植被覆蓋地區(qū)的高光譜油氣勘探技術(shù)研究現(xiàn)狀

李倩倩，許 寧，3

(1.中國科學院空間信息處理與應用系統(tǒng)技術(shù)重點實驗室，北京100190;2.中國科學院電子學研究所，北京100190;3.中國科學院大學，北京100049)

0 引言

高光譜油氣勘探技術(shù)主要基于油氣微滲漏和反射光譜學兩大理論。油氣微滲漏理論可以建立油氣藏與其上覆地表蝕變異常之間的關(guān)系;反射光譜學則提供了一個可以對物質(zhì)成分和結(jié)構(gòu)進行鑒別的高效、低成本的方法。

地下油氣藏普遍存在著油氣微滲漏現(xiàn)象，滲漏的烴類氣體在上覆土壤中聚集，造成土壤中氣體含量和成分的相對變化，通常表現(xiàn)為植被的色素含量、冠層反射率和生長形態(tài)發(fā)生變化。高光譜遙感油氣勘探技術(shù)就是利用油氣微滲漏所致的地表蝕變礦物異常和地植物異常在光譜上的異常表現(xiàn)提取油氣微滲漏信息，進而對研究區(qū)的油氣勘探進行輔助。

目前，利用高光譜遙感技術(shù)進行油氣勘探較成功的案例，多是在地貌為鹽堿灘、沙漠以及戈壁灘等沒有植被覆蓋的裸露地區(qū)進行的，并已取得了較好的結(jié)果;而對于植被覆蓋區(qū)，由于植被遮擋了地表的真實情況，如何選擇適當?shù)呐c植被反射率相關(guān)的指數(shù)作為油氣微滲漏的指示標志，進而準確提取油氣微滲漏信息成為了亟待解決的問題。本文將就該問題展開研究，總結(jié)相關(guān)領(lǐng)域的國內(nèi)外研究現(xiàn)狀，提出其存在的問題，給出解決問題的建議，并對該領(lǐng)域的后續(xù)研究方向進行展望。

1 植被的主要光譜特性

植被葉片中葉綠素的類型及數(shù)量、葉子內(nèi)部細胞結(jié)構(gòu)和葉子水分是影響植被光譜特征的3個主要因素。健康植被的反射特征由葉色素的吸收峰與水吸收峰所組成。典型綠色植被的反射光譜如圖1所示。

葉片在可見光和近紅外波段反射率的主要影響因素有:①葉綠素和類胡蘿卜素含量 (見圖2a);②葉綠素含量 (見圖2b);③葉綠素含量、葉綠素熒光及光合作用效率 (見圖2c)。

圖1 綠色植被典型反射光譜曲線Fig.1 Typical spectral reflectance of green vegetation

圖2 可見光和近紅外波段葉片反射率光譜影響因素Fig.2 The main factors affecting the reflectance spectroscopy of plants in the visible and near infrared bands

在利用植被異常信息進行烴類滲漏的研究中，主要關(guān)注的是植被反射光譜在650～750 nm區(qū)間的光譜特性。650～700 nm波段是葉綠素的強吸收帶，其中，葉綠素a在680 nm和700 nm波長處的吸收峰作用最大，總的吸收率可達90%左右，因此，多數(shù)植物的反射率谷值在680 nm或670 nm波長處。而在700～750 nm區(qū)間，植物的反射率急劇上升，曲線陡而接近于直線形狀，其斜率與植物單位葉面積所含葉綠素 (a+b)的含量有關(guān)，但含量超過4～5 mg/dm2后則趨于穩(wěn)定，相關(guān)關(guān)系表現(xiàn)不明顯。單片葉子的波譜從以680 nm為中心的反射率極小值過渡到自800 nm開始的反射峰，其間存在一個拐點，該拐點所對應的波長被稱為“紅邊”(如圖2中c點所對應的波長)。

紅邊定義為680～750 nm波長范圍內(nèi)反射率光譜一階導數(shù)最大值所對應的波長，又稱為紅邊位置 (REP)或λp。紅邊能夠跟蹤葉綠素、生物量和物候變化，被認為是綠色植物的可診斷性特征之一，是估算植被生物物理和生物化學參量的主要著眼點之一。其他衍生出來的紅邊特征參量還有紅邊幅值 (又稱紅邊斜率)Dλred(紅邊范圍 (680～750 nm)內(nèi)一階導數(shù)光譜最大值)、紅邊峰值 (紅邊范圍 (680～750 nm)內(nèi)一階導數(shù)光譜值)、紅邊最小振幅Dλmin(紅邊范圍 (680～750 nm)內(nèi)一階導數(shù)光譜最小值)、紅邊峰值面積Sred(紅邊范圍 (680～750nm)內(nèi)一階導數(shù)光譜所包圍的面積)、紅邊振幅與紅邊最小振幅的比值:Dλred/Dλmin。

