劉海利 　劉歡

摘要：遙感技術(shù)具有宏觀性和現(xiàn)勢(shì)性強(qiáng)、綜合信息豐富等優(yōu)勢(shì)，為礦區(qū)土壤重金屬污染評(píng)價(jià)提供了可行的方法。本文綜述了遙感技術(shù)在礦區(qū)土壤重金屬污染評(píng)價(jià)方面的研究，并對(duì)其進(jìn)行了展望。

關(guān)鍵詞：遙感；土壤；重金屬

Abstract：Remote sensing technology has the advantages of macroscopic characteristics，strong currency and comprehensive abundant information. It provides a feasible method for soil heavy metal pollution evaluation of mining area. This paper summarizes the research of evaluation for mining area of soil heavy metal pollution with remote sensing technology.

Key Words：remote sensing；soil；heavy metal

1. 引言

礦產(chǎn)資源是生產(chǎn)資料和生活資料的重要來(lái)源，人類社會(huì)的發(fā)展進(jìn)步與礦產(chǎn)的開(kāi)發(fā)利用密不可分。礦產(chǎn)的開(kāi)采、冶煉、加工過(guò)程中大量的鉛、鋅、鉻、鎘、鈷、銅、鎳等重金屬以及類金屬砷等進(jìn)入大氣、水、土壤引起嚴(yán)重的環(huán)境污染。根據(jù)2014年4月17日環(huán)境保護(hù)部、國(guó)土資源部發(fā)布的《全國(guó)土壤污染調(diào)查公報(bào)》，“全國(guó)土壤環(huán)境狀況總體不容樂(lè)觀，部分地區(qū)土壤污染較重，總的超標(biāo)率達(dá)16.1%”、“在調(diào)查的70個(gè)礦區(qū)的1672個(gè)土壤點(diǎn)位中，超標(biāo)點(diǎn)位占33.4%，主要污染物為鎘、鉛、砷和多環(huán)芳烴”。資源、環(huán)境是制約社會(huì)經(jīng)濟(jì)發(fā)展的兩大瓶頸，如何克服這個(gè)瓶頸問(wèn)題同時(shí)又能實(shí)現(xiàn)礦山開(kāi)發(fā)的可持續(xù)發(fā)展，是我國(guó)社會(huì)必須面對(duì)和解決的緊迫的社會(huì)問(wèn)題[1]。

傳統(tǒng)的土壤重金屬污染監(jiān)測(cè)方法有實(shí)驗(yàn)室監(jiān)測(cè)、現(xiàn)場(chǎng)快速監(jiān)測(cè)等方法。實(shí)驗(yàn)室監(jiān)測(cè)方法雖然測(cè)量精度高，但是存在勞動(dòng)強(qiáng)度大、采樣分析費(fèi)時(shí)，適用范圍小的缺點(diǎn)；現(xiàn)場(chǎng)快速監(jiān)測(cè)法雖然具有大面積、連續(xù)、高密度獲取信息的特點(diǎn)，但是還大多處于定性或半定量的試驗(yàn)階段，易受周圍因素影響[2]。

各種巖石、土壤、植被及水體等均有各自獨(dú)特的光譜特征。地物光譜特征的差異，是遙感技術(shù)識(shí)別各類地物的主要依據(jù)，也是應(yīng)用遙感技術(shù)開(kāi)展土壤重金屬污染評(píng)價(jià)的理論基礎(chǔ)。遙感技術(shù)以其宏觀性和現(xiàn)勢(shì)性強(qiáng)、綜合信息豐富等優(yōu)勢(shì)，在礦區(qū)土壤重金屬污染評(píng)價(jià)中起到了積極的先導(dǎo)作用，并取得了良好的應(yīng)用效果。

一般情況下，土壤中的有機(jī)質(zhì)、水分、鐵氧化物、重金屬等對(duì)土壤光譜反射率有一定影響。國(guó)外相關(guān)研究起步較早，始自20世紀(jì)六十年代土壤光譜研究[3]。國(guó)外有研究中表明，當(dāng)土壤有機(jī)質(zhì)含量超過(guò)2%，鐵氧化物、重金屬等光譜信息有可能被土壤中的有機(jī)質(zhì)的光譜信息所掩蓋，進(jìn)一步加大了光譜信息提取的難度；同時(shí)土壤的反射率會(huì)因鐵氧化物的存在而在整個(gè)波譜范圍內(nèi)有明顯的下降趨勢(shì)，土壤的光譜反射率都朝著藍(lán)波方向下降，并且這種下降趨勢(shì)可以擴(kuò)展到紫外區(qū)域[4]，相關(guān)研究陸續(xù)拓展至礦區(qū)重金屬污染中來(lái)[5]；國(guó)內(nèi)自20世紀(jì)八十年代在云南騰沖系統(tǒng)地開(kāi)展土壤光譜與理化性狀關(guān)系的研究[6～7]，并于九十年代末開(kāi)展遙感技術(shù)在礦區(qū)重金屬污染監(jiān)測(cè)的探索。

