重金属铜胁迫下玉米的光谱特征及监测研究

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（CI_red-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0.75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。     

基于空间谱的玉米叶片铜铅污染区分及程度监测

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。     

铜污染植被指数的玉米叶片污染程度探测模型

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CuSO_4·5H_2O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Cu~(2+)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λ_1和λ_2的两组叶片光谱反射率并计算相应的CPVI[λ_1,λ_2]模型指数及其与对应叶片中Cu~(2+)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(CPVI_m)。之后,利用另外26组数据对CPVI_m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CPVI_m的有效性与优越性。结果表明,NDVI, MTCI, REP和DVI与叶片中Cu~(2+)含量相关系数最高仅为0.68,残差平方和RSS最低为70.99,而CPVI_m与叶片中Cu~(2+)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CPVI_m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CPVI_m指数的鲁棒性验证, CPVI_m与叶片Cu~(2+)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Cu~(2+)含量、 CPVI_m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CPVI_m指数可有效甄别玉米受重金属Cu~(2+)污染的程度。     

铜铅胁迫下玉米叶片弱光谱信息的LD-CR-SIDSCAtan探测模型

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-SIDSCA_tan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(SIDSAM_tan)、光谱信息散度-光谱梯度角正切(SIDSGA_tan)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-SIDSCA_tan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-SIDSCA_tan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-SIDSCA_tan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。     

基于Sentinel-2A影像的玉米冠层叶绿素含量估算

农作物叶片中的叶绿素通过吸收光能参与光合作用产生化学能,及时、准确地估算叶绿素含量对于农作物长势、养分含量监测、品质评价和产量估算具有重要意义。Sentinel-2卫星的重访周期为5 d,空间分辨率为10 m,具有13个光谱波段,其中包括三个波宽仅为15 nm对叶绿素含量变化敏感的红边波段,是叶绿素含量估算的理想数据源。植被指数是基于农作物在不同波段的反射特性,通过不同波段组合方式刻画长势和叶绿素含量的差异,可用于大区域范围内的玉米冠层叶绿素含量快速、精确估算。以Sentinel-2A影像为数据源,开展基于多种植被指数的玉米冠层叶绿素含量估算方法研究。课题组于2016年8月6-11日在河北省保定市（115°29′-116°14′E,39°5′-39°35′N）进行玉米冠层叶绿素含量的实地测量,并在每个采样位置上采用中绘i80 智能RTK(real-time kinematic)测量系统进行定位。Sentinel-2A影像预处理工作包括几何校正、辐射定标和大气校正,其中大气校正使用Sen2Cor模型和SNAP模型。首先,基于预处理后的Sentinel-2A遥感影像,分别计算CI_green(green chlorophyll index), CI_red-edge(red-edge chlorophyll index), DVI(difference vegetation index), LCI(leaf chlorophyll index), MTCI(MERIS terrestrial chlorophyll index), NAVI(normalized area vegetation index), NDRE(normalized difference red-edge), NDVI(normalized difference vegetation index), RVI(ratio vegetation index), SIPI(structure insensitive pigment index)植被指数。然后,建立样方位置上实测叶绿素含量与各植被指数的统计关系,从而构建玉米冠层叶绿素含量估算模型,并以野外实测玉米冠层叶绿素含量为依据,对基于各植被指数的估算结果进行精度评价。最后,利用筛选出的最优叶绿素含量估算模型,估算研究区内的玉米冠层叶绿素含量。研究的目标为：（1）通过比较分析,构建合适的玉米冠层叶绿素含量估算模型,估算精度以决定系数R2、均方根误差RMSE以及相对误差RE作为评价指标;（2）确定最优波段组合方案：在红边波段中选择与可见光、近红外波段组合效果更优的波段组合方案;（3）确定参与植被指数计算的红边波段的最优数量。精度评价结果表明：（1）选用的植被指数与玉米冠层叶绿素含量呈多项式拟合关系,其中使用红边波段计算的植被指数的估算结果明显优于未使用红边波段的估算结果;红边波段引入后明显提高了可见光、近红外波段对叶绿素含量的拟合的精度,CI_{green(560, 705)}指数比CI_{green(560, 842)}的回归模型R2提高0.516,红边波段参与计算的DVI相对于RVI来说,估算结果更稳定。（2）对于不同的植被指数,参与运算的Sentinel-2A影像的两个红边波段,估算精度的提高程度不同。对于可见光波段参与计算的植被指数来说,在红边波段1（中心波长为705 nm）的估算精度较高,如LCI,CI_green,DVI和RVI等;对于近红外波段参与计算的植被指数来说,在红边波段2（中心波长为740 nm）的估算精度较高,如CI_red-edge,NDRE和NAVI等。（3）对于Sentinel-2A影像来说,两个红边波段共同参与叶绿素含量估算时能取得最高的的估算精度。选用的植被指数中,MTCI_{(665, 705, 740)}指数与玉米冠层叶绿素含量估算精度最高,回归模型拟合精度R2为0.803,模型验证R2为0.665,RMSE为3.185,相对误差RE为4.819%。MTCI_{(665, 705, 740)}指数计算中使用了两个红边波段,突出红边波段反射率差值变化,与玉米冠层叶绿素含量表现出很好的相关性。最后,利用优选出的基于MTCI指数的叶绿素含量估算模型,对研究区范围内的叶绿素含量进行估算并完成空间制图。     

