半封闭大棚实验下广州市植被滞尘光谱特征分析2.0

引言

植物叶片光谱特征是植物叶片中色素含量、组织机构、水分和蛋白质等对反射光谱响应的重要特征，探寻植物滞尘量与光谱之间的规律已成为当前的研究重点。在植物光谱曲线特征规律和特征参数方面，受时间、区域、环境和植被种类等多方面因素的影响，不同的学者得到的研究结论不尽相同。如在对玉米叶片反射光谱的研究中发现，植物滞尘前后的光谱曲线具有“两增一减”的特征；有的研究人员也发现滞尘对叶面反射率有影响，但与上述的研究结果不尽相同；有的研究人员发现灰尘不会造成“红边”移动，也不会造成“蓝移”和“红移”等现象；而有的研究人员等都得到了相反的结论，认为叶片光谱曲线具有“红边位移”的特征，且出现了“红边蓝移”现象。广州市作为中国的一线城市，环境污染问题日趋严重，但关于该市植物叶片滞尘光谱特征方面的研究还比较少，亟待进一步探讨。

结果与分析

2.1 不同植物滞尘能力比较

由图5可知，随着时间的递增，3种绿化植物的滞尘量总体呈现增加的趋势，但是当叶片附着的大气颗粒物达到一定量时，叶表面的累积滞尘量将达到饱和，甚至出现减少的趋势。这说明滞尘时间是影响绿化植物累积滞尘量的一个重要因子，这与已有的研究结论基本一致。绿化植物的滞尘能力可间接反映该植物的吸污能力，同一环境下不同绿化植物由于叶表形态、空间结构等的差异，其滞尘能力也有所不同。其中，朱蕉的滞尘能力最强，饱和滞尘量最大，为2.23g/m²；其次为红花檵木，饱和滞尘量为2.21g/m²；金叶榕相对较弱，饱和滞尘量为2.12g/m²。在具体的绿化植被筛选中，可优先考虑朱蕉。

图5 不同绿化植物的滞尘能力比较

2.2 滞尘前后光谱曲线特征分析

植物叶表的灰尘是影响植被光谱反射率的主要因素之一，通过对比有尘和无尘状态下的植物反射光谱率可知，叶面尘使得植物的光谱反射率发生了变化，在不同的波段范围内表现出不同的规律（图6）：

图6 有尘与无尘叶片的反射光谱曲线

1）在可见光（350~760nm）波段范围内，3种植物的光谱反射率均显著升高，表现为有尘叶片＞无尘叶片。其主要原因是，该波段的光谱反射率受叶绿素、胡萝卜素、黄叶素等各种叶片色素的支配，而叶片表面附着的灰尘，遮挡了叶片色素的吸收从而增加了叶片的反射，使得有尘叶片的反射率高于无尘叶片。

2）在近红外（760~1360nm）波段范围内，3种植物的光谱反射率显著降低，表现为有尘叶片＜无尘叶片。其主要原因是，该范围的光谱反射率与叶片细胞间的多重反射有关，而叶片表面附着的灰尘，减少了光线的进入，从而减少了细胞间的多重反射，使得有尘叶片的反射率低于无尘叶片。其中朱蕉的差异最为明显，红花檵木相对较弱。

3）在短波红外（1360~2450nm）波段范围内，3种植物的光谱反射率主要受叶子总含水量的控制，不同植物滞尘前后的光谱反射率呈现不同趋势，差异较大。金叶榕的有尘叶片＜无尘叶片，红花檵木则相反，朱蕉呈波动状态。综上，叶面尘对植物叶片光谱的影响在可见光和近红外区域相对显著且有规律，即叶面尘使得叶片的光谱反射率在可见光波段升高，在近红外波段减少。有其他的研究人员也得到了类似的结果，认为灰尘会使叶片的光谱反射率在可见光和近红外2个区间产生不同的增减规律，分别表现为有尘叶片＞无尘叶片、有尘叶片＜无尘叶片。

2.3 植物叶片光谱特征参数分析

植物的光谱特征除光谱曲线特征外，还可以依靠光谱特征参数来定量描述，本文通过剔除误差并计算不同植物各滞尘量对应的光谱吸收特征参数、三边参数和植被指数等光谱特征参数，进一步分析滞尘叶片的光谱特征。其中，金叶榕和红花檵木的样本数为31个，朱蕉为29个。

2.3.1光谱吸收特征参数

光谱吸收特征参数包括绿峰位置、绿峰反射率、红谷位置、红谷反射率等，从图7-a和b可以发现，随着滞尘量的增加，3种植物的绿峰和红谷位置均没有明显的变化趋势，从大到小依次为：朱蕉＞红花檵木＞金叶榕。其中金叶榕和红花檵木的绿峰位置和红谷位置都集中在550和665nm附近，这是绿色植物叶片的普遍特征。朱蕉的绿峰位置（560nm）和红谷位置（670nm）均向长波方向移动，这是由于朱蕉的植物叶片呈红色，叶绿素较少所造成的。

图7 光谱吸收特征参数与滞尘量的关系

从图7-c和d可以发现，绿峰反射率与滞尘量整体呈增加的趋势，但相关性较低，其中朱蕉的规律最显著（R²=0.25），金叶榕相对较弱；红谷反射率与滞尘量的相关性相对较高，3种植物都随滞尘量的增加而增加，增长速率的大小为：朱蕉（R²=0.55）＞红花檵木（R²=0.42）＞金叶榕（R²=0.22）。

