一種樹木葉面塵土量的確定方法及系統(tǒng)的制作方法
【專利摘要】一種樹木葉面塵土量的確定方法及系統(tǒng)，屬于測量和計(jì)算機(jī)【技術(shù)領(lǐng)域】。包括以下步驟：建立預(yù)估方程并確定方程參數(shù)：采集葉片樣本；用萬分之一電子天平稱取葉片重量；用便捷式光譜儀測量葉片除塵前的反射光譜；用去離子水洗凈葉片表面塵土；稱取葉片除塵后的重量；用同樣的方法測量葉片除塵后的反射光譜；獲取光譜參數(shù)并建立光譜與葉面塵土量之間的關(guān)系；根據(jù)本發(fā)明，可不用高精度的電子天平只通過便捷式光譜儀就可實(shí)現(xiàn)葉面塵土量的測定，因此，本發(fā)明只需要普通的光譜儀就可估算葉面塵土量，極其適于植物受污染程度的估測及霧霾防治措施的優(yōu)選工作。
【專利說明】一種樹木葉面塵土量的確定方法及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種樹木葉面塵土量的確定方法及系統(tǒng)，屬于測量和計(jì)算機(jī)技術(shù)領(lǐng) 域。

【背景技術(shù)】
[0002] 我國空氣質(zhì)量在日益惡化，大氣顆粒物的污染程度明顯增加。近年來北京市霧霾 天氣頻繁出現(xiàn)。霧霾天氣除了影響呼吸，對(duì)人們的健康造成危害外，給交通出行、植物生長 等都造成了直接危害，因此粉塵污染得到了人們的高度重視。由此可見，空氣污染監(jiān)測與防 治已刻不容緩。
[0003] 大葉黃楊是典型的城市綠化樹種之一，枝葉茂密，四季常青，葉色亮綠，各省普遍 栽培，常供觀賞使用，優(yōu)于其極耐修剪，是良好的綠籬材料 [3]。江蘇植物研究所試驗(yàn)表明本 種對(duì)二氧化硫抗性較強(qiáng)，而空氣降塵中含有這種化學(xué)元素，因此，就大葉黃楊反射光譜特征 信息與葉面塵土量的關(guān)系研究是林業(yè)領(lǐng)域與城市綠化領(lǐng)域相結(jié)合的一個(gè)橋梁。
[0004] 目前，國內(nèi)在葉面塵與植物的相關(guān)性有一定程度的研究，田亦陳等通過研究大麻 植物冠層光譜特征，探明了其遙感探測的各波段的光譜分辨率，為大區(qū)域范圍內(nèi)的大麻植 物遙感識(shí)別提供了理論基礎(chǔ)。王濤等（2012)研究了葉面塵對(duì)國道旁玉米反射光譜的影 響，得到了較理想的結(jié)果，但只是在研究對(duì)象為玉米的時(shí)候才成立，不能推廣應(yīng)用。Jin等 (2013)在廣州市研究了小葉榕葉片表面的光譜特征與空氣降塵污染之間的相關(guān)關(guān)系。這些 都取得了相應(yīng)的結(jié)果，但其研究對(duì)象都是集中在農(nóng)業(yè)方面，在對(duì)環(huán)境凈化作用更大的樹木 或森林的林業(yè)方面的相關(guān)研究很少，并且其研究深入的程度還不夠，不能解決相應(yīng)的環(huán)境 污染治理等實(shí)際問題。
[0005] 有關(guān)環(huán)境污染監(jiān)測的技術(shù)手段已逐漸成熟，但其仍具有局限性。而隨著光譜技 術(shù)的快速發(fā)展，許多學(xué)者通過監(jiān)測植物光譜特征來反映環(huán)境污染對(duì)植物的影響。Troy等 (2011)對(duì)城市環(huán)境中歷史悠久的城墻上的常春藤吸收的粉塵顆粒物進(jìn)行研究，結(jié)果表明， 粉塵對(duì)其葉片的反射光譜產(chǎn)生影響；Serpil等（2006)利用ICP-AES(等離子發(fā)射發(fā)射光譜 法）測定了雪松葉片內(nèi)Pb、Cu、Zn、Co、Cr、CcU V的含量，Garty等（2001)研究了光合系統(tǒng) 的生理參數(shù)與地衣Ramalina Iacera的元素含量的關(guān)系，兩者的結(jié)果均表明，不同粉塵對(duì)葉 片的反射光譜具有不同影響；Holer等研究了受污染和未受污染的葉簇植物葉片的光譜特 征，結(jié)果表明，污染對(duì)其葉片具有影響；Rock等對(duì)杉木林地進(jìn)行遙感影像測定，得出污染程 度與林區(qū)光譜反射率成負(fù)相關(guān)。這些研究均表明環(huán)境的污染對(duì)植物的反射光譜已經(jīng)產(chǎn)生了 不可忽視的影響。而隨著城市化的加快，這種大氣顆粒物對(duì)城市以及周邊植物的反射光譜 影響越來越大。
