试验于2016年进行, 选用“ 中糯1号” 玉米植株, 为1991年由中国农科院培养而成的白糯玉米单交种, 具有多产抗病等优点。 选择有底漏的花盆种植, 种植土壤选用不同浓度CuSO₄· 5H₂O胁迫, Cu²⁺胁迫浓度设置为: 0, 100, 200, 300, 700和1 000 μ g· g^-1[分别标记为Cu(0), Cu(100), Cu(200), Cu(300), Cu(700), Cu(1 000)]。 为模拟室外条件下的污染, 将每个浓度的试剂均匀的加入不用分组, 并均匀搅拌。 此外, 每个胁迫组各设置3个平行实验组, 减少偶然误差。 把所有的盆栽放到室外的温室大棚中, 此大棚长3 m, 宽2 m, 保证通风顺畅, 定期浇水满足植株的生长所需。

采用波段范围为350~2 500 nm的美国SVC HR-1024I型高性能地物光谱仪采集玉米叶片的光谱数据。 光谱测定选择阳光充足的中午进行。 光谱测定每盆玉米植株的老(出穗期玉米底部的叶片)、 中(出穗期玉米中部的叶片)、 新(出穗期玉米顶部的叶片)三种代表性叶片, 每片叶片光谱各测3次, 并去除异常光谱值后取平均值作为研究数据, 取3组数据均值作为该盆玉米反射率值。 采用WFX-120型原子吸收分光光度计及电感耦合等离子发射光谱仪(ICP-OES)测定玉米叶片中Cu²⁺含量。

同时获取2017年实验测得的玉米叶片的光谱数据用于验证。 2017年种植的“ 密糯8号” 玉米, Cu²⁺和Pb²⁺胁迫浓度分别为Cu(0), Cu(50), Cu(100), Cu(150), Cu(400), Cu(600), Cu(800), Cu(1 000); Pb(0), Pb(50), Pb(100), Pb(150), Pb(400), Pb(600), Pb(800)和Pb(1 000)。 以上每个胁迫组各设置3个平行组, 光谱数据和生化数据的采集方法与2016年的相同。 获取出苗期、 拔节期和出穗期的老中新光谱数据。 采用WFX-120型原子吸收分光光度计及电感耦合等离子发射光谱仪(ICP-OES)测定玉米叶片中Cu²⁺含量(出穗期), 采用Perkin Elmer, Elan DCR-e型等离子体质谱分析仪测定Pb²⁺含量(出穗期), 采用SPAD-502叶绿素含量测定仪测定叶绿素含量(出苗期、 拔节期和出穗期)。

1.2.1 选择特征波段

由于可见光的蓝光波段噪声较大, 并且1 000 nm以后的光谱区间水汽吸收影响显著, 因此选择450~850 nm(可见光和近红外部分)的光谱反射率区间进行研究。 光谱一阶微分(the first order differential, D)体现了原始光谱曲线的斜率, 反映了植被内部物质(叶绿素等)的吸收波形变化, 计算公式如(1)所示。 光谱一阶微分(D)能够, 辨别重叠的光谱并且, 清除噪声。 有研究表明植株内生化成分与微分后的光谱反射率值的相关性要高于原始光谱。 相似性光谱的特征提取是困难的, 因此在提取光谱特征前要对光谱进行一定的处理。 包络线去除(continuum removal, CR)能够增强光谱感兴趣的吸收特征, 并且突出光谱的反射以及吸收, 然后将光谱反射率归一化, 计算公式如式(2)所示。

D(λi)=[R(λi+1)-R(λi-1)]/(λi+1-λi-1)(1)

式(1)中: λ _i-1, λ _i, λ _i+1为相邻波长; R(λ _i-1), R(λ _i+1)为波长λ _i-1, λ _i+1对应的光谱反射率; D(λ _i)为波长λ _i对应的一阶微分值。

