獨立變量分析與高光譜植被指數(shù)模型監(jiān)測水稻中砷污染

農(nóng)作物對 As 的吸收、積累量受多種因素影響，最主要為土壤含 As 量。農(nóng)作物主要通過根系吸收 As，故其最高濃度出現(xiàn)在農(nóng)作物的根部以及塊莖部位，而地上部分受 As 污染傷害，主要表現(xiàn)在葉片上。隨著工業(yè)的快速發(fā)展，As 污染在農(nóng)作物中越來越普遍，作為人類主要糧食作物的水稻更是首當(dāng)其沖，因此，開展As 污染對水稻危害的研究已迫在眉睫。目前，農(nóng)作物 As 污染脅迫的研究現(xiàn)狀大致可總結(jié)為：自從發(fā)現(xiàn) As 的危害以來，對 As 在植物體內(nèi)的吸收、轉(zhuǎn)運、富集、毒害和解毒等過程進行了較廣泛的研究。20 世紀(jì) 90 年代就存在 As對植物的影響進行了初步探索，本世紀(jì)初又有專家學(xué)者利用數(shù)理統(tǒng)計法對 As 污染植被的光譜表現(xiàn)進行了分析。目前研究成果表明：（1）植物As 中毒在形態(tài)學(xué)上的表現(xiàn)：a.葉片變少，變小甚至提前脫落，葉片垂直，冠層傷害嚴(yán)重；b.根系變少，色黑，細(xì)脆易折；c.對植物各生長階段傷害不同，越成熟影響越大。（2）在生理上的表現(xiàn)：傷害植物葉綠體的內(nèi)部結(jié)構(gòu)，取代葉綠素分子中的Mg離子并干擾有關(guān)葉綠素合成酶的活性，使葉綠素合成受阻，同時增加葉綠素分解酶的活性，使葉綠素分解。（3）光譜上的表現(xiàn)：①（原始數(shù)據(jù)）a.藍移現(xiàn)象（葉綠素吸收中心680nm）———藍移距離；b.在黃綠光波段呈現(xiàn)高反射率（550～600nm）———峰高距；c.與正常植物光譜曲線相交點（730nm）之前反射率高，之后反射率低———相交點的位置；d、在2200nm處，As濃度越大，反射率越低——距深。②（反射率二階導(dǎo)數(shù)）As含量濃度的分辨：綠光（498nm）和紅光（674nm）谷底差距，水分（1916nm）、淀粉（2000、2274nm）、油脂（2310、2348nm）、蛋白質(zhì)和氨基酸（1956、2248nm）等響應(yīng)光譜的變化情況。

雖然前人對農(nóng)作物As污染進行了較廣泛的研究，但具體對水稻這種農(nóng)作物As污染研究卻較少，且主要集中在用傳統(tǒng)方法和原始光譜數(shù)據(jù)的簡單變換進行研究。本文首次使用獨立變量分析（ICA）與高光譜植被指數(shù)模型尋找由As污染脅迫造成其在光譜上的特征改變，建立相應(yīng)的指標(biāo)反映其受污染情況。

1樣品與方法

1.1試驗樣地選擇

研究選取吉林省長春市西湖附近水稻種植區(qū)域為試點。此處位于長春市西部郊區(qū)，臨近長春第一汽車制造廠。由于工業(yè)廢水和城市垃圾的不斷排入，使附近的水域和土壤污染嚴(yán)重，尤其是重金屬As含量更是超出了土壤承受能力范圍。根據(jù)離西湖水域距離遠近分別選取西湖邊Ⅰ號樣地、農(nóng)田間Ⅱ號樣地以及Ⅲ號樣地作為實驗樣地。

1.2取樣和處理2021年6月至9月之間先后6次對3個樣地分蘗期、長穗期和成熟期的水稻進行取樣。本文主要研究成熟期水稻，水稻品種為吉粳105，采樣區(qū)水稻處于成熟晚期（黃熟期-完熟期）。光譜測試儀器探測波長范圍350~2500nm；光譜分辨率350~1050nm范圍內(nèi)為3.5nm，1000~2500nm范圍內(nèi)為10nm。光譜采樣間隔350~1050nm范圍內(nèi)為1.4nm，1000~2500nm范圍內(nèi)為2nm；采樣時間10次·s-1。光譜測試每個樣地取20個測點，進行編號，每個點測10次。然后對測試點的水稻和土壤進行同步采樣，分別用樣品袋和土壤盒保存，在實驗室中利用原子光譜吸收法測定重金屬元素Pb、As、Cr、Cd的含量。

