在铀矿资源的开采和利用过程中, 大量铀废石和铀尾矿的产生不可避免。 铀尾矿及周边污染土壤平均含铀量比天然本底值高4~10倍, 其表面辐射剂量比一般土壤平均高5~70倍, 随着国防和核电工业对铀的需求不断增加, 铀尾矿库已成为一个不容忽视的放射性和重金属污染源。 快速、 安全地进行铀尾矿及周边土壤的放射性和重金属污染的本底调查和动态监测是推进生态环境保护、 改善生态环境质量的现实需求。 土壤中铀含量的高低, 是体现其对环境带来的污染风险最重要的指标之一。

广大科技工作者已经探索利用实测地物反射光谱监测土壤重金属含量, 目前主要有两类方法: 一是由土壤光谱直接反演^[1]; 二是根据重金属污染胁迫下植被的光谱信息间接预测^{[2, 3]}。 由土壤光谱反演土壤的重金属含量, 精度比较高的方法还局限于在实验室特定条件下测量土壤高光谱数据, 选择适当的建模方法来完成^{[4, 5]}。 实验室的特定条件在野外几乎不可能重现; 而且对于植被覆盖区域, 遥感影像主要反映的是植被光谱特征, 土壤一般仅作为背景因素出现, 所以如果要实现利用遥感影像进行重金属的监测, 基于植物光谱的研究具有重大意义。

由植物光谱特征反演土壤重金属含量的研究, 主要集中在以表征植被叶绿素和水吸收特征的中心波长对应的反射率^[6]或光谱位置参数、 光谱面积参数、 植被指数等^[8]参数作为自变量来进行。 可能由于上述参数不足以全面反映植物的光谱响应, 在土壤重金属含量较低时, 反演效果还不够理想。 另外, 对采用什么种类、 什么生长期的植被有利于土壤重金属反演, 已往研究也鲜有涉及。 而关于通过植物光谱监视土壤中铀的污染程度, 还未发现相关文献报道。

作为冠层光谱的基础, 植物叶片光谱的野外测量手段已经很成熟。 为了在植物生长过程中, 尽可能早地从叶片反射光谱中监测到铀污染的响应, 研究中通过在土壤中添加不同浓度的铀进行盆栽实验, 从苗期开始测量不同生长期的叶片反射光谱, 计算出光谱角, 研究了光谱角对土壤铀污染的定性和定量指示作用, 并探讨了该指示作用与叶片中铀含量的关系。

实验植物共选择了苎麻(Boehmeria nivea)、 印度芥菜(Brassica juncea)、 酸模(Rumex acetosa L.)、 甘蓝型油菜(Brassica napus L.)、 玉米(Zea mays L.)5种。 其中苎麻和酸模是通过在某铀尾矿库及其周边铀污染土壤进行实地调研发现的优势植物; 油菜和玉米是我国普遍种植的农作物, 对于研究由农作物叶片光谱角推演其所生长的土壤铀污染程度有较好的代表性; 印度芥菜与油菜同为芸薹属植物, 亲缘关系比较近, 而亲缘关系近的植物对铀污染的响应可能相近。

盆栽实验在西南科技大学校内的温室进行, 取温室旁边农田的紫色壤土, 过1.4 cm筛, 每盆土壤2 kg干重。 实验所添加的²³⁸U来源于分析纯乙酸双氧铀, 浓度梯度为0(对照组), 25, 75, 125, 175, 275, 375和485 μ g· g^-1。 采用饱和持水量法配制实验土壤, 每个浓度3个重复。 配制好的土壤放置八周, 使所添加的铀经土壤充分吸附后播种。 在实验植物发芽后生长至4片真叶时, 定苗2株· 盆^-1, 5~6 d浇水1次, 每次每盆250 mL, 保持土壤湿度在田间持水量的20%~30%, 各处理一致。

在不同生长期用美国Spectral Evolution公司生产的PSR-2500地物光谱仪配合接触式探头(探头自带光源和叶片夹持器)对活体叶片测量反射光谱。 测量光谱的生长期和地物光谱仪主要技术参数分别如表1和表2所示。 测量反射光谱时, 从上往下每棵植株选择相同叶位的3片叶片, 每片采集4个光谱数据, 每株共采集12个光谱数据。 为了尽可能减小偶然误差的影响, 将12个光谱数据中对应波长的反射率取平均值并进行小波去噪, 作为该植株的反射率; 对于同一盆两棵植株的反射率再次取均值。 为了方便提取光谱的局部细节, 对于取均值后的反射率经过线性内插, 重采样至1 nm。

