采煤區(qū)地質(zhì)災(zāi)害信息快速提取技術(shù)

李 軍

(山西省地質(zhì)環(huán)境監(jiān)測中心，山西太原 030024)

0 引言

山西省是我國煤炭生產(chǎn)的重要基地，含煤地層面積占全省總面積的40%［1］，因采煤引起的地質(zhì)災(zāi)害在各大礦區(qū)頻繁發(fā)生。其中，地表沉陷、崩塌與滑坡地質(zhì)災(zāi)害尤為突出，如何快速獲取采煤地質(zhì)災(zāi)害信息成為防災(zāi)減災(zāi)領(lǐng)域的一個重要研究方向。衛(wèi)星遙感技術(shù)能夠提供充足的時空上連續(xù)的遙感數(shù)據(jù)，而遙感影像則能很好地記錄采礦前土地利用信息以及采礦后的土地利用變化［2］。這為地質(zhì)災(zāi)害信息獲取提供了一種高效的新技術(shù)手段。針對遙感影像的信息提取技術(shù)，經(jīng)歷了目視解譯方法、基于像元的分類方法、基于輔助信息的專題信息提取方法和面向?qū)ο蟮姆诸惙椒◣讉€階段。其它方面的信息提取技術(shù)主要體現(xiàn)在:人工神經(jīng)網(wǎng)絡(luò)分類算法［3-6］;SGA 提取方法［7］;遺傳算法及改進的方法［8］。而利用DEM配合正射影像建立區(qū)域三維可視化模型對地質(zhì)災(zāi)害信息提取具有直觀的幫助作用。

針對采煤區(qū)地質(zhì)災(zāi)害遙感影像特征與信息提取，已有部分技術(shù)人員進行了研究［9-14］，同時基于多源遙感精準監(jiān)測技術(shù)已成為礦山合理開發(fā)與可持續(xù)發(fā)展的重要組成部分［15］。針對不同的地貌類型控制著地質(zhì)災(zāi)害的發(fā)生類型也有一定的研究成果［16］，同時，在突發(fā)地質(zhì)災(zāi)害的應(yīng)急響應(yīng)中，物聯(lián)網(wǎng)技術(shù)已被應(yīng)用進來［17］?；谶@些背景與工作基礎(chǔ)，本文以山西太原萬柏林采煤區(qū)為研究區(qū)，選擇采煤誘發(fā)的崩塌、滑坡和地面塌陷三種地質(zhì)災(zāi)害為提取目標，以計算機自動分類提取災(zāi)害發(fā)生幾率大的地區(qū)為高危區(qū)，采用人機交互對高危區(qū)進行災(zāi)害點解譯，通過野外核查驗證了方法的正確性。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)源

目前，遙感影像數(shù)據(jù)源在尺度上表現(xiàn)為空間分辨率不斷提高，可用于采煤地質(zhì)災(zāi)害信息提取的高分辨率遙感數(shù)據(jù)很多，如 Quick Bird、Geo Eye、IKONOS、SPOT5、資源三號、北京一號、低空無人機影像等。本次工作選擇覆蓋研究區(qū)的北京一號全色影像兩景，時相分別為:20081001、20081013，多光譜影像一景，時相為:20080527。經(jīng)融合、校正、鑲嵌、裁剪、正射后得到研究區(qū)正射影像如圖1(a)。DEM數(shù)據(jù)選擇ASTER_G_DEM數(shù)據(jù)，采樣精度30 m，經(jīng)裁剪后如圖1(b)。

圖1 研究區(qū)正射影像與DEM(A:正射影像;B:DEM)Fig．1Dom and DEM of the study area(A:Dom;B:DEM)

