黄河口受石油烃渗漏影响植被的高光谱检测方法研究*1

任广波，张 杰，吴培强，马 毅

(国家海洋局 第一海洋研究所，山东 青岛 266061)

黄河口受石油烃渗漏影响植被的高光谱检测方法研究*1

任广波，张 杰，吴培强，马 毅

(国家海洋局 第一海洋研究所，山东 青岛 266061)

以黄河口为研究区，应用现场和HJ-1高光谱遥感数据，开展了植被受石油烃渗漏影响的高光谱检测方法研究。选择了常用于判别植被受石油烃渗漏污染的红边蓝移指数REP_blue、土壤含氧量相关指数CTR和叶绿素敏感指数CHL，通过分析研究区主要植被芦苇和柽柳地物光谱和HJ-1高光谱影像中同位置像元光谱，对3种指数在研究区的有效性进行了评价。基于在图像像元光谱检测中表现较好的指数，提出了一种针对HJ-1高光谱遥感影像的受石油烃渗漏影响植被检测方法。结果表明，3种指数对于油井旁植被现场光谱的检出效果均好于图像光谱，同时，相比于其它两种指数，CHL指数的检出效果较差；应用发展的受石油烃渗漏污染影响植被检测指数，对覆盖研究区的HJ-1高光谱遥感影像进行了检测，发现检测结果中71.1%的位置附近存在油井，说明该方法具有一定的检测能力。

石油烃渗漏；湿地高光谱遥感；黄河口湿地

石油烃渗漏会影响植被的生存环境，进而改变植被的理化性质，该改变能够在其可见光和近红外光谱上表现出来。Everett等[1]多年的研究和实践证明，世界上85%的油田都存在油烃渗漏现象，一般情况下以渗漏的方式随地表水转移至地面表层的石油烃为轻质油烃[2-4]，且以甲烷、乙烷和二氧化碳居多[5-6]。

石油烃气体在土壤表层中的聚集能够降低氧气的浓度[7]。Noomen 等[8]认为缺氧的环境[9-10]容易造成土壤pH值、营养物质和菌群发生改变[11-12]，这种改变将引起植被光谱发生变化。以上环境的变化将直接导致叶绿素光合作用功能降低，进而引起叶绿素红光吸收能力下降、红边蓝移和近红外反射效应减弱[13]。

尽管已有研究通过实验证明了植被的光谱反射率特征可在一定程度上反映植被受石油烃影响的情况[8,14-15]，但Noomen等[8]认为目前还没有一种光谱特征指数可明确表达这一关系。已有的一些工作虽然建立了光谱特征和简单光谱指数与石油烃含量的关系[14-15]，但其相关性较差。本文拟应用测量自油井旁和远离油井区域芦苇和柽柳的现场光谱和取自高光谱遥感图像同位置像元的光谱，对红边蓝移指数REP_blue、土壤含氧量相关指数CTR和叶绿素敏感指数CHL三种常用的石油烃渗漏植被响应指数在研究区的有效性进行检验；并利用检验结果，发展一种综合判定指数，开展HJ-1卫星高光谱遥感影像石油烃渗漏区域检测技术研究。

1 研究区概况

研究区域(图1)位于黄河三角洲国家级自然保护区内。该保护区是被国际湿地公约组织确定的国际重要湿地，是以保护新生湿地生态系统和珍稀濒危鸟类为主的滨海湿地自然保护区；同时，研究区还是我国第二大油田——胜利油田新滩采油区的主产区。所以，研究区自然资源保护与石油开发的矛盾突出，且鸟类生境受石油开发污染的影响越来越大。

图1 研究区域及现场数据站位图Fig.1 Locations of the study area and the field work stations

2 数据和方法

2.1 现场光谱数据

芦苇和柽柳是黄河三角洲的主要植被类型，分布最为广泛，将其作为植被代表开展石油烃污染高光谱检测方法研究符合该区域的特点。

2013-05-10-20，在研究区内实地测量了芦苇和柽柳的地物光谱。测量仪器为ISI-921VF型地物光谱仪，其光谱范围382～1 085 nm，光谱分辨率2.9 nm。为保证现场测量光谱的质量和与遥感影像获取时刻的匹配关系，测量时间均选择10:30—15:30，且确保光谱测量过程不受云雾影响。经质量控制，从该次测量的数据中遴选出24组光谱数据进行光谱分析，每组10条共240条光谱曲线，其中芦苇15组，柽柳9组，站位分布见图1。受石油烃污染的植被光谱样本采自距离正在生产的油井10 m以内的区域，且站点附近的裸露地表有明显的油污，站位编号以字母“Z”开头，这类样本中芦苇和柽柳分别有5组和3组；未受石油烃污染植被光谱均测量自远离油田作业区的湿地或潮滩区域，分别以C,D,J和Q字母开头，代表4条不同的测量断面，这类样本中芦苇和柽柳分别有10组和6组。

