植物葉面鐵尾礦粉塵光譜測試與定量反演實驗

徐奧， 馬保東， 李興春， 吳立新

(東北大學(xué)測繪工程系,沈陽 110819)

植物葉面鐵尾礦粉塵光譜測試與定量反演實驗

徐奧， 馬保東， 李興春， 吳立新

(東北大學(xué)測繪工程系,沈陽 110819)

目前我國累計堆存的鐵尾礦量高達(dá)約50億t，所產(chǎn)生的尾礦粉塵污染極其嚴(yán)重。為此，使用遼寧鞍山礦區(qū)鐵尾礦粉塵進(jìn)行實景觀測實驗，采用人工模擬降塵與光譜測量手段，研究了降塵量對植物葉片光譜的影響規(guī)律； 并利用降塵量與植物葉片光譜相關(guān)性最好的優(yōu)勢波段與鐵元素的光譜吸收特征，分別建立了葉面降塵量的基于植物葉片的優(yōu)勢波段反射率和基于鐵元素的獨特光譜吸收指數(shù)的2種定量反演模型。研究表明： 隨著鐵尾礦粉塵降塵量逐漸增大，植物葉片反射光譜曲線與粉塵的光譜曲線差異逐漸減?。?2種反演方式中降塵量與植物葉片光譜變量均呈極顯著相關(guān)，但基于鐵元素光譜吸收特征的定量反演模型精度更高。研究結(jié)果可為高光譜遙感應(yīng)用于礦區(qū)降塵量定量監(jiān)測提供基礎(chǔ)模型與技術(shù)依據(jù)。

葉面降塵； 鐵尾礦； 高光譜反演； 光譜吸收指數(shù)

0 引言

粉塵是影響我國空氣質(zhì)量的主要污染物之一[1]。在一些依靠固體礦床開采發(fā)展起來的礦區(qū)城市，粉塵污染現(xiàn)象普遍比較嚴(yán)重，尾礦庫表面產(chǎn)生的粉塵可傳播到很遠(yuǎn)距離[2]，會對周邊的生態(tài)環(huán)境造成不良影響，導(dǎo)致土壤污染、土地退化、植被破壞，甚至直接威脅到人畜生存安全[3]。降塵量是衡量一個區(qū)域生態(tài)環(huán)境質(zhì)量的重要因子之一，對其進(jìn)行快速、準(zhǔn)確監(jiān)測可為地區(qū)生態(tài)環(huán)境質(zhì)量評估提供基礎(chǔ)數(shù)據(jù)和評價依據(jù)。傳統(tǒng)的降塵量測定工序過于復(fù)雜、工作量大、效率低，且得到的數(shù)據(jù)不夠準(zhǔn)確[4-5]。遙感方法具有探測范圍大、客觀性強(qiáng)，并能迅速反映動態(tài)變化的優(yōu)勢，比一般探測手段的可靠性更強(qiáng)[6]。目前，已有學(xué)者針對降塵量遙感監(jiān)測進(jìn)行了研究。Baddock等[7]以澳大利亞艾爾湖的4次典型沙塵暴為研究對象，評價了運用MODIS數(shù)據(jù)進(jìn)行粉塵源觀測的可行性； Gangale等[8]研究了大氣紅外探測器獲取的光譜數(shù)據(jù)，驗證了火山灰在紅外區(qū)(800～1 200 nm)存在的特殊波段，推斷出火山灰粒度分布、紅外透明度和礦物成分含量； Markowicz等[9]根據(jù)波蘭觀測站的火山灰遙感觀測數(shù)據(jù)，研究了火山灰光學(xué)厚度的光譜分布特征，并與雷達(dá)觀測數(shù)據(jù)進(jìn)行了比較。

