引用本文
谭德军, 谢巨天, 简季, 谢洪斌, 罗真富, 胡运海. 万盛采矿区粉尘污染农作物光谱特性分析[J]. 国土资源遥感, 2013,25(2): 121-130
TAN Dejun, XIE Jutian, JIAN Ji, XIE Hongbin, LUO Zhenfu, HU Yunhai. Analysis on spectral characteristics of dust polluted crops in Wansheng coal mineing district[J]. REMOTE SENSING FOR LAND & RESOURCES,2013,25(2): 121-130  
Permissions
Copyright©2013, 《国土资源遥感》编辑部
《国土资源遥感》编辑部
万盛采矿区粉尘污染农作物光谱特性分析
谭德军1,3, 谢巨天2, 简季2, 谢洪斌1,3, 罗真富1,3, 胡运海2
1.重庆地质矿产研究院外生成矿与矿山环境重庆市重点实验室,重庆 400042
2.成都理工大学地学空间信息技术国土资源部重点实验室,成都 610059
3.煤炭资源与安全开采国家重点实验室重庆研究中心,重庆 400042

第一作者简介: 谭德军(1980-), 男, 工程师, 主要从事地理信息系统方面的研究。 E-mail:924325665@qq.com。

收稿日期: 2012-07-25
基金: 科技部重大国际合作项目(编号: 200073819)、国家自然科学基金项目(编号: 41071265)、科技部重大基础性项目(编号: 2007FY110300-08)、四川省教育厅自然科学青年项目(编号: 07ZB121)和重庆市国土资源和房屋管理局科技计划项目“基于多时相高光谱遥感的矿产资源开发与环境变化研究——以重庆市万盛矿业开发集中区为例”(编号: CIGMR1103)共同资助
摘要

为了探索对煤矿开采过程中产生的粉尘污染进行定量监控与防治的方法,尝试利用地物的高光谱特征快速反演区域粉尘污染范围及其相对程度。以重庆市万盛采矿区为研究区,利用ASD便携式地物光谱仪对该区域被粉尘污染的典型农作物进行高光谱反射率测定,并对植被总体光谱反射率和在1 000 nm与1 200 nm附近的光谱小吸收谷的异常进行分析。结果表明,该区域受到的粉尘污染以南桐煤矿南部和砚石台煤矿西南部最为严重,其中受粉尘污染影响最明显的农作物为牛皮菜、莲花白和冬寒菜。通过对比各种受粉尘污染农作物光谱数据,间接得出各区域粉尘污染的相对程度,提供了丰富的农作物光谱实测依据,为进一步的大气粉尘污染遥感定量研究奠定了基础。

关键词: 煤矿; 粉尘污染; 万盛; 高光谱
中图分类号:TP79 文献标志码:A 文章编号:1001-070X(2013)02-0121-10 doi: 10.6046/gtzyyg.2013.02.21
Analysis on spectral characteristics of dust polluted crops in Wansheng coal mineing district
TAN Dejun1,3, XIE Jutian2, JIAN Ji2, XIE Hongbin1,3, LUO Zhenfu1,3, HU Yunhai2
1.Chongqing Key Laboratory of Exogenic Mineralization and Mine Environment, Institute of Geology and Mineral Resources,Chongqing 400042, China
2.Key Laboratory of Geoscience Spatial Information Technology, Ministry of Land and Resources,Chengdu University of Technology, Chengdu 610059, China
3.Chongqing Research Center of State Key Laboratory of Coal Resources and Safe Mining, Chongqing 400042, China
Abstract

Regional dust pollution,resulting from airborne transmission of dust formed by coal mining,endangers the health of the surrounding residents. Therefore, the development of the methods for dust monitoring and controlling is extremely important. In this study, Wansheng, located in the southeast of Chongqing City,was selected as the study area,and ASD Field Pro Ⅲ spectrometer was employed for spectrum collection. A comparative analysis of spectral data was carried out on the basis of the anomalies of the vegetation overall spectral reflectance and small absorption peaks at the wavelength of 1 000 nm and 1 200 nm,and then a relative level of dust pollution was retrieved. The results show that the dust pollution in the southern part of the Nantong coal mine and the southwestern part of the Yanshitai coal mine in Wansheng district is the most serious. The crops impacted by dust mainly include leaf beet,cabbages and Chinese mallow. The results obtained by the authors provide fundamental basis for further researches on dust pollution based on quantitative remote sensing.

