1 中国航天科工集团第三研究院航天海鹰卫星运营事业部, 北京 100070
2 中国资源卫星应用中心, 北京 100094
3 中国矿业大学(北京)地球科学与测绘工程学院, 北京 100083
4 安徽理工大学深部煤矿采动响应与灾害防控国家重点实验室, 安徽 淮南 232001
植被重金属污染监测是当今高光谱遥感监测研究的重要内容。 为了将高光谱遥感技术定性的用于植被重金属污染监测研究, 从盆栽实验采集的反射率光谱数据方面进行研究。 在实验室室内设置不同胁迫浓度的重金属铜铅玉米盆栽实验, 测定了不同浓度Cu2+和Pb2+胁迫下玉米叶片的反射率光谱和Cu2+和Pb2+含量等有关铜铅污染玉米的基础数据, 形成了关于重金属铜铅污染玉米植株的一套完整的数据集。 研究提出了一种铜铅探测指数(CLDI), 实现了不同培育期的两种玉米品种的重金属铜铅胁迫监测, 从而为当前植被重金属污染探测提供了新的思路。 研究设计了不同浓度的铜铅污染实验, 将测量获得的玉米叶片450~850 nm的光谱反射率进行一阶微分(D)和包络线去除(CR)处理后得到微分包络线去除(DCR)光谱曲线, 利用皮尔逊相关系数(r)分析DCR数据和生化数据, 选择对重金属Cu敏感的特征波段。 计算的皮尔逊相关系数表明DCR值在490~520和680~700 nm与土壤和叶片中的Cu2+含量呈现接近于1的线性正相关, 在630~650和710~750 nm呈现接近于-1的线性负相关。 选择波长505, 640, 690和730 nm的DCR值建立CLDI, 通过计算土壤和叶片中的Cu2+含量与CLDI和常规的植被指数(VIs)的皮尔逊相关系数, 将两者进行对比, 从而验证了CLDI的有效性。 选用2017年实验获取的不同品种玉米叶片光谱数据, 将CLDI同样和常规的植被指数(VIs)进行对比, 从而验证了CLDI对不同品种的玉米具有鲁棒性。 将CLDI应用到铅胁迫下玉米叶片的污染程度监测, 验证了其对于不同重金属的普适性。 结果表明, CLDI与Cu2+和Pb2+胁迫浓度相关性显著, 与其他植被指数相比, 相关性更高。 提出的CLDI探测铜铅胁迫下不同品种不同时期的玉米污染程度, 具有计算方便, 鲁棒性, 高效性、 普适性的优点。 该研究基于实验室叶片尺度, 可为冠层尺度的重金属胁迫监测提供理论基础。
高光谱遥感 玉米叶片 重金属污染 铜铅探测指数 特征波段 Hyperspectral remote sensing Maize leaves Heavy metal pollution Copper lead detection index Characteristic bands 光谱学与光谱分析
2023, 43(4): 1268
1 华北水利水电大学土木与交通学院,郑州 450000
2 广东省水利水电科学研究院,广州 510610
制备一种低成本、环保型焚烧垃圾渣超高性能混凝土(UHPC)。根据修正后的Andreasen and Andersen模型进行配合比设计,将处理后焚烧垃圾渣替代河砂,制备不同替换率超高性能混凝土,并对其进行工作性能、力学性能、孔隙特征、水化过程、微观特征以及毒性固结性能测试。结果表明,随着垃圾渣的加入,UHPC的工作性能和抗压强度有所下降,但流动性不低于240 mm,抗压强度不低于117 MPa,累计孔隙含量增加,孔隙大部分分布在<20 nm无害孔范围内,混凝土界面过渡区裂缝增多,混凝土中锌(Zn)、铅(Pb)和铬(Cr)重金属的离子浸出浓度均低于国标限值,有效地实现了对重金属元素的固结。
焚烧垃圾渣 超高性能混凝土 细骨料 重金属污染 生活垃圾 环境友好 优化配合比 waste incineration slag ultra-high performance concrete fine aggregate heavy metal pollution domestic garbage environmentally friendly optimizing mix ratio
