新型銅脅迫植被指數NCSVI探索銅污染下玉米葉片光譜敏感區間

夏 天，楊可明，馮飛勝，郭 輝，張 超

1. 中國資源衛星應用中心，北京 100094 2. 中國礦業大學(北京)地球科學與測繪工程學院，北京 100083 3.安徽理工大學深部煤礦采動響應與災害防控國家重點實驗室，安徽 淮南 232001 4.安徽理工大學測繪學院，安徽 淮南 232001

引 言

近年來，礦山開采、 工業廢氣排放、 污水侵蝕以及農藥化肥不規范使用導致周邊環境重金屬污染日趨嚴重[1-2]。重金屬具有易富集、 難以降解等特點，在土壤中嚴重超標后，會通過根部進入到農作物的體內，損壞農作物的細胞結構，加快葉綠體的分解，阻礙光合產物的形成，影響農作物的新陳代謝，從而降低農作物的產量和質量[3]。人如果誤食了此類農作物，輕則導致中毒，嚴重的產生怪病甚至導致死亡[4]。如何有效監測農作物重金屬污染已成為研究熱點。傳統的化學研究方法因其價格高、 耗費人力、 實施范圍小等局限性已經難以滿足日漸迫切的需要； 高光譜遙感的迅速發展提供了新的思路，因其具備高效、 無損、 實時性強、 圖譜合一、 高光譜分辨率等特點，已逐漸在農作物重金屬污染監測及防治中發揮重要作用。

利用植被指數、 光譜敏感波段和污染模型等方法監測植被重金屬污染是目前較常用的方法，國內外不少專家學者進行過相關研究。有研究表明小麥中的銅含量與葉綠素、 紅邊藍移程度及光譜反射率有顯著的相關性。有報道認為紅邊位置和歸一化植被指數可作為光譜特征參數來監測水稻重金屬污染。李婷[5]等通過多元回歸分析和BP神經網絡建立了水稻冠層重金屬污染脅迫光譜模型。Asmaryan[6]等對World View-2影像中植被污染區域進行研究，發現紅邊波段對提取植被污染異常信息具有較好的作用。朱葉青[7]等利用特征波段結合光譜角的方法對銅脅迫下小麥和上海青的光譜進行分析，建立了銅脅迫葉片光譜反射模型。Rathod[8]等指出波段深度、 葉綠素指數及水脅迫指數與植被葉片中的砷含量具有顯著相關性，可用來判別植被受重金屬污染的程度。劉聰[9]等基于小波分解、 計算分形維數和奇異性分析發現能有效診斷玉米銅污染程度。郭輝[10]等通過對玉米光譜兩個子波段進行諧波分析，探索了諧波子信號與銅脅迫梯度的規律。以上工作對植物重金屬污染進行了研究和探索并得到了相應成果，但很少有結合植被指數和光譜子區間去探尋對重金屬污染敏感的子波段。本工作設計并提出了一種基于歸一化植被指數的新型銅脅迫植被指數(new copper stress vegetation index, NCSVI)探索銅脅迫下玉米光譜敏感子區間，并與常用的水波段指數(WBI)、 改進的葉綠素吸收率指數(MCARI)和歸一化水指數(NDWI)[11]進行對比分析，驗證了該指數在玉米葉片銅污染監測上具有一定的優越性。本研究結果旨在為玉米冠層及影像上獲取銅污染信息提供了方法，同時也為其他農作物重金屬污染遙感監測提供相應的技術支持。

1 實驗部分

研究基于2014年和2016年兩個批次的實驗數據，劃分為訓練集(2016年)和驗證集(2014年)。

1.1 訓練集實驗數據

本實驗于2016年進行，選取“中糯1號”玉米種子和有底漏并附帶托盤的花盆進行植株培養，實驗采用不同濃度CuSO4·5H2O分析純溶液脅迫玉米生長，玉米葉片光譜測定選用波段范圍在350～2500 nm的美國SVC HR-1024I型高性能地物光譜儀，采用WFX-120型原子吸收分光光度計測定玉米葉片中Cu2+含量。

