高光谱数据的植被污染
基于Hyperion高光谱数据的植被污染
信息识别技术研究
张杰林
（核工业北京地质研究院遥感中心，北京 １０００２９）
摘 要：以鄂尔多斯盆地黄陵煤田为试验区，采用地面光谱测量（ＡＳＤ地物光谱仪）、煤矿区受
污染植被光谱参数建模及Ｈｙｐｅｒｉｏｎ卫星高光谱数据处理等方法技术，提取了受污染植被的可诊
断光谱信息和光谱变异参数，开展了植被光谱变异参量制图技术研究，及时、快速查明了煤矿区植被污染空间分布状况，为煤矿区环境评价和污染治理提供技术保障。研究表明，高光谱遥感技
术在识别煤矿区污染物光谱变异特征，精确圈定污染物空间位置等方面，具有独特的技术优势，
是煤矿区环境污染监测的理想技术手段。 关键词：高光谱遥感；煤矿区；植被红边参数
0 引言
煤矿区环境治理与土地复垦问题是煤炭经济可持续发展中的重要环节。近年来，我国在该领域开展了大量的研究工作，取得较好的科研成果。但同时，由于煤矿开采造成的污染点
多、面广且分散，监测和治理速度缓慢。因此，利用先进的对地观测技术手段，快速查明煤
矿区污染状况及发展趋势成为当前环境治理工作的首要任务。作为当代光学遥感前沿之一的高光谱遥感技术，具有高分辨率、图谱合一及覆盖面广的技术优势，是开展煤矿区环境监测
与评价研究的理想技术手段。
本文以鄂尔多斯盆地黄陵煤田为试验区，在地面高光谱测量和煤矿区植被光谱参数建模研究的基础上，利用Hyperion卫星高光谱数据提取受污染植被的可诊断光谱信息和光谱变
异参数，快速查明了研究区植被污染空间分布状况，为矿区环境评价和土地复垦提供技术保
障。
1 矿区环境监测中的高光谱遥感技术
高光谱遥感具有图谱合一的特征，即将确定地物性质的光谱特征和能确定地物空间位置
及几何关系的图像革命性地结合在一起，为自然灾害防治、矿产资源勘探、环境地学研究、生态调查及军事应用等诸多领域研究提供了丰富的光谱、辐射及空间信息［１－３］。近年来，随
着高光谱遥感理论的不断完善以及机载和星载高光谱传感器的日益成熟，高光谱遥感技术在
资源勘查、环境评价以及军事研究等领域得到广泛应用。其中，在矿区环境监测研究领域，美国、德国、比利时等国家利用本国先进的高光谱测量系统及信息处理技术，进行了广泛的
研究，成果显著。
1999年，在宾夕法尼亚州Chesapeak Bay煤矿区，美国环保局（EPA）联合美国地质调查所（USGS）利用航空成像光谱仪，通过研究矸石山酸性析出液的光谱反射率特征，确定
污染物的主要成分，初步圈定了受污染水域的空间分布范围，为该地区水质评价和土地复垦
提供了基础[4]。2000年，在美国著名的Appalachian煤矿区，USGS的C.Balain, Cecill和Sugan 等人，通过系统分析污染水成分，结合空间地质模型的开发，开展矿区环境评价及尾矿治理
新技术研究。研究表明：该地区酸性水的主要成分—Fe2s及重金属元素主要来自煤层顶板[5]。再者，密西西比大学的Smith, B.D.和A.E. McCafferty利用航空电磁、放射性测量和地面光
谱测量技术[6]，结合室内在不同污染程度的土壤的植物栽培试验，研究生长于重金属（Zn、
Cd）和核辐射污染环境中的植被的生态变异特征。研究表明，植物体内重金属的大量聚集，将造成植被叶面反射光谱特征在特定波段范围内的规律性变化，这就为利用高光谱遥感技术
研究植被受污染状况提供了理论支持。
另外，由德国汉诺威大学测量工程学院与Clausthal工业大学矿产勘查学院的共同承担的欧共体资助项目—MINEO，主要是采用航空高光谱遥感技术，监测德国鲁尔煤矿区由于
采矿造成的植被光谱变异特征。由于该煤矿的开采方式为无回填长臂开采，造成地表沉陷严
重，影响了矿区及周边地区的地下水循环，导致生态环境的改变，植被的生长状态受到胁迫，从而造成植被叶面吸收光谱特征的变异[7]。该项目主要利用三次样条函数拟合植被在450－
680nm范围内光谱特征，提取受污染植被光谱变异参量信息。
国内研究方面。山东科技大学利用TM多光谱图像研究肥城煤矿区的污染状况，初步圈定了受污染区域的范围；国土资源部航测遥感中心利用高光谱遥感技术研究由于铜矿开采造
成的水体、土壤、植被等污染的分布情况，取得理想效果。另外，在鄂尔多斯盆地，核工业
北京地质研究院利用地面光谱测量技术，研究铀矿区与非铀矿区同类植被的光谱变异特征，初步发现生长于铀矿区的植被与正常植被相比存在“红边蓝移”现象，并结合室内放射性核
素分析技术进一步研究分析其形成机理。
综上所述，利用高光谱遥感技术开展煤矿区污染状况监测与评价，已由实验室研究阶段逐步发展到实际应用阶段。基于污染物吸收光谱特征，开发受污染植被高光谱填图技术和植
光谱变异参量制图技术，将大大促进矿区环境监测与评价研究工作，为快速圈定污染区域提
供了有效的技术手段，具有良好的应用前景
2 植被红边参数模型
在煤矿区植被污染信息提取技术研究中，地面高光谱测量与相应的数据挖掘技术是系统获取及分析受污染植被红边参数变异的重要手段，其为Ｈｙｐｅｒｉｏｎ卫星高光谱数据处理与分析、植被光谱变异参量制图等研究奠定了坚实的基础。本次工作中，地面光谱测量主要采用美国ＡＳＤ公司的ＦｉｅｌｄＳｐｅｃ Ｐｒｏ ＦＲ便携式地面光谱仪获取４００－２５００ｎｍ波长范围内植被的光谱反射率。 ２．１ 植被光谱特征分析 植被的光谱特征主要是由其叶子内含的色素（以叶绿素为主）和液态水引起的。在可见光波段（４００～７００ｎｍ），表现为“绿峰”（５５０ｎｍ）和“红谷”（６８０～７００ｎｍ）两大可诊断光谱特征。在红外区（７００～２５００μｍ）主要表现为：在７００～８００ｎｍ波段内反射率迅速增大，曲线呈直线状且斜率较大，俗称“红边”，是研究植被生长状态变异的主要参数；７５０～１３００ｎｍ是植被细胞结构的强反射区，具有很高的反射率数值。植被的上述光谱特征与其生长发育阶段、健康状况和物候现象等密切相关。一般认为，植被光谱反射率曲线的“红边”参数（波长位移量）是描述植被色素状态和健康状况的重要指示波段。 ２．２ 红边参数模型与实例分析
研究表明（Ｈａｒｅ等，１９８４；Ｍｉｌｌｅｒ等，１９８５），“红边”反射光谱曲线（６７０～８００ｎｍ）可用一条半反高斯曲线来逼近［８，９］。即： ]2)()1exp[()()(2200σλλλ−−−−=RRRRss （１）
式（１）中，sR：近红外区肩反射率（最大值）；0R：红光区叶绿素吸收反射率（最小值）；0λ：与0R对应的波长；s：高斯模型标准差系数；s0p+=λλ即“红边”位置，
是曲线陡坡拐点对应的波长。上式通过变换，可以采用线性拟合方法来求得未知红边参数λｐ。
