基于無人機熱紅外遙感的新疆寶安煤礦火區(qū)探測

張雷昕，汪云甲，趙 峰，原 剛，彭 斌，黨立波

(1.中國礦業(yè)大學 自然資源部國土環(huán)境與災害監(jiān)測重點實驗室，江蘇 徐州 221116；2.中國礦業(yè)大學 環(huán)境與測繪學院，江蘇 徐州 221116；3.新疆維吾爾自治區(qū)煤田滅火工程局，新疆 烏魯木齊 830000)

地下煤火是礦井火和煤田火的總稱[1]。煤的外表面和內(nèi)表面吸附著氧氣，產(chǎn)生大量的熱，導致煤內(nèi)溫度升高并且不斷累積。煤炭的溫度上升到臨界溫度以上(通常為80～120℃)時，則會出現(xiàn)熱失控現(xiàn)象，并開始逐漸自燃。煤火不但會造成煤炭資源損失，還會嚴重破壞生態(tài)環(huán)境。地下煤火燃燒會放出大量的熱，影響地表土壤濕度，導致植被凋亡；煤火燃燒排放出大量的溫室氣體(如二氧化碳和甲烷)，和對人類身體健康有害的有毒氣體(如一氧化碳、二氧化硫、氮氧化物等)以及化學元素(砷、氟、銫、汞等)，這些都對人類健康、大氣環(huán)境、地表土壤、水體產(chǎn)生巨大的危害[2]。新疆具有十分豐富的煤炭資源，然而新疆煤炭十分容易發(fā)生自燃，致使多地發(fā)生地下煤火。每年因煤火燃燒而損失的煤炭資源達到440多萬噸，且會排放1300多萬噸二氧化碳，煤火威脅著約477億t的煤炭儲備資源。因此，對于煤火的及時探測及預警十分重要。

煤火燃燒時，會在磁場、熱場、電場以及光場等方面[3，4]產(chǎn)生異常，針對這些異常，研究者們提出了不同的煤火探測方法，包括：磁探測法[5]、遙感監(jiān)測法[6]、溫度探測法[7]、測氡法[8]、氣體探測法[9]等。這幾種方法中，遙感監(jiān)測法具有宏觀性強，覆蓋范圍廣，數(shù)據(jù)采集靈活等特點，具有很大的應用價值。

人類歷史上首次利用熱紅外遙感技術對煤火進行探測是在1963年5月，美國HRB-Singer公司采用機載熱感相機RECONOFAX 紅外偵查系統(tǒng)對煤矸石煤火進行研究，經(jīng)過實驗分析對比證明了該技術的可行性[10]；隨著無人機的廣泛應用，無人機遙感也逐漸顯示出采集數(shù)據(jù)速度快、成本低，測量溫度精度高，空間分辨率好等特點。無人機熱紅外遙感技術對于地表溫度的獲取精度更高，高分辨率也更適用于火區(qū)的圈定，這些都為煤火監(jiān)測提供了新的手段和思路[11]。Wang等[12]利用無人機技術，獲得具有較高分辨率(厘米級)大同煤田的圖像，通過無人機攜帶光學相機獲得圖像，針對地下煤火引起的地表裂縫特點，提取煤火區(qū)地裂縫的分布信息，方便地下煤火的評估與治理，對填充裂縫和控制地下煤火有較高的參考價值；李峰等[13]在大同煤田馬家梁礦區(qū)利用無人機熱紅外和彩色圖像采集，利用夜間熱圖像識別煤火區(qū)的準確率達到92.78%；賈勇驍?shù)萚14]利用多架無人機集群飛行監(jiān)測煤火區(qū)域，討論了無人機續(xù)航時間短、單次監(jiān)測煤火區(qū)域面積小、采集數(shù)據(jù)周期較長的問題，并且基于4G網(wǎng)絡，提高數(shù)據(jù)傳輸?shù)乃俣龋詫崿F(xiàn)對煤火區(qū)域的高效監(jiān)測；John Malos等[15]結合無人機所拍攝的熱紅外和可見光影像，快速檢測和準確定位露天礦區(qū)的熱異常水平，進行露天煤礦管理；Anna Abramowicz等[16]采用無人機熱紅外遙感對上西里西亞煤盆地選定的煤矸石場進行了野外調(diào)查，通過對一系列照片和測量方法在時間和空間上的比較，捕捉了煤矸石燃燒的變化趨勢。

