帥爽，張志，呂新彪，陳思，馬梓程，謝翠容

1.中國地質大學（武漢）地質調查研究院,武漢 430074;2.中國地質大學（武漢）地球物理與空間信息學院,武漢 430074;3.湖北省國土測繪院,武漢 430010

1 引言

灰塵是氣溶膠系統(tǒng)的主要成分（Kaufman 等，2001），會影響空氣質量、大氣化學成分和氣候狀況（Fairlie 等，2007）。葉面降塵指大氣中的浮塵經(jīng)重力沉降后，在植物葉片表面所形成的積塵（彭杰 等，2013）。植被通過葉面降塵現(xiàn)象固定空氣中的灰塵，達到凈化空氣的效果（Zhu 等，2020），但過量的葉面降塵會阻礙植物生長，降低生產(chǎn)力，改變植物的群落結構，還會導致葉片壞死（Kayet 等，2019；Vellak 等，2014）。葉面降塵的塵源可分為自然源和人為源兩大類（Tegen 等，2004），自然源包括沙塵暴、火山爆發(fā)、海洋飛沫等，人為源包括工程建設、交通運輸、礦產(chǎn)資源開發(fā)等（Ma等，2020）。其中礦山粉塵富集大量重金屬的顆粒物（Allen等，2001），對礦山周邊居民健康和植被生態(tài)造成嚴重威脅。因此在礦山及周邊區(qū)域監(jiān)測葉面降塵狀況能有效反應礦山粉塵污染狀況。本研究提出了一種利用衛(wèi)星遙感數(shù)據(jù)快速獲取礦山周邊區(qū)域葉面降塵范圍、強度，同時區(qū)分自然降塵和礦山降塵的方法。

葉面降塵的光譜響應特征是利用光學遙感數(shù)據(jù)監(jiān)測葉面降塵量的基礎。前人對不同區(qū)域、不同塵源、不同植被類型的葉面降塵光譜特征進行了定量研究。Chudnovsky 和Ben-Dor（2008）利用可見光—短波紅外波段反射率數(shù)據(jù)研究室內(nèi)降塵量和降塵礦物成分，發(fā)現(xiàn)可見光區(qū)間光譜指標可用于估算樣品中的礦物和有機物相對含量。彭杰等（2013，2015）對南疆受沙塵暴影響的榆樹葉片和香梨樹葉片的葉面降塵光譜特征進行了研究，認為葉面降塵可提高綠色植物葉片可見光波段的反射率，降低近紅外波段的反射率，對三邊位置沒有影響。Yan 等（2015）和Zhu 等（2019）等通過分析北京市大葉黃楊的葉面降塵光譜特征，研究城市的空氣粉塵污染狀況。Yan等（2015）發(fā)現(xiàn)在近紅外波段（780—1300 nm），降塵葉面光譜的反射率明顯低于無塵葉面。Zhu等（2019）發(fā)現(xiàn)對大葉黃楊的葉面降塵量最敏感的光譜區(qū)間為695—1400 nm，降塵葉面光譜紅邊位置明顯藍移，且“藍移”距離隨降塵量增加而增大。在此基礎上，Zhu 等（2020）分析了不同葉面降塵成分（煤塵，水泥塵和純土塵）的光譜響應特征差異，發(fā)現(xiàn)在760—1400 nm，隨著葉面降塵量增加，煤塵，水泥塵和純土塵葉面反射率的減小幅度依次降低。Kayet 等（2019）、Ma 等（2020）、Ma 等（2017）、Zhao 等（2020）研究鐵礦、煤礦礦區(qū)林地、草地植被葉面降塵的光譜響應特征，獲得了相似的結果，即葉面降塵導致植被可見光區(qū)間反射率升高，近紅外區(qū)間反射率降低。Ma 等（2020）通過模擬礦山粉塵的點源、線源擴散特征，利用三維離散各向異性輻射傳輸（DART）模型模擬了植被冠層的滯塵響應光譜，同時分析了像元尺度上，植被覆蓋度對葉面滯塵量估算的影響。這些研究定量分析了葉面、冠層、像元不同尺度上降塵量變化的植被光譜響應特征，但少有研究分析降塵的礦物成分差異，及其引起的葉面降塵光譜響應特征差異。尤其對于礦山區(qū)域，不同礦物組成的礦山粉塵滯留于葉面上可能形成不同的光譜特征。