IWD-Hankel-SVD模型下玉米叶片光谱铜污染信息预测

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。     

新型铜胁迫植被指数NCSVI探索铜污染下玉米叶片光谱敏感区间

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。     

铜铅离子胁迫下玉米污染程度的光谱识别

重金属铜离子(Cu2+)与铅离子(Pb2+)污染对玉米叶片光谱的影响微弱、隐蔽而难于探测。研究中设置不同浓度Cu2+, Pb2+胁迫的玉米盆栽实验,测定了玉米叶片光谱、叶片中Cu2+, Pb2+含量与叶绿素相对含量,分析了Cu2+, Pb2+污染胁迫下玉米叶片光谱响应特征,并选取480～670与670～750 nm范围来进行分析,在光谱维中定义了光谱微分差信息熵指数与在频率域中通过谐波分析提取了前三次谐波振幅(c₁, c₂与c₃)指数,并用所定义的指数探测分别受Cu2+, Pb2+胁迫玉米叶片光谱微弱差异。实验结果表明,在480～670与670～750 nm范围内,玉米叶片中重金属离子浓度越大,其光谱微分差信息熵就越大;在480～670 nm波段,谐波分解后第一谐波振幅c₁与第二谐波振幅c₂可用于识别Cu2+, Pb2+污染程度;在670～750 nm波段,第一谐波振幅c₁、第二谐波振幅c₂与第三谐波振幅c₃可用于识别Cu2+污染程度,而c₂则可以识别Pb2+污染程度,污染胁迫越大振幅越大。在480～670与670～750 nm波段内,光谱微分差信息熵与前三次谐波振幅可作为识别玉米受Cu2+, Pb2+污染胁迫程度的指数,从光谱维与频率域两种维度来识别玉米受Cu2+, Pb2+胁迫程度的方法可行,文中定义的两类指数可稳健、可靠地探测与识别玉米受Cu2+, Pb2+影响所产生的光谱微弱差异,研究结果对利用高光谱来探测植被受重金属污染胁迫程度具有一定的参考价值。     

重金属污染水稻的冠层反射光谱特征研究

利用野外光谱仪获取矿区农田重金属污染水稻的冠层反射光谱,通过曲线模拟和统计分析提取了与水稻冠层叶片重金属含量变化极显著相关的光谱敏感波段(Pb, 460 nm;Zn, 560 nm;Cu, 660 nm;As, 1 100 nm)、归一化植被指数(Pb, NDVI_{(510, 810)};Zn, NDVI_{(510, 870)};Cu, NDVI_{(660, 870)};As, NDVI_{(510, 810)})和“红边”位置等水稻冠层反射光谱特征。表明水稻重金属污染可以被地面遥感传感器快速检测,其浓度变化与所提取的光谱特征之间存在极显著相关,归一化植被指数与“红边”位置对光谱信息的表达要优于敏感波段。归一化植被指数以及“红边”位置可以作为水稻重金属污染遥感监测模型的光谱特征参数选择参考。同时,文章提出了利用遥感技术监测水稻重金属污染的“光谱临界值”概念, 并计算出研究中各重金属对应的“光谱临界值”。     

