基于Landsat TM/OLI影像的兗州煤田水域面積動態(tài)監(jiān)測

李 晶，申瑩瑩，焦利鵬，楊 震，吳 躍

?

基于Landsat TM/OLI影像的兗州煤田水域面積動態(tài)監(jiān)測

李 晶，申瑩瑩，焦利鵬，楊 震，吳 躍

（中國礦業(yè)大學（北京）地球科學與測繪工程學院，北京 100083）

為揭示東部高潛水位礦區(qū)地表水體的時空演變規(guī)律，該文以兗州煤田為研究區(qū)，在比較改進歸一化差異水體指數(shù)法、單波段閾值法、譜間關(guān)系法、K-T變換4種水體提取方法的精度及優(yōu)缺點基礎上，采用基于閾值分割的改進的歸一化差異水體指數(shù)法提取了研究區(qū)1990－2014年的水體信息并分析了其時空變化特征。研究結(jié)果表明：從1990－2009年，兗州煤田地表水域面積增加了1 696.14 hm2，且2001－2005年水域面積擴張速度較快，年均增長率達14.0%，2009－2014年水域面積減少，年均下降率為3%；煤炭開采是研究區(qū)內(nèi)水域面積變化的主要驅(qū)動因子。該文實現(xiàn)了煤礦區(qū)地表水體變化的動態(tài)監(jiān)測，并分析了其變化原因，有助于客觀與定量地評估煤炭開采的生態(tài)累積效應。

煤礦；遙感；監(jiān)測；兗州煤田；采煤沉陷；改進的歸一化水體指數(shù)；水域變化監(jiān)測

0 引 言

煤炭開采導致地表沉陷積水，是中國東部高潛水位平原煤礦區(qū)土地生態(tài)變化的主要特征之一，對礦區(qū)水體的變化進行監(jiān)測，有助于定量評估煤炭開采的生態(tài)累積效應。Landsat TM/ETM+/OLI影像數(shù)據(jù)，因具有較好的時序連續(xù)性、數(shù)據(jù)免費獲取等特點，被廣泛地應用于土地利用與覆被變化研究。然而，針對礦區(qū)地表水體信息的遙感信息提取方法，仍有待進一步研究。

當前，常用的水體提取方法有閾值法、比值法、水體指數(shù)法、譜間關(guān)系法、K-T變換法、決策樹方法、面向?qū)ο蟮确椒?。如Frazier等[1]應用單波段閾值法提取水體；Mcfeeters[2]基于平原地區(qū)陸地水體在綠波段比近紅外波段反射率高的特征，構(gòu)建了歸一化差異水體指數(shù)（normalized difference water index，NDWI）模型，徐涵秋[3]在其基礎上，兼顧了土壤、人工地物、陰影等因素，提出了改進的歸一化水體指數(shù)（modified normalized difference water index，MNDWI）；楊存建等[4]依據(jù)TM2+TM3>TM4+TM5的波段組合法提取水體，陳華芳等[5]在其基礎上進行改進，結(jié)合閾值法，利用(TM2+TM3)- (TM4+TM5)>k改進了水體信息提取精度；李小曼等[6]、姜浩等[7]分別利用HIS空間水體模型和MNDWI提取水體，較大程度上提高了細小水體的提取精度；黃金龍等[8]應用了單波段閾值法和NDVI閾值法提取了博斯騰湖水體面積；Jain等[9]、Hui等[10]對比單波段密度分割法、歸一化差異水體指數(shù)法、譜間關(guān)系法和非監(jiān)督分類法對TM數(shù)據(jù)提取水體信息；殷亞秋等[11]運用面向?qū)ο蠓椒▽Ω叻謹?shù)據(jù)提取水體信息，總精度高于傳統(tǒng)面向像元方法；楊光華等[12]基于高分數(shù)據(jù)對濟寧市塌陷積水的耕地信息進行研究；彭蘇萍等[13]、李亞平等[14]、馬誠超等[15]利用多時相的數(shù)據(jù)對礦區(qū)塌陷積水動態(tài)變化進行研究；崔亮等[16]采用多種方法提取洞庭湖水體范圍，研究其水體面積變化特征；許冬等[17]分析了近30年來濟寧采煤塌陷積水區(qū)的擴展變化情況，并利用Logistic回歸建立塌陷積水面積預測模型對塌陷積水面積進行測算及實時動態(tài)監(jiān)測。因水體與某些地物，如道路、建筑物以及云和山體陰影等，光譜特征存在一定相似性，而且遙感影像和研究區(qū)地面特征存在差異，同樣會影響水體提取的精度，所以一種水體提取方法幾乎不可能適用于所有情況[18]。進行水體提取時，必須根據(jù)水體的遙感識別機理、研究區(qū)下墊面特點以及影像數(shù)據(jù)特征等進行綜合分析比較，以采用最佳的水體提取方法進行變化監(jiān)測研究[19]，此外，現(xiàn)有礦區(qū)地表水域面積變化檢測和機理分析等，未能兼顧年際降水差異和采礦等人為因素的綜合影響[13-17]。