目前遙感技術(shù)對(duì)礦區(qū)土壤重金屬污染評(píng)價(jià)研究主要有兩個(gè)方向：一是植被反演。根據(jù)地表植被覆蓋以及重金屬在植被根莖、葉片中富集，植被在重金屬脅迫下葉綠素等光譜特征發(fā)生變化的特點(diǎn)，通過(guò)植被光譜數(shù)據(jù)反演土壤中的重金屬含量，間接評(píng)價(jià)重金屬污染。二是土壤監(jiān)測(cè)。利用重金屬對(duì)土壤波譜特性的影響，通過(guò)土壤光譜數(shù)據(jù)監(jiān)測(cè)重金屬含量[8-10]。

2. 植被反演方法

植被在生長(zhǎng)發(fā)育的過(guò)程中，礦區(qū)土壤中的重金屬被吸收和富集，對(duì)植物的產(chǎn)生的影響主要體現(xiàn)在長(zhǎng)勢(shì)方面產(chǎn)生了生物地球化學(xué)效應(yīng)，如色素含量、水含量、葉面溫度的變化，進(jìn)而影響植被的光譜反射率，植被光譜的變化能夠在遙感光譜信息中有所體現(xiàn)?；谝陨险J(rèn)識(shí)，可以通過(guò)植被光譜信息、波譜曲線變化的分析提取污染信息[11]。不同植物對(duì)重金屬敏感性不同，重金屬脅迫導(dǎo)致植物體內(nèi)生物化學(xué)成分發(fā)生改變，使電磁波譜反射特性不同。

植被反演方法的原理是，運(yùn)用遙感技術(shù)研究重金屬污染條件下植被光譜特征變化，建立植被光譜特征與重金屬污染條件下植被生長(zhǎng)狀態(tài)參數(shù)變化之間的關(guān)系[7]；研究葉綠素含量與重金屬污染之間的關(guān)系，分析葉綠素變化敏感的光譜指數(shù)及其響應(yīng)規(guī)律，并進(jìn)行了區(qū)域應(yīng)用與驗(yàn)證[11-13]。研究表明，隨著土壤中重金屬含量增加，植被近紅外、可見(jiàn)光反射光譜特征發(fā)生顯著變化，表現(xiàn)為可見(jiàn)光光譜反射增強(qiáng)，近紅外光譜減少，紅邊移動(dòng)范圍減少[14-15]。此方法適用于礦區(qū)植被覆蓋較茂密的區(qū)域。

王杰等（2005年）以江西德興銅礦去為實(shí)驗(yàn)區(qū)，采用美國(guó)陸地衛(wèi)星（Landsat）ETM +數(shù)據(jù)，采用比值分析、彩色合成、影像融合等方法增強(qiáng)影像視覺(jué)效果，對(duì)污染區(qū)的植被的波譜曲線與正常區(qū)的同種植被的光譜特征作對(duì)比，總結(jié)出受毒化植物葉冠的波譜形態(tài)與正常植物葉冠的波譜形態(tài)相比發(fā)生的形態(tài)變異的特征，總結(jié)對(duì)照區(qū)和污染區(qū)植被的波譜特征差異和各污染區(qū)的受污染程度，分析出不同污染區(qū)植物的受毒害程度[16]。

雷國(guó)靜等（2006年）在南方植被茂密區(qū)離子型稀土礦區(qū)采用高分辨率QuickBird遙感數(shù)據(jù)采取坐標(biāo)換的方式，消除土壤信息干擾，獲取了較真實(shí)的植被受污染影響程度的信息，運(yùn)用了歸一化植被指數(shù)密度分割方法和通過(guò)旋轉(zhuǎn)二維散點(diǎn)圖獲得植被綠度方法來(lái)提取植被污染信息，取得了較好的效果[17]。

