Выпуск #5/2016
С.С.Алиева, Р.О. Гусейнова
Метод калибровки дистанционного спектрометрического измерителя концентрации тяжелых металлов на земельных участках
Метод калибровки дистанционного спектрометрического измерителя концентрации тяжелых металлов на земельных участках
Просмотры: 4174
Достоверность результатов дистанционного мониторинга концентрации тяжелых металлов в почвах и в растительности с помощью бортовых спектрометрических устройств ограничена существующими проблемами калибровки аппаратуры и отсутствием общепринятых критериев идентификации элементов. Предложен метод онлайн калибровки бортовых спектральных систем при дистанционной оценке содержания тяжелых металлов.
DOI:10.22184/1993-7296.2016.59.5.54.61
DOI:10.22184/1993-7296.2016.59.5.54.61
Теги: calibration of the airborne spectral systems concentration of heavy metals in soils remote monitoring дистанционный мониторинг калибровка бортовых спектральных систем концентрация тяжелых металлов в почвах
Загрязнение окружающей среды – воздуха, воды и почвы – тяжелыми металлами неизбежно оказывает влияние на здоровье человека. Известно, что тяжелые металлы, в особенности свинец, кадмий, ртуть, мышьяк, способны вызвать такие болезни, как рак, повреждение легких и нейротоксические эффекты. Забота о здоровье людей диктует необходимость установки систем контроля уровня загрязнения и оповещения об этом населения.
В работах многих исследователей [1] отмечается, что традиционные методы оценки распределения тяжелых металлов в почве путем установления выборки точек взятия проб и их последующего лабораторного анализа и химической идентификации имеют высокую стоимость и требуют длительной подготовки материала. В противоположность им методы спектрометрического анализа, являясь интегральными, лишены этих недостатков. Однако прямая идентификация тяжелых металлов как неорганического загрязнителя почвы затруднена. Причина – в низкой концентрации этих веществ в почве и в отсутствии четких специфических спектральных признаков в видимом и близком инфракрасном диапазонах наблюдений. Вместе с тем, существуют различные комбинации тяжелых металлов с органическими веществами и ассоциации с гидроксидами и карбонатами. Спектральные измерения их концентрации позволяют косвенно определить наличие тяжелых металлов и идентифицировать их состав. Авторы работы [2] сообщают, что гиперспектральная измерительная техника позволяет получать достаточно насыщенную и непрерывную спектральную информацию, пригодную для выявления более подробных спектральных свойств поверхности и минералогического состава почвы. Эту способность можно использовать для мониторинга загрязнения почвы.
Метод отражательной спектроскопии имеет более высокое быстродействие, чем химические методы анализа и идентификации. Достаточно сильные спектральные признаки различных компонентов почвы лежат в спектральном диапазоне 400–2500 нм. Результаты проведенных экспериментальных исследований [3] показали, что концентрации таких тяжелых металлов, как Pb, Zn, Mn, хорошо коррелируют с величиной отношения интенсивностей отражательных спектров на длинах волн 610 и 500 нм – U (610) /U (500), а концентрации Ni и Cr лучше коррелируют с оценкой наклона линии функции спектральной интенсивности в точке, соответствующей длине волны 980 нм.
Есть данные о том, что интенсивность отражательного спектрального излучения почвы изменяется обратно пропорционально концентрации тяжелых металлов [4]. На рис.1 приведены отражательные спектры почв, содержащих такие минералы, как пирит (имеющий примеси Со, Ni, As, Cu, и Au), ярозит (обычно содержит примеси Na, Al и Pb), копиапит (типичные примеси Cu и Al), ферригидрид (среди примесей – Сd, Zn и Pb) и гетит (типичная примесь – Mn).
Казалось бы, что установка на борту летательного аппарата спектрометрического устройства позволит легко справиться с задачей мониторинга поверхности территорий для определения концентрации тяжелых металлов в почве. Однако использование бортовых спектрометрических устройств для дистанционного обнаружения и оценки степени изменений концентрации тяжелых металлов на поверхности земли по ряду причин не позволяет получить информацию с высокой достоверностью.
ПОСТАНОВКА ЗАДАЧИ
В качестве причин, снижающих достоверность бортовой измерительной информации, лежат проблемы калибровки аппаратуры и отсутствие критериев идентификации.
Первая из названных проблем возникает при онлайн-калибровке бортовых измерителей. Во-первых, в поле обзора бортовых спектральных систем попадают объекты с разными отражательными свойствами – растительность и почва. Во-вторых, использования для оценки загрязненности почвы всего лишь концентрации тяжелых металлов – недостаточно, существует еще, как минимум один, косвенный признак, который не учитывается при калибровке, – содержание тяжелых металлов в растениях.
