基于遥感影像的矿区水环境状态识别与检测——以珠江流域部分河段为例

徐志文，王思远

(长沙矿冶研究院有限责任公司，湖南 长沙 410000)

1 研究背景

矿山资源的利用推动了社会经济的发展，同时也不可避免地对周边的生态环境带来诸多的污染问题[1-2]，矿山水污染就是其中之一。一方面，在矿山开采过程中，出现大量矿山废渣，遇水后易形成矿山废水,矿山废水中的污染物以有机污染物或重金属污染物为主，同时伴有油类污染物或酸类污染物，经处理后仍会有残留物排入河流中;另一方面，多年开采的矿区产生尾矿堆积物后，尾矿中重金属的流失可能会增加下游河流中重金属的含量[3-4]。因此，矿山水污染问题涉及范围广，影响严重，需要引起关注[5]。

传统的矿山水环境调查主要通过水准测量、静态或动态GPS测量等手段进行实地调查与分析，耗费人力物力，并且难以满足对地质环境大面积、快速、长期、连续监测的要求[6-7]。近年来，遥感技术由于其具备实时性、观测范围广等优势在国内外水体环境研究领域得到应用。雷利卿[8]、汪子义[9]等通过对山东肥城矿区进行调查，探究了矿区环境监测的遥感方法；万余庆[10]、安志宏[11]等以靖边县城的芦河为研究区, 尝试利用高光谱遥感数据分析水体环境，发现水体污染物含量与不同波段的反射率之间存在着一定的相关性；徐金鸿[12]、王海庆[13]等通过将遥感方法应用在水污染监测方面，探究了利用光谱特征实现水质监测的方法；LIU Jing[14]、杨长保[15]等进一步基于数学模型研究了尾矿水污染动态扩散规律，完成了河流污染风险分布图的制作，实现了基于贝叶斯网络的突发性水污染矿井尾矿库风险动态模拟。

笔者结合矿山开发区域特点，根据遥感影像光谱特征，选取流经韶关市某县的珠江流域部分河段为研究区，利用Landsat-8卫星影像数据，在水体信息提取的基础上，结合不同污染程度水体光谱曲线的差异，对比分析矿区水污染的空间分布特征，从而为矿区水体环境识别与监测提供数据和技术支撑。

2 研究区域与数据处理

2.1 研究区概况

以流经韶关市的珠江流域部分河段为研究区，如图1所示。通过对遥感获取的真彩色影像进行简单的目视解译发现，该区域上下游存在露天采矿场、选矿场、废石堆等矿业活动用地，且矿山上下游水体的色差较大，推测该区域水体环境受到一定程度的污染。

图1 矿山水环境研究范围

2.2 数据及数据预处理

Landsat-8卫星发射于2013年，搭载有OLI陆地成像仪(Operational Land Imager)和TIRS热红外传感器(Thermal Infrared Sensor)[16-17]。其中，Landsat-8数据的成像参数与分辨率等与Landsat 系列卫星区别不大，其中多光谱波段的空间分辨率为 30 m，全色波段空间分辨率为15 m。

本文使用行列号122-43的Landsat-8卫星影像数据，影像的成像时间为2018年8月2日，云量少于5%。为了提高水体识别的精度，首先对原始遥感影像数据进行预处理，消除由成像系统或外界环境因素引起的几何、辐射误差。主要步骤如下：

1)读入数据：利用ENVI5.3软件读入_MTL.txt标识的元文件，该文件中主要包含成像的时间、波段、坐标等信息。

2)辐射定标：辐射定标是将传感器获取的DN值转换成具有一定物理价值的反射率或大气顶层辐射亮度。从地理空间数据云中得到的原始影像已经经过了初步的定标，在进行大气校正过程中，本实验将定标类型设为辐射亮度值。

3)大气校正：大气校正是一个消除大气和光照等因素的影响，获得真实地表反射的实验过程。本实验应用了ENVI5.3中的FLAASH模块来校正成像数据。

预处理前后的影像对比如图2所示。

(a)处理前 (b)处理后

3 研究方法

3.1 遥感监测原理

矿山水污染的种类主要分为酸性废水污染、重金属污染及营养富集作用,常见的有矿坑水、选矿废水、堆浸废水、洗煤水及尾矿废渣的淋滤水污染[18-20]。遥感技术监测矿山水体环境的根据是不同污染程度水体的光谱特征差异[21-23]。水体的光谱反射特征与其自身的污染程度相关性较大[24]，当水中污染物的成分和浓度不同时，水体的颜色、密度、透明度和温度也不同，从而导致其特征曲线上反射峰的位置、高度和影像上的特征也出现相应的不同。根据上述原理，结合Landsat-8多光谱波段的影像资料，从色调、形态、纹理等特征进行水污染程度的初步识别。