玉米苗期干旱胁迫对关键生育期的光谱特征影响分析

植被的光谱特征是监测植被生长发育状态、健康状况的基础,探索玉米苗期干旱胁迫后的关键发育期光谱特征变化,不仅为植被光谱数据库的建设提供理论数据,也为植被水分胁迫高光谱识别提供理论依据。以辽宁西部锦州生态与农业气象站大型农田土壤水分控制场为研究区,对玉米苗期、拔节期、抽雄期和乳熟期4个发育期进行苗期干旱胁迫小区和水分适宜小区光谱观测,通过分析原始光谱、一阶导数光谱、光谱参数和水分敏感植被指数,对比苗期干旱胁迫光谱与同期对照的光谱特征差异性。结果表明:(1)对于原始光谱来说,玉米在苗期受到干旱胁迫后,与同期水分适宜的玉米光谱特征有较为明显区别,在可见光波段和短波红外波段反射率均高于同期对照反射率,近红外波段明显低于同期对照反射率,拔节期差异性最为显著,达到了5%左右,随着作物的生长,差异性逐渐减弱。(2)4个发育期玉米一阶导数光谱在可见光波段均出现双峰,红光位置峰值在抽雄期达到最大;苗期干旱胁迫一阶导数光谱的红光位置峰值均低于同期对照,拔节期差异明显,在0.003左右,乳熟期差别明显减小,可区分性减弱。(3)苗期胁迫玉米光谱参数与同期对照相比,从苗期到乳熟期,红边位置存在"蓝移"—"红移"—"蓝移"的现象,绿峰位置均存在向长波方向移动的现象;在抽雄期和乳熟期,蓝边位置、蓝边幅值、黄边位置和黄边幅值两者差异不明显;在三边面积中,红边面积均低于同期对照,黄边面积均高于对照,两者的蓝边面积无明显差异。(4)在8个水分敏感植被指数中, NDWI和NDW_2的差异性指数在玉米四个关键发育期均达到50%以上,可区分性明显。该研究旨在为植物水分胁迫光谱库提供基础数据,为作物干旱识别的谱段选择及高光谱波段设置提供基础依据。     

北京市平谷区桃林土壤重金属元素含量反演估测

矿产资源开采中产生的废渣废液长期堆存后产生的渗滤液向土壤中扩散易造成周围土壤的重金属污染,影响作物生长;人类通过食物链食用含重金属元素的果实后,会引起神经系统的神经衰弱、手足麻木,消化系统的消化不良,血液中毒和肾损伤等症状;这种对生态环境和人身安全的污染和损害是十分严重的。因此如何快速有效摸清矿区周围农作物土壤污染情况尤为重要。多光谱遥感由于具备光谱分辨率高、实时无损、大面积监测等优势,在突破植被屏障监测土壤重金属上具有巨大的潜力。以平谷区主要的农作物桃树为研究对象,利用桃叶的高光谱数据、土壤采样数据,分析桃叶光谱曲线的响应特性,对桃叶反射光谱进行一阶／二阶微分、标准正态、连续去统等四种变换,结合相关分析及多元线性回归模型确定光谱特征变量,构建植被指数HMSVI;结果表明HMSVI与土壤中Cd,AS和Pb含量的相关性较常用植被指数高。运用线型回归方法进行元素含量与植被指数HMSVI建模后,选取拟合较好的模型,实现了叶片高光谱与土壤重金属含量的统计建模, 最后利用Sentinel-2遥感影像反演三种重金属含量空间分布,并对结果进行精度验证。结果表明：受重金属胁迫叶片的平均光谱反射率高于正常叶片且红边位置发生了“蓝移”现象。780,945和1 375 nm三个波段对三种重金属污染都较为敏感,利用三个波段构建的植被指数建立的反演模型能较好的用于桃林土壤重金属元素含量预测,其预测模型分别为Y=0.44X+0.193,Y=7.436lnX+13.161,Y=-15.359X+13.583X2+23.541,且具有较好稳定性和适宜性。空间反演结果表示,三种重金属高值区均大面积的分布在平谷区刘家店尾矿库、万庄尾矿库、金海湖尾矿库附近,西部相比东部矿区重金属污染更为严重。研究结果可以为北京平谷区桃林重金属污染的预防与治理提供基础数据支持。     

土壤镉污染环境下水稻叶片叶绿素含量监测的高光谱遥感信息参数

农田重金属污染是当今世界面临的重大生态环境问题之一,与环境质量、人类生存和粮食安全关系密切,是普遍关注的重要课题。利用Hyperion高光谱卫星遥感数据和大量地面实验测量数据,系统分析受镉污染的水稻叶片中叶绿素含量变化及其与高光谱遥感数据的响应关系,建立基于水稻叶绿素变化的农田镉污染遥感监测模型。利用多重判别分析法,确定监测水稻叶绿素变化的敏感遥感参数,作为镉污染的响应因子,进行农田污染遥感监测信息机理分析,并建立了污染监测机理遥感模型。研究结果表明,众多的遥感参数中,MCARI(modified chlorophyll absorption in reflectance index) 对镉污染的水稻叶绿素含量变化最为敏感,响应系数达到0.59。因此,可以通过该高光谱遥感参数的变化初步监测大面积土壤镉污染,但估算精度还有待进一步提高。     

