礦山環境高光譜遙感監測研究進展

李萬倫, 甘甫平

(1.中國地質圖書館，北京　100083； 2.中國國土資源航空物探遙感中心，北京　100083)

礦山環境高光譜遙感監測研究進展

李萬倫1, 甘甫平2

(1.中國地質圖書館，北京100083； 2.中國國土資源航空物探遙感中心，北京100083)

摘要：在綜合分析大量文獻的基礎上，歸納了高光譜技術在礦山次生礦物識別、重金屬濃度反演、pH值定量估算、污染植被信息提取等方面的應用，總結了基于高光譜遙感提取有關氧化和脫水狀態動態分析、氣候變化追蹤等信息的研究進展，展示了高光譜技術在礦山環境調查監測領域的廣闊應用前景。研究表明,含鐵硫化物及其氧化礦物標準光譜庫的建立具有重大意義，推動了酸性礦山環境高光譜遙感研究； 對礦山環境地質作用與光譜響應之間關系的認識逐漸深入，促進了高光譜地質應用模型的開發； 高光譜數據蘊含著豐富的礦山環境地學信息，具備提取多方面重要信息的潛力。最后結合當前歐美發達國家開發高光譜小衛星的實際，指出今后礦山環境高光譜遙感研究將從礦物及礦物成分識別轉向礦物形成時的物理化學性質反演、從短期調查向長期監測、從航空向航天、從單一礦山向成礦區帶或大型礦集區轉變。

關鍵詞：礦山環境； 高光譜； 遙感監測； 進展

0引言

高光譜圖譜合一的特征，可以直接識別與礦山環境相關的污染物，比如“三廢”(廢水、廢氣和廢渣)的組成成分、濃度等，定量分析其分布的范圍及變化趨勢，評價礦山開發活動對環境的影響，以及資源環境的承載力，并為治理、復墾、規劃等提供決策支撐。自1988年AVIRIS高光譜儀出現以來，高光譜遙感技術不斷完善，并已逐漸發展為環境調查與評價的一種重要技術手段[1]。

無論是地下開采，還是露天開采，酸性礦山排水(acid mine drainage，AMD)、有毒物質和重金屬排放等[2]都會引起許多環境問題，給當地環境和居民健康帶來嚴重影響。我國正處于國民經濟高速發展時期，對礦產資源需求量大，礦業活動活躍，不僅需要對礦山開發現狀進行有效監管，也需要對礦山生態治理情況進行實時評估。但常規手段耗時費力且成本高。為此，如何快速獲取礦山污染的分布特征，以及對礦山環境污染治理狀況等進行評價和跟蹤監測是國內外礦山環境調查監測的一項緊迫任務。

早期的高光譜礦山環境調查是從廢棄物開始，首先關注的是次生礦物，如含鐵氧化物和含鐵氫氧化物等的分布特征[3-5]，尤其是使環境呈酸性的礦物，它們可快速溶解于礦山排出的廢水中，并具有很強的遷移與擴散能力。例如黃鐵礦和硫酸鹽，其光譜特征和溶解特性都與氧化有關，利用高光譜遙感數據可對其沉淀過程進行跟蹤監測[6-7]，為環境污染治理等提供依據。近年來，國外發達國家或地區聯盟已經采用高光譜遙感技術進行礦山環境調查監測與定量評估，如歐盟PECOMINES二期項目，將高光譜技術對西班牙安達盧西亞地區的礦山環境監測作為其核心任務之一； 加拿大KamKotia礦山在實施礦山復墾計劃的同時，采用航空高光譜遙感技術進行了跟蹤監測[8]； 美國也將高光譜遙感技術應用于危險性廢棄物處置場地的植被修復系統監測[9]。這些研究均體現了高光譜技術對礦山環境要素具有明顯的識別能力和較好的定量反演效果。

我國礦山環境遙感調查大多采用多光譜遙感數據[10-12]，但因其光譜分辨率較低而影響了礦山環境要素的識別精度。在21世紀初，我國曾采用Hyperion星載高光譜遙感數據對江西德興銅礦礦山污染進行了直接識別與研究[13]。另外在黑龍江大興安嶺地區，也曾利用航空高光譜PHI數據開展了植被地化信息異常探測和植被理化信息提取研究[14]。此后，有關礦山高光譜遙感地質調查方面的報道相對較少，可能與我國缺乏高光譜數據來源，以及相關技術要求較高等有關。

為此，本文在綜合分析大量文獻的基礎上，歸納了高光譜技術在礦山次生礦物識別、重金屬濃度反演、pH值定量估算和污染植被信息提取等方面的應用，總結了基于高光譜遙感數據在礦山環境動態監測、礦物氧化與脫水狀態動態分析和氣候變化追蹤等方面的研究進展，展示了高光譜技術在礦山環境調查監測領域的廣闊應用前景。

