矿区高光谱数据与植物叶绿素含量相关性研究

打开文本图片集

摘 要：以陕西省潼关县金矿区为研究背景，选取葎草、玉米、苦菜、梧桐4种植物为研究对象，使用ASD光谱仪进行野外实地测量，获得4种植物叶片的光谱反射率，室内利用紫外可见分光光度计进行叶绿素含量的测定。通过植物原始光谱、导数光谱、连续统去除法、倒数对数光谱（Log1/R）4种方法比对获得光谱参数与叶绿素含量相关性，建立植物光谱参数与叶绿素含量的回归方程。结果表明：光谱参数与叶绿素含量存在较显著相关性，葎草、玉米相关性顺序为Log1/R>原始光谱>一阶微分>连续统去除（BD>NBDI>BNA），苦菜相关性顺序为原始光谱>一阶导数>BD>NBDI>Log1/R>BNA，梧桐为BD>NBDI>一阶导数>BNA>Log1/R>原始光谱；拟合模型以线性、指数、S形曲线模型最优。

关键词：潼关矿区；ASD；叶绿素估算模型

中图分类号 X50 文献标识码 A 文章编号 1007-7731（2016）11-0016-06

Study on the Correlation between Hyperspectral Data and Chlorophyll Content in Plants

Hou Huifang1 et al.

（1 College of Environmental Science and Engineering，Chang"an University，Xi"an 710054，China）

Abstract：Gold mining area in Tongguan County ，Shaanxi Province as the research background， humulus，corn，sowthistle，buttonwood were selected as the research objects，ASD spectrometer was used to field measurement to get four kinds of plant leaf spectral reflectance，UV visible spectrophotometry meter was used for measuring chlorophyll content .The correlation between Spectral parameters and chlorophyll content were carried out with original spectrum，derivative spectrum，continuum removal，Log1/R treatments.The regression equation of spectral parameters and chlorophyll content was established by choosing the high correlation bands.The results indicated that the spectral parameters and chlorophyll content have a significant correlation and the order of Humulus，corn correlation is Log1/R>original spectra>derivative spectrum>continuum removal （BD>NBDI>BNA），Log1/R，original spectra can be more useful，sowthistle correlation sequence is original spectra>derivative spectrum>BD>NBDI>Log1/R>BNA，buttonwood is BD>NBDI>derivative spectrum>BNA>Log1/R>original spectra；linear，exponential，S-shaped curve models are optimal，fitting degree and correlation remain consistent.

Key words：Tongguan mining area；ASD；Chlorophyll estimation model

叶绿素含量与植被的光合能力、发育阶段以及氮素状况有较好的相关性，因而通常是氮素胁迫、光合作用能力和植被发育阶段的指示器[1]，叶绿素积累量可以反映植物绿色生物量[2]。高光谱技术与传统的遥感技术相比，具有波段多、光谱分辨率高且连续的特点，可以获取植物波谱微弱差异定量特性。植被反射光谱曲线主要由叶面所含叶绿素、水分、氮等其他生物化学成分对光谱的吸收形成的，所以不同种类的植被具有明显不同的光谱特征[3]。叶绿素含量和叶片光谱特性之间存在较强相关性[4]，叶片光谱特性是叶片结构、水分含量和生物化学物质浓度的函数[5]。之前很多学者都进行了叶绿素含量与光谱特性的相关性研究[2-5]，但以矿区为研究背景比较少见。为此，本研究选择葎草、玉米、苦菜、梧桐当地优势物种，利用美国ASD FieldSpec 4光谱仪采集4种植物的光谱曲线，比较导数光谱、连续统去除法、倒数对数光谱（Log1/R）等不同方法获得的光谱参数与叶绿素含量相关性大小，选择相关性较高波段建立叶绿素含量估算模型，为研究矿区植物修复提供科学依据。

