夏 天,楊可明,馮飛勝,郭 輝,張 超
1. 中國資源衛(wèi)星應(yīng)用中心,北京 100094 2. 中國礦業(yè)大學(xué)(北京)地球科學(xué)與測繪工程學(xué)院,北京 100083 3.安徽理工大學(xué)深部煤礦采動響應(yīng)與災(zāi)害防控國家重點實驗室,安徽 淮南 232001 4.安徽理工大學(xué)測繪學(xué)院,安徽 淮南 232001
近年來,礦山開采、 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,在土壤中嚴(yán)重超標(biāo)后,會通過根部進入到農(nóng)作物的體內(nèi),損壞農(nóng)作物的細胞結(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)測農(nóng)作物重金屬污染已成為研究熱點。傳統(tǒng)的化學(xué)研究方法因其價格高、 耗費人力、 實施范圍小等局限性已經(jīng)難以滿足日漸迫切的需要; 高光譜遙感的迅速發(fā)展提供了新的思路,因其具備高效、 無損、 實時性強、 圖譜合一、 高光譜分辨率等特點,已逐漸在農(nóng)作物重金屬污染監(jiān)測及防治中發(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)測植被重金屬污染是目前較常用的方法,國內(nèi)外不少專家學(xué)者進行過相關(guān)研究。有研究表明小麥中的銅含量與葉綠素、 紅邊藍移程度及光譜反射率有顯著的相關(guān)性。有報道認(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)來監(jiān)測水稻重金屬污染。李婷[5]等通過多元回歸分析和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World View-2影像中植被污染區(qū)域進行研究,發(fā)現(xiàn)紅邊波段對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)合光譜角的方法對銅脅迫下小麥和上海青的光譜進行分析,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,可用來判別植被受重金屬污染的程度。劉聰[9]等基于小波分解、 計算分形維數(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]等通過對玉米光譜兩個子波段進行諧波分析,探索了諧波子信號與銅脅迫梯度的規(guī)律。以上工作對植物重金屬污染進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)間去探尋對重金屬污染敏感的子波段。本工作設(shè)計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)、 改進的葉綠素吸收率指數(shù)(MCARI)和歸一化水指數(shù)(NDWI)[11]進行對比分析,驗證了該指數(shù)在玉米葉片銅污染監(jiān)測上具有一定的優(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,同時也為其他農(nóng)作物重金屬污染遙感監(jiān)測提供相應(yīng)的技術(shù)支持。
研究基于2014年和2016年兩個批次的實驗數(shù)據(jù),劃分為訓(xùn)練集(2016年)和驗證集(2014年)。
本實驗于2016年進行,選取“中糯1號”玉米種子和有底漏并附帶托盤的花盆進行植株培養(yǎng),實驗采用不同濃度CuSO4·5H2O分析純?nèi)芤好{迫玉米生長,玉米葉片光譜測定選用波段范圍在350~2500 nm的美國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測定玉米葉片中Cu2+含量。
實驗選用顆粒飽滿的玉米種子進行溫水浸泡和催芽,對培育的土壤進行過篩、 曬干和稱重等處理,通過天平對CuSO4·5H2O晶體進行精細稱重并配置不同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)]。為了模擬真實條件下的土壤重金屬污染,各脅迫組均勻添加對應(yīng)濃度試劑,并與土壤攪拌均勻。此外,每個脅迫梯度均設(shè)置3個平行實驗組,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營養(yǎng)液。為保障玉米室外的生長環(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。玉米生長過程如圖1所示。
圖1 玉米生長過程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測定時光源,測定時光譜鏡頭視場角設(shè)置為4°,光譜儀鏡頭與玉米葉垂直,距玉米葉表面約40 cm。為避免土壤光譜對玉米葉片光譜采集產(chǎn)生干擾,從而導(dǎo)致所測量的玉米葉片光譜不純,用黑色塑料袋將花盆蓋住。每次測量花盆中玉米葉片光譜前需要用白板對光譜反射系數(shù)進行標(biāo)準(zhǔn)化處理,然后每片葉片光譜各測3次,記錄每次測量時對應(yīng)的盆栽編號,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。
光譜采集完之后對玉米葉片進行裁剪、 清洗、 干燥、 粉碎、 分裝、 編號和保存,采用WFX-120型原子吸收分光光度計測定玉米葉片中Cu2+含量。首先在萬分之一天平上對每個銅脅迫梯度的樣品進行稱取,然后用高純硝酸和高氯酸進行硝化處理,玉米葉片溶解之后加超純水定容并將液體混合均勻,最后進行上機實驗。儀器條件: 狹縫為0.7 nm、 波長為324.7 nm、 燈電流為3.00 mA、 負電壓為304 V,測定原理為火焰原子吸收法。在相同的條件下對每個銅脅迫梯度進行三組平行實驗,將3次測得的銅含量值取平均作為玉米葉片Cu2+的含量。
以2014年實驗測得的玉米葉片的光譜數(shù)據(jù)作為驗證。2014年實驗選用的玉米種子為“中糯1號”,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)]。以上每個脅迫組各設(shè)置3個平行組,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。兩次實驗測得的玉米葉片光譜如圖2和圖3所示,測得的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
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(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