1礦山環境要素識別

由于礦山環境要素眾多，且異常復雜，比如次生礦物類型、重金屬濃度、土壤或水體的酸堿性等。在礦山環境要素的高光譜識別中，對礦山地物光譜及其地質背景之間響應關系的研究十分必要。長期以來，國內外在高光譜礦山環境監測方面已經形成了一套比較成熟的方法，比如礦物表征、物理化學性質預測和邊界劃分等[15]。其基本思路主要是通過建立相關的高光譜應用模型，開展礦山環境要素的識別和填圖，相關的研究已經從定性、半定量發展到定量地學信息提取，并取得了顯著成效。

1.1次生礦物識別

礦山環境的地球化學演化過程變化很快，并在不同地表條件下迅速形成各種次生礦物，且不同類型礦山廢棄物所生成的次生礦物序列也不盡相同。識別這些次生礦物對于了解整個礦山環境的發展演化以及進行礦山整治等具有重要作用。

不同類型的次生礦物具有其獨特的診斷性波譜特征。采用高光譜礦物識別算法，比如最常用的光譜角填圖、二值編碼匹配和光譜特征擬合等算法均可有效地識別出次生礦物類型，編制次生礦物分布圖?；诠庾V特征知識，比如礦物光譜分層識別譜等算法能有效地識別出含Fe礦物(針鐵礦、纖鐵礦)等[13]。但受礦物組成變化所造成的光譜特征差異等影響，不同算法識別的效果存在著一定的差別[16]。

在礦山環境定期監測與定量評價過程中，為了提高效率，往往根據標準的礦物波譜數據庫，開發相關識別算法，進行礦物自動識別和提取。為此，國外較早通過實驗室光譜測試獲得了由含鐵硫化物礦山廢棄物風化所生成的典型次生礦物的光譜曲線[17]，并已被收錄到美國地質調查局(USGS)的標準光譜數據庫中[18]。其中包括施氏礦物、黃鉀鐵礬和水鐵礦等18種酸性礦山地表常見礦物。這些常見礦物光譜庫的建立，有力地推動了此類礦山環境的高光譜遙感調查與研究，比如在歐洲伊比利亞黃鐵礦帶[19]、加拿大安大略省北部某礦山[20]等。

同時，深入分析不同礦山環境系統內的礦物形成與演變規律，尤其是次生礦物在特定地球化學背景下的形成條件和生成次序，將有助于理解礦物波譜特征與次生礦物組成成分之間的內在關系，從而有助于調查與監測污染的類型及程度，正確評估礦山環境的現狀。

1.2重金屬濃度反演

在礦山開發過程中，重金屬通過水體、沉積物和土壤向外擴散，造成嚴重的環境污染和破壞。重金屬類型識別與濃度反演主要有2種方法，一種是對重金屬含量與光譜特征的對應關系進行統計，分別建立河流沉積物[21]、土壤[22]和廢棄物[23]中的重金屬成分及其含量與地面反射光譜特征參量之間的統計模型，從而反演重金屬的濃度。這種方法需要結合地球化學數據，屬于一種經驗性的方法。該方法具有一定的局限性，不同礦山環境適用的特征參數也不盡相同。

另一種方法是通過對重金屬元素的來源、擴散和聚積過程進行地質分析，了解其對礦物光譜特征的影響，以此實現濃度反演。高光譜礦物成分反演比較成功的是發生類質同象置換的元素，如鐵、鎂離子置換鋁離子會導致光譜特征出現細微的變化，由此識別出不同元素的含量[24]。當然，定量識別重金屬的高光譜技術研究正在不斷深入。如今比較普遍的做法是依據重金屬元素在礦山環境中的來源及最終賦存礦物來定性或半定量地反演其分布。如在一般金礦山中，汞來源于濕法冶金，而砷則來源于天然的砷黃鐵礦，由于氧化和風化作用在尾礦表面還會形成和出現含砷的臭蔥石，因此尾礦中二者的濃度都會明顯升高。通過高光譜填圖可了解這些含汞和砷的尾礦分布，并推斷出其向下游的擴散情況[25]。

總的來說，這方面的研究目前基本上仍處于試驗研究階段，需要進一步通過光譜特征的挖掘、算法的研發等提升高光譜遙感在重金屬濃度反演方面的調查與監測能力。

1.3pH值定量估算

在礦山環境評價中，pH值是一個關鍵性的技術指標。以往發現在有AMD的礦區，次生含鐵硫化物的生成次序具有一定的規律[6,26]，可通過其診斷性光譜特征來識別，進而根據這些礦物的分布情況來反演其形成的物理化學條件(尤其是pH值的估算)。

