近日，南京大学生命科学院李建龙教授团队在土壤-作物互作系统重金属污染监测领域又取得重大成果。他们通过多年盆栽和大田实验，在深入系统研究了重金属在土壤-小麦互 作系统中的重金属迁移转运规律基础上，基于不同土壤重金属铜（Cu）浓度处理下铜元素在土壤–小麦系统中的迁移特征、相关性特征和富集特征及构建了估测模型。该研究首先深入系统探索了小麦叶片光谱在全波段和特征波段建模中反演 Cu含量的潜力，然后根据生物富集因子进一步反演得到了籽粒、茎、根、土壤总量和土壤有效态的Cu含量。该研究成果将为实现大面积的农田土壤–作物互作系统重金属污染状况遥感监测，提供了重要科学依据。 

图1.  农田土壤-小麦互作系统重金属含量反演与估测技术流程图 

随着中国工业化和城市化的快速发展，大量重金属通过土壤、大气和水体等途径进入环境中，造成严重的环境污染问题。由于重金属具有不可降解性和持久性，极易通过食物链在动植物体内积累，这对人体健康构成了巨大威胁。传统的重金属含量检测方法存在步骤繁琐、损坏土壤、成本高等缺点。新发展起来的高光谱技术具有高光谱分辨率和快速获取精细的地物光谱信息的能力。它更符合现代快速、无损、定量地监测土壤和作物重金属含量变化的需求。由于土壤是作物的生长基质，当土壤中的重金属含量超过环境可承受的范围时，会干扰作物叶绿素的合成，这将导致作物叶片或冠层的光谱信息产生变化。因此，通过测定作物叶片或冠层的高光谱数据，利用高光谱分析技术可以建立反演土壤或者作物重金属含量的模型（图1 和图 2）。为了保障粮食安全和人体健康，利用高光谱遥感对农田土壤和作物的重金属含量进行实时、快速地监测具有重大意义（图2）。

该研究深入系统的探索了基于高光谱技术和生物富集因子的土壤-小麦互作系统Cu 含 量的反演潜力和规律。研究结果表明小麦叶片与土壤 Cu 总量、根、茎的 Cu含量相关系数 都在 0.95 以上，这为利用小麦叶片反演土壤和小麦不同部位的Cu含量提供了支撑；大部分经过预处理的光谱相较于原始光谱反演精度都得到了不同程度的提升，并且特征波段建模总体上优于全波段建模；此外，生物富集因子分组反演优于平均值生物富集因子反演特性。其中，茎和根的R2cv和R2ev都超过了0.90，土壤总量的R2cv和R2ev都超过了0.85，土壤有效态的R2cv和R2ev都超过了0.70（图2）。未来可以进一步将该研究思路和方法在大面积农田土壤-作物重金属含量监测中进行研究和应用，实现土壤-作物互作系统重金属污染大面积遥感监测和预警，这将有利于维护粮食安全。

图2.  农田小麦叶片光谱反演叶片Cu含量的建模效果图 

该研究成果以“Inversion of heavy metal  copper content in soil-wheat systems using hyperspectral techniques and enrichment characteristics”(https://doi.org/10. 1016/j.scitotenv.2023. 168104）为题,近期在著名顶级生态环境领域期刊《Science of The Total Environment》上发表，课题组博士生钟亮为论文第一作者，南京大学李建龙教授为论文的通讯作者。该研究得到了高水平国际合作交流活动项目（202202)、国家重点研发计划项目（2018YFD0800201）、亚太全球变化研究网络项目（ARCP2015-03CMY-Li）等项目资助，在此一并表示衷心感谢！