農(nóng)用地土壤As元素與葉片光譜特征關(guān)系研究

劉 維,于 強(qiáng),牛 騰,楊林哲,劉泓君,閆 飛

北京林業(yè)大學(xué)林學(xué)院， 北京 100083

引 言

隨著人類(lèi)社會(huì)工農(nóng)業(yè)現(xiàn)代化和城市化的迅猛發(fā)展， 工業(yè)和生活廢水排放、 交通排放增多， 土壤重金屬的含量顯著增加， 我國(guó)在保護(hù)土壤免受污染方面面臨著巨大的挑戰(zhàn)[1]。 土壤中過(guò)量的重金屬不僅會(huì)對(duì)農(nóng)作物造成脅迫、 影響其生長(zhǎng)發(fā)育， 而且在農(nóng)作物大量積累經(jīng)食物鏈向人體富集， 對(duì)人類(lèi)健康和生態(tài)環(huán)境產(chǎn)生重大的安全隱患[2-3]。 我國(guó)土壤環(huán)境總狀況不容樂(lè)觀， 耕地和工礦業(yè)廢棄地土壤環(huán)境問(wèn)題突出， 污染類(lèi)型以重金屬為主[4]。 20世紀(jì)50年代日本出現(xiàn)的“水俁病”和“骨痛病”被查明由重金屬污染引起后,土壤重金屬成為了土壤污染中亟待解決的問(wèn)題之一， 引起了國(guó)際社會(huì)的廣泛關(guān)注[5-6]。

傳統(tǒng)的土壤重金屬監(jiān)測(cè)方式通常是以化學(xué)方法為主， 結(jié)果較為準(zhǔn)確， 但需要消耗大量人力、 物力和財(cái)力， 且無(wú)法實(shí)現(xiàn)大面積監(jiān)測(cè)。 高光譜遙感技術(shù)能夠不受地形氣候的限制， 突破植被屏障， 實(shí)現(xiàn)土壤重金屬含量大面積且定量化的提取， 滿(mǎn)足及時(shí)性和精確性的應(yīng)用需求， 因而逐漸發(fā)展成熟。 目前， 大量國(guó)內(nèi)外學(xué)者利用植物光譜效應(yīng)對(duì)重金屬污染開(kāi)展了較深入研究， 旨在通過(guò)植物光譜的變異特征來(lái)反映研究區(qū)的污染狀況， 并已取得了許多突破性的進(jìn)展。 有報(bào)道利用人為添加鎘(Cd)的盆栽實(shí)驗(yàn)研究臍橙葉片的光譜變化特征， 建立了基于光譜指數(shù)的預(yù)測(cè)模型并得到了良好的模型精度； Kooistra等利用高光譜植被指數(shù)及紅邊位置監(jiān)測(cè)河漫灘土壤的重金屬污染狀況， 指出重金屬在某些波段的光譜特征參數(shù)可以作為監(jiān)測(cè)污染現(xiàn)狀的有效指標(biāo)[7]； 趙思穎等選取了貴溪市2個(gè)Cd梯度樣地研究了水稻鎘污染對(duì)其光譜特征的影響， 結(jié)果顯示隨著土壤Cd含量的增加， 藍(lán)谷和紅谷深度變淺， 紅邊斜率變小， NDVI705植被指數(shù)降低， 紅外反射坪(R750-1 250)反射率降低[8]。

綜合來(lái)看， 前人研究多采用實(shí)驗(yàn)盆栽人為定量添加等梯度重金屬研究植物光譜特征變化， 而野外環(huán)境下土壤重金屬與植被光譜反射率之間的相關(guān)關(guān)系研究相對(duì)較少， 因此， 通過(guò)植被光譜建立合適準(zhǔn)確的野外土壤重金屬預(yù)測(cè)模型具有重要意義。

以桃樹(shù)為研究對(duì)象， 對(duì)比不同污染條件下葉片光譜曲線特征， 分析不同土壤元素與光譜反射率的相關(guān)性， 選擇相關(guān)性較強(qiáng)的土壤元素探討其對(duì)植被指數(shù)的影響， 并建立不同植被指數(shù)的土壤元素預(yù)測(cè)模型， 為土壤重金屬元素預(yù)測(cè)預(yù)報(bào)提供參考。