利用高光譜遙感技術進行pH值的估算，首先是建立pH預測模型[27]。一般認為，含鐵礦物沉淀析出的pH值大小依次為： 黃鉀鐵礬<3.0； 施氏礦物2.8～4.5； 水鐵礦與施氏礦物混合4.5～6.5； 水鐵礦或水鐵礦與針鐵礦組合>6.5[28-29]。在捷克Sokolov褐煤礦山，當pH<3.0時有黃鐵礦、黃鉀鐵礬或褐煤等存在，它們既可以單獨存在又可以是混合物。當黃鉀鐵礬與針鐵礦伴生時，pH值升高(3.0～6.5)，而針鐵礦單獨存在時pH值為中性或較高(>6.5)[30]。

采用上述模型或類似模型，在西班牙Sotiel-Migollas礦山[31-32]，通過獨立數據集對研究結果進行檢驗，發現實際pH值與預測值之間的R2為0.71； Quental 等[33]利用HyMap數據對與AMD有關的物質進行了填圖，所生成的預測圖表明各種pH值指示礦物組合的相關性≥0.8，尤其正確反映了低pH值與污染區的對應關系。

另外，甘甫平等[13]利用水體在600 nm左右的光譜特征，以及不同波段之間的散點圖對水體、尾礦區的酸堿性進行定性的劃分，取得了一定的效果，但對于劃分的機理還缺乏有效的分析。

總之，利用高光譜遙感技術進行礦山環境pH值的估算及制圖取得了較好的效果，具有很好的應用前景。存在的主要問題是，高光譜數據僅適用于地表分析，所測量的是地表最上層的50 mm范圍[34]。因此盡管地表與地下樣品的相關性可以預料，但對它們的關系仍需進一步研究。

1.4污染植被信息提取

植被的長勢、理化特征能夠很好地反映礦山環境特征。目前已開發出了許多從遙感圖像獲取植被健康狀態信息的方法，并在礦山污染、礦山植被修復系統監測等領域得到了廣泛應用[9]。比如植被光譜特征“紅移”、“藍移”等主要吸收特征參數的變化等[35-36]。同時也偏重于識別光譜反射率的紅邊位置(red edge position,REP)，研究其與葉綠素含量及其季節性變化的關系，以及葉綠素所直接反映的植被健康狀況。

另一種思路是提取植被生物量等信息來進行礦山環境分析，主要方法有統計回歸、光譜定位、人工智能和物理模擬等[37]。其中，簡單線性回歸分析法應用較廣，被用來對比實地測得的植被生物物理參數同各種植被指數(如歸一化差異植被指數)的相關性[38]。主成分回歸與部分最小二乘回歸[39-40]等也得到了進一步應用和發展。人工智能方法，如神經網絡與回歸樹，則需要結合野外訓練樣品來估算植被參數[41]。

上述方法都是經驗型方法，使用起來相對比較簡單，但有一定限制，比如與代表性的訓練樣品關系很大，而且該方法對大氣條件、傳感器掃視幾何形狀及遙感數據的空間分辨率都很敏感。同時，每次獲取新的遙感數據時，都需要對該方法進行適當的修訂[42]。另外，由于礦山環境許多可見植被的斑塊面積都比較小，采用具有更高空間分辨率的高光譜數據進行植被填圖的效果可能會更好[9]。

由于礦山污染情況復雜，除了研究植被反射率(包括葉片和冠層的反射率)受礦山污染的影響之外，還要研究植被生長過程、礦山污染物對植被健康的影響機制等問題，了解一年之中植被光譜反射率隨著植被生長而出現的動態變化特征，然后再通過遙感異常信息提取技術，有效可靠地提取出由礦山不同類型的污染所引起的植被異常。近年來國外比較重視植被分類填圖和礦山植被生理行為(如生長過程)與物候關系等方面的實驗研究，如加拿大對地預測與制圖中心對四尺度各向異性反射率線性模型等植被傳輸模型進行了完善和改進[43]。這些研究都有助于通過提取植被相關信息進行礦山環境演變分析。

1.5礦山污染邊界劃分

邊界劃分主要指對土地覆蓋及利用情況進行填圖，以監測礦山目標(如水體、植被、露頭和廢棄物堆等)的邊界擴張或收縮情況，估算其面積，并比較其逐年變化[15]。機載和星載高光譜圖像都可應用于礦山地物分類與填圖。國外曾利用HyMap和Hyperion數據進行專門的填圖對比研究，對不同空間分辨率圖件所遇到的挑戰與限制進行了探討[16]。

星載高光譜圖像Hyperion數據由于空間分辨率較低、幅寬較機載高光譜數據寬，可提供整個礦山的概貌，適合對全礦區進行分析。如在西班牙西南部的Las Herrerias礦山利用馬氏距離法，對Hyperion圖像進行了初步分類，劃分為水體、植被、巖石露頭和礦山廢棄物堆等4類地物，進而采用圖像光譜特征擬合法對每個像元進行識別[44]。這種方法相對簡單易用，且成本較低，可作為了解礦山廢棄物堆放情況的初步手段。缺點是預處理和大氣校正比較復雜。

