朱濟友， 于 強*， 劉曉希， 于 洋， 姚姜銘， 蘇 凱， 牛 騰， 朱 華， 朱秋雨

1. 北京林業(yè)大學(xué)林學(xué)院， 北京 100083 2. 北京林業(yè)大學(xué)外語學(xué)院， 北京 100083 3. 北京衛(wèi)星環(huán)境工程研究所， 北京 100094 4. 廣西大學(xué)林學(xué)院， 廣西 南寧 530005 5. 廣西衛(wèi)生職業(yè)技術(shù)學(xué)院檢驗系， 廣西 南寧 530012

引 言

隨著全球工業(yè)化和城市化的快速發(fā)展， 以大氣顆粒物為主要特征的“城市病”問題日益凸顯[1]。 近年來， 北京由于燃煤廢氣、 交通尾氣、 路面揚塵及風(fēng)沙等因素影響， 造成了較嚴(yán)重的復(fù)合型大氣污染[2-3]。 城市綠化植物在城市環(huán)境中承擔(dān)著固定、 滯留和吸附空氣懸浮顆粒物的重要作用[3]。 而大葉黃楊(Euonymusjaponicus)作為北京常綠闊葉樹中占比最大的灌木樹種， 在提升城市景觀、 改善空氣質(zhì)量等方面發(fā)揮著不可替代的作用[4]。

近年來， 對植物葉表面顆粒物滯留的相關(guān)研究主要集中在不同植物葉面滯塵能力、 滯塵機理及其生態(tài)響應(yīng)對策等方面[4-6]。 研究表明， 植物葉片滯塵能力通常與其樹冠高度、 冠幅大小、 葉面積及葉表面構(gòu)造等參數(shù)密切相關(guān)[6]。 一般粗糙表面、 濃郁被毛、 寬大面積等特征的葉片具有較強的滯塵能力[7]。 此外， 植物葉面滯塵量往往還與大氣顆粒物濃度、 季節(jié)及天氣等因素具有較大的關(guān)聯(lián)性[8]。 基于葉片的大氣凈化功能， 不少學(xué)者開展了葉片滯塵前后光譜特征的相關(guān)研究， 而以往針對葉片滯塵的研究中， 大部分以分散的城市環(huán)境作為采樣點， 未能較好地消除立地、 光照及水肥養(yǎng)護等條件的影響[6-8]。 然而葉片作為植物碳水耦合過程中的重要結(jié)構(gòu)， 在長期的生長、 繁殖和進化過程中對環(huán)境變化極其敏感且具有較大可塑性， 往往在內(nèi)部或表型結(jié)構(gòu)表現(xiàn)出一定的生態(tài)權(quán)衡策略[9]。 因此， 推測當(dāng)植物葉片在受到外界不良環(huán)境的脅迫， 如大氣顆粒物影響的時候， 植物葉片光譜特征是否也會發(fā)生相應(yīng)的變化。

鑒于此， 以大葉黃楊為研究對象， 在城市開放環(huán)境中通過設(shè)置透明屏障板， 劃分高、 中、 低污染梯度。 對比大葉黃楊葉片在無塵和滯塵條件下的光譜曲線特征， 探討葉片表面滯塵對大葉黃楊葉片反射光譜的影響， 并建立不同光譜參數(shù)的葉面滯塵量預(yù)測模型， 為城市綠化植物配置提供重要參考。

1 實驗部分

1.1 試驗設(shè)計及樣本采集

試驗地位于北京市朝陽區(qū)來廣營北路中段公路兩側(cè)， 該區(qū)域周圍開闊、 無高大樹木及建筑遮擋。 經(jīng)調(diào)查， 試驗地的大葉黃楊于2014年栽植， 保證了林木樣本年齡、 土壤、 水分及養(yǎng)護管理的相對一致性。 如圖1所示， 2017年10月在樣地內(nèi)設(shè)置兩條高度為2.5 m的透明隔離帶， 將地塊劃分為高(T1)、 中(T2)和低(T3)3個污染梯度。 屏障隔板為透明材質(zhì)， 且與植株之間保持一定的距離， 避免了陰影的影響。

