香蒲砷含量高光譜估算模型研究

余哲修 張 超 任 偉 張 一 牛曉花 王 妍 劉云根

( 1. 北京林業(yè)大學(xué)省部共建森林培育與保護教育部重點實驗室，北京 100083；2. 西南林業(yè)大學(xué)林學(xué)院，云南 昆明 650233；

3. 西南林業(yè)大學(xué)生態(tài)與水土保持學(xué)院，云南 昆明 650233)

20 世紀(jì)90年代以來，我國濕地重金屬污染問題加劇，不僅對濕地生態(tài)系統(tǒng)造成了嚴(yán)重破壞，對周邊植被生長亦產(chǎn)生深遠(yuǎn)影響[1]。利用高光譜技術(shù)定量反演分析濕地植物的理化參數(shù)時序變化特征，能有效避免傳統(tǒng)濕地植被調(diào)查中成本高、耗時費力等弊端，為今后精確估算、定量評價、有效保護及合理利用濕地資源提供了技術(shù)手段和數(shù)據(jù)支撐[2]。

目前，應(yīng)用高光譜技術(shù)探究農(nóng)作物、土壤和非濕地環(huán)境植物在重金屬污染脅迫下的光譜特征變化已成國內(nèi)外為研究的熱點和前沿[3-4]，而在濕地方面的研究報道較少。光譜分析技術(shù)能夠準(zhǔn)確描述和定量表達重金屬污染脅迫下濕地植物的生理生化特征變化，可發(fā)揮高光譜遙感技術(shù)的高效性、經(jīng)濟性和準(zhǔn)確性等優(yōu)勢[5]。陳思寧等[6]通過鋅添加土培白菜（Brassica campestris）盆栽實驗研究了鋅脅迫的白菜葉片光譜特征，所提取的3 種特征光譜因子能夠評價白菜鋅污染脅迫的程度。Slonecker 等[7]在不同砷濃度梯度下栽培蜘蛛人鳳尾蕨（Pteris cretica mayii）、井邊欄草（Pteris multifida）和波士頓蕨（Nephrolepis exaltata），基于其反射率一階導(dǎo)數(shù)構(gòu)建的砷濃度估測模型較為合理準(zhǔn)確。劉美玲等[8]利用ASD 光譜儀采集了不同鉛污染水平的水稻（Oryza sativa）反射光譜，通過小波變換、分形分析和模糊數(shù)學(xué)的結(jié)合實現(xiàn)了利用反射光譜估算水稻重金屬污染脅迫狀況。Li 等[9]基于Hyperion 影像和地面實測光譜數(shù)據(jù)，結(jié)合建立的高光譜變量，能夠較為準(zhǔn)確地監(jiān)測研究區(qū)中砷脅迫下的水稻冠層葉綠素含量。屈永華等[10]利用HJ-1A HSI 影像研究了江西省德興銅礦分布區(qū)周邊植被對銅脅迫的光譜響應(yīng)，其研究結(jié)果可為礦區(qū)銅污染的預(yù)防、治理和監(jiān)測提供技術(shù)支持。Gao 等[11]通過高光譜數(shù)據(jù)和支持向量機回歸對太湖濕地土壤的鋅、砷和銅含量進行估測，該方法對均勻濕地土壤中重金屬含量估算效果較好。

濕地作為湖泊與陸地之間重要的過渡帶，通過濕地植物重金屬含量的研究，可以為濕地生態(tài)系統(tǒng)污染治理和修復(fù)提供思路，定量擬合植被反射光譜與主要生理生化指標(biāo)之間的關(guān)聯(lián)關(guān)系，可達到宏觀監(jiān)測濕地植被生長狀態(tài)的目標(biāo)。眾多學(xué)者研究的植物多數(shù)為易受重金屬影響其生長的植物，香蒲（Typha orientalis）作為一種典型濕地植物，并且對重金屬具有富集能力，在修復(fù)生態(tài)系統(tǒng)方面受到重視[12-13]。針對其在重金屬脅迫環(huán)境下反射光譜特征變化及響應(yīng)的研究較少，故本研究基于不同砷含量脅迫條件下香蒲的反射光譜特征，篩選出與砷相關(guān)性高的光譜變量，對香蒲砷含量進行高光譜估算建模，旨在為今后利用高光譜遙感技術(shù)和地面高光譜測定協(xié)同精確反演濕地植物的重金屬含量提供參考。

