銅脅迫下玉米污染特征波段提取與程度監(jiān)測(cè)

高 鵬， 楊可明*， 榮坤鵬， 程 鳳， 李 燕， 王思佳

1. 煤炭資源與安全開(kāi)采國(guó)家重點(diǎn)實(shí)驗(yàn)室， 中國(guó)礦業(yè)大學(xué)(北京)， 北京 100083 2. 北京師范大學(xué)地理科學(xué)學(xué)部， 北京 100875

引 言

近年來(lái)， 我國(guó)農(nóng)田土壤重金屬污染形勢(shì)嚴(yán)峻， 污染面積逐漸增大， 污染程度不斷提高[1]。 工業(yè)生產(chǎn)排放、 污水灌溉、 礦產(chǎn)資源開(kāi)采、 農(nóng)藥化肥使用和大氣沉降等是我國(guó)農(nóng)田土壤重金屬污染的主要來(lái)源[2]。 土壤中的重金屬富集后不易分解， 當(dāng)其積累到一定程度后會(huì)污染農(nóng)作物， 破壞農(nóng)作物細(xì)胞結(jié)構(gòu)， 影響農(nóng)作物生長(zhǎng)發(fā)育， 降低農(nóng)產(chǎn)品質(zhì)量， 進(jìn)而通過(guò)食物鏈進(jìn)入人體， 危害人體健康[3]。 因此， 快速有效地監(jiān)測(cè)重金屬污染成為研究焦點(diǎn)。 傳統(tǒng)的監(jiān)測(cè)方法步驟繁瑣， 耗時(shí)費(fèi)力， 具有一定的破壞性， 而高光譜遙感具有光譜分辨率高， 波段多， 圖譜合一的優(yōu)點(diǎn)， 為實(shí)時(shí)高效監(jiān)測(cè)重金屬污染提供了可能[4]。

目前， 國(guó)內(nèi)外學(xué)者對(duì)利用高光譜遙感監(jiān)測(cè)重金屬污染進(jìn)行了研究。 郭輝[5]等基于一階微分與諧波分析， 構(gòu)建光譜微分差信息熵與諧波振幅診斷玉米銅鉛污染程度； Dunagan[6]等認(rèn)為“紅邊”位置和比值植被指數(shù)能夠較好的判別菠菜葉片汞污染程度； Hede[7]等構(gòu)建綠波短波紅外指數(shù)探測(cè)植被重金屬污染程度， 發(fā)現(xiàn)該指數(shù)監(jiān)測(cè)結(jié)果優(yōu)于歸一化植被指數(shù)； 楊可明[8]等基于高階譜和灰度共生矩陣有效地區(qū)分銅、 鉛脅迫下的玉米葉片光譜， 并判別玉米葉片銅、 鉛污染程度。 盡管利用高光譜遙感監(jiān)測(cè)作物重金屬污染已取得一些成果， 但對(duì)不同生長(zhǎng)時(shí)期玉米重金屬污染診斷的研究較少。

相關(guān)分析法是依據(jù)參數(shù)與光譜波段間相關(guān)系數(shù)大小來(lái)提取特征波段的方法， 該方法簡(jiǎn)單易行， 在高光譜數(shù)據(jù)降維和特征波段提取中應(yīng)用廣泛[9]。 最佳指數(shù)法是以最佳指數(shù)因子為評(píng)價(jià)指標(biāo)， 選取冗余度小、 信息量豐富波段組合的方法， 但不能保證其選取的波段與參數(shù)之間具有較好的相關(guān)性[10]。 偏最小二乘法是集主成分分析、 典型相關(guān)分析和多元線性回歸分析于一體的多元統(tǒng)計(jì)數(shù)據(jù)回歸方法， 能夠消除各變量間多重共線性對(duì)估測(cè)模型的影響， 在光譜數(shù)據(jù)處理方面意義重大[11]。 本研究擬基于銅脅下玉米盆栽實(shí)驗(yàn)所測(cè)的苗期、 拔節(jié)期和穗期葉片光譜數(shù)據(jù)， 結(jié)合相關(guān)分析法、 最佳指數(shù)法和偏最小二乘法提取特征波段， 構(gòu)建植被指數(shù)監(jiān)測(cè)玉米重金屬污染， 同時(shí)與紅邊歸一化植被指數(shù)、 改進(jìn)紅邊比值植被指數(shù)、 紅邊植被脅迫指數(shù)和光化學(xué)指數(shù)監(jiān)測(cè)結(jié)果做對(duì)比分析， 驗(yàn)證該指數(shù)在監(jiān)測(cè)重金屬方面的有效性與優(yōu)越性， 以期為識(shí)別診斷作物重金屬污染提供一定的技術(shù)參考。

