玉米銅污染實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)的高光譜分形維數(shù)模型

張超 楊可明 王敏 高鵬 程鳳 李燕

摘要：重金屬Cu2+在玉米植株中過(guò)量積累會(huì)破壞其組織細(xì)胞結(jié)構(gòu)，降低葉綠素含量，使植物代謝紊亂，都將在光譜上表現(xiàn)變化。傳統(tǒng)監(jiān)測(cè)污染的方法費(fèi)時(shí)費(fèi)力，不能滿足快速實(shí)時(shí)監(jiān)測(cè)的需求。農(nóng)作物污染監(jiān)測(cè)中的高光譜遙感監(jiān)測(cè)應(yīng)用技術(shù)是當(dāng)前研究的重點(diǎn)。通過(guò)設(shè)置不同Cu2+濃度的盆栽試驗(yàn)，測(cè)得不同Cu2+脅迫濃度下玉米葉片的Cu2+含量、葉綠素含量以及高光譜反射率數(shù)據(jù)，系統(tǒng)分析玉米葉片光譜曲線的特征以及不同Cu2+脅迫濃度下的光譜分形維數(shù)與光譜指數(shù)變化的情況，建立玉米葉片Cu2+濃度、光譜分形維數(shù)和光譜指數(shù)的空間分布，研究Cu2+定性分析中光譜指數(shù)與光譜分形維數(shù)的關(guān)系。結(jié)果發(fā)現(xiàn)，光譜分形維數(shù)比光譜指數(shù)能更好地反映Cu2+污染下玉米植株的生理特征的變化，從而可以成為大范圍監(jiān)測(cè)玉米Cu2+污染的甄別依據(jù)。

關(guān)鍵詞：玉米葉片;高光譜遙感;重金屬污染;光譜分形維數(shù);光譜指數(shù)

中圖分類號(hào)： TP75;S127文獻(xiàn)標(biāo)志碼： A

文章編號(hào)：1002-1302（2019）18-0260-06

收稿日期：2018-05-25

基金項(xiàng)目：國(guó)家自然科學(xué)基金（編號(hào)：41271436）;煤炭資源與安全開采國(guó)家重點(diǎn)實(shí)驗(yàn)室2017年開放基金（編號(hào)：SKLCRSM17KFA09）;中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金（編號(hào)：2009QD02）。

作者簡(jiǎn)介：張?超（1990—），男，河北泊頭人，博士研究生，研究方向?yàn)閲?guó)土資源與環(huán)境遙感、高光譜遙感。E-mail：1581006343@qq.com。

