服务热线:
86-0755-23229824
您当前所在位置:首页>>光学知识>>高光谱成像系统
矿山环境污染高光谱遥感监测研究进展

矿山环境污染高光谱遥感监测研究进展

中国是世界上最大的能源生产国和消费国。矿产资源是国家安全与经济发展的重要基石, 在社会发展、人民生产生活中占有举足轻重的地位。矿产开采引起的环境问题一直是地球环境科学关注的焦点。在矿区开采直至闭矿,一直伴随着大量的生态破坏的问题,诸如水体污染、土地沙化、生物多样性减少等, 因此监测和分析矿区生态环境的各种典型信号和异常情况已成为环境保护、 生态恢复等工作的重要基础。


1矿区高光谱遥感监测现状

在矿山环境监测方面,欧美国家一直处在领先地位, 发达的卫星研发技术加上丰富的矿产资源,为其研究提供了有力的资源支撑。早在20世纪70 年代,美国、 加拿大等发达国家就开始制订矿山环境保护与评估制度,利用全色、多光谱等遥感数据进行矿山土地利用及植被覆盖变化情况的监测,而这些调查研究大多是基于宏观的角度进行评价分析。近几十年,随着传感器的发展,高光谱遥感以其自身独特的优势使矿区环境监测从宏观逐步走向微观, 成为目前国际上监测矿山环境污染的主要手段, 且积累了 很多成果。在矿山高光谱遥感应用上,早期的研究主要集中在对于污染物的识别以及光谱特征的分析上,以污染程度不一的土壤栽培植物为对象,利用地面光谱仪对其进行光谱测定,探索了生长于重金属和核辐射污染环境中的植被生态变异特征,在植被受污染状况研究上有了突破。随着研究的深入, 高光谱遥感在矿山环境监测中也得到了应用,加拿大在实施矿山复垦计划中采用航空高光谱遥感技术进行了跟踪监测。研究内容也更聚焦于对定量反演各种理化参数, 获取矿区环境要素变化因子的探索, 反演过程中主要考察方法的创新以及实用程度。现阶段,一些国际前沿学者将高光谱技术与计算机科学结合起来,利用智能化的算法。

image.png

我国矿山环境调查始于20世纪90年代末,相对于国外来说前期发展比较滞缓。早期矿山环境遥感调查以多光谱数据为主,但对矿区地物识别精度不 高。鉴于此,不少学者开始分析矿山的污染地物的光谱特征,利用高光谱数据反演植物、水体、土壤波谱特征参数的变异情况,建立污染物质及其间的关系模型,为矿区环境监测提供了科学的指导。

image.png


2矿区高光谱遥感数据来源

目前,高光谱遥感技术已进入稳步发展阶段,数据获取手段日益丰富,已建立了很多成熟的产品和先进数据处理手段。高光谱数据可大致分为近地高光谱数据、低空高光谱数据和高空高光谱数据。近地高光谱数据起步较早且发展较为成熟,主要是通过地物光谱仪在室内或者野外测量得到的。室内测量数据的优点是受外界因素干扰小,实验条件可控性高,能够精确地描述各种组分的光谱特征,并运用数据建立预测模型;缺点是野外实际环境比实验室更为复杂,受到气候、温度、光照等多方面因素影响,因而在实验室建立的地表组分反演模型常常无法直接应用于室外监测,此外,可获得近地高光谱数据范围有限,难以实现大范围快速监测。低空高光谱数据主要来源于无人机平 台的成像光谱仪,近几年发展迅速,主要特点是数据采集方便、时效性强、分辨率高、质量好,能够真实反映矿区环境特征,此外在地理探测环境较为复杂以及人无法到达的小范围区域,是星载高光谱数据和近地高光谱数据的重要补充;不足是应用场景较为受限,在矿山环境中的监测应用还在发展中,尚未形成体系。高空高光谱数据可分为机载与星载,结合了高光谱遥感和遥感成像技术,实现了图谱合一,发展较为成熟, 目前在矿山地质领域也积累了许多相关研究。相对近地高光谱数据和机载高光谱数据而言,星载高光谱数据观测范围广、应用成本低、尺度范围大;缺点是数据分辨率不高,回访周期长,数据时效性差等。

image.png


3矿区高光谱遥感监测应用

3.1矿区植被理化参数反演

植被生长发育情况将直接反映该区域生态环境的状况,与气候、土壤、水体等自然因素联系紧密。目前,高光谱已成为对地表植被进行定量监测的强有力工具,当植物的生长环境受到污染物影响时,其光谱特征会明显区别于自然条件下生长的植被,并提出一些系列参数来表征植被在金属胁迫下的生长异常。

