李新會(huì)，張秀英，江洪，2，金佳鑫

（1.南京大學(xué)國(guó)際地球系統(tǒng)科學(xué)研究所，南京 210023；2.浙江農(nóng)林大學(xué)亞熱帶森林培育國(guó)家重點(diǎn)實(shí)驗(yàn)室，浙江省森林生態(tài)系統(tǒng)碳循環(huán)與固碳減排重點(diǎn)實(shí)驗(yàn)室，杭州 311300）

1 引 言

20世紀(jì)中葉以來(lái)，酸雨已成為嚴(yán)重的全球性環(huán)境污染問(wèn)題之一，主要是由于化石燃料燃燒所排放的SO2和 NOx等酸性氣體所致［1，2］。隨著中國(guó)經(jīng)濟(jì)的快速發(fā)展，中國(guó)的能源消耗不斷增加，能源消費(fèi)方式與結(jié)構(gòu)也在快速發(fā)生變化，SO2排放總量在經(jīng)歷了90年代后期的下降之后又出現(xiàn)大幅反彈性增長(zhǎng)，氮氧化物（NOx）排放量快速增長(zhǎng)［3-4］。

當(dāng)降水的酸度達(dá)到一定閾值，將破壞植物葉片的微結(jié)構(gòu)，降低葉綠素含量和光合效率，葉面出現(xiàn)可見(jiàn)傷害癥狀，阻礙生長(zhǎng)發(fā)育，甚至導(dǎo)致作物的減產(chǎn)等［5］。李德成等在酸雨對(duì)水稻的影響方面做了初步研究［5］；成杰民等模擬了太湖地區(qū)酸雨對(duì)水稻的影響［6］；彭彩霞等探索了模擬酸雨對(duì)水稻種子萌發(fā)以及幼苗生長(zhǎng)的影響［7］。

隨著高光譜遙感技術(shù)的發(fā)展，一些學(xué)者通過(guò)測(cè)定葉片的光譜反射率來(lái)反演植物在外界不同因子脅迫下的生長(zhǎng)模型。盧霞等通過(guò)成像光譜儀測(cè)量植物的光譜曲線來(lái)反演植物在重金屬脅迫下的生長(zhǎng)模型［8］；張東彥等使用成像光譜儀探索病蟲(chóng)害、養(yǎng)分對(duì)小麥生長(zhǎng)的影響［9］；程苗苗等人利用便攜式光譜儀ASD研究了亞熱帶的典型樹(shù)種幼苗對(duì)模擬酸雨的響應(yīng)［10］。研究結(jié)果表明，高光譜技術(shù)可以較好地監(jiān)測(cè)植被受酸脅迫的影響。然而，水稻對(duì)酸脅迫在光譜上的響應(yīng)，還未見(jiàn)研究。

水稻是我國(guó)主要糧食作物，長(zhǎng)江三角洲又是水稻主要產(chǎn)地。因此，利用高光譜技術(shù)研究酸雨對(duì)水稻的影響具有重要意義。本文通過(guò)ASD光譜儀測(cè)量水稻葉片的光譜曲線從而監(jiān)測(cè)水稻在不同酸類(lèi)型、不同酸濃度下的光譜響應(yīng)，通過(guò)建立酸脅迫高光譜診斷模型，為大面積監(jiān)測(cè)水稻酸脅迫提供技術(shù)支持。

2 實(shí)驗(yàn)方案

2.1 選擇水稻進(jìn)行受控實(shí)驗(yàn)

實(shí)驗(yàn)地點(diǎn)為浙江省臨安市。根據(jù)降水中的平均離子組成及通常模擬酸雨實(shí)驗(yàn)中所慣常采用的配比，將模擬酸雨分為兩組進(jìn)行試驗(yàn)，第1組是硫酸型酸雨，第2組是硝酸型酸雨（∶＝8∶1；∶＝8∶1）。均用水稀釋成pH值分別為2.5、4.0和5.6的3個(gè)酸雨梯度，分別代表強(qiáng)酸雨、較弱的酸雨、對(duì)照組。將大棚內(nèi)水稻等分成與模擬酸雨梯度對(duì)應(yīng)的3組，每組的占地面積約為20m2。實(shí)驗(yàn)工作于2010年4月下旬水稻生長(zhǎng)穩(wěn)定后展開(kāi)，根據(jù)臨安地區(qū)多年月均降水量，噴淋適量酸雨（與當(dāng)?shù)乜偟慕邓炕境制剑瑖娝衢g隔為一周，期間適當(dāng)補(bǔ)水。受試水稻為常見(jiàn)早稻品種杭959，于2010年3月末播種，四月初插秧，5月末進(jìn)行ASD光譜測(cè)量，獲得一次數(shù)據(jù)，取各受試水稻的中上部成熟功能葉進(jìn)行測(cè)試，每一酸雨處理梯度下取樣27片葉。

