矿山环境高光谱遥感监测研究进展

李万伦, 甘甫平

(1.中国地质图书馆，北京　100083； 2.中国国土资源航空物探遥感中心，北京　100083)

矿山环境高光谱遥感监测研究进展

李万伦1, 甘甫平2

(1.中国地质图书馆，北京100083； 2.中国国土资源航空物探遥感中心，北京100083)

摘要：在综合分析大量文献的基础上，归纳了高光谱技术在矿山次生矿物识别、重金属浓度反演、pH值定量估算、污染植被信息提取等方面的应用，总结了基于高光谱遥感提取有关氧化和脱水状态动态分析、气候变化追踪等信息的研究进展，展示了高光谱技术在矿山环境调查监测领域的广阔应用前景。研究表明,含铁硫化物及其氧化矿物标准光谱库的建立具有重大意义，推动了酸性矿山环境高光谱遥感研究； 对矿山环境地质作用与光谱响应之间关系的认识逐渐深入，促进了高光谱地质应用模型的开发； 高光谱数据蕴含着丰富的矿山环境地学信息，具备提取多方面重要信息的潜力。最后结合当前欧美发达国家开发高光谱小卫星的实际，指出今后矿山环境高光谱遥感研究将从矿物及矿物成分识别转向矿物形成时的物理化学性质反演、从短期调查向长期监测、从航空向航天、从单一矿山向成矿区带或大型矿集区转变。

关键词：矿山环境； 高光谱； 遥感监测； 进展

0引言

高光谱图谱合一的特征，可以直接识别与矿山环境相关的污染物，比如“三废”(废水、废气和废渣)的组成成分、浓度等，定量分析其分布的范围及变化趋势，评价矿山开发活动对环境的影响，以及资源环境的承载力，并为治理、复垦、规划等提供决策支撑。自1988年AVIRIS高光谱仪出现以来，高光谱遥感技术不断完善，并已逐渐发展为环境调查与评价的一种重要技术手段[1]。

无论是地下开采，还是露天开采，酸性矿山排水(acid mine drainage，AMD)、有毒物质和重金属排放等[2]都会引起许多环境问题，给当地环境和居民健康带来严重影响。我国正处于国民经济高速发展时期，对矿产资源需求量大，矿业活动活跃，不仅需要对矿山开发现状进行有效监管，也需要对矿山生态治理情况进行实时评估。但常规手段耗时费力且成本高。为此，如何快速获取矿山污染的分布特征，以及对矿山环境污染治理状况等进行评价和跟踪监测是国内外矿山环境调查监测的一项紧迫任务。

早期的高光谱矿山环境调查是从废弃物开始，首先关注的是次生矿物，如含铁氧化物和含铁氢氧化物等的分布特征[3-5]，尤其是使环境呈酸性的矿物，它们可快速溶解于矿山排出的废水中，并具有很强的迁移与扩散能力。例如黄铁矿和硫酸盐，其光谱特征和溶解特性都与氧化有关，利用高光谱遥感数据可对其沉淀过程进行跟踪监测[6-7]，为环境污染治理等提供依据。近年来，国外发达国家或地区联盟已经采用高光谱遥感技术进行矿山环境调查监测与定量评估，如欧盟PECOMINES二期项目，将高光谱技术对西班牙安达卢西亚地区的矿山环境监测作为其核心任务之一； 加拿大KamKotia矿山在实施矿山复垦计划的同时，采用航空高光谱遥感技术进行了跟踪监测[8]； 美国也将高光谱遥感技术应用于危险性废弃物处置场地的植被修复系统监测[9]。这些研究均体现了高光谱技术对矿山环境要素具有明显的识别能力和较好的定量反演效果。

我国矿山环境遥感调查大多采用多光谱遥感数据[10-12]，但因其光谱分辨率较低而影响了矿山环境要素的识别精度。在21世纪初，我国曾采用Hyperion星载高光谱遥感数据对江西德兴铜矿矿山污染进行了直接识别与研究[13]。另外在黑龙江大兴安岭地区，也曾利用航空高光谱PHI数据开展了植被地化信息异常探测和植被理化信息提取研究[14]。此后，有关矿山高光谱遥感地质调查方面的报道相对较少，可能与我国缺乏高光谱数据来源，以及相关技术要求较高等有关。

为此，本文在综合分析大量文献的基础上，归纳了高光谱技术在矿山次生矿物识别、重金属浓度反演、pH值定量估算和污染植被信息提取等方面的应用，总结了基于高光谱遥感数据在矿山环境动态监测、矿物氧化与脱水状态动态分析和气候变化追踪等方面的研究进展，展示了高光谱技术在矿山环境调查监测领域的广阔应用前景。

