基于高光谱数据的铀尾矿植被污染信息分析

彭玛丽，叶娇珑，何中海，赖德军，钟红梅

（1.四川省核工业地质调查院，四川 成都610061；2.四川金核矿业有限公司，四川 成都610061）

基于高光谱数据的铀尾矿植被污染信息分析

彭玛丽1，叶娇珑2，何中海2，赖德军1，钟红梅1

（1.四川省核工业地质调查院，四川 成都610061；2.四川金核矿业有限公司，四川 成都610061）

选择若尔盖铀尾矿区为研究对象，通过ASD地面光谱仪测量铀尾矿堆内和堆外的植物样品光谱数据，结合研究区高光谱数据，提取该区受污染植被的光谱信息和光谱变异参数，分析铀尾矿区植被污染情况，为铀尾矿区环境评价和污染治理提供参考依据。研究显示，尾矿堆内光谱曲线特征一致，大部分样品的红边位置为717 nm，存在个别红边差异。与非尾矿堆植被光谱参数相比，尾矿植被的红边波长位置蓝移14.1 nm。高光谱红边参数提取结果反映了研究区植被红边变异程度。

高光谱数据；铀尾矿；植被污染；红边位置

铀尾矿堆是具有高势能的人工松散堆，在雨水冲刷等作用下会引发废石流失，造成周边植被环境污染，直接危及当地居民的生产生活[1]。

植被的生长发育状况是指示生态系统污染的一项重要指标[2]。植物受到污染胁迫，造成植物生理生态上的一系列变化，从而导致波谱特征的一系列变化。因此通过植物的波谱特征来监测植被污染成为利用遥感手段监测环境污染的一个重要手段[3,4]。本文通过高光谱遥感技术对生态脆弱的研究区进行植被污染情况分析。

1 研究区概况

研究区位于四川省若尔盖县境内，地理坐标为东经102°43'～103°06'，北纬34°10'～34°15'，东西长38 km，南北宽11 km，面积320 km2。属高海拔寒冷地带，生态环境脆弱、生存条件恶劣、植被生长缓慢，是典型的生态脆弱区。

2 尾矿区光谱特征分析

2.1 植被光谱特征

大量研究证明，受大气污染或重金属毒害的植被与未受污染的植被相比，其反射光谱存在明显的差异。植物体内重金属的大量聚集，将造成植被叶面反射光谱特征在特定波段范围内的规律性变化，这就为利用高光谱遥感技术研究植被受污染状况提供了理论支持。

正常植被特征为在可见光的0.55µm附近有一个反射率为10%～20%的小反射峰，在0.45µm和0.65µm附近有2个明显的吸收谷，分别称为“蓝谷”和“红谷”。在0.70.8µm是一个陡坡，反射率急剧增高，在近红外波段0.8～1.3µm之间形成一个反射率可达40%或更大的反射峰。相关研究表明，可见光和近红外区域是色素反射和吸收的敏感区域。绿色植物在680～740 nm之间反射率增高最快的点，也是一阶导数光谱在该区间内的拐点，称之为“红边”。红边即由于植物体内叶绿素对入射光的吸收，造成植物反射光谱从红光波段到近红外波段(660～780 nm)出现一个陡峭的爬升脊[5]。根据红边拐点的位移情况可以说明植物是否受到污染，由获得的光谱数据精确确定植被不同时间点红边的位置是植被污染监测的关键[6]。当植物受到污染胁迫时，其正常生长受到影响，从而引起叶绿素含量、细胞结构以及水含量的变化，致使植物反射光谱也随之发生改变[7]。红谷变浅，红外反射坪增高，“红边”的斜率和位置也会随之变化，从而发生“蓝移”现象，污染越严重变化越大，叶绿素“红边蓝移”越明显。

2.2 研究区尾矿堆波谱特征分析

利用美国ASD FieldSpec3 便携式地物光谱仪，选取研究区内的3个典型尾矿堆进行植被反射光谱测量，然后对光谱曲线特征及其微分导数特征进行分析，从而揭示出研究区植被的光谱特征。ASD野外光谱分析仪是一种测量可见光到近红外波段地物波谱的有效工具，能快速扫描地物，光纤探头能在ms内得到地物单一光谱。