1 材料與方法

1.1 實驗設(shè)計

2017年4 月在昆明郊區(qū)苗圃采購的當(dāng)年生香蒲幼苗為實驗材料，根據(jù)《土壤環(huán)境質(zhì)量 農(nóng)用地土壤污染風(fēng)險管控標(biāo)準(zhǔn)（試行）》（GB 15618—2018）[14]、云南土壤砷含量背景值和2015年10月在陽宗海南岸湖濱濕地采樣的結(jié)果[15]，實驗采取盆栽土培的方式，設(shè)置9個砷脅迫梯度，土壤全部采用當(dāng)?shù)氐募t壤，粉碎塊狀土塊，混合均勻，熟化2 周。

實驗于2017年5月進行，砷濃度梯度分以添加Na2HAsO4·7H2O 固體的形式設(shè)置。每個梯度設(shè)6個重復(fù)。黑色培養(yǎng)桶（高32 cm，內(nèi)徑44 cm，外徑48 cm，底徑32 cm）裝入10 kg 處理后的土壤，土壤厚度約15 cm，加入10 L 水，積水深度10 ～ 15 cm，模擬野外濕地底泥積水環(huán)境。攪拌均勻后對底泥進行污染，期間間隔一定時間對其重復(fù)攪拌，保證底泥能夠充分污染。每個重復(fù)6 株香蒲，另設(shè)實驗對照1個，共10個梯度，具體設(shè)置如表1 所示，其中梯度編號規(guī)則為：脅迫類型-植物類型-脅迫濃度。實驗采用統(tǒng)一的水肥管理，保證幼苗生長健壯、無病蟲害、長勢基本一致。將混勻后的土壤裝入培養(yǎng)桶中，在各培養(yǎng)桶外壁分別標(biāo)識表1 所示的砷濃度梯度編號。光譜采集后將香蒲取樣送至實驗室，使用原子熒光法測定香蒲葉片的砷（As）含量。

表1 不同砷濃度梯度下樣本設(shè)置Table 1 Number and concentration of samples in different arsenic gradients

在室外采集光譜的同時，使用CCM-200 Plus葉綠素儀同步測定香蒲葉片葉綠素含量指數(shù)（CCI），該儀器通過測量葉片在653 nm 和931 nm處葉綠素不同吸收率確定CCI 值。室內(nèi)測定砷含量的同時，測定了葉片鮮質(zhì)量、含水率和磷含量，鮮質(zhì)量通過天平測定，含水率根據(jù)鮮質(zhì)量和烘干后得到的干質(zhì)量計算得到，磷含量測定采用鉬銻鈧比色法。

1.2 光譜采集與處理

利用ASD Field Spec 3 野外光譜儀采集光譜數(shù)據(jù)（波長為350～2 500 nm）。測量時在晴朗、無風(fēng)、少云條件下進行，測量時間為10：00—15：00。光譜采樣時，將香蒲葉片展平，儀器探頭垂直于葉片，每個樣本測量30 次光譜，視實際環(huán)境隨時對儀器定標(biāo)。使用ViewSpec Pro 軟件對原始光譜數(shù)據(jù)進行處理。受光照強度、風(fēng)、空氣濕度等影響，需要對原始光譜數(shù)據(jù)進行篩選，剔除異常數(shù)據(jù)，對各濃度梯度的光譜做平均化處理和平滑處理，使光譜曲線更準(zhǔn)確地表現(xiàn)香蒲在各砷濃度梯度下的光譜特征。在整段光譜曲線中，剔除被噪聲影響的1 350～1 400、1 750～1950 nm 兩部分波段。

