《Environmental Pollution》--基于高光谱数据的水稻叶片镉-铅共累积量诊断与检测
2024-07-1545
英文：Identifying cadmium and lead co-accumulation from living rice blade spectrum武汉大学
广州市城市规划勘测设计研究院
生态环境部卫星环境应用中心
中国资源卫星应用中心
武汉智能排水工程技术研究中心
镉（Cd）和铅（Pb）都不是作物生长所必需的元素，但它们会在土壤和作物组织中积累，导致土地退化和作物减产。目前，利用近端传感技术检测叶片中Cd-Pb共积累的研究较少，尤其是采用低成本、易于操作的叶片夹来捕捉不同叶片位置的高光谱反射数据。本研究使用高光谱成像仪采集了16种Cd-Pb共积累预处理的水稻冠层图像。随后从叶根、叶片中部和叶尖这3个位置提取了光谱数据。通过留一交叉验证的支持向量机结合改进的连续投影算法选择的特征波长用于诊断Cd-Pb污染水平。同时，采用偏最小二乘回归预测了水稻叶片中Cd-Pb的浓度。结果表明，不同叶面位置光谱的诊断准确度不同。水稻叶片的叶根和叶尖分别是检测Cd和Pb污染的最佳叶面位置。在这些最佳叶面位置，诊断水稻是否受到Cd-Pb污染的准确度超过了0.80。Cd的预测表现最优，残差预测偏差（RPD）、R2、均方根误差（RMSE）分别为2.21、0.79、6.14；而Pb的预测精度分别为1.62、0.61和186.54。研究确认659-694 nm和667-694 nm是检测Cd和Pb污染的关键波段。综上所述，该研究验证了在水稻叶片中检测Cd-Pb污染的可行性，并明确了最佳的叶面诊断位置。Cd-Pb污染检测最优波段在未来叶片夹的设计中具有巨大的应用潜力，最佳诊断叶面位置可以为提高现场应用中的诊断性能提供参考。高光谱数据：高光谱数据由S185机载高速高光谱成像仪获取。该成像仪采用革命性的框幅式高光谱成像技术，能以更快的速度进行所有光谱通道同步成像，在1/1000秒内获得整个高光谱立方体数据，配套功能强大的测量及处理软件，快速获取大面积高光谱图像，影像具有厘米级地理坐标信息。
图1 试验设计（在水稻水培液中加入2个重金属离子，每个离子有4个不同重金属浓度的处理，相交共16个处理）
表1 浓度设计和ICP测量值
图2 从不同叶面位置的光谱中选择1-10个波段的诊断精度热图
图3 四种污染水平下不同叶面位置光谱诊断精度（（a）：Cd；（b）：Pb））
图5 不同叶面位置所选的最佳波段（加粗字体为最后所选波段）表2 类似的利用高光谱数据集进行重金属浓度估算研究的精度比较
重金属在植株各器官中的分布差异较大。该研究旨在探讨水稻叶片的最佳诊断位置和叶片夹设计的波段选择，以诊断Cd-Pb共积累下的污染水平和浓度预测。结果表明：1）高光谱成像技术是水稻叶片中Cd-Pb污染水平判别和含量预测的有效工具。2）水稻叶片的叶根和叶尖分别是诊断Cd和Pb污染水平的最佳叶面位置。在最佳诊断位置，Cd和Pb的诊断准确率最高，分别为0.93和0.82。3）与诊断结果相似，对Cd和Pb预测效果最好的叶片位置也是叶根和叶尖。模型对Cd的预测效果最优，RPD为2.21，R2为0.79，RMSE为6.14；Pb的RPD、R2和RMSE分别为1.62、0.61和186.54。4）改进的SPA算法选取的这些波段可以作为光谱信息以达到更好的诊断精度。在659-694 nm和667-694 nm波长范围内可设计检测Cd和Pb污染的叶片夹。最佳叶面位置可以为大规模野外应用Cd-Pb共积累的检测提供参考，特征波长的选择对叶片夹的设计具有很大的应用前景。下一步研究将在细胞尺度上探索、模拟水稻植物光谱响应与生化参数之间的关系，以促进对其诊断机制的理解。
https://doi.org/10.1016/j.envpol.2023.122618X20P-LIR一体式多源遥感系统是一款多功能无人机遥感设备，集激光雷达、热红外及高光谱成像为一体，实时同步获取激光雷达、红外及高光谱图像数据。主要功能包括：基于光场技术的高光谱成像，光谱范围350~1000nm、5MP高清全色相机、测距达450m（@80%Ref）的固态激光雷达、大面阵高精度热红外成像；主机内置控制系统、高精度惯导及固态存储，整机重量轻、操作简单，适合M300/M350 RTK无人机搭载使用。
是国家高新技术企业，拥有多项发明专利及著作软件，并通过ISO9001质量管理体系认证。我们专注于遥感技术领域高端科研设备及服务十余年，已为国内数百家科研单位及高校提供了各种遥感设备及技术支持，服务范围遍布全国。愿与遥感领域的各科研单位及高校建立长期合作关系，为科研人员提供真正有价值的无人机遥感设备和全面而专业的技术服务！上海办：021-54155790 sh@azup.cn广州办：020-28171197 gz@azup.cn 武汉办：027-87336236 wh@azup.cn西安办：029-81545954 xa@azup.cn 《REMOTE SENS ENVIRON》--基于S185高光谱数据消除冠层光谱土壤背景影响实现叶片叶绿素含量监测
《COMPUT ELECTRON AGR》--基于高光谱成像与机器学习技术鉴定bagworm害虫龄期的研究
长按识别二维码查看信息详情