自燃煤矸石山的遙感識(shí)別
——基于Landsat 8熱紅外波段地表溫度反演數(shù)據(jù)

李嘉琪 趙艷玲 任 河 肖 武

(1.中國(guó)礦業(yè)大學(xué)(北京)土地復(fù)墾與生態(tài)重建研究所，北京 100083;2.浙江大學(xué)公共管理學(xué)院，浙江 杭州 310058)

煤矸石是煤炭開(kāi)采和加工過(guò)程中排放出的廢棄巖石，通常占采煤量的10%～15%，是我國(guó)最主要的工業(yè)固體廢棄物之一。目前煤矸石積存已超過(guò)80億t，并仍以年排放量1.5億t的速度增長(zhǎng)[1]。煤矸石應(yīng)用廣泛，可以用于道路填充、建筑材料生產(chǎn)等工業(yè)活動(dòng)，但我國(guó)西部煤矸石的綜合利用程度很低，大部分煤矸石僅進(jìn)行露天堆放[2-5]。由于煤矸石孔隙度較大，在松散的堆積下其內(nèi)部殘煤和黃鐵礦極易與空氣中的氧氣和水接觸，發(fā)生低溫氧化，釋放大量熱量并誘發(fā)自燃。在燃燒過(guò)程中，大量有毒性氣體(如CO、SO2、NOX)排放，嚴(yán)重污染了大氣環(huán)境。此外，伴隨著降雨進(jìn)行，會(huì)進(jìn)一步對(duì)水環(huán)境和土壤環(huán)境造成污染。因此，對(duì)自燃煤矸石山的有效識(shí)別和快速監(jiān)測(cè)對(duì)于礦區(qū)生態(tài)環(huán)境保護(hù)和礦區(qū)安全生產(chǎn)十分重要。

自燃煤矸石山通常會(huì)表現(xiàn)出地表熱異常，因此，地表溫度是識(shí)別和監(jiān)測(cè)自燃煤矸石山的主要依據(jù)?；跓峒t外遙感技術(shù)能夠快速識(shí)別溫度信息，相比于原位測(cè)量表面溫度更經(jīng)濟(jì)、更高效。陸地表面溫度(Land Surface Temperature，LST)是地表熱紅外輻射的綜合定量形式[6]，近年來(lái)在基于遙感數(shù)據(jù)反演地表溫度，進(jìn)而識(shí)別礦區(qū)煤火和自燃煤矸石山領(lǐng)域也產(chǎn)生了許多研究成果。RAJU等[7]于2013年提出了一種利用波段Landsat TM/ETM+數(shù)據(jù)進(jìn)行火災(zāi)探測(cè)的最大太陽(yáng)反射閾值方法，可以繪制出煤礦表面火災(zāi)分布圖。HUO等[8]利用Landsat 7 ETM+影像的多時(shí)相夜間無(wú)云TIR波段數(shù)據(jù)反演地表溫度，煤表面火災(zāi)大于150°C的溫度范圍很容易被監(jiān)測(cè)到。2014年，NADUDVARI等[9]基于Landsat4-5 TM和ETM數(shù)據(jù)，并將熱圖與NDSI相結(jié)合提取自燃煤矸石山，證明圖上的熱異常與缺乏積雪覆蓋的區(qū)域有很好的相關(guān)性，并于2019年[10]利用Landsat ETM+影像獲取地表溫度圖和NDSI，探測(cè)了煤矸石山火點(diǎn)的分布、強(qiáng)度和演變等信息?？梢?jiàn)，將 NDVI、NDSI、NDSI、熱圖與 Landsat TM、ETM+、ASTER 和 Sentinel 2圖像相結(jié)合，可以識(shí)別和定位煤矸石山中的熱點(diǎn)。以往研究主要圍繞地表溫度反演算法、閾值提取方法和高溫區(qū)域提取方法，大多利用地溫結(jié)果，或者將地溫結(jié)果和植被參數(shù)等遙感參量相結(jié)合提取自燃煤矸石山信息，忽略了夜晚同樣高溫的地物干擾，例如建筑物、工廠、道路等地物。

