西部典型煤礦區水體污染遙感監測應用

王 喆，余江寬，路云閣 （中國國土資源航空物探遙感中心，北京 100083）

煤炭是我國重要的能源來源，為國家提供了70%的能源，其年產能中約有75%來自于西部地區，但該地區水資源總量僅占全國的8.3%，生態十分脆弱。隨著中西部煤炭產量進一步提升，大規模集中開采將會對干旱缺水地區地下水和地表水資源造成嚴重破壞，如神木北部一帶湖淖數量已由開發前的869處減少到2008年的79處［1］，同時地表水污染堪憂［2］。西部煤礦區地處黃土高原，緊鄰黃河干流，是我國乃至全世界水土流失最嚴重的地區之一［3］。水土流失產生的泥沙（煤塵顆粒）本身就是一種面源污染物，同時也是各種有毒有害物質的主要攜帶者，可在降雨的徑流沖刷作用下進入受納水體，進而破壞水體環境［4］。西部煤礦區水體污染與土地挖損、壓占、塌陷一樣，是礦區土地退化的重要因素之一［5］。煤礦區同樣需要“綠水青山”，應加強煤礦區水環境遙感監測，探究我國西部煤礦區煤塵水體污染的面積、程度、變化和分布分異規律，為西部煤礦區土地退化防治與環境修復提供技術支撐，為行業管理提供決策依據。

遙感技術具有監測范圍廣、速度快、成本低和長期動態監測優勢［6］，適用于開展區域調查工作，可向管理部門提供時間和空間上的污染變化趨勢和分布情況。常規用于水質評價的參數主要為葉綠素a（Chl a）、氨氮、硝態氮、溶解磷、COD和懸浮物濃度6項。近年來，國內外已有不少學者針對以上6項水質指標開展遙感定量研究工作，研究波段范圍主要在350～1 000 nm譜段區間［7-10］。目前懸浮物濃度類文章主要以總懸浮物濃度（TSM）為研究對象［11-13］。水體中的懸浮物指懸浮于水中的一切有機和無機顆粒，它沒有固定組成，不同水體差別很大，不僅包括浮游植物及其殘體，還包括許多陸源無機和有機物，不同研究區域的水體懸浮物組成不同［14］?，F階段，由于GB 3838—2002《地表水環境質量標準》對懸浮物濃度沒有進行量化評價，所以懸浮物濃度未和前5項指標一樣受到足夠重視。不同于其他地區，煤礦開采區地表水體污染與煤質類固體懸浮物有密切關系，其濃度增加會造成礦區水體污染加重，導致水體顏色發黑、濁度增加、透光性差，影響水體光學特性，進而影響水生生物生長和初級生產力［15］。筆者使用遙感技術手段，旨在宏觀層面上研究煤礦區水體污染分布情況和規律，不細究懸浮物具體成分，將其造成的水體污染統稱為煤塵水體污染?；谏鲜鏊伎?，以煤塵污染的地表水體為研究對象，選取神東和準格爾2個西部典型煤礦區為研究區（分別代表井工開采和露天開采），對水體污染信息開展提取和統計分析。

1 研究區概況

神東、準格爾煤礦區是我國乃至亞洲最為重要的煤炭生產基地。神東礦區位于鄂爾多斯高原的東南部及陜北高原的北緣，區內大部分為典型的風成沙丘及沙灘地，地勢西北高東南低，中部高南北低，海拔800～1 385 m；準格爾礦區位于內蒙古自治區鄂爾多斯市準格爾旗東南部，東鄰黃河，地勢西北高東南低，中部高南北低，海拔1 200～1 400 m。2個礦區共有煤礦380個，其中神東礦區314個，準格爾礦區66個；按礦山規模分，2個礦區所有煤礦中，大型礦山146個，中型礦山145個，小型礦山89個，大中型礦山數量占比超過76%。煤炭資源的過度開采使得礦區植被資源破壞嚴重，水土大量流失，環境污染嚴重，土壤質量下降。