Keyword: coal mine; dust pollution; Wansheng; hyperspectral
0 引言

随着社会经济的发展, 社会对矿产资源的需求越来越多, 从而带动了矿产开发业的蓬勃发展。然而, 矿产资源在开发、加工和使用过程中产生的各种污染物质, 使大气、水体、植被和土壤受到污染, 引发众多的生态环境问题, 制约着资源与环境的可持续发展; 矿山环境问题已成为当今世界各国关注的焦点问题之一[1, 2, 3, 4, 5, 6, 7]。因此, 调查了解矿区环境污染的现状, 研究并采取行之有效的防治和治理措施, 保护矿区, 阻止矿区环境恶化趋势的发展, 具有极其重要意义[1, 7]。粉尘污染是固体污染的一种, 它污染大气环境, 损害人类健康。大量粉尘污染覆盖在植物表面, 改变了植物光谱特征, 阻碍了植物的光合作用, 影响植物生长, 降低农作物产量[6, 7, 8]。利用遥感手段对环境污染进行定量分析, 是遥感研究的方向之一。近几十年来, 光电技术的发展使得各种新型的高光谱分辨率光谱(辐射)仪相继问世, 使遥感监测粉尘污染成为可能[7, 8]。例如, 美国“ 9· 11” 事件发生后, USGS使用AVIRIS成像光谱仪先后2次在世界贸易中心旧址上空进行遥感测量, 对爆炸后的粉尘污染范围进行调查, 编制了粉尘污染分布图; 万余庆等[6]利用室内和室外高光谱测量相结合方法, 对宁夏汝箕沟矿区的粉尘污染进行了研究, 对粉尘污染的特征谱段进行了分析。目前, 植被高光谱研究通过对不同类型植被的生物化学成分含量的估算可以得到更为详细的植被生态学信息, 包括叶子水分、叶绿素、纤维素、木质数和其他色素含量以及叶子和树冠结构等, 尤其对“ 红边” 位移的监测可获得有关植被生态胁迫的信息[1, 6, 7, 8]。基于此, 针对粉尘污染问题, 本文综合利用3S技术, 结合植物学、光谱学等学科的理论知识, 采用前人的理化实验结论和粉尘污染光谱提取方法[6, 7], 选择重庆市万盛采矿区为研究区, 通过分析矿区周边农田典型农作物的光谱特性, 提取因受粉尘污染造成的光谱异常信息; 并对矿区内部各区域受粉尘污染情况进行对比, 探讨各区域受粉尘污染的程度以及各测量目标农作物受粉尘污染的程度。

1 研究区与数据源
1.1 研究区概况

万盛采矿区位于重庆市南部, 处于E106° 45'~107° 30', N28° 46'~29° 06'之间(图1)。全区土地总面积为565.76 km2, 其中耕地面积(据国土资料)90 km2, 种植主要农作物有水稻、玉米、冬寒菜、胡豆、莲花白、牛皮菜、瓢儿菜、土豆和莴笋等。区内矿产资源较为丰富, 有煤、硫铁矿、石英砂岩、白云岩、石灰岩、页岩、萤石、地热、滑石、高岭土、耐火粘土、铝土矿、铁矿、建筑大理石、含钾岩石和钼矿等16种矿产。因矿山开采及矿产资源加工利用造成大量的粉尘排放, 致使矿区内粉尘污染较重。

图1 万盛区位置及采样点分布图Fig.1 Location of Wansheng district and sampling distribution

1.2 数据获取

1.2.1 测量仪器与方法

本研究中野外光谱测量采用的仪器是ASD Field Pro III光谱仪, 波长范围350~2 500 nm(其中, 350~1 000 nm谱段的采样间隔为1.4 nm, 光谱分辨率为3 nm; 1 000~2 500 nm谱段的采样间隔为2 nm, 光谱分辨率为10 nm)。野外光谱测量时, 光谱仪探头垂直向下, 距水平测量面样本30 cm左右; 每次采集目标地物光谱前后均对光谱仪进行参考板校正, 每个测量面样本测量3次, 取其平均值作为最终光谱测量结果, 以避免随机噪声干扰。