利用上述模型，基于大量的野外实测植被光谱数据，计算与系统分析了鄂尔多斯盆地黄陵煤田某矿区与周边非矿区的植被红边参数变异特征。数据处理结果表明，矿区和非矿区
的同种植被红边参数存在差异，即矿区植被光谱参数与非矿区相比红边波长位置蓝移
８．９ｎｍ±（表１），而生长于两个非矿区的植被红边参数变化不大，仅相差０．９４ｎｍ。初步分析认为是由于煤矿开采形成的矸石山经雨水和地下水的淋滤，矸石山富含的重金属离子渗入周
边土壤，影响了该地区植被的正常生长，造成了本区植被光谱特征的显著变异。
表１ 矿区与非矿区同类植被红边参数对比表
3 Hyperion卫星高光谱数据处理技术
Hyperion高光谱成像仪是美国NASA研制的新一代遥感传感器，于2000年11月，由
Earth Observing－1（EO—1）地球观测卫星搭载升空，其轨道高度705km，倾角98.7°，并
与太阳轨道同步[10,11]。在中国境内，其成像时间为北京时间上午10点左右。Hyperion高光
谱数据的分发由美国地质调查所EROS数据中心负责，用户可以根据需求，自行设计测线地
理位置、数据采集时间以及传感器定位模式。本次工作中，在研究区共设计四条测线，相邻
测线间数据重叠率>20％，传感器定位模式为Nadir Only（机下点图像）。 ３．１ 辐射校正技术
利用高光谱数据直接识别地物的前提条件是光谱信息的准确性，而辐射校正技术则是实
现高精度光谱信息恢复的关键技术之一。辐射校正技术主要研究大气辐射传输问题，即通过
传感器的辐射定标、大气校正模型计算等，反演地物真实反射率。现阶段，大气校正技术主
要分为经验法和模型法两大类。其中经验法主要包括经验线性法、影像内部平均法和平场域
法等。模型法主要是基于辐射传输理论建立的大气校正模型，包括Ｍｏｄｔｒａｎ、Ｌｏｗｔｒａｎ、５Ｓ、
６Ｓ、ＡＴＲＥＭ及ＡＣＯＲＮ等。实际工作中，首先利用Ｈｙｐｅｒｉｏｎ数据提供的传感器辐射校正参数，
将１６位编码的影像灰度值转换为卫星高度传感器入瞳辐亮度数据。然后，根据研究区地质、
地理及大气环境等实际状况，选取气溶胶模式和大气校正模型，进行大气辐射校正。最后，
结合地面实测的高分辨率的地物光谱数据，计算高光谱影像中每个像元的反射率值。 ３．２ 植被光谱变异参量制图技术
基于Ｈｙｐｅｒｉｏｎ高光谱数据，利用前述的植被光谱红边参数模型提取高光谱影像中植被像元点的红边参数，通过彩色编码和多维空间数据复合技术，将其与经过地理编码的正射投
影图像叠合，编制研究区植被光谱红边变异程度图，分析煤矿区区域性的植被污染效应，并
进一步圈定了受污染植被的空间分布范围（图１）。上述研究表明，高光谱遥感技术在识别红边 测量区域
波长/nm 反射率/％
矿区 703.795 13.389
非矿区 712.738 27.16 煤矿区污染物光谱变异特征，精确圈定污染物空间位置等方面，具有独特的技术优势，是煤
矿区环境污染监测的理想技术手段。
图１ 矿区地表景观（左）与植被红边参数变异程度图（右）
4 结论
综合评述了高光谱遥感技术在煤矿区环境监测研究中的应用现状和发展趋势。利用高光
谱遥感技术，研究了煤矿区受污染植被的吸收光谱特征及其红边参数变异规律。通过光谱建
模和卫星高光谱数据挖掘技术研究，提取了污染物诊断光谱信息和植被光谱变异参数。在此
基础上，开展了植被光谱变异参量制图技术研究，查明了煤矿区污染源空间分布状况，为煤
矿区环境评价和污染治理提供依据。
参考文献
[1] 王晋年，张兵，刘建贵，等. 以地物识别和分类为目标的高光谱数据挖掘[J]. 中国图象图形学报，1999，4A（11）：957-964 [2] 浦瑞良，宫鹏. 高光谱遥感及其应用[M]，北京：高等教育出版社，2000. 12 [3] 张杰林，岑长华，牛铮，等. 成像光谱数据建模与分类识别技术研究[J]. 地质与勘探，2003，39（2）：52-55 [4] Eleanora Iberall Robbins. Microbial and Spectral Reflectance Techniques to Distinguish Neutral and Acidic Drainage. USGS Fact Sheet FS-118-99, June 1999 [5] C.Balain Cecill, Sugan. Coal Extraction—Environmental Prediction, U.S.Geological Survey Fact Sheet 073-02, Sep. 2002 [6] Smith, B.D.; A.E. McCafferty. Utilization of Airborne Magnetic, Electromagnetic, and Radiometric Data in Abandoned Mine Land Investigations[C], Fifth International Conference on Acid Rock Drainage, 2000, Vol 2,p 1525-1530 [7] Reinhaeckel, G. , B. Zhukov; D. Oertel; A. Mueller. Unmixing of Simulated ASTER Data with Applications for the Assessment of Mining Impacts in Central GERMANY[C], Imaging Spectrometry IV Proceedings of SPIE, 1998, Vol 3438, p 345-354 [8] Hare E W. Studies of the Vegetation Red Reflectance Edge in Geobotanical Remote Sensing in Eeastern Canada, the 9th Canadian Symposium on Remote Sensing, 1984,p 433~440. [9] Miller J R, Hare E W, Wu J. Quantitative Characterization of the Vegetation Red Edge Reflectance, Int.J.Remote Sensing, 1990,11(10):1775~1795. [10] Liao, Jarecke P, Gleichauf D, Hedman T. Performance Characterization of the Hyperion Imaging Spectrometer Instrument [J]. Proceedings. of SPIE, Vol.4135, 2000:264~275 [11] Campbell S, Lovell J, Jupp D L B, et al. The Lake Frome Field Campaign in Support of Hyperion Instrument Calibration and Validation [C]. IEEE 2001 International Geoscience and Remote Sensing Symposium, 2001