1矿山环境要素识别

由于矿山环境要素众多，且异常复杂，比如次生矿物类型、重金属浓度、土壤或水体的酸碱性等。在矿山环境要素的高光谱识别中，对矿山地物光谱及其地质背景之间响应关系的研究十分必要。长期以来，国内外在高光谱矿山环境监测方面已经形成了一套比较成熟的方法，比如矿物表征、物理化学性质预测和边界划分等[15]。其基本思路主要是通过建立相关的高光谱应用模型，开展矿山环境要素的识别和填图，相关的研究已经从定性、半定量发展到定量地学信息提取，并取得了显著成效。

1.1次生矿物识别

矿山环境的地球化学演化过程变化很快，并在不同地表条件下迅速形成各种次生矿物，且不同类型矿山废弃物所生成的次生矿物序列也不尽相同。识别这些次生矿物对于了解整个矿山环境的发展演化以及进行矿山整治等具有重要作用。

不同类型的次生矿物具有其独特的诊断性波谱特征。采用高光谱矿物识别算法，比如最常用的光谱角填图、二值编码匹配和光谱特征拟合等算法均可有效地识别出次生矿物类型，编制次生矿物分布图。基于光谱特征知识，比如矿物光谱分层识别谱等算法能有效地识别出含Fe矿物(针铁矿、纤铁矿)等[13]。但受矿物组成变化所造成的光谱特征差异等影响，不同算法识别的效果存在着一定的差别[16]。

在矿山环境定期监测与定量评价过程中，为了提高效率，往往根据标准的矿物波谱数据库，开发相关识别算法，进行矿物自动识别和提取。为此，国外较早通过实验室光谱测试获得了由含铁硫化物矿山废弃物风化所生成的典型次生矿物的光谱曲线[17]，并已被收录到美国地质调查局(USGS)的标准光谱数据库中[18]。其中包括施氏矿物、黄钾铁矾和水铁矿等18种酸性矿山地表常见矿物。这些常见矿物光谱库的建立，有力地推动了此类矿山环境的高光谱遥感调查与研究，比如在欧洲伊比利亚黄铁矿带[19]、加拿大安大略省北部某矿山[20]等。

同时，深入分析不同矿山环境系统内的矿物形成与演变规律，尤其是次生矿物在特定地球化学背景下的形成条件和生成次序，将有助于理解矿物波谱特征与次生矿物组成成分之间的内在关系，从而有助于调查与监测污染的类型及程度，正确评估矿山环境的现状。

1.2重金属浓度反演

在矿山开发过程中，重金属通过水体、沉积物和土壤向外扩散，造成严重的环境污染和破坏。重金属类型识别与浓度反演主要有2种方法，一种是对重金属含量与光谱特征的对应关系进行统计，分别建立河流沉积物[21]、土壤[22]和废弃物[23]中的重金属成分及其含量与地面反射光谱特征参量之间的统计模型，从而反演重金属的浓度。这种方法需要结合地球化学数据，属于一种经验性的方法。该方法具有一定的局限性，不同矿山环境适用的特征参数也不尽相同。

另一种方法是通过对重金属元素的来源、扩散和聚积过程进行地质分析，了解其对矿物光谱特征的影响，以此实现浓度反演。高光谱矿物成分反演比较成功的是发生类质同象置换的元素，如铁、镁离子置换铝离子会导致光谱特征出现细微的变化，由此识别出不同元素的含量[24]。当然，定量识别重金属的高光谱技术研究正在不断深入。如今比较普遍的做法是依据重金属元素在矿山环境中的来源及最终赋存矿物来定性或半定量地反演其分布。如在一般金矿山中，汞来源于湿法冶金，而砷则来源于天然的砷黄铁矿，由于氧化和风化作用在尾矿表面还会形成和出现含砷的臭葱石，因此尾矿中二者的浓度都会明显升高。通过高光谱填图可了解这些含汞和砷的尾矿分布，并推断出其向下游的扩散情况[25]。

总的来说，这方面的研究目前基本上仍处于试验研究阶段，需要进一步通过光谱特征的挖掘、算法的研发等提升高光谱遥感在重金属浓度反演方面的调查与监测能力。

1.3pH值定量估算

在矿山环境评价中，pH值是一个关键性的技术指标。以往发现在有AMD的矿区，次生含铁硫化物的生成次序具有一定的规律[6,26]，可通过其诊断性光谱特征来识别，进而根据这些矿物的分布情况来反演其形成的物理化学条件(尤其是pH值的估算)。

