基于吸光度差分植被指数（ADVI）监测铜胁迫下玉米污染程度的研究

作者及发表信息

本研究由张超（Chao Zhang）、杨可明（Keming Yang）、荣坤鹏（Kunpeng Rong）、程峰（Feng Cheng）和李燕（Yan Li）共同完成。作者均来自中国矿业大学（北京）煤炭资源与安全开采国家重点实验室及地球科学与测绘工程学院。该研究论文于2019年12月14日在线发表于《印度遥感学会期刊》（Journal of the Indian Society of Remote Sensing），并于2020年3月（第48卷第3期）正式刊出，页码范围363至371。通讯作者为杨可明（Keming Yang）。

研究背景与目的

植被受重金属胁迫的程度可以指示地下重金属矿床和环境污染的存在，因此，及时有效地监测重金属对植被造成的污染具有重大意义。传统的植被污染遥感监测方法具备视野广、信息量大、动态监测等优势，而植被指数是其中的核心手段。当植物受到污染物影响时，其叶片反射光谱会发生特定变化。利用这种光谱响应特征来探测土壤的中轻度污染，正日益受到环境科学领域学者的关注。然而，现有针对铜、铅等重金属胁迫影响而建立的植被指数与监测模型多存在计算复杂、普适性不强的缺点。因此，为了更准确地检测重金属对植被的胁迫影响，本研究旨在提出一种计算简便、高效、普适且稳健的新型植被指数，用以探测不同品种玉米在铜（Copper, Cu）胁迫下的污染程度。

研究方法与工作流程

1. 实验设计与数据采集 研究团队分别于2016年和2017年进行了两期玉米盆栽实验，并将其置于室外温室中以确保玉米的自然生长环境。2016年的实验选用了“中糯1号”（Zhongnuo No. 1）玉米品种，通过向土壤中加入不同质量的五水硫酸铜（CuSO₄·5H₂O）颗粒，设置了0、100、200、300、700和1000 μg/g共六个铜离子（Cu²⁺）浓度梯度（分别标记为Cu (0)至Cu (1000)）。每个胁迫组设置三组平行实验以减少偶然误差，共计18盆。2017年的验证实验则选用了“闽糯8号”（Minuo No.8）玉米，Cu²⁺胁迫浓度设置为0、50、200、400、800和1000 μg/g，同样设置三组平行，保持一致的实验方法。

光谱数据采集使用了波段范围为350 至 2500 纳米的SVC HR-1024i高性能地物光谱仪，在玉米的抽穗期进行叶片光谱测量。采集时选择晴朗无风的天气，将叶片置于包裹黑布的平板上以避免背景因素干扰，对每片叶子的光谱测量三次，剔除异常值后取平均值作为研究数据。光谱采集后，立即剪取对应植株的叶片，密封标记后送至实验室测定叶片中的铜含量。

2. 特征波段选择方法 本研究选取450 nm至850 nm（可见光至近红外）的光谱反射率区间进行研究，因为蓝光波段噪声较大，而1000 nm后的光谱区水汽吸收明显。为了消除背景噪声并分解重叠光谱，研究者对原始光谱数据依次进行了吸光度转换（Absorbance Conversion, A）和光谱一阶微分（First-Order Differential, D）处理，获得了吸光度微分（Absorbance Differential, AD）光谱值。计算公式如下： A(λᵢ) = log(1/R(λᵢ)) D(λᵢ) = [R(λᵢ₊₁) - R(λᵢ₋₁)] / (λᵢ₊₁ - λᵢ₋₁) AD(λᵢ) = [A(λᵢ₊₁) - A(λᵢ₋₁)] / (λᵢ₊₁ - λᵢ₋₁)

数据处理后，通过计算AD值与土壤及叶片中Cu²⁺含量的皮尔逊相关系数（Pearson Correlation Coefficient, r）来筛选对重金属铜敏感的特征波段。结果显示，AD值在496 至 506 nm和677 至 679 nm波段范围与Cu²⁺含量呈接近-1的线性负相关，而在547 至 553 nm和672 至 674 nm波段范围则呈接近1的线性正相关。这些波段的相关系数不仅在统计上极为显著，且波动较小，表现出良好的稳定性。据此，研究者选取了这些特征区间的中心波长，即501 nm、550 nm、673 nm和678 nm的AD值来构建新指数。

3. ADVI指数的构建与验证 为减少随机误差，所有四个波长的AD值均被纳入计算并实现了归一化。通过参考近年来光谱指数研究成果并反复测试其他公式形式，研究团队建立了吸光度差分植被指数（Absorbance Differential Vegetation Index, ADVI），其公式如下： ADVI = (AD₅₅₀ × AD₆₇₈) / (AD₅₀₁ - AD₆₇₃) 其中，AD₅₀₁、AD₅₅₀、AD₆₇₃和AD₆₇₈分别代表501 nm、550 nm、673 nm和678 nm处的吸光度微分值。