1 材料与方法

1.1研究数据的获取

1.1.1 研究区域和样本采集 陕西省潼关县金矿区位于关中盆地东端潼关县，地表水系属黄河水系，自东向西有西峪、东桐峪、善车峪、太裕、麻峪、蒿岔峪、潼峪7条主要峪道。潼关金矿区含金石英脉型，采矿、选矿、冶炼等活动导致矿石及围岩中的重金属元素通过矿业废水和尾矿废渣进入河流、土壤，通过土壤-植物系统造成人体食物链的污染，进而危害人体的健康[6]。在污染现状较重的太裕、东桐峪附近选取采样点，其中太裕3个，东桐峪4个，采样点位置如图1。以矿区玉米、葎草、苦菜、梧桐优势植物为研究对象，选取各采样点生长境况相近的叶片，经保鲜处理带回实验室。

1.1.2 野外高光谱数据获取 野外高光谱数据获取采用美国Analytical Spectral Device Inc（ASD）公司的ASD FieldSpec 4光谱仪。该仪器能够捕获可见和近红外光谱（visible and near-infrared spectrum，VNIR），短波红外光谱（short wave- infrared spectrum，SWIR）。波段值为350～2 500nm，其中350～1 000nm 光谱采样间隔波段宽为1.4nm，光谱分辩率为3nm，1 000～2 500nm 光谱采样间隔波段为2nm，光谱分辩率为10nm。测量时间为2015年9月15日，测量时天气晴朗无风，主要集中在11：00—14：00。仪器探头垂直向下，每次数据采集前都进行标准白板校正，以10个光谱为一采样光谱，每株植物选择相邻2叶片观测2次，进行均值处理，光谱曲线如图2。

图2 4种植物反射光谱曲线

1.1.3 叶绿素含量测定 利用分光光度计在某一特定波长下测定其消光度，计算出提取液中各色素的含量。首先取新鲜叶片擦净表面污物，剪碎（去掉中脉），混匀；然后称取剪碎的样品0.5g，加入丙酮（80%），搅碎，过滤提取液到25mL容量瓶中，定容至25mL，以80%丙酮为空白对照，在波长663nm、646nm、470nm下测定吸光度。计算公式如下：

1.2数据分析方法 使用ViewSpecPro、ENVI软件辅助处理数据，对原始光谱进行求导、连续统去除、Log1/R的提取和计算，方法简单、准确。

1.2.1 原始光谱反射率分析 叶片色素、细胞结构及植物含水量是影响植物反射波谱特征的主要因素。原始光谱反射率作为对植物生化参数的直接展示，一些波谱特性与叶绿素含量相关，以葎草为例，如图3，在可见光区，叶绿素吸收蓝光和红光分别形成蓝谷（450nm附近）和红谷（670nm附近）2个吸收谷，对绿光吸收能力较弱即反射能力强，形成绿峰（550nm附近）。在680～900nm附近，由于叶片内部结构多次反射、散射，形成红外反射坪，即红边，红边是植物光谱曲线最明显的特征[7]。

作文件＼2016＼农学通报＼2016年第11期＼图片＼11-14.tif>

图3 葎草光谱反射率

1.2.2 导数光谱法 导数光谱可以增强光谱曲线在坡度上的细微变化，对植被来说，这种变化与植被的生物化学吸收特性有关，同时也可以消除基线漂移或平缓背景干扰影响，较好反映植被的本质特征[8-9]，通过计算680～750nm波段区间一阶导数来计算红边参数，包括红边位置、红边斜率、红边面积[7]，见表1。因此植物的导数光谱特性可以反映植物的营养状况。

一阶导数表达式为：

1.2.3 倒数对数光谱（Log1/R）分析法 Log1/R是用来衡量光被叶片反射程度的物理量。由于可见光区的原始光谱值一般偏低，光谱反射率经对数变换后，不仅趋向于增强可见光区的光谱差异，而且趋向于减少因光照条件变化引起的乘性因素影响[10]。叶绿素作为叶片中主要影响光吸收、反射的色素，可以建立叶绿素含量与Log1/R的联系，如图5。