1.2.2 测量点设置

研究区内现有主要矿区6个, 分别为南桐煤矿、东林煤矿、红岩煤矿、砚石台煤矿、鱼田堡煤矿和新田湾煤矿, 其分布如图1所示。根据测区范围, 将野外数据采集工作分为5条路线。由于正值春季, 昼夜温差较大, 故安排每个测量日测量工作时间为9:00~16:00。由于空气中粉尘含量较高, 测区长期处于阴霾天气, 故在野外光谱测量时采用模拟太阳光探头, 对测量目标进行接触式测量。根据矿区分布情况, 共布设测点193个; 根据研究的需要, 对每个测点周围10 m2范围内的目标进行选择测量。对7种测量目标(莴笋、莲花白、冬寒菜、胡豆、土豆、牛皮菜和瓢儿菜)进行光谱测量时, 为减小“ 同物异谱” 问题的影响, 尽量避免对农作物的老叶、新叶和病叶进行测量。共测量目标350个(冬寒菜47个、胡豆49个、莲花白56个、牛皮菜40个、瓢儿菜45个、土豆37个、莴笋76个), 获得光谱数据2 119个。

2 光谱数据分析

植被与太阳辐射的相互关系有别于其他地物(如裸土、水体等), 很多因素影响着植被对太阳辐射的吸收和反射, 包括波谱范围、水分含量、养分和碳元素含量等。绿色植被的光谱曲线在1 000 nm和1 200 nm附近有2个明显的小吸收谷。在受到粉尘污染时, 植被光谱曲线会发生一些变化, 随着粉尘覆盖量的增加, 1 000 nm和1 200 nm附近的相对吸收强度逐渐降低; 并且总体上随着粉尘覆盖量的增加, 植被的反射波谱渐渐趋近于粉尘的反射波谱(万余庆等的研究验证了粉尘与植被反射率的这种关系[6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16])。高光谱数据大量的光谱波段为了解地物提供了极其丰富的遥感信息, 这有助于完成更加细致的遥感地物分类和目标识别; 然而波段的增多也必然导致信息的冗余和数据处理复杂性的增加[7], 为此, 本文使用导数分析方法(一阶导数)对光谱数据进行处理、提取光谱变化的特征谱段以获取植被污染特征。一阶导数光谱就是零阶光谱按一定的波长间隔(△ λ )测得的变化率对应于波长而得到的图谱, 从而提取出光谱变化的特征谱段。

为使后期光谱数据的分析简化和准确, 根据植被光谱的主要光谱特性, 将测量数据中明显与植被光谱不符的有问题数据和不相关数据剔除; 并根据研究需要, 将光谱数据按测量日期和目标种类进行了2种分类。其中, 按测量目标将光谱数据分为7类, 分别为冬寒菜(有效数据141个)、胡豆(有效数据147个)、莲花白(有效数据168个)、牛皮菜(有效数据120个)、瓢儿菜(有效数据135个)、土豆(有效数据111个)和莴笋(有效数据228个)。

3 结果与讨论

粉尘污染是大气污染中的主要成分之一, 特别是在煤矿矿山开发盛行的区域, 粉尘污染尤为严重, 严重影响矿区及其周边居民的生活以及劳动作业[6, 7]。农作物受粉尘污染程度的大小可直接影响农作物在相应谱段的反射率。本文以南桐煤矿、红岩-砚石台煤矿、东林-鱼田堡煤矿和新田湾煤矿等4个区域的冬寒菜、胡豆、莲花白、牛皮菜、瓢儿菜、土豆和莴笋等7类典型农作物为例, 通过对各种受粉尘污染农作物光谱数据的对比, 间接得出各区域粉尘污染的相对程度, 为大气中粉尘污染的遥感定量研究打下基础并提供依据。

3.1 南桐煤矿典型农作物光谱分析

南桐煤矿地处万盛区西部, 根据野外调查线路的安排与测点分布情况, 本文将南桐煤矿区域分为南桐煤矿南和南桐煤矿北进行各种农作物光谱的对比分析。

图2(a)和(b)分别为南桐煤矿周边测点139, 140, 141, 147, 189, 190和192的冬寒菜实测光谱图及一阶导数曲线。

图2 南桐煤矿冬寒菜光谱图Fig.2 Spectral curves of Chinese mallow in Nantong coal mine

从图2可以看出, 冬寒菜在测点190, 189和192的光谱反射总体上较高; 相比之下, 测点139和140的冬寒菜光谱反射总体上较低并且在1 000 nm和1 200 nm附近的小吸收谷更不明显。因此, 由冬寒菜光谱图(图2(a))和图1中的点位分布可以判断, 南桐煤矿南部冬寒菜受粉尘污染影响比北部大。

