礦區高光譜數據與植物葉綠素含量相關性研究

候會芳++喬曉英++郝瑞娟++郭以威

摘 要：以陜西省潼關縣金礦區為研究背景，選取葎草、玉米、苦菜、梧桐4種植物為研究對象，使用ASD光譜儀進行野外實地測量，獲得4種植物葉片的光譜反射率，室內利用紫外可見分光光度計進行葉綠素含量的測定。通過植物原始光譜、導數光譜、連續統去除法、倒數對數光譜（Log1/R）4種方法比對獲得光譜參數與葉綠素含量相關性，建立植物光譜參數與葉綠素含量的回歸方程。結果表明：光譜參數與葉綠素含量存在較顯著相關性，葎草、玉米相關性順序為Log1/R>原始光譜>一階微分>連續統去除（BD>NBDI>BNA），苦菜相關性順序為原始光譜>一階導數>BD>NBDI>Log1/R>BNA，梧桐為BD>NBDI>一階導數>BNA>Log1/R>原始光譜；擬合模型以線性、指數、S形曲線模型最優。

關鍵詞：潼關礦區；ASD；葉綠素估算模型

中圖分類號 X50 文獻標識碼 A 文章編號 1007-7731（2016）11-0016-06

Study on the Correlation between Hyperspectral Data and Chlorophyll Content in Plants

Hou Huifang1 et al.

（1 College of Environmental Science and Engineering，Chang'an University，Xi'an 710054，China）

Abstract：Gold mining area in Tongguan County ，Shaanxi Province as the research background， humulus，corn，sowthistle，buttonwood were selected as the research objects，ASD spectrometer was used to field measurement to get four kinds of plant leaf spectral reflectance，UV visible spectrophotometry meter was used for measuring chlorophyll content .The correlation between Spectral parameters and chlorophyll content were carried out with original spectrum，derivative spectrum，continuum removal，Log1/R treatments.The regression equation of spectral parameters and chlorophyll content was established by choosing the high correlation bands.The results indicated that the spectral parameters and chlorophyll content have a significant correlation and the order of Humulus，corn correlation is Log1/R>original spectra>derivative spectrum>continuum removal （BD>NBDI>BNA），Log1/R，original spectra can be more useful，sowthistle correlation sequence is original spectra>derivative spectrum>BD>NBDI>Log1/R>BNA，buttonwood is BD>NBDI>derivative spectrum>BNA>Log1/R>original spectra；linear，exponential，S-shaped curve models are optimal，fitting degree and correlation remain consistent.

Key words：Tongguan mining area；ASD；Chlorophyll estimation model

葉綠素含量與植被的光合能力、發育階段以及氮素狀況有較好的相關性，因而通常是氮素脅迫、光合作用能力和植被發育階段的指示器[1]，葉綠素積累量可以反映植物綠色生物量[2]。高光譜技術與傳統的遙感技術相比，具有波段多、光譜分辨率高且連續的特點，可以獲取植物波譜微弱差異定量特性。植被反射光譜曲線主要由葉面所含葉綠素、水分、氮等其他生物化學成分對光譜的吸收形成的，所以不同種類的植被具有明顯不同的光譜特征[3]。葉綠素含量和葉片光譜特性之間存在較強相關性[4]，葉片光譜特性是葉片結構、水分含量和生物化學物質濃度的函數[5]。之前很多學者都進行了葉綠素含量與光譜特性的相關性研究[2-5]，但以礦區為研究背景比較少見。為此，本研究選擇葎草、玉米、苦菜、梧桐當地優勢物種，利用美國ASD FieldSpec 4光譜儀采集4種植物的光譜曲線，比較導數光譜、連續統去除法、倒數對數光譜（Log1/R）等不同方法獲得的光譜參數與葉綠素含量相關性大小，選擇相關性較高波段建立葉綠素含量估算模型，為研究礦區植物修復提供科學依據。