1.2 方法

災(zāi)害高危區(qū)是對采煤引發(fā)地質(zhì)災(zāi)害信息宏觀性、綜合性的影像表現(xiàn)，它基于相關(guān)約束條件對遙感影像進行分類信息提取，提取出在影像上能反映出的可能災(zāi)害發(fā)生區(qū)域的范圍信息，這些區(qū)域通常大于實際的災(zāi)害發(fā)生范圍。如:礦區(qū)內(nèi)如有采石場，其影像特征與崩塌、滑坡特征非常相似，只有通過目視解譯時借助間接標志加以排除。

采煤地質(zhì)災(zāi)害的形成和發(fā)展與區(qū)域內(nèi)采煤強度、地質(zhì)環(huán)境、地形地貌有著密切的聯(lián)系。采煤地質(zhì)災(zāi)害高危區(qū)的提出基于在煤炭開采區(qū)內(nèi)地質(zhì)災(zāi)害發(fā)生與煤礦采空區(qū)有著較高的相關(guān)性，煤層采空是地質(zhì)災(zāi)害發(fā)生的主要原因［10］。因此，礦區(qū)范圍及采空區(qū)分布是采煤地質(zhì)災(zāi)害高危區(qū)的第一層約束條件。崩塌與滑坡作為地質(zhì)災(zāi)害的重要組成部分，在采煤區(qū)因地表塌陷引發(fā)坡體不穩(wěn)而產(chǎn)生崩落或滑移，構(gòu)成危害。災(zāi)害發(fā)生后，通常會產(chǎn)生新鮮的地表裸露，這在影像上會表現(xiàn)為明顯的幾何與色調(diào)特征。如沉陷坑的平面形態(tài)多為近長條形，其次為方形、近圓形、橢圓形、馬舌形等。而在沉陷區(qū)與非沉陷區(qū)之間一般會有明顯的過渡界線。因此，影像幾何與色調(diào)特征是采煤地質(zhì)災(zāi)害高危區(qū)的第二層約束條件。

總體技術(shù)路線流程圖見圖2，具體的技術(shù)步驟為:

(1)獲取研究區(qū)高分辨率遙感影像、DEM、礦區(qū)范圍及采空區(qū)分布圖和基礎(chǔ)地理信息數(shù)據(jù)。

(2)遙感影像預(yù)處理，生成研究區(qū)正射影像。

(3)常用的非監(jiān)督分類方法有K-means算法和ISODATA算法，本次研究選擇K-means算法進行研究區(qū)遙感影像的地類信息提取，重點提取裸地分布信息。

(4)以礦區(qū)范圍及采空區(qū)分布為約束條件，對所獲取的研究區(qū)分類信息圖進行人機交互運算，得到災(zāi)害高危區(qū)范圍(圖3)。其中，礦區(qū)范圍及采空區(qū)分布確定地質(zhì)災(zāi)害的發(fā)生以采煤誘發(fā)為主控因素。

(5)疊加正射影像與DEM實現(xiàn)研究區(qū)三維可視化(圖4)，輔助目視解譯災(zāi)害高危區(qū)內(nèi)的地質(zhì)災(zāi)害信息，獲得研究區(qū)地質(zhì)災(zāi)害解譯分布圖。

圖2 總體技術(shù)路線流程圖Fig．2 The ouerall technical flowchart

圖3 采煤地質(zhì)災(zāi)害高危區(qū)提取圖Fig．3 Extraction of geological disasters in high-risk coal mining area

圖4 研究區(qū)三維可視化Fig．4 The three dimension Visualization in the study area

(6)野外核查，核對解譯災(zāi)害點是否正確，修正解譯成果。

(7)成果提交，完善建立整套工作流程，指導(dǎo)其它采煤區(qū)地質(zhì)災(zāi)害信息的快速提取。

2 結(jié)果與討論

2.1 結(jié)果

采用前述技術(shù)方法，對研究區(qū)內(nèi)采煤地質(zhì)災(zāi)害點進行解譯，結(jié)果表明:研究區(qū)內(nèi)共解譯出采煤地質(zhì)災(zāi)害點39處，進而對解譯災(zāi)害點進行了野外核查，共計核查點位36處，含解譯災(zāi)害點20處，另有16處為野外確認新增災(zāi)害點，并將解譯點、核查點與災(zāi)害高危區(qū)疊加顯示如圖5。以核查結(jié)果對原有解譯成果修正，確定研究區(qū)內(nèi)采煤地質(zhì)災(zāi)害點54處，其中:地面塌陷及地裂縫33處，滑坡12處，崩塌9處，共54處。原有解譯災(zāi)害點誤判1處，經(jīng)野外核查確認為治理中的邊坡，解譯準確率達到97.43%。