在開展葉面降塵的光譜響應特征研究的基礎上，前人利用多光譜和高光譜遙感數(shù)據(jù)進行了葉面降塵量定量反演。Jing等（2018）利用支持向量機（SVM）、分類回歸樹（CART）和隨機森林（RF）等機器學習算法構建了葉面沉降量與光譜參數(shù)的關系模型，結果表明RF 的預測模型精度更高（R2=0.879）。Zhao等（2020）利用實測光譜與實測葉面降塵量數(shù)據(jù)建立葉面降塵量反演模型，并應用于機載高光譜數(shù)據(jù)完成區(qū)域尺度葉面降塵量制圖。Ma 等（2017）和Zhao 等（2020）針對礦區(qū)周邊的粉塵污染問題，利用實測光譜與實測葉面降塵量數(shù)據(jù)建立葉面降塵量反演模型，并應用于Hyperion 和OLI 數(shù)據(jù)，獲取了不同礦山地物周邊的葉面降塵量分布。王皓飛等（2016）利用OLI的綠波段和NDVI 構建了降塵量反演模型。Yan 等（2015）基于實測數(shù)據(jù)，利用BP 神經(jīng)網(wǎng)絡方法構建降塵量預測模型，并應用于MODIS 數(shù)據(jù)，獲取了北京市葉面降塵量狀況。這些研究大多在葉面尺度建立預測模型，直接應用于航空航天遙感數(shù)據(jù)，未考慮像元尺度下混合像元效應、植被類型、冠層結構和植被覆蓋度差異對預測模型適應性的影響（Sims 和Gamon，2002；Stagakis 等，2010）。另外，基于實測數(shù)據(jù)構建經(jīng)驗預測模型進行葉面降塵量遙感監(jiān)測的方法依賴野外采樣測試工作，難以實現(xiàn)大區(qū)域葉面降塵的快速監(jiān)測。同時，構建的預測模型也難以直接應用于其他區(qū)域。

前人還通過構建新植被指數(shù)、評估已有植被指數(shù)對葉面降塵的敏感程度來獲取葉面降塵范圍和強度。彭杰等（2013）構建了葉面降塵差值指數(shù)FDCDI（R852-R673）、葉面降塵比值指數(shù)FDCRI（R852/R673）以及葉面降塵歸一化指數(shù)FDCNI（（R852-R673）/（R852+R673））。Zhang 等（2014）發(fā)現(xiàn)結構不敏感色素指數(shù)SIPI（（R800-R445）/（R800-R680））、植被水分指數(shù)PWI（（R900/R970）×（R860+R1240）/（R860-R1240））與葉面煤炭粉塵量的相關性較強。Su 等（2019）認為歸一化差異物候指數(shù)（NDPI）（Wang 等，2017）更適宜用于構建葉面降塵量回歸模型。然而，這些植被指數(shù)大多是針對高光譜數(shù)據(jù)設計的，無法應用于OLI、哨兵二號等多光譜衛(wèi)星遙感數(shù)據(jù)。

特征向量主成分選擇方法FPCS（Featureoriented Principal Components Selection）由Crósta 和Moore（1989）提出，廣泛應用于鐵氧化物、羥基礦物、碳酸根礦物等遙感礦化蝕變“弱信息”提取（Liu等，2011，2018；Jain等，2018；Moradpour等，2022；Wambo 等，2020）。傳統(tǒng)的主分成分析（PCA）方法使用遙感數(shù)據(jù)的全部波段進行主成分變換，礦化蝕變等“弱信息”往往包含于高順位的主分量中，而這些高順位主分量圖像中含有大量噪聲，對目標信息提取造成了較大干擾（Crósta和Moore，1989）。FPCS 方法是根據(jù)目標地物波譜特征，針對性選擇若干個診斷性波譜特征對應的波段進行主成分分析（?zyava?，2016），這樣目標地物信息就更有可能包含于噪聲信息較少的低順位主分量中（Crósta 和Moore，1989）。葉面降塵信息對于正常植被來說，也是一種“弱”的“異常信息”。此次研究中首次嘗試利用FPCS 方法提取葉面降塵信息。

此次研究旨在分析評價哨兵二號遙感數(shù)據(jù)對不同來源葉面降塵的光譜響應敏感性，同時提出一種快速、可靠的區(qū)域性葉面降塵信息提取方法，為礦區(qū)粉塵污染監(jiān)測提供一種新思路。

