萬(wàn)盛采礦區(qū)粉塵污染農(nóng)作物光譜特性分析

譚德軍，謝巨天，簡(jiǎn) 季，謝洪斌，羅真富，胡運(yùn)海

(1．重慶地質(zhì)礦產(chǎn)研究院外生成礦與礦山環(huán)境重慶市重點(diǎn)實(shí)驗(yàn)室，重慶 400042;2．成都理工大學(xué)地學(xué)空間信息技術(shù)國(guó)土資源部重點(diǎn)實(shí)驗(yàn)室，成都 610059;

3．煤炭資源與安全開(kāi)采國(guó)家重點(diǎn)實(shí)驗(yàn)室重慶研究中心，重慶 400042)

0 引言

隨著社會(huì)經(jīng)濟(jì)的發(fā)展，社會(huì)對(duì)礦產(chǎn)資源的需求越來(lái)越多，從而帶動(dòng)了礦產(chǎn)開(kāi)發(fā)業(yè)的蓬勃發(fā)展。然而，礦產(chǎn)資源在開(kāi)發(fā)、加工和使用過(guò)程中產(chǎn)生的各種污染物質(zhì)，使大氣、水體、植被和土壤受到污染，引發(fā)眾多的生態(tài)環(huán)境問(wèn)題，制約著資源與環(huán)境的可持續(xù)發(fā)展;礦山環(huán)境問(wèn)題已成為當(dāng)今世界各國(guó)關(guān)注的焦點(diǎn)問(wèn)題之一［1－7］。因此，調(diào)查了解礦區(qū)環(huán)境污染的現(xiàn)狀，研究并采取行之有效的防治和治理措施，保護(hù)礦區(qū)，阻止礦區(qū)環(huán)境惡化趨勢(shì)的發(fā)展，具有極其重要意義［1，7］。粉塵污染是固體污染的一種，它污染大氣環(huán)境，損害人類(lèi)健康。大量粉塵污染覆蓋在植物表面，改變了植物光譜特征，阻礙了植物的光合作用，影響植物生長(zhǎng)，降低農(nóng)作物產(chǎn)量［6－8］。利用遙感手段對(duì)環(huán)境污染進(jìn)行定量分析，是遙感研究的方向之一。近幾十年來(lái)，光電技術(shù)的發(fā)展使得各種新型的高光譜分辨率光譜(輻射)儀相繼問(wèn)世，使遙感監(jiān)測(cè)粉塵污染成為可能［7－8］。例如，美國(guó)“9·11”事件發(fā)生后，USGS使用AVIRIS成像光譜儀先后2次在世界貿(mào)易中心舊址上空進(jìn)行遙感測(cè)量，對(duì)爆炸后的粉塵污染范圍進(jìn)行調(diào)查，編制了粉塵污染分布圖;萬(wàn)余慶等［6］利用室內(nèi)和室外高光譜測(cè)量相結(jié)合方法，對(duì)寧夏汝箕溝礦區(qū)的粉塵污染進(jìn)行了研究，對(duì)粉塵污染的特征譜段進(jìn)行了分析。目前，植被高光譜研究通過(guò)對(duì)不同類(lèi)型植被的生物化學(xué)成分含量的估算可以得到更為詳細(xì)的植被生態(tài)學(xué)信息，包括葉子水分、葉綠素、纖維素、木質(zhì)數(shù)和其他色素含量以及葉子和樹(shù)冠結(jié)構(gòu)等，尤其對(duì)“紅邊”位移的監(jiān)測(cè)可獲得有關(guān)植被生態(tài)脅迫的信息［1，6－8］?；诖耍槍?duì)粉塵污染問(wèn)題，本文綜合利用3S技術(shù)，結(jié)合植物學(xué)、光譜學(xué)等學(xué)科的理論知識(shí)，采用前人的理化實(shí)驗(yàn)結(jié)論和粉塵污染光譜提取方法［6－7］，選擇重慶市萬(wàn)盛采礦區(qū)為研究區(qū)，通過(guò)分析礦區(qū)周邊農(nóng)田典型農(nóng)作物的光譜特性，提取因受粉塵污染造成的光譜異常信息;并對(duì)礦區(qū)內(nèi)部各區(qū)域受粉塵污染情況進(jìn)行對(duì)比，探討各區(qū)域受粉塵污染的程度以及各測(cè)量目標(biāo)農(nóng)作物受粉塵污染的程度。

1 研究區(qū)與數(shù)據(jù)源

1．1 研究區(qū)概況

萬(wàn)盛采礦區(qū)位于重慶市南部，處于E106°45'～107°30'，N28°46'～29°06'之間(圖 1)。全區(qū)土地總面積為565．76 km2，其中耕地面積(據(jù)國(guó)土資料)90 km2，種植主要農(nóng)作物有水稻、玉米、冬寒菜、胡豆、蓮花白、牛皮菜、瓢兒菜、土豆和萵筍等。區(qū)內(nèi)礦產(chǎn)資源較為豐富，有煤、硫鐵礦、石英砂巖、白云巖、石灰?guī)r、頁(yè)巖、螢石、地?zé)?、滑石、高嶺土、耐火粘土、鋁土礦、鐵礦、建筑大理石、含鉀巖石和鉬礦等16種礦產(chǎn)。因礦山開(kāi)采及礦產(chǎn)資源加工利用造成大量的粉塵排放，致使礦區(qū)內(nèi)粉塵污染較重。

