矿山环境污染高光谱遥感监测研究进展

李迎双， 李恒凯， 徐丰

（江西理工大学土木与测绘工程学院，江西 赣州 341000）

0 引 言

中国是世界上最大的能源生产国和消费国。 矿产资源是国家安全与经济发展的重要基石， 在社会发展、人民生产生活中占有举足轻重的地位。 矿产开采引起的环境问题一直是地球环境科学关注的焦点。 在矿区开采直至闭矿，一直伴随着大量的生态破坏的问题[1-2]，诸如水体污染、土地沙化、生物多样性减少等， 因此监测和分析矿区生态环境的各种典型信号和异常情况已成为环境保护、 生态恢复等工作的重要基础。 在《中国矿产资源报告（2020）》中，根据遥感监测数据统计，2019 年全国新增矿山恢复治理面积约4.8×105hm2。其中，在建和生产矿山新增恢复治理面积约1.92×105hm2，占40.05%；废弃矿山新增恢复治理面积约2.88×105hm2，占59.95%，矿区治理情况仍不容乐观。2017 年，习近平总书记在十九大报告中指出，坚持人与自然和谐共生，必须树立和践行绿水青山就是金山银山的理念，坚持节约资源和保护环境的基本国策。这对矿山环境监测提出了更精细化的要求，因此如何运用更精准有效的科学手段对矿区环境进行监管是当下迫待需要解决的问题。

近几十年来，日益成熟的遥感技术已成为资源环境监测的有力手段，遥感影像为矿山环境监测提供了丰富的数据，随着遥感数据分辨率的提高与波段信息的增加，矿山环境遥感监测经历了从低空间、低光谱分辨率到高空间、高光谱分辨率的发展过程。 早期的矿山环境遥感调查大多采用多光谱数据，光谱分辨率较低导致对地物要素识别精度效果不佳，进而无法及时、准确地掌握矿山开采、复垦以及环境修复等信息。20 世纪90 年代以来，高光谱遥感在许多欧美发达国家的矿山环境监测应用逐渐增多，并取得了较好的效果，其中美国和欧盟在这方面的研究较为深入和成熟[3-5]。 高光谱传感器可以安装在不同的平台上，如卫星、飞机、无人机和近距离平台，进一步突破了地球系统观测的局限，能获得更多的光谱空间信息，在矿山环境监测中展现出较大的优势[6-8]。 主要体现在：有效探测传统遥感中无法获取的地物光谱特征、直接量化细微光谱差异信息、对矿山环境要素的识别能力明显提高，并且具有较好的定量反演效果。 经过三十余年的发展， 高光谱遥感技术在矿区的应用已日趋成熟。 在矿区环境监测方面，针对不同监测场景和应用需求，逐渐发展出近地高光谱[9]、低空高光谱[10]和高空高光谱[11]3 种主要的观测技术：高空高光谱技术观测范围广，能实现快速跟踪监测；低空高光谱技术操作方便，时效性强，灵活性高；近地高光谱技术发展成熟，受外界干扰小。鉴于此，本文在综合分析大量文献的基础上，在矿区高光谱遥感研究现状、研究数据来源以及高光谱遥感技术在矿区环境监测中的应用3个方面进行了提炼归纳，最后对矿区高光谱遥感的发展前景进行了展望，以期使高光谱遥感技术能在矿山环境监测中得到有效的应用。

