高光譜分析葉菜對顆粒物污染的響應特征規律

孔麗娟，于海業，陳美辰，樸兆佳，劉 爽，黨敬民，張 蕾，隋媛媛

吉林大學生物與農業工程學院，吉林 長春 130022

引 言

霧霾是目前最難解決的空氣污染問題之一，空氣中的懸浮顆粒物是霧霾發生的最重要原因，其中無機鹽、含碳組分、粉塵沙塵氣溶膠是顆粒物的主要成分。顆粒物不僅影響自然界中植物的光合作用，也對溫室蔬菜造成危害[1]。研究表明多數植物是通過有利的葉面結構阻滯空氣中的顆粒物，再將顆粒物通過氣孔等途徑吸收進葉片組織中，參與生理代謝活動，植物這種阻滯與吸附顆粒物的行為可以減少空氣中的有害顆粒物質，葉片表面的溝槽、褶皺、氣孔、突起、茸毛等微觀結構以及蠟質分泌物等因素使這類植物在積累和吸附顆粒物方面更具優勢[2]。植物種類不同，吸附凈化顆粒物的能力也有差異，通過研究植物對顆粒物的響應特征可以篩選出對空氣凈化更有利的品種以及對顆粒物污染有指示作用的品種。

由于霧霾天氣發生時間不固定、試驗可重復率低、變量難以控制等，人們依靠自然條件下的顆粒物作為試驗條件存在很多局限性，導致植物對顆粒物的響應研究受阻。另外，目前對顆粒物污染的響應研究對象多為喬木、灌木、綠化植被等[3-5]，都是在自然顆粒物條件下定性分析不同形態特征的植物葉片對顆粒物的滯留吸附與凈化能力的差異[6]，缺少對葉菜類蔬菜等設施農業方面的研究，缺乏顆粒物環境的人工模擬方法，缺少先進技術和手段對顆粒物污染機制進行分析。 2.世紀末開始，國內外學者將高光譜應用于植物的生理生態狀況檢測。在植物水分、營養、病蟲害、特殊環境脅迫以及精準農業領域內的研究及應用更為廣泛[7]，對葉菜受重金屬污染、農藥殘留、硝酸鹽含量超標等的光譜研究也常有報道[8-9]，但利用光譜研究葉菜受顆粒物污染后的光譜特征變化和響應機制卻比較少見。利用光譜技術監測植物受顆粒物污染的生理情況是一個復雜而較新的方向，通過顆粒物直接作用于葉菜，結合光譜數據和光合生理信息，直接分析葉片的光譜特征變化，能快速無損獲得植物受顆粒物污染的情況，更有利于分析葉菜對顆粒物污染的響應機制。

有學者利用燃料燃燒[10]、顆粒物收集后再利用風洞發出[11]等方法模擬顆粒物的試驗環境，但存在顆粒物易結塊、占地面積大、成分不夠全面準確等問題。本文采用有效成分模擬法，人工模擬顆粒物發生環境。對小白菜、生菜、小油菜三種常見葉菜進行顆粒物污染試驗，獲取葉片光譜信息，分析對比三種葉菜未受顆粒物污染和受顆粒物污染后高光譜、一階導數光譜、光譜特征參數和凈光合速率等變化特征，獲得葉菜受顆粒物污染的響應規律，判別蔬菜的受害情況，為設施農業蔬菜的病害預警提供新思路。通過比較顆粒物污染環境下，三種葉菜葉片在各個波段范圍內的光譜特征差異，為實現葉菜種類的識別提供可能。對優選出的敏感波段、特征波長、敏感光譜特征參數和植被指數分別建立三種葉菜的凈光合速率反演模型，為今后在顆粒物污染環境下葉菜的診斷與響應分析提供理論依據，具有實用性。研究結果可為設施農業蔬菜凈化、管控、生理信息監測提供參考。