表1

Table 1

表1(Table 1)

表1 测量光谱选择的生长期 Table 1 The selected growth periods of measuring spectra 实验植物 实验设计时选择的生长期 苎麻 苗期 开花期 成熟期 印度芥菜 苗期 开花期 成熟期* 酸模 苗期 旺盛期 成熟期 油菜 苗期 蕾薹期 成熟期 玉米 苗期 开花期 成熟期* 注: 实验实施过程中, 印度芥菜在成熟期受到了病虫害的影响, 玉米在成熟期时叶片已经明显发黄, 采集的叶片反射光谱很不理想, 故在数据处理和分析阶段, 没考虑这两种植物成熟期的光谱数据(在表1中用* 进行了标记)

表1 测量光谱选择的生长期 Table 1 The selected growth periods of measuring spectra

表2

Table 2

表2(Table 2)

表2 PSR-2500地物光谱仪的主要技术参数 Table 2 Main technical parameters of PSR-2500 spectrometer 标称测量范围 实际测量范围 波长准确度 光谱分辨率 仪器采样间隔 350~2 500 nm 334.3~2 535.9 nm 5 nm ≤ 3.5 nm(350~1 000 nm); ≤ 22 nm(1 000~2 500 nm) 0.2~1.6 nm(350~1 000 nm), 平均1.5 nm 6~6.4 nm(1 000~2 500 nm)

表2 PSR-2500地物光谱仪的主要技术参数 Table 2 Main technical parameters of PSR-2500 spectrometer

在测量光谱的同时, 采集植物叶片样本。 用自来水和超纯水清洗后, 用吸湿纸吸去表面水分, 烘至恒重, 粉碎成细小粉末, 每份样本称取约0.15 g, 加入5 mL分析纯硝酸、 2 mL 30%双氧水, 用意大利MILESTONE公司生产的ETHOS UP型微波消解仪消解为液体, 用美国Agilent 7700x ICP-MS等离子发射光谱质谱仪测定铀含量。

试验组与对照组的地物向量在空间形成的夹角, 叫做光谱角。 通过与阈值的比较, 光谱角可识别健康植物与受胁迫植物, 不少学者已经成功利用光谱角识别了植物是否受重金属污染^{[8, 9]}。 但相关工作主要研究叶片光谱角与叶片中重金属含量的关系, 研究叶片光谱特征与土壤中重金属含量之间的关系比较少。 为了探讨植物叶片反射光谱的宏观变异情况与土壤铀含量的关系, 本工作对5个波段区间(表征叶片色素的350~716 nm、 表征红边和近红外平台的717~975 nm、 表征水分的976~1 265, 1 266~1 770和1 771~2 500 nm)采用式(1)进行光谱角计算

T=cos-1∑λ1λn(γλ, Cγλ, S)∑λ1λn(γλ, C)2∑λ1λn(γλ, S)2(1)

式(1)中, T为不同污染水平下的光谱角, γ _{λ , S}和γ _{λ , C}分别为污染组和对照组叶片在波长λ 的反射率, λ ₁和λ _n分别为起止波长。 当受重金属污染后的光谱角大于对照组的光谱角阈值T₀时, 认为光谱发生变异。 阈值的计算式如式(2)

T0=cos-1∑λ1λn(γλ, jγ̅λ)∑λ1λn(γλ, j)2∑λ1λn(γ̅λ)2(2)

式(2)中, γ _{λ , j}为对照组第j次测量的叶片反射光谱在波长λ 处的反射率, γ̅λ为对照组叶片在波长λ 处的反射率均值。

表3列出了以盆为单位统计的实验植物在不同生长期光谱角大于阈值的比例。 表3显示: 除了成熟期的苎麻在表征水分的三个区间的光谱角大于阈值的比例比较低之外, 实验植物其他生长期的光谱角在绝大多数情况下都对铀污染产生了350~2 500 nm的全面响应。 可见, 叶片光谱角能定性指示土壤铀污染。

表3

Table 3

表3(Table 3)