图3(a)和(b)分别为南桐煤矿周边测点23, 139, 141, 142, 188, 189, 190和192的胡豆实测光谱曲线及一阶导数曲线。

图3 南桐煤矿胡豆光谱图Fig.3 Spectral curves of Lima Bean seedlings in Nantong coal mine

由光谱曲线图(图3(a))及图1中的点位分布可知, 南桐煤矿南胡豆光谱反射率总体上比南桐煤矿北低, 其中, 胡豆在南桐煤矿南中测点142的光谱反射率明显较低, 并且在1 000 nm和1 200 nm附近光谱小吸收谷不明显。由此可知胡豆在南桐煤矿南受粉尘影响比南桐煤矿北大, 并且在测点142受粉尘影响最为显著。

图4(a)和(b)分别为南桐煤矿周边测点36, 57, 139, 141, 142, 190, 191和192的牛皮菜实测光谱曲线及一阶导数曲线。

图4 南桐煤矿牛皮菜光谱图Fig.4 Spectral curves of Leaf beet in Nantong coal mine

由光谱曲线图(图4(a))及图1中的点位分布可知, 牛皮菜在南桐煤矿南的光谱反射率总体上比南桐煤矿北的低, 在测点139, 141的光谱反射率明显较低, 并且在1 000 nm和1 200 nm附近吸收谷不明显。由此可推断牛皮菜在南桐煤矿南的粉尘污染程度比南桐煤矿北的高, 并且在测点139和141受粉尘影响更为明显。

图5(a)和(b)分别为南桐煤矿周边测点139, 140, 141, 189, 190, 191和192的莲花白实测光谱曲线及一阶导数曲线。

图5 南桐煤矿莲花白光谱图Fig.5 Spectral curves of Cabbages in Nantong coal mine

由光谱曲线图(图5(a))及图1中的点位分布可知, 莲花白在南桐煤矿北光谱最高峰的最高反射率达0.8、最高峰的最低反射率也有0.6; 而在南桐煤矿南光谱最高峰的最高反射率还不到0.6, 最高峰的最低反射率则只有0.4。由此反映出莲花白受粉尘影响程度在南桐煤矿南比南桐煤矿北要高。

图6(a)和(b)分别为莴笋南桐矿区周边测点28, 31, 32, 37, 48, 139, 140, 141, 142, 189, 190和192的莴笋光谱曲线及一阶导数曲线。

图6 南桐煤矿莴笋光谱图Fig.6 Spectral curves of Asparagus lettuce in Nantong coal mine

由光谱曲线图(图6(a))及图1中的点位分布可明显观察出, 南桐煤矿东北、西、东南部的莴笋光谱呈现逐渐降低的趋势, 并且在南桐煤矿西测点32, 37的莴笋光谱中, 在1 000 nm和1 200 nm附近的吸收谷变得不明显。由此推断, 莴笋在南桐煤矿西南部受粉尘污染程度较大, 东南部次之, 北部最低。

通过对南桐煤矿区测得的冬寒菜、胡豆、莲花白、牛皮菜和莴笋的光谱曲线分析可以判断, 南桐煤矿区的确存在粉尘污染现象, 并且其西南部各典型农作物受粉尘污染影响最大(其中受粉尘污染较为严重的测点有37, 32, 139, 141等)。

3.2 红岩-砚石台煤矿典型农作物光谱分析

红岩煤矿和砚石台煤矿地处万盛区东部边界, 红岩煤矿西南入口处与砚石台煤矿相接。图7(a)和(b)分别为红岩煤矿和砚石台煤矿周边测点117, 118, 120, 122, 123, 124, 125, 128, 129, 130, 133, 134, 135, 136, 137和138的冬寒菜实测光谱曲线及一阶导数曲线。

图7 红岩-砚石台煤矿冬寒菜光谱图Fig.7 Spectral curves of Chinese mallow in Hongyan and Yanshitai coal mine

由光谱曲线图7(a)及图1中点位分布可知, 测点130处冬寒菜光谱反射率相对测点128和129处较低, 并且在1 000 nm和1 200 nm附近吸收不明显; 冬寒菜异常反射异常明显的测点有117, 118, 122, 123和124, 最为明显的测点为118和122; 测点135, 137和138的冬寒菜光谱异常程度较大。由图1测点点位分布推断, 受粉尘污染较大的区域有红岩煤矿所测区域的中部-东部和砚石台煤矿所测区域的南部。