機載高光譜圖像因空間和光譜分辨率均較高，往往被用于對礦山地物進行精細分類和填圖，有利于礦山污染邊界的確定。但數據校正與處理過程和算法更加復雜，通常采用約束光譜像元分解算法[45]與基于臨界閾值的圖像分類法。如加拿大KamKotia礦山利用TRWIS III航空高光譜圖像，將土地覆蓋類型劃分為干燥植被、綠色(活)植被、氧化尾礦、露頭和過渡帶，以便了解酸性固體廢棄物的分布并評價其對植被的影響[8]。

在礦山污染邊界劃分中，也可以綜合次生礦物豐度、重金屬濃度、pH值和植被污染程度等，建立礦山污染遷移模型，確定礦山污染程度及其邊界。

2礦山環境變化分析

在礦山環境要素識別的基礎上，需要開展更進一步地礦山環境變化分析，后者對于礦山環境監測和評價具有更大的意義。遙感技術相對于地面常規方法的一個主要特點，就在于它具有“多時相”獲取信息的能力，從而可滿足監管部門及時了解和掌握礦山環境動態變化信息的需求。礦山地球化學環境演化主要取決于原有的基本地質條件，但也受礦山開發和當地氣候環境因素等的影響。例如，一個礦山處于開發、關閉或治理恢復等不同階段時，其環境狀況必然不同； 隨著當地氣候條件(包括降雨、溫度和濕度等)、微地貌的改變，礦山環境要素也會發生年度和季節性的周期變化。根據實際需要，可以綜合或僅采用一種高光譜信息提取技術，來跟蹤和監視礦山環境的動態變化，從而為監管部門提供可靠的基礎性數據支撐。

2.1礦山開發不同階段的環境監測

一般礦山開發不同階段的環境變化都較大。根據前述高光譜技術提取出的礦山環境要素信息，可實現對其進行定量評價。西班牙Sotiel Migollas礦山的近代開采發生在1984—2002年間，在2002—2006年間礦山被關閉，從2006年開始進行初步的治理和修復。為了解該礦山環境的演變規律，并且為評估修復治理的效果提供依據，基于1999年5月、2004年5月和2008年8月等多期HyMap高光譜數據，綜合采用前述高光譜礦山環境要素識別技術，對礦山環境的演變進行了研究。首先根據Zabcic建立的pH概念模型[46]，生成了該礦山的pH值估測圖； 然后采用約束線性分解算法對HyMap圖像進行分類，分別得出土壤、礦物和植被(干的和濕的)的含量與分布，并選取一定的閾值，進行了邊界劃分； 最后按礦物識別法，對上述土壤和礦物分類中的單礦物進行了填圖[15]。研究結果為了解該礦山在開采期、關閉期和修復期的礦物表征、pH值和礦山污染分布情況等提供了準確資料，并為礦山環境治理提供了決策支撐信息。

為了保證不同階段結果的準確性與可對比性，最好能得到其他數據及資料(如X射線衍射(X-ray diffraction，XRD)、先驗地質資料等)的支持。一般對最后一個階段修復期提取的高光譜信息還應當采用XRD礦物分析與實驗室光譜測量方法進行驗證。

2.2氧化及脫水狀態過程分析

礦山開發排放出來的廢棄物(包括尾礦泥、AMD等)在大氣、流水等的聯合作用下，可以發生快速氧化、脫水等物理化學變化。利用高光譜遙感可監測這種變化，從圖像上了解礦山污染的分布和擴散情況，從而快速應用于礦山突發事件的環境監測。

該方面最典型的例子是西班牙Aznalcóllar尾礦坍塌事件，垮壩后大量儲存的紅色尾礦泥(污泥)沿著溝谷沖瀉，在流經區域形成了平均約7 cm厚的淤泥層。事后利用搭載DAIS 7915光譜儀的飛機在該地區進行調查，通過采集的高光譜數據(波長為0.5～1.72 μm)對流出的紅色黃鐵礦泥所處的氧化與脫水狀況進行填圖。結果顯示，116 d后尾礦壩的黃鐵礦泥處于中等脫水狀態，并且離尾礦壩越遠，其氧化和脫水程度越高[19]。這些資料對于清理尾礦污泥、評價治理措施效果和進一步消除污染具有重要價值。

