矿山持续开采所产生的矸石堆、 尾矿及废水对矿区生态环境安全与人类健康带来严重的挑战^{[1, 2]}, 矿区生态环境中植被的生长状况是矿山生态环境变化的重要指示因子^[3]。 当前, 利用高光谱遥感来监测与识别植被受重金属污染胁迫是高光谱遥感研究的热点。 Kooistra等^[3]分析了差异植被指数(DVI)、 红边位置(REP)植被反射率(400~1 350 nm)与河流泛滥平原土壤中所含有Ni, Cd, Cu, Zn及Pb重金属的关系。 Hede等^[4]定义了绿波短波红外植被指数(VIGS)来探测植被重金属受胁迫程度, 得出VIGS指数比NDVI指数更加敏感。 朱叶青等^[5]采用不同浓度铜污染土壤作为培养基质, 选择春小麦、 上海青两种农作物进行铜胁迫实验, 采用铜污染叶片7个特征波段和光谱角的方法研究了铜污染叶片光谱变化。 关丽等^[6]研究了植被指数与镉污染胁迫下水稻生理生态参数变化特征之间的响应关系, 建立了敏感高光谱遥感指数为基础的植被重金属污染识别模型。 刘美玲等^[7]利用Db5小波对水稻光谱进行小波分析, 利用分解得到的高频小波系数分析了水稻在生长各阶段受重金属锌胁迫引起光谱变化微弱信息。

重金属Cu²⁺, Pb²⁺污染对植被光谱的影响微弱、 隐蔽而难于探测。 植被原始光谱在采集中易受噪声、 土壤背景信息等因素影响, 直接以原始光谱特征为基础的分析方法对噪声等较敏感。 光谱微分可以消除背景信息, 通过计算不同光谱曲线光谱微分的差值, 可进一步减小光谱噪声的影响。 另外, 植被光谱信号可视作由一系列不同频率、 相位及振幅的子信号叠加而成, 植被受重金属污染胁迫, 其反射光谱在光谱空间上将会发生变化, 也会使得其对应的子信号频率、 相位及振幅发生变化, 从频率域空间来分析植被受重金属胁迫产生的光谱微弱差异信息是一个重要的视角。 谐波分析对光谱信号具有较强分析能力, 可将光谱微弱差异等有用信息与光谱噪声分别分解到低次与高次谐波子信号上。 因此, 结合原始光谱微分后建立的信息熵指数与低次谐波指数应更易于识别植被受重金属胁迫程度。 研究中在室内设置不同浓度Cu²⁺, Pb²⁺胁迫玉米盆栽实验, 采集了叶片光谱, 并测定了叶片Cu²⁺, Pb²⁺含量、 叶绿素相对含量, 分析了Cu²⁺, Pb²⁺污染胁迫下玉米叶片光谱响应特征, 选取“ 紫谷-绿峰-红谷” (480~670 nm)与“ 红边” (670~750 nm)范围进行研究, 在光谱维频率域中分别定义了光谱微分差信息熵与前三次谐波振幅两类指数用于探测受Cu²⁺, Pb²⁺胁迫玉米叶片光谱微弱差异, 以达到识别玉米受Cu²⁺, Pb²⁺胁迫程度的目的。 研究结果可为从光谱维与频率域两种维度来识别植被受重金属胁迫提供一定的技术参考。

植物叶片反射光谱与叶片形态学和生理学特征密切相关, 当植物体受到重金属污染胁迫后, 生理特征会发生变化, 植物生理特征的细微变化可反映在高光谱遥感所提供的敏感信息上^[8]。 重金属离子对植被作用机理决定了植被光谱受重金属胁迫的诊断性波段位置, 诊断性波段位置的确定可为植被受重金属污染胁迫探测与识别提供基础。 当重金属上行进入玉米叶片中, 首先在细胞壁积累, 并通过离子泵进入细胞, 影响细胞色素的形成, 植物叶片细胞内色素含量的变化将影响到叶片对光的吸收与反射^{[9, 10]}。 另外, 重金属离子也会改变叶片细胞的渗透压, 使细胞生理代谢紊乱, 最终造成细胞内部结构发生变化, 细胞结构的变化将会改变光在植物体内反射和散射的路径, 使叶片光反射率发生变化^[11]。 重金属Cu²⁺, Pb²⁺对玉米叶片光谱的影响, 在可见光波段, 其光谱变化主要受叶绿素控制, 由表1分析可得, 随着玉米叶片中Cu²⁺, Pb²⁺浓度增大, 玉米叶片中叶绿素含量降低, 光谱吸收能力减弱, 反射率有所升高; 在近红外波段, 光谱特征受叶片内部细胞结构控制, 随着叶片中重金属浓度增加, 叶肉细胞皱缩, 维管束崩解, 维管完整结构受到破坏, 维管束直径变小, 叶片结构更加紊乱, 另外受重金属影响也使得红边蓝移^[5]。 此外, 在近红外波段, 玉米叶片光谱存在以960和1 100 nm处两个水吸收带; 在短波红外内, 植物入射能基本上均吸收或反射, 透射极少, 绿色植物的光谱放射率受到以1 400和1 900 nm为中心的水吸收带的控制, 呈跌落状态的衰减曲线。 本研究中选取“ 紫谷-绿峰-红谷” 对应的480~670 nm与“ 红边” 对应的670~750 nm波段范围来识别玉米叶片受重金属Cu²⁺, Pb²⁺污染胁迫程度。