图8(a)和(b)分别为砚石台煤矿和红岩煤矿周边测点132, 121, 122, 134, 135, 136和129的土豆光谱曲线及一阶导数曲线。

图8 红岩-砚石台煤矿土豆光谱图Fig.8 Spectral curves of Potato seedlings in Hongyan and Yanshitai coal mine

由光谱曲线图(图8(a))及图1中点位分布可知, 测点121和129处土豆反射率明显偏低, 并且在1 000 nm和1 200 nm附近的光谱吸收不明显。由此可推断, 在红岩煤矿所测区域的中部和砚石台所测区域的南部土豆光谱受粉尘污染影响较大。

图9(a)和(b)分别为砚石台煤矿和红岩煤矿周边测点122, 123, 124, 125, 132, 134, 135, 137和138的瓢儿菜光谱曲线及一阶导数曲线。

图9 红岩-砚石台煤矿瓢儿菜光谱图Fig.9 Spectral curves of Scoop white in Hongyan and Yanshitai coal mine

由图9可知, 测点134和137处瓢儿菜光谱较为正常, 测点132和138的瓢儿菜光谱反射稍低, 并且在1 000 nm和1 200 nm附近光谱吸收减弱, 测点135瓢儿菜光谱反射最低, 并且1 000 nm和1 200 nm附近吸收不明显。由此推断, 砚石台煤矿与红岩煤矿交界带和砚石台煤矿南部区域瓢儿菜光谱受粉尘污染影响最为明显。

图10(a)和(b)分别为砚石台煤矿和红岩煤矿周边测点133, 134, 136, 137, 117, 118, 121, 123, 125, 128, 129和130的莲花白光谱曲线及一阶导数曲线。

图10 红岩-砚石台煤矿莲花白光谱图Fig.10 Spectral curves of Cabbages in Hongyan and Yanshitai coal mine

由图10可知, 测点134, 136和137的莲花白光谱反射率明显低于133, 测点121和129的莲花白光谱反射率最低。由此推断, 在红岩煤矿与砚石台煤矿交接处粉尘污染较为严重, 红岩煤矿测区的中部和砚石台煤矿的南部粉尘污染也较为严重。

通过对红岩-砚石台煤矿测区的冬寒菜、土豆、瓢儿菜和莲花白等典型农作物的光谱分析, 可得到受粉尘污染较为严重的区域有红岩煤矿测区中部与西南部、红岩煤矿与砚石台煤矿交接处以及砚石台煤矿南部。其中典型农作物光谱反射受粉尘污染影响最大的测点有117, 118, 122, 129, 137和138。

3.3 东林-鱼田堡煤矿典型农作物光谱分析

东林煤矿和鱼田堡煤矿地处万盛区中部, 与万盛区县城东南方相接。图11(a)和(b)分别为鱼田堡煤矿周边测点88, 111, 113, 114和115的冬寒菜光谱曲线及一阶导数曲线。

图11 东林-鱼田堡煤矿冬寒菜光谱图Fig.11 Spectral curves of Chinese mallow in Donglin and Yutianpu coal mine

通过测点点位分析及光谱分析可知, 测点114和88的冬寒菜光谱反射较为正常, 但测点111, 114和115的冬寒菜光谱反射明显相比较低, 并且在1 000 nm和1 200 nm附近光谱吸收相对较弱; 测点111和113的冬寒菜光谱反射异常最为明显, 可推断鱼田堡煤矿在东部(与东林煤矿交接处)和西部(与南桐煤矿交接处)粉尘污染相对严重。

图12(a)和(b)分别为鱼田堡煤矿周边测点79, 99, 107, 111和115的牛皮菜光谱曲线及一阶导数曲线。

图12 东林-鱼田堡煤矿牛皮菜光谱图Fig.12 Spectral curves of Leaf beet in Donglin and Yutianpu coal mine

通过测点点位分析及光谱分析可知, 测点99、107和115的牛皮菜光谱反射较为正常, 测点79与111的冬寒菜光谱反射方式相近且反射率相对较低, 故推断东林煤矿中部和鱼田堡煤矿东部(鱼田堡煤矿与东林煤矿交接处)粉尘污染相对严重。

图13(a)和(b)分别为东林煤矿和鱼田堡煤矿周边测点65, 66, 68, 78, 80, 81, 83, 84和85的莴笋光谱曲线及一阶导数曲线。

图13 东林-鱼田堡煤矿莴笋光谱图Fig.13 Spectral curves of Asparagus lettuce in Donglin and Yutianpu coal mine