圖1 萬(wàn)盛區(qū)位置及采樣點(diǎn)分布圖Fig．1 Location of Wansheng district and sampling distribution

1．2 數(shù)據(jù)獲取

1．2．1 測(cè)量?jī)x器與方法

本研究中野外光譜測(cè)量采用的儀器是ASD Field Pro III光譜儀，波長(zhǎng)范圍350～2 500 nm(其中，350～1 000 nm譜段的采樣間隔為1．4 nm，光譜分辨率為3 nm;1 000～2 500 nm譜段的采樣間隔為2 nm，光譜分辨率為10 nm)。野外光譜測(cè)量時(shí)，光譜儀探頭垂直向下，距水平測(cè)量面樣本30 cm左右;每次采集目標(biāo)地物光譜前后均對(duì)光譜儀進(jìn)行參考板校正，每個(gè)測(cè)量面樣本測(cè)量3次，取其平均值作為最終光譜測(cè)量結(jié)果，以避免隨機(jī)噪聲干擾。

1．2．2 測(cè)量點(diǎn)設(shè)置

研究區(qū)內(nèi)現(xiàn)有主要礦區(qū)6個(gè)，分別為南桐煤礦、東林煤礦、紅巖煤礦、硯石臺(tái)煤礦、魚(yú)田堡煤礦和新田灣煤礦，其分布如圖1所示。根據(jù)測(cè)區(qū)范圍，將野外數(shù)據(jù)采集工作分為5條路線(xiàn)。由于正值春季，晝夜溫差較大，故安排每個(gè)測(cè)量日測(cè)量工作時(shí)間為9:00～16:00。由于空氣中粉塵含量較高，測(cè)區(qū)長(zhǎng)期處于陰霾天氣，故在野外光譜測(cè)量時(shí)采用模擬太陽(yáng)光探頭，對(duì)測(cè)量目標(biāo)進(jìn)行接觸式測(cè)量。根據(jù)礦區(qū)分布情況，共布設(shè)測(cè)點(diǎn)193個(gè);根據(jù)研究的需要，對(duì)每個(gè)測(cè)點(diǎn)周?chē)?0 m2范圍內(nèi)的目標(biāo)進(jìn)行選擇測(cè)量。對(duì)7種測(cè)量目標(biāo)(萵筍、蓮花白、冬寒菜、胡豆、土豆、牛皮菜和瓢兒菜)進(jìn)行光譜測(cè)量時(shí)，為減小“同物異譜”問(wèn)題的影響，盡量避免對(duì)農(nóng)作物的老葉、新葉和病葉進(jìn)行測(cè)量。共測(cè)量目標(biāo)350個(gè)(冬寒菜47個(gè)、胡豆49個(gè)、蓮花白56個(gè)、牛皮菜40個(gè)、瓢兒菜45個(gè)、土豆37個(gè)、萵筍76個(gè))，獲得光譜數(shù)據(jù)2 119個(gè)。

2 光譜數(shù)據(jù)分析

植被與太陽(yáng)輻射的相互關(guān)系有別于其他地物(如裸土、水體等)，很多因素影響著植被對(duì)太陽(yáng)輻射的吸收和反射，包括波譜范圍、水分含量、養(yǎng)分和碳元素含量等。綠色植被的光譜曲線(xiàn)在1 000 nm和1 200 nm附近有2個(gè)明顯的小吸收谷。在受到粉塵污染時(shí)，植被光譜曲線(xiàn)會(huì)發(fā)生一些變化，隨著粉塵覆蓋量的增加，1 000 nm和1 200 nm附近的相對(duì)吸收強(qiáng)度逐漸降低;并且總體上隨著粉塵覆蓋量的增加，植被的反射波譜漸漸趨近于粉塵的反射波譜(萬(wàn)余慶等的研究驗(yàn)證了粉塵與植被反射率的這種關(guān)系［6－16］)。高光譜數(shù)據(jù)大量的光譜波段為了解地物提供了極其豐富的遙感信息，這有助于完成更加細(xì)致的遙感地物分類(lèi)和目標(biāo)識(shí)別;然而波段的增多也必然導(dǎo)致信息的冗余和數(shù)據(jù)處理復(fù)雜性的增加［7］，為此，本文使用導(dǎo)數(shù)分析方法(一階導(dǎo)數(shù))對(duì)光譜數(shù)據(jù)進(jìn)行處理、提取光譜變化的特征譜段以獲取植被污染特征。一階導(dǎo)數(shù)光譜就是零階光譜按一定的波長(zhǎng)間隔(△λ)測(cè)得的變化率對(duì)應(yīng)于波長(zhǎng)而得到的圖譜，從而提取出光譜變化的特征譜段。