现场光谱测量位置在芦苇和柽柳大片均匀分布的区域，以保证与同位置的空间分辨率较低的图像像元光谱相比较时，有可比性。

2.2 遥感影像数据

HJ-1A(环境一号小卫星A星)高光谱遥感影像是具有精细光谱分辨率的卫星高光谱影像，光谱范围459～956 nm，共有115个波段，由于采用的是法布里-珀罗干涉成像原理，故每个波段的宽度均不一致，最宽的近红外波段宽度小于9 nm。

HJ-1A高光谱影像拍摄时间为2013-06-01T11∶07∶23(北京时间)，在日期上与现场光谱采集日期相近，以保证在植被的同一个生长阶段内现场光谱与遥感图像光谱具有可比性。采用ENVI软件FLAASH模块对影像进行大气校正，校正后的影像像元值由数字值DN(Digital Number)转换为反射率。以2013-07-15T10∶54∶33(北京时间)成像的Landsat 8 OLI图像为参考，对HJ-1高光谱影像进行了几何校正，校正误差小于0.5个像元。

应用2012-05-13T11∶02∶41(北京时间)获取的空间分辨率2.1 m的资源三号卫星影像对应用本文方法提取的油井位置进行验证。

采集现场光谱测量位置处每个波段的像元值，作为该像元所代表地物类型的光谱。与现场光谱所属植被类型相对应，去除受云雾影响的像元，分别有8组芦苇光谱和4组柽柳光谱。

2.3 石油烃渗漏遥感检测方法

2.3.1 红边蓝移指数：REP_blue

Noomen等[13]发现，当土壤中石油烃气体如甲烷、二氧化碳等含量达到一定量时，容易导致植被光谱红边的蓝移。根据Yang等[14]的经验，红边移动范围一般在10 nm以内，红边蓝移指数定义为

(1)

式中，红边位置REP指反射率光谱曲线取一阶导数时红到近红外波段出现最大值，即反射率光谱斜率最大位置处的光谱波长;N根据红边波段实际位置确定。

2.3.2 土壤含氧量相关指数：CTR

Carter[16]研究了小麦和玉米光谱反射率与所生长土壤含氧量的关系，发现695 nm和760 nm处的光谱比值与土壤含氧量有较高的相关性。Schumacher[7]指出受石油烃渗漏污染的土壤中氧气浓度会减少。

(2)

式中，R695和R760分别为695 nm和760 nm波长处的遥感反射率；K0为根据实际情况确定的阈值，K0越大，表明土壤含氧量越低，受石油烃渗漏影响的可能性越大。

2.3.3 叶绿素敏感指数：CHL

叶绿素含量的降低可导致植物叶片对红光吸收能力的减弱和对近红外反射能力的下降，表现为红光反射率的升高和近红外反射率的降低[13]。

(3)

式中，Rred和Rnir分别为红光和近红外波长处的遥感反射率；K1和K2分别为像元在红光和近红外处的反射率值。

2.4 HJ-1高光谱影像石油烃渗漏综合判定指数：HIDI

根据上述3种石油烃渗漏检测指数，在有效验证的基础上，提出基于高光谱遥感影像的石油烃渗漏综合检测指数HIDI(Hydrocarbon seepage Integrated Detect Index)为

HIDI=REP_blue*CTR*CHL

(4)

式中，若像元光谱同时满足REP_blue，CTR和CHL三个条件，HIDI的值为1，判定为受石油烃污染像元；否则，判定为未受污染像元。遥感监测流程见图2。监测流程中加入归一化差值植被指数NDVI(Normalized Difference Vegetation Index),目的是去除植被以外的地物类型的影响。