通过测点点位分析及光谱分析可以发现, 植被光谱反射率因地域性的改变而出现明显的变化, 其中以测点66, 68, 80, 81和95的莴笋光谱图异常较大, 光谱反射率较低, 且在1 000 nm和1 200 nm附近的光谱吸收逐渐减弱。其中以测点80和81最为突出, 测点88与113的莴笋光谱反射较为正常, 测点95的反射率偏低。据此推断, 东林煤矿中部的测量区域存在一定的粉尘污染, 并且在鱼田堡煤矿西部也有轻微程度的粉尘污染。

图14(a)和(b)分别为东林煤矿和鱼田堡煤矿周边测点113, 114, 115, 97, 101, 106, 110和111的莲花白光谱曲线及一阶导数曲线。

图14 东林-鱼田堡煤矿莲花白光谱图Fig.14 Spectral curves of Cabbages in Donglin and Yutianpu coal mine

通过测点点位分析及光谱分析发现, 测点113和114的莲花白光谱反射总体略偏低, 测点115的莲花白光谱反射较低并且在1 000 nm和1 200 nm附近吸收强度减弱, 测点97, 110, 101, 111和106的莲花白光谱反射率随之降低, 在测点101, 111和106尤为明显。推断鱼田堡煤矿西部测区存在一定粉尘污染。

综上所述, 鱼田堡煤矿与东林煤矿均存在一定的粉尘污染: 其中鱼田堡煤矿西部(与南桐煤矿交接处)粉尘污染明显, 代表性的测点有101, 111和116; 鱼田堡煤矿偏东(至与东林煤矿交接处)存在一定程度的粉尘污染, 代表性测点有94和114; 东林煤矿测区中部区域粉尘污染明显, 测点79, 80和81的典型农作物受粉尘污染光谱异常明显。

3.4 新田湾煤矿典型农作物光谱分析

新田湾煤矿地处万盛区西部偏南, 煤矿北部与南桐煤矿相接, 新田湾煤矿总体呈南北向条带状, 根据野外测量路线与测点分布, 大致将新田湾煤矿分为3部分: 新田湾煤矿北部(包括测点143, 144, 145, 146, 147和148), 新田湾煤矿由北至南(包括测点149, 150, 151, 152, 153, 154和155)和新田湾煤矿南至北(包括测点156, 157, 158, 159, 160, 161, 162, 163, 164和165)。图15(a)和(b)分别为新田湾煤矿周边测点155, 156, 158, 162和165的冬寒菜光谱曲线及一阶导数曲线。

图15 新田湾煤矿冬寒菜光谱图Fig.15 Spectral curves of Chinese mallow in Xintianwan coal mine

通过测点点位分析及光谱分析可以发现, 测点155可能存在一定的粉尘污染, 而新田湾煤矿由南至北以及北部区域粉尘污染程度较轻。

图16(a)和(b)为在新田湾煤矿周边所有测点莲花白光谱曲线及一阶导数曲线。

图16 新田湾煤矿莲花白光谱图Fig.16 Spectral curves of Cabbages in Xintianwan coal mine

通过测点点位分析及光谱分析可知, 异常严重的测点有143和144, 测点151有轻微的光谱反射异常, 测点165的莲花白光谱数据反射率明显较低, 其他测点趋近正常。由此推断, 在新田湾北部, 粉尘污染对莲花白光谱反射影响较大的测点为143和144, 在新田湾中部地区, 可能出现一定程度的粉尘污染, 代表测点为151和165。

通过对新田湾煤矿实测典型农作物的光谱分析可以判断: 在新田湾煤矿测区范围内各典型农作物光谱反射总体上正常; 在新田湾煤矿北部和南部各典型农作物光谱皆出现轻微异常; 在新田湾煤矿中部, 典型农作物在测点151和165的反射率明显偏低, 说明此处存在一定程度的粉尘污染。

3.5 粉尘污染趋势分析

通过对万盛区范围内(包括南桐煤矿、红岩-砚石台煤矿、东林-鱼田堡煤矿和新田湾煤矿等4个矿区)的冬寒菜、胡豆、莲花白、牛皮菜、瓢儿菜、土豆和莴笋等7种典型农作物的光谱采集处理与分析, 提取出受粉尘污染较为严重的典型测点18个(测点32, 37, 79, 80, 81, 94, 101, 111, 114, 116, 117, 118, 122, 129, 137, 138, 151和165), 这些典型测点的区域分布情况如图17。