針對上述問題，本文以兗州煤田為對象，在比較4種水體提取方法的精度及優(yōu)缺點基礎上，提取了5個時期（1990、2001、2005、2009和2014年）的地表水域信息，分析了其時空變化特征并從降水量和煤炭開采2方面揭示了其變化原因。與現(xiàn)有研究相比，注重了水體提取方法篩選，將水體指數(shù)法與最大類間方差法結(jié)合，提高了水體提取精度，同時也定量揭示了水體變化的主要驅(qū)動力。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

兗州煤田位于山東省濟寧市兗州、曲阜、鄒城和任城四縣區(qū)交界處，見圖1。煤田南北長約30 km，東西寬約15.6 km，總面積440.4 km2，包括南屯、興隆莊、鮑店、東灘、北宿、楊村、唐村、落陵、太平、單家村、古城、星村、田莊、橫河、里彥、楊莊等16個井田。煤層厚度一般為1～10 m，埋深一般在300 m以下，多為緩頃斜煤層，煤礦均采取豎井開拓、地下開采，探明能利用儲量30.14億 t，可采儲量17.12億 t，是國家重點建設的八大能源基地之一。兗州煤田自20世紀80年代后期至90年代進入大規(guī)模開發(fā)時期，全煤田設計總產(chǎn)煤能力2 451×104t。

研究區(qū)屬泗河山前沖洪積平原區(qū)，地形以平原洼地為主，氣候溫和，屬于溫帶季風區(qū)海洋與大陸間過渡性氣候，四季分明，降雨多集中在7、8月份，春季少雨，時有春旱。區(qū)內(nèi)主要的河流有泗河、白馬河、沙河、泥河等，以湖盆為中心，自北向南分別流入南陽湖。

圖1 兗州煤田位置及礦井分布

1.2 數(shù)據(jù)源及預處理

本文中Landsat TM/OLI影像是從美國地質(zhì)調(diào)查局（USGS）下載的經(jīng)LEDAPS（The Landsat Ecosystem Disturbance Adaptive Processing System）程序處理的地表反射率數(shù)據(jù)，空間分辨率為30 m，影像列號122，行號035。在選擇數(shù)據(jù)時盡量選擇降水量、氣溫、月份相近，云量及陰影較少的影像，見表1，因上述數(shù)據(jù)已經(jīng)經(jīng)過系統(tǒng)的輻射校正、幾何校正等相關(guān)預處理，本文對遙感影像所做的預處理工作包括影像的波段合成、云及陰影掩膜、影像裁剪等。

此外，兗州臺站降水量數(shù)據(jù)來源于“中國氣象數(shù)據(jù)網(wǎng)”（http://data.cma.cn/site/index.html）的中國地面氣候資料年值數(shù)據(jù)集；煤炭開采量數(shù)據(jù)來源于“兗州煤業(yè)股份有限公司”（http://www.yanzhoucoal.com.cn）的年度報告和部分調(diào)查數(shù)據(jù)。

表1 遙感影像的基本信息

2 研究方法

本文在優(yōu)選水體信息提取方法的基礎上，提取研究區(qū)各年的地表水域信息，分析其時空變化特征并揭示其變化原因，具體技術(shù)流程見圖2。

圖2 本文研究技術(shù)流程圖

2.1 水體提取方法初選

2.1.1 基于閾值分割的改進歸一化差異水體指數(shù)法

基于閾值分割的改進的歸一化差異水體指數(shù)法（以下簡稱水體指數(shù)法）可以分為改進的歸一化水體指數(shù)的計算和確定分割閾值這2個步驟。

改進的歸一化差異水體指數(shù)（MNDWI）是徐涵秋[3]在Mcfeeters[2]構(gòu)建的歸一化差異水體指數(shù)（NDWI）模型的基礎上，對NDWI的波段組合進行改進后創(chuàng)建的新型水體指數(shù)。MNDWI利用短波紅外波段代替NDWI中的近紅外波段，以增強水體和建筑物的反差，降低二者的混淆，提高水體信息提取精度，NDWI及MNDWI的計算公式分別見式（1）和（2）。

