礦山環境污染高光譜遙感監測研究進展

中國是世界上最大的能源生產國和消費國。礦產資源是國家安全與經濟發展的重要基石， 在社會發展、人民生產生活中占有舉足輕重的地位。礦產開采引起的環境問題一直是地球環境科學關注的焦點。在礦區開采直至閉礦，一直伴隨著大量的生態破壞的問題，諸如水體污染、土地沙化、生物多樣性減少等， 因此監測和分析礦區生態環境的各種典型信號和異常情況已成為環境保護、 生態恢復等工作的重要基礎。

1礦區高光譜遙感監測現狀

在礦山環境監測方面，歐美國家一直處在領先地位， 發達的衛星研發技術加上豐富的礦產資源，為其研究提供了有力的資源支撐。早在20世紀70 年代，美國、 加拿大等發達國家就開始制訂礦山環境保護與評估制度，利用全色、多光譜等遙感數據進行礦山土地利用及植被覆蓋變化情況的監測，而這些調查研究大多是基于宏觀的角度進行評價分析。近幾十年，隨著傳感器的發展，高光譜遙感以其自身獨特的優勢使礦區環境監測從宏觀逐步走向微觀， 成為目前國際上監測礦山環境污染的主要手段， 且積累了 很多成果。在礦山高光譜遙感應用上，早期的研究主要集中在對于污染物的識別以及光譜特征的分析上，以污染程度不一的土壤栽培植物為對象，利用地面光譜儀對其進行光譜測定，探索了生長于重金屬和核輻射污染環境中的植被生態變異特征，在植被受污染狀況研究上有了突破。隨著研究的深入， 高光譜遙感在礦山環境監測中也得到了應用，加拿大在實施礦山復墾計劃中采用航空高光譜遙感技術進行了跟蹤監測。研究內容也更聚焦于對定量反演各種理化參數， 獲取礦區環境要素變化因子的探索， 反演過程中主要考察方法的創新以及實用程度。現階段，一些國際前沿學者將高光譜技術與計算機科學結合起來，利用智能化的算法。

我國礦山環境調查始于20世紀90年代末，相對于國外來說前期發展比較滯緩。早期礦山環境遙感調查以多光譜數據為主，但對礦區地物識別精度不 高。鑒于此，不少學者開始分析礦山的污染地物的光譜特征，利用高光譜數據反演植物、水體、土壤波譜特征參數的變異情況，建立污染物質及其間的關系模型，為礦區環境監測提供了科學的指導。

2礦區高光譜遙感數據來源

目前，高光譜遙感技術已進入穩步發展階段，數據獲取手段日益豐富，已建立了很多成熟的產品和先進數據處理手段。高光譜數據可大致分為近地高光譜數據、低空高光譜數據和高空高光譜數據。近地高光譜數據起步較早且發展較為成熟，主要是通過地物光譜儀在室內或者野外測量得到的。室內測量數據的優點是受外界因素干擾小，實驗條件可控性高，能夠精確地描述各種組分的光譜特征，并運用數據建立預測模型；缺點是野外實際環境比實驗室更為復雜，受到氣候、溫度、光照等多方面因素影響，因而在實驗室建立的地表組分反演模型常常無法直接應用于室外監測，此外，可獲得近地高光譜數據范圍有限，難以實現大范圍快速監測。低空高光譜數據主要來源于無人機平 臺的成像光譜儀，近幾年發展迅速，主要特點是數據采集方便、時效性強、分辨率高、質量好，能夠真實反映礦區環境特征，此外在地理探測環境較為復雜以及人無法到達的小范圍區域，是星載高光譜數據和近地高光譜數據的重要補充；不足是應用場景較為受限，在礦山環境中的監測應用還在發展中，尚未形成體系。高空高光譜數據可分為機載與星載，結合了高光譜遙感和遙感成像技術，實現了圖譜合一，發展較為成熟， 目前在礦山地質領域也積累了許多相關研究。相對近地高光譜數據和機載高光譜數據而言，星載高光譜數據觀測范圍廣、應用成本低、尺度范圍大；缺點是數據分辨率不高，回訪周期長，數據時效性差等。