全色 多光谱 高光谱影像特征-概述说明以及解释
全色 多光谱 高光谱影像特征-概述说明以及解释
1.引言
概述部分的内容可能如下所示：
1.1 概述
全色、多光谱和高光谱影像是遥感技术中常用的图像数据。这些影像可以捕捉到地球表面的各种光谱信息，从而为地质、农业、环境等领域的研究提供重要的数据支持。
全色影像是指通过对可见光范围内的全部波段进行拍摄和合成，获得高分辨率的图像数据。它主要反映了地物的明暗、纹理和细节特征，对于城市规划、土地管理和基础设施建设等方面具有重要的应用价值。
多光谱影像则是采用多个波段的光谱信息，通过某种方式对光谱进行组合和处理，获得不同波段上的图像。不同波段的图像对应了不同的物质组成和能量反射特征，能够提供更加丰富的地物分类和识别信息，常用于农业、林业和环境监测等领域。
高光谱影像是一种相对于多光谱影像更为细致和细分的光谱数据。它利用较窄的波段间隔捕捉和分析地物的光谱信息，能够提供更详细的物质组成和光谱特性，广泛应用于矿产勘探、地质调查和环境变化监测等领域。
本文将重点介绍全色、多光谱和高光谱影像的特征和应用领域，并分析它们在遥感技术中的重要性。同时，也将探讨未来发展方向，以期为相关领域的研究提供参考和启示。
1.2 文章结构
文章结构是指文章的组织和布局方式，它的设计直接关系到读者对文章内容的理解和掌握程度。本文将以全色、多光谱和高光谱影像特征为主线，从整体到细节逐步展开，以便读者能够系统地了解这些影像特征的定义、应用领域和特征分析情况。
本文的文章结构如下所示：
第一部分是引言部分，主要包括概述、文章结构和目的。在概述中，将简要介绍全色、多光谱和高光谱影像特征的背景和意义；在文章结构中，将提供本文的组织结构，使读者能够清晰地了解全文的框架；在目的部分，则明确说明本文的目标是为了全面介绍和分析全色、多光谱和高光谱影像特征。
第二部分是正文部分，是文章的主体部分，主要包括全色影像特征、多光谱影像特征和高光谱影像特征三个章节。在每个章节中，将先对该影像特征进行定义和概念的介绍，然后分析该影像特征在不同应用领域中的具体应用情况，最后对该影像特征进行详细的特征分析，包括特征的表示、提取和处理方法等。
红外高光谱成像原理及数据处理
红外高光谱成像原理及数据处理
红外高光谱成像是一种结合了光谱技术和成像技术的高级遥感方法，其原理主要基于不同物质在特定波长范围内的红外辐射特性。具体过程如下：
1. 红外辐射与物质相互作用：
物质吸收、发射和散射红外光时，会根据其分子结构和化学成分呈现出特征性的光谱响应。
这种光谱响应可以在红外波段内形成独特的“指纹”信息，从而反映物质的类型和状态。
2. 高光谱成像采集：
红外高光谱成像系统通过分光元件将接收到的红外辐射分解为多个窄波段，并在每个波段上获取一幅图像。
由此获得的数据集包含了目标区域每个像素点的光谱数据，形成了所谓的高光谱立方体（Hyperspectral Cube），即三维数据集（两个空间维度加一个光谱维度）。
3. 数据处理与分析：
原始数据通常需要经过一系列预处理步骤，如噪声去除、大气校正、几何校正等，以提高数据质量和适用性。
利用各种光谱分析技术（如连续窗函数分析、主成分分析、匹配滤波器、混合像元分解等）提取和识别出图像中各部分的光谱特征，进而对地物进行分类和识别。
在环境监测、地质矿物勘探、农业资源调查等领域，可通过高光谱数据解析植被生长状况、土壤成分、环境污染程度等信息。
总之，红外高光谱成像通过记录并分析地物在众多连续且精细的红外波段上的反射或发射特性，实现对地表物质的精确探测和定量分析。
高光谱分辨率遥感在植被监测应用中的关键技术及应用
第５卷第１期 太原师范学院学报（自然科学版） Ｖｏ１．５ Ｎｏ．１ ２００６年３月 ＪＯＵＲＮＡＬ ＯＦ ＴＡＩＹＵＡＮ ＮＯＲＭＡＬ ＵＮＩＶＥＲＳＩＴＹ（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｅｄｉｔｉｏｎ） Ｍａｒ．２００６
高光谱分辨率遥感在植被监测应用中的
关键技术及应用
柯丽娜 王权明
（１．辽宁师范大学，辽宁大连Ｉ１６０２９；国家海洋环境监测中心，辽宁大连１１６０２９）
［摘要］ 高光谱遥感数据已成为地表植被地学过程中对地观测的强有力的工具．综述了利用 高光谱遥感数据进行植被监测的研究进展，主要包括以下二个部分：（１）高光谱遥感用于植被监测
中的关键技术（２）高光谱遥感数据在植被生长监测中的应用． ［关键词］ 高光谱遥感；植被；监测 ［文章编号］ ｌ６７２—２０２７（２００６）０１ ００７４ ０４ ［中图分类号］ ＴＰ７２ ［文献标识码］ Ａ
１ 高光谱分辨率遥感在植被监测应用中的关键技术
１．１ 高光谱遥感信息处理技术
高光谱遥感数据具有多、高、大、快等特点，即波段多（几十个到几百个），光谱分辨率高（纳米数量级），数 据量大（每次处理数据一般都在千兆以上），数据量高（从每秒数兆到每秒数百兆），因此如何快速、准确地从
这些数据中提取植被的生物化学和物理信息。识别不同的植被，揭示目标的本质。则需要依据实际应用的具
体要求选择最佳波段进行处理和解译．另外，高光谱的出现，使植物化学成分的遥感估测成为可能 ］，因而，
建立各种从高光谱遥感数据中提取各种生物物理参数（例如，ＬＡＩ、生物量，植被种类、冠层结构、净生产率等
参数）、生物化学参数（例如，叶绿素等各种色素、各种糖类、淀粉、蛋白质和各种营养元素等）的分析技术，在
植被生态系统研究中是十分重要的内容． １．１．１高光谱数据的预处理
１．１．１．１定标与大气纠正
高光谱遥感数据易受一些外部因素的影响，诸如遥感器老化、地物二向性反射、大气效应、地形因子等，
用卫星高光谱数据提取江西德兴铜矿矿山废水的pH值污染指标_图.