式中Green、NIR(near infrared)、MIR(middle infrared)分別是綠波段、近紅外波段、短波紅外波段，分別對應Landsat 5數(shù)據(jù)的第2、4、5波段和Landsat 8數(shù)據(jù)的第3、5、6波段。

MNDWI兼顧了土壤、人工地物、陰影等因素，容易區(qū)分陰影和水體信息，解決了水體提取中難以消除陰影的難題。相比NDWI，特別是提取城鎮(zhèn)范圍內(nèi)的水體，有較好的精度和識別效果。

方法應用時，閾值的選取至關(guān)重要，直接影響水體的提取精度。本研究采用最大類間方差法（the maximum between-class variance method，OTSU）確定分割閾值[20]，該方法簡單，運行時間相對較短，自適應性強[21-22]，是在最小二乘原理的基礎上提出的自適應閾值確定的方法。其基本原理是按圖像的灰度特性，將圖像分成背景和目標2部分，背景和目標之間的類間方差越大，說明構(gòu)成圖像的差別越大，當部分目標錯分為背景或部分背景錯分為目標都會導致兩部分差別變小，因此，類間方差最大的分割意味著錯分概率最小，此時對應的值，即為分割閾值。在使用該方法進行閾值計算之前，需盡量將背景和目標之間的差異擴大，本文通過計算影像的MNDWI來擴大水體和背景之間差異。

2.1.2 單波段閾值法

單波段閾值法是利用水體在短波紅外波段強吸收性而植被、土壤在此波段范圍內(nèi)強反射的特性，再選取合適的閾值提取水體信息[23]，其模型見式（3）。

MIR

式中MIR指短波紅外波段，對應Landsat5數(shù)據(jù)的第5波段、Landsat8數(shù)據(jù)的第6波段；指分割閾值，即小于該閾值的為水體，大于該閾值的為其他地物。

2.1.3 譜間關(guān)系法

譜間關(guān)系法是通過分析水體和背景地物的光譜特征曲線，找到水體特有的光譜特征，利用邏輯判斷提取出水體信息，本研究應用水體TM2+TM3>TM4+TM5的特性，提取水體信息。

2.1.4 K-T變換法

即分析水體及其他地物在纓帽變換后生成的六個波段構(gòu)成的波譜曲線差異來區(qū)分水體和非水體信息，本研究中利用GreennessFourth[24]水體提取模型提取水體信息。

2.2 水體提取效果對比

基于2009年8月30號獲取的TM影像，應用水體指數(shù)法、單波段閾值法、K-T變換法和譜間關(guān)系法上述4種方法進行水體提取效果比較，見表2。其中，提取的水體二值圖像中黑色為水體，包括地表自然水體、人工水體以及塌陷積水區(qū)域；表中最左列圖像為B4、B3和B2的假彩色合成影像，用于對比各種方法對地表水體邊緣的連貫性和細小水體的提取效果。對比結(jié)果表明，4種方法均能提取較寬的河流和面積較大的水域，相對而言，水體指數(shù)法和單波段閾值法效果較好，譜間關(guān)系法效果相對較差，但各方法對細小河流的提取都不能較全面克服其他地物的干擾性影響。

表2 各方法識別水體的效果對比

結(jié)合Google Earth影像在研究區(qū)范圍內(nèi)隨機選取了190個驗證樣本點，其中90個水體樣本點，100個非水體樣本點，對各方法提取水體的結(jié)果做精度驗證，見表3。結(jié)果表明：水體指數(shù)法和單波段閾值法總體精度較高分別為94.7%、93.2%，K-T變換法次之85.3%，譜間關(guān)系法最低為75.2%；水體指數(shù)法的Kappa系數(shù)最高，為0.899；4種方法都有漏分現(xiàn)象，其中譜間關(guān)系法漏分現(xiàn)象最嚴重，K-T變換法次之；相對而言，水體指數(shù)法水體信息提取總體精度和Kappa系數(shù)相對高，錯分誤差和漏分誤差較低，本文選取該方法作為水體變化信息提取的方法。

表3 各方法地表水體提取精度對比

注：其中錯分誤差、漏分誤差、制圖精度、用戶精度是水體分類的各指標。

Note:Commission error, omission error, producers’ accuracy andusers’ accuracy of extracted open-water are analyzed.

