黃河口受石油烴滲漏影響植被的高光譜檢測(cè)方法研究*1

任廣波，張 杰，吳培強(qiáng)，馬 毅

(國(guó)家海洋局 第一海洋研究所，山東 青島 266061)

黃河口受石油烴滲漏影響植被的高光譜檢測(cè)方法研究*1

任廣波，張 杰，吳培強(qiáng)，馬 毅

(國(guó)家海洋局 第一海洋研究所，山東 青島 266061)

以黃河口為研究區(qū)，應(yīng)用現(xiàn)場(chǎng)和HJ-1高光譜遙感數(shù)據(jù)，開展了植被受石油烴滲漏影響的高光譜檢測(cè)方法研究。選擇了常用于判別植被受石油烴滲漏污染的紅邊藍(lán)移指數(shù)REP_blue、土壤含氧量相關(guān)指數(shù)CTR和葉綠素敏感指數(shù)CHL，通過(guò)分析研究區(qū)主要植被蘆葦和檉柳地物光譜和HJ-1高光譜影像中同位置像元光譜，對(duì)3種指數(shù)在研究區(qū)的有效性進(jìn)行了評(píng)價(jià)?；谠趫D像像元光譜檢測(cè)中表現(xiàn)較好的指數(shù)，提出了一種針對(duì)HJ-1高光譜遙感影像的受石油烴滲漏影響植被檢測(cè)方法。結(jié)果表明，3種指數(shù)對(duì)于油井旁植被現(xiàn)場(chǎng)光譜的檢出效果均好于圖像光譜，同時(shí)，相比于其它兩種指數(shù)，CHL指數(shù)的檢出效果較差；應(yīng)用發(fā)展的受石油烴滲漏污染影響植被檢測(cè)指數(shù)，對(duì)覆蓋研究區(qū)的HJ-1高光譜遙感影像進(jìn)行了檢測(cè)，發(fā)現(xiàn)檢測(cè)結(jié)果中71.1%的位置附近存在油井，說(shuō)明該方法具有一定的檢測(cè)能力。

石油烴滲漏；濕地高光譜遙感；黃河口濕地

石油烴滲漏會(huì)影響植被的生存環(huán)境，進(jìn)而改變植被的理化性質(zhì)，該改變能夠在其可見光和近紅外光譜上表現(xiàn)出來(lái)。Everett等[1]多年的研究和實(shí)踐證明，世界上85%的油田都存在油烴滲漏現(xiàn)象，一般情況下以滲漏的方式隨地表水轉(zhuǎn)移至地面表層的石油烴為輕質(zhì)油烴[2-4]，且以甲烷、乙烷和二氧化碳居多[5-6]。

石油烴氣體在土壤表層中的聚集能夠降低氧氣的濃度[7]。Noomen 等[8]認(rèn)為缺氧的環(huán)境[9-10]容易造成土壤pH值、營(yíng)養(yǎng)物質(zhì)和菌群發(fā)生改變[11-12]，這種改變將引起植被光譜發(fā)生變化。以上環(huán)境的變化將直接導(dǎo)致葉綠素光合作用功能降低，進(jìn)而引起葉綠素紅光吸收能力下降、紅邊藍(lán)移和近紅外反射效應(yīng)減弱[13]。

盡管已有研究通過(guò)實(shí)驗(yàn)證明了植被的光譜反射率特征可在一定程度上反映植被受石油烴影響的情況[8,14-15]，但Noomen等[8]認(rèn)為目前還沒有一種光譜特征指數(shù)可明確表達(dá)這一關(guān)系。已有的一些工作雖然建立了光譜特征和簡(jiǎn)單光譜指數(shù)與石油烴含量的關(guān)系[14-15]，但其相關(guān)性較差。本文擬應(yīng)用測(cè)量自油井旁和遠(yuǎn)離油井區(qū)域蘆葦和檉柳的現(xiàn)場(chǎng)光譜和取自高光譜遙感圖像同位置像元的光譜，對(duì)紅邊藍(lán)移指數(shù)REP_blue、土壤含氧量相關(guān)指數(shù)CTR和葉綠素敏感指數(shù)CHL三種常用的石油烴滲漏植被響應(yīng)指數(shù)在研究區(qū)的有效性進(jìn)行檢驗(yàn)；并利用檢驗(yàn)結(jié)果，發(fā)展一種綜合判定指數(shù)，開展HJ-1衛(wèi)星高光譜遙感影像石油烴滲漏區(qū)域檢測(cè)技術(shù)研究。

