段瑞琪，董艷輝，周鵬鵬，王禮恒，符韻梅，趙少樺

(1.中國科學(xué)院地質(zhì)與地球物理研究所/中國科學(xué)院頁巖氣與地質(zhì)工程重點(diǎn)實(shí)驗(yàn)室，北京 100029；2.中國科學(xué)院大學(xué)，北京 100049)

?

高光譜遙感水文地質(zhì)應(yīng)用新進(jìn)展

段瑞琪1,2，董艷輝1，周鵬鵬1，王禮恒1，符韻梅1,2，趙少樺1,2

(1.中國科學(xué)院地質(zhì)與地球物理研究所/中國科學(xué)院頁巖氣與地質(zhì)工程重點(diǎn)實(shí)驗(yàn)室，北京 100029；2.中國科學(xué)院大學(xué)，北京 100049)

高光譜遙感是一種利用成像光譜儀同時(shí)獲取地物目標(biāo)輻射、光譜和空間等多重信息遙感的技術(shù)，水文地質(zhì)是高光譜遙感重要的應(yīng)用領(lǐng)域之一，通過高光譜遙感圖像分析，能夠提取大區(qū)域包氣帶及含水系統(tǒng)的水文地質(zhì)信息，可為水文地質(zhì)環(huán)境的識(shí)別及實(shí)時(shí)監(jiān)測、地下水資源高效管理、地下水?dāng)?shù)值模型構(gòu)建等提供科學(xué)數(shù)據(jù)。通過調(diào)研凝練了高光譜遙感基本原理方法及其在水文地質(zhì)方面的應(yīng)用研究，重點(diǎn)總結(jié)了地下水環(huán)境污染和水文信息反演方面的高光譜遙感應(yīng)用研究進(jìn)展，分析了高光譜遙感水文地質(zhì)應(yīng)用所面臨的挑戰(zhàn)，并展望了高光譜遙感水文地質(zhì)應(yīng)用研究的發(fā)展趨勢，主要包括：通過土壤和植被的光譜信息實(shí)現(xiàn)對(duì)研究區(qū)包氣帶土壤重金屬污染狀況的大面積、短周期連續(xù)快速監(jiān)測；在高光譜圖像中提取構(gòu)造、地層巖性等地質(zhì)和水文地質(zhì)特征，以環(huán)境指示因子(如植被)為有效補(bǔ)充，獲取飽和帶地下水環(huán)境信息；通過高光譜圖像識(shí)別植被類型、計(jì)算植被覆蓋度、分析葉片反射光譜特征并建立模型反演土壤含水量和地下水位，為研究和保護(hù)缺水地區(qū)生態(tài)環(huán)境提供數(shù)據(jù)支撐。

高光譜；水文地質(zhì)；環(huán)境污染監(jiān)測；水文信息反演

自20世紀(jì)70年代以來，遙感技術(shù)在水文地質(zhì)領(lǐng)域中的應(yīng)用已由最初的含水巖組定性識(shí)別，逐步發(fā)展到地下水補(bǔ)徑排、水質(zhì)及污染、水資源量等方面的定量估算[1]。與大部分遙感技術(shù)相比，高光譜遙感能夠?qū)δ繕?biāo)地物光譜特征進(jìn)行精確提取與識(shí)別，已逐漸成為了水文地質(zhì)研究的重要方法。高光譜遙感是高分辨率光譜遙感技術(shù)的簡稱，它是利用成像光譜儀在可見光導(dǎo)熱紅外等波段范圍內(nèi)，通過上百個(gè)窄波段(波段寬度<10 nm)獲取地物目標(biāo)的光譜連續(xù)影像數(shù)據(jù)。高光譜圖像每個(gè)像元都可以提取出一條反映目標(biāo)光譜位置特征的平滑完整的光譜曲線[2]，這也是高光譜遙感進(jìn)行地物分類識(shí)別的理論基礎(chǔ)。國際遙感界將光譜分辨率達(dá)納米數(shù)量級(jí)的遙感技術(shù)稱為高光譜遙感。