利用高光谱遥感技术进行pH值的估算，首先是建立pH预测模型[27]。一般认为，含铁矿物沉淀析出的pH值大小依次为： 黄钾铁矾<3.0； 施氏矿物2.8～4.5； 水铁矿与施氏矿物混合4.5～6.5； 水铁矿或水铁矿与针铁矿组合>6.5[28-29]。在捷克Sokolov褐煤矿山，当pH<3.0时有黄铁矿、黄钾铁矾或褐煤等存在，它们既可以单独存在又可以是混合物。当黄钾铁矾与针铁矿伴生时，pH值升高(3.0～6.5)，而针铁矿单独存在时pH值为中性或较高(>6.5)[30]。

采用上述模型或类似模型，在西班牙Sotiel-Migollas矿山[31-32]，通过独立数据集对研究结果进行检验，发现实际pH值与预测值之间的R2为0.71； Quental 等[33]利用HyMap数据对与AMD有关的物质进行了填图，所生成的预测图表明各种pH值指示矿物组合的相关性≥0.8，尤其正确反映了低pH值与污染区的对应关系。

另外，甘甫平等[13]利用水体在600 nm左右的光谱特征，以及不同波段之间的散点图对水体、尾矿区的酸碱性进行定性的划分，取得了一定的效果，但对于划分的机理还缺乏有效的分析。

总之，利用高光谱遥感技术进行矿山环境pH值的估算及制图取得了较好的效果，具有很好的应用前景。存在的主要问题是，高光谱数据仅适用于地表分析，所测量的是地表最上层的50 mm范围[34]。因此尽管地表与地下样品的相关性可以预料，但对它们的关系仍需进一步研究。

1.4污染植被信息提取

植被的长势、理化特征能够很好地反映矿山环境特征。目前已开发出了许多从遥感图像获取植被健康状态信息的方法，并在矿山污染、矿山植被修复系统监测等领域得到了广泛应用[9]。比如植被光谱特征“红移”、“蓝移”等主要吸收特征参数的变化等[35-36]。同时也偏重于识别光谱反射率的红边位置(red edge position,REP)，研究其与叶绿素含量及其季节性变化的关系，以及叶绿素所直接反映的植被健康状况。

另一种思路是提取植被生物量等信息来进行矿山环境分析，主要方法有统计回归、光谱定位、人工智能和物理模拟等[37]。其中，简单线性回归分析法应用较广，被用来对比实地测得的植被生物物理参数同各种植被指数(如归一化差异植被指数)的相关性[38]。主成分回归与部分最小二乘回归[39-40]等也得到了进一步应用和发展。人工智能方法，如神经网络与回归树，则需要结合野外训练样品来估算植被参数[41]。

上述方法都是经验型方法，使用起来相对比较简单，但有一定限制，比如与代表性的训练样品关系很大，而且该方法对大气条件、传感器扫视几何形状及遥感数据的空间分辨率都很敏感。同时，每次获取新的遥感数据时，都需要对该方法进行适当的修订[42]。另外，由于矿山环境许多可见植被的斑块面积都比较小，采用具有更高空间分辨率的高光谱数据进行植被填图的效果可能会更好[9]。

由于矿山污染情况复杂，除了研究植被反射率(包括叶片和冠层的反射率)受矿山污染的影响之外，还要研究植被生长过程、矿山污染物对植被健康的影响机制等问题，了解一年之中植被光谱反射率随着植被生长而出现的动态变化特征，然后再通过遥感异常信息提取技术，有效可靠地提取出由矿山不同类型的污染所引起的植被异常。近年来国外比较重视植被分类填图和矿山植被生理行为(如生长过程)与物候关系等方面的实验研究，如加拿大对地预测与制图中心对四尺度各向异性反射率线性模型等植被传输模型进行了完善和改进[43]。这些研究都有助于通过提取植被相关信息进行矿山环境演变分析。

1.5矿山污染边界划分

边界划分主要指对土地覆盖及利用情况进行填图，以监测矿山目标(如水体、植被、露头和废弃物堆等)的边界扩张或收缩情况，估算其面积，并比较其逐年变化[15]。机载和星载高光谱图像都可应用于矿山地物分类与填图。国外曾利用HyMap和Hyperion数据进行专门的填图对比研究，对不同空间分辨率图件所遇到的挑战与限制进行了探讨[16]。

星载高光谱图像Hyperion数据由于空间分辨率较低、幅宽较机载高光谱数据宽，可提供整个矿山的概貌，适合对全矿区进行分析。如在西班牙西南部的Las Herrerias矿山利用马氏距离法，对Hyperion图像进行了初步分类，划分为水体、植被、岩石露头和矿山废弃物堆等4类地物，进而采用图像光谱特征拟合法对每个像元进行识别[44]。这种方法相对简单易用，且成本较低，可作为了解矿山废弃物堆放情况的初步手段。缺点是预处理和大气校正比较复杂。

