西部典型煤矿区水体污染遥感监测应用

王 喆，余江宽，路云阁 （中国国土资源航空物探遥感中心，北京 100083）

煤炭是我国重要的能源来源，为国家提供了70%的能源，其年产能中约有75%来自于西部地区，但该地区水资源总量仅占全国的8.3%，生态十分脆弱。随着中西部煤炭产量进一步提升，大规模集中开采将会对干旱缺水地区地下水和地表水资源造成严重破坏，如神木北部一带湖淖数量已由开发前的869处减少到2008年的79处［1］，同时地表水污染堪忧［2］。西部煤矿区地处黄土高原，紧邻黄河干流，是我国乃至全世界水土流失最严重的地区之一［3］。水土流失产生的泥沙（煤尘颗粒）本身就是一种面源污染物，同时也是各种有毒有害物质的主要携带者，可在降雨的径流冲刷作用下进入受纳水体，进而破坏水体环境［4］。西部煤矿区水体污染与土地挖损、压占、塌陷一样，是矿区土地退化的重要因素之一［5］。煤矿区同样需要“绿水青山”，应加强煤矿区水环境遥感监测，探究我国西部煤矿区煤尘水体污染的面积、程度、变化和分布分异规律，为西部煤矿区土地退化防治与环境修复提供技术支撑，为行业管理提供决策依据。

遥感技术具有监测范围广、速度快、成本低和长期动态监测优势［6］，适用于开展区域调查工作，可向管理部门提供时间和空间上的污染变化趋势和分布情况。常规用于水质评价的参数主要为叶绿素a（Chl a）、氨氮、硝态氮、溶解磷、COD和悬浮物浓度6项。近年来，国内外已有不少学者针对以上6项水质指标开展遥感定量研究工作，研究波段范围主要在350～1 000 nm谱段区间［7-10］。目前悬浮物浓度类文章主要以总悬浮物浓度（TSM）为研究对象［11-13］。水体中的悬浮物指悬浮于水中的一切有机和无机颗粒，它没有固定组成，不同水体差别很大，不仅包括浮游植物及其残体，还包括许多陆源无机和有机物，不同研究区域的水体悬浮物组成不同［14］。现阶段，由于GB 3838—2002《地表水环境质量标准》对悬浮物浓度没有进行量化评价，所以悬浮物浓度未和前5项指标一样受到足够重视。不同于其他地区，煤矿开采区地表水体污染与煤质类固体悬浮物有密切关系，其浓度增加会造成矿区水体污染加重，导致水体颜色发黑、浊度增加、透光性差，影响水体光学特性，进而影响水生生物生长和初级生产力［15］。笔者使用遥感技术手段，旨在宏观层面上研究煤矿区水体污染分布情况和规律，不细究悬浮物具体成分，将其造成的水体污染统称为煤尘水体污染。基于上述思考，以煤尘污染的地表水体为研究对象，选取神东和准格尔2个西部典型煤矿区为研究区（分别代表井工开采和露天开采），对水体污染信息开展提取和统计分析。

1 研究区概况

神东、准格尔煤矿区是我国乃至亚洲最为重要的煤炭生产基地。神东矿区位于鄂尔多斯高原的东南部及陕北高原的北缘，区内大部分为典型的风成沙丘及沙滩地，地势西北高东南低，中部高南北低，海拔800～1 385 m；准格尔矿区位于内蒙古自治区鄂尔多斯市准格尔旗东南部，东邻黄河，地势西北高东南低，中部高南北低，海拔1 200～1 400 m。2个矿区共有煤矿380个，其中神东矿区314个，准格尔矿区66个；按矿山规模分，2个矿区所有煤矿中，大型矿山146个，中型矿山145个，小型矿山89个，大中型矿山数量占比超过76%。煤炭资源的过度开采使得矿区植被资源破坏严重，水土大量流失，环境污染严重，土壤质量下降。

