关于镉污染水稻叶片SPAD值估算新模型的研究报告
本研究于2025年1月31日在线发表于开源期刊《Agriculture》（2025, 15, 311）。论文标题为“A Model Combining Sensitive Vegetation Indices and Fractional-Order Differential Characteristic Bands for SPAD Value Estimation in Cd-Contaminated Rice Leaves”。该研究由中国中南大学（Central South University）地球科学与信息物理学院的田荣才（Rongcai Tian）、邹滨（Bin Zou）与李深鑫（Shenxin Li，通讯作者）领衔，联合湖南省水稻研究所（Hunan Rice Research Institute）、湖南师范大学（Hunan Normal University）等机构的研究人员共同完成。
一、研究学术背景
本研究属于农业遥感、环境监测与作物生理学交叉领域。镉（Cadmium, Cd）作为一种有毒重金属，其在水稻中的积累不仅威胁人类健康，也对国家乃至全球粮食安全构成潜在风险。因此，加强对镉积累水稻生长过程的监管至关重要。叶绿素含量是反映作物营养状况、光合能力、发育阶段以及环境胁迫程度的关键指标。大量研究表明，叶片土壤植被分析仪开发值（Soil and Plant Analyzer Development，简称SPAD值）与实测叶绿素含量高度相关，使其成为表征叶绿素含量的常用替代参数。然而，传统使用专业仪器实地测量叶片SPAD值的方法费力、耗时且难以大规模实施。
高光谱遥感技术以其高光谱分辨率、连续波段和丰富信息为优势，为作物胁迫监测提供了新途径。先前研究已利用该技术对干旱、盐碱、病虫害等胁迫下的玉米、棉花等作物叶片SPAD值进行了估算。然而，针对作物重金属胁迫（尤其是镉胁迫）的研究尚不充分。其根本原因在于，重金属在作物中含量极微，其光谱响应机制尚不明确。现有研究多集中于定性分析重金属胁迫下的生理生化及光谱响应层面，难以精确量化生化参数与光谱反射率之间的定量关系。少数探索性研究尝试构建镉胁迫下生菜叶片SPAD值的定量光谱估算模型，但所使用的植被指数（Vegetation Indices, VIs）大多借鉴自其他领域，可能对重金属胁迫下的叶片SPAD值针对性不强。此外，植被指数通常由两到三个波段反射率数据构建，可能无法捕捉与叶片SPAD值相关的全部光谱信息，光谱信息的丢失是限制模型精度进一步提高的关键因素。
与此同时，分数阶微分（Fractional-Order Differential, FOD）预处理方法能够突出光谱信息的细微变化，增强较弱的光谱特征，提高光谱反射率的信噪比，已被广泛应用于土壤重金属含量等遥感反演中，可能有助于提取镉胁迫下水稻光谱响应中的微弱信号。然而，FOD变换后的光谱数据常面临“维度灾难”，直接使用全谱数据构建估算模型计算成本高、效率低。因此，如何结合植被指数（VIs）和分数阶微分特征波段（Fractional-Order Differential Characteristic Bands, FODCB），在镉污染产生的弱遥感信号下，实现水稻叶片SPAD值的高精度、高效率估算，是一个亟待解决的重要问题。
基于此，本研究旨在提出一种结合敏感植被指数（Sensitive Vegetation Indices, VIsS）与FODCB的新估算模型，并验证其在估算镉污染水稻叶片SPAD值中的有效性。具体目标为：（1）揭示镉胁迫下水稻叶片SPAD值和光谱反射率的响应规律，为模型构建提供理论基础；（2）识别在组合模型应用中应重点强调的特征波段。
二、研究详细流程
本研究流程清晰，主要包含四个步骤：数据采集、数据处理、特征选择、建模与验证。
1. 数据采集 研究于2022年在湖南省长沙县春华镇的湖南省水稻研究所试验基地进行。为最大限度减少外部环境因素的影响，本研究创新性地设计了一种带轨道式塑料棚架的镉池试验，可在雨天自动收回棚架。试验依据《农用地土壤污染风险管控标准（GB15618-2018）》并考虑湖南省稻田镉污染实际情况，设置了三种镉污染情景：无镉污染（NC）、1.0 mg/kg镉污染（C1）和1.4 mg/kg镉污染（C2）。选用12个通过辐射诱变获得、具有低镉积累特性的一季晚稻育种材料。每种污染情景下种植这12种材料，并设置3次重复。