目前，遙感技術(shù)應(yīng)用于水文地質(zhì)研究的基本方法大致可分為兩類[3]，其一為水文地質(zhì)信息分析法，即直接從高光譜圖像中提取地層巖性、地形地貌等信息，推斷出地下水的補(bǔ)給、排泄及賦存信息，如灰?guī)r出露的山區(qū)往往為地下水補(bǔ)給區(qū)，潛在的含水構(gòu)造或埋藏古河道可作為地下水賦存區(qū)或排泄通道；其二為環(huán)境因素信息分析法，即根據(jù)與地下水相關(guān)的環(huán)境因子，如在干旱- 半干旱地區(qū)，地下水植被類型及其時(shí)間(季節(jié)性/周期性)變化和空間分布規(guī)模反映了淺層地下水的水質(zhì)、水量時(shí)空變化。水文地質(zhì)信息分析法基于傳統(tǒng)水文地質(zhì)的理論認(rèn)識(shí)與假設(shè)，需結(jié)合大量的野外水文地質(zhì)考察，可用于大面積巖溶裂隙水存儲(chǔ)量的宏觀調(diào)查與評(píng)價(jià)，但評(píng)價(jià)精度十分有限。環(huán)境因素信息分析法有效利用了地下水作為生態(tài)系統(tǒng)的有機(jī)組成部分的特點(diǎn)，通過植被等地物光譜特征間接反映土壤、地下水信息。植被的生長受到光照、降水、土壤等因素的影響，如“紅邊效應(yīng)”反映了植物的光譜特征受葉綠素含量變化的影響，利用高光譜遙感收集植被的光譜特征信息，通過光譜分類、光譜波段比值法等方法評(píng)估植被生長狀況，而早在1992年，J. Barcelo[4]等人就研究了植被光譜對(duì)重金屬污染的響應(yīng)，后續(xù)不斷有學(xué)者以植物光譜特征為切入點(diǎn)，探討其與重金屬、硝酸鹽污染等環(huán)境因子的關(guān)系[5～7]。由此可見，高光譜遙感能夠通過水文地質(zhì)信息和環(huán)境要素特征分析獲取土壤包氣帶和地下水信息，可作為水文地質(zhì)研究的新工具。

本文歸納總結(jié)了高光譜遙感基本原理方法及其在水文地質(zhì)方面的應(yīng)用研究，重點(diǎn)總結(jié)了地下水環(huán)境污染和水文信息反演方面的高光譜遙感應(yīng)用研究進(jìn)展，分析了高光譜遙感水文地質(zhì)應(yīng)用所面臨的挑戰(zhàn)，并展望了高光譜遙感水文地質(zhì)應(yīng)用研究的發(fā)展趨勢。

1 高光譜遙感數(shù)據(jù)特征及反演方法

1.1 高光譜遙感數(shù)據(jù)特征

高光譜遙感利用成像光譜儀將視場內(nèi)各種地物的光譜曲線完整精確地記錄下來，高光譜圖像是空間地物目標(biāo)在連續(xù)波段方向的圖像立方體，具有兩個(gè)空間維度(平面坐標(biāo))和一個(gè)波譜維度(波長或輻射強(qiáng)度)，因此具有圖譜合一的特性，在圖像信息處理時(shí)需將圖像的光譜維和空間維信息有機(jī)結(jié)合[2]。高光譜數(shù)據(jù)分析處理的一個(gè)基本內(nèi)容是圖像分類及地物目標(biāo)識(shí)別，一般可從圖像空間、光譜空間、特征空間著手分析。圖像空間反映了地物的空間分布和變化規(guī)律，而由于高光譜圖像空間分辨率相對(duì)較低，單純基于圖像空間的圖像分類與目標(biāo)識(shí)別效果往往不佳，這也是高光譜技術(shù)的局限之處；光譜空間反映了地物目標(biāo)光譜曲線的特征，是在特定時(shí)間和空間環(huán)境下地物光譜特征的綜合響應(yīng)，包含了地物本身的物理屬性，一般而言，不同地物有不同光譜特征，從而進(jìn)行目標(biāo)分類與識(shí)別；在高維特征空間，每個(gè)像元均對(duì)應(yīng)于一個(gè)點(diǎn)，不同像元間往往表現(xiàn)出“類內(nèi)聚合、類間離散”的特征，利用此特性可以更有效、直觀地進(jìn)行圖像分類與地物識(shí)別。光譜空間與特征空間實(shí)質(zhì)上是等價(jià)且可相互轉(zhuǎn)化的。