紅邊是植物光譜的最明顯標志。紅邊左側(cè)的反射率主要與葉綠素含量有關(guān)，紅邊右側(cè)的反射率主要取決于葉內(nèi)組織結(jié)構(gòu)和植物體內(nèi)的含水量。當植被葉片中葉綠素濃度增加時，植物的光合作用增強，需要消耗更多的光子，這時植被的“紅邊”位置會向長波方向移動，即出現(xiàn)“紅邊紅移”的現(xiàn)象;反之，當植被葉片葉綠素含量減少時，植物的光合作用減弱，所需消耗的光子數(shù)減少，植被的“紅邊”位置會向短波方向移動，即出現(xiàn)“紅邊藍移”的現(xiàn)象。

以上關(guān)于植被“紅邊位置”的表述，其前提條件是假設(shè)在植被的紅邊區(qū)域內(nèi)，植被一階微分光譜上只存在一個最大值。但是，有些植物的紅邊區(qū)域內(nèi)，其一階微分光譜有2個峰值，前鋒位于705 nm附近，后峰位于720 nm附近。當植被生長狀況較好時，后峰為主峰;植被的生長狀況較差時，前峰為主峰，即植被一階微分光譜紅邊區(qū)域內(nèi)的最大峰值所對應的波長位置反映了植物的生長狀況。

植被微分光譜在紅邊區(qū)域內(nèi)出現(xiàn)雙峰與葉綠素熒光和葉綠素含量的增加相關(guān)。綠色植被對光合有效輻射過度響應時，會發(fā)射出紅光 (R)和遠紅光 (FR)，這時會產(chǎn)生葉綠素的熒光現(xiàn)象。一般來說，光合作用較強時，熒光作用較弱，但是當光合作用體系不能有效地對光照進行響應時，熒光作用增加。葉綠素的熒光作用會在690 nm和730 nm附近出現(xiàn)極大值。由于葉綠素功能的變化通常早于葉綠素含量的變化，熒光的變化可能會在葉片萎黃前被探測到，因此，熒光可被用來作為植被脅迫效應的無破壞性的檢測方法。

2 遙感數(shù)據(jù)監(jiān)測植被的分析方法

目前對植被進行檢測常用的遙感方法是以植被指數(shù)為主的多種光譜指數(shù)的構(gòu)建和導數(shù)光譜技術(shù)［1～2］，這兩種技術(shù)的應用大大提高了植被信息反演的深度和廣度，提高了植被監(jiān)測的精度。

植被指數(shù)是利用遙感數(shù)據(jù)對地表植被的定性描述，通過對不同波段的信息進行線性或非線性組合構(gòu)造植被指數(shù)，以達到最大化植被發(fā)射信息，最小化外部因素影響。植被指數(shù)是從遙感影像中獲取大范圍植被覆蓋信息常用的經(jīng)濟、有效的方法。通常選用植被反射光譜中的紅光波段和近紅外波段構(gòu)建植被指數(shù)，其中，紅光波段反映的是植物體內(nèi)葉綠素的強吸收作用，近紅外波段反映的是植被的高反射和高透射特性，這2個波段均是綠色植物光合作用中的重要波段，對這2個波段進行比值、差分、線性組合等多種處理所得的植被指數(shù)可以用來增強或者解釋隱含的植被信息。常用的植被指數(shù)可大致分為3類［3］，分別為基于波段簡單線性組合的植被指數(shù)、消除影響因子的植被指數(shù)和針對高光譜遙感及熱紅外遙感的植被指數(shù)。

導數(shù)光譜技術(shù)可以減少低頻背景噪聲 (土壤)，消除光譜數(shù)據(jù)之間的系統(tǒng)誤差，提高重疊光譜分辨率，消弱大氣輻射、散射和吸收對目標光譜的影響，進而提取可識別地物的光譜波長位置、深度、寬度和吸收光譜指數(shù)等吸收峰參數(shù)。導數(shù)光譜技術(shù)已在研究植被的生物物理參數(shù)、礦物和有機質(zhì)研究中得到了廣泛的應用。其中，一階導數(shù)光譜的一個最重要的應用是可以精確地得到“紅邊”參數(shù)信息，進而對葉片和冠層葉綠素濃度進行評價。