2 研究區(qū)及數(shù)據(jù)源

2.1 研究區(qū)概況

研究區(qū)位于內(nèi)蒙古自治區(qū)新巴爾虎右旗阿敦楚魯蘇木的甲烏拉—查干鉛鋅銀礦區(qū)（圖1（a）），礦區(qū)大規(guī)模建設始于2001 年，2007 年礦山開采系統(tǒng)逐漸完善，投生產(chǎn)運營的礦井逐漸增多（高德榮 等，2016）。礦區(qū)廢石堆分布在礦井周邊，無防塵措施，尾礦庫壩頂多修筑防塵網(wǎng)，礦山道路聯(lián)通各礦山地物，道路兩側無防塵設施。礦區(qū)植被類型主要為草地。區(qū)內(nèi)葉面降塵空間分布與風要素關系密切（Rodríguez 等，2009），由國家氣象信息中心網(wǎng)站（http：//www.nmic.cn/data［2021-01-05］）獲取新巴爾虎右旗氣象觀測站近20 年風向和風速數(shù)據(jù)，分析得知區(qū)內(nèi)春秋冬季干旱，多西北風，每年2—5 月和9—10 月累年月優(yōu)勢風向為西北風，累年月平均風速常年在3 m/s 左右，其中4—5 月份達到4 m/s 以上。區(qū)內(nèi)葉面降塵的塵源主要有兩種，一是來自鉛鋅礦礦山開發(fā)中礦石、廢石的轉運和堆放，在晴天風速大于2.5 m/s，尾礦庫和礦石堆即可發(fā)生風蝕揚塵（?or?evi? 等，2004；Etyemezian，2003）。鉛鋅礦揚塵的主要化學成分為SiO2，CaO，Al2O3，F(xiàn)e2O3等，顏色呈淡藍色（宋國策和張志，2020）；二是區(qū)內(nèi)沙地和干涸的湖泊，2004 年全國沙漠化普查顯示，呼倫貝爾沙化土地總面積131萬ha，新巴爾虎右旗又是呼倫貝爾市沙地分布的核心區(qū)（趙慧穎，2007），沙地內(nèi)松散物質在風力作用下傳播形成葉面降塵。Google Earth 影像顯示礦山尾礦庫（圖1（b））和干涸湖泊（圖1（c））優(yōu)勢風向的下風向草地葉面滯塵現(xiàn)象十分明顯。

圖1 研究區(qū)、訓練區(qū)位置與礦山、干涸湖泊揚塵影像特征（干涸湖泊揚塵區(qū)指，在枯水期，湖泊干涸后，湖底細粒沉積物露出地表在風力作用下形成的揚塵區(qū)域）Fig.1 The location of the study area and training areas，and the image of dust from mines and dry lake

2.2 遙感數(shù)據(jù)及處理

哨兵二號遙感數(shù)據(jù)由歐州航天局（https：//scihub.copernicus.eu/［2020-11-20］）提供。由于區(qū)內(nèi)草地生長期為5—9 月，此次研究中收集了研究區(qū)2019 年9 月18 日采集的L1C 級哨兵二號A 星遙感數(shù)據(jù)和2019 年8 月22 日采集的高分一號遙感數(shù)據(jù)，數(shù)據(jù)云覆蓋量均小于5%。哨兵二號A 星（S2A）波段設置及參數(shù)如表1。利用Sen2cor 軟件對S2A 數(shù)據(jù)進行輻射定標和大氣校正，排除水汽（B9）和卷云（B10）波段，獲得11 波段（B1-8A，B11-12）空間分辨率為10 m 的地表反射率數(shù)據(jù)。同時，對高分一號遙感數(shù)據(jù)進行大氣校正、幾何校正、圖像融合，獲得4波段（藍、綠、紅、近紅外）空間分辨率為2 m的正射影像。

表1 哨兵2號A星（S2A）波段設置及參數(shù)Table 1 Band settings and parameters of Sentinel-2A

3 研究方法

此次工作在選擇合適訓練區(qū)，在分析葉面降塵植被與正常植被的光譜特征差異以及不同塵源的葉面降塵光譜特征差異基礎上，利用FPCS 方法提取葉面降塵范圍和強度；構建塵源光譜指數(shù)DSI（Dust-source Spectrum Index），區(qū)分提取的葉面降塵信息的塵源類別；結合利用高分遙感數(shù)據(jù)提取礦山地物信息，分析葉面降塵信息與礦山地物的空間相關性；針對不同塵源葉面降塵訓練區(qū)，利用MNF（Minimum Noise Fraction）、PPI（Pixel Purity Index）等方法，提取、對比不同塵源純凈像元光譜差異，并分析不同塵源的礦物組成差異。研究方法和流程如圖2。

圖2 研究方法與技術流程Fig.2 Methods and technical flow of this research

3.1 光譜特征分析

結合野外踏勘和哨兵二號遙感影像特征，分別選取礦山揚塵區(qū)、干涸湖泊揚塵區(qū)和遠離塵源的正常植被區(qū)3 種不同葉面降塵狀況的訓練區(qū)（圖1（a）），其中礦山揚塵和干涸湖泊揚塵訓練區(qū)分別選取在礦山廢石堆和干涸湖泊的下風向揚塵影像特征明顯的區(qū)域，正常植被訓練區(qū)選取在遠離礦山和自然塵源，植被光譜特征典型的區(qū)域。計算訓練區(qū)內(nèi)像元的反射率均值光譜（圖3），對比S2A 反射率數(shù)據(jù)對不同葉面降塵狀況的響應特征。結果顯示，在可見光波段（B1—B4），葉面降塵像元（礦山、干涸湖泊揚塵區(qū)）反射率大于正常植被像元，而對于近紅外波段（B5—B8A），葉面降塵像元反射率小于正常植被。葉面降塵像元綠波段（B3，559.8 nm 附近）至紅波段（B4，664.6 nm 附近）斜率大于正常草地像元。紅邊特征方面，葉面降塵像元紅邊斜率小于正常植被，紅邊位置也稍向短波方向移動。礦山揚塵區(qū)像元均值光譜與干涸湖泊揚塵區(qū)像元均值光譜相比，可見光波段和短波紅外（B11、B12）波段反射率值更大，近紅外波段兩者反射率接近。另外，礦山揚塵區(qū)像元在8A 波段（864.7 nm 附近）顯示出微弱吸收特征。

