全 文 ：第 2期 , 总第 84期 国　土　资　源　遥　感 No.2, 2010　
2010年 6月 15日 REMOTESENSINGFORLAND＆RESOURCES Jun., 2010　
洎水河流域重金属污染区五节芒叶片
光谱特征响应研究
赵 汀1 , 王安建 1 , 夏江周2 , 刘素红 2
(1.中国地质科学院矿产资源研究所 ,北京　100037;
2.北京师范大学地理学与遥感科学学院 ,北京　100875)
摘要:利用污染物富集因子和污染指数对洎水河流域采样点河滩表层土壤重金属污染状况进行评价。通过分析五
节芒叶片重金属富集率 , 发现五节芒对 Cu、Zn、Cr等金属元素有较强的吸收能力 , 而且 , 重金属富集率与河滩表层
土壤的重金属污染程度呈相反的变化趋势。将五节芒叶片光谱特征参数———可见光波段(450 ～ 670 nm)反射率积
分值(A1)、近红外波段(760 ～ 980 nm)反射率积分值(A2)与五节芒叶片中 3种重金属(Cu、Zn、Cr)的质量分数进行
相关分析 , 分别建立 2个谱段的光谱特征参数与 3种重金属质量分数的多元线性回归方程。 结果表明 ,五节芒叶
片中重金属 Cu、Zn和 Cr的质量分数可以很好地模拟(复相关系数 R2 >0.93)五节芒叶片在重金属胁迫下的光谱
特征变化。
关键词:重金属污染;污染指标;光谱特征参数;多元线性回归
中图分类号:TP79　文献标识码:A　　　文章编号:1001-070X(2010)02-0049-06
收稿日期:2009-08-27;修订日期:2009-10-18
基金项目:中央级公益性科研院所基本科研业务费项目 “德兴矿集区矿山环境高精度遥感调查 ” (编号:K0723)、国土资源部科研项
目 “矿产资源开发对矿山环境的影响及整治示范研究 ”(编号:30302408)以及国家自然科学基金项目(编号:40771150)联
合资助。
0　引言
重金属污染是矿区环境污染中的严重问题之
一 。矿山污染的传统监测方法是以化学方法为主 ,
但该方法不但花费高而且费时 、费力 ,监测范围有
限 。基于遥感技术的植物监测方法具有视野宽 、信
息量大以及快速 、动态进行的特点 , 已成为资源开
采 、环境变化等问题研究的重要技术手段 [ 1, 2] 。研
究植被对重金属的吸收和波谱响应特征是当前土壤
重金属污染研究的主要方法。近年来 ,国内外许多
学者[ 3, 4]一直致力于研究污染物的植物光谱效应 ,
旨在通过污染区植物光谱的变异特征来反映地表
水 、土壤以及大气等的污染状况 ,并已取得了许多突
破性的进展 ,在实验室可控重金属污染梯度 [ 5]和野
外重金属污染梯度下[ 6] ,建立植物叶片单一重金属
质量分数与叶片光谱特征参数之间的关系方面取得
了一些研究进展 。
在流经德兴铜矿的乐安江众多支流中 ,体泉河 、
大坞河和洎水河是其中的 3条污染支流 [ 7] 。本文对
洎水河流域河滩表层土的重金属污染状况和五节芒
叶片中大量富集的单一重金属质量分数与植物光谱
特征参数之间的关系进行分析 ,在此基础上 ,结合洎
水河流域河滩表层土的污染特点对流域内五节芒叶
片重金属质量分数与叶片光谱特征参数之间的关系
进行了探索。
1　研究区概况
洎水河位于江西省境内 ,是乐安江的一条支流 ,
它发源于怀玉山脉 ,流经玉山县的怀玉山乡 、德兴市
的龙头山乡 、花桥镇 、银城镇 ,经香屯五星村汇入乐
安河 ,注入鄱阳湖 。在流域内分布有多个有色金属
矿山 ,自上游至下游分别为德兴铜矿富家坞铜矿 、大
茅山铜矿 、花桥金矿 、金山金矿 、黄柏杨金矿及银山
铅锌矿等 ,其中 ,德兴铜矿是一个大型露天铜矿 ,其
中铜的储量超过了 107 t,其矿石的主要成分为黄铁
矿 、黄铜矿 、方铅矿和闪锌矿 [ 7] ;大茅山铜矿属细脉
浸染斑岩型铜矿山 ,矿石类型较为简单 ,金属矿物主