2.2 葉片反射率的測(cè)量

葉片光譜反射率的測(cè)定所用的儀器是美國(guó)ASD公司（Analytical Spectral Devices，Inc.）生產(chǎn)的FieldSpec FR型便攜式地物光譜儀。FieldSpec FR的采樣波長(zhǎng)范圍在350nm～2500nm之間，其光譜分辨率在350nm～1000nm和1000nm～2500nm間分別為3nm和10nm，其采樣間隔分別為1.4nm和2nm。

光譜測(cè)試過(guò)程中，樣品葉片被展平置于黑色背景的工作臺(tái)上，利用FieldSpec ProFRTM的植物專(zhuān)用探頭對(duì)準(zhǔn)葉片，并確保樣品充滿(mǎn)儀器的視場(chǎng)角。用此方法，對(duì)該實(shí)驗(yàn)中162（27＊2＊3，每個(gè)梯度取27片葉子，2個(gè)酸類(lèi)型、3個(gè)梯度）片葉子分別進(jìn)行光譜測(cè)量，得到每片葉子的光譜曲線。為消除外界干擾以保證精度，對(duì)每個(gè)樣品同時(shí)采集10條光譜曲線。每隔10分鐘左右對(duì)儀器做一次優(yōu)化并做參考板校正。

3 數(shù)據(jù)處理

3.1 數(shù)據(jù)預(yù)處理

在對(duì)樣品葉片測(cè)量過(guò)程中有不同因素的干擾，比如噪音和隨機(jī)性，可能導(dǎo)致一定的誤差，因此首先剔除異常光譜線，然后對(duì)其他的光譜曲線取平均值，作為樣品葉片的代表光譜曲線。

再把每一個(gè)梯度27個(gè)葉片的代表光譜曲線取平均值，作為一個(gè)梯度的代表光譜曲線，得到3個(gè)不同梯度的光譜曲線圖。

3.2 方差分析

方差分析用于分析不同水平的控制變量是否對(duì)結(jié)果產(chǎn)生顯著影響。其基本思想是通過(guò)分析研究中不同變量的變異對(duì)總變異的貢獻(xiàn)大小，確定控制變量對(duì)研究結(jié)果影響力的大?。?1］。

本研究分別對(duì)3個(gè)酸雨梯度處理下的樣本光譜反射率差異顯著性進(jìn)行兩兩分析，以分析對(duì)酸雨處理較為敏感的波段范圍及分布規(guī)律。本研究把方差分析的相伴概率在3個(gè)酸梯度中均小于顯著性水平0.05的波段作為敏感波段。

3.3 主成分分析

主成分分析（PCA）是多元統(tǒng)計(jì)中一種重要的數(shù)據(jù)壓縮處理技術(shù)［12］，利用PCA變換可以在信息損失最小的前提下，用較少的分量代替原來(lái)的高維數(shù)據(jù)，從而解決高光譜波段過(guò)多、譜帶重疊的分析難題［13］，也可以部分排除由于數(shù)據(jù)質(zhì)量等原因引起的噪聲［14］。

