矿山环境污染遥感监测研究进展

打开文本图片集

摘要：传统矿山环境污染监测方法存在着工作量大、经费需求高等问题，而遥感监测技术具有时效性强、覆盖范围广等优势，并能够在一定程度上对污染物进行光谱识别，但目前受多种因素的制约，遥感监测难以进行准确定性与定量识别。

关键词：矿山；环境污染；遥感监测

中图分类号：X87 文献标识码：A 文章编号：2095-672X（2017）01-0071-07

DOI：10.16647/j.cnki.cn15-1369/X.2017.01.019

Research of remote sensing in mine environmental contamination

Wang Hao

（China Aero Geophysical Survey & Remote Sensing Center for Land and Resources， Beijing 100083）

Abstract：Traditional monitoring technology of environmental contamination means heavy workload and large cost in mine area. Oppositely， remote sensing has a lot of advantages， such as high timeless and wide cover range， and could identify the spectrum information of contaminants. Nonetheless， remote sensing could not get accurate qualitative and quantify identify results because of restriction of various factors.

Key words：Mine；Environmental contamination；Remote sensing

引言

我国是矿产资源开采和消费大国，尤其是矿石采掘量和主要矿种储量居世界第三位[1]。矿产资源的开发利用对我國经济快速增长发挥巨大作用的同时，由于传动粗放的大规模开采方式，矿山地质环境与生态环境所遭到的破坏也十分严重，尤其是矿山生态环境污染对周围居民身体健康造成严重威胁，也成为影响区域社会经济和谐发展的重要干扰因素之一。

矿山环境污染主要来源于矿物本身的化学元素和矿山开发所使用的化学药剂[2]。其污染物在自然界中的存在形式主要有固态、液态和细小颗粒的粉尘[3]三种形式，即废渣、废水和废气。三种污染存在形式尤其是废水污染危害性最大，其不仅可以直接影响依赖水循环系统生存与繁殖的生物系统，更可以对依赖水系生产生活的居民造成严重的身体健康损害[4]。矿山环境污染根据化学组成特性，可以细分为三类：持久性有机污染物，重金属和酸性物质[5]。持久性有机污染物主要来自于煤、石油及其加工产物，如取代苯、烷基酚、噻吩和吡啶等；重金属主要来源于金属矿产开采、运输等过程中废水排放与废渣堆放，重金属元素暴露于空气中，经大气氧化化学作用和雨水携带作用进入周围土壤和水循环系统[6]，其中铅、铜、铬等重金属污染对土壤的危害性较大，且根据矿山区域职能不同具有较强的区域差异特征，如尾矿库、矿山排水系统、矿山粉尘区及矿物运输线等地区重金属含量与其他区域相比差异明显[7]；酸性物质主要来源于金属硫化物，其因矿山开发导致由原本土壤覆盖的相对封闭状态变为暴露于空气，随后与氧气和水接触发生化学反应生成酸性化合物，其主要危害对象为矿山周围土壤、地表水与地下水循环系统，危害范围较大，尤其对于水循环系统容易造成难以恢复治理的损害[8]。

传统的矿山环境污染监测一般首先进行实地样品采集，之后利用化学、物理或者生物指标诊断等[9]手段对所采集样品进行定性或定量分析。然而矿山污染往往涉及范围广阔，因此传统的检测方法不仅工作量巨大，而且需要耗费了大量的人力、物力和时间，同时部分地区因特殊的地理环境，系统的采样布点难以实现。卫星遥感技术以其监测范围广阔、时效性强、数据丰富等特点[10]，为矿山环境污染监测提供了一种新的快速、动态、全面的技术探索方向。