圖3 訓練區(qū)像元均值反射率光譜曲線Fig.3 Mean reflectance of training areas pixels

前人研究表明，葉面降塵量與距塵源的距離成反比（Ma 等，2020）。同時選取影像上葉面降塵特征明顯的典型廢石堆揚塵區(qū)（圖1（e））和干涸湖泊揚塵區(qū)（圖1（d）），按照距離塵源由近及遠、等間距（40 m）選取光譜采樣點，對比各光譜采樣點反射率變化情況，分析對于不同塵源，S2A 反射率數(shù)據(jù)對葉面降塵量變化的響應特征，如圖4。結果顯示隨著遠離塵源，礦山廢石堆揚塵區(qū)與干涸湖泊揚塵區(qū)像元光譜特征的變化顯示出不同規(guī)律。對于廢石堆揚塵區(qū)，隨著遠離塵源，像元反射率曲線形態(tài)變化不明顯，各波段反射率值整體降低，紅邊位置逐漸向長波方向移動。另外，大多數(shù)采樣像元在8A 波段（864.7 nm附近）顯示出吸收特征。對于干涸湖泊揚塵區(qū)，隨著遠離塵源，像元反射率曲線形態(tài)有一定變化，紅波段（B4，664.6 nm 附近）處吸收特征逐漸顯現(xiàn)，在可見光波段，反射率逐漸降低，而在近紅外波段，反射率逐漸升高，紅邊位置逐漸向長波方向移動。

圖4 距塵源不同距離采樣點光譜曲線對比Fig.4 Comparison of sampling points reflectance curves at different distances to the dust source

3.2 特征向量主成分選擇方法（FPCS）

在分析S2A 反射率對葉面降塵信息的光譜響應特征的基礎上，利用特征向量主成分選擇（FPCS）方法提取研究區(qū)葉面降塵范圍和強度。本文將葉面降塵信息視作對于正常植被的是一種“弱”的“異常信息”，按照FPCS 方法，選擇若干個區(qū)分降塵葉面與正常葉面診斷性波譜對應的波段進行主成分分析，獲取特征向量載荷因子矩陣（吳志春 等，2018）。特征向量載荷因子表達了各主分量與原始波段的相關性，載荷因子的正、負符號指示主分量與對應波段的正、負相關性，載荷因子數(shù)值的大小則表示主分量與對應波段相關性大?。▍侵敬?等，2018）。根據(jù)葉面降塵像元光譜吸收、反射的特征波段位置，選擇與目標地物光譜吸收、反射特征最相關的主分量進行信息提取，并通過設置適當閾值獲取研究區(qū)葉面降塵的分布和強度。

3.3 葉面降塵的塵源光譜指數(shù)

在提取研究區(qū)葉面降塵范圍的基礎上，增強自然降塵像元與礦山降塵像元的圖像反射率差異，以達到識別并區(qū)分葉面降塵像元的塵源的目的，此次研究利用礦山塵源葉面降塵像元與自然塵源葉面降塵像元的光譜差異構建光譜指數(shù)，以區(qū)分礦山塵源葉面降塵與自然塵源葉面降塵的范圍。訓練區(qū)像元均值光譜（圖3）和采樣點像元光譜（圖4）分析結果顯示：相比自然塵源葉面降塵像元，礦山塵源像元在864.7 nm（B8A）附近呈現(xiàn)特殊的吸收特征。依據(jù)此特征，選取S2A 數(shù)據(jù)B8、B8A和B11波段構建了適宜本研究區(qū)的葉面降塵的塵源光譜指數(shù)DSI（Dust-source Spectrum Index）：

式中，R代表B8、B8A和B11波段反射率，由于相對自然塵源像元，礦山塵源像元反射率在B8A 波段顯示吸收特征，B8 和B11 波段為該吸收谷兩側的反射峰，所以R（B8）與R（B11）相加，再除以R（B8A）可以增大礦山塵源像元的值，以及礦山塵源與自然塵源像元的差異。

