国土资源遥感, 2020, 32(2): 46-53 doi: 10.6046/gtzyyg.2020.02.07

技术方法

内蒙古新巴尔虎右旗多金属矿区扬尘风积物遥感监测方法

宋国策, 张志,

中国地质大学(武汉)地球物理与空间信息学院,武汉 430074

Remote sensing monitoring method for dust and wind accumulation in multi-metal mining area of Xin Barag Right Banner,Inner Mongolia

SONG Guoce, ZHANG Zhi,

College of Geophysics and Spatial Information, China University of Geosciences(Wuhan), Wuhan 430074, China

通讯作者: 张 志(1964-),男,博士,教授,主要从事遥感地质、环境遥感、生态地质等方面研究。Email:171560655@qq.com。

责任编辑: 李瑜

收稿日期: 2019-06-27   修回日期: 2019-09-1   网络出版日期: 2020-06-15

基金资助: 中国地质调查项目“全国矿山开发状况遥感地质调查与监测”.  DD20190511

Received: 2019-06-27   Revised: 2019-09-1   Online: 2020-06-15

作者简介 About authors

宋国策(1994-),男,硕士研究生,主要从事环境遥感方面的研究。Email:1207638097@qq.com。 。

摘要

内蒙古新巴尔虎右旗甲乌拉—查干铅锌银矿区地处呼伦贝尔草原腹部,当地半干旱的气候使得该矿区尾矿库、固体废弃物堆、矿石堆等易于产生扬尘,对周边草场产生污染。采用传统的化学采样和光谱分析调查矿区扬尘污染精度虽高,但费时耗力,而利用时序遥感方法监测矿区扬尘污染则比较便捷。本研究利用2018年GF-1卫星数据完成了矿区开发占地信息提取,在分析研究区的风场和最佳扬尘观测月份基础上,使用2000年、2005年、2010年、2015年和2018年获取的5期Landsat卫星数据,采取“扬尘风积物-植被-水体和阴影”端元分解模型和人工干预的半自动剔除道路干扰方法,对矿区扬尘风积物进行遥感监测; 相较于归一化差值植被指数(normalized difference vegetation index,NDVI)分析法,该方法在考虑植被光谱信息的同时也兼顾扬尘的光谱信息,使监测结果更为客观。比较5期遥感图像扬尘风积物提取结果发现,截止到2018年,矿区1 km缓冲区内扬尘风积物污染面积扩大到190.57 hm2,其中2000—2010年间和2010—2018年间的年平均增长面积分别为14.74 hm2和0.64 hm2。监测结果表明矿区采取的防治和治理措施可以明显改善扬尘风积物污染问题,但是随着矿区进一步开发,生态修复治理也应及时跟进。

关键词： 矿区 ; 扬尘风积物污染 ; 线性光谱混合模型 ; NDVI ; 时序监测

Abstract

The Awula-Chagan lead-zinc-silver mine in Xin Barag Right Banner of Inner Mongolia is located in the abdomen of Hulunbuir grassland. Its semi-arid climate makes tailings ponds, solid waste piles and ore piles easily generate dust, polluting surrounding grassland. The traditional chemical sampling and spectral analysis investigate the high precision of the mining area but they are time-consuming and labor-intensive. It is convenient to use the time-series remote sensing method to monitor the dust pollution in the mining area. In this paper, GF-1 satellite data in 2018 were used to extract the information of the mining area in the study area. Based on an analysis of the wind field and the best observation month in the study area, the authors used the five-phase Landsat satellite data to adopt the end-element decomposition model of “dust accumulation-vegetation-water and shadow”, and used the method of semi-automatic elimination of road interference by manual intervention to remove the effects of roads. Compared with NDVI index analysis method, the proposed method considers the vegetation spectral information and takes into account the spectral information of the dust, thus making the monitoring effect more objective. A comparative study of 5 remote sensing image aeolian dust extractions found that, as of 2018, the mining area 1 km buffer aeolian dust contamination area expanded to 190.57 hm2, of which annual average growth area in 2000—2010 and 2010—2018 were 14.72 hm2 and 0.64 hm2, respectively. The monitoring results show that the prevention and control measures adopted in the mining area can significantly improve the pollution of dust and wind accumulations; nevertheless, with the further development of the mining area, ecological restoration and management should also be conducted in time.