2 數據與方法

2.1 數據來源

ZY?3（資源三號）衛星搭載有1臺地面分辨率為2.1 m的高分辨率正視全色相機和1臺地面分辨率優于6 m的正視多光譜相機。參照DZ/T 0266—2014《礦產資源開發遙感監測技術規范》［16］，該數據可用于煤礦區土地挖損、壓占等土地退化因素的遙感解譯和監測調查工作，符合1∶5萬比例尺調查與監測精度要求。因其僅能提供真彩色影像數據，在實際工作中可用于識別礦區內典型煤塵污染水體，但對于輕至中重度煤塵污染水體的解譯效果不理想。同時，煤礦區水體分布零散、數量多，解譯工作難度大，容易造成水體圖斑遺漏。

選擇Sentinel?2A（哨兵2號）衛星數據作為補充（表1），其數據新、質量高，波段設置可覆蓋可見光（VIS）至短波紅外（SWIR）（433～2 190 nm），空間分辨率為10、20和60 m，L1C級別數據使用Sentinel?2工具箱中Sen2cor大氣校正模塊校正后，仍有10個波段可用于對地觀測分析。已有國外學者使用該方法進行大氣校正，并開展了葉綠素a、有色可溶性有機物（CDOM）、總懸浮物濃度和可溶性有機碳（DOC）等多種水體指標的反演和研究工作［17-19］。筆者使用經過大氣校正后的Sentinel?2A數據開展水體污染信息提取和分析工作。

表1 Sentinel-2A波段設置及空間分辨率Table 1 Sentinel‐2A spectral bands definition and spatial resolution

2.2 研究方法

在保證影像數據質量情況下，不同類型影像數據應選擇最接近的獲取時間，以減少誤差。選取時相為2017年5月24日的Sentinel?2A數據和2017年5月26日的ZY?3數據，并將Sentinel?2A數據重采樣為10 m空間分辨率，ZY?3數據保持原始空間分辨率。以2012年全國土地衛星遙感圖數字正射影像（DOM）為基礎底圖（分辨率優于2.5 m），對數據進行幾何配準，確保誤差在2個像元以內。使用歸一化差異水體指數（NDWI，INDW）提取水體范圍并驗證，之后采用SWIR經驗模型結合目視解譯的方法對煤塵水體污染信息開展識別提取。

2.2.1 歸一化差異水體指數（NDWI）

首先明確地表水體的分布范圍，該范圍應包含正常水體與污染水體。使用NDWI提取水體范圍［20］，可以抑制與水體無關的背景信息，提高水體提取精度，其公式為

式（1）中，Green為綠光波段；NIR為近紅外波段，在sen?tinel?2影像中，分別對應 3和8a波段。但徐涵秋［21］發現該方法在提取城市范圍內的水體方面很不成功。筆者使用ZY?3高分辨率影像數據對水體范圍提取結果進行人工驗證，提取結果雖然能夠準確包含礦區內所有地表水體，但也包含了一些建筑物等非水體信息。將夾雜在水體提取結果中的建筑物反射率波譜和水體反射率波譜進行對比，發現建筑物在各個波段的反射率明顯高于水體反射率。因此，僅使用Sentinel?2A短波紅外波段并將反射率的閾值設置為0.3，即可將建筑物信息從水體結果中濾除。最后使用ZY?3數據對水體范圍進行再次驗證，確保水體范圍信息提取準確。

2.2.2 水體污染信息提取與分類

再例如，有一篇文章，題目為“5 Ways to Just Enjoy retirement”。題目一目了然，看到這樣的題目，聽者心里便會放松許多，減少了許多盲目性。只要注意區分是哪五種享受退休生活的方式，并記下相關信息就行了。

在ZY?3高分辨率影像數據上，通過目視解譯分別在2個礦區內選擇10個色調呈深黑色的典型污染水體，并在Sentienl?2A影像上獲取相同點位對應的水體波譜信息。由于大洋潔凈水體在短波紅外波段反射率很低，而該類污染水體在Sentienl?2A影像近紅外至短波紅外波段存在明顯異常，其原因在于水體中煤質類固體懸浮物顆粒的后向散射作用使水體在短波紅外波段有較高的反射率。該特征與泥土在水體中的作用有一定相似性［22］，但含泥土的水體和煤塵污染水體反射率波譜特征存在明顯差異（圖1），圖中各類地物反射率波譜曲線均提取自Sentinel?2A影像。