1.3 光譜變化分析

1.3.1 光譜導(dǎo)數(shù)

對光譜曲線作導(dǎo)數(shù)變換，導(dǎo)數(shù)變換不僅能凸顯不同光譜曲線之間的差異，亦能消除部分大氣、土壤等影響，更準(zhǔn)確反映植被光譜特征，更好地提取光譜特征波段[16-18]。根據(jù)光譜反射率獲得一階導(dǎo)數(shù)和二階導(dǎo)數(shù)光譜，公式如下：

式中： FDRλi為波段i和i+1 波長值間的一階微分反射比； SDRλi為波段i和i+2 波長值間的二階微分反射比；Rλi、Rλi+1、Rλi+2分別為波段i、i+1、i+2處的光譜反射率； Δλ為波段i至i+1 的波長值。

1.3.2 “三邊”參數(shù)

三邊參數(shù)相比原始光譜可以更準(zhǔn)確反映植被的光譜特性[19-21]，從原始光譜和光譜一階微分中提取20個“三邊參數(shù)”進行分析，如表2 所示。

表2 “三邊”參數(shù)變量Table 2 Variables of 'three edges' parameters

1.3.3 窄波段植被指數(shù)

植被指數(shù)通過多個波段進行代數(shù)運算，在提取植被信息的靈敏度方面相比單個波段較高[22]，常用的植被指數(shù)主要有差值植被指數(shù)（DVI）、歸一化植被指數(shù)（NDVI）、比值植被指數(shù) （RVI），在原始計算方式中參與計算的波段為紅光波段和近紅外波段，窄波段植被指數(shù)突破了原始計算方式波段的限制，通過全波段參與運算，使得植被指數(shù)的組合更多，同時能從中提取與植被理化參數(shù)更密切相關(guān)的波段組合。反射率經(jīng)過一階導(dǎo)數(shù)和二階導(dǎo)數(shù)變換后，能夠突出更多的植被光譜信息，因此將導(dǎo)數(shù)變換后的反射率值也參與運算，構(gòu)建的窄波段植被指數(shù)見表3。和分別為第i和第j波段的反射率一階微分值；和分別為第i和第j波段的反射率二階微分值。

表3 窄波段植被指數(shù)變量Table 3 Variables of narrow band vegetation index

1.4 建模方法

1.4.1 光譜特征變量篩選

分別分析反射率、反射率一階微分、“三邊”參數(shù)和反射率二階微分與砷的相關(guān)性，優(yōu)選出與砷相關(guān)性高的變量用于估算模型建立。在60個香蒲樣本中，隨機選擇45個用于建模，其余15個作為驗證數(shù)據(jù)。

1.4.2 模型選擇

單變量回歸分析將顯著性最高的光譜特征變量作為自變量用來反演理化參數(shù)，常用的單變量擬合模型如表4 所示。

多元回歸分析將植被理化參數(shù)作為因變量，與理化參數(shù)相關(guān)性較高的波段、波段組合等其他光譜特征變量作為自變量來反演植被理化參數(shù)。以理化參數(shù)為因變量，光譜特征變量等作為自變量，構(gòu)建多元逐步回歸模型，如式（3）所示。在建立模型時對自變量逐個篩選，最終保留與理化參數(shù)相關(guān)性較高的自變量。

式中：y為估算的理化參數(shù)；an為第n個變量的系數(shù)；xn為第n個變量；ε為常數(shù)。

表4 單變量擬合模型Table 4 Single variable fitting model

1.4.3 模型檢驗

通過決定系數(shù)（R2）和均方根誤差（RMSE）評價模型精度。模型決定系數(shù)是衡量建模效果優(yōu)劣的常用指標(biāo)，是衡量模型所推算的估算值與真實值間的差異化程度，R2在0 ～ 1 之間，值越大模型預(yù)測精度越高。均方根誤差可以反映估算數(shù)值偏離實測值的程度，RMSE 值越小模型的精度越高。2 種評價指標(biāo)計算方法如下：