1 研究區(qū)概況

研究區(qū)域(圖1)位于黃河三角洲國(guó)家級(jí)自然保護(hù)區(qū)內(nèi)。該保護(hù)區(qū)是被國(guó)際濕地公約組織確定的國(guó)際重要濕地，是以保護(hù)新生濕地生態(tài)系統(tǒng)和珍稀瀕危鳥類為主的濱海濕地自然保護(hù)區(qū)；同時(shí)，研究區(qū)還是我國(guó)第二大油田——?jiǎng)倮吞镄聻┎捎蛥^(qū)的主產(chǎn)區(qū)。所以，研究區(qū)自然資源保護(hù)與石油開發(fā)的矛盾突出，且鳥類生境受石油開發(fā)污染的影響越來(lái)越大。

圖1 研究區(qū)域及現(xiàn)場(chǎng)數(shù)據(jù)站位圖Fig.1 Locations of the study area and the field work stations

2 數(shù)據(jù)和方法

2.1 現(xiàn)場(chǎng)光譜數(shù)據(jù)

蘆葦和檉柳是黃河三角洲的主要植被類型，分布最為廣泛，將其作為植被代表開展石油烴污染高光譜檢測(cè)方法研究符合該區(qū)域的特點(diǎn)。

2013-05-10-20，在研究區(qū)內(nèi)實(shí)地測(cè)量了蘆葦和檉柳的地物光譜。測(cè)量?jī)x器為ISI-921VF型地物光譜儀，其光譜范圍382～1 085 nm，光譜分辨率2.9 nm。為保證現(xiàn)場(chǎng)測(cè)量光譜的質(zhì)量和與遙感影像獲取時(shí)刻的匹配關(guān)系，測(cè)量時(shí)間均選擇10:30—15:30，且確保光譜測(cè)量過(guò)程不受云霧影響。經(jīng)質(zhì)量控制，從該次測(cè)量的數(shù)據(jù)中遴選出24組光譜數(shù)據(jù)進(jìn)行光譜分析，每組10條共240條光譜曲線，其中蘆葦15組，檉柳9組，站位分布見圖1。受石油烴污染的植被光譜樣本采自距離正在生產(chǎn)的油井10 m以內(nèi)的區(qū)域，且站點(diǎn)附近的裸露地表有明顯的油污，站位編號(hào)以字母“Z”開頭，這類樣本中蘆葦和檉柳分別有5組和3組；未受石油烴污染植被光譜均測(cè)量自遠(yuǎn)離油田作業(yè)區(qū)的濕地或潮灘區(qū)域，分別以C,D,J和Q字母開頭，代表4條不同的測(cè)量斷面，這類樣本中蘆葦和檉柳分別有10組和6組。

現(xiàn)場(chǎng)光譜測(cè)量位置在蘆葦和檉柳大片均勻分布的區(qū)域，以保證與同位置的空間分辨率較低的圖像像元光譜相比較時(shí)，有可比性。

2.2 遙感影像數(shù)據(jù)

HJ-1A(環(huán)境一號(hào)小衛(wèi)星A星)高光譜遙感影像是具有精細(xì)光譜分辨率的衛(wèi)星高光譜影像，光譜范圍459～956 nm，共有115個(gè)波段，由于采用的是法布里-珀羅干涉成像原理，故每個(gè)波段的寬度均不一致，最寬的近紅外波段寬度小于9 nm。

