銅脅迫下玉米葉片污染信息監(jiān)測模型

高鵬 楊可明 王敏

摘要：設置不同濃度銅離子（Cu2+）脅迫梯度（0、250、500 μg/g）玉米盆栽試驗，并測量各脅迫梯度下玉米葉片的光譜數據以及玉米葉片中的Cu2+含量。在諧波處理、包絡線去除、離散小波多層分解的基礎上，將光譜特征吸收面積與小波能量熵相結合，構建探測玉米葉片Cu2+污染信息的光譜特征吸收面積-小波能量熵（SCA-WEE）模型，并與光譜角、光譜相關系數等常規(guī)相似性測度方法和綠峰高度、紅邊位置、紅邊最大值等常規(guī)污染信息監(jiān)測方法作比較分析。結果表明，SCA-WEE模型能夠明顯區(qū)分受污染的玉米光譜，與玉米葉片中Cu2+含量的相關系數達到0.985 6，說明該模型能夠有效甄別極度相似光譜之間的微小差異并判別玉米葉片的污染程度。最后基于不同時期的檢驗數據驗證了SCA-WEE模型在玉米重金屬污染監(jiān)測方面的可行性和穩(wěn)健性。

關鍵詞：高光譜分析;諧波;包絡線;小波能量熵;重金屬銅污染

中圖分類號： TP79;S127 ?文獻標志碼： A ?文章編號：1002-1302（2019）17-0248-04

改革開放以來，我國在工農業(yè)獲得巨大進步的同時也給自然環(huán)境造成了嚴重污染，如工業(yè)污水任意排放、采礦廢石尾礦隨意堆放、農藥化肥不合理使用等引起的銅（Cu）、鉛（Pb）、汞（Hg）等重金屬污染更是備受社會關注[1-4]。銅是人類生活中必不可少的元素，但土壤中的銅離子（Cu2+）不易被微生物分解進而易被農作物吸收，Cu2+在土壤中富集到一定程度后，會嚴重影響農作物的生長，污染食物鏈，危害食品安全和人類健康，甚至影響整個生態(tài)系統(tǒng)[5-8]。因此，重金屬污染監(jiān)測已成為目前研究的熱點問題。傳統(tǒng)重金屬污染監(jiān)測方法存在步驟繁雜、費力耗時、破壞性大且監(jiān)測范圍有限的缺點[9]，而高光譜遙感具備光譜分辨率高、圖譜合一、監(jiān)測范圍廣、在不接觸不損害本體條件下便可實時動態(tài)獲得大量信息等優(yōu)點[10-11]，在土壤和作物重金屬污染監(jiān)測方面具有較好的優(yōu)勢。

已有研究表明，土壤中的重金屬離子被植物吸收后，通過改變植物細胞內大分子構象來破壞植物的細胞組織結構，引起植物產生一系列異常，導致光譜曲線發(fā)生變化[12-13]，因此能夠根據光譜曲線探測植物重金屬污染情況，但受污染和未受污染的植物光譜相似性很高。常規(guī)的光譜角（spectral angle，簡稱SA）、光譜相關系數（spectral correlation coefficient，簡稱SCC）、光譜信息散度（spectral information divergence，簡稱SID）、光譜梯度角（spectral gradient angle，簡稱SGA）等高光譜遙感方法不能有效區(qū)分受污染的植被光譜，且上述方法均是直接使用分析原始光譜反射率，因此一些學者選用微分光譜、分形維數、小波變換等對原始光譜進行變換，深度挖掘光譜信息，達到對植物重金屬脅迫狀況研究的目的，如楊可明等認為，微分光譜角與銅脅迫下玉米葉片中的銅離子含量有顯著相關性[14];劉美玲等運用小波變換和分形維數對受重金屬污染的水稻進行奇異性分析和污染評估[15-16];修麗娜等基于小波變換反演受污染水稻鎘含量[17]。以上研究能夠較好地監(jiān)測重金屬污染，但對于區(qū)分相似光譜效果并不明顯。

小波變換可以較好地體現非平穩(wěn)信號的局部特征，在處理探測故障信號和圖像去燥壓縮中具有優(yōu)勢[18]，包絡線去除法能夠有效地突出光譜曲線吸收和反射特征[19]，在選取特征參數方面有較好的應用。本研究擬基于不同濃度Cu2+脅迫下的玉米盆栽試驗，根據所測得不同濃度下葉片的光譜數據以及葉片中Cu2+的含量，采用包絡線去除法與小波變換相結合的方式，構建光譜特征吸收面積-小波能量熵模型（spectral characteristic absorption area-wavelet energy entropy，簡稱 SCA-WEE）區(qū)分相似光譜，監(jiān)測玉米葉片Cu2+污染，并與綠峰高度（green-peak height，簡稱GH）、紅邊位置（red-edge position，簡稱REP）、紅邊最大值（maximum value of red-edge，簡稱MR）等方法的監(jiān)測結果作對比分析，驗證SCA-WEE模型在監(jiān)測重金屬污染方面的有效性和優(yōu)越性。