第22卷第11~12期 地 质 通 报 Vol
22.N 0811。12
2003年12月 GEOLOGICAL BULLETIN OF CHINA
Dec..2003———————————————————=—=————————————————一
用卫星高光谱数据提取江西德兴铜矿
矿山废水的pH值污染指标
刘圣伟1,甘甫平z一,王润生∽
(1中国地质太学地球科学与资源学院,北京100083;2中国国土责掉航空物探遥感中心,北京100083
3北京走学地球与空间科学学院.北京100871
摘要:在对德兴铜矿矿山废水的光谱特征深入分析研究的基础上.总结了不同类型水体(酸性水、碱性水以及河流 水的特征光谱.并利用地物谱特征开展矿山废水pH值污染指标提取研究。针对亦体光谱反射率低、特征光潜不明 显的特点,采用矿区卫星H师面on高光谱数据,应用Is^算法和掩膜技术识别出水体分布并进一步与MNF变换有效 结合,根据波段散点图进行不屙pH值水体的有效分割。为矿山唆水污染的诊断和监铡提供了新技木和理论支撵。 关键词:高光谱;矿山废水;Hyperion;光谱特征;pH值;穗兴铜矿
中圈分娄号:P627;X141;X.52文献标识码:A 文章编号:1671—2552t200311—12—1013—08
中国是世界上的矿业大国之一,矿业开发总规 模居世界第3位。但是随着矿产资源的开发,越来越 突出的矿山生态环境问题不仅威胁到人民的生命 安全,而且严重
制约了国民经济的发展。矿山废水 排放是矿山生态环境最严重的污染源之一。矿山废 水主要包括采矿酸性废水和选矿碱性废水,并含大量 重金属及有毒、有害元素,如果不进行治理,直接排 放,不仅会对矿区及其周围环境造成污染和危害,而 且会造成矿山资源的浪费。近10多年来,在矿山废水 污染的治理方面,中国虽然已经取得较大的进展,从 单项治理发展到全面规划、综合治理,但是全国由矿 山废水污染引起的环境恶化趋势还未得到有效的遏 制。中国目前每年因采矿产生的废水、废液的排放总 量约占全国工业废水排放总量的100,6以上,处理率仅 为4.23%,大量未经处理的废水排入江河湖海,污染 严重,因此必须加大对矿山废水的治理力度。
植被的反射率光谱曲线
植被的反射率光谱曲线
一、反射率光谱曲线的基本概念
反射率光谱曲线是指在不同波长下，物体对光的反射百分比的曲线。这个曲线可以反映物体表面的物质组成、结构、粗糙度等信息。反射率光谱曲线在遥感、环境监测、地质勘察等领域都有广泛的应用。
二、植被反射率光谱曲线的特点
植被反射率光谱曲线具有以下特点：
1. 波长依赖性：植被的反射率受到波长的显著影响。在可见光范围内，植被的反射率通常较低，而在近红外和短波红外范围内，植被的反射率则较高。这是因为植物叶片中的叶绿素主要吸收红光和蓝光，而在近红外和短波红外范围内，植物叶片对光的反射主要受到细胞间水分的影响。
2. 季节性变化：随着季节的变化，植被的反射率也会发生变化。例如，在植物生长茂盛的季节，由于叶片数量多、细胞水分含量高，植被的反射率通常较低。而在植物落叶或枯萎的季节，植被的反射率则会升高。
3. 方向性：植被反射率还受到照射方向的影响。在垂直方向上，植被的反射率通常较低。而在斜射方向上，由于叶片的排列方式和细胞结构的复杂性，植被的反射率会有所升高。
三、应用领域
植被反射率光谱曲线在以下领域中有广泛的应用：
1. 遥感监测：通过获取植被的反射率光谱曲线，可以推断出植物的生长状况、生物量、叶面积指数等信息。这有助于监测农作物的生长情况、森林火灾的影响等。
2. 环境监测：植被反射率光谱曲线可以反映植物对环境污染的反应。例如，可以通过监测植物叶片的反射率变化，评估大气污染对植物生长的影响。 3. 生态研究：植被反射率光谱曲线可以帮助研究植物生态系统中物种竞争、植被恢复等问题。通过对不同物种或不同恢复阶段的植被进行光谱分析，可以更好地理解生态系统的演化和动态变化。
4. 资源调查：利用植被反射率光谱曲线，可以进行土地资源调查、森林资源清查等工作。通过遥感技术获取大范围植被的光谱信息，可以快速获取资源分布和类型等数据。
四、未来发展趋势
随着科技的不断发展，植被反射率光谱曲线的研究和应用将更加深入和广泛。未来可能会出现的趋势包括：
高光谱植被遥感数据光谱特征分析
高光谱植被遥感数据光谱特征分析
杨可明 ，郭达志 ，陈云浩
（１．中国矿业大学（北京）测绘与土地科学系，北京１０００８３；
２．北京师范大学资源科学研究所，北京１００８７５）
Ｅ－ｍａｉｌ：ｙｋｍ＠ｃｕｍｔｂ．ｅｄｕ．ｃｎ
