铀矿区植物的光谱特性分析

胡军杰， 陈美兰， 吴连喜， 饶月辉， 张 维

(1.东华理工大学数字国土江西省重点实验室，江西抚州 344000;2.南昌工程学院水利与生态学院，江西南昌 330099;3.抚州职业技术学院，江西抚州 344000)

铀矿区植物的光谱特性分析

胡军杰1， 陈美兰2， 吴连喜1， 饶月辉3， 张 维1

(1.东华理工大学数字国土江西省重点实验室，江西抚州 344000;2.南昌工程学院水利与生态学院，江西南昌 330099;3.抚州职业技术学院，江西抚州 344000)

利用SVC HR-768便携式地物光谱仪对铀矿区与非铀矿区的四种植物的反射光谱进行测定，采用移动平均法进行了噪声去除，同时利用导数光谱技术清除植被环境背景影响。结果表明，铀矿区的黄荆、芒萁骨、商陆和4的反射率值均相应的比非铀矿区处的大;铀矿区的黄荆、芒萁骨和商陆均出现“蓝移”现象，且芒萁骨在铀矿区的“蓝移”值最大(11 nm);铀矿区的地锦出现“红移”现象，红移了6.8 nm;同时铀矿区的植物中芒萁骨的“绿峰”处反射率值为0.24、“红谷”处反射率值为0.08，峰谷间的差值在所测植物中也是最大的(0.16)。

植物;光谱;铀

植物是陆地生态系统的基础组成，植物的生长发育直接影响整个生态系统。对于土壤环境污染来说，植物生长发育状况可以成为指示生态系统污染的一项重要指标;在植物受到污染时，植物叶片反射光谱有时会发生特征变化。

目前国内外许多专家利用高光谱遥感技术估算或反演植被的叶面积和生物量(刘国顺等，2007;冯伟等，2009)、叶绿素含量(Daughtry et al.，2000;董晶晶等，2009)、氮素(Huang et al.，2004;冯伟等，2008)和蛋白质水平(冯伟等，2008)以及监测植物的长势等(郑有飞等，2007)，尤其是对污染土壤条件下植株的监测研究日益深入。譬如:陈思宁等(2007)通过白菜叶片红边位、可见区光谱、近红外区光谱三种特征光谱因子与不同锌含量对白菜生长的胁迫响应进行定量线性相关分析;迟光宇等(2009)在水培条件下分析了亚铁胁迫对水稻体内Fe含量、叶绿素浓度及可见-近红外特征光谱的影响，并对其相关关系进行了深入探讨;刘素红等(2007)在实验室土培条件下通过白菜叶片红边位、可见区光谱、近红外区光谱三种特征光谱来探析了白菜生长重金属Cu污染的胁迫响应;Hajare等(2008)对不同土壤条件下的红花作物光谱特征参数进行研究;Mohanapriya等(2006)对硫酸铜对马齿苋的光谱影响进行的研究。但在铀矿区的植物的光谱特性研究方面，目前国内利用高光谱遥感开展的研究几乎没有。

近年来，随着高光谱遥感技术的发展与应用，遥感影像的空间分辨率和光谱分辨率得到很大的提高。野外测量中实测了13种植物的光谱，由于人为操作或外界条件的影响，使一些植物出现光谱形态差异明显或反射率间的差值悬殊而不利数据的平均，本项研究最终选择对黄荆、地锦、商陆和芒萁骨四种植物的光谱进行分析。

1 试验地点

处理区域位于江西省抚州市相山铀矿区，而对照区位于距铀矿区75 km左右的临川区内(本文称其为非铀矿区)，非铀矿区地形与处理区相似，均为丘陵山区。

调查期内研究区主要植物有盐肤木(Rhus chinensis)、悬铃木(Platanus acerifolia)、白背叶(Mallotus apelta)、油桐(Verniciafordii)、博落回(Macleaya cordata)、地锦(Parthenocissus tricuspida-ta)、泡桐(Paulownia)、商陆(Phytolacca)、芭茅(Miscanthus floridulus)、金樱子(Rosa laevigata)、芒萁骨(Dicranopteris pedata)、刺槐(Robinia pseudoacacia)、地菍(Melastoma dodecandrum)、苍 耳(Xanthium sibiricum)、黄荆(Vitex negundo)、苎麻(Boehmeria nivea)等。

