نقشه برداری از آلودگی فلزات سنگین در رسوبات جریان با ژئوشیمی ترکیبی، طیف سنجی میدانی و سنجش از دور ابرطیفی
چکیده
هدف از این مطالعه، استخراج پارامترها از تغییرات طیفی مرتبط با فلزات سنگین در خاک و بررسی امکان گسترش استفاده از این پارامترها برای تصاویر ابرطیفی و نقشه برداری از توزیع مناطق تحت تاثیر فلزات سنگین بر اساس داده های HyMAP است. تغییرات در ویژگی های جذب طیفی شبکه OH و اکسیژن در سطح مواد معدنی ناشی از ترکیبی از فلزات مختلف سنگین به غلظت های واقعی فلزات سنگین مرتبط بوند. نسبت 610 به 500 نانومتر (R610،500 nm) در طیف مرئی و نزدیک-مادون قرمز (VNIR) ، منطقه جذب در 2200 نانومتر (Area2200 nm)، و عدم تقارن ویژگی جذب در 2200 نانومتر (Asym2200nm), ارتباط های معنی داری را به ترتیب با غلظت های سرب، روی، و آرسنیک نشان دادند. نقشه های شیب طیفی حاصل, الگوهای فضایی مشابه با نقشه های شیب ژئوشیمیایی را نشان دادند. پارامترهای طیفی استنتاج شده از-زمین, یک رابطه کمیتی قابل اعتماد با سطوح فلزات سنگین را بر اساس رگرسیون خطی چندگانه نشان دادند. برای بررسی امکان سنجی استفاده از این پارامترها برای یک تصویر HyMAP، پارامترهای طیفی به دست آمده از- تصویر با پارامترهای به دست آمده از-زمین از نظر R2، آنالیز واریانس یک طرفه، و الگوهای فضایی در نقشه شیب مقایسه شدند. پارامترهای R1344،778nm و Area2200 nm, ارتباط ضعیفی بین دو مجموعه داده (R2 >0.5) را نشان دادند و جمعیت های مقادیر پارامتر طیفی، Depth500nm ، R1344،778nm و Area2200nm به دست آمده از پیکسل های تصویر, با جمعیت های پارامترهای طیفی به دست آمده از-زمین در امتداد یک بخش از کانال جریان قابل مقایسه بودند. پیکسل های طبقه بندی شده در تصویر قاعده Depth500 nm، R1344،778nm وnm Area2200 به دست آمده از یک تصویر HyMAP, الگوهای فضایی شبیه به نقشه های شیب پارامترهای طیفی به دست آمده از-زمین را نشان دادند. نتایج, قابلیت کاربرد بالقوه پارامترهای به دست آمده از ویژگی های جذب طیفی را در غربالگری و نقشه برداری توزیع فلزات سنگین نشان می دهند. اصلاح تفاوت ها در قدرت تفکیک طیفی و مکانی بین زمین و طیف تصویر باید برای نقشه برداری کمیتی و بازیابی غلظت فلزات سنگین از تصاویردر HyMAP نظر گرفته شود.
1. مقدمه
توزیع و انتشار فلزات سنگین در سراسر مناطق معدنکاری یک مسئله مهم است, زیرا باطله های رها شده 1 می توانند یک منبع عمده آلودگی زیست محیطی باشند. یک روش کلی برای پیمایش توزیع مکانی فلزات سنگین شامل نمونه برداری سیستماتیک و تجزیه و تحلیل آزمایشگاهی نمونه ها از رسوبات جریان توسط درون یابی نتایج نقطه ای در تدوین نقشه های توزیع می شود (Ferrier, 1999; Kemper & Sommer, 2002). با این حال، چنین رویکردی وقت گیر و پر هزینه است. سنجش از دور در تحقیقات پراکندگی فلزات سنگین به عنوان یک روش سریع تجزیه و تحلیل مقدماتی استفاده شده است و استفاده از داده های طیف سنج تصویربرداری با کیفیت بالا (ابرطیفی) می تواند نتایج قبلی را بهبود بخشد. مطالعات متعددی, امکان استفاده از طیف سنجی میدانی و تصویربرداری را در شناسایی مواد معدنی حاوی فلزات سنگین به عنوان شاخص آلودگی در مناطق معدنکاری نشان داده اند (Farrand & Harsanyi, 1997; Ferrier, 1999). Montero و همکاران (2005), پتانسیل معادن رها شده برای تخلیه معدن اسید (AMD) را با مشخص نمودن سنگ ضایعاتی مرتبط با تخلیه اسید ارزیابی نموده اند و Sares و همکاران (2004) به طور غیر مستقیم, pH یک جریان متاثر از-AMD را با شناسایی مواد معدنی حامل-آهن رسوب یافته در بستر جریان تعیین نمودند. از لحاظ ارزیابی سطح فلزات سنگین در خاک، وو و همکاران (2005) و کمپر و سومر (2002) غلظت فلزات برآورد با استفاده از طیف بازتاب و مدل های پیش بینی های آماری؛ نویسندگان که امکان استفاده از روش خود را به سنجش از دور پیشنهاد شده است.