李新芝等（2010年）以肥城煤礦區(qū)為實(shí)驗(yàn)區(qū)，將SPOT-5數(shù)據(jù)2.5米分辨率的全色波段進(jìn)行小波變換、主成分分析等融合方法提高圖像的空間信息量，綜合運(yùn)用纓帽變換、植被與土壤相關(guān)性分析、支持向量機(jī)分類等方法提取礦區(qū)植被信息，并制作了植被等級(jí)分布圖，確定了不同污染程度的植被覆蓋面積，與礦區(qū)污染分布的規(guī)律具有較好的一致性[11]。

黃鐵蘭等（2014年）以廣東大寶山礦區(qū)及周邊10 公里范圍作為研究區(qū)，分別以ASTER及QuickBird為數(shù)據(jù)源，采用植被指數(shù)法和植被綠度法對(duì)植被污染信息進(jìn)行識(shí)別，對(duì)獲取的植被綠度信息圖像進(jìn)行密度分割，獲得植被污染程度及分布情況。同時(shí)建議大范圍的礦山植被污染信息的識(shí)別，考慮到項(xiàng)目綜合成本等因素，采用ASTER等低分辨率的數(shù)據(jù)源，選擇植被綠度指數(shù)法進(jìn)行識(shí)別。對(duì)于小范圍的典型礦區(qū)，可選用QuickBird 等高分辨率的數(shù)據(jù)源，用植被指數(shù)法進(jìn)行識(shí)別[18]。

由于混合像元、大氣效應(yīng)的存在，植被信息提取過(guò)程中容易出現(xiàn)錯(cuò)分、漏分現(xiàn)象；相關(guān)系數(shù)的設(shè)置易受經(jīng)驗(yàn)的影響。同時(shí)信息提取易受云層、山體陰影和人類生產(chǎn)活動(dòng)的影響，均存在一定的誤提現(xiàn)象。未來(lái)應(yīng)加強(qiáng)信息提取技術(shù)、多源遙感數(shù)據(jù)在植被反演中的應(yīng)用研究，以解決上述問(wèn)題。

3. 土壤監(jiān)測(cè)方法

土壤是由多種物理化學(xué)特性不同的物質(zhì)的組成的混合體，例如有機(jī)質(zhì)、重金屬、水、其他礦物質(zhì)等。各種物質(zhì)均有發(fā)射、反射、吸收光譜的特性，都會(huì)對(duì)土壤光譜特征產(chǎn)生影響，同時(shí)植被覆蓋也對(duì)土壤光譜的監(jiān)測(cè)有較大影響，因此對(duì)于通過(guò)土壤光譜數(shù)據(jù)直接監(jiān)測(cè)土壤重金屬含量的研究，尚處于探索階段。

土壤監(jiān)測(cè)方法的原理是，利用光譜分析方法室內(nèi)測(cè)定土壤發(fā)射光譜數(shù)據(jù)，經(jīng)線性回歸分析或指數(shù)回歸分析、標(biāo)準(zhǔn)化比值計(jì)算、特征光譜寬化處理后，利用回歸分析方法建立重金屬元素含量與發(fā)射率變量之間的土壤重金屬反演模型，定量反演出礦區(qū)土壤重金屬含量[19-23]。此類方法適用于植被覆蓋率較低的地區(qū)。

Thomas Kemper等（1998年）在西班牙Aznalcóllar 尾礦庫(kù)潰壩事件土壤重金屬污染監(jiān)測(cè)中，基于多元線性回歸分析（MLR）和人工神經(jīng)網(wǎng)絡(luò)（ANN）方法分別通過(guò)化學(xué)分析、特征光譜--近紅外反射光譜（0.35?0.35μm）手段監(jiān)測(cè)土壤重金屬含量，兩種手段對(duì) As、 Fe 、Hg、Pb、S、Sb等六種元素監(jiān)測(cè)有較高的相似度。為相似礦區(qū)環(huán)境的監(jiān)測(cè)提供了較好的借鑒意義[13]。

李淑敏等（2010年）以北京為研究區(qū)，研究土壤中8種重金屬（Cr、Ni、Cu、Zn、As、Cd、Pb、Hg）的含量與熱紅外發(fā)射率的關(guān)系，分析了土壤重金屬的特征光譜，并模擬預(yù)測(cè)了重金屬含量的回歸模型，為基于遙感光譜的土壤重金屬含量監(jiān)測(cè)奠定了基礎(chǔ)[24]。