表3 土壤铀污染下实验植物光谱角大于阈值的比例(%) Table 3 Proportions of spectral angles greater than threshold values of experimental plants under soil uranium pollution (%) 实验植物 生长期 波段区间 350~716 nm 717~975 nm 976~1 265 nm 1 266~1 770 nm 1 771~2 500 nm 苗期 100% 100% 100% 100% 100% 苎麻 开花期 81.0% 90.5% 90.5% 95.2% 100% 成熟期 95.2% 90.5% 23.8% 23.8% 28.6% 印度芥菜 苗期 开花期 95.2% 90.5% 95.2% 90.5 90.5% 81.0% 90.5% 95.2% 90.5% 95.2% 苗期 100% 81.0% 95.2% 81.0% 85.7% 酸模 旺盛期 100% 81.0% 100% 90.5% 95.2% 成熟期 90.5% 100% 90.5% 100% 100% 苗期 95.2% 100% 90.5% 90.5% 100% 油菜 蕾薹期 100% 95.2% 95.2% 95.2% 100% 成熟期 90.5% 95.2% 81.0% 100% 90.5% 玉米 苗期 开花期 90.5% 90.5% 95.2% 95.2% 100% 100% 81.0% 81.0% 100% 90.5%

表3 土壤铀污染下实验植物光谱角大于阈值的比例(%) Table 3 Proportions of spectral angles greater than threshold values of experimental plants under soil uranium pollution (%)

为了探讨能否通过叶片光谱角定量反演土壤铀含量, 分析了光谱角与土壤铀含量的相关性。 表4列出的是通过显著性检验、 且相关系数绝对值大于0.7的光谱角。 将表4的光谱角作为备选自变量, 利用线性回归统计模型反演土壤中的铀含量。 统计模型的拟合程度用决定系数R²表示。 当人为向系统中添加过多的自变量时, 残差平方和会减少, 从而R²变大, 不能真实地反映拟合精度。 因此优先采用单变量线性回归, 其次采用逐步多元线性回归。 表5列出了p值小于等于0.05(采用t检验)的反演模型, 而反演精度采用F值和均方根误差(简称RMSE, 单位为μ g· g^-1)来进行综合评价。

表4

Table 4

表4(Table 4)

表4 实验植物光谱角与土壤铀含量的相关性 Table 4 Correlations between spectral angles of experimental plants and uranium contents in soil 实验植物 生长期 波段区间 350~716 nm 717~975 nm 976~1 265 nm 1 266~1 770 nm 1 771~2 500 nm 苎麻 苗期 0.921* * 0.935* * 0.760* 0.709* 印度芥菜 苗期 开花期 0.798* 0.902* * 0.862* * 酸模 旺盛期 成熟期 0.842* * 0.771* 0.751* 油菜 苗期 蕾薹期 0.917* * 0.804* 0.740* 0.835* * 0.755* 0.909* * 玉米 苗期 开花期 0.768* 0.763* 0.835* * 0.795* 0.730* 注: 有* 标记的表示通过0.05显著性检验的相关系数; 有* * 标记的表示通过0.01显著性检验的相关系数

表4 实验植物光谱角与土壤铀含量的相关性 Table 4 Correlations between spectral angles of experimental plants and uranium contents in soil

表5

Table 5

表5(Table 5)

表5 土壤铀含量与实验植物光谱角的线性回归方程 Table 5 Linear regression equations between soil uranium contents and spectral angles of experimental plants 植物-生长期 线性回归方程 R2 p值 F值 RMSE 苎麻-苗期 Y=-52.038+62.037× T波段1+3 592.58× T波段2+1 832.4× T波段3 0.92 0.013 15.89 4.56 印度芥菜-苗期 Y=-174.74+150.607× T波段1+11 727.65× T波段3 0.74 0.033 7.27 8.18 印度芥菜-开花期 Y=-82.38+7 191.35× T波段2 0.81 0.002 26.32 9.70 酸模-旺盛期 Y=-105.44+757.03× T波段1 0.71 0.008 14.58 7.35 酸模-成熟期 Y=-205.45+384.44× T波段3+7743.83× T波段5 0.78 0.021 9.10 7.51 油菜-蕾薹期 Y=-354.687+11 914.16× T波段5 0.83 0.001 28.49 6.72 玉米-苗期 Y=-264.94+10 813.37× T波段1 0.59 0.023 8.60 10.70 玉米-开花期 Y=-206.64-4 536.73× T波段2+20 491.2× T波段3 0.70 0.049 15.78 8.85

表5 土壤铀含量与实验植物光谱角的线性回归方程 Table 5 Linear regression equations between soil uranium contents and spectral angles of experimental plants