Keywords： mining area ; dust pollution ; Linear Spectral Mixing Model ; NDVI ; time series monitoring

PDF (3837KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

宋国策, 张志. 内蒙古新巴尔虎右旗多金属矿区扬尘风积物遥感监测方法. 国土资源遥感[J], 2020, 32(2): 46-53 doi:10.6046/gtzyyg.2020.02.07

SONG Guoce, ZHANG Zhi. Remote sensing monitoring method for dust and wind accumulation in multi-metal mining area of Xin Barag Right Banner,Inner Mongolia. REMOTE SENSING FOR LAND & RESOURCES[J], 2020, 32(2): 46-53 doi:10.6046/gtzyyg.2020.02.07

0 引言

我国是世界上草原资源最丰富的国家之一,草原总面积约为394.93万km2,占全国土地面积的40%,主要分布在干旱和半干旱气候的生态脆弱区[1]。近些年矿产资源开发和利用呈现上升趋势,草原生态系统退化和重金属矿区污染等问题不容忽视。

目前,国内外利用遥感技术监测草原矿区开采对植被扰动的研究比较多[2,3,4,5,6],但研究扬尘风积物污染问题的比较少。传统的矿山污染监测和识别的方法是以化学采样和实测光谱为主[7,8],精确度虽高,但很难进行长时间序列的监测。2006年起,中国地质调查局部署了“矿产资源开发遥感调查与监测”工作,主要是利用高空间分辨率卫星影像对矿区开发状况和矿山地质环境问题进行遥感调查与动态监测[9,10]。光谱解混方法是一项分解混合光谱的技术,已经广泛运用到水体藻类丰度检测[11]、城市不透水层提取[12]、森林露天煤矿植被扰动检测[13]、南极海冰密度分布[14]等领域。由于草原金属矿开采导致的扬尘风积物污染区在遥感图像上具有植被信息和扬尘矿物信息的混合光谱特征,参考前人经验,本文通过光谱解混的方法提取扬尘风积物污染物信息,实现矿区污染的时序监测。

1 研究区概况

1.1 地理位置

甲乌拉—查干铅锌银矿区位于内蒙古新巴尔虎右旗阿敦楚鲁苏木,北距满洲里市150 km,有203省道可通达。地理范围在E 116°14'30″~116°20'00″,N 48°46'00″~48°49'30″之间,面积为2.82 km2。区内地势起伏平缓,西北部高而东南部低,海拔介于0~941 m之间。矿区大规模开采始于21世纪初,开采深度标高为-633~842 m。矿权范围主要位于研究区中部的NW—SE走向流域内(图1)。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   研究区位置示意图

Fig.1   Location of research area


1.2 风场及扬尘风积物污染情况

矿区春秋冬季干旱,多西北风,扬尘的空间分布与风要素影响密切[15]。从近20 a间新巴尔虎右旗气象观测站数据(由国家气象信息中心获取)分析得知,每年2—5月和9—10月累年月最多风向为西北风,其次11—12月和1月累年月最多风向为西西南风,7—8月累年月最多风向为静风,6月累年月最多风向为北西北风; 累年月平均风速常年在3 m/s左右,其中春季的4—5月份达到4 m/s以上(图2)。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   研究区累年月最多风向和平均风速

Fig.2   Chart of year-end maximum wind and annual monthly mean wind speed


Etyemaziana 等[16]和Jorkevic 等[17]研究确认,尾矿库和矿石堆的扬尘风积物污染主要为风蚀作用的结果,在晴天风速大于2.5 m/s时即可发生风蚀扬尘。铅锌矿扬尘的主要化学成分为SiO2,CaO,Al2O3,Fe2O3等,颜色呈淡蓝色,具有较小的尺寸、较大的表面积与体积之比[18]。通过分析观察研究区2010年Google Earth影像,发现废石堆场、矿石堆和尾矿库产生的扬尘风积物污染严重,尤其体现在优势风向的下风向,可见污染距离达1 km,对矿区周边草场质量产生危害。