3.4 礦山地物信息提取與空間相關性分析

利用高分一號遙感數(shù)據(jù)對研究區(qū)礦山地物進行目視解譯，重點解譯尾礦庫、廢石堆、礦山道路等礦山塵源的分布狀況。在利用哨兵二號數(shù)據(jù)和FPCS 方法提取研究區(qū)葉面降塵范圍和強度，利用塵源光譜指數(shù)（DSI）區(qū)分自然塵源和礦山塵源的基礎上，按照葉面降塵強度類型對研究區(qū)像元進行分類賦值（高降塵強度、中降塵強度、低降塵強度和無降塵像元分別賦值為3，2，1，0），并計算各類礦山塵源外圍等距離范圍內(nèi)（0—100 m，100—200 m，200—300 m，…，900—1000 m）像元的降塵強度分類賦值的均值變化情況，分析提取的葉面降塵信息與礦山地物分布的空間相關性，同時分析各類型礦山地物周邊揚塵擴散的空間特征。

3.5 塵源純凈像元提取與光譜特征匹配

為了探討礦山塵源與自然塵源葉面降塵光譜特征差異的原因，提取并對比研究區(qū)S2A 數(shù)據(jù)上典型廢石堆揚塵區(qū)（圖1（e））和干涸湖泊揚塵區(qū)（圖1（d））塵源純凈像元光譜，分析研究區(qū)礦山塵源與自然塵源的光譜與礦物成分差異，具體步驟如下：

（1）正交化處理。利用最小噪聲分離（MNF）（Green 等，1988）變換方法對研究區(qū)哨兵二號影像數(shù)據(jù)進行正交化處理，去除各波段間冗余信息。

（2）光譜端元提取。選擇MNF變換后的前4 個主分量，使用純凈像元指數(shù)PPI（Pixel Purity Index）方法對圖像中的像元進行迭代運算，找出圖像中相對純凈的像元。利用ENVI 5.3 平臺的N維可視化功能（The n-D Visualizer），結合影像特征，分別獲取礦山塵源和干涸湖泊塵源的端元光譜。

4 實驗結果

4.1 葉面降塵信息提取

此次葉面降塵信息提取的思路是，利用FPCS方法，增強葉面降塵像元與正常植被像元的差異。首先計算研究區(qū)歸一化植被指數(shù)，并通過試錯法，確定0.32 的閾值排除植被以外的其他地物。由于葉面降塵植被光譜與正常植被光譜的差異主要體現(xiàn)在可見光波段和近紅外波段，選擇S2A 數(shù)據(jù)B1（442.7 nm附近）、B2（492.4 nm附近）、B3（559.8 nm附近）、B4（664.6 nm 附近）、B8（832.8 nm 附近）和B8A（864.7 nm附近）波段進行主成分分析，獲得了特征向量載荷因子矩陣（表2）。

表2 特征向量載荷因子矩陣Table 2 Load factor matrix of eigenvector

葉面降塵植被像元與正常植被像元反射率特征差異主要表現(xiàn)為：可見光波段，葉面降塵像元反射率大于正常植被像元；近紅外波段，葉面降塵像元反射率小于正常植被像元。PC2與可見光波段特征向量載荷因子均為正，與近紅外波段特征向量載荷因子均為負，表明PC2與可見光波段（B1、B2、B3 和B4）呈正相關，與近紅外波段（B8 和B8A）呈負相關。同時，PC2對應B1、B2、B8 和B8A 的特征向量載荷因子值較高，表明PC2與這些波段相關性較高。所以在PC2圖像上，葉面降塵植被像元應表現(xiàn)為高值，而正常植被像元應表現(xiàn)為低值。選擇PC2圖像設置適當閾值提取葉面降塵范圍、劃分降塵強度。閾值的選取使用礦物蝕變信息提取中劃分蝕變異常等級的方法（張玉君 等，2003），利用均值（X）和標準差（σ）的線性組合（X+kσ）確定葉面降塵下限和劃分降塵強度等級。此次研究中以影像上植被葉面降塵特征明顯的區(qū)域為訓練區(qū)（圖1（d）、（e）區(qū)域），使用試錯法確定系數(shù)k的取值，最終確定葉面降塵下限（低降塵區(qū)下限）為X+1.5σ，中降塵區(qū)下限為X+2.5σ，高降塵區(qū)下限為X+3.5σ，葉面降塵提取效果如圖5（b）。

圖5 不同方法葉面降塵信息提取效果對比Fig.5 Comparison of foliar dust information extraction results with different methods

為對比本文方法的效果，利用（Ma等，2017）等構建的葉面降塵量反演模型（-286.5·NDVI+244.9，R2=0.999），同樣利用試錯法確定葉面降塵下限和劃分降塵強度等級，最終確定葉面降塵下限（低降塵區(qū)下限）為X+1.5σ，中降塵區(qū)下限為X+2σ，高降塵區(qū)下限為X+3σ，葉面降塵提取效果如圖5（a）。