HJ-1A高光譜影像拍攝時(shí)間為2013-06-01T11∶07∶23(北京時(shí)間)，在日期上與現(xiàn)場(chǎng)光譜采集日期相近，以保證在植被的同一個(gè)生長(zhǎng)階段內(nèi)現(xiàn)場(chǎng)光譜與遙感圖像光譜具有可比性。采用ENVI軟件FLAASH模塊對(duì)影像進(jìn)行大氣校正，校正后的影像像元值由數(shù)字值DN(Digital Number)轉(zhuǎn)換為反射率。以2013-07-15T10∶54∶33(北京時(shí)間)成像的Landsat 8 OLI圖像為參考，對(duì)HJ-1高光譜影像進(jìn)行了幾何校正，校正誤差小于0.5個(gè)像元。

應(yīng)用2012-05-13T11∶02∶41(北京時(shí)間)獲取的空間分辨率2.1 m的資源三號(hào)衛(wèi)星影像對(duì)應(yīng)用本文方法提取的油井位置進(jìn)行驗(yàn)證。

采集現(xiàn)場(chǎng)光譜測(cè)量位置處每個(gè)波段的像元值，作為該像元所代表地物類型的光譜。與現(xiàn)場(chǎng)光譜所屬植被類型相對(duì)應(yīng)，去除受云霧影響的像元，分別有8組蘆葦光譜和4組檉柳光譜。

2.3 石油烴滲漏遙感檢測(cè)方法

2.3.1 紅邊藍(lán)移指數(shù)：REP_blue

Noomen等[13]發(fā)現(xiàn)，當(dāng)土壤中石油烴氣體如甲烷、二氧化碳等含量達(dá)到一定量時(shí)，容易導(dǎo)致植被光譜紅邊的藍(lán)移。根據(jù)Yang等[14]的經(jīng)驗(yàn)，紅邊移動(dòng)范圍一般在10 nm以內(nèi)，紅邊藍(lán)移指數(shù)定義為

(1)

式中，紅邊位置REP指反射率光譜曲線取一階導(dǎo)數(shù)時(shí)紅到近紅外波段出現(xiàn)最大值，即反射率光譜斜率最大位置處的光譜波長(zhǎng);N根據(jù)紅邊波段實(shí)際位置確定。

2.3.2 土壤含氧量相關(guān)指數(shù)：CTR

Carter[16]研究了小麥和玉米光譜反射率與所生長(zhǎng)土壤含氧量的關(guān)系，發(fā)現(xiàn)695 nm和760 nm處的光譜比值與土壤含氧量有較高的相關(guān)性。Schumacher[7]指出受石油烴滲漏污染的土壤中氧氣濃度會(huì)減少。

(2)

式中，R695和R760分別為695 nm和760 nm波長(zhǎng)處的遙感反射率；K0為根據(jù)實(shí)際情況確定的閾值，K0越大，表明土壤含氧量越低，受石油烴滲漏影響的可能性越大。

2.3.3 葉綠素敏感指數(shù)：CHL

葉綠素含量的降低可導(dǎo)致植物葉片對(duì)紅光吸收能力的減弱和對(duì)近紅外反射能力的下降，表現(xiàn)為紅光反射率的升高和近紅外反射率的降低[13]。

(3)

式中，Rred和Rnir分別為紅光和近紅外波長(zhǎng)處的遙感反射率；K1和K2分別為像元在紅光和近紅外處的反射率值。

2.4 HJ-1高光譜影像石油烴滲漏綜合判定指數(shù)：HIDI

根據(jù)上述3種石油烴滲漏檢測(cè)指數(shù)，在有效驗(yàn)證的基礎(chǔ)上，提出基于高光譜遙感影像的石油烴滲漏綜合檢測(cè)指數(shù)HIDI(Hydrocarbon seepage Integrated Detect Index)為

HIDI=REP_blue*CTR*CHL

(4)

式中，若像元光譜同時(shí)滿足REP_blue，CTR和CHL三個(gè)條件，HIDI的值為1，判定為受石油烴污染像元；否則，判定為未受污染像元。遙感監(jiān)測(cè)流程見圖2。監(jiān)測(cè)流程中加入歸一化差值植被指數(shù)NDVI(Normalized Difference Vegetation Index),目的是去除植被以外的地物類型的影響。

3 結(jié)果與分析

3.1 石油烴滲漏響應(yīng)指數(shù)有效性檢驗(yàn)