1 實(shí)驗(yàn)部分

1.1 研究區(qū)概況

研究區(qū)位于北京市東北部， 選擇在污染較為嚴(yán)重的尾礦庫(kù)附近(圖1)。 研究區(qū)農(nóng)業(yè)資源豐富， 是北京市重要的農(nóng)副產(chǎn)品基地， 其北、 東、 西三面環(huán)山的地理環(huán)境， 導(dǎo)致山區(qū)半山區(qū)面積廣大， 適合進(jìn)行林果生產(chǎn)， 所培育生產(chǎn)的“平谷仙桃”品牌在市場(chǎng)上享有盛譽(yù)， 是“中國(guó)大桃生產(chǎn)第一縣”。 區(qū)內(nèi)蘊(yùn)藏著黃金、 白銀、 銅和錳等多種礦物， 目前存有劉家店尾礦庫(kù)、 萬(wàn)莊尾礦庫(kù)、 金海湖尾礦庫(kù)等各種尾礦庫(kù)共計(jì)九座。 隨著農(nóng)業(yè)集約化生產(chǎn)的加強(qiáng)、 工業(yè)的發(fā)展、 畜禽場(chǎng)的規(guī)?；约俺鞘欣欧帕康脑黾?， 研究區(qū)土壤重金屬污染風(fēng)險(xiǎn)提高， 因此快速、 大面積監(jiān)測(cè)全區(qū)的土壤重金屬污染顯得尤為迫切。

圖1 研究區(qū)范圍Fig.1 Range of the study area

1.2 數(shù)據(jù)采集

1.2.1 桃樹(shù)葉片反射光譜采集

光譜采集使用美國(guó)ASD公司生產(chǎn)的FieldSpec 4便攜式地物波譜儀， 其測(cè)量波長(zhǎng)范圍為可見(jiàn)光到近紅外波段(350～2 500 nm)， 光譜采樣間隔在350～1 000 nm范圍內(nèi)為1.4 nm， 在1 001～2 500 nm內(nèi)為2 nm。 首先針對(duì)研究區(qū)進(jìn)行踏勘后， 結(jié)合踏查結(jié)果在室內(nèi)制定合理的調(diào)查路線， 采用環(huán)境單元和行政單元相結(jié)合的布點(diǎn)方式， 即在綜合考慮地理地形、 土壤質(zhì)地等環(huán)境因素的基礎(chǔ)上以行政村農(nóng)用地為單位均勻設(shè)立了50個(gè)采樣點(diǎn)(圖1)。 然后選擇無(wú)風(fēng)晴朗天氣， 測(cè)定時(shí)間在10：00—14：00， 根據(jù)布設(shè)點(diǎn)選取樹(shù)齡相當(dāng)?shù)奶覙?shù)為材料， 詳細(xì)記錄采樣點(diǎn)編號(hào)、 地理坐標(biāo)和其所處地理環(huán)境等信息。 采集采樣點(diǎn)的桃樹(shù)葉片反射光譜信息， 每次測(cè)量數(shù)據(jù)前均用標(biāo)準(zhǔn)白板進(jìn)行校正， 使用25°視場(chǎng)角， 將探頭垂直向下， 據(jù)葉片表面10～15 cm， 每個(gè)采樣點(diǎn)篩取兩到三株桃樹(shù)， 每株桃樹(shù)葉片采集10條光譜數(shù)據(jù)， 剔除異常光譜曲線， 最終取其算術(shù)平均值作為該采樣點(diǎn)桃樹(shù)葉片的實(shí)際反射光譜。

