羅力兵，劉湘南，吳伶，劉美玲

（中國地質大學（北京）信息工程學院，北京 100083）

鎘脅迫水稻潛熱通量與冠層結構參數(shù)變化遙感分析

羅力兵，劉湘南*，吳伶，劉美玲

（中國地質大學（北京）信息工程學院，北京 100083）

為了更準確地監(jiān)測農(nóng)田水稻鎘污染狀況，結合水稻冠層能量平衡和結構參數(shù)LAI（Leafarea index），構建水稻生理功能敏感指數(shù)Pf（Physiological function sensitivity index），分析水稻鎘脅迫水平：首先利用遙感影像數(shù)據(jù)和實測數(shù)據(jù)，基于能量平衡模型模擬實驗區(qū)水稻潛熱通量LE（Latentheat flux），然后結合LE與LAI構建水稻生理功能敏感指數(shù)Pf，最后根據(jù)Pf識別水稻鎘脅迫。結果表明，鎘脅迫越重水稻LE、LAI和Pf值越小，LE可將水稻鎘脅迫區(qū)分為重度和輕度/中度兩個水平；LAI可將水稻鎘脅迫區(qū)分為中度/重度和輕度脅迫兩個水平；Pf能更好地將水稻鎘脅迫區(qū)分為輕度、中度和重度三個水平，其區(qū)分準確度分別為70.59%、69.05%和84.79%。Pf能有效診斷并定量分析水稻鎘污染脅迫狀況，為作物重金屬污染監(jiān)測提供重要參考。

鎘脅迫；能量平衡；潛熱通量；LAI；脅迫指數(shù)

農(nóng)業(yè)重金屬污染是重大生態(tài)環(huán)境問題之一，直接影響著農(nóng)業(yè)生產(chǎn)和糧食安全。如何準確快速獲取某區(qū)域的水稻重金屬污染信息，成為研究者目前關注的重點。傳統(tǒng)獲取水稻重金屬污染信息的主要方法是采樣和化驗，其成本高并且難以大面積獲取。重金屬脅迫會抑制水稻的生理生長，從而導致不同重金屬脅迫下水稻生理功能特征和生理要素特征有所差異[1]。利用遙感方法可以大面積獲取水稻的生理參量，從而實現(xiàn)重金屬脅迫大面積監(jiān)測。目前利用遙感監(jiān)測水稻重金屬脅迫的研究主要是基于可見光、近紅外、微波和熱紅外構建水稻葉綠素含量、葉面積指數(shù)、生物量[2]和生理功能[3]等水稻重金屬脅迫敏感指數(shù)來監(jiān)測重金屬污染，然而這些研究側重從生理要素的角度監(jiān)測水稻重金屬脅迫，并未從水稻生長機理的角度結合生理過程和生化參數(shù)。為了準確獲取水稻重金屬脅迫程度和分布信息，本文通過結合水稻冠層能量平衡和結構參數(shù)LAI（Leaf area index）的變化來分析水稻鎘污染脅迫。

蒸騰作用是植被獨有的生理機制，是植被與外界能量交換的主要生理方式，也是植被能量釋放的關鍵途徑。鎘脅迫會干擾植被葉片氣孔開放，抑制植被蒸騰速率，當植被蒸騰速率受到抑制則冠層輻射能量增加，反之則減少[4]。鎘脅迫也會導致水稻LAI產(chǎn)生差異，LAI是重要的水稻冠層結構參數(shù)，其可以表征水稻的生理活性和水稻冠層能量交換[5]。本研究基于研究區(qū)Landsat-8影像數(shù)據(jù)、實測數(shù)據(jù)和氣象數(shù)據(jù)，利用能量平衡模型和經(jīng)驗模型分別模擬水稻潛熱通量和反演水稻LAI，最后結合水稻冠層結構對水稻生理功能的影響，構建水稻生理功能鎘脅迫指數(shù)，進而分析水稻鎘污染程度。