2 数据与方法

2.1 数据来源

ZY⁃3（资源三号）卫星搭载有1台地面分辨率为2.1 m的高分辨率正视全色相机和1台地面分辨率优于6 m的正视多光谱相机。参照DZ/T 0266—2014《矿产资源开发遥感监测技术规范》［16］，该数据可用于煤矿区土地挖损、压占等土地退化因素的遥感解译和监测调查工作，符合1∶5万比例尺调查与监测精度要求。因其仅能提供真彩色影像数据，在实际工作中可用于识别矿区内典型煤尘污染水体，但对于轻至中重度煤尘污染水体的解译效果不理想。同时，煤矿区水体分布零散、数量多，解译工作难度大，容易造成水体图斑遗漏。

选择Sentinel⁃2A（哨兵2号）卫星数据作为补充（表1），其数据新、质量高，波段设置可覆盖可见光（VIS）至短波红外（SWIR）（433～2 190 nm），空间分辨率为10、20和60 m，L1C级别数据使用Sentinel⁃2工具箱中Sen2cor大气校正模块校正后，仍有10个波段可用于对地观测分析。已有国外学者使用该方法进行大气校正，并开展了叶绿素a、有色可溶性有机物（CDOM）、总悬浮物浓度和可溶性有机碳（DOC）等多种水体指标的反演和研究工作［17-19］。笔者使用经过大气校正后的Sentinel⁃2A数据开展水体污染信息提取和分析工作。

表1 Sentinel-2A波段设置及空间分辨率Table 1 Sentinel‐2A spectral bands definition and spatial resolution

2.2 研究方法

在保证影像数据质量情况下，不同类型影像数据应选择最接近的获取时间，以减少误差。选取时相为2017年5月24日的Sentinel⁃2A数据和2017年5月26日的ZY⁃3数据，并将Sentinel⁃2A数据重采样为10 m空间分辨率，ZY⁃3数据保持原始空间分辨率。以2012年全国土地卫星遥感图数字正射影像（DOM）为基础底图（分辨率优于2.5 m），对数据进行几何配准，确保误差在2个像元以内。使用归一化差异水体指数（NDWI，INDW）提取水体范围并验证，之后采用SWIR经验模型结合目视解译的方法对煤尘水体污染信息开展识别提取。

2.2.1 归一化差异水体指数（NDWI）

首先明确地表水体的分布范围，该范围应包含正常水体与污染水体。使用NDWI提取水体范围［20］，可以抑制与水体无关的背景信息，提高水体提取精度，其公式为

式（1）中，Green为绿光波段；NIR为近红外波段，在sen⁃tinel⁃2影像中，分别对应 3和8a波段。但徐涵秋［21］发现该方法在提取城市范围内的水体方面很不成功。笔者使用ZY⁃3高分辨率影像数据对水体范围提取结果进行人工验证，提取结果虽然能够准确包含矿区内所有地表水体，但也包含了一些建筑物等非水体信息。将夹杂在水体提取结果中的建筑物反射率波谱和水体反射率波谱进行对比，发现建筑物在各个波段的反射率明显高于水体反射率。因此，仅使用Sentinel⁃2A短波红外波段并将反射率的阈值设置为0.3，即可将建筑物信息从水体结果中滤除。最后使用ZY⁃3数据对水体范围进行再次验证，确保水体范围信息提取准确。

2.2.2 水体污染信息提取与分类

再例如，有一篇文章，题目为“5 Ways to Just Enjoy retirement”。题目一目了然，看到这样的题目，听者心里便会放松许多，减少了许多盲目性。只要注意区分是哪五种享受退休生活的方式，并记下相关信息就行了。

在ZY⁃3高分辨率影像数据上，通过目视解译分别在2个矿区内选择10个色调呈深黑色的典型污染水体，并在Sentienl⁃2A影像上获取相同点位对应的水体波谱信息。由于大洋洁净水体在短波红外波段反射率很低，而该类污染水体在Sentienl⁃2A影像近红外至短波红外波段存在明显异常，其原因在于水体中煤质类固体悬浮物颗粒的后向散射作用使水体在短波红外波段有较高的反射率。该特征与泥土在水体中的作用有一定相似性［22］，但含泥土的水体和煤尘污染水体反射率波谱特征存在明显差异（图1），图中各类地物反射率波谱曲线均提取自Sentinel⁃2A影像。