3 烴類滲漏對植被生長及反射率的影響

烴類滲漏改變上覆土壤空氣及土壤礦物的組成和含量。滲透到地表的烴類會部分地取代土壤中的空氣，包括氧氣。氧氣缺乏的土壤環(huán)境會迫使植被產(chǎn)生脅迫效應，導致植物的反射光譜發(fā)生變化。此外，土壤中殘存的氧氣會被細菌利用，產(chǎn)生二氧化碳和水。

厭氧環(huán)境改變了土壤的氧化還原電位和Ph值。油氣滲漏的周邊地區(qū)，土壤環(huán)境會惡化，從而導致土壤的礦物組分發(fā)生變化。宏觀的和微量的營養(yǎng)元素溶解度的變化，會引起植被的營養(yǎng)缺乏或過剩。這是植被產(chǎn)生脅迫效應的第二個因素，這種現(xiàn)象也會在植被的反射光譜上有所體現(xiàn)。

生長在烴類滲漏周邊地區(qū)的植被光譜發(fā)生改變的另一個因素可能來自滲漏氣體本身。天然氣本身對植被并沒有毒害作用，但是微量氣體，如二氧化碳，當其含量超過一定閾值的時候就會給植被帶來毒害，可能造成植被的早期衰老或死亡。

產(chǎn)生脅迫效應的植被光譜通常在可見光區(qū)域具有較高的反射率，而在近紅外區(qū)域反射率較低，即會出現(xiàn)“紅邊藍移”。但是，受油氣影響的植被并不是都遵循以上的規(guī)律。一些研究發(fā)現(xiàn)，在可見光和近紅外區(qū)域，植被的反射率較高，而在其他波段反射率較低。雖然受油氣滲漏影響的植被的紅邊位置通常出現(xiàn)“藍移”現(xiàn)象，但是在Yang等［4］的研究中卻發(fā)現(xiàn)了植被的紅邊向較長波長方向移動的異?，F(xiàn)象。

4 國內(nèi)外關(guān)于烴類滲漏所致植被異常的研究

國內(nèi)外已有學者對烴類滲漏給植被造成的影響展開了研究，但研究方法多是基于地面實驗，即通過對生長在人工模擬的烴類滲漏環(huán)境中的實驗作物的生長形態(tài)、反射率光譜等的監(jiān)測，分析土壤成分或土壤中氣體成分、濃度的變化與植被生物物理、生物化學參量之間的關(guān)系，且該類研究所采用的實驗對象一般是小麥、玉米、大豆等農(nóng)作物。

①1996年，何在成等［5］對桃金娘、雀梅及荷樹3種植物在人為模擬的烴類微滲漏環(huán)境中所產(chǎn)生的生態(tài)及光譜變化進行了觀察和研究，發(fā)現(xiàn)受根部烴類氣體的毒害，植物葉子的葉綠素含量下降，提出可采用遙感生物地球化學方法，根據(jù)植物葉子可見—近紅外范圍的光譜異常，對油氣藏烴類微滲漏引起的地植物異常進行探測。

②1997年，曹文鐘等［6］在大慶地區(qū)研究了原油對草原植被的影響，對4種植物群落進行澆油實驗，發(fā)現(xiàn)隨著原油量的增加，植株所受的影響會逐漸增加，具體表現(xiàn)為:植株高度降低、株數(shù)減少;植物體在不同季節(jié)對原油的抗性也不同，影響由大到小的季節(jié)順序是春、夏、秋季，分別對應于植物的幼苗期、旺盛生長期、成熟期;原油對不同種類植物的影響不同，一年生植物受到的影響最大。

