作者单位
摘要
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
作者单位
摘要
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
作者单位
摘要
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 
光谱学与光谱分析
2022, 42(3): 924
作者单位
摘要
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
作者单位
摘要
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
作者单位
摘要
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
作者单位
摘要
1 中国农业大学工学院食品质量与安全北京实验室, 北京 100083
2 中国农业大学土地科学与技术学院, 北京 100083
3 中国农业大学信息与电气工程学院, 北京 100083
4 中国农业大学水利与土木工程学院, 北京 100083
5 中国农业大学工学院, 北京 100083
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。
多光谱图像 玉米叶片 含水量 BP神经网络 Multispectral images Maize leaves Water content BP Neural network 
光谱学与光谱分析
2020, 40(4): 1257
作者单位
摘要
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 
光谱学与光谱分析
2020, 40(1): 209
作者单位
摘要
农业农村部植物营养与肥料重点实验室, 中国农业科学院农业资源与农业区划研究所, 北京 100081
为了明确不同生育时期进行玉米氮素营养诊断的叶片层位, 建立准确稳健的玉米氮素营养诊断模型, 以达到合理追施氮肥, 提高氮肥利用率的目的。 试验采用单因素盆栽试验设计, 以玉米(郑单958)为研究对象, 应用高光谱技术, 分析了不同氮营养水平下不同生育时期不同层位玉米叶片的氮含量分布和变化规律及光谱响应特征; 并依据叶片氮含量与光谱反射率的相关关系, 叶片氮含量与全波段(400~2 000 nm)任意两两波段组合构建的比值光谱指数(RSI)的回归关系, 初步确定了不同生育时期进行氮素营养高光谱诊断的目标叶片, 筛选出最优的比值光谱指数, 建立了叶片氮素含量估算模型。 结果表明: 玉米叶片氮含量: 上层>中层>下层; 随着玉米的生长, 在低氮条件下上层叶片氮含量呈先减少后增加(追肥)再减少趋势, 在高氮条件下呈减少趋势, 中下层叶片氮含量呈递减趋势。 六叶期下层玉米叶片光谱反射率敏感范围较大, 相关性较强; 九叶期和灌浆期上层玉米叶片的光谱反射率敏感范围较广, 相关性较强; 开花吐丝期中层叶片的光谱反射率敏感范围较大, 相关性较强。 六叶期选取下层叶作为诊断目标叶, 选取最佳比值光谱指数RSI(1 811, 1 842)建立线性估算模型, 九叶期和灌浆期选取上层叶片作为诊断目标叶, 选取的最佳比值光谱指数分别为RSI(720, 557), RSI(600, 511)建立线性估算模型, 开花吐丝期选取中层叶片作为诊断目标叶, 选取比值光谱指数RSI(688, 644)建立线性估算模型。 研究结果可为快速准确地利用光谱技术进行玉米叶片氮素营养诊断提供理论依据。
玉米叶片 氮素含量 光谱指数 分层诊断 Maize leaf Nitrogen Content Spectral index Diagnosis layer 
光谱学与光谱分析
2019, 39(9): 2829
张超 1杨可明 1王敏 1,2高鹏 1[ ... ]李燕 1
作者单位
摘要
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

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!