4.2 塵源的識別

在提取研究區(qū)葉面降塵范圍的基礎上，利用葉面降塵的塵源光譜指數(shù)（DSI）區(qū)分礦山塵源葉面降塵與自然塵源葉面降塵的范圍。利用葉面降塵提取結果對研究區(qū)S2A 反射率數(shù)據(jù)進行掩膜處理后計算DSI 指數(shù)，以X+1.5σ為閾值，獲取了研究區(qū)礦山塵源葉面降塵與自然塵源葉面降塵的分布（圖6）。提取的礦山塵源葉面降塵像元主要分布在廢石堆（圖6（a））、尾礦庫、礦山道路等礦山地物周邊，而自然塵源葉面像元主要分布于干涸湖泊（圖6（b））、沙地等自然塵源周邊。

圖6 葉面降塵塵源分類結果Fig.6 Classification results of foliar dust source

4.3 葉面降塵與礦山地物的空間相關性

研究區(qū)內(nèi)礦山地物（礦山道路、尾礦庫、廢石堆等）與自然塵源、礦山塵源葉面降塵分布及強度如圖7（a）。礦山地物周邊0—100 m，100—200 m，200—300 m，…，900—1000 m 等距離范圍內(nèi)的像元自然塵源、礦山塵源降塵強度分類賦值均值變化情況如圖7（b）。結果顯示提取的礦山塵源葉面降塵像元與礦山地物的空間相關性更強，礦山地物周邊700 m 范圍內(nèi)，各等距離范圍內(nèi)礦山塵源像元強度賦值均值均大于自然塵源分類像元，并隨遠離礦山塵源規(guī)律性減小，表明提取的礦山塵源葉面降塵像元在靠近礦山地物方向呈逐漸集中分布趨勢，而提取的自然塵源葉面降塵像元在礦山地物周邊各等距離范圍內(nèi)分布均勻且強度較弱，與礦山地物的空間相關性較弱。這驗證了本文葉面降塵的塵源區(qū)分方法的可靠性。另外，礦山塵源分類像元降塵強度賦值的均值隨距離礦山地物距離變化的趨勢還顯示出礦山揚塵的擴散特征。圖7（b）中顯示，距離大于800 m，礦山塵源像元強度賦值的均值極?。ㄐ∮?.05）并處于穩(wěn)定狀態(tài)，表明研究區(qū)礦山塵源揚塵擴散的平均最遠距離為700—800 m。這與前人在類似區(qū)域的實地調查結果類似，高原等（2016）等發(fā)現(xiàn)白音諾爾鉛鋅礦（平均風速4.5 m/s）區(qū)尾礦庫周邊揚塵風積物隨距離變化規(guī)律性變化的區(qū)間為0—900 m。

圖7 葉面降塵信息與礦山地物的空間相關性Fig.7 The spatial correlation between foliar dust information and mine objects

同樣計算了廢石堆、礦山道路、尾礦庫周邊等距離范圍內(nèi)的提取礦山塵源降塵像元降塵強度分類賦值均值變化情況（圖7（c））。結果顯示提取的礦山塵源葉面降塵像元與廢石堆和礦山道路的空間相關性更強，與尾礦庫的空間相關性較弱，表明研究區(qū)內(nèi)礦山塵源主要為廢石堆和礦山道路。同時，廢石堆周邊各等距離范圍內(nèi)像元降塵強度賦值均值均大于礦山道路，表明廢石堆周邊葉面降塵分布更集中、強度更高。另外，廢石堆的揚塵擴散距離大于礦山道路。圖7（c）顯示距離礦山道路大于700 m，礦山塵源像元降塵強度賦值均值極?。ㄐ∮?.05）并處于穩(wěn)定狀態(tài)，而距離廢石堆700—1000 m，礦山塵源像元均值仍處于變化中，且明顯大于同距離等級的礦山道路的像元降塵強度賦值均值。礦山塵源的擴散特征還與是否有保護措施有關，高分影像上顯示研究區(qū)幾處尾礦庫邊緣均修建了防護網(wǎng)，有效抑制了揚塵擴散。

5 討論

5.1 塵源礦物成分的光譜差異分析

影像上典型礦山廢石堆揚塵區(qū)（圖1（e））和干涸湖泊揚塵區(qū)（圖1（d））的塵源和揚塵擴散影像特征明顯。利用MNF、PPI等方法提取了塵源近似純凈像元，兩區(qū)域塵源純凈像元分布如圖8（a）（b），可見典型尾礦滯塵區(qū)塵源純凈像元主要分布于廢石堆中心（圖8（a）），湖積物滯塵區(qū)塵源純凈像元主要分布于干涸湖泊東南側的揚塵中心（圖8（b））。

圖8 礦山塵源與干涸湖泊塵源純凈像元分布及反射率均值曲線對比Fig.8 Pure pixels distribution of mine and dry lake dust sources and comparison of mean reflectance curves of pure pixels between mine and lake sediment dust source