基于現(xiàn)場(chǎng)實(shí)測(cè)地物光譜和現(xiàn)場(chǎng)光譜測(cè)量位置的HJ-1高光譜遙感影像像元光譜，對(duì)所選擇的3種判別指數(shù)的有效性進(jìn)行檢驗(yàn)。

3.1.1 紅邊藍(lán)移指數(shù)檢驗(yàn)

采用的紅邊概念為紅光和近紅外之間反射率上升過(guò)程中斜率最大處所對(duì)應(yīng)的波長(zhǎng)。對(duì)蘆葦和檉柳的近紅外光譜紅邊位置的計(jì)算結(jié)果如圖3所示。

圖3 蘆葦和檉柳現(xiàn)場(chǎng)測(cè)量光譜的紅邊位置Fig.3 The red edge position of the field spectra of Reed and Tamarix

由圖3可知，采自油井附近的現(xiàn)場(chǎng)光譜，除Z1外其紅邊位置均小于714 nm(圖3a和b)。根據(jù)紅邊藍(lán)移指數(shù)定義，N應(yīng)取值為714 nm，Z1紅邊位置為715.3 nm，可能由于光譜儀的光譜分辨率較低(約3 nm)所致。另外，檉柳的現(xiàn)場(chǎng)光譜紅邊位置所對(duì)應(yīng)的波長(zhǎng)比蘆葦短。

不論蘆葦還是檉柳，取自遙感圖像的像元光譜同樣得到了紅邊藍(lán)移的結(jié)果，見圖3c和d的“Z”開頭樣本。相比現(xiàn)場(chǎng)光譜，其藍(lán)移的幅度較大，原因是在該光譜位置HJ-1高光譜的波段寬度已經(jīng)超過(guò)了5 nm，導(dǎo)致了波段中心波長(zhǎng)之間的范圍增大。對(duì)于來(lái)自遙感影像的像元光譜，其紅邊藍(lán)移指數(shù)閾值N應(yīng)取值為725 nm。

綜上分析可知，現(xiàn)場(chǎng)光譜和圖像光譜都反映出紅邊藍(lán)移指數(shù)在研究區(qū)是有效的，但由于波段寬度和中心波長(zhǎng)位置的不同，二者的紅邊藍(lán)移指數(shù)閾值N取值有所不同。

3.1.2 土壤含氧量相關(guān)指數(shù)檢驗(yàn)

因所使用的地物光譜儀無(wú)中心波長(zhǎng)為695 nm和760 nm的波段，故選擇中心波長(zhǎng)分別為695.59 nm和759.54 nm的兩波段代替計(jì)算CTR值。高光譜數(shù)據(jù)在相鄰波段都具有較高的相關(guān)性，故認(rèn)為選擇上述兩個(gè)波段作為替代波段可以保證精度。采集的蘆葦和檉柳植被光譜樣本的CTR曲線見圖4。

對(duì)于蘆葦和檉柳的現(xiàn)場(chǎng)光譜，油井附近除Z3外植被樣本的CTR指數(shù)都高于其它區(qū)域樣本。由圖4a可知，Z3處的CTR值偏低，可能是由Z3點(diǎn)處于地勢(shì)較低洼的陸基旁排水區(qū)域，其土壤中的含氧量較不穩(wěn)定所致。同時(shí)，除D9-2站點(diǎn)之外，檉柳的CTR值都高于蘆葦(圖4a，b)，因?yàn)闄f柳多生長(zhǎng)在土壤鹽堿化較為嚴(yán)重的土壤中，而土壤的含鹽量增高會(huì)顯著降低土壤含氧量。應(yīng)用現(xiàn)場(chǎng)光譜時(shí)，蘆葦和檉柳的CTR指數(shù)K0應(yīng)分別取值0.47和0.65較為合適。

對(duì)于蘆葦?shù)倪b感圖像光譜，除Q6外的油井旁蘆葦?shù)腃TR指數(shù)高于其它區(qū)域的結(jié)果(圖4c，d)，原因是Q6點(diǎn)位于潮灘上，受潮水影響鹽堿化程度較高，造成土壤含氧量較低。而對(duì)于檉柳的圖像光譜，潮灘上Q2和Q4點(diǎn)位的土壤鹽度要高于油井旁的Z5和Z7點(diǎn)。