与土壤铀含量显著强相关的光谱角涵盖了全部5种实验植物的9个生长期、 21个波段, 其中8个生长期得到了通过显著性检验的线性回归方程。 有7个回归方程的决定系数R²> 0.64, 其中3个(苎麻-苗期、 印度芥菜-开花期和油菜-蕾薹期)的决定系数R²> 0.81, 其他参数也显示回归效果好。 可以认为, 叶片光谱角也能定量指示土壤铀污染, 但定量指示作用随植物种类、 生长期的不同而不同。 虽然5种实验植物、 13个生长期的叶片光谱角都可以定性指示土壤铀污染, 但只有7个生长期得到了综合效果比较好的回归方程。

表6列出了不同处理浓度下各生长期实验植物叶片的铀含量平均值, 以探讨叶片光谱角对土壤铀污染的定量指示作用与对应的叶片铀含量是否有关。 表6显示, 苎麻、 印度芥菜和油菜叶片中的铀含量, 相对酸模和玉米而言比较高, 反演的整体效果也好。 酸模叶片的铀含量比较低, 反演效果相对较差; 而玉米叶片的铀含量最低, 反演效果也最差。 可见, 叶片光谱角对土壤铀污染的定量指示作用强弱与其叶片的铀含量高低呈现出一致性。

表6

Table 6

表6(Table 6)

表6 不同处理浓度下实验植物叶片的铀含量(μ g· g-1) Table 6 Uranium contents in leaves of experimental plants under different treatment concentrations 铀处理浓度 苎麻 印度芥菜 酸模 油菜 玉米 25 4.23± 0.4 14.84± 0.2 4.98± 1.2 25.69± 1.2 3.45± 0.3 75 8.23± 2.1 22.31± 2.1 6.26± 2.1 38.05± 3.2 3.73± 0.2 125 11.40± 0.8 42.40± 3.4 8.19± 1.2 48.55± 9.2 2.93± 0.3 175 15.38± 5.6 67.00± 4.5 9.16± 2.1 56.58± 8.3 5.93± 0.4 275 19.12± 5.1 72.51± 7.9 10.62± 3.2 65.66± 19.2 6.89± 2.2 375 22.12± 3.4 82.38± 11.2 14.47± 2.6 76.99± 22.1 7.99± 2.1 485 80.80± 19.1 95.62± 21.4 14.89± 3.2 91.01± 18.1 8.29± 3.2

表6 不同处理浓度下实验植物叶片的铀含量(μ g· g-1) Table 6 Uranium contents in leaves of experimental plants under different treatment concentrations

土壤中重金属污染对人体的危害, 主要是通过植物直接或间接传递给人。 不同种类的植物或者相同植物的不同器官, 对土壤中不同元素重金属或者相同元素但不同浓度的重金属, 响应均有可能不同。 根据植物地上部分的重金属含量对土壤重金属含量的响应, Baker将地上部分重金属含量与土壤重金属含量基本呈现正比关系的植物定义为指示型, 与富集型和规避型相并列^[10]。 对于指示型植物, 如果能找到植物地上部分重金属含量与相应的土壤重金属含量的定量关系, 则可以用植物地上部分作为监测器来定量监测土壤重金属污染的程度。 然而植物地上部分重金属含量与土壤重金属含量的关系实际上非常复杂, 符合Baker定义的指示型植物非常少。 针对植物的遥感探测, 无论在叶片尺度, 还是在冠层尺度, 都是以叶片光谱为基础。 本研究为从叶片光谱的角度定性甚至定量指示土壤铀含量提供了思路。

从叶片尺度光谱探测的角度衡量, 植物光谱角对土壤铀污染有指示作用。 绝大多数情况下, 5种实验植物(苎麻、 印度芥菜、 酸模、 甘蓝型油菜、 玉米)在不同生长期的叶片光谱角均可以定性指示土壤中低至25 μ g· g^-1的铀污染。 5种实验植物均能成功实现以光谱角为自变量定量反演土壤中的铀含量。 对于叶片中铀含量相对较高的苎麻、 印度芥菜、 油菜, 线性回归方程的决定系数R²> 0.81, 最高达0.92, 其他表征回归效果的参数也比较理想。 表明植物叶片光谱角能定量指示土壤铀污染。 其中苎麻、 印度芥菜在苗期的叶片光谱角具有定量指示作用, 尤其有利于尽早确定土壤的铀污染程度。