我国农田重金属污染形势不容乐观。 土壤中的重金属被作物根系吸收后会影响作物正常的生长发育, 降低农产品质量, 进而通过食物链进入人体, 危害人体健康。 高光谱遥感为实时动态高效监测作物重金属污染提供了可能。 设置不同浓度Cu2+胁迫梯度的玉米盆栽实验, 并采集苗期、 拔节期和穗期玉米老、 中、 新叶片光谱数据, 测定不同生长时期叶片叶绿素含量、 叶片Cu2+含量。 基于所获取的光谱数据、 叶绿素含量和叶片Cu2+含量, 结合相关分析法、 最佳指数法（OIF）和偏最小二乘法（PLS）构建OIF-PLS法提取含有Cu2+污染信息的特征波段。 首先依据苗期、 拔节期和穗期叶片叶绿素含量及穗期叶片Cu2+含量与相应叶片光谱的相关系数初步筛选特征波段； 然后, 从中选取三个波段计算最佳指数因子, 并以该三个波段为自变量, 对玉米叶片Cu2+含量进行偏最小二乘回归分析, 计算均方根误差； 最后根据最佳指数因子最大、 均方根误差最小的原则选取最佳特征波段。 基于OIF-PLS法所选取的特征波段构造植被指数OIFPLSI监测重金属铜污染, 并与常规的红边归一化植被指数（NDVI705）、 改进红边比值植被指数（mSR705）、 红边植被胁迫指数（RVSI）和光化学指数（PRI）监测结果做比较, 验证OIFPLSI的有效性和优越性。 另外利用在相同的实验方法下获取的不同年份的数据对OIFPLSI进行检验, 验证OIFPLSI的适用性和稳定性。 实验结果表明, 基于OIF-PLS法提取的特征波段（542, 701和712 nm）比基于OIF法提取的特征波段（602, 711和712 nm）能更好地反映Cu2+污染信息； 植被指数OIFPLSI与叶片Cu2+含量显著正相关, 相关性优于NDVI705, mSR705, RVSI和PRI； OIFPLSI与叶片叶绿素含量显著负相关, 与土壤中Cu2+含量显著正相关； 不同生长时期OIFPLSI与土壤中Cu2+含量的相关性高低依次为拔节期、 穗期、 苗期。 基于不同年份数据验证结果表明, OIFPLSI与叶片Cu2+含量显著正相关, OIFPLSI具有较强的稳定性。 基于OIF-PLS法所提取的特征波段构建的OIFPLSI能够较好地诊断分析玉米叶片铜污染水平, 可为作物重金属污染监测提供一定的技术参考。

高光谱遥感监测农作物重金属污染已成为遥感研究的重要内容之一。 受污染的作物叶片中重金属含量映射到光谱上的信息量差异较微弱, 如何灵敏地挖掘其所包含的价值信息具备一定挑战性。 以农作物叶片光谱为研究对象, 通过多个光谱特征波段组合的方式, 提出了一种铜污染植被指数(CPVI)的污染程度探测模型, 来表征重金属Cu对农作物的污染程度。 首先设置盆栽实验, 将不同浓度梯度的CuSO4·5H2O粉末添加到土壤中, 模拟Cu污染土壤环境, 胁迫玉米生长。 采集玉米穗期的老、 中、 新叶片光谱, 测定叶片中Cu2+含量及相对叶绿素浓度。 而后利用随机选取的58组玉米叶片光谱作为实验数据, 在380～900 nm波长范围内选取波长λ1和λ2的两组叶片光谱反射率并计算相应的CPVI［λ1, λ2］模型指数及其与对应叶片中Cu2+含量的皮尔逊相关系数, 得到相关性特征绝对值矩阵。 其次, 根据得到的相关性特征绝对值矩阵, 提取皮尔逊相关系数较高的光谱特征波段690和465 nm, 并结合波段850 nm建立针对玉米叶片的铜污染植被指数(CPVIm)。 之后, 利用另外26组数据对CPVIm指数进行检验, 同时将该指数与归一化植被指数(NDVI)、 陆地叶绿素指数(MTCI)等常规植被指数进行比较以验证CPVIm的有效性与优越性。 结果表明, NDVI, MTCI, REP和DVI与叶片中Cu2+含量相关系数最高仅为0.68, 残差平方和RSS最低为70.99, 而CPVIm与叶片中Cu2+含量显著负相关, 相关系数达-0.80, 残差平方和为48.52, 均优于NDVI和MTCI等常规植被指数, 证明CPVIm对重金属胁迫更敏感。 