1.3研究方法1.3.1高光譜指數(shù)分析方法

高光譜指數(shù)分析必須對采樣所得的原始光譜數(shù)據(jù)進行歸一化處理轉(zhuǎn)換成反射率后進行計算。分別用表示葉綠素吸收率、光化反射率以及結(jié)構(gòu)相關(guān)色素的植被指數(shù)進行分析，并計算3樣地水稻之間高光譜植被指數(shù)的相關(guān)性，以判斷其地域、形成因素的異同。

（1）葉綠素吸收率指數(shù)CARI

（2）光化反射率指數(shù)PRI

（3）結(jié)構(gòu)相關(guān)色素指數(shù)SIPI

2.3.2快速獨立變量分析（ICA）方法

獨立變量分析（ICA）是基于高階統(tǒng)計和信息熵理論，以各個通道間相互統(tǒng)計獨立為提取準(zhǔn)則，提取通道間的隱含信息成分。ICA將多維隨機向量分解為一系列統(tǒng)計上獨立的成分，因此能夠提取高光譜數(shù)據(jù)在光譜空間上多維分布的分布特征，實現(xiàn)特征提取。而快速ICA是采用基于負(fù)熵作為目標(biāo)函數(shù)的ICA算法，從而得到對各源信號最佳逼近的獨立分量。ICA分析前必須對原始數(shù)據(jù)進行中心化和白化處理。本文選取藍光波段（440～540nm）和紅光波段（600～700nm）分別進行ICA分析，分別將兩個波段100nm的范圍，間隔5nm分為20組，與60個樣本組成20×60的矩陣進行計算。

2結(jié)果與分析

2.1試驗樣地重金屬含量分析通過對試驗樣地重金屬含量的分析，判斷As在污染中貢獻值。文中所提到的水稻中重金屬含量均為水稻葉片中的含量。

2.1.1樣地中As含量分析

由于水稻屬于水土混合介質(zhì)中生長的作物，從重金屬總量上看，其大部分重金屬含量在較高范疇內(nèi)。土樣中，As含量平均在10mg·kg-1左右，比Pb、Cr含量都?。▓D1-A）；但在水稻葉片中卻恰恰相反，As含量平均在5mg·kg-1左右，遠遠高于其他3種金屬含量（圖1-B）。結(jié)果表明，實驗樣地水稻對As的吸收遠遠高于其他重金屬，而且在葉片中，As含量較高，其影響占主導(dǎo)地位。

2.1.2水稻中As積累分析

在水稻葉片中，As在Ⅱ號水稻葉中含量最高，Ⅲ號水稻葉中次之，西湖邊Ⅰ號水稻葉中最少。就其As在水稻中的積累率來說：Ⅱ號水稻的相對積累率最高達到66.1%，Ⅲ號次之，西湖邊Ⅰ號水稻最少只有29.5%（圖2）。分析得知：（1）由于Ⅱ號和Ⅲ號基本處于同一塊區(qū)域，其土壤中As含量基本一致，但就水稻含As量和積累率來說，可以推出，隨著水稻的生長，As逐漸在葉片中累積。（2）對所處成熟期基本一致的Ⅰ號水稻和Ⅱ號水稻進行對比，發(fā)現(xiàn)西湖邊Ⅰ號水稻無論是含As量還是As積累率都遠低于Ⅱ號水稻，在一定程度上說明過多的水分能抑制As在水稻中的累積。

2.2水稻中As含量的高光譜分析模型重金屬As由于其具有毒性，過量的As含量會傷害植物葉綠體的內(nèi)部結(jié)構(gòu)，取代葉綠素分子中的Mg離子并干擾有關(guān)葉綠素合成酶的活性，使葉綠素合成受阻，同時增加葉綠素分解酶的活性，使葉綠素分解。本文從水稻葉綠素、光和作用效率以及結(jié)構(gòu)相關(guān)色素含量3個方面出發(fā)，利用表示以上6方面的高光譜植被指數(shù)（CARI、PRI、SIPI），研究其與水稻中As含量的內(nèi)在聯(lián)系，并建立相應(yīng)的回歸模型。同時計算3樣地水稻之間的高光譜植被指數(shù)相關(guān)性，從反映水稻葉片葉綠素組成和內(nèi)部構(gòu)造的指數(shù)出發(fā)側(cè)面反映水稻生長環(huán)境、生長狀況的異同，以了解不同樣地水稻之間的相似性。

