王衛(wèi)紅，羅學(xué)剛，武鋒強(qiáng)，林 玲，李俊杰

1. 西南科技大學(xué)環(huán)境與資源學(xué)院，四川 綿陽 621010 2. 國家遙感中心綿陽科技城分部，四川 綿陽 621010 3. 生物質(zhì)材料教育部工程研究中心，四川 綿陽 621010

引 言

在鈾礦資源的開采和利用過程中，大量鈾廢石和鈾尾礦的產(chǎn)生不可避免。 鈾尾礦及周邊污染土壤平均含鈾量比天然本底值高4～10倍，其表面輻射劑量比一般土壤平均高5～70倍，隨著國防和核電工業(yè)對鈾的需求不斷增加，鈾尾礦庫已成為一個不容忽視的放射性和重金屬污染源。 快速、安全地進(jìn)行鈾尾礦及周邊土壤的放射性和重金屬污染的本底調(diào)查和動態(tài)監(jiān)測是推進(jìn)生態(tài)環(huán)境保護(hù)、改善生態(tài)環(huán)境質(zhì)量的現(xiàn)實需求。 土壤中鈾含量的高低，是體現(xiàn)其對環(huán)境帶來的污染風(fēng)險最重要的指標(biāo)之一。

廣大科技工作者已經(jīng)探索利用實測地物反射光譜監(jiān)測土壤重金屬含量，目前主要有兩類方法： 一是由土壤光譜直接反演[1]；二是根據(jù)重金屬污染脅迫下植被的光譜信息間接預(yù)測[2-3]。 由土壤光譜反演土壤的重金屬含量，精度比較高的方法還局限于在實驗室特定條件下測量土壤高光譜數(shù)據(jù)，選擇適當(dāng)?shù)慕７椒▉硗瓿蒣4-5]。 實驗室的特定條件在野外幾乎不可能重現(xiàn)；而且對于植被覆蓋區(qū)域，遙感影像主要反映的是植被光譜特征，土壤一般僅作為背景因素出現(xiàn)，所以如果要實現(xiàn)利用遙感影像進(jìn)行重金屬的監(jiān)測，基于植物光譜的研究具有重大意義。

由植物光譜特征反演土壤重金屬含量的研究，主要集中在以表征植被葉綠素和水吸收特征的中心波長對應(yīng)的反射率[6]或光譜位置參數(shù)、光譜面積參數(shù)、植被指數(shù)等[8]參數(shù)作為自變量來進(jìn)行。 可能由于上述參數(shù)不足以全面反映植物的光譜響應(yīng)，在土壤重金屬含量較低時，反演效果還不夠理想。 另外，對采用什么種類、什么生長期的植被有利于土壤重金屬反演，已往研究也鮮有涉及。 而關(guān)于通過植物光譜監(jiān)視土壤中鈾的污染程度，還未發(fā)現(xiàn)相關(guān)文獻(xiàn)報道。

作為冠層光譜的基礎(chǔ)，植物葉片光譜的野外測量手段已經(jīng)很成熟。 為了在植物生長過程中，盡可能早地從葉片反射光譜中監(jiān)測到鈾污染的響應(yīng)，研究中通過在土壤中添加不同濃度的鈾進(jìn)行盆栽實驗，從苗期開始測量不同生長期的葉片反射光譜，計算出光譜角，研究了光譜角對土壤鈾污染的定性和定量指示作用，并探討了該指示作用與葉片中鈾含量的關(guān)系。

1 實驗部分

實驗植物共選擇了苧麻(Boehmeria nivea)、印度芥菜(Brassica juncea)、酸模(Rumex acetosa L.)、甘藍(lán)型油菜(Brassica napus L.)、玉米(Zea mays L.)5種。 其中苧麻和酸模是通過在某鈾尾礦庫及其周邊鈾污染土壤進(jìn)行實地調(diào)研發(fā)現(xiàn)的優(yōu)勢植物；油菜和玉米是我國普遍種植的農(nóng)作物，對于研究由農(nóng)作物葉片光譜角推演其所生長的土壤鈾污染程度有較好的代表性；印度芥菜與油菜同為蕓薹屬植物，親緣關(guān)系比較近，而親緣關(guān)系近的植物對鈾污染的響應(yīng)可能相近。