2 研究方法

2.1 植物光谱测定

使用美国SVC公司生产的HR-768型便携光谱仪，其波段覆盖350～2 500 nm，其通道数768，其光谱带宽在350～1 000 nm范围内为1.6 nm;1 000～1 900 nm范围内为8 nm;1 900～2 500 nm范围内为6 nm，其光谱分辨率在350～1 000 nm范围内为3.5 nm;1 000～1 900 nm范围内为16 nm;1 900～2 500 nm范围内为14 nm，最小积分时间1 ms。野外光谱测定前先设置好仪器的相应参数，在测定植物光谱之前先测定参考白板的反射数据，测定时将参考白板调至水平位置，采用25°镜头(光纤)与参考白板垂直距离控制在20 cm左右。参考白板标定后再测定植物的反射强度，通过PDA可得到植物的反射强度、参照板反射强度和植物的光谱反射率，如式(1)。

所有的反射光谱数据均在野外自然光条件下测得，为减少不同太阳高度角对反射率的影响，反射光谱的测定应选择天气晴朗无云，本次试验野外数据测定时间分别为2010年10月6号和8号的上午11点30左右到13点左右;天气状况为晴朗无云微风;对每株植物测定10次，取平均值作为其最终光谱值。

2.2 光谱数据处理技术

利用SVC HR-768便携式地物光谱仪携带的光谱处理软件SVC HR-768 Data Acquisition Software v1.1，将所测得的植物光谱反射率数据进行格式转换，以便在excel中进行数据求平均，并结合matlab软件进行相应的数据处理和作图。

2.2.1 光谱去噪技术

由于光谱仪波段间对能量响应上的差异，使光谱曲线总存在一些噪声，为得到平稳的变化需平滑波形，以去除包含在信号内的少量噪声。实践表

式中R'i为该样本第i点的反射率值(均值)，k=1，2，3，…，n。

2.2.2 导数光谱技术

除了直接对反射率进行分析，还对反射率进行了光谱微分变换，微分光谱则有助于限制低频噪声对目标光谱的影响。不同阶数的微分值可以帮助人们迅速确定光谱的拐点及最大最小反射率的波长位置。研究表明，光谱的低阶微分处理对噪声影响敏感性较低，因而在实际应用中更为有效(Cloutis，1996)。在实际计算中，一般用光谱的差分作为微分的有限近似。根据数理研究的成果，导数光谱技术能压缩背景噪音对目标信号的影响或不理想的低频信号，因而可以被应用在许多遥感研究中(张飞等，2008)。

对于植被而言，光谱数据的一阶微分有利于部分消除大气、土壤背景、凋落物等低频光谱成分对目标的影响来突出目标，反映和揭示植被光谱的内在特性。由于本研究中所获得的光谱数据是离散形式的，其微分的计算就变成了计算差分，所以在研究中采用如下公式来求光谱数据的微分:明，如果噪声的频率较高，其量值也不大，用平滑方法可在一定程度上降低噪声。降噪的方法有很多，其中傅立叶滤波法可以消除曲线信号中低频或高频的随机噪声，但是其滤波尺度固定，在消除噪声的同时原曲线的形态也变化较大，波峰波谷均被削弱，曲线显得平缓;小波法具有时频变焦的特征，但其方法比较复杂，尺度控制也不易。由于此次试验所选波段范围总体而言比较平稳，常规的平滑方法与小波变换等方法达到效果无太大差别，且均值法操作性也比较容易，因此本次实验的降噪处理采用了均值法，其数学表达式为:

式中ρ为反射率，λ为波长。

2.3 光谱数据分析

本研究中只选择350～850 nm波段范围的光谱数据，之后，随着波长的增大，水汽的影响所带来的噪声也增强;另外，这个区间之外的有些测量值大于1，这显然不合理。

虽然光谱一阶差分变换(导数光谱)、比值植被指数(RVI)和调节土壤植被指数(SAVI)及对光谱数据进行带深归一化等方法可用来消除低频背景光谱(土壤等)的影响;对光谱进行归一化变换可以消除光照条件差异的影响，这些数据处理能在一定程度上揭示光谱中内在的隐含特征并提高估计精度，但这些数据变换处理并不能完全消除干扰因子的影响(薛利红等，2003)，所以处理手段的选取对此次研究也有一定的影响，有待进一步地研究探讨。