$C{{R}_{j}}=\frac{{{R}_{j}}}{\ \ \ {{R}_{\text{start}}}+\frac{{{R}_{\text{end}}}\ \ \ -\ \ \ {{R}_{\text{start}}}\ \ \ }{\ \ \ {{\lambda }_{\text{end}}}\ \ \ -\ \ \ {{\lambda }_{\text{start}}}\ \ \ }\ \ \ \times \ \ \ \left(\ \ \ {{\lambda }_{j}}\ \ \ -\ \ \ {{\lambda }_{\text{start}}} \ \ \ \right)}\ \ \ $(2)

式(2)中: λ _j是第j波段波长值; R_j是波段j的原始光谱反射率; R_start和R_end分别是在凸出的峰值点间某一段吸收曲线里的起始点和末端点的原始光谱反射率; λ _start和λ _end分别是在该段吸收曲线里的起始点波长和末端点波长, CR_j为包络线去除值。

原始光谱曲线经过一阶微分(D)和去除包络线(CR)后, 得到反射率的微分包络线去除(differential continuum removal, DCR)值, 并计算DCR值与土壤和玉米叶片中Cu²⁺含量之间的皮尔逊相关系数(r), 如图1所示。 皮尔逊相关系数是表征两个变量之间的线性相关性, 1代表完全正相关, 0代表无相关性, -1代表完全负相关(在相关分析中, 因变量值随自变量值的增大而减小, 随其减小而增大, 在这种情况下, 因变量和自变量的相关系数为负值, 即负相关)^[13], 计算公式如(3)所示。

$\text{r}=\frac{1}{n}\overset{n}{\mathop{\underset{i=1}{\mathop \sum }\,}}\,\left( \frac{{{X}_{i}}-{\bar{X}}}{\partial X} \right)\left( \frac{{{Y}_{i}}-{\bar{Y}}}{\partial Y} \right)$(3)

式(3)中:$\frac{{{X}_{i}}-{\bar{X}}}{\partial X}$,$\frac{{{Y}_{i}}-{\bar{Y}}}{\partial Y}$,${\bar{X}}$,${\bar{Y}}$ 及∂X,∂Y分别是对${{X}_{i}}$和${{Y}_{i}}$样本的标准分数、 样本平均值和样本标准差, n为样本数。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 室外温室的位置与玉米的生长期Fig.1 The location of the outdoor greenhouse and the growth perid of maize

图1表明反射率的DCR值与土壤和叶片中Cu²⁺含量相关系数变化相似, 特征波段位于光谱区间的490~520 nm(正相关), 630~650 nm(负相关), 680~700 nm(正相关)和710~750 nm(负相关)内, 并且正负相关系数几乎都接近于1和-1。 490~520和680~700 nm是正相关区间中比较稳定的区间, 且相关系数接近于1, 因此选为特征区间。 630~650 nm是450~850 nm中间的一段负相关极小值区间, 为了避免偶然误差, 因此选为特征区间。 710~750 nm属于负相关中比较稳定的一段区间, 因此选为特征区间。 本次实验是基于控制变量法, 所以光谱反射率的DCR值变化是由于不同重金属Cu²⁺的胁迫。 大于770 nm的波长, 由于噪声的影响, 皮尔逊相关系数出现异常波动。

1.2.2 定义CLDI公式

通过分析图2的相关系数以及玉米的生化数据, 我们也计算了特征区间内的最佳相关波长, 发现特征区间内的波段不仅正负相关系数几乎接近于1和-1, 并且相关系数在这几个区间内都相对稳定, 差异比较小。 因此选择这些特征区间内的中心波长来建立CLDI, 即505, 640, 690和730 nm。 为了减少偶然误差, 四个波长的DCR值全部参与计算, 并实现了归一化, 则公式为

CLDI=(DCR505/DCR640)×(DCR690/DCR730)(4)

式(4)中: DCR₅₀₅, DCR₆₄₀, DCR₆₉₀和DCR₇₃₀分别是505, 640, 690和730 nm的DCR值。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 反射率的DCR值与土壤和叶片中Cu2+含量相关系数变化Fig.2 Variation of correlation coefficient between DCR value of reflectance and Cu2+ content in soil and leaves