通過(guò)利用高分辨率的光譜波段快速和大面積的實(shí)時(shí)動(dòng)態(tài)無(wú)損探測(cè)植物對(duì)于外界因子脅迫的響應(yīng)已越來(lái)越廣泛的應(yīng)用到研究中。然而，由于高光譜數(shù)據(jù)波段寬度窄、波段數(shù)量多，導(dǎo)致波段間相關(guān)性高、數(shù)據(jù)量大、冗余嚴(yán)重等缺陷，造成數(shù)據(jù)維數(shù)災(zāi)難，不利于特征波段的選取和新知識(shí)的發(fā)掘［15］。為了降低數(shù)據(jù)維數(shù)，更合理的解釋3個(gè)酸雨梯度處理下的樣本光譜反射率與模擬酸雨pH值之間的關(guān)系，從而更好的進(jìn)行決策樹(shù)分類(lèi)，采用PCA變換對(duì)數(shù)據(jù)進(jìn)行壓縮。

3.4 決策樹(shù)模型

決策樹(shù)方法由于具有將不同的數(shù)據(jù)源融于一體、可以處理特征集與目標(biāo)之間的非線性關(guān)系等優(yōu)點(diǎn)，已被廣泛應(yīng)用于環(huán)境和遙感圖像處理等領(lǐng)域［16-17］?；跊Q策樹(shù)的分類(lèi)方法是一種能夠反映同類(lèi)事物共同性質(zhì)的特征知識(shí)和不同事物之間的差異型特征知識(shí)的典型分類(lèi)方法［18］。C5.0算法是Quinlan在C4.5基礎(chǔ)上發(fā)展起來(lái)的決策樹(shù)生成算法［19］。C5.0采用信息增益比（率）作為分類(lèi)評(píng)價(jià)函數(shù)來(lái)選擇屬性。本次運(yùn)用C5.0算法探討建立水稻葉片酸脅迫的高光譜診斷模型。

4 結(jié)果與分析

4.1 水稻葉片光譜曲線

酸脅迫會(huì)使得對(duì)其敏感的葉綠素含量、細(xì)胞結(jié)構(gòu)和含水量等發(fā)生相應(yīng)的變化，并對(duì)植物的膜透性、光合系統(tǒng)、呼吸作用、物質(zhì)代謝、酶活性產(chǎn)生影響［20-21］，光譜曲線可以反應(yīng)葉片的生長(zhǎng)情況，因此水稻對(duì)酸脅迫的反應(yīng)可以通過(guò)光譜曲線表現(xiàn)出來(lái)。

由圖1可以看出硝酸型酸雨對(duì)水稻的影響：在400nm～600nm的可見(jiàn)光波段，pH4.0的光譜曲線較其對(duì)照組更高；在750nm～1300nm的近紅外波段的高反射區(qū)，不同酸脅迫程度的水稻光譜曲線差異明顯，pH2.5和pH4.0的反射率均比對(duì)照組高，pH為4.0的酸濃度下水稻的反射率明顯高于其他兩組；1600nm～1830nm和2080nm～2350nm波段的光譜與含水量關(guān)系密切，在此波段水稻光譜也有差異，較其對(duì)照組pH5.6，pH4.0的反射率更高，而pH2.5的反射率更低。這可能是由于在酸脅迫的初級(jí)階段，溶液里的N元素對(duì)水稻產(chǎn)生了施肥作用，使水稻葉片內(nèi)葉綠素增加［22-23］，在一定程度上促進(jìn)了水稻的生長(zhǎng)，使其反射率高于對(duì)照組；隨著對(duì)水稻的酸脅迫加重，水稻的生長(zhǎng)受到抑制：近紅外波段pH2.5的光譜曲線低于pH4.0的光譜曲線，酸脅迫引起的細(xì)胞破壞導(dǎo)致了水稻內(nèi)水分的變化，引起pH2.5的光譜曲線在1600nm～1830nm和2080nm～2350nm波段降低。

對(duì)原始光譜進(jìn)行差異性分析，硝酸型酸雨差異性明顯的波段主要集中在1000nm～1074nm，表明硝酸型酸雨對(duì)水稻的原始光譜影響主要在近紅外區(qū)。同時(shí)，在400nm～700nm的可見(jiàn)光部分、680nm～1000nm的近紅外波段和1600nm～1800nm波段，pH4.0和pH2.5、pH5.6的光譜差異性都小于0.05，存在明顯差異，而pH2.5和pH5.6的光譜無(wú)顯著性差異；在2010nm～2166nm波段，pH2.5 與 pH4.0、pH5.6 的光譜差異性均小于0.05，而pH4.0和pH5.6的光譜差異性不明顯。這進(jìn)一步驗(yàn)證了上述對(duì)光譜曲線的分析。