1 實(shí)驗(yàn)部分

1.1 實(shí)驗(yàn)設(shè)計(jì)

采用有底漏花盆對(duì)“密糯8號(hào)”玉米種子進(jìn)行培育， 所用土壤含有不同濃度CuSO4·5H2O(分析純)。 盆栽土壤共設(shè)置0， 50， 100， 150， 200， 300， 400， 600， 800， 1 000和1 200 μg·g-1等11個(gè)Cu2+脅迫梯度， 相應(yīng)標(biāo)記為Cu(ck)， Cu(50)， Cu(100)， Cu(150)， Cu(200)， Cu(300)， Cu(400)， Cu(600)， Cu(800)， Cu(1 000)和Cu(1200)， 每個(gè)脅迫梯度設(shè)置三組平行實(shí)驗(yàn)。 2017年5月10日進(jìn)行玉米種子催芽并于5月12日種植在盆栽土壤中。 待玉米出苗后向各盆中加入等量的適量的NH4NO3， KH2PO4和KNO3等營(yíng)養(yǎng)液。 培育期間保證所有盆栽生長(zhǎng)環(huán)境一致， 定期澆水通風(fēng)。

1.2 數(shù)據(jù)采集

1.2.1 光譜數(shù)據(jù)采集

在玉米的苗期、 拔節(jié)期和穗期采集葉片光譜數(shù)據(jù)。 選用美國(guó)SVC HR-1024I地物光譜儀在室內(nèi)采集光譜。 測(cè)量時(shí)以功率為50 W鹵素?zé)糇鳛楣庠矗?光譜儀探頭視場(chǎng)角為25°并垂直于葉片表面5 cm處， 采用專用白板對(duì)光譜反射系數(shù)進(jìn)行標(biāo)準(zhǔn)化處理。 測(cè)量過(guò)程中用黑色塑料袋蓋住花盆以防止土壤影響玉米葉片光譜。 在每株玉米老、 中、 新葉片上各測(cè)量三次， 取三次平均值作為最終數(shù)據(jù)。

1.2.2 葉綠素含量測(cè)定

在采集不同生長(zhǎng)時(shí)期玉米葉片光譜的同時(shí)， 采用SPAD-502葉綠素儀測(cè)定玉米葉片中葉綠素含量。 在每株玉米老、 中、 新葉片上各測(cè)量三次， 取三次平均值作為最終結(jié)果。

1.2.3 Cu2+含量測(cè)定

測(cè)定穗期玉米葉片中Cu2+含量。 對(duì)玉米葉片進(jìn)行干燥、 沖洗、 微波消解等預(yù)處理后， 在相同的實(shí)驗(yàn)條件下， 采用電感耦合等離子體發(fā)射光譜儀(ICP-OES)測(cè)定葉片中Cu2+含量。

1.3 特征波段提取方法

結(jié)合相關(guān)分析法、 最佳指數(shù)法(optimum index factor， OIF)和偏最小二乘法(partial least square method， PLS)構(gòu)建OIF-PLS法提取特征波段， 具體過(guò)程為：

(1)基于相關(guān)分析法初步篩選特征波段

對(duì)不同生長(zhǎng)時(shí)期玉米葉片光譜與葉綠素含量、 穗期玉米葉片光譜與葉片Cu2+含量進(jìn)行相關(guān)性分析， 篩選相關(guān)系數(shù)通過(guò)顯著性檢驗(yàn)(p<0.01)且葉片光譜與葉綠素含量相關(guān)系數(shù)|r|>0.45的波段；

(2)計(jì)算最佳指數(shù)因子

最佳指數(shù)法是依據(jù)波段組合信息量同各波段間相關(guān)系數(shù)之和成反比， 同各波段的標(biāo)準(zhǔn)差之和成正比的基本思想來(lái)提取特征波段的方法， 該方法提取的特征波段所包含信息量大， 冗余度小[11]。 定義最佳指數(shù)因子OIF為