圖1 試驗設(shè)計圖

于2018年11月采集不同污染梯度環(huán)境下的葉樣。 時間為距采樣當(dāng)天前15 d晴朗、 少云、 無大風(fēng)的天氣， 每種環(huán)境選擇長勢優(yōu)良的大葉黃楊80叢。 均勻剪取健康、 成熟的240張葉片樣本放入干凈的拖盤中(為避免邊緣效應(yīng)， 樣品采集避開屏障板的兩側(cè)植株)， 然后將其帶回室內(nèi)測定。

1.2 葉片反射光譜與滯塵量測量

光譜數(shù)據(jù)獲取的步驟依次為： 稱重、 測光譜、 除塵、 二次稱重、 二次測光譜。 使用電子天平(精度為0.000 1 g)測量葉片質(zhì)量。 光譜采用FieldSpec3型近紅外光譜儀(美國， ASD)測定， 探測波段范圍為300～2 500 nm。 采樣間隔1.4 nm， 視場角30°， 分辨率為3～700 nm。

光譜數(shù)據(jù)采集步驟依次為： 暗掃描、 白板掃描、 調(diào)整透射模式、 探頭垂直于葉片表面上方3 cm處測定、 讀數(shù)穩(wěn)定后保存數(shù)值。 稱重及除塵方法為： 利用醫(yī)用衛(wèi)生鑷子將樣品輕輕地移至電子天平(精度為0. 000 1 g)， 稱取除塵前的葉片質(zhì)量， 然后用醫(yī)用棉球?qū)⑷~片浸入裝有去離子水的大燒杯中均勻刷洗(該操作控制在10 s內(nèi)完成)。 用干燥棉球?qū)⑷~表面水分吸干后， 稱取除塵后的葉片質(zhì)量。 滯塵量為除塵前后的質(zhì)量差。

1.3 數(shù)據(jù)處理

在View Spectral Pro 6.0和ENVI 5.1軟件中分析光譜數(shù)據(jù)， 并在Exel 2016和Origin 8.0數(shù)據(jù)處理軟件中建立預(yù)測模型和出圖。

2 結(jié)果與討論

2.1 葉片原始反射光譜

如圖2所示， 在城市不同程度粉塵污染環(huán)境中， 大葉黃楊葉片反射光譜表現(xiàn)出了相對一致的規(guī)律: ①從可見光到近紅外波段(380～1 100 nm)范圍中， 共有2個主要反射峰和3個主要吸收谷。 其中， 反射峰分別在560和900 nm處， 為植被典型的光譜反射帶。 吸收谷分別位于400～500， 600～700和1 000～1 050 nm范圍內(nèi)， 為植被典型的光譜吸收帶。 ②在700～780 nm波段間， 光譜曲線的斜率及反射率變化較大。 在780～1 300 nm波段出現(xiàn)了一個較陡的反射平臺， 這可能是由于植物葉片水分對該波段有較強的吸收性。

圖2 葉片原始反射光譜

2.2 葉片除塵前后的反射光譜

由圖3可看出， 在不同的光譜波段中除塵葉片和滯塵葉片的反射率具有明顯差異。 葉片光譜反射率在400～760和760～1 100 nm波段分別位于0. 020～0. 140和0. 140～0. 480范圍內(nèi)， 反射率分別表現(xiàn)為滯塵葉片>除塵葉片， 滯塵葉片<除塵葉片。

