本研究的主要作者为中国航天科工集团第三研究院航天海鹰卫星运营事业部的张超、苏晓玉，中国资源卫星应用中心的夏天，中国矿业大学（北京）地球科学与测绘工程学院的杨可明，以及安徽理工大学深部煤矿采动响应与灾害防控国家重点实验室的冯飞胜。该研究发表于学术期刊《光谱学与光谱分析》2022年第42卷第4期。

二、 研究背景

该研究属于高光谱遥感与环境监测交叉的科学领域，核心目标是利用高光谱遥感技术定性监测植被重金属污染。随着工业发展和矿产资源的深度开发，重金属（如铜、铅）污染事件频发。这些重金属元素在农田土壤中积累，被植物吸收后，会影响植物的新陈代谢、叶片组织结构，并改变其光谱特性。传统的地面采样和化学分析方法虽准确，但耗时费力，无法实现大面积、快速动态监测。高光谱遥感技术能够捕获地物连续、精细的光谱信息，为快速、无损监测植被重金属污染提供了可能。

然而，已有的一些利用高光谱进行重金属污染监测的研究方法存在计算复杂、普适性不强等问题，难以在实际应用中推广。中国作为玉米种植大国，玉米产量巨大，因此，开发一种针对玉米作物、计算简便、高效且具有鲁棒性的重金属污染监测指数具有重要的现实意义。本研究旨在提出一种新的光谱指数——“铜铅探测指数”（Copper-Lead Detection Index, CLDI），以实现对铜、铅胁迫下不同品种玉米污染程度的有效监测，并为后续的冠层尺度遥感监测提供理论基础。

三、 详细研究方法与工作流程

本研究的工作流程主要包括三个核心部分：实验数据获取、光谱数据处理与特征波段选择、指数构建与验证。

第一部分：实验设计与数据采集 本研究包含两个批次的盆栽控制实验，以模拟重金属铜（Cu）和铅（Pb）胁迫。 1. 2018年实验：以“中糯1号”玉米为研究对象，设置不同浓度的硫酸铜（CuSO₄·5H₂O）胁迫，浓度梯度为0、100、200、300、600、1000 mg·kg⁻¹，共6个处理组，每个组设置3个平行实验，以减少偶然误差。所有盆栽置于室外温室大棚中，保证正常生长条件。 2. 2019年实验：以“密糯8号”玉米为研究对象，分别设置了铜（Cu）和铅（Pb）两种重金属的胁迫实验。Cu胁迫浓度设置为0、50、100、150、200、300、400、1000 mg·kg⁻¹；Pb胁迫浓度设置为0、50、100、150、200、300、400、1000 mg·kg⁻¹。同样，每个浓度组设置3个平行组。 3. 数据采集内容： * 光谱数据：在两个实验周期内，分别在玉米的出苗期、拔节期和出穗期，使用美国ASD FieldSpec®4 Hi-Res型地物光谱仪（波段范围350–2500 nm）采集玉米叶片的光谱反射率数据。每个植株选取老、中、新三种代表性叶片，每个叶片测量3次，剔除异常值后取平均作为该叶片的光谱，再对平行组的测量值取平均作为该胁迫浓度的最终光谱数据。 * 生化数据：使用原子吸收分光光度计、电感耦合等离子发射光谱仪（ICP-AES）及等离子体质谱分析仪（ICP-MS）测定玉米叶片和土壤中的Cu²⁺和Pb²⁺含量。使用SPAD-502叶绿素测定仪测定不同生长阶段玉米叶片的叶绿素含量。 通过以上步骤，研究团队构建了一套完整的关于重金属铜、铅污染玉米植株的高光谱与生化参数数据集。