式中：Si為第i波段的標(biāo)準(zhǔn)差，Rij為第i和j兩波段間的相關(guān)系數(shù)，r為i和j兩波段的組合數(shù)。

標(biāo)準(zhǔn)差越大表明波段所含信息量越大， 波段間相關(guān)系數(shù)越小表明波段間獨(dú)立性越好， 因此OIF值越大， 表明波段組合所含有的總信息量越大。

(3)OIF-PLS法提取特征波段

以O(shè)IF提取的三個(gè)波段組合為自變量， 對(duì)玉米葉片Cu2+含量進(jìn)行偏最小二乘回歸建模， 計(jì)算均方根誤差(root mean square error, RMSE)。 構(gòu)建指示因子M=OIF/RMSE提取特征波段， OIF越大， RMSE越小， 表明三個(gè)波段組合冗余度低， 信息量大， 且能夠較好地反映Cu2+污染信息， 故指示因子M最大的波段組合即為最佳特征波段。

2 結(jié)果與討論

2.1 特征波段提取

依據(jù)玉米葉片光譜反射率與葉綠素含量、 葉片Cu2+含量的相關(guān)系數(shù)顯著性檢驗(yàn)初步篩選特征波段， 結(jié)果分別如圖1、 圖2所示， 可以看出， 不同生長(zhǎng)時(shí)期玉米葉片光譜與葉綠素含量在402～718 nm波段范圍內(nèi)顯著負(fù)相關(guān)， 在481～712 nm波段范圍內(nèi)相關(guān)系數(shù)達(dá)到0.45； 在500～542， 555～650和683～712 nm波段范圍內(nèi)， 穗期玉米葉片光譜與葉片Cu2+含量顯著正相關(guān)。 在紅外波段， 不同生長(zhǎng)時(shí)期玉米葉片光譜與葉綠素含量的相關(guān)系數(shù)差異較大， 穗期葉片光譜與葉片Cu2+含量相關(guān)系數(shù)較低。 綜合分析， 基于相關(guān)系數(shù)初步篩選的波段范圍為500～542， 555～650和683～712 nm。 通過(guò)OIF法和OIF-PLS法對(duì)初步篩選出的169個(gè)波段進(jìn)行最佳特征波段提取， 結(jié)果如圖3和圖4所示， 基于OIF選取的特征波段為602， 711和712 nm， 其最佳指數(shù)因子OIF值為5.459 7； 基于OIF-PLS選取的特征波段為542， 701和712 nm， 其指示因子M值為3.178 6。

圖1 不同生長(zhǎng)時(shí)期玉米葉片光譜反射率與葉綠素含量相關(guān)系數(shù)曲線

Fig.1 Correlation coefficient curve between spectral reflectance and chlorophyll content of corn leaves at different growth stages

圖2 穗期玉米葉片光譜反射率與葉片Cu2+含量相關(guān)系數(shù)曲線

Fig.2 Correlation coefficient curve between spectral reflectance and Cu2+content of corn leaves in spike period

圖3 OIF值分布

將OIF-PLS法提取的波段光譜數(shù)據(jù)作為自變量， 對(duì)玉米葉片Cu2+含量和葉綠素含量進(jìn)行偏最小二乘法回歸建模， 并與OIF法提取的波段光譜數(shù)據(jù)建立的回歸模型進(jìn)行比較， 結(jié)果如表1所示。 從表中可以看出， 由OIF-PLS選取的波段光譜數(shù)據(jù)所建模型決定系數(shù)R2和均方根誤差RMSE均優(yōu)于基于OIF法所建模型， 基于OIF-PLS法提取的特征波段能更好的用于監(jiān)測(cè)重金屬銅污染。

圖4 OIF-PLS指示因子(M)分布

OIFOIF-PLSRMSER2RMSER2苗期葉綠素3.238 60.633 53.015 20.685 5拔節(jié)期葉綠素4.877 20.793 34.781 80.801 3穗期葉綠素5.578 00.666 44.502 70.787 0葉片Cu2+含量2.124 30.103 81.671 10.445 4

2.2 指數(shù)設(shè)計(jì)與污染監(jiān)測(cè)