要有黄铜矿[ 8] ;花桥金矿 、金山金矿和黄柏杨金矿
分布相对集中(图 1)。
国　土　资　源　遥　感 2010年
图 1　洎水河流域矿山及采样点分布示意图
(S1:富家坞排水口;S2:花桥金矿上游;S3:花桥金矿出水口;S4:银山铅锌矿上游;S5:银山铅锌矿下游)
Fig.1　MapforthedistributionofmineraldepositsandsamplingpointsalongtheJishuiRiverBasin
　　研究表明 ,在金山金矿矿石中 ,有害杂质 As在原
矿中质量分数高 ,主要以毒砂形态存在[ 9] 。银山铅锌
矿是个大型矿床 , 2002年其矿石日产量达 2 000 t,
其中主要的硫化物是方铅矿和闪锌矿 ,矿石中的
ω(S)高达 4% ～ 13%, ω(Pb)为 2.54%, ω(Zn)为
1.58%, ω(Cu)为 0.88%。每年酸性矿山废水携带
大量的重金属流入洎水河 ,其中 Cu约为 29 ～ 55 t,
Pb约 1 ～ 112 t, Zn约为 380 ～ 560 t[ 10] 。
2　数据采集和分析方法
2.1　植物叶片的光谱测试
光谱测试采用美国分析光谱设备公司(ASD)生
产的 FieldSpecR★ HH便携式分光辐射光谱仪(其视
场角为 25°,测量波长范围为 325 ～ 1 075 nm,光谱分
辨率为 3 nm)。采用的方法是将正常生长的绿色植
物叶片摘下后铺在黑布上测量 ,叶片之间要保证在光
谱仪视场内没有空隙。在同一采样点测量 5株植物 ,
每株植物叶片采集 20次数据 ,统计其最大值 、最小
值 、方差和平均值。从方差来看 ,同一采样点的五节
芒叶片光谱差异不大 ,近红外波段的反射率方差要大
于可见光波段的 ,因此 ,用光谱数据的平均值来代表
同一采样点的五节芒叶片光谱反射率是合理的 。
2.2　样品重金属质量分数测试
在测量五节芒叶片光谱信息的同时 ,采集五节
芒及土壤样品 。土壤样品的具体采集方法是:除去
覆盖在表层土壤最上层的树枝 、碎石和杂草 ,用铲子
垂直于地表挖出 0 ～ 20 cm的土壤剖面 ,取厚度大致
相同的土壤薄片 ,除去土壤中大颗粒杂质 ,装入自封
袋 ,编号带回实验室。五节芒叶片的采样方法是:
将光谱测试完毕的五节芒叶片收集起来 ,然后装入
自封袋 ,编号带回实验室 。
将野外采集回来的土壤和植被样品放在室内 ,
使其自然晾干 。对于土壤样品 ,首先用研钵研磨 ,然
后过 100目筛(0.15 mm),将处理后的样品装入自
封袋;对于植被叶片样品 ,需用粉碎机粉碎 ,同样过
100目筛 ,然后编号放入自封袋 ,送检测室测试。本
次研究样品测试单位为核工业北京地质研究院分析
测试研究中心 ,样品中的 Cr、Cu、Zn、As、Pb、和 Cd等
元素采用 DZ/T0223 -2001电感耦合等离子体质谱
仪(ICP-MS)进行分析测试 。在样品测试过程中 ,
每 10个样品以密码形式加国家一级标准物质(GSS
土壤系列)进行质量控制 ,以确保分析数据的准确
可靠 。测试结果如表 1所示。
表 1　洎水河流域河滩土壤和五节芒叶片重金属质量分数
Tab.1　ListofheavymetalcontentinMiscanthusfloridulusleavesandfloodplaintopsoilofJishuiRiverBasin
采样点 土壤中金属质量分数 /(mg· kg-1)ω(Cr) ω(Cu) ω(Zn) ω(As) ω(Cd) ω(Pb)
五节芒中金属质量分数 /(mg· kg-1)
ω(Cr) ω(Cu) ω(Zn) ω(As) ω(Cd) ω(Pb)
S1 145.0 00523.0 137 035.9 1.040 00153.0 11.7 23.7 34.3 0.94 0.322 3.68