本研究在已有成果的基礎(chǔ)上，將地溫反演結(jié)果和監(jiān)督分類結(jié)果相結(jié)合，提取出裸地和煤矸石山地類，去除其他高溫發(fā)熱地物的影響，利用閾值分析法確定裸地和煤矸石山地類中的高溫區(qū)域，最終識(shí)別出自燃煤矸石山區(qū)域。研究結(jié)果可為礦區(qū)大尺度范圍內(nèi)精確識(shí)別自燃煤矸石山提供基礎(chǔ)數(shù)據(jù)和方法參考。

1 研究區(qū)和數(shù)據(jù)來(lái)源

1.1 研究區(qū)概況

陽(yáng)泉市地處山西省中部東翼，太行山中段西側(cè)，位于東經(jīng) 112°5′～114°4′，北緯 37°40′～38°31′區(qū)域，總面積4 452 km2，占山西省總面積的3%，北接忻州市，東臨河北石家莊市，西南方連太原市和晉中市。地處黃土高原東緣，地貌類型以山地為主，其余為丘陵和平原，地勢(shì)西高東低，區(qū)內(nèi)地形復(fù)雜，山巒起伏，溝壑縱橫。本區(qū)屬暖溫帶半濕潤(rùn)大陸性季風(fēng)氣候，四季分明，日照充足，晝夜溫差較大，風(fēng)向多變，年降水量為450～550 mm，主要集中在每年6—9月，年均氣溫一般為8～12℃。

陽(yáng)泉市下轄城區(qū)、礦區(qū)和郊區(qū)3個(gè)市轄區(qū)和盂縣、平定縣2個(gè)縣。陽(yáng)泉地區(qū)礦產(chǎn)資源豐富，開(kāi)發(fā)歷史悠久，就煤炭資源來(lái)看，陽(yáng)泉市位于沁水煤田東北隅，境內(nèi)石炭紀(jì)、二疊紀(jì)煤系分布于區(qū)域西南角，煤炭資源以高變質(zhì)無(wú)煙煤及貧煤為主[11]。

陽(yáng)泉市境內(nèi)含煤面積1 051 km2，煤炭地質(zhì)儲(chǔ)量104億t，原煤年生產(chǎn)量350萬(wàn)t。巨大的煤炭開(kāi)采量產(chǎn)生了大量的煤矸石。據(jù)統(tǒng)計(jì)，截至2014年，陽(yáng)泉市矸石累計(jì)堆積量約2.8億t[12]，約占全國(guó)的4%，并以900萬(wàn)t/a的速度增長(zhǎng)，已知自燃矸石山42座，絕大多數(shù)矸石山未采取綠化措施。由于陽(yáng)泉境內(nèi)有眾多的矸石山，代表性較強(qiáng)，基于陽(yáng)泉境內(nèi)42座自燃煤矸石山的基礎(chǔ)數(shù)據(jù)，選擇陽(yáng)泉市作為研究區(qū)(圖1)。

圖1 研究區(qū)地理位置和行政區(qū)劃概況Fig.1 Overview of the geographical location and administrative division of the study area

1.2 數(shù)據(jù)來(lái)源和預(yù)處理

目前常用的載有熱紅外波段的衛(wèi)星傳感器包括:NOAA搭載的 AVHRR3，TERRA搭載的 MODIS，CBERS 搭載的 IRMSS，Landsat5/7搭載的TM/ETM+，Landsat 8搭載的 TIRS，F(xiàn)Y-2和 FY-3搭載的 VIRR，HJ-1B搭載的IRS等(表1)。其中，Landsat 8因具有更高的分辨率從而能更有效地分辨小地塊中不同地類的地溫差異，在精確反演地表溫度方面優(yōu)勢(shì)明顯，應(yīng)用較廣泛[13]。

表1 攜帶熱紅外通道傳感器衛(wèi)星的熱紅外波段比較Table 1 Comparison of thermal infrared bands of satellites carrying thermal infrared channel sensors