本研究初步采用“红边”位移现象来对植物光谱特征进行分析，所谓“红边”就是反射光谱的一阶微分最大值对应的光谱位置。用“红边”位移量探测低覆盖度植被有以下3个原因:一是叶绿素红边是绿色叶子最明显的光谱特征;二是“红边”现象在岩石、土壤和大部分植物凋落物中是不存在的;三是“红边”位置变化区域正好落在太阳高照度区(蒲瑞良等，2000)。红边斜率主要与植被覆盖度或叶面积指数有关，覆盖度越高或叶面积指数越大，红边斜率越大。红边位置则主要与叶片叶绿素含量有关，当植被中叶绿素b含量减少时，红边位置将向短波方向偏移，通常称之为“蓝移”。当植被因缺水而发生叶子枯萎时，红边位置将向长波方向偏移(红移)(Ju et al.，2010)。

3 结果与分析

3.1 不同地域同一植物光谱特征分析

测定出光谱反射曲线所表现的典型植被光谱特征(图1)。在350～500 nm和675 nm附近有较强的吸收，在550 nm附近形成了反射“绿峰”，在700～750 nm形成直观的近似垂直的陡坡，在750～850 nm形成典型的近红外高原区。

图1 铀矿区与非铀矿区两地的植物光谱特征Fig.1 The spectral curves of plants in uranium and non-uranium ore district

黄荆。从图1a中可以看出，在350～450 nm两地域的黄荆反射率值变化不明显，450～850 nm其变化较明显;黄荆在铀矿区与非铀矿区的“绿峰”处反射率值分别为0.17，0.09(差值在0.08)，“红谷”处反射率值分别为0.06，0.04(差值在0.02)，在近红外处反射率均值分别为0.69，0.42(差值约为0.17);从图2a中可以看出其一阶导数最大值(红边位置):位于铀矿区的黄荆(711 nm)、位于非铀矿区的黄荆(716.4 nm)(“蓝移”5.4 nm)。

图2 铀矿区与非铀矿区两地的植物光谱一阶导数Fig.2 The first derivative of plants’spectrum in uranium and non-uranium ore district

芒萁骨。从图1b中可以看出，两地域的芒萁骨反射率值变化不明显范围在350～400 nm，400～850 nm其变化逐渐明显;芒萁骨在铀矿区与非铀矿区的“绿峰”处反射率值分别为0.24，0.12(差值在0.12)，“红谷”处反射率值分别为0.08，0.05(差值在0.03)，在近红外处反射率均值分别为0.58，0.48(差值约为0.10);从图2b中可以看出其一阶导数最大值(红边位置):位于铀矿区的芒萁骨(701.3 nm)、位于非铀矿区的芒萁骨(712.3 nm)(“蓝移”11 nm)。

商陆。从图1c中可以看出，在350～500 nm两地域的商陆反射率值几乎没变化，570～640 nm其变化率很强;其在铀矿区与非铀矿区的“绿峰”处反射率值分别为0.18，0.13(差值在0.05)，“红谷”处反射率值分别为0.09，0.06(差值在0.03)，在近红外处反射率均值分别为0.62，0.51(差值约为0.11);从图2c中可以看出其一阶导数最大值(红边位置):位于铀矿区的商陆(695.8 nm)、位于非铀矿区的商陆(712.3 nm)(“蓝移”6.5 nm)。

地锦。从图1d中可以看出，两地域的地锦反射率值变化范围最大(380～850 nm);其在铀矿区与非铀矿区的“绿峰”处反射率值分别为0.14，0.07(差值在0.07)，“红谷”处反射率值分别为0.09，0.05(差值在0.04)，在近红外处反射率均值分别为0.73，0.29(差值约为0.44);从图2(d)中可以看出其一阶导数最大值(红边位置):位于铀矿区的地锦(721.9 nm)、位于非铀矿区的地锦(715.1 nm)(“红移”6.8 nm)。