2.3氣候變化監測

氣候變化可視為高光譜遙感礦山環境地學研究的一個拓展領域。最初根據不同年份的HyMap數據對黃鐵礦礦區河流沉積物進行填圖，發現其表面礦物成分的變化與下方微地貌有一定關系，后者往往是由短期的氣候變化所引起的，并與季節性和年度的氣候變化趨勢一致[47]。隨后對這類礦山所在地區河流沉積物的沉淀物質進行了更多的研究[16,47]。結果發現，干旱氣候條件導致水分蒸發強烈，河流攜帶的溶解硫酸鹽沉淀形成結殼和風化物。它們沉淀在沉積物表面，構成鹽霜，在干旱季節不斷遭受氧化。這些鹽霜在下一個水文年的降雨期間被溶解，并重復以往的溶解、沉淀和氧化過程。同時，通過高光譜探測地表尾礦壩、沙壩及河流沉積物表面的礦物成分隨時間發生的變化，理論上可以反演出當地氣候的干濕變化過程?；诖?，有理由相信高光譜遙感數據能提供短期氣候變化情況，可作為一種新的半干旱地區環境地學指標[48]。

這種方法目前尚處于初步研究階段，存在著一些需要解決的問題，比如地表鹽霜的變化與微地貌及水動力學等外部條件之間的關系； 目前所識別出的礦物也僅限于黃鐵礦礦山廢棄物的氧化產物等。因此，開展這方面的研究還需綜合考慮氣候、水動力、微地貌及基巖性質等的光譜響應，以及它們之間的關系，才有可能得到理想的效果。

3結論與展望

總之，隨著高光譜遙感技術的發展，高光譜遙感數據在礦山環境地質調查中的應用取得了重要進展，主要表現在： 建立和完善了黃鐵礦及其氧化產物的標準光譜數據庫； 開發了一些礦山地質作用與光譜性質之間的概念模型，如高光譜礦山環境pH值光譜模型等； 深入挖掘高光譜蘊含的豐富地學信息，拓展了應用領域，即從礦物識別、礦物成分信息提取發展到物理化學條件乃至氣候環境變化分析等多方面的應用。這些進展對促進高光譜遙感技術在未來礦山環境定量評價與自動監測方面具有重要意義。未來礦山環境高光譜遙感地學應用的發展趨勢如下：

1)從礦物識別拓展到礦物形成物理化學條件的定量反演。近年來已經開發的礦山環境高光譜技術pH值填圖，對礦山環境定量評價很有價值。除了pH值以外，其他物理化學參數，例如氧化狀態、水化和脫水情況、氧化還原電位(Eh)、濕度和溫度等也有可能通過高光譜遙感技術來分析和識別。

2)從短期調查到定期，甚至長期的監測。國外通過對礦山開發、關閉和修復階段的高光譜遙感數據分析，為進一步比較和分析礦山環境演變提供了重要資料，進而為評價修復治理措施的效果提供了依據[15]。通過高光譜遙感監測，可以積累礦山多方面的基礎性數據，以滿足今后對礦山環境自動監測與評價的需要。

3)從航空高光譜向航天高光譜發展。由于數據來源的影響，以往礦山環境高光譜研究以航空高光譜和地面高光譜為主，在未來幾年內國際上將陸續有一系列搭載高光譜儀的小衛星上天，如EnMap(德國)、PRISM(意大利)、HyspIRI(美國)、HISUI(日本)和HYPRIXM(法國)等。澳大利亞、印度和中國也在規劃發射此類高光譜小衛星?；诤教爝b感的優勢，航天高光譜數據更適合于對礦山環境進行快速的監測和跟蹤，因而潛力更大。

4)從單個礦山轉向成礦區帶或大型礦集區的高光譜遙感調查與監測。由于單個礦山面積過小，從更大范圍內開展遙感調查，可能更有利于發揮遙感技術的優勢，也便于從流域范圍系統分析礦山環境演化。當然，前提是對區域地質過程與光譜響應特征之間的關系進行深入的研究，并建立相關的高光譜應用模型。

參考文獻(References)：

[1]Plumlee G S,Logsdon M J,Filipek L F.The environmental geochemistry of mineral deposits, Part A.Processes,techniques,and health issues[J].Reviews in Economic Geology,1999,6A:71-116.

[2]Gomes M E P,Favas P J C.Mineralogical controls on mine drainage of the abandoned Ervedosa tin mine in north-eastern Portugal[J].Applied Geochemistry,2006,21(8):1322-1334.

[3]Farrand W H,Harsanyi J C.Mineralogic variations in fluvial sediments contaminated by mine tailings as determined from AVIRIS data,Coeur d’Aldene river, Idaho[C]//Proceedings of AVIRIS workshop.Pasadena,CA,USA:[s.n.],1995:47-50.

[4]Clark R N,Vance J S,Livo K E.Mineral mapping with imaging spectroscopy:The Ray mine,AZ[C]//Green R O.Proceedings of the 7th Annual JPL Airborne Earth Science Workshop.Pasadena,CA,USA:JPL Publication,1998:67-75.

