谱 光谱特征区间 Heavy metal pollution Corn leaf spectrum 2D multiple signal classification Spatial spectrum Spectral characteristic intervals 光谱学与光谱分析
2018, 38(7): 2200
中国矿业大学（北京）地球科学与测绘工程学院, 北京 100083
光谱间微弱信息测度是当今高光谱遥感研究难点之一, 传统光谱测度方法难以区分光谱信息的微弱差异。 研究设计了不同浓度的铅(Pb)污染实验, 并测量了不同浓度铅离子（Pb2+）胁迫下玉米叶片的高光谱反射率、 叶绿素含量及Pb2+含量, 但是从所测结果得出, 不同浓度Pb2+胁迫下的光谱相似性相关系数均达到0.999, 难以区分不同浓度Pb2+胁迫引发的光谱间微弱信息差异和污染程度。 针对这一情况, 基于光谱微分处理、 正切函数增强、 光谱角量度与波谱分段检测等, 提出了一种新型的相似光谱测度方法, 即微分光谱角正切(derivative spectral angle tangent, DSAT)法。 为了验证DSAT在区分相关系数达0.99以上相似光谱的可行性和有效性, 将DSAT用于不同浓度Pb2+胁迫玉米叶片的整体波形与光谱区间子波形的信息差异性度量与检测。 实验结果得到, 波形差异信息与玉米叶片中叶绿素相对浓度与Pb2+含量显著相关。 进而也证明DSAT法在甄别较高相似性光谱间差异上具有更好的实用性和优越性。
微分光谱 光谱角 正切函数 玉米叶片 重金属铅污染 弱信息检测 Derivative spectra Spectral angle Tangent function Corn leaf Heavy metal lead pollution Weak information detection 光谱学与光谱分析
2016, 36(8): 2568