1.2 高光譜遙感的水文地質(zhì)信息反演方法研究

(1)基于純像元的高光譜圖像分類可總結(jié)為兩種方法：第一種是根據(jù)地物光譜反射或發(fā)射曲線與已知光譜數(shù)據(jù)相匹配進(jìn)行圖像分類，即基于地物光譜特征的分類方法；第二種方法對(duì)高光譜數(shù)據(jù)樣本的總體特征進(jìn)行統(tǒng)計(jì)分析，識(shí)別不同類型的目標(biāo)，即基于圖像數(shù)據(jù)統(tǒng)計(jì)特征的分類方法，各分類算法特點(diǎn)可歸納為表1。

表1 基于純像元的高光譜圖像分類

(2)基于混合像元的分析方法：高光譜圖像受到空間分辨率及地物分布復(fù)雜性的影響，圖像像元一般包含多種地物覆蓋類型，其光譜特征也是不同地物光譜響應(yīng)的綜合，即混合像元?；旌瞎庾V分解方法主要有線性光譜解混、非線性光譜解混兩大類[2,8]。

線性混合模型假定混合像元的光譜是各端元光譜的線性組合，線性光譜解混主要分為兩步：第一步是端元提取，第二步是混合像元分解。端元提取和混合像元分解有多種成熟方法，除表 2中所列方法外，考慮端元光譜的可變性和利用空間信息輔助信息也是端元提取的研究熱點(diǎn)。

非線性混合光譜基于線性混合光譜模型，考慮了各組分光譜間的相關(guān)性。比較典型的光譜混合模型見表 2。近年來，有學(xué)者提出基于多項(xiàng)式的非線性混合模型，也取得了很好的分類效果[9～10]。

2 高光譜遙感在水文地質(zhì)中的應(yīng)用研究進(jìn)展

作為一種新的研究手段，高光譜遙感在土壤包氣帶重金屬污染監(jiān)測、土壤含水率和地下水位預(yù)測、地下水水質(zhì)研究等水文地質(zhì)問題研究中具有巨大的應(yīng)用潛力。

2.1 地下水環(huán)境污染實(shí)時(shí)監(jiān)測研究

(1)包氣帶土壤面源污染：土壤遭受重金屬污染后，一部分污染物留存在土壤中，一部分隨大氣降水或灌溉水運(yùn)移至地下水中，一部分則被植物吸收，在植物體內(nèi)形成重金屬的富集。土壤、地下水重金屬污染通常具有潛伏性和隱蔽性，常規(guī)的重金屬污染調(diào)查的方法借助野外控制點(diǎn)及其實(shí)驗(yàn)室化學(xué)分析數(shù)據(jù)來代表大范圍內(nèi)的土壤污染狀況，研究區(qū)的實(shí)際狀況通常復(fù)雜多變，空間差異大，導(dǎo)致調(diào)查點(diǎn)代表性受限，調(diào)查方法精度不高，效率低下。包括高光譜在內(nèi)的遙感手段則很好地克服了傳統(tǒng)方法的局限性，且能夠?qū)崿F(xiàn)大面積、短周期連續(xù)快速監(jiān)測。通過植被的高光譜圖像，對(duì)比受污染植株與健康植株的光譜特征曲線，可反映出土壤的重金屬污染信息[11]。

表2 基于混合像元的分析方法

土壤重金屬污染主要由于外源重金屬被黏土礦物、鐵氧化物和有機(jī)質(zhì)等物質(zhì)吸附[12～13]，而包氣帶土壤的光譜形態(tài)和反射率大小也會(huì)因此發(fā)生變化，在沒有明顯植被覆蓋的情況下，通過土壤包氣帶高光譜成像可直接識(shí)別重金屬種類，反演污染物含量、氧化程度等，A. Riaza等[14]對(duì)西班牙干旱區(qū)某黃鐵礦區(qū)固體廢棄物的高光譜圖像進(jìn)行時(shí)間序列分析，記錄了黃鐵礦從氧化到脫水的變化過程和空間分布，為土壤金屬污染評(píng)估提供依據(jù)。