一是植被指数法,研究者们通过对不同波段进行线性或非线性组合,提出了多种植被指数,应用于监测地面植物生长和分布、定性定量评估,如植被指数 NDVI、绿度植被指数GVI、调整土壤亮度的植被指数SAVI等,进而利用这些参数建立反演模型,对矿区植被的生长信息进行提取;二是植被的“三边参数”,例如植物的“红边”效应,“红边”是植物叶子光谱为一阶导数光谱在680~740nm内的拐点,当植物受 到胁迫时,红边会向短波方向移动,产生“蓝移”现象。因此可以通过对比矿区植被光谱变异特征,监测和分析矿区植被的生长动态。

image.png


3.2矿区土壤重金属含量反演

土壤重金属污染在矿山开采过程中尤为突出,持续的采矿活动,会产生大量废矿、废水等,一般含有大量有毒的重金属元素,易渗入土壤向外扩散,导致土壤中有害物质聚集,土壤生态失衡,甚至在食物链中循环,给人类身体健康带来严重影响。矿区土壤中的重金属光谱数据一般是在室内利用光谱仪进行测定的,首先运用数理统计、光谱变换等手段对土壤特征 波段进行提取,常用的方法有:微分、光谱倒数对数、连续统去除法等。然后通过线性或非线性的运算方法建立土壤中重金属含量与各变量之间关系,实现矿区土壤重金属含量定量反演。常用的反演模型分为物理模型和经验统计模型,由于土壤成分的重金属含量较低,其他成分复杂,所以在现阶段高光谱矿区土壤重金属含量反演中大多采用统计分析法,主要分为单变量和多变量统计分析。目前在土壤重金属含量反演常用多变量统计分析,较单变量分析而言,此类方法建立的模型稳定,精度高。常用的反演方法有:主成分分析法、最小二乘法、多元线性回归法等。其中,多元线性回归法操作简单、应用最为广泛;主成分分析法主要聚焦于特征波段的分析,不能完整地保留光谱信息,适用于变量不多的独立分析中;最小二乘法是对多元线性回归法的一定优化,解决了多重线性问题,能较为准确地反演土壤重金属含量。随着实际应用中对精度要求的提高,越来越多改进的算法和非线性模型被逐步引入高光谱土壤重金属元素含量的反演建模中, 此类方法可以避免线性模型中的过度拟合,且可以容纳多个变量参与建模,提高模型精度,常用的方法有遗传算法、神经网络、随机森林等。

image.png


3.2矿区水体污染识别

矿山废水的排放是矿山环境污染的重要来源之一,尤其在金属提炼过程中的废水对地表和地下水体的污染最为严重,例如铜矿、煤矿、铁矿等。目前对于矿山中废水的监测主要是从以下两个方面进行的,一是基于水体的颜色和光谱特征,运用波段运算、灰度法等进行图像解译,直接识别监测。这是因为一般水体受到污染后,颜色会发生改变,部分矿区由于开垦的原因还会伴随大量的泥沙,造成水体浑。此外,由于污染的水域会产生一些悬浮物质,一定程度上会造成废水的光谱反射率偏低,这些特征可应 用于对水体污染物进行识别的研究。二是对水体的pH值进行评测分析, 开采过程中的部分含重金属元素的尾矿,次生矿易溶于水中,与水体产生化学反应, 使矿区水域呈酸性或者碱性状态。酸碱污水直接改变水体pH 值,因此在矿山废水监测中,除了需掌握污染物位置、特征以及动态变化外,pH值的测定也是矿山环境评价中关键的一环。

image.png

Copyright © 2020 All Rights Reserved 莱森光学(深圳) 有限公司·版权所有 备案号:粤ICP备18141551号