水體總氮濃度與濕地蘆葦葉片高光譜特征關系研究

劉 克，唐 新 明，趙 文 吉，雷 兵，郭 逍 宇，宮 兆 寧

(1.國家測繪地理信息局衛星測繪應用中心，北京 101300；2.首都師范大學資源環境與旅游學院，北京 100048)

?

水體總氮濃度與濕地蘆葦葉片高光譜特征關系研究

劉 克1,2，唐 新 明1，趙 文 吉2，雷 兵1，郭 逍 宇2，宮 兆 寧2

(1.國家測繪地理信息局衛星測繪應用中心，北京 101300；2.首都師范大學資源環境與旅游學院，北京 100048)

以富營養化主控因子總氮為研究對象，通過不同氮濃度梯度培養蘆葦的試驗，測定蘆葦的生理生化參數和葉片光譜，分析不同氮濃度處理下的蘆葦理化特征和光譜特征差異，并利用線性和非線性回歸方法建立光譜指數與水體總氮濃度的關系模型。研究結果表明：隨水體總氮濃度的增加，蘆葦高度、鮮生物量、葉片氮含量及葉綠素含量呈現增加趨勢，而綠光反射峰值和紅光吸收谷值呈現下降趨勢，并出現明顯"紅移"現象；不同氮濃度處理的蘆葦葉片反射光譜在綠光至紅光的530～639 nm和696～717 nm差異顯著；基于非線性擬合的PRI(Photochemical Reflectance Index)和CI(Chlorophyll Index)指數能夠較好指示水體總氮濃度，擬合精度分別達0.82和0.91。該研究可以彌補現有水體富營養化遙感探測的不足，并為濕地管理與保護提供科學依據。

濕地植物；遙感；高光譜；富營養化；總氮

0 引言

水體富營養化不僅直接危害漁業和水資源的利用，而且破壞以水環境為生存和發育條件的濕地生態系統[1,2]，是當今世界水污染治理的難題，并已成為最重要的環境問題之一。富營養化監測是富營養化水體治理與修復的基本前提。傳統多光譜傳感器的光譜分辨率較低，難以辨別水質參數的診斷性吸收特征，而高光譜遙感器具有很窄的電磁波波段，可以從目標物獲取更多有用的信息，因此得以廣泛應用[3-5]。但已有研究大多針對開闊水體，針對被濕地植物覆蓋的水體富營養化探測研究尚不多見。國外學者開始探索利用濕地植物光譜監測濕地環境變化[6,7]，而目前國內關于濕地植物光譜的研究集中于物種識別、分類制圖等方面，利用其監測環境變化的研究較少[8]。

濕地植物對氮的吸收閾值與其水體中氮濃度凈化貢獻率呈現相同趨勢[9]，葉片氮含量與葉綠素含量具有正相關關系[10]，而葉片葉綠素濃度變異是決定可見光和近紅外反射光譜特征的主要因素[11，12]，這些研究為基于葉片光譜特征的水體氮含量反演提供了科學依據。本研究采用室內水體總氮單因素控制試驗的方法研究不同氮梯度下蘆葦的生理生化和光譜響應特征，并嘗試采用線性和非線性擬合的方法建立水體總氮含量與植被光譜指數的聯系，以期為大尺度水體總氮遙感監測提供科學依據，為濕地管理與保護提供參考、借鑒。

1 試驗材料與方法

1.1 試驗設計

選擇典型的濕地植物——蘆葦作為研究對象。2010年7月從田間挖取蘆葦，保留其根狀莖，緩苗成功后移栽至裝有陶粒的試驗盆中，每盆栽種2棵，將試驗盆放入水槽中。參照Hoagland實驗方法，將植物水培母液稀釋為1/40 Hoagland培養液，并利用NH4NO3調整為5個氮梯度(0 mg/L、1 mg/L、2 mg/L、5 mg/L、20 mg/L)對蘆葦進行水培實驗，每個處理6次重復，完全隨機排列。處理期間每10天更換一次培養液，30 天后進行各項指標的測定。室內晝夜溫度分別為30℃和18℃，相對濕度80%以上，光照14 h/d。