1.2.4 连续统去除分析 连续统去除法（包络线去除continnum removal，CR）是一种有效增强感兴趣吸收特征的光谱分析方法，它可以有效突出光谱曲线的吸收和反射特征，并将反射率归一化为0～1，光谱的吸收特征也归一化到一致的光谱背景上，有利于与其他光谱曲线进行特征数值的比较，从而提取特征波段以供分类识别。“包络线”通常定义为逐点直线连接光谱曲线上那些凸出的峰值点，并使折线在峰值点上的外角大于180°，以原始光谱曲线上的值除以包络线上对应的值，即为光谱连续统去除法，又称基线归一化法。连续统去除变量为波深（Band Depth，BD）、归一化波段深度归一化指数（Normalized Band Depth Index，NBDI）、波段面积归一化（Band Area Normalization，BNA），如图6。

式（6）～（8）中，[R"（λi）]为连续统去除反射率，[BD]为波深；[Dc]为波段深度的最大值，[A]为连续统去除后吸收特性面积。

1.2.5 拟合模型选择 使用SPSS软件进行拟合，拟合模型有线性模型、对数模型、幂模型、S模型、生长模型、指数模型，从中选择拟合效果最佳模型。

2 结果与分析

2.1 叶绿素含量分析 由图7可知，DD1～DD4为东桐峪附近4种植物叶绿素含量，葎草、玉米、苦菜走势一致，DTD1叶绿素含量均为最低值；DTT5～DTT7为太裕附近叶绿素含量，葎草、玉米走势一致，梧桐、苦菜走势一致。4种植物叶绿素含量大小顺序为玉米>葎草>梧桐>苦菜。据叶绿素含量主要影响因素分析，4种植物均为阳生植物，且光照、水分、所需矿物等环境因素类似，但是玉米为C4植物，取样为成熟叶片，因此叶绿素含量高；梧桐、葎草为C3植物；苦菜为C4植物，但取样为嫩叶，因此叶绿素含量最低。总体上，4种植物叶绿素含量整体偏低，排除植物本身属性影响，由于取样地点为矿区，还要考虑由于金矿开采造成的重金属污染情况，郭路认为Pb对矿区河水污染最严重，同时发现该地区的底泥地累积指数都在4以上[11]。王爽发现潼关县农田土壤及农作物重金属污染面积达83.6%，重污染面积达30.6%，农作物玉米和其他作物明显受到Hg、Cd、Pb污染[12]。研究区4种植物在三河口叶绿素同时最低，葎草叶绿素含量与污染指数相关性达到59%，玉米为58%，梧桐43%，苦菜偏低为16%，可见重金属对植物叶绿素含量有较大影响，张露洁[13]等研究重金属离子对组培盾叶薯蓣影响中同样得出此结论。

2.2 相关性分析 由图8～11可知，葎草、玉米的叶绿素含量均与原始光谱有较高相关性，且均为正相关。350～700nm可见光波段相关性较高，主要原因是此区间光谱特征主要受叶绿素的吸收影响；700～900nm近红外波段相关性较高的主要原因是叶片对光的反射和多次散射，一阶导数相关性变动较大，但2种植物曲线走势基本一致，葎草在470nm（蓝谷附近）、550nm（绿峰附近）、672nm（红谷附近）、732nm（红边附近）出现峰值，玉米在450～550nm（蓝谷附近）相关性较高，在700nm（红边）出现峰值。虽然在850～900nm叶绿素值与一阶导数光谱值的相关性很高，但是这一波段不是植物色素影响的主要波段，因此不作考虑[14]。连续统去除法得到的变量BD、NBDI、BNA与叶绿素为中低度相关，基本处于（-0.6，+0.6）之间；Log1/R均为中高度负相关，与原始光谱曲线走势相同。苦菜叶绿素含量与原始光谱相关性最高，且均为负相关。一阶导数在470nm（蓝谷附近）出现一峰值，在550～670nm（绿峰到红谷）相关性较高，Log1/R为中低度相关。梧桐叶绿素与光谱变量相关性整体偏低，原始光谱、一阶导数与苦菜走势基本一致。