[0006] 從動(dòng)態(tài)過程看，葉面塵與空氣顆粒物互為源匯，葉面塵可以表征一定時(shí)間、一定區(qū) 域的空氣顆粒物的污染情況。因此，研究大葉黃楊葉片光譜特征與葉面塵之間的關(guān)系，只有 通過建立大葉黃楊葉片各種反射光譜特征波段與葉面塵土量之間的相關(guān)關(guān)系，通過葉片光 譜特征來反演葉面塵土量。


【發(fā)明內(nèi)容】

[0007] 為了克服現(xiàn)有技術(shù)結(jié)構(gòu)的不足，本發(fā)明提供了一種樹木葉面塵土量的確定方法及 系統(tǒng)，僅根據(jù)葉片反射光譜可以估測葉面塵土量。
[0008] -種樹木葉面塵土量的確定方法，包括以下步驟：
[0009] 1)、建立預(yù)估方程并確定方程參數(shù)：
[0010] 步驟1 :采集葉片樣本；
[0011] 步驟2、用萬分之一電子天平稱取葉片重量；
[0012] 步驟3、用便捷式光譜儀測量葉片除塵前的反射光譜；
[0013] 步驟4 :用去離子水洗凈葉片表面塵土；
[0014] 步驟5 :稱取葉片除塵后的重量；
[0015] 步驟6 :用同樣的方法測量葉片除塵后的反射光譜；
[0016] 步驟7、獲取光譜參數(shù)并建立光譜與葉面塵土量之間的關(guān)系
[0017] 2)、利用光譜數(shù)據(jù)估計(jì)葉面塵土量
[0018] 步驟8、獲取葉片反射光譜值；
[0019] 步驟9、從葉片的反射光譜值中獲得光譜參數(shù)；
[0020] 步驟10、根據(jù)光譜參數(shù)利用葉面塵土量預(yù)估模型確定葉面塵土量。
[0021] ①計(jì)算初始?jí)m土量y。
[0022] ②根據(jù)Yci按著分級(jí)原則確定虛擬變量ki, k2
[0023] ③根據(jù)預(yù)估方程估計(jì)葉面塵土量，進(jìn)一步，可以
[0024] 進(jìn)行污染評(píng)測分級(jí)
[0025] 所述光譜參數(shù)包括：綠峰（X1)、紅邊參數(shù)（X2)、簡單比值指數(shù)（X 3)以及歸一化指數(shù) (X4)。
[0026] 所述葉面塵土量預(yù)估模型為：
[0027] (1)
[0028] 其中，
[0029] y:葉面塵土量；
[0030] X1 :綠峰；
[0031] X2:紅邊參數(shù)；
[0032] X3:簡單比值指數(shù)；
[0033] X4:歸一化指數(shù)；
[0034] I^k2:虛擬變量；
[0035] p。、Pp P2 :待定標(biāo)參數(shù)；
[0036] 所述待定標(biāo)參數(shù)通過實(shí)驗(yàn)獲得。
[0037] 在所述獲取葉片的反射光譜和葉面塵土量的過程中，將外界背景值設(shè)為不變，將 除塵前后所測得的葉面塵土量之差作為葉面塵土量。
[0038] 在根據(jù)光譜參數(shù)利用葉面塵土量預(yù)估模型確定葉面塵土量步驟之前，所述方法還

【權(quán)利要求】
1. 一種樹木葉面塵土量的確定方法，其特征在于，包括以下步驟： 步驟1)、建立預(yù)估方程并確定方程參數(shù)： 步驟1 :采集葉片樣本； 步驟2、用萬分之一電子天平稱取葉片重量； 步驟3、用便捷式光譜儀測量葉片除塵前的反射光譜； 步驟4 :用去離子水洗凈葉片表面塵土； 步驟5 :稱取葉片除塵后的重量； 步驟6 :用同樣的方法測量葉片除塵后的反射光譜； 步驟7、獲取光譜參數(shù)并建立光譜與葉面塵土量之間的關(guān)系； 步驟2)、利用光譜數(shù)據(jù)估計(jì)葉面塵土量； 步驟8、獲取葉片反射光譜值； 步驟9、從葉片的反射光譜值中獲得光譜參數(shù)； 步驟10、根據(jù)光譜參數(shù)利用葉面塵土量預(yù)估模型確定葉面塵土量； 步驟①、計(jì)算初始?jí)m土量yQ; 步驟②、根據(jù)yt!按著分級(jí)原則確定虛擬變量Ic1, k2 ; 步驟③、根據(jù)預(yù)估方程估計(jì)葉面塵土量，進(jìn)一步，可以進(jìn)行污染評(píng)測分級(jí)。
2. 根據(jù)權(quán)利要求1所述的一種樹木葉面塵土量的確定方法，其特征在于，所述光譜參 數(shù)包括：綠峰X1、紅邊參數(shù)χ 2、簡單比值指數(shù)X3以及歸一化指數(shù)x4。
3. 根據(jù)權(quán)利要求1或2所述的一種樹木葉面塵土量的確定方法，其特征在于，所述葉面 塵土量預(yù)估模型為：
