高鵬 楊可明 王敏

摘要：設(shè)置不同濃度銅離子（Cu2+）脅迫梯度（0、250、500 μg/g）玉米盆栽試驗(yàn)，并測量各脅迫梯度下玉米葉片的光譜數(shù)據(jù)以及玉米葉片中的Cu2+含量。在諧波處理、包絡(luò)線去除、離散小波多層分解的基礎(chǔ)上，將光譜特征吸收面積與小波能量熵相結(jié)合，構(gòu)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(guān)系數(shù)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(jié)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(guān)系數(shù)達(dá)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(yàn)數(shù)據(jù)驗(yàn)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(guān)鍵詞：高光譜分析;諧波;包絡(luò)線;小波能量熵;重金屬銅污染

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

改革開放以來，我國在工農(nóng)業(yè)獲得巨大進(jìn)步的同時也給自然環(huán)境造成了嚴(yán)重污染，如工業(yè)污水任意排放、采礦廢石尾礦隨意堆放、農(nóng)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(guān)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(jìn)而易被農(nóng)作物吸收，Cu2+在土壤中富集到一定程度后，會嚴(yán)重影響農(nóng)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(diǎn)問題。傳統(tǒng)重金屬污染監(jiān)測方法存在步驟繁雜、費(fèi)力耗時、破壞性大且監(jiān)測范圍有限的缺點(diǎn)[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(shí)時動態(tài)獲得大量信息等優(yōu)點(diǎn)[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(xì)胞內(nèi)大分子構(gòu)象來破壞植物的細(xì)胞組織結(jié)構(gòu)，引起植物產(chǎn)生一系列異常，導(dǎo)致光譜曲線發(fā)生變化[12-13]，因此能夠根據(jù)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(guān)系數(shù)（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(xué)者選用微分光譜、分形維數(shù)、小波變換等對原始光譜進(jìn)行變換，深度挖掘光譜信息，達(dá)到對植物重金屬脅迫狀況研究的目的，如楊可明等認(rèn)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(guān)性[14];劉美玲等運(yùn)用小波變換和分形維數(shù)對受重金屬污染的水稻進(jìn)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(xiàn)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(luò)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(shù)方面有較好的應(yīng)用。本研究擬基于不同濃度Cu2+脅迫下的玉米盆栽試驗(yàn)，根據(jù)所測得不同濃度下葉片的光譜數(shù)據(jù)以及葉片中Cu2+的含量，采用包絡(luò)線去除法與小波變換相結(jié)合的方式，構(gòu)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(jié)果作對比分析，驗(yàn)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(shù)據(jù)處理與分析

3.1 數(shù)據(jù)處理分析

3.1.1 玉米葉片光譜預(yù)處理 對光譜數(shù)據(jù)進(jìn)行諧波分解，經(jīng)多次試驗(yàn)，當(dāng)分解30次時去噪平滑效果理想，再對諧波分量進(jìn)行逆運(yùn)算得到重構(gòu)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(gòu)光譜作包絡(luò)線去除處理，突出光譜特征，依然以CuCK為例，結(jié)果見圖2，并計(jì)算整個波段范圍內(nèi)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(jìn)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(jù)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(jié)果，只選用350～1 300 nm波段范圍進(jìn)行小波分解。依據(jù)模極大值理論[23]，小波系數(shù)極值點(diǎn)可以較好地對應(yīng)于信號的突變點(diǎn)，且隨著分解尺度的增大，噪聲的影響逐漸減弱，極值點(diǎn)逐漸穩(wěn)定，但極值點(diǎn)與信號突變點(diǎn)位置對應(yīng)準(zhǔn)確度越來越低，因此需要進(jìn)行多層分解選擇最佳的分解層數(shù)。通過試驗(yàn)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(xì)節(jié)系數(shù)系列為cd1、cd2、cd3、cd4、cd5、cd6、cd7、cd8、cd9，以Cu250為例，結(jié)果見圖3。cd1、cd2尺度下小波系數(shù)極值點(diǎn)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(shù)極值點(diǎn)多且模值較大，但根據(jù)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(shù)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(qiáng)，恰好處于紅邊范圍，而該波段范圍是葉綠素強(qiáng)吸收波段，在本試驗(yàn)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(shù)模值逐漸增大，但極值點(diǎn)個數(shù)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(nèi)葉綠素和細(xì)胞結(jié)構(gòu)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(shù)cd5序列計(jì)算的小波能量熵結(jié)合構(gòu)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(shù)據(jù)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(guān)系數(shù)等光譜相似性測度方法進(jìn)行比較分析，結(jié)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(jìn)一步分析SCA-WEE值與玉米葉片中Cu2+含量的相關(guān)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(jì)算方法、計(jì)算值，以及與葉片中Cu2+含量的相關(guān)系數(shù)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(guān)系數(shù)達(dá)到0.985 6，相關(guān)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(jié)合可較好監(jiān)測Cu2+污染信息。

3.3 SCA-WEE模型驗(yàn)證

為驗(yàn)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(jī)挑選的幾組數(shù)據(jù)對SCA-WEE模型進(jìn)行檢驗(yàn)，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(guān)系數(shù)達(dá)到 0.933 3，表明SCA-WEE值有較強(qiáng)的穩(wěn)定性，可以達(dá)到監(jiān)測玉米銅污染脅迫狀況的目的。

4 結(jié)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(shù)能夠有效探測光譜數(shù)據(jù)的局部信息，以Db5小波函數(shù)對經(jīng)過處理后的玉米光譜作多層分解，第5層分解結(jié)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。基于光譜特征吸收面積和小波能量熵相結(jié)合構(gòu)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(guān)關(guān)系，與玉米葉片中Cu2+含量的相關(guān)系數(shù)達(dá)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(jìn)行對比分析，同時以不同時期的數(shù)據(jù)對SCA-WEE模型進(jìn)行驗(yàn)證，結(jié)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(xiàn)：

[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(xué)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(nóng)田土壤重金屬污染狀況及修復(fù)技術(shù)研究[J]. 生態(tài)環(huán)境學(xué)報，2013，22（10）：1727-1736.

[4]戴洪波. 土壤重金屬污染治理方法研究進(jìn)展[J]. 農(nóng)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(nóng)業(yè)大學(xué)學(xué)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(fù)技術(shù)研究現(xiàn)狀及發(fā)展方向[J]. 山西農(nóng)業(yè)科學(xué)，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(xué)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(yīng)特征研究[J]. 遙感學(xué)報，2014，18（2）：335-352.

[13]潘 攀，楊俊誠，鄧仕槐，等. 土壤-植物體系中農(nóng)藥和重金屬污染研究現(xiàn)狀及展望[J]. 農(nóng)業(yè)環(huán)境科學(xué)學(xué)報，2011，30（12）：2389-2398.

[14]楊可明，史鋼強(qiáng)，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(yīng)[J]. 江蘇農(nóng)業(yè)科學(xué)，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(nóng)業(yè)工程學(xué)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(xué)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(xué)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(luò)線法對土壤光譜特征的提取及其分析[J]. 土壤學(xué)報，2005（1）：171-175.

[20]丁麗霞，王志輝，葛宏立. 基于包絡(luò)線法的不同樹種葉片高光譜特征分析[J]. 浙江林學(xué)院學(xué)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(yīng)用研究[J]. 中國電機(jī)工程學(xué)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(xué)報，2011，25（1）：44-49.

[23]彭玉華. 小波變換與工程應(yīng)用[M]. 北京：科學(xué)出版社，1999.