1 矿区高光谱遥感监测现状

1.1 国外矿区高光谱遥感监测现状

矿山开采过程中会导致严重的生态环境破坏，主要体现在矿区植被、 水体、 土壤和大气环境的污染，给当地环境和居民生产生活造成了严重的危害。在矿山环境监测方面，欧美国家一直处在领先地位，发达的卫星研发技术加上丰富的矿产资源， 为其研究提供了有力的资源支撑。 早在20 世纪70 年代，美国、 加拿大等发达国家就开始制订矿山环境保护与评估制度，利用全色、多光谱等遥感数据进行矿山土地利用及植被覆盖变化情况的监测[12]，而这些调查研究大多是基于宏观的角度进行评价分析。 近几十年，随着传感器的发展，高光谱遥感以其自身独特的优势使矿区环境监测从宏观逐步走向微观， 成为目前国际上监测矿山环境污染的主要手段， 且积累了很多成果[13-15]。 在矿山高光谱遥感应用上，早期的研究主要集中在对于污染物的识别以及光谱特征的分析上，SMITH 等以污染程度不一的土壤栽培植物为对象，利用地面光谱仪对其进行光谱测定，探索了生长于重金属和核辐射污染环境中的植被生态变异特征，在植被受污染状况研究上有了突破[16]。 随着研究的深入， 高光谱遥感在矿山环境监测中也得到了应用， 加拿大在实施矿山复垦计划中采用航空高光谱遥感技术进行了跟踪监测[17]。 研究内容也更聚焦于对定量反演各种理化参数， 获取矿区环境要素变化因子的探索， 反演过程中主要考察方法的创新以及实用程度[18-19]。 现阶段，一些国际前沿学者将高光谱技术与计算机科学结合起来， 利用智能化的算法优化研究方法。TAN 等在中国伊通县矿区与航空图像采集同步采集土壤样品，分别针对土壤样本和图像数据的反演建模，提出一种基于堆叠策略的集成学习方法。 实验结果表明， 与其他方法相比，CARSStacking 方法可以更好地预测研究区的4 种重金属[20]。 经过三十余年的发展，矿区高光谱遥感已在地物精细化识别、参数定量反演、应用监测分析等方面积累了丰富的成果。

1.2 国内矿区高光谱遥感监测现状

我国矿山环境调查始于20 世纪90 年代末，相对于国外来说前期发展比较滞缓。早期矿山环境遥感调查以多光谱数据为主[21]，但对矿区地物识别精度不高。 鉴于此，不少学者开始分析矿山的污染地物的光谱特征，利用高光谱数据反演植物、水体、土壤波谱特征参数的变异情况， 建立污染物质及其间的关系模型，为矿区环境监测提供了科学的指导[22-23]。 早期监测目标主要是矿区受污染的植被和土壤，例如：国内学者以江西德兴铜矿为研究区，利用高光谱图谱结合特征开展矿山污染直接识别研究，有效地识别出矿区的污染类型及其分布[22]。在水污染识别监测方面发展较晚，2006 年卢霞等以江西某铜矿区为例，利用多光谱ASTER 遥感数据，从分析实测水体光谱曲线特征出发，调查并掌握矿区水污染状况[24]。整体而言，针对不同地物类型的污染，可利用高光谱数据对其变异光谱进行提取，测定污染程度，甚至可获取潜在的污染范围，实现对症治理。随着调查技术的不断丰富，考虑到矿山环境复杂，影响因素众多，因而学者们根据不同的应用监测需求，发展出基于高光谱数据，同时综合利用其他遥感数据进行矿山资源调查和环境监测的方法[10,25-27]。在国家“十二五”期间组织的“矿山遥感调查与监测”项目中，利用高空间分辨率、高光谱分辨率和多极化雷达遥感技术开展了高精度、 多期次矿产资源开发遥感调查， 初步形成覆盖全国的矿山遥感监测体系。 随着研究的进一步深入，研究者们在掌握大量矿区环境监测数据的基础上， 开始了对于污染物形成机理的思考， 由单纯的污染地物识别转变到对于整个污染物质形成过程的定量监测， 力图追根溯源，从根本上分析问题[28]。魏吉鑫等将地球化学调查方法和高光谱遥感技术相结合，精确提取了修复矿区植被的种类，并为废弃矿区的生态健康状况评价[29]。 因此研究方法、技术处理手段呈现多元化，领域细分化的趋势。 近年来，随着环境一号A 星、珠海一号、高分五号等卫星的升空，我国可获取的高光谱数据资源日益丰富， 这在一定程度上促进了矿区高光谱遥感定量化的发展。