摘要：利用植被的光谱数据。探讨了植被冠层的光谱反射特征和诊断性光谱吸收特征。根据植被光谱特征和连续统去 除法（ＣＲ）。介绍了识别植被种类和预测植被冠层营养元素等生化组分含量的可能性。运用一阶微分反射比（ＦＤＲ）和从
连续统去除的光谱吸收特征中获得的波段深度（ＢＤ）、连续统去除后微分反射比（ＣＲＤＲ）、波段深度比（ＢＤＲ）和归一化波
段深度指数（ＮＢＤＩ）等变量。利用逐步线性回归模型并基于光谱吸收特征的变量来选择波长，并通过相关分析来预测植
被冠层生化组分。
关键词：植被遥感 吸收特征；生化组分预测；遥感生物化学
文章编号：１００２—８３３１（２００６）３１—０２１３—０３ 文献标识码：Ａ 中图分类号： ｒＰ７５
Ａｎａｌｙｓｉｓ ｏｆ Ｖｅｇｅｔａｔｉｏｎ Ｓｐｅｃｔｒａｌ Ｆｅａｔｕｒｅｓ Ｂａｓｅｄ ｏｎ
Ｈｙｐｅｒｓｐｅｃｔｒａｌ Ｉｍａｇｉｎｇ Ｄａｔａ
ＹＡＮＧ Ｋｅ—ｍｉｎｇ ，ＧＵ０ Ｄａ—ｚｈｉ ，ＣＨＥＮ Ｙｕｎ－ｈａｏ
ｆ １．Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｓｕｒｖｅｙ ａｎｄ Ｌａｎｄ Ｓｃｉｅｎｃｅ。Ｃｈｉｎａ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｍｉｎｉｎｇ＆
Ｔｅｃｈｎｏｌｏｇｙ（Ｂｅｉｊｉｎｇ），Ｂｅｉｊｉｎｇ １０００８３，Ｃｈｉｎａ；
２，Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｒｅｓｏｕｒｃｅｓ Ｓｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ １００８７５，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｉｓ ｐａｐｅｒ ａｎａｌｙｚｅｓ ｔｈｅ ｓｐｅｃｔｒａｌ ｒｅｆｌｅｃｔｅｄ ｆｅａｔｕｒｅｓ ａｎｄ ｄｉａｇｎｏｓｔｉｃ ａｂｓｏｒｐｔｉｏｎ ｆｅａｔｕｒｅｓ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｂａｓｅｄ ｏｎ
受污染胁迫玉米叶绿素含量微小变化的高光谱反演模型
第３０卷，第１期 ２ ０ １ ０年１月 光谱学与光谱分析 Ｓｐｅｃｔｒｏｓｃｏｐｙ ａｎｄ Ｓｐｅｃｔｒａｌ Ａｎａｌｙｓｉｓ Ｖｏ１．３０，Ｎｏ．１，ｐｐ１９７—２０１ Ｊａｎｕａｒｙ，２０１０
受污染胁迫玉米叶绿素含量微小变化的高光谱反演模型
王 平 ，刘湘南 ，黄 方
１．东北师范大学城市与环境科学学院，吉林长春１３００２４ ２．中国地质大学信息工程学院，北京１０００８３
摘要通过野外实验测试和室内样品化验，获得３个不同污染状况农田样地自然环境下玉米的高光谱反
射率、叶片的叶绿素含量、叶片和土壤的重金属含量等数据。对高光谱数据的可见光波段（４００￣８００ ｎｍ）进
行导数光谱计算和连续统去除处理，得到吸收谷位置、吸收深度、绿峰位置、绿峰处归一化反射值、红边位
置、红边处归一化反射率、红肩位置、吸收宽度、光谱不对称度等光谱特征参数。分析上述参数的物理含义
并将其和玉米叶绿素含量变化进行相关分析，选择并确定与玉米污染胁迫叶绿素微小变化有一定关系的参
数，作为输入因子，建立ＢＰ神经网络模型，逐步增强并提取农田污染胁迫状态下玉米叶绿素含量的微小变 化信息。
关键词高光谱反射率；叶绿素；弱信息；污染胁迫；ＢＰ神经网络
中图分类号：Ｓ１２１；ＴＰ７９ 文献标识码：Ａ ＤＯＩ：１０．３９６４／ｊ．ｉｓｓｎ．１０００—０５９３（２０１０）０１ ０１９７—０５
引 言
叶绿素浓度是指示植物营养胁迫、光合作用能力和发育
状态的一个重要指标。植被光谱特征与其生物物理参数呈显
著相关［１ ］，利用高光谱遥感数据建立叶绿素含量反演模型
具有可行性。这些研究多利用多元逐步回归法建立光谱数据
或其变化形式（如植被指数）与叶片生化参数的关系模
型ｌ４＿ｌ ０ｌ。但多元逐步回归模型中入选波段常与作物生化组分
的吸收特征无明确关系，使得该方法的应用缺乏物理依据。
目前开展污染胁迫下玉米叶绿素含量微小变化研究的较少。
部分学者研究铜、铅等重金属胁迫下玉米叶绿素含量与光谱
高光谱遥感技术在农林植被调查方面的应用
高光谱遥感技术在农林植被调查方面的应用
高光谱分辨率遥感（简称高光谱遥感），是20世纪末迅速发展起来的一项集探测器技术、
精密光学机械、微弱信号检测、计算机和信息处理技术于一体的全新遥感技术。它能够获得