圖4 蘆葦和檉柳現(xiàn)場(chǎng)測(cè)量光譜的CTR值Fig.4 CTR values of the field spectra of Reed and Tamarix

3.1.3 葉綠素敏感指數(shù)檢驗(yàn)

植被受到石油烴滲漏污染而發(fā)生葉綠素含量的減少，容易導(dǎo)致紅光波段吸收和近紅外波段反射率的下降。對(duì)于所采集到的植被光譜樣本，其反射率曲線如圖5所示。

圖5 蘆葦和檉柳的反射率光譜Fig.5 Reflectance spectra of Reed and Tamarix

由圖5a和b可知，在紅光波段(662 nm)，大部分油井旁的樣本光譜曲線都表現(xiàn)出了較高的反射率(深色線條)，但在近紅外波段，并非都具有較低的反射率。故石油烴滲漏污染遙感檢測(cè)綜合指數(shù)中，對(duì)于葉綠素敏感指數(shù)，可只考慮紅光的高反射率。

對(duì)于圖像像元光譜(圖5c,d)，發(fā)現(xiàn)在660 nm附近的紅光波段，處于油井旁的蘆葦和檉柳均表現(xiàn)出了較其它站位處光譜高的反射率；在所選擇的站位中，檉柳近紅外波段的光譜反射率也高于其它非油井旁站位，而蘆葦則未表現(xiàn)出該特點(diǎn)。

相比兩種光譜數(shù)據(jù)的反射率光譜，圖像光譜中近紅外和紅光反射率之間的差別不明顯，但可見光位置的反射率比現(xiàn)場(chǎng)光譜的高。另外，圖像像元光譜極不平滑，這是由傳感器相對(duì)于每一個(gè)波段的信噪比和增益等指標(biāo)差別較大造成的。

3.2 石油烴滲漏區(qū)高光譜遙感圖像檢測(cè)

根據(jù)3種指數(shù)在HJ-1高光譜遙感圖像中的有效性檢驗(yàn)結(jié)果，確定了綜合判斷指數(shù)中各參量的取值，見表1。由此得到了應(yīng)用該圖像的石油烴滲漏區(qū)域遙感檢測(cè)結(jié)果，見圖6。

表1 植被受石油烴污染遙感影像檢測(cè)指數(shù)參數(shù)取值Table 1 Parameter value selections of the detection indices for the remote sensing image of the vegetation polluted by petroleum hydrocarbon seepage

圖6a為HJ-1高光譜數(shù)據(jù)的原始假彩色圖像(R: 759 nm;G: 652 nm;B: 571 nm)，由于該圖像波段寬度較窄，導(dǎo)致單波段接收能量有限，信噪比較低，且有較為明顯的條帶噪聲。另外，由于該影像空間分辨率為100 m，而該區(qū)域地物景觀尺度較小，故光譜混合較為嚴(yán)重。

圖6b中的紅色點(diǎn)為應(yīng)用表1中的綜合判定指數(shù)取值獲得的最終結(jié)果，即影像中受石油烴污染的植被像元。黃色圖框區(qū)域的檢測(cè)點(diǎn)為經(jīng)過(guò)現(xiàn)場(chǎng)調(diào)查工作驗(yàn)證的真實(shí)油井存在的位置，所使用的驗(yàn)證數(shù)據(jù)包括2013年現(xiàn)場(chǎng)采集的油井坐標(biāo)和資源三號(hào)遙感影像中識(shí)別出的油井位置。圖中，大部分的檢測(cè)結(jié)果點(diǎn)集中出現(xiàn)在兩個(gè)區(qū)域：其一，勝利油田的孤東采油區(qū)，該部分點(diǎn)約占所有檢測(cè)結(jié)果點(diǎn)數(shù)量的43.2%，該區(qū)域中油井林立，相當(dāng)一部分油井相互之間的距離不足百米；其二，黃河入海口附近的海岸，該部分約占總檢測(cè)點(diǎn)數(shù)量的39.3%，且其中約有占總檢測(cè)點(diǎn)數(shù)16.7%的檢測(cè)像元有油井的存在，其它站位區(qū)尚未發(fā)現(xiàn)油井存在。剩余17.5%的檢測(cè)點(diǎn)位中，有占總檢測(cè)數(shù)11.2%的檢測(cè)像元存在油井。綜上，在所檢測(cè)出的受石油烴污染植被像元中，有大約71.1%的檢測(cè)像元處明確有油井存在，而剩余的28.9%的檢測(cè)像元處未發(fā)現(xiàn)油井，可能為潛在油藏區(qū)，也可能為方法引入誤差而導(dǎo)致的判別錯(cuò)誤。