S2 125.0 1 883.0 429 101.0 1.660 00112.0 08.5 36.2 35.5 1.00 0.153 4.11
S3 101.0 00062.1 183 405.0 0.944 00051.2 19.7 16.0 64.9 1.99 0.163 5.50
S4 104.0 00556.0 444 096.6 3.910 1 658.0 10.0 24.7 30.4 1.18 0.120 5.03
S5 091.6 00178.0 232 042.9 0.893 00236.0 11.4 34.4 39.2 2.73 0.145 7.85
·50·
第 2期 赵 汀 ,等:　洎水河流域重金属污染区五节芒叶片光谱特征响应研究
2.3　数据处理
2.3.1　重金属测试数据处理
采用污染物富集因子和污染指数 [ 7]评价洎水
河河滩表层土中的重金属污染 。利用河滩表层土中
的不同重金属数据进行富集因子(EF)计算。 EF的
计算公式为
EFi=CiCrefi (1)
式中 , Ci为成分 i的实测浓度(表 1);Crefi为
成分 i的参考浓度 ,此处采用江西省土壤元素背景
值(表 2)。
污染指数 Cd的计算公式为
Cd=∑ni=1Cfi (2)
式中 , Cfi=(CAi/CNi)-1,为成分 i的污染因
子;CAi为污染物 i的实测浓度;CNi为成分 i的上限
标准值 ,此处采用的标准值为 GB15618 -1995一级
标准值(表 2)。
表 2　土壤重金属元素参考标准
Tab.2　Referenceofsoilheavymetalelements
参考标准 土壤金属质量分数 /(mg· kg
-1)
ω(Cr) ω(Cu)ω(Zn) ω(As)ω(Cd) ω(Pb)
土壤环境质量标准
(GB15618-1995) 90.0 35.0 100000 15.0 0.200 35.0
江西省土壤
元素背景值 45.9 20.3 69.4 14.9 0.108 32.3
　　采用典型植物叶片重金属富集率评价河滩表层
土在不同重金属污染梯度下植被的吸收能力。叶片
重金属富集率(R,五节芒叶片中重金属质量分数分
别与土壤重金属质量分数的比值)计算公式为
R=VegetationmiSoilmi (3)
式中 , Vegetationmi为植被中重金属 mi的质量分
数(mg· kg-1);Soilmi是土壤中重金属 mi的质量分
数(mg· kg-1)。
2.3.2　叶片光谱测试数据处理
五节芒叶片原始光谱数据运用 ASDViewSpec-
Pro、Excel等软件进行处理 ,采用
ρtarget=DNtargetDNreference·ρreference (4)
计算各波段对应的反射率 。
式中 , ρtarget为观测目标反射率;ρreference是参考板
反射率;DNtarget是观测目标测量值;DNreference是参考
板测量值。绘制反射率曲线如图 2所示。
图 2　不同采样点五节芒叶片反射率曲线
Fig.2　SpectralreflectancecurvesofMiscanthus
floridulusleavesatdifferentsamplingpoints
　　从图 2可以看出 ,在可见光波段内 ,健康绿色植
物叶片的光谱特征主要受各种色素支配 ,其中叶绿
素起着重要作用。在以 450 nm(蓝波段)和 670 nm
(红波段)为中心的波段 ,因叶绿素强烈吸收辐射能
(>90%)而呈吸收谷状态 ,在两个吸收谷之间的
550 nm附近 ,吸收相对减少 ,形成绿色反射峰。在
近红外波段内 ,植物叶片的光谱特征取决于叶片内
部的细胞结构 ,由于植物叶片内部组织对光多次反
射散射的原因 ,导致植物叶片在近红外区反射率呈
现高原区(占入射能的 45% ～ 50%), 并形成近红
