土壤重金属污染信息提取遥感模型的建立_以水口山矿区铅锌污染为例_王晓华

文章编号：0494-0911（2013）03-0029-03中图分类号：P237．9

文献标识码：B

土壤重金属污染信息提取遥感模型的建立

———以水口山矿区铅锌污染为例

王晓华1，2，邓喀中1，2，杨化超

1，2

(1．中国矿业大学江苏省资源环境信息工程重点实验室，江苏徐州221116;

2．中国矿业大学国土环境与灾害监测国家测绘地理信息局重点实验室，江苏徐州221116)

Building-up of Remote Sensing Models for Heavy Metal Pollution in Soil :Take the Pollution of Lead and Zinc Mine in Shuikou Mountain as an Example

WANG Xiaohua ，DENG Kazhong ，YANG Huachao

摘要：针对矿区愈演愈烈的土壤重金属污染问题，提出基于遥感信息模型快速提取污染信息的方法。首先对野外采集土壤样本

进行化学成分鉴定与物理光谱特征分析；然后经过光谱特征预处理与偏最小二乘回归模型分析，

建立土壤污染信息提取的定量遥感模型；最后以水口山矿区为例，检验该方法应用效果，其结果为矿区土壤污染监测与治理提供了实时、可靠的图像资料。

关键词：遥感信息模型；污染信息；信息提取；PLSR ；特征分析

收稿日期：2012-02-01基金项目：国土环境与灾害监测国家测绘地理信息局重点实验室开放基金（LEDM2011B07）；国家自然科学基金（41071273）

作者简介：王晓华（1981—），女，河南商丘人，博士生，主要研究方向为数字摄影测量与遥感。

一、引言

在煤炭开采与冶炼过程中，将井下矿石搬运到地表，不仅改变了矿区的化学成分与物理状态，也使得重

金属开始向生态环境释放和迁移。近年来，不少矿山由于过度开采兼环保措施没有同步跟进，造成矿区周围农田土壤不同程度地受到重金属污染，对当地人民

群众健康构成巨大威胁。目前，国内外许多专家在遥感环境监测领域取得了许多丰硕成果。甘甫平等针对矿区植被基于航天Hyperion 高光谱数据某一波段吸收

深度来研究矿区受污染程度［1］

；Timothy 等利用TM 波

段的组合波段变量与矿化蚀变相关关系，

在干旱气候下提取金矿蚀变信息［2］

；杨波等考虑到试验区地物光

谱数据较少，首次建立了基于试验区光谱特征定量遥

感找矿模型［3］

。然而，国内外尚未出现基于遥感信息

模型提取土壤重金属污染信息的报道，本文则针对这一研究空白展开相关研究。众所周知，遥感技术应用在土壤重金属污染监测中，必须以重金属的遥感光谱响应作为基础。然而，土壤中绝大部分重金属，如铅、锌、铬、砷等在可见光—近红外波段区间均无光谱特征。因此，目前很难直接利用土壤重金属光谱特征来提取污染信息。当今很多文献已证实土壤中重金属与

铁氧化物存在较高的相关性，

而铁元素存在明显的光谱特征。因此，本文在此环境与技术背景下，利用多种光谱数据预处理方法尝试找出重金属元素所对应的相

关波段，

进而给出多元回归方程，并以该模型为指导，提取影像中的污染信息。

二、研究方法与步骤

本研究大体分7步进行（如图1所示）：①土壤样本采集与光谱测定；②土样化学成分鉴定；③分析重金属与波谱段相关性；④PLSR 模型建立；⑤多源遥感影像数据预处理；⑥提取重金属污染信息；⑦通过野外取样验证和完善已建立的遥感信息模型

。

图1研究流程图

9

22013年第3期王晓华，等:土壤重金属污染信息提取遥感模型的建立—

——以水口山矿区铅锌污染为例

1）野外土样采集与光谱测试。土壤样本采集时

间应安排在天气晴好、

能见度高的9ʒ00am —10ʒ30am ，在公路或河流两旁选择田块，每个田块采用“X ”形确定

5个采样点，每点采集约150g 表层土壤。采样后在原地立刻进行光谱测试，仪器使用MSR-16R （如图2所示），波谱范围452 1650nm ，采样间隔50nm ，共分16波段。测试前需用白色参考版对仪器进行严格校正。光谱探头与土壤样品垂直相距15cm ，每个样品扫