無人機熱紅外遙感探測技術，在煤火探測領域具有很大的發(fā)展?jié)摿?。但目前利用無人機熱紅外技術進行煤田火區(qū)精細化監(jiān)測的研究相對較少。本研究擬采用無人機熱紅外遙感數(shù)據(jù)，對新疆典型煤火區(qū)昌吉市寶安礦區(qū)地下煤火進行溫度探測與信息提取。對無人機熱紅外遙感在煤火監(jiān)測方面的應用進行分析，實現(xiàn)小尺度煤火探測，可為煤火的預警、發(fā)現(xiàn)、治理、持續(xù)性監(jiān)測提供新的思路與方法。

1 研究區(qū)與數(shù)據(jù)源

1.1 研究區(qū)

研究區(qū)位于昌吉市西南80km處，距寶安鎮(zhèn)約15km，隸屬昌吉市管轄。中心地理坐標：東經(jīng)86°55′40.92″，北緯43°30′39.89″。該火區(qū)最早發(fā)現(xiàn)于1976年，起初為小煤窯井下著火，之后隨著煤火的不斷蔓延，持續(xù)燃燒至今。在20世紀70年代，由于小煤窯開采的不規(guī)范性，未及時處理井下煤火問題，導致煤火燃燒至地表，雖然已在2008年采取了封堵措施，但仍未能控制火勢的發(fā)展?；饏^(qū)位于半山腰處，當?shù)貙Υ嘶饏^(qū)進行黃土覆蓋治理，東部進行水泥邊坡處理?；饏^(qū)西部地表存在明顯的高溫，地表最高溫度492℃，地表溫度異常區(qū)集中在西部區(qū)域，且地表伴有刺鼻的煤煙味。

1.2 數(shù)據(jù)源

選用2019年11月5日對寶安進行兩次連續(xù)無人機飛行所采集的數(shù)據(jù)，采用的ZENMUSE XT 2云臺相機具有熱紅外和可見光兩個光學鏡頭，采用熱紅外相機來獲取整個研究區(qū)域的熱紅外影像數(shù)據(jù)，采用可見光鏡頭來獲取研究區(qū)的RGB可見光影像，輔助判斷煤火區(qū)。首先將ZENMUSE XT 2云臺相機安裝至經(jīng)緯 Matrice 210 V2 無人機，之后對無人機的組裝進行檢查，確保安全飛行。在無人機準備起飛之前，需要對航線進行規(guī)劃，無人機飛行高度設置為80m，航向重疊與旁向重疊率均設置為90%。隨后可對熱紅外相機進行參數(shù)設定，可以通過DJI Pilot App進行相機參數(shù)的設置，拍照設置選擇為溫度線性TIFF，選擇高增益模式，這樣可以使獲得的圖像在拼接融合之后仍然可以利用公式換算成溫度，實驗所用無人機及熱紅相機相關參數(shù)見表1。

表1 無人機和熱紅相機參數(shù)

2 研究方法

2.1 數(shù)據(jù)處理

本次實驗利用Pix4Dmapper軟件對航拍影像進行拼接，首先需導入研究區(qū)的高分辨率可見光影像和無人機熱紅外影像；接下來將航拍中圖像的同名像點進行影像匹配；同時需要標定照相機的內(nèi)部和外部參數(shù)；之后進行點加密，這一過程是基于生成加密點云的自動連接點創(chuàng)建的；根據(jù)密集點云生成紋理網(wǎng)格；最終生成地表溫度影像(分辨率為0.2m)和可見光數(shù)字正射影像(分辨率為0.04m)，可見光影像用于判斷地表類型。

由于在獲取數(shù)據(jù)時，拍攝照片格式設置為TIFF，并且已經(jīng)將地表比輻射率輸入，同時完成了大氣校正，因此無人機熱紅外相機獲取的影像數(shù)據(jù)可通式(1)計算得到無人機影像中地表的溫度值：

T=0.04×DN-273

(1)

