李鄭 劉樂 彭鵬

摘要：新疆地區(qū)開采石油范圍大且分散廣，開采過程中往往伴隨著周邊存在較大的廢棄泥漿池。廢棄泥漿池含有大量石油烴類污染物，對周邊土壤造成了較嚴(yán)重的污染。人工調(diào)查石油開采區(qū)廢棄泥漿池時效性差、成本高。高光譜遙感具有豐富的光譜信息和地物識別能力，可實(shí)現(xiàn)快速識別?；诟吖庾V影像的光譜特性，以新疆油田采油區(qū)為研究對象，提取了研究區(qū)GF-5高光譜衛(wèi)星影像的廢棄泥漿池光譜信息。通過對所提取的光譜信息分析，波長942.16nm、1190.17nm和2023.76nm為廢棄泥漿池的特征波段，達(dá)到準(zhǔn)確識別廢棄泥漿池的目的。

關(guān)鍵詞：石油開采；GF-5衛(wèi)星；光譜；廢棄泥漿池

Using GF - 5 satellite data to quickly identify the waste mud pools on the formation of oil

Li Zheng，Liu Le，Peng Peng

Geological Survey of Anhui Province（Anhui Institute of Geological Sciences） He fei 230001

Abstract： Xinjiang has a large and widely dispersed area for petroleum exploitation. During the process of exploitation，there are often large waste mud pools in the surrounding area，which contain a large number of petroleum hydrocarbon pollutants and cause serious pollution to the surrounding soil. The traditional method of manual investigation of waste mud pool in oil mining area has poor timeliness and high cost. Hyperspectral remote sensing has rich spectral information and ground object recognition ability，which can realize fast recognition. Based on the spectral characteristics of hyperspectral images，spectral information of waste mud pools from GF-5 hyperspectral satellite images in xinjiang oil field was extracted. By analyzing the spectral information extracted，it is considered that the wavelengths of 942.16nm，1190.17nm and 2023.76nm are the characteristic bands of the waste mud pool，so as to accurately identify the target of the waste mud pool.

Key words： Oil exploitation GF-5 satellite Spectrum Waste mud pool

1.前言

石油勘探、開采過程中會產(chǎn)生廢棄泥漿，往往就近挖個大坑形成廢棄泥漿池，廢棄泥漿池中含有大量石油烴類污染物，嚴(yán)重污染土地資源。利用高光譜遙感影像可以高效準(zhǔn)確地尋找廢棄泥漿池的位置，進(jìn)而圈定受到廢棄泥漿污染的土壤范圍，從而對污染土壤進(jìn)行圈定，便于對污染物處理和控制。

針對油氣礦山開采產(chǎn)生的廢棄泥漿調(diào)查，本次選取新疆維吾爾自治區(qū)，選用GF-5衛(wèi)星數(shù)據(jù)為數(shù)據(jù)源，進(jìn)行了高光譜數(shù)據(jù)處理，在此基礎(chǔ)上，結(jié)合野外實(shí)地驗(yàn)證，通過廢棄泥漿池高光譜曲線特征分析，進(jìn)而識別廢棄泥漿池位置和范圍。

2.廢棄泥漿池高光譜影像識別的原理和方法

參考先前研究工作，在高光譜遙感影像中，含有石油烴類污染物的光譜反射率光譜曲線呈現(xiàn)如下特征：

①整條光譜曲線的反射率值較正常土壤更低；

②整條光譜曲線的反射率值降低速率越來越慢；

③950nm、1200nm、2100nm附近出現(xiàn)逐漸增強(qiáng)的收峰特征，其后曲線上升。

在工作區(qū)利用高光譜遙感影像，對石油開采集中區(qū)進(jìn)行廢棄泥漿池光譜曲線分析，對比光譜曲線特征，從而監(jiān)測出研究區(qū)內(nèi)廢棄泥漿池的位置和范圍。

3.遙感數(shù)據(jù)源

本次選用GF-5作為遙感數(shù)據(jù)源，其傳感器波段參數(shù)見表1。GF-5衛(wèi)星是在2018年5月9日成功發(fā)射，經(jīng)過在軌測試，2019年3月21日正式投入使用的。GF-5搭載了大氣痕量氣體差分吸收光譜儀、大氣主要溫室氣體監(jiān)測儀、大氣多角度偏振探測儀、大氣環(huán)境紅外甚高分辨率探測儀、可見短波紅外高光譜相機(jī)、全譜段光譜成像儀共6臺載荷。本次使用可見短波紅外高光譜相機(jī)的數(shù)據(jù)，其具有可見光—近紅外150個波段，短波紅外180個波段，共計330個波段。

研究區(qū)范圍為吐魯番市高昌區(qū)，該區(qū)域內(nèi)分布中石油吐哈盆地神泉油田、吐魯番油田和玉果油田等。GF5影像數(shù)據(jù)對應(yīng)的軌道號為7310、成像時間為2019年9月22日，中心點(diǎn)經(jīng)度89°05′54.24"，緯度43°25′53.95"。影像云量2%，質(zhì)量清晰（圖1）。

4.高光譜影像處理

4.1影像預(yù)處理

對于GF-5衛(wèi)星中的高光譜數(shù)據(jù)處理包括三個步驟，①前期預(yù)處理，合并可見光—近紅外和短波紅外數(shù)據(jù)合并、波長信息寫入、壞波段剔除等；②輻射校正，進(jìn)行輻射定標(biāo)、大氣校正等；③幾何校正，包括幾何精校正和正射校正。具體流程和處理結(jié)果見圖2和圖3。