圖1 水稻在硝酸型酸雨中的光譜反射率

由圖2可以看出硫酸型酸雨對(duì)水稻的影響：在400nm～600nm的可見(jiàn)光波段，pH4.0的光譜曲線較其對(duì)照組略有降低，而pH2.5的光譜曲線與對(duì)照組持平且略有上升；在750nm～1300nm的近紅外波段的高反射率區(qū)，pH4.0的反射率較其他兩組，明顯更低，而pH2.5的反射率與對(duì)照組持平中略有上升；1600nm～1830nm和2080nm～2350nm波段與植物的含水量有密切關(guān)系，這一波段不同酸雨梯度下的光譜也有差異，與對(duì)照組相比，pH4.0的光譜更高，而pH2.5的反射率更低。一般植物在遭受脅迫的情況下，葉綠素會(huì)呈現(xiàn)降低的趨勢(shì)［24］。嚴(yán)重玲等對(duì)農(nóng)作物綠豆和玉米的葉片研究也表明：在硫酸型模擬酸雨脅迫下，植物葉片活性降低，葉綠素含量減少［25］；本實(shí)驗(yàn)中，由于水稻對(duì)硫酸型酸雨敏感，酸雨降低了水稻葉片的活性，在pH4.0時(shí)就表現(xiàn)為抑制作用，而隨著酸脅迫加重，水稻對(duì)其有一定的適應(yīng)性，反射率反而上升了。

圖2 水稻在硫酸型酸雨中的光譜反射率

對(duì)原始光譜進(jìn)行差異性分析，硫酸型酸雨兩兩之間均存在顯著性差異的波段很少，沒(méi)有規(guī)律；但在487nm～666nm的可見(jiàn)光部分、720nm～928nm的近紅外部分和1386nm～1800nm波段，pH4.0和pH2.5、pH5.6的差異性都小于0.05，存在明顯差異，而pH2.5和pH5.6無(wú)顯著性差異。

4.2 主成分分析

通過(guò)以上分析，硝酸型酸雨的差異性主要集中在400nm～1074nm波段和1600nm～1800nm波段；硫酸型酸雨主要集中在480nm～930nm和1386nm～1800nm波段。由于酸脅迫引起的植物光譜的改變主要集中在可見(jiàn)光［26-27］，再結(jié)合本次差異性分析的結(jié)果，本研究選取了幾個(gè)具有物理意義的光譜區(qū)域內(nèi)的光譜反射率進(jìn)行主成分分析：藍(lán)區(qū)（BR：350nm～400nm）、藍(lán)邊（BE：490nm～530nm）、綠區(qū)（GR：510nm～560nm）、黃邊（YE：550nm～582nm）、紅光吸收谷（RW：640nm～680nm）、紅邊（RE：670nm～737nm）、近紅外區(qū)（NIR：700nm～900nm）。其中藍(lán)區(qū)和藍(lán)邊是葉綠素的強(qiáng)吸收區(qū)；綠區(qū)是葉綠素的高反射區(qū)；黃邊是黃光在550nm～582nm之間反射率一階導(dǎo)數(shù)最大值的位置，反映植被的生長(zhǎng)狀況；紅光和紅光吸收谷是葉綠素的強(qiáng)吸收區(qū)，而紅邊與葉子內(nèi)部的物理狀態(tài)密切相關(guān)，指示植物內(nèi)的葉綠素，全氮含量等；近紅外波段則可以預(yù)測(cè)植物的細(xì)胞結(jié)構(gòu)、水分、蛋白質(zhì)等［28］。

經(jīng)過(guò)對(duì)選取波段的主成分變換，硝酸型酸雨的光譜主成分因子及其累計(jì)貢獻(xiàn)率如表1所示，數(shù)據(jù)降維效果顯著，除藍(lán)區(qū)主成分因子累計(jì)貢獻(xiàn)率在83.7%以外，其余都達(dá)到了98%以上，原光譜區(qū)域敏感波段信息得到有效保留。