1.2 光譜反射率測定

采用美國ASD公司Field-Spec 3光譜儀測定蘆葦光譜。選擇晴朗無風的天氣，測量時間為10∶00-14∶00，根據天氣條件進行優化，至少每20 min利用白板進行1次。測量時選擇植株從頂部下數第一片完全展開的新葉，探頭距離葉片中間部位約5 cm，保證探頭的視野范圍落在葉片上，每片葉一次保存10條光譜。

1.3 植株理化參數測定

1)高度測定：與光譜反射率同步測量植株高度，測量工具為卷尺；2)葉綠素含量測定：摘取光譜測量葉片，利用丙酮和乙醇1∶1混合，提取葉片葉綠素，使用分光光度計(UV-1600 Spectrophotometer)測定葉綠素a、葉綠素b在663 nm和645 nm的吸光度，計算葉綠素含量；3)鮮生物量測定：將植株取出，用蒸餾水漂洗稱其鮮重；4)全氮含量測定：將葉片在105℃下殺青30 min后，于80℃下烘干至恒重，利用H2SO4-H2O2消煮，采用KDY-9830 凱氏定氮儀測定葉片全氮含量。

1.4 數據處理與分析

(1)光譜數據處理。對采集的葉片光譜數據進行算術平均，350～400 nm和800 nm之后的波段噪聲較大，故去掉這些波段，不參與后續分析。

(2)一階導數分析。傳統的植被指數易受植被覆蓋率、土壤顏色等影響，利用導數光譜技術能壓縮背景噪音對目標信號的影響和不理想的低頻信號，使數據更科學[13]。一階導數光譜的計算方法如下[14]：

式中:λi為每個波段的波長，ρ′(λi)為波長λi的一階導數，Δλ為波長λi-1到λi的間隔。

(3)單因素方差分析。亦稱為一維方差分析(One-WayANOVA)，用于對單因素多個獨立樣本均值進行比較。本文采用Bonferroni方法對不同氮濃度處理下蘆葦葉片光譜反射率進行差異性分析。

2 結果分析與討論

2.1 不同氮濃度處理下蘆葦生理生化特征

統計不同氮濃度處理下蘆葦高度、鮮生物量、葉綠素含量和氮含量，與水體氮濃度的相關性均達到顯著(P<0.05)或極顯著(P<0.01)水平。從總體趨勢看，隨著氮濃度的升高，蘆葦各項理化指標均呈現上升趨勢(圖1)，說明隨著水體氮含量的增加，蘆葦生長發育情況逐漸好轉。進一步分析葉片氮含量與葉綠素的關系(圖2)，其相關系數為0.91，達到顯著水平(P<0.05)。以上分析表明，供氮水平越高，葉片氮含量越多，而由于氮是葉綠素的組成元素，葉綠素含量也越高，供氮水平明顯影響葉綠素的多寡。

圖1 5個氮濃度處理下蘆葦高度、鮮生物量、葉片氮含量及葉綠素含量

Fig.1 Comparisons of height,wet weight,nitrogen content and chlorophyll content ofPhragmitesaustraliswith five nitrogen treatments

圖2 蘆葦葉片氮含量與葉綠素含量相關性分析

Fig.2 Correlations of nitrogen content and chlorophyll content ofPhragmitesaustralis

