農(nóng)作物重金屬污染脅迫遙感弱信息增強(qiáng)與計(jì)算.pdf

1、農(nóng)作物重金屬污染是當(dāng)今世界面臨的重大生態(tài)環(huán)境問題之一，直接影響農(nóng)業(yè)生產(chǎn)、糧食安全，危及人類生存環(huán)境。如何運(yùn)用遙感技術(shù)動(dòng)態(tài)、準(zhǔn)確、大面積地監(jiān)測(cè)農(nóng)作物重金屬污染狀況已經(jīng)成為迫切需要解決的現(xiàn)實(shí)問題。然而，自然環(huán)境下農(nóng)田土壤重金屬含量較低，農(nóng)作物受重金屬污染脅迫的光譜響應(yīng)信號(hào)微弱且不穩(wěn)定，同時(shí)還受其他環(huán)境因素如水肥耦合、光照、大氣等的影響，很容易淹沒于其他干擾信號(hào)之中，難以甄別。增強(qiáng)并計(jì)算這種大面積范圍內(nèi)微小變化量的光譜弱信息，是遙感技術(shù)應(yīng)用向

2、定量化、精細(xì)化方向發(fā)展必須解決的科學(xué)問題。
　　 本文以自然農(nóng)田生態(tài)系統(tǒng)中具有復(fù)雜隱蔽性的農(nóng)作物重金屬污染脅迫遙感動(dòng)態(tài)識(shí)別和準(zhǔn)確度量為研究目標(biāo)，在長(zhǎng)春、吉林等地選取若干重金屬污染程度不同的玉米、水稻農(nóng)田樣地作為實(shí)驗(yàn)區(qū)，在作物關(guān)鍵生長(zhǎng)期通過典型區(qū)域取樣、實(shí)驗(yàn)區(qū)連續(xù)觀測(cè)和室內(nèi)分析測(cè)試，系統(tǒng)獲取實(shí)驗(yàn)區(qū)農(nóng)作物及其環(huán)境的特征參數(shù)、重金屬污染狀況和對(duì)應(yīng)的高光譜數(shù)據(jù)；采用實(shí)驗(yàn)驗(yàn)證、物理機(jī)制分析、數(shù)學(xué)建模等方法探索農(nóng)作物重金屬污染脅迫下葉綠素含

3、量變化、氮素含量變化和水分含量變化監(jiān)測(cè)的敏感光譜指數(shù)；運(yùn)用小波分析和多級(jí)動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)模型等方法獲得針對(duì)性更強(qiáng)的遙感指數(shù)，在此基礎(chǔ)上建立農(nóng)作物重金屬污染脅迫遙感綜合評(píng)價(jià)模型，實(shí)現(xiàn)大范圍內(nèi)微小變化量的遙感識(shí)別與計(jì)算。論文主要工作內(nèi)容與結(jié)論如下：
　　 1、重金屬污染脅迫下土壤-作物系統(tǒng)理化性質(zhì)、生物參數(shù)及其與高光譜遙感數(shù)據(jù)的響應(yīng)關(guān)系。
　　 (1)基于實(shí)驗(yàn)數(shù)據(jù)分析土壤和農(nóng)作物重金屬元素含量的分布狀況，研究重金屬污染脅迫對(duì)

4、農(nóng)作物葉綠素、氮素和水分含量變化的影響機(jī)制。研究發(fā)現(xiàn)，利用生態(tài)危害綜合指數(shù)對(duì)農(nóng)作物污染脅迫等級(jí)進(jìn)行評(píng)價(jià)相對(duì)于綜合污染指數(shù)準(zhǔn)確性更高。
　　 (2)綜合分析農(nóng)作物反射光譜特征，研究并驗(yàn)證光譜指數(shù)與重金屬污染脅迫下農(nóng)作物生化參數(shù)變化的響應(yīng)關(guān)系，建立作物葉綠素、氮素和水分含量微小變化的高光譜反演模型。結(jié)果表明，諸多用于農(nóng)作物生理指標(biāo)反演的常規(guī)遙感指數(shù)(如NDVI、MCARI、OSAVI等)在重金屬污染脅迫下反演精度嚴(yán)重下降。通過分析各

5、遙感指數(shù)與作物生化指標(biāo)、重金屬污染脅迫水平的關(guān)系，利用特征光譜空間構(gòu)建出新光譜參數(shù)SIr，經(jīng)驗(yàn)證，新參數(shù)對(duì)重金屬脅迫具有良好的探測(cè)能力。
　　 2、農(nóng)作物重金屬污染脅迫光譜診斷與快速發(fā)現(xiàn)。
　　 (1)分析污染脅迫下農(nóng)作物葉綠素、氮素、水分含量微小變化的光譜響應(yīng)機(jī)制及其表征，提出農(nóng)作物重金屬污染脅迫綜合光譜表征參數(shù)，如水稻(SDg/SDr、FD933和WI3)、玉米(X23、NI15*NI17和D1025)，建立作物重金

6、屬污染脅迫多判據(jù)診斷模型。由于采用的三個(gè)參數(shù)分別對(duì)葉綠素、氮素、水分含量非常敏感，所構(gòu)建的多判據(jù)診斷模型可以很好地識(shí)別作物的重金屬污染脅迫程度。
　　 (2)利用光譜二值編碼技術(shù)研究反射光譜的全局特征，發(fā)現(xiàn)在680-720nm波長(zhǎng)范圍內(nèi)的光譜二值編碼能夠快速辨識(shí)出農(nóng)作物(尤其是水稻)重金屬污染脅迫特征。
　　 (3)根據(jù)小波分析的信號(hào)奇異性理論進(jìn)行高光譜信號(hào)異常值的檢測(cè)，對(duì)比不同小波母函數(shù)對(duì)光譜特征的分解效果，選擇利用d

7、b3小波基對(duì)反射光譜曲線進(jìn)行5層小波分解，發(fā)現(xiàn)在700-750nm波段小波系數(shù)變化劇烈，并且出現(xiàn)異常極值。對(duì)異常極值、異常幅值等與農(nóng)作物重金屬污染脅迫水平的相關(guān)分析發(fā)現(xiàn)，無污染地區(qū)奇異極大值均小于0.01；同時(shí)，異常極值、異常幅值等奇異指標(biāo)隨污染脅迫水平加劇而不斷增大，證明利用小波分解可以實(shí)現(xiàn)對(duì)重金屬污染脅迫的有效識(shí)別。
　　 3.農(nóng)作物重金屬污染脅迫等級(jí)評(píng)價(jià)。
　　 將模糊理論與人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)相結(jié)合，集成模糊推理對(duì)模

8、糊信息的表達(dá)能力，人工神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)與非線性映射能力，建立由輸入層、模糊化層、模糊規(guī)則推理層和輸出層構(gòu)成的動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)模型。模型以農(nóng)作物重金屬污染脅迫綜合光譜敏感因子為輸入，農(nóng)作物重金屬污染脅迫等級(jí)為輸出。經(jīng)多組數(shù)據(jù)分析、檢驗(yàn)，證明該模型高效而穩(wěn)定，能夠?qū)崿F(xiàn)對(duì)農(nóng)作物重金屬污染脅迫等級(jí)的快速、準(zhǔn)確評(píng)價(jià)。
　　 論文的創(chuàng)新之處在于綜合分析農(nóng)作物重金屬污染脅迫下葉綠素、氮素和水分含量的微小變化及其光譜響應(yīng)特征，獲取和度量響應(yīng)各因