在植被覆蓋區(qū)，可通過植被的光譜信息推測土壤包氣帶的重金屬污染情況。M. D. Wilson等[11]對(duì)五種鹽沼植物和兩種玉米植株在不同的重金屬和石油污染影響下的光譜曲線進(jìn)行研究，利用支持向量機(jī)(SVC)和邏輯分類最小二乘法(PLS/LD)成功地識(shí)別出不同污染程度的植被。J. Y. Xiao等[15]通過含有不同濃度的銅、鋅、鉛等元素的灌溉水下滲土壤后形成重金屬污染，研究土壤包氣帶中重金屬元素對(duì)小麥光譜反射特征的影響，證實(shí)了重金屬元素會(huì)顯著影響植株葉綠素含量，并根據(jù)小麥的光譜曲線特征提出了R781/R937 和 R781- R937 兩個(gè)指標(biāo)，反映重金屬含量與光譜反射特性的相關(guān)關(guān)系。

(2)飽和帶地下水環(huán)境污染：由于環(huán)境指示因子與地下水密切相關(guān)，可以應(yīng)用遙感技術(shù)調(diào)查環(huán)境指示因子反映地下水的賦存、富集與水質(zhì)狀況。傳統(tǒng)的地下水水質(zhì)評(píng)價(jià)方法，如模糊綜合評(píng)價(jià)法、灰色系統(tǒng)法、模型法和理論法等，一般只是定性或半定量地對(duì)水質(zhì)作出評(píng)價(jià)，無法體現(xiàn)出水質(zhì)變化的瞬時(shí)性[3]。W. Kruck[16～17]最初利用多光譜遙感影像研究了博茨瓦納Okavango三角洲地區(qū)與阿根廷的草原地區(qū)植被與地下水間的相互作用，證明了淺層潛水含鹽度由于植被存在而不同，不僅節(jié)省了野外考察工作量和昂貴的水化學(xué)分析耗費(fèi)，同時(shí)為高光譜技術(shù)應(yīng)用于地下水水質(zhì)研究提供借鑒。

X. M. Jin 等[18]綜合高光譜遙感觀測數(shù)據(jù)和潛水地下水相關(guān)資料，發(fā)現(xiàn)銀川盆地潛水地下水的溶解性總固體對(duì)植被的生長有影響，TDS=0.9 mg/L為最佳值。S. Serranti等[19]將高光譜遙感用于垃圾填埋污染評(píng)價(jià)中，通過現(xiàn)場監(jiān)測垃圾填埋場的黏土防滲層的光譜特性分析其污染水平，以黏土層的污染物含量變化反映地下水被污染的潛在風(fēng)險(xiǎn)。G. Tevi等[20]基于傳統(tǒng)的地物目標(biāo)光譜分類技術(shù)，結(jié)合GIS對(duì)野外實(shí)地測量數(shù)據(jù)空間分析、插值處理的功能，根據(jù)關(guān)鍵地物目標(biāo)的識(shí)別建立反演模型，提高了對(duì)淺層含水層水質(zhì)信息提取的準(zhǔn)確度。

盡管地下水水質(zhì)方面的重要資料可通過分析水質(zhì)和植被的關(guān)系利用高光譜圖像獲得，但國內(nèi)外目前在高光譜遙感水質(zhì)應(yīng)用方面的研究和嘗試仍然較少。

2.2 水文信息反演研究

地下水是水資源的重要組成部分，在我國西北廣大的干旱—半干旱區(qū)，降雨少，蒸發(fā)強(qiáng)烈。當(dāng)水位埋深增大時(shí)蒸發(fā)變?nèi)?，但毛?xì)作用對(duì)土壤水的補(bǔ)充也會(huì)減弱，不利于植物根系吸收水分；水位埋深較淺時(shí)土壤含水量較高，但可能由于強(qiáng)烈蒸發(fā)導(dǎo)致土壤鹽漬化，也不利于植物生長，可見地下水埋深影響土壤含水率，與植被生長狀態(tài)關(guān)系密切。因此，土壤反射率、葉面積指數(shù)、葉綠素含量、土壤水分含量等要素的反演已成為評(píng)價(jià)干旱- 半干旱地區(qū)地下水資源、作物受脅迫狀況、區(qū)域生態(tài)環(huán)境等問題的關(guān)鍵輸入?yún)?shù)和驗(yàn)證數(shù)據(jù)[3]。高光譜圖像經(jīng)像元分解、地物識(shí)別(植被類型分類)、植被覆蓋度計(jì)算、葉片反射光譜特征分析并建立模型，進(jìn)而反演土壤含水量和地下水位。