為使后期光譜數(shù)據(jù)的分析簡(jiǎn)化和準(zhǔn)確，根據(jù)植被光譜的主要光譜特性，將測(cè)量數(shù)據(jù)中明顯與植被光譜不符的有問(wèn)題數(shù)據(jù)和不相關(guān)數(shù)據(jù)剔除;并根據(jù)研究需要，將光譜數(shù)據(jù)按測(cè)量日期和目標(biāo)種類(lèi)進(jìn)行了2種分類(lèi)。其中，按測(cè)量目標(biāo)將光譜數(shù)據(jù)分為7類(lèi)，分別為冬寒菜(有效數(shù)據(jù)141個(gè))、胡豆(有效數(shù)據(jù)147個(gè))、蓮花白(有效數(shù)據(jù)168個(gè))、牛皮菜(有效數(shù)據(jù)120個(gè))、瓢兒菜(有效數(shù)據(jù)135個(gè))、土豆(有效數(shù)據(jù)111個(gè))和萵筍(有效數(shù)據(jù)228個(gè))。

3 結(jié)果與討論

粉塵污染是大氣污染中的主要成分之一，特別是在煤礦礦山開(kāi)發(fā)盛行的區(qū)域，粉塵污染尤為嚴(yán)重，嚴(yán)重影響礦區(qū)及其周邊居民的生活以及勞動(dòng)作業(yè)［6－7］。農(nóng)作物受粉塵污染程度的大小可直接影響農(nóng)作物在相應(yīng)譜段的反射率。本文以南桐煤礦、紅巖－硯石臺(tái)煤礦、東林－魚(yú)田堡煤礦和新田灣煤礦等4個(gè)區(qū)域的冬寒菜、胡豆、蓮花白、牛皮菜、瓢兒菜、土豆和萵筍等7類(lèi)典型農(nóng)作物為例，通過(guò)對(duì)各種受粉塵污染農(nóng)作物光譜數(shù)據(jù)的對(duì)比，間接得出各區(qū)域粉塵污染的相對(duì)程度，為大氣中粉塵污染的遙感定量研究打下基礎(chǔ)并提供依據(jù)。

3．1 南桐煤礦典型農(nóng)作物光譜分析

南桐煤礦地處萬(wàn)盛區(qū)西部，根據(jù)野外調(diào)查線(xiàn)路的安排與測(cè)點(diǎn)分布情況，本文將南桐煤礦區(qū)域分為南桐煤礦南和南桐煤礦北進(jìn)行各種農(nóng)作物光譜的對(duì)比分析。

圖2(a)和(b)分別為南桐煤礦周邊測(cè)點(diǎn)139，140，141，147，189，190 和 192 的冬寒菜實(shí)測(cè)光譜圖及一階導(dǎo)數(shù)曲線(xiàn)。

圖2 南桐煤礦冬寒菜光譜圖Fig．2 Spectral curves of Chinese mallow in Nantong coal mine

從圖2可以看出，冬寒菜在測(cè)點(diǎn)190，189和192的光譜反射總體上較高;相比之下，測(cè)點(diǎn)139和140的冬寒菜光譜反射總體上較低并且在1 000 nm和1 200 nm附近的小吸收谷更不明顯。因此，由冬寒菜光譜圖(圖2(a))和圖1中的點(diǎn)位分布可以判斷，南桐煤礦南部冬寒菜受粉塵污染影響比北部大。

圖3(a)和(b)分別為南桐煤礦周邊測(cè)點(diǎn)23，139，141，142，188，189，190 和 192 的胡豆實(shí)測(cè)光譜曲線(xiàn)及一階導(dǎo)數(shù)曲線(xiàn)。

圖3 南桐煤礦胡豆光譜圖Fig．3 Spectral curves of Lima Bean seedlings in Nantong coal mine

由光譜曲線(xiàn)圖(圖3(a))及圖1中的點(diǎn)位分布可知，南桐煤礦南胡豆光譜反射率總體上比南桐煤礦北低，其中，胡豆在南桐煤礦南中測(cè)點(diǎn)142的光譜反射率明顯較低，并且在1 000 nm和1 200 nm附近光譜小吸收谷不明顯。由此可知胡豆在南桐煤礦南受粉塵影響比南桐煤礦北大，并且在測(cè)點(diǎn)142受粉塵影響最為顯著。

圖4(a)和(b)分別為南桐煤礦周邊測(cè)點(diǎn)36，57，139，141，142，190，191 和 192 的牛皮菜實(shí)測(cè)光譜曲線(xiàn)及一階導(dǎo)數(shù)曲線(xiàn)。

圖4 南桐煤礦牛皮菜光譜圖Fig．4 Spectral curves of Leaf beet in Nantong coal mine

由光譜曲線(xiàn)圖(圖4(a))及圖1中的點(diǎn)位分布可知，牛皮菜在南桐煤礦南的光譜反射率總體上比南桐煤礦北的低，在測(cè)點(diǎn)139，141的光譜反射率明顯較低，并且在1 000 nm和1 200 nm附近吸收谷不明顯。由此可推斷牛皮菜在南桐煤礦南的粉塵污染程度比南桐煤礦北的高，并且在測(cè)點(diǎn)139和141受粉塵影響更為明顯。