机载高光谱图像因空间和光谱分辨率均较高，往往被用于对矿山地物进行精细分类和填图，有利于矿山污染边界的确定。但数据校正与处理过程和算法更加复杂，通常采用约束光谱像元分解算法[45]与基于临界阈值的图像分类法。如加拿大KamKotia矿山利用TRWIS III航空高光谱图像，将土地覆盖类型划分为干燥植被、绿色(活)植被、氧化尾矿、露头和过渡带，以便了解酸性固体废弃物的分布并评价其对植被的影响[8]。

在矿山污染边界划分中，也可以综合次生矿物丰度、重金属浓度、pH值和植被污染程度等，建立矿山污染迁移模型，确定矿山污染程度及其边界。

2矿山环境变化分析

在矿山环境要素识别的基础上，需要开展更进一步地矿山环境变化分析，后者对于矿山环境监测和评价具有更大的意义。遥感技术相对于地面常规方法的一个主要特点，就在于它具有“多时相”获取信息的能力，从而可满足监管部门及时了解和掌握矿山环境动态变化信息的需求。矿山地球化学环境演化主要取决于原有的基本地质条件，但也受矿山开发和当地气候环境因素等的影响。例如，一个矿山处于开发、关闭或治理恢复等不同阶段时，其环境状况必然不同； 随着当地气候条件(包括降雨、温度和湿度等)、微地貌的改变，矿山环境要素也会发生年度和季节性的周期变化。根据实际需要，可以综合或仅采用一种高光谱信息提取技术，来跟踪和监视矿山环境的动态变化，从而为监管部门提供可靠的基础性数据支撑。

2.1矿山开发不同阶段的环境监测

一般矿山开发不同阶段的环境变化都较大。根据前述高光谱技术提取出的矿山环境要素信息，可实现对其进行定量评价。西班牙Sotiel Migollas矿山的近代开采发生在1984—2002年间，在2002—2006年间矿山被关闭，从2006年开始进行初步的治理和修复。为了解该矿山环境的演变规律，并且为评估修复治理的效果提供依据，基于1999年5月、2004年5月和2008年8月等多期HyMap高光谱数据，综合采用前述高光谱矿山环境要素识别技术，对矿山环境的演变进行了研究。首先根据Zabcic建立的pH概念模型[46]，生成了该矿山的pH值估测图； 然后采用约束线性分解算法对HyMap图像进行分类，分别得出土壤、矿物和植被(干的和湿的)的含量与分布，并选取一定的阈值，进行了边界划分； 最后按矿物识别法，对上述土壤和矿物分类中的单矿物进行了填图[15]。研究结果为了解该矿山在开采期、关闭期和修复期的矿物表征、pH值和矿山污染分布情况等提供了准确资料，并为矿山环境治理提供了决策支撑信息。

为了保证不同阶段结果的准确性与可对比性，最好能得到其他数据及资料(如X射线衍射(X-ray diffraction，XRD)、先验地质资料等)的支持。一般对最后一个阶段修复期提取的高光谱信息还应当采用XRD矿物分析与实验室光谱测量方法进行验证。

2.2氧化及脱水状态过程分析

矿山开发排放出来的废弃物(包括尾矿泥、AMD等)在大气、流水等的联合作用下，可以发生快速氧化、脱水等物理化学变化。利用高光谱遥感可监测这种变化，从图像上了解矿山污染的分布和扩散情况，从而快速应用于矿山突发事件的环境监测。

该方面最典型的例子是西班牙Aznalcóllar尾矿坍塌事件，垮坝后大量储存的红色尾矿泥(污泥)沿着沟谷冲泻，在流经区域形成了平均约7 cm厚的淤泥层。事后利用搭载DAIS 7915光谱仪的飞机在该地区进行调查，通过采集的高光谱数据(波长为0.5～1.72 μm)对流出的红色黄铁矿泥所处的氧化与脱水状况进行填图。结果显示，116 d后尾矿坝的黄铁矿泥处于中等脱水状态，并且离尾矿坝越远，其氧化和脱水程度越高[19]。这些资料对于清理尾矿污泥、评价治理措施效果和进一步消除污染具有重要价值。