[5]Swayze G A,Clark R N,Pearson R M,et al.Mapping acid-generating minerals at the California Gulch Superfund site in Leadville,Colorado using imaging spectroscopy[C]//Proceedings of the 6th Annual JPL Airborne Earth Science Workshop.Pasadena,CA,USA:Jet Proplusion Laboratory Publication,1996.

[6]Swayze G A,Smith K S,Clark R N,et al.Using imaging spectroscopy to map acidic mine waste[J].Environmental Science and Technology,2000,34(1):47-54.

[7]Swayze G A,Clark R N,Smith K S,et al.Using imaging spectroscopy to cost-effectively locate acid-generating minerals at mine sites:An example from the California Gulch Superfund Site[C]//Paper presented at the Airborne Visible/Infrared Imaging Spectrometer(AVIRIS).Leadville,Colorado:JPL Airborne Geoscience Workshop,1997.

[8]Richter N,Staenz K,Kaufmann H.Spectral unmixing of airborne hyperspectral data for baseline mapping of mine tailings areas[J].International Journal of Remote Sensing,2008,29(13),3937-3956.

[9]Im J,Jensen J R,Jensen R R,et al.Vegetation cover analysis of hazardous waste sites in utah and Arizona using hyperspectral remote sensing[J].Remote Sensing,2012,4(2):327-353.

[10]聶洪峰,楊金中,王曉紅,等.礦產資源開發遙感監測技術問題與對策研究[J].國土資源遙感,2007,19(4):11-13.doi:10.6046/gtzyyg.2007.04.03.

Nie H F,Yang J Z,Wang X H,et al.The problems in the remote sensing monitoring technology for the exploration of mineral resources and the countermeasures[J].Remote Sensing for Land and Resources,2007,19(4):11-13.doi:10.6046/gtzyyg.2007.04.03.

[11]陳偉濤,張志,王焰新.礦山開發及礦山環境遙感探測研究進展[J].國土資源遙感,2009,21(2):1-8.doi:10.6046/gtzyyg.2009.02.01.

Chen W T,Zhang Z,Wang Y X.Advances in remote sensing-based detecting of mine exploitation and mine environment[J].Remote Sensing for Land and Resources,2009,21(2):1-8.doi:10.6046/gtzyyg.2009.02.01.

[12]陳偉濤,張志,王焰新,等.礦山地質環境遙感監測方法初探[J].地質通報,2010,29(2/3):457-462.

Chen W T,Zhang Z,Wang Y X,et al.Preliminary study on methods of geo-environment monitoring in minesites using remote sensing technique[J].Geological Bulletin of China,2010,29(2/3):457-462.

[13]甘甫平,劉圣偉,周強.德興銅礦礦山污染高光譜遙感直接識別研究[J].地球科學-中國地質大學學報,2004,29(1):119-126.

Gan F P,Liu S W,Zhou Q.Identification of mining pollution using Hyperion data at Dexing Copper Mine in Jiangxi Province,China[J].Earth Science-Journal of China University of Geosciences,2004,29(1):119-126.

[14]甘甫平,王潤生.高光譜遙感技術在地質領域中的應用[J].國土資源遙感,2007,19(4):57-60.doi:10.6046/gtzyyg.2007.04.13.

Gan F P,Wang R S.The application of the hyperspectral imaging technique to geological investigation[J].Remote Sensing for Land and Resources,2007,19(4):57-60.doi:10.6046/gtzyyg.2007.04.13.

[15]Paniagua L,Bachmann M,Fischer C,et al.Monitoring mining rehabilitation development according to methods derived from imaging spectroscopy,case study in the Sotiel-Migollas Mine complex,Southern Spain[C]//Proceedings of 6th EARSeL SIG IS Workshop Imaging Spectroscopy:Innovative Tool for Scientific and Commercial Environmental Applications.Tel Aviv,Israel:EARSeL,2009.

[16]Riaza A,García-Meléndez E,Mueller A.Spectral identification of pyrite mud weathering products:A field and laboratory evaluation[J].International Journal of Remote Sensing,2011,32(1):185-208.

[17]Crowley J K,Williams D E,Hammarstrom J M,et al.Spectral reflectance properties(0.4～2.5 m)of secondary Fe-oxide,Fe-hydroxide,and Fe-sulphate-hydrate minerals associated with sulphide-bearing mine wastes[J].Geochemistry:Exploration,Environment,Analysis,2003,3:219-228.

[18]Clark R N,Swayze G A,Wise R,et al.USGS digital spectral library splib06a:U.S.Geological Survey,Digital Data Series 231[EB/OL].[2007].http://speclab.cr.usgs.gov/spectral.lib06.

