基于HJ-1高光谱的曹家坝矿山水环境识别与监测

郭秋,刘贺春

基于HJ-1高光谱的曹家坝矿山水环境识别与监测

郭秋1,刘贺春2

1. 晋中职业技术学院, 山西 晋中 030600 2. 中国化学工程第十三建设有限公司, 河北 沧州 061000

矿山资源开发过程中存在较为严重的水环境问题，但常规的地面调查方法在时效性和广度上存在局限。为解决这一问题，本文基于我国自主发射的环境一号卫星（HJ-1），获取了曹家坝矿山宽幅30 km范围内的高光谱遥感数据，通过数据读取、辐射定标、气候校正和尺寸配准的方式控制图元误差为0.5 mm，平均精度达到0.42，有效避免重影和错位问题。同时，基于水体光谱特征和颜色作为水环境水质监测的标志物，通过波段运算和灰度法分别对植被和水体遥感图像解译，精确反映了矿区水环境高光谱遥感结果，有效提高了矿区水环境监测时效性和广度。

高光谱遥感; 矿山; 水环境监测

我国在资源开采过程中造成了较为严重的地质环境问题，涉及和影响的范围均较为严重，需要引起重视[1-3]。目前对于矿山地质环境的调查大多采用地面实地调查和分析，或者通过生物技术指标检测，这类工作方法工作任务繁重，大规模应用和推广在时间和成本上存在制约，并且难以满足矿山地质环境应急处理的要求[4,5]。

近年来国内外开始重视遥感技术与地质环境调查相结合的技术路线[6,7]。凌炳[8]利用GIS对南昌市的矿产资源环境影响进行评价和区划，获得了较好了应用。周丽君[9]将无线传感器和矿山环境网络结合，实现了矿山环境网络监测的时效性。李万伦[2]对高光谱遥感数据在矿山环境中的应用和进展进行了系统分析。通过卫星获取高光谱遥感数据的应用[10-12]，将地物精细识别将地质环境详细调查与监测结合起来，提高了调查速度，监测效率，扩大了调查范围，实时展现了地质环境演变特征。

本文主要选取水体波普特征为技术方法，利用我国自主研发的HJ-1高光谱遥感数据对曹家坝矿山水体环境遥感信息进行提取并进行精度评价，利用高光谱分辨率遥感数据对研究区水体特征进行了分析与区划，对地质环境水体进行识别，预测发展研究趋势，为区域地质环境规划和治理提供科学依据。

1 研究区概况

1.1 地质环境

研究区位于槟榔江右岸一级支流上游河段，地势北高南低，东高西低，从地貌上可以分为四个地貌成因类型：侵蚀构造地形包括中切割陡坡地形、浅切割中低山缓坡地形，堆积地貌包括阶地和洪积扇地貌。

研究区出露地层较为单一，以下变质岩为主，岩性较为杂乱。其次为上古生界：志留系页岩、泥质条带灰岩；泥盆系花岗砾岩、砂岩、粘土岩和第四系松散堆积物；此外由于区内构造复杂，存在岩浆活动痕迹，在燕山期侵入较多花岗岩，约占研究区面积的20%。

研究区位于槟榔江南北向构造带内的关上-新城南北向构造亚带上。测区西面与弧形构造带呈斜接复合，东面与南门与梁河弧形构造带呈反接关系，测区构造较为复杂，断裂较发育，总体表现为三个方面：首先，构造带由一系列南北向或者近南北展布的压性断裂和压扭性断裂、褶皱组成。其次，构造带具有长期，持续性分布的特点，南北向构造带几乎全部的构造行迹均受到不同程度的干扰和影响。第三，槟榔江变质带东西特征大致相同，组成了近南北向的构造行迹，组成槟榔江复试向斜的两翼经过了多次变质作用、动力变质作用和混合岩化。

1.2 矿山开发环境

研究区主要矿山开采类型为地下与地面联合开采，典型代表为铜矿，矿山从上个世纪60年代开发，70年代投产，铜矿开采活动经历了约30年，开采过程中排放了大量的废水和废渣，对当地自然环境尤其是水环境造成较为严重的破坏[13]。