1 材料與方法

1.1 研究數據的獲取

1.1.1 研究區域和樣本采集 陜西省潼關縣金礦區位于關中盆地東端潼關縣，地表水系屬黃河水系，自東向西有西峪、東桐峪、善車峪、太裕、麻峪、蒿岔峪、潼峪7條主要峪道。潼關金礦區含金石英脈型，采礦、選礦、冶煉等活動導致礦石及圍巖中的重金屬元素通過礦業廢水和尾礦廢渣進入河流、土壤，通過土壤-植物系統造成人體食物鏈的污染，進而危害人體的健康[6]。在污染現狀較重的太裕、東桐峪附近選取采樣點，其中太裕3個，東桐峪4個，采樣點位置如圖1。以礦區玉米、葎草、苦菜、梧桐優勢植物為研究對象，選取各采樣點生長境況相近的葉片，經保鮮處理帶回實驗室。

1.1.2 野外高光譜數據獲取 野外高光譜數據獲取采用美國Analytical Spectral Device Inc（ASD）公司的ASD FieldSpec 4光譜儀。該儀器能夠捕獲可見和近紅外光譜（visible and near-infrared spectrum，VNIR），短波紅外光譜（short wave- infrared spectrum，SWIR）。波段值為350～2 500nm，其中350～1 000nm 光譜采樣間隔波段寬為1.4nm，光譜分辯率為3nm，1 000～2 500nm 光譜采樣間隔波段為2nm，光譜分辯率為10nm。測量時間為2015年9月15日，測量時天氣晴朗無風，主要集中在11：00—14：00。儀器探頭垂直向下，每次數據采集前都進行標準白板校正，以10個光譜為一采樣光譜，每株植物選擇相鄰2葉片觀測2次，進行均值處理，光譜曲線如圖2。

圖2 4種植物反射光譜曲線

1.1.3 葉綠素含量測定 利用分光光度計在某一特定波長下測定其消光度，計算出提取液中各色素的含量。首先取新鮮葉片擦凈表面污物，剪碎（去掉中脈），混勻；然后稱取剪碎的樣品0.5g，加入丙酮（80%），攪碎，過濾提取液到25mL容量瓶中，定容至25mL，以80%丙酮為空白對照，在波長663nm、646nm、470nm下測定吸光度。計算公式如下：

1.2 數據分析方法 使用ViewSpecPro、ENVI軟件輔助處理數據，對原始光譜進行求導、連續統去除、Log1/R的提取和計算，方法簡單、準確。

1.2.1 原始光譜反射率分析 葉片色素、細胞結構及植物含水量是影響植物反射波譜特征的主要因素。原始光譜反射率作為對植物生化參數的直接展示，一些波譜特性與葉綠素含量相關，以葎草為例，如圖3，在可見光區，葉綠素吸收藍光和紅光分別形成藍谷（450nm附近）和紅谷（670nm附近）2個吸收谷，對綠光吸收能力較弱即反射能力強，形成綠峰（550nm附近）。在680～900nm附近，由于葉片內部結構多次反射、散射，形成紅外反射坪，即紅邊，紅邊是植物光譜曲線最明顯的特征[7]。

圖3 葎草光譜反射率

1.2.2 導數光譜法 導數光譜可以增強光譜曲線在坡度上的細微變化，對植被來說，這種變化與植被的生物化學吸收特性有關，同時也可以消除基線漂移或平緩背景干擾影響，較好反映植被的本質特征[8-9]，通過計算680～750nm波段區間一階導數來計算紅邊參數，包括紅邊位置、紅邊斜率、紅邊面積[7]，見表1。因此植物的導數光譜特性可以反映植物的營養狀況。

一階導數表達式為：

1.2.3 倒數對數光譜（Log1/R）分析法 Log1/R是用來衡量光被葉片反射程度的物理量。由于可見光區的原始光譜值一般偏低，光譜反射率經對數變換后，不僅趨向于增強可見光區的光譜差異，而且趨向于減少因光照條件變化引起的乘性因素影響[10]。葉綠素作為葉片中主要影響光吸收、反射的色素，可以建立葉綠素含量與Log1/R的聯系，如圖5。