③2004年，Smith K L等［7］以小麥和大豆及草類作為實驗對象，發(fā)現(xiàn)土壤中天然氣含量的增加會使這些植被的生長受到抑制，且葉片葉綠素的含量會降低。對受油氣影響的植被采用ASD手持光譜儀獲得光譜數(shù)據(jù)，分析其在紅邊區(qū)域內(nèi)的一階微分光譜在725 nm和702 nm的比率，可以發(fā)現(xiàn)植被的脅迫效應。對于實驗所使用的草類植被，利用比率法可在植被出現(xiàn)可視癥狀的至少7天前探測出脅迫效應，并發(fā)現(xiàn)比率法對植被覆蓋率相對敏感，可以在植被的生長早期區(qū)分開含油氣區(qū)和非含油氣區(qū)的植被。該研究認為油氣微滲漏引起的植被變化是一個緩慢的過程，高光譜遙感更適合于對長期油氣滲漏的偏遠地區(qū)的探測，而不是作為一個油氣早期微滲漏的預警系統(tǒng)。

④2005年，Smith K L等［8～9］為了驗證能否通過航天遙感數(shù)據(jù)檢測到管道油氣滲漏給植被反射光譜帶來的影響，通過ASD手持光譜儀，對受3種脅迫 (油氣、除草劑、陰影)的油菜光譜進行了測量，同時實驗室測定了3種情況下油菜葉中的葉綠素含量。實驗表明，利用遙感手段，借助于植被反射光譜的異常變化 (反射率在可見光波段增加，在近紅外波段降低)、紅邊位置的移動 (紅邊藍移)及比值的增加 (670～680/555～565 nm)，可以對油氣管道的泄露進行監(jiān)測。但是其他因素 (如除草劑的脅迫)也可能對植被反射光譜帶來類似的影響，因此該研究建議在利用遙感數(shù)據(jù)對油氣滲漏引起的脅迫效應進行監(jiān)測時，需要其他信息 (如輸油管道信息)的輔助。

⑤2006—2009年，Noomen M F等［10～11］通過實驗室模擬烴類氣體滲漏環(huán)境，以實驗室種植的玉米和小麥作為研究對象，在作物的生長周期內(nèi)，定時測量作物的植株高度及反射率等數(shù)據(jù)，并將這些數(shù)據(jù)和植物根部所通的烴類氣體濃度、根部土壤中氧氣濃度、二氧化碳濃度及重金屬含量之間的關(guān)系進行相關(guān)分析，得出烴類氣體滲漏帶來的植物的脅迫效應為:烴類氣體的滲漏會導致植物根部土壤中的氧氣濃度降低、二氧化碳濃度升高、烴類氣體濃度升高及重金屬離子聚集，從而迫使植物的色素含量、冠層反射率、生長形態(tài)發(fā)生變化。

5 基于植被異常的遙感油氣勘探技術(shù)國內(nèi)外典型案例

目前利用高光譜遙感影像探測油氣滲漏引起的植被異常，進而輔助圈定油氣勘探遠景區(qū)的研究，在國際上尚處于初級階段，且開展的研究也多是探索利用植被異常能否探測出地下天然氣管道滲漏，典型案例有:

①2003年，Li Lin等［12］利用AVIRIS遙感影像對2000年6月1號發(fā)生的輸油管道滲漏進行了研究。實驗中采用了多項式擬合、拉格朗日插值和光譜混合分析 (SMA)方法對AVIRIS數(shù)據(jù)進行分析，前兩種方法主要用來監(jiān)測植被反射光譜的“紅邊”位置的移動情況，第三種方法用來監(jiān)測植被覆蓋度的變化。實驗結(jié)果表明，多項式擬合和拉格朗日插值法都可以檢測到植被反射光譜的“紅邊”移動現(xiàn)象，但是光譜混合分析取決于所用的波段組合，且對噪聲很敏感。采用的SMA方法檢測出油氣泄露導致植被覆蓋度發(fā)生10%～30%的降低，同時也檢測出了2000年的水分脅迫所引發(fā)的植被覆蓋度超過40%的減少。因此該項研究認為結(jié)合研究區(qū)的生態(tài)和氣候等輔助信息對實驗結(jié)果進行分析是很重要的。

②2007年，van der Werff H M A等［13］采用Hymap數(shù)據(jù)，根據(jù)受油氣滲漏影響的植被具有“紅邊藍移”的現(xiàn)象，成功地探測出油氣管道周圍的油氣滲漏點。