1 材料與方法

1.1 實驗設計

我國湖南省湘江流域重金屬污染嚴重，其中鎘、鋅、銅、鎳、鉛等均超出國家標準[6]，本研究區(qū)位于湘江流域典型重金屬污染區(qū)——湖南省株洲地區(qū)。在研究區(qū)選取A、B、C三個實驗區(qū)，每個實驗區(qū)面積均為200m2，水稻品種為博優(yōu)9083，土壤為紅壤，顯酸性，母質為第四紀紅土紅壤，系亞熱帶季風氣候，雨量充沛、光熱充足，在人工管理下水田土壤肥沃，灌溉充足。野外重金屬含量樣本化驗結果見表1。實驗區(qū)A、B和C土壤鎘含量均超出國家二級標準，C區(qū)最為嚴重，根據(jù)化驗結果將A、B、C依次定為輕度鎘污染區(qū)、中度鎘污染區(qū)和重度鎘污染區(qū)。研究區(qū)與試驗區(qū)地理位置如圖1所示，其中a圖為中國地理圖，b圖為株洲市，c圖為研究區(qū)圖，c圖中的A、B和C分別表示試驗區(qū)地理位置分布。

1.2 實驗數(shù)據(jù)

研究數(shù)據(jù)主要分為影像數(shù)據(jù)、環(huán)境數(shù)據(jù)和實測數(shù)據(jù)。影像數(shù)據(jù)為2014年9月4日株洲區(qū)域Landsat-8影像數(shù)據(jù)，包括可見光、近紅外和熱紅外波段；環(huán)境數(shù)據(jù)為同日株洲氣象站觀測的氣溫值和風速值；實測數(shù)據(jù)為2014年9月所測成熟期水稻數(shù)據(jù)，主要包括LAI、水稻株高、土壤重金屬含量。LAI數(shù)據(jù)采集：在研究區(qū)稻田中分別均勻采集30組LAI值，取其平均值作為樣地LAI值，測量儀器為AccuPAR LP-80植被冠層分析儀，測量方式為垂直測量。土壤重金屬含量是在野外試驗區(qū)分別均勻采集多個土壤樣本后，在實驗室化驗獲?。ㄔ游辗ǎ?。

1.3 方法

1.3.1 基于能量平衡模型的水稻潛熱通量模擬

基于能量平衡模型模擬地表蒸散的遙感方法，把遙感數(shù)據(jù)反演的地表參數(shù)以及大氣參數(shù)輸入模型中，計算潛熱通量。目前基于能量平衡模型計算蒸散的方法主要有單層模型、雙層模型[7]和多層模型[8]。本研究的重點是利用水稻生理功能的變化分析水稻鎘污染脅迫，為突出水稻生理要素對水稻生理功能的影響，研究時段選擇在水稻成熟期，能量平衡模型選用單層模型。水稻冠層能量平衡是水稻自身生理功能調節(jié)與外在環(huán)境因素共同作用的結果，其外在環(huán)境影響因素主要有濕度、氣溫和風速，內(nèi)在影響因素主要有蒸騰作用和光合作用[9]。本研究的水稻品種、生長環(huán)境和管理措施均相似，主要差異為試驗區(qū)之間土壤鎘含量和水稻冠層結構差異。本文基于能量平衡模型，在典型環(huán)境條件下模擬水稻潛熱通量，模擬鎘脅迫對水稻生理過程的影響。能量平衡方程為：

表1 實驗區(qū)土壤重金屬含量Table 1 Heavymetal content in soilofexperimentalarea

圖1 研究區(qū)地理位置和實驗區(qū)分布Figure 1 Location of the study area and the distribution ofexperimentalsite