第二部分：光谱数据处理与特征波段选择 这是本研究技术路线的核心创新环节，目标是找到对重金属胁迫敏感、稳定的光谱特征。 1. 光谱预处理与变换：考虑到可见光蓝光波段噪声较大以及1000 nm后水汽吸收影响，研究选取420–900 nm的光谱区间进行分析。对原始光谱反射率进行两步关键处理： * 一阶微分（First Derivative, FD）：计算相邻波长反射率的斜率，可以增强光谱曲线中细微的吸收特征，并有助于消除部分背景噪声。 * 包络线去除（Continuum Removal, CR）：将反射光谱归一化，消除基线影响，从而突出光谱的吸收和反射特征。 * 将以上两种处理方法结合，即对原始光谱进行一阶微分处理后再进行包络线去除，得到微分包络线去除（First Derivative Continuum Removal, FDCR） 光谱曲线。FDCR能更敏锐地揭示与重金属胁迫相关的光谱变化。 2. 特征波段筛选：利用皮尔逊相关系数（Pearson Correlation Coefficient, r），分析FDCR光谱值与土壤/叶片中Cu²⁺含量的相关性。结果显示，FDCR值与Cu²⁺含量在多个波段区间呈现稳定的强相关关系： * 显著正相关区间（r接近+1）：670–690 nm 和 760–800 nm。 * 显著负相关区间（r接近-1）：710–730 nm 和 820–840 nm。 这些波段区间的相关系数变化稳定，被视为对Cu胁迫敏感的特征区间。为了避免偶然误差并简化指数，研究选取了这四个特征区间的中心波长作为构建指数的依据：680 nm（正相关）、720 nm（负相关）、780 nm（正相关）和 830 nm（负相关）。

第三部分：指数构建与多维度验证 1. CLDI指数公式建立：为了综合四个特征波段的敏感信息并实现归一化，研究团队利用这四个波长处的FDCR值构建了铜铅探测指数（CLDI）。公式为： CLDI = (FDCR₆₈₀ + FDCR₇₂₀) / (FDCR₇₈₀ + FDCR₈₃₀) 该公式计算简便，融合了正负相关波段的信息，旨在增强对重金属胁迫的响应。 2. 有效性验证：使用2018年的“中糯1号”实验数据，计算CLDI与土壤/叶片中Cu²⁺含量的皮尔逊相关系数，并与几种常规植被指数（NDVI、OSAVI、MSI、NMDI）进行对比。结果显示，所有指数与Cu含量均呈负相关，但CLDI的相关系数绝对值（-0.910）最高，显著优于其他指数，证明了其对Cu污染监测的有效性。 3. 鲁棒性验证：使用2019年的“密糯8号”玉米在Cu胁迫下的实验数据，重复上述验证步骤。结果显示，FDCR光谱与Cu含量的相关系数曲线与2018年结果形态相似，特征波段稳定。CLDI与Cu含量的相关系数绝对值（-0.939）依然为所有指数中最高，表明CLDI对不同玉米品种（中糯1号 vs. 密糯8号）具有良好的鲁棒性。 4. 普适性验证：使用2019年“密糯8号”玉米在Pb胁迫下的实验数据，评估CLDI对另一种重金属的适用性。研究发现，随着Pb胁迫浓度增加，玉米老叶中的Pb含量呈规律性上升趋势。将CLDI应用于Pb胁迫数据，结果显示，CLDI与土壤/老叶中Pb²⁺含量呈显著负相关（r分别为-0.981和-0.986），而其他常规植被指数则多呈正相关或不显著。这证明了CLDI不仅对Cu有效，对Pb胁迫也具有优异的监测能力，具有普适性。 5. 间接验证：通过分析CLDI与不同生长阶段（出苗期、拔节期、出穗期）玉米叶片叶绿素含量的相关性，进一步验证其有效性。叶绿素含量是反映植物健康状况和胁迫程度的重要生理指标。在所有测试的生长阶段和重金属（Cu、Pb）胁迫下，CLDI与叶绿素含量的相关性在绝大多数情况下均为最高，表明CLDI能有效捕捉重金属胁迫引起的植物生理变化。