目前, 治理重金属污染的方法有很多, 其中利用植物与细菌联合治理的方法具有成本低、效益高等优势, 受到人们广泛关注。在重金属胁迫下, 许多细菌不仅发展出很强的重金属耐受性, 而且可以通过溶磷作用、固氮作用、解钾作用、分泌相关代谢产物等途径促进植物生长, 也可以通过改变金属流动性、诱导相关基因高表达等途径增强植物对重金属的抵抗能力。本文就细菌与植物协同治理重金属污染的作用机制展开综述, 以期为细菌协同植物治理重金属污染的应用和研究提供参考。
细菌 植物 重金属污染 联合治理 作用机制 bacteria plants heavy metal pollution joint governance mechanism of action
1 中国资源卫星应用中心, 北京 100094
2 中国矿业大学(北京)地球科学与测绘工程学院, 北京 100083
3 安徽理工大学深部煤矿采动响应与灾害防控国家重点实验室, 安徽 淮南 232001
4 安徽理工大学测绘学院, 安徽 淮南 232001
目前我国土壤重金属污染日趋严重, 高光谱遥感因具有光谱分辨率高、 图谱合一等特点成为农作物重金属污染研究的热点。 农作物受重金属污染后其光谱会发生细微的改变, 如何探寻叶片光谱中对重金属污染敏感的波段是目前的一种研究方向。 提出了一种新型铜胁迫植被指数(NCSVI)来探索铜胁迫下玉米光谱敏感区间。 通过设计不同梯度下的玉米铜胁迫实验, 测定每个铜胁迫浓度下玉米叶片的光谱和Cu2+的含量。 首先, 将玉米叶片光谱分为11个子区间, 以每个子区间的中间波长对应的光谱反射率构建各自的NCSVI。 然后, 计算NCSVI与玉米叶片中Cu2+含量的相关性系数R及均方根误差RMSE, 结合水波段指数(WBI)、 改进的叶绿素吸收率指数(MCARI)和归一化水指数(NDWI)这三种常规植被指数进行对比。 最后, 选用其他年份相同实验条件下获取的玉米叶片光谱进行验证, 确认NCSVI的稳定性和有效性。 结果表明, 11个子区间中只有绿峰、 红边、 近谷和近峰A这四个子区间对应的NCSVI与玉米叶片Cu2+含量相关性系数的绝对值高于0.9, 分别为-0.94, -0.97, -0.94和-0.96, 均方根误差均低于15, 分别为12.57, 8.71, 12.71和10.06, 而WBI, MCARI和NDWI的相关性系数最高的仅达到0.75, 均方根误差最小的为24.21, 说明四个子区间对应的NCSVI对玉米叶片铜污染有着更好的指示性。 利用不同年份相同条件下的玉米实验对以上结果进行验证, 发现11个子区间中, R绝对值大于0.9、 RMSE小于1.55的只有绿峰、 红边、 近谷和近峰A这四个子区间, 其中R分别为-0.9, -0.97, -0.97和-0.93, RMSE分别为1.50, 0.85, 0.78和1.29, 均优于WBI, MCARI和NDWI, 与2016年实验得出的敏感子区间一致, 说明NCSVI能探测铜胁迫下玉米光谱的敏感区间, 具备效率高、 稳定性好的特点。 所提出的NCSVI指数可作为监测玉米叶片铜污染的一种方法, 并为其他农作物重金属污染研究提供一定的理论支持。
高光谱遥感 玉米叶片 重金属污染 新型铜胁迫植被指数 光谱敏感区间 Hyperspectral remote sensing Corn leaves Heavy metal pollution New copper stress vegetation index Spectral sensitive interval 光谱学与光谱分析
2021, 41(8): 2604
中国矿业大学(北京)地球科学与测绘工程学院, 北京 100083