2.3 變化檢測方法

根據(jù)章節(jié)2.2的對比結(jié)果，采用基于閾值分割的改進的歸一化差異水體指數(shù)法，提取兗州煤田地表水域變化信息，即通過用最大類間方差法獲取的分割閾值對1990、2001、2005、2009及2014年的MNDWI影像進行水體信息提取。利用ArcGIS統(tǒng)計分析工具計算各期影像的水體面積，通過將各期影像的水體面積做差值運算等，得到年際間水體面積變化及變化速率；將各期水體提取影像進行疊置分析，得到年際間水體的空間變化，并應用SPSS等軟件分析其變化特征與煤炭開采、降水量因素的關(guān)系，以揭示礦區(qū)水域變化的驅(qū)動機制。

3 結(jié)果與分析

3.1 歷年水體面積變化

1990、2001、2005、2009和2014年5期影像提取的水體信息見圖3，水域面積及變化信息見表4。

圖3 各觀測年兗州煤田地表水域分布

表4 觀測年水域面積及變化值

結(jié)果表明，兗州煤田地表水體面積由1990年的551.79 hm2擴大至2014年的1 927.35 hm2，增長了1 375.56 hm2，年均增長57.32 hm2，年增長率為5.3%，水體面積明顯呈上升趨勢。其中，1990－2001年水域面積增量是268.38 hm2；2001－2005年增加565.29 hm2，年均增長率為14.0%，年均增速相對最大；2005－2009年增量是862.47 hm2，年均增長率為12.9%，增速較快；2009－2014年研究區(qū)的地表水域面積變化不大，減少了320.58 hm2，年均下降率為3.0%。

3.2 變化水體的空間分布分析

由圖3a可知，1990年兗州煤田還未出現(xiàn)大范圍的采煤塌陷積水區(qū)，只有東灘、北宿、興隆莊和鮑店有小范圍的積水區(qū)；從1990－2001年，東灘、北宿、興隆莊、鮑店、南屯等煤礦塌陷積水面積不斷擴大，其中北宿、南屯煤礦水體擴張最為明顯，見圖4a；從2001－2009年，塌陷積水面積不斷擴大，陸續(xù)形成了一系列新的塌陷積水區(qū)，且原有的塌陷積水區(qū)繼續(xù)擴張，主要集中在鮑店、興隆莊和東灘煤田，其中鮑店和東灘煤礦水域擴張最明顯，見圖4b和4c；2009－2014年，水體面積有所減少，減少的水域主要集中在里彥、東灘和興隆莊煤礦，具體年際間的水域空間變化見圖4，其中持續(xù)水體、持續(xù)非水體等是兩期之間的疊加結(jié)果。

圖4 年際間水域空間變化

3.3 水體變化的驅(qū)動因素分析

彭蘇萍等[13]、李亞平等[14]、馬誠超等[15]、張祖鵬等[25]、馬雄德等[26]開展了礦區(qū)塌陷積水區(qū)變化的相關(guān)研究，但多定性地分析了采煤活動是導致塌陷積區(qū)水域變化的主要原因，未做定量的相關(guān)性分析，此外，未考慮降水量年際變化等對水域面積的影響，或僅依據(jù)專家評價與層次分析法等進行驅(qū)動因子與水體濕地變化關(guān)系的分析，存在一定的主觀性。與其他驅(qū)動因素相比，強人類活動、降水量及其變化等與水域面積緊密相關(guān)[25-28]，本研究從降水量和煤炭開采行為2方面綜合分析其對水域面積變化的貢獻度。因降水量對水域面積的影響存在一定的時間累積性，與其他學者[29-30]相似，本文中降水量，指影像獲取時間相應年的年降水量，煤炭累計開采量為同一觀測期幾年內(nèi)主要煤礦的煤炭累積開采量。