利用高光譜遙感反演土壤含水率主要采用環(huán)境因素信息分析法，具體分為兩種方法。第一種為土壤水分光譜法，一般適用于幾乎沒有植被覆蓋或植被占比很少的裸土地區(qū)。S. A. Bowers和R. J. Hanks[21]在實(shí)驗(yàn)室條件下將不同的土壤類型和土壤含水率進(jìn)行組合，試圖建立土壤反射光譜特征與土壤含水率的普適關(guān)系，研究結(jié)果表明，波長1 900 nm處可作為反演土壤水分的特征波段，為后續(xù)研究開辟了思路。王靜等[22]對(duì)草地、耕地和林地土壤樣品進(jìn)行含水率測量和實(shí)驗(yàn)室光譜數(shù)據(jù)采集，利用多元統(tǒng)計(jì)分析建立了由1 423 nm、1 524 nm、1 746 nm等多個(gè)波段組成的回歸模型用于預(yù)測土壤含水量，預(yù)測結(jié)果比較準(zhǔn)確。

第二種方法為植被指數(shù)法。不同植被類型對(duì)地下水埋深有不同的要求，通過高光譜圖像識(shí)別植被類型可以反映出地下水埋深信息。早在1974年，D Bannert等就根據(jù)ERTS(地球資源技術(shù)衛(wèi)星)多光譜圖像對(duì)阿根廷彭巴平原已有的水文地質(zhì)調(diào)查結(jié)果進(jìn)行驗(yàn)證、校正，提出了根據(jù)特征地物推斷淺層地下水的水位埋深和鹽度分布的方法。X. M. Jin等[18]通過建立植被的NDVI與地下水位埋深建立對(duì)應(yīng)關(guān)系，研究了銀川地區(qū)最適宜植被生長的地下水埋深為3.5 m，水位埋深超過6 m后對(duì)當(dāng)?shù)刂脖粠缀醪辉佼a(chǎn)生影響。利用土壤含水率信息，可以更進(jìn)一步推測出地下水位埋深。S. Hamzeh 等[23]搜集了伊朗Hakim Farabi地區(qū)132口水井的水位數(shù)據(jù)、觀測期降水資料及包括作物灌溉在內(nèi)的人工管理措施信息，新定義了SWSI- 1、SWSI- 2 和SWSI- 3三個(gè)植被指數(shù)，并結(jié)合NDVI建立了反演模型，提出了甘蔗反射率與地下水埋深間的對(duì)應(yīng)關(guān)系，為利用高光譜遙感數(shù)據(jù)監(jiān)測、評(píng)價(jià)區(qū)域土壤含水量和地下水位提供了范例。

土壤水分因子的反演模型較多，但就目前已建立的反演模型而言，其可重復(fù)性和在不同地區(qū)的普適性有待檢驗(yàn)。

3 高光譜應(yīng)用研究面臨的主要問題與挑戰(zhàn)

高光譜遙感以其強(qiáng)大的對(duì)地物光譜特征的分辨能力為優(yōu)勢，已逐漸應(yīng)用于土壤重金屬污染監(jiān)測、土壤含水率和地下水位反演等方面，并取得了一些成果。同時(shí)，高光譜遙感在信息處理和應(yīng)用方面仍面臨著許多問題與挑戰(zhàn)[24]：

(1)高光譜遙感光譜波段多且窄，造成嚴(yán)重的數(shù)據(jù)冗余，空間分辨率相對(duì)較低，多時(shí)相影像獲取周期長，使圖像鑲嵌和融合算法復(fù)雜化，圖像混合像元分解和光譜重建精度也受到限制，這都對(duì)高光譜數(shù)據(jù)處理技術(shù)提出了更高的要求。

(2)高光譜圖像是地物目標(biāo)與環(huán)境的綜合反映，在利用高光譜研究巖石、礦物及部分植物的地物波譜時(shí)出現(xiàn)“同物異譜”及“同譜異物”的現(xiàn)象，反映了地物波譜的不確定性在利用環(huán)境因素信息反演水文地質(zhì)信息時(shí)，一方面需考慮地物所處環(huán)境的時(shí)空變異的影響，以獲得地物目標(biāo)的真實(shí)的波譜特征；另一方面，基于大量樣本的統(tǒng)計(jì)分析建立的遙感模型有相應(yīng)的適用條件，在推廣應(yīng)用前需要檢驗(yàn)其有效性。