2.2 不同氮濃度處理下蘆葦葉片可見光波段反射率

由于葉綠素的作用，植物葉片在可見光區域存在強烈的輻射能量吸收和較低的反射率[15]。根據植物的這種反射光譜特性，截取可見光波段以探明不同氮濃度處理下蘆葦葉片光譜反射率的差異。如圖3所示，在可見光波段，葉片光譜反射率均呈現“單峰”狀，并在560 nm左右形成反射峰。但不同氮濃度處理葉片反射強度有差別，光譜反射率隨著水體氮含量的增加而下降，這是因為較高的氮供給引起葉綠素含量增加，光合有效輻射(Photosynthetically Active Radiation，PAR)增強，在綠光波段的反射率降低。不同氮濃度處理葉片反射光譜在可見光波段680 nm附近有一個紅光吸收谷。葉綠素含量隨著氮供給水平的升高而增多，光合作用增強，利用的紅光相應增加，吸收谷因此變深。560 nm和680 nm左右的波段是有效反映植物葉綠素和氮含量的敏感波段[16,17]，本研究表明這些波段同時也是反映水體氮濃度梯度變異的敏感波段。

圖3 5個氮濃度處理下蘆葦葉片可見光平均反射率

2.3 不同氮濃度處理下蘆葦葉片光譜一階導數

一階導數變換能夠挖掘原始光譜的隱藏信息[18,19]，不同氮濃度處理下蘆葦葉片光譜一階導數變化如圖4所示。紅邊位置(680～750 nm)由1個主峰和幾個次峰組成[20,21]，主峰落在700～720 nm之間。0 mg/L處理下一階導數的主峰位于700 nm左右，而次峰不顯著，位于718 nm左右；其他處理下的一階導數存在2個特征顯著的紅邊峰值，分別落于702 nm和718 nm左右。另外，相比1 mg/L，2 mg/L、5 mg/L、20 mg/L處理下的一階導數在700 nm處的峰值逐漸平緩，而在718 nm左右表現為突出峰的特征。有研究表明，植物一階導數光譜在680～730 nm的紅邊區域一般存在兩個潛在的峰值，前峰大約位于705 nm，后峰大約位于720 nm[20,21]。當植物生長狀況較好、葉綠素含量較多時，其紅邊反射率一階導數曲線的主峰為后峰，前峰不明顯；反之，則主峰為前峰，后峰不明顯[21]。結合圖1可見，蘆葦在較高濃度氮處理下，葉綠素含量較高、生長狀況良好，因而紅邊主峰為后峰；蘆葦在較低濃度氮處理下，葉綠素含量降低、生長受到抑制，因而紅邊主峰為前峰。紅邊峰值對應的波長位置反映了植物的生長狀況。生長狀態好時，紅邊右移(紅移)；生長狀態差時，紅邊左移(藍移)。0 mg/L、1 mg/L、2 mg/L、5 mg/L、20 mg/L氮濃度處理下的一階導數譜峰值分別為700 nm、702 nm、718 nm、718 nm、719 nm，顯然，隨著濃度的增高，蘆葦的一階導數峰值呈現"紅移"現象，生長狀況轉好。

圖4 5個氮濃度處理下蘆葦葉片反射率一階導數

Fig.4 The first derivative spectrum curves ofPhragmitesaustraliswith five nitrogen treatments

2.4 不同氮濃度處理下蘆葦葉片光譜差異

利用對Bonferroni多重比較分析方法得到5個氮梯度下光譜對比結果(圖5)，顯著性水平取P=0.05。0 mg/L氮濃度處理下的光譜反射率與其他比較，分別在400～709 nm、467～722 nm、400～717 nm、400～729 nm存在顯著差異；1 mg/L與2 mg/L及5 mg/L氮濃度處理下的光譜反射率沒有顯著差異，而與20 mg/L在紅波段(530～582 nm)和近紅外波段(696～728 nm)存在顯著差異；2 mg/L與20 mg/L氮濃度處理下的光譜反射率相比，在562～639 nm存在顯著差異；5 mg/L與20 mg/L氮濃度處理下的光譜反射率在708～732 nm存在顯著差異；2 mg/L與5 mg/L氮濃度處理下的光譜反射率相比，不存在顯著差異。

圖5 不同氮濃度處理條件下的蘆葦葉片光譜圖

Fig.5 Detection of differences among pairwise contrasts of five nitrogen treatments