實驗選用顆粒飽滿的玉米種子進行溫水浸泡和催芽，對培育的土壤進行過篩、 曬干和稱重等處理，通過天平對CuSO4·5H2O晶體進行精細稱重并配置不同Cu2+脅迫濃度的溶液，設置為： 0，200，300，500和700 μg·g-1[分別標記為Cu(0)，Cu(200)，Cu(300)，Cu(500)和Cu(700)]。為了模擬真實條件下的土壤重金屬污染，各脅迫組均勻添加對應濃度試劑，并與土壤攪拌均勻。此外，每個脅迫梯度均設置3個平行實驗組，共15組盆栽，減少偶然誤差。在每盆土壤中種植玉米幼芽，待玉米出苗后，在每盆中添加濃度相同的NH4NO3，KNO3和KH2PO4營養液。為保障玉米室外的生長環境，將所有玉米盆栽置于室外大棚培養，每天保持通風并定期澆灌。玉米生長過程如圖1所示。

圖1 玉米生長過程Fig.1 The growth process of corn

在室內使用SVC HR-1024I型高性能地物光譜儀采集15盆玉米葉片的光譜數據，為了準確測定玉米葉片光譜數據，并使光照平均，采用光源為功率50 W的鹵素燈作為光譜測定時光源，測定時光譜鏡頭視場角設置為4°，光譜儀鏡頭與玉米葉垂直，距玉米葉表面約40 cm。為避免土壤光譜對玉米葉片光譜采集產生干擾，從而導致所測量的玉米葉片光譜不純，用黑色塑料袋將花盆蓋住。每次測量花盆中玉米葉片光譜前需要用白板對光譜反射系數進行標準化處理，然后每片葉片光譜各測3次，記錄每次測量時對應的盆栽編號，最后去除異常光譜值后取平均值作為相應銅脅迫濃度下玉米葉片的光譜反射率值。

光譜采集完之后對玉米葉片進行裁剪、 清洗、 干燥、 粉碎、 分裝、 編號和保存，采用WFX-120型原子吸收分光光度計測定玉米葉片中Cu2+含量。首先在萬分之一天平上對每個銅脅迫梯度的樣品進行稱取，然后用高純硝酸和高氯酸進行硝化處理，玉米葉片溶解之后加超純水定容并將液體混合均勻，最后進行上機實驗。儀器條件： 狹縫為0.7 nm、 波長為324.7 nm、 燈電流為3.00 mA、 負電壓為304 V，測定原理為火焰原子吸收法。在相同的條件下對每個銅脅迫梯度進行三組平行實驗，將3次測得的銅含量值取平均作為玉米葉片Cu2+的含量。

1.2 驗證集實驗數據

以2014年實驗測得的玉米葉片的光譜數據作為驗證。2014年實驗選用的玉米種子為“中糯1號”，Cu2+脅迫濃度分別為0，250和500 μg·g-1[分別標記為Cu(0)，Cu(250)和Cu(500)]。以上每個脅迫組各設置3個平行組，共9組盆栽，玉米葉片光譜和Cu2+含量的采集方法與2016年的相同。兩次實驗測得的玉米葉片光譜如圖2和圖3所示，測得的Cu2+含量如表1所示。

圖2 2016年玉米葉片光譜Fig.2 The Spectral of corn leaves in 2016

2 理論與方法

2.1 光譜子區間

SVC HR-1024I光譜儀的譜段范圍為350～2 500 nm，為了探索銅脅迫下玉米葉片光譜敏感波段，可劃分為紫谷(350～430 nm，Purple valley)、 藍邊(430～530 nm，Blue edge)、 綠峰(530～580 nm，Green peak)、 黃邊(580～650 nm，Yellow edge)、 紅谷(650～690 nm，Red valley)、 紅邊(690～750 nm，Red edge)、 近紅外平臺(750～1301 nm，Near infrared platform)、 近谷(1 301～1 500 nm，Near valley)、 近邊(1 500～1 590 nm，Near edge)、 近峰A(1 590～1 919 nm，Near peak A)、 近峰B(1 919～2 500 nm，Near peak B)等11個光譜子區間，如圖4所示[以Cu(0)的葉片光譜為例]。

圖3 2014年玉米葉片光譜Fig.3 The Spectral of corn leaves in 2014

表1 玉米葉片中Cu2+的含量Table 1 Cu2+ contents in corn leaves

圖4 玉米葉片光譜子區間示意圖Fig.4 Schematic diagram of the spectralsubintervals in corn leaves

2.2 定義NCSVI指數

植物葉片光譜會因Cu2+脅迫而改變，很多研究利用歸一化植被指數來探究植物的生長狀況，計算一些植物的理化參數來達到研究目的。但歸一化植被指數只利用了兩個子區間的反射率，而某些光譜子區間反射率也會根據植物生長情況而呈現一定的規律，因此設計一種基于歸一化植被指數的新型銅脅迫植被指數(new copper stress vegetation index, NCSVI)探索銅脅迫下玉米光譜敏感區間，為了避免偶然誤差的影響，使用每個光譜子區間的中間波長反射率，而不是紅邊等位置的反射率。由于玉米葉片的光譜反射率是采用控制變量法實驗獲取的，因此葉片光譜反射率的變化是由于不同Cu2+脅迫濃度造成的，進而NCSVI指數的變化與玉米葉片不同濃度的銅脅迫會具有相關性。NCSVI計算公式為

(1)

式(1)中，λ為波長，R(λmiddle)為每一個光譜子區間的中間波長對應的光譜反射率。

其中： (1) 若子區間的波段數為奇數，則R(λmiddle)為其中間波長對應的光譜反射率； (2) 若子波段的波段數為偶數，則R(λmiddle)為其中間兩個波長對應的光譜反射率的均值。

2.3 植被指數

植被指數可通過波段組合運算算出，可以增強植被的某些特征。選用進行對照的植被指數為水波段指數(water band index, WBI)、 改進的葉綠素吸收率指數(modified chlorophyll absorption ratio index, MCARI)和歸一化水指數(normalized difference water index, NDWI)，計算公式如表2所示。

表2 植被指數計算公式Table 2 Computing formula of vegetation indexes

2.4 相關性分析

分析植被指數與玉米葉片Cu2+含量的相關關系選用的是皮爾遜相關系數r(Pearson correlation coefficient)和均方根誤差RMSE(root mean square error)[12]。R能表征兩個變量之間的線性相關性，1代表完全正相關，0代表無相關性，-1代表完全負相關。RMSE是觀測值與真值(或模擬值)偏差的平方和與觀測次數比值的平方根，RMSE越大說明偏差越大、 越小則偏差越小。R和RMSE的計算公式為

(2)

(3)

式(3)中，di為第i次觀測的觀測值與模擬值的偏差，n為觀測的次數。

3 結果與討論

3.1 NCSVI與玉米葉片Cu2+含量的相關性分析

首先根據訓練集(2016年)實驗數據算出11個子區間中間波長對應的光譜反射率，然后根據所構建的新型銅脅迫植被指數分別計算每個銅脅迫梯度內11個子區間對應的NCSVI，結合常規的三種植被指數WBI，MCARI和NDWI，與玉米葉片中Cu2+含量分別進行相關性分析，得到相應的相關性系數R和均方根誤差RMSE，結果如表3和圖5所示。從表3和圖5中可以看出對于11個光譜子區間，NCSVI與葉片Cu2+含量都有較好的相關性，考慮設置相關性系數絕對值的閾值為0.9，相關性系數R的絕對值大于0.9的子區間可以作為對銅污染敏感的波段，符合條件的有綠峰、 紅邊、 近谷和近峰A這四個子區間對應的NCSVI，與玉米葉片Cu2+含量的相關性系數分別為-0.94，-0.97，-0.94和-0.96，而WBI，MCARI和NDWI這三種指數與玉米葉片Cu2+含量的相關性系數R的絕對值都在0.9以下。分析均方根誤差RMSE也可發現一定的規律，設置RMSE的閾值為15，綠峰、 紅邊、 近谷和近峰A這四個子區間對應NCSVI的RMSE分別為12.57，8.71，12.71和10.06，其他七個子區間對應NCSVI的RMSE均大于15，WBI，MCARI和NDWI這三種植被指數中RMSE最小，為24.21。結合相關性系數和均方根誤差分析結果表明，在不同Cu2+脅迫濃度下，由NCSVI探索的玉米葉片光譜的敏感子區間為綠峰(530～580 nm)、 紅邊(690～750 nm)、 近谷(1 301～1 500 nm)和近峰A(1 590～1 919 nm)，這四個子區間對玉米葉片銅脅迫有著更好的指示性，可以用來監測銅污染。