重金属污染农作物后可通过食物链进入人体从而严重危害身体健康。 如何快速准确地监测农作物中重金属含量已成为当今生态与粮食安全等领域的重要研究内容。 常规的生化监测方法存在操作繁琐、 过程长、 具有破坏性等缺点, 而高光谱遥感具有光谱分辨率高、 信息量大、 生化反演能力强、 方便快捷、 对监测对象无损伤等优势, 因此利用高光谱遥感技术监测农作物中重金属含量已成为遥感领域的热点研究之一。 以不同浓度Pb(NO3)2溶液胁迫下盆栽玉米植株为研究对象, 基于不同铅离子(Pb2+)胁迫梯度下玉米叶片的反射光谱及其中Pb2+含量的测定数据, 结合奇异值分解(SVD)理论和自适应模糊神经网络推理系统(ANFIS)结构, 建立了一种Pb2+含量预测的SVD-ANFIS模型。 首先对各胁迫梯度下玉米的老叶(O)、 中叶(M)、 新叶(N)三种叶片的反射光谱数据进行SVD处理, 获取原始光谱信息的奇异值; 然后选择O, M和N叶片对应的奇异值来寻求ANFIS结构的最佳输入组合, 最终选定O-M(双输入)组合作为ANFIS结构的输入量, 通过训练和学习获得最优模糊规则库后, ANFIS结构的输出量即为叶片中Pb2+含量, 从而实现了SVD-ANFIS模型的预测性能。 研究结果表明, 该模型的输出误差值较小, 精度较高, 在模糊训练过程中隶属函数选为钟型函数时预测效果最佳。 利用多参数的反向传播(BP)神经网络预测模型对SVD-ANFIS模型的预测优越性进行验证时, 得到BP模型和SVD-ANFIS模型的决定系数(R2)分别为0.977 6和0.988 7, 均方根误差(RMSE)分别为2.455 9和0.601 3, 可见SVD-ANFIS模型的拟合度更高, 预测效果更好。 同时选取不同年份的Pb污染玉米叶片等光谱数据对SVD-ANFIS模型进行可行性检验, 其R2和RMSE分别为0.986 4和0.887 4, 说明SVD-ANFIS模型能较好的用于玉米叶片中Pb2+含量预测且具有较高的鲁棒性, 可作为预测玉米叶片中重金属含量的一种方法。
光谱分析 玉米叶片 奇异值分解 重金属污染 预测模型 Spectral analysis Corn leaves Singular value decomposition Adaptive network-based fuzzy inference system ANFIS Heavy metal pollution Prediction model 光谱学与光谱分析
2021, 41(6): 1930
1 西南科技大学极端条件物质特性联合实验室, 四川 绵阳 621010
2 西南科技大学理学院, 四川 绵阳 621010
3 西南科技大学制造科学与工程学院, 四川 绵阳 621010
大气气溶胶中重金属污染物能够对生态系统甚至人体造成不利影响, 因而对其中重金属污染物进行检测和分析是有必要的。利用激光诱导击穿光谱 (LIBS) 技术, 对持续收集 20 min 的大气 气溶胶进行金属元素的定性分析和有毒重金属的定量分析, 并重点研究了在本实验系统下气溶胶中 Cr 元素的 LIBS 分析谱线。 随后经归一化处理研究了大气气溶胶中 Cr 元素强度与中国环监总站公布的 PM2.5 和 PM10 含量之间的关系, 通过建立重金属元 素的定标曲线检测了气溶胶样品中重金属元素的含量, 并计算了相关重金属元素的检测限。实验结果表明, 大气气溶胶中含 有 Cr、Na、Mg、Al、Ca、Fe、Ba 等金属元素, 其中 Cr 元素谱线强度与中国环监总站公布的 PM2.5、PM10 数据成正相关, 尤其与 PM2.5 数据相关性更好。本实验建立的重金属元素定标曲线相关系数 R2 在 0.995~0.997 之间, 检测限在 1.9~3.6 mg/kg 之间, 表明该方法可以用于快速检测大气气溶胶中的重金属元素含量。
光谱学 快速检测 激光诱导击穿光谱 大气气溶胶 重金属污染 spectroscopy rapid detection laser-induced breakdown spectroscopy atmospheric aerosol heavy metal pollution