1.3 NDVI月变化特征及监测图像选择

草原金属矿区粉尘对于周围环境影响方式包括周边土壤重金属含量提高和植被叶片上覆盖有扬尘以及受污染植被叶片产生病变[19]。采用MOD13Q1数据,按月份统计2008年区内植被变化(图3),为长时间序列监测矿区环境污染状况找寻最优的月份,并且采用归一化差值植被指数(normalized difference vegetation index,NDVI)提取污染的结果作为新方法评价的对比。从图3可以看出,研究区内1 a内有8个月份的平均NDVI数值处于0.2之下,仅有6—9月份的平均NDVI数值位于0.2以上,其中6月份的NDVI梯度范围为全年之最,7月份平均NDVI数值为全年最高,夏季是年度周期中植被长势良好和NDVI差值梯度最大的时期。考虑到多雨导致的可用卫星影像数量的问题,本文选择偏向秋季的8—9月份获取的数据用于矿区环境监测。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   研究区NDVI月均值变化

Fig.3   Change of monthly mean value of NDVI in study area


2 数据源

研究区遥感图像来自中国地质调查局自然资源航空物探遥感中心、地理空间数据云和美国地质调查局官网,包括2018年GF-1图像数据,2000年、2005年、2010年获取的TM图像数据和2015年与2018年获取的OLI图像数据,区内没有云雾覆盖,图像质量较好。7景遥感数据信息如表1所示。

表1   本文所用遥感数据

Tab.1  Remote sensing data used in this paper

获取时间卫星传感器
类型		空间分辨
率/m		所用波段
2000-9-27Landsat 5TM30B1—B5,B7
2005-8-8Landsat 5TM30B1—B5,B7
2010-9-23Landsat 5TM30B1—B5,B7
2015-9-5Landsat 8OLI30B1—B7
2018-9-13Landsat 8OLI30B1—B7
2018-8-23GF-1全色多光谱相机2B1,B2,B3
2018-8-23GF-1全色多光谱相机2B1,B2,B3

新窗口打开| 下载CSV


对5景Landsat遥感数据进行辐射定标、大气校正、几何纠正和裁剪等预处理,得到具有统一地理坐标位置的研究区多光谱图像; 对2景已做预处理的GF-1图像进行拼接显示。依据“矿山遥感监测工作指南”等相关技术标准[20],利用GF-1遥感图像并叠加矿权资料开展了工作区内矿山开发环境信息解译,获取了2018年矿山占地矢量面。

3 研究方法

遥感图像中只有很少像元是由均一的地表覆盖类组成的,混合像元现象普遍存在。传统的地物分类方法假定每个像元都为纯净像元,而实际上在矿区扬尘影响范围内每个像元都含有2种或者多种地物信息,必须进行混合像元分解,才能用于评估矿区开采对环境的影响。

混合像元分解模型分为线性模型和非线性模型2大类,其中线性光谱混合模型(linear spectral mixing model,LSMM)是目前应用最广泛的光谱混合模型[21],本文基于该模型进行混合像元分解。由于LSMM模型忽略了地物间的多次散射,假定混合像元内各成分光谱之间是独立的,并附加端元丰度和为1的约束条件。其计算公式为

Xi= ∑j=1n(ajXij)+ei ,
∑j=1naj=1 ,

式中: i=1,…,m; m为波段数; j=1,…,n; n为端元数; xi为像元在波段i上的光谱反射率; αj为像元内端元j的丰度值; xij为端元j在波段i上的光谱反射率; ei为波段i上的残余误差。

3.1 地表覆盖模型确定

研究区以温带草原景观为主,夏季草甸植被生长; 另外,区内存在矿产资源开采的中转场、固体废弃物、尾矿库(局部存在水体)等,由于地形起伏也会有少量地形阴影,阴影与湖泊水体的光谱相似,可归为同一类地物端元提取。由于本次提取的目标主要是针对开采产生的扬尘风积物污染信息,而且为了便于线性混合像元分解模型的求解,暂不考虑植被类别和矿山堆积物内部细类之间的光谱特征差异,因此将地表覆盖模型确定为“扬尘风积物-植被-阴影和水体”端元模型[22]。