式中：LE表示潛熱通量；Rn代表地表凈輻射能量，是各種波長的輻射能在地表的收支平衡；H表示顯熱通量；G表示土壤熱通量。

吸收的能量主要來源于太陽輻射和太陽散射輻射，釋放的能量主要是植被自身輻射、顯熱通量、土壤熱通量和潛熱通量。存儲的能量占總能量比例小，一般可以忽略。

Rn與冠層輻射能量求取方程為：

式中：Sd是太陽總輻射，Sd=Gsc×cosθ×dr×τsw（Gsc是太陽常量1367W·m-2；cosθ表示太陽天頂角余弦值；dr為日地距離因子，數(shù)值可以在Landsat-8頭文件中獲?。沪觭w為大氣透過率）；α是地表反照率[10]；εS是地表比輻射率；Ld↓是地表下行輻射；Ld↑水稻冠層輻射能量或稱地表上行輻射；σ為斯蒂芬-玻耳茲曼常數(shù)；εa是空氣比輻射率[11]；Ts是水稻冠層溫度，K，由于溫度是本研究的主要參數(shù)，反演方法將在下文詳細介紹；Ta為空氣溫度，本文取值為株洲氣象站觀測的日平均氣溫299.15 K。

顯熱通量（H）計算公式如下：

式中：ρ是空氣密度，取值1.131 kg·m-3；Cp表示空氣定壓比熱容，其值為1004 J·kg-1·K-1，ΔT表示冠層溫度和空氣溫度之差，K；ra為空氣動力學阻抗[12-14]，s·m-1。

土壤熱通量（G）計算公式如下：

式中：Γc=0.315，Γs=0.05，分別表示裸土和完全植被覆蓋時潛熱通量占凈輻射的比例；fc表示植被覆蓋度。

1.3.2 溫度反演

目前地表溫度反演方法主要有單窗算法、劈窗算法和輻射傳輸方程法，其中輻射傳輸方程法比較適合用于水溫反演，由于Landsat-8熱紅外波段定標系數(shù)仍不穩(wěn)定，美國地質勘探局（United States Geological Survey，USGS）提倡用單波段來反演溫度。本文溫度計算采用由Jimenez-Munoz等[16]提出的單通道算法SC（Single-channelMethod），主要方程如下：

ω為大氣含水量，取值2.4 g·cm-2，參考覃志豪等[18]大氣估算研究結果。

1.3.3 水稻LAI反演

遙感反演LAI的主要方法有經(jīng)驗模型、半經(jīng)驗模型和物理模型等。本文采用經(jīng)驗模型，首先將地面實測LAI與相應試驗區(qū)Landsat-8影像植被指數(shù)GBNDVI進行指數(shù)函數(shù)擬合，再根據(jù)擬合方程反演LAI[19]，主要公式如下：

式中：NIR表示近紅外波段，Green表示綠波段，Blue表示藍波段；y表示LAI的值，x表示指數(shù)GBNDVI的值。

1.3.4 水稻生理功能敏感指數(shù)構建

水稻生理功能敏感指數(shù)的構建主要是基于水稻LE和LAI。在水稻生長過程中，鎘污染脅迫會抑制水稻生理功能，影響水稻能量平衡，導致水稻能量吸收減少，從而抑制水稻營養(yǎng)器官的生長，具體體現(xiàn)在LAI、葉綠素含量和生物量等生理要素。水稻生理要素又會影響水稻生理功能，鎘污染越重，則水稻的生理功能越弱，生理要素越小，隨著水稻的生長其差異越明顯[2]。由于LAI是水稻重要的冠層結構參數(shù)，其可以表征水稻的生理活性和影響水稻冠層能量交換[5]。蒸騰作用是水稻與外界能量交換的重要方式，能很好地表征水稻生理功能強弱。針對鎘脅迫特性，結合水稻LE與LAI構建水稻生理功能鎘脅迫指數(shù)Pf，根據(jù)該指數(shù)差異可區(qū)分不同鎘脅迫，其計算式如下：式中：LAImax表示輕度鎘脅迫下最大葉面積指數(shù)值，LEmax表示輕度鎘脅迫下最大潛熱通量值。