式中：yi為第i個樣本的實測值；為第i個樣本的估算值；yˉ為所有樣本實測值的平均值。

2 結(jié)果與分析

2.1 光譜特征分析

2.1.1 原始光譜分析

不同砷濃度下香蒲的反射光譜曲線見圖1。各濃度梯度下香蒲的反射光譜特征均保持了健康綠色植被反射光譜特征，從10 條光譜曲線中分段進行分析。由圖1 可知，在可見光波段，A-T-2 在550 nm 的反射峰附近反射率最高，A-T-8 最低，在670 nm 的吸收谷附近，各濃度梯度下香蒲的反射率幾乎相同；在近紅外波段具有強烈反射特征，各梯度的香蒲在近紅外波段有明顯區(qū)別，A-T-8 的反射率最低，A-T-5 的反射率最高；在1 400～1 750 nm 的短波紅外范圍內(nèi)，A-T-8 的反射率最低，1 950～2 450 nm 的短波紅外范圍內(nèi)，AT-8 和A-T-9 的反射率較低，說明高濃度砷對香蒲的水分吸收產(chǎn)生一定影響。

圖1 不同砷濃度脅迫下香蒲反射光譜特征Fig. 1 Spectral characteristics of T. orientalis in different concentrations of arsenic stress

2.1.2 一階微分光譜分析

植被光譜特征主要體現(xiàn)在可見光-近紅外波段，因此選取350～1 350 nm 對香蒲光譜反射率一階微分值進行分析。由圖2 可知，經(jīng)過一階微分變換后，各濃度梯度下香蒲的光譜反射特征的區(qū)別在紅光和近紅外波段體現(xiàn)出來。紅光波段的峰值反映了原始光譜紅光吸收谷變化最快的波長位置，各濃度梯度下香蒲的吸收谷有明顯區(qū)別，AT-2 的一階微分值最大，A-T-8 最小，表明A-T-2 葉綠素對紅光的吸收最快，A-T-8 最慢，說明砷對香蒲葉綠素吸收紅光有一定影響；由于植物葉片葉肉海綿組織的特性，在近紅外波段使入射光形成多重反射，而950 nm 和1 150 nm 附近有水、氧氣的窄吸收帶[23]，因此形成了光譜曲線形態(tài)波狀起伏的特點[24]，從圖中可以看出950 nm 和1 150 nm 各曲線有明顯區(qū)別，說明砷對香蒲的葉片組織產(chǎn)生了一定影響，使得香蒲對水分和氧氣的吸收有明顯區(qū)別。

圖2 不同砷濃度脅迫下香蒲反射光譜一階微分特征Fig. 2 First order derivative spectral of T. orientalis in different concentrations of arsenic stress

“三邊”參數(shù)可以定量的對光譜分析，相比原始光譜更準(zhǔn)確反映植被光譜特性。各梯度香蒲反射光譜的“三邊”參數(shù)見表5。紅邊是反映植被生長狀況的指示因子，植被長勢較好時紅邊向近紅外波段移動，植物受到脅迫或衰老時紅邊向藍光方向移動[25]，由表5 可知，各梯度香蒲的藍邊、黃邊和紅邊位置差異不明顯，說明香蒲在砷脅迫條件下仍然能表現(xiàn)出很強的耐性；從綠峰和紅谷上看，波長位置和反射率差異不明顯，表明砷對香蒲的葉綠素沒有影響，但在綠光和紅光波段均表現(xiàn)出典型的反射和吸收特征；從面積變量和比值變量上，同一面積變量之間差異不顯著，而比值變量略有差異，說明通過比值變量能夠看出各濃度梯度砷脅迫下的香蒲反射光譜間的差異。