植物葉片光譜會因Cu2+脅迫而改變,很多研究利用歸一化植被指數(shù)來探究植物的生長狀況,計算一些植物的理化參數(shù)來達到研究目的。但歸一化植被指數(shù)只利用了兩個子區(qū)間的反射率,而某些光譜子區(qū)間反射率也會根據(jù)植物生長情況而呈現(xiàn)一定的規(guī)律,因此設(shè)計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,使用每個光譜子區(qū)間的中間波長反射率,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驗獲取的,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,進而NCSVI指數(shù)的變化與玉米葉片不同濃度的銅脅迫會具有相關(guān)性。NCSVI計算公式為
(1)
式(1)中,λ為波長,R(λmiddle)為每一個光譜子區(qū)間的中間波長對應(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)為其中間波長對應(yīng)的光譜反射率; (2) 若子波段的波段數(shù)為偶數(shù),則R(λmiddle)為其中間兩個波長對應(yīng)的光譜反射率的均值。
植被指數(shù)可通過波段組合運算算出,可以增強植被的某些特征。選用進行對照的植被指數(shù)為水波段指數(shù)(water band index, WBI)、 改進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),計算公式如表2所示。
表2 植被指數(shù)計算公式Table 2 Computing formula of vegetation indexes
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能表征兩個變量之間的線性相關(guān)性,1代表完全正相關(guān),0代表無相關(guān)性,-1代表完全負相關(guān)。RMSE是觀測值與真值(或模擬值)偏差的平方和與觀測次數(shù)比值的平方根,RMSE越大說明偏差越大、 越小則偏差越小。R和RMSE的計算公式為
(2)
(3)
式(3)中,di為第i次觀測的觀測值與模擬值的偏差,n為觀測的次數(shù)。
首先根據(jù)訓(xùn)練集(2016年)實驗數(shù)據(jù)算出11個子區(qū)間中間波長對應(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)分別計算每個銅脅迫梯度內(nèi)11個子區(qū)間對應(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中可以看出對于11個光譜子區(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)絕對值的閾值為0.9,相關(guān)性系數(shù)R的絕對值大于0.9的子區(qū)間可以作為對銅污染敏感的波段,符合條件的有綠峰、 紅邊、 近谷和近峰A這四個子區(qū)間對應(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這四個子區(qū)間對應(yīng)NCSVI的RMSE分別為12.57,8.71,12.71和10.06,其他七個子區(qū)間對應(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),這四個子區(qū)間對玉米葉片銅脅迫有著更好的指示性,可以用來監(jiān)測銅污染。
表3 2016年實驗NCSVI和常規(guī)植被指數(shù)統(tǒng)計及相關(guān)性計算結(jié)果Table 3 Statistics and correlation calculation results of NCSVI and conventional VIs by experiment in 2016
圖5 2016年實驗植被指數(shù)(VIs)與玉米葉片Cu2+含量相關(guān)關(guān)系
為了確認(rèn)NCSVI的普適性和魯棒性,采用驗證集(2014年)實驗數(shù)據(jù)進行驗證,結(jié)果如表4和圖6所示。在2014年的實驗中,依然設(shè)置相關(guān)性系數(shù)絕對值的閾值為0.9,相關(guān)性系數(shù)r的絕對值大于0.9的子區(qū)間可以作為對銅污染敏感的波段,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年實驗得到的四個敏感區(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這四個子區(qū)間,對應(yīng)NCSVI的RMSE分別為1.50,0.85,0.78和1.29,其他七個子區(qū)間對應(yīng)NCSVI的RMSE均大于1.55,也與2016年實驗所得相符,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)驗證實驗測得的相關(guān)性系數(shù)和均方根誤差結(jié)果,說明在不同年份不同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)測玉米葉片銅污染。
圖6 2014年實驗植被指數(shù)(VIs)與玉米葉片Cu2+含量相關(guān)關(guān)系
表4 2014年實驗NCSVI和常規(guī)植被指數(shù)統(tǒng)計及相關(guān)性計算結(jié)果Table 4 Statistics and correlation calculation results of NCSVI and conventional VIs by experiment in 2014
通過2016年和2014年不同濃度玉米銅污染實驗,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年玉米實驗光譜11個子波段區(qū)間中間波長反射率分別計算NCSVI并與玉米葉片Cu2+含量進行相關(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這四個子區(qū)間對應(yīng)的NCSVI符合條件,R分別達到了-0.94,-0.97,-0.94和-0.96,RMSE分別為12.57,8.71,12.71和10.06。同時與三種常規(guī)植被指數(shù)進行對比,WBI,MCARI和NDWI與玉米葉片Cu2+含量的相關(guān)性系數(shù)R的絕對值均在0.9以下,RMSE最小的為24.21,說明四個子區(qū)間對應(yīng)的NCSVI對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驗對以上結(jié)果進行驗證,以0.9和1.55分別作為相關(guān)性系數(shù)R絕對值和均方根誤差RMSE的閾值,發(fā)現(xiàn)11個子區(qū)間中,只有綠峰、 紅邊、 近谷和近峰A這四個子區(qū)間對應(yīng)的NCSVI與玉米葉片Cu2+含量的相關(guān)性系數(shù)R的絕對值大于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的絕對值最大的為0.85,RMSE均在1.55以上,說明NCSVI能探測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,能探測出銅脅迫下玉米葉片光譜的敏感區(qū)間,可用于監(jiān)測玉米葉片銅污染,并為其他植物重金屬污染研究提供一定的理論支持。