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
采用飞秒激光成丝-纳秒脉冲激光诱导击穿光谱技术(Filament-ns DP-LIBS)对土壤中重金属铅元素进行了定量分析。利用飞秒激光等离子体丝烧蚀含铅土壤样品, 向外喷射低密度的土壤粒子源, 经脉冲间隔Δt后, 纳秒脉冲激光再烧蚀低密度土壤粒子, 实现等离子体发射光谱强度增强, 谱线宽度压缩, 降低土壤中重金属铅元素的最小检测限。实验结果表明, 相比飞秒激光等离子体丝诱导击穿光谱技术(FIBS), 在飞秒-纳秒脉冲间隔Δt=10 μs条件时, PbI405.78 nm光谱增强因子为9.66, 谱线宽度从3.66×10-10m压缩至2.74×10-10m, 提高了LIBS光谱分辨率。FIBS和Filament-ns DP-LIBS条件下定标曲线的线性相关系数R2分别为0.982和0.994。FIBS条件下的RSD和LOD值分别为7.37%和65.86 mg/kg, Filament-ns DP-LIBS条件下的RSD和LOD值分别为3.27%和24.39 mg/kg。研究结果表明, Filament-ns DP-LIBS技术可以降低土壤重金属的最小检测限, 提高LIBS的检测灵敏度。
飞秒激光成丝-纳秒脉冲激光诱导击穿光谱技术 光谱分辨率 土壤重金属污染 Pb元素 filament-nanosecond laser induced breakdown spectr spectral resolution soil heavy metal pollution Pb element
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
土壤受重金属污染后, 会影响农作物及食品安全, 危及人体健康, 因此寻找快速、 高效甄测土壤重金属污染信息的方法尤为关键。 传统化学分析方法存在过程繁杂、 费时耗力等缺点, 而高光谱遥感因光谱分辨率高、 信息量大、 快速无损等特点在环境监测等应用方面优势明显。 由于电磁遥感信号反射、 辐射过程复杂, 通过仪器获取的土壤高光谱数据难以直接解析出重金属污染信息, 因而, 研究并寻求一种能够有效挖掘土壤重金属污染信息的方法对高光谱遥感监测污染意义重大。 不同浓度铜(Cu)污染会使土壤理化性质改变, 引发土壤光谱产生微弱变化, 该研究目的是对Cu污染土壤光谱的特征及弱差信息进行识别、 提取与分析, 进而挖掘光谱中的重金属污染信息。 采用包络线去除(CR)对光谱进行预处理, 通过定义局部极大值均值(LMM)与半波高(HWH), 结合时频分析的短时傅里叶变换(STFT)及能量谱密度(PSD), 构建LH-PSD甄测模型。 通过模型对极相似土壤光谱进行处理, 所获PSD分布图使光谱间的微弱差异可视化显现, 并显著区分了相似光谱, 验证了模型对光谱特征及弱差信息的甄别能力和有效性。 同时应用该模型, 对不同Cu污染梯度的土壤实验光谱进行重金属污染信息的提取与分析, 研究结果表明, LH-PSD甄测模型中, LMM与HWH可有效提取光谱间差异特征并以阶梯状显现。 经模型处理后得到的可视化PSD分布图能直观定性判别土壤是否受重金属Cu污染, 即当土壤受重金属Cu污染后, 相同采样频数下, 在频率为100与600 Hz附近PSD分布会出现明显空缺分离, 随着Cu污染浓度的增加, 在100~600 Hz之间PSD的分布呈逐渐稀疏态势。 能量值E可定量化监测土壤Cu污染程度, 即随着土壤中Cu污染浓度的增加, E值呈下降趋势, 且与Cu含量的相关系数达到-0.910 5, 显著相关。 为检验模型的可靠性, 研究结合栽种玉米作物的土壤光谱, 经LH-PSD甄测模型对其进行分析, 所得可视化的PSD分布图结果与实验分析中基本一致, 且能量值E的监测结果与土壤中Cu含量相关系数达到-0.973 9, 相关性显著, 验证了模型的可靠性。 因此, LH-PSD甄测模型实现了对土壤光谱从光谱域到时频域的甄析, 为深度挖掘重金属污染的光谱特征及弱差信息提供一种新思路。
