陳功偉，趙思穎，倪才英

(江西師范大學(xué)地理與環(huán)境學(xué)院， 南昌 330022)

土壤為植物生長基地，其質(zhì)量好壞影響著糧食生產(chǎn)，進(jìn)而影響人類的生存與發(fā)展。隨著農(nóng)田土壤重金屬污染現(xiàn)象的日益嚴(yán)重，中國糧食產(chǎn)量逐漸降低[1-2]。重金屬具有不降解、生物遷移能力強等特點，易通過食物鏈進(jìn)入人體。因此，對農(nóng)作物重金屬污染的監(jiān)測和治理逐漸受到重視。水稻在中國糧食種植面積中占比較大，其質(zhì)量高低影響著中國糧食安全與人體健康[3]。同時，重金屬污染對水稻影響較大，在重金屬污染脅迫下水稻不僅會減產(chǎn)，且會通過稻谷富集將重金屬帶入人體[4-6]。因此，及時發(fā)現(xiàn)并預(yù)防稻田重金屬污染迫在眉睫。

傳統(tǒng)監(jiān)測重金屬污染之野外采樣、室內(nèi)分析的方式，耗時費力，不能滿足農(nóng)田大面積快速監(jiān)測的需求。隨著新技術(shù)的發(fā)展和應(yīng)用，遙感技術(shù)以其能快速、連續(xù)、大面積地獲取地面信息的優(yōu)勢，迅速成為環(huán)境監(jiān)測的重要手段。為此，國內(nèi)外已開展大量關(guān)于高光譜遙感對農(nóng)作物監(jiān)測的研究。如有研究者使用高光譜遙感技術(shù)監(jiān)測植物，分析植物體中葉綠素組分對其光譜曲線的影響，發(fā)現(xiàn)植物的生長情況能在光譜參數(shù)上快速地反映出來[7-8]。郭輝等[9]通過盆栽試驗，研究玉米在Cu、Pb脅迫下葉片光譜和葉綠素含量的變化情況，通過分析其光譜的響應(yīng)特征，估測土壤重金屬污染的程度。Malley和Williams[10]利用近紅外光譜，通過分析重金屬對有機質(zhì)的影響及關(guān)系，成功估測出淡水底泥中重金屬污染的情況。Kemper和Sommer[11]采用光譜技術(shù)預(yù)測礦業(yè)事故后的土壤重金屬污染程度。Li 等[12]使用培養(yǎng)皿設(shè)定不同濃度砷含量，觀察同一品種水稻在光譜特征上的表現(xiàn)，通過提取相關(guān)參數(shù)，建立水稻光譜指數(shù)和葉片葉綠素含量的模型，實現(xiàn)對重金屬污染脅迫情況的預(yù)測。Shi 等[13]也成功建立水稻實驗室、野外光譜數(shù)據(jù)與土壤中重金屬含量之間關(guān)系的模型，發(fā)現(xiàn)上述二者間的相關(guān)系數(shù)r>0.5。Pablo等[14]認(rèn)為，基于植物光譜特征的變化，利用其高光譜的特征參數(shù)，可以對重金屬污染進(jìn)行大面積的監(jiān)測，遙感技術(shù)彌補了傳統(tǒng)方法離散且不連續(xù)的缺陷。

以上研究表明，借助葉綠素含量對污染物的敏感性，利用植物高光譜特征參數(shù)變化，可以實現(xiàn)對重金屬污染程度的反演。為驗證遙感光譜監(jiān)測技術(shù)在重金屬污染稻田中的適用性，本研究以3個田間呈梯度變化(顯著差異)的重金屬污染稻田為研究對象，田間測定水稻葉綠素含量，實時解譯遙感高光譜數(shù)據(jù)，提取相應(yīng)光譜特征參數(shù)，探究稻田土壤和水稻重金屬含量、水稻葉綠素含量與遙感影像光譜特征參數(shù)之間的相關(guān)關(guān)系，為遙感技術(shù)監(jiān)測重金屬污染土壤的推行提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)域概況

