夏 天，楊可明，馮飛勝，郭 輝，張 超

1. 中國(guó)資源衛(wèi)星應(yīng)用中心，北京 100094 2. 中國(guó)礦業(yè)大學(xué)(北京)地球科學(xué)與測(cè)繪工程學(xué)院，北京 100083 3.安徽理工大學(xué)深部煤礦采動(dòng)響應(yīng)與災(zāi)害防控國(guó)家重點(diǎn)實(shí)驗(yàn)室，安徽 淮南 232001 4.安徽理工大學(xué)測(cè)繪學(xué)院，安徽 淮南 232001

引 言

近年來(lái)，礦山開(kāi)采、 工業(yè)廢氣排放、 污水侵蝕以及農(nóng)藥化肥不規(guī)范使用導(dǎo)致周邊環(huán)境重金屬污染日趨嚴(yán)重[1-2]。重金屬具有易富集、 難以降解等特點(diǎn)，在土壤中嚴(yán)重超標(biāo)后，會(huì)通過(guò)根部進(jìn)入到農(nóng)作物的體內(nèi)，損壞農(nóng)作物的細(xì)胞結(jié)構(gòu)，加快葉綠體的分解，阻礙光合產(chǎn)物的形成，影響農(nóng)作物的新陳代謝，從而降低農(nóng)作物的產(chǎn)量和質(zhì)量[3]。人如果誤食了此類(lèi)農(nóng)作物，輕則導(dǎo)致中毒，嚴(yán)重的產(chǎn)生怪病甚至導(dǎo)致死亡[4]。如何有效監(jiān)測(cè)農(nóng)作物重金屬污染已成為研究熱點(diǎn)。傳統(tǒng)的化學(xué)研究方法因其價(jià)格高、 耗費(fèi)人力、 實(shí)施范圍小等局限性已經(jīng)難以滿(mǎn)足日漸迫切的需要； 高光譜遙感的迅速發(fā)展提供了新的思路，因其具備高效、 無(wú)損、 實(shí)時(shí)性強(qiáng)、 圖譜合一、 高光譜分辨率等特點(diǎn)，已逐漸在農(nóng)作物重金屬污染監(jiān)測(cè)及防治中發(fā)揮重要作用。

利用植被指數(shù)、 光譜敏感波段和污染模型等方法監(jiān)測(cè)植被重金屬污染是目前較常用的方法，國(guó)內(nèi)外不少專(zhuān)家學(xué)者進(jìn)行過(guò)相關(guān)研究。有研究表明小麥中的銅含量與葉綠素、 紅邊藍(lán)移程度及光譜反射率有顯著的相關(guān)性。有報(bào)道認(rèn)為紅邊位置和歸一化植被指數(shù)可作為光譜特征參數(shù)來(lái)監(jiān)測(cè)水稻重金屬污染。李婷[5]等通過(guò)多元回歸分析和BP神經(jīng)網(wǎng)絡(luò)建立了水稻冠層重金屬污染脅迫光譜模型。Asmaryan[6]等對(duì)World View-2影像中植被污染區(qū)域進(jìn)行研究，發(fā)現(xiàn)紅邊波段對(duì)提取植被污染異常信息具有較好的作用。朱葉青[7]等利用特征波段結(jié)合光譜角的方法對(duì)銅脅迫下小麥和上海青的光譜進(jìn)行分析，建立了銅脅迫葉片光譜反射模型。Rathod[8]等指出波段深度、 葉綠素指數(shù)及水脅迫指數(shù)與植被葉片中的砷含量具有顯著相關(guān)性，可用來(lái)判別植被受重金屬污染的程度。劉聰[9]等基于小波分解、 計(jì)算分形維數(shù)和奇異性分析發(fā)現(xiàn)能有效診斷玉米銅污染程度。郭輝[10]等通過(guò)對(duì)玉米光譜兩個(gè)子波段進(jìn)行諧波分析，探索了諧波子信號(hào)與銅脅迫梯度的規(guī)律。以上工作對(duì)植物重金屬污染進(jìn)行了研究和探索并得到了相應(yīng)成果，但很少有結(jié)合植被指數(shù)和光譜子區(qū)間去探尋對(duì)重金屬污染敏感的子波段。本工作設(shè)計(jì)并提出了一種基于歸一化植被指數(shù)的新型銅脅迫植被指數(shù)(new copper stress vegetation index, NCSVI)探索銅脅迫下玉米光譜敏感子區(qū)間，并與常用的水波段指數(shù)(WBI)、 改進(jìn)的葉綠素吸收率指數(shù)(MCARI)和歸一化水指數(shù)(NDWI)[11]進(jìn)行對(duì)比分析，驗(yàn)證了該指數(shù)在玉米葉片銅污染監(jiān)測(cè)上具有一定的優(yōu)越性。本研究結(jié)果旨在為玉米冠層及影像上獲取銅污染信息提供了方法，同時(shí)也為其他農(nóng)作物重金屬污染遙感監(jiān)測(cè)提供相應(yīng)的技術(shù)支持。