式中，DN為測量的區(qū)域?qū)幕叶戎担籘為測量區(qū)域的溫度，℃。

2.2 煤田火區(qū)的分布提取

煤炭在地下燃燒時，產(chǎn)生的熱量會以熱輻射的方式，通過煤火上覆巖層的熱傳導和巖層裂縫中的空氣熱對流傳導至地表，在地表和空氣中形成高溫環(huán)境，被稱為溫度異常區(qū)。因此，圈定煤火燃燒區(qū)的首要步驟就是提取溫度異常區(qū)信息。本次使用自適應梯度閾值法和人工閾值法兩種方法進行溫度閾值分割與煤火信息提取。

2.2.1 自適應梯度閾值法

在實際煤火現(xiàn)場，溫度異常區(qū)與背景區(qū)邊界存在著溫度急劇上升的現(xiàn)象，因此可以通過溫度梯度來對溫度異常區(qū)邊界進行提取。自適應梯度閾值法[17]綜合了熱空間分布和像素上下文，且對測溫精度的依賴性較弱。自適應梯度閾值法在使用時基于兩個假設：燃燒煤層及周圍覆巖具有相似的熱傳導能力和能量從煤火燃燒中心至煤火邊界驟減。該方法首先獲取影像溫度值，進行溫度梯度計算，獲得溫度梯度影像，進一步提取梯度極值點，將極值點所對應的平均溫度作為閾值來分割影像。將溫度影像分割為“溫度異常區(qū)”與“背景區(qū)”。同時，為了確定較為合適的溫度閾值，并對自適應梯度閾值法穩(wěn)定性進行分析，分別利用σ、2σ、3σ獲取不同的梯度閾值，見表2。

表2 無人機影像自適應梯度閾值設置 ℃

2.2.2 人工閾值法

表3 無人機影像人工閾值法閾值設置 ℃

3 結果分析與討論

3.1 無人機熱紅外溫度測量精度

對兩次無人機熱紅外影像配準，之后對兩幅影像進行精度分析，計算得到中誤差為1.44℃。根據(jù)正態(tài)分布表查得，偶然誤差絕對值小于三倍中誤差的概率為99.7%。由此可知，將三倍中誤差作為極限誤差，將極限誤差剔除后，得到中誤差為0.97℃，小于1℃，證明無人機在煤火地區(qū)實際測溫精度較可靠。并且從側(cè)面印證無人機在時間維度上對于煤火信息的提取更加準確。由于無人機在飛行測溫當天，煤火區(qū)氣溫較低且有大風，這些外部因素也會對無人機測溫產(chǎn)生影響。

3.2 溫度異常區(qū)人工閾值法圈定結果

利用人工閾值法對兩幅無人機熱紅外影像進行煤火信息提取，在與煤火實地進行對比后發(fā)現(xiàn)煤火區(qū)圈定準確率較高，見表4。利用人工閾值法得到的溫度閾值對地表溫度影像進行溫度異常區(qū)、疑似煤火區(qū)以及煤火燃燒區(qū)的圈定。

表4 無人機人工閾值法圈定面積結果

無人機熱紅外影像如圖1所示，煤火燃燒區(qū)主要分布在影像的西南位置，煤火區(qū)域較為集中，影像中也存在部分細長形態(tài)的高溫異常區(qū)，經(jīng)過與可見光正射影像比較，發(fā)現(xiàn)該區(qū)域有明顯的因煤火燃燒而產(chǎn)生的地裂縫并伴有大量煙霧，如圖2所示，導致煤火燃燒的熱量直接通過地裂縫中的空氣傳導到地面，產(chǎn)生高溫異常區(qū)。

圖1 無人機探測煤火人工閾值法圈定結果

圖2 新疆寶安煤礦火區(qū)無人機正射影像

將無人機可見光與熱紅外影像對比分析，可有效判斷地裂縫下是否存在正在燃燒的煤火，并可對此類裂縫進行地面灌漿。地面灌漿可充分利用火區(qū)附近的地表裂縫，將水引至灌漿裂縫帶，并將黃土運到灌漿口附近，用高壓水沖刷黃土形成泥漿，漿液經(jīng)裂縫流入火區(qū)?；饏^(qū)附近的裂縫一般都與煤層直接連通，從這些地點灌漿一般都可以到達火區(qū)，充分降低高溫、充填裂縫，最終使煤火熄滅。并且通過裂縫自地面灌漿的方法不用施工鉆孔，可節(jié)省大量的費用[19，20]。