通信作者：楊可明，博士，教授，研究方向?yàn)楦吖庾V遙感、礦山地理形變信息。E-mail：ykm69@163.com。

近年來(lái)，隨著礦業(yè)資源的大規(guī)模開發(fā)，重金屬污染問(wèn)題日漸被人們所關(guān)注，特別是受到重金屬銅離子（Cu2+）污染的農(nóng)田，大量農(nóng)作物受到影響，組織細(xì)胞結(jié)構(gòu)被破壞，葉綠素含量受到影響，植物代謝紊亂并發(fā)生病變，極大地威脅著人類的生命健康。因此，及時(shí)有效地監(jiān)測(cè)重金屬對(duì)農(nóng)作物的污染，對(duì)污染防治起到重大意義。采用傳統(tǒng)化學(xué)方法研究土壤中的重金屬污染程度費(fèi)時(shí)費(fèi)力，不能滿足快速有效地實(shí)時(shí)監(jiān)測(cè)的需求。隨著高光譜遙感技術(shù)的快速發(fā)展，其在重金屬污染方面的研究取得了許多的新進(jìn)展，成為目前研究的熱點(diǎn)之一。趙思穎等對(duì)重金屬對(duì)水稻高光譜的影響以及其與光譜特征參數(shù)的關(guān)系進(jìn)行了研究，發(fā)現(xiàn)在重金屬影響下，水稻的光譜特征與光譜特征參數(shù)呈現(xiàn)顯著的相關(guān)性[1];楊可明等研究了重金屬鉛脅迫下盆栽玉米的光譜微分差異信息紅邊響應(yīng)，發(fā)現(xiàn)紅邊是研究玉米葉片重金屬污染程度的最佳波段[2];王慧忠等研究了鉛污染下草坪植物生物量與葉綠素含量的關(guān)系，發(fā)現(xiàn)在鉛污染下，草坪植物的生物量和葉綠素含量均呈下降趨勢(shì)[3];馮偉等利用紅邊參數(shù)對(duì)小麥中氮素的積累情況進(jìn)行了研究，發(fā)現(xiàn)紅邊參數(shù)可以有效監(jiān)測(cè)小麥中的氮素積累情況[4];Dunagan等研究了菠菜中汞的濃度與可見光近紅外反射的關(guān)系，發(fā)現(xiàn)受到汞的影響，菠菜的可見光近紅外波段出現(xiàn)了明顯的特征變化[5]。這些研究所涉及的光譜曲線波段非常有限，隨著高光譜遙感技術(shù)的快速發(fā)展，高光譜以其波段數(shù)目多、光譜信息豐富、光譜分辨率高等特點(diǎn)，已經(jīng)被廣泛應(yīng)用于農(nóng)業(yè)重金屬污染監(jiān)測(cè)。分形理論在自然、經(jīng)濟(jì)、社會(huì)等領(lǐng)域有著廣泛的應(yīng)用，是非線性科學(xué)的一個(gè)重要分支[6-11]。在分形幾何中，用分維數(shù)描述其復(fù)雜性，目前也應(yīng)用于遙感領(lǐng)域的研究中[12-15]。分維可以將整段的光譜曲線的特征刻畫出來(lái)，極大地提高了光譜資源的利用率[16-17]。

通過(guò)設(shè)置玉米不同Cu2+脅迫濃度的盆栽試驗(yàn)，測(cè)定了不同玉米葉片的光譜數(shù)據(jù)和Cu2+含量，并分析了玉米在Cu2+脅迫下的監(jiān)測(cè)機(jī)制，利用可見光近紅外波段的玉米葉片光譜曲線求得分維數(shù)，對(duì)比分析光譜分維與光譜指數(shù)在監(jiān)測(cè)玉米銅污染機(jī)制的效果，研究光譜分維應(yīng)用于玉米Cu2+脅迫遙感監(jiān)測(cè)機(jī)制的優(yōu)點(diǎn)，最終建立了以光譜分維為基準(zhǔn)的玉米葉片銅污染的甄別模型。

1?材料與方法

1.1?試驗(yàn)數(shù)據(jù)的獲取

1.1.1?試驗(yàn)材料與儀器

試驗(yàn)材料為密糯8號(hào)，由北京中農(nóng)斯達(dá)農(nóng)業(yè)科技開發(fā)有限公司提供，出苗至采收期82 d，株型半緊湊，葉色淡綠，株高230.6 cm，穗位116.0 cm，果穗筒型，結(jié)實(shí)飽滿。

試驗(yàn)儀器：SVC HR-1024I高性能地物光譜儀，購(gòu)自北京東方佳氣科技有限公司;WFX-120型原子吸收分光光度計(jì)，購(gòu)自北京京科瑞達(dá)科技有限公司;SPAD-502葉綠素含量測(cè)定儀，購(gòu)自北京海天友誠(chéng)科技有限公司;Biosafer-10TD超純水機(jī)，購(gòu)自北京領(lǐng)鉅東方科貿(mào)有限公司;不銹鋼電熱板DBD-3，購(gòu)自蘇州江東精密儀器有限公司;HZK-FA300S電子天平，購(gòu)自上海眾淵實(shí)業(yè)有限公司。