研究田塊位于江西省鷹潭貴溪市東北部。該地區(qū)屬于亞熱帶季風(fēng)氣候區(qū)，氣候溫暖濕潤，降水充足，土壤肥沃，種植雙季稻，是全國商品糧基地。貴溪市礦產(chǎn)資源豐富，區(qū)位優(yōu)越，交通便利，是著名的工業(yè)園區(qū)，重金屬污染嚴(yán)重且時間長[15]。因此，將這個地區(qū)作為研究區(qū)，具備典型性和代表性。

1.2 樣品采集與分析方法

1.2.1 土壤樣品采集

根據(jù)農(nóng)業(yè)生產(chǎn)和工礦業(yè)分布情況，在當(dāng)?shù)卮迕竦膸ьI(lǐng)下，于貴溪長塘周家周邊選擇污染程度不同但管理措施和種植品種一致的稻田進(jìn)行土壤樣品采集，采樣田塊在光照、降水、氣候、品種、土質(zhì)和水肥管理方式等方面相同。每個田塊用對角線法5點采樣。每種污染程度3個重復(fù)。

在選定的田塊中，用采土器采集0～20 cm表層土壤，木勺刮取適量土樣，裝入密封袋中，做好標(biāo)記，送至實驗室。將樣品放在通風(fēng)處讓其自然風(fēng)干，風(fēng)干后將結(jié)塊部分搗碎，除去樣品中的雜質(zhì)。將其混合均勻后，過2 mm的尼龍篩網(wǎng)。將每個土樣均勻混合，用四分法取約50 g樣品，放入瑪瑙碾缽中研磨成粉末，過200目尼龍篩網(wǎng)。將篩下的土樣烘干后，裝入密封袋保存并編號，待測。

1.2.2 水稻樣品采集

于2015年9月水稻生長盛期采集水稻樣品。在3個重金屬Cd濃度呈顯著差異的田塊，用對角線法(5點)采集水稻地上部分。將同一田塊的水稻樣品混勻后，裝入密封袋。做好記錄并帶回實驗室。水稻洗滌后，于60 ℃下烘48 h，之后將干燥的水稻樣品用瑪瑙碾缽研磨至粉末狀，裝入密封袋依次標(biāo)記、做好記錄，待測。每個梯度3個重復(fù)。

1.2.3 重金屬測定方法

在江西省地質(zhì)調(diào)查院測試中心進(jìn)行。每個樣品3次重復(fù)。測得樣品重金屬濃度經(jīng)過公式換算獲得土壤和水稻的重金屬含量，換算公式為A=[(ρ-ρo)×V]/M[16]。該式中，A為實際重金屬含量(μg/g)；ρ為重金屬測定值(μg/mL)；ρo為空白參照液濃度(μg/mL)；V為樣品消化液體積(mL)；M為樣品的稱重量(g)。

1.2.4 水稻葉綠素含量測定

選用柯尼卡美能達(dá)公司生產(chǎn)的SPAD-502型葉綠素儀對水稻葉綠素含量進(jìn)行測定。每個田塊用對角線法5點采集葉綠素，對每個點葉片葉綠素含量進(jìn)行多次采集。測量時用葉綠素儀夾住葉片。每個葉片選擇上、中、下3個垂直層次。分別測定3次，取其平均值作為此葉片葉綠素的相對含量。

1.2.5 遙感數(shù)據(jù)提取

本文所采用的影像為EO-Hyperion遙感影像，它是以推掃方式獲取可見光——近紅外 (VNIR, 400～1 000 nm)和短波紅外(SWIR, 900～2 500 nm)光譜數(shù)據(jù)。Hyperion產(chǎn)品分兩級：Level 0和Level 1，L0是原始數(shù)據(jù)，用來生產(chǎn)成L1產(chǎn)品。L1是面對用戶的產(chǎn)品。Hyperion L1產(chǎn)品分為3種：L1B、L1R和L1A。本文使用數(shù)據(jù)由美國USGS處理生成的L1R產(chǎn)品。用ENVI和FLAAAH軟件對遙感影像進(jìn)行處理[17-18]，提取水稻葉片特征光譜參數(shù)。