3.2 端元光谱库建立

端元光谱库的建立直接影响着混合像元分解模型的提取精度,需要正确获取主要地物目标的参考光谱值,然后从中挑选出可作为纯净像元(端元)的地物目标光谱值。

1)正交化处理。由于卫星图像波段数据之间存在冗余,需要进行去相关化,常用的办法有主成分分析(principal component analysis,PCA)、最小噪声分离(maximum noise fraction,MNF)、奇异值分解(singular value decomposition,SVD)、独立成分相关分析(independent component correlation algorithm,ICA)等。本文使用MNF变换后图像的前3个分量选择端元组分,通过制作两两波段的散点图,结合图像分析,在散点图上大致判别出各个端元组分在特征空间中的位置和分布情况。

2)端元提取。影像端元选取方法主要包括散点图法、空间敏感性分析、纯净像元指数(producer price index,PPI)、N-FINDR法、序列最大角度凸锥法(sequential maximum angle convex cone,SMACC)、顶点成分法(vertex component analysis,VCA)等[23]。本文运用PPI对图像中的像元进行迭代运算,找出图像中相对纯净的像元,运用N维可视化器完成(图4(a))。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   端元提取与反射率计算

Fig.4   Extraction and reflectivity calculation of endmember component


3)端元反射率计算。对各端元在各个波段数据上的光谱反射值计算其均值,可以得到各端元光谱反射率曲线(图4(b) ),从而建立端元光谱库。

3.3 线性混合像元分解

在获得端元光谱库后,将其代入所选择的线性混合像元分解模型,并通过完全约束最小二乘法(fully constrained least squares,FCLS)求解,得到扬尘风积物、植被、阴影和水体的百分比丰度图和均方根误差(root mean square error,RMSE)图像,各组分丰度图的像元值大于0且总和等于1。

3.4 误差分析

采用RMSE评价线性光谱混合模型的解混精度,以反映模型的精度和端元组分选择、反射率值确定及线性模型本身求解带来的误差[24]。在RMSE图像中,误差方根在0~5之间认为是可允许范围,对所得结果进行分析,分解效果较理想(表2)。

表2   分解精度评价

Tab.2  Evaluation of decomposition accuracy

图像获取年份RMSE检查范围百分比/%
2000年0~4.9195.06
2005年0~4.9696.18
2010年0~4.9897.86
2015年0~4.9696.67
2018年0~4.9993.52

新窗口打开| 下载CSV


3.5 道路干扰剔除

矿区道路会对端元组分提取结果产生干扰,通过观察可以发现,2018年部分道路被错误提取到扬尘风积物污染当中,并且属于高值部分,因此采用了人工干预的半自动识别方法来剔除道路干扰。通过提取出扬尘风积物分量在0.8以上的部分,将其转成矢量并对道路图斑进行标注,之后得到道路值为0的掩模栅格数据(图5),利用波段计算器将扬尘风积物分量中的道路干扰剔除掉。其余4个年份道路干扰很少,故不必做道路干扰剔除。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   道路掩模栅格图

Fig.5   Map of road mask raster


4 结果分析

4.1 不同时期扬尘风积物空间分布

对2000年、2005年、2010年、2015年、2018年获取的5期卫星图像进行混合光谱分解处理,得到扬尘风积物端元组分的丰度图。参考雷利卿等[25]在矿区遥感监测中污染程度的划分方案,将扬尘风积物信息端元组分丰度图划分为清洁区、轻度污染区、中污染区、重污染区和极重污染区(图6)。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   2000—2018年甲乌拉—查干铅锌银矿区扬尘风积物污染分布

Fig.6   Spatial distribution of dust pollution in the Jiawula-Chagan lead-zinc-silver mining area from 2000 to 2018


依据2018年矿区占地矢量面做缓冲区,缓冲距离选择1 km[26,27],用以监查2000—2018年期间矿区扬尘对周边环境的污染情况。根据5期次的扬尘风积物环境质量分级结果可以看出,研究区内存在着明显的矿山开发环境问题,矿区大规模开采之前重度污染以上区域呈现零星斑点状分布; 之后重度污染以上区域明显增加,并且缓冲区内轻度、中度污染区域也呈连片形式出现。