2 結果分析

2.1 鎘脅迫對水稻LE的影響

根據(jù)能量平衡模型模擬三個試驗區(qū)水稻LE，結果如圖2所示。輕度脅迫與中度脅迫下水稻LE分布范圍相近，但輕度脅迫水平的均值、中位數(shù)、下四分位數(shù)和上四分位數(shù)的統(tǒng)計值比中度脅迫高，說明在本研究的觀測尺度下中度鎘脅迫對水稻LE響應并不明顯，而重度脅迫對水稻LE的影響比較明顯，從而可以很好區(qū)分水稻重度脅迫與其他脅迫。據(jù)此將圖2中虛線值定為重度脅迫與其他脅迫閾值，LE值為375 W·m-2。從試驗區(qū)LE整體分布規(guī)律可知，鎘脅迫越高水稻LE越小，證明鎘脅迫會抑制水稻蒸騰作用，從而導致蒸騰散熱減少。由于受鎘脅迫的影響，水稻冠層能量平衡中其他組分能量會有所差異，其中冠層輻射能量如圖3所示，其與鎘脅迫正相關，主要源于蒸騰受到抑制，水稻要以輻射的方式散失多余的熱量。

2.2 鎘脅迫對LAI與指數(shù)Pf結果的影響

試驗區(qū)LAI與鎘脅迫敏感分析如圖4所示。中度脅迫與重度脅迫下水稻LAI值不易區(qū)分，但中度脅迫的統(tǒng)計值高于重度脅迫LAI值，輕度脅迫下水稻的LAI值高于中度與重度脅迫，說明在本研究觀測尺度下基于LAI能很好區(qū)分輕度鎘脅迫與其他鎘脅迫，將圖4中虛線值定為輕度脅迫與其他脅迫的閾值，LAI值為4.51。從試驗區(qū)LAI整體分布規(guī)律可知，鎘脅迫越重LAI值越低。由于試驗區(qū)之間主要差異為鎘含量，故LAI的差異能間接反映鎘長期脅迫的結果。

圖2 LE與鎘脅迫敏感性分析Figure 2 Sensitivity analysisof LE to cadmium stress

圖3 冠層輻射與鎘脅迫敏感性分析Figure 3 Sensitiveanalysisof canopy radiation to cadmium stress

根據(jù)LE與LAI求取水稻生理功能鎘脅迫敏感指數(shù)Pf，結果如圖5所示。不同鎘脅迫下試驗區(qū)指數(shù)分布差異比較明顯，能較好區(qū)分不同鎘脅迫。根據(jù)試驗區(qū)之間Pf的分布，將該圖中線c和d的值定為不同脅迫水平之間的閾值（分別為0.44和0.61），則脅迫水平范圍為Pf（重度脅迫）＜0.44＜Pf（中度脅迫）＜0.61＜Pf（輕度脅迫），根據(jù)劃分的區(qū)間范圍計算得輕度脅迫、中度脅迫和重度脅迫的區(qū)分準確度分別為70.59%、69.05%和84.79%。從試驗區(qū)Pf整體分布規(guī)律可知，鎘脅迫越高，指數(shù)Pf值越小，基于指數(shù)Pf能很好區(qū)分不同鎘脅迫。