将上述波段进行函数拟合，回归方程如表3，其中，x为光谱参数，y为叶绿素含量。根据模型最优选择原则，发现线性、指数、S函数拟合效果最佳；葎草、玉米、苦菜原始光谱拟合度最高，梧桐BD拟合度最高，在显著性水平0.05下，葎草、玉米、苦菜连续统法拟合方程没有意义，梧桐原始光谱、BNA，Log1/R无意义，BNA在4种植物拟合效果均无意义，不建议使用此方法研究矿区植被叶绿素，如图12。

3 结论与讨论

运用4种方法对葎草、玉米等天然和人工植物叶片光谱数据与叶绿素含量相关性分析，获得了精度较高的光谱参数，从而建立了叶绿素含量估算模型。结果表明：

（1）不同植物相关性较高波段多数位于光谱特征参数如蓝谷、绿峰、红谷及红边附近。例葎草选择波段681、766、683，玉米波段707，苦菜波段420、554、431，梧桐波段712、758、477、712等。

（2）对原始光谱进行求导、连续统去除、Log1/R等方法获取光谱特征参数与叶绿素含量相关性。葎草、玉米相关性顺序为一阶微分>Log1/R>原始光谱>连续统去除（BD>NBDI>BNA），原始光谱与Log1/R相关性均大于0.5，有较高的应用价值；苦菜相关性最大值顺序为原始光谱>一阶导数>BD>NBDI>Log1/R>BNA，梧桐为BD>一阶导数>NBDI>BNA>Log1/R>原始光谱。

（3）线性、指数、S形曲线模型拟合效果最佳；葎草、玉米、苦菜以原始光谱拟合度最高，梧桐BD最高，葎草、玉米、苦菜使用连续统去除拟合方程均无意义，矿区植物研究需斟酌使用。

（4）苦菜相关性和模型拟合度较其他3种植物偏低，在未来研究中不建议使用嫩叶。

（5）由于植物不同生长生长阶段光谱特性不同，样本数据应进一步收集不同月份的数据，同时应增加采样点，消除统计分析带来的不确定性。

参考文献

[1]Co MinoIta.ChIorophyII SPAD-502 Instruction ManuaI[M].Radiometeric Instruments Operations，l989，17-21.

[2]赵德华，李建龙，宋子键.高光谱技术提取植被生化参数机理与方法研究进展[J].地球科学进展，2003（2）：95-99.

[3]温兴平，胡光道，杨晓峰.从高光谱遥感影像提取植被信息[J].测绘科学，2008（5）：66-68.

[4]Filelia L.The red edge position and shape as indicators of plant chlorophyll content，biomass and hydric status[J].Int.J.Remote Sensing，1994，15（7）：1459-1470.

[5]Curran P J.Dungan J L.，Macler B A，et al.Reflectance spectroscopy of fresh whole leaves for the estimation of chemical concentration[J].Remote Sens.Environ，1992，35：415-420.

[6]徐友宁，张江华.陕西潼关金矿区太峪河底泥重金属元素的含量及污染评价）[J].地质通报，2008，27（8）：1263-1271.

[7]胡红.矿区植物胁迫作用与遥感信息提取[D].青岛：山东科技大学，2010.

[8]雄鹰，刘波，岳跃民.基于ASD和FISS的植被叶片氮素含量反演研究[J].生态环境学报，2013，22（4）：582-587.

[9]王维，沈润平，吉曹翔.基于高光谱的土壤重金属铜的反演研究[J].遥感技术与应用，2011（3）：348-354.

[10]何挺，王静，程烨，等.土壤水分光谱特征研究[J].土壤学报，2006，43（6）：1027-1032.

[11]郭路.陕西潼关金矿区河流重金属污染研究[D].西安：长安大学，2005.

[12]王爽.陕西省潼关县农田土壤及农作物重金属污染现状研究）[D].杨凌：西北农林科技大学，2014.

[13]张露洁，兰利琼，卿人韦，等.几种重金属离子对组培培盾叶薯蓣叶绿素含量的影响[J].四川大学学报，自然科学版.2006，43（1）：200-205.

[14]杨曦光，范文义，于颖.森林叶绿素含量的高光谱遥感估算模型的建立）[J].森林工程，2010，26（2）：8-11. （责编：张宏民）