2.2.1 Ⅰ号尾矿堆

Ⅰ号尾矿堆上共测量7个植被样本波谱曲线，除了p-3，其余植被波谱曲线特征趋于一致。p-3为马先蒿样本，是紫、黄花细叶高山草甸优势植被，在680 nm位置红谷变浅，绿峰位置反出现吸收谷，这可能与测试时采集到花的光谱有关，测量时受花的影响，所得波谱曲线与绿叶植被有所区别，在可见光范围550 nm未出现绿峰，红谷位置出现峰值，如图1a所示。

图1 Ⅰ号尾矿堆样品植被光谱分析

对光谱曲线取一阶微分即可得“红边”位置，如图1b所示。最大值都出现在700～720 nm范围，除了p-3其余波谱曲线变化特征趋于一致，但p-3的一阶微分最大值同绿叶植被出现在717 nm。p-8为紫花马先蒿，叶面窄小，表面光滑，波谱曲线特征与其他植被趋于一致，但红边位置690 nm，明显不同于其他植被。p-1、p-2、p-9、p-10的一阶微分特征一致，且“红边”位置一致，p-4为尾矿堆底部采集的青草样本，一阶微分最大值出现在724 nm处，为该尾矿堆红边位置最大。

2.2.2 Ⅱ号尾矿堆

Ⅱ号尾矿堆共采集样本8个，u-L-1为距离矿堆50 m处青草样本，在近红外波段反射率高于其余样本，各样本实测光谱曲线特征一致，都在710 nm附近光谱反射率陡增，形成“红边”，但无法确定其准确位置。如图2a所示。

图2 Ⅱ号尾矿堆样品植被光谱分析

通过对样品光谱一阶微分运算，如图2b所示，各光谱一阶微分曲线特征一致，L-1、L-2、L-3、L-4、L-6“红边”位置都在717 nm，L-5样本“红边”位置在699 nm，距尾堆50 m的U-L-1样本“红边”所在位置为725.1 nm，为最大值。

2.2.3 Ⅲ号尾矿堆

Ⅲ号尾矿堆共采集样本4个，测其光谱曲线，u-L-10为尾矿堆外部的青草样本光谱，如图3a所示。各样本光谱特征趋于一致，都在710 nm附近光谱反射率陡增，形成“红边”，但无法确定其具体位置。

通过对样本光谱进行一阶微分运算，如图3b所示，微分曲线最大值即“红边”位置，各样本一阶微分曲线特征一致，L-6、L-7、L-8、L-9“红边”所在位置都为717 nm，距尾堆10 m处的U-L-1样本“红边”位置为725.1 nm。

基于上述分析，Ⅰ号和Ⅱ号尾堆光谱特征都趋于一致。其中L-1、L-2、L-3、L-4、L-6、L-7、L-8、L-9光谱曲线特征一致；一阶微分曲线特征一致；“红边”所在位置都为717 nm。L-5样本“红边”位置在699 nm，为最小值。尾矿堆外围的青草样本u-L-1 “红边”位置为725.1 nm，为最大值。对比分析3个尾矿堆的样本，光谱曲线特征一致，大部分样本“红边”所在位置为717 nm，基本无差异，有差异的样本为L-5、u-L-1、p-4、p-8。

将各个尾矿堆及尾矿堆外围采集的蒿草样本光谱曲线，与envi自带USGS标准波谱库中的艾灌丛、蒿草丛光谱曲线进行对比，如图4a所示，光谱曲线吸收反射特征一致，在可见光波段，标准波谱反射率高于样本，但在近红外波段反射率基本一致。

将各个尾矿堆及尾矿堆外围处采集的蒿草样本光谱曲线，与envi自带USGS标准波谱库中的蒿草植被光谱曲线一阶微分运算，如图4b所示，一阶微分曲线特征基本一致，“红边”位置均出现在波谱718 nm处，L-5出现在699 nm。