植物在陸表廣泛覆蓋，既是衛(wèi)星遙感觀測和記錄的第一表層，也是遙感圖像表征的直接信息[10]。因此，以植物為背景對象研究降塵量的遙感監(jiān)測方法具有普遍意義。光譜特征是利用遙感技術(shù)對相關(guān)目標(biāo)進(jìn)行定性與定量探測的重要依據(jù)。目前，已有學(xué)者針對降塵覆蓋下的植物葉片的光譜特征進(jìn)行研究。譚德軍等[11]對重慶市萬盛礦區(qū)粉塵污染的典型農(nóng)作物進(jìn)行了高光譜反射率測定，分析了粉塵污染導(dǎo)致的植物總體光譜反射率和在1 000 nm及1 200 nm附近的光譜小吸收谷異常，揭示了受粉塵污染的最嚴(yán)重區(qū)域和植物種類； 王濤等[12]對葉面除塵前、后的反射光譜和一階導(dǎo)數(shù)光譜的差異進(jìn)行了分析比較，表明葉面降塵可提高可見光波段的反射率、降低近紅外波段的反射率，且對可見光波段的影響要大于近紅外波段； 萬余慶等[13]對長壽草和芋頭葉進(jìn)行了煤粉塵覆蓋條件下的光譜測試研究，表明煤粉塵量越大、植物自身的光譜特征越弱、粉塵的光譜特性越強(qiáng)。但是，專門針對鐵尾礦降塵的研究還很少。我國鐵礦資源豐富，但鐵礦資源品位低，鐵尾礦排放量大，每生產(chǎn)1 t鐵精礦平均排出2.5 t鐵尾礦[14]。據(jù)統(tǒng)計，在1949―2009年間，全國鐵尾礦排放量約為62億t，特別是2003年以后尾礦排放量呈大幅度上升趨勢，2009年排出的尾礦量達(dá)5.5億t，2010年排放量超過6億t[3]。當(dāng)前，對排出的大部分鐵尾礦均采取了堆存處置，導(dǎo)致鐵尾礦的堆存量巨大。截至2010年，我國累計堆存的鐵尾礦量高達(dá)50億t左右[15]，且隨著鐵礦開采和鐵尾礦排放的不斷繼續(xù)，鐵尾礦堆存量還將日益增大[16]。遼寧鞍山地區(qū)是我國最重要的鋼鐵工業(yè)基地之一[17]，擁有豐富的鐵礦資源[18]。但是，鞍山市東部和南部的鐵礦尾礦庫在主導(dǎo)風(fēng)向作用下，常使周邊地區(qū)降塵量遠(yuǎn)超過8 t/(月·km2)的標(biāo)準(zhǔn)，污染十分嚴(yán)重[17]。本文以鞍山齊大山鐵礦尾礦砂為粉塵樣本，通過實地監(jiān)測實驗，采用不同級差控制植物葉面鐵尾礦粉塵降塵量，測量不同降塵量情況下的葉片光譜； 進(jìn)而統(tǒng)計分析降塵量反演的優(yōu)勢波段，建立植物粉塵降塵量反演模型； 同時，基于鐵尾礦粉塵中鐵元素獨特的光譜反射特性建立降塵量反演模型，并對2種反演模型的精度進(jìn)行對比。本文旨在通過實地觀測實驗為高光譜遙感應(yīng)用于礦區(qū)降塵量定量監(jiān)測提供基礎(chǔ)模型與技術(shù)依據(jù)。

1 研究方法

1.1 樣品采集

本文實驗采集的植物樣品為綠蘿葉片。摘取綠蘿葉片后，立即將其固定于實驗測試的水平平臺上，以確保葉面平整。粉塵樣本采集自鞍鋼礦業(yè)公司齊大山鐵礦尾礦庫，主要成分及其百分比含量如下： SiO2，82.28%； TFe(全鐵)，9.90%； FeO，1.62%； MgO，0.85%； Al2O3，0.73%； CaO，0.66%。粉塵的粒度特征為： 粒徑≤19.348 μm占5.31%，(19.348,283.704) μm占89.38%，≥283.704 μm占5.31%。