Abstract
The aim of this study is to derive parameters from spectral variations associated with heavy metals in soil and to explore the possibility of extending the use of these parameters to hyperspectral images and to map the distribution of areas affected by heavy metals on HyMAP data. Variations in the spectral absorption features of lattice OH and oxygen on the mineral surface due to the combination of different heavy metals were linked to actual concentrations of heavy metals. The ratio of 610 to 500 nm (R610,500 nm) in the visible and near-infrared (VNIR) range, absorption area at 2200 nm (Area2200 nm), and asymmetry of the absorption feature at 2200 nm (Asym2200 nm) showed significant correlations with concentrations of Pb, Zn, and As, respectively. The resulting spectral gradient maps showed similar spatial patterns to geochemical gradient maps. The ground-derived spectral parameters showed a reliable quantitative relationship with heavy metal levels based on multiple linear regression. To examine the feasibility to applying these parameters to a HyMAP image, image-derived spectral parameters were compared with ground-derived parameters in terms of R2, one-way ANOVA, and spatial patterns in the gradient map. The R1344,778 nm and Area2200 nm parameters showed a weak relationship between the two datasets (R2 > 0.5), and populations of spectral parameter values, Depth500 nm, R1344,778 nm, and Area2200 nm derived from the image pixels were comparable with those of ground-derived spectral parameters along a section of the stream channel. The pixels classified in the rule image of Depth500 nm, R1344,778 nm, and Area2200 nm derived from a HyMAP image showed similar spatial patterns to the gradient maps of ground-derived spectral parameters. The results indicate the potential applicability of the parameters derived from spectral absorption features in screening and mapping the distribution of heavy metals. Correcting for differences in spectral and spatial resolution between ground and image spectra should be considered for quantitative mapping and the retrieval of heavy metal concentrations from HyMAP images.
1. Introduction
The distribution and diffusion of heavy metals throughout mining areas are an important issue because abandoned tailings1 can be a major source of environmental pollution. A general method for surveying the spatial distribution of heavy metals involves the systematic sampling and laboratory analysis of stream sediment samples followed by interpolation of the point results in compiling distribution maps (Ferrier, 1999; Kemper & Sommer, 2002); however, such an approach is time-consuming and costly. Remote sensing has been used in investigations of the dispersion of heavy metals as a rapid method of preliminary analysis, and the use of high-quality imaging spectrometer (hyperspectral) data may improve upon previous results. Several studies have indicated the possibility of applying field and imaging spectroscopy in the identification of minerals containing heavy metals as an indicator of contamination in mining areas (Farrand & Harsanyi, 1997; Ferrier, 1999). Montero et al. (2005) assessed the potential of abandoned mines for acid mine drainage (AMD) by characterizing waste rock associated with acid drainage, and Sares et al. (2004) indirectly determined the pH of an AMD-affected stream by identifying iron-bearing minerals precipitated on the streambed. In terms of assessing the heavy metal level in soils, Wu et al. (2005) and Kemper and Sommer (2002) estimated metal concentrations using reflectance spectroscopy and statistical prediction models; the authors suggested the possibility of applying their technique to remote sensing.
چکیده
1. مقدمه
2. سابقه و هدف
2.1. مکانیزم اتصال فلزات سنگین بر روی مواد معدنی
3. شرح منطقه مورد مطالعه
4. مواد و روش ها
4.1. مجموعه داده های زمینی
4.1.1. داده های تجربی
4.1.2. استنتاج پارامترهای طیفی
4.1.3. پردازش آماری
4.1.4. نقشه برداری مجموعه داده های زمین
4.2. مجموعه داده تصویر
4.2.1. تصویر HyMAP
4.2.2. درجه تشابه طیفی بین تصویر HyMAP و داده های طیف سنج میدانی
4.2.3. شباهت پارامترهای طیفی بین تصویر و مجموعه داده های زمین
4.2.4. طبقه بندی تصویر HyMAP بر اساس پارامترهای طیفی
5. نتایج و بحث
5.1. رابطه بین پارامترهای طیفی و غلظت های فلز سنگین
5.1.1. غلظت های فلز سنگین
5.1.2. پارامترهای طیفی
5.1.3. همبستگی آماری با مقادیر ژئوشیمیایی و پارامترهای طیفی
5.1.4. مقایسه الگوهای توزیع مکانی
5.1.5. روابط کمیتی
5.2. کاربرد پارامترهای طیفی برای یک تصویر HyMAP
5.2.1. شباهت طیفی
5.2.2 مقایسه بین پارامتر طیفی زمینی و به دست آمده از- تصویر
5.2.3. الگوهای توزیع مکانی پیکسل های تصویر طبقه بندی شده
6. نتیجه گیری
Abstract
Keywords
1. Introduction
2. Background
3. Description of the study area
4. Materials and methods
5. Results and discussion
6. Conclusions
Acknowledgments
References
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه