矿产资源开发导致的生态环境损害问题主要包括土地损毁、生态完整性破坏、水土流失/土地荒漠化和环境污染等^[1-2]。自20世纪70年代开始, 矿山生态环境遥感监测一直是国内外研究的热点问题, 一些学者利用多光谱数据对矿区植被变化和污染信息^[3]、地面沉陷^[4]和开采环境动态^[5]等进行监测; 另一些学者则利用高光谱遥感数据监测矿区重金属和黏土导致的水污染^[6]、植被污染和土壤污染等^[7]; 还有一些学者综合运用多光谱和高光谱数据开展了矿山生态环境损害的单指标或多指标监测^[8]。上述研究多基于人工目视解译方法或基于高光谱遥感数据的应用性探索, 监测指标缺乏系统性, 尚未建立一套完整有效的矿山生态环境遥感监测体系。同时, 由于矿山生态环境问题复杂多样, 传统遥感技术仅依靠地物的光谱信息监测各项指标, 受时空分辨率的结构性限制, 导致很多微地形无法精确识别或者获取的数据精度较低, 特别是在植被结构信息提取方面, 仅开展了水平方向上的植被覆盖研究, 无法获取植被的垂直结构参数。

激光雷达(light detection and ranging, LiDAR)由20世纪70年代美国太空总署(NASA)研发, 是继GPS应用以来遥感界的又一项技术革命^[9]。LiDAR具有主动性强、穿透性强、扫描速度快、实时性强和精度高等特点。目前, LiDAR技术已被应用于基础测绘^[10]、数字城市、工程测量、文物保护和变形监测等领域^[10-13]。LiDAR扫描可以获取三维点云数据, 精度达到毫米级^[14], 在矿区高精度数字高程模型(digital elevation model, DEM)和植被垂直结构参数提取方面具有独特优势。目前, 关于LiDAR技术在矿山生态环境监测中的应用研究较少, 且集中在某一指标的监测, 例如边坡稳定性、开采沉陷、矸石山复垦等^[15-18]。为此, 笔者从露天开采和地下开采所导致的不同矿山生态环境问题入手, 全面分析了LiDAR技术在矿山生态环境监测中的适用性, 探讨了LiDAR技术在矿山生态完整性损失、土地损毁和土壤侵蚀3大类指标参数提取中的应用潜力, 以期为加强矿山生态环境遥感监测提供新方法, 为矿山生态保护与修复提供高精度的数据支撑。

1 矿山生态环境问题与传统遥感监测 1.1 矿山生态环境问题的分类

矿山地质环境是生态环境的重要组成部分。不同开采方式造成的矿山生态环境问题的差别较大^[19]。一般来讲, 露天开采相比于地下开采会带来更大的地面扰动和土地损毁, 地下开采相对露天开采会带来更严重的水资源破坏和地面沉陷^[20]。

露天采矿过程需要大范围剥离土层和岩体, 会摧毁地表植被和自然生态系统, 造成严重的土地挖损和排土/岩场占压土地^{[1, 21]}。土地损毁的形式一般包括采场、排土场、尾矿库、工矿建设用地及道路占地等^[22]。露天开采不仅影响矿山边坡稳定性, 造成滑坡、泥石流和土壤侵蚀等, 而且堆放的废弃物会造成扬尘污染或对土壤和水体造成污染^[23]。露天开采会破坏原始地形地貌, 影响生态系统完整性。

矿山地下开采会带来复杂的生态环境问题^[1]。就类型而言, 开采沉陷可分为冒落式、沉陷式、地堑式3种类型。作为一种人为的地质灾害, 地下开采会产生地下采空区、地表沉陷、崩塌或地裂缝等不同于露天开采的土地损毁, 不仅影响耕地和建筑物, 而且破坏地表植被生长^[19]。地下开采需要大规模排抽地下水, 不仅造成矿坑排水的二次污染, 而且使得地下水系不同程度地遭到破坏, 形成地下水疏干区或降落漏斗, 导致地下水位下降, 严重的可导致地表植被枯萎。