从图1中可知，位于铀矿区的植物光谱反射率值在“绿峰”的范围0.12～0.24;位于非铀矿区的植物光谱反射率值在“绿峰”的范围0.06～0.12;整体而言位于铀矿区的黄荆、芒萁骨、商陆和地锦的反射率值均相应的比位于非铀矿区的黄荆、芒萁骨、商陆和地锦的反射率值要大。由于在相山所测地位于铀矿区，因此初步考虑为铀对植物的影响，使其叶绿素合成受阻从而在可见光范围内吸收减少、反射增加;同时其辐射性可能使植物内部组织结构(细胞结构)改变导致反射散射次数增加。从图2中可知，铀矿区的黄荆、芒萁骨和商陆相对非铀矿区的而言出现了“红边蓝移”现象，“红边蓝移”是因为植物中的叶绿素b含量减少，即可初步说明铀矿区的植物体内叶绿素相对正常区域的植物而言含量减少(Ju et al.，2010)。针对地锦出现“红边红移”现象，初步考虑其叶子发生枯萎(Ju et al.，2010)，至于其它可能原因有待进一步的研究。

3.2 铀矿区植物光谱特征分析

考虑到地锦出现“红移”现象，究其原因可能有很多种，还有待进一步分析。从图3a中可以看出铀矿区黄荆的“绿峰”处反射率值为0.17、“红谷”处反射率值为0.06;芒萁骨的“绿峰”处反射率值为0.24、“红谷”处反射率值为0.08;商陆的“绿峰”处反射率值为0.18、“红谷”处反射率值为0.09;可以得出芒萁骨的峰谷间差值在所测植物中是最大的，即为0.16。从图3b中可以看出植物光谱一阶导数最大值位置从左到右分别是商陆、芒萁骨和黄荆;在400～500 nm和775～850 nm范围三种植物的一阶导数的差异较大;总体而言芒萁骨和商陆的曲线形态大致一致，但与黄荆的差异较大。

图3 铀矿区植物的光谱及一阶导数Fig.3 The spectrum and the first derivative of plants in uranium ore district

4 结论

本项研究利用地物光谱仪测得植物的放射光谱，并初步分析研究了植物的反射光谱和一阶光谱导数。结果表明，位于相山铀矿区的植物反射率值均比正常环境下(非铀矿区)的要大;而且铀矿区的黄荆、芒萁骨和商陆相对非铀矿区的而言出现了“红边蓝移”现象，其中芒萁骨的“蓝移”值最大为11 nm;而铀矿区的地锦则出现“红移”现象，红移了6.8 nm;铀矿区芒萁骨的“绿峰”处反射率值为0.24、“红谷”处反射率值为0.08，峰谷间的差值在所测植物中也是最大的(0.16 nm);在实际应用中，可以用地物光谱仪测定植物的光谱特征与其物化参数之间的关系，再结合高光谱遥感影像进行解译、分析和反演，从而实现大尺度的植被变化监测和植物找铀的可能。

陈思宁，刘新会，侯娟，等.2007.重金属锌胁迫的白菜叶片光谱响应研究［J］.光谱学与光谱分析，9(27):1797-1801.

迟光宇，陈欣，史奕，等.2009.水稻叶片光谱对亚铁胁迫的响应［J］.中国科学，39(4):413-419.

董晶晶，王力，牛铮.2009.植被冠层水平叶绿素含量的高光谱估测［J］.光谱学与光谱分析，11(29):3003-3006.

冯伟，朱艳，姚霞.2008.小麦氮素积累动态的高光谱监测［J］.中国农业科学，41(7):1937-1946.

冯伟，朱艳，姚霞.2009.基于高光谱遥感的小麦叶干重和叶面积［J］.植物生态学报，33(1):34-44.

刘国顺，李向阳，刘大双.2007.利用冠层光谱估测烟草叶面积指数和地上生物量［J］.生态学报，27(5):1763-1771.

刘素红，刘新会，侯娟，等.2007.植物光谱应用于白菜铜胁迫响应研究［J］.中国科学，37(5):693-699.