4.2最小噪聲分離（MNF）

最小噪聲分離（Minimum Noise Fraction Rotation，MNF Rotation）用于判定圖像數(shù)據(jù)內(nèi)在的維數(shù)（即波段數(shù)），分離數(shù)據(jù)中的噪聲，減少隨后處理中的計算需求量。MNF本質(zhì)上是兩次層疊的主成分變換。第一次變換（基于估計的噪聲協(xié)方差矩陣）用于分離和重新調(diào)節(jié)數(shù)據(jù)中的噪聲，這步操作使變換后的噪聲數(shù)據(jù)只有最小的方差且沒有波段間的相關(guān)。第二步是對噪聲白化數(shù)據(jù)（Noise-whitened）的標(biāo)準(zhǔn)主成分變換。

最小噪聲分離（MNF）相較于遙感數(shù)字圖像處理中運(yùn)用比較廣泛的主成分分析（PCA）算法，MNF變換具有PCA變換的性質(zhì)，是一種正交變換，變換后得到的向量中的各元素互不相關(guān)，第一分量集中了大量的信息，隨著維數(shù)的增加，影像質(zhì)量逐漸下降，按照信噪比從大到小排列，而不像PCA變換按照方差由大到小排列，從而克服了噪聲對影像質(zhì)量的影響。正因?yàn)樽儞Q過程中的噪聲具有單位方差，且波段間不相關(guān)，所以它比PCA變換更加優(yōu)越。因此本次采用MNF算法進(jìn)行影像數(shù)據(jù)處理（圖4）。

5.廢棄泥漿波段特征與信息提取

將外業(yè)查證的廢棄泥漿池結(jié)果作為光譜信息采樣點(diǎn)，提取波譜曲線，根據(jù)波譜曲線特征，可以看到在波長為942.16nm，1190.17nm，2023.76nm處，光譜曲線出現(xiàn)明顯的吸收特征（圖5）。根據(jù)該特征，可以快速識別研究區(qū)內(nèi)的廢棄泥漿池位置，并圈定其范圍（圖6、圖7）。

6.結(jié)論

（1）以國產(chǎn)GF-5衛(wèi)星數(shù)據(jù)為信息源，研究高光譜影像中油氣開采廢棄泥漿池光譜曲線特征，探索了油氣礦山廢棄泥漿池污染遙感調(diào)查的方法。

（2）由于新疆地區(qū)異常干燥炎熱，開采過程中的廢棄泥漿池在較短時間內(nèi)就會干涸，到那時所顯現(xiàn)出的光譜特征與其液態(tài)時可能有所不同，下一步工作探索廢棄泥漿池在干涸時的光譜特征，準(zhǔn)確圈定不同狀態(tài)下廢棄泥漿池的位置。

參考文獻(xiàn)：

[1]李志忠，楊日紅，黨福星.高光譜遙感衛(wèi)星技術(shù)及其地質(zhì)應(yīng)用.地質(zhì)通報， 2009. 28（2-3）：270-277.

[2]熊文成，聶憶黃，王橋，等.土壤污染遙感研究進(jìn)展及應(yīng)用展望[J].環(huán)境與可持續(xù)發(fā)展， 2017， 42（6）： 51-54.

[3]覃志豪，章力建，高懋芳，等.遙感技術(shù)在農(nóng)業(yè)立體污染監(jiān)測中的應(yīng)用[J].國土資源遙感， 2006， 18（1）：1-5.

[4]李婷，吳克寧.基于遙感技術(shù)的耕地質(zhì)量評價研究進(jìn)展與展望[J].江蘇農(nóng)業(yè)科學(xué)， 2018， 46（15）：5-9.

[5]童勤龍，劉德長，張川.新疆吉木薩爾西大龍口地區(qū)航空高光譜油氣探測.石油學(xué)報， 2017. 38（4）：425-435.

[6]童勤龍，劉德長，余永安，徐本宏.烏爾禾地區(qū)油砂光譜特征及其與烷烴含量的關(guān)系.新疆石油地質(zhì)， 2017. 38（1）：49-54.

[7]熊文成，聶憶黃，王橋，等.土壤污染遙感研究進(jìn)展及應(yīng)用展望[J].環(huán)境與可持續(xù)發(fā)展， 2017， 42（6）：51-54.

[8]趙少華，劉思含，劉芹芹，等.中國城鎮(zhèn)生態(tài)環(huán)境遙感監(jiān)測現(xiàn)狀及發(fā)展趨勢[J].生態(tài)環(huán)境學(xué)報， 2019， 28（6）：1261-1271.

[9]甘甫平，劉圣偉，周強(qiáng).德興銅礦礦山污染高光譜遙感直接識別研究[J].地球科學(xué)， 2004， 13（1）：119-126.

[10]許君一，徐富寶，張雅瓊，等.基于灰度共生矩陣的未利用地疑似污染遙感識別[J].北京工業(yè)大學(xué)學(xué)報， 2018， 44（11）： 1423-1433.

[11]蓋利亞，孫銀行，馮文娟，等.污染場地土壤的光譜特征分析[J].測繪科學(xué)， 2015， 40（1）：42-46.

[12]吳昀昭.南京城郊農(nóng)業(yè)土壤重金屬污染的遙感地球化學(xué)基礎(chǔ)研究[D].南京：南京大學(xué)， 2005.

[13]黃長平，劉波，張霞，等.土壤重金屬Cu含量遙感反演的波段選擇與最佳光譜分辨率研究[J].遙感技術(shù)與應(yīng)用， 2010， 25（3）： 353-357.