3 结果与分析

3.1 石油烃渗漏响应指数有效性检验

基于现场实测地物光谱和现场光谱测量位置的HJ-1高光谱遥感影像像元光谱，对所选择的3种判别指数的有效性进行检验。

3.1.1 红边蓝移指数检验

采用的红边概念为红光和近红外之间反射率上升过程中斜率最大处所对应的波长。对芦苇和柽柳的近红外光谱红边位置的计算结果如图3所示。

图3 芦苇和柽柳现场测量光谱的红边位置Fig.3 The red edge position of the field spectra of Reed and Tamarix

由图3可知，采自油井附近的现场光谱，除Z1外其红边位置均小于714 nm(图3a和b)。根据红边蓝移指数定义，N应取值为714 nm，Z1红边位置为715.3 nm，可能由于光谱仪的光谱分辨率较低(约3 nm)所致。另外，柽柳的现场光谱红边位置所对应的波长比芦苇短。

不论芦苇还是柽柳，取自遥感图像的像元光谱同样得到了红边蓝移的结果，见图3c和d的“Z”开头样本。相比现场光谱，其蓝移的幅度较大，原因是在该光谱位置HJ-1高光谱的波段宽度已经超过了5 nm，导致了波段中心波长之间的范围增大。对于来自遥感影像的像元光谱，其红边蓝移指数阈值N应取值为725 nm。

综上分析可知，现场光谱和图像光谱都反映出红边蓝移指数在研究区是有效的，但由于波段宽度和中心波长位置的不同，二者的红边蓝移指数阈值N取值有所不同。

3.1.2 土壤含氧量相关指数检验

因所使用的地物光谱仪无中心波长为695 nm和760 nm的波段，故选择中心波长分别为695.59 nm和759.54 nm的两波段代替计算CTR值。高光谱数据在相邻波段都具有较高的相关性，故认为选择上述两个波段作为替代波段可以保证精度。采集的芦苇和柽柳植被光谱样本的CTR曲线见图4。

对于芦苇和柽柳的现场光谱，油井附近除Z3外植被样本的CTR指数都高于其它区域样本。由图4a可知，Z3处的CTR值偏低，可能是由Z3点处于地势较低洼的陆基旁排水区域，其土壤中的含氧量较不稳定所致。同时，除D9-2站点之外，柽柳的CTR值都高于芦苇(图4a，b)，因为柽柳多生长在土壤盐碱化较为严重的土壤中，而土壤的含盐量增高会显著降低土壤含氧量。应用现场光谱时，芦苇和柽柳的CTR指数K0应分别取值0.47和0.65较为合适。

对于芦苇的遥感图像光谱，除Q6外的油井旁芦苇的CTR指数高于其它区域的结果(图4c，d)，原因是Q6点位于潮滩上，受潮水影响盐碱化程度较高，造成土壤含氧量较低。而对于柽柳的图像光谱，潮滩上Q2和Q4点位的土壤盐度要高于油井旁的Z5和Z7点。

图4 芦苇和柽柳现场测量光谱的CTR值Fig.4 CTR values of the field spectra of Reed and Tamarix

3.1.3 叶绿素敏感指数检验

植被受到石油烃渗漏污染而发生叶绿素含量的减少，容易导致红光波段吸收和近红外波段反射率的下降。对于所采集到的植被光谱样本，其反射率曲线如图5所示。

图5 芦苇和柽柳的反射率光谱Fig.5 Reflectance spectra of Reed and Tamarix

由图5a和b可知，在红光波段(662 nm)，大部分油井旁的样本光谱曲线都表现出了较高的反射率(深色线条)，但在近红外波段，并非都具有较低的反射率。故石油烃渗漏污染遥感检测综合指数中，对于叶绿素敏感指数，可只考虑红光的高反射率。

对于图像像元光谱(图5c,d)，发现在660 nm附近的红光波段，处于油井旁的芦苇和柽柳均表现出了较其它站位处光谱高的反射率；在所选择的站位中，柽柳近红外波段的光谱反射率也高于其它非油井旁站位，而芦苇则未表现出该特点。

相比两种光谱数据的反射率光谱，图像光谱中近红外和红光反射率之间的差别不明显，但可见光位置的反射率比现场光谱的高。另外，图像像元光谱极不平滑，这是由传感器相对于每一个波段的信噪比和增益等指标差别较大造成的。