Landsat 8衛(wèi)星有可見(jiàn)光(OLI)和熱紅外(TIRS)兩個(gè)傳感器，可見(jiàn)光傳感器的空間分辨率為30 m(波段1～7和波段9)和15 m(全色波段8)，熱紅外傳感器的分辨率為100 m(波段10～11)。Landsat 8衛(wèi)星于2013年2月發(fā)射升空，與之前發(fā)射的同系列衛(wèi)星相比，不僅繼承了熱紅外通道高空間分辨率的特征，而且在其搭載的熱紅外傳感器上首次引入了量子學(xué)紅外光子檢測(cè)技術(shù)，增強(qiáng)了TIRS對(duì)熱紅外波段的敏感性，從而更加有利于從大氣溫度中將地表溫度分離出來(lái)。因而與ETM+/TM6相比，Landsat 8更加適合于用來(lái)對(duì)地表溫度、熱空間分布進(jìn)行精確分析[14]。

陽(yáng)泉市Landsat 8影像通過(guò)美國(guó)地質(zhì)調(diào)查局(USGS)網(wǎng)站下載，3景影像覆蓋研究區(qū)全境，軌道號(hào)分別為 124-34、125-33、125-34，云量均低于 10%，獲取時(shí)間為2018年12月18日和2019年7月30日。陽(yáng)泉市和北京市都位于東八區(qū)時(shí)區(qū)，沒(méi)有時(shí)差，故衛(wèi)星過(guò)境當(dāng)?shù)貢r(shí)間即為北京時(shí)間，均為凌晨3時(shí)左右。Landsat8數(shù)據(jù)使用UTM/WGS84投影坐標(biāo)系，數(shù)據(jù)產(chǎn)品Level1T已進(jìn)行了基于地形的幾何校正，在ENVI5.3軟件中對(duì)TIRS與OLI數(shù)據(jù)進(jìn)行輻射定標(biāo)，然后利用FLAASH模型對(duì)OLI數(shù)據(jù)進(jìn)行大氣校正，得到的多光譜影像和熱紅外影像利用陽(yáng)泉市邊界線的矢量數(shù)據(jù)進(jìn)行鑲嵌和裁剪。

反演地表溫度數(shù)據(jù)需要衛(wèi)星過(guò)境時(shí)研究區(qū)域盡量精確的氣象數(shù)據(jù)，包括大氣上行、下行輻射亮度以及大氣透射率等。在NASA的官網(wǎng)中(網(wǎng)址為http:∥atmcorr.gsfc.nasa.gov/)根據(jù)影像拍攝時(shí)間和影像中心的經(jīng)緯度可以確定相應(yīng)的大氣透過(guò)率、大氣上行和下行輻射亮度。

其他數(shù)據(jù)包括在山西省測(cè)繪地理信息局官網(wǎng)下載得到的山西省市級(jí)、縣級(jí)和河流的矢量數(shù)據(jù)，Google Earth提供的研究區(qū)正射影像圖，現(xiàn)有的自燃矸石山點(diǎn)位坐標(biāo)及其相關(guān)信息由陽(yáng)泉煤業(yè)集團(tuán)提供。

2 研究方法

2.1 技術(shù)路線

本研究基于Landsat 8熱紅外波段數(shù)據(jù)反演陽(yáng)泉市地表溫度，進(jìn)而識(shí)別自燃煤矸石山。為便于進(jìn)行冬夏季對(duì)比，消除季節(jié)的影響，選取研究區(qū)2018年冬季和2019年夏季兩天夜晚的影像進(jìn)行分析。將反演的地表溫度圖與監(jiān)督分類結(jié)果相結(jié)合，得到裸地和煤矸石山地類的地表溫度分布圖。基于裸地和煤矸石山地類地表溫度分布的灰度值直方圖確定一個(gè)高溫閾值，根據(jù)閾值提取出的高溫區(qū)域來(lái)判讀精度，分析已知的42座自燃煤矸石山被識(shí)別進(jìn)入高溫區(qū)域的比例。最后分析識(shí)別出的自燃煤矸石山周邊地表溫度分布趨勢(shì)以及自燃煤矸石山高溫影響范圍與邊界(圖 2)。