同时利用两期不同年份不同品种的玉米光谱数据进行CPVIm指数的鲁棒性验证, CPVIm与叶片Cu2+含量的相关系数r分别为-0.90和-0.96, 均显著相关, 说明该指数对于不同品种的玉米污染程度探测仍具有良好的适用性。 另外, 利用玉米叶片中Cu2+含量、 CPVIm和叶片中叶绿素相对浓度构建三维分析模型, 从空间角度直观地反映了三者之间具有一定的相关关系。 通过光谱特征波段组合方式构建的CPVI探测模型可作为评价农作物重金属污染程度的参考方法, 基于该方法构建的CPVIm指数可有效甄别玉米受重金属Cu2+污染的程度。

农作物重金属污染监测是当今高光谱遥感研究的重要内容之一, 旨在设计一种新的窄带植被指数, 以实现不同培育期的两种玉米品种的重金属铜胁迫监测。 研究设计了不同浓度的铜污染实验, 采用SVCHR-1024I型高性能地物光谱仪测量不同浓度铜离子（Cu2+）胁迫下玉米叶片的光谱反射率, 并同步获取了玉米叶片中Cu2+含量数据。 首先, 对玉米叶片原始光谱数据进行一阶差分处理, 并计算一阶差分反射率与叶片中Cu2+含量的相关系数（r）, 筛选对铜胁迫敏感的波段。 计算结果显示, 489~497, 632和677 nm波长附近的一阶差分反射率与叶片中Cu2+含量显著相关, 可将其视为敏感波段。 其次, 根据以上3个敏感波段, 建立基于一阶差分反射率的铜胁迫植被指数（dVI）。 对所有可能的dVIs和Cu2+含量进行一元回归分析, 并采用决定系数（R2）和均方根误差（RMSE）对回归结果进行评估, 以筛选最佳指数。 最后, 采用不同生长年份的玉米实验数据对敏感波段的稳定性及dVI的适用性进行了验证评估; 同时, 通过与归一化植被指数（NDVI）、 红边叶绿素指数（CIred-edge）、 红边位置（REP）、 光化学反射指数(PRI)等常规重金属胁迫植被指数进行应用比较, 证明dVI更具有优越性。 结果表明: 一阶差分处理后, 在450~500, 630~680和677 nm波长处的叶片反射率与Cu2+含量的相关系数明显增大。 基于一阶差分反射率的特征波段具有稳定性, 对于不同生长年份的玉米叶片数据, 特征波段的波长位置不变。 一元回归分析结果表明, 结合497, 632和677 nm波长的一阶差分反射率的指数与Cu2+含量具有显著的相关性, 对于不同生长年份的2种玉米品种数据集, R2都高达075以上。 另外, 与常规植被指数比较结果表明, 该研究所提出的dVI具有更好的鲁棒性及有效性, 可为冠层尺度的重金属胁迫监测提供理论基础。

土壤受重金属污染后, 会影响农作物及食品安全, 危及人体健康, 因此寻找快速、 高效甄测土壤重金属污染信息的方法尤为关键。 传统化学分析方法存在过程繁杂、 费时耗力等缺点, 而高光谱遥感因光谱分辨率高、 信息量大、 快速无损等特点在环境监测等应用方面优势明显。 由于电磁遥感信号反射、 辐射过程复杂, 通过仪器获取的土壤高光谱数据难以直接解析出重金属污染信息, 因而, 研究并寻求一种能够有效挖掘土壤重金属污染信息的方法对高光谱遥感监测污染意义重大。 不同浓度铜(Cu)污染会使土壤理化性质改变, 引发土壤光谱产生微弱变化, 该研究目的是对Cu污染土壤光谱的特征及弱差信息进行识别、 提取与分析, 进而挖掘光谱中的重金属污染信息。 采用包络线去除(CR)对光谱进行预处理, 通过定义局部极大值均值(LMM)与半波高(HWH), 结合时频分析的短时傅里叶变换(STFT)及能量谱密度(PSD), 构建LH-PSD甄测模型。 通过模型对极相似土壤光谱进行处理, 所获PSD分布图使光谱间的微弱差异可视化显现, 并显著区分了相似光谱, 验证了模型对光谱特征及弱差信息的甄别能力和有效性。 