植被重金属污染检测模型研究

杨可明 王林伟 任俊涛 刘士文 阎书豪

摘要 利用高光谱遥感技术代替传统方法检测重金属污染，具有效率高、费用低、检测范围广等优点。但是高光谱影像的空间分辨率较低，为了提高精度需要提取影像的端元。鉴于纯净像元指数（Pixel Purity Index，PPI）法耗時长的缺点，提出一种基于高斯分布的波谱曲线概率法用于高光谱影像端元提取，并结合重金属胁迫下植被波谱响应变化建立了高光谱遥感影像的植被重金属污染检测模型。经过试验研究及分析，发现波谱曲线概率法端元提取的效果和精度与PPI 相近，但是时间消耗明显减少。因此，建立的植被重金属污染检测模型可以用于高光谱遥感图像，具有一定的价值。

关键词 高光谱遥感影像；波谱曲线概率法；端元提取；重金属污染检测模型

中图分类号 S181.3；TP75 文献标识码 A 文章编号 0517-6611（2014）16-05178-03

高光谱遥感图像因具有丰富的光谱维数而得到广泛应用，但其较低的空间分辨率使混合像元的存在成为必然。混合像元是制约遥感制图的关键因素，端元提取、丰度反演是混合像元分解的关键步骤[1]。目前，国内外端元提取的算法较多，如比较经典的纯净像元指数（Pixel Purity Index，PPI）[2]算法、连续最大角凸锥（Sequential Maximum Angle Convex Cone，SMACC）[3]算法等。由于PPI计算过程复杂而又耗时，在现实应用中受到限制。该研究给出一种基于高斯分布的纯净像元计算方法来代替PPI用于高光谱影像端元提取，即波谱曲线概率法。试验证明此方法简单高效，并能应用于植被重金属污染检测模型的建立。

此外，由于矿业的发展，废气排放、污水灌溉造成了土壤、水和大气的重金属污染。重金属污染的土壤使植被生长受到胁迫，尤其是对水稻、玉米等农作物，使人们的健康受到威胁。人们已经开始利用化学方法进行检测，但是这些方法存在着很多弊端，不仅浪费人力、物力而且很难进行大规模的检测。利用植被的波谱响应函数对其重金属胁迫进行检测，可以避免传统方法的一些弊端。目前，对于重金属元素胁迫下植被波谱响应的研究，多以局部试验为主，利用高光谱扫描仪测定健康以及受到胁迫的植被来获取其波谱响应，最后做一些定量的分析；或者利用一些理论模型对高光谱数据进行处理，再利用数学模型分析相关性，最后做出相应的结论。而具有丰富光谱维数的高光谱遥感影像很少用于植被重金属污染检测，但该研究创新建立模型用于检测高光谱遥感影像的植被重金属污染，经过分析得出此模型具有一定的可靠性。

1 理论基础与研究方法

1.1 高斯分布 高斯分布（Gaussian Distribution）又名正态分布（Normal Distribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学中具有重要意义。同时在高光谱影像分析中具有重要的应用价值。

式中，μ、σ（σ>0）为常数，则称X服从参数为μ、σ的高斯分布或正态分布，记作X～N（μ， σ）。

1.2 植被重金属胁迫的波谱响应 重金属元素的主要危害是能与蛋白质结合使其发生沉淀，致使蛋白质变性[4]。当植物吸收过多的重金属元素时，就会严重影响其他微量元素的吸收以及叶绿素的含量，造成植被不健康生长。此时，植被的波谱响应会受到影响。学者们经过大量的试验证明：随着叶片重金属元素含量增加，在可见光区植被叶片光谱的反射率变化程度增加，同时在近红外区红边“蓝移”（向短波方向飘移）程度也是逐渐增强[5-9]。这是目前检测植被重金属污染的诊断性波谱特征，如图1所示。

1.3 波谱曲线概率法 经过试验研究及分析可知，经过去相关的高光谱遥感影像的灰度值近似地服从高斯分布。由于高光谱遥感图像的空间分辨率较低，越纯净的像元数量越少。波谱曲线概率大小是像元个数多少的较好反映。因此，可以利用波谱曲线概率来估测像元的纯净度。基于高斯分布的波谱曲线概率法高光谱影像端元提取过程如下。

Step 1 对高光谱遥感影像进行最小噪声分离（Minimum Noise Fraction，MNF）[10]。

Step 2 反演高斯分布概率函数，并利用函数计算每个像元的波谱曲线概率。

Step 3 设置阈值，将波谱曲线概率小于阈值的像元作为纯净像元。

Step 4 构建N维可视化窗口，选取极点作为端元并输出。

1.4 植被重金属污染检测模型 利用高光谱遥感影像对植被的重金属污染进行检测，最大的制约因素是影像的低空间分辨率，这也是高光谱遥感影像很少被用于植被重金属污染检测的原因。因此，建立模型前要提取高光谱遥感影像植被的纯净像元。然后对提取植被端元建立一个重金属污染检测模型，如公式（2）所示。