圖5(a)和(b)分別為南桐煤礦周邊測(cè)點(diǎn)139，140，141，189，190，191 和 192 的蓮花白實(shí)測(cè)光譜曲線(xiàn)及一階導(dǎo)數(shù)曲線(xiàn)。

圖5 南桐煤礦蓮花白光譜圖Fig．5 Spectral curves of Cabbages in Nantong coal mine

由光譜曲線(xiàn)圖(圖5(a))及圖1中的點(diǎn)位分布可知，蓮花白在南桐煤礦北光譜最高峰的最高反射率達(dá)0．8、最高峰的最低反射率也有0．6;而在南桐煤礦南光譜最高峰的最高反射率還不到0．6，最高峰的最低反射率則只有0．4。由此反映出蓮花白受粉塵影響程度在南桐煤礦南比南桐煤礦北要高。

圖6(a)和(b)分別為萵筍南桐礦區(qū)周邊測(cè)點(diǎn)28，31，32，37，48，139，140，141，142，189，190 和 192的萵筍光譜曲線(xiàn)及一階導(dǎo)數(shù)曲線(xiàn)。

圖6 南桐煤礦萵筍光譜圖Fig．6 Spectral curves of Asparagus lettuce in Nantong coal mine

由光譜曲線(xiàn)圖(圖6(a))及圖1中的點(diǎn)位分布可明顯觀察出，南桐煤礦東北、西、東南部的萵筍光譜呈現(xiàn)逐漸降低的趨勢(shì)，并且在南桐煤礦西測(cè)點(diǎn)32，37的萵筍光譜中，在1 000 nm和1 200 nm附近的吸收谷變得不明顯。由此推斷，萵筍在南桐煤礦西南部受粉塵污染程度較大，東南部次之，北部最低。

通過(guò)對(duì)南桐煤礦區(qū)測(cè)得的冬寒菜、胡豆、蓮花白、牛皮菜和萵筍的光譜曲線(xiàn)分析可以判斷，南桐煤礦區(qū)的確存在粉塵污染現(xiàn)象，并且其西南部各典型農(nóng)作物受粉塵污染影響最大(其中受粉塵污染較為嚴(yán)重的測(cè)點(diǎn)有37，32，139，141 等)。

3．2 紅巖－硯石臺(tái)煤礦典型農(nóng)作物光譜分析

紅巖煤礦和硯石臺(tái)煤礦地處萬(wàn)盛區(qū)東部邊界，紅巖煤礦西南入口處與硯石臺(tái)煤礦相接。圖7(a)和(b)分別為紅巖煤礦和硯石臺(tái)煤礦周邊測(cè)點(diǎn)117，118，120，122，123，124，125，128，129，130，133，134，135，136，137和138的冬寒菜實(shí)測(cè)光譜曲線(xiàn)及一階導(dǎo)數(shù)曲線(xiàn)。

圖7 紅巖－硯石臺(tái)煤礦冬寒菜光譜圖Fig．7 Spectral curves of Chinese mallow in Hongyan and Yanshitai coal mine

由光譜曲線(xiàn)圖7(a)及圖1中點(diǎn)位分布可知，測(cè)點(diǎn)130處冬寒菜光譜反射率相對(duì)測(cè)點(diǎn)128和129處較低，并且在1 000 nm和1 200 nm附近吸收不明顯;冬寒菜異常反射異常明顯的測(cè)點(diǎn)有117，118，122，123和124，最為明顯的測(cè)點(diǎn)為118和122;測(cè)點(diǎn)135，137和138的冬寒菜光譜異常程度較大。由圖1測(cè)點(diǎn)點(diǎn)位分布推斷，受粉塵污染較大的區(qū)域有紅巖煤礦所測(cè)區(qū)域的中部－東部和硯石臺(tái)煤礦所測(cè)區(qū)域的南部。

圖8(a)和(b)分別為硯石臺(tái)煤礦和紅巖煤礦周邊測(cè)點(diǎn) 132，121，122，134，135，136 和 129 的土豆光譜曲線(xiàn)及一階導(dǎo)數(shù)曲線(xiàn)。

圖8 紅巖－硯石臺(tái)煤礦土豆光譜圖Fig．8 Spectral curves of Potato seed lings in Hongyan and Yanshitai coal mine

由光譜曲線(xiàn)圖(圖8(a))及圖1中點(diǎn)位分布可知，測(cè)點(diǎn)121和129處土豆反射率明顯偏低，并且在1 000 nm和1 200 nm附近的光譜吸收不明顯。由此可推斷，在紅巖煤礦所測(cè)區(qū)域的中部和硯石臺(tái)所測(cè)區(qū)域的南部土豆光譜受粉塵污染影響較大。

圖9(a)和(b)分別為硯石臺(tái)煤礦和紅巖煤礦周邊測(cè)點(diǎn) 122，123，124，125，132，134，135，137 和138的瓢兒菜光譜曲線(xiàn)及一階導(dǎo)數(shù)曲線(xiàn)。

