農(nóng)作物重金屬污染脅迫遙感弱信息增強與計算.pdf

1、農(nóng)作物重金屬污染是當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。如何運用遙感技術(shù)動態(tài)、準確、大面積地監(jiān)測農(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)信號微弱且不穩(wěn)定，同時還受其他環(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之中，難以甄別。增強并計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、精細化方向發(fā)展必須解決的科學問題。
　　 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態(tài)識別和準確度量為研究目標，在長春、吉林等地選取若干重金屬污染程度不同的玉米、水稻農(nóng)田樣地作為實驗區(qū)，在作物關(guān)鍵生長期通過典型區(qū)域取樣、實驗區(qū)連續(xù)觀測和室內(nèi)分析測試，系統(tǒng)獲取實驗區(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應(yīng)的高光譜數(shù)據(jù)；采用實驗驗證、物理機制分析、數(shù)學建模等方法探索農(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)測的敏感光譜指數(shù)；運用小波分析和多級動態(tài)模糊神經(jīng)網(wǎng)絡(luò)模型等方法獲得針對性更強的遙感指數(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價模型，實現(xiàn)大范圍內(nèi)微小變化量的遙感識別與計算。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)基于實驗數(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

4、農(nóng)作物葉綠素、氮素和水分含量變化的影響機制。研究發(fā)現(xiàn)，利用生態(tài)危害綜合指數(shù)對農(nóng)作物污染脅迫等級進行評價相對于綜合污染指數(shù)準確性更高。
　　 (2)綜合分析農(nóng)作物反射光譜特征，研究并驗證光譜指數(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重下降。通過分析各

5、遙感指數(shù)與作物生化指標、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)驗證，新參數(shù)對重金屬脅迫具有良好的探測能力。
　　 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。由于采用的三個參數(shù)分別對葉綠素、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波長范圍內(nèi)的光譜二值編碼能夠快速辨識出農(nóng)作物(尤其是水稻)重金屬污染脅迫特征。
　　 (3)根據(jù)小波分析的信號奇異性理論進行高光譜信號異常值的檢測，對比不同小波母函數(shù)對光譜特征的分解效果，選擇利用d

7、b3小波基對反射光譜曲線進行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，異常極值、異常幅值等奇異指標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現(xiàn)對重金屬污染脅迫的有效識別。
　　 3.農(nóng)作物重金屬污染脅迫等級評價。
　　 將模糊理論與人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)相結(jié)合，集成模糊推理對模

8、糊信息的表達能力，人工神經(jīng)網(wǎng)絡(luò)的自學習與非線性映射能力，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為輸出。經(jīng)多組數(shù)據(jù)分析、檢驗，證明該模型高效而穩(wěn)定，能夠?qū)崿F(xiàn)對農(nóng)作物重金屬污染脅迫等級的快速、準確評價。
　　 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