基于遙感高光譜的鈾脅迫下紫竹梅葉片生化指標建模研究

王正慶,肖 策,車永飛,李天鵬,李 策,丁華棟,宋 靜,賀海洋,馬 艷

(1.南華大學(xué) 資源環(huán)境與安全工程學(xué)院,湖南 衡陽 421001;2.東華理工大學(xué) 核資源與環(huán)境國家重點實驗室,江西 南昌 330013;3.稀有金屬礦產(chǎn)開發(fā)與廢物地質(zhì)處置技術(shù)湖南省重點實驗室,湖南 衡陽 421001;4.核工業(yè)北京地質(zhì)研究院 遙感信息與圖像分析技術(shù)國家級重點實驗室,北京 100029;5.棗莊學(xué)院 城市與建筑工程學(xué)院,山東 棗莊 277160)

0 引 言

在植物生長過程中，可能會遭受重金屬、水分、大氣等非生物因素的脅迫作用[1-3]。目前，在礦產(chǎn)勘查、土壤重金屬污染監(jiān)測領(lǐng)域，利用高光譜遙感技術(shù)監(jiān)測植物吸收成礦元素、重金屬元素的相關(guān)研究成果豐碩[2-5]。在光譜特征研究方面，如，受重金屬污染的植物在400～900 nm光譜曲線變化最為顯著，同時重金屬含量越高，葉綠素最大吸收谷越淺[6-7]；某鈾尾礦馬先蒿在680 nm位置紅谷變淺，綠峰位置見小吸收谷[8]；隨鎘、銅、鋅離子濃度的升高，臍橙新葉、玉米葉及小麥冠層的分蘗期和拔節(jié)期光譜反射率稍增高[9-11]。在光譜值與生化參數(shù)關(guān)系模型研究方面，國外研究者，利用混合人工神經(jīng)網(wǎng)絡(luò)、隨機森林、支持向量機等機器學(xué)習(xí)算法建模，估測蘋果葉、山葵葉葉綠素含量[12-13]；國內(nèi)的研究者，利用逐步回歸分析法建模，估測烤煙、冬小麥、小白菜等的總氮、鎘、葉綠素、胡蘿卜素含量等[14-17]；國內(nèi)研究者還利用神經(jīng)元網(wǎng)絡(luò)、隨機森林等機器學(xué)習(xí)法建模，估測蘋果、獼猴桃的含水率、葉綠素含量等[18-19]。由文獻調(diào)研可見，以鈾作為脅迫元素方面研究相對較少，又因紫竹梅易于室內(nèi)培養(yǎng)，故本文以室內(nèi)培養(yǎng)紫竹梅為研究對象，旨在研究鈾脅迫下的紫竹梅葉片高光譜特征、生化指標，并利用高光譜參數(shù)反演生化指標建模，為高光譜遙感植物鈾吸附監(jiān)測提供技術(shù)參考。

1 材料與方法1.1 植物培養(yǎng)設(shè)計

本實驗在南華大學(xué)稀有金屬礦產(chǎn)開發(fā)與廢物地質(zhì)處置技術(shù)湖南省重點實驗室進行。實驗植物選用處于同一生長期的紫竹梅植株幼苗。實驗采用土培方式，培養(yǎng)所用塑料盆規(guī)格：16 cm(盆口直徑)×12 cm(盆底直徑)×13 cm(盆高)，控制室溫(25±5)℃，濕度70%～80%，光照采用藍紅光為1∶5的燈帶；實驗溶液選用改進的Hoagland’s營養(yǎng)液，根據(jù)鈾地殼豐度(2.7×10-6)、鈾礦品位(地浸砂巖鈾礦工業(yè)品位100×10-6；硬巖鈾礦邊界品位300×10-6，工業(yè)品位500×10-6)及《鈾礦冶輻射防護和環(huán)境保護規(guī)定GB 23727—2020》中鈾廢水排放限值50 mg/L，并考慮植物的耐受性等因素，設(shè)置8組鈾質(zhì)量濃度：0 mg/L(對照組)(UL0)、0.05 mg/L(UL1)、1 mg/L(UL2)、2 mg/L(UL3)、10 mg/L(UL4)、50 mg/L(UL5)、100 mg/L(UL6)、200 mg/L(UL7)，按實驗溶液濃度大小順序，每組設(shè)置3個平行樣，共24盆，盆間留足空間，消除邊際效應(yīng)的干擾；經(jīng)過預(yù)實驗發(fā)現(xiàn)，紫竹梅生長相對較慢，鈾脅迫下紫竹梅7 d左右才正常生長，故將紫竹梅生長期分為初期、中期及晚期，每期間隔10 d，初期開始時間設(shè)定為正式培養(yǎng)后的第7天，分期采樣并測定反射率光譜值和葉綠素含量。