为验证ADVI的有效性和稳健性，研究进行了两项对比分析。首先，利用2016年的实验数据，将ADVI与七种常规植被指数（Vegetation Indices, VIs）进行了比较，包括：水波段指数（Water Band Index, WBI）、光化学反射指数（Photochemical Reflectance Index, PRI）、MERIS陆地叶绿素指数（MERIS Terrestrial Chlorophyll Index, MTCI）、改进红边简单比值指数（Modified Red edge Simple Ratio index, MSR）、改进叶绿素吸收比率指数（Modified Chlorophyll Absorption Ratio Index, MCARI）、水分指数（Water Index, WI）和归一化差异水分指数（Normalized Difference Water Index, NDWI）。其次，利用2017年不同玉米品种在不同Cu²⁺胁迫浓度下的实验数据，同样进行对比分析，以检验ADVI在不同时期和品种间的普适性和稳健性。

主要研究结果

1. 特征波段的稳健性验证 对2017年验证数据的分析再次证实了所选特征波段的稳定性。数据显示，2017年玉米叶片光谱的AD值与Cu²⁺含量的相关系数曲线形态与2016年高度相似。在501 nm处呈现出显著的负相关，在550 nm处为显著正相关，673 nm处为显著正相关，678 nm处则为显著负相关。这一结果为ADVI指数构建的合理性提供了有力的支撑，证明了这些波段对铜胁迫响应的非偶然性和跨年际稳定性。

2. ADVI与常规植被指数的性能比较 通过计算2016年和2017年各植被指数与土壤及叶片Cu²⁺含量之间的皮尔逊相关系数，ADVI展现出绝对优势。2016年数据显示，ADVI与土壤和叶片中Cu²⁺含量的相关系数分别高达0.9816和0.9460（p值分别为0.0005和0.0043），均为高度显著的正相关。而同期其他指数表现较弱：MCARI的相关系数分别为0.8216和0.8641，表现尚可；WBI、MTCI、MSR、WI和NDWI均呈负相关，其绝对值在0.59至0.72之间；PRI的相关性则极弱。2017年的实验结果进一步巩固了ADVI的优势地位，其与土壤和叶片Cu²⁺含量的相关系数分别为0.9109和0.9639（p值分别为0.0116和0.0019），在所有测试指数中绝对值最高，且保持了统计显著性。值得注意的是，在2017年数据中，MTCI和MSR也展现出了较高的负相关性（绝对值超过0.89），但ADVI的关联强度依然最强。这表明，ADVI不仅在单一品种的特定年份表现优异，而且对不同的玉米品种和不同的生长期均具有很强的监测能力，其计算简便、高有效性和稳健性得到了充分验证。

结论、价值与亮点

本研究成功构建了一种新型植被重金属污染指数——吸光度差分植被指数（ADVI），用于探测铜胁迫下不同品种玉米的污染程度。研究结论主要包括：第一，通过对原始光谱曲线进行吸光度转化和一阶微分处理后，成功筛选出501 nm、550 nm、673 nm和678 nm四个对铜胁迫高度敏感且稳定的特征波段，将其全部纳入计算能够有效降低随机因素影响。第二，ADVI在面对不同品种（“中糯1号”和“闽糯8号”）和不同时期（2016年和2017年）的玉米时，均表现出与铜胁迫浓度极显著的相关性，其性能远优于其他传统植被指数，验证了其计算简便、高效和稳健的优势。第三，该研究虽然基于叶片尺度，但ADVI的构建思想为未来在卫星和航空遥感数据上的应用提供了巨大潜力。

该研究的亮点在于其方法的新颖性和结论的优效性。 不同于以往一些依赖小波变换等复杂算法的重金属胁迫指数，ADVI通过巧妙的数学变换组合和相关系数分析，用最简单的四波段归一化比值形式，实现了对铜污染程度的高精度反演，兼顾了科学性和实用性。此外，研究在不同品种和年份间进行的交叉验证，有力地证明了该指数的普适性和稳健性，这对于将其从实验室研究推广大田乃至区域尺度的遥感监测至关重要。

从价值上看，本研究具有重要的科学意义和应用前景。 在科学层面，它揭示了玉米在铜胁迫下吸收-微分光谱的特定波段响应规律，为理解重金属与植被互作的光谱机制提供了新的见解。在应用层面，中国是玉米生产和消费大国，铜污染对玉米产量和品质构成潜在威胁。ADVI为快速、无损、大范围监测玉米铜污染状况提供了强有力的技术工具，对保障粮食安全和农田环境监测具有重要的实践价值。研究最后指出，未来工作应致力于将该指数从实验室叶片尺度推广至大田冠层尺度和遥感影像尺度，并探索其对其他重金属胁迫的适用性。