通过分析可知，叶面尘对植物的光谱吸收特性参数具有直接或间接的影响，其中红谷位置和绿峰位置与滞尘量的关系不显著，由植物本身的特性所决定；红谷反射率和绿峰反射率与滞尘量成正比，且红谷反射率的关系较显著。

三边参数是反演植被生长状况的重要依据，计算所得结果如图8所示。

红边参数：由图8-a1、8-a2、8-a3可知，叶面尘对3种植物的红边参数没有明显影响，且3种植物的红边位置都稳定在718nm附近，与滞尘量无关，不存在“红移”或者“蓝移”现象。

蓝边参数：由图8-b1、8-b2、8-b3可知，随着滞尘量的增加，金叶榕的蓝边斜率和蓝边面积呈现先增后减的规律，而红花檵木则呈递减趋势，且3种植物的蓝边斜率和蓝边面积表现为金叶榕＞红花檵木＞朱蕉，而蓝边位置的大小为红花檵木＞金叶榕＞朱蕉。蓝边位置与滞尘量无关。

图8 三边参数与滞尘量的关系

黄边参数：由图8-c1、8-c2、8-c3可知，叶面尘对3种植物的黄边斜率和黄边位置的影响不显著，且黄边位置都稳定在550nm附近。3种植物的黄边面积表现为朱蕉＞红花檵木＞金叶榕。通过分析可知，植物的三边位置与滞尘量无关，没有发生偏移现象。叶面尘对植物的蓝边斜率、蓝边面积、黄边面积的影响相对较显著，对红边斜率、红边面积、黄边斜率的影响不显著，不同植物其影响程度不同。

2.3.3植被指数

植被指数能在一定程度上消除背景和大气的干扰，并且与一些重要的生化参数有着密切的函数关系，可用来监测植被的生物物理和生物化学参数。而植被指数中的归一化植被指数NDVI是反映植物生长状态最为直接和灵敏的指标之一（田永超等，2009），故通过计算归一化植被指数NDVI来探讨叶面尘对植被的影响，其中，近红外波段和红外波段分别采用858和645nm的反射率计算。由图9可知，归一化植被指数NDVI与滞尘量呈负相关关系，且金叶榕、红花檵木和朱蕉的斜率分为-0.0291（R²=0.34）、-0.0405（R²=0.58）、-0.062（R²=0.59）。根据斜率和R²值可知，不同植物的NDVI受叶面尘影响的程度不同，朱蕉更容易受叶面尘的影响，其次为红花檵木，金叶榕受影响最小。

3、结果与讨论

基于广州市常见的绿化植物，采用高光谱遥感技术，通过设计半封闭的大棚实验方案，探讨了滞尘污染下不同植物叶片的光谱特征，得到的主要结论为：

1）滞尘时间是影响绿化植物累积滞尘量的一个重要因子，滞尘量随着时间的增加而增加，但达到饱和之后会呈减少的趋势。不同的植物达到饱和的滞尘量和时间存在差异，饱和的滞尘量从大到小依次为：朱蕉＞红花檵木＞金叶榕。在具体的绿化植被筛选中，可优先考虑朱蕉。

2）滞尘前后光谱的反射率的走势基本一致，在可见光波段，受叶面尘影响，叶片光谱反射率升高，且随滞尘量的增加而升高；在近红外波段则相反，光谱反射率随滞尘量的增加而降低。

3）叶面尘对植物叶片的光谱特征参数具有直接或间接的影响。红谷位置和绿峰位置与滞尘量的关系不显著；红谷反射率和绿峰反射率与滞尘量总体成正比；植物的三边位置与滞尘量无关，不存在偏移现象；叶面尘对植物的蓝边斜率、蓝边面积、黄边面积的影响较显著，不同植物的影响程度不同；归一化植被指数NDVI与滞尘量呈负相关关系，且不同植物的NDVI受叶面尘的影响程度不同，从大到小依次为：朱蕉＞红花檵木＞金叶榕。

图 9 植被指数NDVI与滞尘量的关系

本文设计了半封闭的大棚实验方案对植物的滞尘光谱特征进行探讨，研究结果与部分学者的结论相同，为植物滞尘效应的实验设计提供了新思路。与其他野外实验相比，本研究有效地避免了雨水冲刷等造成的实验中断问题，减少了人为活动因素的干扰。与使用降尘设备或装置进行的模拟实验相比，本研究可以有效地模拟自然降尘下植物的滞尘效应，真实性更高。

本文采用高光谱遥感技术定性研究了广州市常见绿化植物的滞尘效应，探寻了植被滞尘量与光谱之间的规律，利用NDVI与滞尘量建立的模型，可快速无损低投入的评估植物滞尘能力，为城市空气质量监测提供科学依据。目前只有个别学者对滞尘量的光谱估算模型进行初步探索，对于光谱估算模型反演波段的选择、高精度光谱估算模型的构建、不同植物种类对光谱估算模型的影响等方面都尚未开展研究，未来值得深入探讨；将植物滞尘量的光谱估算模型与无人机高光谱遥感影像、卫星影像等结合起来进行大面积区域尺度的滞尘量反演，也是未来研究的重要方向。

欢迎关注公众号：莱森光学，了解更多光谱知识。

莱森光学（深圳）有限公司是一家提供光机电一体化集成解决方案的高科技公司，我们专注于光谱传感和光电应用系统的研发、生产和销售。

审核编辑黄宇