(3)現(xiàn)有的高光譜遙感應(yīng)用在定量化方面仍不夠成熟，在重金屬污染研究中，一般利用健康植株與污染植株互為對(duì)比樣本，通過控制其它環(huán)境變量定性判別植株光譜對(duì)重金屬污染的響應(yīng)，無法直接由光譜信息定量得出污染程度。模型反演過程中參數(shù)對(duì)反演精度影響很大，反演結(jié)果精度問題有待提高。

(4)由于高光譜遙感是對(duì)地表地物特征的反映，無法透視地下，因此在地下水水位波動(dòng)、水量變化等問題研究中應(yīng)用受限，需借助于其他技術(shù)，進(jìn)行多學(xué)科、多技術(shù)融合。此外，利用環(huán)境信息反演地下水水質(zhì)、監(jiān)測地下水污染狀況的研究較少。

4 結(jié)論與展望

高光譜圖像可反映目標(biāo)的光譜位置特征，在水文地質(zhì)領(lǐng)域具有廣闊的應(yīng)用前景。利用目視解譯的統(tǒng)計(jì)學(xué)方法可以獲取飽和帶地下水環(huán)境信息，同時(shí)，環(huán)境指示因子(如植被)也可以在一定程度上反映地下水的水質(zhì)狀況，但目前國內(nèi)外在這方面的研究和應(yīng)用依然較少。此外，通過高光譜圖像識(shí)別植被類型、計(jì)算植被覆蓋度、分析葉片反射光譜特征并建立模型可以反演土壤含水量和地下水位，在干旱- 半干旱地區(qū)已經(jīng)得到一定程度的應(yīng)用，是研究和保護(hù)缺水地區(qū)生態(tài)環(huán)境的重要工具。

(1)利用地面光譜儀實(shí)測的高光譜數(shù)據(jù)為航空(航天)成像光譜儀所得高光譜圖像提供幾何校準(zhǔn)、輻射校準(zhǔn)依據(jù)，有效利用多角度、多時(shí)相圖像數(shù)據(jù)，實(shí)現(xiàn)高光譜遙感定量化。

(2)在應(yīng)用基于統(tǒng)計(jì)分析的遙感模型獲取水文地質(zhì)信息的基礎(chǔ)上，深入研究對(duì)水文地質(zhì)條件和地物目標(biāo)光譜間的響應(yīng)機(jī)制。針對(duì)不同研究區(qū)特征，通過植被、土壤等環(huán)境要素信息，對(duì)重金屬、地下水位、水質(zhì)進(jìn)行長期定位研究。

(3)根據(jù)土壤類型、植被類型的不同，采用長期定位觀測和控制條件實(shí)地實(shí)驗(yàn)結(jié)合的方法建立光譜數(shù)據(jù)庫，對(duì)水文地質(zhì)信息的動(dòng)態(tài)變化進(jìn)行更加直觀、準(zhǔn)確的判斷。

(4)與Grace重力衛(wèi)星、微波遙感等技術(shù)結(jié)合，利用高分辨率衛(wèi)星圖像改善高光譜圖像的空間分辨率較低的弱點(diǎn)，通過多源信息融合獲取包氣帶土壤質(zhì)量、地下水量等水文地質(zhì)信息變化特征。利用高光譜圖像提取地物信息，與GIS和DEM數(shù)據(jù)結(jié)合，劃分巖溶裂隙水的補(bǔ)給區(qū)、排泄區(qū)，為水文地質(zhì)詳勘工作提供依據(jù)，同時(shí)服務(wù)于水資源評(píng)價(jià)與管理。

(5)通過大量的野外和實(shí)驗(yàn)室光譜測量對(duì)比，研究水文地質(zhì)信息與環(huán)境因子要素間本質(zhì)特征響應(yīng)關(guān)系，歸納總結(jié)不同環(huán)境下二者的光譜響應(yīng)規(guī)律，建立專一光譜數(shù)據(jù)庫。

[ 1] Meijerink A M J. Remote sensing applications to hydrology: groundwater[J]. Hydrological Sciences Journal, 1996, 41(4): 549-561.