同时应用该模型, 对不同Cu污染梯度的土壤实验光谱进行重金属污染信息的提取与分析, 研究结果表明, LH-PSD甄测模型中, LMM与HWH可有效提取光谱间差异特征并以阶梯状显现。 经模型处理后得到的可视化PSD分布图能直观定性判别土壤是否受重金属Cu污染, 即当土壤受重金属Cu污染后, 相同采样频数下, 在频率为100与600 Hz附近PSD分布会出现明显空缺分离, 随着Cu污染浓度的增加, 在100~600 Hz之间PSD的分布呈逐渐稀疏态势。 能量值E可定量化监测土壤Cu污染程度, 即随着土壤中Cu污染浓度的增加, E值呈下降趋势, 且与Cu含量的相关系数达到-0.910 5, 显著相关。 为检验模型的可靠性, 研究结合栽种玉米作物的土壤光谱, 经LH-PSD甄测模型对其进行分析, 所得可视化的PSD分布图结果与实验分析中基本一致, 且能量值E的监测结果与土壤中Cu含量相关系数达到-0.973 9, 相关性显著, 验证了模型的可靠性。 因此, LH-PSD甄测模型实现了对土壤光谱从光谱域到时频域的甄析, 为深度挖掘重金属污染的光谱特征及弱差信息提供一种新思路。

农作物在受到重金属污染以后, 会破坏本身的组织细胞结构和叶绿素含量, 从而影响农作物的新陈代谢和健康状况。 人和动物如果食用了污染的农作物以后, 会有致命的伤害。 高光谱遥感目前被广泛应用于监测农作物受重金属污染的程度。 重金属污染下的农作物叶片的光谱变化很微小, 传统的监测方法和常规的光谱特征参数很难将光谱之间的微弱差异区别开, 目前高光谱遥感应用是研究的重点和难点。 通过设置不同浓度的Cu2+和Pb2+胁迫下玉米盆栽实验, 采集玉米叶片的光谱数据、 叶绿素的相对含量以及重金属Cu2+和Pb2+的相对含量。 提出了包络线去除(CR)、 光谱相关角(SCA)、 光谱信息散度(SID)以及正切函数(Tan)和兰氏距离(LD)相结合的LD-CR-SIDSCAtan模型, 将其与传统的光谱测度方法, 如光谱相关系数(SCC)、 光谱角(SA)、 光谱角正切(DSA)、 光谱信息散度-光谱相关角正切(SIDSAMtan)、 光谱信息散度-光谱梯度角正切(SIDSGAtan)和常规的光谱特征参数, 如红边最大值(MR)、 绿峰高度(GH)、 红边一阶微分包围面积(FAR)、 红边一阶微分曲线陡峭度(FCDR)、 蓝边(DB)、 红谷吸收深度(RD)相比较, 验证了该模型的优越性和可行性。 并且将LD-CR-SIDSCAtan模型应用于不同浓度下Cu2+和Pb2+胁迫的玉米叶片的整体波形和子波段的光谱差异信息的测度上。 结果表明, LD-CR-SIDSCAtan模型实现了重金属Cu2+和Pb2+污染的定性分析, 能够测度光谱相关系数达到0.99以上的相似光谱之间的差异信息, 波形差异信息与叶片测得的叶绿素相对含量和重金属Cu2+和Pb2+相对含量显著相关, 也分别找到了重金属Cu2+和Pb2+胁迫下的光谱响应波段。 在测度光谱数据的整个波段区间范围, 模型值为负值时的光谱差异要比模型值为正值更加明显; 在模型值为正值时, 如果数值越大, 光谱的差异性也越大。 因此, 随着重金属Cu2+和Pb2+浓度的增加, 光谱的差异增大, 意味着重金属Cu2+和Pb2+污染程度更为严重; 玉米植株受到重金属Cu2+胁迫污染, 在测度光谱数据的局部子波段区间范围时, “蓝边”、 “红边”、 “近谷”、 “近峰B”处对重金属Cu2+胁迫污染响应特别的敏感, 可以作为监测重金属Cu2+污染程度的有效波段; 当玉米植株受到重金属Pb2+胁迫污染时, 在“紫谷”、 “蓝边”、 “黄边”、 “红谷”、 “红边”、 “近峰A” 处对重金属Pb2+胁迫污染响应特别的敏感, 可以作为监测重金属Pb2+污染程度的有效波段。 最后通过LD-CR-SIDSCAtan模型的应用结果与玉米叶片中Cu2+和Pb2+含量进行线性拟合分析, 从而反演和预测了重金属Cu2+和Pb2+对玉米植株的污染程度。