高光谱遥感技术新突破：为天然气管道“微泄露”戴上“光谱眼镜”

天然气储气库一旦发生泄漏，不仅造成能源浪费和环境污染，更直接威胁周边居民安全。然而，地下管道微泄漏往往极其隐蔽，传感器难以直接探测。近期，一项发表于学术期刊的研究给出了新思路——通过高光谱遥感技术捕捉地表植被的“胁迫信号”，间接为天然气泄漏“画像”。

这项研究以大豆为研究对象，设计了模拟天然气泄漏胁迫的田间对照实验。通过分析天然气泄漏胁迫下大豆冠层的光谱特征，研究发现：与正常生长的大豆冠层光谱相比，胁迫中期的大豆冠层光谱变化显著。

“敏感波段”锁定，构建专属指数

研究团队对对照区和实验区550～1000nm波段范围内的大豆冠层光谱进行了单因素方差分析。在P<0.05的检验水平下，筛选出F值大于平均F值的波段，将其定义为天然气泄漏胁迫敏感波段。基于这些敏感波段，团队设计构建了天然气泄漏胁迫大豆指数（NGSBI）。

为了验证该指数的有效性，研究人员将其与LIC、NDVI705、NPCI等已有指数的识别效果进行了定量比对。结果表明，NGSBI在识别天然气泄漏胁迫植被方面表现更优。

从“看见”到“定位”：精度达厘米级

与此同时，另一项相关研究提出了一种考虑阴影去除的基线斜率指数模型（BLSI-SR） 。该模型通过两步法实现精准检测：第一步是无监督方式提取光照区域端元，输入三重阴影多线性混合模型进行植被冠层阴影去除；第二步是利用近红外与绿波段之间的基线斜率构建光谱指数（BLSI），提取胁迫范围并定位泄漏点。

实验结果显示，与其他方法相比，BLSI-SR实现了100%的精确率和召回率，平均绝对定位误差仅为6.52厘米。这一精度对于地下管道的安全巡检具有重要的实用价值。

技术融合：让“光谱指纹”更清晰

此外，还有研究提出了一种光利用效率原理引导的检测框架（LUEGNet） ，将SAFY-NG作物生长模型与深度学习相结合。该框架在玉米-小麦联合数据集上对天然气胁迫因子的模拟取得了R²达0.96、nRMSE为6.66%的高精度。可解释性分析进一步揭示，光谱特征在胁迫检测中占据主导地位，在小麦和玉米中的贡献分别高达83.79%和73.71%。

行业意义：从“被动抢险”到“主动预警”

传统天然气管道泄漏检测主要依赖人工巡检或地面传感器，响应滞后。高光谱遥感技术通过分析地表植被的“光谱指纹”变化，为天然气微泄漏的早期预警提供了新的技术路径。随着高光谱成像设备成本降低和算法不断优化，基于无人机或卫星平台的高光谱天然气泄漏监测有望实现常态化应用，为能源基础设施的安全运行增添一道“光谱防线”。