2.3 鎘脅迫對研究區(qū)水稻LE、LAI和Pf的影響

圖4 LAI與鎘脅迫敏感性分析Figure4 Sensitive analysisof LAIto cadmium stress

圖5 Pf與鎘脅迫敏感性分析Figure 5 Sensitive analysisof Pfto cadmium stress

為實現(xiàn)鎘脅迫大面積監(jiān)測，先將研究區(qū)遙感影像進行監(jiān)督分類，統(tǒng)計得水稻區(qū)域為15.81%。根據(jù)能量平衡模型模擬整個研究區(qū)水稻LE，根據(jù)試驗區(qū)不同脅迫LE閾值（圖2），將脅迫水平劃分為LE（重度脅迫）＜375W·m-2＜LE（輕度/中度脅迫），面積分別占研究區(qū)總面積的4.15%和11.66%。研究區(qū)LE分布如圖6a所示，其中重度鎘脅迫主要分布在湘江附近。根據(jù)擬合方程計算研究區(qū)水稻LAI，根據(jù)試驗區(qū)所得不同脅迫LAI閾值（圖4），將脅迫水平劃分為LAI（中度/重度脅迫）＜4.51＜LAI（輕度脅迫），其面積分別占研究區(qū)總面積的10.71%和5.10%，分布如圖6b所示，其中輕度鎘脅迫區(qū)域主要分布在遠離湘江的區(qū)域。根據(jù)研究區(qū)水稻LE與LAI計算指數(shù)Pf，根據(jù)試驗區(qū)指數(shù)Pf所得不同脅迫閾值（圖5），將脅迫水平劃分為Pf（重度脅迫）＜0.44＜Pf（中度脅迫）＜0.61＜Pf（輕度脅迫），其面積分別為研究區(qū)總面積的3.79%、6.28%和5.73%，分布如圖6c所示，與LE與LAI值相比，指數(shù)Pf對區(qū)域的識別更加清晰，其中重度鎘脅迫區(qū)域主要分布在湘江附近，隨著與湘江距離變大，水稻由重度鎘脅迫漸變?yōu)檩p度鎘脅迫。

3 討論

本研究中研究區(qū)水稻品種相同、生長環(huán)境和管理措施均相似，所以實驗區(qū)之間主要差異為土壤鎘含量和水稻冠層結構差異。目前Liu等[3]從水稻冠氣溫差的角度說明鎘脅迫對水稻生理功能變化的影響，但沒有從能量平衡的角度深入分析鎘脅迫對水稻蒸騰散熱的影響。鎘脅迫會干擾植被葉片氣孔開放，從而抑制植被蒸騰速率，在植被冠層能量平衡中主要體現(xiàn)為蒸騰散熱減弱，本研究通過模擬不同鎘脅迫下水稻LE，發(fā)現(xiàn)鎘脅迫越重水稻LE越?。▓D2），證明鎘脅迫會抑制水稻蒸騰作用。如今很多學者通過水稻冠層溫度來間接感應水稻生理功能強弱[3-4]，其原理主要是水稻生理功能受到抑制，水稻要以輻射的方式散失多余的熱量，所以鎘脅迫越重，冠層輻射越強（圖3），符合水稻蒸騰作用被抑制的能量平衡規(guī)律。

鎘脅迫會抑制水稻生理生長，從而導致水稻的生理參數(shù)發(fā)生改變，所以試驗區(qū)鎘脅迫越重LAI值越小（圖4）。由于LAI也是水稻重要的冠層結構參數(shù)，可以表征水稻的生理活性和影響水稻冠層能量交換。本研究基于水稻冠層結構差異與土壤鎘含量差異構建水稻生理功能鎘脅迫指數(shù)Pf（圖5），鎘脅迫越高，該指數(shù)值越小，并能很好區(qū)分不同鎘脅迫。研究區(qū)指數(shù)Pf值空間分布如圖6c所示，湘江是鎘脅迫水源污染的重要來源，所以鎘脅迫區(qū)域主要分布在湘江附近，隨著與湘江距離變大，水稻由重度鎘脅迫漸變?yōu)檩p度鎘脅迫。

圖6 研究區(qū)水稻鎘脅迫水平的LE、LAI和Pf分級結果Figure 6 Cadmium stress levelof rice estimated by LE，LAIand Pf

本研究提供了一種結合遙感熱紅外、可見光和近紅外從水稻生理功能的角度分析水稻鎘污染脅迫的新思路。研究中溫度和LAI的反演誤差主要來源于遙感數(shù)據(jù)和反演方法，后續(xù)研究中將從遙感反演方法和數(shù)據(jù)方面研究如何提高溫度與LAI反演精度。本文研究方法適合于環(huán)境因素差異不大的水稻鎘脅迫監(jiān)測，在自然條件下，環(huán)境因素對水稻生理功能的影響較大，環(huán)境因素與鎘脅迫對水稻生理功能的影響關系還需進一步研究。

4 結論

（1）鎘脅迫會抑制水稻蒸騰作用，水稻生理功能脅迫指數(shù)Pf能較好區(qū)分不同鎘脅迫，其對輕度、中度和重度鎘脅迫區(qū)分的準確度分別為70.59%、69.05%和84.79%。

（2）研究區(qū)內(nèi)重度鎘污染區(qū)域主要分布在湘江附近，隨著與湘江距離變大，水稻由重度鎘污染漸變?yōu)檩p度鎘污染，說明鎘的污染源主要來自湘江，符合鎘污染分布規(guī)律。

[1]張軍,束文圣.植物對重金屬鎘的耐受機制[J].植物生理與分子生物學學報,2006,32（1）：1-8.