基于上述思考，使用SWIR經驗模型可獲取煤塵水體污染指數（Index），其公式為

式（2）中，SWIR為短波紅外波段反射率；NIR為近紅外波段反射率。

圖1 典型地物反射率光譜曲線Fig.1 Spectral reflectance curves of typical surface objects

作為定性評價，將提取結果分為優質水體、良好水體、輕度污染水體和重度污染水體共4類，因此需要對水體污染灰度圖進行閾值分割。目前已有多種設定閾值的方法，對于不同地區、不同數據類型、不同時相，閾值的具體取值也會有所不同［23-24］。筆者選取均值方差法，以影像灰度均值和方差作為半定量指標，其在遙感水體污染提取分類方面已取得較好的應用效果［25-26］。

2.2.3 水體污染信息結果驗證

使用ZY?3高分辨率數據對水體信息進行目視解譯，并與水體污染信息提取分類結果進行對比驗證。清澈水體的反射率可以近似表示為藍光＞綠光＞紅光＞近紅外＞中紅外［21］，亮度較暗的水體水質也較差［27］。因此在真彩色圖像上，清澈水體多呈現藍色至淺綠色色調，而煤礦區內的典型污染水體多呈深墨綠色至黑色色調，部分水體色調與煤堆、煤矸石等深色地物已無法區分。在ZY?3影像上人工圈定10個典型重度污染水體和1個典型良好-優質水體。良好-優質水體選擇在神東礦區東部9 km處的紅堿淖風景區，湖面面積約41.8 km2，影像呈現藍色至深綠色色調。

經對比分析，人工解譯的10個典型重度污染水體范圍全部為紅色像元，表明水體污染信息提取分類結果與解譯結果一致；人工解譯的1個典型良好-優質水體中，約有43.02%的面積為優質水體，24.60%為良好水體，31.99%為輕度污染水體，0.39%為重度污染水體。人工解譯的良好-優質水體中存在污染水體，其原因為紅堿淖距離煤礦區較近，容易受到煤炭粉塵污染；此外，目視解譯在區分水體具體污染程度時存在一定局限性，因此可認為水體污染信息提取分類結果符合實際情況。綜上可知，用SWIR經驗模型提取煤塵水體污染信息具有較高可信度，用均值方差法對水體污染信息進行閾值分割效果較好。

3 結果與分析

3.1 水體污染分布范圍統計分析

對神東和準格爾2個礦區地表水資源提取結果進行統計分析，結果表明神東礦區地表水體總面積為911.40 hm2，礦區面積為45萬 hm2，水體占比為0.203%；準格爾礦區地表水體總面積為4 042.83hm2，礦區面積為35萬hm2，水體占比為1.155%。準格爾礦區水體范圍比例高于神東礦區的主要原因在于該研究區范圍內包含部分黃河干流，研究時段（2017年5月）屬于豐水期；神東礦區雖然面積較大，但是水體零星分布，烏蘭木倫河水流量較小。

圖2 礦區4類污染水體分布面積統計Fig.2 Area statistics of four kinds of polluted water

3.2 水體污染分布特征分析

3.2.1 水體空間分布特征

采用ZY?3數據作為影像底圖，疊加Sentienl?2A提取的水體污染結果，得到典型水體污染特征分布見圖3。礦區內部地表水體由于靠近污染源頭且水體流動性差，多數水體為重度污染，部分水體在ZY?3真彩色影像上呈現深黑色調。準格爾礦區北部準格爾旗中的河流水體以輕度污染為主，表明煤礦開采對周邊居民地水系有一定影響。準格爾核心采煤區西15 km處溝壑間水系主要為重度污染水體，該區域遠離煤礦區且地勢略高于煤礦開采面。