鉴于重金属Cu²⁺, Pb²⁺对玉米叶片光谱污染胁迫所引起玉米叶片光谱差异微弱而难于探测与区分, 在光谱微分与频率域空间内分别定义了光谱微分差信息熵指数与光谱谐波振幅来识别与区分玉米叶片受Cu²⁺, Pb²⁺重金属污染胁迫程度。

1) 基于光谱微分差信息熵指数的Cu²⁺, Pb²⁺污染胁迫程度分析

对所采集的玉米叶片光谱进行光谱微分处理, 获取参照光谱与不同浓度铜铅胁迫下玉米叶片光谱微分, 再计算各个浓度广谱微分与参照组叶片光谱微分之差, 480~670与670~750 nm波段范围内的光谱微分差信息熵如图2与图3, 并利用式(2)计算光谱微分差信息熵。 480~670与670~750 nm波段范围内的光谱微分差信息熵如表2、 表3。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 480~670 nm波段光谱微分差Fig.2 The spectra derivative difference of in 480~670 nm

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 670~750 nm波段光谱微分差Fig.3 The spectra derivative difference in 670~750 nm

表2

Table 3

表2(Table 3)

表2 480~670 nm波段微分差信息熵 Table 3 The derivative difference entropy in 670~750 nm 胁迫浓度 光谱微分差信息熵 胁迫浓度 光谱微分差信息熵 Ck 0 Ck 0 Cu(250) 0.935 Pb(250) 0.967 Cu(500) 4.938 Pb(500) 1.369

表2 480~670 nm波段微分差信息熵 Table 3 The derivative difference entropy in 670~750 nm

表3

Table 3

表3(Table 3)

表3 670~750 nm波段微分差信息熵 Table 3 The derivative difference entropy in 480~670 nm 胁迫浓度 光谱微分差信息熵 胁迫浓度 光谱微分差信息熵 Ck 0 Ck 0 Cu(250) 5.082 Pb(250) 1.465 Cu(500) 5.091 Pb(500) 1.513

表3 670~750 nm波段微分差信息熵 Table 3 The derivative difference entropy in 480~670 nm

在重金属Cu²⁺, Pb²⁺污染胁迫下的玉米叶片中叶绿素含量降低, 在以0.45 nm为中心的蓝波段与0.67 nm为中心红波段叶绿素使辐射能强度减弱, 这两处吸收谷深度减小, 绿色反射峰有所抬升。 在对光谱进行微分后, 在减弱背景信号对原光谱信号影响的同时, 也可进一步增强光谱差异。 从表2与表3中可分析出, 玉米叶片中重金属离子浓度越大, 其对应的光谱微分信息熵就越大, 因此480~670与670~750 nm波段光谱微分差信息熵值可作为识别玉米叶片受铜铅重金属胁迫的重要指标。 另外, 该指标也可分析出, 在480~670 nm范围内, 重金属Cu²⁺对玉米叶片污染胁迫程度较重金属Pb²⁺强, 在该波段范围内对光谱造成差异更加明显。

2) 基于谐波子成分特征指数的Cu²⁺, Pb²⁺污染胁迫程度分析

植物叶片光谱可视为由一些不同振幅、 频率及相位子信号叠加而成, 在重金属Cu²⁺, Pb²⁺胁迫下, 其光谱在光谱维上产生微弱差异, 形成光谱维下重金属胁迫下光谱特征, 也会在频率域中引起频率、 相位及振幅的变化。 基于玉米叶片对重金属Cu²⁺, Pb²⁺响应特征, 选取480~670与670~750 nm波段进行最佳谐波分解次数下的谐波分解, 获取谐波分解后的谐波余项、 各子频信号振幅与相位, 经分析最佳分解次数谐波分解后前三次谐波振幅(c₁, c₂与c₃)表现出明显差异性, 因此可将前三次谐波振幅用于探测与区分玉米叶片受重金属Cu²⁺, Pb²⁺污染胁迫程度。 Cu²⁺, Pb²⁺胁迫下前三次谐波如图4— 图9, 此外, 480~670与670~750 nm波段经谐波后的前三次谐波振幅如表4、 表5。

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 480~670 nm波段第1谐波子信号Fig.4 The first harmonic in 480~670 nm

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 480~670 nm波段第2谐波子信号Fig.5 The second harmonic in 480~670 nm

