作者简介: 郭 辉, 1979年生, 中国矿业大学(北京)地球科学与测绘工程学院博士研究生 e-mail: hguo@aust.edu.cn
重金属铜离子(Cu2+)与铅离子(Pb2+)污染对玉米叶片光谱的影响微弱、 隐蔽而难于探测。 研究中设置不同浓度Cu2+, Pb2+胁迫的玉米盆栽实验, 测定了玉米叶片光谱、 叶片中Cu2+, Pb2+含量与叶绿素相对含量, 分析了Cu2+, Pb2+污染胁迫下玉米叶片光谱响应特征, 并选取480~670与670~750 nm范围来进行分析, 在光谱维中定义了光谱微分差信息熵指数与在频率域中通过谐波分析提取了前三次谐波振幅( c1, c2与 c3)指数, 并用所定义的指数探测分别受Cu2+, Pb2+胁迫玉米叶片光谱微弱差异。 实验结果表明, 在480~670与670~750 nm范围内, 玉米叶片中重金属离子浓度越大, 其光谱微分差信息熵就越大; 在480~670 nm波段, 谐波分解后第一谐波振幅 c1与第二谐波振幅 c2可用于识别Cu2+, Pb2+污染程度; 在670~750 nm波段, 第一谐波振幅 c1、 第二谐波振幅 c2与第三谐波振幅 c3可用于识别Cu2+污染程度, 而 c2则可以识别Pb2+污染程度, 污染胁迫越大振幅越大。 在480~670与670~750 nm波段内, 光谱微分差信息熵与前三次谐波振幅可作为识别玉米受Cu2+, Pb2+污染胁迫程度的指数, 从光谱维与频率域两种维度来识别玉米受Cu2+, Pb2+胁迫程度的方法可行, 文中定义的两类指数可稳健、 可靠地探测与识别玉米受Cu2+, Pb2+影响所产生的光谱微弱差异, 研究结果对利用高光谱来探测植被受重金属污染胁迫程度具有一定的参考价值。
The effect of heavy metals copper ion (Cu2+) and lead ion (Pb2+) on corn leaf spectra is weak, hidden and difficult to be detected. The corn pot experiment of different concentrations of Cu2+, Pb2+ stress is set. Corn leaf spectra, leaf Cu2+, Pb2+ content, and chlorophyll relative content were measured. The corn leaf spectra characteristic due to Cu2+, Pb2+ pollution stress was also analyzed, and then 480~670 and 670~750 nm bands were selected to be studied. The index of spectra derivative difference entropy and the first three times harmonic amplitudes ( c1, c2 and c3) was defined, and then leaf spectra faint change was detected by use of the index. In the end, it was concluded that in 480~670 and 670~750 nm bands, corn leaf had the greater concentration of heavy metal ions and the greater of its corresponding spectra derivative difference entropy. In 480~670 nm bands, the harmonic amplitudes c1 and c2 can be used to identify the Cu2+, Pb2+ pollution degree; In the 670~750 nm bands, the harmonic amplitudes c1, c2 and c3 can be used to identify Cu2+ pollution level, and c2 can identify the Pb2+ pollution degree. The larger amplitude value meaned more serious pollution stress in 480~670 and 670~750 nm bands. The index of spectra differential difference entropy and harmonic amplitudes ( c1, c2 and c3) can be used as identification corn pollution degree under Cu2+, Pb2+ stress. The method based on spectra and frequencey domain to identify corn pollution degree under Cu2+, Pb2+ stress was feasible. The index of spectra differential difference entropy and harmonic amplitudes ( c1, c2 and c3) can be more robust and reliable in the detection and identification spectra weak differences of corn leaf affected by Cu2+, Pb2+, and the result has certain practical application value in identifying vegetation pollution degree under heavy metal on base of hyperspectral data.