1.2 降塵量設(shè)置

根據(jù)前期實驗觀測分析，降塵量達(dá)240 g/m2(未超過實際礦區(qū)周邊降塵量)時，植物葉片光譜特征基本表現(xiàn)為粉塵光譜特征。遼寧省環(huán)保廳規(guī)定降塵量標(biāo)準(zhǔn)為8 t/(月·km2)[17]，本次實驗設(shè)置的粉塵濃度級差為遼寧省標(biāo)準(zhǔn)的一半，即4 g/m2，共62組(0～244 g/ m2)。實驗時，將綠蘿葉片放置于其外接矩形大小的盒內(nèi)，按4 g/m2級差逐級將鐵尾礦粉塵均勻覆蓋到矩形區(qū)域上。圖1示出不同降塵量下的植物葉片。

圖1 不同降塵量下植物葉片

1.3 光譜測量

本實驗使用 SVC HR-1024光譜儀(350～2 500 nm)采集綠蘿葉片的反射光譜信息。儀器參數(shù)見表1。

表1 SVC HR-1024基本參數(shù)

實驗光源為鹵素?zé)?，高度角?0°，距目標(biāo)50 cm； 光譜儀測量時間為2 s； 使用4°鏡頭，鏡頭距葉片高度設(shè)為55 cm，以確保葉片充滿視場(圖2)。

圖2 實驗用儀器

每添加1次粉塵覆蓋，測量1次光譜曲線，并保持測量位置和角度不變，共測得到62條光譜曲線。

1.4 數(shù)據(jù)處理

用Excel的隨機(jī)數(shù)發(fā)生器將62條實測光譜曲線數(shù)據(jù)隨機(jī)分成2組，每組各31條，第1組用于建模，第2組用于驗證。首先，用第1組光譜測試曲線進(jìn)行光譜-葉面降塵量相關(guān)性分析，并選擇相關(guān)系數(shù)絕對值最大的波段作為優(yōu)勢波段，對降塵量進(jìn)行線性回歸分析，建立降塵量的統(tǒng)計反演模型； 同時，根據(jù)鐵尾礦砂的吸收特征，選擇900 nm附近的光譜吸收指數(shù)(spectral absorption index,SAI)作為光譜變量，建立降塵量的特征反演模型； 然后，利用第2組數(shù)據(jù)對上述反演模型進(jìn)行驗證，評估2種模型的預(yù)測能力和穩(wěn)定性。

本文選擇均方根誤差(root mean square error,RMSE)、平均相對誤差(mean relative error, MRE)和決定系數(shù)(R2)作為精度指標(biāo)，即

(1)

(2)

式中：N為樣本數(shù)目；xi為反演得到的降塵量；yi為實測的降塵量。RMSE越小，表明擬合結(jié)果越好；MRE越小，表示分析結(jié)果越接近真實值。R2表示回歸分析趨勢線的預(yù)測值與對應(yīng)的實測數(shù)據(jù)之間的擬合程度，取值范圍為0～1； 當(dāng)趨勢線的R2等于或接近1時，其可靠性最高。

2 結(jié)果與分析

2.1 植物葉面降塵量對葉片光譜特征的影響

圖3示出鐵尾礦光譜曲線(粗黑線)、葉片光譜曲線(粗綠線)和不同降塵量下的葉片反射光譜曲線(細(xì)彩線，越偏離粗黑線、降塵量越少)。

圖3 不同降塵量下的植物葉片反射光譜曲線

從圖3可以看出，在整體上隨著鐵尾礦粉塵降塵量的逐漸增大，植物葉片的反射光譜曲線與鐵尾礦粉塵光譜曲線的差異逐漸減?。?當(dāng)降塵量達(dá)到設(shè)定的最大值時，植物葉片與粉塵的光譜曲線之間差異最小。具體表現(xiàn)為： 葉片在350～690 nm范圍內(nèi)，光譜反射率逐漸升高，綠峰逐漸消失，光譜曲線趨于平緩； 在708 nm附近出現(xiàn)交點，紅邊斜率逐漸減?。?在750～1 250 nm范圍內(nèi)，光譜反射率逐漸降低，紅外反射坪下降； 在1 384.3 nm附近出現(xiàn)交點； 在1 395.5～1 576.5 nm以及1 763～2 500 nm范圍內(nèi)，光譜反射率逐漸升高； 在1 580～1 860 nm范圍內(nèi)，反射峰逐漸降低； 在1 400 nm和1 900 nm附近，水分吸收谷逐漸消失，趨于平緩。