本實驗基于同一樣地的同一張葉片除塵前后的對比， 不僅排除了光溫水養(yǎng)等環(huán)境因素影響， 同時也排除了葉片自身的葉綠素、 水分等生化組分含量的影響。 盡管樣品采集自不同污染程度環(huán)境， 但除塵前后其光譜曲線總體趨同。 然而， 滯塵葉片與除塵葉片在植被光譜曲線上的差異性較明顯， 其響應(yīng)機理在不同的波段范圍也存在一定差異。 如圖3所示， 滯塵葉片與除塵葉片在350～700， 780～1 400， 1 500～1 800和1 900～2 500 nm波段范圍內(nèi)的光譜反射率大小差異較明顯。 其中， 在350～700和1 900～2 500 nm波段， 光譜反射率表現(xiàn)為滯塵葉片>除塵葉片， 這可能與粉塵粒子的強烈能級轉(zhuǎn)變有關(guān)[10][如圖3(a, b, c)]。 在780～1 400 nm波段， 光譜反射率表現(xiàn)為滯塵葉片>除塵葉片， 不同污染程度環(huán)境表現(xiàn)為： T1>T2>T3， 表明葉面粉塵滯留量越大， 其對光的散射就越強。

圖3 不同污染程度環(huán)境下的葉片光譜曲線

2.3 不同葉面滯塵量的反射光譜

圖4中， 黑色、 紅色、 藍(lán)色、 綠色、 紫色和橙色光譜曲線對應(yīng)的葉片滯塵量分別為0.834 2， 1.083 2， 1.120 2， 1.352 1， 1.539 7和2.038 8 g·m-2。 當(dāng)增加單位面積上粉塵的重量時， 在710～1 350 nm之間總體光譜反射率變化規(guī)律基本一致。 此外， 在可見光波段(350～780 nm) 和近紅外波段(780～1 100 nm)范圍中， 不同滯塵量的葉片對光譜的吸收程度不同， 這可能是粉塵顆粒物對葉片部分波段光的吸收而導(dǎo)致的。 540～700 nm是植物光譜響應(yīng)最為敏感的波段[11]， 本研究顯示， 葉片因受滯留粉塵的影響， 該波段的光譜反射率發(fā)生了明顯變化。 隨著粉塵滯留量的增加， 大葉黃楊葉片在可見光波段的光譜反射率逐漸增大， 而在近紅外波段則逐漸減小。

2.4 滯塵前后一階導(dǎo)數(shù)光譜特征

大葉黃楊葉片在滯塵前后的一階導(dǎo)數(shù)光譜曲線總體趨勢沒有發(fā)生明顯變化(圖5)。 紅邊是紅邊區(qū)間(680～750 nm)中光譜反射率升高速度最大的點， 且是其一階導(dǎo)數(shù)曲線在紅邊區(qū)間內(nèi)的重要拐點。 紅邊語義中包含了紅邊位置和紅邊斜率。 其中， 紅邊位置是鑒定脅迫程度的重要參數(shù)； 而紅邊斜率能較好地表征植物的葉綠素含量[11]。 由圖5(a)和(b)可知， 滯塵葉片的紅邊斜率相比除塵葉片較小， 但滯塵對紅邊位置無明顯影響， 這說明了滯留在葉片上的大氣顆粒物可能是導(dǎo)致其葉綠素含量降低的主要因素之一。

圖4 不同滯塵量的葉面光譜曲線

圖5 有無滯塵葉片的一階導(dǎo)數(shù)光譜曲線

2.5 葉片滯塵量預(yù)測模型建立與篩選

以往的研究表明， 在眾多光譜參數(shù)中， 綠峰、 葉面水含量指數(shù)、 葉綠素指數(shù)、 紅邊指數(shù)、 歸一化指數(shù)、 簡單比值指數(shù)、 光合反射指數(shù)可以很好地反映葉片的光譜反射率[11-12]。 因此， 本研究將以上7個光譜參數(shù)作為自變量， 大葉黃楊的葉面滯塵量作為因變量進行回歸分析， 分別建立線性、 二項多項式、 對數(shù)、 乘冪和指數(shù)形式的葉面滯塵量預(yù)測模型(表1)。

表1 光譜參數(shù)