圖5 地質(zhì)災(zāi)害高危區(qū)提取及災(zāi)害點解譯核查對比圖Fig．5 Contrast diagram high-risk geological disasters area extraction with disaster points interpretation Verification

2.2 討論

(1)對研究區(qū)的DEM數(shù)據(jù)做進一步的分析，以高差為約束因子可得到區(qū)內(nèi)地貌分布狀況。其中，研究區(qū)中西部為山地，東部為丘陵和平原。從提取的災(zāi)害高危區(qū)的范圍來看主要集中在研究區(qū)的山地和丘陵區(qū)，沿太原西山山前斷裂和區(qū)內(nèi)溝谷密集分布。研究區(qū)現(xiàn)有西山煤電集團的杜兒坪煤礦、官地煤礦、白家莊煤礦、西銘煤礦。隨著這些礦山大規(guī)模的開采，其形成的大面積的采空區(qū)若不能得到合理治理，回填工作的實施得不到保障，勢必會引發(fā)大量的采礦地面塌陷、采礦地裂縫，而在采空沉陷不斷的發(fā)展過程中，原本穩(wěn)定的邊坡內(nèi)部開始出現(xiàn)裂隙并不斷擴大，最終失穩(wěn)形成崩塌或滑坡災(zāi)害。因此，所提取災(zāi)害高危區(qū)合理，與崩塌、滑坡形成的背景條件一致。同時，圖5可以看出研究區(qū)南部和西北部一帶必然會成為今后一定時期采煤地質(zhì)災(zāi)害潛在多發(fā)區(qū)。

(2)研究區(qū)總面積297.059 km2，經(jīng)統(tǒng)計所提取災(zāi)害高危區(qū)19.645 km2，僅占研究區(qū)的7%。而研究區(qū)內(nèi)山地、丘陵區(qū)占總面積的65%左右。相比較，進行地質(zhì)災(zāi)害解譯時采用災(zāi)害高危區(qū)重點關(guān)注可減少將近90%的解譯工作量，極大提高工作效率。

(3)通過圖5可以看出，地質(zhì)災(zāi)害解譯點與核查點區(qū)域?qū)?yīng)度很高，但重合點較少，這是因為影像時相為2008年，而解譯、核查則在2014年，期間采煤活動一直在繼續(xù)，采煤沉陷、地裂縫不斷擴展變動，崩塌與滑坡有些被治理，有些仍在活動中。同時，野外核查記錄中部分點位因地形原因未到災(zāi)體位置定點，而是在其附近觀察定點所致。但總體上來看，因采煤誘發(fā)的地質(zhì)災(zāi)害出現(xiàn)位置與采用災(zāi)害高危區(qū)輔助遙感解譯成果符合度良好，解譯準確率達到了97.43%，可以用來指導(dǎo)采煤區(qū)地質(zhì)災(zāi)害點的快速獲取。

(4)研究中對區(qū)內(nèi)的崩塌與滑坡均約束為采煤誘發(fā)，但實際上強降雨、公路修建的大規(guī)模開挖工程、建房切坡等也會誘發(fā)區(qū)內(nèi)黃土邊坡的崩塌與滑坡，這在后續(xù)研究中應(yīng)加以區(qū)分。本次工作所提取的地質(zhì)災(zāi)害類型只有采煤沉陷、地裂縫、崩塌和滑坡，而未包括不穩(wěn)定斜坡與泥石流，今后應(yīng)考慮對不穩(wěn)定斜坡及泥石流的災(zāi)害高危區(qū)提取與解譯。地形地貌是形成地質(zhì)災(zāi)害的重要因素，不同的地貌類型控制著地質(zhì)災(zāi)害的發(fā)生類型［16］，本次工作因DEM分辨率太低而未采用地貌因子進行約束劃分，在今后的工作中也應(yīng)加以考慮。