圖9 紅巖－硯石臺(tái)煤礦瓢兒菜光譜圖Fig．9 Spectral curves of Scoop white in Hongyan and Yanshitai coal mine

由圖9可知，測(cè)點(diǎn)134和137處瓢兒菜光譜較為正常，測(cè)點(diǎn)132和138的瓢兒菜光譜反射稍低，并且在1 000 nm和1 200 nm附近光譜吸收減弱，測(cè)點(diǎn)135瓢兒菜光譜反射最低，并且1 000 nm和1 200 nm附近吸收不明顯。由此推斷，硯石臺(tái)煤礦與紅巖煤礦交界帶和硯石臺(tái)煤礦南部區(qū)域瓢兒菜光譜受粉塵污染影響最為明顯。

圖10(a)和(b)分別為硯石臺(tái)煤礦和紅巖煤礦周邊測(cè)點(diǎn) 133，134，136，137，117，118，121，123，125，128，129和130的蓮花白光譜曲線(xiàn)及一階導(dǎo)數(shù)曲線(xiàn)。

圖10 紅巖－硯石臺(tái)煤礦蓮花白光譜圖Fig．10 Spectral curves of Cabbages in Hongyan and Yanshitai coal mine

由圖10可知，測(cè)點(diǎn)134，136和137的蓮花白光譜反射率明顯低于133，測(cè)點(diǎn)121和129的蓮花白光譜反射率最低。由此推斷，在紅巖煤礦與硯石臺(tái)煤礦交接處粉塵污染較為嚴(yán)重，紅巖煤礦測(cè)區(qū)的中部和硯石臺(tái)煤礦的南部粉塵污染也較為嚴(yán)重。

通過(guò)對(duì)紅巖－硯石臺(tái)煤礦測(cè)區(qū)的冬寒菜、土豆、瓢兒菜和蓮花白等典型農(nóng)作物的光譜分析，可得到受粉塵污染較為嚴(yán)重的區(qū)域有紅巖煤礦測(cè)區(qū)中部與西南部、紅巖煤礦與硯石臺(tái)煤礦交接處以及硯石臺(tái)煤礦南部。其中典型農(nóng)作物光譜反射受粉塵污染影響最大的測(cè)點(diǎn)有 117，118，122，129，137 和138。

3．3 東林－魚(yú)田堡煤礦典型農(nóng)作物光譜分析

東林煤礦和魚(yú)田堡煤礦地處萬(wàn)盛區(qū)中部，與萬(wàn)盛區(qū)縣城東南方相接。圖11(a)和(b)分別為魚(yú)田堡煤礦周邊測(cè)點(diǎn)88，111，113，114和115的冬寒菜光譜曲線(xiàn)及一階導(dǎo)數(shù)曲線(xiàn)。

圖11 東林－魚(yú)田堡煤礦冬寒菜光譜圖Fig．11 Spectral curves of Chinese mallow in Donglin and Yutianpu coal mine

通過(guò)測(cè)點(diǎn)點(diǎn)位分析及光譜分析可知，測(cè)點(diǎn)114和88的冬寒菜光譜反射較為正常，但測(cè)點(diǎn)111，114和115的冬寒菜光譜反射明顯相比較低，并且在1 000 nm和1 200 nm附近光譜吸收相對(duì)較弱;測(cè)點(diǎn)111和113的冬寒菜光譜反射異常最為明顯，可推斷魚(yú)田堡煤礦在東部(與東林煤礦交接處)和西部(與南桐煤礦交接處)粉塵污染相對(duì)嚴(yán)重。

圖12(a)和(b)分別為魚(yú)田堡煤礦周邊測(cè)點(diǎn)79，99，107，111和115 的牛皮菜光譜曲線(xiàn)及一階導(dǎo)數(shù)曲線(xiàn)。

圖12 東林－魚(yú)田堡煤礦牛皮菜光譜圖Fig．12 Spectral curves of Leaf beet in Donglin and Yutianpu coal mine

通過(guò)測(cè)點(diǎn)點(diǎn)位分析及光譜分析可知，測(cè)點(diǎn)99、107和115的牛皮菜光譜反射較為正常，測(cè)點(diǎn)79與111的冬寒菜光譜反射方式相近且反射率相對(duì)較低，故推斷東林煤礦中部和魚(yú)田堡煤礦東部(魚(yú)田堡煤礦與東林煤礦交接處)粉塵污染相對(duì)嚴(yán)重。

圖13(a)和(b)分別為東林煤礦和魚(yú)田堡煤礦周邊測(cè)點(diǎn) 65，66，68，78，80，81，83，84 和 85 的萵筍光譜曲線(xiàn)及一階導(dǎo)數(shù)曲線(xiàn)。

圖13 東林－魚(yú)田堡煤礦萵筍光譜圖Fig．13 Spectral curves of Asparagus lettuce in Donglin and Yutianpu coal mine