2 结果与分析

2.1 试验数据 试验数据采用普朗地区Hyperion高光谱遥感影像。普朗地区位于滇西北与四川省接壤地带，属于中甸弧。

金矿普朗斑岩铜矿是中甸弧近年来发现的一个超大型斑岩矿床。因此，在这样一个矿产比较丰富的地区，其生长的植被有很多都受到重金属的胁迫。经过预处理后的影像有131个波段，光谱分辨率为10 nm，空间分辨率为30 m，光谱范围325～2 355 nm，图幅大小为266×249，如图2所示。

2.2 高光谱影像的端元提取 对普朗地区的高光谱影像进行MNF变换后，分别计算纯净像元指数（迭代次数选择为5 000）和波谱曲线概率，记录得两种方法的耗时分别为186.7 s和2.4 s。利用这两种方法提取普朗地区高光谱影像的端元，分别选取了4种端元，如图3所示。

图3 两种方法提取的端元 利用USGS波谱库，使用光谱角余弦值（Spectral Angle Mapper，SAM）和光谱特征拟合（Spectral Feature Fitting，SFF）进行匹配，设置SAM和SFF的权重分别为0.7和0.3，值越大表示提取精度越好，结果见表1。

由图3和表1可知，这两种方法的提取端元的效果和精度相差不大，但是波谱曲线概率法的时间消耗较少，而且可应用于重金属污染检测模型的建立。

2.3 植被重金属污染检测模型的应用 利用波谱曲线概率法获取所有植被的纯净像元，即端元，结果如图4所示。

此外，通过采集像元（181，55）周围的4个混合像元并进行波谱分析，得出此4个像元都含有Sphalerite（闪锌矿），而且SAM匹配值高达0.8。闪锌矿通常含有Zn和Fe两种重金属元素。因此可以判断（181，55）像元内的植被很可能受到Zn和Fe的胁迫。所以，提出的高光谱遥感影像植被重金属污染检测模型有一定的参考价值。

3 结论

目前，国内外的端元提取算法很多。该研究为了更快速提取高光谱遥感影像的端元以便于实际应用，提出了波谱曲线概率法，并将此方法应用于高光谱遥感影像的植被重金属污染检测模型建立中。通过试验，验证了波谱曲线概率法在高光谱遥感影像端元提取中的有效性，以及基于高光谱遥感影像植被重金属污染检测模型的可行性。此模型打破了目前利用高光谱遥感技术进行植被重金属污染检测的局限性，具有重要的现实意义。

安徽农业科学 2014年参考文献

[1] 何晓宁，曹建农，高坡，等.基于顶点成分分析法的端元提取改进算法[J].测绘通报，2013（7）：30-34，81.

[2] BOARDMAN J W，KRUSE F A，GREEN R O.Mapping Target Signatures via Partial Unmixing of AVIRIS Data[C]//Fifth JPL Airborne Earth Science Workshop.Pasadena，USA，1995：23-26.

[3] GRUNINGER J H，RATKOWSKIA J，HOKE M L.The Sequential Maximum Angle Convex Cone （SMACC） Endmember Model[M].USA：SPIE，2004.

[4] 薛亮，劉建锋，史胜青，等.植物响应重金属胁迫的蛋白质组学研究进展[J].草业学报，2013，22（4）：300-311.

[5] 陈思宁，刘新会，侯娟，等.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，2007，27（9）：1797-1801.

[6] 聂胜委，黄绍敏，张水清，等.重金属胁迫对小麦生长的影响及阈值研究[J].华北农学报，2012，27（6）：118-124.

[7] 林婷.水稻锌污染高光谱遥感监测模型研究[D].北京：中国地质大学（北京），2011.

[8] 路明亮.铜胁迫下植物光谱变化规律及铜含量估算模型研究[D].北京：中国地质大学（北京），2012.

[9] 薛喜成，陈菲.小峪河金矿区土壤、植被重金属污染研究[J].西北农林科技大学学报：自然科学版，2013，41（8）：141-148.

[10] GREEN A A，BERMAN M，SWITZER P，et al.A transformation for ordering multispectral data in terms of image quality with implications for noise removal[J].IEEE Transactions on Geoscience and Remote Sensing，1988，26（1）：65-74.安徽农业科学，Journal of Anhui Agri. Sci.2014，42（16）：5181-5185

责任编辑 张彩丽 责任校对 况玲玲