摘要：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�

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社