Другая проблема – это отсутствие критерия, который учитывал бы соотношение территорий заросшего и незаросшего участков в тестовом поле.
Целью проведенной работы стала разработка метода онлайн-калибровки бортовых спектральных систем при дистанционной оценке содержания тяжелых металлов на поверхности земли методами дистанционного зондирования, который бы не имел недостатков существующих методов калибровки.
РЕШЕНИЕ ЗАДАЧИ
Для решения задачи калибровки введем допущение, что в первом приближении поле зрения спектрорадиометрического измерителя (не учитывая геометрические искажения) охватывает прямоугольный участок ABCD, в котором наблюдаются участки растительности и участки, не заросшие растительностью (рис.2). То есть участок композитный, его суммарная площадь – SABCD, а суммарная площадь растительных участков – S (1). Доля растительности в поле исследуемого участка ABCD определяется весовым коэффициентом α1:
.
От растений на вход спектрорадиометра на длине волны λ0 попадает суммарный радиационный поток U1 (λ0). От почвы, не заросшей растительностью, на вход спектрорадиометра на длине волны λ0 попадает суммарный поток U2 (λ0). Тогда суммарный спектрометрический сигнал, полученный при онлайн-калибровке бортовым измерителем на фиксированной длине волны λ0, можно оценить с помощью выражения:
.
Хорошо известно, что отражательные свойства растительности также сильно зависят от содержания в них тяжелых металлов. Например, спектр отражения листьев риса в зависимости от содержания в них кадмия приведен на рис.3. Интересные результаты получены авторами работы [5], они установили, что с ростом степени загрязнения растения в диапазоне красной длины волны отраженный сигнал увеличивается, а в ближней ИК-области, наоборот, уменьшается. Для учета влияния концентрации тяжелых металлов на калибровку примем, что CV – концентрация тяжелых металлов в растительности, а CS – концентрация тяжелых металлов в почве. И суммарный спектрометрический сигнал запишем как
.
Авторы работы [6] обнаружили, что наблюдается сильная корреляционная зависимость между степенью загрязнения почвы тяжелыми металлами CS и степенью загрязнения растительности, растущей на загрязненной земле CV. Эти наблюдения подтверждают результаты, полученные авторами для разных видов растений (рис.4). Анализ полученных зависимостей показывает, что функция корреляционной связи имеет линейный характер
.
где: β – коэффициент корреляции; a – константа. Тогда суммарный спектрометрический сигнал запишем как
. (1)
Уравнение (1) позволяет при известных значениях α1, λ0, β, а определить величину CS по измеренной величине . Покажем, что полученное уравнение (1) позволяет осуществить онлайн-калибровку дистанционного измерителя концентрации тяжелых металлов в почве при постоянстве α1, β и а и при надлежащем выборе λ0. Под надлежащим выбором длины волны λ0 имеется в виду проведение измерений в красной зоне, в которой при увеличении степени загрязнения почвы сигнал от растительности будет расти, а сигнал от "голой" земли будет уменьшаться. Следовательно, в упрощенном случае, рассматриваемая задача сводится к определению экстремума многочлена
, (2)
где: U1 (CS) – растущая функция CS; U2 (CS) – спадающая функция. При этом экстремум выражения (2) будем рассматривать в качестве признака для проведения калибровки дистанционного измерителя концентрации тяжелых металлов в почве.
Следует отметить, что теоретически наличие экстремума в скалярных свертках типа (2) с парафазными нелинейными функциями U1 (CS) и U2 (CS) своих аргументов является достоверно установленным фактом в теории многокритериальной оптимизации. Для получения конкретного выражения для CS, при котором UΣ (CS) достиг бы экстремальной величины, разложим в ряд Тейлора функции U1 (CS) и U2 (CS) и ограничимся их представлением в виде первых трех членов ряда:
, (3)
. (4)
С учетом выражений (2–4) можно получить следующее квадратичное уравнение
, (5)
где:
,
.
Решение квадратичного уравнения (5) позволяет определить значение CS, при котором показание спектрорадиометра на борту носителя достигнет экстремума при пролете носителя измерительной аппаратуры над участками с фиксированными величинами постоянных коэффициентов уравнения. С учетом полученного результата предложен следующий алгоритм проведения онлайн-калибровки дистанционного измерителя концентрации тяжелых металлов на поверхности земли:
1. непрерывное определение значений постоянных коэффициентов уравнения (5) при полете носителя спектрометрической аппаратуры;
2. фиксация момента, при котором выходной сигнапл спектрорадиометра достигает экстремальной величины;
3. определение значения концентрации тяжелых металлов в момент максимума выходного сигнала спектрорадиометра при решении уравнения (5).