表3 2016年實驗NCSVI和常規植被指數統計及相關性計算結果Table 3 Statistics and correlation calculation results of NCSVI and conventional VIs by experiment in 2016

圖5 2016年實驗植被指數(VIs)與玉米葉片Cu2+含量相關關系

3.2 NCSVI驗證

為了確認NCSVI的普適性和魯棒性，采用驗證集(2014年)實驗數據進行驗證，結果如表4和圖6所示。在2014年的實驗中，依然設置相關性系數絕對值的閾值為0.9，相關性系數r的絕對值大于0.9的子區間可以作為對銅污染敏感的波段，符合條件的子區間為綠峰、 紅邊、 近谷和近峰A，相關性系數分別為-0.9，-0.97，-0.97和-0.93，與2016年實驗得到的四個敏感區間一致，而WBI、 MCARI和NDWI這三種指數與玉米葉片Cu2+含量的相關性系數均低于0.9。設置均方根誤差RMSE的閾值為1.55，RMSE小于1.55的有綠峰、 紅邊、 近谷和近峰A這四個子區間，對應NCSVI的RMSE分別為1.50，0.85，0.78和1.29，其他七個子區間對應NCSVI的RMSE均大于1.55，也與2016年實驗所得相符，WBI，MCARI和NDWI這三種常規植被指數中RMSE最小的為1.78。根據驗證實驗測得的相關性系數和均方根誤差結果，說明在不同年份不同Cu2+脅迫濃度下，NCSVI能有效地發掘對玉米銅污染敏感的子區間分別為綠峰(530～580 nm)、 紅邊(690～750 nm)、 近谷(1 301～1 500 nm)和近峰A(1 590～1 919 nm)，相比于WBI，MCARI和NDWI具有優越性和穩定性，能夠有效地監測玉米葉片銅污染。

圖6 2014年實驗植被指數(VIs)與玉米葉片Cu2+含量相關關系

表4 2014年實驗NCSVI和常規植被指數統計及相關性計算結果Table 4 Statistics and correlation calculation results of NCSVI and conventional VIs by experiment in 2014

4 結 論

通過2016年和2014年不同濃度玉米銅污染實驗，結合玉米光譜子區間，構造了一種新型銅脅迫植被指數NCSVI，得到了以下結論：

(1)由2016年玉米實驗光譜11個子波段區間中間波長反射率分別計算NCSVI并與玉米葉片Cu2+含量進行相關性分析，以0.9和15分別作為相關系性數R絕對值和均方根誤差RMSE的閾值，其中只有綠峰、 紅邊、 近谷和近峰A這四個子區間對應的NCSVI符合條件，R分別達到了-0.94，-0.97，-0.94和-0.96，RMSE分別為12.57，8.71，12.71和10.06。同時與三種常規植被指數進行對比，WBI，MCARI和NDWI與玉米葉片Cu2+含量的相關性系數R的絕對值均在0.9以下，RMSE最小的為24.21，說明四個子區間對應的NCSVI對玉米葉片銅污染有著更好的指示性。

(2)利用2014年相同條件下的玉米實驗對以上結果進行驗證，以0.9和1.55分別作為相關性系數R絕對值和均方根誤差RMSE的閾值，發現11個子區間中，只有綠峰、 紅邊、 近谷和近峰A這四個子區間對應的NCSVI與玉米葉片Cu2+含量的相關性系數R的絕對值大于0.9，分別為-0.9，-0.97，-0.97和-0.93，RMSE分別為1.50，0.85，0.78和1.29，與2016年探測的敏感子區間保持一致，WBI，MCARI和NDWI與玉米葉片Cu2+含量的相關性系數R的絕對值最大的為0.85，RMSE均在1.55以上，說明NCSVI能探測銅脅迫下玉米葉片光譜的敏感區間，分別為綠峰(530～580 nm)、 紅邊(690～750 nm)、 近谷(1 301～1 500 nm)和近峰A(1 590～1 919 nm)，且相比于WBI，MCARI和NDWI具有穩定性和優越性。

結果表明所構建的NCSVI指數具有普適性和魯棒性，能探測出銅脅迫下玉米葉片光譜的敏感區間，可用于監測玉米葉片銅污染，并為其他植物重金屬污染研究提供一定的理論支持。