4.2 多时期矿区扬尘风积物分布变化分析

依据研究区扬尘风积物污染分布情况,统计2000—2018年间甲乌拉—查干铅锌银矿区扬尘影响面积及变化情况(表3和图7)。2000年提取结果可视为研究区的扬尘风积物环境背景值,2005年—2018年间研究区扬尘影响面积呈现先激增随后波动型增长趋势,2005年、2010年、2015年和2018年缓冲区内扬尘风积物总面积分别为80.397 hm2、185.472 hm2、165.897 hm2和190.566 hm2。2000年和2005年,极重污染区占污染区的比重最大; 2010年、2015年和2018年,轻度污染区占污染区的比重最大,其中2018年中度污染区与轻度污染区面积相当,成为污染区总面积反弹的最主要贡献组分。

表3   2000—2018年缓冲区内扬尘风积物污染面积统计

Tab.3  Statistics of dust pollution area in the buffer zone from 2000 to 2018(hm2)

年份清洁区面积轻度污染区面积中污染区面积重污染区面积极重污染区面积污染区总面积
2000年451.70110.8638.6046.20112.38438.052
2005年409.35624.51616.84812.19526.83880.397
2010年304.28171.64048.46528.89036.477185.472
2015年323.85671.30741.82321.86130.906165.897
2018年299.18762.79362.28025.83039.663190.566

新窗口打开| 下载CSV


图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   2000—2018年缓冲区内扬尘风积物污染面积变化

Fig.7   Changes of dust pollution area in the buffer zone from 2000 to 2018


2005年,由于处于矿区大规模开采初期,整体影响主要集中在开采矿山用地区和临近周边区域; 2010年,影响区面积大幅增加,扬尘风积物污染程度严重,结合当时的高空间分辨率卫星图像可以看到,矿区周边存在大规模探矿活动,破坏了矿区周围的生态,矿区周围有明显的尾砂覆盖现象,并且缓冲区外西侧发现一处露天矿,导致周围的扬尘风积物污染强烈; 2015年,矿区扬尘影响面积有所减少,与矿区环境治理相关,矿石不出井直接填充采空区,尤其是在尾矿库下风向建立了防尘网并对干燥尾砂覆盖纱网或塑料薄膜,使矿区缓冲区内中度和重度污染明显转为轻度污染; 但2018年矿区扬尘影响面积再次增大,矿区北部环境整体较好,南部中度影响区面积扩大,从卫星图像上看,县道为重度污染显示,因期间有修路情况,剥离表土植被后,土壤扬尘对环境产生污染。

4.3 实验结果与NDVI效果对比

以2018年矿区扬尘风积物污染分布提取为例,讨论对研究区植被产生影响的因素不仅局限于矿山开采的影响,还会受到道路建设、耕地开垦、地下水改变产生的影响,这些不应该归属到矿山金属扬尘污染的范畴。对比结果如图8所示。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8   实验结果与NDVI效果对比

Fig.8   Comparison between experimental result and NDVI effect


从图8可以看出,NDVI图中很大部分被划分到轻度污染和中污染,并且依据GF-1图像进行判读有2处耕地位置被划分到中度污染的范围,这对于扬尘污染监测明显是错误的; 根据实地考察,矿区尾矿库存在的积水和覆盖有防尘网区域,也不应被算到扬尘风积物污染的信息中; 这些情况在本文的光谱解混结果中表现出色。另外,NDVI用于提取矿山扬尘风积物间接性太强,包含了很多与研究目的无关的噪声,从而会夸大矿区扬尘的污染程度。

5 结论

本文以国产GF-1号卫星数据和Landsat卫星数据为基础数据源,结合MODIS植被产品数据,围绕内蒙古新巴尔虎右旗铅锌银矿矿区扬尘风积物污染范围变化展开遥感监测,通过野外查证表明取得了较好应用效果。

1)本文将光谱解混方法引用到草原金属矿扬尘风积物污染监测,根据分离出的扬尘风积物丰度情况提取污染范围,比通过植被监测扬尘风积物污染结果精度更高。该方法在矿山环境污染调查中有很好的应用前景,是一条具有很大潜力的多光谱卫星图像信息提取的开放研究线。

