.png)
.png)
我国铁尾矿库占用土地逐年递增，治理及综合利用率低，且随着尾矿中各种元素缓慢渗透与反应，尾矿周边土壤污染、植被破坏，人畜的生存安全等问题也日显突出 [1]。近年来，矿山生态环境监测除了采用传统常规的调查监管外，也广泛应用红外光谱技术 [2-4] 及高分遥感监测等新技术。但是由于铁尾矿堆存地点复杂，成份多样，颗粒大小及水份含量各异，铁尾矿遥感信息识别与精准提取一直是尾矿遥感监测的技术难点。铁尾矿高光谱特征提取与匹配分析是遥感影像识别基础，能够区分地表物质有效诊断性光谱特征 [5]。高光谱遥感多用于矿物种类识别方面，国内外学者开展了一系列基础研究，如徐奥等 [6]用 SVC HR-1024 光谱仪(350 ~ 2500 nm)采用人工模拟降尘与光谱测量方法，对植物叶片光谱受降尘量的影响规律做了研究。Magendran T 等 [7]采用 E0-1 Hyperion 高光谱遥感数据，通过对印度东部的 Noamundi 地区矿带的铁矿石的光谱参数进分析并进行线性光谱解混，为从高光谱数据的光谱特征确定铁矿石等级提供可能。赵恒谦等 [8]以明矾石和高岭石为例，采用 Hyperion, ASTER,OLI 等传感器的模拟数据以及 USGS 光谱数据库光谱，通过对上述数据进行光谱特征提取并分析其对近似光谱差异性的影响，证明了有效的光谱特征提取可以显著提高近似矿物光谱差异性。Zabcic, N. 等 [9] 通过高光谱遥感影像、现场采集的尾矿样本的光谱数据及其 X 射线衍射分析对西班牙 Sotiel-Migollas 的尾矿样本的光谱数据及土壤浸出液的 pH 值研究，验证了遥感影像、田间试验、以及试验室三者预测的一致性。Buzzi, Jorge 等 [10]采用高光谱高空间分辨率 HyMap 数据对 Iberian 的黄铁矿带的尾矿的识别进行研究，探讨了从高光谱数据提取信息到地图地质特征的图像处理方法。这些研究采用高光谱或衍射分析法分析铁矿或尾矿矿物光谱差异性，但是针对不同的尾矿类型，选用何种粒径以及何种干湿状态铁尾矿的光谱差异性，未开展系统基础研究。本文研究以河北唐山某尾矿库的尾矿砂和尾矿土为样本，开展了不同粒径、不同干湿状态下铁尾矿光谱特征提取及光谱曲线匹配分析，为高光谱遥感应用于尾矿监测提供理论参考。尾矿样本的光谱反射率随粒径的减小逐渐增大。 铁尾矿样本在 0.40 μm、0.55 μm、2.22 μm、2.30 μm 左右的高光谱吸收特征不受样本粒径、干湿状态的影响。通过光谱匹配分析，进一步证明了 0.35 ~0.512 μm、0.513 ~ 0.587 μm、2.164 ~ 2.425 μm 范围内的0.40 μm、0.55 μm、2.22 μm、2.30 μm左右位置，在进行铁尾矿光谱识别时，可作为光谱的敏感特征优先考虑。论文揭示了河北唐山某铁尾矿样本的光谱特征及其匹配分析结果，而对其他地域的铁尾矿，以及对其他金属类型的尾矿样本是否具有普适性，还需继续进行研究。
点击下载文章
矿道网 助力矿山产业高质量发展
热门标签