3.2 石油烃渗漏区高光谱遥感图像检测

根据3种指数在HJ-1高光谱遥感图像中的有效性检验结果，确定了综合判断指数中各参量的取值，见表1。由此得到了应用该图像的石油烃渗漏区域遥感检测结果，见图6。

表1 植被受石油烃污染遥感影像检测指数参数取值Table 1 Parameter value selections of the detection indices for the remote sensing image of the vegetation polluted by petroleum hydrocarbon seepage

图6a为HJ-1高光谱数据的原始假彩色图像(R: 759 nm;G: 652 nm;B: 571 nm)，由于该图像波段宽度较窄，导致单波段接收能量有限，信噪比较低，且有较为明显的条带噪声。另外，由于该影像空间分辨率为100 m，而该区域地物景观尺度较小，故光谱混合较为严重。

图6b中的红色点为应用表1中的综合判定指数取值获得的最终结果，即影像中受石油烃污染的植被像元。黄色图框区域的检测点为经过现场调查工作验证的真实油井存在的位置，所使用的验证数据包括2013年现场采集的油井坐标和资源三号遥感影像中识别出的油井位置。图中，大部分的检测结果点集中出现在两个区域：其一，胜利油田的孤东采油区，该部分点约占所有检测结果点数量的43.2%，该区域中油井林立，相当一部分油井相互之间的距离不足百米；其二，黄河入海口附近的海岸，该部分约占总检测点数量的39.3%，且其中约有占总检测点数16.7%的检测像元有油井的存在，其它站位区尚未发现油井存在。剩余17.5%的检测点位中，有占总检测数11.2%的检测像元存在油井。综上，在所检测出的受石油烃污染植被像元中，有大约71.1%的检测像元处明确有油井存在，而剩余的28.9%的检测像元处未发现油井，可能为潜在油藏区，也可能为方法引入误差而导致的判别错误。

4 结 语

利用基于遥感的植被石油烃渗漏污染检测中常用的3种检测指数，以黄河口为研究区，分别开展了针对现场测量光谱和HJ-1高光谱影像的石油烃渗漏污染检测方法研究。经过研究发现：

对于现场光谱：1)油井附近的芦苇和柽柳都检测到了最大近6 nm的红边蓝移，但发生蓝移的位置有所不同。2)油井附近两种植被的CTR指数都是相同植被类型中最高的，即土壤含氧量低，且芦苇生长区域土壤含氧量高于柽柳生长区域。3)两种植被的CHL指数的响应效果较差，初步判断是由不一致的生长环境导致的。

对于遥感影像像元光谱：1)油井附近的芦苇和柽柳都检测到了红边蓝移的结果，但相比于现场光谱蓝移幅度增大。2)CTR指数对芦苇的检测度较好，但对柽柳却无法检测。3)处于油井旁的芦苇和柽柳在660 nm附近的红光波段均表现出了较其它站位更高的反射率，检出效果较好，但近红外波段的检出效果较差。

基于发展的植被石油烃渗漏污染遥感综合判定指数，HJ-1高光谱遥感影像较为有效地完成了对研究区油井区域的检测，准确率为71.1%。而对于其他检测出的受石油烃污染影响区域，因缺少遥感影像拍摄时刻的土壤分析数据，无法判定其是否真的受到污染。

[1]EVERETT J R,JENGO C,STASKOWSKI R.Remote sensing and GIS enable future exploration success [J].World Oil,2002,223(11): 59-65.

[2]SCHUMACHER D D.Surface geochemical exploration for oil and gas: new life for an old techno-logy [J].The Leading Edge,2000,19(3): 258-261.

[3]ABRAMS M A.Distribution of subsurface hydrocarbon seepage in near-surface marine sediments [C]∥SCHUMACHER D,ABRAMS M A.Hydrocarbon migration and its near-surface expression: AAPG Memoir 66。 Washington D C: AAPG/Datapages,1996: 1-14.

[4]HORVITZ L.Vegetation and geochemical prospecting for petroleum [J].AAPG Bulletin,1972,56(5): 25-40.

[5]HOEKS J.Changes in composition of soil air near leaks in natural gas mains [J].Soil Science,1972,113(1): 46-54.