圖1重金屬含量對比

圖2水稻對土壤中重金屬As的吸收情況

2.2.1葉綠素吸收率指數(shù)（CARI）

CARI使用綠色波段發(fā)射率為基礎(chǔ)，對葉綠素含量高度敏感。試驗CARI值的范圍為0.33～0.62，均值0.45，數(shù)值較小，被試驗水稻基本處于成熟階段。對3個不同樣地的水稻的CARI值間進行相關(guān)計算，結(jié)果（圖3-a）發(fā)現(xiàn)I號和Ⅱ號兩成熟水稻間的相關(guān)系數(shù)達到0.52，相關(guān)性較強，表明此兩種水稻生長狀況基本一致。而西湖邊I號水稻與Ⅲ號水稻相關(guān)系數(shù)極小，從側(cè)面反映出此兩樣地水稻生長環(huán)境和生長狀況不同。

2.2.2光化反射率指數(shù)（PRI）

PRI利用兩個藍色窄波段，該指數(shù)與輻射利用效率有關(guān)，隨著光合作用效率的增加而減小。試驗PRI值范圍為0.1～0.14，均值0.12，很顯然同地區(qū)的成熟水稻PRI值大于欠成熟水稻。而西湖邊Ⅰ號成熟水稻由于水分充足等環(huán)境因素，其光合作用效率最高，故其值最小。同樣對3個地區(qū)進行相關(guān)分析（圖3-b），發(fā)現(xiàn)光合作用效率相對較高的西湖邊Ⅰ號成熟水稻和Ⅲ號欠成熟水稻間幾乎不相關(guān)，說明彼此間的形成較低PRI值的原因相差較大。

2.2.3結(jié)構(gòu)相關(guān)色素指數(shù)（SIPI）

SIPI利用藍色和紅色波段來估計葉綠素與總的光合色素之比（類胡蘿卜素與葉綠素之比），并用近紅外波段來說明與色素改變一致的結(jié)構(gòu)變化。試驗SIPI值的范圍為1.12～1.58，均值1.28。Ⅱ號水稻SIPI均值已達到1.44，比值最大，證明其葉綠素不斷分解，類胡蘿卜素不斷累積，作物處在成熟老化期。Ⅲ號水稻葉綠素含量最高，其SIPI值最小。其3個地區(qū)的相關(guān)性都較低（圖3-c）。

2.2.4高光譜植被指數(shù)與水稻中As含量的關(guān)系

過量的As含量會傷害植物葉綠體的內(nèi)部結(jié)構(gòu)減少葉綠素，降低光合作用效率。所以從原理上講，As含量應(yīng)該和CARI成一定的反比關(guān)系，而與PRI和SIPI呈正比。試驗結(jié)果顯示，CARI與水稻中As含量呈負(fù)相關(guān)，相關(guān)系數(shù)-0.67；PRI和SIPI與As含量呈正相關(guān)，相關(guān)系數(shù)分別為0.82和0.91（表1）。如此高的相關(guān)系數(shù)證明過量的As能嚴(yán)重阻礙葉綠素的形成，減少葉片中葉綠素含量，改變?nèi)~片體內(nèi)各色素之間的組分比例，并傷害葉片內(nèi)部結(jié)構(gòu)，甚至使作物外部形態(tài)也發(fā)生較大變化。

表1植被指數(shù)與水稻中As含量回歸分析統(tǒng)計

經(jīng)過最小二乘回歸，得出各高光譜植被指數(shù)與As含量的線性回歸方程如下（參見圖4）：m=-7.78×CARI+8，R=-0.67m=75.66×PRI-5.06，R=0.82m=7.37×SIPI-4.57，R=0.91式中：m為水稻中As含量，單位為mg·kg-1。

2.3水稻中As含量的快速獨立變量（ICA）分析在植物反射光譜上，由于葉綠素a、b的強吸收，一般會在藍光和紅光波段形成兩個吸收谷。而在綠色植物熒光光譜特征上，在藍光和紅光波段會形成兩個熒光峰。