外区域光谱反射平台。
研究表明[ 5] ,在实验室盆栽试验中 ,白菜经历
重金属 Cu污染胁迫后 , 叶片叶绿素质量分数均低
于对照组 , 并且随叶片 Cu质量分数增加而降低。
叶绿素减少后 ,会引起叶肉细胞 、线粒体及叶片细胞
核等一系列的变化并导致叶片细胞结构的变化 ,从
而影响植被叶片在近红外波段的反射率 [ 11] 。
基于以上研究 ,本文从受重金属胁迫影响明显
的可见光和近红外波段选择光谱特征参数。从图 2
可以发现 ,在重金属胁迫下 ,五节芒叶片光谱反射率
在近红外波段变化比可见光波段剧烈 ,因此 ,选取五
节芒叶片反射率光谱在可见光波段(450 ～ 670 nm)
和近红外波段(760 ～ 980 nm)的积分值 A1、A2[ 5]来
评价五节芒叶片光谱对重金属胁迫的响应。其中积
分值计算公式为
A=∫λ2λ1 Rλdλ (5)
式中 , Rλ为波长 λ处的反射率。
3　结果分析
3.1　采样点河滩土壤污染分析
由图 3可以看出 ,洎水河河滩土壤重金属质量
·51·
国　土　资　源　遥　感 2010年
分数沿河水流向变化趋势为:Cr呈现减小的趋势 ,
其他重金属表现为高 、低值交替的变化。在天津南
北排污河的重金属质量分数分布研究中 ,沿河重金
属质量分数同样是呈现高 、低值交替的特征 ,且规律
性不明显 ,高值点显示沿途接纳了多个排污口的污
水 [ 12] 。洎水河重金属污染表现出这样的特点是与
沿河分布的矿山开采有关 。同时 , Cu、Zn和 Cd在
S2和 S4采样点存在质量分数峰值 , As在 S3采样点
出现峰值 , Pb在 S4采样点出现峰值。研究表明 [ 9] ,
在金山金矿矿石中 ,有害杂质 As在原矿中质量分数
高 ,推测 S3花桥金矿出水口河滩表层土壤中的 As
出现峰值与上游的金山金矿 、花桥金矿和黄柏杨金
矿等有密切关系 。
图 3　洎水河流域河滩土壤重金属质量分数变化
Fig.3　Heavymetalcontentinfloodplain
topsoilofJishuiRiverBasin
　　通过河滩土壤重金属质量分数仅能反映洎水河
流域重金属质量分数变化趋势 ,通过富集因子和污染
指数可以综合评价洎水河流域的污染状况。
从图 4中可以看出 ,所有采样点的富集因子
EF>1,可以认为所有采样点都存在 6种重金属的
不同程度的污染;河滩土壤中重金属的富集因子最
高的是 Cu,其次是 Cd、Pb和 As, Zn和 Cr相对较低;
从污染指数的变化可以发现 , S2和 S4采样点污染
较重 。比较分布于洎水河干流之上的 S2、S4及S5
图 4　洎水河流域河滩土壤各采样点污染指标对比
Fig.4　Thecompareofpolutionindicatorsoffloodplain
topsoilinJishuiRiverBasin
采样点的重金属质量分数可以发现 , Cr、Cu、Zn和
As质量分数是逐渐降低的 。 S3位于洎水河的一条
小支流 ,干流 S2、S4和 S5点的重金属质量分数高于
支流 S3的 ,这说明这条小支流对洎水河干流重金属
质量分数的贡献较小。
基于水动力水质模型的苏州河上游和支流水质
对干流水质的影响分析表明 ,支流和上游来水水质
直接影响干流水质 [ 13] 。洎水河干流和支流重金属
质量分数 、分布特征及其关系还需要通过进一步的
研究才能确定 。
3.2　五节芒叶片重金属富集水平分析
通过对五节芒叶片中重金属质量分数(图 5)与
河滩土壤重金属质量分数的比值(图 6)分析 ,进而
确定在五节芒叶片中大量富集的元素类别。
图 5　五节芒叶片重金属质量分数变化
Fig.5　HeavymetalcontentinMiscanthus
floridulusleavesinJishuiRiverBasin
图 6　五节芒叶片重金属富集率
