大葉黃楊光譜特征及其葉功能性狀對葉面降塵的響應(yīng)

朱濟(jì)友，何韋均，王洪強(qiáng), 姚姜銘，覃國銘，徐程揚(yáng)*，黃 濤

1. 北京林業(yè)大學(xué)城市林業(yè)研究中心，北京林業(yè)大學(xué)省部共建森林培育與保護(hù)教育部重點實驗室， 干旱半干旱地區(qū)森林培育和生態(tài)系統(tǒng)研究國家林業(yè)和草原局重點實驗室，北京 100083 2. 中國林業(yè)科學(xué)研究院熱帶林業(yè)研究所，廣東 廣州 510520 3. 廣西大學(xué)林學(xué)院，廣西 南寧 530005

引 言

近年來，隨著城市人口的日益暴增，礦產(chǎn)開發(fā)、燃料燃燒、土地開發(fā)建設(shè)活動頻繁，導(dǎo)致城市霧霾、沙塵暴等惡劣天氣持續(xù)增多，城市生態(tài)環(huán)境日趨惡化[1]。其中，PM2.5和PM10等可吸入顆粒物是大氣污染物中最重要的組分之一，嚴(yán)重危害城市居民的身心健康及綠化植被的生長[2-3]。城市綠化植物作為城市生態(tài)系統(tǒng)中的重要組成部分，不僅具有景觀美化、維持城市生態(tài)系統(tǒng)穩(wěn)定與平衡的作用，同時一定程度上還能緩解、改善和修復(fù)城市的一系列環(huán)境問題，尤其在固沙滯塵、調(diào)節(jié)氣候、殺菌降噪、涵養(yǎng)水源及凈化大氣等方面發(fā)揮著不可替代的生態(tài)效能[3-4]。

已有的研究表明，植物葉片的粉塵滯留能力通常與其葉面積、葉質(zhì)地、葉表面構(gòu)造、葉片分泌物等因素密切相關(guān)[5]。一般來說，葉面積越大、葉質(zhì)地越粗糙、葉表面被毛、葉面具黏性分泌物的植物，其滯塵能力往往就越強(qiáng)[5-6]?；谥参锾厥獾姆蹓m吸附能力，研究學(xué)者展開了一系列相關(guān)的研究，主要集中在葉片滯塵能力、葉片滯塵效益、滯塵的理化性質(zhì)及人類活動、土地開發(fā)、氣候變化對降塵分布的影響等方面[6]。隨著高光譜技術(shù)的快速發(fā)展，國內(nèi)外眾多學(xué)者利用高光譜研究了植物的生長、生理及營養(yǎng)狀況等。近年來，部分研究學(xué)者開始關(guān)注植物葉面降塵后的光譜變化，主要涉及了植物冠層光譜與滯塵量的關(guān)系、基于光譜特征的滯塵分布反演及高光譜成像分析植物滯塵前后的光譜變化等[6-7]?？v觀已有文獻(xiàn)，發(fā)現(xiàn)大部分研究的采樣點以隨機(jī)、分散的城市環(huán)境居多，由于城市生態(tài)系統(tǒng)作為人類活動最頻繁劇烈的區(qū)域之一，其環(huán)境極為復(fù)雜[8-9]。而植物性狀，尤其是植物功能性狀(plant functional trait)，在長期的生長發(fā)育、繁殖和進(jìn)化過程中對環(huán)境變化具有敏感的響應(yīng)和可塑性，往往在其內(nèi)部或表型結(jié)構(gòu)表現(xiàn)出一定的生態(tài)權(quán)衡策略[10]。在葉片滯塵量與光譜特征關(guān)系的實際研究過程中，往往忽略了植物在不同生境中的水分、土壤、光照及養(yǎng)護(hù)模式的重要影響。因此，結(jié)合葉功能性狀指標(biāo)分析植物葉片光譜特征，有助于探究光譜參數(shù)變化的原因及機(jī)理。

本研究以北京市典型綠化樹種(大葉黃楊)為研究對象，在典型的城市開放環(huán)境中通過路面距離控制揚(yáng)塵強(qiáng)度，設(shè)置了不同的降塵梯度，同時保證了植物生長條件的相對一致性。為了能更全面地理解和解釋光譜對葉面降塵的響應(yīng)，本研究結(jié)合了對環(huán)境變化具有敏感可塑性的植物葉片功能性狀，對比大葉黃楊葉片在不同的葉面降塵強(qiáng)度條件下的光譜曲線特征，確定其對葉面降塵的敏感波段，并根據(jù)光譜參數(shù)建立的葉面滯塵量預(yù)測模型，進(jìn)一步探討葉面降塵對植物葉面光譜特征的影響及其葉功能性狀的響應(yīng)對策，為城市植物粉塵污染的高光譜監(jiān)測及綠化植物配置提供理論參考。