1.2 數(shù)據(jù)測定方法

1.2.1 葉片光譜測定

光譜測量在室內(nèi)進行，采用美國ASD公司生產(chǎn)的FieldSpec Pro便攜式分光輻射光譜儀測量，波段范圍為350～2 500 nm，采樣間隔為1.4 nm@350～1 000 nm，2 nm@1000～2 500 nm，數(shù)據(jù)間隔為1 nm。對于24盆樣品，測定光譜前需要用內(nèi)置標準參考白板進行校正，測定時將探測器探頭對準葉片表面，這樣每個培養(yǎng)液濃度各時期均選擇3片葉，先每片葉測量20條光譜曲線，取平均值，再將3片葉的光譜值取平均，作為該時期該濃度下葉片的最終光譜值。葉片光譜測量與葉片采樣同步進行。

1.2.2 葉片生理生化指標測定

待反射率光譜測量完畢，隨即沿植物梗部將葉片摘下，裝入自封塑料袋，并將其放入恒溫箱，避免組分流失，同一時期的葉片樣品收集完整后，選用北京北分瑞利分析儀器公司生產(chǎn)的UV-9600紫外可見光分光光度計測定丙二醛含量、葉綠素含量、過氧化物酶活性，另外選用電感耦合等離子體質(zhì)譜儀(ICP-MS)測定葉片鈾含量。

丙二醛含量使用硫代巴比妥酸(thiobarbituric acid，TBA)法，采用UV-9600紫外可見光分光光度計，在波長450 nm、532 nm、600 nm下分別測定吸光度。將上述測定的吸光度值利用相關(guān)公式計算丙二醛含量，計算公式為：

C=6.45×(A532-A600)-0.56×A450

(1)

式中，A450、A532及A600分別為在450 nm、532 nm、600 nm波長下的吸光度；C為丙二醛物質(zhì)的量濃度，μmol/L。

葉綠素含量使用乙醇法，采用UV-9600紫外可見光分光光度計，在波長645 nm、663 nm下分別測定吸光度。將上述測定的吸光度值利用相關(guān)公式計算葉綠素含量，計算公式為：

Ca=12.7×A663-2.69×A645

(2)

Cb=22.9×A645-4.68×A663

(3)

C總=Ca+Cb

(4)

A=C×V×N/W

(5)

式中：A645及A663分別表示在645 nm、663 nm波長下的吸光度；Ca及Cb分別為葉綠素a、b質(zhì)量濃度，mg/L；C總表示葉綠素總濃度，mg/L；A為葉綠素含量，mg/g；C為葉綠素a或葉綠素b的質(zhì)量濃度，mg/L；V表示提取液的體積，mL；N表示稀釋倍數(shù)，W表示樣品鮮重，g。

過氧化物酶活性使用愈創(chuàng)木酚法，采用紫外-可見光分光光度計測定，在波長470 nm下每隔30 s測定一次吸光度。將上述測定的吸光度值利用相關(guān)公式計算過氧化物酶活性，計算公式為：

U=(ΔA×V1)/(0.01×V2×Δt×W)

(6)

式中：ΔA為反應(yīng)階段的吸光度差；Δt為ΔA反應(yīng)時間，min，即0.5 min；V1為樣品液總體積，mL；V2為測定時樣品液用量，mL；W為樣品鮮重，g。

葉片樣品經(jīng)烘干、燒灰、消解、過濾等操作后得到待測液，采用電感耦合等離子體質(zhì)譜儀(ICP-MS)測定葉片鈾含量。

1.3 數(shù)據(jù)處理方法

1.3.1 高光譜數(shù)據(jù)分析

高光譜數(shù)據(jù)采集時，因外界環(huán)境、儀器噪聲等的干擾，難免會對光譜產(chǎn)生影響，出現(xiàn)“毛刺”現(xiàn)象，需要對所獲取的光譜進行平滑處理[18]。本實驗采用ViewSpecPro5.6軟件讀取ASD光譜儀獲取的紫竹梅單葉高光譜數(shù)據(jù)，進行平滑、平均、微分計算等處理，得到原始反射率、一階微分反射率、二階微分反射率光譜曲線。本文選用Pearson相關(guān)系數(shù)法對紫竹梅葉片生理生化指標和高光譜曲線進行相關(guān)性分析，從而構(gòu)建逐步回歸方程。其中，Pearson相關(guān)系數(shù)計算、逐步回歸模型構(gòu)建均采用MATLAB軟件。