2.2 植物葉面降塵量與反射率的相關(guān)性分析

為選取合適的反演波段，對350～2 500 nm范圍內(nèi)所有波段的葉片反射率與鐵尾礦粉塵降塵量進(jìn)行了相關(guān)性分析(圖4)。

圖4 葉片粉塵降塵量與反射率的相關(guān)性

因?qū)崪y光譜曲線樣本數(shù)目為31個，故當(dāng)|R|>0.456時，可滿足99%的置信度。如圖4所示，沒有被粉色柵欄遮蓋的波段均滿足99%的置信度。可見，植物葉片的粉塵降塵量與其光譜反射率在350～711.1 nm(含綠峰)，1 395.5～1 576.5 nm(含水分吸收谷)及1 763～2 500 nm(含水分吸收谷)范圍內(nèi)呈比較顯著的正相關(guān)； 在711.1～1 395.5nm(含紅外反射坪)，1 591～1 738.3 nm范圍內(nèi)呈比較顯著的負(fù)相關(guān)； 而在正、負(fù)相關(guān)關(guān)系轉(zhuǎn)換的過渡波段范圍內(nèi)(如1 576.5～1 591 nm和1 727.6～1 770.1 nm，植物粉塵降塵量與其光譜反射率的相關(guān)性較低，未能通過顯著性檢驗。

2.3 基于優(yōu)勢波段反射率的建模與驗證

根據(jù)植物粉塵降塵量與光譜反射率之間的相關(guān)性，提取出相關(guān)系數(shù)絕對值最大的波段，稱之為“優(yōu)勢波段”。本文提取的優(yōu)勢波段的波長為2 239.2 nm，該波段中植物粉塵降塵量與光譜反射率相關(guān)系數(shù)達(dá)到0.982，呈極顯著相關(guān)(圖4)。據(jù)此，對植物粉塵降塵量與光譜反射率進(jìn)行建模，即

Ref=12.385Dus-206.62,

(3)

式中：Dus為粉塵降塵量，g/m2；Ref為光譜反射率，%。二者的相關(guān)系數(shù)為0.963，呈極顯著相關(guān)。

將第2組曲線相應(yīng)波段的光譜反射率輸入上述反演模型，計算得到粉塵降塵量； 將其與實測的葉片降塵量進(jìn)行對比，得到RMSE=13.288 g/m2，MRE=18.7%，R2=0.960(圖5)。

圖5 基于優(yōu)勢波段反演的降塵量與實測降塵量對比

2.4 基于Fe3+光譜吸收指數(shù)的建模與驗證

通過非吸收基線方程和比值處理，剔除非吸收物質(zhì)的光譜貢獻(xiàn)，王晉年等[19]建立了光譜吸收指數(shù)(spectral absorption index,SAI)，并據(jù)此測定某一特定波長的相對光譜吸收深度，給出了綜合描述光譜吸收特征的新“度量”。在鞍山鐵礦山尾礦中，F(xiàn)e2O3的含量為14.37%，僅次于SiO2[20]。這種氧化的Fe3+在900 nm附近表現(xiàn)為特征吸收峰[21]。設(shè)Fe3+在900 nm附近的光譜吸收指數(shù)為SAIFe3+，據(jù)此對鐵礦山尾礦粉塵的降塵量進(jìn)行了遙感檢測。光譜曲線的光譜吸收特征可以由光譜吸收谷點m與該谷點的2個肩部S1和S2組成[22](圖6)。

圖6 光譜吸收指數(shù)示意圖[19]

其計算公式為

(4)

d=(λm-λ2)/(λ1-λ2),

(5)

式中：λ1,λ2和λm分別為2個肩部S1,S2和谷點m對應(yīng)的波長；ρ1,ρ2和ρm分別為2個肩部S1,S2和谷點m對應(yīng)的反射率；ρ為2個肩部連線上的谷點對應(yīng)的反射率。