為了充分利用542， 701和712 nm三個(gè)特征波段的信息， 便于直接分析特征波段與玉米葉片Cu2+含量、 葉綠素含量和土壤中Cu2+含量的關(guān)系， 構(gòu)建植被指數(shù)

OIFPLSI=(R712-R542)/(R712-R701)

并計(jì)算該指數(shù)及紅邊歸一化植被指數(shù)[12](red edge normalized difference vegetation index, NDVI705)、 改進(jìn)紅邊比值植被指數(shù)[13](modified red edge simple ratio index, mSR705)、 光化學(xué)指數(shù)[14](photochemical reflectance index, PRI)、 紅邊植被脅迫指數(shù)[15](red edge vegetation stress index, RVSI)與玉米葉片中Cu2+含量的相關(guān)系數(shù)， 結(jié)果如表2所示。 由表2可見(jiàn)， 玉米葉片Cu2+含量與NDVI705， mSR705呈現(xiàn)顯著負(fù)相關(guān)性， 與RVSI， OIFPLSI呈現(xiàn)顯著正相關(guān)性， 與PRI沒(méi)有顯著相關(guān)性， 相關(guān)系數(shù)由大到小依次為OIFPLSI， NDVI705， RVSI和mSR705。 因此認(rèn)為NDVI705， mSR705， RVSI和OIFPLSI均能區(qū)分玉米葉片Cu2+污染程度， 其中OIFPLSI效果最佳。

表2 不同植被指數(shù)計(jì)算方法及其與葉片Cu2+含量的相關(guān)系數(shù)

Table 2 Calculation methods of different vegetation indices and correlation coefficients with Cu2+content in leaves

植被指數(shù)計(jì)算方法相關(guān)系數(shù)NDVI705I1=(R750-R705)/(R750+R705)-0.559 8**mSR705I2=(R750-R445)/(R705+R445)-0.385 9**RVSII3=((R712+R752)/2)-R7320.399 2**PRII4=(R531-R570)/(R531+R570)-0.077 8OIFPLSIOIFPLSI=(S712-R542)/(R712-R701)0.675 5**

注：n=88， **表示在0.01水平上顯著相關(guān)

圖5為玉米老、 中、 新葉片OIFPLSI與葉片Cu2+含量的相關(guān)關(guān)系， 相關(guān)系數(shù)均通過(guò)顯著性檢驗(yàn)， 相關(guān)性由高到低依次為新葉、 中葉、 老葉。 新葉OIFPLSI與葉片Cu2+含量的相關(guān)性優(yōu)于中葉、 老葉可能是因?yàn)椋?Cu2+是玉米生長(zhǎng)所需的微量元素， 優(yōu)先向新葉運(yùn)輸來(lái)滿足生長(zhǎng)需要[16]， 因而光譜特征表現(xiàn)較為明顯。

圖5 老、 中、 新葉片OIFPLSI與Cu2+含量相關(guān)關(guān)系

2.3 OIFPLSI與葉綠素含量、 土壤Cu2+含量相關(guān)分析

土壤中的Cu2+被植物根系吸收后， 過(guò)量的Cu2+會(huì)影響植物酶的活性， 破壞葉綠體結(jié)構(gòu)， 使得葉綠素的氧化分解速度加快； 同時(shí)， Cu2+會(huì)取代植物葉綠體內(nèi)的Mg2+， Fe2+等離子， 影響光合作用， 從而降低葉綠素含量。 圖6、 圖7分別為不同生長(zhǎng)時(shí)期玉米葉片OIFPLSI與葉綠素含量、 土壤中Cu2+含量的相關(guān)關(guān)系。 分析發(fā)現(xiàn)， 苗期、 拔節(jié)期和穗期玉米葉片OIFPLSI均與葉綠素含量成負(fù)相關(guān)關(guān)系， 與土壤Cu2+含量成正相關(guān)關(guān)系， 且相關(guān)系數(shù)均通過(guò)0.01極顯著檢驗(yàn)水平， 即隨著土壤中Cu2+含量的增大， 葉綠素含量隨之降低， 葉片OIFPLSI值隨之增大。 不同生長(zhǎng)時(shí)期葉片OIFPLSI與葉綠素含量的相關(guān)性高低依次為拔節(jié)期、 苗期、 穗期， 與土壤中Cu2+含量的相關(guān)性高低依次為拔節(jié)期、 穗期、 苗期。

