针对重金属污染稻田监测的遥感技术创新：基于多时相 Sentinel-2 影像与新型植被指数的水稻重金属胁迫水平评估
一、 研究作者、机构与发表信息
本研究的主要作者为 Zhijiang Zhang，通讯作者为 Meiling Liu*，其他作者包括 Xiangnan Liu 和 Gaoxiang Zhou。所有作者均来自中国地质大学（北京）信息工程学院。该研究以论文形式发表，标题为 “A New Vegetation Index Based on Multitemporal Sentinel-2 Images for Discriminating Heavy Metal Stress Levels in Rice”（《一种基于多时相 Sentinel-2 影像用于区分水稻重金属胁迫水平的新植被指数》），于 2018 年 7 月 6 日正式发表在学术期刊 Sensors 上（2018年，第18卷，文章编号 2172）。论文已于2018年5月13日收稿，同年7月3日被接受。
二、 学术研究背景与目标
本研究的科学领域主要涉及环境遥感、精准农业和生态监测。研究动机源于中国工业和城市化快速发展带来的严重土壤重金属污染问题。工业废水排放、污水灌溉及汽车尾气等导致农田土壤中的镉（Cd）、铅（Pb）、汞（Hg）等重金属超标。这些重金属不仅抑制作物生长，更通过食物链和饮用水源迁移，严重威胁人类健康。据统计，中国每年有超过1200万吨粮食受重金属污染。因此，对大范围农田进行快速、准确的重金属污染监测至关重要。
传统的重金属监测依赖于大范围的实地采样和实验室化学分析，这种方法耗时、昂贵且难以实现大面积连续监测。遥感技术为此提供了一种廉价、快速且环保的替代方案。大量研究表明，植物在重金属胁迫下，其内部生理生化特性会发生变化，如叶绿素含量降低、细胞结构改变等，进而影响其在可见光和近红外波段的反射光谱特征。其中，“红边”（Red-Edge，指植被反射光谱在680-760 nm范围内快速上升的拐点区域）对叶绿素含量变化极为敏感，被认为是监测植被胁迫（包括重金属胁迫）的有效光谱区域。然而，单一的植被光谱信息易受植被覆盖度、叶面积指数、生物量、土壤背景等因素干扰，而通过特定波段组合计算的植被指数（Vegetation Index）则能更好地增强目标光谱特征，抑制干扰。
过去的研究多基于地面高光谱数据开发红边指数，但这限制了其在大区域尺度上的应用。随着 Sentinel-2 系列卫星的成功发射，其多光谱成像仪（MSI）提供了包括三个红边波段（中心波长分别为705、740和783 nm）在内的13个光谱波段，且具有10-60米的空间分辨率和高至5天的时间分辨率，为区域尺度的重金属胁迫动态监测带来了新机遇。
因此，本研究的具体目标在于：1）开发一种新的植被指数，以提高利用遥感影像区分水稻重金属胁迫水平的精度；2）利用 Sentinel-2 多时相影像，构建一个多时相监测模型（Multitemporal Monitoring Model），以更有效地判别重金属胁迫等级。研究旨在将遥感技术的优势与水稻生长关键物候期信息相结合，为区域尺度的农田重金属污染评估提供一个高效、实用的技术框架。
三、 详细研究流程与方法
研究流程主要分为研究区与数据准备、新型植被指数（HMSSI）定义、多时相监测模型构建、结果分析与验证四个主要环节。