分別提取礦山塵源和干涸湖泊塵源純凈像元的均值光譜（圖8（c）），可見不同塵源光譜特征差異主要體現(xiàn)在可見光至近紅外波段。塵源光譜差異主要受塵源礦物成分影響。礦山塵源純凈像元均值光譜在864.7 nm（B8A）附近顯示明顯吸收特征，同時在可見光區(qū)間表現(xiàn)出強反射特征，這與礦山塵源的降塵草地像元均值光譜表現(xiàn)出相似的吸收特征。前人研究表明864.7 nm 附近的反射率吸收特征與三價鐵的氧化物相關（張玉君 等，2002；Hunt，1977）。區(qū)域礦床地質資料顯示甲烏拉—查干鉛鋅銀礦區(qū)鉛鋅銀礦化的各個階段均有黃鐵礦伴生（高德榮 等，2016），而純凈、無風化的黃鐵礦（FeS2）在可見光至短波紅外波段無明顯吸收特征，864.7 nm附近顯示出吸收特征，表明黃鐵礦（FeS2）可能部分氧化形成赤鐵礦（Fe2O3）。前人對鉛鋅礦揚塵的礦物成分分析結果（鉛鋅礦揚塵的主要化學成分為SiO2，CaO，Al2O3，F(xiàn)e2O3等）也證實了這一點（?or?evi? 等，2004）。吉磊等（1994）測試了工作區(qū)以東呼倫湖表層沉積物的礦物組成，主要為蒙脫石、綠泥石和伊利石等粘土礦物，證明了該區(qū)域湖積物包含蒙脫石等粘土礦物。蒙脫石等含鋁羥基粘土礦物的反射率特征吸收譜段為2200 nm 附近，由于哨兵二號遙感數(shù)據(jù)在短波紅外波段設置波段較少，沒能顯示出相應的吸收特征。下一步工作中將嘗試利用ASTER等在短波紅外區(qū)間有更多波段設置的數(shù)據(jù)研究干涸湖泊塵源的光譜特征。

5.2 哨兵二號反射率對葉面降塵的敏感性

此次研究確認了哨兵二號反射率數(shù)據(jù)對于植被葉面降塵的光譜響應特征，和區(qū)分葉面降塵像元與非降塵像元、塵源類型的潛力。通過選取訓練區(qū)，對比了葉面降塵植被與正常植被的光譜差異，發(fā)現(xiàn)可見光波段，降塵植被像元反射率大于正常植被，而對于近紅外波段，降塵植被像元反射率小于正常植被，這與基于地面實測光譜（Ma等，2017；彭杰 等，2015；Su 等，2019；Xu 和Yu，2013；Yan 等，2015；Zhang 等，2014；Zhu等，2020）和機載高光譜數(shù)據(jù)（Zhao 等，2020）的研究結論一致?？梢姽獠ǘ畏瓷渎实纳吲c葉面降塵對葉綠素光合作用的抑制作用相關，近紅外波段反射率的降低與葉面降塵導致植物葉片組織結構的變化相關（如柵欄組織細胞收縮、變短，甚至彎曲）。研究中還發(fā)現(xiàn)，降塵植被像元紅邊斜率較正常草地像元減小，紅邊位置藍移，這與Zhu等（2019，2020）的結論一致，而與王濤等（2012）、彭杰等（2013）認為葉面降塵對植被三邊位置沒有明顯影響的觀點不一致，這可能與葉面降塵量累計對葉片組織結構的影響程度差異相關。

還確認了哨兵二號數(shù)據(jù)礦山塵源與自然塵源葉面降塵光譜響應特征差異，發(fā)現(xiàn)礦山塵源周邊的葉面降塵像元大多在864.7 nm 附近顯示出吸收特征（圖3、圖4）；利用MNF 和PPI方法提取的礦山塵源純凈像元也在864.7 nm 附近顯示吸收特征（圖8），經(jīng)過礦床地質資料確認，研究區(qū)礦山塵源中可能含有一定量黃鐵礦氧化形成的鐵氧化物，進而使礦山廢石堆光譜、礦山粉塵與草地的混合光譜顯示出864.7 nm 附近吸收特征。逐漸遠離自然塵源和礦山塵源的等間距采樣點反射率顯現(xiàn)出不同的光譜響應特征。兩種塵源的采樣點反射率在可見光區(qū)間逐漸降低，紅藍波段的植被吸收特征逐漸顯現(xiàn)，紅邊位置向長波方向移動，自然塵源采樣點近紅外波段反射率逐漸升高（圖4），這與前人基于地面實測光譜的研究結果一致（Kayet等，2019；Ma 等，2017；Zhu 等，2019）。而礦山塵源的采樣點反射率隨著遠離塵源逐漸降低，這與前人研究結果不相符，可能與礦山粉塵獨特的礦物成分相關，需要在下一步工作，通過采樣測試，確定研究區(qū)礦山粉塵具體礦物成分，明確隨著葉面降塵量減少，礦山塵源降塵葉面的反射率變化特征及其成因。