蒲瑞良，吕鹏.2000高光谱遥感及其应用［M］.北京:高等教育出版社:81-97.

薛利红，罗卫红，曹卫星，等.2003.作物水分和氮素光谱诊断研究进展［J］.遥感学报，1(7):73-80.

张飞，丁建丽，塔西甫拉提·特依拜，等.2008.渭干河-库车河三角洲绿洲盐渍化地地物光谱数据分析［J］.光谱学与光谱分析，28(2):2911-2926.

郑有飞，Guo X，Olfert O.2007.高光谱遥感在农作物长势监测中的应用［J］.气象与环境科学，30(1):10-16.

Cloutis E A.1996.Hyperspectral geological remote sensing:evaluation of analytical techniques［J］.Int.J.Remote Sens.，17(12):2215-2242.

Daughtry C S T，Walthall C L，Kim M S，et al.2000.Estimating corn foliar chlorophyll content from leaf and canopy ee-flectance［J］.Remote Sensing of Environment，(74):229-239.

Hajare T N，Patil N G，Verma K S.2008.On spectral Indices as a function of soil variability in safflower crop［J］.Indian Soc.Remote Sens，36:267-272.

Huang Z，Turner B J，Dury S J，et al.2004.Estimating foliage nitrogen concentration from HYMAP data using continuum removal analysis［J］.Remote Sensing of Environment，(93):18-29.

Ju C H，Tian Y C，Yao X，et al.2010.Estimating Leaf Chlorophyll Content Using Red Edge Parameters［J］.Pedosphere，20(5):633-644.

Mohanapriya S，Senthilkumar P，Sivakumar S，et al.2006.Effects of Copper Sulfate and Copper Nitrate in Aquatic Medium on the Restoration Potential and Accumulation of Copper in Stem Cuttings of the Terrestrial Medic-inal Plant，Portulaca Oleracea Linn［J］.Environmental Monitoring and Assessment:231-242.

Analysis of the Plants Spectral Characteristics in Uranium Ore District

HU Jun-jie1， CHEN Mei-lan2， WU Lian-xi1， RAO Yue-hui3， ZHANG Wei1
(1.Jiangxi Key Laboratory of Digital Land，East China Institute of Technology，Fuzhou，JX 344000，China;2.Nanchang Institute of Technology，Nanchang，JX 330099，China;3.Fuzhou Vocational and Technical College，Fuzhou，JX 344000，China)

The reflection spectrum of four kinds of plants in uranium and non-uranium ore district are measured with SVC HR-768 portable spectroradiometer.The moving average method is used for noise removal，and derivative spectrum technology is used to remove the influence of environmental background.The results show that reflectivity of Negundo Chastetree，Dichotomy Forked Fern，Radix Phytolaccae and Parthenocisus tricuspidata in uranium ore district are greater than those in non-uranium ore district.Negundo Chastetree，Dichotomy Forked Fern and Radix Phytolaccae in uranium ore district show a“blue shift”.The“blue shift”of Dichotomy Forked Fern is the maximum with 11 nm.Parthenocisus tricuspidata in uranium ore district show a“red shift”with 6.8 nm.The spectrum reflectance of“green peak”，“red valley”and difference between peak and valley of Dichotomy Forked Fern is 0.24，0.08 and 0.16，respectively.

Plants;spectrum;uranium

S123;TH744.1

A

1674-3504(2011)04-0374-05

胡军杰，陈美兰，吴连喜，等.2011.铀矿区植物的光谱特性分析［J］.东华理工大学学报:自然科学版，34(4):374-378. Hu Jun-jie，Chen Mei-lan，Wu Lian-xi，et al.2011.Analysis of the plants spectral characteristics in uranium ore district［J］.Journal of East China Institute of Technology(Natural Science)，34(4):374-378.

10.3969/j.issn.1674-3504.2011.04.011

2011-04-18; 责任编辑:吴志猛

胡军杰(1986—)，男，硕士研究生，摄影测量与遥感专业，主要从事定量遥感研究。E-mail:dhlg_hjj@126.com

吴连喜(1966—)，男，教授，博士，研究生导师，主要从事土地生态遥感研究。