基于上述思考，使用SWIR经验模型可获取煤尘水体污染指数（Index），其公式为

式（2）中，SWIR为短波红外波段反射率；NIR为近红外波段反射率。

图1 典型地物反射率光谱曲线Fig.1 Spectral reflectance curves of typical surface objects

作为定性评价，将提取结果分为优质水体、良好水体、轻度污染水体和重度污染水体共4类，因此需要对水体污染灰度图进行阈值分割。目前已有多种设定阈值的方法，对于不同地区、不同数据类型、不同时相，阈值的具体取值也会有所不同［23-24］。笔者选取均值方差法，以影像灰度均值和方差作为半定量指标，其在遥感水体污染提取分类方面已取得较好的应用效果［25-26］。

2.2.3 水体污染信息结果验证

使用ZY⁃3高分辨率数据对水体信息进行目视解译，并与水体污染信息提取分类结果进行对比验证。清澈水体的反射率可以近似表示为蓝光＞绿光＞红光＞近红外＞中红外［21］，亮度较暗的水体水质也较差［27］。因此在真彩色图像上，清澈水体多呈现蓝色至浅绿色色调，而煤矿区内的典型污染水体多呈深墨绿色至黑色色调，部分水体色调与煤堆、煤矸石等深色地物已无法区分。在ZY⁃3影像上人工圈定10个典型重度污染水体和1个典型良好-优质水体。良好-优质水体选择在神东矿区东部9 km处的红碱淖风景区，湖面面积约41.8 km2，影像呈现蓝色至深绿色色调。

经对比分析，人工解译的10个典型重度污染水体范围全部为红色像元，表明水体污染信息提取分类结果与解译结果一致；人工解译的1个典型良好-优质水体中，约有43.02%的面积为优质水体，24.60%为良好水体，31.99%为轻度污染水体，0.39%为重度污染水体。人工解译的良好-优质水体中存在污染水体，其原因为红碱淖距离煤矿区较近，容易受到煤炭粉尘污染；此外，目视解译在区分水体具体污染程度时存在一定局限性，因此可认为水体污染信息提取分类结果符合实际情况。综上可知，用SWIR经验模型提取煤尘水体污染信息具有较高可信度，用均值方差法对水体污染信息进行阈值分割效果较好。

3 结果与分析

3.1 水体污染分布范围统计分析

对神东和准格尔2个矿区地表水资源提取结果进行统计分析，结果表明神东矿区地表水体总面积为911.40 hm2，矿区面积为45万 hm2，水体占比为0.203%；准格尔矿区地表水体总面积为4 042.83hm2，矿区面积为35万hm2，水体占比为1.155%。准格尔矿区水体范围比例高于神东矿区的主要原因在于该研究区范围内包含部分黄河干流，研究时段（2017年5月）属于丰水期；神东矿区虽然面积较大，但是水体零星分布，乌兰木伦河水流量较小。

图2 矿区4类污染水体分布面积统计Fig.2 Area statistics of four kinds of polluted water

3.2 水体污染分布特征分析

3.2.1 水体空间分布特征

采用ZY⁃3数据作为影像底图，叠加Sentienl⁃2A提取的水体污染结果，得到典型水体污染特征分布见图3。矿区内部地表水体由于靠近污染源头且水体流动性差，多数水体为重度污染，部分水体在ZY⁃3真彩色影像上呈现深黑色调。准格尔矿区北部准格尔旗中的河流水体以轻度污染为主，表明煤矿开采对周边居民地水系有一定影响。准格尔核心采煤区西15 km处沟壑间水系主要为重度污染水体，该区域远离煤矿区且地势略高于煤矿开采面。