1.2.4 連續統去除分析 連續統去除法（包絡線去除continnum removal，CR）是一種有效增強感興趣吸收特征的光譜分析方法，它可以有效突出光譜曲線的吸收和反射特征，并將反射率歸一化為0～1，光譜的吸收特征也歸一化到一致的光譜背景上，有利于與其他光譜曲線進行特征數值的比較，從而提取特征波段以供分類識別。“包絡線”通常定義為逐點直線連接光譜曲線上那些凸出的峰值點，并使折線在峰值點上的外角大于180°，以原始光譜曲線上的值除以包絡線上對應的值，即為光譜連續統去除法，又稱基線歸一化法。連續統去除變量為波深（Band Depth，BD）、歸一化波段深度歸一化指數（Normalized Band Depth Index，NBDI）、波段面積歸一化（Band Area Normalization，BNA），如圖6。

式（6）～（8）中，[R'（λi）]為連續統去除反射率，[BD]為波深；[Dc]為波段深度的最大值，[A]為連續統去除后吸收特性面積。

1.2.5 擬合模型選擇 使用SPSS軟件進行擬合，擬合模型有線性模型、對數模型、冪模型、S模型、生長模型、指數模型，從中選擇擬合效果最佳模型。

2 結果與分析

2.1 葉綠素含量分析 由圖7可知，DD1～DD4為東桐峪附近4種植物葉綠素含量，葎草、玉米、苦菜走勢一致，DTD1葉綠素含量均為最低值；DTT5～DTT7為太裕附近葉綠素含量，葎草、玉米走勢一致，梧桐、苦菜走勢一致。4種植物葉綠素含量大小順序為玉米>葎草>梧桐>苦菜。據葉綠素含量主要影響因素分析，4種植物均為陽生植物，且光照、水分、所需礦物等環境因素類似，但是玉米為C4植物，取樣為成熟葉片，因此葉綠素含量高；梧桐、葎草為C3植物；苦菜為C4植物，但取樣為嫩葉，因此葉綠素含量最低。總體上，4種植物葉綠素含量整體偏低，排除植物本身屬性影響，由于取樣地點為礦區，還要考慮由于金礦開采造成的重金屬污染情況，郭路認為Pb對礦區河水污染最嚴重，同時發現該地區的底泥地累積指數都在4以上[11]。王爽發現潼關縣農田土壤及農作物重金屬污染面積達83.6%，重污染面積達30.6%，農作物玉米和其他作物明顯受到Hg、Cd、Pb污染[12]。研究區4種植物在三河口葉綠素同時最低，葎草葉綠素含量與污染指數相關性達到59%，玉米為58%，梧桐43%，苦菜偏低為16%，可見重金屬對植物葉綠素含量有較大影響，張露潔[13]等研究重金屬離子對組培盾葉薯蕷影響中同樣得出此結論。

2.2 相關性分析 由圖8～11可知，葎草、玉米的葉綠素含量均與原始光譜有較高相關性，且均為正相關。350～700nm可見光波段相關性較高，主要原因是此區間光譜特征主要受葉綠素的吸收影響；700～900nm近紅外波段相關性較高的主要原因是葉片對光的反射和多次散射，一階導數相關性變動較大，但2種植物曲線走勢基本一致，葎草在470nm（藍谷附近）、550nm（綠峰附近）、672nm（紅谷附近）、732nm（紅邊附近）出現峰值，玉米在450～550nm（藍谷附近）相關性較高，在700nm（紅邊）出現峰值。雖然在850～900nm葉綠素值與一階導數光譜值的相關性很高，但是這一波段不是植物色素影響的主要波段，因此不作考慮[14]。連續統去除法得到的變量BD、NBDI、BNA與葉綠素為中低度相關，基本處于（-0.6，+0.6）之間；Log1/R均為中高度負相關，與原始光譜曲線走勢相同。苦菜葉綠素含量與原始光譜相關性最高，且均為負相關。一階導數在470nm（藍谷附近）出現一峰值，在550～670nm（綠峰到紅谷）相關性較高，Log1/R為中低度相關。梧桐葉綠素與光譜變量相關性整體偏低，原始光譜、一階導數與苦菜走勢基本一致。