進一步根據兩兩對比的結果，統計顯著差異波段出現的頻次(圖6)。出現6次差異的波段為562～582 nm和708～709 nm，出現5次以上(含上述6次)差異的波段為530～639 nm和696～717 nm。530～639 nm位于綠黃橙光譜范圍內，主要反映葉綠素和類胡蘿卜素對黃光和綠光的反射特征，而696～717 nm位于紅光光譜范圍內，該譜段反映葉綠素對紅光的吸收特征，是探測葉綠素的敏感波段[22]。

圖6 差異顯著波段頻次分析

Fig.6 Frequency statistics of significantly different bands

2.5 蘆葦葉片光譜與氮濃度的關系

前人研究表明，選擇合適的波段位置對提高植被指數與氮濃度、葉綠素濃度的相關程度至關重要。基于此，選取高頻使用的高光譜指數(表1)，利用線性和非線性回歸模型建立與氮梯度濃度的關系。其中，非線性回歸引入Growth/Sigmoidal函數數據模型，表達式為y=A1+(A2-A1)/(1+10^((LOGx0-x)*p))。從表1中可以看出，基于線性擬合的光化學植被指數(Photo Chemical Reflectance Index，PRI)精度最高，調整R2為0.63；基于非線性擬合的CI指數表現最好，調整R2為0.91，其次為PRI指數，調整R2達到0.82。非線性模型的擬合精度高于線性模型擬合精度。

從表1中還可以看出，CI光譜指數由705 nm和750 nm處的反射率構成，充分應用了紅邊信息，對葉綠素濃度具有較好指示作用和較高敏感性[23]，而外源氮濃度與蘆葦葉片葉綠素濃度具有高度一致性，這可能是該指數與水體氮濃度擬合效果較好的原因。PRI光譜指數是由531 nm和570 nm處的反射率構成，531 nm處的反射率只受到葉綠素含量的影響，570 nm處的反射率受葉綠素和胡蘿卜素兩種色素的影響，葉綠素含量越高，PRI值越大[24-26]。另外，構成CI和PRI光譜指數的波段同時也是2.4節差異頻率較高的波段，可能是這兩個指數與氮濃度擬合效果較好的原因。

表1 線性/非線性擬合模型參數

Table 1 Linear/nonlinear curve fit model parameters

指數名稱表達式NDVIPRICIDD(R800-R670)/(R800+R670)(R531-R570)/(R531+R570)(R750-R705)/(R750+R705)(R750-R720)-(R700-R670)線性模型非線性模型a0．0010．0020．0050．004b0．733-0．0010．3780．038Adj．R20．0240．6260．2160．255A1-20．571-242．277-288．909-340．68A20．7670．0330．4510．109LOGx0-0．33-24．721-4．378-6．436P6．870．150．7290．517Adj．R20．6430．8220．9050．811

3 結論

本研究采用室內水體總氮單因素控制試驗的方法，通過分析廣布世界的水生植物——蘆葦對水體總氮濃度的光譜響應特征，間接反映了水體總氮濃度的變化。研究結果表明：外源氮的濃度顯著影響蘆葦的生長狀況，與蘆葦高度、鮮生物量、葉片氮含量、葉綠素含量等生理生化指標呈現正相關關系。隨著水體氮濃度的上升及葉綠素含量增加，蘆葦葉片光譜在綠光的反射強度降低，在紅光的吸收強度增加，紅邊主峰移為后峰，并出現明顯“紅移”現象。不同氮處理濃度的蘆葦葉片反射光譜在530～639 nm及696～717 nm差異顯著，以上兩個譜帶不僅是探測葉綠素的敏感波段，同時也是反映水體氮濃度梯度變異的敏感波段。利用構成波段與上述波段范圍高度重合的PRI和CI指數，建立預測水體總氮濃度的非線性擬合模型，精度分別達到0.82和0.91，是監測水體總氮濃度的理想模型。

本研究是基于水體總氮單因素的控制試驗，其結果能有效避免因冠層結構、葉片水分和土壤背景等因素對光譜特征的影響導致的研究結果偏差，是基于水體總氮濃度與濕地蘆葦葉片高光譜特征關系研究的有益嘗試。

[1] 全為民，嚴力蛟.農業面源污染對水體富營養化的影響及其防治措施[J].生態學報，2002，22(3)：291-298.