1.2.2 土壤樣品采集與重金屬含量測(cè)定

在測(cè)量葉片光譜的同時(shí)采集土壤樣品， 每個(gè)采樣點(diǎn)選取5～10個(gè)分樣點(diǎn)， 采樣深度為0～40 cm。 取土樣時(shí)， 多點(diǎn)混合采樣， 揀去枯枝落葉、 殘根、 石礫等雜質(zhì)， 并將分樣點(diǎn)的樣品充分混合， 按四分法棄去多余的部分， 保留約1 kg作為分析化驗(yàn)的待測(cè)樣品， 裝入自封袋編號(hào)帶回實(shí)驗(yàn)室。 采集的土壤樣品經(jīng)自然風(fēng)干后， 過(guò)2 mm的尼龍篩以去除雜質(zhì)， 然后用烘箱設(shè)置溫度為60 ℃烘干； 用瑪瑙研缽研磨并過(guò)100目尼龍篩， 依次編號(hào)裝袋密封待測(cè)。 土壤樣品重金屬含量相關(guān)數(shù)據(jù)由實(shí)驗(yàn)室化學(xué)檢測(cè)分析所得， 其中， 土壤總鎘(Cd)、 鉻(Cr)、 鉛(Pb)、 銅(Cu)的含量使用xSPECTRAA-220型原子吸收光譜儀測(cè)量； 土壤總汞(Hg)量使用測(cè)汞儀檢測(cè)儀器、 冷原子吸收法檢測(cè)方法測(cè)量； 土壤總砷(As)量用分光光度計(jì)的二乙基二硫代氨基甲酸銀分光光度法測(cè)量。

1.2.3 數(shù)據(jù)處理

野外采集的葉片光譜曲線在ViewSpecPro(Version 6.0)軟件中進(jìn)行剔除異常曲線、 求均值、 求一階導(dǎo)數(shù)等預(yù)處理工作， 導(dǎo)出數(shù)據(jù)至Microsoft Excel 2016， 利用pyhton軟件進(jìn)行相關(guān)性分析， 在SPSS數(shù)據(jù)分析軟件和Origin2019b軟件中建立預(yù)測(cè)模型和出圖。

2 結(jié)果與討論

2.1 桃樹(shù)葉片對(duì)土壤重金屬的光譜響應(yīng)

為排除光照、 水分和養(yǎng)護(hù)條件等的差異性影響， 控制環(huán)境因素主要集中于土壤的重金屬含量， 本實(shí)驗(yàn)樣品選擇于同時(shí)同地采集。 土壤類(lèi)型主要是褐土， 有機(jī)質(zhì)含量主要集中在10～30 g·kg-1之間， 呈中性-弱堿性， pH值在6～8之間。 根據(jù)葉片光譜所對(duì)應(yīng)的不同土壤重金屬含量， 將采集的葉片光譜曲線以背景值為分段點(diǎn)(表1)進(jìn)行分組， 分別選擇污染區(qū)(高于背景值)和背景區(qū)(低于背景值)中具有顯著特征和代表性的植物葉片光譜曲線進(jìn)行對(duì)比分析。

表1 土壤重金屬含量統(tǒng)計(jì)Table 1 Statistics of heavy metal content in soil

污染區(qū)與背景區(qū)的桃樹(shù)葉片原始光譜曲線如圖2(a)所示， 桃樹(shù)葉片反射光譜曲線走向及趨勢(shì)在污染區(qū)與背景區(qū)總體上表現(xiàn)一致， 但是由于土壤重金屬含量的不同， 其在不同波段體現(xiàn)出來(lái)的響應(yīng)機(jī)制也有所差異， 受到重金屬污染的葉片光譜變異明顯。 從桃樹(shù)葉片的光譜反射曲線分析發(fā)現(xiàn)， 背景區(qū)內(nèi)的桃葉光譜反射率總體上比污染區(qū)內(nèi)的桃葉光譜反射率要低， 反射率與土壤重金屬含量呈正向相關(guān)， 在波長(zhǎng)760～1 300 nm之間， 背景區(qū)與污染區(qū)的桃葉光譜反射率差值較為明顯， 最大差值達(dá)到13.41%[見(jiàn)圖2(b)]， 說(shuō)明該波段光譜對(duì)土壤重金屬的響應(yīng)相對(duì)比較敏感。

圖2 污染區(qū)與背景區(qū)光譜原始曲線(a)與差值(b)Fig.2 Original curves of and differences between thespectra of polluted (a) and background areas (b)