[ 2] 童慶禧，張兵，鄭蘭芬. 高光譜遙感——原理、技術(shù)與應(yīng)用[M]. 北京:高等教育出版社, 2006.[TONG Q X, ZHANG B, ZHENG L F. Hyperspectral remote sensing[M].Beijing: Higher Education Press,2006.(in Chinese)]

[ 3] 朱君, 李傳榮, 唐伶俐, 等. 定量遙感在地下水研究中的應(yīng)用[J]. 科技導(dǎo)報(bào), 2008(15): 79-83.[ZHU J, LI C R, TANG L L,etal. Application of quantitative remote sensing on the groudwater research[J]. Science and Technology Review, 2008(15):79-83. (in Chinese)]

[ 4] Barcelo J, Poschenrieder C. Responses of plants to heavy metal contamination[C]//Proc. 4th National Symp. Mineral Nutrition of Plants, 1992: 45-61.

[ 5] Delalieux S, Somers B, Verstraeten W W,etal. Hyperspectral indices to diagnose leaf biotic stress of apple plants, considering leaf phenology[J]. International Journal of Remote Sensing, 2009, 30(8): 1887-1912.

[ 6] Lee H, Everard C D, Kang S,etal. Multispectral fluorescence imaging for detection of bovine faeces on Romaine lettuce and baby spinach leaves[J]. Biosystems Engineering, 2014, 127: 125-134.

[ 7] Boggs J L, Tsegaye T D, Coleman T L,etal. Relationship between hyperspectral reflectance, soil nitrate- nitrogen, cotton leaf chlorophyll, and cotton yield: a step toward precision agriculture[J]. Journal of Sustainable Agriculture, 2003, 22(3): 5-16.

[ 8] 楊哲海, 韓建峰, 宮大鵬,等. 高光譜遙感技術(shù)的發(fā)展與應(yīng)用[J]. 海洋測繪, 2003(6): 55-58.[YANG Z H, HAN J F, GONG D P,etal. The development and application of hyperspectral remote sensing technology[J]. Hydrographic Surveying and Charting, 2003 (6): 55-58. (in Chinese)]

[ 9] 陶秋香. 非線性混合光譜模型及植被高光譜遙感分類若干問題研究[D]. 青島:山東科技大學(xué), 2004.[TAO Q X. Study of a nonlinear mixing spectral model and some problems of vegetation classification using hyperspectral remote sensing[D]. Qingdao: Shangdong University of Science and Technology, 2004. (in Chinese)]

[10] 李君. 線性與非線性混合像元分解模型的比較研究[D]. 哈爾濱:東北林業(yè)大學(xué), 2008.[LI J. The study on comparing non- linear unmixing model and linear unmixing model of mixed pixels[D]. Harbin: Northeast Forestry University, 2008. (in Chinese)]

[11] Wilson M D, Ustin S L, Rocke D M. Classification of contamination in salt marsh plants using hyperspectral reflectance[J]. Geoscience and Remote Sensing, IEEE Transactions on, 2004, 42(5): 1088-1095.

[12] 楊璐, 高永光, 胡振琪. 重金屬銅污染土壤光譜特性研究[J]. 礦業(yè)研究與開發(fā), 2008(3): 68-69.[YANG L, GAO Y G, HU Z Q. Study on spectral characteristics of soil polluted by heavy metal copper[J]. Mining Research and Development, 2008(3): 68-69. (in Chinese)]

[13] 卓犖. 基于高光譜遙感的土壤重金屬空間分布研究[D]. 武漢: 武漢大學(xué), 2010.[ZHUO L. The research of estimating heavy metal spatial distribution of soil using hhyperspectral data[D]. Wuhan: Wuhan University, 2010.(in Chinese)]

[14] Riaza A, Müller A. Hyperspectral remote sensing monitoring of pyrite mine wastes: a record of climate variability (Pyrite Belt, Spain)[J]. Environmental Earth Sciences, 2010, 61(3): 575-594.

[15] Xiao J, Xu L. Monitoring impact of heavy metal on wheat leaves from sewage irrigation by hyperspectral remote sensing[C]//Geoscience and Remote Sensing (IITA- GRS), 2010 Second IITA International Conference on, 2010: 298-301.

[16] Kruck W. Application of Remote Sensing for Groundwater Prospection in the Third World[C]//Intern Symp Remote Sens, and Water Resources, IAH/Neth Soc Remote Sens, Enschede, The Netherlands, 1990: 455-463.