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。
植物培养选取“ 中糯1号” 玉米种子, 实验选用含有Cu2+, Pb2+的CuSO4· 5H2O和Pb(NO3)2溶液作为重金属胁迫源, 实验分别设置0, 250和500 μ g· g-1的铜和铅三个浓度梯度[分别标记为Ck, Cu(250), Cu(500), Pb(250)与Pb(500)], 每个浓度均设置3组平行实验(铜和铅共用0 μ g· g-1梯度), 共计15盆盆栽。 实验中采用周围防渗水、 底漏的花盆以及无污染的自然土壤作为玉米的培养基质。 玉米种子出苗后在盆中添加营养液, 在玉米培育过程中培育棚保持通风, 并定期给玉米浇灌。
采用美国SVC公司生产的SVC HR-1024I高性能地物光谱仪测定Cu2+与Pb2+污染胁迫下玉米叶片光谱。 光谱采集中, 使用功率为50W的卤素灯光源和4° 视场角的探头, 探头垂直于叶片表面40 cm, 每盆玉米叶片光谱测量三次, 输出结果由原始扫描光谱自动平均所得, 光谱反射系数经专用平面白板标准化处理, 由此得到不同浓度Cu2+与Pb2+污染胁迫下的玉米叶片光谱。 各设置污染浓度下玉米叶片光谱的形状与差异如图1。
玉米叶片样品经过洗净、 烘干、 粉粹装入样品袋, 经高纯硝酸、 高氯酸消化处理及定容后通过WFX-120原子吸收分光光度计测定Cu2+的含量。 用Perkin Elmer, Elan DCR-e型等离子体质谱分析仪测定Pb2+的含量。 利用SPAD-502叶绿素含量测定仪测定了不同浓度Cu2+与Pb2+污染胁迫下玉米叶片的叶绿素相对含量。 各浓度梯度玉米样本叶片中Cu2+, Pb2+含量和叶绿素浓度相对值如表1。
![]() | 表1 Cu2+, Pb2+含量和叶绿素浓度相对值 Table 1 Chlorophyll relative concentration and Cu2+ Pb2+ content |
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。
3.1.1 光谱一阶微分
微分光谱是光谱分析中常用的基线校正、 背景消除和光谱分辨率预处理方法, 既可以消除基线漂移或平缓背景干扰的影响, 又能提供比原光谱更高分辨率和更清晰的光谱轮廓变换[12]。 光谱一阶微分计算如式(1)
式中, λ i为光谱波段波长, ρ (λ i)和SD(λ i)分别光谱反射率和光谱一阶微分, Δ λ 为波长λ i+1与λ i-1的波段间隔。
3.1.2 光谱微分差信息熵
熵的概念是由德国物理学家克劳修斯于1865年所提出, 熵最初被用在热力学方面。 信息熵作为衡量一个系统复杂度, 可用来衡量一个随机变量出现的期望值, 一个变量的信息熵越大, 那么它出现的各种情况也就越多, 即包含的内容多。 将信息熵用来衡量受重金属污染胁迫中, 光谱差异越大, 其所对应的信息熵值就越大。 光谱微分差信息熵
其中
式中, i对应两种重金属浓度胁迫下光谱, 取值为1和2, j为光谱微分后波段数, SDij为重金属胁迫下光谱微分值, SD'为未受重金属影像玉米叶片光谱微分值。
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。
![]() | 表2 480~670 nm波段微分差信息熵 Table 3 The derivative difference entropy in 670~750 nm |
![]() | 表3 670~750 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。
![]() | 表4 480~670 nm波段谐波子信号振幅 Table 4 The harmonic amplitude in 480~670 nm |
![]() | 表5 670~750 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。
The authors have declared that no competing interests exist.
[1] |
|
[2] |
|
[3] |
|
[4] |
|
[5] |
|
[6] |
|
[7] |
|
[8] |
|
[9] |
|
[10] |
|
[11] |
|
[12] |
|
[13] |
|
[14] |
|