1 理論與方法

1.1 諧波分析理論

3 數據處理與分析

3.1 數據處理分析

3.1.1 玉米葉片光譜預處理 對光譜數據進行諧波分解，經多次試驗，當分解30次時去噪平滑效果理想，再對諧波分量進行逆運算得到重構光譜。以CuCK為例，比較原始光譜和諧波處理后的光譜，由圖1可知，玉米葉片光譜得到較好的平滑處理。再對重構光譜作包絡線去除處理，突出光譜特征，依然以CuCK為例，結果見圖2，并計算整個波段范圍內的光譜特征吸收面積。

3.1.2 小波分解 光譜特征吸收曲線能夠從整體上較好地反映光譜的吸收特征，為更好區(qū)分相似光譜信息，進一步對光譜特征吸收曲線作離散小波多層分解，探測光譜曲線的局部差異。根據植物的光譜曲線特性可知，短波紅外波段（1 300～2 500 nm）為水分吸收帶，噪聲很大，為避免其影響結果，只選用350～1 300 nm波段范圍進行小波分解。依據模極大值理論[23]，小波系數極值點可以較好地對應于信號的突變點，且隨著分解尺度的增大，噪聲的影響逐漸減弱，極值點逐漸穩(wěn)定，但極值點與信號突變點位置對應準確度越來越低，因此需要進行多層分解選擇最佳的分解層數。通過試驗比較，采用Db5小波將光譜特征曲線分解為9層，分解后的高頻細節(jié)系數系列為cd1、cd2、cd3、cd4、cd5、cd6、cd7、cd8、cd9，以Cu250為例，結果見圖3。cd1、cd2尺度下小波系數極值點較多，但模值較小，而且低尺度分解噪聲較大;cd3、cd4尺度下小波系數極值點多且模值較大，但根據植被的波譜特征可知，900～1 200 nm處的模極大值是水分吸收造成的，因此cd1～cd4尺度不適合監(jiān)測銅污染信息;cd5尺度下小波系數模值增大，水分吸收引起的噪聲減弱，在720 nm左右處模值較大，奇異性最強，恰好處于紅邊范圍，而該波段范圍是葉綠素強吸收波段，在本試驗中影響葉綠素的因素只有Cu2+含量，因此cd5尺度最適宜探測銅污染信息;cd6、cd7、cd8、cd9尺度下小波系數模值逐漸增大，但極值點個數逐漸減少，曲線越來越平滑，不適合監(jiān)測突變信息。

3.1.3 SCA-WEE模型 銅污染會使植物體內葉綠素和細胞結構發(fā)生改變，從而引起光譜曲線變化，因此整個波段的光譜特征吸收面積能全面反映光譜曲線吸收特征變化;小波能量熵能夠反映光譜的能量分布信息，從局部突出光譜的突變信息。將整個波段的光譜特征吸收面積和由Db5小波函數cd5序列計算的小波能量熵結合構建SCA-WEE模型，從整體和局部監(jiān)測玉米葉片的Cu2+污染情況。

3.2 數據對比分析

以CuCK作為對照光譜，將SCA-WEE值與傳統(tǒng)的光譜角、光譜相關系數等光譜相似性測度方法進行比較分析，結果見表2，可見SA與SCC測度值間差異很小，無法明顯區(qū)分不同脅迫梯度下的玉米光譜;而SCA-WEE值差異明顯，能夠有效區(qū)分不同脅迫梯度下的玉米光譜。

進一步分析SCA-WEE值與玉米葉片中Cu2+含量的相關性，并與光譜特征吸收面積、小波能量熵及常規(guī)的綠峰高度、 紅邊位置、紅邊最大值等方法的監(jiān)測效果作對比分析，不同濃度的Cu2+脅迫下玉米葉片的SCA-WEE模型值與其他計算方法、計算值，以及與葉片中Cu2+含量的相關系數見表3、表4。分析表1、表3、表4可知，SCA-WEE模型值隨著脅迫梯度和玉米葉片中Cu2+含量的增加而增加，且SCA-WEE值與玉米葉片Cu2+含量的相關系數達到0.985 6，相關程度優(yōu)于SCA、WEE及GH、REP、MR等監(jiān)測方法，可見將光譜特征吸收面積和小波能量熵相結合可較好監(jiān)測Cu2+污染信息。

3.3 SCA-WEE模型驗證

為驗證SCA-WEE模型的適用性和可靠性，在2016年采用相同的方法獲取的玉米光譜中隨機挑選的幾組數據對SCA-WEE模型進行檢驗，由表5可以看出，SCA-WEE值差異明顯，與玉米葉片中Cu2+含量的相關系數達到 0.933 3，表明SCA-WEE值有較強的穩(wěn)定性，可以達到監(jiān)測玉米銅污染脅迫狀況的目的。