2.1.3 二階微分光譜分析

從一階微分曲線上看，各梯度香蒲的光譜特征差異較小，二階微分相比一階微分可以更有效地減弱大氣、背景噪聲等因素，從而分辨重疊光譜，二階微分曲線的凹凸形態(tài)可以表現(xiàn)出原始光譜的反射和吸收特征，凹形代表波段在吸收區(qū)域，凸形代表波段在反射區(qū)域[26-28]。以350～1 350 nm 為主要分析波段，由圖3 可知，經(jīng)過二階微分變換后原始光譜的反射和吸收特征相比一階微分更好的表現(xiàn)出來，可見光波段中510、550、690 nm 和730 nm 為主要的特征波段，在近紅外波段中900～950 nm 和1 100～1 150 nm 有明顯區(qū)別，更好的體現(xiàn)了原始光譜近紅外波段對水和氧氣窄吸收帶的光譜特征。

表5 “三邊”參數(shù)統(tǒng)計Table 5 The statistics of 'three edges' parameter

圖3 不同砷濃度脅迫下香蒲反射光譜二階微分特征Fig. 3 Second order derivative spectral of T. orientalis in different concentrations of arsenic stress

2.1.4 理化參數(shù)統(tǒng)計分析

通過光譜一階導(dǎo)數(shù)、二階導(dǎo)數(shù)變換和“三邊”參數(shù)分析了不同濃度砷脅迫下的香蒲的光譜特征，但光譜特征差別較小，說明從反射光譜上表現(xiàn)出了香蒲對砷的富集能力，結(jié)合其他的生理生化參數(shù)有助于分析其光譜響應(yīng)。理化參數(shù)均值和標(biāo)準(zhǔn)差統(tǒng)計如表6 所示。

由表6 可知，CCI、磷含量和含水率的均值較為穩(wěn)定，鮮質(zhì)量的均值和標(biāo)準(zhǔn)差波動較大，說明香蒲葉片的磷含量和鮮質(zhì)量對不同的砷含量響應(yīng)有所不同，而理化參數(shù)之間互相的作用對其光譜響應(yīng)也有影響，因此需要進一步分析理化參數(shù)間的相關(guān)性，如表7 所示。由表7 可知，含水率與磷和鮮質(zhì)量達到極顯著相關(guān)（P＜0.01），香蒲作為一種挺水植物，水環(huán)境對其生長有顯著影響，磷則影響其生長與品質(zhì)，對其他營養(yǎng)元素的吸收有一定影響，葉綠素與植物光合作用相關(guān)，在理化參數(shù)的綜合作用下影響其鮮質(zhì)量。砷與其他4個參數(shù)的相關(guān)性較弱，均未達到顯著相關(guān)（P＜0.05），表明砷對香蒲的葉綠素、磷、鮮質(zhì)量、含水率影響較小，進一步說明了香蒲對砷有較強的富集能力。

表6 理化參數(shù)均值和標(biāo)準(zhǔn)差統(tǒng)計Table 6 The mean and standard deviation of physicochemical parameters

表7 理化參數(shù)相關(guān)性分析Table 7 The correlation analysis of physicochemical parameters

2.2 砷含量估算模型構(gòu)建與評價

2.2.1 相關(guān)性分析

分別將原始光譜反射率、一階微分、二階微分和“三邊”參數(shù)與砷含量進行相關(guān)性分析。由圖4 可知，原始光譜反射率所有波段與砷的相關(guān)性均為負(fù)相關(guān)，1 475個波段與砷的極顯著相關(guān)（P＜0.01），在1 115 nm 相關(guān)性最高，相關(guān)系數(shù)為-0.443。原始光譜經(jīng)過導(dǎo)數(shù)變換后，特征波段更加明顯，一階微分中290個波段達到極顯著正相關(guān)（P＜0.01），947 nm 相關(guān)性最高，相關(guān)系數(shù)為0.435，425個波段達到極顯著負(fù)相關(guān)（P＜0.01），713 nm 相關(guān)性最高，相關(guān)系數(shù)為-0.444。二階微分中129個波段達到極顯著正相關(guān)（P＜0.01），733 nm 相關(guān)性最高，相關(guān)系數(shù)為0.456，96個波段達到極顯著負(fù)相關(guān)（P＜0.01），973 nm 相關(guān)性最高，相關(guān)系數(shù)為-0.494。