1.1.2?培養(yǎng)盆栽玉米?2017年5月19日于中國(guó)礦業(yè)大學(xué)（北京）進(jìn)行試驗(yàn)，選用密糯8號(hào)玉米種子進(jìn)行盆栽試驗(yàn)，并采用有底漏的花盆培養(yǎng)玉米種子。將Cu2+的脅迫純?nèi)芤篊uSO4·5H2O加入到土壤中，設(shè)置5個(gè)Cu2+的污染梯度，0、200、400、600、800 μg/g，每個(gè)梯度均設(shè)置3組平行試驗(yàn)，共15盆玉米盆栽。玉米種子在播種前需萌芽，玉米出苗后應(yīng)加入NH4NO3、KH2PO4和KNO3。培育期間需要通風(fēng)換氣，定期養(yǎng)護(hù)和澆水。2個(gè)月以后，采集玉米葉片的光譜數(shù)據(jù)，并測(cè)定玉米葉片Cu2+含量。

1.1.3?反射光譜數(shù)據(jù)的采集?2017年7月18日采集光譜數(shù)據(jù)，為了更準(zhǔn)確地測(cè)定玉米葉片的反射光譜數(shù)據(jù)，選用50 W 的鹵素?zé)糇鳛楣庠?，探頭的視場(chǎng)角為4°，垂直于葉片表面40 cm，玉米葉片放置在專用的黑色硬板上進(jìn)行光譜數(shù)據(jù)的采集，光譜反射系數(shù)需要經(jīng)過(guò)專用的白板標(biāo)準(zhǔn)化。光譜數(shù)據(jù)采集時(shí)需對(duì)不同脅迫濃度下的老、中、新玉米葉片進(jìn)行測(cè)量，共測(cè)得了45組光譜數(shù)據(jù)。

2?結(jié)果與分析

2.1?重金屬銅脅迫下玉米葉片敏感光譜指數(shù)

玉米植株在受到重金屬銅脅迫后，在植株體內(nèi)積累，不但能夠破壞植被細(xì)胞的結(jié)構(gòu)，也會(huì)影響其新陳代謝，會(huì)對(duì)植株造成致命的傷害，葉綠素含量和植物含水量下降。如果長(zhǎng)期受到Cu2+的脅迫，葉片細(xì)胞的葉綠素還原酶活性將被抑制，導(dǎo)致葉綠素含量下降[21]。隨著重金屬Cu2+的脅迫濃度升高和脅迫時(shí)間延長(zhǎng)，玉米植株細(xì)胞的抗氧化酶活性逐漸降低;玉米植株的細(xì)胞膜脂過(guò)氧化加劇，從而破壞膜的結(jié)構(gòu)，影響膜的透性，嚴(yán)重影響植株的生理生化功能，使其被抑制或喪失[22]。所有這些生理特征參數(shù)的改變都會(huì)導(dǎo)致玉米葉片光譜曲線波形的微小變化。

不同脅迫梯度下玉米植株光譜曲線分維散點(diǎn)分布如圖2所示，每個(gè)梯度下分別計(jì)算3株玉米葉片的老、中、新共9條光譜曲線的光譜分維數(shù)。分析可知，隨著Cu2+脅迫濃度程度的增大，分維數(shù)呈現(xiàn)逐漸增大的趨勢(shì)。作為空白參考的CK（0）處理玉米正常生長(zhǎng)不受Cu2+脅迫，分維數(shù)范圍為1.104 6～1.119 4，平均值為1.112 9;Cu（200）處理的分維數(shù)范圍為1.120 3～1.129 8，平均值為1.125 5;Cu（400）處理的分維數(shù)范圍為1.131 2～1.138 1，平均值為1.135 0;Cu（600）處理的分維數(shù)范圍為1.142 5～1.154 4，平均值為1.147 3;Cu（800）處理的分維數(shù)范圍為1.150 9～1.159 1，平均值為1.154 9。分維可以刻畫對(duì)象的復(fù)雜程度，并且復(fù)雜度與分維呈正相關(guān)，也就是高的復(fù)雜度對(duì)應(yīng)高的分維，低的復(fù)雜度對(duì)應(yīng)低的分維。