Fig.6　TheheavymetalaccumulationrateofMiscanthus
floridulusleavesinJishuiRiverBasin
　　从图 5可以看出 ,五节芒叶片中重金属质量分
数由高到低依次是 ω(Zn)、ω(Cu)、ω(Cr)、ω(Pb)、
ω(As)及 ω(Cd);从图 6可以看出 ,五节芒叶片重
金属富集率较高的 4种元素为 Zn、Cu、Cr和 Cd。通
过将图 4和图 6对比可以发现 ,各样点的土壤重金
属污染指标和五节芒叶片重金属富集率存在相反的
趋势 ,这是由 S3采样点土壤和五节芒叶片中重金属
质量分数的反常所致;通过比较图 3和图 5可以发
现 ,除 S3的所有采样点 ,五节芒叶片重金属质量分数
基本随土壤中重金属质量分数增加而增加 ,这与实验
室条件下白菜叶片中重金属 Cu随着土壤中重金属质
量分数的增加而增加是一致的[ 6] 。但是在野外环境
下 ,土壤重金属质量分数梯度是不可控的 ,所以本文
得到的关系存在变异 ,例如在 S3采样点上 , Zn、As、Cr
和 Pb这 4种重金属表现出相反的趋势 ,这可能与采
·52·
第 2期 赵 汀 ,等:　洎水河流域重金属污染区五节芒叶片光谱特征响应研究
样点的分布有很大关系。
3.3　五节芒叶片光谱特征及其与重金属质量分数
相关分析
3.3.1　光谱特征参数计算及相关分析
　　对洎水河流域五节芒叶片光谱特征参数 A1、A2
的计算结果如表 3所示。
为了分析五节芒叶片光谱特征及其与叶片中重
金属质量分数关系 ,进行了相关分析 ,其结果如表 4
所示。
表 3　五节芒叶片光谱特征参数
Tab.3　Thespectralfeatureparametersof
Miscanthusfloridulusleaves
采样点 采样点位 A1 A2
S1 富家坞排水口 20.024 141.350
S2 花桥金矿上游 15.751 082.075
S3 花桥金矿出水口 15.465 124.060
S4 银山铅锌矿上游 18.845 138.490
S5 银山铅锌矿下游 20.148 154.000
表 4　五节芒叶片中重金属质量分数与光谱特征参数的相关矩阵
Tab.4　CorrelationmatrixofheavymetalconcentrationandspectralfeatureparametersofMiscanthusleaves
ω(Cu) ω(Cr) ω(Zn) ω(As) ω(Cd) ω(Pb) A1 A2
ω(Cu) 1.000 -0.800 -0.611 0.006 -0.243 000.216 000.190 -0.276
ω(Cr) 001.000 000.949 0.409 000.004 000.186 -0.385 000.186
ω(Zn) 001.000 0.455 -0.115 000.227 -0.591 -0.058
ω(As) 1.000 -0.395 000.960 000.156 000.490
ω(Cd) 001.000 -0.521 000.360 000.186
ω(Pb) 001.000 000.279 000.528
A1 001.000 000.807
A2 001.000
　　通过表 4可以发现 ,五节芒叶片中的单一重金
属质量分数与其光谱特征参数 A1、A2之间不存在
线性相关关系。洎水河流域分布有多种开采的矿
山 ,这增加了该流域重金属污染植物叶片光谱响应
研究的复杂性。研究区五节芒在多种重金属污染
下 ,其叶片光谱响应复杂 ,这可能是叶片光谱特征参
数与单一重金属质量分数相关性差的原因 。
3.3.2　光谱特征参数与重金属质量分数的多元线
性回归分析
　　五节芒因受到多种重金属的多重胁迫 ,所以考
虑将植被光谱特征参数与多种重金属质量分数进行