以上結果表明，煤礦開采過程因其爆破、運輸、裝卸等生產工藝而產生大量粉塵，且粉塵在受到各種因素影響后會產生不同程度的運移擴散［30］，而后由于雨水的沖刷淋濾作用，煤塵顆粒物匯聚于地表水體中，從而造成水體污染，水體流動性差、水循環慢的地點煤塵水體污染情況更嚴重。如溝壑水系多為死水，僅靠降水補給，煤塵顆粒會在此類水體中高度聚集，形成重度污染水體。

結合3.1節內容可知，無論井工開采還是露天開采，均會造成礦區周邊地表水體污染。因此2種煤礦開采方式都需要重視煤炭粉塵治理，防止粉塵擴散造成二次污染。

3.2.2 黃河干流水體污染情況

在準格爾礦區內，有70～80個煤礦緊鄰黃河干流分布。從圖4可知，準格爾礦區上游的黃河干流水體主要為優質水體，表明受煤礦開采活動影響很??；進入研究區后，黃河干流輕度污染和重度污染水體交替出現，且多數重度污染水體出現的流域河道兩側附近都存在煤礦開采面。礦區下游的黃河干流以輕度污染為主，這是因為上游污染物質隨水流發生擴散運移。

黃河干流水流量大、更新快，若是以風和雨水搬運作用為主的煤塵作為單一污染源，不容易造成水體高度污染。但是我國目前廣泛采用濕法選煤工藝進行選煤處理，其過程會產生大量廢水，廢水中含有大量以煤泥顆粒為主的固體懸浮物［31］。因落后的洗煤工藝、技術和成本控制等問題，不排除個別企業將未達標廢水外排。

以上結果表明，黃河干流煤塵污染水體與煤礦開采活動的空間位置具有高度相關性，煤礦開采活動造成了黃河干流水體污染；此外，黃河干流污染水體會向下游擴散，致使污染面積和影響范圍擴大，從而造成區域水資源破壞。

4 結論

利用時相為2017年5月24日的Sentinel?2A和2017年5月26日的ZY?3數據衛星數據，對神東和準格爾2個西部典型煤礦區煤塵水體污染情況進行了提取分類和統計分析，得到以下結論：

（1）不論是以井工開采為代表的神東礦區還是以露天開采為代表的準格爾礦區，由煤礦開采活動造成的地表水污染均十分嚴重，其中神東礦區地表水體占礦區總面積比例為0.203%，其中重度污染水體比例為64.79%，輕度污染水體比例為21.65%，污染水體總比例為86.44%；準格爾礦區地表水體占礦區總面積比例為1.155%，重度污染水體比例為35.28%，輕度污染水體比例為39.54%，污染水體總比例為74.82%。神東礦區地表水資源少，污染更嚴重，主要原因為該地區水體流動性差。

圖3 典型水體污染情況提取結果Fig.3 Typical polluted water in coal mining areas

圖4 準格爾礦區黃河干流水體污染情況分布圖Fig.4 Distribution of polluted water in the Yellow River nearby Zhungeer coal mining areas

（2）造成水體污染的主要因素在于煤塵顆粒和洗煤廢水。煤炭粉塵易隨風擴散，后因雨水沖刷淋濾作用匯聚于地表水體，造成水體污染。準格爾礦區大量煤礦開采活動緊鄰黃河干流分布，造成了黃河干流水體污染。西部煤礦區不僅要重視如洗煤廢水、煤矸石長期堆積產生的淋溶液和建筑廢水等常規污染源，也應長期開展煤塵綜合防護治理，重視煤塵導致的地表水體污染。

（3）筆者采用高空間分辨率數據目視解譯與SWIR經驗模型相結合的方法提取煤塵污染水體分布范圍，該方法優于傳統目視解譯，其人為干預少、理論依據明確、可快速開展評價、能在宏觀層面為礦區管理者提供指導依據，適合在煤礦區開展長期動態監測。

由于時間和經費原因，該研究缺少實地采樣化驗數據。在后續工作中，將增加實地采樣化驗和定量反演工作，對方法技術流程進行進一步優化。