矿区地质环境单一，多水洗分布，人类工程活动复杂，矿山地质环境对安全生产和生活造成了较大隐患。矿山边坡稳定性问题，高边坡岩体卸荷，滑坡，地面沉降，地下水位下降及水体污染等。目前，长期的地下铜矿开采出现了较多采空区，造成的生态环境破坏问题主要有水土流失、水污染和地表塌陷。尤其在金属冶炼过程中的废水对地表和地下水体的污染最为严重，水体酸碱度达到一定浓度时，引起植物酸碱和重金属污染。因此对于矿山水环境监测和调查研究，防止水环境地质灾害具有重要意义。

2 水体波普特征与分析

高光谱遥感技术观测地表环境首先是由美国于上个世纪八十年代所提出并加以运用的一种卫星观测手段[14]。高光谱遥感可以通过短红外波接收地物光谱的特有曲线精确分辨地物种类，并且可以实现定量分析，能够实现快速、大面积观测地表物质组成。

本文采用的试验数据来源于中国环境1号卫星（HJ-1）的遥感数据，结合矿区水体环境，在采集样品数据的基础上，针对遥感数据进行气候校正、噪声识别、尺寸配准等预处理后提高数据质量。

用于地质环境监测和预报的小型卫星（HJ-1星），该卫星拥有两种监测仪器，分别为CCD相机和超光谱成像仪（HSI）[15]。其中CCD相机的分辨率可以达到30 m，能够完成点对称放置观测；HIS光谱成像仪能够完成地面图像分辨率为50 m，100个光谱频率的扫描成像，光谱观测范围在0.4~0.9 µm之间[16]。该卫星成像的技术参数见表1。

表 1 HJ-1卫星观测技术参数

获取的数据通过数据读取、辐射定标、气候校正、和尺寸配准后将得到较为精确的数据源。具体操作方法如下：

（1）数据读取通过ENVI软件读取高光谱数据，该数据主要包含图元数据、坐标信息和图像属性。选择该数据集利用convert工具转换为可以读取的GIS格式。

（2）辐射定标经过转换的高光谱数据已经经过了初步的定标，在进行大气校正过程中，本文加上的定标单位为100 mm，辐射率数据缩放值为1000倍。

（3）气候校正气候校正主要为了消除光谱信号在收集过程中受到气候影响，更加真实的反应地物数据的真实性。气候影响包括水气、二氧化碳和固体悬浮颗粒等对地物反射谱的干扰，通过气候校正，消除大气中这些水气分子和气溶胶的散射。

利用水气消除模型，所采用的数据为15 nm分辨率，覆盖的波谱范围为870~1050 nm，HIS高光谱仪具备高精度探测能力（5 nm），能够该波谱范围内获取丰富的地物信息，通过滤波、相位校正，辐射修正和光谱反演获得每个图元的高光谱图，在水气去除过程中的吸收性波普为800 nm。

光谱数据所在地区以山地和丘陵为主，在气溶胶消除模型中选择rural模式，根据短红外波特征，选择天气良好的时间段数据，确定能见度值为轻度起雾级别的10。

图 1 校正前后水气模型波谱曲线

图 2 校正前后气溶胶波谱曲线

（4）尺寸配准由于在校正过程中不同光谱叠加可能导致图像存在畸变和错位问题，因此需要对图幅尺寸进行配准，这是高精遥感数据在融合和量化分析前十分重要的数据处理过程。本文将CCD相机所获取的图像文件与高光谱仪获取的光谱图元文件进行融合和校准，融合精度设定不超过一个图像单元，为了进一步提高精确度，控制图元误差为0.5，平均精度0.42，可以有效避免重影和错位问题。基于该空间区域配准方法所获取河流错位现象得到明显改善，总体精度和效果基本能够满足遥感监测需求，如图3所示。