[6]OLAH G A,MOLNAR A.Hydrocarbon chemistry [M].New York: John Wiley &Sons Inc,2003.

[7]SCHUMACHER D.Hydrocarbon-induced alteration of soils and sediments [D].USA: AAPG Memoir.1996.

[8]NOOMEN M F,VAN DER WERFF H,VAN DER MEER F D.Spectral and spatial indicators of botanical changes caused by long-term hydrocarbon seepage [J].Ecological Informatics,2012,8: 55-64.

[9]KRAMER P J,JACKSON W T.Causes of injury to flooded tobacco plants [J].Plant Physiology,1954,29(3): 241-245.

[10]LETEY J,STOLZY L,BLANK G.Effect of duration and timing of low soil oxygen content on shoot and root growth [J].Agronomy Journal,1962,54(1): 34-47.

[11]ADAMS R S,ELLIS R.Some physical and chemical changes in the soil brought about by saturation with natural gas [J].Soil Science Society of America Journal,1960,24(1): 41-44.

[12]MARSCHNER H,RIMMINGTON G.Mineral nutrition of higher plants [J].Plant,Cell and Environment,1988,11(2):147-148.

[13]NOOMEN M,SKIDMORE A,VAN DER MEER F D.Detecting the influence of gas seepage on vegetation,using hyperspectral remote sensing[C]∥HABERMEYER M.Proceedings of the Third EARSeL Workshop on Imaging Spectroscopy.Herrsching: EARSeL,2003: 13-16.

[14]YANG H,ZHANG J,VAN DER MEER F D,et al.Spectral characteristics of wheat associated with hydrocarbon microseepages [J].International Journal of Remote Sensing,1999,20(4): 807-813.

[15]樊彦国,张磊.孤东油田土壤石油类含量的高光谱反演模型[J].遥感学报,2012,16(2): 8-13.

[16]CARTER G A,MILLER R L.Early detection of plant stress by digital imaging within narrow stress-sensitive wavebands [J].Remote Sensing of Environment,1994,50(3): 295-302.

HyperspectralDetectionMethodforVegetationAffectedbyPetroleumHydrocarbonSeepageintheWetlandoftheHuangheEstuary

RENGuang-bo,ZHANGJie,WUPei-qiang,MAYi

(TheFirstInstituteofOceanography,SOA,Qingdao 266061,China)

Taking the wetland of the Huanghe Estuary as the study area,a hyperspectral detection method for the vegetation affected by petroleum hydrocarbon leakage is studied by using the data from the field work and the HJ-1 hyperspectral remote sensing image.3 kinds of detection indices which are commonly used to distinguish the vegetation that is polluted by the petroleum hydrocarbon seepage are chosen in the present study.They are the red edge position blue shift index (REP-blue),the soil oxygen related index (CTR)and the Chlorophyll sensitive index (CHL).The validity of these 3 indices is tested by analyzing the spectra of the main vegetation Reed and Tamarix in the study area and the HJ-1 hyperspectral remote sensing image pixels.Based on the indices showing a better performance in the image pixel spectrum detection,a hyperspectral detection method is proposed for HJ-1 hyperspectral remote sensing image of vegetation affected by petroleum hydrocarbon seepage.By using the 3 indices,the detection results of the field spectra of the vegetation near the oil wells are all better than those of the image spectra,but the detection result of indexCHLis relatively poorer,compared with those of other two indices.The HJ hyperspectral remote sensing image covering the whole study area is also detected subsequently by means of the effective detection indices.The results show that 71.1% of the detected positions that was suspected suffering the pollution of the petroleum hydrocarbon seepage have oil wells.

petroleum hydrocarbon seepage;hyperspectral remote sensing of wetland;wetland of the Huanghe Estuary

2014-05-08

国家自然科学基金青年基金——海岸带遥感影像半监督学习自动化分类方法研究(41206172);国家海洋局第一海洋研究所基本科研业务费专项资金项目——基于半监督学习的遥感影像典型滨海湿地类型自动化分类方法(GY02-2012G12),滨海湿地典型植被高光谱遥感自动分类方法研究(GY0213G21)

任广波(1983-)，男，助理研究员，主要从事海岸带高分辨率遥感方面研究.E-mail: renguangbo@fio.org.cn

(王 燕 编辑)

P237;P618.13

A

1002-3682(2014)03-0026-10