解锁农作物铜铅污染的光谱密码

农作物重金属污染对农作物产量会产生影响，同时重金属对农作物的污染程度可以显示地下重金属的存储及污染情况，因此农作物重金属污染监测的研究具有重要的意义。

传统监测田间重金属污染的研究方法主要是生物/光学/电化学等检测法，均需要室内化学实验和室外样本采集相结合，在大范围的田间重金属监测中适用性较差。目前已经有很多研究通过农作物反射率光谱响应，反映农作物体内因污染或虫害等叶绿素含量变化，从而实现对农作物的生长监测。

本研究在地物光谱仪采集反射率的基础上设计了***种快速监测叶片光谱处理方法（LSPM），实现了玉米重金属铜铅污染元素的快速区分。

试验材料：

实验选用有底孔的玉米花盆进行玉米种植，种植前进行催芽。不同浓度的重金属铜设置为：0 ug·g-1、50 ug·g-1、200 ug·g-1、400 ug·g-1、800ug·g-1、1000ug·g-1，分别标注为：Cu(0）、Cu(50）、Cu(200）、Cu(400）、Cu(800）、Cu(1 000）。不同浓度的重金属铅同理。

实验步骤：

1. 通过玉米铜铅污染花盆实验获取叶片反射率数据及对应的重金属含量数据，获得研究所需的高光谱数据集

2. 剔除受噪声及水汽吸收等影响的反射率光谱数据，确定研究所需的谱段，并划分成四组数据（用于交叉验证，减少随机误差的产生）用于研究

3. 设计LSPM，并分别处理每组数据，探寻光谱信息间的微弱差异，实现铜铅污染元素区分。其中LSPM主要包括光谱的吸光度变换（AT）和***阶微分（FOD）

   
   

1、反射率光谱数据选取

叶片反射率数据的采集选用出穗期每盆玉米三种代表性叶型，分别是老（O，底部老年型叶片）、中（M，中部中年型叶片）、新（N，顶部青年型叶片），三种反射率数据的平均值即为此盆玉米反射率数据值。

由图1可知，随着土壤中铜污染浓度的增加，不同叶型中重金属铜含量分布交叉混叠，没有表现出规律性变化；但是随着土壤中铅污染浓度的增加，不同叶型中重金属铅含量表现出递增的规律性。同时，对图2分析计算可知，图2(a）和图2(b）皮尔逊积矩相关系数曲线图极为相似。因而考虑本文设计的LSPM，在重金属铜污染下叶片平均光谱的应用效果与在重金属铅污染下玉米老叶光谱的应用效果相同。所以在铜铅污染元素区分研究中反射率数据的选择根据重金属污染元素不同而定。

2、数据分析

同***植株的农作物反射率光谱曲线相关性高，但随着生长会引起体内叶绿素含量的差异性，进而反射率光谱信息间存在***定的差异。根据本文设计的实验，每盆玉米分别采集老中新叶片的反射率光谱数据，***后得到如图3所示的数据。

从图3明显看出，在不同浓度铜铅污染下，每个铜铅污染浓度老中新叶片的反射率光谱数据曲线和每个铜铅污染浓度叶片平均光谱数据曲线仍高度相似，并且通过计算可以发现，在450～850 nm谱段范围内（本文研究选择的谱段范围）相关性达到90%，无法通过光谱直接进行铜铅污染元素的区分。因此需要对光谱进行进***步的处理。

3、数据进***步处理与分析

针对采集光谱高度相似，难以分析，设计了LSPM，将叶片原始反射率光谱数据进行处理，找到不同铜铅污染浓度下反射率光谱信息间的微弱差异，从而实现铜铅污染元素区分。

具体步骤是：

1）本文设计的实验数据不同浓度铜铅污染下有三组花盆，LSPM对重金属铜污染下叶片平均光谱的应用效果与重金属铅污染下玉米老叶光谱的应用效果相同，将其分为四组（用于交叉验证，减少随机误差的产生）（见图4）

2）将每组玉米叶片450～850 nm的反射率光谱数据先后进行AT和FOD处理，获得AF数据曲线

3）通过对四组光谱数据曲线进行对比，找出重金属铜铅污染下光谱信息间的微弱差异，实现铜铅污染元素区分

对图4的数据计算分析可知，利用LSPM，重金属铜污染下谱峰Cu2高于谱峰Cu1，同时重金属铅污染下谱峰Pb1高于谱峰Pb2。四组数据彼此交叉验证，表明在重金属铜铅污染下玉米叶片原始反射率光谱数据经过AT和FOD处理后，可见光范围内的630～690 nm，铜铅污染出现了明显不同的特征，铜铅污染下LSPM实现了铜铅污染元素区分，有效性高。

本研究从光谱域的角度，对重金属铜铅污染下的玉米叶片反射率光谱数据进行处理，选择研究谱段为450～850 nm（可见光和近红外部分），利用光谱组合处理方法，设计了针对玉米的LSPM，实现了铜铅污染元素区分。