盆栽實驗在西南科技大學(xué)校內(nèi)的溫室進(jìn)行，取溫室旁邊農(nóng)田的紫色壤土，過1.4 cm篩，每盆土壤2 kg干重。 實驗所添加的238U來源于分析純乙酸雙氧鈾，濃度梯度為0(對照組)，25，75，125，175，275，375和485 μg·g-1。 采用飽和持水量法配制實驗土壤，每個濃度3個重復(fù)。 配制好的土壤放置八周，使所添加的鈾經(jīng)土壤充分吸附后播種。 在實驗植物發(fā)芽后生長至4片真葉時，定苗2株·盆-1，5～6 d澆水1次，每次每盆250 mL，保持土壤濕度在田間持水量的20%～30%，各處理一致。

在不同生長期用美國Spectral Evolution公司生產(chǎn)的PSR-2500地物光譜儀配合接觸式探頭(探頭自帶光源和葉片夾持器)對活體葉片測量反射光譜。 測量光譜的生長期和地物光譜儀主要技術(shù)參數(shù)分別如表1和表2所示。 測量反射光譜時，從上往下每棵植株選擇相同葉位的3片葉片，每片采集4個光譜數(shù)據(jù)，每株共采集12個光譜數(shù)據(jù)。 為了盡可能減小偶然誤差的影響，將12個光譜數(shù)據(jù)中對應(yīng)波長的反射率取平均值并進(jìn)行小波去噪，作為該植株的反射率；對于同一盆兩棵植株的反射率再次取均值。 為了方便提取光譜的局部細(xì)節(jié)，對于取均值后的反射率經(jīng)過線性內(nèi)插，重采樣至1 nm。

表1 測量光譜選擇的生長期Table 1 The selected growth periods of measuring spectra

表2 PSR-2500地物光譜儀的主要技術(shù)參數(shù)Table 2 Main technical parameters of PSR-2500 spectrometer

在測量光譜的同時，采集植物葉片樣本。 用自來水和超純水清洗后，用吸濕紙吸去表面水分，烘至恒重，粉碎成細(xì)小粉末，每份樣本稱取約0.15 g，加入5 mL分析純硝酸、2 mL 30%雙氧水，用意大利MILESTONE公司生產(chǎn)的ETHOS UP型微波消解儀消解為液體，用美國Agilent 7700x ICP-MS等離子發(fā)射光譜質(zhì)譜儀測定鈾含量。

2 結(jié)果與討論

試驗組與對照組的地物向量在空間形成的夾角，叫做光譜角。 通過與閾值的比較，光譜角可識別健康植物與受脅迫植物，不少學(xué)者已經(jīng)成功利用光譜角識別了植物是否受重金屬污染[8-9]。 但相關(guān)工作主要研究葉片光譜角與葉片中重金屬含量的關(guān)系，研究葉片光譜特征與土壤中重金屬含量之間的關(guān)系比較少。 為了探討植物葉片反射光譜的宏觀變異情況與土壤鈾含量的關(guān)系，本工作對5個波段區(qū)間(表征葉片色素的350～716 nm、表征紅邊和近紅外平臺的717～975 nm、表征水分的976～1 265，1 266～1 770和1 771～2 500 nm)采用式(1)進(jìn)行光譜角計算

(1)

式(1)中，T為不同污染水平下的光譜角，γλ，S和γλ，C分別為污染組和對照組葉片在波長λ的反射率，λ1和λn分別為起止波長。 當(dāng)受重金屬污染后的光譜角大于對照組的光譜角閾值T0時，認(rèn)為光譜發(fā)生變異。 閾值的計算式如式(2)

(2)

表3列出了以盆為單位統(tǒng)計的實驗植物在不同生長期光譜角大于閾值的比例。 表3顯示： 除了成熟期的苧麻在表征水分的三個區(qū)間的光譜角大于閾值的比例比較低之外，實驗植物其他生長期的光譜角在絕大多數(shù)情況下都對鈾污染產(chǎn)生了350～2 500 nm的全面響應(yīng)。 可見，葉片光譜角能定性指示土壤鈾污染。

表3 土壤鈾污染下實驗植物光譜角大于閾值的比例(%)Table 3 Proportions of spectral angles greater than threshold valuesof experimental plants under soil uranium pollution (%)