[2] HEMOND H F,BENOIT J.Cumulative impacts on water quality functions of wetlands[J].Environmental Management,1988,12(5):639-653.

[3] HAKVOORT H,HAAN J DE,JORDANS R,et al.Towards airborne remote sensing of water quality in the Netherlands-validation and error analysis[J].Journal of Photogrammetry and Remote Sensing,2002,57(3):171-183.

[4] MATTHEWS M W,BERNARD S,WINTER K.Remote sensing of cyanobacteria-dominant algal blooms and water quality parameters in Zeekoevlei,a small hypertrophic lake,using MERIS[J].Remote Sensing of Environment,2010,114(9):2070-2087.

[5] 程春梅，韋玉春，張靜，等.基于光譜平滑的渾濁水體葉綠素a濃度一階微分估算模型[J].地理與地理信息科學，2013，29(3)：30-34.

[6] HARDISKY M A,SMART R M,KLEMAS V.Growth response and spectral characteristics of a shortSpartinaalterniflorasalt marsh irrigated with freshwater and sewage effluent[J].Remote Sensing of Environment,1983,13(1):57-67.

[7] TILLEY D R,AHMED M,SON J H,et al.Hyperspectral reflectance response of freshwater macrophytes to salinity in a brackish subtropical marsh[J].Journal of Environmental Quality,2007,36(3):780-789.

[8] 劉慶生，張敏，寧吉才，等.翅堿蓬高光譜植被指數對土壤化學性質的響應[J].地理與地理信息科學，2011，27(3)：86-89.

[9] 王沛芳，王超，王曉蓉，等.苦草對不同濃度氮凈化效果及其形態轉化規律[J].環境科學，2008，29(4)：890-895.

[10] 朱哲燕，鮑一丹，黃敏，等.油菜葉綠素與氮含量關系的試驗研究[J].浙江大學學報(農業與生命科學版)，2006，32(2)：152-154.

[11] YODER B J,PETTIGREW-CROSBY R E.Predicting nitrogen and chlorophyll content and concentrations from reflectance spectra (400-2500nm) at leaf and canopy scales [J].Remote Sensing of Environment,1995,53(22):199-211.

[12] GITELSON A A,MERZLYAK M N.Remote estimation of chlorophyll content in higher plant leaves[J].International Journal of Remote Sensing,1997,18(18):2691-2697.

[13] 遲光宇，劉新會，劉素紅，等.環境污染監測中的植物光譜效應研究[J].環境科學與技術，2005，28(增刊)：16-20.

[14] 浦瑞良，宮鵬.高光譜遙感及其應用[M].北京：高等教育出版社，2000.81-97.

[15] KNIPLING E B.Physical and physiological basis for the reflectance of visible and near-infrared radiation from vegetation[J].Remote Sensing of Environment,1970,1(3):155-159.

[16] 李丙智，李敏夏，周璇，等.蘋果樹葉片全氮含量高光譜估算模型研究[J].遙感學報，2010，14(4)：761-773.

[17] 宋沙磊，李平湘，龔威，等.基于水稻高光譜遙感數據的PLS波長選擇研究[J].武漢大學學報(信息科學版)，2010，35(2)：219-223.

[18] BLACKBURN G A,FERWERDA J G.Retrieval of chlorophyll concentration from leaf reflectance spectra using wavelet analysis[J].Remote Sensing of Environment,2008,112(4):1614-1632.

[19] MALENOVSKY＇ Z,HOMOLOVL,ZURITA-MILLA R,et al.Retrieval of spruce leaf chlorophyll content from airborne image data using continuum removal and radiative transfer[J].Remote Sensing of Environment,2013,131(2013):85-102.