③2012年，Noomen M F等［14］選擇了紅邊位置 (REP)、Lichtenthaler指數(shù) (LIC)等4個光譜指數(shù)探測油氣滲漏對植被的長期影響，試驗區(qū)選在美國Ojai附近的一個草甸區(qū)。研究發(fā)現(xiàn)，在距油氣宏觀滲漏源20 m范圍內(nèi)，出現(xiàn)了一圈裸地，其周圍是茂密的植被。將該場景轉(zhuǎn)變?yōu)橐粋€3×3像素的卷積濾波模版，并應用在該區(qū)域的Probe-1遙感影像上，對于所有的光譜指數(shù)，濾波的結(jié)果都具有較少的假異常點。但是既能減少假異常點數(shù)量，又能增加檢測精度的光譜指數(shù)是Lichtenthaler指數(shù) (R440/R740)，該指數(shù)可以最好地對裸地和植被進行區(qū)分，且可以檢測出該區(qū)域內(nèi)的4個已知油氣滲漏點。當油氣滲漏發(fā)生在裸地和茂密植被處時，Lichtenthaler指數(shù)可以為油氣滲漏的監(jiān)測提供較好的指示。

6 國內(nèi)外研究現(xiàn)狀總結(jié)

國內(nèi)外對油氣滲漏影響下植被反射光譜異常響應的研究具有以下特點:

①研究多以地面試驗為工作重點。

②研究對象多是實驗室種植的農(nóng)作物，如小麥、玉米、大豆等。

③研究方法多是實驗室模擬油氣滲漏環(huán)境，對試驗作物生長周期內(nèi)的生長形態(tài)、反射光譜進行監(jiān)測，分析作物根部土壤環(huán)境中氣體成分及濃度的變化，以及由此帶來的作物冠層反射率的變化。

④研究結(jié)果多是側(cè)重于采用回歸分析方法建立土壤成分或土壤中氣體成分、濃度的變化與植被生物物理、生物化學參量之間的關(guān)系。

⑤利用遙感影像上植被反射光譜異常信息進行油氣滲漏信息提取的研究較少，多是對地下油氣管道的宏觀油氣滲漏進行監(jiān)測。

盡管這些研究在圖像上可以檢測到油氣管道滲漏的位置，但是若將這些方法直接應用到基于高光譜遙感影像的烴類微滲漏的檢測上，則會面臨以下問題:

①實驗室模擬的油氣滲漏模式及機理與實際的地下油氣微滲漏不同:實驗室模擬的油氣滲漏 (見圖3)發(fā)生在一個相對較短的時間段內(nèi)，對生長在其上的植被的影響也只是持續(xù)于植被的生長周期或生長周期中的一段時間;而地下油氣微滲漏是一個漫長的過程，其在漫長的滲漏時間內(nèi)已對植被生長的土壤環(huán)境進行了改變，對地表植被的影響不僅局限于植被生長周期內(nèi)，可能在較長的時間內(nèi)已對植被的形態(tài)、植被群落的分布產(chǎn)生了影響。

圖3 實驗室模擬烴類滲漏環(huán)境［15］Fig.3 Laboratory simulation of hydrocarbon seepage environment

②地下油氣管道滲漏的規(guī)模與油氣微滲漏不同:油氣管道的滲漏大多是宏觀滲漏 (見圖4)，其所引起的異常暈直徑通常為幾十米數(shù)量級，其量級分布多是肉眼可見，且會伴隨明顯的可視癥狀 (見圖5)，如管道滲漏位置周圍出現(xiàn)明顯的植被發(fā)黃或稀少，甚至絕跡，但是遠離滲漏點的地方植被則會正常生長;而對于油氣微滲漏，其滲漏量級分布多是肉眼不可見，至儀器的最低檢出限。

③實驗室研究時所用的植被，在研究野外油氣微滲漏對植被的影響時是不能使用的，這是由于實驗室內(nèi)的研究對象多是農(nóng)作物，如玉米、大豆、小麥等，雖然這些農(nóng)作物在野外也普遍種植，但是生長在不同農(nóng)家土地上的農(nóng)作物品種、施肥情況、施藥情況均不同，因此不同田地上生長的農(nóng)作物的物理形態(tài)、反射光譜也必然有差別;由于油氣微滲漏發(fā)生的面積廣，不可能僅用個別小面積地塊的農(nóng)作物的異常響應對地質(zhì)構(gòu)造上大區(qū)域油氣微滲漏進行解譯。

圖4 油氣宏觀滲漏［16］Fig.4 Macro leakage of oil and gas

圖5 油氣滲漏點周圍植被可視癥狀明顯［4］Fig.5 Visual symptoms of plants surrounding the location of oil and gas seepage