通過(guò)測(cè)點(diǎn)點(diǎn)位分析及光譜分析可以發(fā)現(xiàn)，植被光譜反射率因地域性的改變而出現(xiàn)明顯的變化，其中以測(cè)點(diǎn)66，68，80，81和95的萵筍光譜圖異常較大，光譜反射率較低，且在1 000 nm和1 200 nm附近的光譜吸收逐漸減弱。其中以測(cè)點(diǎn)80和81最為突出，測(cè)點(diǎn)88與113的萵筍光譜反射較為正常，測(cè)點(diǎn)95的反射率偏低。據(jù)此推斷，東林煤礦中部的測(cè)量區(qū)域存在一定的粉塵污染，并且在魚(yú)田堡煤礦西部也有輕微程度的粉塵污染。

圖14(a)和(b)分別為東林煤礦和魚(yú)田堡煤礦周邊測(cè)點(diǎn) 113，114，115，97，101，106，110 和 111 的蓮花白光譜曲線(xiàn)及一階導(dǎo)數(shù)曲線(xiàn)。

圖14 東林－魚(yú)田堡煤礦蓮花白光譜圖Fig．14 Spectral curves of Cabbages in Donglin and Yutianpu coal mine

通過(guò)測(cè)點(diǎn)點(diǎn)位分析及光譜分析發(fā)現(xiàn)，測(cè)點(diǎn)113和114的蓮花白光譜反射總體略偏低，測(cè)點(diǎn)115的蓮花白光譜反射較低并且在1 000 nm和1 200 nm附近吸收強(qiáng)度減弱，測(cè)點(diǎn)97，110，101，111和106的蓮花白光譜反射率隨之降低，在測(cè)點(diǎn)101，111和106尤為明顯。推斷魚(yú)田堡煤礦西部測(cè)區(qū)存在一定粉塵污染。

綜上所述，魚(yú)田堡煤礦與東林煤礦均存在一定的粉塵污染:其中魚(yú)田堡煤礦西部(與南桐煤礦交接處)粉塵污染明顯，代表性的測(cè)點(diǎn)有101，111和116;魚(yú)田堡煤礦偏東(至與東林煤礦交接處)存在一定程度的粉塵污染，代表性測(cè)點(diǎn)有94和114;東林煤礦測(cè)區(qū)中部區(qū)域粉塵污染明顯，測(cè)點(diǎn)79，80和81的典型農(nóng)作物受粉塵污染光譜異常明顯。

3．4 新田灣煤礦典型農(nóng)作物光譜分析

新田灣煤礦地處萬(wàn)盛區(qū)西部偏南，煤礦北部與南桐煤礦相接，新田灣煤礦總體呈南北向條帶狀，根據(jù)野外測(cè)量路線(xiàn)與測(cè)點(diǎn)分布，大致將新田灣煤礦分為3部分:新田灣煤礦北部(包括測(cè)點(diǎn)143，144，145，146，147 和 148)，新田灣煤礦由北至南(包括測(cè)點(diǎn) 149，150，151，152，153，154 和 155)和新田灣煤礦南至北(包括測(cè)點(diǎn) 156，157，158，159，160，161，162，163，164 和165)。圖 15(a)和(b)分別為新田灣煤礦周邊測(cè)點(diǎn)155，156，158，162和165的冬寒菜光譜曲線(xiàn)及一階導(dǎo)數(shù)曲線(xiàn)。

圖15 新田灣煤礦冬寒菜光譜圖Fig．15 Spectral curves of Chinese mallow in Xintianwan coal mine

通過(guò)測(cè)點(diǎn)點(diǎn)位分析及光譜分析可以發(fā)現(xiàn)，測(cè)點(diǎn)155可能存在一定的粉塵污染，而新田灣煤礦由南至北以及北部區(qū)域粉塵污染程度較輕。

圖16(a)和(b)為在新田灣煤礦周邊所有測(cè)點(diǎn)蓮花白光譜曲線(xiàn)及一階導(dǎo)數(shù)曲線(xiàn)。

圖16 新田灣煤礦蓮花白光譜圖Fig．16 Spectral curves of Cabbages in Xintianwan coal mine

通過(guò)測(cè)點(diǎn)點(diǎn)位分析及光譜分析可知，異常嚴(yán)重的測(cè)點(diǎn)有143和144，測(cè)點(diǎn)151有輕微的光譜反射異常，測(cè)點(diǎn)165的蓮花白光譜數(shù)據(jù)反射率明顯較低，其他測(cè)點(diǎn)趨近正常。由此推斷，在新田灣北部，粉塵污染對(duì)蓮花白光譜反射影響較大的測(cè)點(diǎn)為143和144，在新田灣中部地區(qū)，可能出現(xiàn)一定程度的粉塵污染，代表測(cè)點(diǎn)為151和165。

通過(guò)對(duì)新田灣煤礦實(shí)測(cè)典型農(nóng)作物的光譜分析可以判斷:在新田灣煤礦測(cè)區(qū)范圍內(nèi)各典型農(nóng)作物光譜反射總體上正常;在新田灣煤礦北部和南部各典型農(nóng)作物光譜皆出現(xiàn)輕微異常;在新田灣煤礦中部，典型農(nóng)作物在測(cè)點(diǎn)151和165的反射率明顯偏低，說(shuō)明此處存在一定程度的粉塵污染。