1.3.1 CLDI与常规的植被指数(VIs)

将CLDI与常规的植被指数(VIs)进行对比, 验证其有效性。 WBI(water band index), PSNDa(pigment specific normalized difference a), PRI(photochemical reflectance index), NDVI(normalized difference vegetation index), 如表1所示。

表1

Table 1

表1(Table 1)

表1 重金属污染监测相关光谱指数 Table 1 Spectral index of heavy metal pollution monitoring 指数 名称 公式 参考文献 WBI water band index R900/R970 [12] PSNDa pigment normalized difference index (R810-R674)/(R810+R674) [12] PRI photochemical reflectance index (R531-R570)/(R531+R570) [12] NDVI normalized difference nitrogen index (R864-R671)/(R864+R671) [12]

表1 重金属污染监测相关光谱指数 Table 1 Spectral index of heavy metal pollution monitoring

为了验证CLDI的有效性, 计算土壤和叶片中的Cu²⁺含量与VIs相关系数。

1.3.2 选用2117年Cu²⁺和Pb²⁺胁迫实验获取的玉米叶片数据进行验证

2017年种植的“ 密糯8号” 玉米, 在8种不同的Cu²⁺胁迫浓度下获取的玉米叶片光谱反射率、 土壤和叶片中的Cu²⁺含量用来测试CLDI的鲁棒性。 图3显示了玉米叶片光谱反射率DCR值与叶片中Cu²⁺含量的相关系数变化, 可以清楚看到相关系数曲线形状与图2相似, 并且分析可知, 490~520 nm(显著正相关), 630~650 nm(显著负相关), 680~700 nm(显著正相关)和710~750 nm(显著负相关), 证明特征区间具有较好的稳定性。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 反射率的DCR值与叶片中Cu2+含量相关系数变化Fig.3 Variation of correlation coefficient between DCR value of reflectance and Cu2+ content in leaves

为了进一步确定CLDI对不同时期的实验数据是否具有鲁棒性, 计算了叶片中的Cu²⁺含量与VIs相关系数。

2017年种植的“ 密糯8号” 玉米, 在8种不同的Pb²⁺胁迫浓度下获取的玉米叶片光谱反射率、 土壤和叶片中的Pb²⁺含量用来测试CLDI的普适性。 图4(a)显示了随着土壤中Cu²⁺胁迫浓度的增加, 玉米老中新叶片Cu²⁺含量的变化趋势没有规律性, 然而图4(b)显示了随着土壤中Pb²⁺胁迫浓度的增加, 玉米老中新叶片Pb²⁺含量的变化趋势具有明显的规律性。 图5显示了不同Pb²⁺胁迫浓度下的玉米老中新叶片光谱反射率DCR值与叶片中Pb²⁺含量相关系数变化, 可以清楚看到老叶的相关系数曲线形状与图2相似, 并且分析可知, 490~520 nm(显著正相关), 630~650 nm(显著负相关), 680~700 nm(显著正相关)和710~750 nm(显著负相关), 证明特征区间具有较好的稳定性。 因此, 我们将Pb²⁺胁迫下的玉米老叶片的光谱数据进行处理, 运用植被重金属污染指数CLDI研究其监测重金属污染能力。

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 不同Cu2+和Pb2+胁迫浓度下玉米老中新叶片中重金属含量Fig.4 Contents of heavy metals in Old, Middle and New leaves of maize under different concentrations of Cu2+ and Pb2+ Stress

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 反射率的DCR值与玉米老中新叶片中Pb2+含量相关系数变化Fig.5 Variation of correlation coefficient between DCR value of reflectance and Pb2+ content in Old, Middle and New leaves

为了进一步确定CLDI对不同重金属胁迫下的实验数据是否具有普适性, 计算了土壤和老叶中的Pb²⁺含量与VIs相关系数。

叶片中的叶绿素含量的变化可以指示植被受到重金属胁迫程度, 为了进一步确定CLDI的有效性, 计算了不同生长阶段(出苗期、 拔节期和出穗期)叶片中叶绿素含量与VIs相关系数。