1 實驗部分

1.1 樣品

試驗對象選擇生長期為采收期的青梗四季小白菜(33 d)、意大利生菜(60 d)和青油一號小油菜(48 d)，種子購于吉林省科豐種業有限公司。2019年4月—6月培育，幼苗長出3～4片真葉后移栽至口徑10 cm的塑料花盆中，每個花盆定植1株，供葉菜生長的土壤有機質含量12.59 g·kg-1，全氮含量0.727 g·kg-1，有效磷0.007 g·kg-1，速效鉀0.15 g·kg-1。

1.2 顆粒物試驗環境模擬

搭建由不銹鋼管和PVC透光膜定制成的六面透光棚(尺寸為90 cm×40 cm×60 cm，內徑)，供對照組與試驗組的植物生長與管理。配有自制有機玻璃顆粒物發生箱(尺寸為45 cm×35 cm×30 cm)，通過可控閥門與試驗棚相連，箱側壁的槽孔外壁通過滑動滑板可實現顆粒物發生箱的密閉，如圖1所示。燃燒底物由硝酸鉀、乳糖、膠、氯化銨、粗蒽和樹脂按比例制成，燃燒產物含碳氧化物、氮氧化物、銨鹽、硝酸鹽、硫酸鹽、金屬離子、煙塵等，實現了顆粒物的有效人工模擬[5]。模擬出來的顆粒物能夠持久并均勻地發出，不會出現顆粒物結塊等現象，且來源廣泛，造價低，占地面積小，方便移動與收納。

用場發射電子顯微鏡[(environmental scanning electron microscope, ESEM)，JEOL JSM-6700F，美國FEI公司]觀察顆粒物微觀圖像如圖2，可見模擬出的顆粒物多為分布均勻的粗細顆粒物，有的呈團聚狀聚集。

圖1 試驗裝置示意圖Fig.1 Schematic diagram of experimental chamber device

圖2 顆粒物的ESEM圖Fig.2 ESEM image of particle matters

利用氣溶膠監測儀(Dust Trak DRX 8533，TSI，USA)測得空棚(對照棚)的PM2.5和PM10的值為2 μg·m-3，PM1.0的值為1 μg·m-3，空氣質量指數為優，故對照棚內的顆粒物忽略不計，生長期間內所有植株的水肥光照等管理條件都相同，即顆粒物的作用是對照棚和試驗棚的唯一差別條件。經預試驗結果分析后采用500 μg·m-3作為試驗棚內PM2.5的濃度，即試驗棚內PM2.5濃度維持在500 μg·m-3左右，空氣污染指數為六級，空氣質量屬于嚴重污染水平[12]。

1.3 方法與數據處理

每次試驗分為對照組和試驗組，對照組是放置在對照棚(空棚)內健康生長的葉菜，試驗組是在試驗棚內經顆粒物作用持續3 h的同種葉菜。試驗組提前用塑料薄膜將土包裹覆蓋以消除土壤、根系對顆粒物的吸附作用，同時忽略植株莖稈的吸附作用[13]。

于2019年6月—7月的晴朗天氣9:00—15:00進行試驗，試驗前對植株和功能葉片編號。每種葉菜測36株，每個植株測三片功能葉片，每片葉片的數據取平均值作為分析用數據。高光譜采用美國ASD公司產Field Spec HandHeld 2地物光譜儀結合自帶光源的探測器測定，測量范圍325～1 075 nm，采樣間隔1.4 nm，分辨率3 nm@700 nm，每片葉獲取9條數據，共972條數據。凈光合速率采用美國產LI-6400 XT型光合儀測定，每片葉獲取3組數據，共324組數據。利用ViewSpec Pro，SPSS 24.0和Origin 19.0軟件進行數據處理與分析。