ZHANG Jun,SHUWen-sheng.Studies on the tolerancemechanism of cadmium to plants[J].Journal of Plant Physiology and Molecular Biology,2006,32（1）：1-8.

[2]趙利婷,劉湘南,丁超,等.遙感同化WOFOST模型動態(tài)監(jiān)測水稻重金屬污染脅迫[J].農(nóng)業(yè)環(huán)境科學學報,2015,34（2）：248-256.

ZHAO Li-ting,LIU Xiang-nan,DING Chao,et al.Study on dynamic monitoring of heavymetalpollution stress in ricebyWOFOSTmodel[J]. JournalofAgro-EnvironmentScience,2015,34（2）：248-256.

[3]Liu M L,Li X N,Zhang B Y,et al.Regional heavymetal pollution in cropsby integrating physiological function variabilitywith,spatio-temporal stability usingmulti-temporal thermal remote sensing[J].International Journal of Applied Earth Observation&Geoinformation,2016, 51：91-102.

[4]凌軍,張拴勤,潘家亮,等.植物蒸騰作用對紅外輻射特征的影響研究[J].光譜學與光譜分析,2012,32（7）：1775-1779.

LING Jun,ZHANG Shuan-qin,PAN Jia-liang,et al.Effects of plant transpiration on infrared radiation characteristics[J].Spectroscopy and SpectralAnalysis,2012,32（7）：1775-1779.

[5]Moran M S,Clarke TR,Inoue Y,etal.Estimating crop water deficitusing the relation between surface-air temperatureand spectralvegetation index[J].Remote SensingofEnvironment,1994,49（3）：246-263.

[6]陳詠淑,吳甫成,呂煥哲,等.近20年來湘江水質變化分析[J].長江流域資源與環(huán)境,2004,13（5）：508-512.

CHEN Yong-shu,WU Fu-cheng,LüHuan-zhe,etal.Analysisof Xiangjiang Riverwaterquality change in recent20 years[J].Resourcesand Environment in the Yangtze Basin,2004,13（5）：508-512.

[7]Liang SL.Narrowband to broadband conversions of land surface albedo I：Algorithms[J].Remote Sensing of Environment,2001,76（2）：213-238.

[8]Shuttleworth W J,Gurney R J.The theoretical relationship between foliage temperature and canopy resistance in sparse crops[J].Quarterly Journalof the RoyalMeteorologicalSociety,1990,116（492）：497-519.

[9]季勁鈞,胡玉春.一個植物冠層物理傳輸和生理生長過程的多層模式[J].氣候與環(huán)境研究,1999,4（2）：25-37.

JIJin-jun,HU Yu-chun.A Multilayermodel of plant canopy physical transportand physiological growth processes[J].Climatic and EnvironmentalResearch,1999,4（2）：25-37.

[10]劉昌明.土壤-植物-大氣系統(tǒng)水分運行的界面過程研究[J].地理學報,1997,52（4）：366-373.

LIUChang-ming.Interfacialprocessesofsoil-plant-atmospherewatersystem[J].Acta Geographica Sinica,1997,52（4）：366-373.

[11]BastiaanssenW GM,MenentiM,Feddes R A,etal.A remote sensing surface energy balance algorithm for land（SEBAL）：1.Formulation[J]. JournalofHydrology,1998,212/213（1/2/3/4）：198-212.

[12]Brutsaert W.Evaporation into the atmosphere[M].Netherlands：Springer,1982.

[13]Businger JA.A noteon the businger-dyer profiles[J].Boundary-Layer Meteorology,1988,42（1）：145-151.

