摘要：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。

关键词：作物重金属污染 高阶谱估计 污染元素判别 污染程度诊断 

单位：中国矿业大学(北京)地球科学与测绘工程学院; 北京100083