2 矿区高光谱遥感数据来源

目前， 高光谱遥感技术已进入稳步发展阶段，数据获取手段日益丰富，已建立了很多成熟的产品和先进数据处理手段。高光谱数据可大致分为近地高光谱数据、低空高光谱数据和高空高光谱数据。 近地高光谱数据起步较早且发展较为成熟，主要是通过地物光谱仪在室内或者野外测量得到的。室内测量数据的优点是受外界因素干扰小，实验条件可控性高，能够精确地描述各种组分的光谱特征， 并运用数据建立预测模型；缺点是野外实际环境比实验室更为复杂，受到气候、温度、光照等多方面因素影响，因而在实验室建立的地表组分反演模型常常无法直接应用于室外监测，此外，可获得近地高光谱数据范围有限，难以实现大范围快速监测。低空高光谱数据主要来源于无人机平台的成像光谱仪，近几年发展迅速，主要特点是数据采集方便、时效性强、分辨率高、质量好，能够真实反映矿区环境特征， 此外在地理探测环境较为复杂以及人无法到达的小范围区域， 是星载高光谱数据和近地高光谱数据的重要补充； 不足是应用场景较为受限，在矿山环境中的监测应用还在发展中，尚未形成体系。 高空高光谱数据可分为机载与星载，结合了高光谱遥感和遥感成像技术，实现了图谱合一，发展较为成熟， 目前在矿山地质领域也积累了许多相关研究。 相对近地高光谱数据和机载高光谱数据而言，星载高光谱数据观测范围广、应用成本低、尺度范围大；缺点是数据分辨率不高，回访周期长，数据时效性差等。

在矿区环境高光谱监测中，目前主要采用高空光谱数据。因此，本文对发展较为系统、应用潜力和范围较大、普适性较好的星载高光谱传感器以及数据参数进行了整理总结。2000 年，世界上第一台星载高光谱图谱测量仪Hyperion 传感器的问世， 宣告了航天高光谱时代的来临。随着近几十年高光谱传感器的更新迭代，星载高光谱遥感技术得到了迅速的发展。 因其运行稳定，可以有规律地重复观察；能有效减少图像扭曲和大气影响；以低成本获得全球数据，很多国家和组织积极投入到高光谱传感器的研发与应用中[29]。 相对于国际上高光谱遥感技术的发展而言， 我国起步较晚，但是发展速度比较快。 在美国星载民用成像光谱仪Hyperion 之后，2002 年神舟三号搭载中分辨率成像光谱仪（CMOD IS）成功发射，标志着我国成为第二个进入航天高光谱领域的国家。近五年主要卫星高光谱传感器参数如表1 所列。

表1 近五年主要的高光谱成像卫星及参数（在轨和计划）Table 1 Major hyperspectral satellites and parameters over the past five years （in orbit and planned）

3 矿区环境高光谱遥感监测应用

矿产的开采不可避免地会对矿点及周围生态环境产生破坏，常常会直接对土壤、植被、水体带来严重的污染，导致地表植被毁损[30]、土壤成分比例失衡[31]、水污染[32]等情况，因此对矿山地物组分进行光谱直接识别和精确反演十分重要。 近五十年来，高光谱技术在矿山环境要素监测中已取得一些进展，逐渐从定性研究到定量提取地物信息，并已发展成为遥感领域一个重要的研究方向。