多元线性回归分析 。在不同重金属组合下 ,建立五
节芒叶片光谱特征参数与叶片重金属质量分数多元
线性回归方程。五节芒叶片中 Cu、Zn、Cr质量分数
与叶片光谱特征参数的多元线性回归方程见表 5。
其中 , x1表示五节芒叶片中 Cu的质量分数 、x2表示
Cr的质量分数 、x3表示 Zn的质量分数 。
表 5　五节芒光谱特征与叶片重金属质量分数
的多元线性回归方程
Tab.5　Multiplelinearregressionequationbetweenthe
spectralfeaturesandthreeheavymetalcontent
ofMiscanthusfloridulusleaves
五节芒叶片
光谱特征参数 回归方程
复相
关系数
A1 Y=3.85+0.43x1 +2.74x2 -0.759x3 1
A2 Y=-91+5.29x1 +37.7x2 -9.45x3 0.923
　　通过表 5可以看出 ,五节芒叶片光谱特征参数
与其叶片重金属 Cu、Zn和 Cr的质量分数间有显著
的线性相关关系 ,这说明在洎水河流域 ,五节芒叶片
光谱特征受多种重金属污染共同控制 ,其光谱特征
参数可以反映多种重金属的综合胁迫效应。
4　结论
(1)洎水河流域各采样点河滩表层土壤中存在
不同程度的重金属污染 。五节芒在多种重金属污染
下 ,其叶片光谱响应复杂 ,这可能是五节芒叶片光谱
特征参数与单一重金属质量分数无线性相关关系的
原因 。
(2)将五节芒光谱特征参数与多种重金属元素
进行多元线性回归分析发现 ,叶片中重金属 Cu、Zn
和 Cr的质量分数可以很好地模拟其重金属污染的
光谱特征 ,说明在洎水河流域典型植物叶片光谱特
征受多种重金属元素的共同影响 。
参考文献:
[ 1] 　马向平 ,仙麦龙 ,吕录仕 ,等.重庆市酸沉降污染造成的植被受
害状况遥感监测研究 [ J].国土资源遥感 , 1997(4):14 -20.
[ 2] 　田国良 ,包佩丽 ,李建军 , 等.土壤中镉 、铜伤害对水稻光谱特
性的影响 [ J] .环境遥感 , 1990, 5(2):140 -149.
[ 3] 　KnokeK, MarwoodTM, CassidyMB, etal.AComparisonofFive
Bioassays to Monitor Toxicity During Bioremediation of
Pentachlorophenol-ContaminatedSoil[ J].WaterAirSoilPol,
1999, 110:157-169.
[ 4] 　MishraA, ChoudhurtMA.MonitoringofPhytotoxicityofLeadand
·53·
国　土　资　源　遥　感 2010年
MercuryfromGerminationandEarlySeedingGrowthin-Dicesin
TwoRiceCultivators[ J] .WaterAirSoilPol, 1999, 110:340 -
345.
[ 5] 　刘素红 ,刘新会 ,侯 娟 ,等.植被光谱应用于白菜铜胁迫响应
研究 [ J] .中国科学 E辑 , 2007, 37(5):693-699.
[ 6] 　迟光宇 ,刘新会 ,刘素红 ,等.大坞河流域重金属污染与五节芒
光谱效应关系研究 [ J] .生态环境 , 2005, 14(4):549-554.
[ 7] 　曾凡萍 ,肖化云 , 周文斌.乐安江河滩表层土中重金属的分布
和残留分析 [ J] .环境科学与技术 , 2009, 32(2):96-101.
[ 8] 　林海清.大茅山铜矿选矿流程试验研究 [ J] .有色金属 , 2001
(2):14 -17.
[ 9] 　钟永平.德兴金山金矿田特大型金矿资源项目简介 [ Z].德兴
市统计局, 2003.