4 結論

隨著銅脅迫梯度和土壤中Cu2+含量的增大，玉米葉片中的Cu2+含量逐漸增多。Db5小波函數能夠有效探測光譜數據的局部信息，以Db5小波函數對經過處理后的玉米光譜作多層分解，第5層分解結果能有效抑制噪聲，探測銅污染引起的玉米葉片光譜異常信息?；诠庾V特征吸收面積和小波能量熵相結合構建SCA-WEE模型監(jiān)測玉米葉片污染信息，SCA-WEE值與玉米葉片中Cu2+含量呈正相關關系，與玉米葉片中Cu2+含量的相關系數達到0.985 6;SCA-WEE值差異明顯，能夠有效區(qū)分受污染玉米葉片的相似光譜。將SCA-WEE模型與SA、SCC相似性測度方法和GH、REP、MR等監(jiān)測方法進行對比分析，同時以不同時期的數據對SCA-WEE模型進行驗證，結果表明，SCA-WEE模型在玉米葉片Cu2+污染信息監(jiān)測方面有較好的穩(wěn)定性和優(yōu)越性。

參考文獻：

[1]王 美，李書田. 肥料重金屬含量狀況及施肥對土壤和作物重金屬富集的影響[J]. 植物營養(yǎng)與肥料學報，2014，20（2）：466-480.

[2]Tu C，Zheng C R，Chen H M. Effect of applying chemical fertilizers on forms of lead and cadmium in red soil[J]. Chemosphere，2000，41（1/2）：133-138.

[3]樊 霆，葉文玲，陳海燕，等. 農田土壤重金屬污染狀況及修復技術研究[J]. 生態(tài)環(huán)境學報，2013，22（10）：1727-1736.

[4]戴洪波. 土壤重金屬污染治理方法研究進展[J]. 農業(yè)開發(fā)與裝備，2017（9）：45.

[5]Nguyen C，Soulier A J，Masson P，et al. Accumulation of Cd，Cu and Zn in shoots of maize （Zea mays L.） exposed to 0.8 or 20 nM Cd during vegetative growth and the relation with xylem sap composition[J]. Environmental Science and Pollution Research，2016，23（4）：3152-3164.

[6]宋鵬飛，曾雪真，倪才英，等. 鄱陽湖入湖河口土壤重金屬污染評價及藜蒿食用安全分析[J]. 江西農業(yè)大學學報，2015，37（2）：369-375.

[7]宋 偉，陳百明，劉 琳. 中國耕地土壤重金屬污染概況[J]. 水土保持研究，2013，20（2）：293-298.

[8]張 敏，郜春花，李建華，等. 重金屬污染土壤生物修復技術研究現狀及發(fā)展方向[J]. 山西農業(yè)科學，2017，45（4）：674-676.

[9]汪志國，魯安懷. 礦物法治理重金屬污染利弊分析[J]. 環(huán)境科學與管理，2007（5）：118-121.

[10]Koponen S，Pulliainen J，Kallio K，et al. Lake water quality classification with airborne hyperspectral spectrometer and simulated MERIS data[J]. Remote Sensing of Environment，2002，79（1）：51-59.

[11]Kloiber S M，Brezonik P L，Olmanson L G，et al. A procedure for regional lake water clarity assessment using Landsat multispectral data[J]. Remote Sensing of Environment，2002，82（1）：38-47.

[12]朱葉青，屈永華，劉素紅，等. 重金屬銅污染植被光譜響應特征研究[J]. 遙感學報，2014，18（2）：335-352.

[13]潘 攀，楊俊誠，鄧仕槐，等. 土壤-植物體系中農藥和重金屬污染研究現狀及展望[J]. 農業(yè)環(huán)境科學學報，2011，30（12）：2389-2398.

[14]楊可明，史鋼強，魏華鋒，等. 銅離子、鉛離子脅迫的玉米冠層微分光譜與污染效應[J]. 江蘇農業(yè)科學，2015，43（7）：371-374.

[15]劉美玲，劉湘南，李 婷，等. 水稻鋅污染脅迫的光譜奇異性分析[J]. 農業(yè)工程學報，2010，26（3）：191-197.

[16]劉美玲，劉湘南，曹 仕，等. 基于高光譜高頻組份分形特征的水稻鉛脅迫評估[J]. 遙感學報，2011，15（4）：811-830.

[17]修麗娜，劉湘南，劉美玲. 鎘污染水稻高光譜診斷分析與建模[J]. 光譜學與光譜分析，2011，31（1）：192-196.

[18]Yu X C，Liang W，Zhang L B，et al. Dual-tree complex wavelet? transform and SVD based acoustic noise reduction and its application in leak detection for natural gas pipeline[J]. Mechanical Systems and Signal Processing，2016，72-73：266-285.

[19]謝伯承，薛緒掌，劉偉東，等. 基于包絡線法對土壤光譜特征的提取及其分析[J]. 土壤學報，2005（1）：171-175.

[20]丁麗霞，王志輝，葛宏立. 基于包絡線法的不同樹種葉片高光譜特征分析[J]. 浙江林學院學報，2010，27（6）：809-814.

[21]何正友，蔡玉梅，錢清泉. 小波熵理論及其在電力系統(tǒng)故障檢測中的應用研究[J]. 中國電機工程學報，2005（5）：40-45.

[22]趙志宏，楊紹普. 基于相對小波能量的滾動軸承故障診斷[J]. 電子測量與儀器學報，2011，25（1）：44-49.

[23]彭玉華. 小波變換與工程應用[M]. 北京：科學出版社，1999.