农作物重金属污染胁迫遥感弱信息增强与计算

论文摘要

农作物重金属污染是当今世界面临的重大生态环境问题之一,直接影响农业生产、粮食安全,危及人类生存环境。如何运用遥感技术动态、准确、大面积地监测农作物重金属污染状况已经成为迫切需要解决的现实问题。然而,自然环境下农田土壤重金属含量较低,农作物受重金属污染胁迫的光谱响应信号微弱且不稳定,同时还受其他环境因素如水肥耦合、光照、大气等的影响,很容易淹没于其他干扰信号之中,难以甄别。增强并计算这种大面积范围内微小变化量的光谱弱信息,是遥感技术应用向定量化、精细化方向发展必须解决的科学问题。本文以自然农田生态系统中具有复杂隐蔽性的农作物重金属污染胁迫遥感动态识别和准确度量为研究目标,在长春、吉林等地选取若干重金属污染程度不同的玉米、水稻农田样地作为实验区,在作物关键生长期通过典型区域取样、实验区连续观测和室内分析测试,系统获取实验区农作物及其环境的特征参数、重金属污染状况和对应的高光谱数据;采用实验验证、物理机制分析、数学建模等方法探索农作物重金属污染胁迫下叶绿素含量变化、氮素含量变化和水分含量变化监测的敏感光谱指数;运用小波分析和多级动态模糊神经网络模型等方法获得针对性更强的遥感指数,在此基础上建立农作物重金属污染胁迫遥感综合评价模型,实现大范围内微小变化量的遥感识别与计算。论文主要工作内容与结论如下:1、重金属污染胁迫下土壤-作物系统理化性质、生物参数及其与高光谱遥感数据的响应关系。（1）基于实验数据分析土壤和农作物重金属元素含量的分布状况,研究重金属污染胁迫对农作物叶绿素、氮素和水分含量变化的影响机制。研究发现,利用生态危害综合指数对农作物污染胁迫等级进行评价相对于综合污染指数准确性更高。（2）综合分析农作物反射光谱特征,研究并验证光谱指数与重金属污染胁迫下农作物生化参数变化的响应关系,建立作物叶绿素、氮素和水分含量微小变化的高光谱反演模型。结果表明,诸多用于农作物生理指标反演的常规遥感指数（如NDVI、MCARI、OSAVI等）在重金属污染胁迫下反演精度严重下降。通过分析各遥感指数与作物生化指标、重金属污染胁迫水平的关系,利用特征光谱空间构建出新光谱参数SIr,经验证,新参数对重金属胁迫具有良好的探测能力。2、农作物重金属污染胁迫光谱诊断与快速发现。（1）分析污染胁迫下农作物叶绿素、氮素、水分含量微小变化的光谱响应机制及其表征,提出农作物重金属污染胁迫综合光谱表征参数,如水稻（SDg/SDr、FD933和WI3）、玉米（X23、NI15*NI17和D1025）,建立作物重金属污染胁迫多判据诊断模型。由于采用的三个参数分别对叶绿素、氮素、水分含量非常敏感,所构建的多判据诊断模型可以很好地识别作物的重金属污染胁迫程度。（2）利用光谱二值编码技术研究反射光谱的全局特征,发现在680-720nm波长范围内的光谱二值编码能够快速辨识出农作物（尤其是水稻）重金属污染胁迫特征。（3）根据小波分析的信号奇异性理论进行高光谱信号异常值的检测,对比不同小波母函数对光谱特征的分解效果,选择利用db3小波基对反射光谱曲线进行5层小波分解,发现在700-750nm波段小波系数变化剧烈,并且出现异常极值。对异常极值、异常幅值等与农作物重金属污染胁迫水平的相关分析发现,无污染地区奇异极大值均小于0.01;同时,异常极值、异常幅值等奇异指标随污染胁迫水平加剧而不断增大,证明利用小波分解可以实现对重金属污染胁迫的有效识别。3.农作物重金属污染胁迫等级评价。将模糊理论与人工神经网络系统相结合,集成模糊推理对模糊信息的表达能力,人工神经网络的自学习与非线性映射能力,建立由输入层、模糊化层、模糊规则推理层和输出层构成的动态模糊神经网络模型。模型以农作物重金属污染胁迫综合光谱敏感因子为输入,农作物重金属污染胁迫等级为输出。经多组数据分析、检验,证明该模型高效而稳定,能够实现对农作物重金属污染胁迫等级的快速、准确评价。论文的创新之处在于综合分析农作物重金属污染胁迫下叶绿素、氮素和水分含量的微小变化及其光谱响应特征,获取和度量响应各因子微弱变化的敏感光谱参数,克服传统研究中仅利用单一指标表达和分析重金属污染胁迫信息的片面性;通过小波分析方法计算农作物重金属污染胁迫的光谱奇异性特征,充分利用了高光谱数据的全局和局部细节信息,有效地增强了农作物重金属污染胁迫遥感微弱信号。基于多重判据理论,利用动态模糊神经网络模型和多维特征光谱空间构造农作物重金属污染胁迫综合诊断指标,建立定量的重金属污染胁迫等级评价模型,克服了传统方法缺乏普适性和不稳定的弱点。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 选题依据