為了探討能否通過葉片光譜角定量反演土壤鈾含量，分析了光譜角與土壤鈾含量的相關(guān)性。 表4列出的是通過顯著性檢驗、且相關(guān)系數(shù)絕對值大于0.7的光譜角。 將表4的光譜角作為備選自變量，利用線性回歸統(tǒng)計模型反演土壤中的鈾含量。 統(tǒng)計模型的擬合程度用決定系數(shù)R2表示。 當(dāng)人為向系統(tǒng)中添加過多的自變量時，殘差平方和會減少，從而R2變大，不能真實地反映擬合精度。 因此優(yōu)先采用單變量線性回歸，其次采用逐步多元線性回歸。 表5列出了p值小于等于0.05(采用t檢驗)的反演模型，而反演精度采用F值和均方根誤差(簡稱RMSE，單位為μg·g-1)來進(jìn)行綜合評價。

表4 實驗植物光譜角與土壤鈾含量的相關(guān)性Table 4 Correlations between spectral angles of experimental plants and uranium contents in soil

與土壤鈾含量顯著強(qiáng)相關(guān)的光譜角涵蓋了全部5種實驗植物的9個生長期、21個波段，其中8個生長期得到了通過顯著性檢驗的線性回歸方程。 有7個回歸方程的決定系數(shù)R2>0.64，其中3個(苧麻-苗期、印度芥菜-開花期和油菜-蕾薹期)的決定系數(shù)R2>0.81，其他參數(shù)也顯示回歸效果好。 可以認(rèn)為，葉片光譜角也能定量指示土壤鈾污染，但定量指示作用隨植物種類、生長期的不同而不同。 雖然5種實驗植物、13個生長期的葉片光譜角都可以定性指示土壤鈾污染，但只有7個生長期得到了綜合效果比較好的回歸方程。

表6列出了不同處理濃度下各生長期實驗植物葉片的鈾含量平均值，以探討葉片光譜角對土壤鈾污染的定量指示作用與對應(yīng)的葉片鈾含量是否有關(guān)。 表6顯示，苧麻、印度芥菜和油菜葉片中的鈾含量，相對酸模和玉米而言比較高，反演的整體效果也好。 酸模葉片的鈾含量比較低，反演效果相對較差；而玉米葉片的鈾含量最低，反演效果也最差。 可見，葉片光譜角對土壤鈾污染的定量指示作用強(qiáng)弱與其葉片的鈾含量高低呈現(xiàn)出一致性。

土壤中重金屬污染對人體的危害，主要是通過植物直接或間接傳遞給人。 不同種類的植物或者相同植物的不同器官，對土壤中不同元素重金屬或者相同元素但不同濃度的重金屬，響應(yīng)均有可能不同。 根據(jù)植物地上部分的重金屬含量對土壤重金屬含量的響應(yīng)，Baker將地上部分重金屬含量與土壤重金屬含量基本呈現(xiàn)正比關(guān)系的植物定義為指示型，與富集型和規(guī)避型相并列[10]。 對于指示型植物，如果能找到植物地上部分重金屬含量與相應(yīng)的土壤重金屬含量的定量關(guān)系，則可以用植物地上部分作為監(jiān)測器來定量監(jiān)測土壤重金屬污染的程度。 然而植物地上部分重金屬含量與土壤重金屬含量的關(guān)系實際上非常復(fù)雜，符合Baker定義的指示型植物非常少。 針對植物的遙感探測，無論在葉片尺度，還是在冠層尺度，都是以葉片光譜為基礎(chǔ)。 本研究為從葉片光譜的角度定性甚至定量指示土壤鈾含量提供了思路。

表5 土壤鈾含量與實驗植物光譜角的線性回歸方程Table 5 Linear regression equations between soil uranium contents and spectral angles of experimental plants

表6 不同處理濃度下實驗植物葉片的鈾含量(μg·g-1)Table 6 Uranium contents in leaves of experimental plants under different treatment concentrations

3 結(jié) 論

從葉片尺度光譜探測的角度衡量，植物光譜角對土壤鈾污染有指示作用。 絕大多數(shù)情況下，5種實驗植物(苧麻、印度芥菜、酸模、甘藍(lán)型油菜、玉米)在不同生長期的葉片光譜角均可以定性指示土壤中低至25 μg·g-1的鈾污染。 5種實驗植物均能成功實現(xiàn)以光譜角為自變量定量反演土壤中的鈾含量。 對于葉片中鈾含量相對較高的苧麻、印度芥菜、油菜，線性回歸方程的決定系數(shù)R2>0.81，最高達(dá)0.92，其他表征回歸效果的參數(shù)也比較理想。 表明植物葉片光譜角能定量指示土壤鈾污染。 其中苧麻、印度芥菜在苗期的葉片光譜角具有定量指示作用，尤其有利于盡早確定土壤的鈾污染程度。