表2 葉面滯塵量的光譜模型

隨機選擇180個葉片樣本建立大葉黃楊滯塵量的預(yù)測模型。 結(jié)果表明， 葉面滯塵量光譜預(yù)測模型的決定系數(shù)R2值由大到小分別為葉面水含量指數(shù)、 簡單比值指數(shù)、 歸一化指數(shù)、 紅邊指數(shù)、 光合反射指數(shù)、 葉面葉綠素指數(shù)、 綠峰(表2)。 其中， 葉面水含量指數(shù)、 簡單比值指數(shù)、 歸一化指數(shù)、 紅邊指數(shù)、 光合反射指數(shù)的葉面滯塵光譜預(yù)測模型的決定系數(shù)R2值均達(dá)到顯著水平， 說明光譜反射率與滯塵量之間具有較穩(wěn)定的相關(guān)關(guān)系。 而葉面葉綠素指數(shù)和綠峰預(yù)測模型的R2值相對較小， 說明這兩個參數(shù)的預(yù)測模型穩(wěn)定性及精度較差。 因此， 依據(jù)決定系數(shù)R2最大化原則， 以葉面水含量指數(shù)、 簡單比值指數(shù)建立的預(yù)測模型效果較好。

2.6 預(yù)測模型檢驗

如圖6所示， 使用60個葉片高光譜及其葉面滯塵量數(shù)據(jù)檢驗所建立的預(yù)測模型。 結(jié)果表明， 基于葉面水含量指數(shù)[見圖6(a)]和簡單比值指數(shù)[見圖6(b)]建立葉面滯塵量預(yù)測模型的預(yù)測值與實測值結(jié)果較為一致，R2分別為0.987 7和0.887 3。 同時， 其相對均方根誤差RRMSE均較小， 分別為0.102 3和0.105 7， 表明該預(yù)測模型具有較高的穩(wěn)定性， 可有效地對大葉黃楊的葉面滯塵量進行預(yù)測。

圖6 光譜參數(shù)預(yù)測模型的檢驗

3 結(jié) 論

在城市的開放環(huán)境中， 研究了北京市常用綠化樹種大葉黃楊在不同滯塵程度影響下的葉面光譜響應(yīng)特性， 確定了其光譜響應(yīng)的敏感波段， 并進一步分析了大葉黃楊葉片高光譜參數(shù)與其葉面滯塵量之間的相關(guān)關(guān)系， 建立大葉黃楊葉面滯塵量的預(yù)測模型， 主要結(jié)論如下。

(1)在城市不同顆粒物污染梯度環(huán)境中， 大葉黃楊葉片反射光譜表現(xiàn)出相對一致的規(guī)律。 在可見光波段和近紅外波段處出現(xiàn)2個反射峰(560和900 nm)和3個吸收谷(400～500， 600～700和1 000～1 050 nm)。

(2)除塵與滯塵葉片的反射率在不同波段變化規(guī)律存在明顯差異。 葉片光譜反射率在400～760和760～1 100 nm波段分別位于0.020～0.140和0.140～0.480范圍內(nèi)， 反射率分別表現(xiàn)為滯塵葉片>除塵葉片， 滯塵葉片<除塵葉片。

(3)植被光譜曲線在滯塵與除塵葉片差異明顯。 在350～700和1 900～2 500 nm波段， 光譜反射率表現(xiàn)為滯塵葉片略高于除塵葉片。 而在780～1 400 nm范圍內(nèi)， 滯塵葉片光譜反射率則顯著低于除塵葉片， 差異性大小依次為： 重度污染區(qū)、 中度污染區(qū)、 輕度污染區(qū)。

(4)隨著葉面粉塵滯留量的增多， 可見光波段的光譜反射率呈增大趨勢， 而近紅外波段的光譜反射率則呈減小趨勢。 除塵、 滯塵葉片的一階導(dǎo)數(shù)光譜曲線的總體趨勢相對一致， 但數(shù)值不同。 粉塵對葉片的紅邊斜率影響較大， 表現(xiàn)為滯塵葉片<無塵葉片， 而對紅邊位置沒有顯著影響。

(5)葉面滯塵量光譜預(yù)測模型以葉面水含量指數(shù)、 簡單比值指數(shù)建立二次多項式的預(yù)測模型效果最好。 檢驗表明， 其R2分別達(dá)到0.987 7和0.887 3， 擬合效果較好， 說明這2個預(yù)測模型可有效地估測大葉黃楊葉面的滯塵量。