2 結果與討論

2.1 三種葉菜對顆粒物污染的光譜響應特征分析

2.1.1 高光譜特征差異及機理分析

對三種葉菜對照組和試驗組的原始高光譜做窗口大小為10的Savitzky-Golay平滑(SG)預處理，得到圖3所示高光譜曲線圖。在450～850 nm波段內，對照組和試驗組的光譜曲線趨勢變化總體一致。顆粒物作用后，植物內部生理信息發生變化并通過高光譜曲線反映出來： 受光子激發的高能級塵埃粒子發生能級躍遷并輻射出相同性質光束(能級躍遷作用較強)，使得同種葉菜的試驗組葉片光譜反射率在400～680 nm內，都高于對照組葉片； 在680～760 nm內，出現了植被典型的“陡坡”特征，即植被光譜反射率曲線斜率驟增，出現“紅邊效應”； 在近紅外短波區(760～1 075 nm)，受葉肉細胞和胞間隙的反射作用及葉片水分影響，反射率出現平穩最高點(760 nm后的反射平臺)。

圖3 三種葉菜高光譜特征 b： 小白菜； y： 小油菜； s： 意大利生菜； cg： 對照棚； eg： 試驗棚； 下同Fig.3 Spectral characteristics of three kinds of leaves under PM (eg) and non-PM (cg)

b： Pakchoi； y： Brassica napus； s： Italian lettuce； cg： The control group； eg： Experimental group. The same below

三種葉菜的光譜特征差異表現在： 可見光綠光區(490～560 nm)葉菜的反射率相對較高，這是因為顆粒物誘導植物已有葉綠素分解，葉綠素含量降低，對光吸收減少，使光譜反射率升高，出現葉綠素的強反射峰即550 nm處的“綠峰”。生菜、小白菜和小油菜在此波段內試驗組的反射率平均值比對照組分別增加7.75%，4.98%及11.77%； 由于小油菜葉片顏色最深，葉綠素含量最多，故反射率變化最大，這與前人關于病變葉片壞死或失綠區域在可見光范圍內的反射率值變大的研究結果相符[7]。在可見光紅光區(620～760 nm)，植物光合活性最強，對光的吸收最多，葉菜的反射率表現出先降低再升高的趨勢，出現“紅谷”(680 nm處的反射谷)。在760～850 nm內，顆粒物的作用使葉菜內部結構發生損傷，導致光合作用減弱，對光的吸收減弱、反射增多，也可能與顆粒物對光的散射有關，結果使小白菜和生菜試驗組表現出最高反射率值，而小油菜相比其他兩種蔬菜在此波段內對顆粒物作用的抗性更強，內部結構損傷程度較弱，對光吸收更多，試驗組表現出較低反射率值。

葉菜高光譜特征的差異與植物表型有關，小白菜具有細小褶皺、多茸毛的葉片特征，經葉面積儀測得葉面積約5 498.13 mm2，葉片較大，生菜葉片則是大褶皺，葉面積約5 926.76 mm2，葉片也較大，所以這兩種葉菜滯留吸附顆粒物能力都較強，小油菜由于葉片較光滑，沒有肉眼可見的褶皺與茸毛，且葉面積約2 427.5 mm2，葉片較小，故對顆粒物的滯留與吸附作用相對較弱，對顆粒物響應較敏感?？梢娙~菜的種類不同，對顆粒物的響應也不同，高光譜的特征差異可作為葉菜是否受顆粒物污染的健康狀況敏感指示。 2.1.2 一階導數光譜特征及三邊位置分析