圖4 反射率及反射率微分值與砷含量的相關(guān)性Fig. 4 The correlation between arsenic content and the value of reflectance or reflectance derivative

由圖5 可知，在20個“三邊”參數(shù)中有10個參數(shù)與砷含量顯著相關(guān)（P＜0.05），其中3個參數(shù)達到極顯著相關(guān)（P＜0.01），其中，SDr相關(guān)性最高，相關(guān)系數(shù)為-0.447。

圖5 “三邊”參數(shù)與砷含量的相關(guān)性Fig. 5 The correlation between arsenic content and'three edges' parameters

高光譜數(shù)據(jù)中的相鄰波段之間具有高度的相關(guān)性，且相鄰波段間提供的信息較為相似，造成了數(shù)據(jù)冗余，構(gòu)建窄波段植被指數(shù)時，將光譜數(shù)據(jù)重采樣為5 nm，再通過重采樣后的光譜數(shù)據(jù)進行組合，一方面可減少信息重復(fù)，另一方面可減少運算量。重采樣后共有373個波段，每種植被指數(shù)各有138 756個組合。

9個窄波段植被指數(shù)與砷含量的相關(guān)性見圖6。從矩陣圖形上看，基于導(dǎo)數(shù)光譜的相關(guān)系數(shù)矩陣離散程度較高，正負(fù)相關(guān)交替的范圍較多，整體上看，紅光波段、近紅外波段和短波紅外波段的組合相關(guān)性較高。從相關(guān)性上分析，由原始光譜任意兩波段組合的NDVI 和RVI 相比原始光譜單波段與砷含量的相關(guān)性明顯提高，說明窄波段植被指數(shù)組合能夠明顯提高香蒲對砷的響應(yīng)。導(dǎo)數(shù)變換后組合的NDVI 和RVI 在相關(guān)性上又有明顯提升，二階導(dǎo)數(shù)相比一階導(dǎo)數(shù)的組合相關(guān)性略有下降，但DVI、FDVI 和SDVI 最高相關(guān)系數(shù)絕對值均未超過0.5，說明差值指數(shù)的組合對砷的敏感性較低，F(xiàn)NDVI 和FRVI 最高相關(guān)系數(shù)均大于0.7，最佳組合為FRVI (1 065， 1 260)，相關(guān)系數(shù)為0.760，原始光譜經(jīng)過導(dǎo)數(shù)變換后，能夠消除部分背景噪聲，因此FNDVI、FRVI、SNDVI 和SRVI 基于導(dǎo)數(shù)光譜構(gòu)建的指數(shù)與砷含量表現(xiàn)出較好的相關(guān)性。

圖6 窄波段植被指數(shù)與砷含量的相關(guān)系數(shù)矩陣Fig. 6 The correlation coefficient matrices between arsenic content and narrow band vegetation index

2.2.2 模型評價

將相關(guān)性最高的變量用于建立估算模型，估測模型評價指標(biāo)見表8?；贔RVI (1 065， 1 260)建立的三次函數(shù)模型效果最佳，R2最高，RMSE最小，說明基于FRVI 的模型可用于砷含量的估算。基于SDVI (970， 925) 構(gòu)建的估算模型效果較差，RMSE 最大，模型擬合精度最低。