宋練等（2014年）以重慶市萬(wàn)盛采礦區(qū)為研究區(qū)，通過(guò)光譜特征物質(zhì)之間的自相關(guān)性來(lái)分析土壤中光譜特征物質(zhì)，在回歸分析的基礎(chǔ)上建立As、Cd、Zn重金屬含量的遙感定量反演模型，監(jiān)測(cè)三種重金屬含量，結(jié)果表明土壤在近紅外波段和可見(jiàn)光波段的反射值比值與土壤中As、Cd、Zn含量存在較好相關(guān)性[25]。

部分研究對(duì)波段選擇和光譜分辨率的重要性認(rèn)識(shí)不高，影響了重金屬元素光譜信息識(shí)別、重金屬污染預(yù)測(cè)精度；土壤中絕大部分重金屬，如鉛、鋅、鉻、砷等在可見(jiàn)光—近紅外波段區(qū)間的光譜特征較弱，易被植被、土壤波譜信息掩蓋，對(duì)直接利用土壤重金屬光譜特征來(lái)提取污染信息帶來(lái)了難度。研究發(fā)現(xiàn)，鐵氧化物的波譜特征較明顯，今后需加強(qiáng)土壤中重金屬與鐵氧化物相關(guān)性的研究，以提高污染信息提取的準(zhǔn)確性。

4. 未來(lái)展望

近年來(lái)，遙感技術(shù)用于礦區(qū)土壤重金屬評(píng)價(jià)取得了一定進(jìn)展，今后要在以下幾個(gè)方面尋求突破：

（1）研究遙感信息提取新技術(shù)新方法。地物波譜特性易受土壤成分、大氣效應(yīng)、植被等環(huán)境噪音的影響，需進(jìn)一步加強(qiáng)波譜信息提取技術(shù)的研究，以提高遙感信息提取的準(zhǔn)確性。

（2）加強(qiáng)田間光譜測(cè)量研究。目前對(duì)土壤重金屬監(jiān)測(cè)僅局限于實(shí)驗(yàn)室級(jí)別的光譜監(jiān)測(cè)，需要進(jìn)一步探討其他因素對(duì)重金屬吸附的影響以建立準(zhǔn)確的土壤重金屬含量光譜估算模型，并進(jìn)行大量而精確的實(shí)驗(yàn)室與田間的光譜測(cè)量工作。

（3）由定性監(jiān)測(cè)向定量監(jiān)測(cè)轉(zhuǎn)變。遙感技術(shù)在礦區(qū)土壤重金屬污染評(píng)價(jià)方面的研究大多是定性或半定量評(píng)價(jià)，尚達(dá)不到定量評(píng)價(jià)。需在遙感反演土壤污染信息模型與理論方法、土壤重金屬含量與光譜變量的相關(guān)關(guān)系等方面加強(qiáng)研究，以接近或達(dá)到定量評(píng)價(jià)污染的水平，進(jìn)而利用遙感技術(shù)評(píng)價(jià)大面積土壤污染及修復(fù)。

（4）研制高性能的衛(wèi)星，提高遙感信息獲取能力。作為中國(guó)16個(gè)重大科技專項(xiàng)（2006年～2020年）之一的高分辨率對(duì)地觀測(cè)系統(tǒng)已進(jìn)入全面建設(shè)階段，其中2014年8月發(fā)射升空的高分二號(hào)衛(wèi)星空間分辨優(yōu)于1m，這必將改變遙感數(shù)據(jù)普遍采用國(guó)外遙感數(shù)據(jù)（SPOT、Landsat、QuickBrid等）的局面。

參考文獻(xiàn)：

[1] 賈志強(qiáng).甘肅省白銀市礦山環(huán)境遙感調(diào)查與評(píng)價(jià)研究[D].桂林：桂林工學(xué)院，2009.

[2] 龔海明，馬瑞峻，等.農(nóng)田土壤重金屬污染監(jiān)測(cè)技術(shù)發(fā)展趨勢(shì)[J].中國(guó)農(nóng)學(xué)通報(bào)，2013，29（2）：140-147.

[3] Baumgardner，M.F.，Kristof，S.，et al. Effects of Organic matter on the Multispectral Properties of Soils[J].Processing of Indiana Academic Science.1970，79：413-422.