1 實驗部分

1.1 試驗設(shè)計及樣本采集

為保證植物生長環(huán)境符合自然狀態(tài)下的典型城市環(huán)境，試驗選擇在北京市京藏高速回龍觀橋路段公路主干道兩側(cè)，該區(qū)域周圍無高大樹木及建筑物遮擋。經(jīng)調(diào)查，該路段兩側(cè)大葉黃楊綠籬帶于同一年份栽植，林木年齡、土壤狀況、水分條件及日常養(yǎng)護(hù)管理基本一致。研究發(fā)現(xiàn)，路面粉塵擴(kuò)散主要以氣流主導(dǎo)，與車流量、行車速度等因素有關(guān)，一般距離路面越近的區(qū)域，粉塵顆粒物濃度就越大[11]。本試驗根據(jù)植株與路面距離將試驗區(qū)劃分為高、中和低3個粉塵濃度梯度，與路面距離分別為2，5和8 m。于2018年10月上午10:00—12:00采集葉樣，采樣時間為距離采樣當(dāng)天前兩周晴朗、少云、無大風(fēng)的天氣，每個梯度環(huán)境分別選擇長勢優(yōu)良的大葉黃楊30叢，均勻剪取向陽、健康、成熟的葉片樣本360張，輕輕地放入干凈的拖盤中，并立即帶回實驗室測定相關(guān)指標(biāo)。為使樣品接近自然狀態(tài)，在運(yùn)輸過程中保持平穩(wěn)，并從葉片離體到室內(nèi)測定，間隔時間控制在30 min中內(nèi)。

1.2 葉片反射光譜采集、滯塵量及葉功能性狀測定

如圖1所示，試驗流程分別為： 葉片樣品采集→葉片初始質(zhì)量測定→光譜采集→葉片除塵→除塵后葉質(zhì)量測定→除塵后光譜采集→葉功能性狀測定。葉面光譜利用FieldSpec3便攜式近紅外光譜儀(美國，Analytical Spectral Device) 進(jìn)行采集。具體參數(shù)為： 波長范圍為300～2 500 nm； 分辨率為3～700 nm； 采樣間隔為1.4 nm； 視場角為30°。光譜數(shù)據(jù)采集步驟依次為： 優(yōu)化光譜儀(OPT)→白板掃描(WR)→調(diào)整透射模式→探頭垂直于葉片表面上方5 cm處→開始運(yùn)行→讀數(shù)穩(wěn)定后保存數(shù)值，每隔15 min重新優(yōu)化校正。光譜儀掃描時間間隔為0.1 s，輸出曲線為10條原始光譜的自動平均(為避免環(huán)境光線折射影響，操作過程中，采集人員身著淺色亞麻材質(zhì)工作服進(jìn)行)。稱重及除塵方法為： 利用干凈的尖嘴鑷子將葉樣移至萬分之一電子天平測定葉片初始質(zhì)量，然后浸入去離子水中用衛(wèi)生棉球均勻刷洗，將葉面水分吸干后，再次稱取除塵后的葉片質(zhì)量。光譜采集完畢后，利用LI-3000C型葉面積掃描儀(美國，LI-COR)測定葉面積； 利用CCM-200 Plus型便攜式葉綠素儀(美國，OPTI-Science)測定葉綠素含量相對值(CCI)； 利用數(shù)顯游標(biāo)卡尺測定葉厚度(LT, mm)； 利用千分之一電子天平測定葉鮮質(zhì)量，然后將其放入去離子水中浸泡12 h后，稱取葉飽和鮮重。最后將所有葉片放入烘箱(65 ℃)干燥至恒定質(zhì)量，稱取葉干質(zhì)量。其中，比葉面積(SLA)為葉面積與葉干質(zhì)量比值(計量單位： cm2·g-1)； 葉干物質(zhì)含量(LDMC)為葉干質(zhì)量與飽和鮮質(zhì)量比值(計量單位： g·g-1)。