通過計算光譜曲線的一階導(dǎo)數(shù)，提取出900 nm附近的肩部波段759.8 nm和980.3 nm，谷點波段886.2 nm； 進(jìn)而計算植物在不同鐵尾礦粉塵降塵量下的SAIFe3+，并對SAIFe3+與粉塵降塵量建模，即

SAIFe3+=1 252.7Dus-1 159.4,

(6)

式中：Dus為粉塵降塵量，g/m2；SAIFe3+為Fe3+在900 nm附近的光譜吸收指數(shù)。二者的相關(guān)系數(shù)為0.990，呈極顯著相關(guān)。

將第2組光譜反射率數(shù)據(jù)輸入上述模型進(jìn)行驗證，得到反演的植物粉塵降塵量； 并與實測的粉塵降塵量進(jìn)行對比，得到RMSE=12.041 g/m2，MRE=18.2%，R2=0.975(圖7)。

圖7 基于SAIFe3+反演的降塵量與實測降塵量對比

2種方法的R2均較高，說明反演模型具有較高的可靠性。與基于植物粉塵降塵量優(yōu)勢波段反射率的反演方法相比，基于鐵粉塵光譜吸收指數(shù)的反演精度相對更高，RMSE降低9.4%，MRE降低0.5%。其原因在于： 優(yōu)勢波段雖然具有普適性，但缺少對鐵尾礦粉塵中特征元素Fe3+的特殊關(guān)注； 而運用光譜吸收指數(shù)SAIFe3+來進(jìn)行反演，則從本質(zhì)上表達(dá)了地物光譜吸收系數(shù)的變化特征[19]，能更為敏感地檢測出含有鐵離子的粉塵，因此反演的粉塵降塵量也更為準(zhǔn)確。

3 結(jié)論

通過實驗測定并分析了鐵尾礦粉塵在不同降塵量條件下植物葉片的光譜特征變化，據(jù)此建立了鐵尾礦降塵量的反演模型，并進(jìn)行了驗證對比。得出如下結(jié)論：

1)植物葉片在鐵尾礦粉塵降塵量逐漸增大的情況下，植物光譜特征(如綠峰、紅邊、紅外反射坪及水分吸收谷)逐漸消失。

2)分別利用2 239.2 nm優(yōu)勢波段反射率和鐵光譜吸收指數(shù)SAIFe3+建立降塵量的反演模型，經(jīng)驗證對比表明兩者的可靠性均較高； 但后者精度更高，更適合用于鐵尾礦粉塵降塵量的高光譜遙感反演。

需要指出的是，大范圍的航空與航天遙感降塵監(jiān)測是基于植被的冠層尺度，而本文只是基于地面實驗的葉片尺度研究了鐵尾礦粉塵降塵量的高光譜反演方法，與大范圍、多尺度的遙感應(yīng)用還有一定差距。因此，后續(xù)研究將重點關(guān)注植物葉片與冠層尺度之間反演結(jié)果的轉(zhuǎn)換，為實現(xiàn)降塵量的大范圍航空、航天遙感監(jiān)測提供技術(shù)支持。

[1] 喬玉霜,王靜,王建英.城市大氣可吸入顆粒物的研究進(jìn)展[J].中國環(huán)境監(jiān)測,2011,27(2):22-26. Qiao Y S,Wang J,Wang J Y.Research progress of the inhalable particular in the urban air[J].Environmental Monitoring in China,2011,27(2):22-26.

[2] 彭杰,向紅英,王家強(qiáng),等.葉面降塵的高光譜定量遙感模型[J].紅外與毫米波學(xué)報,2013,32(4):313-318,343. Peng J,Xiang H Y,Wang J Q,et al.Quantitative model of foliar dustfall content using hyperspectral remote sensing[J].Journal of Infrared and Millimeter Waves,2013,32(4):313-318,343.

[3] 陳虎,沈衛(wèi)國,單來,等.國內(nèi)外鐵尾礦排放及綜合利用狀況探討[J].混凝土,2012(2):88-92. Chen H,Shen W G,Shan L,et al.Situation of discharge and comprehensive utilization of iron tailings domestic and abroad[J].Concrete,2012(2):88-92.