以上结果表明，煤矿开采过程因其爆破、运输、装卸等生产工艺而产生大量粉尘，且粉尘在受到各种因素影响后会产生不同程度的运移扩散［30］，而后由于雨水的冲刷淋滤作用，煤尘颗粒物汇聚于地表水体中，从而造成水体污染，水体流动性差、水循环慢的地点煤尘水体污染情况更严重。如沟壑水系多为死水，仅靠降水补给，煤尘颗粒会在此类水体中高度聚集，形成重度污染水体。

结合3.1节内容可知，无论井工开采还是露天开采，均会造成矿区周边地表水体污染。因此2种煤矿开采方式都需要重视煤炭粉尘治理，防止粉尘扩散造成二次污染。

3.2.2 黄河干流水体污染情况

在准格尔矿区内，有70～80个煤矿紧邻黄河干流分布。从图4可知，准格尔矿区上游的黄河干流水体主要为优质水体，表明受煤矿开采活动影响很小；进入研究区后，黄河干流轻度污染和重度污染水体交替出现，且多数重度污染水体出现的流域河道两侧附近都存在煤矿开采面。矿区下游的黄河干流以轻度污染为主，这是因为上游污染物质随水流发生扩散运移。

黄河干流水流量大、更新快，若是以风和雨水搬运作用为主的煤尘作为单一污染源，不容易造成水体高度污染。但是我国目前广泛采用湿法选煤工艺进行选煤处理，其过程会产生大量废水，废水中含有大量以煤泥颗粒为主的固体悬浮物［31］。因落后的洗煤工艺、技术和成本控制等问题，不排除个别企业将未达标废水外排。

以上结果表明，黄河干流煤尘污染水体与煤矿开采活动的空间位置具有高度相关性，煤矿开采活动造成了黄河干流水体污染；此外，黄河干流污染水体会向下游扩散，致使污染面积和影响范围扩大，从而造成区域水资源破坏。

4 结论

利用时相为2017年5月24日的Sentinel⁃2A和2017年5月26日的ZY⁃3数据卫星数据，对神东和准格尔2个西部典型煤矿区煤尘水体污染情况进行了提取分类和统计分析，得到以下结论：

（1）不论是以井工开采为代表的神东矿区还是以露天开采为代表的准格尔矿区，由煤矿开采活动造成的地表水污染均十分严重，其中神东矿区地表水体占矿区总面积比例为0.203%，其中重度污染水体比例为64.79%，轻度污染水体比例为21.65%，污染水体总比例为86.44%；准格尔矿区地表水体占矿区总面积比例为1.155%，重度污染水体比例为35.28%，轻度污染水体比例为39.54%，污染水体总比例为74.82%。神东矿区地表水资源少，污染更严重，主要原因为该地区水体流动性差。

图3 典型水体污染情况提取结果Fig.3 Typical polluted water in coal mining areas

图4 准格尔矿区黄河干流水体污染情况分布图Fig.4 Distribution of polluted water in the Yellow River nearby Zhungeer coal mining areas

（2）造成水体污染的主要因素在于煤尘颗粒和洗煤废水。煤炭粉尘易随风扩散，后因雨水冲刷淋滤作用汇聚于地表水体，造成水体污染。准格尔矿区大量煤矿开采活动紧邻黄河干流分布，造成了黄河干流水体污染。西部煤矿区不仅要重视如洗煤废水、煤矸石长期堆积产生的淋溶液和建筑废水等常规污染源，也应长期开展煤尘综合防护治理，重视煤尘导致的地表水体污染。

（3）笔者采用高空间分辨率数据目视解译与SWIR经验模型相结合的方法提取煤尘污染水体分布范围，该方法优于传统目视解译，其人为干预少、理论依据明确、可快速开展评价、能在宏观层面为矿区管理者提供指导依据，适合在煤矿区开展长期动态监测。

由于时间和经费原因，该研究缺少实地采样化验数据。在后续工作中，将增加实地采样化验和定量反演工作，对方法技术流程进行进一步优化。