图 3 尺寸配准前后图像对比

3 矿区水环境遥感监测与评价

为了实现矿山水环境监测，本文选取植被和水体两个重要方面进行遥感监测。植被在地理环境中具有重要作用，分布广泛且受环境影响较大，当受到污染物侵害后，植被内部结构包括叶绿素、水分、纹理和分布等均有不同程度的改变，其在遥感卫星监测下反射光谱将会发生变化，污染越明显，光谱响应越大。为了获取更高的监测精度，本文采用自然真彩色和虚拟真彩色合成的办法处理光谱图像，自然真彩色图像上的地物目标颜色与实际物体的颜色相近或者一致，主要方法是利用反色光线中的红绿蓝三种颜色进行合成[17]；虚拟真彩色与之相反，通过反应谱光线的特征来反演地物的颜色。基于波段运算对植被图像进行解译，利用灰度方法对水质图像进行解译。

3.1 波段运算的植被图像解译

波段运算方法的实现可以通过空域法和频域法[18]，本文采用空域法进行图像增强，利用图像中的像素点，采用波段运算方法对像素点反复进行空域变换增强，通过不同区域的相同目标的算术运算，获得增强的图像内容，用于抵消或者减弱噪声。

式中：B为增强后的光谱，B为绿色光谱，B为近红外光谱，为加权平均值，取值0~1。为了更加真实的翻译植被的颜色，本节对植被进行了区分计算，分为三个加强区间，对每个区间的近红外波和绿波进行加权运算得到如下效果：

(a) 自然真色彩原始影像 (b) 一级加强图像 (c) 二级加强图像 (d) 三级加强图像

3.2 基于灰度法的水体图像解译

研究区属于水体较为发育的矿山开采区，对重要水体的分布和受影响程度信息的图像处理是水环境监测的重要部分。水体的遥感监测通过水质所反射的光谱特征作为研究基础，清洁水体具有良好的吸收光的能力，反色光谱较弱，强散射光谱分布在频谱较短部分，光谱影像上表现为暗色，红外光谱中更为突出。因此，可以基于水体光谱特征和颜色作为水环境水质监测的标志物进行研究。

式中：B表示绿色光谱波段；B表示近红外波段，水体的反射率从可见光谱到红外光谱逐渐降低，直到消失。

图 5 基于灰度法分割的水体分级与提取

图 6 矿区水体高光谱遥感监测结果

3.3 水体遥感监测评价

水体在受到污染和泥沙影响时，反射光谱存在不同程度的变化，水体反射率随之增大，在高光谱影响中出现变化，造成光谱异常。根据典型地物光谱为标准值，通过对比分析研究区的地物光谱影响，就可以提取出研究范围内的水体异常区域，结合野外现场调查和水体采样的分析，得出研究区的水体监测结果见图6。

根据遥感监测图，可以清晰反映研究区水体污染情况，红色代表污染水体，绿色代表水质良好的水体，颜色逐渐加深代表水体污染程度越重。

现场调查发现湖北部存在湖岸到湖中水体污染程度逐级降低的趋势。其中大冶湖公园受污染程度和范围最重，通过现场调查得知存在两方面原因：首先，大冶湖紧邻余修齐公园，是人类活动较为繁华的地段，生活污水排放量大，因此影响到大冶湖的水质情况。其次，大冶湖东北部位开采铜矿遗址，南侧存在一个废弃的尾矿山，实地调查发现矿山废水在雨水径流作用下逐渐渗透到大冶湖中，造成湖岸边受污染严重，在遥感监测图上表现为深红色的部分。

4 小结

传统矿山水环境调查方式在调查范围和时效性上存在局限，为解决这一问题，本文利用HJ-1卫星获取了曹家坝矿山高光谱遥感数据，基于水环境水体的多样性问题，基于多元数据融合对水体光谱特性进行了解译和提取，从而实现了高光谱水体遥感的精确识别，获得如下结论：

（1）基于HJ-1高光谱遥感数据，通过波段加权运算能够对植被信息实现了解译和加强，能够解决植被和水体在光谱图像中的模糊边界，提高了植被水体的区分精度。

（2）由于污染程度和浑浊程度的不同，水体在光谱数据中会呈现不同的光谱反射能力，受污染程度越大，光谱色调越暗。采用灰度法能够对水体受污染程度进行精确分级。

（3）根据曹家坝矿区高光谱遥感数据分区解析，发现湖北部存在湖岸到湖中水体污染程度逐级降低的趋势。其中大冶湖公园受污染程度和范围最重。

（4）虽然通过结合HJ-1高光谱数据进行融合计算，提高了水体的识别精度，但是计算方法仍然较为单一，建议进一步研究融合算法的改进程序，例如引入中远红外波段光谱的融合。