[4] 肖慧玲.粉塵污染下園林植物的光譜特征及光合特性研究[D].武漢:華中農(nóng)業(yè)大學(xué),2013. Xiao H L.Research on the Spectral and Photosynthetic Characteristics of Landscape Plants Under Dust Pollution[D].Wuhan:Huazhong Agricultural University,2013.

[5] 尹航.環(huán)境監(jiān)測方法匯編:大氣環(huán)境[M].北京:中國標(biāo)準(zhǔn)出版社,2007. Yin H.Methods of Environment Monitoring:Air Environment Assembly[M].Beijing:Standards Press of China,2007.

[6] 孫家抦.遙感原理與應(yīng)用[M].2版.武漢:武漢大學(xué)出版社,2009:25,33-57. Sun J B.Principles and Applications of Remote Sensing[M].2nd ed.Wuhan:Wuhan University Press,2009:25,33-57.

[7] Baddock M C,Bullard J E,Bryant R G.Dust source identification using MODIS:A comparison of techniques applied to the Lake Eyre Basin,Australia[J].Remote Sensing of Environment,2009,113(7):1511-1528.

[8] Gangale G,Prata A J,Clarisse L.The infrared spectral signature of volcanic ash determined from high-spectral resolution satellite measurements[J].Remote Sensing of Environment,2010,114(2):414-425.

[9] Markowicz K M,Zielinski T,Pietruczuk A,et al.Remote sensing measurements of the volcanic ash plume over Poland in April 2010[J].Atmospheric Environment,2012,48:66-75.

[10]趙英時.遙感應(yīng)用分析原理與方法[M].北京:科學(xué)出版社,2003:360. Zhao Y S.The Principle and Method of Analysis of Remote Sensing Application[M].Beijing:Science Press,2003:360.

[11]譚德軍,謝巨天,簡季,等.萬盛采礦區(qū)粉塵污染農(nóng)作物光譜特性分析[J].國土資源遙感,2013,25(2):121-130.doi:10.6046/gtzyyg.2013.02.21. Tan D J,Xie J T,Jian J,et al.Analysis on spectral characteristics of dust polluted crops in Wansheng coal mineing district[J].Remote Sensing for Land and Resources,2013,25(2):121-130.doi:10.6046/gtzyyg.2013.02.21.

[12]王濤,劉洋,吳海云,等.葉面塵對作物反射光譜及氮營養(yǎng)監(jiān)測的影響[J].光譜學(xué)與光譜分析,2012,32(7):1895-1898. Wang T,Liu Y,Wu H Y,et al.Influence of foliar dust on crop reflectance spectrum and nitrogen monitoring[J].Spectroscopy and Spectral Analysis,2012,32(7):1895-1898.

[13]萬余慶,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,2006:208-217. Wan Y Q,Tan K L,Zhou R P.Application of Hyperspectral Remote Sensing[M].Beijing:Science Press,2006:208-217.

[14]韓躍新,孫永升,李艷軍,等.我國鐵礦選礦技術(shù)最新進(jìn)展[J].金屬礦山,2015,44(2):1-11. Han Y X,Sun Y S,Li Y J,et al.New development on mineral processing technology of iron ore resources in China[J].Metal Mine,2015,44(2):1-11.

[15]劉永光,王曉雷.鐵尾礦資源化綜合利用的發(fā)展[J].現(xiàn)代礦業(yè),2010,26(2):28-30. Liu Y G,Wang X L.Development of comprehensive utilization of iron tailings as resource[J].Modern Mining,2010,26(2):28-30.

[16]黃勇剛.我國鐵尾礦資源的利用現(xiàn)狀及展望[J].資源與產(chǎn)業(yè),2013,15(3):40-44. Huang Y G.Utilization status and outlook of China’s iron ore tailings[J].Resources & Industries,2013,15(3):40-44.