3.3 溫度異常區(qū)自適應梯度閾值法圈定結果

目前有多種圖形處理算子，本文利用自適應梯度對無人機熱紅外影像進行閾值分割，所采用的算子為Sobel算子，該算子主要用作邊緣檢測。是一種離散性差分算子，常用來計算圖像亮度函數(shù)的梯度近似值。對于溫度異常區(qū)面積提取時，首先對溫度影像梯度計算得到梯度影像，對梯度影像分割并保存相對較高的梯度值，分割后的極值像元為一系列環(huán)形分布，此時為潛在梯度極值區(qū)，之后利用數(shù)學形態(tài)法細化，得到該環(huán)形區(qū)域的一個像元寬度的梯度極值線；同時分別利用σ、2σ、3σ獲取相對高溫區(qū)；將相對高溫區(qū)與梯度極值線疊加，得到潛在閾值；最后將潛在閾值的平均值作為最終溫度閾值，將影響分割為溫度異常區(qū)與背景區(qū)，并統(tǒng)計溫度異常區(qū)面積，見表5。

表5 無人機自適應梯度閾值法圈定面積結果

當利用自適應梯度閾值法以不同倍數(shù)的標準差對溫度異常區(qū)進行圈定時，雖然不同倍的標準差圈定的煤火面積相差較大，但是溫度閾值比較穩(wěn)定，并沒有太大變化，這也說明自適應閾值法穩(wěn)定性更高，對于溫度異常閾值的計算較穩(wěn)健。由表5可知，溫度異常區(qū)面積較小，這可能是由于Sobel算法的邊緣檢測效應，得出的結果一般是溫度更高的區(qū)域，因此圈定的面積比較小，如圖3所示。

圖3 溫度異常區(qū)自適應梯度閾值法圈定結果

3.4 分析與討論

兩種方法均可將熱紅外影像進行閾值分割和溫度異常信息提取，且這兩種方法計算結果相近。自適應梯度閾值法在不同倍標準差下，溫度閾值變化較小，閾值結果穩(wěn)定，可對不同影像自動確定溫度異常邊界；人工閾值法操作簡便，可根據(jù)實際要求設定閾值，進一步提取煤火信息。因此，在利用無人機對煤火區(qū)域進行小范圍溫度探測和信息提取時，采用人工閾值法更加適用。由于無人機續(xù)航時間較短，大范圍煤火探測的能力較弱，因此無人機更適合于煤火范圍的精準圈定與煤火燃燒區(qū)的溫度探測。在影像中存在部分零散的熱異常區(qū)域，判斷為地表正在燃燒的小火坑或矸石堆，其他部分地區(qū)可能是受到太陽照射而引起的地表溫度升高，造成假煤火區(qū)。因此在有條件的情況下，也可以在夜間利用無人機對煤火區(qū)進行溫度探測。無人機影像具有時空分辨率高，數(shù)據(jù)獲取方便的特點。

4 結 語

本文采用無人機對新疆寶安煤礦火區(qū)進行了飛行測溫實驗，之后對無人機熱紅外影像進行精度評估，兩次觀測中誤差為0.97℃。采用人工閾值法和自適應梯度閾值法對溫度異常區(qū)進行圈定，最終獲得煤火燃燒區(qū)面積，兩次無人機影像圈定煤火燃燒區(qū)的結果基本一致，識別精度較高。通過對無人機地表溫度影像的分析，作者發(fā)現(xiàn)無人機具有的高分辨率優(yōu)勢可以細致地探測到小范圍煤火產(chǎn)生的溫度異常區(qū)，說明無人機在小范圍煤火區(qū)精準探測方面和實時動態(tài)監(jiān)測方面都有較強的優(yōu)勢。無人機采集數(shù)據(jù)快，測溫精度好，空間分辨率高且成本較低，在煤火探測領域?qū)⒂泻艽蟮膽们熬啊?/p>