[4] 張甘霖，趙玉國(guó)，楊金玲，等.城市土壤的環(huán)境問(wèn)題及其研究進(jìn)展[J].土壤學(xué)報(bào)，2006，44（55）：925-933.

[5] Malley D.F.，Williams，P.C. Use of Near-Infrared Reflectance Spectroscopy in Prediction of Heavy Metals in Freshwater Sediment by Their Association with Organic Matter[J]. Environ. Sci. Technol.， 1997， 31 （12） ：3461-3467.

[6] 戴昌達(dá).中國(guó)主要土壤光譜反射特性分類與數(shù)據(jù)處理的初步研究[M].見(jiàn)：遙感文選，北京：科學(xué)出版社，1981.

[7] 豐茂森.遙感圖像數(shù)字處理[M].北京：地質(zhì)出版社，1992：3～3.

[8] 甘甫平，劉圣偉，等.德興銅礦礦山污染高光譜遙感直接識(shí)別研究[J].地球科學(xué)—中國(guó)地質(zhì)大學(xué)學(xué)報(bào)，2004，29（1）：119-126.

[9] 朱葉青，屈永華，劉素紅，等.重金屬銅污染植被光譜響應(yīng)特征研究[J].遙感學(xué)報(bào)，2014，18（2）：335-352.

[10] 李婷，劉湘南，劉美玲.水稻重金屬污染脅迫光譜分析模型的區(qū)域應(yīng)用與驗(yàn)證[J].農(nóng)業(yè)工程學(xué)報(bào)，2012，28（12）：176-182.

[11] 李新芝.基于多源遙感數(shù)據(jù)的礦區(qū)植被信息監(jiān)測(cè)方法研究[D].濟(jì)南：山東科技大學(xué)，2010.

[12] 王秀珍，王人潮，黃敬峰.微分光譜遙感及其在水稻農(nóng)學(xué)參數(shù)測(cè)定上的應(yīng)用研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2002，18（1）：9-13.

[13] Thomas Kemper，Stefan Sommer . Estimate of Heavy Metal Contamination in Soils after a Mining Accident Using Reflectance Spectroscopy [J] .Environment al Science and Technology ， 2002 ， 36（12）：2742-2747.

[14] 徐加寬，楊連新，王余龍，等.水稻對(duì)重金屬元素的吸收與分配機(jī)理的研究進(jìn)展[J].植物學(xué)通報(bào)，2005，22（5）：614-622.

[15] CHI G Y，SHI Y，CHEN X，et al.Effects of Metal Stress on Visible/near-Infrared Rreflectance Spectra of Vegetation[J].Advanced Materials Research，2012，（347-353）：2735-2738.

[16] 王杰，等.遙感技術(shù)在江西德興銅礦礦區(qū)污染研究中的應(yīng)用[J].山東科技大學(xué)學(xué)報(bào)（自然科學(xué)版）2005，24（4）：66-69.

[17] 雷國(guó)靜等.遙感在稀土礦區(qū)植被污染信息提取中的應(yīng)用[J].江西有色金屬，2006，20（2）：1-5.

[18] 黃鐵蘭，等.廣東大寶山礦區(qū)植被污染信息的遙感識(shí)別方法研[J].地質(zhì)學(xué)刊，2014，38（02）：284-288.

[19] Kemper T， Sommer S. Environment Science & Techology[M]. 2002， 36（12）：2742.

[20] Choe E， vander Meer F van Ruitenbeek F， et al. Remote Sensing of Environment[M]. 2008，112 （7） ： 3222.

[21] Choe E， Kim K W， Bang S， et al. Environmental Geology[M]. 2008， 58 （3） ： 477.

[22] Ren H Y ，Zhuang D F， Singh A N， et al.， Estimation of As and Cu contamination in agricultural soils around a mining area by reflectance Spectroscopy ： a case study[J]. Pedosphere， 2009， 12 （6） ： 719.

[23] Liu Y Li W， Wu G， et al.， Geo – spatial Information Science[M]. 2011， 14 （1） ： 10.

[24] 李淑敏，李紅，孫丹峰，等.基于熱紅外特征光譜的土壤重金屬含量估算模型研究[J].2010，31（7）：33-38.

[25] 宋練等.萬(wàn)盛采礦區(qū)土壤As、Cd、Zn重金屬含量光譜測(cè)量與分析[J].光譜學(xué)與光譜分析，2014，34（3）：812-817.