2.3气候变化监测

气候变化可视为高光谱遥感矿山环境地学研究的一个拓展领域。最初根据不同年份的HyMap数据对黄铁矿矿区河流沉积物进行填图，发现其表面矿物成分的变化与下方微地貌有一定关系，后者往往是由短期的气候变化所引起的，并与季节性和年度的气候变化趋势一致[47]。随后对这类矿山所在地区河流沉积物的沉淀物质进行了更多的研究[16,47]。结果发现，干旱气候条件导致水分蒸发强烈，河流携带的溶解硫酸盐沉淀形成结壳和风化物。它们沉淀在沉积物表面，构成盐霜，在干旱季节不断遭受氧化。这些盐霜在下一个水文年的降雨期间被溶解，并重复以往的溶解、沉淀和氧化过程。同时，通过高光谱探测地表尾矿坝、沙坝及河流沉积物表面的矿物成分随时间发生的变化，理论上可以反演出当地气候的干湿变化过程。基于此，有理由相信高光谱遥感数据能提供短期气候变化情况，可作为一种新的半干旱地区环境地学指标[48]。

这种方法目前尚处于初步研究阶段，存在着一些需要解决的问题，比如地表盐霜的变化与微地貌及水动力学等外部条件之间的关系； 目前所识别出的矿物也仅限于黄铁矿矿山废弃物的氧化产物等。因此，开展这方面的研究还需综合考虑气候、水动力、微地貌及基岩性质等的光谱响应，以及它们之间的关系，才有可能得到理想的效果。

3结论与展望

总之，随着高光谱遥感技术的发展，高光谱遥感数据在矿山环境地质调查中的应用取得了重要进展，主要表现在： 建立和完善了黄铁矿及其氧化产物的标准光谱数据库； 开发了一些矿山地质作用与光谱性质之间的概念模型，如高光谱矿山环境pH值光谱模型等； 深入挖掘高光谱蕴含的丰富地学信息，拓展了应用领域，即从矿物识别、矿物成分信息提取发展到物理化学条件乃至气候环境变化分析等多方面的应用。这些进展对促进高光谱遥感技术在未来矿山环境定量评价与自动监测方面具有重要意义。未来矿山环境高光谱遥感地学应用的发展趋势如下：

1)从矿物识别拓展到矿物形成物理化学条件的定量反演。近年来已经开发的矿山环境高光谱技术pH值填图，对矿山环境定量评价很有价值。除了pH值以外，其他物理化学参数，例如氧化状态、水化和脱水情况、氧化还原电位(Eh)、湿度和温度等也有可能通过高光谱遥感技术来分析和识别。

2)从短期调查到定期，甚至长期的监测。国外通过对矿山开发、关闭和修复阶段的高光谱遥感数据分析，为进一步比较和分析矿山环境演变提供了重要资料，进而为评价修复治理措施的效果提供了依据[15]。通过高光谱遥感监测，可以积累矿山多方面的基础性数据，以满足今后对矿山环境自动监测与评价的需要。

3)从航空高光谱向航天高光谱发展。由于数据来源的影响，以往矿山环境高光谱研究以航空高光谱和地面高光谱为主，在未来几年内国际上将陆续有一系列搭载高光谱仪的小卫星上天，如EnMap(德国)、PRISM(意大利)、HyspIRI(美国)、HISUI(日本)和HYPRIXM(法国)等。澳大利亚、印度和中国也在规划发射此类高光谱小卫星。基于航天遥感的优势，航天高光谱数据更适合于对矿山环境进行快速的监测和跟踪，因而潜力更大。

4)从单个矿山转向成矿区带或大型矿集区的高光谱遥感调查与监测。由于单个矿山面积过小，从更大范围内开展遥感调查，可能更有利于发挥遥感技术的优势，也便于从流域范围系统分析矿山环境演化。当然，前提是对区域地质过程与光谱响应特征之间的关系进行深入的研究，并建立相关的高光谱应用模型。

参考文献(References)：

[1]Plumlee G S,Logsdon M J,Filipek L F.The environmental geochemistry of mineral deposits, Part A.Processes,techniques,and health issues[J].Reviews in Economic Geology,1999,6A:71-116.

[2]Gomes M E P,Favas P J C.Mineralogical controls on mine drainage of the abandoned Ervedosa tin mine in north-eastern Portugal[J].Applied Geochemistry,2006,21(8):1322-1334.

[3]Farrand W H,Harsanyi J C.Mineralogic variations in fluvial sediments contaminated by mine tailings as determined from AVIRIS data,Coeur d’Aldene river, Idaho[C]//Proceedings of AVIRIS workshop.Pasadena,CA,USA:[s.n.],1995:47-50.

[4]Clark R N,Vance J S,Livo K E.Mineral mapping with imaging spectroscopy:The Ray mine,AZ[C]//Green R O.Proceedings of the 7th Annual JPL Airborne Earth Science Workshop.Pasadena,CA,USA:JPL Publication,1998:67-75.