圖1 試驗流程圖Fig.1 Experimental flow chart

2 結(jié)果與討論

2.1 不同環(huán)境中葉面降塵量及其葉功能性狀

研究表明，功能性狀是與植物對資源的吸收、利用和保持密切相關(guān)的生理生態(tài)指標(biāo)，它們反映了植物對不同環(huán)境的適應(yīng)及植物內(nèi)部不同功能之間的生理或進(jìn)化的權(quán)衡，是聯(lián)系植物、環(huán)境和生態(tài)系統(tǒng)功能的重要橋梁。如表1所示，在不同的環(huán)境中大葉黃楊葉片滯塵量存在顯著性差異。在不同的葉面塵條件下，葉功能性狀也存在明顯差異。其中，比葉面積、葉綠素相對含量表現(xiàn)為重度降塵<中度降塵<輕度降塵； 相反，葉干物質(zhì)含量、葉厚度大小表現(xiàn)為重度降塵>中度降塵>輕度降塵。比葉面積與植物生存、生長和繁殖策略密切相關(guān)，能夠很好地表征植物對環(huán)境的適應(yīng)性及強(qiáng)光資源的獲取能力[12]。本研究中，公路兩側(cè)具強(qiáng)烈的揚(yáng)塵，景觀綠化植物的比葉面積均顯著降低，葉片越小、越厚，單位面積上的碳投資就越少，說明脅迫條件促進(jìn)大葉黃楊將更多的物質(zhì)及能量用于葉片的構(gòu)建，通過降低比葉面積以避免葉面塵對植物的傷害。葉綠素含量與植物光合能力緊密相關(guān)，本研究中隨著葉面降塵量的增大，葉綠素含量顯著降低，這可能是粉塵顆粒物對葉面覆蓋造成的影響，削弱了其光合能力。葉干物質(zhì)含量反映了植物獲取和保持資源的能力[12-13]。本研究中，葉干物質(zhì)含量隨著葉面塵的增多而增大，說明植物將更多的資源用于防護(hù)結(jié)構(gòu)的構(gòu)建，目的是為了減少葉片的傷害程度。在粉塵污染的環(huán)境中大葉黃楊總體上呈現(xiàn)出比葉面積、葉面積低、葉綠素含量低、葉干物質(zhì)含量高、葉厚度高的性狀組合。這恰好體現(xiàn)了植物葉片在結(jié)構(gòu)構(gòu)建投資與回報之間的權(quán)衡策略，充分說明了植物為適應(yīng)城市環(huán)境污染的生境特征所造成的不良脅迫，而對自身功能性狀進(jìn)行調(diào)整。

表1 葉面滯塵量及葉功能性狀指標(biāo)Table 1 Leaf dust retention and leaf functional traits

注： a, b, c分別表示指標(biāo)在p<0.05水平達(dá)到顯著差異。

2.2 大葉黃楊對葉面降塵的光譜響應(yīng)

2.2.1 葉面原始光譜特征

本試驗樣品于同一樣地采集，較大程度上排除了光照、水分、養(yǎng)分及養(yǎng)護(hù)條件的差異，控制環(huán)境因素主要集中于粉塵污染。如圖2所示，大葉黃楊葉片反射光譜曲線走向及趨勢在不同程度的葉面降塵條件下總體上表現(xiàn)一致，但由于葉面塵量的不同，其響應(yīng)機(jī)制也會體現(xiàn)在不同的波段中。在可見光到近紅外波段(350～2 500 nm)范圍內(nèi)，共出現(xiàn)了4個明顯的反射峰和4個主要的吸收谷。其中，反射峰分別在540，930，1 672和2 224 nm處； 吸收谷分別位于380～500，600～700，1 420～1 500和1 900～2 000 nm范圍內(nèi)。350～1 870 nm區(qū)間，光譜反射率總體上與葉面降塵量呈負(fù)向相關(guān)，由此可以看出隨著葉面降塵量的增多，其光譜反射率則隨之減小。然而，在1 870～2 500 nm波段對葉面降塵量的變化比較復(fù)雜且無明顯規(guī)律性。此外，光譜反射率曲線700～1 410和1 470～1 830 nm區(qū)間的差值相對較大，其區(qū)分性最明顯，說明該波段光譜對葉面降塵量的響應(yīng)相對比較敏感。此外，在680～780 nm區(qū)間植物光譜曲線斜率發(fā)生急劇變化，出現(xiàn)了一個植物典型的“紅邊效應(yīng)”特征。而在750～1 350 nm區(qū)間出現(xiàn)了一個較高的反射平臺，這可能是由于葉片水分對該波段具有較強(qiáng)的吸收。