描5次取其均值作为该土样反射光谱数据［4］

。

图2MSR-16R 土壤光谱检测装置

2）基于采样点的GPS 坐标测量，是为后续的

影像目标处理提供精确的坐标数据。

3）土壤样本数据的分析处理。首先，土样中各种金属浓度的测量是根据原子吸收分光光度计的

显示结果，

并查对标准曲线而得出各种金属的含量，然后与国家标准土壤样品GBW07405（GSS-5）进行分析质量比对，检验误差是否在允许范围内。其次，对实测光谱数据进行预处理，使用的方法主要

有断点修正、

平滑处理［5］、基线校正［6］

、光谱微分技术［7］、连续统去除法［8］，在不损失有用光谱信息的

条件下，

最大限度地去除仪器噪声、土壤颗粒大小及空气悬浮物等背景的影响，以提高波谱分辨率与灵敏度。最后在此基础上，运用统计分析、原始光谱单波段分析，建立土壤重金属波谱数据库。

4）PLSR 模型分析。由上文已建立的波谱数据库可以得到重金属元素相关波长变量，

利用PLSR 模型生成一系列依其解释变量方差能力大小排列

的独立变量［9-10］

，然后从这些独立变量值中提取比

较重要的几个（矩阵中主特征向量的前几个）进行多元线性回归分析，导出的回归方程即为重金属污

染信息提取的遥感模型［11］

。

三、水口山矿区遥感信息模型的建立

1．研究区概况

该区地理坐标为112ʎ30'E 112ʎ40'E ，

26ʎ31'N 26ʎ36'N ，东西长18km ，南北宽7km ，面积126km 2，位于湖南省常宁市境内。水口山是驰名中外的铅锌产地，建矿于1896年，享有“世界铅都”之美称，累积探储量为铅87．46万t ，锌111．08万t 。周围分布万亩双季水稻田，但由于近年来铅锌污染加重，大部分地块已荒芜。

2．PLSR 模型分析与构建

由于采集的土壤样本远远少于相关波谱数量，李世玲已证明采用PLSR 建模是此种情况下较好的方法之一［12］

。本文就利用这种方法，

对铅元素信息进行PLSR 建模，

具体过程如下：把铅元素相关波长集合记为X =［X 1，X 2，X 3，…，X M ］，M =150，利用PCA

方法对SIFT 描述符进行降维，首先进行标准化处理X =（X －珚X ）槡/D （1）

式中，

X 是一个M ˑN 矩阵；X 表示相关波段的均值；D 为方差矩阵。相关波段集合的主分量可通过下式计算得到

V T （XX T ）V =Λ

（2）

式中，Λ为特征值λi （i =1，2，3，…，M ），λ1≥λ2≥…≥

λM 组成的对角阵；V 为特征值对应的特征向量V i （i =1，2，…，M ）组成的正交阵。选择前3个较大的特征值

所对应的特征向量作为压缩而成的独立变量［13］，如W 330、W 790、W 1440，而后对这些变量组合进行多元线

性回归分析（具体计算过程略），

导出回归方程Pb =76．454W 330－2．976W 790+23．255W 1440－

56．232

r =0．697

（3）

同理，建立锌元素污染信息提取的遥感模型Zn =73．542W 345－3．355W 760+20．794W 1590－

0．862

r =0．702

（4）

四、结果与分析

基于上述遥感信息模型，对预处理后的影像中对应的波段进行运算，通过一系列增强处理，得到水口山矿区铅锌污染亮度图斑，

然后与增强处理前的影像叠加显示（由于该影像图幅较大，只显示剪切后部分区域，如图3所示）

。

图3

污染信息部分亮度图斑

03测绘通报2013年第3期