1.2.6 數(shù)據(jù)處理

用Excel2003版軟件對數(shù)據(jù)進(jìn)行均值和標(biāo)準(zhǔn)誤差計算。用SPSS19.0進(jìn)行相關(guān)性和差異性分析。

2 結(jié)果與分析

2.1 土壤與水稻植株體內(nèi)重金屬含量相關(guān)性分析

因為土壤重金屬污染需要通過其上生長植物的光譜變化得到體現(xiàn)，所以土壤與植物體內(nèi)重金屬含量間有良好的線性關(guān)系，是遙感光譜監(jiān)測的基礎(chǔ)。為此，本研究首先對土壤與水稻植株體內(nèi)的重金屬含量進(jìn)行了相關(guān)性分析。在采集的27個土壤樣品中[19]，分屬9個田塊，因該地區(qū)主要問題是水稻Cd超標(biāo)，故以Cd元素為主，對9個田塊污染梯度進(jìn)行分析。9個田塊的重金屬Cd含量詳見表1。從表1可知，9個田塊土壤樣品中的Cd含量均值呈現(xiàn)3個梯度，因為9號田塊與1～5號田塊同屬一個污染梯度，且7、8、9號田塊同屬于一個家庭的責(zé)任田，其栽種品種、水肥管理一致，故選擇7、8、9號田塊作為研究對象，并分別標(biāo)記為樣品3、2、1。這3個田塊土壤中各重金屬含量詳見表2。

由表2可知，3個田塊土壤中重金屬Cu、Zn、Cd含量在0.05水平下呈顯著差異。Pb金屬元素在1號和2號田塊差異性不明顯，但3號田塊的重金屬含量都顯著高于1號和2號田塊。

表1 9個田塊重金屬含量Table 1 The heavy metal content at nine sample sites mg/kg

注：同一列內(nèi)不同小寫字母表示差異顯著水平達(dá)0.05；土壤中測定的重金屬含量為全量，下同。

表2 土壤重金屬含量

Table 2 The heavy metal content in soilmg/kg

采樣點CuPbZnCd1115.17±8.46c42.23±1.43b57.33±0.86c0.585±0.208c2144.67±10.07b51.90±3.14b84.00±5.65b1.296±0.171b3198.33±9.71a70.17±7.90a112.90±8.07a1.716±0.150a

土壤重金屬污染會改變植物的正常生長環(huán)境，因此土壤中重金屬含量對植物的生長狀況有密切關(guān)系[20]。表3是水稻植株體內(nèi)重金屬含量測定結(jié)果。

表3 水稻重金屬含量

Table 3 The heavy metal content in ricemg/kg

由表3可以看出，3個田塊中水稻植株體內(nèi)4種重金屬元素含量差異性顯著，且含量均為3>2>1。通過對比3個田塊水稻重金屬含量發(fā)現(xiàn)：植株體內(nèi)Cu、Pb、Cd的增幅較大，Zn的增幅較小。李忠海等[21]認(rèn)為，各重金屬元素間的濃度會影響元素之間的協(xié)同或者拮抗作用的強度。在某一點共存元素的協(xié)同或者拮抗作用最大或最小。這可能是各元素增幅大小不一致的原因之一。隨著土壤重金屬含量的增加，水稻體內(nèi)相應(yīng)的重金屬含量也隨之增加，這與李惠英等[22]研究結(jié)果一致。

將每個田塊的土壤與水稻相同金屬離子經(jīng)SPSS進(jìn)行相關(guān)性分析，每組6個數(shù)據(jù)量，共12組。得出各田塊土壤與水稻重金屬含量之間的相關(guān)系數(shù)如表4所示。

表4 土壤與水稻重金屬含量的相關(guān)系數(shù)Table 4 The correlation coefficients between the heavy metal content of soil and rice