1. 研究区、数据采集与预处理： 研究区位于中国湖南省株洲市，该地区是传统工业基地和重要产粮区。研究选取了三块受污染程度不同的水稻田区域（标记为A、B、C区），其土壤重金属（Cd、Hg、Pb、As）浓度均超过国家土壤环境质量二级标准，其中镉污染尤为突出。根据土壤重金属浓度测定结果，将A区（污染最重）、B区（中等污染）、C区（污染最轻）分别定义为“高”、“中”、“低”三个胁迫等级。每个研究区域选取了100个均匀分布的10米×10米样方，并利用GPS记录位置坐标。 遥感数据方面，研究采集了2017年水稻生长季内六幅无云的 Sentinel-2 Level-1C 影像，分别覆盖水稻的拔节期（7月12日、7月24日）、开花期（8月6日、8月21日）和成熟期（9月17日、9月30日）。这些影像使用 SNAP 软件（版本5.0）中的 Sen2Cor 大气校正工具进行处理，校正为地表反射率，并将所有波段重采样至10米空间分辨率，以保持最高的空间细节。
2. 新型植被指数（HMSSI）的构建： 研究创新性地提出了一种名为“重金属胁迫敏感指数”（Heavy Metal Stress Sensitive Index, HMSSI）的新型植被指数。其构建基于两个已有的红边指数： * 红边叶绿素指数：公式为 CI_red-edge = (R783 / R705) - 1。该指数与叶绿素含量呈线性关系，且不易饱和。重金属胁迫导致叶绿素减少，CI_red-edge 值随之降低。 * 植物衰老反射指数：公式为 PSRI = (R680 - R500) / R750。该指数对叶绿素与类胡萝卜素的比值敏感，植被胁迫（衰老）加剧时，PSRI 值会增大。
鉴于重金属胁迫下，CI_red-edge 趋向于减小，而 PSRI 趋向于增大，研究将两者相结合，定义 HMSSI 为： HMSSI = CI_red-edge / PSRI 这种设计旨在放大不同胁迫水平下水稻光谱响应的差异。使用 Sentinel-2 影像时，R783、R705、R680、R500 和 R750 分别对应其波段7、波段5、波段4、波段2和波段6。
3. 多时相监测模型（Multitemporal Monitoring Model）的构建与分析： 为充分利用多时相信息，研究采用随机森林（Random Forest, RF）算法构建分类模型，以区分高、中、低三种重金属胁迫水平。随机森林是一种集成学习算法，能有效处理高维数据并防止过拟合。 研究设计了四种不同的输入数据集进行模型性能比较：1）仅使用拔节期的两幅 HMSSI 影像；2）仅使用开花期的两幅 HMSSI 影像；3）仅使用成熟期的两幅 HMSSI 影像；4）使用整个生长季的六幅 HMSSI 影像（多时相组合）。每个研究区域的100个样方点作为样本参与模型训练与验证。模型通过混淆矩阵进行评估，计算总体精度（Overall Accuracy）、Kappa 系数（Kappa Coefficient）、生产者精度（Producer‘s Accuracy）和用户精度（User’s Accuracy）等指标。
四、 主要研究结果及其逻辑关联
1. HMSSI 与现有指数的性能比较： 研究首先在每个生长阶段（拔节期、开花期、成熟期），分别计算了三个研究区水稻在不同胁迫水平下的 CI_red-edge、PSRI 和 HMSSI 值。通过数据分布图（文中 Figure 2）和误判率统计表（文中 Table 3）对比发现：CI_red-edge 和 PSRI 在不同胁迫等级的数据分布存在大量重叠区域，尤其在区分“中度”胁迫水平时表现不佳，误判率高达100%或接近100%。相比之下，HMSSI 的数据分布在不同胁迫等级间分离得更清晰，其误判率显著降低，在所有生长阶段均低于或接近20%（多数在10%-30%之间）。 结果解释与逻辑推进：这一结果表明，单一的 CI_red-edge 或 PSRI 指数难以准确区分不同程度的重金属胁迫。而 HMSSI 通过将这两个对胁迫响应趋势相反的指数相结合，有效增强了胁迫差异的光谱信号，使其区分能力远优于原有单一指数。这验证了开发 HMSSI 的有效性，为后续监测模型的构建提供了更优的输入特征。