ОБСУЖДЕНИЯ И ВЫВОДЫ
Таким образом, рассмотренный метод калибровки дистанционного измерения концентрации тяжелых металлов в почве при движении носителя предусматривает генерирование экстремального сигнала на выходе бортового спектрорадиометра. Аналитическое определение характера экстремума методом анализа второй производной выражения (2) по CS с учетом (3–4) предполагает громоздкие выражения и здесь не приводится. Отметим, что предлагаемый метод калибровки измерителя концентрации тяжелых металлов в композитном исследуемом участке позволит получить более достоверные оценки суммарного загрязнения исследуемого участка тяжелыми металлами, благодаря тому, что учитывает свойства и взаимосвязь компонентов этого участка.
Основные выводы из проведенного исследования следующие:
• предложен метод калибровки дистанционного измерителя суммарного загрязнения тяжелыми металлами композитного участка, состоящего из не заросшей земли, и участка земли с растительностью;
• разработан алгоритм реализации метода калибровки дистанционного измерителя концентрации тяжелых металлов в рассматриваемых композитных участках.
ЛИТЕРАТУРА
1. Shamsoddini A., Raval S., Taplin R. Spectroscopic analysis of soil metal contaminationaround a derelict mine site in the blue mountains Australia. – VII Symposium ISPRS, Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Technical Commission, 2014, v. II-7, 29 September – 2 October, Istanbul, Turkey.
2. Maliki A.A., Owens G., Bruce D. Capabilities of remote sensing hyperspectral images for the detection of lead contamination: a review. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, v. I-7, 2012. XXII ISPRS Congress, 25 August – 01 September, Melbourne, Australia.
3. Gannouni S., Rebai N., Abdeljaoued S. A Spectroscopic Approach to Assess Heavy Metals. Contents of the Mine Waste of Jalta and Bougrine in the North of Tunisia. – Journal of Geographic Information System, 2012, v.4, p.242–253.
4. Kemper T., Sommer S. Mapping and monitoring of residual heavy metal contamination and acidification risk after the Aznalcollar mining accident (Andalusia, Spain) using field and airborne hyperspectral data. Presented at the 3rd EARSeL Workshop on Imaging Spectroscopy. – Herrsching, 13–16 May 2003.
5. Guangyu C., Yi S., Xin C., Jian M., Taihui Z. Effects of metalstress on visible/near – infrared reflectance spectra of vegetation. – Advanced Masterials Research, 2012, v. 347–353, p. 2735–2738.
6. Malizia D., Guiliano A., Ortaggi G., Masotti A. Common plants as alternative analytical tools to monitor heavy metals in soil. Malizia et al. – Chemistry Central Journal 2012, № 6, (Suppl.2): S6 (http://journal.chemistrycentral.com/content/6/S2/S6).
В работах многих исследователей [1] отмечается, что традиционные методы оценки распределения тяжелых металлов в почве путем установления выборки точек взятия проб и их последующего лабораторного анализа и химической идентификации имеют высокую стоимость и требуют длительной подготовки материала. В противоположность им методы спектрометрического анализа, являясь интегральными, лишены этих недостатков. Однако прямая идентификация тяжелых металлов как неорганического загрязнителя почвы затруднена. Причина – в низкой концентрации этих веществ в почве и в отсутствии четких специфических спектральных признаков в видимом и близком инфракрасном диапазонах наблюдений. Вместе с тем, существуют различные комбинации тяжелых металлов с органическими веществами и ассоциации с гидроксидами и карбонатами. Спектральные измерения их концентрации позволяют косвенно определить наличие тяжелых металлов и идентифицировать их состав. Авторы работы [2] сообщают, что гиперспектральная измерительная техника позволяет получать достаточно насыщенную и непрерывную спектральную информацию, пригодную для выявления более подробных спектральных свойств поверхности и минералогического состава почвы. Эту способность можно использовать для мониторинга загрязнения почвы.
Метод отражательной спектроскопии имеет более высокое быстродействие, чем химические методы анализа и идентификации. Достаточно сильные спектральные признаки различных компонентов почвы лежат в спектральном диапазоне 400–2500 нм. Результаты проведенных экспериментальных исследований [3] показали, что концентрации таких тяжелых металлов, как Pb, Zn, Mn, хорошо коррелируют с величиной отношения интенсивностей отражательных спектров на длинах волн 610 и 500 нм – U (610) /U (500), а концентрации Ni и Cr лучше коррелируют с оценкой наклона линии функции спектральной интенсивности в точке, соответствующей длине волны 980 нм.