注：*表示顯著相關(guān)性；**表示極顯著相關(guān)性，下同。

由表4可知，3個田塊中的水稻Cu、Zn、Cd含量與土壤中相應(yīng)的重金屬含量有顯著或極顯著正相關(guān)。但Pb元素?zé)o顯著相關(guān)性。任繼凱等[23]認(rèn)為，Cd與Pb共存時，它們之間具有拮抗作用。在Pb的濃度較高時拮抗作用更加明顯。這可能是結(jié)果中植株P(guān)b與土壤Pb之間相關(guān)性不顯著的原因之一。

由以上結(jié)果分析可得：1)土壤中4種重金屬離子共存時，Cd與Cu、Zn之間具有協(xié)同作用。2)水稻Cu、Zn、Cd重金屬含量與土壤中相應(yīng)含量有顯著或極顯著正相關(guān)性。其中Cd的相關(guān)性最好，相關(guān)系數(shù)均在0.9以上，且3個污染梯度均呈現(xiàn)極顯著相關(guān)。土壤重金屬含量越高，水稻植株體內(nèi)重金屬含量也隨之升高。這一種顯著正相關(guān)關(guān)系，為通過水稻生長情況來指示土壤重金屬污染奠定了基礎(chǔ)。

2.2 水稻SPAD值分析

植物受到重金屬脅迫其健康會受到影響，通過植物的健康狀況可以指示重金屬污染的情況。在重金屬脅迫下，植物受損害的表現(xiàn)有：植株變矮，生長受限，葉片褪綠、枯萎，葉綠素含量下降等[24]。植物葉綠素相對含量可以通過SPAD值反映，而SPAD值變化會對植物高光譜產(chǎn)生影響[25]。因此，水稻SPAD值與土壤、水稻植株內(nèi)重金屬元素之間是否有顯著相關(guān)關(guān)系，是遙感光譜監(jiān)測能否成功的必要條件。表5是3個田塊水稻SPAD值測定結(jié)果，表6是水稻SPAD值與土壤和水稻植株體內(nèi)的重金屬元素含量之間的相關(guān)性分析。

表5 水稻SPAD值含量及其差異性顯著分析Table 5 The SPAD value of rice and its significant difference analysis

由表5可知，3個田塊中水稻SPAD值呈下降趨勢，3號田塊中的水稻葉面SPAD值顯著低于其他2個田塊，2號田塊顯著低于1號田快。隨著水稻重金屬含量的增加，SPAD值顯著下降。結(jié)合表4所分析的相關(guān)性，可以推論：隨著土壤重金屬含量的增加，水稻SPAD值逐漸降低。

表6 水稻SPAD值與土壤和水稻重金屬含量的相關(guān)系數(shù)Table 6 The coefficients of correlations of the SPAD value with the heavy metal content of soil and rice

由表6可知，水稻SPAD值與土壤中的Cu、Zn、Pb含量相關(guān)性不顯著，但與Cd含量達(dá)到極顯著相關(guān)水平；與水稻植株體內(nèi)的Cu、Zn、Cd含量呈極顯著負(fù)相關(guān)，與水稻Pb無顯著相關(guān)。無論是土壤還是水稻一直與SPAD值保持顯著相關(guān)性的元素是Cd，其相關(guān)系數(shù)分別達(dá)-0.986和-0.980。說明土壤與水稻植株中的Cd含量對水稻SPAD值影響最為顯著。由此可知，水稻SPAD值可以很好地反映土壤Cd污染情況。這是利用高空遙感監(jiān)測水稻SPAD值，繼而反演土壤Cd污染的科學(xué)基礎(chǔ)。

2.3 水稻SPAD值與高空遙感影像光譜特征參數(shù)之間的相關(guān)性分析

水稻SPAD值的變化會對水稻的遙感光譜產(chǎn)生影響，是遙感監(jiān)測的基礎(chǔ)。為實現(xiàn)遙感監(jiān)測，需要對水稻SPAD值與遙感光譜參數(shù)之間的關(guān)系進(jìn)行分析，找出水稻SPAD值與遙感光譜特征值之間的相關(guān)性，結(jié)果見表7。