[5]Swayze G A,Clark R N,Pearson R M,et al.Mapping acid-generating minerals at the California Gulch Superfund site in Leadville,Colorado using imaging spectroscopy[C]//Proceedings of the 6th Annual JPL Airborne Earth Science Workshop.Pasadena,CA,USA:Jet Proplusion Laboratory Publication,1996.

[6]Swayze G A,Smith K S,Clark R N,et al.Using imaging spectroscopy to map acidic mine waste[J].Environmental Science and Technology,2000,34(1):47-54.

[7]Swayze G A,Clark R N,Smith K S,et al.Using imaging spectroscopy to cost-effectively locate acid-generating minerals at mine sites:An example from the California Gulch Superfund Site[C]//Paper presented at the Airborne Visible/Infrared Imaging Spectrometer(AVIRIS).Leadville,Colorado:JPL Airborne Geoscience Workshop,1997.

[8]Richter N,Staenz K,Kaufmann H.Spectral unmixing of airborne hyperspectral data for baseline mapping of mine tailings areas[J].International Journal of Remote Sensing,2008,29(13),3937-3956.

[9]Im J,Jensen J R,Jensen R R,et al.Vegetation cover analysis of hazardous waste sites in utah and Arizona using hyperspectral remote sensing[J].Remote Sensing,2012,4(2):327-353.

[10]聂洪峰,杨金中,王晓红,等.矿产资源开发遥感监测技术问题与对策研究[J].国土资源遥感,2007,19(4):11-13.doi:10.6046/gtzyyg.2007.04.03.

Nie H F,Yang J Z,Wang X H,et al.The problems in the remote sensing monitoring technology for the exploration of mineral resources and the countermeasures[J].Remote Sensing for Land and Resources,2007,19(4):11-13.doi:10.6046/gtzyyg.2007.04.03.

[11]陈伟涛,张志,王焰新.矿山开发及矿山环境遥感探测研究进展[J].国土资源遥感,2009,21(2):1-8.doi:10.6046/gtzyyg.2009.02.01.

Chen W T,Zhang Z,Wang Y X.Advances in remote sensing-based detecting of mine exploitation and mine environment[J].Remote Sensing for Land and Resources,2009,21(2):1-8.doi:10.6046/gtzyyg.2009.02.01.

[12]陈伟涛,张志,王焰新,等.矿山地质环境遥感监测方法初探[J].地质通报,2010,29(2/3):457-462.

Chen W T,Zhang Z,Wang Y X,et al.Preliminary study on methods of geo-environment monitoring in minesites using remote sensing technique[J].Geological Bulletin of China,2010,29(2/3):457-462.

[13]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-中国地质大学学报,2004,29(1):119-126.

Gan F P,Liu S W,Zhou Q.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.

[14]甘甫平,王润生.高光谱遥感技术在地质领域中的应用[J].国土资源遥感,2007,19(4):57-60.doi:10.6046/gtzyyg.2007.04.13.

Gan F P,Wang R S.The application of the hyperspectral imaging technique to geological investigation[J].Remote Sensing for Land and Resources,2007,19(4):57-60.doi:10.6046/gtzyyg.2007.04.13.

[15]Paniagua L,Bachmann M,Fischer C,et al.Monitoring mining rehabilitation development according to methods derived from imaging spectroscopy,case study in the Sotiel-Migollas Mine complex,Southern Spain[C]//Proceedings of 6th EARSeL SIG IS Workshop Imaging Spectroscopy:Innovative Tool for Scientific and Commercial Environmental Applications.Tel Aviv,Israel:EARSeL,2009.

[16]Riaza A,García-Meléndez E,Mueller A.Spectral identification of pyrite mud weathering products:A field and laboratory evaluation[J].International Journal of Remote Sensing,2011,32(1):185-208.

[17]Crowley J K,Williams D E,Hammarstrom J M,et al.Spectral reflectance properties(0.4～2.5 m)of secondary Fe-oxide,Fe-hydroxide,and Fe-sulphate-hydrate minerals associated with sulphide-bearing mine wastes[J].Geochemistry:Exploration,Environment,Analysis,2003,3:219-228.

[18]Clark R N,Swayze G A,Wise R,et al.USGS digital spectral library splib06a:U.S.Geological Survey,Digital Data Series 231[EB/OL].[2007].http://speclab.cr.usgs.gov/spectral.lib06.

[19]Riaza A,Ong C,Müller C A.Dehydration and oxidation of pyrite mud and potential acid mine drainage using hyperspectral DAIS 7915 data(Aznalcóllar,Spain)[C]//The International Archives of the Photogrammetry,Remote Sensing and Spatial Information Sciences,Volume 34,Part XXX,2006.