表1 硝酸酸雨光譜主成分因子及累計(jì)貢獻(xiàn)率

硫酸型酸雨的光譜主成分因子及其累計(jì)貢獻(xiàn)率如表2所示，除藍(lán)區(qū)主成分因子累計(jì)貢獻(xiàn)率在88.0%以外，其余都達(dá)到了98%以上。對(duì)于藍(lán)區(qū)光譜而言，主成分因子數(shù)目較多，數(shù)據(jù)壓縮率和累計(jì)貢獻(xiàn)率相對(duì)較低，表明該變量?jī)?nèi)所含信息較為豐富且各信息項(xiàng)之間相關(guān)性較弱，利于有效分類(lèi)。

表2 硫酸酸雨光譜主成分因子及累計(jì)貢獻(xiàn)率

4.3 基于決策樹(shù)水稻葉片酸脅迫高光譜診斷模型

將硝酸型酸雨下得到的19個(gè)光譜反射率主成分因子作為決策樹(shù)自變量，將酸雨處理梯度等級(jí)作為因變量，對(duì)81個(gè)（27＊3，3個(gè)梯度）樣本通過(guò)分類(lèi)規(guī)則進(jìn)行分析并分類(lèi)。

分類(lèi)結(jié)果如圖3所示，利用光譜主成分因子對(duì)81個(gè)樣本分類(lèi)，準(zhǔn)確率為96.3%，其根節(jié)點(diǎn)為a1（藍(lán)區(qū)），表明藍(lán)區(qū)對(duì)酸脅迫的響應(yīng)最明顯。參與分類(lèi)的變量共有5個(gè)（分別為a1、a5、a6、a7、b），其主要表征波段為350nm～400nm（藍(lán)區(qū)）和490nm～530nm（藍(lán)邊）。

將硫酸型酸雨下得到的18個(gè)光譜反射率主成分因子都作為決策樹(shù)自變量，將酸雨處理梯度等級(jí)作為因變量，對(duì)81個(gè)樣本通過(guò)分類(lèi)規(guī)則進(jìn)行分析并分類(lèi)。

分類(lèi)結(jié)果如圖4所示，利用光譜主成分因子對(duì)81個(gè)（27＊3，3個(gè)梯度）樣本分類(lèi)，準(zhǔn)確率為98%，分類(lèi)精度較高，其根節(jié)點(diǎn)為a6（藍(lán)區(qū)），參與分類(lèi)的變量共有5個(gè)（分別為a2、a3、a6、a7、b2），其主要表征波段也為350nm～400nm（藍(lán)區(qū)）和490nm～530nm（藍(lán)邊）。

圖4 硫酸型酸雨主成分因子對(duì)樣本的分類(lèi)圖

酸脅迫導(dǎo)致葉綠素的變化，從而引起植物葉片對(duì)藍(lán)紫光和紅光反射率變化，引起光譜曲線的變化。研究表明，葉綠素a、葉綠素b的吸收主要在紅區(qū)（670nm左右）和藍(lán)區(qū)（450nm左右），在酸脅迫中，這些波段也明顯影響決策樹(shù)的分類(lèi)精度［29-31］。藍(lán)區(qū)和紅區(qū)對(duì)植物所受的酸脅迫有較好的光學(xué)響應(yīng)［32］。而在本次基于決策樹(shù)的分類(lèi)中，藍(lán)紫光是主要表征波段，從而證明酸脅迫對(duì)水稻產(chǎn)生了影響，使水稻的光譜曲線發(fā)生了變化。

5 結(jié)束語(yǔ)

本研究以水稻作為研究對(duì)象，進(jìn)行大棚酸雨受控實(shí)驗(yàn)，通過(guò)數(shù)據(jù)預(yù)處理、方差分析、主成分分析和決策樹(shù)系統(tǒng)的技術(shù)手段，對(duì)比分析水稻對(duì)于不同酸成分、酸強(qiáng)度處理的高光譜反射率響應(yīng)，得到如下結(jié)論：