圖2 研究技術(shù)路線示意Fig.2 Diagram of technical route of the study

2.2 大氣校正法

目前，地表溫度的遙感反演算法主要有輻射傳輸方程法、單窗算法、分裂窗算法、多通道多角度算法等，不同算法適用于不同遙感傳感器的熱紅外數(shù)據(jù)。

Landsat8熱紅外波段為第10、11波段，因而它既能像MODIS/EOSS一樣采用劈窗算法反演地表溫度，又可采用單波段算法反演得到地表溫度。由于TIRS10波段相對(duì)于TIRS11波段而言位于一個(gè)較低的大氣吸收區(qū)域，具有更高精度的大氣透過(guò)率值[15-16]，并且現(xiàn)階段TIRS11波段定標(biāo)數(shù)據(jù)仍不理想，故本研究利用TIRS10波段反演地表溫度。當(dāng)前應(yīng)用單熱紅外波段獲得的輻射能量反演LST常見(jiàn)的有3種算法，即輻射傳輸方程法、單窗算法和單通道算法。無(wú)論是單窗算法還是單通道算法，都是從輻射傳輸方程法出發(fā)對(duì)Planck函數(shù)進(jìn)行簡(jiǎn)化，從熱紅外傳感器獲得地物的亮度、溫度，從而推導(dǎo)出適用于單個(gè)波段數(shù)據(jù)的地表溫度。輻射傳輸方程法即大氣校正法的基本理論依據(jù)是普朗克定律和維恩位移定律[17]，是傳統(tǒng)地表溫度反演用途最廣泛、精度較高的方法之一，因此本研究采用該方法反演陽(yáng)泉市地表溫度。

大氣校正法的基本原理是首先估計(jì)大氣對(duì)地表熱輻射的影響，然后將這部分大氣影響從衛(wèi)星傳感器所觀測(cè)到的熱輻射總量中減去，從而得到地表熱輻射強(qiáng)度，再將這一熱輻射強(qiáng)度轉(zhuǎn)化為相應(yīng)的地表溫度。衛(wèi)星傳感器接收到的熱紅外輻射亮度值Lλ由3個(gè)部分組成，即大氣向上輻射亮度L↑，地面的真實(shí)輻射亮度經(jīng)過(guò)大氣層之后到達(dá)衛(wèi)星傳感器的能量Ts，大氣向下輻射到達(dá)地面后反射的能量L↓。輻射傳輸方程為

式中，Lλ為傳感器接收到的熱紅外輻射亮度值，W·(m2·sr·μm);ε為地表比輻射率;Ts為地表真實(shí)溫度，K;B(Ts)為黑體熱輻射亮度，W·(m2·sr·μm);τ為大氣在熱紅外波段的透過(guò)率。

地表比輻射率是同一溫度下地表發(fā)射的輻射量與黑體發(fā)射輻射量的比值，是利用大氣校正法進(jìn)行溫度反演時(shí)的一個(gè)重要參數(shù)，與地表組成成分、地表粗糙度、波長(zhǎng)等因素有關(guān)。本研究利用覃志豪等[18]提出的混合像元分離法(HHXY)計(jì)算地表比輻射率。求取該參數(shù)之前需要解算歸一化植被指數(shù)NDVI和植被覆蓋度Pv。NDVI可進(jìn)行如下計(jì)算:

式中，NIR和R分別為近紅外波段和紅光波段的反射率。

Pv采用混合像元分解法計(jì)算，將整景影像的地類大致分為水體、植被和建筑，計(jì)算公式為

式中，通過(guò)對(duì)NDVI影像進(jìn)行概率統(tǒng)計(jì)分析得到，2018年取NDVImax=0.992 1和NDVImin=-0.003 9。2019年取NDVImax=0.930 1和NDVImin=-0.001 1。當(dāng)某個(gè)像元的NDVI＞NDVImax時(shí)，Pv取 1;當(dāng)NDVI＜NDVImin時(shí)，Pv取 0。

本研究將遙感影像分為水體、城鎮(zhèn)和自然表面3種類型，采用基于土地覆蓋類型方法計(jì)算地表比輻射率。水體像元的比輻射率賦值為0.995，自然表面和城鎮(zhèn)像元的比輻射率可進(jìn)行如下計(jì)算:

根據(jù)式(1)，溫度為T的黑體在熱紅外波段的輻射亮度B(Ts)為

Ts可以用普朗克公式的反函數(shù)獲取，

對(duì)于TIRS波段10，K1=774.89 W/(m2·μm·sr)，K2=1 321.08 K。

3 結(jié)果與分析

3.1 陽(yáng)泉市地表溫度反演結(jié)果

通過(guò)上述研究方法在ENVI5.3軟件中計(jì)算處理得到2018年12月18日和2019年7月30日兩天夜晚的地表溫度反演圖，如圖3所示。兩期衛(wèi)星遙感影像均為凌晨3時(shí)左右獲取，冬季全區(qū)地溫范圍為-4.33～22.12℃，平均地溫為8.56℃;夏季全區(qū)地溫范圍為16.68～43.92℃，平均地溫為29.39℃。在陽(yáng)泉市城區(qū)、盂縣縣城和平定縣縣城等一些居民活動(dòng)區(qū)地表溫度明顯較高，市區(qū)中間一條線狀低溫區(qū)為桃河。已知的42座自燃矸石山點(diǎn)位在地表溫度圖上的分布如圖3所示，可以大致判斷已知的自燃煤矸石山點(diǎn)位大多位于圖中的高溫區(qū)域。由于缺乏實(shí)地觀測(cè)地表溫度數(shù)據(jù)，本研究無(wú)法計(jì)算反演結(jié)果精度，主要對(duì)得到的研究區(qū)地表溫度圖進(jìn)行高溫異常區(qū)域分析。

圖3 陽(yáng)泉市地表溫度反演結(jié)果Fig.3 Inversion results of land surface temperature in Yangquan City

3.2 陽(yáng)泉市土地利用類型分類結(jié)果

對(duì)研究區(qū)范圍內(nèi)進(jìn)行監(jiān)督分類以提取煤矸石山區(qū)域，首先對(duì)Landsat 8影像進(jìn)行波段融合，將低分辨率多光譜影像(分辨率30 m)與高分辨率全色波段影像(分辨率15 m)融合生成一幅高分辨率多光譜影像(分辨率為15 m)，處理后得到的影像既有較高的空間分辨率，又具有多光譜特征。波段融合方法有IHS變換、Brovey變換、乘積運(yùn)算(CN)、PCA變換和Gram-schmidt Pan Sharpening(GS)方法，其中 GS法是通過(guò)統(tǒng)計(jì)分析方法對(duì)參與融合的各波段進(jìn)行最佳匹配，改進(jìn)了傳統(tǒng)融合方法中某些波段信息過(guò)分集中的不足，不受波段限制，可有效保持空間紋理信息，尤其能高保真保持光譜特征。

利用GS法進(jìn)行波段融合，對(duì)獲得的融合影像利用支持向量機(jī)法進(jìn)行監(jiān)督分類，結(jié)果如圖4所示。土地利用類型分為4類，即植被、水體、建設(shè)用地及裸地和煤矸石山。裸地和煤矸石山地類中也包括工礦用地中被煤粉覆蓋的區(qū)域，該類地類的地表紋理特征與裸地相近。對(duì)監(jiān)督分類得到的高空間分辨率影像進(jìn)行重采樣，采用最鄰近內(nèi)插法不會(huì)更改輸入像元的值，適用于離散(分類)數(shù)據(jù)的重采樣。設(shè)置重采樣的土地利用類型影像像元大小為30 m，與地表溫度圖的分辨率相同。將重采樣后得到的裸地和煤矸石山一類與地表溫度圖相結(jié)合，得到裸地和煤矸石山區(qū)域的地表溫度分布，如圖5所示。

圖4 可見(jiàn)光影像監(jiān)督分類結(jié)果Fig.4 Supervised classification results of visible light image