2)本文获得了2000—2018年间矿区扬尘风积物污染面积的变化情况,研究表明这期间区内污染面积总体增加,其中2000—2010年间年平均增长面积为14.74 hm2,2010—2018年间年平均增长面积为0.64 hm2。发现矿区开采初期扬尘风积物污染情况严重,这与粗放式的开发方式有着直接的联系。在采取防治和治理措施后,污染状况得到明显遏制。但由于2015—2018年间污染区总面积再次出现扩大趋势,因此,生态修复治理不容松懈,需及时跟进并成为采矿活动的常态化流程,生产过程中需要协调好矿山开发与矿山环境保护的关系。

研究中发现随着开采的进行,在矿区的东南部出现大量的扬尘响应区,没有随着矿区治理的进行而减少。通过对研究区内地形状况的分析,发现东南部为矿区的低地势区,推测为因地势汇水作用而常年累积矿区矿石粉尘的结果,对该地区流水作用于矿山环境所产生的污染还需做进一步的探讨和研究。

参考文献

孙启忠.

试谈对做好草原大文章的理解

[J]. 中国草地学报, 2009,31(1):13-16.

[本文引用: 1]

Sun Q Z.

A Discussion on the understanding of doing a good prairie article

[J]. Chinese Journal of Grassland, 2009,31(1):13-16.

[本文引用: 1]

马超, 张晓克, 郭增长, 等.

半干旱山区采矿扰动植被指数时空变化规律

[J]. 环境科学研究, 2013,26(7):750-758.

[本文引用: 1]

Ma C, Zhang X K, Guo Z Z, et al.

Spatiotemporal variation of vegetation disturbance vegetation index in semi-arid mountainous areas

[J]. Research of Environmental Sciences, 2013,26(7):750-758.

[本文引用: 1]

Przezdziecki K, Zawadzki J, Miatkowski Z.

Use of the temperature-vegetation dryness index for remote sensing grassland moisture conditions in the vicinity of a lignite open-cast mine

[J]. Environmental Earth Sciences, 2018,77(17):1-13.

[本文引用: 1]

高云峰, 徐友宁, 祝雅轩, 等.

矿山生态环境修复研究热点与前沿分析——基于VOSviewer和CiteSpace的大数据可视化研究

[J]. 地质通报, 2018,37(12):2144-2153.

[本文引用: 1]

Gao Y F, Xu Y N, Zhu Y X, et al.

Study on hotspots and frontier analysis of mine ecological environment restoration:Research on big data visualization based on VOSviewer and CiteSpace

[J]. Geological notification, 2018,37(12):2144-2153.

[本文引用: 1]

黄翌, 汪云甲, 李效顺, 等.

煤炭开发对矿区植被扰动时空效应的图谱分析——以大同矿区为例

[J]. 生态学报, 2013,33(21):7035-7043.

[本文引用: 1]

Huang W, Wang Y J, Li X S, et al.

Analysis of the spatiotemporal effect of coal development on vegetation disturbance in mining area:Taking Datong mining area as an example

[J]. Acta Ecologica Sinica, 2013,33(21):7035-7043.

[本文引用: 1]

Ma Q, He C, Fang X.

A rapid method for quantifying landscape-scale vegetation disturbances by surface coal mining in arid and semiarid regions

[J]. Landscape Ecology, 2018,33(12):2061-2070.

[本文引用: 1]

毛香菊, 马亚梦, 邹安华, 等.

内蒙古草原某铜钼矿区土壤重金属污染特征研究

[J]. 环境科学与技术, 2016,39(6):156-161,173.

[本文引用: 1]

Mao X G, Ma Y M, Zou A H, et al.

Study on the characteristics of soil heavy metal pollution in a copper-molybdenum mining area in Inner Mongolia Grassland

[J]. Environmental Science and Technology, 2016,39(6):156-161,173.

[本文引用: 1]

岳征文, 张瑞强, 王健, 等.

苏尼特右旗草原矿区土壤重金属污染特征与生态恢复

[J].林业资源管理, 2017(6):124-130.

[本文引用: 1]

Yue Z W, Zhang R Q, Wang J, et al.

Characteristics and ecological restoration of soil heavy metal pollution in the grassland area of Suniteyouqi

[J]. Forest Resources Management, 2017,(6):124-130.

[本文引用: 1]

王海庆, 武明德, 刘琼, 等.

山西某地矿业开发占用土地状况遥感监测

[J]. 国土资源遥感, 2018,30(1):116-120.doi: 10.6046/gtzyyg.2018.01.16.