• 1.1.1 背景与问题
• 1.1.2 研究意义与研究目标
• 1.2 国内外研究进展
• 1.2.1 重金属胁迫与农作物生理响应研究进展
• 1.2.2 农作物的反射光谱特征研究
• 1.2.3 植物生化组分的定量研究方法
• 1.3 研究内容与技术路线
• 1.3.1 研究内容
• 1.3.2 技术路线
• 1.3.3 章节安排
• 第2章 研究区重金属污染现状及其光谱特征
• 2.1 研究区自然环境背景
• 2.1.1 采样点选择
• 2.1.2 研究区自然地理特征
• 2.2 数据采集与处理
• 2.2.1 野外光谱测量
• 2.2.2 土壤/农作物重金属含量测定
• 2.3 研究区土壤污染现状
• 2.3.1 土壤污染状况评价
• 2.3.2 土壤污染与作物响应
• 2.4 污染农田光谱特征
• 2.4.1 土壤重金属污染的光谱反射特征
• 2.4.2 微分光谱与重金属污染的单因素相关特征
• 2.4.3 基于光谱指数的土壤重金属污染分析
• 第3章 基于叶绿素变化的作物重金属污染胁迫遥感分析
• 3.1 理论基础
• 3.1.1 重金属胁迫引起的作物生理变化
• 3.1.2 作物叶绿素含量的高光谱反演机理
• 3.2 叶绿素含量获取与光谱处理方法
• 3.2.1 叶片叶绿素含量的测定
• 3.2.2 光谱处理技术
• 3.2.3 植被指数
• 3.3 叶绿素含量与反射光谱
• 3.3.1 微分光谱与叶绿素含量的相关性
• 3.3.2 光谱特征参数与叶绿素含量的相关性
• 3.3.3 植被指数与叶绿素含量的相关性
• 3.4 重金属污染胁迫下叶绿素光谱弱效应遥感计算
• 3.4.1 基于植被指数的半经验模型
• 3.4.2 基于光谱特征参数的叶绿素含量反演
• 3.4.3 BP 神经网络计算模型
• 3.5 基于叶绿素变化遥感计算的作物重金属污染胁迫分析
• 3.5.1 基于植被指数的作物重金属污染胁迫信息提取
• 3.5.2 基于光谱特征参数的作物重金属污染胁迫信息提取
• 第4章 基于氮素含量变化的作物重金属污染胁迫遥感评价
• 4.1 原理与方法
• 4.1.1 植被氮素含量的遥感提取方法
• 4.1.2 氮素与重金属元素相关性
• 4.1.3 遥感光谱指数
• 4.2 作物氮素含量遥感反演
• 4.2.1 基于反射光谱及微分光谱的氮素反演
• 4.2.2 基于植被指数的氮素含量反演
• 4.3 基于氮素含量变化遥感反演的作物重金属污染胁迫评价
• 4.3.1 水稻污染胁迫信息提取
• 4.3.2 玉米污染胁迫信息提取
• 第5章 基于水分含量变化的作物重金属污染胁迫遥感诊断
• 5.1 概述
• 5.2 原理与方法
• 5.2.1 农作物水分的测定
• 5.2.2 农作物含水量反演最佳波段的选择
• 5.2.3 农作物含水量敏感光谱参数
• 5.3 结果与分析
• 5.3.1 作物水分含量分析
• 5.3.2 作物水分遥感反演
• 5.3.3 基于水分含量敏感指数的作物污染胁迫分析
• 第6章 农作物重金属污染胁迫遥感综合评价模型
• 6.1 农作物重金属污染胁迫光谱敏感因子综合分析
• 6.1.1 农作物重金属污染胁迫综合因素分析
• 6.1.2 光谱曲线二值编码
• 6.2 基于小波变换的作物污染胁迫光谱异常探测
• 6.2.1 小波分析与作物光谱异常探测
• 6.2.2 基本小波函数选取
• 6.2.3 基于小波变换的农作物重金属污染胁迫信息提取
• 6.3 基于光谱敏感因子空间的作物污染胁迫综合诊断模型
• 6.3.1 水稻重金属胁迫多维光谱特征空间
• 6.3.2 多判据玉米重金属污染胁迫信息的提取
• 6.4 基于动态模糊神经网络模型的作物污染胁迫等级评价
• 6.4.1 模糊神经网络模型概述
• 6.4.2 基于动态模糊神经网络的污染胁迫等级评价模型
• 6.4.3 实验与仿真
• 第7章 结论
• 7.1 结论
• 7.2 创新点
• 7.3 展望
• 参考文献
• 后记
• 在学期间公开发表论文及著作情况