圖5 裸地和煤矸石山地表溫度Fig.5 Land surface temperature of bare land and gangue dumps

3.3 基于地表溫度異常的自燃煤矸石山提取結(jié)果

圖5中裸地和煤矸石山區(qū)域的地表溫度分布灰度直方圖如圖6所示。灰度值呈正態(tài)分布，根據(jù)直方圖統(tǒng)計(jì)法[19]，確定峰值右側(cè)一倍標(biāo)準(zhǔn)差的位置對(duì)應(yīng)的橫坐標(biāo)溫度為高溫閾值(圖7)。夏季直方圖峰值對(duì)應(yīng)的溫度為30.55℃，標(biāo)準(zhǔn)差σ為1.859 1，確定夏季高溫閾值為32.409 1℃。冬季直方圖峰值對(duì)應(yīng)的溫度為9.55℃，標(biāo)準(zhǔn)差σ為2.203 3，確定冬季高溫閾值為11.753 3℃。根據(jù)閾值提取出裸地和煤矸石山地類中的高溫異常區(qū)域，將提取出的高溫區(qū)域疊加到Google Earth影像中(圖8)，利用已知的42座自燃矸石山區(qū)域進(jìn)行驗(yàn)證，結(jié)果顯示，2018年冬季有32座顯示出了高溫異常，提取精度為76.19%;2019年夏季有27座顯示出了高溫異常，提取精度為64.28%。

圖6 裸地和煤矸石山地表溫度圖的灰度直方圖Fig.6 Grayscale histograms of land surface temperature maps of bare land and gangue dumps

圖7 高溫閾值提取示意Fig.7 Schematic of high temperature threshold extraction

圖8 裸地和煤矸石山地類中的熱區(qū)與Google Earth疊加顯示Fig.8 Overlay display of hot areas in bare land and gangue dumps with Google Earth orthophoto

最終提取出的熱區(qū)中存在一些錯(cuò)分現(xiàn)象，部分非自燃矸石山區(qū)域被提取出來(lái)，這些區(qū)域大多是一些發(fā)熱地物周圍的裸地，如電廠、焦化廠、蔬菜大棚周邊的裸地等，一些礦區(qū)工礦用地、廠房附近的裸地和煤粉覆蓋的地面溫度也較高。這些地表溫度較高的區(qū)域影響了識(shí)別精度，需通過(guò)Google Earth影像進(jìn)行識(shí)別和去除。去除上述干擾因素后，可以明顯識(shí)別出自燃煤矸石山，證明通過(guò)Landsat 8熱紅外波段反演地表溫度進(jìn)而識(shí)別自燃煤矸石區(qū)域的方法是可行的。

識(shí)別結(jié)果也存在一定的漏分現(xiàn)象，部分已知的自燃煤矸石山未能被識(shí)別成高溫區(qū)域，漏分原因可能是:①部分矸石山建成時(shí)間較長(zhǎng)已被復(fù)墾，表面綠植覆蓋情況較好，無(wú)裸露地表，在監(jiān)督分類中被識(shí)別為植被。②矸石山自燃范圍小于影像單個(gè)像素面積，自燃點(diǎn)無(wú)法在影像上顯示;或者采取了重新覆土等煤矸石山復(fù)墾措施，復(fù)墾效果較好，地表已沒(méi)有較大的溫度異常。

通過(guò)冬夏季高溫異常區(qū)域?qū)Ρ?，可以發(fā)現(xiàn)2019年比2018年自燃矸石山減少了5座，已經(jīng)自燃的矸石山高溫異常面積有所減少，說(shuō)明大范圍的熱紅外遙感反演地表溫度有助于實(shí)時(shí)、準(zhǔn)確地分析自燃煤矸石山狀態(tài)(初期、中期和晚期)及發(fā)展趨勢(shì)，可為準(zhǔn)確評(píng)估煤矸石山造成的經(jīng)濟(jì)損失和周邊生態(tài)環(huán)境影響提供相對(duì)精確的熱力學(xué)指標(biāo)[20-23]。