在可見(jiàn)光380～760 nm范圍內(nèi)， 植物葉片的光譜特征主要受各種色素影響， 其中葉綠素起主要作用。 隨著土壤重金屬含量的增加， 綠峰反射率增加， 最大差值為6.26%， 這是由于植物體內(nèi)重金屬含量富集， 受到其毒害加深， 葉綠素含量降低， 對(duì)光的吸收率減少， 進(jìn)而導(dǎo)致反射率增加。 在680～780 nm波譜區(qū)間， 桃樹(shù)葉片光譜反射率急劇升高， 出現(xiàn)植被典型的“紅邊效應(yīng)”， 污染區(qū)的葉片光譜曲線上升幅度明顯大于背景區(qū)的葉片光譜曲線。 在780～1 300 nm區(qū)間出現(xiàn)了一個(gè)較高的反射平臺(tái)， 污染區(qū)葉片反射率在50.96%～61.88%之間， 背景區(qū)的葉片反射率在41.41%～50.76%。 光譜在1 460和1 930 nm附近有兩處吸收谷， 主要由水汽吸收形成， 污染區(qū)葉片的吸收谷比背景區(qū)的吸收谷要低。

對(duì)污染區(qū)和背景區(qū)的桃葉光譜曲線求一階導(dǎo)數(shù)如圖3(a)所示。 光譜的一階導(dǎo)數(shù)曲線較好地消除大部分背景噪聲對(duì)光譜的影響， 減少光譜采集過(guò)程中大氣對(duì)光的散射與吸收[9]， 能夠準(zhǔn)確地判斷原始光譜曲線的反射峰和吸收谷位置， 其中的“三邊”參數(shù)更是一階導(dǎo)數(shù)光譜中的重要參量[10]。 從圖3(b)中可以看出， 污染區(qū)和背景區(qū)下的桃樹(shù)葉片紅、 黃、 藍(lán)邊位置沒(méi)有明顯移動(dòng)， 紅邊720 nm， 藍(lán)邊520 nm， 黃邊572 nm， 說(shuō)明土壤重金屬含量對(duì)三邊參數(shù)的干擾不明顯。

圖3 污染區(qū)與背景區(qū)一階導(dǎo)數(shù)處理的光譜曲線(a): 一階導(dǎo)數(shù)光譜曲線； (b): 反射光譜三邊參數(shù)Fig.3 Spectral curves of the first-order derivative treatmentof the polluted and background areas(a): First-order derivative spectral curve；(b): Reflectance spectral trilateral parameter

紅邊斜率是紅邊區(qū)間的最大值， 可以反映葉片的葉綠素含量， 通過(guò)分析可知土壤重金屬對(duì)紅邊斜率的影響十分明顯， 隨著土壤重金屬含量的增大， 重金屬在植物葉片富集加深， 葉綠素含量降低， 導(dǎo)致紅邊斜率急劇增大； 藍(lán)邊斜率表現(xiàn)為污染區(qū)>背景區(qū)， 土壤重金屬含量增大藍(lán)邊斜率也隨之增大； 污染區(qū)和背景區(qū)的黃邊斜率均為負(fù)數(shù)， 分析可知當(dāng)土壤重金屬污染加重時(shí)斜率也隨之增大。 綜上所述， 葉片紅、 藍(lán)、 黃邊位置對(duì)土壤重金屬含量的干擾十分不敏感， 表現(xiàn)出了較強(qiáng)的抗干擾能力， 但是紅、 藍(lán)、 黃邊斜率對(duì)其的響應(yīng)十分明顯， 且均隨著土壤重金屬含量的增加斜率增大。