4 結(jié) 語(yǔ)

利用基于遙感的植被石油烴滲漏污染檢測(cè)中常用的3種檢測(cè)指數(shù)，以黃河口為研究區(qū)，分別開展了針對(duì)現(xiàn)場(chǎng)測(cè)量光譜和HJ-1高光譜影像的石油烴滲漏污染檢測(cè)方法研究。經(jīng)過(guò)研究發(fā)現(xiàn)：

對(duì)于現(xiàn)場(chǎng)光譜：1)油井附近的蘆葦和檉柳都檢測(cè)到了最大近6 nm的紅邊藍(lán)移，但發(fā)生藍(lán)移的位置有所不同。2)油井附近兩種植被的CTR指數(shù)都是相同植被類型中最高的，即土壤含氧量低，且蘆葦生長(zhǎng)區(qū)域土壤含氧量高于檉柳生長(zhǎng)區(qū)域。3)兩種植被的CHL指數(shù)的響應(yīng)效果較差，初步判斷是由不一致的生長(zhǎng)環(huán)境導(dǎo)致的。

對(duì)于遙感影像像元光譜：1)油井附近的蘆葦和檉柳都檢測(cè)到了紅邊藍(lán)移的結(jié)果，但相比于現(xiàn)場(chǎng)光譜藍(lán)移幅度增大。2)CTR指數(shù)對(duì)蘆葦?shù)臋z測(cè)度較好，但對(duì)檉柳卻無(wú)法檢測(cè)。3)處于油井旁的蘆葦和檉柳在660 nm附近的紅光波段均表現(xiàn)出了較其它站位更高的反射率，檢出效果較好，但近紅外波段的檢出效果較差。

基于發(fā)展的植被石油烴滲漏污染遙感綜合判定指數(shù)，HJ-1高光譜遙感影像較為有效地完成了對(duì)研究區(qū)油井區(qū)域的檢測(cè)，準(zhǔn)確率為71.1%。而對(duì)于其他檢測(cè)出的受石油烴污染影響區(qū)域，因缺少遙感影像拍攝時(shí)刻的土壤分析數(shù)據(jù)，無(wú)法判定其是否真的受到污染。

[1]EVERETT J R,JENGO C,STASKOWSKI R.Remote sensing and GIS enable future exploration success [J].World Oil,2002,223(11): 59-65.

[2]SCHUMACHER D D.Surface geochemical exploration for oil and gas: new life for an old techno-logy [J].The Leading Edge,2000,19(3): 258-261.

[3]ABRAMS M A.Distribution of subsurface hydrocarbon seepage in near-surface marine sediments [C]∥SCHUMACHER D,ABRAMS M A.Hydrocarbon migration and its near-surface expression: AAPG Memoir 66。 Washington D C: AAPG/Datapages,1996: 1-14.

[4]HORVITZ L.Vegetation and geochemical prospecting for petroleum [J].AAPG Bulletin,1972,56(5): 25-40.

[5]HOEKS J.Changes in composition of soil air near leaks in natural gas mains [J].Soil Science,1972,113(1): 46-54.

[6]OLAH G A,MOLNAR A.Hydrocarbon chemistry [M].New York: John Wiley &Sons Inc,2003.

[7]SCHUMACHER D.Hydrocarbon-induced alteration of soils and sediments [D].USA: AAPG Memoir.1996.

[8]NOOMEN M F,VAN DER WERFF H,VAN DER MEER F D.Spectral and spatial indicators of botanical changes caused by long-term hydrocarbon seepage [J].Ecological Informatics,2012,8: 55-64.