3.1 矿区植被理化参数反演

植被生长发育情况将直接反映该区域生态环境的状况，与气候、土壤、水体等自然因素联系紧密[33]。目前，高光谱已成为对地表植被进行定量监测的强有力工具，当植物的生长环境受到污染物影响时，其光谱特征会明显区别于自然条件下生长的植被，并提出一些系列参数来表征植被在金属胁迫下的生长异常。一是植被指数法， 研究者们通过对不同波段进行线性或非线性组合，提出了多种植被指数，应用于监测地面植物生长和分布、定性定量评估[34]，如植被指数NDVI、绿度植被指数GVI、调整土壤亮度的植被指数SAVI 等， 进而利用这些参数建立反演模型，对矿区植被的生长信息进行提取；二是植被的“三边参数”，例如植物的“红边”效应，“红边”是植物叶子光谱为一阶导数光谱在680～740 nm 内的拐点，当植物受到胁迫时，红边会向短波方向移动，产生“蓝移”现象[35]。 因此可以通过对比矿区植被光谱变异特征，监测和分析矿区植被的生长动态。 反演模型主要分为2类：基于统计关系的模型和基于机器学习算法的回归模型。 基于统计关系的模型通过线性回归、非线性回归以及多元统计回归等方法定量描述植被光谱特征参数与植物生物量两者之间的耦合关系。如王伟东等研究冬小麦叶片光谱反射率与花青素含量的相关性，建立基于光谱指数回归模型以及PLSR 的多元回归模型， 结果表明：PLSR 模型精度最高， 估算效果最好，稳定性也得到明显增强[36]。 基于机器学习算法的回归模型融入了机器学习算法， 具有处理大量数据，剔除冗余信息，提高效率和准确性的优势。 如由明明等建立了基于光谱指数的油菜不同生育阶段SPAD值的随机森林回归估计模型， 并将其与传统的一元和多元回归模型进行了比较，结果表明，同一时期油菜每个生育阶段的随机森林回归模型建模和预测结果均明显优于传统回归模型[37]。 尽管矿区植被理化参数反演取得了较大的进展， 但在实际应用中会有一定的局限性，如数据空间分辨率以及大气的影响。目前，随着人们对矿山复杂地质环境认识的深入，在研究中不仅会考虑植被自身的生长状态， 还会寻找影响植被健康的潜在因素以及影响机制， 因此有必要通过模型， 对研究对象进行比较， 并验证其通用性， 根据不同矿区环境和研究类型的差异做出最佳选择。

3.2 矿区土壤重金属含量反演

土壤重金属污染在矿山开采过程中尤为突出，持续的采矿活动，会产生大量废矿、废水等，一般含有大量有毒的重金属元素，易渗入土壤向外扩散，导致土壤中有害物质聚集，土壤生态失衡，甚至在食物链中循环，给人类身体健康带来严重影响。 矿区土壤中的重金属光谱数据一般是在室内利用光谱仪进行测定的，首先运用数理统计、光谱变换等手段对土壤特征波段进行提取，常用的方法有：微分、光谱倒数对数、连续统去除法等[38]。然后通过线性或非线性的运算方法建立土壤中重金属含量与各变量之间关系，实现矿区土壤重金属含量定量反演。常用的反演模型分为物理模型和经验统计模型，由于土壤成分的重金属含量较低，其他成分复杂，所以在现阶段高光谱矿区土壤重金属含量反演中大多采用统计分析法，主要分为单变量和多变量统计分析。目前在土壤重金属含量反演常用多变量统计分析，较单变量分析而言，此类方法建立的模型稳定，精度高[39]。常用的反演方法有：主成分分析法、最小二乘法、多元线性回归法等。 其中，多元线性回归法操作简单、应用最为广泛[14,40]；主成分分析法主要聚焦于特征波段的分析，不能完整地保留光谱信息，适用于变量不多的独立分析中；最小二乘法是对多元线性回归法的一定优化，解决了多重线性问题，能较为准确地反演土壤重金属含量。 随着实际应用中对精度要求的提高，越来越多改进的算法和非线性模型被逐步引入高光谱土壤重金属元素含量的反演建模中， 此类方法可以避免线性模型中的过度拟合，且可以容纳多个变量参与建模，提高模型精度，常用的方法有遗传算法、神经网络、随机森林等。 例如，陈元鹏等针对矿业废弃地土壤重金属特点，采用偏最小二乘回归与粒子群算法相结合的方法，实现了土壤重金属Ca、Cr、As、Ni 的精确反演[41]。但目前针对该类模型应用仍停留在小范围区域的探究，其普适性及大尺度应用价值还有待挖掘。