1.2 传统遥感在矿山生态环境监测中存在的问题

西方发达国家在20世纪70年代已将先进的遥感技术应用于矿山环境综合监测。我国的相关工作起步较晚, 20世纪90年代后期才将其应用于矿山土地复垦和恢复治理等工作, 但发展迅速。2014年至今, 环境保护部南京环境科学研究所等单位依托国家科技基础性工作专项“西部重点矿区土地退化因素调查”, 运用多种先进遥感技术实现了更多的矿山生态环境指标监测^[1]。比如, 一些学者利用多光谱数据(TM、OLI、MODIS数据产品等)分析矿区土地退化特征及其驱动因素^[24]、矿山开采带来的土壤侵蚀问题和对植被的影响^[25-26]、泥石流灾害的潜在危险性等^[27]; 还有一些学者利用高分辨率数据(WorldView、ZY-3、国产高分数据等)分析了矿区地裂缝对植被覆盖的影响^[28], 调查矿区土地退化人为影响因素^[29], 估算矿区植被净初级生产力^[30]; 更多的学者开始综合利用多种遥感数据源监测矿区土地退化的各类指标, 如白淑英等^[31-32]利用Landsat多光谱影像结合Quikbird高分辨率影像, 分析了内蒙古草原矿区和白云鄂博矿区的土地退化特征, 陶文旷等^[33]利用TM和MODIS影像分析了开采沉陷区植被扰动响应的时间特征。

然而, 基于传统遥感技术开展的矿山生态环境监测工作, 多以大范围、单一指标的调查为目的, 缺乏从矿山生态环境监测指标方面进行系统的理论与方法研究, 且存在以下不足:(1) 无法获取垂直结构参数。不仅用于评估分析的指标较少, 而且主要限于水平方向的土地损毁、植被破坏等地表生态过程监测, 无法实现植被垂直结构和矿山高精度DEM的获取。(2) 监测精度较低。以地表的相关类型、范围、面积等指标为主, 时空精度、应用层次及定量化程度依然较低。(3) 滞后性。矿山环境管理要求及时掌握第一手基础数据, 基于传统遥感技术无法第一时间发现生态环境问题, 而是通过各种滞后的人为(举报/报道/技术报告等)发现。可以看出, 传统遥感技术由于受时空分辨率和结构性设计的影响, 难以满足矿山生态环境综合监测的要求, 亟需研发一种高精度、主动性强的新技术, 有针对性地弥补传统遥感手段在垂直结构参数提取方面的不足。

2 LiDAR技术在矿山生态环境监测中的应用研究 2.1 LiDAR的技术原理

LiDAR是利用激光测距原理确定目标空间位置的新型测量仪器, 属于主动遥感。按工作方式, 可将LiDAR系统分为脉冲式、相位式和光学三角式, 目前使用最多的是脉冲式激光雷达^[34]。脉冲式激光雷达一般采用仪器自定义的坐标系(图 1), 其中, X和Y轴互相垂直并都在横向扫描面内, Z轴与横向扫描面垂直, 在激光测距系统获取目标距离S的同时, 还获取了激光脉冲的水平方向角α和垂直方向角β、目标的反射强度信息等观测数据, 角度信息配合距离, 可以得到扫描点的三维坐标信息, 如式(1), 三维点可表示为(x, y, z, I)^[35], 其中, I为目标的反射强度。

$ \left\{ \begin{array}{l} x = S\cos \beta \cos \alpha \\ y = S\cos \beta \sin \alpha \\ z = S\sin \beta \end{array} \right.。$

(1)

按照工作平台和空间位置, LiDAR可以分为以下3类:

(1) 机载激光雷达(airborne LiDAR, A-LiDAR)包括激光测距系统、位置姿态系统(POS)、控制系统及载机平台。优点是速度快且尺度大, 扫描定位的绝对精度可达10 cm, 最大飞行高度为6 000 m, 扫描带宽为1.8 km, 视场角为20°~40°^[36]。例如, 加拿大的ALTM3100、美国的ALS50。

(2) 地基激光雷达(terrestrial LiDAR, T-LiDAR)可分为固定式和移动式2种, 移动式如车载激光雷达, 固定式激光雷达由激光扫描仪、数码相机、笔记本电脑及电源组成。该雷达的优点是可以快速采集一定范围内高密度的点云数据, 具有良好的野外操作性。大多数T-LiDAR采用脉冲式测距, 最大扫描距离可达数百米甚至上千米, 扫描精度达到毫米级。如美国FARO Laser Scanner Focus^3D X 330、中国HS650高精度三维激光扫描仪等。

(3) 便携式激光雷达又称手持型激光雷达, 一般用于测量较小的目标, 测距较短, 通常不超过10 m, 优点是携带方便, 测速快, 精度可达0.03 mm^[37]。

2.2 LiDAR技术在矿山生态环境监测中的适用性

矿山生态环境监测包括生态破坏、环境污染和自然侵蚀等方面的调查指标^[1]。由表 1可知, LiDAR技术可以提取生态完整性损失类的大部分指标、土地损毁类的全部指标、自然侵蚀类的全部指标，但无法获取土壤元素污染类、土壤养分类和水污染类指标。