地物的连续光谱信息，实现地物图像信息与光谱信息的同步获取，因而在地质、林业、农业、
生态环境、海洋、军事等领域具有巨大的应用价值和广阔的发展前景。
植被作为遥感观测和记录的第一表层，是遥感数据反映的最直接信息。目前，多光谱遥
感已被广泛应用于植被的长势研究、沙漠化研究、气候演变规律分析等方面，但传统的多波
段遥感数据对于植被的研究和应用仍仅限于一般性的红光吸收特征与近红外的反射特征及
中红外的水吸收特征波段，由于受波段宽度和波段数以及波长位置的限制，往往对植被类
型不敏感，对植被长势反映不理想，而高光谱遥感在对目标的空间特征成像的同时，对每
个像元可在更宽范围上，形成几十个乃至几百个窄波段连续的光谱覆盖，使更深入地考察植
被光谱的响应机制和物理机制成为可能，因此成为植被和林业方面监测的强有力工具。
1. 高光谱遥感在植被调查方面的优势
高光谱遥感在光谱分辨率方面的提高，使地物目标的属性信息探测能力有所增强，因此，
较之全色和多光谱遥感，高光谱遥感有以下显著优势：
（1）成像光谱仪所获取的地物连续光谱比较真实，能全面反映自然界各种植被所固有
的光谱特征以及其间的细节差异性，从而大大提高地物分类的精细程度和准确性，使得高光
谱图像数据与光谱仪地面实测光谱曲线数据之间的直接匹配成为可能。
（2）高光谱图像数据提高了根据混合光谱模型进行混合像元分解的能力，减少了土壤
等植被生长背景地物的影响，从而能够获取最终光谱端元的真实光谱特性曲线数据。
（3）高光谱分辨率的植被图像数据将对传统的植被指数运算予以改进，大大提高了植
被指数所能反演的信息量，使人们可以直接收获诸如植被叶面积指数、生物量、光合有效吸
收系数等植被生物物理参量。
（4）提高遥感高定量分析的精度和可靠性，基于高光谱分辨率的光谱吸收特征信息提
基于HJ-1高光谱数据的植被覆盖度估测方法研究
叠感应用 遥感信息
基于ＨＪ一１高光谱数据的植被覆盖度估测方法研究
廖春华，张显峰，孙权，赵杰鹏，王旭阳，包慧漪
（北京大学遥感与ＧＩＳ研究所，北京１００８７１）
摘要：植被覆盖度是衡量地表植被状况的一个重要参数，在水文、生态等方面有重要意义，同时，也是影响土 壤侵蚀与水土流失的主要因子，是评价土地荒漠化最有效的指标。以环境一号（ＨＪ一１）小卫星上搭载的新型传感 器ＨＳＩ获取的高光谱数据为数据源，通过选择合适的植被指数建立了植被覆盖度反演模型——像元二分模型。 然后运用该模型提取了新疆石河子地区的植被覆盖度信息。通过与地面样方数据进行交互比较，对ＨＪ一１／ＨＳＩ数 据反演植被覆盖度的精度进行了评价。研究结果表明，ＨＪ一１／ＨＳＩ数据能够得到较高精度的植被覆盖度反演结 果，在植被动态及全球变化研究领域具有潜在应用价值。 关键词：ＨＪ一１卫星；植被覆盖度；大气辐射校正；像元二分模型 ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１０ＯＯ一３１７７．２０１１．０５．０１１ 中图分类号：ＴＰ７９ 文献标识码：Ａ 文章编号：１０００—３１７７（２０１１）１１７—００６５—０６
Ｆｒａｃｔｉｏｎａｌ Ｖｅｇｅｔａｔｉｏｎ Ｃｏｖｅｒ Ｅｓｔｉｍａｔｉｏｎ Ｕｓｉｎｇ ＨＪ・１
Ｓｐａｃｅｂｏｒｎｅ Ｈｙｐｅｒｓｐｅｃｔｒａｌ Ｄａｔａ
ＬＩＡＯ Ｃｈｕｎ－ｈｕａ，ＺＨＡＮＧ Ｘｉａｎ－ｆｅｎｇ，ＳＵＮ Ｑｕａｎ，ＺＨＡＯ Ｊｉｅ－ｐｅｎｇ，ＷＡＮＧ Ｘｕ－ｙａｎｇ，ＢＡＯ Ｈｕｉ—ｙｉ （Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ａｎｄ ＧＩＳ，Ｂｅｉｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ １００８７１）
Ａｂｓｔｒａｃｔ：Ｆｒａｃｔｉｏｎａｌ Ｖｅｇｅｔａｔｉｏｎ Ｃｏｖｅｒ（ＦＶＣ）ｉｓ ａｎ ｉｍｐｏｒｔａｎｔ ｐａｒａｍｅｔｅｒ ｏｆ ｃｈａｒａｃｔｅｒｉｎｇ ｔｈｅ ｌａｎｄ ｓｕｒｆａｃｅ ｖｅｇｅｔａｔｉｏｎ ｃｏｎｄｉ— ｔｉｏｎｓ ａｓ ｗｅｌｌ ａｓ ｔｈｅ ｍｏｓｔ ｅｆｆｅｃｔｉｖｅ ｉｎｄｉｃａｔｏｒ ｆｏｒ ａｓｓｅｓｓｉｎｇ ｄｅｓｅｒｔｉｆｉｃａｔｉｏｎ．Ｔｈｅ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｄａｔａ ａｃｑｕｉｒｅｄ ｂｙ ｔｈｅ ｉｍａｇｉｎｇ ｓｐｅｃ— ｔｒｏｍｅｔｅｒ ＨＳ１ ｗｈｉｃｈ ｉＳ ｏｎｂｏａｒｄ ｔｈｅ ＨＪ一１ ｓｍａｌ１ ｓａｔｅｌｌｉｔｅ。