（1）硝酸型酸雨和硫酸型酸雨都對(duì)水稻生長(zhǎng)有一定程度的抑制作用，但是由于硝酸型酸雨含有水稻生長(zhǎng)所必需的氮元素，使水稻在酸濃度較低的情況下，表現(xiàn)為促進(jìn)其生長(zhǎng)，但是隨著酸濃度的增加，則表現(xiàn)為抑制，促進(jìn)和抑制的酸濃度臨界點(diǎn)，還需要進(jìn)一步實(shí)驗(yàn)才能得到；而硫酸型酸雨在低濃度下就明顯表現(xiàn)為抑制水稻生長(zhǎng)，但是隨著濃度的增高，抑制作用反而減弱，逐漸與對(duì)照組持平，這可能是水稻適應(yīng)了硫酸型酸雨的結(jié)果。

（2）經(jīng)過(guò)主成分變換，除藍(lán)區(qū)光譜外，其他各光譜區(qū)域光譜主成分均具有較高的數(shù)據(jù)壓縮率和累計(jì)貢獻(xiàn)率；對(duì)于藍(lán)區(qū)光譜而言，主成分因子數(shù)目較多，表明該變量?jī)?nèi)所含信息較為豐富且各信息項(xiàng)之間相關(guān)性較弱，利于有效分類(lèi)。

（3）經(jīng)過(guò)C5.0算法進(jìn)行分類(lèi)，以光譜主成分因子為自變量，對(duì)硝酸型酸雨和硫酸型酸雨處理梯度等級(jí)分類(lèi)的準(zhǔn)確率分別為96.3%和98%，分類(lèi)精度很高。藍(lán)區(qū)對(duì)分類(lèi)結(jié)果影響最為顯著，其次是藍(lán)邊，其他光譜區(qū)域?qū)Ψ诸?lèi)結(jié)果影響較小，表明藍(lán)區(qū)內(nèi)的光譜導(dǎo)數(shù)能較明顯反映出水稻受到酸雨的影響。

［1]MENZ F C，SEIP H M.Acid rain in Europe and the United States：An update［J］.Environmental Science and Policy，2004，7（4）：253－265.

［2]宋曉東，江洪，余樹(shù)全，等.模擬酸雨脅迫與植物葉片光譜反射率特征間的關(guān)系［J］.光譜學(xué)與光譜分析，2010，30（1）：165－169.

［3]湯潔，徐曉斌，巴金，等.1992－2006年中國(guó)降水酸度的變化趨勢(shì)［J］.科學(xué)通報(bào)，2010，55（8）：705－712.

［4]ZHANG X Y，JIANG H.Analysis of acid rain patterns in northeastern China using a decision tree method［J］.Atmospheric Environment，2012（46）：590－596.

［5]李德成，徐彬彬，石曉日，等.模擬酸雨對(duì)水稻葉片反射光譜特性影響的初步研究［J］.環(huán)境遙感，1996，11（4）：241－247.

［6]成杰民，潘根興，倉(cāng)龍，等.模擬酸雨對(duì)太湖地區(qū)主要水稻土土壤pH及植物生長(zhǎng)的影響［J］.南京農(nóng)業(yè)大學(xué)學(xué)報(bào)，2000，23（2）：116－118.

［7]彭彩霞，彭長(zhǎng)連，林桂珠，等.模擬酸雨對(duì)農(nóng)作物種子萌發(fā)和幼苗生長(zhǎng)的影響［J］.熱帶亞熱帶植物學(xué)報(bào)，2003，11（4）：400－404.

［8]盧霞，劉少峰，鄭禮全.礦區(qū)植被重金屬脅迫高光譜分辨率數(shù)據(jù)分析［J］.測(cè)繪科學(xué)，2007，32（2）：111－113.

［9]張東彥，張競(jìng)成，朱大洲，等.小麥葉片脅迫狀態(tài)下的高光譜圖像特征分析研究［J］.光譜學(xué)與光譜分析，2011，31（4）：1101－1105.

［10]程苗苗，江洪，陳健，等.不同演替階段典型樹(shù)種幼苗對(duì)酸脅迫響應(yīng)的高光譜監(jiān)測(cè)［J］.生態(tài)學(xué)報(bào)，2009，29（11）：5953－5962.

［11]余建英，何旭紅.數(shù)據(jù)統(tǒng)計(jì)分析與SPSS應(yīng)用［M］.北京：人民郵電出版社，2003：141.