[17] Kruck W. Hydrogeological investigations in the Argentine Pampa using satellite imagery[J]. Natural Resources and Development, 1976(3): 33-40.

[18] Jin X M, Wan L, Zhang Y,etal. A Study of the Relationship Between Vegetation Growth and Groundwater in the Yinchuan Plain[J]. Earth Science Frontiers, 2007, 14(3): 197-203.

[19] Serranti S, Bonifazi G. Pollution level detection in dump clay liners by hyperspectral imaging[J]. International Journal of Environment and Waste Management, 2012, 10(2/3): 163-176.

[20] Tevi G, Tevi A. Remote sensing and GIS techniques for assessment of the soil water content in order to improve agricultural practice and reduce the negative impact on groundwater: case study, agricultural areatefan cel Mare, C?l?rai County[J]. Water Science & Technology, 2012, 66(3): 580-587.

[21] Bowers S A, Hanks R J. Reflection of radiant energy from soils[J]. Soil Science, 1965, 100(2): 130-138.

[22] 王靜, 何挺, 李玉環(huán). 基于高光譜遙感技術(shù)的土地質(zhì)量信息挖掘研究[J]. 遙感學(xué)報(bào), 2005(4): 438-445.[WANG J, HE T, LI Y H. Studying on extraction methods for land quality information based on hyperspectral data[J]. Journal of Remote Sensing, 2005(4): 438-445. (in Chinese)]

[23] Hamzeh S, Naseri A A, Alavipanah S K. Modeling shallow groundwater depth using HYPERION hyperspectral imagery[J]. Physica E: Low- dimensional Systems and Nanostructures, 2009, 33(2): 367-369.

[24] Mogaji K, Aboyeji O, Omosuyi G. Mapping of lineaments for groundwater targeting in basement complex area of Ondo State using remotely sensed data[J]. International Journal of Water Resources and Environmental Engineering, 2006, 3(7): 150-160.

責(zé)任編輯：張若琳

Advances in application of hyperspectral remote sensing in hydrogeology

DUAN Ruiqi1,2, DONG Yanhui1, ZHOU Pengpeng1, WANG Liheng1, FU Yunmei1,2, ZHAO Shaohua1,2

(1.KeyLaboratoryofShaleGasandGeoengineering/InstituteofGeologyandGeophysics,ChineseAcademyofSciences,Beijing100029,China; 2.UniversityofChineseAcademyofSciences,Beijing100049,China)

Hyperspectral remote sensing can simultaneously get radiation information, spectral and spatial information of targets, and hydrogeology is one of important fields of application of hyperspectral remote sensing. By analyzing hyperspectral images, regional hydrogeological information of vadose zones and aquifers can be extracted, which provides scientific data support for identification and real- time monitoring of hydrogeological environments, management of groundwater resources and numerical simulations. This paper summarizes the basic principles and methods of hyperspectral remote sensing and its application in hydrogeology, especially the advances in groundwater contamination and hydrological information inversion. The potential challenges and prospects of its further development are also analyzed. The main contents include the following aspects: (1) fast and continuous monitoring on heavy- metal pollution of the vadose zone by using spectral information of soil and vegetation in a regional scale and short- cycle frequency; (2) extracting geological and hydrogeological features from hyperspectral images and taking environmental indicators (such as vegetation) as effective supplements and evaluating groundwater qualities; (3) using hyperspectral images to identify vegetation types, calculate the vegetation coverage and spectral reflectances of leaves, and (4) establishing models to attain retrival of soil moisture and groundwater levels, which provide data supports for the ecological environment protection in water shortage areas.

hyperspectral remote sensing; hydrogeology; groundwater contamination monitoring; hydrological information retrival

10.16030/j.cnki.issn.1000- 3665.2017.04.04

2016- 05- 21;

2016- 08- 10

段瑞琪(1993- )，男，碩士，主要從事水資源與水環(huán)境、地下水?dāng)?shù)值模擬研究。E- mail：duanruiqi1993@163.com

董艷輝(1980- )，男，副研究員，主要從事地下水?dāng)?shù)值模擬研究。E- mail：lemondyh@mails.iggcas.ac.cn

P641

A

1000- 3665(2017)04- 0023- 07