论文部分内容阅读
矿山高强度持续开采所产生的矸石堆、尾矿与废水对矿区及周边生态环境与农业安全带来严重的挑战,其中,重金属污染是一类重要的环境问题。在我国,玉米有着广泛的栽种,特别在矿区也是一种重要的农作物。高光谱遥感能提供连续、精细的光谱,其光谱具有细微识别和无损探测等优势,并具备区分地物诊断性光谱特征的能力。为及时、有效利用高光谱技术对玉米农作物受重金属铜污染胁迫情况进行监测,在地面实验室设置了 1 1个梯度铜胁迫玉米植株盆栽实验,从光谱维与频率域视角,开展了玉米叶片铜污染弱信息提取与反演模型的研究。论文主要完成了以下几个方面的工作:1、基于PROSPECT-D叶片辐射传输模型,探讨与分析了铜胁迫下玉米叶片中叶绿素、叶片内部结构与水分含量变化及其叶片光谱响应机理,经研究得出:(1)玉米叶片光谱对叶绿素的响应主要位于400-800nm波段,其中500-650nm波段影响较大;铜污染胁迫下,玉米叶片维管崩解、塌陷,维管壁厚度有变小趋势,叶片内部结构排列变得无序,叶片内部变厚,叶片结构系数变大,从近红外波段到短波红外波段其反射率也会增大。铜污染胁迫下,玉米叶片水平衡被打破,玉米叶片光谱对水分变化的响应位于900-2500nm波段,在970nm、1200nm、1450nm及1950nm波段附近,由于水分子振动的倍频或合频处水分对入射光谱的强吸收,在970nm、1200nm、1450nm与1950nm波段附近形成了较为明显的水吸收谷。(2)可见光-近红外波段范围内的400-900nm波段是对玉米叶片铜污染弱信息分析的重要波段。2、选取光谱维中9个植被指数、6个光谱特征参量与构建的光谱微分差信息熵ESDD指数对玉米出穗期新叶、中叶、老叶中铜污染弱信息分析与提取,经研究得出:(1)mNDVI705、SR705、NDVI705、MCARI、NPCI、RVSI等 6个植被指数与出穗期新叶、中叶铜含量相关性大于0.5,其中,mNDVI705、SR7D5、NDVI705、MCARI等4个植被指数对应的相关性都大于0.7;mNDVI705、SR705、NDVI705、MCARI等4个植被指数与老叶中铜含量相关性大于0.5。对于玉米新叶、中叶与老叶,mNDVI705植被指数构建的指数模型在反演叶片铜含量时精度较高,其决定系数R2分别为0.716、0.418与0.695。(2)对于玉米新叶、中叶,REP与铜含量相关性都大于0.6,表明REP是进行玉米铜胁迫判别的重要光谱特征参量。对于新叶,REP构建的二次多项式模型精度最高,其R2为0.498。(3)构建的光谱微分差信息熵指数ESDD(480-670)与ESDD(670-750)能较好的描述各梯度玉米叶片光谱微分差所蕴含的铜污染胁迫信息。基于ESDD(480-670)的指数函数与ESDD(670-750)的一元二次多项式函数模型在预测新叶铜含量时,效果较好。3、将谐波分析理论引入到玉米铜污染胁迫分析中,阐述了谐波分析用于玉米铜污染胁迫分析的理论基础。在480-670nm与670-750nm两波段构建了正常生长、低浓度胁迫与高浓度胁迫条件下的模拟光谱,利用模拟光谱数据验证了谐波子信号振幅具有较强的光谱弱畸变探测与分析能力。基于玉米出苗期、拔节期与出穗期老叶、中叶、新叶光谱,将谐波分析用于玉米植株铜污染胁迫分析中,研究得出:(1)玉米生长的出苗期、出穗期是利用谐波子信号振幅特征进行玉米植株铜污染胁迫监测的最佳生长阶段。(2)在出苗期,在480-670nm波段,在Cu(100)到Cu(1200)梯度内,新叶、中叶光谱谐波振幅C1、C2可有效判别与区分玉米植株受铜污染胁迫的程度,对于玉米老叶,在Cu(100)到Cu(1200)梯度内,谐波振幅C1可判别与区分玉米植株受铜污染胁迫程度;在出苗期,在670-750nm波段,玉米老叶、中叶光谱谐波振幅Ci在Cu(100)到Cu(1200)梯度内,可有效判别与区分玉米植株受铜污染胁迫程度。(3)出穗期,在玉米老叶480-670nm波段,从Cu(50)到Cu(1200)梯度,除Cu(1000)梯度外,谐波子信号振幅C1可较好区分与判别玉米植株受铜污染胁迫程度。4、将Hilbert边际谱理论引入到玉米叶片铜污染弱信息分析中,经研究得到:(1)不同梯度玉米老叶光谱400-900nm波段的Hilbert边际谱频率主要位于0-30Hz,且存在较大差异,30-100Hz频率内边际谱存在较小的变化、也承载一定的玉米叶片铜污染信息。(2)对于叶片光谱400-900nm波段,频率位于0-lOOHz的边际谱特征能很好的表征玉米叶片中铜污染弱信息。(3)构建了边际谱振幅最大值(MSAM)、边际谱包围面积(MSA)、边际谱均值(MSM)与边际谱能量(MSE)等4个特征参量,4个边际谱特征参量与铜含量正相关,其中MSE、MSM与铜含量的相关系数均大于0.8,MSE与MSM的分析能力强于MSA、MSAM。(4)构建了基于MSA、MSE、MSM与MSAM的叶片铜含量预测模型,其中,基于MSE的一元线性函数模型预测精度最高,R2为0.557,RMSE为3.619μg/g。5、为减少光谱维或频率域中单一类型参量在诊断铜污染弱信息的不确定性与稳定性差等不足,创新性的提出了光谱维与频率域特征参量协同的玉米叶片铜污染协同框架及反演模型。利用5个植被指数、光谱微分差信息熵、第1谐波子信号振幅与4个Hilbert边际谱特征参量,基于ICA与RBF神经网络,构建了 6种不同参数组合的玉米叶片铜含量反演模型。6个模型中,模型预测精度由高到低的顺序为:方案5、方案2、方案6、方案4、方案1、方案3。光谱维与频率域类型特征参数协同可在一定程度上减小单一类型参量在反演叶片铜污染信息的不足,有利于玉米叶片铜含量反演。