不同的Cu2+濃度脅迫下導(dǎo)致的玉米葉片光譜曲線的復(fù)雜程度不同。在可見光范圍內(nèi)，葉綠素的含量對(duì)玉米葉片的光譜反射率影響最大，在Cu2+脅迫下葉片中葉綠素含量的減少通常導(dǎo)致“紅谷”（650～690 nm）反射率些許升高。在近紅外范圍內(nèi)，由于Cu2+的脅迫，細(xì)胞結(jié)構(gòu)改變，從而降低了玉米葉片的光譜反射率。健康的玉米葉片的光譜曲線平緩，復(fù)雜程度低，而受到脅迫的玉米葉片光譜曲線則會(huì)有較高的復(fù)雜程度，如圖3所示。所以，利用分形的分維數(shù)可以指示玉米在Cu2+脅迫下受污染的程度。

2.2?重金屬銅脅迫下玉米葉片光譜指數(shù)變化

選擇的2類光譜指數(shù)對(duì)植被葉綠素含量和水分含量都具有潛在敏感性，玉米植株受到Cu2+污染后，生理參數(shù)發(fā)生改變，同時(shí)光譜指數(shù)也反映出一些規(guī)律性的變化，如表3所示。從空白參考CK（0）到Cu（800）脅迫濃度下，NDVI705、mNDVI705、NDWI、MSI均表現(xiàn)出隨著Cu2+脅迫濃度的增高出現(xiàn)先增大后減小再增大的趨勢(shì)。在CK（0）到Cu（400）脅迫濃度下和Cu（600）到Cu（800）脅迫濃度下4種指數(shù)都是逐漸升高的趨勢(shì)，但是從Cu（400）到Cu（600）脅迫濃度下4種指數(shù)的數(shù)值出現(xiàn)下降，是由于Cu2+脅迫濃度的過(guò)量增加，造成玉米葉片的光譜曲線反射率發(fā)生突變，造成指數(shù)下降。

經(jīng)過(guò)分析，光譜指數(shù)和光譜分形位數(shù)隨著重金屬Cu2+的脅迫，均顯示出一定的規(guī)律性變化，可以定性地指示玉米銅污染的程度。

2.3?重金屬銅脅迫下玉米葉片污染程度判別分析

隨著銅脅迫濃度的升高，光譜曲線的2種光譜指數(shù)和光譜曲線的分形維數(shù)都呈上升趨勢(shì)。通過(guò)構(gòu)建各個(gè)參數(shù)與玉米葉片銅濃度的空間分布圖，以提取出最優(yōu)判別因子同時(shí)建立玉米葉片銅濃度污染程度判別模型，檢定各個(gè)參數(shù)在定量監(jiān)測(cè)玉米葉片銅污染程度的效果。

2.3.1?基于光譜指數(shù)的玉米葉片銅脅迫污染水平判別分析

利用上述4個(gè)光譜指數(shù)構(gòu)建玉米銅含量空間分布圖如圖4所示。NDVI705（圖4-a）和mNDVI705（圖4-b）2個(gè)光譜指數(shù)的銅含量空間分布圖十分相似。脅迫濃度相差大的梯度之間的區(qū)分效果是比較明顯的，這可能是由于高濃度的銅脅迫比低濃度的更嚴(yán)重影響玉米葉片中葉綠素的含量，在光譜指數(shù)分布圖上則會(huì)表現(xiàn)出明顯的分離差異。但是對(duì)于整體光譜指數(shù)而言，雖然光譜指數(shù)隨著Cu2+脅迫程度的增加表現(xiàn)出增大的趨勢(shì)，但是區(qū)分度非常差。每個(gè)脅迫梯度的光譜指數(shù)都非常分散，相鄰梯度之間都有部分重疊，在Cu（400）和Cu（600）2個(gè)梯度之間，重疊部分更多，甚至在Cu（200）和CK（0）之間也有個(gè)別重疊。出現(xiàn)這種情況，可能的原因就是Cu2+脅迫造成玉米葉片中葉綠素含量發(fā)生改變，從而使得與葉綠素相關(guān)的光譜指數(shù)在指示這一變化過(guò)程中出現(xiàn)了干擾因素，導(dǎo)致光譜指數(shù)在判別重金屬銅脅迫下玉米葉片污染程度時(shí)出現(xiàn)了不確定的結(jié)果。線性擬合結(jié)果表明，NDVI705和mNDVI705的相關(guān)性系數(shù)r分別為0.638 5、0.694 3。所以，在此情況下，在研究分析Cu2+脅迫造成的污染程度時(shí)不能利用NDVI705或者mNDVI705進(jìn)行有效的識(shí)別。