由对LiDAR技术和传统遥感技术在提取矿山生态环境信息方面的对比分析可知, LiDAR点云数据可以对矿山进行高精度的三维建模, 能显著提高土地损毁类指标的提取精度。在生态完整性损失类指标中, 植被覆盖度和植被破坏面积的监测是传统遥感技术和LiDAR均能实现的, 但传统遥感技术只能获取水平尺度上的覆盖度, 很难区分林下的灌草覆盖度, 而林下灌草是反映生态服务功能的重要组成部分。LiDAR技术在植被垂直结构参数信息提取方面具有独特优势, 可以弥补传统遥感技术只能提取植被水平结构参数的不足。在土壤侵蚀类指标中, 传统遥感技术虽然广泛应用于区域水土流失监测, 但存在精度低、有些指标(比如沙丘表面的沙波纹、沟蚀发育等)无法获取等缺点, LiDAR特别是T-LiDAR点云数据可用于精确测算坡面土壤侵蚀发育状况、沙丘体积、纹理等, 数据精度高, 操作便捷, 可以实现传统遥感技术无法实现的高时空分辨率的微地形信息提取。

2.3 在典型矿山生态环境指标监测中的应用潜力 2.3.1 数据的获取与预处理

利用LiDAR技术进行矿山生态环境指标参数信息的提取流程见图 2。可以看出, 首先, 通过地基或机载LiDAR扫描可以获取三维点云数据, 之后, 需要进行不同测站数据的拼接、去噪、滤波、制作DEM等数据预处理。LiDAR三维点云数据不但可以用来重建三维模型, 分析目标矿山的结构特征，而且可以进行全面的数据处理, 以提取矿山目标结构的几何信息, 例如长度、面积、体积、重心、结构形变、结构位移及变化关系。

对于土地损毁类指标, 需将扫描获得的目标物的三维点云数据进行去噪, 利用LiDAR点云数据处理软件计算地面高度处的截面积, 即为各目标物的占地面积。

对于生态完整性损失类指标, 通过对LiDAR三维点云数据进行滤波处理, 可获得冠层高度模型(canopy height model, CHM)并计算平均树高; 利用回归分析或栅格运算可获得植被覆盖度; 结合多光谱或高光谱数据对植被进行分类, 通过多时相数据对比可获得不同类型植被的破坏面积等。

对于土壤侵蚀类指标, 需将扫描获取的三维点云数据导入软件, 生成高精度DEM, 将不同时相获取的DEM进行叠加分析, 获得水力侵蚀造成的坡面变化、风力侵蚀造成的沙丘变化等信息。

2.3.2 生态完整性损失类指标提取

包括水平方向的植被覆盖度和植被破坏面积, 以及垂直方向的树高、叶面积密度和冠层高度廓线等参数。在森林群落中, 从上到下是由乔木树冠层、下木层、灌木层、草本植物层和苔藓等构成。用来表达植被垂直结构的参数主要有树高、叶面积密度(leaf area density, LAD)和冠层高度廓线(canopy height profile, CHP)等。

(1) 植被覆盖度。基于LiDAR技术提取植被覆盖度有2种方法:一种是利用CHM直接提取; 另一种是将三维点云数据进行归一化后直接提取。目前, 已有学者利用LiDAR数据成功反演得到森林冠层覆盖度^[38]和农作物覆盖度^[39], 取得了较好效果。李丹^[40]利用T-LiDAR三维点云数据进行滤波处理, 求得CHM, 采用统计回归方法从乔木、小树、灌木和苗圃共30块样地中提取出植被覆盖度, 乔木的估测精度达83.9%。王安^[41]对CHM进行栅格运算获取了冬小麦的覆盖度, 与实测数据一致性较高。

(2) 植被破坏面积。研究表明, 仅使用LiDAR数据可以将植被和非植被相区分, 但很难进一步对地物进行细分; 进行矿山植被和土地覆盖分类(林地、草地、农田等), 以及破坏面积提取, 需将LiDAR数据与传统遥感数据融合^[42]。针对温带森林树种分类, 刘丽娟等^[43]将A-LiDAR与高光谱数据融合, 得到了较好结果, 与仅使用高光谱数据相比, 提高了温带树种分类的精度。CHEN等^[44]和SASAKI等^[45]则对土地利用类型和树种进行分类, 精度均比光学遥感高。鉴于矿区生态环境的复杂性, 建议使用多时相的A-LiDAR与光学遥感数据结合的方法, 以提取林地、草地和农田的分布信息, 进而得出矿区植被破坏面积。