[14]Paulson CA.Themathematical representation ofwind speed and temperature profiles in theunstableatmospheric surface layer[J].Journalof Applied Meteorology,1987,9（9）：857-861.

[15]FriedlM A.Modeling land surface fluxesusing a sparse canopymodel and radiometric surface temperaturemeasurements[J].Journal of GeophysicalResearch Atmospheres,1995,1002（D12）：25435-25446.

[16]Jimenez-Munoz JC,Cristobal J,Sobrino JA,etal.Revision of the single-channel algorithm for land surface temperature retrieval from landsatthermal-infrared data[J].IEEETransactionson Geoscience&Remote Sensing,2009,47（1）：339-349.

[17]Jimenez-Munoz JC,Sobrino JA,Skokovic D,etal.Land surface temperature retrievalmethods from landsat-8 thermal infrared sensor data [J].IEEEGeoscience&Remote Sensing Letters,2014,11（10）：1840-1843.

[18]覃志豪,LIWen-juan,ZHANGMing-hua,等.單窗算法的大氣參數(shù)估計方法[J].國土資源遙感,2003,15（2）：37-43.

QIN Zhi-hao,LIWen-juan,ZHANG Ming-hua,et al.Optimization method ofsingle-channelalgorithm for atmospheric parameters[J].Remote Sensingof Land and Resources,2003,15（2）：37-42.

[19]Wang FM,Huang JF,Tang Y L,et al.New vegetation index and its application in estimating leafarea index of rice[J].Rice Science,2007, 14（3）：195-203.

Cadm ium stressanalysisbased on the changes in latent heat flux and canopy structuralparam eter of rice using remotely sensed data

LUO Li-bing,LIUXiang-nan*,WU Ling,LIUMei-ling
（Schoolof Information Engineering,China University ofGeosciences（Beijing）,Beijing100083,China）

A physiological function sensitivity index（Pf）,created by combining the rice canopy energy balancemodeland the structural parameter Leaf Area Index（LAI）,is proposed in order to analyze the cadmium stress levelof rice.Firstly,the latentheat flux（LE）of rice was simulated based on an energy balancemodel using remote sensing and in situmeasured data,and then the Pf,which can reflect the physiological function of rice,was developed using LE and the LAI.Finally,the cadmium stress in rice was evaluated using the Pf.The results show thathigher cadmium stress generally corresponds to smaller valuesof LE,the LAI,and the Pf.LE could only distinguish high cadmium stress from other levels（medium/low）and the LAIcould only discriminate high andmedium cadmium stress from low stress;however,the Pfcould differentiate the three levels of cadmium stress of rice.The classification accuracies of Pffor high,medium,and low stress were 70.59%,69.05%,and 84.79%,respectively.Pfcan effectively discriminate different cadmium stress levels;therefore,it is an important reference formonitoring heavymetalstressof crops.

cadmium stress;energy balance;latentheat flux;LAI;stress index

S511

A

1672-2043（2017）05-0832-07

10.11654/jaes.2016-1583

2016-12-10

羅力兵（1989—），男，貴州銅仁人，碩士研究生，主要從事遙感信息分析與地學應用研究。E-mail：cugbllb@163.com

*通信作者：劉湘南E-mail：liuxn@cugb.edu.cn

國家自然科學基金項目（41371407）；中央高校基本科研業(yè)務費專項資金（2-9-2015-107）

Project supported：The National Natural Science Foundation of China（41371407）；The Fundamental Research Funds for the Central Universities（2-9-2015-107）

羅力兵，劉湘南，吳伶，等.鎘脅迫水稻潛熱通量與冠層結構參數(shù)變化遙感分析[J].農(nóng)業(yè)環(huán)境科學學報,2017,36（5）：832-838.

LUO Li-bing,LIU Xiang-nan,WU Ling,etal.Cadmium stressanalysisbased on the changes in latentheat flux and canopy structuralparameter of rice using remotely sensed data[J].Journalof Agro-EnvironmentScience,2017,36（5）：832-838.