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
分析叠加图像，得出以下结论：①由于基于铅元素的遥感信息模型与基于锌元素的遥感信息模型是分别应用于影像的，结果显示两种重金属污染信息图斑大部分重合，说明铅锌污染是紧密相连的，二者有聚类现象；②水口山矿区及其周围均存在不同程度的重金属污染，污染信息几乎遍布整块影像；③影像中有两块较大较亮图斑，经核实，位置在该矿区宏炜冶炼与水口山铅锌第三冶炼厂附近。

五、结束语
本文以土壤重金属元素相关波段作为提取污染信息的理论基础，整个过程运用了多种数据统计与图像处理方法，最终成功建立了基于重金属污染信息的遥感模型，结果证明对铅锌污染辅助治理有重要的应用价值。

但在图像光谱预处理中是否有更适合本文的处理方法，本研究中并没有比较，有待今后进一步研究各种光谱预处理方法的实际适用情况。

由于我国铅锌矿所处的地理环境基本相似，本研究方案能否应用于其他铅锌矿区，也有待今后对大范围的铅锌矿群作进一步整体的研究。

参考文献：
［1］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［J］．地球科学，2004（1）：78-83．
［2］TIMOTHY M K，TALALAAT M R．Structural Controls on
Neoprotero Zoic Mineralization in the South Eastern Des-
ert，Egypt：An Integrated Field，LandsatTM，and SIR-C/X
SAR Approach［J］．Journal of African Earth Sciences，
2002，35（1）：107-121．
［3］杨波，吴德文，赖健清．矿化信息提取定量遥感模型的建立［J］．遥感学报，2005，9（6）：717-724．
［4］任红艳．宝山矿区农田土壤—水稻系统重金属污染的遥感监测［D］．南京：南京农业大学，2008．
［5］蔡银珊，黄英铭．基于P＆M模型的图像去噪平滑处理算法［J］．计算机仿真，2011（8）：256-258．
［6］王瑛，莫金垣．色谱信号的基线校正新技术［J］．计算机与应用化学，2003，20（5）：701-702．
［7］施英妮，张亭禄，魏雅利，等．光谱微分技术在高光谱遥感浅海海底底质中的应用初探［J］．遥感信息，2010
（3）：21-25．
［8］戴昌达，陈宝雯，倪健华，等．土壤资源遥感最佳波段选择的数理统计法［J］．资源科学，1981，3（4）：85-93．［9］马智明，阳宪惠．PLSR模型的回归效果分析［J］．数理统计与管理，2000，19（3）：44-48．
［10］郝健，刘俊民，张殷钦．基于非线性PLSR模型的地下水水质预测［J］．西北农林科技大学学报：自然科学
版，2011，39（7）：212-216．
［11］田庆久，董卫东，张良培．成像光谱遥感数据的光谱重建研究［J］．测绘学报，1997，25（1）：52-57．
［12］李世玲．基于PLS成分的变量筛选法［J］．信息与电子工程，2003，1（2）：31-35．
［13］李伟，沈振康．基于KPCA-SIFT描述符的图像配准［J］．信号处理，2009，25（4）：
櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂櫂
644-647．
(上接第28页)
式（27）表征了基线沿视线向分解时，高度、斜
距、基线和相位等量误差对InSAR形变测量精度总
的影响结果。

五、结束语
本文给出了InSAR形变测量精度的精密关系
式，从中可以看出，高度、相位、斜距，以及基线等量
误差互不影响时对InSAR形变测量精度的影响是
它们误差不独立时的特殊情况。

在推导过程中，因
为顾及了B
R
、r2及很多对InSAR形变测量精度有影
响的因素，所以本文给出的InSAR形变测量精度的精密关系式具有较高的精密性，同时也扩展了其适用范围，因此更加具有应用意义。

参考文献：
［1］刘国林，郝晓光，薛怀平，等．影响InSAR测高精度因素的相关性分析［J］．武汉大学学报：信息科学版，
2007，32（1）：55-58．［2］李振洪，刘经南，许才军．InSAR数据处理中的误差分析［J］．武汉大学学报：信息科学版，2004，29（1）：73-75．［3］张亚利，游扬声，兰敬松．基线误差、相位误差和大气延迟误差对InSAR数据处理的影响分析［J］．遥感技
术与应用，2010，25（3）：400-403．
［4］邓永和．InSAR测高精度的精密公式［J］．大地测量与地球动力学，2010，30（1）：92-94．
［5］张永俊，黄海风，张永生，等．InSAR误差建模与误差估计方法［J］．电子学报，2011，39（6）：1225-1230．［6］楼良盛，刘思伟，周瑜．机载InSAR系统精度分析［J］．武汉大学学报：信息科学版，2012，37（1）：63-67．
［7］王晓光，王治强，杨新．基于Kalman滤波的星载双天线InSAR基线误差估计［J］．测绘学报，2010，
39（6）：561-565．
［8］余景波，曹振坦，崔娟，等．双轨法D-InSAR形变测量的误差分析［J］．计测技术，2011，31（1）：3-6．［9］陈刚，汤晓涛，余旭初，等．基于GCP的星载InSAR系统基线估计算法精度分析［J］．测绘通报，2009（6）：
16-18，21．
［10］王丙南，张帆，向茂生．基线抖动对干涉SAR相位的影响［J］．遥感学报，2010，14（6）：1176-1181．
13
2013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。