其中， y :葉面塵土量； X1 :綠峰； X2 :紅邊參數(shù)； X3 :簡單比值指數(shù)； X4 :歸一化指數(shù)； I^k2:虛擬變量； P。、Pi、P2 :待定標(biāo)參數(shù)； 所述待定標(biāo)參數(shù)通過實(shí)驗(yàn)獲得。
4. 根據(jù)權(quán)利要求1所述的一種樹木葉面塵土量的確定方法，其特征在于，確定葉面塵 土量預(yù)估方程參數(shù)的步驟： 采集葉片樣本；用鑷子將每片葉片夾到精度為萬分之一天平的載物盤上稱除塵前的葉 片重量（M1);將葉片放在光譜儀的探頭下測量除塵前的反射光譜；用化妝棉將葉片在裝有 去離子水的塑料盆內(nèi)輕輕的快速洗凈，用吸水紙將葉片表面的水吸干；再用精度為萬分之 一的天平稱除塵后的葉片重量（M 2),得到質(zhì)量差A(yù)M = M1-M2 ;則ΛΜ為葉面塵土量；用同樣 的方法測量葉片除塵后的反射光譜；獲取光譜參數(shù)并建立光譜與葉面塵土量之間的關(guān)系。
5. 根據(jù)權(quán)利要求1所述的一種樹木葉面塵土量的確定方法，其特征在于，利用光譜數(shù) 據(jù)估計(jì)葉面塵土量，包括以下步驟： 步驟1)、獲取葉片反射光譜值的步驟：將葉片置于折射率近似為零的白色觀測臺(tái)上， 固定光譜儀探頭使其垂直向下，探頭視場角30°，距離葉片表面3cm ;在暗室中采用唯一光 源，首先對(duì)葉片進(jìn)行稱重和光譜測量，每次測量10條光譜，以其平均值作為觀測葉片的反 射光譜值，每次測量前都對(duì)系統(tǒng)配置作優(yōu)化和白板校正；之后，將葉片洗凈稱重后再次進(jìn)行 光譜測量，測量方法同處理前； 步驟2)、從葉片的反射光譜值中獲得光譜參數(shù)：通過所測得的葉片反射光譜值和計(jì)算 機(jī)計(jì)算出光譜參數(shù)：綠峰X1、紅邊參數(shù)χ2、簡單比值指數(shù)X3以及歸一化指數(shù)X 4 ; 步驟3)、根據(jù)光譜參數(shù)利用葉面塵土量預(yù)估模型確定葉面塵土量：在根據(jù)光譜參數(shù)利 用葉面塵土量預(yù)估模型確定葉面塵土量的步驟之前，所述方法還包括對(duì)待定標(biāo)參數(shù)進(jìn)行定 標(biāo)過程，對(duì)虛擬變量進(jìn)行確定；確定葉面塵土量預(yù)估模型的待定標(biāo)參數(shù) Ρ(ι、Ρι、P2 :首先需要 獲取若干葉片的反射光譜并實(shí)測葉面塵土量，提取出光譜參數(shù)后，采用統(tǒng)計(jì)方法估計(jì)出葉 面塵土量預(yù)估模型的3個(gè)待定標(biāo)參數(shù)；定標(biāo)時(shí)抽取若干葉片的數(shù)量要求> 60 ; 對(duì)虛擬變量進(jìn)行確定步驟為： 通過預(yù)估得的預(yù)估模型式（2):
再根據(jù)對(duì)應(yīng)的式（3) :f算％，然后基于％按著設(shè)定的葉面塵土量 級(jí)別確定h、k2 ;
基于虛擬變量的預(yù)估模型通常包含一對(duì)模型，其中一個(gè)是沒有虛擬變量的模型，用于 確定虛擬變量； 為確定虛擬變量，首先根據(jù)沒有虛擬變量的模型計(jì)算葉面塵土量％， 如果 yQ < T1，則 Ic1 = 1，k2 = 〇 ; 如果 T1 彡 yQ 彡 T2，則 Ii1 = 0, k2 = 1 ; 如果 yQ > T2，則 Ii1 = 1，k2 = 1 ; 其中，！\、T2是根據(jù)具體葉片設(shè)定的葉面塵土量級(jí)別界限，如果葉面塵土量介于某3mg 和5mg兩個(gè)數(shù)值之間，則定義為該葉片被"中度污染"，則這兩個(gè)數(shù)值的下限與上限就是1\、 T2，若大于T2就為"重度污染"。
6. -種樹木葉片表面塵土量的確定系統(tǒng)，其特征在于包括： 葉片反射光譜獲取裝置，用于獲取葉片在各波段的光譜反射率大?。? 計(jì)算單元，用于從葉片的反射光譜值中獲取光譜參數(shù)； 確定單元，用于根據(jù)光譜參數(shù)利用葉面塵土量反演模型確定葉片表面塵土量。
【文檔編號(hào)】G01N21/25GK104374711SQ201410525056
【公開日】2015年2月25日 申請(qǐng)日期:2014年10月8日 優(yōu)先權(quán)日:2014年10月8日
【發(fā)明者】吳春燕, 王雪峰 申請(qǐng)人:中國林業(yè)科學(xué)研究院資源信息研究所