高光谱遥感 重金属污染 特征信息 甄测模型 土壤污染监测 Hyperspectral remote sensing Heavy metal pollution Characteristic information Analysis model Soil pollution monitoring 光谱学与光谱分析
2019, 39(7): 2228
1 中国矿业大学(北京)地球科学与测绘工程学院, 北京 100083
2 华北理工大学, 河北 唐山 063210
农作物在受到重金属污染以后, 会破坏本身的组织细胞结构和叶绿素含量, 从而影响农作物的新陈代谢和健康状况。 人和动物如果食用了污染的农作物以后, 会有致命的伤害。 高光谱遥感目前被广泛应用于监测农作物受重金属污染的程度。 重金属污染下的农作物叶片的光谱变化很微小, 传统的监测方法和常规的光谱特征参数很难将光谱之间的微弱差异区别开, 目前高光谱遥感应用是研究的重点和难点。 通过设置不同浓度的Cu2+和Pb2+胁迫下玉米盆栽实验, 采集玉米叶片的光谱数据、 叶绿素的相对含量以及重金属Cu2+和Pb2+的相对含量。 提出了包络线去除(CR)、 光谱相关角(SCA)、 光谱信息散度(SID)以及正切函数(Tan)和兰氏距离(LD)相结合的LD-CR-SIDSCAtan模型, 将其与传统的光谱测度方法, 如光谱相关系数(SCC)、 光谱角(SA)、 光谱角正切(DSA)、 光谱信息散度-光谱相关角正切(SIDSAMtan)、 光谱信息散度-光谱梯度角正切(SIDSGAtan)和常规的光谱特征参数, 如红边最大值(MR)、 绿峰高度(GH)、 红边一阶微分包围面积(FAR)、 红边一阶微分曲线陡峭度(FCDR)、 蓝边(DB)、 红谷吸收深度(RD)相比较, 验证了该模型的优越性和可行性。 并且将LD-CR-SIDSCAtan模型应用于不同浓度下Cu2+和Pb2+胁迫的玉米叶片的整体波形和子波段的光谱差异信息的测度上。 结果表明, LD-CR-SIDSCAtan模型实现了重金属Cu2+和Pb2+污染的定性分析, 能够测度光谱相关系数达到0.99以上的相似光谱之间的差异信息, 波形差异信息与叶片测得的叶绿素相对含量和重金属Cu2+和Pb2+相对含量显著相关, 也分别找到了重金属Cu2+和Pb2+胁迫下的光谱响应波段。 在测度光谱数据的整个波段区间范围, 模型值为负值时的光谱差异要比模型值为正值更加明显; 在模型值为正值时, 如果数值越大, 光谱的差异性也越大。 因此, 随着重金属Cu2+和Pb2+浓度的增加, 光谱的差异增大, 意味着重金属Cu2+和Pb2+污染程度更为严重; 玉米植株受到重金属Cu2+胁迫污染, 在测度光谱数据的局部子波段区间范围时, “蓝边”、 “红边”、 “近谷”、 “近峰B”处对重金属Cu2+胁迫污染响应特别的敏感, 可以作为监测重金属Cu2+污染程度的有效波段; 当玉米植株受到重金属Pb2+胁迫污染时, 在“紫谷”、 “蓝边”、 “黄边”、 “红谷”、 “红边”、 “近峰A” 处对重金属Pb2+胁迫污染响应特别的敏感, 可以作为监测重金属Pb2+污染程度的有效波段。 最后通过LD-CR-SIDSCAtan模型的应用结果与玉米叶片中Cu2+和Pb2+含量进行线性拟合分析, 从而反演和预测了重金属Cu2+和Pb2+对玉米植株的污染程度。
高光谱遥感 玉米叶片 重金属污染 光谱弱信息 光谱分析 Hyperspectral remote sensing Maize leaf Heavy metal pollution Spectral weak information Spectral analysis 光谱学与光谱分析
2019, 39(7): 2091