Есть данные о том, что интенсивность отражательного спектрального излучения почвы изменяется обратно пропорционально концентрации тяжелых металлов [4]. На рис.1 приведены отражательные спектры почв, содержащих такие минералы, как пирит (имеющий примеси Со, Ni, As, Cu, и Au), ярозит (обычно содержит примеси Na, Al и Pb), копиапит (типичные примеси Cu и Al), ферригидрид (среди примесей – Сd, Zn и Pb) и гетит (типичная примесь – Mn).
Казалось бы, что установка на борту летательного аппарата спектрометрического устройства позволит легко справиться с задачей мониторинга поверхности территорий для определения концентрации тяжелых металлов в почве. Однако использование бортовых спектрометрических устройств для дистанционного обнаружения и оценки степени изменений концентрации тяжелых металлов на поверхности земли по ряду причин не позволяет получить информацию с высокой достоверностью.
ПОСТАНОВКА ЗАДАЧИ
В качестве причин, снижающих достоверность бортовой измерительной информации, лежат проблемы калибровки аппаратуры и отсутствие критериев идентификации.
Первая из названных проблем возникает при онлайн-калибровке бортовых измерителей. Во-первых, в поле обзора бортовых спектральных систем попадают объекты с разными отражательными свойствами – растительность и почва. Во-вторых, использования для оценки загрязненности почвы всего лишь концентрации тяжелых металлов – недостаточно, существует еще, как минимум один, косвенный признак, который не учитывается при калибровке, – содержание тяжелых металлов в растениях.
Другая проблема – это отсутствие критерия, который учитывал бы соотношение территорий заросшего и незаросшего участков в тестовом поле.
Целью проведенной работы стала разработка метода онлайн-калибровки бортовых спектральных систем при дистанционной оценке содержания тяжелых металлов на поверхности земли методами дистанционного зондирования, который бы не имел недостатков существующих методов калибровки.
РЕШЕНИЕ ЗАДАЧИ
Для решения задачи калибровки введем допущение, что в первом приближении поле зрения спектрорадиометрического измерителя (не учитывая геометрические искажения) охватывает прямоугольный участок ABCD, в котором наблюдаются участки растительности и участки, не заросшие растительностью (рис.2). То есть участок композитный, его суммарная площадь – SABCD, а суммарная площадь растительных участков – S (1). Доля растительности в поле исследуемого участка ABCD определяется весовым коэффициентом α1:
.
От растений на вход спектрорадиометра на длине волны λ0 попадает суммарный радиационный поток U1 (λ0). От почвы, не заросшей растительностью, на вход спектрорадиометра на длине волны λ0 попадает суммарный поток U2 (λ0). Тогда суммарный спектрометрический сигнал, полученный при онлайн-калибровке бортовым измерителем на фиксированной длине волны λ0, можно оценить с помощью выражения:
.
Хорошо известно, что отражательные свойства растительности также сильно зависят от содержания в них тяжелых металлов. Например, спектр отражения листьев риса в зависимости от содержания в них кадмия приведен на рис.3. Интересные результаты получены авторами работы [5], они установили, что с ростом степени загрязнения растения в диапазоне красной длины волны отраженный сигнал увеличивается, а в ближней ИК-области, наоборот, уменьшается. Для учета влияния концентрации тяжелых металлов на калибровку примем, что CV – концентрация тяжелых металлов в растительности, а CS – концентрация тяжелых металлов в почве. И суммарный спектрометрический сигнал запишем как
.
Авторы работы [6] обнаружили, что наблюдается сильная корреляционная зависимость между степенью загрязнения почвы тяжелыми металлами CS и степенью загрязнения растительности, растущей на загрязненной земле CV. Эти наблюдения подтверждают результаты, полученные авторами для разных видов растений (рис.4). Анализ полученных зависимостей показывает, что функция корреляционной связи имеет линейный характер
.
где: β – коэффициент корреляции; a – константа. Тогда суммарный спектрометрический сигнал запишем как
. (1)
Уравнение (1) позволяет при известных значениях α1, λ0, β, а определить величину CS по измеренной величине . Покажем, что полученное уравнение (1) позволяет осуществить онлайн-калибровку дистанционного измерителя концентрации тяжелых металлов в почве при постоянстве α1, β и а и при надлежащем выборе λ0. Под надлежащим выбором длины волны λ0 имеется в виду проведение измерений в красной зоне, в которой при увеличении степени загрязнения почвы сигнал от растительности будет расти, а сигнал от "голой" земли будет уменьшаться. Следовательно, в упрощенном случае, рассматриваемая задача сводится к определению экстремума многочлена
, (2)
где: U1 (CS) – растущая функция CS; U2 (CS) – спадающая функция. При этом экстремум выражения (2) будем рассматривать в качестве признака для проведения калибровки дистанционного измерителя концентрации тяжелых металлов в почве.