图3 Ⅲ号尾矿堆样品植被光谱分析

图4 实测蒿草光谱与USGS标准波谱对比

2.3 植被红边位置分析

此次采集样本主要分为蒿草、青草2大类，为高山草甸优势植被。基于上述分析，此次测得尾堆不同类型植被样本绝大部分的波谱特征一致，且“红边”所在位置大部分位于717 nm。蒿草与相应USGS标准波谱曲线特征一致，且红边位置相同，Ⅱ号尾矿堆中坡位置的L-5马先蒿“红边”位于699.8 nm。

青草对微量元素最为敏感，通过波谱微分运算，尾矿堆和非尾矿堆以及标准波谱的同种植被红边参数存在差异。非尾堆上青草光谱724 nm；尾矿堆上青草光谱的红边位于717 nm，明显小于相应标准波谱红边所在位置730 nm；Ⅱ号尾堆堆底的青草L-13甚至为699 nm；尾矿堆与标准波谱红边位置相差13 nm，有明显“蓝移”，生长于3个尾矿堆的植被特征基本一致，以此作为遥感反演植被受辐射性影响的波谱依据。

各样本的 “红边”位置情况如表1所示。其中非尾矿堆的红边位置均值723.7 nm左右，标准偏差为1.6 nm。而尾矿堆上的样品红边位置均值为707.8，标准偏差为13.3 nm。与非尾矿堆植被光谱参数相比，尾矿植被的红边波长位置蓝移14.1 nm。

表1 样本植物“红边”位置情况表

3 植被污染信息提取

3.1 高光谱影像NDVI植被指数提取

HJ-1A/HSI数据在近红外区域（760～900 nm）共有22个波段，红光区域（630～690 nm）共有15个波段，基于高光谱数据计算NDVI的组合很多，需要确定较为有效的波段组合。波段选择的一般方法主要包括：逐步回归选择法、简单波段自相关选择法和主成分系数权重选择法等，选用主成分系数权重确定波段，近红外波段选用反射率为877 nm的106波段，红光波段选用反射率682 nm的第73波段。研究区NDVI指数图如图5所示。

图5 研究区NDVI植被指数图

NDVI＞0为有植被的区域，在图上绿色图斑显示。NDVI＜0为非植被区，植被主要集中于研究区中部，Ⅰ号尾矿堆附近植被稀疏，Ⅱ号、Ⅲ号尾矿堆附近植被茂密。

3.2 高光谱影像植被红边变异分析

通过对HJ-1A/HSI高光谱影像进行数据预处理，得到用于遥感信息提取的底图，基于实测植被光谱“红边”参数变异特征分析，得到遥感提取研究区放射性污染信息的依据，充分利用高光谱数据波谱连续的特征，采样光谱角匹配法（SAM）进行研究区植被“红边”参数变异程度，如图6所示。

图6 研究区植被红边参数变异程度图

[1] 彭道锋，刘庆成. 铀尾矿库退役后的污染源项调查方法[J].世界核地质科学，2010,27(4)：224-228

[2] 孙铁珩，周启星，李培军. 污染生态学[M]. 北京：科学出版社，2001

[3] 胡玉玲. 基于HJ-1高光谱数据的植被污染[D]. 山东：山东科技大学，2011

[4] 李娜. 重金属胁迫下矿区植物波谱异常与图像特征研究[D].山东：山东科技大学，2007

[5] 邬登巍，吴昀昭. 植物污染胁迫遥感监测研究综述[J]. 遥感技术与应用，2009,24(2)：238-245

[6] 刘圣伟，甘甫平. 用卫星高光谱数据提取德兴铜矿区植被污染信息[J]. 国土资源遥感，2004,17(1)： 6-10

[7] 迟光宇，刘新会，刘素红，等. 环境污染监测中的植物光谱效应研究[J]. 环境科学与技术，2005(增刊)：16-19

P237.9

B

1672-4623（2015）01-0111-04

10.3969/j.issn.1672-4623.2015.01.037

彭玛丽,硕士，主要从事地球探测与信息技术方面的研究。

2013-12-16。

项目来源：四川省科技支撑计划资助项目（2012SZ0190） 。