圖2 葉片原始反射光譜Fig.2 Leaf reflectance spectral curves

2.2.2 一階導(dǎo)數(shù)光譜特征

研究表明，一階導(dǎo)數(shù)光譜可以較好地消除大部分背景噪聲對光譜的影響，減少光譜采集過程中大氣對光的散射與吸收?！叭叀眳?shù)是一階導(dǎo)數(shù)光譜中的重要參量。紅邊是紅邊區(qū)間(680～750 nm)范圍內(nèi)光譜反射率提高速率最快的一個重要頂峰，也是其一階導(dǎo)數(shù)曲線在紅邊區(qū)間內(nèi)的重要轉(zhuǎn)折點。紅邊位置和紅邊斜率是表征紅邊區(qū)間的兩個重要參數(shù)[14]。紅邊是植物葉面積、長勢、營養(yǎng)狀況及葉綠素含量等指示性特征。其中，紅邊位置是紅邊區(qū)間反射率達(dá)到最大值所對應(yīng)的波長位置，能較好地表征植物對環(huán)境的脅迫程度； 而紅邊斜率是紅邊區(qū)間的最大值，能較好地反映植物的葉綠素含量，與植物光合能力緊密相關(guān)[14]。藍(lán)邊是藍(lán)光在490～530 nm波段內(nèi)其光譜一階導(dǎo)數(shù)反射率達(dá)到峰值的點，而黃邊是550～582 nm波段內(nèi)其光譜反射率一階導(dǎo)數(shù)最小值的位置[14-15]。

由圖3可知，葉面降塵量對紅邊斜率的影響十分明顯，其大小表現(xiàn)為重度降塵<中度降塵<輕度降塵，但滯塵對紅邊位置無明顯影響，3種不同葉面降塵量對應(yīng)的紅邊位置均位于725 nm。這說明了大葉黃楊種植區(qū)域與路面距離越近，葉面滯塵量也就越大，導(dǎo)致了其葉面光譜的紅邊斜率急劇下降。結(jié)合表1可知，葉綠素相對含量表現(xiàn)為重度降塵<中度降塵<輕度降塵，與紅邊斜率的變化趨勢完全一致，進(jìn)一步驗證了紅邊斜率對植物葉綠素含量的表征作用。從圖3可以看出，3個不同粉塵濃度環(huán)境下的藍(lán)邊位置均位于525 nm處，說明了不同葉面降塵量對大葉黃楊的藍(lán)邊位置沒有影響，但隨著葉面降塵量的增大，藍(lán)邊斜率急劇下降，表現(xiàn)為重度降塵<中度降塵<輕度降塵，說明重度降塵和中度降塵中藍(lán)邊斜率差異不大，但兩者均顯著小于輕度降塵。與此同時，與輕度降塵相比，重度降塵、中度降塵的黃邊位置發(fā)生了明顯的“左移”現(xiàn)象； 黃邊斜率表現(xiàn)為重度降塵>中度降塵>輕度降塵，隨著葉面降塵量的增大黃邊斜率也隨之增大。綜上可知，紅邊斜率、藍(lán)邊斜率、黃邊斜率、黃邊位置對葉面降塵的干擾十分敏感，但紅邊位置、藍(lán)邊位置對其響應(yīng)不明顯，表現(xiàn)出了較強(qiáng)的抗干擾能力。

圖3 有無滯塵葉片的一階導(dǎo)數(shù)光譜曲線(a)： 一階導(dǎo)數(shù)光譜曲線； (b)： 反射光譜三邊參數(shù)Fig.3 The first derivative spectral curves of clean and dust leaf

(a): The first derivative curve of the reflection spectrum; (b): The trilateral parameters of the reflection spectrum

2.3 葉片降塵量預(yù)測模型的建立及精度驗證

以往的研究中，葉面水含量指數(shù)、葉綠素指數(shù)、紅邊指數(shù)、歸一化指數(shù)、簡單比值指數(shù)、光合反射指數(shù)普遍作為反映葉片的光譜反射率的重要光譜參數(shù)[16]。本研究以上述5個光譜參數(shù)作為自變量，以大葉黃楊的葉面降塵量作為因變量進(jìn)行回歸擬合，分別建立線性、二次多項式和對數(shù)形式的葉面降塵量預(yù)測模型(表2)。