1 實(shí)驗(yàn)部分

研究基于2014年和2016年兩個(gè)批次的實(shí)驗(yàn)數(shù)據(jù)，劃分為訓(xùn)練集(2016年)和驗(yàn)證集(2014年)。

1.1 訓(xùn)練集實(shí)驗(yàn)數(shù)據(jù)

本實(shí)驗(yàn)于2016年進(jìn)行，選取“中糯1號(hào)”玉米種子和有底漏并附帶托盤(pán)的花盆進(jìn)行植株培養(yǎng)，實(shí)驗(yàn)采用不同濃度CuSO4·5H2O分析純?nèi)芤好{迫玉米生長(zhǎng)，玉米葉片光譜測(cè)定選用波段范圍在350～2500 nm的美國(guó)SVC HR-1024I型高性能地物光譜儀，采用WFX-120型原子吸收分光光度計(jì)測(cè)定玉米葉片中Cu2+含量。

實(shí)驗(yàn)選用顆粒飽滿(mǎn)的玉米種子進(jìn)行溫水浸泡和催芽，對(duì)培育的土壤進(jìn)行過(guò)篩、 曬干和稱(chēng)重等處理，通過(guò)天平對(duì)CuSO4·5H2O晶體進(jìn)行精細(xì)稱(chēng)重并配置不同Cu2+脅迫濃度的溶液，設(shè)置為： 0，200，300，500和700 μg·g-1[分別標(biāo)記為Cu(0)，Cu(200)，Cu(300)，Cu(500)和Cu(700)]。為了模擬真實(shí)條件下的土壤重金屬污染，各脅迫組均勻添加對(duì)應(yīng)濃度試劑，并與土壤攪拌均勻。此外，每個(gè)脅迫梯度均設(shè)置3個(gè)平行實(shí)驗(yàn)組，共15組盆栽，減少偶然誤差。在每盆土壤中種植玉米幼芽，待玉米出苗后，在每盆中添加濃度相同的NH4NO3，KNO3和KH2PO4營(yíng)養(yǎng)液。為保障玉米室外的生長(zhǎng)環(huán)境，將所有玉米盆栽置于室外大棚培養(yǎng)，每天保持通風(fēng)并定期澆灌。玉米生長(zhǎng)過(guò)程如圖1所示。

