利用GF-5卫星数据开展快速识别石油开采中形成的废弃泥浆池研究

李郑 刘乐 彭鹏

摘要：新疆地区开采石油范围大且分散广，开采过程中往往伴随着周边存在较大的废弃泥浆池。废弃泥浆池含有大量石油烃类污染物，对周边土壤造成了较严重的污染。人工调查石油开采区废弃泥浆池时效性差、成本高。高光谱遥感具有丰富的光谱信息和地物识别能力，可实现快速识别。基于高光谱影像的光谱特性，以新疆油田采油区为研究对象，提取了研究区GF-5高光谱卫星影像的废弃泥浆池光谱信息。通过对所提取的光谱信息分析，波长942.16nm、1190.17nm和2023.76nm为废弃泥浆池的特征波段，达到准确识别废弃泥浆池的目的。

关键词：石油开采；GF-5卫星；光谱；废弃泥浆池

Using GF - 5 satellite data to quickly identify the waste mud pools on the formation of oil

Li Zheng，Liu Le，Peng Peng

Geological Survey of Anhui Province（Anhui Institute of Geological Sciences） He fei 230001

Abstract： Xinjiang has a large and widely dispersed area for petroleum exploitation. During the process of exploitation，there are often large waste mud pools in the surrounding area，which contain a large number of petroleum hydrocarbon pollutants and cause serious pollution to the surrounding soil. The traditional method of manual investigation of waste mud pool in oil mining area has poor timeliness and high cost. Hyperspectral remote sensing has rich spectral information and ground object recognition ability，which can realize fast recognition. Based on the spectral characteristics of hyperspectral images，spectral information of waste mud pools from GF-5 hyperspectral satellite images in xinjiang oil field was extracted. By analyzing the spectral information extracted，it is considered that the wavelengths of 942.16nm，1190.17nm and 2023.76nm are the characteristic bands of the waste mud pool，so as to accurately identify the target of the waste mud pool.

Key words： Oil exploitation GF-5 satellite Spectrum Waste mud pool

1.前言

石油勘探、開采过程中会产生废弃泥浆，往往就近挖个大坑形成废弃泥浆池，废弃泥浆池中含有大量石油烃类污染物，严重污染土地资源。利用高光谱遥感影像可以高效准确地寻找废弃泥浆池的位置，进而圈定受到废弃泥浆污染的土壤范围，从而对污染土壤进行圈定，便于对污染物处理和控制。

针对油气矿山开采产生的废弃泥浆调查，本次选取新疆维吾尔自治区，选用GF-5卫星数据为数据源，进行了高光谱数据处理，在此基础上，结合野外实地验证，通过废弃泥浆池高光谱曲线特征分析，进而识别废弃泥浆池位置和范围。

2.废弃泥浆池高光谱影像识别的原理和方法

参考先前研究工作，在高光谱遥感影像中，含有石油烃类污染物的光谱反射率光谱曲线呈现如下特征：

①整条光谱曲线的反射率值较正常土壤更低；

②整条光谱曲线的反射率值降低速率越来越慢；

③950nm、1200nm、2100nm附近出现逐渐增强的收峰特征，其后曲线上升。

在工作区利用高光谱遥感影像，对石油开采集中区进行废弃泥浆池光谱曲线分析，对比光谱曲线特征，从而监测出研究区内废弃泥浆池的位置和范围。

3.遥感数据源

本次选用GF-5作为遥感数据源，其传感器波段参数见表1。GF-5卫星是在2018年5月9日成功发射，经过在轨测试，2019年3月21日正式投入使用的。GF-5搭载了大气痕量气体差分吸收光谱仪、大气主要温室气体监测仪、大气多角度偏振探测仪、大气环境红外甚高分辨率探测仪、可见短波红外高光谱相机、全谱段光谱成像仪共6台载荷。本次使用可见短波红外高光谱相机的数据，其具有可见光—近红外150个波段，短波红外180个波段，共计330个波段。

研究区范围为吐鲁番市高昌区，该区域内分布中石油吐哈盆地神泉油田、吐鲁番油田和玉果油田等。GF5影像数据对应的轨道号为7310、成像时间为2019年9月22日，中心点经度89°05′54.24"，纬度43°25′53.95"。影像云量2%，质量清晰（图1）。