在水稻移植后的关键生长期（第31、46、66、87天），研究人员同步测量了水稻剑叶（旗叶）的光谱反射率和SPAD值。光谱采集使用配备主动光源和手持叶片光谱探头的FieldSpec4地物光谱仪，直接对叶片进行活体测量，有效减少了外部环境干扰，波长范围为350-2500 nm。每次测量前使用探头的标准白板进行校准。SPAD值测量使用SPAD-502叶绿素计，每行试验材料随机选取两片生长相对均匀的剑叶，分别测量叶尖、叶中和叶基三个部位（避开主叶脉），取平均值作为该叶片的代表值，再计算两片叶的平均值作为该试验材料的最终SPAD值。
2. 数据处理 首先，考虑到传感器噪声及研究目的，选取400-1000 nm的光谱范围进行分析。接着，采用基于欧氏距离计算的Kennard-Stone（K-S）算法，按2:1的比例将全部144个样本（96个校准集，48个验证集）划分为校准集和验证集，以确保样本分布的代表性。统计表明，验证集的SPAD值范围完全包含在校准集之内，划分合理。
其次，基于叶绿素含量的光谱响应特征及前人研究，构建了16个常用于估算SPAD值的植被指数，如归一化差值植被指数（NDVI）、差值植被指数（DVI）、光化学反射指数（PRI）、重金属镉胁迫敏感光谱指数（HCSI）等。
最后，采用基于整数阶微分定义的Grünwald–Letnikov（G-L）算法，对原始光谱反射率进行分数阶微分预处理。微分阶数（v）范围设定为0到2阶（0、0.2、0.4、…、1.8、2.0），步长为0.2，共11个阶次。FOD处理旨在增强光谱曲线在不同阶数下特征波段间的微弱差异。
3. 特征选择 为从海量数据中筛选出关键变量，本研究采用基于偏最小二乘回归（PLSR）的变量重要性投影（Variable Importance in Projection, VIP）算法来提取敏感植被指数（VIsS）和分数阶微分特征波段（FODCB）。VIP方法通过计算PLSR模型中每个变量的VIP得分来衡量其重要性，通常将VIP > 1作为筛选标准。此步骤分别应用于16个植被指数和11个不同阶数FOD变换后的全波段光谱数据，以独立筛选出对SPAD值估算最重要的植被指数和光谱波段。
4. 建模与验证 建模采用随机森林（Random Forest, RF）回归算法。RF以其在处理变量重要性解释和小样本量方面的独特优势被选用。研究构建了三种模型进行对比：（1）VIsS+FODCB-RF模型：以筛选出的VIsS和FODCB组合作为自变量；（2）FODCB-RF模型：仅以筛选出的FODCB作为自变量；（3）VIsS-RF模型：仅以筛选出的VIsS作为自变量。叶片SPAD值作为因变量。所有模型的输入参数均采用贝叶斯网格搜索方法进行优化，以最小化模型输出的均方根误差（RMSE）。模型精度使用决定系数（R²）、均方根误差（RMSE）和相对百分比偏差（RPD）进行评估。通常认为，R²越接近1、RMSE越小、RPD ≥ 2时，模型具有优异的预测能力。
三、主要研究结果
1. 不同镉污染情景下SPAD值的变化 分析表明，至移植后第87天，不同镉污染情景下水稻叶片SPAD值的总体变化趋势基本一致：随着生殖进程推进，SPAD值总体呈下降趋势（无镉污染情景在第66天有所反弹）。具体来看，在移植后第31天（营养生长高峰期），1.4 mg/kg镉污染情景下的叶片SPAD值反而高于无污染和1.0 mg/kg污染情景，这可能与水稻此时自我修复能力较强、低浓度镉污染尚未产生明显抑制有关。然而，在第66天和第87天（生长后期），趋势发生逆转，表现为：无镉污染 > 镉污染。这可能是由于生长后期叶片生长减缓，镉污染导致叶绿体结构受损、叶绿素酶活性降低、光合色素合成减少所致。显著性差异分析进一步证实，在移植后第31天和第87天，无镉污染与1.4 mg/kg镉污染情景下的叶片SPAD值存在显著差异，这为利用SPAD值间接监测水稻镉胁迫提供了理论依据。
2. 指示SPAD值的特征波段及其变化 通过VIP方法（VIP>1）筛选出的特征波段数量随FOD阶数变化，总体呈先减后增再减的趋势。重要的是，无论阶数如何变化，镉污染水稻叶片SPAD值的特征波段大致都位于400–773 nm的波长范围内，主要集中在可见光区域。这一范围是光谱估算镉污染叶片SPAD值的敏感区域。