[9]KRAMER P J,JACKSON W T.Causes of injury to flooded tobacco plants [J].Plant Physiology,1954,29(3): 241-245.

[10]LETEY J,STOLZY L,BLANK G.Effect of duration and timing of low soil oxygen content on shoot and root growth [J].Agronomy Journal,1962,54(1): 34-47.

[11]ADAMS R S,ELLIS R.Some physical and chemical changes in the soil brought about by saturation with natural gas [J].Soil Science Society of America Journal,1960,24(1): 41-44.

[12]MARSCHNER H,RIMMINGTON G.Mineral nutrition of higher plants [J].Plant,Cell and Environment,1988,11(2):147-148.

[13]NOOMEN M,SKIDMORE A,VAN DER MEER F D.Detecting the influence of gas seepage on vegetation,using hyperspectral remote sensing[C]∥HABERMEYER M.Proceedings of the Third EARSeL Workshop on Imaging Spectroscopy.Herrsching: EARSeL,2003: 13-16.

[14]YANG H,ZHANG J,VAN DER MEER F D,et al.Spectral characteristics of wheat associated with hydrocarbon microseepages [J].International Journal of Remote Sensing,1999,20(4): 807-813.

[15]樊彥國(guó),張磊.孤東油田土壤石油類含量的高光譜反演模型[J].遙感學(xué)報(bào),2012,16(2): 8-13.

[16]CARTER G A,MILLER R L.Early detection of plant stress by digital imaging within narrow stress-sensitive wavebands [J].Remote Sensing of Environment,1994,50(3): 295-302.

HyperspectralDetectionMethodforVegetationAffectedbyPetroleumHydrocarbonSeepageintheWetlandoftheHuangheEstuary

RENGuang-bo,ZHANGJie,WUPei-qiang,MAYi

(TheFirstInstituteofOceanography,SOA,Qingdao 266061,China)

Taking the wetland of the Huanghe Estuary as the study area,a hyperspectral detection method for the vegetation affected by petroleum hydrocarbon leakage is studied by using the data from the field work and the HJ-1 hyperspectral remote sensing image.3 kinds of detection indices which are commonly used to distinguish the vegetation that is polluted by the petroleum hydrocarbon seepage are chosen in the present study.They are the red edge position blue shift index (REP-blue),the soil oxygen related index (CTR)and the Chlorophyll sensitive index (CHL).The validity of these 3 indices is tested by analyzing the spectra of the main vegetation Reed and Tamarix in the study area and the HJ-1 hyperspectral remote sensing image pixels.Based on the indices showing a better performance in the image pixel spectrum detection,a hyperspectral detection method is proposed for HJ-1 hyperspectral remote sensing image of vegetation affected by petroleum hydrocarbon seepage.By using the 3 indices,the detection results of the field spectra of the vegetation near the oil wells are all better than those of the image spectra,but the detection result of indexCHLis relatively poorer,compared with those of other two indices.The HJ hyperspectral remote sensing image covering the whole study area is also detected subsequently by means of the effective detection indices.The results show that 71.1% of the detected positions that was suspected suffering the pollution of the petroleum hydrocarbon seepage have oil wells.

petroleum hydrocarbon seepage;hyperspectral remote sensing of wetland;wetland of the Huanghe Estuary

2014-05-08

國(guó)家自然科學(xué)基金青年基金——海岸帶遙感影像半監(jiān)督學(xué)習(xí)自動(dòng)化分類方法研究(41206172);國(guó)家海洋局第一海洋研究所基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金項(xiàng)目——基于半監(jiān)督學(xué)習(xí)的遙感影像典型濱海濕地類型自動(dòng)化分類方法(GY02-2012G12),濱海濕地典型植被高光譜遙感自動(dòng)分類方法研究(GY0213G21)

任廣波(1983-)，男，助理研究員，主要從事海岸帶高分辨率遙感方面研究.E-mail: renguangbo@fio.org.cn

(王 燕 編輯)

P237;P618.13

A

1002-3682(2014)03-0026-10