平朔露天煤礦土地利用變化的遙感監測

引文格式： 于頌，王飛紅，楊愛民. 平朔露天煤礦土地利用變化的遙感監測[J].測繪通報，2015(4)：86-90.DOI:10.13474/j.cnki.11-2246.2015.0118

平朔露天煤礦土地利用變化的遙感監測

于頌1，王飛紅2，楊愛民1

(1. 山西省遙感中心，山西 太原 030001； 2. 中北大學儀器與電子學院，山西 太原 030051)

RemoteSensingMonitoringofLandUseChangeinPingshuoOpen-pitMine

YUSong,WANGFeihong,YANGAimin

摘要：為了對平朔露天煤礦近20年來的土地利用變換情況進行遙感監測，使用遙感技術和決策樹分類方法對研究區4個時期的遙感影像進行了分類，分類對象為植被、開采區、居民區和裸地。通過對分類結果進行統計和分析，得出如下結論：近20年來，平朔露天煤礦開采區擴張顯著，居民區面積在不斷上升，同時植被也在穩步增長。

關鍵詞：遙感監測；決策樹；露天煤礦

中圖分類號：P23

收稿日期：2014-03-26

作者簡介：于頌(1974—)，男，高級工程師，主要從事環境資源遙感和地理信息系統方面的研究。E-mail：yusong8@sina.com

一、引言

煤炭資源是一種重要的非再生自然資源，煤炭的開發利用為社會的建設與發展作出了巨大貢獻,但長時間、大規模、高強度的煤炭開采不可避免地造成原生礦床地質條件和原有生態系統的破環，引發植被退化、水土流失、物種減少、土壤沙化、土地塌陷等一系列的生態效應[1-2]，給礦區生態環境造成了很大的威脅,嚴重制約著礦區的可持續發展。因此，在開采煤炭資源的同時,研究其對礦區及周邊生態環境的影響,開展相應的生態環境保護工作至關重要。

隨著計算機和空間技術的發展，遙感以其具有的宏觀性、周期性、客觀性、時空變化多層性等獨有的優勢，被廣泛應用于煤礦區域開采情況及周圍環境變化情況的動態監測[3]。喬玉良等[4]利用TM、ETM和SPOT5遙感影像，對比分析了鄉寧縣18年來煤炭資源開采與土地破壞狀況，較好地實現了對礦產開發點的分布狀況、固體廢棄物堆放情況以及由此引發的土地破壞等問題的動態監測；彭瑛等[5]利用鄂西LandsatTM、CBERS-2、SPOT5、IKONOS遙感影像，利用不同地物的光譜、形狀、空間位置等特征，采用目視解譯方法進行信息提取，結果表明多目標遙感監測目視解譯技術對礦產資源開發利用狀況、環境破壞情況進行遙感動態監測有一定的使用價值和參考價值；翟孟源[6]以烏海市為例,以MSS/TM遙感數據為基礎,利用煤礦遙感影像各波段反射率遠低于其他地物的典型光譜特征,提取了烏海市煤礦開采區時空分布數據集,并結合SPOT-VEGETATIONNDVI數據,對烏海市煤礦開采區的變化過程以及生態環境影響進行了動態監測，取得了較好的效果。遙感技術宏觀、快速、動態的技術優勢能夠滿足礦山環境監測的要求[7]。為了得到研究區近20年的變化情況，本文根據礦物特點將礦區分為植被、開采區、居民區和裸地4類，利用決策樹進行動態監測。

二、研究區及其數據

1. 研究區概況

平朔安太堡露天煤礦是我國規模最大、現代化程度最高的大型煤礦生產基地。該煤礦所處環境是一個對環境改變反應敏感、維持自身穩定的可塑性較小的脆弱生態環境系統，屬黃土丘陵強烈侵蝕生態脆弱系統[8]。由于大型露天煤礦開采劇烈地擾動了原地形、地層、土壤、植被,在挖損、壓占等作用下,原生態系統極度退化。為此，從1994年該礦區開始土地復墾與生態重建，采取“采、運、排、復墾一條龍”作業法延續至今。