表7 水稻SPAD值與高空遙感影像光譜特征參數(shù)之間的相關(guān)系數(shù)Table 7 The coefficients of correlations of the SPAD value with the spectral characteristic parameters of rice based on the remote sensing image

由表7可知，水稻SPAD值與高空遙感影像光譜特征參數(shù)中的藍(lán)谷位置、藍(lán)谷深度、紅谷位置、紅邊峰值等具有顯著或極顯著的正相關(guān)性?？蓪⑦@4個光譜特征參數(shù)作為監(jiān)測參數(shù)，實現(xiàn)高空遙感影像光譜特征參數(shù)與水稻SPAD值對接。為分析上述2個變量間相互依賴的定量關(guān)系，對這4個參數(shù)與水稻SPAD 值進(jìn)行了回歸分析。回歸分析方程如下：1)水稻SPAD值與藍(lán)谷位置回歸方程:y=0.758x+463.5,R2=0.909；2)水稻SPAD 值與藍(lán)谷深度回歸方程：y=0.009x+0.533,R2=0.956；3)水稻SPAD 值與紅谷位置回歸方程：y=0.836x+643.2,R2=0.947；4)水稻SPAD 值與紅邊峰值回歸方程：y=0.024x+0.206,R2=0.832。

由以上4個線性回歸方程可知，水稻SPAD值與上述4個監(jiān)測參數(shù)(藍(lán)谷位置、藍(lán)谷深度、紅谷位置、紅峰邊值等)具有良好的線性擬合效果。因此，可以利用這4個高空遙感光譜參數(shù)對水稻SPAD值進(jìn)行反演，進(jìn)而實現(xiàn)對本研究區(qū)域稻田重金屬Cd污染的監(jiān)測。

3 討論與結(jié)論

3.1 討論

1)土壤與水稻之間的重金屬含量相關(guān)關(guān)系分析表明，土壤中Cu、Zn、Cd的含量與水稻植株體內(nèi)相應(yīng)的重金屬含量有顯著或者極顯著的正相關(guān)關(guān)系，即隨著土壤重金屬含量的增加，水稻植株體內(nèi)相應(yīng)的重金屬含量也隨之增加，其中水稻植株體內(nèi)Cd與土壤中Cd的相關(guān)性最為顯著。這與眾多研究結(jié)果一致[26-27]。植物體內(nèi)的重金屬元素主要來源于土壤。而Zn、Pb能促進(jìn)植物對Cd的吸收，造成土壤中的Cd與水稻中的Cd極顯著相關(guān)[23,28]。但也有相反的結(jié)果，如孫年喜等[29]研究黃連時發(fā)現(xiàn)，土壤中Cd含量與黃連中Cd含量不存在相關(guān)性，這可能與選取的植物品種、土壤理化性質(zhì)及植株的耐性有關(guān)。