1 卫星遥感技术发展迅速

自1957年前苏联成功发射第一颗人造卫星，1959年美国“先驱者2号”拍摄到第一张地球云图至今，随着数据传输能力的提升以及传感器技术的发展，卫星遥感经历了低分辨少波段至高分辨率多波段的快速发展过程[11]。目前使用较多的高分辨率遥感卫星主要有美国的Worldview、IKONOS和GeoEye[12]，以及法国的SPOT6等星；中分辨率遥感卫星主要有法国的SPOT5和德国的RapidEye等；低分辨率多光谱遥感卫星主要有美国的Landsat和Aster等；其他还包括：日本、韩国和欧洲等国家的JERS、KOMPSAT-2和ers等。除上述较为常见的遥感卫星外，还有高光谱遥感卫星，如Hyperion高光谱数据[13]。常用遥感卫星参数如表1所示。

我国遥感卫星事业起步相对较晚，1999年10月14日我国与巴西共同研制并发射成功的中巴地球资源卫星是我国第一颗可高速传输型对地遥感卫星[14]。至2015年，我国已拥有了多颗遥感卫星，其中较为常用的主要有CBERS、02C、GF-1、ZY-3、HJ-1以及2014年发射成功的GF-2等。

2 卫星遥感在矿山环境污染领域研究现状

卫星遥感技术利用其高空鸟瞰的特点，能够对矿山采场、中转场地、固体废弃物等矿山地物类别、开采状态、开采方式和占地面积等地理信息进行准确判读[15]，同时结合收集的矿权等资料可以快速判断矿种类型，从而对矿山（潜在）污染源进行判定。自2006年开展，中国地质调查局部署开展了“矿产资源开发遥感调查与监测”工作，利用卫星遥感监测与地面实地勘察相结合的手段，已初步圈定了我国矿山环境污染较严重的区域，即内蒙古、山西、河南、青海、山东等地，以及各区域污染源类别，如尾矿库和开采场引起的粉尘污染、煤矿和金属矿开采引起的水体污染以及煤矿开采引发的粉尘和大气污染等[16]。

而随着遥感数据分辨率的提高与波段信息的增加，以遥感数据为主要手段的矿山环境污染监测向着定性与定量两个方向逐渐发展，其研究对象主要包括了矿山地表水、大气、土壤和矿区植被四个方面。地表水系污染物遥感分析主要利用可见光遥感影像进行识别。大气污染的遥感判别研究在近几年有了很大的发展，尤其在我国，随着国产环境星遥感数据的使用，大气污染正在向多目标、全方位、更精确的方向发展。高光谱遥感技术的矿山环境污染调查自上个世纪末开始兴起，是目前国内外遥感监测矿山环境污染的主要技术手段，其监测目标主要是矿区土壤和受污染植被。

2.1 矿山水体污染光谱识别

受矿山开发污染的水体中多含有Cu，Pb，Hg等重金属及有毒元素[17]，由于受污染物的影响水体多呈酸性或碱性，因此利用可见光、近红外和热红外等遥感数据波段，能够在一定程度上提取出水体异常信息。基于江西铜矿矿区水体污染的ASTER遥感数据调查研究发现，受酸性污染的水体红光反射较强，受碱性污染的水体绿光反射较强[18]；基于该地区的另一项研究得到与上述研究相似的结果，酸性污染水体在红光波段呈高反射，且颜色根据酸性程度差异呈红色、棕红色或橙红色；受石灰乳影响的水体主要呈碱性，含泥沙较少的情况下，颜色呈绿色或铜绿色；碱性且含沙量较多的情况下，为碱性波谱特征与含沙水体波谱特征的叠加[19]。

2.2 矿山大气污染光谱识别

矿山大气污染物主要包含二氧化硫、氮氧化物、有机污染物、二氧化碳和甲烷等。根据上述污染物各自分子所固有的辐射光谱特性与吸收光谱特征，能够通过测算大气散射、吸收及辐射的光谱特征值识别大气污染物的组分[20]。根据前期大量实验研究表明，位于可见光范围内的400-750nm波段范围、近红外与中红外的850nm、1060nm、1220nm、1600nm和2200nm波段处是卫星遥感判读大气污染的主要大气窗。目前主要技术方法是根据污染地区地物反射率发生变化，污染区域地物边界模糊的情况对大气污染程度进行判别[21]。