將上述波段進行函數擬合，回歸方程如表3，其中，x為光譜參數，y為葉綠素含量。根據模型最優選擇原則，發現線性、指數、S函數擬合效果最佳；葎草、玉米、苦菜原始光譜擬合度最高，梧桐BD擬合度最高，在顯著性水平0.05下，葎草、玉米、苦菜連續統法擬合方程沒有意義，梧桐原始光譜、BNA，Log1/R無意義，BNA在4種植物擬合效果均無意義，不建議使用此方法研究礦區植被葉綠素，如圖12。

3 結論與討論

運用4種方法對葎草、玉米等天然和人工植物葉片光譜數據與葉綠素含量相關性分析，獲得了精度較高的光譜參數，從而建立了葉綠素含量估算模型。結果表明：

（1）不同植物相關性較高波段多數位于光譜特征參數如藍谷、綠峰、紅谷及紅邊附近。例葎草選擇波段681、766、683，玉米波段707，苦菜波段420、554、431，梧桐波段712、758、477、712等。

（2）對原始光譜進行求導、連續統去除、Log1/R等方法獲取光譜特征參數與葉綠素含量相關性。葎草、玉米相關性順序為一階微分>Log1/R>原始光譜>連續統去除（BD>NBDI>BNA），原始光譜與Log1/R相關性均大于0.5，有較高的應用價值；苦菜相關性最大值順序為原始光譜>一階導數>BD>NBDI>Log1/R>BNA，梧桐為BD>一階導數>NBDI>BNA>Log1/R>原始光譜。

（3）線性、指數、S形曲線模型擬合效果最佳；葎草、玉米、苦菜以原始光譜擬合度最高，梧桐BD最高，葎草、玉米、苦菜使用連續統去除擬合方程均無意義，礦區植物研究需斟酌使用。

（4）苦菜相關性和模型擬合度較其他3種植物偏低，在未來研究中不建議使用嫩葉。

（5）由于植物不同生長生長階段光譜特性不同，樣本數據應進一步收集不同月份的數據，同時應增加采樣點，消除統計分析帶來的不確定性。

參考文獻

[1]Co MinoIta.ChIorophyII SPAD-502 Instruction ManuaI[M].Radiometeric Instruments Operations，l989，17-21.

[2]趙德華，李建龍，宋子鍵.高光譜技術提取植被生化參數機理與方法研究進展[J].地球科學進展，2003（2）：95-99.

[3]溫興平，胡光道，楊曉峰.從高光譜遙感影像提取植被信息[J].測繪科學，2008（5）：66-68.

[4]Filelia L.The red edge position and shape as indicators of plant chlorophyll content，biomass and hydric status[J].Int.J.Remote Sensing，1994，15（7）：1459-1470.

[5]Curran P J.Dungan J L.，Macler B A，et al.Reflectance spectroscopy of fresh whole leaves for the estimation of chemical concentration[J].Remote Sens.Environ，1992，35：415-420.

[6]徐友寧，張江華.陜西潼關金礦區太峪河底泥重金屬元素的含量及污染評價）[J].地質通報，2008，27（8）：1263-1271.

[7]胡紅.礦區植物脅迫作用與遙感信息提取[D].青島：山東科技大學，2010.

[8]雄鷹，劉波，岳躍民.基于ASD和FISS的植被葉片氮素含量反演研究[J].生態環境學報，2013，22（4）：582-587.

[9]王維，沈潤平，吉曹翔.基于高光譜的土壤重金屬銅的反演研究[J].遙感技術與應用，2011（3）：348-354.

[10]何挺，王靜，程燁，等.土壤水分光譜特征研究[J].土壤學報，2006，43（6）：1027-1032.

[11]郭路.陜西潼關金礦區河流重金屬污染研究[D].西安：長安大學，2005.

[12]王爽.陜西省潼關縣農田土壤及農作物重金屬污染現狀研究）[D].楊凌：西北農林科技大學，2014.

[13]張露潔，蘭利瓊，卿人韋，等.幾種重金屬離子對組培培盾葉薯蕷葉綠素含量的影響[J].四川大學學報，自然科學版.2006，43（1）：200-205.

[14]楊曦光，范文義，于穎.森林葉綠素含量的高光譜遙感估算模型的建立）[J].森林工程，2010，26（2）：8-11. （責編：張宏民）