2)通過對水稻SPAD值分析發(fā)現(xiàn)：隨著田塊重金屬濃度的提高，水稻SPAD值顯著下降，說明土壤重金屬的含量對水稻SPAD值深刻影響。這也與眾多研究結(jié)果相吻合[30-32]，即土壤重金屬含量與植物SPAD值含量負(fù)相關(guān)。余俊[33]認(rèn)為美人蕉葉片的葉綠素值不管在單一還是復(fù)合的重金屬污染下，都會隨著濃度的增加而下降。侯偉艷和王瓊[34]研究發(fā)現(xiàn)玉米幼苗在單一Cu污染下葉綠素含量下降，同時在Cu、Zn的復(fù)合污染下對葉綠素含量也表現(xiàn)出抑制作用。喬琳等[35]研究白菜幼苗時發(fā)現(xiàn)：隨著重金屬 Cu、 Zn、 Fe、 Pb 溶液處理濃度的提高，葉綠素含量降低。說明 Cu、 Zn、 Fe、 Pb 復(fù)合污染在一定程度上影響葉綠素的積累。以上這些結(jié)果均和本研究結(jié)果有相似，但也有研究結(jié)果不相同的：如宋鵬飛等[24]研究發(fā)現(xiàn)，Pb濃度在150 mg/kg之后，灰化苔草SPAD值隨著土壤添加Pb濃度的升高反而出現(xiàn)上升的趨勢。魯先文等[36-37]分別研究單一Cr與Pb對小麥的影響發(fā)現(xiàn)，小麥的葉綠素含量先升高后降低，超過一定濃度后則隨著濃度的升高而降低；胡云虎等[38]研究單一Zn對小麥的影響也得出相同的結(jié)果。這些結(jié)論的不同結(jié)果，可能與選取的植物品種和金屬種類及濃度范圍不同有關(guān)。

3)水稻SPAD值與高空遙感影像光譜特征參數(shù)中的藍(lán)谷位置、藍(lán)谷深度、紅谷位置、紅邊峰值等具有顯著或極顯著的正相關(guān)性。有研究表明[7]，植物的生長變化情況，可以通過監(jiān)測“藍(lán)邊”、“綠峰”、“紅邊”、“紅光低谷”等波段進(jìn)行分析。李慶亭[39]認(rèn)為通過對紅邊參數(shù)進(jìn)行監(jiān)測可以反映植物的生長狀況。Hoque和Huntzler[40]認(rèn)為，植物發(fā)病后葉綠素減少會對吸收谷產(chǎn)生影響，即金屬含量越高吸收谷越淺。Ren 等[41]研究發(fā)現(xiàn)光譜參數(shù)中除紅邊位置的參數(shù)值，紅邊參數(shù)中的波長吸收深度、移動距離也可作為建模的重要參數(shù)。李娜等[42]研究光譜吸收深度發(fā)現(xiàn)，吸收深度和重金屬含量顯著相關(guān)。高娜[43]研究發(fā)現(xiàn)，健康和受害的落葉松光譜差異主要表現(xiàn)在：“藍(lán)谷”、“紅谷”、“綠峰”、“紅邊”、近紅外高反射區(qū)和吸水帶等區(qū)域。Li等[12]研究發(fā)現(xiàn)，紅邊位置與葉綠素的含量密切相關(guān)，預(yù)測值可達(dá)到與化學(xué)分析相近的水平。這些研究結(jié)果有些與文中一致，如“紅谷位置”、“藍(lán)谷深度”、“紅邊峰值”等；有些不一致，如“綠峰”、“紅邊位置”等。這可能與實驗的環(huán)境、選用植物、甚至植物的不同生長階段等有關(guān)。

3.2 結(jié)論

1)隨著土壤重金屬Cu、Zn、Cd等離子濃度的增加，水稻植株體內(nèi)相應(yīng)的重金屬含量也隨之增加，二者之間有顯著正相關(guān)性，其中以Cd的相關(guān)性最佳(>0.9)。Pb無顯著相關(guān)。

2)水稻SPAD值隨著土壤重金屬濃度的提高逐漸下降。其中，水稻SPAD值與植株體內(nèi)Cu、Zn、 Cd含量顯著或極顯著負(fù)相關(guān)， Pb元素相關(guān)性不顯著。但同時與土壤中相應(yīng)重金屬含量顯著相關(guān)的元素只有Cd。

3)水稻SPAD值與高空遙感影像光譜特征參數(shù)中的藍(lán)谷位置、藍(lán)谷深度、紅谷位置、紅邊峰值等具有顯著或極顯著的正相關(guān)性。通過回歸分析，發(fā)現(xiàn)4個參數(shù)與水稻SPAD值均有良好的線性關(guān)系。因此，可以利用這4個高空遙感光譜特征參數(shù)對該區(qū)域土壤重金屬Cd污染進(jìn)行監(jiān)測。