分析結(jié)果表明：兗州煤田水域面積和年降水量之間的相關(guān)系數(shù)=?0.537，>0.05，2者相關(guān)程度不明顯。上述結(jié)果雖有悖通常認知，但兗州煤田區(qū)天然水體少，即降水量年際變化不是導致整個研究區(qū)水域面積增加的主要原因。但2014年年降水量為551.2 mm，相比上一觀測期2009年年降水量下降了30.2%，僅相當于豐水年如1990年降水量的48.4%，由此推測2014年水域面積小幅減少與當年降水量大幅下降有關(guān)。相比較而言，見圖5，觀測期煤炭開采量與水域面積的相關(guān)系數(shù)=0.904，<0.05，呈顯著正相關(guān)，即煤炭開采導致塌陷積水區(qū)面積增加，是影響研究區(qū)水域面積變化的主要原因。

圖5 各年累計開采量與水域面積

4 結(jié) 論

本文以兗州煤田為例，利用基于閾值分割的改進歸一化差異水體指數(shù)法完成了研究區(qū)域1990至2014年間5期影像的水體信息的提取，分析了兗州煤田地表水體的時空變化信息，結(jié)合煤炭開采、降水量定量數(shù)據(jù)對上述變化的原因進行了分析。結(jié)論如下：

1）基于閾值分割的改進的歸一化水體指數(shù)法適用于研究區(qū)域的水體信息提取，其總體分類精度達到94.7%，Kappa系數(shù)為0.899；

2）從1990到2014年，研究區(qū)內(nèi)水域面積總體呈現(xiàn)上升趨勢，水域面積增加了1 375.56 hm2，其中2001到2005年水域面積增加最快，年均增長率為14.0%，相對2009年，2014年水域面積減少了320.58 hm2，年均下降率約為3%。研究區(qū)內(nèi)水體擴張主要集中在東灘、北宿、興隆莊、南屯、鮑店5個煤礦；

3）兗州煤田5個觀測期的水域面積和年降水量之間相關(guān)程度不明顯；煤炭開采量與水域面積相關(guān)系數(shù)為0.904，呈顯著正相關(guān)，煤炭開采是研究區(qū)水域面積變化的主要驅(qū)動力。

與現(xiàn)有研究成果相比，本研究注重水體提取方法篩選，將水體指數(shù)法與最大類間方差法結(jié)合，提高了水體提取精度，并在水體變化驅(qū)動力研究方面開展了相對客觀的定量研究，但限于遙感影像空間分辨率、理想時相影像可獲取性差、缺乏持續(xù)觀測數(shù)據(jù)等因素的制約，研究仍有不足，今后應加以改進，如利用高分辨率影像和兼顧面向?qū)ο蟮姆椒ㄌ崛〉V區(qū)水體信息，對水體變化的驅(qū)動機制分析時突破數(shù)據(jù)的限制適當增加分析樣本量和兼顧更多的因子。

[1] Frazier P S, Page K J. Water body detection and delineation with Landsat TM data[J]. Photogrammetric Engineering and Remote Sensing, 2000, 66(12): 1461.

[2] Mcfeeters S K. The use of normalized difference water index (NDWI) in the delineation of open water features[J]. International Journal of Remote Sensing, 1996, 17(7): 1425－1432.

[3] 徐涵秋. 利用改進的歸一化差異水體指數(shù)（MNDWI）提取水體信息的研究[J]. 遙感學報，2005，5：589－595.

Xu Qiuhan. A study on information extraction of water body with the modified normalized difference water index (MNDWI)[J]. Journal of Remote Sensing, 2005, 5: 589－595. (in Chinese with English abstract)

[4] 楊存建，徐美. 遙感信息機理的水體提取方法的探討[J]. 地理研究，1998，17(增刊1)：86－89. Yang Cunjian, Xu Mei. Discussion on water extraction method of remote sensing information mechanism[J]. Geographical Research, 1998, 17(Supp.l): 86－89. (in Chinese with English abstract)

[5] 陳華芳，王金亮，陳忠，等. 山地高原地區(qū)TM影像水體信息提取方法比較：以香格里拉縣部分地區(qū)為例[J]. 遙感技術(shù)與應用，2004(6)：479－484.

Chen Huafang, Wang Jinliang, Chen Zhong, et al. Comparison of water extraction methods in mountainous plateau region from TM image[J]. Remote Sensing Technology and Application, 2004(6): 479－484. (in Chinese with English abstract)

[6] 李小曼，王剛，田杰. TM影像中水體提取方法研究[J]. 西南農(nóng)業(yè)大學學報：自然科學版，2006，4：580－582.