圖6 OIFPLSI與葉綠素含量相關(guān)關(guān)系

圖7 OIFPLSI與土壤Cu2+含量相關(guān)關(guān)系

相關(guān)研究表明， 植物與Cu2+作用時(shí)， 根部首先接觸Cu2+并分泌有機(jī)物與Cu2+結(jié)合成穩(wěn)定的化合物， 阻止Cu2+向莖葉轉(zhuǎn)運(yùn)。 過(guò)量Cu2+富集在根部， 抑制酶活性， 影響銨根離子轉(zhuǎn)化， 進(jìn)而損傷根部組織， 影響植物生長(zhǎng)。 逐漸地， 根部吸附固定Cu2+能力減弱， Cu2+向莖葉運(yùn)輸不斷增加。 在此過(guò)程中， 隨著植物的生長(zhǎng)， 植物的氧化系統(tǒng)和滲透調(diào)節(jié)系統(tǒng)等會(huì)做出一定的反映緩解重金屬傷害[17-18]。 拔節(jié)期葉片OIFPLSI與土壤中Cu2+含量的相關(guān)性優(yōu)于苗期和穗期可能是因?yàn)椋?玉米幼苗時(shí)期， Cu2+主要集中在根部， 隨著玉米的生長(zhǎng)， 根部吸收Cu2+減少， Cu2+向莖葉轉(zhuǎn)運(yùn)增多， 大量的Cu2+影響葉綠素合成， 破壞細(xì)胞結(jié)構(gòu)， 從而在拔節(jié)期葉片光譜上有較明顯的表現(xiàn)； 穗期玉米抗氧化能力和調(diào)節(jié)能力都有所增強(qiáng)， 使得Cu2+對(duì)玉米的傷害有所降低， 因而Cu2+對(duì)玉米的影響在光譜上的表現(xiàn)有所減弱。

2.4 OIFPLSI驗(yàn)證

為了驗(yàn)證指數(shù)OIFPLSI的穩(wěn)定性和適用性， 采用在相同的實(shí)驗(yàn)方法下獲取的2014年和2016年數(shù)據(jù)對(duì)OIFPLSI進(jìn)行驗(yàn)證， 結(jié)果如圖8所示。 從結(jié)果來(lái)看， OIFPLSI與葉片Cu2+含量的相關(guān)系數(shù)為0.847 0， 相關(guān)性通過(guò)顯著性檢驗(yàn)， 表明OIFPLSI在監(jiān)測(cè)玉米重金屬銅污染方面具有一定的穩(wěn)定性與有效性。

圖8 OIFPLSI與葉片Cu2+含量相關(guān)關(guān)系

3 結(jié) 論

為監(jiān)測(cè)重金屬污染， 結(jié)合相關(guān)分析法、 最佳指數(shù)法和偏最小二乘構(gòu)造OIF-PLS法提取反映重金屬污染信息的特征波段。 基于不同濃度Cu2+脅迫下玉米盆栽實(shí)驗(yàn)數(shù)據(jù)， 提取了542， 701和712 nm為反映玉米葉片Cu2+污染信息的最佳特征波段， 并利用3個(gè)特征波段構(gòu)建植被指數(shù)OIFPLSI。 植被指數(shù)OIFPLSI與玉米葉片中Cu2+含量顯著正相關(guān)， 相關(guān)性優(yōu)于紅邊歸一化植被指數(shù)、 改進(jìn)紅邊比值指數(shù)、 紅邊植被脅迫指數(shù)和光化學(xué)指數(shù)等常規(guī)指數(shù)； 玉米不同生長(zhǎng)時(shí)期葉片的OIFPLSI與葉片葉綠素含量、 土壤中Cu2+含量存在顯著相關(guān)關(guān)系。 利用不同年份的數(shù)據(jù)對(duì)OIFPLSI進(jìn)行驗(yàn)證， 結(jié)果表明OIFPLSI具有一定的穩(wěn)定性和適用性。 研究結(jié)果為利用高光譜遙感監(jiān)測(cè)重金屬污染提供了一定的技術(shù)支持。