2. 數據及其預處理

本文采用中分辨率Landsat5TM遙感影像作為數據源，其空間分辨率為30m，選用了1993—2011年18年間的4期遙感影像(軌道號為125/33)，投影坐標系為WGS-84，時間分別是1993年4月12日、1999年10月18日、2006年10月14日和2011年4月16日。首先選取地面控制點(GCP)對4景原始影像分別進行了幾何校正,總體校正精度為0.5個像元；然后根據研究區域作AOI并進行裁剪，獲得了研究區影像。

3. 反射率反演

為了得到更為嚴密的基礎數據，并在一定程度上消除不同時相的光譜值差異，將TM光譜值影像轉換為反射率影像。其具體過程如下：

1) 將7個波段的圖像灰度值轉換為輻射亮度值

R=DN·Gain+Bias

(1)

式中，R為像元的輻射亮度值；DN為原始影像中的像元灰度值；Gain和Bias分別對應波段的增益和偏置數據，可以在USGSLANDSAT-TM用戶手冊中查找，如表1所示。

表1　 Landsat- TM增益和偏置數據

2) 反射率計算

ρ=π·D2·R/(ESUN·cosφ)

(2)

式中，ρ為像元的反射率；D為日地天文單位距離(一般取1)；R為像元輻射亮度值；ESUN為大氣頂層太陽輻射平均值(如表2所示)；φ為太陽天頂角。計算天頂角的公式為

φ=90°-SUNELEVATION

(3)

式中，SUNELEVATION為太陽高度角，可以在對應影像頭文件中查找。

表2　大氣頂層太陽輻照度

根據以上公式，利用ERDASIMAGINE遙感圖像處理軟件的MODLEMAKER建立相應的計算模型，最終得到經過反射率反演的影像。

三、決策樹分類

合理定義不同決策節點，是決策樹分類獲得準確結果的保障。對遙感影像分類而言，根據地物各種特征獲得不同地物類型的典型值，是實現合理定義節點的基礎。為了降低節點表達式的復雜性，簡化決策表達式、清晰表達分類策略，需要結合分類需求對特征節點進行優選。

1. 特征節點建立

(1) 歸一化植被指數

歸一化差異植被指數(NDVI)對綠色植被反映敏感，是植被生長狀態及植被覆蓋度的指示因子，在研究中被廣泛應用[9-10]。NDVI利用植被在近紅外波段比可見光波段有較高的反射作用的特點，即其NDVI為正值且隨植被覆蓋度的增大而增大，而其他地物為負值或0值，從而能夠較為容易地把植被提取出來，其公式為

NDVI=(NIR-Red)/(NIR+Red)

(4)

式中，Red為紅光波段的反射率；NIR為近紅外波段的反射率，對應TM影像的第3波段和第4波段。得到的NDVI結果如圖1所示，圖中亮度值高的像元為植被，為了建立明確的節點，依據高分影像對比解譯，利用直方圖分析，最終確定NDVI>0的像元為植被；而NDVI<0的為非植被。

圖1　NDVI指數圖

(2) 歸一化建筑指數

歸一化建筑指數(NDBI)是查勇等[11]在楊山[12]提出的仿歸一化植被指數基礎上提出的，它可以較為準確地反映建筑用地信息，數值越大表明建筑用地比例越高，建筑密度越高，可以有效地凸顯城市用地信息，計算公式為

NDBI=(MIR-NIR)/(MIR+NIR)

(5)

式中：MIR表示中紅外波段的反射率，對應TM影像的第5波段。通過建模得到的NDBI結果見圖2，從圖中可以看出，研究區的NDBI分布在[-1.0，1.0]。同樣的，為了明確節點決策，使用高分影像對比解譯和直方圖分析，確定0.35為閾值，其中大于0.35的像元為開采區。