1.3.2 建模方法

皮爾森相關(guān)系數(shù)(pearson correlation coefficient)作為計算變量之間線性相關(guān)性的一種統(tǒng)計量，能夠反映兩個變量X與Y之間線性相關(guān)關(guān)系密切程度，計算方式見式(7)。Pearson相關(guān)系數(shù)一般用r表示，r取值介于-1和+1之間，當r>0時，兩個變量呈正相關(guān)，即變量X隨變量Y的增大而增大，當r<0時，兩個變量呈負相關(guān)，即變量X隨變量Y的增大而減小。其中，以相關(guān)系數(shù)絕對值判斷兩個變量間的相關(guān)程度，|r|→1時認為兩個變量之間線性關(guān)系越強，|r|→0時認為兩個變量之間線性關(guān)系越弱，其中|r|≥0.8時可視為高度相關(guān)，0.5≤|r|<0.8時可視為中度相關(guān)，0.3≤|r|<0.5時可視為低度相關(guān)，|r|<0.3時可視為不相關(guān)[20]。

(7)

回歸分析是一種常見的數(shù)學(xué)分析方法，可有效建立因變量與自變量之間的聯(lián)系，當變量不少于2個時，稱為多元回歸分析。逐步回歸分析是多元回歸分析的一種，該方法不僅可以較快地獲取對因變量影響最大的能通過回歸系數(shù)檢驗的自變量子集，而且可以保證回歸效果，具有較好的擬合效果[21]。

模型建立后，通過對比決定系數(shù)R2、均方根誤差RMSE等參數(shù)篩選出最佳模型，其中R2用于判斷模型擬合程度，RMSE用于檢驗估測模型的可靠程度[22]，計算方式為：

(8)

2 結(jié)果與分析

2.1 不同鈾濃度脅迫下紫竹梅葉片高光譜反射率特征

鈾脅迫下紫竹梅初、中、晚三個時期的葉片高光譜反射率大小均小于0.4，在700 nm附近有明顯的“紅谷”，但大小關(guān)系不明顯(圖1(a))。由鈾脅迫下紫竹梅一階導(dǎo)數(shù)葉片高光譜曲線可見，各期紫竹梅葉片一階導(dǎo)數(shù)高光譜曲線相似，在705 nm左右有一個明顯的峰值“紅邊”，但“紅邊”位置差異稍大(圖1(b))。

圖1 鈾脅迫下紫竹梅葉片高光譜曲線及一階導(dǎo)數(shù)高光譜曲線Fig.1 Spectral curve of purple bamboo plum leaves under uranium stress and first derivative spectral curve

2.2 不同鈾濃度脅迫下紫竹梅葉片生理生化指標特征

紫竹梅葉片葉綠素含量、丙二醛含量、過氧化物酶活性變化見表1。隨鈾濃度升高，初期紫竹梅葉片葉綠素含量呈波浪形變化，中期、晚期葉綠素含量總體呈下降趨勢，最高值出現(xiàn)在中期質(zhì)量濃度為0.05 mg/L時，為1.376 mg/g；隨鈾質(zhì)量濃度升高，初期紫竹梅葉片丙二醛含量基本呈波浪型變化，僅在200 mg/L時陡增，為1.049 μmol/L，中期、晚期丙二醛含量總體上則呈下降趨勢；隨鈾濃度升高，各期紫竹梅葉片過氧化物酶活性均呈先上升后下降的趨勢，初期、中期最高值均出現(xiàn)在質(zhì)量濃度為2 mg/L時，分別為407.190 g·min、1 066.143 g·min；晚期最高值出現(xiàn)在質(zhì)量濃度為0.05 mg/L時，為681.184 g·min。分析紫竹梅葉片鈾含量變化(表2)可見，當鈾質(zhì)量濃度升高時，初期紫竹梅葉片鈾含量呈上升趨勢，最高值出現(xiàn)在質(zhì)量濃度為100 mg/L時，為0.654 mg/L；中期葉片鈾含量呈下降趨勢，最高值出現(xiàn)在質(zhì)量濃度為0.05 mg/L時，為0.030 mg/L；晚期葉片鈾含量則呈波浪型變化，最高值出現(xiàn)在質(zhì)量濃度50 mg/L時，為0.110 mg/L。