3 結(jié)論

研究區(qū)內(nèi)礦產(chǎn)資源豐富，近些年煤炭開采業(yè)較為發(fā)達，從而引發(fā)地面塌陷、地裂縫災(zāi)害點發(fā)育較多。快速獲取采煤地質(zhì)災(zāi)害的分布對掌握研究區(qū)災(zāi)害情況，合理安排治理工程具有基礎(chǔ)意義，如采用野外調(diào)查方法則帶有一定的盲目性，遙感目視解譯也費時費力。本文所提出的災(zāi)害高危區(qū)對提高目視解譯效率具有一定的導(dǎo)向作用，實踐表明，該方法可以大幅提高地質(zhì)災(zāi)害點信息提取效率，對保障采煤區(qū)可持續(xù)發(fā)展具有一定的科學(xué)意義。但該方法也易將裸露的地表、近期填土、采石場、公路開挖、與其它的人工開挖［17］誤判為災(zāi)害高危區(qū)，今后的研究工作中應(yīng)開展其區(qū)分技術(shù)研究。

［1］孔祥生，苗放，劉鴻福.采用遙感技術(shù)監(jiān)測煤炭開采沉陷災(zāi)害的應(yīng)用及前景展望［J］.地球科學(xué)進展，2004，19(增1):242-244.KONG Xiangsheng，MIAO Fang，LIU Hongfu.The application and prospect of monitor in coal mining subsidence using remote sensing technology［J］.Advance in Earth Sciences，2004，19(S1):242-244.

［2］卞正富，張燕平.徐州煤礦區(qū)土地利用格局演變分析［J］.地理學(xué)報，2006，61(4):349-358.BIAN Zhengfu，ZHANG Yanping.Land use changes in Xuzhou coal mining area［J］.Acta Geographica Sinica，2006，61(4):349-358.

［3］DIANE M.MILLER，EDIT J.KAMINSKY，et al.Neural network classification of remote sensing data［J］.Computers ＆ Geosciences，1995，21(3):377-386.

［4］駱劍承，周成虎，楊艷.人工神經(jīng)網(wǎng)絡(luò)遙感影像分類模型及其與知識集成方法研究［J］.遙感學(xué)報，2001，5(2):122-129.LUO Jiancheng，ZHOU Chenghu，YANG Yan.ANN remote sensing classification model and its integration approach with geoknowledge［J］.Journal of Remote Sensing，2001，5(2):122-129.

［5］張友水，馮學(xué)智，阮仁宗.基于GIS和BP神經(jīng)網(wǎng)絡(luò)遙感影像分類研究［J］.南京大學(xué)學(xué)報(自然科學(xué))，2003，39(6):806-813 ZHANG Youshui，F(xiàn)ENG Xuezhi，RUAN Renzong.Application of backpropagation neural network supported by GIS in the classification of remote sensing image ［J］.Journal of Nanjing University(Natural Sciences)，2003，39(6):806-813.

［6］HU Zhaoling，LI Haiquan，DU Peijun.Case study on the extraction of land cover information from the SAR image of a coal mining area［J］.Mining Science and Technology，2009(19):829-834.

［7］Rick Lawrence，Andrew Bunn，Scott Powell，et al.Classification ofremotely sensed imagery using stochastic gradientboosting as a refinementof classification treeanalysis［J］.Remote Sensing of Environment，2004(90):331-336.