與植被葉片含水量相關(guān)的光譜指數(shù)NDWI（圖4-c）和MSI（圖4-d）的銅含量空間分布圖有明顯不同。2個(gè)光譜指數(shù)都隨著Cu2+脅迫程度的增加表現(xiàn)出增大的趨勢(shì)，但是效果不太好。NDWI光譜指數(shù)在脅迫濃度相差大的梯度之間的區(qū)分效果是比較明顯的，這可能是由于高濃度的銅脅迫比低濃度的更嚴(yán)重影響玉米葉片中的含水量，在光譜指數(shù)分布圖上則會(huì)表現(xiàn)出明顯的分離差異。但是每個(gè)相鄰脅迫梯度之間有一定的重疊，可區(qū)分性比較低，特別是在Cu（400）和Cu（600） 2個(gè)梯度之間，重疊部分很多，在Cu（200）和CK（0）之間也有一些重疊。出現(xiàn)這種情況，可能是由于Cu2+脅迫比較接近的梯度之間導(dǎo)致玉米葉片含水量改變的程度相似，導(dǎo)致光譜指數(shù)在空間分布圖上有重疊的部分，出現(xiàn)不確定的效果。MSI光譜指數(shù)在空間分布圖上整體區(qū)分性最差，每個(gè)梯度之間的光譜指數(shù)值非常接近。線性擬合結(jié)果表明，NDWI和MSI的相關(guān)性系數(shù)r分別為0.681 5、0.271 8。所以，對(duì)于研究分析Cu2+脅迫造成的污染程度時(shí)不能利用NDWI和MSI進(jìn)行有效的識(shí)別。

2.3.2?基于光譜分維判別分析玉米葉片銅脅迫污染程度的等級(jí)

以上分析研究了2類光譜指數(shù)判別分析玉米銅脅迫的效果，但是效果都不太理想。研究基于光譜分維判別分析玉米葉片銅脅迫污染程度的等級(jí)。光譜分維數(shù)分布在1.104 6～1.159 1范圍內(nèi)，與玉米葉片銅濃度空間分布圖中不同梯度之間具有良好的區(qū)分效果（圖5-a）。從圖5-a中可以清晰地看出，從低脅迫濃度到高脅迫濃度，樣點(diǎn)數(shù)據(jù)隨著脅迫濃度的增高而逐漸增大，因此，通過(guò)玉米葉片銅濃度的光譜分維二維圖中散點(diǎn)的位置分布情況可以比較清楚地辨識(shí)玉米葉片受銅脅迫的程度和趨勢(shì)。利用光譜曲線分維為自變量，玉米葉片的銅脅迫濃度為因變量，選用回歸分析的方法進(jìn)行擬合回歸建立了線性估算模型，從而在不同脅迫濃度之間建立了統(tǒng)一的判別模型，最終得到了擬合方程式：y=215.5x-237.0，r=0.949 6（圖5-b）。

通過(guò)分析研究可以看出，利用分形的光譜分維數(shù)相比較光譜指數(shù)來(lái)說(shuō)可以更好地辨識(shí)玉米葉片銅脅迫的污染程度，玉米葉片的銅濃度光譜分維模型具備良好地預(yù)測(cè)玉米葉片銅脅迫濃度的潛力。

