基于遙感影像的礦區水環境狀態識別與檢測
——以珠江流域部分河段為例

徐志文，王思遠

(長沙礦冶研究院有限責任公司，湖南 長沙 410000)

1 研究背景

礦山資源的利用推動了社會經濟的發展，同時也不可避免地對周邊的生態環境帶來諸多的污染問題[1-2]，礦山水污染就是其中之一。一方面，在礦山開采過程中，出現大量礦山廢渣，遇水后易形成礦山廢水,礦山廢水中的污染物以有機污染物或重金屬污染物為主，同時伴有油類污染物或酸類污染物，經處理后仍會有殘留物排入河流中;另一方面，多年開采的礦區產生尾礦堆積物后，尾礦中重金屬的流失可能會增加下游河流中重金屬的含量[3-4]。因此，礦山水污染問題涉及范圍廣，影響嚴重，需要引起關注[5]。

傳統的礦山水環境調查主要通過水準測量、靜態或動態GPS測量等手段進行實地調查與分析，耗費人力物力，并且難以滿足對地質環境大面積、快速、長期、連續監測的要求[6-7]。近年來，遙感技術由于其具備實時性、觀測范圍廣等優勢在國內外水體環境研究領域得到應用。雷利卿[8]、汪子義[9]等通過對山東肥城礦區進行調查，探究了礦區環境監測的遙感方法；萬余慶[10]、安志宏[11]等以靖邊縣城的蘆河為研究區, 嘗試利用高光譜遙感數據分析水體環境，發現水體污染物含量與不同波段的反射率之間存在著一定的相關性；徐金鴻[12]、王海慶[13]等通過將遙感方法應用在水污染監測方面，探究了利用光譜特征實現水質監測的方法；LIU Jing[14]、楊長保[15]等進一步基于數學模型研究了尾礦水污染動態擴散規律，完成了河流污染風險分布圖的制作，實現了基于貝葉斯網絡的突發性水污染礦井尾礦庫風險動態模擬。

筆者結合礦山開發區域特點，根據遙感影像光譜特征，選取流經韶關市某縣的珠江流域部分河段為研究區，利用Landsat-8衛星影像數據，在水體信息提取的基礎上，結合不同污染程度水體光譜曲線的差異，對比分析礦區水污染的空間分布特征，從而為礦區水體環境識別與監測提供數據和技術支撐。

2 研究區域與數據處理

2.1 研究區概況

以流經韶關市的珠江流域部分河段為研究區，如圖1所示。通過對遙感獲取的真彩色影像進行簡單的目視解譯發現，該區域上下游存在露天采礦場、選礦場、廢石堆等礦業活動用地，且礦山上下游水體的色差較大，推測該區域水體環境受到一定程度的污染。

圖1 礦山水環境研究范圍

2.2 數據及數據預處理

Landsat-8衛星發射于2013年，搭載有OLI陸地成像儀(Operational Land Imager)和TIRS熱紅外傳感器(Thermal Infrared Sensor)[16-17]。其中，Landsat-8數據的成像參數與分辨率等與Landsat 系列衛星區別不大，其中多光譜波段的空間分辨率為 30 m，全色波段空間分辨率為15 m。

本文使用行列號122-43的Landsat-8衛星影像數據，影像的成像時間為2018年8月2日，云量少于5%。為了提高水體識別的精度，首先對原始遙感影像數據進行預處理，消除由成像系統或外界環境因素引起的幾何、輻射誤差。主要步驟如下：

1)讀入數據：利用ENVI5.3軟件讀入_MTL.txt標識的元文件，該文件中主要包含成像的時間、波段、坐標等信息。

2)輻射定標：輻射定標是將傳感器獲取的DN值轉換成具有一定物理價值的反射率或大氣頂層輻射亮度。從地理空間數據云中得到的原始影像已經經過了初步的定標，在進行大氣校正過程中，本實驗將定標類型設為輻射亮度值。

3)大氣校正：大氣校正是一個消除大氣和光照等因素的影響，獲得真實地表反射的實驗過程。本實驗應用了ENVI5.3中的FLAASH模塊來校正成像數據。

預處理前后的影像對比如圖2所示。

(a)處理前 (b)處理后

3 研究方法

3.1 遙感監測原理

礦山水污染的種類主要分為酸性廢水污染、重金屬污染及營養富集作用,常見的有礦坑水、選礦廢水、堆浸廢水、洗煤水及尾礦廢渣的淋濾水污染[18-20]。遙感技術監測礦山水體環境的根據是不同污染程度水體的光譜特征差異[21-23]。水體的光譜反射特征與其自身的污染程度相關性較大[24]，當水中污染物的成分和濃度不同時，水體的顏色、密度、透明度和溫度也不同，從而導致其特征曲線上反射峰的位置、高度和影像上的特征也出現相應的不同。根據上述原理，結合Landsat-8多光譜波段的影像資料，從色調、形態、紋理等特征進行水污染程度的初步識別。