圖1 玉米生長(zhǎng)過(guò)程Fig.1 The growth process of corn

在室內(nèi)使用SVC HR-1024I型高性能地物光譜儀采集15盆玉米葉片的光譜數(shù)據(jù)，為了準(zhǔn)確測(cè)定玉米葉片光譜數(shù)據(jù)，并使光照平均，采用光源為功率50 W的鹵素?zé)糇鳛楣庾V測(cè)定時(shí)光源，測(cè)定時(shí)光譜鏡頭視場(chǎng)角設(shè)置為4°，光譜儀鏡頭與玉米葉垂直，距玉米葉表面約40 cm。為避免土壤光譜對(duì)玉米葉片光譜采集產(chǎn)生干擾，從而導(dǎo)致所測(cè)量的玉米葉片光譜不純，用黑色塑料袋將花盆蓋住。每次測(cè)量花盆中玉米葉片光譜前需要用白板對(duì)光譜反射系數(shù)進(jìn)行標(biāo)準(zhǔn)化處理，然后每片葉片光譜各測(cè)3次，記錄每次測(cè)量時(shí)對(duì)應(yīng)的盆栽編號(hào)，最后去除異常光譜值后取平均值作為相應(yīng)銅脅迫濃度下玉米葉片的光譜反射率值。

光譜采集完之后對(duì)玉米葉片進(jìn)行裁剪、 清洗、 干燥、 粉碎、 分裝、 編號(hào)和保存，采用WFX-120型原子吸收分光光度計(jì)測(cè)定玉米葉片中Cu2+含量。首先在萬(wàn)分之一天平上對(duì)每個(gè)銅脅迫梯度的樣品進(jìn)行稱(chēng)取，然后用高純硝酸和高氯酸進(jìn)行硝化處理，玉米葉片溶解之后加超純水定容并將液體混合均勻，最后進(jìn)行上機(jī)實(shí)驗(yàn)。儀器條件： 狹縫為0.7 nm、 波長(zhǎng)為324.7 nm、 燈電流為3.00 mA、 負(fù)電壓為304 V，測(cè)定原理為火焰原子吸收法。在相同的條件下對(duì)每個(gè)銅脅迫梯度進(jìn)行三組平行實(shí)驗(yàn)，將3次測(cè)得的銅含量值取平均作為玉米葉片Cu2+的含量。

1.2 驗(yàn)證集實(shí)驗(yàn)數(shù)據(jù)

以2014年實(shí)驗(yàn)測(cè)得的玉米葉片的光譜數(shù)據(jù)作為驗(yàn)證。2014年實(shí)驗(yàn)選用的玉米種子為“中糯1號(hào)”，Cu2+脅迫濃度分別為0，250和500 μg·g-1[分別標(biāo)記為Cu(0)，Cu(250)和Cu(500)]。以上每個(gè)脅迫組各設(shè)置3個(gè)平行組，共9組盆栽，玉米葉片光譜和Cu2+含量的采集方法與2016年的相同。兩次實(shí)驗(yàn)測(cè)得的玉米葉片光譜如圖2和圖3所示，測(cè)得的Cu2+含量如表1所示。

圖2 2016年玉米葉片光譜Fig.2 The Spectral of corn leaves in 2016

2 理論與方法

2.1 光譜子區(qū)間

SVC HR-1024I光譜儀的譜段范圍為350～2 500 nm，為了探索銅脅迫下玉米葉片光譜敏感波段，可劃分為紫谷(350～430 nm，Purple valley)、 藍(lán)邊(430～530 nm，Blue edge)、 綠峰(530～580 nm，Green peak)、 黃邊(580～650 nm，Yellow edge)、 紅谷(650～690 nm，Red valley)、 紅邊(690～750 nm，Red edge)、 近紅外平臺(tái)(750～1301 nm，Near infrared platform)、 近谷(1 301～1 500 nm，Near valley)、 近邊(1 500～1 590 nm，Near edge)、 近峰A(1 590～1 919 nm，Near peak A)、 近峰B(1 919～2 500 nm，Near peak B)等11個(gè)光譜子區(qū)間，如圖4所示[以Cu(0)的葉片光譜為例]。

圖3 2014年玉米葉片光譜Fig.3 The Spectral of corn leaves in 2014

表1 玉米葉片中Cu2+的含量Table 1 Cu2+ contents in corn leaves

圖4 玉米葉片光譜子區(qū)間示意圖Fig.4 Schematic diagram of the spectralsubintervals in corn leaves

2.2 定義NCSVI指數(shù)