对原始及FOD处理后的光谱曲线分析发现，镉污染水稻叶片仍表现出绿色植物的典型光谱特征（“蓝谷”、“红谷”、“绿峰”、“红边”、“近红外高原”）。在可见光范围内，镉污染叶片的反射率高于无镉污染叶片；在近红外范围，1.4 mg/kg污染情景下的反射率低于无污染情景，而1.0 mg/kg情景则呈现相反趋势，未表现出清晰的变化规律。研究者认为这可能与试验设置的镉浓度梯度差异不显著、所用材料为低镉积累品种具有一定耐性有关。但总体上，水稻叶片对镉胁迫存在光谱响应，这为镉污染水稻的遥感监测奠定了理论基础。
3. VIsS+FODCB模型的估算精度 通过对16个植被指数的敏感性分析，最终筛选出8个敏感植被指数（VIsS）：HCSI、SIPI、NDRE、NDVI、SRI、MND705、CCRI和NPCI。
模型对比结果表明，三种模型的总体精度排序为：VIsS+FODCB-RF > FODCB-RF > VIsS-RF。其中，VIsS+FOD1.2CB-RF组合模型的估算性能最优，其验证集的R²v、RMSEv和RPDv值分别为0.821、2.621和2.296。具体而言： * 与仅使用FODCB的最优模型（FOD1.2CB-RF）相比，组合模型的R²c提高了4.380%，RMSEc降低了40.481%，RPDv提高了1.593%，RMSEv降低了2.782%。 * 与仅使用VIsS的模型（VIsS-RF）相比，组合模型的R²c大幅提高了31.141%，RMSEc大幅降低了70.082%，R²v提高了10.647%，RPDv提高了44.221%，RMSEv降低了16.555%。
预测值与观测值的线性拟合图显示，VIsS+FOD1.2CB-RF模型的回归线斜率（0.93）最接近1:1线，进一步证实其性能最佳。而仅基于VIsS的模型虽然R²v大于0.7、RPDv大于1.5，可进行粗略估计，但其预测值存在大量相同数据点，且多数点分布在95%置信区间之外，表明仅包含有限波段信息的植被指数难以实现对叶片SPAD值的有效估算。
4. VIsS+FODCB模型中变量的重要性 为解释组合模型性能更优的原因，分析了组合模型中变量的重要性（基尼系数排名前10）。分析发现，在最优的VIsS+FOD1.2CB-RF模型中，光谱特征波段（尤其是521 nm和686 nm）的重要性超过了植被指数。该模型中共有7个重要的特征波段，大致分布在520 nm、680 nm和700 nm波段附近。这一结果与之前关于水稻冠层SPAD值估算的研究中识别出的关键波段（518 nm和686 nm）一致。这表明，在组合模型中，包含更全面光谱信息的特征波段比仅由少数波段构成的植被指数更为关键，从而验证了结合两者能够有效弥补植被指数光谱信息丢失的缺陷，提升模型精度。
四、研究结论与价值
本研究得出结论：结合敏感植被指数（VIsS）和分数阶微分特征波段（FODCB）所构建的随机森林模型，能够显著提高镉污染水稻叶片SPAD值的估算精度。其中，基于1.2阶微分的组合模型（VIsS+FOD1.2CB-RF）表现最佳。研究同时揭示了镉胁迫下水稻叶片SPAD值在生长后期的显著降低规律，并明确了400–773 nm（主要为可见光范围）是估算镉污染水稻叶片SPAD值的关键敏感光谱区域。
本研究的科学价值在于：提出了一种融合多元光谱信息（植被指数与连续特征波段）的新估算策略，为解决弱信号胁迫环境下作物生理参数遥感反演中光谱信息利用不充分的问题提供了有效方法。应用价值在于：为利用高光谱遥感技术大规模、快速、无损地监测水稻镉胁迫效应提供了方法学参考和技术支持，有助于推动精准农业和农田环境安全管理。
五、研究亮点
六、其他有价值内容
研究在讨论部分也坦诚指出了局限性并展望了未来方向：首先，本研究基于人工控制的单一镉胁迫试验，而实际农田中可能存在重金属、病害、虫害、干旱等多重胁迫共存产生的光谱干扰。未来研究需发展消除其他因素影响、准确识别镉胁迫信号的方法。其次，本研究仅实现了地面尺度的叶片SPAD值估算，要实现准确的大范围监测，还需进一步研究，例如集成多源遥感影像、构建星-地光谱关联转换关系、引入环境因子等，这些可能是实现水稻镉胁迫效应大面积精准监测的突破方向。
这项研究为高光谱遥感技术在水稻镉胁迫及其他逆境生理研究中的大规模应用提供了重要的方法论支持。