圖2　NDBI指數圖

(3) 主成分分析法

遙感多光譜影像的波段多、信息量大，在圖像處理時，常常耗費大量的機時和占據大量的磁盤空間。實際上遙感數據各波段之間有不同程度的相關性，存在著數據冗余。主成分分析法(PCA)是一種去除波段之間多余信息、將多波段的圖像信息壓縮到比原波段更有效的少數幾個波段的方法，可以達到保留主要信息、降低數據量和增加類別可分性的目的[13]，其變換的本質是對遙感圖像實行線性變換，使多光譜空間的坐標系按一定規律旋轉。其變換的表達式為

y=Ax

(6)

式中，x為變換前的多光譜空間的像元矢量；y為變換后的主分量空間的像元矢量；A為變換矩陣，是x空間協方差矩陣的特征向量矩陣的轉置矩陣，其作用是給多光譜的像元亮度加權系數，實現線性變換。

對TM影像的7個波段數據進行PCA變換后，獲取了7維的主分量空間，并且各分量的特征值及貢獻率見表3。

表3　主成分分量的特征值和貢獻率

從表3可以看出，對變換后的新波段主分量而言，它們所包括的信息量不同，呈逐漸減少趨勢。其中，第一主分量集中了最大的信息量，占80%以上；第二、三主分量的信息量依次很快地遞減，前3個主成分包含了98%以上的信息量；到了第n分量，信息幾乎為零。由于主成分分析對不相關的噪聲沒有影響，因此信息減少時便突出了噪聲，最后的分量幾乎全是噪聲。因此，本文取前3個主分量進行假彩色合成(見圖3)，實現了數據壓縮，同時將其作為分類前的特征選擇。

(4) 纓帽變換

纓帽變換是1976年R.J.Kauth和G.S.Thomas兩位學者提出的一種經驗性的多波段圖像線性正交變換，因而又被稱作K-T變換。該變換的基本思想是多波段(N波段)可以看做是N維空間，每一個像元都是N維空間中的一個點，其位置取決于像元在各個波段上的數值。其變換公式為

y=Bx

(7)

式中，x為變換前的多光譜空間的像元矢量；y為變換后的新坐標空間的像元矢量；B為變換矩陣。

圖3　PCA前3個主分量合成圖

纓帽變換與主成分分析不同，其旋轉后坐標軸不是指向主成分方向，而是指向與地面景物密切相關的方向，它抓住了地面景物，特別是植被和土壤在多光譜空間的特征。經研究，新分量中的前3個分量(見圖4)與地面景物密切相關，分別為土壤亮度(SBI)、綠度(GVI)、濕度(WI)。亮度分量即TM6個波段分量的加權和，反映總體的亮度變化。綠度分量與亮度分量垂直，是近紅外與可見光波段的比值，反映可見光波段特別是紅光波段與近紅外波段之間的對比。濕度分量則與土壤濕度有關，反映可見光與近紅外波段及紅外5、7波段的差值，而5、7波段對土壤和植被的濕度最為敏感。

圖4　纓帽變換前3個分量合成圖

2. 決策建立

根據研究區的實際情況，將地表地類分為植被、開采區、居民區和裸地4類。在遙感影像上，就所需分類地物，測定了其各波段、PCA變換的前3個主量的光譜亮度值以及纓帽變換后的前3個特征量，并從中選取一些典型而具代表性的樣點，而后根據各地物在不同波段樣點的均值做出了地物波譜特征曲線，如圖5所示。