(3) 树高。LiDAR获得的数据可分为离散点云数据和全波形数据, 前者光斑直径通常小于1 m, 离散记录大量激光回波数据; 后者能连续记录光斑回波波形^[46]。使用离散LiDAR点云数据测量树高有2种方法:一种是直接从点云提取参数; 另一种是将点插值成栅格, 得到植被CHM后测得平均树高。构建CHM是目前广泛应用的一种方法。首先, 对获取的三维点云数据进行滤波和内插处理, 得到数字地形模型(digital terrain model, DTM)和数字地表模型(digital surface model, DSM), 然后用DTM减去DSM得到CHM, 即得到平均树高。使用全波形数据测量树高, 可以通过起始回波信号与最后一个回波信号的差值得到^[47]。

(4) LAD。LAD指在某一冠层高度处单位体积内参与光合作用的叶子单面面积的总和^[48]。LAD可弥补叶面积指数(leaf area index, LAI)在垂直方向上的不足, LAD不仅随高度变化, 还受树种、生长阶段和环境因素的影响^[49]。LAD的获取方法有2种:一是利用间隙率理论, 建立LAD与间隙率之间的关系; 二是利用HOSOI等^[50]提出的冠层分析(voxel-based canopy profiling, VCP)方法, 建立LAD与激光接触每层冠层叶片的概率之间的关系。基于间隙率理论, TAKEDA等^[51]通过改变T-LiDAR发射角度, 获取2个观测天顶角方向上的间隙率, 得到日本落叶针叶林LAD的最优化解。基于VCP方法, HOSOI等^[52]利用T-LiDAR数据提取了小麦不同生长阶段的LAD曲线, 精度为45%;VAN DER ZANDE等^[53]通过考虑阴影对估测结果的影响, 将精度提高10%~20%。

(5) CHP。CHP表示冠层内所有组分的表面积(包括叶片和木质部分)随高度变化的函数, 可通过全波形数据进行提取。全波形数据记录了地面到冠层顶部的激光回波信号, 且回波波形与冠层垂直分布密切相关; 还完整记录了冠层组分表面垂直投影的反射, 根据这些中间截面的回波可以部分重建林分冠层的垂直结构^[49]。利用全波形数据提取CHP主要基于MarArthur-Horn理论, 随后有学者修正了MarArthur-Horn方法^[54], 实现了利用A-LiDAR回波信号提取CHP曲线。现已有一些软件支持基于LiDAR的植被垂直参数信息提取, 如Tiffs和SLICER IMH处理系统等, 将LiDAR数据导入, 可实现LiDAR信号向CHP曲线的转化^[49]。

2.3.3 土地损毁类指标提取

不同开采方式对矿山生态环境的影响, 有共性问题, 也有明显不同之处, 但LiDAR技术均能实现矿山土地损毁类指标的高精度监测。在参数信息提取方面, LiDAR的优势在于可以基于LiDAR扫描获取的目标物三维点云数据, 在进行拼接、去噪、滤波处理的基础上, 制作高精度DEM, 以及在任意高程处对目标物进行截取, 得到截面积^[18], 从而获取尾矿库、矸石山、排土场、塌陷地、露天采场等地相关指标的现状与分布情况。此外, 基于2期或多期DEM, 可以实现矿山土地损毁类指标参数的动态监测, 从而获取矿山土地损毁类型和面积的变化情况。值得注意的是, 对于不同类型指标的参数信息提取, DEM数据的最佳分辨率差别可能较大^[55], 分辨率越高, 精度越大, 但需要的数据量越大，处理时间越长。例如, 对井工开采导致的地面沉陷进行监测, 由以传统遥感技术为数据源提取的DEM获得的地面沉降精度只能达到米级。有研究者利用资源二号卫星影像得到的DEM提取地面沉降, 1期影像的精度为±10 m, 2期影像精度为±6 m, 难以满足高精度监测的需要。因此, 确定提取土地损毁参数的DEM数据源显得尤为重要。

2.3.4 土壤侵蚀类指标提取

按侵蚀营力, 土壤侵蚀类指标包括水力侵蚀和风力侵蚀2类:

(1) 水力侵蚀。水土流失是矿区水力侵蚀的主要形式。露天开采排出大量松散堆积物, 很容易出现径流大量汇集, 引起崩塌、滑坡、泥石流等地质灾害, 增加了入河泥沙量。地下开采则引起地表塌陷, 使地表变形, 坡度加大, 侵蚀加重^[1]。为保证开采产量, 需确保矿山边坡足够大且不会发生滑坍。传统遥感技术无法实时获取边坡坡度等参数, 运用GPS等测绘仪器工作量大且精度低。针对矿区的水土流失情况, 利用LiDAR技术可以生成高精度的矿区DEM及等高线^[56], 能够精准地实时提取露天开采和地下开采造成的水土流失情况, 包括坡长、坡度、高程、河网密度等信息^[55-56]。基于2期或多期高精度DEM, 可以动态测算水力侵蚀的深度、面蚀(雨滴击溅侵蚀、层状侵蚀、鳞片状侵蚀及细沟侵蚀等)和沟蚀(浅沟侵蚀、切沟侵蚀和冲沟侵蚀等)的发育情况, 查明矿山土壤侵蚀速率、程度和面积等, 而传统遥感技术很难实现这些小尺度侵蚀信息的提取。

(2) 风力侵蚀。土地沙化是矿区风力侵蚀的主要形式, 以出现风蚀地、粗化地表及流动沙丘为标志性形态。针对干旱半干旱区矿区的土地沙化情况, 利用LiDAR技术可生成高精度沙化土地DEM及等高线, 能够精准提取沙丘高度、长宽、沙波纹深度等沙丘形态参数。基于2期或多期高精度DEM, 可以动态测算风力侵蚀造成的沙丘位移、体积、沙波纹等参数的变化信息。同样, 传统遥感技术几乎无法实现这些参数信息的提取。此外, 还可以提取沙地植被的水平和垂直结构参数, 分析植被变化对沙丘形态的影响。值得注意的是, 在测站和永久性控制标靶布设、扫描坐标系统设置等方面, 多次观测要做到统一标定。在进行多期三维点云数据处理时, 要以基准点为基础进行拼接和叠加分析, 从而基于同一个参考面计算出沙化土地的各种变化信息^[57]。

3 展望

矿产资源开发会带来一系列生态环境破坏和资源耗竭损失, 开展矿山生态环境监测与评估, 可以为矿山环境管理与生态保护修复提供决策与技术支撑。“十三五”期间, 我国将通过山水林田湖生态保护修复工程等, 针对大型建设项目破坏的山体、历史遗留矿山废弃地等, 加强矿山地质环境保护与生态修复, 提升区域生态系统服务功能。笔者针对露天开采和地下开采所导致的不同矿山生态环境问题, 通过对比分析传统遥感技术和LiDAR技术在矿山生态环境监测中的适用性, 探讨了LiDAR技术在矿区土地损毁、生态完整性损失和土壤侵蚀3大类指标监测中的应用潜力, 以期为全面加强矿山生态环境监测提供新的技术方法。

LiDAR技术在垂直空间结构方面的信息提取优势明显, 与水平空间数据相结合, 可以全方位的监测矿山生态环境, 同时, 其数据精度、角度、层次方面均优于传统遥感手段, 能弥补传统遥感技术在矿山生态环境监测中的缺陷与不足。

然而, 不同工作平台的LiDAR在矿山生态环境监测中也有其适用范围。针对土地损毁类指标和生态完整性损失类指标, LiDAR高达毫米级的精度虽然可以高精度进行矿山三维建模, 全面提取水平和垂直结构参数; 但是由于露天和地下开采的矿山规模大小不同, T-LiDAR最大扫描范围只有1 km, 数据范围有限, 若用于大型矿山势必增加测站, 从而增加工作量, 且由于遮挡等原因而无法完整获取复杂林分内的冠层信息。A-LiDAR扫描范围可达1.8 km, 有利于大型矿山的生态环境监测, 能够获取大范围的植被垂直结构信息; 但由于点云密度较小, 对下部林分参数的反演精度较低, 且存在仪器昂贵、成本较高等问题。因此, 可考虑将T-LiDAR与A-LiDAR结合使用, 实现两者在不同规模矿山生态环境全面监测方面的数据互补, 而如何统一两者的坐标系统、减少机载数据获取成本是亟需解决的问题。

此外, 如果不需要进行实时监测和获取植被垂直结构参数信息, 传统遥感技术仍是较好的选择。如果需要, 可以考虑将T-LiDAR与多光谱、高光谱和高分辨等传统遥感数据结合使用, 达到既提高矿山生态环境监测的精度, 又满足大范围监测、低成本运行的现实需求。