[本文引用: 1]

Wang H Q, Wu M D, Liu Q, et al.

Remote sensing monitoring of mining land in a certain area of Shanxi Province

[J]. Remote Sensing for Land and Resources, 2018,30(1):116-120.doi: 10.6046/gtzyyg.2018.01.16.

[本文引用: 1]

李丽, 汪洁, 汪劲, 等.

基于高分卫星遥感数据的金属矿开发现状及环境问题研究——以江西省德兴多金属矿集区为例

[J]. 中国地质调查, 2016,3(5):60-66.

[本文引用: 1]

Li L, Wang J, Wang J, et al.

Study on the status and environmental problems of metal ore development based on high-resolution satellite remote sensing data:A case study of Dexing polymetallic ore concentration area in Jiangxi Province

[J]. Chinese Geology Survey, 2016,3(5):60-66.

[本文引用: 1]

钱少猛.

遥感像元分解方法及其在滇池水质监测中的应用研究

[D].中国科学院研究生院(遥感应用研究所), 2003.

[本文引用: 1]

Qian S M.

Remote sensing image decomposition method and its application in Dianchi water quality monitoring

[D].Graduate School of Chinese Academy of Sciences(Research Institute of Remote Sensing Applications), 2003.

[本文引用: 1]

吴溪, 郭斌, 陈忠升, 等.

基于Landsat影像的环胶州湾不透水面格局演变过程

[J]. 资源科学, 2018,40(11):2260-2269.

[本文引用: 1]

Wu X, Guo B, Chen Z S, et al.

Evolution process of impervious surface pattern of Jiaozhou Bay based on Landsat image

[J]. Resources Science, 2018,40(11):2260-2269.

[本文引用: 1]

Fernandezmanso,Alfonso, Quintano,et al.

Evaluation of potential of multiple endmember spectral mixture analysis(MESMA) for surface coal mining affected area mapping in different world forest ecosystems

[J]. Remote Sensing of Environment, 2012,127(12):181-193.

[本文引用: 1]

宋翔宇, 刘婷婷, 王泽民, 等.

基于改进FCLS算法的南极海冰密集度估算及算法比较

[J]. 极地研究, 2018,30(1):67-76.

[本文引用: 1]

Song X Y, Liu T T, Wang Z M, et al.

Animation and algorithm comparison of Antarctic Sea Ice concentration based on improved FCLS algorithm

[J]. Chinese Journal of Polar Research, 2018,30(1):67-76.

[本文引用: 1]

Rodríguez L, Ruiz E, Alonso-Azcárate J.

Heavy metal distribution and chemical speciation in tailings and soils around a Pb-Zn mine in Spain

[J]. Journal of Environmental Management, 2009,90(2):1106-1116.

[本文引用: 1]

Etyemezlan,Kuhns, Gillies.

Vehicle-based road dust emission measurement(III):Effect of speed,traffic volume,location,and season on PM10 road dust emissions in the Treasure Valley,ID

[J]. Atmospheric Environment, 2003,37(32):4583-4593.

[本文引用: 1]

Dorđević D, Vukmirović Z, Tošić I, et al.

Contribution of dust transport and resuspension to particulate matter levels in the Mediterranean atmosphere

[J]. Atmospheric Environment, 2004,38(22):3637-3645.

[本文引用: 1]

郝利娜, 张志, 何文熹, 等.

鄂东南尾矿库高分辨率遥感图像识别因子研究

[J]. 国土资源遥感, 2012,24(3):154-158.doi: 10.6046/gtzyyg.2012.03.27.

URL     [本文引用: 1]

正在使用的尾矿库中,尾砂的极细小颗粒特征决定了其在各波段遥感图像上具有较高反射率的光谱特征; 尾砂的堆积过程则同时决定了尾矿库表面具有大致平行的分带纹理和放射状纹理特征。从尾砂的光谱、纹理特征以及与尾矿库相关的其他因素(道路、矿山建筑、尾矿库地理位置等)出发,系统建立了鄂东南地区金属矿山尾矿库的高分辨率遥感图像的综合识别标志。依据所建立的综合识别标志,可从WorldView-2图像中准确地识别尾矿库,并初步判断其规模。

Hao L N, Zhang Z, He W X, et al.