表1 不同鈾濃度鈾脅迫下紫竹梅葉片生理生化指標含量變化Table 1 Changes of physiological and biochemical indexes of purple bamboo plum leaves at different uranium concentrations under uranium stress

表2 不同鈾濃度鈾脅迫下紫竹梅葉片鈾含量變化Table 2 Changes of Uranium Content in Purple Bamboo Plum leaves under Different Uranium Concentrations under Uranium Stress

2.3 紫竹梅葉片生理生化指標與高光譜參數(shù)相關(guān)性

表3 基于敏感高光譜特征參數(shù)與鈾脅迫下紫竹梅葉片生理生化指標的最大相關(guān)系數(shù)Table 3 Based on the maximum correlation coefficients of sensitive spectral characteristic parameters and the physiological and biochemical indexes of purple bamboo plum leaves under uranium stress

2.4 紫竹梅葉片生理生化指標與高光譜參數(shù)模型構(gòu)建及精度檢驗

以R、D、D2高光譜參數(shù)為自變量，以葉片各生理生化指標為因變量，選取16組樣本數(shù)據(jù)構(gòu)建逐步回歸模型(表4)，剔除差異太大的異常數(shù)據(jù)組，選擇剩余6～8組樣本作為驗證數(shù)據(jù)(圖2)。由研究結(jié)果可見，葉片鈾含量估測模型的決定系數(shù)R2=0.486，均方根誤差RMSE=0.064，顯著性水平p=0.013，該模型R2最大且RMSE最小，其次是葉綠素含量估測模型，R2=0.442，RMSE=0.167，p=0.005，相比之下，丙二醛含量估測模型的R2=0.312，RMSE=0.176，p=0.025，精度均低于其他估測模型。從紫竹梅生化參數(shù)逐步回歸反演模型實測值與預(yù)測值關(guān)系圖可見(圖2)，丙二醛含量和過氧化物酶活性驗證集的R2較高，分別為0.580、0.645，葉綠素含量驗證集R2最低，為0.335。

表4 紫竹梅葉片生理生化指標與高光譜參量的逐步回歸模型參數(shù)表Table 4 Parameter table ofstepwise regression model of leaf physiological and biochemical indexes and spectral parameters of purple bamboo plum leaves

圖2 紫竹梅葉片各生理生化指標逐步回歸反演模型實測值與預(yù)測值關(guān)系圖Fig.2 Relationship between measured and predicted values of stepwise regression inversion model for physiological and biochemical indexes of purple bamboo plum leaves

3 結(jié) 論

本文分析了紫竹梅葉片高光譜數(shù)據(jù)、相關(guān)生化參量特征，構(gòu)建了基于高光譜數(shù)據(jù)的生化指標逐步回歸估測模型，并進行了模型精度檢驗，獲得結(jié)論如下：

1)鈾脅迫下紫竹梅葉片初、中、晚3個時期的葉片高光譜反射率均小于0.4，在700 nm附近有明顯的“紅谷”，但大小關(guān)系不明顯；各期紫竹梅葉片一階導(dǎo)數(shù)高光譜曲線相似，均在705 nm左右有一個明顯的峰值“紅邊”，但“紅邊”位置差異稍大。

2)隨鈾濃度升高，初期紫竹梅葉片葉綠素含量、丙二醛含量呈波浪型變化，中期、晚期總體上則呈下降趨勢；隨鈾濃度升高，各期紫竹梅葉片過氧化物酶活性均呈先上升后下降的趨勢；當鈾濃度升高時，初期紫竹梅葉片鈾含量呈上升趨勢，中期葉片鈾含量呈下降趨勢，晚期葉片鈾含量則呈波浪形變化。

3)一階導(dǎo)數(shù)、二階導(dǎo)數(shù)高光譜與紫竹梅葉片生理生化指標的相關(guān)性總體上比原始高光譜高，相關(guān)生理生化指標與各高光譜參數(shù)最大相關(guān)性均為中度負相關(guān)。

4)以原始高光譜、一階導(dǎo)數(shù)、二階導(dǎo)數(shù)為自變量，以葉片葉綠素含量、丙二醛含量、過氧化物酶活性、鈾含量為因變量構(gòu)建的逐步回歸模型中，葉片鈾含量估測模型、葉綠素含量估測模型效果較好，R2分別為0.486和0.442；模型精度檢驗中過氧化物酶活性、丙二醛含量模型的擬合效果較好，R2分別為0.645和0.580。