3．5 粉塵污染趨勢(shì)分析

通過(guò)對(duì)萬(wàn)盛區(qū)范圍內(nèi)(包括南桐煤礦、紅巖－硯石臺(tái)煤礦、東林－魚(yú)田堡煤礦和新田灣煤礦等4個(gè)礦區(qū))的冬寒菜、胡豆、蓮花白、牛皮菜、瓢兒菜、土豆和萵筍等7種典型農(nóng)作物的光譜采集處理與分析，提取出受粉塵污染較為嚴(yán)重的典型測(cè)點(diǎn)18個(gè)(測(cè)點(diǎn)32，37，79，80，81，94，101，111，114，116，117，118，122，129，137，138，151 和 165)，這些典型測(cè)點(diǎn)的區(qū)域分布情況如圖17。

圖17 萬(wàn)盛區(qū)粉塵污染典型測(cè)點(diǎn)分布圖Fig．17 Typical sampling distribution of dust pollution in Wansheng district

由圖17可以看出，萬(wàn)盛區(qū)各煤礦區(qū)粉塵污染較為嚴(yán)重的區(qū)域有:南桐煤礦南部區(qū)域、紅巖煤礦與硯石臺(tái)煤礦交接區(qū)域、硯石臺(tái)煤礦西南部、東林煤礦中部、魚(yú)田堡煤礦東部與西部邊境區(qū)域和新田灣煤礦中部以南區(qū)域。通過(guò)對(duì)各煤礦間受粉塵污染的同類(lèi)典型農(nóng)作物的光譜對(duì)比分析，可初步判斷粉塵污染程度由高到低為南桐煤礦、硯石臺(tái)煤礦、魚(yú)田堡和東林煤礦、新田灣和紅巖煤礦。通過(guò)對(duì)同礦區(qū)各類(lèi)典型農(nóng)作物的光譜對(duì)比分析，可初步判斷受粉塵污染影響植被反射波譜變化由大到小為牛皮菜、瓢兒菜和蓮花白、萵筍和冬寒菜、土豆和胡豆。

4 結(jié)論

1)粉塵污染是大氣污染中的主要成分之一，特別是在煤礦礦山開(kāi)發(fā)盛行的區(qū)域，粉塵污染尤為嚴(yán)重，嚴(yán)重影響周邊居民的生活以及勞動(dòng)作業(yè)。本文結(jié)合3S技術(shù)、光譜學(xué)、植物學(xué)等學(xué)科，通過(guò)對(duì)萬(wàn)盛區(qū)各煤礦中典型農(nóng)作物高光譜反射率的采集、處理和分析，初步確定了萬(wàn)盛區(qū)各煤礦區(qū)粉塵污染較為嚴(yán)重的區(qū)域有:南桐煤礦南部區(qū)域、紅巖煤礦與硯石臺(tái)煤礦交接區(qū)域、硯石臺(tái)煤礦西南部、東林煤礦中部、魚(yú)田堡煤礦東部與西部邊境區(qū)域和新田灣煤礦中部以南區(qū)域。

2)通過(guò)對(duì)同礦區(qū)各類(lèi)典型農(nóng)作物的光譜對(duì)比分析，本文初步確定在萬(wàn)盛區(qū)受粉塵污染影響植被反射波譜變化由大到小為牛皮菜、瓢兒菜和蓮花白、萵筍和冬寒菜、土豆和胡豆。

3)通過(guò)對(duì)各種受粉塵污染農(nóng)作物光譜數(shù)據(jù)的對(duì)比，間接得出了各區(qū)域粉塵污染的相對(duì)程度，表明利用高光譜遙感手段間接監(jiān)測(cè)大氣中粉塵污染是可行的。

4)本研究獲取的大量農(nóng)作物光譜實(shí)測(cè)依據(jù)，為進(jìn)一步的大氣粉塵污染遙感定量研究奠定基礎(chǔ)。

由于農(nóng)作物光譜特性和光譜特征容易受到多種因素的影響，因此，在后續(xù)的研究中，還需要對(duì)粉塵對(duì)農(nóng)作物光譜影響的成因機(jī)理進(jìn)一步加以分析。

［1］ 呂乃璧．礦山污染標(biāo)準(zhǔn)［J］．礦業(yè)工程，1993(3):74－76．Lyu N B．Mining pollution standards［J］．Mining Engineering，1993(3):74－76．

［2］ 趙永超，承繼成，陳正超，等．地物波譜中的不確定性問(wèn)題——關(guān)于“同物異譜”和“異物同譜”的認(rèn)識(shí)［J］．遙感學(xué)報(bào)，2003，7(增刊):80－90．Zhao Y C，Cheng JC，Chen Z C，et al．Discussion on the spectral uncertainty of terrestrial objects［J］．Journal of Remote Sensing，2003，7(s1):80－90．

［3］ 程高峰，李秉柏，李萍萍．作物紅邊位置算法評(píng)述［J］．江蘇農(nóng)業(yè)科學(xué)，2009(2):12－14．Cheng G F，Li B B，Li P P．Comment on the red edge algorithm of crops［J］．Jiangsu Agricultural Sciences，2009(2):12－14．