圖4水稻中As含量與高光譜植被指數(shù)的回歸方程

一般認(rèn)為，決定藍綠熒光的色素，屬于維生素K或一種類似的苯醌，其峰強可反映該區(qū)色素向葉綠素a傳遞能量的有效程度。紅光區(qū)熒光則來源于通過光子傳播引發(fā)光合作用的有關(guān)葉綠素。藍綠熒光和紅光區(qū)熒光在發(fā)射源對應(yīng)的葉片組織結(jié)構(gòu)方面又有所不同，藍綠熒光發(fā)射主要來自主、側(cè)葉脈，而紅光區(qū)熒光發(fā)射主要來自于非葉脈區(qū)域。根據(jù)重金屬As能引起葉綠素和葉片結(jié)構(gòu)變化，本文選取藍光波段（440～540nm）和紅光波段（600～700nm）分別進行ICA分析。利用快速獨立變量（ICA）分析的目的是想找出As污染脅迫造成水稻光譜特征改變的獨立變量。然后利用此變量與As含量進行最小二乘擬合，得出回歸方程。而在進行快速獨立變量（ICA）分析之前必須對光譜數(shù)據(jù)進行預(yù)處理，也就是中心化和白化。中心化即是使數(shù)據(jù)的均值為0，中心化方法為x=x-m，其中m=E（X）為數(shù)據(jù)x的均值。在對信號進行中心化處理之后，利用主成分分析通過線性變換，使變換后信號的各分量之間互不相關(guān)，其各分量的方差均為1，這個過程稱為對數(shù)據(jù)的白化處理。

2.4最佳波段和分類模型通過試驗分析得出，在藍光波段（440～540nm）和紅光波段（600～700nm）之間各提取了兩個獨立變量，分別為藍光波段的IC-B1、IC-B2和紅光波段的IC-R1、IC-R2。分別對其與As含量進行相關(guān)分析，發(fā)現(xiàn)IC-B1、IC-R1與水稻中As含量高度相關(guān)，相關(guān)系數(shù)高達0.95以上，其中水稻中As含量與IC-B1正相關(guān)，而與IC-R1負(fù)相關(guān)（表2）。這表明，在藍光波段，As能引起某獨立變量的正向變化，這種變量可能與葉綠素以及葉片結(jié)構(gòu)有關(guān)；而在紅光波段，As能引起與葉綠素相關(guān)的獨立變量的負(fù)向變化。

表2獨立變量與水稻中As含量回歸分析統(tǒng)計

440～540nm內(nèi)的獨立變量IC-B1與As含量的相關(guān)關(guān)系如表2，回歸方程如下（參見圖5A）：m=1.1×（IC-B1）-16.4，R=0.96600～700nm內(nèi)的獨立變量IC-R1與As含量的相關(guān)關(guān)系如表2，回歸方程如下（參見圖5B）：m=-1.08×（IC-R1）-3.83，R=-0.95式中：m為水稻中As含量，單位mg·kg-1。

4結(jié)論

水稻中As含量與葉片中葉綠素含量以及葉片內(nèi)部結(jié)構(gòu)關(guān)系密切，代表葉綠素及葉片內(nèi)部結(jié)構(gòu)變化的高光譜植被指數(shù)（如CARI、PRI、SIPI）與水稻中As含量高度相關(guān)。

圖5獨立變量IC-B1,IC-R1與水稻中As含量的線性回歸圖

其中CARI與水稻中As含量呈負(fù)相關(guān)，相關(guān)系數(shù)-0.67；PRI和SIPI與As含量呈正相關(guān)，相關(guān)系數(shù)分別為0.82和0.91。獨立變量分析（ICA）結(jié)果表明，在藍光波段（440～540nm）和紅光波段（600～700nm）之間各有一個獨立變量與水稻中As含量高度相關(guān)，相關(guān)系數(shù)達到0.95以上。其中水稻中As含量與IC-B1正相關(guān)，而與IC-R1負(fù)相關(guān)。高光譜模型和獨立變量分析模型能很好的探測成熟期水稻中重金屬As的含量，為大面積探測成熟水稻As污染提供一定的依據(jù)。但是本研究也存在著一定的缺陷，由于研究數(shù)據(jù)的限制，缺乏足夠的數(shù)據(jù)源對研究進行縱向的比較，而且所取樣品As含量比較接近，故在光譜曲線上的差別不大，且沒有完整的不同濃度組的比較。其次，本文僅對處于成熟期的水稻進行研究，對水稻不同生長期的As反應(yīng)缺乏足夠比較，這些都是以后需要深入解決的地方。

萊森光學(xué)（LiSen Optics）作為世界領(lǐng)先的光譜學(xué)解決方案提供商，是一家提供光機電一體化集成解決方案的高科技公司，我們專注于光譜傳感和光電應(yīng)用系統(tǒng)的研發(fā)、生產(chǎn)和銷售。致力于為客戶提供高品質(zhì)、專業(yè)化、精細(xì)化的光電技術(shù)服務(wù)。憑借著在光學(xué)行業(yè)中豐富的經(jīng)驗，我們能夠為每一位客戶“量身定做”滿足個性化需求的光機電一體化解決方案。

審核編輯 黃昊宇