[20] ZARCO-TEJADA P J,MILLER J R,MOHAMMED G H,et al.Vegetation stress detection through chlorophyll a+b estimation and fluorescence effects on hyperspectral imagery[J].Journal of Environmental Quality,2002,31:1433-1441.

[21] ZARCO-TEJADA P J,PUSHNIK J C,DOBROWSKI S,et al.Steady-state chlorophyll a fluorescence detection from canopy derivative reflectance and double-peak red-edge effects[J].Remote Sensing of Environment,2003,84(2):283-294.

[22] 劉克，趙文吉，郭逍宇，等.野鴨湖典型濕地植物光譜特征研究[J].生態學報，2010，30(21)：5853-5861.

[23] 吳朝陽，牛錚.基于輻射傳輸模型的高光譜植被指數與葉綠素濃度及葉面積指數的線性關系改進[J].植物學通報，2008，25(6)：714-721.

[24] 吳朝陽，牛錚，湯泉，等.不同氮、鉀施肥處理對小麥光能利用率和光化學植被指數(PRI)關系的影響[J].光譜學與光譜分析，2009，29(2)：455-458.

[25] DARIA S,KERSTIN W,DONALD C P,et al.Evaluating hyperspectral imaging of wetland vegetation as a tool for detecting estuarine nutrient enrichment[J].Remote Sensing of Environment,2008,112 (11):4020-4033.

[26] NAUMANN J C,ANDERSON J E,YOUNG D R.Linking physiological responses,chlorophyll fluorescence and hyperspectral imagery to detect salinity stress using the physiological reflectance index in the coastal shrub,Myrica cerifera[J].Remote Sensing of Environment,2008,112(10):3865-3875.

Study on Relationship Between Nitrogen Nutrients in Water and Hyperspectral Characteristics of Wetland Plants

LIU Ke1,2,TANG Xin-ming1,ZHAO Wen-ji2,LEI Bing1,GUO Xiao-yu2,GONG Zhao-ning2

(1.SatelliteSurveyingandMappingApplicationCenter,NationalAdministrationofSurveying,MappingandGeoinformation,Beijing101300;2.CollegeofResourcesEnvironmentandTourism,CapitalNormalUniversity,Beijing100048,China)

Remote sensing technology,as a useful tool to monitor the eutrophication of water body,is usually employed in open water.However,limited applications have been found in measuring eutrophication of wetland covered by vegetation.This paper explored the possibility to estimate total nitrogen content,which is an important index indicating water eutrophication,by using wetland vegetation spectra.The physical-chemical traits and the spectral differences ofPhragmitesaustraliswere analyzed based on data measured with five nitrogen levels (0 mg/L,1 mg/L,2 mg/L,5 mg/L,20 mg/L).Furthermore,linear and non-linear regression models were established to reveal the relationship between nitrogen treatment levels and spectral indices.The results have shown that:1) The height,fresh biomass,nitrogen content and chlorophyll content ofPhragmitesaustralisdisplay increased trend along the increasing of the nitrogen concentration in water.2) The reflection features of green and red wavebands are weaker from low to high nitrogen treatment,moreover,the peak wavelength of red edge shifts to longer wavelengths.3) The reflectance differences among nitrogen treatment levels are significant in the 530～639 nm and 696～717 nm wavebands.4) PRI (Photochemical Reflectance Index) and CI (Chlorophyll Index) provide the most useful tool to monitor the total nitrogen concentration of water body.The result from this paper can fill the gaps in the detection of eutrophication using remote sensing.

wetland vegetation;remote sensing;hyperspectral;eutrophication;total nitrogen

2014-07-11；

2014-10-07

國家自然科學基金項目(41101404、40901281)；國家科技支撐項目(2012BAH28B01、2012BAH28B04)

劉克(1984-)，女，博士，助理研究員，主要從事遙感應用研究，發表論文10余篇。E-mail:xiaokezi124@163.com

10.3969/j.issn.1672-0504.2015.02.006

TP79；X87

A

1672-0504(2015)02-0024-05