2.3 矿山土壤污染光谱识别

土壤污染的高光谱信息定量识别一直是国内外专家的重点研究方向。

国外最早研究土壤污染高光谱识别是从土壤光谱特征较敏感的湿度[22]、有机质氧化铁[23]以及黏土矿物含量[24]等方向入手，通过土壤的反射光谱估算出土壤中有机质、水分、总氮總磷和铁钙镁等矿物质的含量。重金属方面，早期大部分专家认为在土壤中重金属元素含量很低的情况下，重金属对土壤光谱曲线影响十分微弱[17]，直接根据重金属元素特征光谱估算其含量比较困难。但随着高光谱卫星遥感技术水平的发展，高光谱的波段较以往有很大程度增加，分辨率逐渐提高，目前的研究表明能够利用高光谱遥感技术通过重金属元素与土壤有机质、粘土矿物、铁锰氧化物、碳酸盐矿物之间的吸附或赋存关系所产生的特征光谱对重金属含量进行间接识别和预测[25]。基于西班牙某铁矿的一项研究表明，Fe和Pb等金属含量和反射光谱显著相关，但Cu和Cd等相关性不显著[26]。

我国对重金属的光谱研究始于21世纪初，时间相对较晚。2004年江西德兴铜矿地区的一项研究表明，基于Hyperion高光谱数据，利用黄铁矿等含铁矿物的围岩及贫矿矿石的氧化污染在700nm，1000nm和2200nm附近的特征吸收，结合已有矿物光谱库数据，能够识别出含Fe3+的矿物和含Fe2+/Fe3+的混合矿物[27]。2006年我国研究人员的一项实验表明通过建立一阶微分处理模型，能够高准确度的反映出Cu等重金属与土壤粘土矿物、铁锰氧化物以及碳酸盐之间的赋存关系[28]。2007年在长江口崇明东滩盐沼土壤进行的Cu、Cr和Zn等重金属光谱测试研究表明，盐沼土壤中Cu等重金属含量能够通过光谱模型进行判别[29]。2010年通过研究北京地区农业土壤中Cr，Ni，Cu，zn，As，Cd，Ph，Hg等8种重金属含量与热红外发射率（800-1300nm）的关系，表明热红外发射率可以反映土壤的重金属含量[30]。

2.4 受污染植被光谱识别

植被污染遥感判别是对矿山环境污染的间接判别方法，其主要利用的是高光谱遥感数据根据该地区植被生长差异导致的光谱异常来反映受污染程度。

植被污染高光谱识别常用的方法主要有植被指数法和导数光谱法两种。污染物能够引起植被生物物理特征和生物化学变化，其中以植被叶绿素变化为主，一般受污染的植被发生病变，叶绿色含量减少，红外反射坪（760-1220nm）增高，从而使685nm处叶绿素的最大吸收深度变浅，植被金属含量越高，吸收谷越浅[31]。

常用的植被指数法包括NDVI（Normalized difference vegetation index）、RVI（Ratio of vegetation index）和DVI（Differential vegetation index）等方法[32]。上述方法均基于受污染植被在部分不连续的红外和近红外波段存在异常反射现象，通过在高光谱数据中提取出反射异常波段，从而识别污染植被所受污染程度。在黑龙江大兴安岭地区的一项实验表明，利用地面式高光谱扫描仪选用RARAS（Ratio analysis of reflectance spectral）指数进行该地区植物叶绿素探测，能够估算出该地区植被叶绿素a、b以及类胡萝卜素的光谱数据，所得结果与实地采样验证结果基本一致[33]；导数光谱分析法则是通过利用一阶或多阶导数降低低频背景噪声、提高重叠光谱分辨率从而对植被受污染程度进行一定程度的定量分析[34]。

3 总结与展望

随着卫星遥感数据分辨率和光谱波段的提高，更实时、更准确、更快速的矿山环境污染遥感监测逐渐成为可能，而当前矿山环境污染遥感监测的难题主要还是对污染物的定量和定性判定方面。