Следует отметить, что теоретически наличие экстремума в скалярных свертках типа (2) с парафазными нелинейными функциями U1 (CS) и U2 (CS) своих аргументов является достоверно установленным фактом в теории многокритериальной оптимизации. Для получения конкретного выражения для CS, при котором UΣ (CS) достиг бы экстремальной величины, разложим в ряд Тейлора функции U1 (CS) и U2 (CS) и ограничимся их представлением в виде первых трех членов ряда:
, (3)
. (4)
С учетом выражений (2–4) можно получить следующее квадратичное уравнение
, (5)
где:
,
.
Решение квадратичного уравнения (5) позволяет определить значение CS, при котором показание спектрорадиометра на борту носителя достигнет экстремума при пролете носителя измерительной аппаратуры над участками с фиксированными величинами постоянных коэффициентов уравнения. С учетом полученного результата предложен следующий алгоритм проведения онлайн-калибровки дистанционного измерителя концентрации тяжелых металлов на поверхности земли:
1. непрерывное определение значений постоянных коэффициентов уравнения (5) при полете носителя спектрометрической аппаратуры;
2. фиксация момента, при котором выходной сигнапл спектрорадиометра достигает экстремальной величины;
3. определение значения концентрации тяжелых металлов в момент максимума выходного сигнала спектрорадиометра при решении уравнения (5).
ОБСУЖДЕНИЯ И ВЫВОДЫ
Таким образом, рассмотренный метод калибровки дистанционного измерения концентрации тяжелых металлов в почве при движении носителя предусматривает генерирование экстремального сигнала на выходе бортового спектрорадиометра. Аналитическое определение характера экстремума методом анализа второй производной выражения (2) по CS с учетом (3–4) предполагает громоздкие выражения и здесь не приводится. Отметим, что предлагаемый метод калибровки измерителя концентрации тяжелых металлов в композитном исследуемом участке позволит получить более достоверные оценки суммарного загрязнения исследуемого участка тяжелыми металлами, благодаря тому, что учитывает свойства и взаимосвязь компонентов этого участка.
Основные выводы из проведенного исследования следующие:
• предложен метод калибровки дистанционного измерителя суммарного загрязнения тяжелыми металлами композитного участка, состоящего из не заросшей земли, и участка земли с растительностью;
• разработан алгоритм реализации метода калибровки дистанционного измерителя концентрации тяжелых металлов в рассматриваемых композитных участках.
ЛИТЕРАТУРА
1. Shamsoddini A., Raval S., Taplin R. Spectroscopic analysis of soil metal contaminationaround a derelict mine site in the blue mountains Australia. – VII Symposium ISPRS, Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Technical Commission, 2014, v. II-7, 29 September – 2 October, Istanbul, Turkey.
2. Maliki A.A., Owens G., Bruce D. Capabilities of remote sensing hyperspectral images for the detection of lead contamination: a review. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, v. I-7, 2012. XXII ISPRS Congress, 25 August – 01 September, Melbourne, Australia.
3. Gannouni S., Rebai N., Abdeljaoued S. A Spectroscopic Approach to Assess Heavy Metals. Contents of the Mine Waste of Jalta and Bougrine in the North of Tunisia. – Journal of Geographic Information System, 2012, v.4, p.242–253.
4. Kemper T., Sommer S. Mapping and monitoring of residual heavy metal contamination and acidification risk after the Aznalcollar mining accident (Andalusia, Spain) using field and airborne hyperspectral data. Presented at the 3rd EARSeL Workshop on Imaging Spectroscopy. – Herrsching, 13–16 May 2003.
5. Guangyu C., Yi S., Xin C., Jian M., Taihui Z. Effects of metalstress on visible/near – infrared reflectance spectra of vegetation. – Advanced Masterials Research, 2012, v. 347–353, p. 2735–2738.
6. Malizia D., Guiliano A., Ortaggi G., Masotti A. Common plants as alternative analytical tools to monitor heavy metals in soil. Malizia et al. – Chemistry Central Journal 2012, № 6, (Suppl.2): S6 (http://journal.chemistrycentral.com/content/6/S2/S6).
Отзывы читателей