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。

水是植物正常生长发育必不可缺的元素之一, 能够快速检测并获取植物叶片水分, 对田间作物灌溉生产管理和作物的生理需水特性研究等具有重要的意义。 利用RedEdge-M型号多光谱相机, 以不同生育期的55组玉米叶片作为试验对象, 在光线充足且无阴影遮挡的环境下对试验玉米叶片样本进行拍摄, 拍摄过程中通过直连下行光传感器来消除太阳高度角对光谱反射的影响, 每组玉米叶片样本经过拍摄可得到蓝、 绿、 红、 近红外和红边等5个波段的TIFF图像。 借助图像处理软件ENVI5.3构建玉米叶片样本兴趣区域(ROI), 以ROI范围内玉米叶片样本的平均反射光谱作为该样本的反射光谱来减小镜头边缘减光现象带来的误差。 参照标准白板出厂时提供的专属标定反射率、 白板ROI范围内的平均反射光谱和玉米叶片样本白板ROI范围内的平均反射光谱, 比值换算得到各组玉米叶片5个波段处的光谱反射率。 同时利用YLS-D型号植物营养测定仪, 采用五点取样法选择玉米叶片的5个区域测取玉米叶片样本的水厚度平均值作为叶片含水量的测量指标。 随机选取43组玉米叶片样本得出的光谱反射率作为训练样本, 采用BP神经网络建立基于多光谱图像的玉米叶片含水量反演模型, 并融合莱文贝格-马夸特理论(Levenberg-Marquardt, L-M)进行经典神经网络现有缺点的改进。 输入神经元数目为5个, 即蓝、 绿、 红、 近红外和红边等5个波段图像对应的反射率, 输出神经元为1个, 即玉米叶片含水量。 剩余12组玉米叶片作为验证样本用于模型反演数据的相关性分析, 结果表明, 利用多光谱图像光谱信息并结合基于Levenberg-Marquardt方法改进后BP神经网络玉米叶片含水量反演模型, 模型反演的拟合相关系数能达到0.896 37, 12组验证集中玉米叶片含水量参考值和反演值的相关系数r达到0.894 8, 反演结果比较理想。 可以实现对玉米叶片含水量的快速准确检测, 对精准农业的推广和应用提供了方法和参考依据。

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。