受污染胁迫玉米叶绿素含量微小变化的高光谱反演模型.docVIP

第３０卷，第ｌ期２０ｌ０年１月 光谱学与光谱分析 ＳｐｅｃｔｒｏｓｃｏｐｙａｎｄＳｐｅｃｔｒａｌＡｎａｌｙｓｉｓ Ｖ０１．３０，Ｎｏ．１，ｐｐｌ９７—２０１ Ｊａｎｕａｒｙ，２０１０ 受污染胁迫玉米叶绿素含量微小变化的高光谱反演模型 王平１，刘湘南２，黄 方１ １．东北师范大学城市与环境科学学院，吉林长春１３００２４２．中国地质大学信息工程学院，北京 １０００８３ 摘要通过野外实验测试和窜内样品化验，获得３个不同污染状况农田样地自然环境下玉米的高光谱反射率、叶片的叶绿素含量、叶片和土壤的重金属含量等数据。对高光谱数据的可见光波段（４００～８００ｒｉｍ）进行导数光谱计算和连续统去除处理，得到吸收谷位置、吸收深度、绿峰位置、绿峰处归一化反射值、红边位置、红边处归一化反射率、红肩位置、吸收宽度、光谱不对称度等光谱特征参数。分析上述参数的物理含义并将其和玉米叶绿素含量变化进行相关分析，选择并确定与玉米污染胁迫叶绿索微小变化有一定关系的参 数，作为输入因子，建立ＢＰ神经网络模型，逐步增强并提取农田污染胁迫状态下玉米叶绿素含量的微小变 化信息。 关键词高光谱反射率；叶绿索；弱信息；污染胁迫；ＢＰ神经网络中图分类号：Ｓ１２１：ＴＰ７９ 文献标识码：Ａ ＤＯＩ：１０．３９６４／ｊ．ｉｓｓｎ．１０００－０５９３｛２０１０｝０１—０１９７—０５ 多次实测高光谱和叶片牛化数据，分析不同污染程度区域的 引言 叶绿素浓度是指示植物营养胁迫、光合作用能力和发育 玉米冠层反射光谱差异，研究污染胁迫下的玉米高光谱反射特性，选取并计算能有效反映玉米受污染胁迫影响的光谱特征参数作为输入值，构建ＢＰ人工神经网络模型，逐步增强污染胁迫下玉米叶绿素浓度微小变化弱信息，取得较好的实验效果。 状态的一个重要指标。植被光谱特征与其牛物物理参数旱显著相关［１ｆ３］，利用高光谱遥感数据建立叶绿素含量反演模型具有可行性。这些研究多利用多元逐步回归法建立光谱数据或其变化形式（如植被指数）与叶片牛化参数的关系模型［４加］。但多元逐步回归模型中入选波段常与作物牛化组分的吸收特征无明确关系，使得该方法的应用缺乏物理依据。目前开展污染胁迫下玉米叶绿素含昔微小变化研究的较少。 １数据来源与处理方法 １．１采样地点 玉米高光谱数据及相关生化参数采集样地共３处：１号样地位于长春市西北郊的四间房村（１２５。１５’５９．８”Ｅ，４３。５７’０７．８”Ｎ），邻近大型玉米加工厂；２号样地位于长春市西南部的西新镇（１２５。ｉ０１１．３”Ｅ，４３。５２’０８．３”Ｎ），邻近第一汽车制造厂；３号采样地块位于农安县合隆镇（１２５。１０’１５．９”Ｅ，４４。０６’１９．５”Ｎ），周边无工业企业。１．２高光谱数据采集 三块样地分别标记２０个仲胃作为光谱采集点，利用美国ＡＳＤ公司Ａｇｒｉ Ｓｐｅｃ ７ 部分学者研究铜、铅等重金属胁迫下玉米叶绿素含量与光谱 反射率的关系，但都是人工控制定量地添加浓度较大的污染物（铜，铅，镉等化合物），使用经验统计模型反演植株叶绿素浓度Ｌ１１。１引。然而，农业生产过程中，土壤污染物的含量相对较少，只有在工业生产区、矿区或采用工业污水灌溉的农田，才会出现相对较大浓度的污染物含鼍，而这种含量通常也比实验摩添加污染物的含量要小得多。因此，作物的反应也相财比较小，叶绿素含鼍的变化微弱，在高光谱遥感数据上也没有明显、直接的反应。如何有效地识别、增强并提取这种大范围内微小变化的遥感信息，是遥感应用领域一个迫切需要解决的ｆｎ】题。 ＴＭ便携式地物波谱仪测定玉米冠层 ５００ ｎｌＴｌ。 的光谱反射率，波长范围３５０～２ ２００８年７月至９月，在玉米生长的几个主要关键时期，选择晴朗无风的天气，于北京时间ｌＯ：３０～１４：００进行光谱测量。每块样地实施光谱测量之前都进行白板标定，测量结 本文以自然生长状况下的玉米为试验对象，在其生长期 收稿日期：２００９—０２－０２．修订日期：２００９—０５－０６ 基金项目：国家高技术研究发展计划（“８６３”）（２００７ＡＡｌ２２１７４）和国家自然科学基金项目资助作者简介：王平，女，１９７７年生，东北师范大学城市与环境科学学院讲师 ｅ－ｍａｉｌ：ｗａｎｇｐ６６６＠ｌｌｅｒｌｕ．ｅｄｕ．ｃＩｌ 万方数据　 １９８ 光谱学与光谱分析第３０卷 果为玉米植株光谱反射率。设定１０。视场角，传感器探头垂直向下，距冠层顶部约１１２＂１，每个测试点采集１０个光谱数 ～８００ｎｌｎ波段的反射光谱进行归一化处理，弱化光谱采集 时光线条件的影响，并准确而方便地获取反射光谱的吸收特征。 据，取其平均值作为一个样本的结果。共获得１０９组有效数 据。 １．３玉米叶片叶绿素含量测定 １．５．２导数光谱 植被红光波段反射光谱一阶微分最大值处对应的光谱位 置（波长）称为“红边”。反射光谱