利用光谱指数反演植被叶绿素含量的精度及稳定性研究

农业遥感中,利用光谱指数方法反演作物叶绿素含量一直得到广泛地应用。利用PSR-3500光谱仪及SPAD-502叶绿素仪同步获取了冬小麦冠层光谱数据及对应叶片的叶绿素相对含量(SPAD值),并利用高斯光谱响应模型将PSR获取的地面连续光谱数据重采样为多光谱Landsat-TM7及高光谱Hyperion光谱数据,然后分别计算基于两种传感器的归一化差值植被指数(normalized difference vegetation index, NDVI)、综合叶绿素光谱指数(MCARI/OSAVI,the ratio of the modified transformed chlorophyll absorption ratio index (MCARI) to optimized soil adjusted vegetation index(OSAVI))、三角形植被指数(triangle vegetation index, TVI)及通用植被指数(vegetation index based on universal pattern decomposition method, VIUPD),再将四种光谱指数与叶绿素含量进行回归分析。结果表明,针对重采样后的TM和Hyperion两种传感器数据,VIUPD反演叶绿素含量精度(决定系数R2)最高,反演能力最稳定,这与其“不受传感器影响”的特性密不可分;MCARI/OSAVI反演精度和稳定性次之,是因为引入的OSAVI削弱了土壤背景的影响;宽波段指数NDVI和TVI对模拟TM数据有较好的反演精度,对Hyperion数据反演精度却很低,可能是因为两种指数的构成形式简单,考虑的影响因素较少。以冬小麦为例,对利用光谱指数反演植被叶绿素含量的精度和稳定性进行了研究并分析了其影响因素,经比较发现利用植被指数VIUPD进行植被叶绿素含量反演时,其精度和稳定性最好。     

农用地土壤As元素与叶片光谱特征关系研究

重金属污染是土壤环境污染中亟待解决的问题之一,重金属通过土壤向植物富集,危及人体健康,对生态环境产生巨大隐患。传统的土壤污染监测以化学方法为主,不仅费时费力且监测范围有限,而基于植被高光谱技术的土壤重金属监测方法能够快速准确地获取土壤重金属含量,突破植被屏障,提高土壤重金属监测效率。近年来,国内外许多学者致力于使用盆栽实验定量研究土壤污染物对植物光谱特征影响,而野外环境下的实验研究相对缺少,因此建立合适准确的野外土壤重金属预测模型具有重要意义,为改善耕地土壤质量提供参考。以北京市优势经济果树桃树为研究对象,在研究区均匀设置了50个采样点,利用FieldSpec 4便携式地物波谱仪测量桃树叶片光谱数据,同时采集土壤样本带回实验室检测分析获得土壤重金属含量数据。通过分析不同污染下桃树叶片在重金属胁迫下的叶片光谱特征,计算不同土壤重金属与叶片光谱之间的相关关系,确定土壤As元素与光谱反射率相关性更大,因此选择土壤As元素计算其与不同植被指数之间的相关系数,并用合适的植被指数构建土壤As元素预测模型。结果表明：污染区桃叶光谱反射率总体上比背景区的光谱反射率更高,其中760~1 300 nm波长范围内对土壤重金属更加敏感,土壤重金属对叶片红、蓝、黄边位置干扰不明显,对红、蓝、黄边斜率敏感,且均呈正向相关性。光谱反射率与土壤Cr,Cu和Hg元素相关性较弱,与As,Pb和Cd元素在某些波段范围内达到0.1级显著相关,且总体相关曲线趋势相同,相关性大小依次排序为As>Pb>Cd。以相关性更强的土壤As元素与植被指数进行相关分析表明,土壤As元素与PRI1和PRI3均显著相关。使用SPSS数据分析软件以PRI1和PRI3为自变量,土壤As元素为因变量分别进行回归分析,检测结果发现,PRI3的指数预测模型(y=e43.644x-39.386, R2=0.937, RMSE=0.161)效果最好且具有更好的稳定性。