2.2 土壤重金屬與光譜反射率的相關(guān)性分析

圖4所示為土壤中不同的重金屬與光譜反射率之間的相關(guān)曲線。 整體上來(lái)看， 土壤Cr元素與光譜反射率中度相關(guān)且不顯著， 各個(gè)波段相關(guān)系數(shù)值穩(wěn)定在-0.6左右； 土壤Cu元素與反射率的相關(guān)系數(shù)在0.14～0.42之間， 部分波段有較弱的相關(guān)性； 土壤Hg元素與反射率的相關(guān)系數(shù)均在0.3以下， 可以認(rèn)為Hg元素與光譜反射率沒(méi)有相關(guān)性； 土壤As， Pb和Cd元素與光譜反射率的相關(guān)性在不同波長(zhǎng)范圍內(nèi)差別較大， 在某些波段范圍內(nèi)達(dá)到0.1級(jí)顯著相關(guān)且總體相關(guān)曲線趨勢(shì)相同， 全范圍內(nèi)均顯示出正相關(guān)關(guān)系， 相關(guān)性依次排序?yàn)锳s>Pb>Cd。 以相關(guān)性較強(qiáng)的土壤As元素為例， 在380～515 nm范圍內(nèi)顯著相關(guān)， 481 nm處達(dá)到最大值： 0.76； 515～674 nm范圍內(nèi)相關(guān)性下降后回升， 553 nm處降至最小值： 0.59； 674～1 453 nm處明顯呈凹形， 短波近紅外光譜屬于該范圍內(nèi)， 表明短波近紅外光譜對(duì)土壤As元素的敏感性低于其他波段； 長(zhǎng)波近紅外1 453～2 500 nm區(qū)域內(nèi)變化起伏大， 1 886～2 119和2 346～2 500 nm范圍內(nèi)顯著相關(guān)。

圖4 土壤重金屬與光譜反射率的相關(guān)關(guān)系Fig.4 Correlation between heavy metals insoil and spectral reflectance

2.3 土壤As元素與植被指數(shù)的相關(guān)性分析

植被指數(shù)是指對(duì)不同波段進(jìn)行線性或者非線性組合， 構(gòu)成能反映植被生長(zhǎng)狀況的各種指數(shù)總稱(chēng)[11]。 構(gòu)建植被指數(shù)通常利用植被的可見(jiàn)光與近紅外的相關(guān)波段， 由多個(gè)波段進(jìn)行組合， 更能反映植被光譜的差異， 有利于消除土壤溫度、 濕度等影響。 由2.2小節(jié)中土壤重金屬含量與桃葉光譜的相關(guān)性分析得出， 土壤As元素在紅光和近紅外波段與重金屬含量顯著相關(guān)， 因此選用與這兩個(gè)波段相關(guān)的植被指數(shù)(表2)及土壤As含量進(jìn)一步分析。

表2 植被指數(shù)Table 2 Vegetation index

使用python計(jì)算上述植被指數(shù)并與土壤As元素進(jìn)行相關(guān)性分析和顯著性檢驗(yàn)， 結(jié)果如表3所示。 從表中可以看出PRI1和PRI3植被指數(shù)均具有顯著相關(guān)性， 且PRI3達(dá)到極顯著水平， 而其他植被指數(shù)與土壤As元素的相關(guān)性較弱， 說(shuō)明其不適合建立預(yù)測(cè)模型。

表3 土壤As與植被指數(shù)的相關(guān)性Table 3 Correlation between As in soil and vegetation index

2.4 土壤As元素預(yù)測(cè)模型建立與精度驗(yàn)證

由以上研究可知， 植被指數(shù)PRI1和PRI3與土壤As元素有很高的相關(guān)性， 因此將以上兩個(gè)植被指數(shù)作為自變量， 土壤As元素含量作為因變量進(jìn)行回歸分析， 分別建立線性、 二次多項(xiàng)式、 對(duì)數(shù)和指數(shù)形式的土壤As元素含量預(yù)測(cè)模型(表4)。