通過(guò)構(gòu)建光譜曲線分維數(shù)與葉綠素含量、mNDVI705三維體系空間（圖6），從而分析出光譜曲線分維優(yōu)于光譜指數(shù)的判別效果。通過(guò)分析可以看出，隨玉米葉片中葉綠素含量的減少，分形維數(shù)值逐漸增大，相關(guān)性明顯，而mNDVI705植被指數(shù)不能體現(xiàn)明顯的相關(guān)性。葉綠素含量和細(xì)胞結(jié)構(gòu)的變化都會(huì)不同程度地影響光譜分維，所以光譜分維能夠比較綜合地反映出葉綠素含量和細(xì)胞結(jié)構(gòu)的改變;而且計(jì)算光譜分形分維時(shí)采用了可見光與近紅外范圍的光譜波段，信息量比較大，而一般光譜指數(shù)計(jì)算參與的計(jì)算波段非常有限，所以相比而言，光譜指數(shù)更具有反映玉米葉片銅脅迫程度的優(yōu)勢(shì)。綜上可以得出，光譜分維可以用來(lái)指示玉米葉片銅脅迫的程度，具有非常好的效果。

3?結(jié)論與討論

通過(guò)研究分析重金屬Cu2+脅迫下玉米葉片光譜曲線分維和2類光譜指數(shù)在識(shí)別銅脅迫污染程度的效果，得出光譜曲線分形維數(shù)在監(jiān)測(cè)銅脅迫污染程度方面存在潛力及優(yōu)勢(shì)，得到以下結(jié)論：（1）隨著重金屬脅迫濃度的升高，玉米葉片光譜曲線的復(fù)雜度升高，光譜曲線的分維數(shù)逐步增大。（2）與玉米冠層結(jié)構(gòu)、葉綠素的含量、葉聚叢和葉子表面的冠層結(jié)構(gòu)相關(guān)的光譜指數(shù)NDVI705和mNDVI705和與玉米冠層的水分含量相關(guān)的光譜指數(shù)NDWI和MSI隨著銅脅迫濃度的升高表現(xiàn)出減小的趨勢(shì)。（3）構(gòu)建了NDVI705、mNDVI705、NDWI、MSI、光譜分維與玉米銅含量空間分布圖，其中光譜分維與銅濃度分布圖區(qū)分效果最好，相關(guān)性最高。（4）光譜分維與玉米葉片銅脅迫濃度建立的線性回歸模型能夠監(jiān)測(cè)玉米受銅脅迫的程度，精度很高。

通過(guò)設(shè)置玉米不同Cu2+脅迫濃度的盆栽試驗(yàn)，分析和研究了光譜分形維數(shù)在識(shí)別銅脅迫污染程度的潛力和優(yōu)勢(shì)，為其他農(nóng)作物或者植被的重金屬脅迫的光譜分析和研究提供了例證。本研究的分形研究是基于對(duì)原始光譜曲線經(jīng)過(guò)包絡(luò)線去除后的光譜曲線求取的光譜分維數(shù)，消包絡(luò)法能突出光譜曲線的各種光譜特性，如吸收和反射，并將其置于同一光譜背景下，方便與其他光譜曲線特征值比較。本研究為利用高光譜遙感技術(shù)大面積動(dòng)態(tài)監(jiān)測(cè)玉米葉片銅脅迫的污染研究提供了理論基礎(chǔ)。

參考文獻(xiàn)：

[1]趙思穎，張?軍，倪才英，等. 土壤重金屬污染對(duì)水稻高光譜的影響[J]. 江蘇農(nóng)業(yè)科學(xué)，2016，44（11）：423-426.

[2]楊可明，卓?偉，張婉婉，等. 鉛離子脅迫下盆栽玉米葉片光譜微分的紅邊響應(yīng)研究[J]. 科學(xué)技術(shù)與工程，2016，16（11）：110-114.

[3]王慧忠，何翠屏，趙?楠. 鉛對(duì)草坪植物生物量與葉綠素水平的影響[J]. 草業(yè)科學(xué)，2003，20（6）：73-75.

[4]馮?偉，朱?艷，姚?霞，等. 利用紅邊特征參數(shù)監(jiān)測(cè)小麥葉片氮素積累狀況[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2009，25（11）：194-201.