四、 主要研究结果

1. 光谱特征分析结果：通过FDCR变换和相关性分析，成功识别出重金属Cu胁迫下玉米叶片光谱的四个稳定特征波段区间：670–690 nm（正相关）、710–730 nm（负相关）、760–800 nm（正相关）和820–840 nm（负相关）。这为基于光谱的污染监测提供了明确的物理依据。
2. 指数构建结果：基于四个特征波段的中心波长（680， 720， 780， 830 nm），成功构建了CLDI指数。该指数融合了正、负相关波段的贡献，公式简洁。
3. 验证结果：
   • 在2018年Cu胁迫数据中，CLDI与Cu含量的相关性（r = -0.910）显著优于NDVI（r = -0.644）、OSAVI（r = -0.847）、MSI（r = -0.584）和NMDI（r = -0.834），证明其有效性。
   • 在2019年不同品种玉米（密糯8号）的Cu胁迫数据中，CLDI同样表现出最高的相关性（r = -0.939），证实其对不同玉米品种的鲁棒性。
   • 在2019年Pb胁迫数据中，CLDI与Pb含量呈极强的负相关（r达-0.986），而常规植被指数表现不佳或呈正相关，证实其对不同重金属（Cu和Pb）的普适性。
   • 在与叶绿素含量的相关性验证中，CLDI在大多数情况下也表现最佳，表明其与植物的生理胁迫状态紧密关联。
4. 结果逻辑关系：研究从基础光谱特征分析（找出敏感波段）出发，逻辑严密地过渡到指数构建（利用敏感波段），再通过层层递进的验证流程（有效性→鲁棒性→普适性→生理关联性），最终得出结论。每一步的结果都为下一步的分析提供了支撑和证据，形成了一个完整的证据链。

五、 研究结论

本研究的主要结论为：通过高光谱分析，成功筛选出对玉米重金属（Cu、Pb）胁迫敏感的四个特征波段区间；基于这四个特征波段构建的铜铅探测指数（CLDI），在定性监测不同品种、不同生长期玉米受铜、铅胁迫程度方面，具有计算简便、有效性高、鲁棒性好、普适性优的特点。具体表现为： 1. CLDI与玉米叶片及土壤中的Cu²⁺、Pb²⁺含量均表现出极显著的相关性，且相关性高于多种常规植被指数。 2. CLDI对不同玉米品种（中糯1号和密糯8号）表现出稳定的监测能力。 3. CLDI不仅对构建时所针对的Cu有效，对Pb胁迫也表现出强大的监测潜力。 该研究为利用高光谱遥感技术快速、无损监测农田重金属污染提供了新的思路和方法。尽管研究基于实验室叶片尺度，但其建立的光谱响应机制和指数模型，为未来将该技术推广到无人机或卫星平台进行冠层尺度的大面积监测奠定了重要的理论基础。

六、 研究亮点

1. 方法创新：提出了将一阶微分（FD） 与包络线去除（CR） 相结合的光谱预处理方法（FDCR），有效增强了与重金属胁迫相关的细微光谱特征，提高了信噪比。
2. 指数创新：首次提出针对玉米重金属铜铅污染的专用光谱指数——铜铅探测指数（CLDI）。该指数设计巧妙，同时利用了正相关和负相关的特征波段，并通过归一化处理，增强了稳定性。
3. 系统性验证：研究验证体系非常完整且严谨，不仅验证了指数对单一重金属（Cu）的有效性，还验证了其跨品种的鲁棒性、跨重金属（Pb）的普适性，以及与植物生理指标（叶绿素）的关联性，结论非常坚实可靠。
4. 应用潜力明确：研究紧扣实际应用需求，旨在解决现有方法复杂、普适性差的问题。CLDI计算简单、物理意义明确，为其从实验室走向田间、从叶片尺度扩展到冠层尺度的实际应用提供了可能。

七、 其他有价值的内容

研究中还发现了一些有价值的现象：例如，在Pb胁迫下，玉米老叶中的Pb含量随胁迫浓度增加而规律性上升，而中、新叶的变化规律不明显；在Cu胁迫下，叶片中Cu含量的变化趋势则相对复杂。这提示我们，在利用遥感监测重金属污染时，选择恰当的监测部位（如老叶）可能对提高监测精度至关重要。此外，研究为未来进一步探索更多重金属元素、更多作物品种的污染光谱监测提供了可借鉴的研究范式和数据处理流程。