使用SPSS數(shù)據(jù)分析軟件擬合預(yù)測(cè)模型， 通過(guò)決定系數(shù)(R2)和均方根差(RMSE)檢驗(yàn)預(yù)測(cè)模型的穩(wěn)定性及預(yù)測(cè)精度。 其中， 決定系數(shù)R2反映因變量的全部變異能通過(guò)回歸關(guān)系被自變量解釋的比例， 一般來(lái)說(shuō)R2值越大， 表示因變量能夠更好的被自變量解釋?zhuān)?模型的擬合度越高； 均方根差用來(lái)衡量觀測(cè)值與真值之間的偏差， 其值越小， 則表示模型的穩(wěn)定性越高。 如表4所示， 以PRI1擬合的土壤As元素預(yù)測(cè)模型的決定系數(shù)R2值均達(dá)到了0.05顯著性水平， 大小依次為對(duì)數(shù)、 二次多項(xiàng)式、 線性、 指數(shù)； 以PRI3擬合的土壤As元素預(yù)測(cè)模型的決定系數(shù)R2值均達(dá)到了0.01極顯著性水平， 且R2值均大于PRI1預(yù)測(cè)模型， 說(shuō)明PRI3預(yù)測(cè)模型均優(yōu)于PRI1預(yù)測(cè)模型， 其中， 利用PRI3進(jìn)行建模時(shí)， RMSE值大小依次為對(duì)數(shù)、 線性、 二次多項(xiàng)式、 指數(shù)。 綜上所述， PRI3的指數(shù)預(yù)測(cè)模型精度最高且具有更好的穩(wěn)定性。

表4 土壤As元素的預(yù)測(cè)模型Table 4 Prediction model of element As in soil

3 結(jié) 論

在野外農(nóng)用地環(huán)境中， 研究了北京市優(yōu)勢(shì)樹(shù)種桃樹(shù)在土壤重金屬元素脅迫下葉片光譜特征， 并進(jìn)一步分析了土壤As元素與葉片植被指數(shù)之間的相關(guān)關(guān)系， 建立了土壤As元素的預(yù)測(cè)模型， 結(jié)論如下：

(1)在不同的土壤重金屬污染下， 桃樹(shù)葉片反射光譜曲線趨勢(shì)走向總體上一致， 且污染區(qū)桃葉光譜曲線反射率普遍比背景區(qū)桃葉光譜曲線反射率高， 760～1 300 nm波長(zhǎng)范圍內(nèi)差值較為明顯， 對(duì)土壤重金屬的響應(yīng)相對(duì)敏感。 由光譜的一階導(dǎo)數(shù)曲線分析可知， 土壤重金屬對(duì)葉片紅、 藍(lán)、 黃邊位置干擾不敏感， 對(duì)紅、 藍(lán)、 黃邊斜率響應(yīng)十分明顯， 且均隨著土壤重金屬含量的增加， 斜率增大。

(2)土壤Cr， Cu和Hg元素與光譜反射率的相關(guān)性較弱且不顯著； 土壤As， Pb和Cd元素在不同波長(zhǎng)范圍內(nèi)與光譜反射率的相關(guān)性較大， 在某些波段范圍內(nèi)達(dá)到0.1級(jí)顯著相關(guān)且總體相關(guān)曲線趨勢(shì)相同， 相關(guān)性大小依次排序?yàn)锳s>Pb>Cd。 380～515， 1 886～2 119和2 346～2 500 nm范圍內(nèi)土壤As元素與光譜反射率顯著相關(guān)， 674～1 453 nm范圍相關(guān)曲線呈明顯凹形， 表明該范圍內(nèi)對(duì)土壤As元素敏感性低于其他波段。

(3)以相關(guān)性更強(qiáng)的土壤As元素與植被指數(shù)進(jìn)行相關(guān)性分析發(fā)現(xiàn)， 對(duì)光利用率敏感的PRI1和PRI3植被指數(shù)與光譜反射率分別達(dá)到0.05級(jí)顯著相關(guān)水平和0.01級(jí)顯著相關(guān)水平， 而其他植被指數(shù)相關(guān)性較弱， 不適合建立土壤As元素預(yù)測(cè)模型。

(4)使用SPSS數(shù)據(jù)分析軟件分別以PRI1和PRI3為自變量， 土壤As元素含量為因變量進(jìn)行回歸分析， 建立線性、 二次多項(xiàng)式、 對(duì)數(shù)和指數(shù)形式的預(yù)測(cè)模型。 檢驗(yàn)結(jié)果表明， 以PRI3建立的土壤As元素預(yù)測(cè)模型效果更好， 其中指數(shù)模型的R2為0.937， RMSE為0.161， 說(shuō)明其擬合效果最好且具有更好的穩(wěn)定性。