3.4 自燃煤矸石山影響范圍劃定

根據(jù)上述獲取的自燃煤矸石山的點(diǎn)位信息提取出點(diǎn)位附近100～1 000 m范圍內(nèi)每100 m的平均地表溫度，如圖9和圖10所示。煤矸石山不同距離范圍內(nèi)的地表溫度均值變化表明，矸石山區(qū)域的地表溫度比區(qū)域整體環(huán)境地表溫度高，隨著與矸石山區(qū)域距離的增加，平均地表溫度逐漸降低，降低幅度逐漸減小。從變化曲線來(lái)看，2018年冬季矸石山周邊500 m空間范圍平均地表溫度變化較大，500 m以外平均地表溫度變化較小，逐漸趨于平緩，2019年夏季矸石山周邊600 m空間范圍平均地表溫度變化較大，600 m以外趨于平緩?？傮w來(lái)說(shuō)，煤矸石山對(duì)周邊地區(qū)地表溫度的影響距離超過(guò)了500 m。

圖9 典型自燃煤矸石山多環(huán)緩沖區(qū)示意Fig.9 Schematic of muliple ring buffer of typical spontaneous combustion gangue dumps

圖10 不同距離分區(qū)地表溫度均值變化Fig.10 Variation of mean land surface temperature in different distance zones

統(tǒng)計(jì)了冬季提取出的32座自燃矸石山周邊1 000 m緩沖區(qū)范圍內(nèi)的土地利用情況，將植被和水體面積占比劃分為3個(gè)等級(jí)，大于50%、20%～50%和小于20%，分別是18座、8座和6座，統(tǒng)計(jì)出3類矸石山隨著距離的增加周邊地表溫度的變化特征，如圖11所示。由圖11可知:3類自燃煤矸石山對(duì)周邊地區(qū)地表溫度的影響距離均超過(guò)了500 m，但植被和水體占比超過(guò)50%的自燃矸石山500 m范圍內(nèi)降溫最快，緩沖區(qū)內(nèi)整體地溫最低。隨著植被和水體面積占比逐漸減少，矸石山周邊降溫速度逐漸減緩，緩沖區(qū)內(nèi)整體地溫逐漸升高，說(shuō)明植被和水體對(duì)自燃矸石山地表有降溫作用，周邊地物分布會(huì)對(duì)自燃矸石山地表高溫影響范圍和強(qiáng)度產(chǎn)生影響[24-27]。

圖11 冬季矸石山周邊不同植被和水體面積占比的地表溫度變化Fig.11 Variation of land surface temperature of different vegetation and water proportion around gangue dumps in winter

4 結(jié) 論

本研究提出了一種基于熱紅外遙感數(shù)據(jù)反演地表溫度進(jìn)而識(shí)別自燃煤矸石山的方法。基于Landsat 8遙感影像，利用大氣校正法反演得到山西省陽(yáng)泉市2018年和2019年兩天夜晚的地表溫度，將地表溫度反演結(jié)果與監(jiān)督分類結(jié)果相結(jié)合，去除了夜晚高溫的其他城市地物信息，在此基礎(chǔ)上利用閾值分析法提取出裸地和煤矸石山中的高溫區(qū)域。得出如下結(jié)論:

(1)基于Landsat 8熱紅外數(shù)據(jù)進(jìn)行地表溫度反演，結(jié)合監(jiān)督分類提取出矸石山地類區(qū)，利用閾值分析法提取矸石山地類區(qū)中的高溫區(qū)域，進(jìn)而識(shí)別自燃煤矸石山的方法可行且精度較高。

(2)自燃煤矸石山對(duì)周邊地區(qū)地表溫度的影響距離超過(guò)500 m，植被和水體對(duì)自燃矸石山地表具有降溫作用。

(3)本研究識(shí)別結(jié)果仍存在一定的錯(cuò)分漏分現(xiàn)象，部分自燃煤矸石山表面高溫范圍小于熱紅外影像像元大小，存在混合像元問(wèn)題出現(xiàn)漏分自燃煤矸石山現(xiàn)象，進(jìn)而影響了識(shí)別精度。后續(xù)工作中，可以考慮熱紅外波段數(shù)據(jù)與高空間分辨率的可見(jiàn)光/熱紅外數(shù)據(jù)融合，利用地表像元分解方法獲取空間分辨率較高的地表溫度信息。受到高溫裸地和工礦用地影響，監(jiān)督分類方法精度仍有一定的提高空間，后續(xù)工作中可以結(jié)合紋理信息與光譜信息進(jìn)行監(jiān)督分類，提高煤矸石山地類的分類精度。