[17]王佳文,王磊,胡繼元.東北老工業(yè)基地城市轉(zhuǎn)型的規(guī)劃思考——以《鞍山市城市總體規(guī)劃(2013-2020)》為例[J].城市規(guī)劃,2014,38(S2):105-113. Wang J W,Wang L,Hu J Y.Reflections on transition planning of old industrial base cities in northeast China:Taking the comprehensive plan of Anshan City as an example[J].City Planning Review,2014,38(S2):105-113.

[18]王忠紅,陳強(qiáng),劉華艷.鞍山地區(qū)鐵礦資源特點及開發(fā)利用建議[J].金屬礦山,2008,38(7):64-66. Wang Z H,Chen Q,Liu H Y.Characteristics of iron ore resources in Anshan region and suggestions on their exploitation and utilization[J].Metal Mine,2008,38(7):64-66.

[19]王晉年,鄭蘭芬,童慶禧.成象光譜圖象光譜吸收鑒別模型與礦物填圖研究[J].環(huán)境遙感,1996,11(1):20-31. Wang J N,Zheng L F,Tong Q X.The spectral absorption identification model and mineral mapping by imaging spectrometer data[J].Remote Sensing of Environment,1996,11(1):20-31.

[20]Yu H H,Xue X X,Huang D W.Synthesis of mesoporous silica materials(MCM-41) from iron ore tailings[J].Materials Research Bulletin,2009,44(11):2112-2115.

[21]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,2006:153-155. Tong Q X,Zhang B,Zheng L F.Hyperspectral Remote Sensing and It's Multidisciplinary Applications[M].Beijing:Publishing House of Electronics Industry,2006:153-155.

[22]劉良云.植被定量遙感原理與應(yīng)用[M].北京:科學(xué)出版社,2014:42-44. Liu L Y.Principle and Application of Plant Quantitative Remote Sensing[M].Beijing:Science Press,2014:42-44.

(責(zé)任編輯： 劉心季)

Spectral testing and quantitative inversion for dust of iron tailings on leaf

XU Ao， MA Baodong， LI Xingchun， WU Lixin

(Surveying&MappingEngineeringDepartment，NortheasternUniversity，Shenyang110819，China)

In China, iron tailings dumps have been accumulated up to about 5 billion tons. The tailings have led to extremely serious dust pollution. Therefore, dust effects on leaf spectra were studied on the basis of the observation of real experiments with Anshan mine tailings dust and by means of artificial simulated dust and spectral measurements. The dust samples of iron tailings were taken from the Anshan mining area. The quantitative inversion of foliar dustfall was realized by using the band of the best correlation between the dustfall and the vegetation leaf spectrum and the characteristics of absorption spectra of iron respectively. The results show that, when the dustfall of iron tailings on leaf increased, the differences of spectral curve between leaf and dust decreased. In the two inversion methods, dustfall and vegetation leaf spectral variables were significantly related to each other. Furthermore, the precision of the inversion modeling according to spectral characteristics of iron is higher than that of the one according to best correlation band. The results could provide basic model and technical basis for quantifying the amount of mining dust monitoring with hyperspectral remote sensing.

foliar dustfall； iron tailings； hyperspectral inversion； spectral absorption index

10.6046/gtzyyg.2017.01.25

徐奧,馬保東,李興春,等.植物葉面鐵尾礦粉塵光譜測試與定量反演實驗[J].國土資源遙感,2017,29(1)：164-169.(Xu A,Ma B D,Li X C,et al.Spectral testing and quantitative inversion for dust of iron tailings on leaf[J].Remote Sensing for Land and Resources,2017,29(1)：164-169.)

2015-07-06；

2015-08-14

國家自然科學(xué)基金青年基金項目“鐵礦區(qū)植被綜合脅迫的全波段光譜特征及協(xié)同反演模型”(編號： 41201359)資助。

徐奧(1992-),女,碩士研究生,主要從事環(huán)境遙感方面的研究。Email： xuao_2010@163.com。

吳立新(1966-),男,博士,長江學(xué)者特聘教授,主要從事環(huán)境與災(zāi)害遙感方面的研究。Email： digitalmine@126.com。

TP 79

A

1001-070X(2017)01-0164-06