3.2 水體信息提取

針對上述的礦山水污染，本實驗采用光譜反射值對比的方法，對不同河段光譜值(DN值)進行采樣，確定研究區域水體污染的程度與空間分布。其中，DN值是遙感影像像元亮度值，記錄的是地物在各個波段上的灰度表現，為整數值，無物理單位。因不同傳感器的量化級不同，導致不同遙感數據DN值范圍不同。

3.2.1 利用改進的歸一化水體指數提取水體

針對水體污染，應提取出研究區中的所有水體樣本。利用不同類型的地物在波段上的光譜差異，對幾個波段進行組合、差值、比值等運算可以突出水體信息，盡可能多地抑制非水體信息的表達。為了能夠更好地表達水體信息, 如水質的變化、懸浮沉積物的分布等，降低暗色地物及山體的陰影對礦區水體識別的影響[25],筆者利用改進的歸一化水體指數MNDWI[26]提取方法：

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

(1)

其中Green為地物在綠波段上的DN值，MIR為中紅外波段上的DN值。

3.2.2 基于光譜特征的水體污染狀況分析

水的光譜特征主要是由水本身的物質組成決定的。越純凈的水體光譜反射率越低。相比而言，不同污染程度的非自然水體在影像上呈現的光譜特征明顯不同，影像上與純凈水體呈現的色差也比較大，為水體污染的遙感監測提供了理論基礎[27-30]。

筆者以采集的非污染水體和污染水體的光譜曲線為參考，將提取的研究區域的水體光譜數據與參考數據進行對比分析，通過光譜曲線相似性定性分析研究區水體污染狀況，并通過分層設色法將研究區域水體污染程度在水體監測圖上標注出來。

4 結果分析

4.1 ENVI提取的不同水體光譜曲線對比

物質的含量不同對水體的反射率有很大的影響?；诖?，不同污染程度水體對光譜能量的反射和散射不同，通過水體光譜反射率的差異即可區分出水體污染的程度。

實驗采用Landsat-8數據進行光譜反射信息的提取，以韶關市南水水庫健康水體的光譜曲線特征為參考(見圖3)，在MNDWI水體提取的基礎上，結合目視解譯對上下游水體色差的判斷結果，將研究區域分河段依次編號，并提取光譜曲線，如圖4和圖5所示。

圖3 健康水體的光譜特征

圖4 上游某河段的光譜特征

圖5 東部某河段的光譜特征

由圖3～5可以看出，可見光范圍內，反射率隨著波長的增大逐漸降低，水體的反射率也遵循上述規律。對比發現，污染水體的光譜值整體在非污染水體之上，隨著污染物質含量的升高，水體對于可見光的穿透阻力增大，可見光的光譜反射率增強，所以與非污染的水體相比，污染水體的反射光譜曲線整體較高。

4.2 污染水體分析

在上述分析的基礎上，采用landsat-8 OLI數據對所有河段進行光譜反射信息提取，提取的礦山區域附近各個河段反射光譜曲線如圖6所示。

圖6 不同河段光譜數據采樣對比曲線(以不同顏色線條表示不同河段)

由圖6并結合圖3分析發現，礦區附近水體整體的光譜值偏高，取其在各個波段上光譜值的平均值，并與污染水體和健康水體作相應對比，結果如表1 所示。

表1 污染水體、健康水體和礦山水體的各波段光譜值(DN值)

根據水體光譜差異，以表1中健康水體光譜值為閾值，將各個河段污染水體分層設色劃分為輕度、中度和重度3個污染程度表示，監測結果如圖7所示。可以看出，礦山的開發給周邊區域水體帶來了一定的污染，相較而言，南部礦區水污染更加嚴重，且由南到東河段水體污染程度呈現逐漸加重的趨勢。

圖7 韶關市某縣礦山污染水體監測圖

5 結語

采用光譜特征比較的方法，在礦區水環境狀態識別與檢測上取得較好的結果，提高了水體污染程度的可分性。實驗結果表明，本文采用的方法對于礦區水環境監測具有一定的指導意義，同時也存在部分問題需要作進一步探究：

1)在采用多光譜遙感數據探究不同污染程度水體的光譜特征前，可以采用合適的圖像增強技術，突出不同水質水體之間的光譜差異。

2)在評價水體污染程度時，除光譜值外，還需加入水體各處的污染數據作相關性分析，采用定量的方法會更準確地評判水體污染程度。

3)除光譜特征外，建議進一步通過多源遙感數據的多特征融合來提高對水體污染程度的識別。