對三種葉菜的高光譜全波段進行一階導數(FD)處理，如圖4所示，采用最大一階導數法計算三邊位置作為識別特征對植物的相關參數進行診斷。光譜“紅邊”是指植物葉片在波長680～760 nm之間反射光譜曲線斜率最大處，是綠色葉片最明顯的光譜特征，如果植物健康狀況好，則紅邊位置會往長波方向移動(紅移)，相反則往短波方向移動(藍移)[14]。由圖4和表1可知三種葉菜的一階導數光譜特征各異： 相比健康的對照組，試驗組小白菜和生菜的紅邊幅值均增大，小油菜的紅邊幅值則減小，受顆粒物作用的影響，植物葉片中Chla/Chlb降低，葉綠素b比例增大，導致三種葉菜的紅邊位置均出現了不同程度的“藍移”現象，小油菜紅邊藍移現象最明顯(9 nm)。結合葉片特征分析，小白菜和生菜的葉片對顆粒物有自身的進化抵御機制，而小油菜葉片光滑，葉面積最小，沒有褶皺茸毛等有利的葉片結構來抵抗顆粒物，故紅邊藍移的現象最明顯，此紅邊位置特征可以作為溫室內蔬菜受顆粒物影響的早期預警指標，并且可知小油菜對顆粒物作用最敏感。據圖3和圖4中可見光綠光區的光譜峰值，反射率和反射率的一階導數光譜峰值最大的是生菜，其次是小白菜，最小的是小油菜，可以實現依據光譜特征對3種葉菜有效區分，拓展光譜技術在葉菜精準管控方面的應用。

圖4 三種葉菜一階導數高光譜特征Fig.4 First derivative hyperspectral characteristics of three kinds of leaves

表1 三種葉菜一階導數光譜紅邊位置特征Table 1 Red edge position (REP) of vegetables

光譜“黃邊”是黃光在560～640 nm之間反射率一階導數最大值位置，光譜“藍邊”是藍光在490～530 nm之間反射率一階導數最大值位置，由圖5可知，受顆粒物污染后，三種葉菜在黃光范圍呈現“兩峰兩谷”特征，黃邊位置沒有變化，均在630 nm處，黃邊幅值降低，藍邊位置均在520 nm處附近，但小白菜和小油菜的藍邊幅值升高，生菜的藍邊幅值降低，黃邊幅值和藍邊幅值差異結合前文“紅邊藍移”特征可用于判別葉菜受顆粒物污染情況。

2.2 顆粒物污染下三種葉菜光合光譜信息的相關性

2.2.1 光譜敏感波段提取

由圖6可知，顆粒物污染后的三種葉菜葉片的凈光合速率與原始高光譜的相關性較差，與一階導數光譜的相關性較好，證明一階導數光譜預處理技術在研究植物外環境脅迫相關性方面更有優勢。

圖5 植物葉片黃光和藍光范圍的一階導數光譜特征 (a)： 黃光范圍； (b)： 藍光范圍Fig.5 First derivative spectra of three kinds of leaves in the yellow aod blue light ranges (a)： Yellow light range； (b)： Blue light range

圖6 三種葉菜的凈光合速率與葉片原始光譜、一階導數光譜的相關性 (a)： 生菜； (b)： 小白菜； (c)小油菜Fig.6 Correlation between original spectrum, first derivative spectra and net photosynthetic rates of three kinds of leaf vegetables (a)： Italian lettuce leaves； (b)： Pakchoi leaves； (c)： Oilseed rape leaves

利用相關分析法選取敏感波段，依據相關性閾值線確定500～717 nm部分波段內最適合對受顆粒物污染后植物葉片光合特性進行診斷，其中，生菜在555～656 nm波段內達到顯著正相關，在498～550和681～717 nm波段內達到顯著負相關，小白菜在583～619 nm波段內達到了顯著負相關，小油菜在525～557 nm波段內顯著負相關，在592～631 nm波段內顯著正相關，分別選取上述波段作為三種葉菜的光譜敏感波段，用ρ′(波段)表示。 2.2.2 光譜特征波長提取

為提取并簡化光譜信息，在500～717 nm波段內，對原始光譜進行一階導數(FD)和多元散射校正(MSC)預處理，并進行高斯函數擬合，提取光譜曲線的波峰位(特征波長)，如表2所示，對比波峰對應高光譜一階導數值，最終選出生菜、小白菜和小油菜的最優特征波長，分別為530，584和598 nm，記為ρ′(530)，ρ′(584)，ρ′(598)，作為光譜特征變量。