1.矿山水体污染卫星遥感监测主要通过提取受污染水体的红色和绿色波段反射异常信息。其能够判别出水体受污染程度，但判定结果局限性较大，即仅能够判别酸性或碱性，而由于水体内同时存在的悬浮物、水生植物和周围土壤酸碱性的影响，仅依靠酸碱异常判定水体污染显然依据性较弱；另一方面，高光谱数据分辨率较低，在狭小地表河流或受植被覆盖区域的遥感影像，河流颜色信息丢失较大，无法准确提取狭小范围内的异常信息；可见光遥感数据能够实现高分辨率，但地表径流颜色深浅受阳光入射角度、季节（河流是否结冰）、河道深浅、河水浑浊度等诸多因素影响，颜色差异不能简单予以判别水体污染；

2.矿山大气污染主要是粉尘污染，目前卫星遥感数据能够对大气悬浮颗粒所携带的二氧化硫、氮氧化物、有机污染物、二氧化碳和甲烷等污染物进行判别，随着国内外遥感数据分辨率的提高和波段的增加，进一步定性污染物类型并定量污染程度的研究潜力巨大。

3.对于矿山土地污染的遥感调查，由于高光谱数据分辨率普遍较低，因此卫星遥感数据的研究往往需要结合地面实地采样调查和室内/地面扫描式高光谱测试。其缺陷主要在于污染物的光谱反射受到矿山矿物的光谱反射影响较大，从而导致矿山矿物与矿山污染无法准确划分界线；其次，室内/地面式高光谱扫描所受的大气噪音干扰较小，得到的实验结果相对理想，而利用卫星高光谱数据则要考虑空气质量、天气等多方面因素。

4.对于受污染植被的光谱识别，其本质反应的是植被本身健康状况，并进一步根据植被健康状况推断某一地区受污染程度。而植被健康状况往往受多种复合因素作用影像，因此无法直接定性该地区产生主要作用的污染物种类，也无法定量判别污染物含量。

矿山环境污染卫星遥感监测未来可以以发展土壤、水体和大气光谱异常判别为主要目标，并在同一区域遥感监测中根据实际地理和地质背景，结合使用对土壤、水体和大气两者或三者相结合的综合遥感信息判别，同时在有条件的地区以植被监测作为辅助手段，从而使判别结果能够相互验证、相互补充；另外在现有条件下，加大高光谱卫星数据使用效率，进一步提高高光谱卫星遥感数据的信息处理与提取技术。

参考文献

[1]王娉娉.矿山环境二次污染及深层次问题探究.2008.

[2]温静.适于我国矿山环境污染治理的方法研究.矿床地质，2012，31：961-962.

[3]李礼，赵庆.矿山污染控制与生态恢复进展研究.能源环境保护，2008，22（4）：13-15.

[4]林庞锟.矿山污染及环境破坏问题的思考.中国环境管理，2010，4：44-46.

[5]李华昌，栾和林，姚文.矿山环境污染及检测技术的新认识.冶金分析，2008，28（2）：1094-1098.

[6]陈桂荣，曾向东，黎巍等.金属矿山土壤重金属污染现状及修复金属展望.矿产保护与利用，2010，2：41-44.

[7]Liao， G.L.， Liao， D.X. & Li， Q.M.. Heavy metal contamination characteristics in soil of different mining activity zones. Science Press， 2007， 18：207-211.

[8]Lei， L.Q.， Song， C.A. & Xie， X.L.et al. Acid mine drainae and heavy metal contamination in groundwater of metal sulfide mine at arid territory（BS mine， Western Australia）. Science Direct， 2010， 20：1488-1493.

[9]孫铁珩，周启星，李培军.污染生态学.北京：科学出版社，2001.

[10]雷利卿，岳燕珍，孙九林等.遥感技术在矿区环境污染监测中的应用研究.环境监测，2002，2：33-36.