[20]Shang J,Morris B,Howarth P,et al.Mapping mine tailing surface mineralogy using hyperspectral remote sensing[J].Canadian Journal of Remote Sensing:Journal Canadien de Télédétection,2009,35(1):126-141.

[21]Choe E,van der Meer F,van Ruitenbeek F,et al.Mapping of heavy metal pollution in stream sediments using combined geochemistry,field spectroscopy,and hyperspectral remote sensing:A case study of the Rodalquilar mining area,SE Spain[J].Remote Sensing of Environment,2008,112(7):3222-3233.

[22]Kemper T,Sommer S.Estimate of heavy metal contamination in soils after a mining accident using reflectance spectroscopy[J].Environmental Science and Technology,2002,36(12):2742-2747.

[23]Kopacková V,Chevrel S,Bourguignon A.Spectroscopy as a tool for geochemical modeling[C]//Michel U,Civco D L.Proceedings of SPIE 8181,Earth Resources and Environmental Remote Sensing/GIS Applications II.Prague:SPIE,2011,8181:818106.

[24]Duke E F.Near infrared spectra of muscovite,Tschermak substitution,and metamorphic reaction progress:Implications for remote sensing[J].Geology,1994,22:621-624.

[25]Percival J B,White H P,Goodwin T A,et al.Mineralogy and spectral reflectance of soils and tailings from historical gold mines,Nova Scotia[J].Geochemistry:Exploration,Environment,Analysis,2013,14(1),doi:10.1144/geochem2011-071.

[26]Montero I C,Brimhall G H,Alpers C N,et al.Characterization of waste rock associated with acid drainage at the Penn Mine,California,by ground-based visible to short-wave infrared reflectance spectroscopy assisted by digital mapping[J].Chemical Geology,2005,215(1/4):453-472.

[27]Ong C,Cudahy T J.Deriving quantitative monitoring data related to acid drainage using multi-temporal hyperspectral data[C]//2nd EARSEL Workshop on Imaging Spectroscopy.Paris:EARSEL,2002.

[28]Jönsson J.Phase Transformation and Surface Chemistry of Secondary Iron Minerals Formed from Acid Mine Drainage[D].Swedish:Ume University,2003.

[29]Bigham J M,Schwertmann U,Pfab G.Influence of pH on mineral speciation in a bioreactor simulating acid mine drainage[J].Applied Geochemistry,1996,11(6):845-849.

[31]Zabcic N,Ong C,Müller A,et al.Mapping pH from Airborne Hyperspectral Data at the Sotiel-Migollas Mine,Calanas,Spain[C]//Proceedings of 4th EARSeL Workshop on Imaging Spectroscopy.Warsaw,Poland:Universidad de Varsovia,2005:467-472.

[32]Zabcic N,Rivard B,Ong C,et al.Using airborne hyperspectral data to characterize the surface pH and mineralogy of pyrite mine tailings[J].International Journal of Applied Earth Observation and Geoinformation,2014,32:154-162.

[33]Quental L,Sousa A J,Marsh S,et al.Identification of materials related to acid mine drainage using multi-source spectra at S.Domingos Mine,southeast Portugal[J].International Journal of Remote Sensing,2013,34(6):1928-1948.

[34]Buckingham W F,Sommer S E.Mineralogical characterization of rock surfaces formed by hydrothermal alteration and weathering;application to remote sensing[J].Economic Geology,1983,78(4):664-674.

[35]刘圣伟,甘甫平,王润生.用卫星高光谱数据提取德兴铜矿区植被污染信息[J].国土资源遥感,2004,16(1):6-10.doi:10.6046/gtzyyg.2004.01.02.

Liu S W,Gan F P,Wang R S.The application of Hyperion data to extracting contamination information of vegetation in the Dexing Copper Mine,Jiangxi Province,China[J].Remote Sensing for Land and Resources,2004,16(1):6-10.doi:10.6046/gtzyyg.2004.01.02.

[36]Noomen M F.Hyperspectral Reflectance of Vegetation Affected by Underground Hydrocarbon Gas Seepage[D].Enschede:International Institute for Geo-information Science & Earth Observation.2007:145.

[37]Im J,Jensen J R.Hyperspectral remote sensing of vegetation[J].Geography Compass,2008,2(6):1943-1961.

[38]Tilling A,O’Leary G J,Ferwerda J G,et al.Remote sensing of nitrogen and water stress in wheat[J].Field Crops Research,2007,104(1/3):77-85.