④國際上的研究所采用的高光譜多是光譜分辨率高達1 nm的ASD手持光譜儀，但是目前還沒有分辨率如此之高的高光譜遙感傳感器，因此，已有研究總結(jié)出的模式能否在航空/航天遙感影像上被觀測到，以至被推廣，仍是需要研究的問題。目前國際上關(guān)于此方面的研究尚處于初級階段，而國內(nèi)在此領(lǐng)域的研究尚屬空白。

因而，研究利用高光譜遙感影像上植被反射光譜的異常信息對油氣微滲漏信息進行提取的技術(shù)和方法，提出適用于植被覆蓋區(qū)的高光譜遙感油氣微滲漏信息大面積普查的工作流程，具有非常重要的意義，可為建立更加廣泛、適用的高光譜遙感油氣勘探模式提供新的參考依據(jù)。

［1］ Mouat D A，Lin Shudao.Vegetation response of geochemical status［J］.Remote Sensing Information，1988，(4):37～38.

［2］ Zhang Yongjiang.Studies on passive sensing of plant chlorophyll fluorescence and application of stress detection ［D］.Hangzhou:Zhejing University，2006.

［3］ Luo Ya，Xu Jianhua，Yue Wenze.Research on vegetation indices based on the remote sensing images ［J］.Ecologic Science，2005，24(1):75 ～79.

［4］ Yang H，Zhang J，van der Meer F，et al.Geochemistry and field spectrometry for detecting hydrocarbon microseepage［J］.Terra Nova，1998，10(5):231 ～235.

［5］ He Zaicheng，Lv Huiping，Wang Yunpeng，et al.Simulating experiment on ecological and spectral changes of three kinds of plants caused by hydrocarbon microseepage［J］.Bullutin of Mineralogy Petrology and Geochemistry，1996，15(2):94～96.

［6］ Cao Wengzhong，Zhang Fenglin，Li Ziping，et al.The effect of crude oil upon grasslands vegetation ［J］.Journal of Environmental Protection for Oil and Gas Fields，1997，7(3):28 ～32.

［7］ Smith K L，Steven M D，Colls J J.Use of hyperspectral derivatives ratios in the red-edge region to identify plant stress responses to gas leaks［J］.Remote Sensing of Environment，2004，92(2):207 ～217.

［8］ Smith K L，Steven M D，Colls J J.Spectral responses of pot-grown plants to displacement of soil oxygen ［J］.International Journal of Remote Sensing，2004，25(20):4395 ～4410.

［9］ Smith K L，Steven M D，Colls J J.Plant spectral responses to gas leaks and other stresses［J］.International Journal of Remote Sensing，2005，26(10):4067～4081.

［10］ Noomen F M，Skidmore A K，van der Meer F D，et al.Continuum removed band depth analysis for detecting the effects of natural gas，methane and ethane on maize reflectance ［J］.Remote Sensing of Environment，2006，105(3):262 ～270.

［11］ Noomen F M，Smith K L，Colls J J，et al.Predicting soil oxygen concentrations using indices based on hyperspectral reflectance of maize and wheat canopies［J］.International Journal of Remote Sensing，2009，30(2):481 ～497.

［12］ Li Lin，Ustin S L，Lay M.Application of AVIRIS data in detection of oil-induced vegetation stress and cover change at Jornada，New Mexico ［J］.Remote Sensing of Environment，2005，94(1):1 ～16.

［13］ van der Werff H M A，Noomen M F，van der Meijde M，et al.Use of hyperspectral remote sensing to detect hazardous gas leakage from pipelines［C］ //Bochenek Z.New developments and challenges in remote sensing.Rotterdam:Millpress，2007:707～715.

［14］ Noomen M F，van der Werff H M A，van der Meer F D.Spectral and spatial indicators of botanical changes caused by longterm hydrocarbon seepage ［J］.Ecological Informatics，2012，(8):55 ～64.

［15］ Hese S，Schmullius C.High spatial resolution image object classification for terrestrialoil spill contamination mapping in West Siberia［J］.International Journal of Applied Earth Observation and Geoinformation，2009，(11):130 ～141.

［16］ Noomen M F，Skidmore A K，van der Meer F D.Detecting the influence of gas seepage on vegetation，using hyperspectral remote sensing［C］ //The 3rdEARSel Workshop on Imaging Spectroscopy，2003:252～256.