［12]李俊祥，達(dá)良俊，王玉潔，等.基于NOAA－AVHRR數(shù)據(jù)的中國(guó)東部地區(qū)植被遙感分類(lèi)研究［J］.植物生態(tài)學(xué)報(bào)，2005，29（3）：436－443.

［13]何勇，李曉麗，邵詠妮.基于主成分分析和神經(jīng)網(wǎng)絡(luò)的近紅外光譜蘋(píng)果品種鑒別方法研究［J］.光譜學(xué)與光譜分析，2006，26（5）：850－853.

［14]TOWNSHEND J R G，JUSTICE C O，KALB V.Characterization and classification of South－American land cover types using satellite data［J］.International Journal of Remote Sensing，1987（8）：1189－1207.

［15]張秀英，馮學(xué)智，江洪.面向?qū)ο蠓诸?lèi)的特征空間優(yōu)化［J］.遙感學(xué)報(bào)，2009，13（4）：664－669.

［16]ZHANG X Y，F(xiàn)ENG X Z，JIANG H.Object－oriented method for urban vegetation mapping using IKONOS imagery［J］.International Journal of Remote Sensing，2010，31（1）：177－196.

［17]ZHANG X Y，LIN F F，JIANG Y G，et al.Assessing soil Cu content and anthropogenic influences using decision tree analysis［J］.Environmental Pollution，2008（156）：1260－1267.

［18]祁治.基于模糊集理論的關(guān)聯(lián)規(guī)則研究［D］.武漢：武漢科技大學(xué)，2005.

［19]張青.決策樹(shù)分類(lèi)算法的研究與改進(jìn)［D］.鄭州：鄭州大學(xué)，2002.

［20]高吉喜，曹洪法，舒儉民.酸雨對(duì)植物新陳代謝的影響［J］.環(huán)境科學(xué)研究，1996，9（4）：41－45.

［21]單運(yùn)峰，馮宗煒.模擬酸雨對(duì)馬尾松和杉木幼樹(shù)的影響［J］.環(huán)境科學(xué)學(xué)報(bào)，1988，8（3）：307－315.

［22]劉菊秀.酸沉降對(duì)森林生態(tài)系統(tǒng)影響的研究現(xiàn)狀及展望［J］.生態(tài)學(xué)雜志，2003，22（5）：113－117.

［23]謝曉贊，江洪，宋曉東，等.模擬酸雨不同水平下杜英和山核桃的高光譜特點(diǎn)［J］.遙感信息，2010（1）：32－38.

［24]RICHARDSON A D，DUIGAN S P，BERLYN G P.An evaluation of noninvasive methods to estimate foliar chlorophyll content［J］.New Phytologist，2002（153）：185－194.

［25]嚴(yán)重玲，鐘章成，李睿智.酸雨對(duì)農(nóng)作物葉片活力、葉綠素及葉汁pH 的影響［J］.環(huán)?？萍迹?995，17（2）：27－30.

［26]CARTER G A，KNAPP A K.Leaf optical properties in higher plant s：Linking spectral characteristics to stress and chlorophyll concentration［J］.American Journal of Botany，2001，88（4）：677－684.

［27]CARTER G A.Responses of leaf spectral reflectance to plant stress［J］.American Journal of Botany，1993，80（3）：239－243.

［28]浦瑞良，宮鵬.高光譜遙感及其應(yīng)用［M］.北京：高等教育出版社，2004：81.

［29]JIN J X，JIANG H，ZHANG X Y，et al.Using multivariate analysis to detect the hyperspectral response of Chinese fir to acid stress［J］.International Journal of Remote Sensing，2013，34（11）：3775－3786.

［30]BLACKBURN G A.Wavelet Decomposition of Hyper spectral Data：A Novel Approach to Quantifying Pigment Concentrations in Vegetation［J］.International Journal of Remote Sensing，28（12）：2831－2855.

［31]TILLING A K，O’LEARY G J，F(xiàn)ERWERDA J G，et al.Remote sensing of nitrogen and water stress in wheat［J］.Field Crops Research，2007（104）：77－85.

［32]MUTANGA O，SKIDMORE A K.Red edge shift and biochemical content in grass canopies［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2007（62）：34－42.