植物葉片光譜會(huì)因Cu2+脅迫而改變，很多研究利用歸一化植被指數(shù)來(lái)探究植物的生長(zhǎng)狀況，計(jì)算一些植物的理化參數(shù)來(lái)達(dá)到研究目的。但歸一化植被指數(shù)只利用了兩個(gè)子區(qū)間的反射率，而某些光譜子區(qū)間反射率也會(huì)根據(jù)植物生長(zhǎng)情況而呈現(xiàn)一定的規(guī)律，因此設(shè)計(jì)一種基于歸一化植被指數(shù)的新型銅脅迫植被指數(shù)(new copper stress vegetation index, NCSVI)探索銅脅迫下玉米光譜敏感區(qū)間，為了避免偶然誤差的影響，使用每個(gè)光譜子區(qū)間的中間波長(zhǎng)反射率，而不是紅邊等位置的反射率。由于玉米葉片的光譜反射率是采用控制變量法實(shí)驗(yàn)獲取的，因此葉片光譜反射率的變化是由于不同Cu2+脅迫濃度造成的，進(jìn)而NCSVI指數(shù)的變化與玉米葉片不同濃度的銅脅迫會(huì)具有相關(guān)性。NCSVI計(jì)算公式為

(1)

式(1)中，λ為波長(zhǎng)，R(λmiddle)為每一個(gè)光譜子區(qū)間的中間波長(zhǎng)對(duì)應(yīng)的光譜反射率。

其中： (1) 若子區(qū)間的波段數(shù)為奇數(shù)，則R(λmiddle)為其中間波長(zhǎng)對(duì)應(yīng)的光譜反射率； (2) 若子波段的波段數(shù)為偶數(shù)，則R(λmiddle)為其中間兩個(gè)波長(zhǎng)對(duì)應(yīng)的光譜反射率的均值。

2.3 植被指數(shù)

植被指數(shù)可通過(guò)波段組合運(yùn)算算出，可以增強(qiáng)植被的某些特征。選用進(jìn)行對(duì)照的植被指數(shù)為水波段指數(shù)(water band index, WBI)、 改進(jìn)的葉綠素吸收率指數(shù)(modified chlorophyll absorption ratio index, MCARI)和歸一化水指數(shù)(normalized difference water index, NDWI)，計(jì)算公式如表2所示。

表2 植被指數(shù)計(jì)算公式Table 2 Computing formula of vegetation indexes

2.4 相關(guān)性分析

分析植被指數(shù)與玉米葉片Cu2+含量的相關(guān)關(guān)系選用的是皮爾遜相關(guān)系數(shù)r(Pearson correlation coefficient)和均方根誤差RMSE(root mean square error)[12]。R能表征兩個(gè)變量之間的線性相關(guān)性，1代表完全正相關(guān)，0代表無(wú)相關(guān)性，-1代表完全負(fù)相關(guān)。RMSE是觀測(cè)值與真值(或模擬值)偏差的平方和與觀測(cè)次數(shù)比值的平方根，RMSE越大說(shuō)明偏差越大、 越小則偏差越小。R和RMSE的計(jì)算公式為

(2)

(3)

