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

1、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姚国标,张磊(中国矿业大学环境与测绘学院,江苏 徐州 221116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, 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 铅锌矿区为例, 验证该方法应用效果, 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; PLSR ;相关分析中图分类号:X508The Building-up of Remote Se

2、nsing Models for heave Metal pollution in Soil -Take the Pollution of Lead and Zinc Mine in ShuiKou Mountain as an ExampleYaoGuobiao, ZhangLei(China Univercity of Mining and Technoledge Environment and Geomatics institute, Jiangsu XuZhou 221116Abstract: In view of the increasingly fierce phenomenon

3、of heavy metal pollution in mining soil, remote sensing information model was proposed based on rapid extraction of pollution information. First of all , carries on the chemical composition appraisal and physics spectral signatures analysis to the open country gathering soil sample, after the prepro

4、cessing of spectral features pretreatment and partial least square regression,establish soil pollution remote sensing models of quantitative information extraction. Finally, take the ShuiKou Mountain lead-zinc mining area as an example, confirms this method application effect, monitoring for the min

5、ing area soil pollution,which has provided it is a real-time, credible image materialKey words: Remote sensing Information Model ; PLRS ; Correlation analysis0引言在重金属开采与冶炼过程中, 将井下矿石搬运到地表, 改变了矿区的化学成分与物理状 态, 使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的重金属污染, 对当地人民群众健康构成巨大威 胁。近年来,国内外在遥

6、感环境监测领域取得了许多丰硕成果。甘甫平等(2004基于矿 区植被对航天 Hyperion 高光谱数据某一波段吸收深度来研究矿区污染程度 1; 赵祥等 (2005 研究矿区植被和水体的波谱变化来监测矿区环境; 2002年, 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; 2005年, 杨波等考虑 实验区地物光谱数据较少,首次建立了基于实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

7、属的遥感光 谱响应作基础。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, 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,以该模型为指导,提取影像中的污染信息。1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

8、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。 由于本文重点是如 何构建基于重金属污染信息的遥感模型, 故详细论述样品的波谱特征与重金属元素之间的相 关关系以及由此导出的遥感信息模型。 图(1本文研究流程(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 9:00AM 10:30AM,在公路或河流两旁选择田块,每个田块采用 “X” 形确定五个采样点,每 点采集约 150g 表层土壤。采样后原地立刻进行光谱测试,仪器使用 MSR 16R (cropscan Inc.,USA ,波谱范围 452 1650nm ,采样间隔 50nm ,共分 16

9、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。(2基于采样点的 GPS 坐标测量,为后续的影像处理提供精确的坐标数据。(3土壤标本数据的分析处理。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,查对标准曲线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、基线校正、光谱微分技术、连续统 去除法 5,在不损失有用光谱信息条件下,最大程度地去除仪

10、器噪声、土壤颗粒大小以及空 气悬浮物等背景的影响,提高了波谱分辨率与灵敏度。在此基础上,运用统计分析、原始光 谱单波段分析,最后建立土壤重金属波谱数据库。(4 PLSR 模型分析。偏最小二乘回归(PLSR 综合多元线性回归(MLR 和主成分 分析(PCA 两种方法。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,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,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。2水口山遥感信息模型的建立2.1研究区概况该区地理坐标为 112

11、°30 E 112°40 E,26°31 N 26°36 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: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。2.2构建水口山遥感信息模型关键技术土壤化学成分鉴定完毕后,按要求填写数据如表 1所示 。表 1土样金属含量统计结果Max 7208.45 3459.32 192.35 380.55 74.20

12、Mean 1856.23 986.36 81.78 126.17 42.57Range 5932.77 2890.58 156.52 360.19 41.60用 spass13.0 Analyze菜单中的子菜单 correlate ,计算表 1中的对应的统计数据,得两两 相关系数 r 及其显著性,如表 2所示(括号内为显著水平。表 2土壤金属两两相关性统计计算结果Pb 1 0.38(0.05 0.42(0.05 0.45(0.05 0.86(0.01Zn 1 0.62(0.01 0.43(0.05 0.72(0.01Cu 1 0.34(0.05 0.32(0.05As 1 0.67(0.01F

13、e 1分析土壤重金属的遥感传感器光谱响应, 是建立区域污染信息提取遥感模型的重要的环 节,如图 2所示经过光谱预处理后所有土样光谱特征曲线。 图(2土样原始光谱由该图可知:(1在短波区间(300 600nm 光谱反射率差异不明显,在近红外以后 的长波区间差异显著;(2在波长 1400nm 附近有一个明显的吸收“谷”,分析得出, OH 振动的倍频与合频产生了该 “谷” 6; (3 在波长 490nm 和 900nm 附近分别有两个吸收 “峰” , 是由于三家铁离子与铁氧化物联合吸收的结果。对波长 300 1600nm 之间的原始光谱反射率与土壤中铅锌铁浓度的相关分析,得到它 们之间的相关关系,如

14、图 3所示。由图可知三种元素在波长 450 1600nm 之间呈较好的正 相关。 因此, 分析土壤中铅锌元素与铁元素之间相关性可间接得到铅锌元素与对应光谱波段 的相关关系,分别对铅锌元素统计各自的相关波段,建立铅锌相关波谱数据库。 图(3重金属与波谱反射率相关系数随波长变化图由于采集的土壤样本远远少于相关波谱数量,李世玲 (2003已证明采用 PLSR 建模是 此种情况下比较好的方法之一 7。本文就利用这种方法,对铅元素信息 PLSR 建模具体过如 下,把铅元素相关波长集合记为 X=x1,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

15、理:( /X X = (2-1 其中, X 是一个 M×N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 (XXT V= (2-2其中, 为特征值 i (i=1,2,3,M , 12M " 组成的对角阵, V 为特征值对 应的特征向量 i V (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 8,如 W330、 W790、 W1440,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=76.454 W330-2.976 W790+23.255 W1440-56.232 r=0.697 (2-3同理,建立锌元素污染信息提取的遥感模型:Zn=73.542 W345-3.355 W760+20.794 W1590-40.862 r=0.702 (2-43 结果与分析基于上文的遥感信息模型, 对预处理后的影像中对应的