图6

Fig.6

	Figure Option ViewDownloadNew Window
	图6 480~670 nm波段第3谐波子信号Fig.6 The third harmonic in 480~670 nm

图7

Fig.7

	Figure Option ViewDownloadNew Window
	图7 670~750 nm波段第1谐波子信号Fig.7 The first harmonic in 670~750 nm

图8

Fig.8

	Figure Option ViewDownloadNew Window
	图8 670~750 nm波段第2谐波子信号Fig.8 The second harmonic in 670~750 nm

图9

Fig.9

	Figure Option ViewDownloadNew Window
	图9 670~750 nm波段第3谐波子信号Fig.9 The third harmonic in 670~750 nm

表4

Table 4

表4(Table 4)

表4 480~670 nm波段谐波子信号振幅 Table 4 The harmonic amplitude in 480~670 nm 胁迫浓度 c1 c2 c3 Ck 3.598 1.417 0.354 Cu(250) 4.074 1.607 0.420 Cu(500) 4.415 1.748 0.398 Ck 3.598 1.417 0.354 Pb(250) 3.624 1.479 0.402 Pb(500) 4.209 1.653 0.392

表4 480~670 nm波段谐波子信号振幅 Table 4 The harmonic amplitude in 480~670 nm

表5

Table 5

表5(Table 5)

表5 670~750 nm波段谐波子信号振幅 Table 5 The harmonic amplitude in 670~750 nm 胁迫浓度 c1 c2 c3 Ck 14.860 5.554 3.512 Cu(250) 14.980 5.633 3.522 Cu(500) 15.024 5.816 3.590 Ck 14.860 5.554 3.512 Pb(250) 14.879 5.558 3.504 Pb(500) 14.804 5.699 3.541

表5 670~750 nm波段谐波子信号振幅 Table 5 The harmonic amplitude in 670~750 nm

重金属Cu²⁺, Pb²⁺胁迫下玉米叶片光谱变化微弱, 较难直接从反射光谱来区分其差异。 利用谐波对选取480~670与670~750 nm波段进行最佳分解层下光谱分析, 提取了谐波余项、 各子信号振幅与相位, 从前三次谐波振幅可看出, 在480~670 nm波段, 子信号振幅c₁和c₂可以用来区分玉米胁迫程度, 胁迫程度越大, c₁和c₂值越大, c₃在Cu(250)与Pb(250)时其值增大, 而在Cu(500)与Pb(500)变小, 但较Ck时其值增加。 在670~750 nm波段, 子信号振幅c₁, c₂与c₃可以用来判断玉米叶片受Cu²⁺胁迫程度, 胁迫程度越大, c₁, c₂与c₃值越大, Cu²⁺对玉米污染胁迫越大, 其谐波子信号振幅值越大。 在480~670 nm波段, 谐波分解后子信号c₁和c₂可用于识别铜Cu²⁺, Pb²⁺染程度, 污染越严重其值越大; 在670~750 nm波段, 子信号振幅c₁, c₂与c₃可用于识别Cu²⁺污染程度, 而c₂则可以识别Pb²⁺污染程度。

通过设置不同浓度Cu²⁺, Pb²⁺胁迫下玉米盆栽实验, 分别从光谱微分维与频率域角度定义了光谱微分差信息熵与谐波振幅两类指数来识别玉米受Cu²⁺, Pb²⁺胁迫污染程度, 经实验分析得到以下结论:

(1) 基于玉米叶片光谱对重金属Cu²⁺, Pb²⁺的响应特征, 在可见波段范围内选取了480~670与670~750 nm波段用于研究, 通过光谱微分差信息熵来区分识别玉米受Cu²⁺, Pb²⁺污染胁迫程度, 即玉米叶片中重金属离子浓度越大, 其对应的光谱微分差信息熵就越大, 因此480~670与670~750 nm波段对应的光谱微分差信息熵值可作为识别玉米叶片受Cu²⁺, Pb²⁺重金属胁迫程度的指标。

(2) 通过对480~670与670~750 nm波段最佳谐波分解次数下的谐波分解, 可提取前三次谐波振幅(c₁, c₂与c₃)用于区分玉米受Cu²⁺, Pb²⁺胁迫程度。 在480~670 nm波段, 第一谐波振幅c₁与第二谐波振幅c₂可用于识别Cu²⁺, Pb²⁺胁迫程度, 胁迫越大其值越大; 在670~750 nm波段, 子信号振幅c₁, c₂与c₃可用于识别Cu²⁺胁迫程度, 而c₂则可以识别Pb²⁺胁迫程度。

(3) 玉米叶片受到重金属Cu²⁺, Pb²⁺污染胁迫后, 会使得叶片光谱产生光谱微弱差异, 综合在光谱维与频率域中分别定义的光谱微分差信息熵与前三次谐波振幅(c₁, c₂与c₃)两类指数可在480~670与670~750 nm范围内稳健、 可靠地识别玉米受重金属Cu²⁺, Pb²⁺污染胁迫程度。