表2 光譜參數(shù)Table 2 Spectral parameters

表3 葉面滯塵量的光譜模型Table 3 The parameter of spectral models for leaf dust content

**表示模型的R2達(dá)到顯著水平。

隨機(jī)選擇120個葉片樣本建立大葉黃楊葉面粉塵滯留量的預(yù)測模型，利用決定系數(shù)R2和均方根差檢驗預(yù)測模型的穩(wěn)定性及預(yù)測精度。其中，R2是衡量變量間相關(guān)程度的指標(biāo)，一般來說R2越大，其相關(guān)程度就越大； RMSE表征了預(yù)測值與實測值吻合度，其值越小則模型的穩(wěn)定性越高。如表3所示，葉面滯塵量光譜預(yù)測模型的決定系數(shù)R2值均達(dá)到了極顯著，大小依次為葉面水含量指數(shù)、簡單比值指數(shù)、紅邊指數(shù)、歸一化指數(shù)、光合反射指數(shù)，且均以二次多項式回歸模型的精度最高。

3 結(jié) 論

大葉黃楊是北京市種植面積最大的常綠闊葉景觀灌木樹種，在冬季承擔(dān)著主要的葉面滯塵的作用?；诼访娣蹓m擴(kuò)散的規(guī)律，根據(jù)植物種植位置與路面距離劃分高、中、低的粉塵濃度環(huán)境，以避免因光照、水分、養(yǎng)分、土壤等因素的干擾。探討大葉黃楊在不同粉塵濃度的影響下，其葉面光譜及其葉功能性狀的響應(yīng)機(jī)制及其權(quán)衡策略，并分析了其高光譜參數(shù)與葉面降塵量間的相關(guān)關(guān)系，建立滯塵量預(yù)測模型，結(jié)論如下：

(1) 粉塵污染的環(huán)境中，大葉黃楊普遍呈現(xiàn)出比葉面積、葉面積低、葉綠素含量低、葉干物質(zhì)含量高、葉厚度大的性狀組合，體現(xiàn)了植物葉片在結(jié)構(gòu)構(gòu)建投資與回報之間的權(quán)衡策略，也充分說明了植物為了適應(yīng)城市環(huán)境污染的生境特征所造成的不良脅迫，而對自身功能性狀進(jìn)行調(diào)整。

(2) 從可見光到近紅外波段(350～2 500 nm)范圍內(nèi)，共出現(xiàn)了4個明顯的反射峰和4個主要的吸收谷。350～1 870 nm區(qū)間，光譜反射率總體上與葉面降塵量呈負(fù)向相關(guān)，由此可以看出隨著葉面降塵量的增多，其光譜反射率則隨之減小。然而，在1 870～2 500 nm波段對葉面降塵量的變化比較復(fù)雜且無明顯規(guī)律性。

(3) 光譜反射率曲線700～1 410和1 470～1 830 nm波段光譜對葉面降塵量的響應(yīng)比較敏感。在680～780 nm區(qū)間出現(xiàn)了“紅邊效應(yīng)”。在750～1 350 nm區(qū)間出現(xiàn)了一個較高的反射平臺，這可能是由于葉片水分對該波段具有較強(qiáng)的吸收性。

(4) 紅邊斜率、藍(lán)邊斜率、黃邊斜率、黃邊位置對葉面降塵的干擾十分敏感，但紅邊位置、藍(lán)邊位置對其響應(yīng)不明顯，表現(xiàn)出了較強(qiáng)的抗干擾能力。紅邊斜率和藍(lán)邊斜率對葉面降塵的響應(yīng)呈負(fù)向相關(guān)，而黃邊斜率對葉面降塵量的響應(yīng)則呈正向相關(guān)。同時，隨著葉面降塵量的增加，黃邊位置發(fā)生了明顯的“左移”現(xiàn)象。

(5) 以葉面水含量指數(shù)、葉綠素指數(shù)、紅邊指數(shù)、歸一化指數(shù)、簡單比值指數(shù)、光合反射指數(shù)光譜參數(shù)作為自變量，以大葉黃楊的葉面降塵量作為因變量進(jìn)行回歸擬合，分別建立線性、二次多項式和對數(shù)形式的葉面降塵量預(yù)測模型。所有的模型中，以葉面水含量指數(shù)建立的二次多項式預(yù)測模型對葉面降塵量具有較高的預(yù)測精度(y=-1.112 3x2+0.543 9x+0.991 1，R2=0.828 9，RMSE=0.122)。