[11]Ben-Dor， E.， et al. Remote Sensing of An Urban Environment Using Hyperepectral Technology. Prceedings of Thirteenth International Conference Applied Geology Remote Sensing，1999.

[12]史伟国，周立民，靳颖.全球高分辨率商业遥感卫星的现状与发展.技术进展，2012，3：43-50.

[13]Mars， J.C. & Crowley， J.K. Mapping mine wastes and analyzing area affected by selenium-rich water runoff southeast Idaho using AVIRIS imagery and digital elevation data. Remote Sensing of Environment， 2003， 84： 422-436.

[14]梁家琳.国内外遥感卫星发展动态.测绘技术装备，2001，3：3-15.

[15]聂洪峰，杨金中，王晓红等.矿产资源开发遥感监测技术问题与对策研究.国土资源遥感，2007，4：11-13.

[16]杨金中，秦绪文，聂洪峰等.全国重点矿区矿山遥感监测综合研究.中国地质调查，2015，2（4）：24-30.

[17]刘征，赵旭阳，党宏媛.矿山开发的水土环境效应遥感监测研究进展.石家庄学院学报，2012，14（3）：83-88.

[18]卢霞，刘少锋，胡振琪等.矿区水污染遥感识别研究.矿业研究与开发，2006，26（4）：89-92.

[19]程博，王威，张晓美等.基于光谱曲线特征的水污染遥感监测研究.国土资源遥感，2007，2：68-81.

[20]程立刚，王艳姣，王耀庭.遥感技术在大气环境监测中的应用综述.中国环境监测，2005，21（5）：17-23.

[21]Benjamin， F. & Richason， J. Introduction to Remote sensing of the Environment. Kendall： Hunt Publishing Company，1978：386-390.

[22]Whiting， M.L.， Li L.& Usting， S.L..Predicting Water Content Using Gaussian Model on Soil Spectra.Remote Sensing of Environment，2004，89：535-552.

[23]Co-Teaux， M. M.，Berg， B.& Rovira， P.Near infrared reflectance spectroscopy for determination of organic matter fractions including microbial biomass in Coniferous Forest Soils. Soil Biology& Biochemistry，2003， 35（1）： 578—1 600.

[24]Rossel， R.A.V.& Mc Bratney， A. B. Laboratory evaluation of a proximal sensing technique for simultaneous measurement of soil clay and water content.Geoderma，1998，85： 19—39.

[25]龚绍琦，王鑫，沈润平等.滨海盐土重金属含量高光谱遥感研究.遥感技术与应用，2010，25（2）：169—177.

[26]Kemper， T.& Sommer， S.. Estimate of heavy metal contamination in soils after a mining accident using reflectance spectroscopy.Environmental Science and Technology， 2002， 36（12）：2742—2747.

[27]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.地球科学，2004，29（1）：119-126.

[28]卢霞，劉少峰，胡振琪等.矿区水污染遥感识别研究.矿业研究与开发，2006，4（26）：89—92.

[29]刘华，张利权.崇明东滩盐沼土壤重金属含量的高光谱估算模型.生态学报，2007，27（8）：3 425—3 434.

[30]李淑敏，李红，孙丹峰.基于热红外特征光谱的土壤重金属含量估算模型研究.红外，2010，21（7）：33—38.

[31]Hoque， E.& Huntzler， J.S.. Spectral blue shift of red monitors damage calssof beech trees. Remote Sensing of Environment，1992，39： 81-84.

[32]张志，陈伟涛，李志忠.矿山环境遥感监测的现在和未来.第十六届全国遥感技术学术交流会论文集，2007， 290-296.

[33]Gan，F.P.， Wang，R.S.& Ma， A.N.et al.Investigation on physiological status of regional vegetation Using pushbroom hyperspectral imager data. Acta Botanica Sinica，2002， 44（8）： 983-989.

[34]Adams， M.L.& Philpot， W.D.. Yellowness index： an application of spectral second derivatives to estimate chlorosis of leaves in stressed vegetation. Int.J.Remote Sensing，1999， 20（18）： 3663-3675.