5.3 葉面降塵信息提取與塵源類型區(qū)分方法效果

本文方法將葉面降塵視為對于正常植被的一種“異?！毙畔ⅲ谌~面降塵像元與正常植被像元光譜特征差異，應用特征向量主成分選擇法（FPCS）提取了葉面降塵信息，并劃分降塵強度；提出了針對此次研究區(qū)的塵源區(qū)分光譜指數(shù)（DSI），實現(xiàn)了對提取的葉面降塵信息塵源的判別。與前人提出的基于NDVI 的降塵量線性反演模型相比，F(xiàn)PCS 的提取結果更符合葉面降塵分布的客觀規(guī)律（提取的降塵像元主要集中在廢石堆、礦山道路、尾礦庫等礦山塵源和湖積物、沙地等自然塵源周邊）。而NDVI 反演模型結果隨機性更強，而且在部分葉面降塵影像特征明顯的區(qū)域提取效果較差，這表現(xiàn)出經(jīng)驗模型對于不同區(qū)域的適用性較差。此次研究中未對利用塵源光譜指數(shù)（DSI）區(qū)別自然塵源與礦山塵源的結果進行實地驗證，但典型區(qū)域（圖6（b）、圖（c））的降塵像元的塵源識別效果證實了該指數(shù)對于區(qū)分葉面降塵塵源的可行性。同時葉面降塵提取信息與礦山地物的空間相關性分析結果也驗證了本文方法的可行性，提取的礦山塵源葉面降塵像元與礦山地物的空間相關性更強，礦山塵源葉面降塵像元在靠近礦山地物方向呈逐漸集中分布趨勢，而提取的自然塵源葉面降塵像元在礦山地物周邊呈均勻分布趨勢（圖7），與礦山地物的空間相關性弱。綜上，本文方法可用于區(qū)域性葉面降塵信息快速提取與塵源類型區(qū)分，不依賴地面采樣測試，獲取區(qū)域尺度半定量的葉面降塵分布和強度信息，可嘗試用于其他礦區(qū)葉面降塵信息提取。需要注意的是，此次提出的DSI 是依據(jù)自然塵源和礦山塵源光譜差異建立的，而研究區(qū)礦山塵源像元864.7 nm附近的特殊吸收特征與鐵氧化物相關。所以，應用于其他類型金屬礦山時，需要結合礦山塵源的礦物成分具體分析。同時，降水、大風等天氣現(xiàn)象均會對礦區(qū)植被葉面降塵范圍和強度造成影響，所以在影像時相選取上需要考慮數(shù)據(jù)采集前的天氣條件。另外研究中是利用DNVI 結合閾值分割提取植被范圍的基礎上，提取葉面降塵像元。由于哨兵二號數(shù)據(jù)空間分辨率的限制，當植被覆蓋度較低，像元內(nèi)植被與裸土地像元混合可能造成植被光譜被掩蓋（Ma等，2020），進而無法爭取提取部分植被覆蓋度較低的像元。同時，植被像元葉面降塵很嚴重時，可能完全掩蓋植被光譜特征，導致此類葉面降塵像元無法被正確識別。下一步工作中將定量分析植被覆蓋度對葉面降塵信息提取的影響，同時探索結合圖像紋理和光譜信息更準確提取植被覆蓋度低或葉面降塵極嚴重的植被像元。

6 結論

基于哨兵二號遙感數(shù)據(jù)，本文提出了一種基于光譜特征分析的葉面降塵信息快速提取和塵源類型識別的方法，成功獲取了研究區(qū)葉面降塵范圍、強度，和塵源類別信息。主要取得了以下結論：

（1）驗證了哨兵二號反射率數(shù)據(jù)對區(qū)分葉面降塵強度和塵源類別的敏感性。與正常植被像元相比，葉面降塵像元可見光波段（B1—B4）反射率升高、近紅外波段（B7—B8A）反射率降低、紅邊位置向短波方向移動的特征；礦山塵源葉面降塵像元在864.7 nm（B8A）附近顯示出診斷性吸收特征，顯示出黃鐵礦氧化為赤鐵礦的光譜特征。

（2）利用FPCS 方法，提取了研究區(qū)葉面降塵范圍和強度，提出了一種塵源光譜指數(shù)（DSI：（R（B8）+R（B11））/R（B8A），區(qū)分了葉面降塵像元的塵源類型（自然塵源與礦山塵源）。

（3）與提取的自然塵源葉面降塵像元相比，礦山塵源葉面降塵像元與礦山地物的空間相關性更強，驗證了本文方法的可行性。各類型礦山地物中，廢石堆、礦山道路與礦山塵源葉面降塵信息的相關性更強，是研究區(qū)內(nèi)的主要礦山塵源。

下一步工作中，將通過采樣測試，定量評估研究區(qū)礦山塵源葉面降塵的具體礦物成分和光譜響應特征。同時開展其他礦產(chǎn)類型礦區(qū)的葉面降塵遙感信息提取方法研究。