基于实测光谱和国产高分五号高光谱卫星的铁尾矿表层含水率遥感反演方法研究

尾矿库作为高势能的人造泥石流危险源，在尾砂含水量过高时有溃坝风险，低含水量状态下产生扬尘则会危害周围环境。尾砂含水量实时、动态监测对于尾矿库安全状况及矿区环境保护具有重要意义。相比传统采样化验手段，高光谱遥感拥有观测面积大、数据实时易获取、光谱信息丰富的特点，为快速、高精度尾矿水分监测提供了手段。以鞍山-本溪铁矿群中的高硅型铁尾矿为研究区，实地采集尾砂样品77个，利用可见光-近红外(350～2 500 nm)光谱仪获取其光谱数据，分析不同含水率尾砂光谱特征及机理；引入竞争性自适应加权重采样法(CARS)筛选水分敏感波段，并基于敏感波段建立三维波段光谱指数(TBI),结合随机森林(RF)、粒子群优化的极限学习机(PSO-ELM)及卷积神经网络(CNN)算法建立尾砂水分反演模型，以国产高分五号高光谱卫星为数据源进行模型应用，获取尾矿库表层含水时空分布特征。结果表明：(1)尾砂光谱反射率随含水率升高明显下降，在1 455和1 930 nm处出现O—H吸收特征，吸收深度随含水率减小而逐渐减小；(2)基于CARS方法能够对高光谱数据(305波段)有效降维，筛选出18个水分敏感波段，进一步利用敏感...