表2 特征波長提取結果Table 2 Optimal characteristic wavelength

2.2.3 敏感光譜特征參數及植被指數

為篩選顆粒物污染下三種葉菜的敏感光譜特征參數及植被指數，選擇10個高光譜特征參數及4個植被指數，由表3可知三種葉菜的高光譜特征參數及植被指數與葉片凈光合速率的相關性各異，生菜的Dr(紅邊幅值)、SDr(紅邊面積)、SDr/SDb(紅邊面積與藍邊面積的比值)、SDr/SDy(紅邊面積與黃邊面積的比值)，小白菜的SDr、Dy(黃邊幅值)、NIRRP(近紅外峰值)、(SDr-SDy)/(SDr+SDy)(紅邊面積與黃邊面積的歸一化值)以及小油菜的λr(紅邊位置)、SDy(黃邊面積)、(SDr-SDy)/(SDr+SDy)與葉片凈光合速率的相關系數達到了0.05顯著檢驗水平，對葉菜葉片的光譜反射率有很好的指示作用，故作為敏感光譜特征參數和植被指數進行研究。

表3 顆粒物污染下三種蔬菜的高光譜特征參數與凈光合速率的相關關系Table 3 The correlation coefficients of spectral characteristic parameters andnet photosynthetic rate of leaves polluted by PM

2.3 顆粒物污染的三種葉菜的凈光合速率反演模型建立

將前文優選出的敏感波段、特征波長、敏感光譜特征參數和植被指數作為光譜特征變量，取樣本數的3/4作為校正集，1/4作為預測集，用ln對數運算、多項式函數和幾種組合方法分別建立顆粒物污染下，處于采收期的三種葉菜葉片的凈光合速率反演模型，在模型建立過程中，預處理方法選擇SG，FD，SD(二階導數)和MSC，建模方法選擇CLS(經典最小二乘)、PLS(偏最小二乘)、PCR(主成分回歸)和SMLR(逐步多元線性回歸)，用校正集和預測集的相關系數Rc和Rp評價模型性能，即相關系數越接近于1，模型的精度越高。分析對比后最終確定FD+SG+PLS方法是建立生菜和小白菜凈光合速率反演模型的最優方法，相關系數為0.912 2和0.952 8，確定FD+SG+MSC+SMLR方法是建立小油菜凈光合速率反演模型的最優方法，相關系數為0.896 4，殘差分析結果滿足-2<殘差<2的要求，表明模型穩定。建模結果實現了葉菜凈光合速率的精準預測，并為今后顆粒物污染環境下的模型修正和精度評定提供參考，具有實用性。將表4中三種葉菜的敏感波段取交集，得知592～619 nm波段是三種葉菜的共同敏感波段，可為今后確定葉菜類蔬菜的敏感波段作參考，大大減少工作量。

3 結 論

解決了實驗室人工模擬顆粒物環境的問題，基于高光譜分析葉菜葉片生理生態、光合特性和光譜特征對顆粒物的響應，更深入分析葉菜對顆粒物污染的響應機制，對實際生產中利用高光譜技術研究顆粒物對設施農業葉菜類蔬菜的影響具有重要意義。結果表明： (1)受顆粒物作用后，試驗組高光

表4 顆粒物污染的三種蔬菜凈光合速率的反演模型Table 4 Inversion models of net photosynthetic rate under PM

譜特征、一階導數光譜特征和三邊位置各有不同，可對葉菜判別、顆粒物污染的預警提供參考； (2)小油菜由于葉片更為光滑，葉面積較小，沒有肉眼可見的褶皺與茸毛，故對顆粒物的滯留與吸附作用較小，對顆粒物污染比小白菜和生菜敏感，可作為反映空氣污染狀況的指示植物，而小白菜對顆粒物的滯留能力比生菜和小油菜強，可為溫室減霾配置提供參考，精準管控溫室微環境； (3)優選出的敏感波段、特征波長和敏感光譜特征參數和植被指數用于建立顆粒物污染下三種葉菜凈光合速率的反演模型，用于預測葉菜類蔬菜在顆粒物污染下的凈光合速率，并對今后模型評定和修正提供參考。