[1] 王文华,赵晨,赵俊霞,等.包头某稀土尾矿库周边土壤重金属污染特征与生态风险评价[J].金属矿山,2017(7):168-172

[2] 李万伦,甘甫平.矿山环境高光谱遥感监测研究进展[J].国土资源遥感,2016,28(2):1-7

[3] 李青,周连碧,祝怡斌.金属矿山尾矿库区土壤与水环评重点探析[J].环境影响评价,2015,37(1):15-18

[4] 王益伟,罗周全,杨彪,等.大水矿山开采水环境系统失效致灾机理[J].中南大学学报(自然科学版),2016,47(3):1002-1010

[5] 温冰.湖南锡矿山水环境中锑来源及迁移转化的多元同位素解析[D].北京:中国地质大学,2017

[6] Wand PJ, LIU SH, ZHU Qj,. The study of method in monitoring mineral environment with remote sensing technology[C]. IEEE: Geoscience and Remote Sensing Symposium, 2004

[7] Wang PJ, Liu SH, Zhao X,. The study on the method of monitoring and analyzing mineral environment with remote sensing images[C]. IEEE: Geoscience and Remote Sensing Symposium, 2003

[8] 凌炳.基于GIS的南昌市矿产资源规划环境影响评价[D].南京:南京大学,2018

[9] 周丽军.无线传感器网络在矿山环境监测中的应用[D].合肥:安徽理工大学,2016

[10] 叶娇珑,胡祎,彭玛丽.基于高光谱遥感技术的矿山植被污染信息提取[C].成都:资源环境与地学空间信息技术新 进展学术讨论会,2016

[11] 张志斌.高光谱遥感对矿山开发环境效应监测技术研究[D].北京:中国地质大学,2013

[12] 李志忠,杨日红,党福星,等.高光谱遥感卫星技术及其地质应用[J].地质通报,2009,28(Z1):270-277

[13] 唐荣彬,付梅臣,陈勇.控制采矿干扰扩散的生态关键地段识别研究——以大冶市为例[J].金属矿山,2018(03):161-167

[14] 宋婷婷.土壤重金属含量反演与矿区环境遥感监测与评价研究[D].北京:北京化工大学,2017

[15] 涂兵,张晓飞,张国云,等.递归滤波与KNN的高光谱遥感图像分类方法[J].国土资源遥感,2019(1):22-32

[16] 李萍,关桂霞,吴太夏,等.基于Cholesky分解的高光谱实时异常探测的GPU优化[J].传感器与微系统,2019,38(3):7-10

[17] 郑辉.高光谱遥感在煤矿区的应用探讨[J].山东国土资源,2008(6):59-62

[18] 刘德长,童勤龙,李志忠,等.航空高光谱遥感油气探测技术研究及应用效果[J].地质学报,2019,93(1):272-284

Identification and Monitoring for Water Environment in Caojiaba Mine Based on HJ-1 Hyper-spectrum

GUO Qiu1, LIU He-chun2

1.030600,2.061000,

There are serious water environment problems in the process of mining resource development, but the conventional ground investigation methods are limited in timeliness and breadth. To solve this problem, based on the environment of our country's independent launch a satellite (HJ - 1), obtained the Cao Guba mine 30 km wide range of hyperspectral remote sensing data, the data read, radiation calibration, climate correction and the way of registration to the size of the control chart yuan error is 0.5 mm, the average accuracy of 0.42, effectively avoid ghosting and mismatch. At the same time, based on the spectral characteristics and colors of water as the markers of water quality monitoring, vegetation and water remote sensing images were respectively translated by band calculation and gray scale method, which accurately reflected the hyperspectral remote sensing results of mining water environment and effectively improved the timeliness and breadth of mining water environmental monitoring.

Hyperspectral remote sensing; mine; water environment monitoring

TD167

A

1000-2324(2020)03-0447-05

10.3969/j.issn.1000-2324.2020.03.011

2019-02-04

2019-03-21

郭秋(1980-),女,工程硕士,副教授,研究方向:3S技术应用与研究. E-mail:15103461289@126.com