[ 10] 刘木顺.银山铅锌矿矿坑水质水量变化规律初探 [ J].铜业工
程 , 2000(4):59 -63.
[ 11] FilellaI, PenuelasJ.TheEdgePositionandShapeasIndicatorsof
PlantChlorophyl Content, BiomassandHydricStatus[ J].
InternationalJournalofRemoteSensing, 1994, 15(7):1459 -
1470.
[ 12] 梁涛 ,曹红英 ,吴恒志 ,等.典型城市排污河不同介质中重金属
的质量分数及分布特征 [ J] .应用基础与工程科学学报 , 2005
(增刊):155-164.
[ 13] 徐祖信 ,廖振良 ,张锦平.基于数学模型的苏州河上游和支流
水质对干流水质的影响分析 [ J] .水动力学研究与进展 , 2004,
19(6):733 -743.
TheSpectralResponseofTypicalVegetationLeavestoHeavy
MetalPolutioninJishuiRiverBasin
ZHAOTing1 , WANGAn-jian1 , XIAJiang-zhou2 , LIUSu-hong2
(1.InstituteofMineralResources, ChineseAcademyofGeologicalSciences, Beijing100037, China;
2.SchoolofGeography, BeijingNormalUniversity, Beijing100875, China)
Abstract:Inthispaper, theenrichmentfactorsandpolutionindexesofheavymetalswereusedtoevaluatethe
heavymetalpolutionconditionofthefloodplaintopsoilinJishuiRiver.Basedonthepolutionindicators, the
authorshavereachedtheconclusionthatalthefloodplaintopsoilatthesamplingpointshasbeenpolutedin
variousdegrees.AnanalysisofheavymetalaccumulationrateofMiscanthusfloridulusrevealsthatMiscanthus
floridulushasrelativelystrongabsorptioncapacityforCu, ZnandCr.Anoppositetendencyisshownbetweenthe
heavymetalabsorptioncapacityofMiscanthusfloridulusleavesandtheheavymetalpolutionconditioninfloodplain
topsoiloftheJishuiRiver.Furthermore, correlationanalysiswasmadebetweentwospectralfeaturesparameters
(A1 meanstheintegralvalueofvisiblelightandA2 theintegralvalueofnear-infrared)andcontentofthreeheavy
metals(Cu, Zn, Cr)intheleavesofMiscanthusfloridulus.Asaresult, twomultipleregressionequationsbetween
thespectralfeaturesandthecontentofthreeheavymetalswereestablished.Theresultshowsthatthecontentof
threeheavymetals(Cu, Zn, Cr)intheleavesofMiscanthusfloridulusisefective(R2 >0.93)inmodelingthe
spectralfeaturechangeofMiscanthusfloridulusleavesunderthesevereimpactofheavymetals.
Keywords:Heavymetalpolution;Polutionindicators;Spectralfeatureparameters;Multiplelinearregression
第一作者简介:赵汀(1975-), 男 , 副研究员 , 博士 ,长期从事地质环境研究工作。
(责任编辑:刁淑娟)
(上接第 48页)
thetwoparameterswilleadtotheeroneousresultsofradiometriccalibration, radiometriccorrectionand
atmosphericcorrection.BecauseoftheageingofLandsat-5 TMandthedecreaseoftheradiationaccuracytosome
extent, theUSGShaspublisheddiferentparametersofradiationcorrectioninthepastfewyears.BasedontheGain
andBiasvaluesacquiredfromtheUSGSandtheimageheadfile, theauthorscalculatedthesurfacereflectanceof
waterandvegetationandcomparedthecalculationresultwiththestandardreflectance.Theresultsshowthatthe
GainandBiasacquiredfromtheheadfileisthebestway.Iftheimagehasnoheadfile, theGainandBiasofered
bytheUSGScouldbeused.
Keywords:Landsat-5 TM;Gain/Bias;USGS;Surfacereflectance
第一作者简介:陈 静(1981-),女 , 硕士 ,主要研究方向为遥感与地理信息系统应用。
(责任编辑:刘心季)
·54·