3.2 水体信息提取

针对上述的矿山水污染，本实验采用光谱反射值对比的方法，对不同河段光谱值(DN值)进行采样，确定研究区域水体污染的程度与空间分布。其中，DN值是遥感影像像元亮度值，记录的是地物在各个波段上的灰度表现，为整数值，无物理单位。因不同传感器的量化级不同，导致不同遥感数据DN值范围不同。

3.2.1 利用改进的归一化水体指数提取水体

针对水体污染，应提取出研究区中的所有水体样本。利用不同类型的地物在波段上的光谱差异，对几个波段进行组合、差值、比值等运算可以突出水体信息，尽可能多地抑制非水体信息的表达。为了能够更好地表达水体信息, 如水质的变化、悬浮沉积物的分布等，降低暗色地物及山体的阴影对矿区水体识别的影响[25],笔者利用改进的归一化水体指数MNDWI[26]提取方法：

MNDWI=(Green-MIR)/(Green+MIR)

(1)

其中Green为地物在绿波段上的DN值，MIR为中红外波段上的DN值。

3.2.2 基于光谱特征的水体污染状况分析

水的光谱特征主要是由水本身的物质组成决定的。越纯净的水体光谱反射率越低。相比而言，不同污染程度的非自然水体在影像上呈现的光谱特征明显不同，影像上与纯净水体呈现的色差也比较大，为水体污染的遥感监测提供了理论基础[27-30]。

笔者以采集的非污染水体和污染水体的光谱曲线为参考，将提取的研究区域的水体光谱数据与参考数据进行对比分析，通过光谱曲线相似性定性分析研究区水体污染状况，并通过分层设色法将研究区域水体污染程度在水体监测图上标注出来。

4 结果分析

4.1 ENVI提取的不同水体光谱曲线对比

物质的含量不同对水体的反射率有很大的影响。基于此，不同污染程度水体对光谱能量的反射和散射不同，通过水体光谱反射率的差异即可区分出水体污染的程度。

实验采用Landsat-8数据进行光谱反射信息的提取，以韶关市南水水库健康水体的光谱曲线特征为参考(见图3)，在MNDWI水体提取的基础上，结合目视解译对上下游水体色差的判断结果，将研究区域分河段依次编号，并提取光谱曲线，如图4和图5所示。

图3 健康水体的光谱特征

图4 上游某河段的光谱特征

图5 东部某河段的光谱特征

由图3～5可以看出，可见光范围内，反射率随着波长的增大逐渐降低，水体的反射率也遵循上述规律。对比发现，污染水体的光谱值整体在非污染水体之上，随着污染物质含量的升高，水体对于可见光的穿透阻力增大，可见光的光谱反射率增强，所以与非污染的水体相比，污染水体的反射光谱曲线整体较高。

4.2 污染水体分析

在上述分析的基础上，采用landsat-8 OLI数据对所有河段进行光谱反射信息提取，提取的矿山区域附近各个河段反射光谱曲线如图6所示。

图6 不同河段光谱数据采样对比曲线(以不同颜色线条表示不同河段)

由图6并结合图3分析发现，矿区附近水体整体的光谱值偏高，取其在各个波段上光谱值的平均值，并与污染水体和健康水体作相应对比，结果如表1 所示。

表1 污染水体、健康水体和矿山水体的各波段光谱值(DN值)

根据水体光谱差异，以表1中健康水体光谱值为阈值，将各个河段污染水体分层设色划分为轻度、中度和重度3个污染程度表示，监测结果如图7所示。可以看出，矿山的开发给周边区域水体带来了一定的污染，相较而言，南部矿区水污染更加严重，且由南到东河段水体污染程度呈现逐渐加重的趋势。

图7 韶关市某县矿山污染水体监测图

5 结语

采用光谱特征比较的方法，在矿区水环境状态识别与检测上取得较好的结果，提高了水体污染程度的可分性。实验结果表明，本文采用的方法对于矿区水环境监测具有一定的指导意义，同时也存在部分问题需要作进一步探究：

1)在采用多光谱遥感数据探究不同污染程度水体的光谱特征前，可以采用合适的图像增强技术，突出不同水质水体之间的光谱差异。

2)在评价水体污染程度时，除光谱值外，还需加入水体各处的污染数据作相关性分析，采用定量的方法会更准确地评判水体污染程度。

3)除光谱特征外，建议进一步通过多源遥感数据的多特征融合来提高对水体污染程度的识别。