图17 万盛区粉尘污染典型测点分布图Fig.17 Typical sampling distribution of dust pollution in Wansheng district

由图17可以看出, 万盛区各煤矿区粉尘污染较为严重的区域有: 南桐煤矿南部区域、红岩煤矿与砚石台煤矿交接区域、砚石台煤矿西南部、东林煤矿中部、鱼田堡煤矿东部与西部边境区域和新田湾煤矿中部以南区域。通过对各煤矿间受粉尘污染的同类典型农作物的光谱对比分析, 可初步判断粉尘污染程度由高到低为南桐煤矿、砚石台煤矿、鱼田堡和东林煤矿、新田湾和红岩煤矿。通过对同矿区各类典型农作物的光谱对比分析, 可初步判断受粉尘污染影响植被反射波谱变化由大到小为牛皮菜、瓢儿菜和莲花白、莴笋和冬寒菜、土豆和胡豆。

4 结论

1)粉尘污染是大气污染中的主要成分之一, 特别是在煤矿矿山开发盛行的区域, 粉尘污染尤为严重, 严重影响周边居民的生活以及劳动作业。本文结合3S技术、光谱学、植物学等学科, 通过对万盛区各煤矿中典型农作物高光谱反射率的采集、处理和分析, 初步确定了万盛区各煤矿区粉尘污染较为严重的区域有: 南桐煤矿南部区域、红岩煤矿与砚石台煤矿交接区域、砚石台煤矿西南部、东林煤矿中部、鱼田堡煤矿东部与西部边境区域和新田湾煤矿中部以南区域。

2)通过对同矿区各类典型农作物的光谱对比分析, 本文初步确定在万盛区受粉尘污染影响植被反射波谱变化由大到小为牛皮菜、瓢儿菜和莲花白、莴笋和冬寒菜、土豆和胡豆。

3)通过对各种受粉尘污染农作物光谱数据的对比, 间接得出了各区域粉尘污染的相对程度, 表明利用高光谱遥感手段间接监测大气中粉尘污染是可行的。

4)本研究获取的大量农作物光谱实测依据, 为进一步的大气粉尘污染遥感定量研究奠定基础。

由于农作物光谱特性和光谱特征容易受到多种因素的影响, 因此, 在后续的研究中, 还需要对粉尘对农作物光谱影响的成因机理进一步加以分析。

The authors have declared that no competing interests exist.