［4］ Andersona JE，Plourdea L C，Martin M E，et al．Integrating waveform LiDAR with hyper spectral imagery for inventory of a northern temperate forest［J］．Remote Sensing of Environment，2008，112(4):1856－1870．

［5］ Roberts D A，Gardner M，Church R，etal．Mapping chaparral in the Santa Monica mountains using multiple end member spectral mixture models［J］．Remote Sensing of Environment，1998，65(3):267－279．

［6］ 萬(wàn)余慶，譚克龍，周日平．高光譜遙感應(yīng)用研究［M］．北京:科學(xué)出版社，2006．Wan Y Q，Tan K L，Zhou R P．Applied research on hyper spectral remote sensing［M］．Beijing:Science Press，2006．

［7］ Pascucci S，Belviso C，Cavalli R M，et al．Using imaging spectroscopy to map red mud dust waste:The Podgorica Aluminum Complex case study［J］．Remote Sensing of Environment，2010，123:139－154．

［8］ 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，Zhen L F．Hyper spectral remote sensing［M］．Beijing:Higher Education Press，2006．

［9］ 張宗貴，王潤(rùn)生，郭小方，等．基于地物光譜特征的成像光譜遙感礦物識(shí)別方法［J］．地學(xué)前緣，2003，10(2):437－443．Zhang ZG，Wang R S，Guo X F，et al．Mineral recognition method by spectrometry remote sensing based on material spectral characteristics［J］．Earth Science Frontiers，2003，10(2):437－443．

［10］ 梅安新，彭望琭，秦其明，等．遙感導(dǎo)論［M］．北京:高等教育出版社，2001．Mei A X，Peng W L，Qin Q M，et al．An introduction to remote sensing［M］．Beijing:Higher Education Press，2001．

［11］ 陳水森，方立剛，柳欽火，等．廣東省特色農(nóng)作物標(biāo)準(zhǔn)波譜數(shù)據(jù)庫(kù)框架設(shè)計(jì)與示范應(yīng)用［J］．國(guó)土資源遙感，2005，17(3):74－78．Chen SS，F(xiàn)ang LG，Liu QH，et al．The frame design and application demonstration of the standardized spectral library for featured crops in Guangdong province［J］．Remote Sensing for Land and Resources，2005，17(3):74－78．

［12］ 劉 英，王 珂，周 斌，等．千島湖水體葉綠素濃度高光譜遙感監(jiān)測(cè)研究初報(bào)［J］．浙江大學(xué)學(xué)報(bào)，2003，29(6):621－626．Liu Y，Wang K，Zhou B，et al．Preliminary study on hyperspectral remote sensing of Qiandao Lake chlorphyll－a concentration［J］．Journal of Zhejiang University:Agric ＆ Life Science，2003，29(6):621－626．

［13］ 田慶久，王世新，王樂(lè)意，等．典型地物標(biāo)準(zhǔn)波譜數(shù)據(jù)庫(kù)設(shè)計(jì)［J］．遙感技術(shù)與應(yīng)用，2003，18(4):187－190．Tian Q J，Wang SX，Wang L Y，et al．Remote sensing standardized spectral database system design［J］．Remote Sensing Technology and Application，2003，18(4):187－190．

［14］ 譚昌偉，郭文善，朱新開(kāi)，等．不同條件下夏玉米冠層反射光譜響應(yīng)特性的研究［J］．農(nóng)業(yè)工程學(xué)報(bào)，2008，24(9):131－135．Tan CW，Guo W S，Zhu X K，et al．Canopy spectral reflectance characteristics of summer maize under different conditions［J］．Transactions of Chinese Society of Agricultural Engineering，2008，24(9):131－135．

［15］ 王曉慧，李增元，高志海，等．沙化土地光譜特征初步分析［J］．遙感信息，2005(5):32－35．Wang X H，Li Z Y，Gao Z H，et al．The preliminary analysis on spectral property of sandy land［J］．Remote Sensing Information，2005(5):32－35．

［16］ 鄧書(shū)斌，陳秋錦．植被波譜特征與植被指數(shù)綜述［C］//中國(guó)遙感應(yīng)用協(xié)會(huì)2010年會(huì)暨區(qū)域遙感發(fā)展與產(chǎn)業(yè)高層論壇論文文集．北京，2010:1－10．Deng SB，Chen Q J．Spectral characteristics of vegetation and vegetation index summary［C］//Proceedings of China Association of Remote Sensing Application 2010 and Regional Remote Sensing Development and Industry Forum．Beijing，2010:1－10．

［17］ 甘甫平，劉圣偉，周 強(qiáng)，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．Gan F P，Liu SW，Zhou Q，et al．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．

［18］ 童慶禧，張 兵，鄭蘭芬．高光譜遙感的多學(xué)科應(yīng)用［M］．北京:電子工業(yè)出版社，2006．Tong Q X，Zhang B，Zheng L F．Hyperspectral remote sensing and its multidisciplinary applications［M］．Beijing:Publishing House of Electronics Industry，2006．