基于高阶谱法作物重金属污染元素判别与污染程度诊断

基于不同铜离子(Cu^(2+))和铅离子(Pb^(2+))胁迫梯度下玉米叶片光谱微分数据,结合高阶谱估计与灰度-梯度共生矩阵(Gray gradient co-occurrence matrix,GGCM)的特征提取方法,提出了Cu^(2+)和Pb^(2+)污染定性分析、污染元素种类识别和污染程度诊断的方法。首先,测量了不同胁迫梯度下玉米叶片光谱数据以及叶片中富集的Cu^(2+)、Pb^(2+)含量;然后,利用高阶谱估计的ARMA模型参数法对各类玉米叶片微分光谱数据序列进行双谱估计,得到bisp_rts和bisp_qs矩阵及其相应的双谱三维图,从而可以直观可视地定性分析玉米是否已受Cu^(2+)和Pb^(2+)污染,辨别出Cu^(2+)或Pb^(2+)污染的元素类别;最后,构造bisp_rts和bisp_qs矩阵相应的GGCM,通过提取各GGCM的纹理参量特征值,诊断玉米叶片受Cu^(2+)和Pb^(2+)的污染程度。实验结果表明:高阶谱估计可以定性分析玉米老叶(O)、中叶(M)、新叶(N)是否已受Cu^(2+)和Pb^(2+)污染,也可辨别出O、M叶片所受Cu^(2+)或Pb^(2+)污染的元素类别;bisp_rts矩阵的灰度分布不均匀性(T1)、能量(T2)特征值均能反映O、M叶片中Pb^(2+)含量的变化,能较好地诊断O、M叶片中Pb^(2+)的污染程度,而bisp_qs矩阵的小梯度优势(T3)特征值能反映O、M叶片中Cu^(2+)含量的变化,能较好地诊断O、M叶片中Cu^(2+)的污染程度。