3礦區高光譜遙感監測應用

3.1礦區植被理化參數反演

植被生長發育情況將直接反映該區域生態環境的狀況，與氣候、土壤、水體等自然因素聯系緊密。目前，高光譜已成為對地表植被進行定量監測的強有力工具，當植物的生長環境受到污染物影響時，其光譜特征會明顯區別于自然條件下生長的植被，并提出一些系列參數來表征植被在金屬脅迫下的生長異常。

一是植被指數法，研究者們通過對不同波段進行線性或非線性組合，提出了多種植被指數，應用于監測地面植物生長和分布、定性定量評估，如植被指數 NDVI、綠度植被指數GVI、調整土壤亮度的植被指數SAVI等，進而利用這些參數建立反演模型，對礦區植被的生長信息進行提取；二是植被的“三邊參數”，例如植物的“紅邊”效應，“紅邊”是植物葉子光譜為一階導數光譜在680～740nm內的拐點，當植物受 到脅迫時，紅邊會向短波方向移動，產生“藍移”現象。因此可以通過對比礦區植被光譜變異特征，監測和分析礦區植被的生長動態。

3.2礦區土壤重金屬含量反演

土壤重金屬污染在礦山開采過程中尤為突出，持續的采礦活動，會產生大量廢礦、廢水等，一般含有大量有毒的重金屬元素，易滲入土壤向外擴散，導致土壤中有害物質聚集，土壤生態失衡，甚至在食物鏈中循環，給人類身體健康帶來嚴重影響。礦區土壤中的重金屬光譜數據一般是在室內利用光譜儀進行測定的，首先運用數理統計、光譜變換等手段對土壤特征 波段進行提取，常用的方法有：微分、光譜倒數對數、連續統去除法等。然后通過線性或非線性的運算方法建立土壤中重金屬含量與各變量之間關系，實現礦區土壤重金屬含量定量反演。常用的反演模型分為物理模型和經驗統計模型，由于土壤成分的重金屬含量較低，其他成分復雜，所以在現階段高光譜礦區土壤重金屬含量反演中大多采用統計分析法，主要分為單變量和多變量統計分析。目前在土壤重金屬含量反演常用多變量統計分析，較單變量分析而言，此類方法建立的模型穩定，精度高。常用的反演方法有：主成分分析法、最小二乘法、多元線性回歸法等。其中，多元線性回歸法操作簡單、應用最為廣泛；主成分分析法主要聚焦于特征波段的分析，不能完整地保留光譜信息，適用于變量不多的獨立分析中；最小二乘法是對多元線性回歸法的一定優化，解決了多重線性問題，能較為準確地反演土壤重金屬含量。隨著實際應用中對精度要求的提高，越來越多改進的算法和非線性模型被逐步引入高光譜土壤重金屬元素含量的反演建模中， 此類方法可以避免線性模型中的過度擬合，且可以容納多個變量參與建模，提高模型精度，常用的方法有遺傳算法、神經網絡、隨機森林等。

3.2礦區水體污染識別

礦山廢水的排放是礦山環境污染的重要來源之一，尤其在金屬提煉過程中的廢水對地表和地下水體的污染最為嚴重，例如銅礦、煤礦、鐵礦等。目前對于礦山中廢水的監測主要是從以下兩個方面進行的，一是基于水體的顏色和光譜特征，運用波段運算、灰度法等進行圖像解譯，直接識別監測。這是因為一般水體受到污染后，顏色會發生改變，部分礦區由于開墾的原因還會伴隨大量的泥沙，造成水體渾。此外，由于污染的水域會產生一些懸浮物質，一定程度上會造成廢水的光譜反射率偏低，這些特征可應 用于對水體污染物進行識別的研究。二是對水體的pH值進行評測分析， 開采過程中的部分含重金屬元素的尾礦，次生礦易溶于水中，與水體產生化學反應， 使礦區水域呈酸性或者堿性狀態。酸堿污水直接改變水體pH 值，因此在礦山廢水監測中，除了需掌握污染物位置、特征以及動態變化外，pH值的測定也是礦山環境評價中關鍵的一環。