［8］Ming-Hseng Tseng， Sheng-Jhe Chen， Gwo-Haur Hwang，et al.A genetic algorithm rule-based approach for land-cover classification［J］.ISPRS Journal of Photogrammetry ＆Remote Sensing，2008(63):202-212.

［9］李良軍，武彥斌.開采沉陷遙感監(jiān)測中多維紋理特征影像分類方法［J］.煤田地質(zhì)與勘探，2008，36(6):29-34.LI Liangjun，WU Yanbin.mage classification based on multi-dimensions texture features during monitoring mining subsidence［J］.Coal Geology ＆ Exploration，2008，36(6):29-34.

［10］李成尊，聶洪峰，汪勁，等.礦山地質(zhì)災(zāi)害特征遙感研究［J］.國土資源遙感，2005，1(1):45-48.LI Chengzun，NIE Hongfeng，WANG Jin，et al.A remote sensing study of character istics of geologicol disasters in a mine［J］.Remote Sensing for Land ＆Resources，2005，1(1):45-48.

［11］張明媚，李軍，薛永安.基于3S技術(shù)的大同市南郊區(qū)采煤地質(zhì)災(zāi)害監(jiān)測［J］.煤礦安全，2012，43(9):203-205.ZHANG Mingmei，LI Jun，XUE Yongan.Mining geological disaster monitoring in south suburb of datong based on 3S technology［J］.Safety in Coal Mines，2012，43(9):203-205.

［12］魯學(xué)軍，史振春，尚偉濤，等.滑坡高分辨率遙感多維解譯方法及其應(yīng)用［J］.中國圖象圖形學(xué)報，2014，19(1):141-149.LU Xuejun，SHI Zhenchun，SHANG Weitao，et al.The method and application ofmulti-dimension interpretationfor landslides using high resolution remote sensing image［J］.Journal of Image and Graphics，2014，19(1):141-149.

［13］童立強，郭兆成.典型滑坡遙感影像特征研究［J］.國土資源遙感，2013，25(1):86-92.TONG Liqiang，GUO Zhaocheng.A study of remote sensing image features of typical landslides［J］.Remote Sensing for Land ＆ Resources，2013，25(1):86-92.

［14］馬露，高會軍.陜西省主要煤礦區(qū)地面塌陷表現(xiàn)形式及其遙感響應(yīng)［J］.中國煤炭地質(zhì)，2013，25(8):32-37.MA Lu，GAO Huijun.Surface subsidence expressive patterns and their remote sensing responses in main shaanxi coal mining areas［J］.Coal Geology of China，2013，25(8):32-37.

［15］王欽軍，陳玉，藺啟忠，等.礦山地質(zhì)災(zāi)害遙感監(jiān)測方法及成因分析——以北京房山區(qū)史家營煤礦為例［J］.中國地質(zhì)災(zāi)害與防治學(xué)報，2011，22(1):75-79.WANG Qinjun，CHEN Yu，LIN Qizhong，et al.Geological hazards monitoring method and its formation analysis in mining area ［J］.The Chinese Journal of Geological Hazard and Control，2011，22(1):75-79.

［16］方瓊，段中滿.湖南省地形地貌與地質(zhì)災(zāi)害分布關(guān)系分析［J］.中國地質(zhì)災(zāi)害與防治學(xué)報，2012，23(2):83-88.FANG Qiong，DUAN Zhongman.Distribution analysis oftopography and geologicalhazards in Hunan province ［J］.The Chinese Journal of Geological Hazard and Control，2012，23(2):83-88.

［17］石愛軍，馬娟，齊安文，等.物聯(lián)網(wǎng)技術(shù)在突發(fā)地質(zhì)災(zāi)害應(yīng)急響應(yīng)中的應(yīng)用研究［J］.水文地質(zhì)工程地質(zhì)，2014，41(5):148-152.SHI Aijun，MA Juan，QI Anwen，et al.Research on application of the Internet of things(IOT)platform of geological disaster emergency response ［J］.Hydrogeology＆ Engineering Geology，2014，41(5):148-152.