Li Xiaoman, Wang Gang, Tian Jie. Study of the method of picking-up small water-bodies in landsat TM remote sensing image[J]. Journal of Southwest Agricultural University, 2006, 4: 580－582. (in Chinese with English abstract)

[7] 姜浩，馮敏，肖桐，等. 基于線性特征增強的TM遙感影像細小河流提取方法[J]. 測繪學報，2014，43(7)：705－710.

Jiang Hao, Feng Min, Xiao Tong. A narrow river extraction method based on linear feature enhancement in TM image[J]. Acta Geodaetica et Cartographic Sinica, 2014, 43(7): 705－710. (in Chinese with English abstract)

[8] 黃金龍，陶輝，王艷君，等. 基于MODIS 遙感影像的湖水體面積與水位關(guān)系[J]. 農(nóng)業(yè)工程學報，2012，28(23)：140－146.

Huang Jinlong, Tao Hui, Wang Yanjun, et al. Analysis on relationship between water level and water area of lake based on MODIS image[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(23): 140－146. (in Chinese with English abstract)

[9] Jain S, Singh R, Jain M, et al. Delineation of flood-prone areas using remote sensing techniques[J]. Water Resources Management, 2005, 19(4): 333－347.

[10] Hui F, Xu B, Huang H, et al. Modelling spatial-temporal change of Poyang Lake using multitemporal landsat imagery[J]. International Journal of Remote Sensing, 2008, 29(20): 5767－5784.

[11] 殷亞秋，李家國，余濤，等. 基于高分辨率遙感影像的面向?qū)ο笏w提取方法研究[J]. 測繪通報，2015(1)：81－85.

Yin Yaqiu, Li Jiaguo, Yu Tao, et al. Research on object-oriented water extraction method based on high resolution remote sensing image[J]. Bulletin of Surveying and Mapping, 2015(1): 81－85. (in Chinese with English abstract)

[12] 楊光華，胡振琪，楊耀淇. 采煤塌陷積水耕地信息提取方法研究：以山東省濟寧市為例[J]. 金屬礦山，2013，9：152－157.

Yang GuangHua, Hu Zhenqi, Yang Yaoqi. Information extraction of coal mining subsidence farmland submerged in water taking Jining city of Shandong province as a case[J]. Metal Mine, 2013, 9: 152－157. (in Chinese with English abstract)

[13] 彭蘇萍，王磊，孟召平，等. 遙感技術(shù)在煤礦區(qū)積水塌陷動態(tài)監(jiān)測中的應用：以淮南礦區(qū)為例[J]. 煤炭學報，2002，27(4)：374－378.

Peng Suping, Wang Lei, Meng Zhaoping, et al. Application of remote sensing technology in dynamic monitoring of waterlogging in coal mining area: Taking Huainan mining area as an example[J].Journal of China Coal Society, 2002, 27(4): 374－378. (in Chinese with English abstract)

[14] 李亞平，苗放，黃舒寒懋. 利用塌陷積水對采煤塌陷區(qū)進行監(jiān)測：以開灤煤礦為例[J]. 內(nèi)蒙古石油化工，2009，5：1－3.

Li Yaping, Miao Fang, Huang Shuhanmao. Kailuan coal mine collapse as well as the causes of stagnant water in time and space to monitor the role of research[J].Inner Mongolia Petrochemical Journal, 2009, 5: 1－3. (in Chinese with English abstract)

[15] 馬誠超，公云龍. 徐州賈汪礦塌陷積水區(qū)變化特征的研究[J]. 測繪科學，2012，2：173－175.

Ma Chengchao, Gong Yunlong. Change features of mining watershed subsidence of Jiawang coal mining area in Xuzhou[J].Science of Surveying and Mapping, 2012, 2: 173－175. (in Chinese with English abstract)

[16] 崔亮，李永平，黃國和，等. 基于Landsat-TM影像的洞庭湖水面動態(tài)變化[J]. 南水北調(diào)與水利科技，2015(1)：63－66，107.

Cui Liang, Li Yongping, Huang Guohe, et al. Dynamic changes of Dongting lake based on landsat-TM remote sensing data[J].South-to-North Water Transfers and Water Science & Technology, 2015, (1): 63－66, 107. (in Chinese with English abstract)

[17] 許冬，吳侃. 濟寧煤礦區(qū)地表塌陷積水時空演變[J]. 遼寧工程技術(shù)大學學報：自然科學版，2014(10)：1307－1311.