[19]Riaza A,Ong C,Müller C A.Dehydration and oxidation of pyrite mud and potential acid mine drainage using hyperspectral DAIS 7915 data(Aznalcóllar,Spain)[C]//The International Archives of the Photogrammetry,Remote Sensing and Spatial Information Sciences,Volume 34,Part XXX,2006.

[20]Shang J,Morris B,Howarth P,et al.Mapping mine tailing surface mineralogy using hyperspectral remote sensing[J].Canadian Journal of Remote Sensing:Journal Canadien de Télédétection,2009,35(1):126-141.

[21]Choe E,van der Meer F,van Ruitenbeek F,et al.Mapping of heavy metal pollution in stream sediments using combined geochemistry,field spectroscopy,and hyperspectral remote sensing:A case study of the Rodalquilar mining area,SE Spain[J].Remote Sensing of Environment,2008,112(7):3222-3233.

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

[23]Kopacková V,Chevrel S,Bourguignon A.Spectroscopy as a tool for geochemical modeling[C]//Michel U,Civco D L.Proceedings of SPIE 8181,Earth Resources and Environmental Remote Sensing/GIS Applications II.Prague:SPIE,2011,8181:818106.

[24]Duke E F.Near infrared spectra of muscovite,Tschermak substitution,and metamorphic reaction progress:Implications for remote sensing[J].Geology,1994,22:621-624.

[25]Percival J B,White H P,Goodwin T A,et al.Mineralogy and spectral reflectance of soils and tailings from historical gold mines,Nova Scotia[J].Geochemistry:Exploration,Environment,Analysis,2013,14(1),doi:10.1144/geochem2011-071.

[26]Montero I C,Brimhall G H,Alpers C N,et al.Characterization of waste rock associated with acid drainage at the Penn Mine,California,by ground-based visible to short-wave infrared reflectance spectroscopy assisted by digital mapping[J].Chemical Geology,2005,215(1/4):453-472.

[27]Ong C,Cudahy T J.Deriving quantitative monitoring data related to acid drainage using multi-temporal hyperspectral data[C]//2nd EARSEL Workshop on Imaging Spectroscopy.Paris:EARSEL,2002.

[28]J?nsson J.Phase Transformation and Surface Chemistry of Secondary Iron Minerals Formed from Acid Mine Drainage[D].Swedish:Ume University,2003.

[29]Bigham J M,Schwertmann U,Pfab G.Influence of pH on mineral speciation in a bioreactor simulating acid mine drainage[J].Applied Geochemistry,1996,11(6):845-849.

[31]Zabcic N,Ong C,Müller A,et al.Mapping pH from Airborne Hyperspectral Data at the Sotiel-Migollas Mine,Calanas,Spain[C]//Proceedings of 4th EARSeL Workshop on Imaging Spectroscopy.Warsaw,Poland:Universidad de Varsovia,2005:467-472.

[32]Zabcic N,Rivard B,Ong C,et al.Using airborne hyperspectral data to characterize the surface pH and mineralogy of pyrite mine tailings[J].International Journal of Applied Earth Observation and Geoinformation,2014,32:154-162.

[33]Quental L,Sousa A J,Marsh S,et al.Identification of materials related to acid mine drainage using multi-source spectra at S.Domingos Mine,southeast Portugal[J].International Journal of Remote Sensing,2013,34(6):1928-1948.

[34]Buckingham W F,Sommer S E.Mineralogical characterization of rock surfaces formed by hydrothermal alteration and weathering;application to remote sensing[J].Economic Geology,1983,78(4):664-674.

[35]劉圣偉,甘甫平,王潤生.用衛星高光譜數據提取德興銅礦區植被污染信息[J].國土資源遙感,2004,16(1):6-10.doi:10.6046/gtzyyg.2004.01.02.

Liu S W,Gan F P,Wang R S.The application of Hyperion data to extracting contamination information of vegetation in the Dexing Copper Mine,Jiangxi Province,China[J].Remote Sensing for Land and Resources,2004,16(1):6-10.doi:10.6046/gtzyyg.2004.01.02.

[36]Noomen M F.Hyperspectral Reflectance of Vegetation Affected by Underground Hydrocarbon Gas Seepage[D].Enschede:International Institute for Geo-information Science & Earth Observation.2007:145.

[37]Im J,Jensen J R.Hyperspectral remote sensing of vegetation[J].Geography Compass,2008,2(6):1943-1961.

[38]Tilling A,O’Leary G J,Ferwerda J G,et al.Remote sensing of nitrogen and water stress in wheat[J].Field Crops Research,2007,104(1/3):77-85.

[39]Goodenough D,Chen H,Dyk A,et al.Multisensor data fusion for aboveground carbon estimation[C]//Proceedings of XXVIII General Assembly of the International Union of Radio Science(URSI).New Delhi,India:[s.n.],2005:1-4.