4.高光谱影像处理

4.1影像预处理

对于GF-5卫星中的高光谱数据处理包括三个步骤，①前期预处理，合并可见光—近红外和短波红外数据合并、波长信息写入、坏波段剔除等；②辐射校正，进行辐射定标、大气校正等；③几何校正，包括几何精校正和正射校正。具体流程和处理结果见图2和图3。

4.2最小噪声分离（MNF）

最小噪声分离（Minimum Noise Fraction Rotation，MNF Rotation）用于判定图像数据内在的维数（即波段数），分离数据中的噪声，减少随后处理中的计算需求量。MNF本质上是两次层叠的主成分变换。第一次变换（基于估计的噪声协方差矩阵）用于分离和重新调节数据中的噪声，这步操作使变换后的噪声数据只有最小的方差且没有波段间的相关。第二步是对噪声白化数据（Noise-whitened）的标准主成分变换。

最小噪声分离（MNF）相较于遥感数字图像处理中运用比较广泛的主成分分析（PCA）算法，MNF变换具有PCA变换的性质，是一种正交变换，变换后得到的向量中的各元素互不相关，第一分量集中了大量的信息，随着维数的增加，影像质量逐渐下降，按照信噪比从大到小排列，而不像PCA变换按照方差由大到小排列，从而克服了噪声对影像质量的影响。正因为变换过程中的噪声具有单位方差，且波段间不相关，所以它比PCA变换更加优越。因此本次采用MNF算法进行影像数据处理（图4）。

5.废弃泥浆波段特征与信息提取

将外业查证的废弃泥浆池结果作为光谱信息采样点，提取波谱曲线，根据波谱曲线特征，可以看到在波长为942.16nm，1190.17nm，2023.76nm处，光谱曲线出现明显的吸收特征（图5）。根据该特征，可以快速识别研究区内的废弃泥浆池位置，并圈定其范围（图6、图7）。

6.结论

（1）以国产GF-5卫星数据为信息源，研究高光谱影像中油气开采废弃泥浆池光谱曲线特征，探索了油气矿山废弃泥浆池污染遥感调查的方法。

（2）由于新疆地區异常干燥炎热，开采过程中的废弃泥浆池在较短时间内就会干涸，到那时所显现出的光谱特征与其液态时可能有所不同，下一步工作探索废弃泥浆池在干涸时的光谱特征，准确圈定不同状态下废弃泥浆池的位置。

参考文献：

[1]李志忠，杨日红，党福星.高光谱遥感卫星技术及其地质应用.地质通报， 2009. 28（2-3）：270-277.

[2]熊文成，聂忆黄，王桥，等.土壤污染遥感研究进展及应用展望[J].环境与可持续发展， 2017， 42（6）： 51-54.

[3]覃志豪，章力建，高懋芳，等.遥感技术在农业立体污染监测中的应用[J].国土资源遥感， 2006， 18（1）：1-5.

[4]李婷，吴克宁.基于遥感技术的耕地质量评价研究进展与展望[J].江苏农业科学， 2018， 46（15）：5-9.

[5]童勤龙，刘德长，张川.新疆吉木萨尔西大龙口地区航空高光谱油气探测.石油学报， 2017. 38（4）：425-435.

[6]童勤龙，刘德长，余永安，徐本宏.乌尔禾地区油砂光谱特征及其与烷烃含量的关系.新疆石油地质， 2017. 38（1）：49-54.

[7]熊文成，聂忆黄，王桥，等.土壤污染遥感研究进展及应用展望[J].环境与可持续发展， 2017， 42（6）：51-54.

[8]赵少华，刘思含，刘芹芹，等.中国城镇生态环境遥感监测现状及发展趋势[J].生态环境学报， 2019， 28（6）：1261-1271.

[9]甘甫平，刘圣伟，周强.德兴铜矿矿山污染高光谱遥感直接识别研究[J].地球科学， 2004， 13（1）：119-126.

[10]许君一，徐富宝，张雅琼，等.基于灰度共生矩阵的未利用地疑似污染遥感识别[J].北京工业大学学报， 2018， 44（11）： 1423-1433.

[11]盖利亚，孙银行，冯文娟，等.污染场地土壤的光谱特征分析[J].测绘科学， 2015， 40（1）：42-46.

[12]吴昀昭.南京城郊农业土壤重金属污染的遥感地球化学基础研究[D].南京：南京大学， 2005.

[13]黄长平，刘波，张霞，等.土壤重金属Cu含量遥感反演的波段选择与最佳光谱分辨率研究[J].遥感技术与应用， 2010， 25（3）： 353-357.