式(3)中，di為第i次觀測(cè)的觀測(cè)值與模擬值的偏差，n為觀測(cè)的次數(shù)。

3 結(jié)果與討論

3.1 NCSVI與玉米葉片Cu2+含量的相關(guān)性分析

首先根據(jù)訓(xùn)練集(2016年)實(shí)驗(yàn)數(shù)據(jù)算出11個(gè)子區(qū)間中間波長(zhǎng)對(duì)應(yīng)的光譜反射率，然后根據(jù)所構(gòu)建的新型銅脅迫植被指數(shù)分別計(jì)算每個(gè)銅脅迫梯度內(nèi)11個(gè)子區(qū)間對(duì)應(yīng)的NCSVI，結(jié)合常規(guī)的三種植被指數(shù)WBI，MCARI和NDWI，與玉米葉片中Cu2+含量分別進(jìn)行相關(guān)性分析，得到相應(yīng)的相關(guān)性系數(shù)R和均方根誤差RMSE，結(jié)果如表3和圖5所示。從表3和圖5中可以看出對(duì)于11個(gè)光譜子區(qū)間，NCSVI與葉片Cu2+含量都有較好的相關(guān)性，考慮設(shè)置相關(guān)性系數(shù)絕對(duì)值的閾值為0.9，相關(guān)性系數(shù)R的絕對(duì)值大于0.9的子區(qū)間可以作為對(duì)銅污染敏感的波段，符合條件的有綠峰、 紅邊、 近谷和近峰A這四個(gè)子區(qū)間對(duì)應(yīng)的NCSVI，與玉米葉片Cu2+含量的相關(guān)性系數(shù)分別為-0.94，-0.97，-0.94和-0.96，而WBI，MCARI和NDWI這三種指數(shù)與玉米葉片Cu2+含量的相關(guān)性系數(shù)R的絕對(duì)值都在0.9以下。分析均方根誤差RMSE也可發(fā)現(xiàn)一定的規(guī)律，設(shè)置RMSE的閾值為15，綠峰、 紅邊、 近谷和近峰A這四個(gè)子區(qū)間對(duì)應(yīng)NCSVI的RMSE分別為12.57，8.71，12.71和10.06，其他七個(gè)子區(qū)間對(duì)應(yīng)NCSVI的RMSE均大于15，WBI，MCARI和NDWI這三種植被指數(shù)中RMSE最小，為24.21。結(jié)合相關(guān)性系數(shù)和均方根誤差分析結(jié)果表明，在不同Cu2+脅迫濃度下，由NCSVI探索的玉米葉片光譜的敏感子區(qū)間為綠峰(530～580 nm)、 紅邊(690～750 nm)、 近谷(1 301～1 500 nm)和近峰A(1 590～1 919 nm)，這四個(gè)子區(qū)間對(duì)玉米葉片銅脅迫有著更好的指示性，可以用來(lái)監(jiān)測(cè)銅污染。

表3 2016年實(shí)驗(yàn)NCSVI和常規(guī)植被指數(shù)統(tǒng)計(jì)及相關(guān)性計(jì)算結(jié)果Table 3 Statistics and correlation calculation results of NCSVI and conventional VIs by experiment in 2016

圖5 2016年實(shí)驗(yàn)植被指數(shù)(VIs)與玉米葉片Cu2+含量相關(guān)關(guān)系

3.2 NCSVI驗(yàn)證

為了確認(rèn)NCSVI的普適性和魯棒性，采用驗(yàn)證集(2014年)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行驗(yàn)證，結(jié)果如表4和圖6所示。在2014年的實(shí)驗(yàn)中，依然設(shè)置相關(guān)性系數(shù)絕對(duì)值的閾值為0.9，相關(guān)性系數(shù)r的絕對(duì)值大于0.9的子區(qū)間可以作為對(duì)銅污染敏感的波段，符合條件的子區(qū)間為綠峰、 紅邊、 近谷和近峰A，相關(guān)性系數(shù)分別為-0.9，-0.97，-0.97和-0.93，與2016年實(shí)驗(yàn)得到的四個(gè)敏感區(qū)間一致，而WBI、 MCARI和NDWI這三種指數(shù)與玉米葉片Cu2+含量的相關(guān)性系數(shù)均低于0.9。設(shè)置均方根誤差RMSE的閾值為1.55，RMSE小于1.55的有綠峰、 紅邊、 近谷和近峰A這四個(gè)子區(qū)間，對(duì)應(yīng)NCSVI的RMSE分別為1.50，0.85，0.78和1.29，其他七個(gè)子區(qū)間對(duì)應(yīng)NCSVI的RMSE均大于1.55，也與2016年實(shí)驗(yàn)所得相符，WBI，MCARI和NDWI這三種常規(guī)植被指數(shù)中RMSE最小的為1.78。根據(jù)驗(yàn)證實(shí)驗(yàn)測(cè)得的相關(guān)性系數(shù)和均方根誤差結(jié)果，說(shuō)明在不同年份不同Cu2+脅迫濃度下，NCSVI能有效地發(fā)掘?qū)τ衩足~污染敏感的子區(qū)間分別為綠峰(530～580 nm)、 紅邊(690～750 nm)、 近谷(1 301～1 500 nm)和近峰A(1 590～1 919 nm)，相比于WBI，MCARI和NDWI具有優(yōu)越性和穩(wěn)定性，能夠有效地監(jiān)測(cè)玉米葉片銅污染。