[40]Hansen P M,Schjoerring J K.Reflectance measurement of canopy biomass and nitrogen status in wheat crops using normalized difference vegetation indices and partial least squares regression[J].Remote Sensing of Environment,2003,86(4):542-553.

[41]Im J,Jensen J R,Coleman M,et al.Hyperspectral remote sensing analysis of short rotation woody crops grown with controlled nutrient and irrigation treatments[J].Geocarto International,2009,24(4):293-312.

[42]Maire G L,Fran?ois C,Soudani K,et al.Calibration and validation of hyperspectral indices for the estimation of broadleaved forest leaf chlorophyll content, leaf mass per area,leaf area index,and leaf canopy biomass[J].Remote Sensing of Environment,2008,112(10):3846-3864.

[43]White H P,Omari K.Advanced radiative transfer modelling for information extraction[EB/OL].http://www.nrcan.gc.ca/sites/www.nrcan.gc.ca/files/earth-sciences/files/pdf/geomatics/flair_e.pdf.

[44]Farifteh J,Nieuwenhuis W,García-Meléndez E.Mapping spatial variations of iron oxide by-product minerals from EO-1 Hyperion[J].International Journal of Remote Sensing,2013,34(2):682-699.

[45]Bachmann M,Müller A,Habermeyer M,et al.An iterative unmixing approach in support of fractional cover estimation in semi-arid environments[C]//Ehlers M,Posa F,Kaufmann H J.Proceedings of SPIE Remote Sensing for Environmental Monitoring,GIS Applications,and Geology IV.Maspalomas:SPIE,2004,5574:205.

[46]Zabcic N.Derivation of pH-Values Based on Mineral Abundances over Pyrite Mining Areas with Airborne by Hyperspectral Data(Hymap) of Sotiel-Migollas-Mine Complex[D].Canada:University of Alberta,2008.

[47]Riaza A,Müller A.Hyperspectral remote sensing monitoring of pyrite mine wastes:A record of climate variability(Pyrite Belt,Spain)[J].Environmental Earth Sciences,2010,61(3):575-594.

[48]Riaza A,Buzzi J,García-Meléndez E,et al.Monitoring the extent of contamination from acid mine drainage in the iberian pyrite belt(SW Spain)using hyperspectral imagery[J].Remote Sensing,2011,3(10):2166-2186.

(責任編輯： 陳理)

Progress in hyperspectral research and monitoring in mine environment

LI Wanlun1, GAN Fuping2

(1.NationalGeologicalLibraryofChina,Beijing100083,China; 2.ChinaAeroGeophysicalSurveyandRemoteSensingCenterforLandandResources,Beijing100083,China)

Abstract:Based on an analysis of large quantities of literature, this paper describes briefly the application of hyperspectral technique to mine secondary mineral identification, reversion of heavy metal concentrations, pH prediction and contaminated vegetation detection, and then summarizes the research progress in such aspects as oxidation/hydration level and climate change through hyperspectral information extraction, thus showing widespread application prospect of hyperspectral technique in mine environmental survey. Some conclusions have been reached: the establishment of standard spectral database of Fe-bearing sulfide and its oxidized products is greatly helpful to hyperspectral research on acid mine environment, the understanding of geological process in mine environment and their spectral response helps to develop hyperspectral geological application model, and the hyperspectral data contain rich information about mine environment and has significant potential of extracting many kinds of information. According to the practice of developing hyperspectral satellite in developed countries such as countries in Europe and America, the authors point out that future hyperspectral research on mine environment will tend to experience the conversion from physical/chemical identification of minerals and their components to the physical/chemical property inversion during the formation of the minerals, from short term investigation to long term investigation, from aeroplane to hyperspectral sensor aboard on spaceship, and from single mines to large ore concentration areas.

Keywords:mine environment; hyperspectral; monitoring through remote sensing; research progress

doi:10.6046/gtzyyg.2016.02.01

收稿日期：2014-12-12；

修訂日期：2015-02-13

基金項目：中國地質調查局項目“地質勘查遙感系統集成與綜合應用示范”(編號： 1212011120226)和高分國土資源遙感應用示范系統1期項目(編號： 04-Y30B01-9001-12/15)共同資助。

中圖法分類號：TP 79

文獻標志碼：A

文章編號：1001-070X(2016)02-0001-07

第一作者簡介：李萬倫(1972-)，男，博士，高級工程師，主要從事地學情報研究。Email： lunwl@sina.com。

引用格式： 李萬倫,甘甫平.礦山環境高光譜遙感監測研究進展[J].國土資源遙感,2016,28(2):1-7.(Li W L,Gan F P.Progress in hyperspectral research and monitoring in mine environment[J].Remote Sensing for Land and Resources,2016,28(2):1-7.)