3.3 矿区水体污染识别

矿山废水的排放是矿山环境污染的重要来源之一，尤其在金属提炼过程中的废水对地表和地下水体的污染最为严重，例如铜矿[25,42-43]、煤矿[43-44]、铁矿[45]等。目前对于矿山中废水的监测主要是从以下两个方面进行的，一是基于水体的颜色和光谱特征，运用波段运算、灰度法等进行图像解译，直接识别监测[25]。这是因为一般水体受到污染后，颜色会发生改变，部分矿区由于开垦的原因还会伴随大量的泥沙，造成水体浑。此外，由于污染的水域会产生一些悬浮物质，一定程度上会造成废水的光谱反射率偏低，这些特征可应用于对水体污染物进行识别的研究。 二是对水体的pH 值进行评测分析， 开采过程中的部分含重金属元素的尾矿，次生矿易溶于水中，与水体产生化学反应，使矿区水域呈酸性或者碱性状态。酸碱污水直接改变水体pH 值，因此在矿山废水监测中，除了需掌握污染物位置、特征以及动态变化外，pH 值的测定也是矿山环境评价中关键的一环。 例如，Quental 等利用HyMap 数据对与AMD 有关的物质进行了填图，所生成的预测图表明各种pH 值指示矿物组合的相关性>0.8，反映pH 值与污染区的对应关系[46]。 在实际应用中，难以从光谱特征上区分水体的酸碱性，对于pH值的测定，常常需要从图像和光谱两个方面对水体pH 指标进行提取，运用数理模型建立污染区与pH 值的对应关系，最后对其进行定性的划分。 在水体环境pH 指标估算中，这种方法普遍使用，并取得了一定的效果[47-48]。

4 展 望

矿区高光谱遥感理论研究方面：当前研究主要针对矿区环境信息的反演模型构建，缺乏高光谱遥感技术的机理方法研究。 内部机理并不明晰，仅仅依靠采集的少量数据进行反演研究不能适用于不同矿区不同矿种的定量反演。高光谱遥感技术的基础理论的深入研究，才能带动整个高光谱技术的提升及应用场景扩展。

高光谱数据的获取方面：近年来，卫星、飞机、无人机等多种平台被广泛地用于采集具有不同空间、时间和光谱分辨率的高光谱图像。 这些平台在空间覆盖、耐力、灵活性、操作复杂性和成本方面也有不同的优势和限制。 在选择成像平台用于特定研究目的时，需要考虑这些因素。以往矿山环境高光谱研究以航空高光谱和近地高光谱数据为主，近几年，国内外高光谱小卫星发展迅速， 如中国的高分五号， 印度的HyslS，意大利的PRISM 等，基于高空高光谱的优势，星载高光谱数据更适合于对矿山环境进行快速的监测和跟踪，因而潜力更大。此外在低空观测中，无人机系统能够重复获取高空间分辨率的图像，具有很高的灵活性，在地理环境较为复杂以及人无法到达的小范围区域，是星载高光谱数据和近地高光谱数据的重要补充，有较大的发展潜力。

研究方法方面：国内外研究基本上是基于单个尺度的数据进行反演或监测研究，由于实际卫星或无人机传感器在接收来自地面目标物的电磁辐射信息时，还会受到大气以及对应空间分辨率的地面像元大小的影响，使得模型对于实际卫星影像的应用能力以及不同卫星平台地面观测能力的空间不能统一，仍需要通过大量的遥感影像进行检验。因此需要加强地面实测数据信息与卫星或无人机数据之间的关系研究，保证地面目标和图像目标之间位置信息的准确匹配和时相的相互对应，重点解决混合像元分解和空间一致性问题，通过建立多尺度融合方法及模型，实现空天地协同监测与智能感知体系。

5 结束语

本文对矿区高光谱遥感发展现状、矿区高光谱数据和高光谱在矿区环境的实际应用进行了总结归纳。近地传感高光谱、 高空高光谱遥感技术发展历史悠久，技术流程较为完善，低空高光谱遥感应用场景较少，技术发展时间较短，但成长速度快。在矿区的高光谱遥感应用中，对矿区植被理化参数反演和土壤重金属含量反演较为成熟，具有较多研究成果，但基于水污染的研究相对较少。 总之，矿区高光谱遥感监测取得了长足的进步， 未来随着遥感卫星的进一步发展，矿区环境监测范围将从小区域研究转变到大区域监测应用，从单一矿点到大片矿区；监测过程更注重宏观监测与微观分析有效结合，从整体到局部对矿区环境达到全方位了解； 针对不同矿种设定监测周期，扩大矿山地物光谱数据存档库， 监测工作将更细致化，有序化，并且会长期进行。