论文部分内容阅读
长期以来,工业区的农田一直遭受不同程度的重金属污染,随着人们健康意识的加强,毒大米、镉大米等粮食安全问题越来越受到关注。耕地重金属污染威胁人民健康,监测和治理迫在眉睫。叶绿素含量是植物光合作用、生长状况和环境胁迫的重要指示剂,监测重金属胁迫下的叶绿素含量变化,可以确定重金属胁迫水平,从一定程度上能够实现耕地重金属污染的监测。本文首先对叶绿素含量、类胡萝卜素含量、叶面积指数(LAI)、平均叶倾角、干物质含量和等效水含量等PROSAIL模型的输入参数进行了敏感性分析,得出LAI和叶绿素的敏感性最强。水稻冠层反射率光谱,在可见光波段对叶绿素的敏感性较强,相比较而言,其他参数对水稻冠层光谱反射率的影响较弱。其次以敏感性分析为基础,利用PROSAIL模型构建LAI-叶绿素查找表,与经过预处理的遥感影像水稻冠层反射率进行匹配,实现水稻叶绿素的反演,反演结果与实测值吻合,相关性为0.69。考虑到重金属与水稻叶绿素存在密切的内在生化机理关系,因此对水稻叶片叶绿素实测值和Zn、Cu、Cd、As四种重金属含量的实验室化验结果进行相关分析,发现四种重金属元素与水稻叶绿素具有较强的负相关性。利用两者的相关性及叶绿素含量对应的土壤重金属含量,将水稻叶绿素遥感反演结果进行分级,将分级结果作为依据,对土壤重金属胁迫水平进行分级;同时根据叶绿素含量实测结果进行重金属胁迫分级,对比发现基于叶绿素遥感反演结果的重金属污染水平分级与实测分级结果基本一致。物理模型的水稻叶绿素反演结果能够定量化且具有较高精度,水稻叶绿素与土壤重金属也具有较强的相关性,鉴于利用水稻叶绿素反演结果的土壤重金属污染水平分级与实际分级结果的一致性,该方法在耕地土壤重金属的监测与评价中具有重要参考价值。