圖6 2014年實(shí)驗(yàn)植被指數(shù)(VIs)與玉米葉片Cu2+含量相關(guān)關(guān)系

表4 2014年實(shí)驗(yàn)NCSVI和常規(guī)植被指數(shù)統(tǒng)計(jì)及相關(guān)性計(jì)算結(jié)果Table 4 Statistics and correlation calculation results of NCSVI and conventional VIs by experiment in 2014

4 結(jié) 論

通過(guò)2016年和2014年不同濃度玉米銅污染實(shí)驗(yàn)，結(jié)合玉米光譜子區(qū)間，構(gòu)造了一種新型銅脅迫植被指數(shù)NCSVI，得到了以下結(jié)論：

(1)由2016年玉米實(shí)驗(yàn)光譜11個(gè)子波段區(qū)間中間波長(zhǎng)反射率分別計(jì)算NCSVI并與玉米葉片Cu2+含量進(jìn)行相關(guān)性分析，以0.9和15分別作為相關(guān)系性數(shù)R絕對(duì)值和均方根誤差RMSE的閾值，其中只有綠峰、 紅邊、 近谷和近峰A這四個(gè)子區(qū)間對(duì)應(yīng)的NCSVI符合條件，R分別達(dá)到了-0.94，-0.97，-0.94和-0.96，RMSE分別為12.57，8.71，12.71和10.06。同時(shí)與三種常規(guī)植被指數(shù)進(jìn)行對(duì)比，WBI，MCARI和NDWI與玉米葉片Cu2+含量的相關(guān)性系數(shù)R的絕對(duì)值均在0.9以下，RMSE最小的為24.21，說(shuō)明四個(gè)子區(qū)間對(duì)應(yīng)的NCSVI對(duì)玉米葉片銅污染有著更好的指示性。

(2)利用2014年相同條件下的玉米實(shí)驗(yàn)對(duì)以上結(jié)果進(jìn)行驗(yàn)證，以0.9和1.55分別作為相關(guān)性系數(shù)R絕對(duì)值和均方根誤差RMSE的閾值，發(fā)現(xiàn)11個(gè)子區(qū)間中，只有綠峰、 紅邊、 近谷和近峰A這四個(gè)子區(qū)間對(duì)應(yīng)的NCSVI與玉米葉片Cu2+含量的相關(guān)性系數(shù)R的絕對(duì)值大于0.9，分別為-0.9，-0.97，-0.97和-0.93，RMSE分別為1.50，0.85，0.78和1.29，與2016年探測(cè)的敏感子區(qū)間保持一致，WBI，MCARI和NDWI與玉米葉片Cu2+含量的相關(guān)性系數(shù)R的絕對(duì)值最大的為0.85，RMSE均在1.55以上，說(shuō)明NCSVI能探測(cè)銅脅迫下玉米葉片光譜的敏感區(qū)間，分別為綠峰(530～580 nm)、 紅邊(690～750 nm)、 近谷(1 301～1 500 nm)和近峰A(1 590～1 919 nm)，且相比于WBI，MCARI和NDWI具有穩(wěn)定性和優(yōu)越性。

結(jié)果表明所構(gòu)建的NCSVI指數(shù)具有普適性和魯棒性，能探測(cè)出銅脅迫下玉米葉片光譜的敏感區(qū)間，可用于監(jiān)測(cè)玉米葉片銅污染，并為其他植物重金屬污染研究提供一定的理論支持。