ｗａｓ ｕｓｅｄ ｔｏ ｃａｌｃｕｌａｔｅ ｔｈｅ ｓｕｉｔａｂｌｅ ｎａｒｒｏｗ ｂａｎｄ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｅｘ．Ｔｈｅ ｉｎ— ｄｅｘ ｗａｓ ｔｈｅｎ ａｐｐｌｉｅｄ ｔｏ－ｓｕｂ—ｐｉｘｅｌ ｄｅ－ｃｏｍｐｏｓｉｔｉｏｎ ｍｏｄｅｌ ｆｏｒ ＦＶＣ ｅｓｔｉｍａｔｉｏｎ－ｄｉｍｉｄｉａｔｅ ｐｉｘｅｌ ｍｏｄｅ１．Ｔｈｅ ｆｒａｃｔｉｏｎａｌ ｖｅｇｅｔａｔｉｏｎ ＣＯＶ— ｅｒ ｉｎｆｏｒｍａｔｉｏｎ ｉｎ ｔｈｅ Ｓｈｉｈｅｚｉ ａｒｅａ（Ｘｉｎｊｉａｎｇ）ｗａｓ ｅｘｔｒａｃｔｅｄ ｂｙ ｕｓｉｎｇ ｔｈｉｓ ｍｏｄｅ１．Ｃｒｏｓｓ—ｃｈｅｃｋｅｄ ｗｉｔｈ ｔｈｅ ｇｒｏｕｎｄ ｐｌｏｔ ｄａｔａ，ｔｈｅ ａｃ— ｃｕｒａｃｙ ｏｆ ｔｈｅ ＨＪ—Ｉ／ＨＳｌ ｄａｔａ ｒｅｔｒｉｅｖｅｄ ｆｒａｃｔｉｏｎａｌ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒ ｗａｓ ｅｖａｌｕａｔｅｄ．Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ＨＪ一１／ＨＳＩ ｈｙｐｅｒ－ ｓｐｅｃｔｒａｌ ｄａｔａ ｃａｎ ａｃｈｉｅｖｅ ａｎ ａｃｃｕｒａｔｅ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｆｒａｃｔｉｏｎａ１ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒ ｉｎ ｔｈｅ ｓｔｕｄｙ ａｒｅａ，ａｎｄ ｈａｓ ｔｈｅ ｐｏｔｅｎｔｉａｌ ｔｏ ｂｅ ａｐ— ｐｌｉｅｄ ｔｏ ｔｈｅ ｒｅｓｅａｒｃｈ ｏｎ ｖｅｇｅｔａｔｉｏｎ ａｎｄ ｇｌｏｂａ１ ｃｈａｎｇｅｓ． Ｋｅｙ ｗｏｒｄｓ：ＨＪ－１ ｓａｔｅｌｌｉｔｅ；ｆｒａｃｔｉｏｎａｌ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒ；ａｔｍｏｓｐｈｅｒｉｃ ｒａｄｉａｔｉｏｎ ｃｏｒｒｅｃｔｉｏｎ；ｄｉｍｉｄｉａｔｅ ｐｉｘｅｌ ｍｏｄｅｌ
利用独立变量分析与高光谱植被指数模型监测成熟期水稻中砷污染
农业环境科学学报２０ １ ０，２９（５）：８８ １－８８６ Ｊｏｕｒｎａｌ ｏｆ Ａｇｒｏ—Ｅｎｖｉｒｏｎｍｅｎｔ Ｓｃｉｅｎｃｅ
利用独立变量分析与高光谱植被指数模型
监测成熟期水稻中砷污染
曹 仕，刘湘南，刘清俊
（中 地质大学（北京）信息１ 程学院，北京１０００８３）
摘要：水稻中过量砷（Ａｓ）能够损害Ⅱｔ－片中叶绿素和叶片内部结构，进而影响水稻光合作用效率，并改变水稻在光谱上的表现。利 用高光谱植被指数（ 尺，、 ，、，ｓｘＰ１）和独立变量分析（ＩＣＡ）模型对水稻中Ａｓ含量进行了研究。结果表明，以上３种高光谱植被指数 与水稻中Ａｓ含量均呈一定的相关关系，其相关系数在０．６７以上；而经过独立变量分析（／ＣＡ）可知，在蓝光波段（４４０～５４０ ｎｍ）和红 光波段（６００－７００ ｎｍ）之间各有一个独立变量与水稻中Ａｓ含量高度相关，相关系数达到０．９５以上。将上述植被指数与独立变量和 水稻中Ａｓ含量之间进行回归分析，得到水稻中Ａｓ含量的线性回归方程。研究表明，重金属Ａｓ对水稻生长的影响可以通过其在光 谱上的特征（如相关植被指数）改变来体现，并可以用独立变量分析（／ＣＡ）方法提取光谱中关于Ａｓ胁迫的隐含弱信息，建立遥感预 测模型，为大面积监测农作物Ａｓ污染提供依据。 关键词：Ａｓ污染；独立变量分析（ＩＣＡ）；中心化和白化；最小二乘回【』Ｊ 中图分类号：Ｘ８３０．２ 文献标志码：Ａ 文章编号：１６７２—２０４３（２０１０）０５—０８８１—０６
Ｍｏｎｉｔｏｒ Ａｒｓｅｎｉｃ Ｃｏｎｔａｍｉｎａｔｉｏｎ ｉｎ Ｍａｔｕｒｅ Ｒｉｃｅ ｂｙ ｔｈｅ Ｍｏｄｅｌ Ｂａｓｅｄ ｏｎ ｔｈｅ Ｉｎｄｅｐｅｎｄｅｎｔ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ ａｎｄ Ｈｙｐｅｒｓｐｅｃｔｒａｌ Ｖｅｇｅｔａｔｉｏｎ Ｉｎｄｉｃｅｓ ＣＡＯ Ｓｈｉ，ＬＩＵ Ｘｉａｏｇ－ｎａｎ，ＬＩＵ Ｑｉｎｇ－ｊＨｎ （Ｓｃｈｏｏｌ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｃｈｉｎａ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｇｅｏｓｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ １０００８３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｈｉｇｈ ａｒｓｅｎｉｃ ｃｏｎｔｅｎｔ ｉｎ ｒｉｃｅ ｃａｎ ｄａｍａｇｅ ｔｈｅ ｃｈｌｏｒｏｐｈｙｌｌ ａｎｄ ｓｔｒｕｃｔｕｒｅ ｉｎ ｔｈｅｉｒ ｌｅａｖｅｓ，ｒｅｄｕｃｅ ｔｈｅ ｒａｔｅ ｏｆ ｐｈｏｔｏｓｙｎｔｈｅｓｉｓ ａｎｄ ｃｈａｎｇｅ ｔｈｅｉｒ ｓｐｅｃｔｒａｌ ｆｅａｔｕｒｅｓ． Ｆｈｅ ｍｏｄｅｌ ｅｓｔａｂｌｉｓｈｅｄ ｉｎ ｔｈｉｓ ｐａｐｅｒ ｂｙ ｔｈｅ ｉｎｄｅｐｅｎｄｅｎｔ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ（ＩＣＡ）ａｎｄ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｉｃｅｓ （ＣＡ Ｒ１． ，．Ｓ１ＰＩ）ｗｅｒｅ ｕｓｅｄ ｔｏ ｐｒｅｄｉｃｔ ｔｈｅ ａｒｓｅｎｉｃ ｃｏｎｔｅｎｔ ｉｎ ｍａｔｕｒｅ ｒｉｃｅ．Ｓｉｘｔｙ ｓａｍｐｌｅｓ ｂｅｌｏｎｇｉｎｇ ｔｏ ｍａｔｕｒｅ ｒｉｃｅ ｉｎ ｔｈｒｅｅ ｄｉｆｆｅｒｅｎｔ ａｒｅａｓ ｗｅｒｅ ｓｃａｎｎｅｄ ｂｙ ＡＳＤ ｆｉｅｌｄ ｐｒｏ３．Ａｒｓｅｎｉｃ ｒｅｆｅｒｅｎｃｅ ｖａｌｕｅｓ ｗｅｒｅ ｏｂｔａｉｎｅｄ ｂｙ ａｔｏｍｉｃ ａｂｓｏｒｐｔｉｏｎ ｓｐｅｃｔｒｏｍｅｔｒｙ．Ｔｈｅ ｓｔｕｄｙ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅｒｅ ｗａｓ ｌｉｎｅａｒ ｃｏｒｒｅｌａｔｉｏｎ ｂｅｔｗｅｅｎ ｔｈｅｓｅ ｔｈｒｅｅ ｈｙｐｅ￣ｐｅｃｔｒａｌ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｉｃｅｓ ＣＡ ＲＩ、ＰＲＩ ＳｌＰＩ、ｃａｌｃｕｌａｔｅｄ ｆｒｏｍ ＡＳＤ ｏｐｔｉｃａｌ ｄａｔａ ａｎｄ ｔｈｅ ｃｏｎｔｅｎｔ ｏｆ ａｒｓｅｎｉｃ ｉｎ ｍａｔｕｒｅ ｒｉｃｅ，ｗｈｏｓｅ ｃｏｅｆｆｉｃｉｅｎｔｓ（Ｒ）ａｒｅ－０．６７，０．８２，０．９１，ｕｓｉｎｇ ｌｅａｓｔ－ｓｑｕａｒｅｓ ｒｅｇｒｅｓｓｉｏｎ．Ｔｈｅ ｆａｓｔ ｉｎｄｅｐｅｎｄｅｎｔ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ（ＩＣＡ）ｗａｓ ａｐｐｌｉｅｄ ｉｎ ａ ｍａｔｒｉｘ ２０ｘ６０．ｗｈｉｃｈ ｒｅｐｒｅｓｅｎｔｓ ｔｈｅ ２０ ｇｒｏｕｐｓ ｏｐｔｉｃａｌ ｄａｔａ ｏｆ ｔｈｅ ６０ ｓａｍｐｌｅｓ．Ｔｈｅ ２０ ｇｒｏｕｐｓ ｏｐｔｉｃａｌ ｄａｔａ ｐｒｅ－ ｖｉｏｕｓｌｙ ｃｅｎｔｒａｌｉｚｅｄ ａｎｄ ｓｔａｎｄａｒｄｉｚｅｄ ｗｅｒｅ ｒｅｓｐｅｃｔｉｖｅｌｙ ｄｉｖｉｄｅｄ ｆｒｏｎｌ ｔｈｅ １Ｏ０ ｎｍ ｒａｎｇｅ ｏｆ ｂｌｕｅ ｂａｎｄ（４４０～５４０ ｎｍ）ａｎｄ ｒｅｄ ｂａｎｄ（６００～７００ ｎＩＩ１）ｂｙ ５ ｎｍ ｉｎｔｅｒｖａｌｓ，ａｎｄ ｔｈａｔ ｐｒｏｄｕｃｅｄ ｆｏｕｒ ｖａｒｉａｂｌｅｓ（ＩＣ—Ｂ１，ＩＣ—Ｂ２；ＩＣ—Ｒ１，ＩＣ—Ｒ２）ｆｒｏｍ ｒｅｄ ｂａｎｄ ａｎｄ ｂｌｕｅ ｂａｎｄ．Ｆｕｒｔｈｅｒｍｏｒｅ， ＩＣ—Ｂ１ ａｎｄ ＩＣ—Ｒ１ ｈａｄ ｈｉｇｈ ｃｏｒｒｅｌａｔｉｏｎ ｗｉｔｈ ｔｈｅ ａｒｓｅｎｉｃ ｃｏｎｔｅｎｔ ｉｎ ｍａｔｕｒｅ ｒｉｃｅ（Ｒ＝０．９６．尺＝一０．９５）．Ｓｏ ｔｈｅ ｍｏｄｅｌ ｅｓｔａｂｌｉｓｈｅｄ ｉｎ ｔｈｉｓ ｐａｐｅｒ ｂｙ ｔｈｏｓｅ ｖａｒｉａｂｌｅｓ ａｎｄ ｈｙｐｅｒｓｐｅｅｔｒａｌ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｉｃｅｓ ｃａｎ ｐｒｅｄｉｃｔ ａｒｓｅｎｉｃ ｃｏｎｔａｍｉｎａｔｉｏｎ ｉｎ ｍａｔｕｒｅ ｒｉｃｅ． Ｋｅｙｗｏｒｄｓ：ａｒｓｅｎｉｃ ｃｏｎｔａｍｉｎａｔｉｏｎ；ｉｎｄｅｐｅｎｄｅｎｔ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ（ＩＣＡ）；ｃｅｎｔｒａｌｉｚｅｄ ａｎｄ ｓｔａｎｄａｒｄｉｚｅｄ；ｌｅａｓｔ—ｓｑｕａｒｅｓ ｒｅｇｒｅｓｓｉｏｎ