Xu Dong, Wu Kan. Spatial-temporal evolution of collapse waterlogged region in Jining coal mining district[J]. Journal of Liaoning Technical University, 2014(10): 1307－1311. (in Chinese with English abstract)

[18] Trey H, Huggel C, Paul F, et al. Automated detection of glacier lakes based on remote sensing in view of assessing associated hazard potentials[J].Grazer Schriften der Geographie und Raumforschung, 2010, 45: 261－272.

[19] 萬建鵬. 基于Landsat TM/ETM+影像潘陽湖地區(qū)水體提取研究[D]. 南昌：東華理工大學，2015.

Wan Jianpeng. Water Body Automatic Extraction From Landsat Image in Poyang Lake[D]. Nanchang: East China University of technology, 2015. (in Chinese with English abstract)

[20] 吳川，張玉龍，許秀貞，等. 基于Landsat TM/ETM和HJ-1A/B影像的丹江口水庫水域變化監(jiān)測研究[J]. 長江流域資源與環(huán)境，2013(9)：1207－1213.

Wu Chuan, Zhang Yulong, Xu Xiuzhen, et al. Water surface monitoring of the Danjiangkou reservoir using remotely-sensed landsat TM/ETM and HJ-1A/B imagery[J]. Resources and Environment in the Yangtze Basin, 2013(9): 1207－1213. (in Chinese with English abstract)

[21] 齊麗娜，張博，王戰(zhàn)凱. 最大類間方差法在圖像處理中的應用[J]. 無線電工程，2006(7)：25－26，44.

Qi Lina, Zhang Bo, Wang Zhankai. Application of the OTSU method in image processing[J]. Radio Engineering, 2006(7): 25－26, 44. (in Chinese with English abstract)

[22] OTSU N. A threshold selection method from gray-level histograms[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1979, 9(1): 62－66.

[23] 陸家駒，李士鴻. TM資料水體識別技術(shù)的改進[J]. 環(huán)境遙感，1992(1)：17－23.

Lu Jiaju, Li Shihong. Improvement of the techniques for distinguishing water bodies from TM data[J]. Remote Sensing of Environment, 1992(1): 17－23. (in Chinese with English abstract)

[24] 張景奇，關(guān)威，孫萍，等. 基于K-T變換的地表水體信息遙感自動提取模型[J]. 中國水土保持科學，2011(3)：88－92.

Zhang Jingqi, Guan Wei, Sun Ping, et al. Automatic water bodies extraction model based on K-T transformation[J]. Science of Soil and Water Conservation, 2011(3): 88－92. (in Chinese with English abstract)

[25] 張祖鵬，賀石良，范曄，等. 河道主要控制點降雨量與水位漲幅關(guān)系分析[J]. 東北水利水電，2013，31(2)：42－43.

Zhang Zupeng, He Shiliang, Fan Ye, et al. Effects of rainfall and water level increase in main control points of river channel[J]. Northeast Water Conservancy and Hydropower, 2013, 31(2): 42－43. (in Chinese with English abstract)

[26] 馬雄德，范立民，張曉團，等. 榆神府礦區(qū)水體濕地演化驅(qū)動力分析[J]. 煤炭學報，2015，40(5)：1126－1133.

Ma Xiongde, Fan Limin, Zhang Xiaotuan, et al. Driving force analysis for water and wetland evolution at Yu Shenfu mining area [J]. Journal of China Coal Science, 2015, 40(5): 1126－1133. (in Chinese with English abstract)

[27] 萬華偉，康峻，高帥，等. 呼倫湖水面動態(tài)變化遙感監(jiān)測及氣候因素驅(qū)動分析[J]. 中國環(huán)境科學，2016，36(3)：894－898.

Wan Huawei, Kang Jun, Gao Shuai, et al. Study on dynamic change of hulun lake water area and climate driving force analysis[J]. China Environmental Science, 2016, 36(3): 894－898. (in Chinese with English abstract)

[28] 吳亞男，龐治國，路京選，等. 呼倫湖濕地動態(tài)變化遙感監(jiān)測及驅(qū)動力分析[J]. 中國水利水電科學研究院學報，2013，11(1)：20－26.

Wu Yanan, Pang Zhiguo, Lu Jingxuan, et al. Study on estimation，regionalization and classification of nonpoint source pollutionfor small and midsize river basins management[J]. Journal of China Institute of Water Resources and Hydropower Research, 2013, 11(3): 20－26. (in Chinese with English abstract)

[29] 張克祥. MODIS監(jiān)測長江中下游典型湖泊面積變化研究[D]. 南昌：東華理工大學，2015.