Research on high-resolution remote sensing image recognition factor of E-east tailings reservoir

[J]. Remote Sensing for Land and Resources, 2012,24(3):154-158.doi: 10.6046/gtzyyg.2012.03.27.

[本文引用: 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, 2004,29(1):119-126.

[本文引用: 1]

Gan F P, Liu S W, Zhou Q.

Study on direct recognition of nine pollution by hyperspectral remote sensing in Dexing Copper Mine

[J]. Earth Science, 2004,29(1):119-126.

[本文引用: 1]

杨显华, 黄洁, 田立, 等.

矿山遥感监测在采空区稳定性分析中的应用

[J]. 国土资源遥感, 2018,30(3):143-150.doi: 10.6046/gtzyyg.2018.03.20.

[本文引用: 1]

Yang X H, Huang J, Tian L, et al.

Application of mine remote sensing monitoring to analysis of mine goaf stability

[J]. Remote Sensing for Land and Resources, 2018,30(3):143-150.doi: 10.6046/gtzyyg.2018.03.20.

[本文引用: 1]

宋江涛, 潘军, 邢立新, 等.

线性光谱混合模型的适用观测尺度分析

[J]. 遥感学报, 2019,23(2):262-279.

[本文引用: 1]

Song J T, Pan J, Xing L X, et al.

Analysis of applicable scales of linear spectral hybrid models

[J]. Journal of Remote Sensing, 2019,23(2):262-279.

[本文引用: 1]

张泽民, 吕昌河, 谢苗苗, 等.

基于WorldView 2影像的矿区植被重建效果评估

[J]. 生态学报, 2018,38(4):1301-1310.

[本文引用: 1]

Zhang Z M, Lyu C H, Xie M M, et al.

Evaluation of vegetation restoration effects in mining areas based on WorldView 2 images

[J]. Acta Ecologica Sinica, 2018,38(4):1301-1310.

[本文引用: 1]

陈晋, 马磊, 陈学泓, 等.

混合像元分解技术及其进展

[J]. 遥感学报, 2016,20(5):1102-1109.

[本文引用: 1]

Chen J, Ma L, Chen X Z, et al.

The mixed pixel decomposition technique and its progress

[J]. Journal of Remote Sensing, 2016,20(5):1102-1109.

[本文引用: 1]

蔡薇, 郭洪海, 隋学艳, 等.

基于混合像元分解提取小麦种植面积的技术与方法研究

[J]. 山东农业科学, 2009,213(5):12-16.

[本文引用: 1]

Cai W, Guo H H, Sui X Y, et al.

Study on techniques and methods for extracting wheat planting area based on mixed pixel decomposition

[J]. Shandong Agricultural Sciences, 2009,213(5):12-16.

[本文引用: 1]

雷利卿, 岳燕珍, 孙九林, 等.

遥感技术在矿区环境污染监测中的应用研究

[J]. 环境保护, 2002,12(2):33-36.

[本文引用: 1]

Lei L Q, Yue Y Z, Sun J L, et al.

Application of remote sensing technology in environmental pollution monitoring in mining areas

[J]. Environmental Protection, 2002,12(2):33-36.

[本文引用: 1]

崔克强, 王学中, 何友江, 等.

锡林浩特露天煤矿排土场扬尘排放及污染

[J]. 干旱区资源与环境, 2017,31(6):160-165.

[本文引用: 1]

Cui K Q, Wang X Z, He Y J, et al.

Dust emission and pollution of dumping site in Xilinhot Open-pit Coal Mine

[J]. Journal of Arid Land Resources and Environment, 2017,31(6):160-165.

[本文引用: 1]

高原, 蓝登明, 黄晓强, 等.

白音诺尔铅锌矿尾矿库扬尘风积物对植被生长的影响

[J]. 内蒙古农业大学学报(自然科学版), 2016,37(4):60-65.

[本文引用: 1]

Gao Y, Lan D M, Huang X Q, et al.

Effects of dust accumulation on the vegetation growth of Baiyinnuoer lead-zinc mine tailings reservoir

[J]. Journal of Inner Mongolia Agricultural University(Natural Science Edition), 2016,37(4):60-65.

[本文引用: 1]

/

〈 〉

京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编：100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发