對比分析普通導(dǎo)數(shù)變換與窄波段植被指數(shù)構(gòu)建的估算模型可知，除DVI、FDVI 和SDVI 外，其他基于導(dǎo)數(shù)光譜變換結(jié)合窄波段植被指數(shù)的估測精度高于普通導(dǎo)數(shù)變換，有效地提升了香蒲砷含量的估測精度，R2最高可提升0.472。寬波段的RVI 和NDVI 由近紅外和紅光波段組合，近紅外波段對植被的敏感性較高，而高光譜任意選取的兩個波段的組合不受波段范圍限制，獲取的信息更加豐富，充分挖掘了植被的光譜信息，提高了光譜信息可利用程度，而導(dǎo)數(shù)變換有利于獲取植被光譜細(xì)節(jié)信息，因此基于導(dǎo)數(shù)光譜構(gòu)建的窄波段植被指數(shù)可以有效提高普通導(dǎo)數(shù)變換對香蒲砷含量的估測精度與穩(wěn)定性。結(jié)合普通光譜變換與窄波段植被指數(shù)有效地挖掘了植被光譜內(nèi)的可用信息，削弱了大部分背景噪聲的影響，同時提高了光譜對砷含量的敏感性，可以為利用高光譜遙感反演植被理化參數(shù)提供參考。

表8 香蒲砷含量估測模型Table 8 Estimation models for arsenic content of T. orientalis

3 結(jié)論與討論

本研究對不同砷濃度梯度環(huán)境下培養(yǎng)的香蒲反射光譜進行分析，并對其砷含量進行估算建模，結(jié)論如下：

1）光譜特征方面，不同砷濃度梯度生長的香蒲均表現(xiàn)出健康綠色植被的反射光譜特征，但第8 和第9 梯度的香蒲在1 950～2 450 nm 范圍內(nèi)在反射率低于其他梯度，說明高濃度砷對香蒲的水分吸收產(chǎn)生一定影響；通過一階導(dǎo)數(shù)和二階導(dǎo)數(shù)變換后，相比原始光譜更能凸顯各梯度的香蒲反射光譜在近紅外波段間的差異，“三邊”參數(shù)的比值變量可以更好地定量分析光譜差異。

2）原始反射率與砷含量間全部為負(fù)相關(guān)，反射率一階微分、“三邊”參數(shù)和反射率二階微分與砷含量間均表現(xiàn)為正負(fù)相關(guān)波動的變化，相比原始光譜可以更好地提取特征波段，提高反射率與砷含量的相關(guān)性，經(jīng)過二階導(dǎo)數(shù)變換后，973 nm的反射率二階微分與砷含量的相關(guān)性最高，相關(guān)系數(shù)為-0.494；構(gòu)建的9 種窄波段植被指數(shù)能有效提高反射率與砷含量的相關(guān)性，相關(guān)性最高的指數(shù)組合為FRVI (1 065， 1 260)，相關(guān)系數(shù)為0.760。

3）分別通過反射率、反射率一階微分、“三邊”參數(shù)、反射率二階微分和植被指數(shù)建立砷含量的估算模型，綜合比較得出，基于FRVI (1 065，1 260) 構(gòu)建的回歸模型估算效果最佳，決定系數(shù)為0.793，均方根誤差107.457。

通過原始光譜曲線和變換后的光譜曲線特征能夠較為準(zhǔn)確地描述香蒲在不同砷濃度環(huán)境下的差異，在以后的研究中可以嘗試?yán)檬覂?nèi)光譜設(shè)備采集光譜數(shù)據(jù)，避免水汽、太陽光照變化的影響，并且環(huán)境時間可控，能獲得更加準(zhǔn)確的光譜數(shù)據(jù)。在未來的實驗設(shè)計上，可以從香蒲多個生長期的理化參數(shù)和反射光譜，或通過野外實驗，進一步分析不同生長期光譜和砷含量的相關(guān)機理。在光譜分析方面，僅通過原始光譜反射率、光譜導(dǎo)數(shù)、植被指數(shù)分析香蒲的反射光譜，在以后的估算模型研究中，可以使用其他光譜變換方法、光譜參數(shù)或引入其他的植被指數(shù)與砷含量作相關(guān)性分析，提高相關(guān)系數(shù)，進一步找出對砷敏感的波段，在建立模型方面可以通過隨機森林、支持向量機等非參數(shù)模型，以期構(gòu)建出估算效果更好的模型。