[39]Goodenough D,Chen H,Dyk A,et al.Multisensor data fusion for aboveground carbon estimation[C]//Proceedings of XXVIII General Assembly of the International Union of Radio Science(URSI).New Delhi,India:[s.n.],2005:1-4.

[40]Hansen P M,Schjoerring J K.Reflectance measurement of canopy biomass and nitrogen status in wheat crops using normalized difference vegetation indices and partial least squares regression[J].Remote Sensing of Environment,2003,86(4):542-553.

[41]Im J,Jensen J R,Coleman M,et al.Hyperspectral remote sensing analysis of short rotation woody crops grown with controlled nutrient and irrigation treatments[J].Geocarto International,2009,24(4):293-312.

[42]Maire G L,François C,Soudani K,et al.Calibration and validation of hyperspectral indices for the estimation of broadleaved forest leaf chlorophyll content, leaf mass per area,leaf area index,and leaf canopy biomass[J].Remote Sensing of Environment,2008,112(10):3846-3864.

[43]White H P,Omari K.Advanced radiative transfer modelling for information extraction[EB/OL].http://www.nrcan.gc.ca/sites/www.nrcan.gc.ca/files/earth-sciences/files/pdf/geomatics/flair_e.pdf.

[44]Farifteh J,Nieuwenhuis W,García-Meléndez E.Mapping spatial variations of iron oxide by-product minerals from EO-1 Hyperion[J].International Journal of Remote Sensing,2013,34(2):682-699.

[45]Bachmann M,Müller A,Habermeyer M,et al.An iterative unmixing approach in support of fractional cover estimation in semi-arid environments[C]//Ehlers M,Posa F,Kaufmann H J.Proceedings of SPIE Remote Sensing for Environmental Monitoring,GIS Applications,and Geology IV.Maspalomas:SPIE,2004,5574:205.

[46]Zabcic N.Derivation of pH-Values Based on Mineral Abundances over Pyrite Mining Areas with Airborne by Hyperspectral Data(Hymap) of Sotiel-Migollas-Mine Complex[D].Canada:University of Alberta,2008.

[47]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.

[48]Riaza A,Buzzi J,García-Meléndez E,et al.Monitoring the extent of contamination from acid mine drainage in the iberian pyrite belt(SW Spain)using hyperspectral imagery[J].Remote Sensing,2011,3(10):2166-2186.

(责任编辑： 陈理)

Progress in hyperspectral research and monitoring in mine environment

LI Wanlun1, GAN Fuping2

(1.NationalGeologicalLibraryofChina,Beijing100083,China; 2.ChinaAeroGeophysicalSurveyandRemoteSensingCenterforLandandResources,Beijing100083,China)

Abstract:Based on an analysis of large quantities of literature, this paper describes briefly the application of hyperspectral technique to mine secondary mineral identification, reversion of heavy metal concentrations, pH prediction and contaminated vegetation detection, and then summarizes the research progress in such aspects as oxidation/hydration level and climate change through hyperspectral information extraction, thus showing widespread application prospect of hyperspectral technique in mine environmental survey. Some conclusions have been reached: the establishment of standard spectral database of Fe-bearing sulfide and its oxidized products is greatly helpful to hyperspectral research on acid mine environment, the understanding of geological process in mine environment and their spectral response helps to develop hyperspectral geological application model, and the hyperspectral data contain rich information about mine environment and has significant potential of extracting many kinds of information. According to the practice of developing hyperspectral satellite in developed countries such as countries in Europe and America, the authors point out that future hyperspectral research on mine environment will tend to experience the conversion from physical/chemical identification of minerals and their components to the physical/chemical property inversion during the formation of the minerals, from short term investigation to long term investigation, from aeroplane to hyperspectral sensor aboard on spaceship, and from single mines to large ore concentration areas.

Keywords:mine environment; hyperspectral; monitoring through remote sensing; research progress

doi:10.6046/gtzyyg.2016.02.01

收稿日期：2014-12-12；

修订日期：2015-02-13

基金项目：中国地质调查局项目“地质勘查遥感系统集成与综合应用示范”(编号： 1212011120226)和高分国土资源遥感应用示范系统1期项目(编号： 04-Y30B01-9001-12/15)共同资助。

中图法分类号：TP 79

文献标志码：A

文章编号：1001-070X(2016)02-0001-07

第一作者简介：李万伦(1972-)，男，博士，高级工程师，主要从事地学情报研究。Email： lunwl@sina.com。

引用格式： 李万伦,甘甫平.矿山环境高光谱遥感监测研究进展[J].国土资源遥感,2016,28(2):1-7.(Li W L,Gan F P.Progress in hyperspectral research and monitoring in mine environment[J].Remote Sensing for Land and Resources,2016,28(2):1-7.)