2. 多时相监测模型的性能评估： 利用随机森林算法构建的监测模型，其分类精度结果（文中 Figure 3）显示： * 基于单个生长阶段（拔节期、开花期、成熟期）影像构建的模型，其总体精度和 Kappa 系数均显著低于基于整个生长季六幅影像（多时相组合）构建的模型。 * 使用整个生长季 HMSSI 影像的模型取得了最佳性能，总体精度达到 92.93%，Kappa 系数为 0.894。用户精度和生产精度也均在90%-96%之间，高于任何单一阶段的模型。重要性分析（文中 Figure 4）进一步表明，成熟期的影像对模型贡献最大，其次是开花期，拔节期贡献最小。 * 空间制图结果（文中 Figure 5, 6, 7a）显示，重金属胁迫程度高的区域主要分布在研究区西北部和东南部，且靠近湘江沿岸，这与该地区工厂分布（文中 Figure 7b）和利用受污染河水灌溉的背景相符，从空间分布上验证了模型的合理性。统计面积占比（文中 Table 4）表明，约50%的稻田受胁迫程度低，约30%为中等胁迫，约20%为高胁迫。 结果解释与逻辑推进：此结果证实，结合水稻整个关键生长阶段的多时相信息，能够比依赖单一时期的影像更准确地识别重金属胁迫等级。这主要是因为重金属胁迫是一个持续影响作物生理过程的因素，而不同生长阶段作物对胁迫的响应存在差异，多时相信息能更全面地捕捉到这些动态变化特征。单一时相可能由于物候或环境噪声影响导致误判，而多时相组合则能提供更强的时序判别依据。
五、 研究结论、意义与价值
本研究得出以下主要结论： 1. 新型植被指数 HMSSI 的有效性：相比广泛使用的 CI_red-edge 和 PSRI 指数，新提出的 HMSSI 指数在区分水稻重金属胁迫水平方面表现出更优越的性能，可作为一种有效的遥感监测指示因子。 2. 多时相监测模型的优越性：基于 HMSSI 构建的多时相随机森林监测模型，能够高精度地区分不同等级的重金属胁迫，且其性能显著优于基于单一时相的模型。这表明连续、动态的多时相监测对于准确评估重金属胁迫至关重要。 3. Sentinel-2 数据在区域尺度应用的潜力：研究验证了 Sentinel-2 卫星的免费红边波段数据在大区域尺度上监测作物重金属胁迫的可行性和应用价值。其高时空分辨率特性为建立长时序、大范围的农田重金属污染监测体系提供了数据基础。
本研究的科学价值在于：它提出并验证了一种专门针对重金属胁迫监测的复合型植被指数（HMSSI），该指数巧妙地利用了 Sentinel-2 的红边波段。同时，它将多时相遥感分析思想与机器学习算法（随机森林）相结合，构建了一个动态的、高精度的胁迫等级分类模型，为利用多源遥感数据进行作物胁迫监测提供了方法学参考。 在应用价值方面，该研究为农业、环境和食品安全监管部门提供了一套实用、低成本、可业务化运行的技术方案。无需依赖费时费力的传统采样化验，即可定期、快速地对大范围水稻种植区的重金属污染风险进行筛查、评估和等级划分，有助于早期预警、污染源追踪和粮食安全风险评估。
六、 研究亮点
七、 其他有价值的内容
研究还讨论了 Sentinel-2 相较于其他卫星平台（如 Landsat 无红边波段，RapidEye 和 WorldView-2 为商业卫星）在重金属胁迫监测方面的独特优势：免费获取、拥有多个红边波段、较高的时空分辨率。这使其成为大范围、高频次农业环境监测的理想数据源。 此外，论文在讨论部分提出的未来研究方向也具有重要价值：结合更长时序的 Sentinel-2 影像来区分重金属胁迫的持续性特征与其他短期胁迫；以及考虑融合对作物结构和生理功能敏感的合成孔径雷达（SAR，如 Sentinel-1）和热红外数据，以进一步提升监测能力。这些思路为该领域的持续发展提供了有益参考。