参考文献
[1] 吕乃璧. 矿山污染标准[J]. 矿业工程, 1993(3): 74-76.
Lyu N B. Mining pollution stand ards[J]. Mining Engineering, 1993(3): 74-76. [本文引用:3] [CJCR: 0.254]
[2] 赵永超, 承继成, 陈正超, 等. 地物波谱中的不确定性问题——关于“同物异谱”和“异物同谱”的认识[J]. 遥感学报, 2003, 7(增刊): 80-90.
Zhao Y C, Cheng J C, Chen Z C, et al. Discussion on the spectral uncertainty of terrestrial objects[J]. Journal of Remote Sensing, 2003, 7(s1): 80-90. [本文引用:1] [CJCR: 1.077]
[3] 程高峰, 李秉柏, 李萍萍. 作物红边位置算法评述[J]. 江苏农业科学, 2009(2): 12-14.
Cheng G F, Li B B, Li P P. Comment on the red edge algorithm of crops[J]. Jiangsu Agricultural Sciences, 2009(2): 12-14. [本文引用:1] [CJCR: 0.574]
[4] Andersona J E, Plourdea L C, Martin M E, et al. Integrating waveform LiDAR with hyperspectral imagery for inventory of a northern temperate forest[J]. Remote Sensing of Environment, 2008, 112(4): 1856-1870. [本文引用:1] [JCR: 4.769]
[5] Roberts D A, Gardner M, Church R, et al. Mapping chaparral in the Santa Monica mountains using multiple endmember spectral mixture models[J]. Remote Sensing of Environment, 1998, 65(3): 267-279. [本文引用:1] [JCR: 4.769]
[6] 万余庆, 谭克龙, 周日平. 高光谱遥感应用研究[M]. 北京: 科学出版社, 2006.
Wan Y Q, Tan K L, Zhou R P. Applied research on hyperspectral remote sensing[M]. Beijing: Science Press, 2006. [本文引用:7]
[7] Pascucci S, Belviso C, Cavalli R M, et al. Using imaging spectroscopy to map red mud dust waste: The Podgorica Aluminum Complex case study[J]. Remote Sensing of Environment, 2010, 123: 139-154. [本文引用:9] [JCR: 4.769]
[8] 童庆禧, 张兵, 郑兰芬. 高光谱遥感——原理、技术与应用[M]. 北京: 高等教育出版社, 2006.
Tong Q X, Zhang B, Zhen L F. Hyperspectral remote sensing[M]. Beijing: Higher Education Press, 2006. [本文引用:4]
[9] 张宗贵, 王润生, 郭小方, 等. 基于地物光谱特征的成像光谱遥感矿物识别方法[J]. 地学前缘, 2003, 10(2): 437-443.
Zhang Z G, Wang R S, Guo X F, et al. Mineral recognition method by spectrometry remote sensing based on material spectral characteristics[J]. Earth Science Frontiers, 2003, 10(2): 437-443. [本文引用:1]
[10] 梅安新, 彭望琭, 秦其明, 等. 遥感导论[M]. 北京: 高等教育出版社, 2001.
Mei A X, Peng W L, Qin Q M, et al. An introduction to remote sensing[M]. Beijing: Higher Education Press, 2001. [本文引用:1]
[11] 陈水森, 方立刚, 柳钦火, 等. 广东省特色农作物标准波谱数据库框架设计与示范应用[J]. 国土资源遥感, 2005, 17(3): 74-78.
Chen S S, Fang L G, Liu Q H, et al. The frame design and application demonstration of the stand ardized spectral library for featured crops in Guangdong province[J]. Remote Sensing for Land and Resources, 2005, 17(3): 74-78. [本文引用:1]
[12] 刘英, 王珂, 周斌, 等. 千岛湖水体叶绿素浓度高光谱遥感监测研究初报[J]. 浙江大学学报, 2003, 29(6): 621-626.
Liu Y, Wang K, Zhou B, et al. Preliminary study on hyperspectral remote sensing of Qiand ao Lake chlorphyll-a concentration[J]. Journal of Zhejiang University: Agric & Life Science, 2003, 29(6): 621-626. [本文引用:1]
[13] 田庆久, 王世新, 王乐意, 等. 典型地物标准波谱数据库设计[J]. 遥感技术与应用, 2003, 18(4): 187-190.
Tian Q J, Wang S X, Wang L Y, et al. Remote sensing stand ardized spectral database system design[J]. Remote Sensing Technology and Application, 2003, 18(4): 187-190. [本文引用:1] [CJCR: 1.047]
[14] 谭昌伟, 郭文善, 朱新开, 等. 不同条件下夏玉米冠层反射光谱响应特性的研究[J]. 农业工程学报, 2008, 24(9): 131-135.
Tan C W, Guo W S, Zhu X K, et al. Canopy spectral reflectance characteristics of summer maize under different conditions[J]. Transactions of Chinese Society of Agricultural Engineering, 2008, 24(9): 131-135. [本文引用:1] [CJCR: 2.121]
[15] 王晓慧, 李增元, 高志海, 等. 沙化土地光谱特征初步分析[J]. 遥感信息, 2005(5): 32-35.
Wang X H, Li Z Y, Gao Z H, et al. The preliminary analysis on spectral property of sand y land [J]. Remote Sensing Information, 2005(5): 32-35. [本文引用:1] [CJCR: 0.45]
[16] 邓书斌, 陈秋锦. 植被波谱特征与植被指数综述[C]//中国遥感应用协会2010年会暨区域遥感发展与产业高层论坛论文文集. 北京, 2010: 1-10.
Deng S B, Chen Q J. Spectral characteristics of vegetation and vegetation index summary[C]//Proceedings of China Association of Remote Sensing Application 2010 and Regional Remote Sensing Development and Industry Forum. Beijing, 2010: 1-10. [本文引用:1]
[17] 甘甫平, 刘圣伟, 周强, 等. 德兴铜矿矿山污染高光谱遥感直接识别研究[J]. 地球科学: 中国地质大学学报, 2004, 29(1): 119-126.
Gan F P, Liu S W, Zhou Q, et al. 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. [本文引用:1] [CJCR: 1.071]
[18] 童庆禧, 张兵, 郑兰芬. 高光谱遥感的多学科应用[M]. 北京: 电子工业出版社, 2006.
Tong Q X, Zhang B, Zheng L F. Hyperspectral remote sensing and its multidisciplinary applications[M]. Beijing: Publishing House of Electronics Industry, 2006. [本文引用:1]