[5]Dunagan S C，Gilmore M S，Varekamp J C. Effects of mercury on visible/near-infrared reflectance spectra of mustard spinach plants （Brassica rapa P.）[J]. Environmental Pollution，2007，148（1）：301-311.

[6]王?芳，李井永. 淺談分形理論及其應(yīng)用[J]. 黑龍江科技信息，2012（7）：70.

[7]Peterson D L，Aber J D，Matson P A，et al. Remote sensing of forest canopy and leaf biochemical contents[J]. Remote Sensing Environment，1988，24（1）：85-108.

[8]Horler D H N，Dockray M，Barber J. The red edge of plant leaf reflectance[J]. International Journal of Remote Sensing，1983，4（2）：273-288.

[9]任紅艷，潘劍君，張佳寶. 高光譜遙感技術(shù)的鉛污染監(jiān)測(cè)應(yīng)用研究[J]. 遙感信息，2005（3）：34-38.

[10]任紅艷. 基于冠層光譜的冬小麥N、P營(yíng)養(yǎng)和水稻Pb污染監(jiān)測(cè)研究[D]. 南京：南京農(nóng)業(yè)大學(xué)，2005.

[11]Zhang J Z，Zhu W Q，Dong Y S，et al. A spectral similarity measure based on changing-weight combination method[J]. Acta Geodaetica et Cartographica Sinica，2013，42（3）：418-424.

[12]胡曉梅. 分形與分維簡(jiǎn)介[J]. 咸寧學(xué)院學(xué)報(bào)，2006，26（3）：30-32.

[13]陳?兵，王方永，韓煥勇，等. 基于光譜紅邊參數(shù)的棉花黃萎病葉片氮素含量診斷研究[J]. 棉花學(xué)報(bào)，2013，25（3）：254-261.

[14]Kruse F A，Lefkoff A B，Boardman J W，et al. The spectral image processing system （SIPS）-interactive visualization and analysis of imaging spectrometer data[J]. Remote Sensing of Environment，1993，44（23）：145-163.

[15]吳?浩，徐元進(jìn)，高?冉. 基于光譜相關(guān)角和光譜信息散度的高光譜蝕變信息提取[J]. 地理與地理信息科學(xué)，2016，32（1）：44-48，2.

[16]金?銘，劉湘南. 基于高光譜分形分析的水稻鎘污染動(dòng)態(tài)監(jiān)測(cè)[J]. 中國(guó)環(huán)境監(jiān)測(cè)，2011，27（6）：68-73.

[17]Jain A K，Duin R P W，Mao J C. Statistical pattern recognition：a review[J]. IEEE Transaction on Pattern Analysis and Machine Intelligence，2000，22（1）：4-37.

[18]白繼偉，趙永超，張?兵，等. 基于包絡(luò)線消除的高光譜圖像分類方法研究[J]. 計(jì)算機(jī)工程與應(yīng)用，2003，39（13）：88-90，128.

[19]聞兵工，馮伍法，劉?偉，等. 基于光譜曲線整體相似性測(cè)度的匹配分類[J]. 測(cè)繪科學(xué)技術(shù)學(xué)報(bào)，2009，26（2）：128-131.

[20]鄧書斌，陳秋錦. 植被光譜特征與植被指數(shù)綜述[C]//中國(guó)遙感應(yīng)用協(xié)會(huì)2010年年會(huì)暨區(qū)域遙感發(fā)展與產(chǎn)業(yè)高層論壇論文集.北京：中國(guó)遙感應(yīng)用協(xié)會(huì)，2010：58-68.

[21]孫鐵珩，李培軍，周啟星. 土壤污染形成機(jī)理與修復(fù)技術(shù)[M]. 北京：科學(xué)出版社，2005.

[22]Gao M J，Jin L，Guo X R. A study of hazards of soil heavy metals Cu stress on plant[J]. Open Journal of Nature Science，2014，2（2）：18-23.