Zhang Kexiang. Monitoring Area Changes of Important Lakes Across the Yangtze Basin Downstream of Three Gorges Dam by MODIS Data[D]. Nanchang: East China University of technology, 2015. (in Chinese with English abstract)

[30] 付穎，徐新良，通拉嘎，等. 近百年來北京市地表水體時空變化特征及驅(qū)動力分析[J]. 資源科學，2014，36(1)：75－83.

Fu Ying, Xu Xinliang, Tong Laga, et al. Spatial-Temporal variation and driving force of surface water in Beijing over one hundred years[J]. Resources Science, 2014, 36(1): 75－83. (in Chinese with English abstract)

Dynamic monitoring of water areas in Yanzhou coalfield based on Landsat TM/OLIimages

Li Jing, Shen Yingying, Jiao Lipeng, Yang Zhen, Wu Yue

(100083,)

Coal mining leads to some surface subsidence, which changes from farmland, abandoned low-developed and other agriculture land into water area in eastern China with high level underground water, so it is necessary to monitor the surface water change in those areas, which is beneficial to evaluate ecological accumulative effect of coal mining quantitatively and is good for corresponding policy making for coal mining and environment protection. Taking Yanzhou coalfield located in Shandong Province as a study area, the objective of this paper was to find comparatively accurate method to extract open-water information, to tell how much and where the water area changed and to reveal the correlation between water area change and rainfall or coal yield. The research data included 5 Landsat TM/OLI images which were captured on September 11, 1990, September 9, 2001, September 4, 2005, August 30, 2009 and October 15, 2014, coal yield data, coal mine boundary and rainfall data by local surveying or from public authoritative website. Firstly, the author compared different methods of open-water identification, which included modified normalized difference water index (MNDWI) method based on the threshold segmentation, single-band threshold method, spectrum relationship method and K-T transform method by using Landsat TM image captured on August 30, 2009. Accuracy validation with 190 randomly generated points showed the MNDWI method was the best method with an overall accuracy of 94.7% and a Kappa coefficient of 0.899. Then the best method, MNDWI, was used to extract the open-water from 1990 to 2014 with those 5 Landsat TM/OLI images, which were preprocessed to ensure the high quality prior to water information extraction. It showed the water area in Yanzhou coalfield was 551.79, 820.17, 1 385.46, 2 247.93 and 1 927.35 hm2in 1990, 2001, 2005, 2009 and 2014 respectively. Finally, the temporal and spatial characteristics of surface water were analyzed and its driven force was revealed from the aspects of rainfall and coal mining. The results showed the open-water area comparatively kept an increase trend from 1990 to 2014. It increased rapidly with an annual growth rate of 14.0% from 2001 to 2005, and 12.9% from 2005 to 2009 respectively. From the year of 2009 to the year of 2014, the open-water area decreased with a rate of 3% annually. The increase of the open-water area was mainly concentrated in Dongtan mine, Beisu mine, Xinglongzhuang mine, Nantun mine and Baodian mine. The correlation coefficient between rainfall and the open-water area was -0.537, which showed inter-annual variation of rainfall was not the main reason for the increase of open-water area in the whole study area. The correlation coefficient between coal yield and the surface water area was 0.904, which suggested that coal mining activity was the main driving force of water area change in this study. The total open-water area increases by 5.3% annually in Yanzhou coalfield, which has high positive correlation and middle negative correlation with coal yield and rainfall respectively. The study result will do benefit for understanding how much and what change has happened in similar area and better understanding the drive force for this kind of change. High spatial resolution images and object-oriented classification method will be used, and more driving factors and models for water area changing will be considered in further study to describe and explain the change more objectively and accurately.

coal mines; remote sensing; monitoring; Yanzhou coalfield; coal mining subsidence; modified normalized difference water index (MNDWI); monitoring on surface water changes

10.11975/j.issn.1002-6819.2017.18.032

F205; X171.4

A

1002-6819(2017)-18-0243-08

2017-05-26

2017-09-11

國家自然科學基金資助項目（41501564）

李 晶，吉林人，教授，主要研究方向為土地利用與土地復墾、生態(tài)遙感、3S應用。Email：Lijing@cumtb.edu.cn