圖5　地物波譜特征曲線

根據典型地物的光譜特征曲線，結合NDVI指數和NDBI指數對地物進行分類。以下閾值選取是以2011年影像數據為例，其他3期閾值在此基礎上作細微調整。首先提取植被信息，NDVI和GVI可以很好地反映植被信息，因此，經過反復嘗試，植被的閾值條件為NDVI>0和GVI>160。從圖5可以看出，開采區的光譜值都較低，尤其在TM5和PC1波段，因此，可以利用這一特點對開采區進行區分，通過反復試驗，確定開采區的閾值條件為TM5<100和PC1<180。居民區和裸地的WI差異較大，同時利用NDBI進一步細化居民區，經過反復調整，居民區的閾值條件為NDBI<0.35和WI>198。應用上述分類規則，通過解譯得出平朔安太堡煤礦1993年、1999年、2006年和2011年4個時期的土地利用/覆蓋現狀圖，如圖6所示。

圖6　4個時期土地利用圖

四、結果與分析

1. 精度評價

為了驗證分類精度，將2011年分類結果通過同期高分辨率的ZY3影像及GoogleEarth影像進行分類精度評估，在分類區域范圍內隨機選取了682個樣本進行檢驗,并使用混淆矩陣顯示精度驗證結果(見表4)。結果表明該方法的總體提取精度可接近90%，得到了較好的分類精度，以此類推，其他3個時期的分類結果也較為滿意。

表4　決策樹分類混淆矩陣和分類精度　(%)

2. 礦區土地利用變化分析

根據得到的4期影像的土地利用和覆蓋現狀圖，結合表5，可以看出1993—1999年，居民區的擴張較為迅速，增加了近160hm2。這主要是因在這段時期內，礦區的大力開發引起經濟的飛速增長，以及人口的增加而造成的。但是在1993—2011年,該區域的變化并不是很大，保持平穩緩慢增長，這源于礦區的合理利用開發帶來的穩定發展。而變化最大的還是發生在礦區的核心地帶,即礦區的開采區域。平朔露天煤礦的開采始于1984年，到1993年，已經發展為一塊獨立的區域，而礦區周圍幾乎寸草不生，這是由于礦區初期的大規模開采引起的。1999年，礦區向北延伸，面積擴大，但值得注意的是礦區內部和南面開始出現植被，這是礦區復墾的成果，但也只是初有效果，植被僅增加了40hm2。1999—2006年，礦區面積增加了794.6hm2，而植被也相應增加了725.47hm2，這說明復墾達到了很好的效果。到2011年，礦區面積進一步擴大，植被也相應增加，煤礦周圍的植被已經很繁茂，生態環境得到了很好的改善。這說明自1994年采取土地復墾與生態重建后，平朔露天煤礦的生態環境得到了極大的改善。

表5　1993—2011年平朔露天煤礦地物面積統計表　hm 2

五、結束語

本文對平朔露天礦區土地利用變化進行了分析研究。利用主成分分析前3個主分量和纓帽變換得出的亮度、綠度、濕度，結合歸一化植被和建筑指數，選用決策樹分類方法對礦區地物進行分類，得到平朔露天煤礦的4個時期影像分類結果圖，經過分析論證，指出了平朔露天礦區1993年、1999年、2006年及2011年的土地利用與覆蓋變化情況及原因。結果表明，礦區的變化主要發生在主礦區周圍，尤其開采區和植被的變化較大，究其原因是礦區的開采與土地復墾和生態重建的綜合作用。雖然近年來平朔露天礦區的地質環境有了明顯的恢復與改善，但是建設礦區良好生態環境任重而道遠，應該協調好開發和保護的關系。

參考文獻：

[1]范英宏,陸兆華,程建龍,等.中國煤礦區主要生態環境問題及生態重建技術[J].生態學報，2003,23(10):2144-2152.

[2]DUTTA R K, AGRAWAL M. Restoration of Open Cast Coalmine Spoil by Planting Exotic Tree Species: A Case Study in Dry Tropical Region[J].Ecological Engineering, 2003, 21(1): 143-151.

[3]王曉紅，聶洪峰，楊清華，等.高分辨率衛星數據在礦山開發狀況及環境監測中的應用效果比較[J].國土資源遙感，2004(1)：15-18.

[4]喬玉良，連胤卓，鄔明權.基于遙感與GIS數據融合的煤礦資源開發動態分析[J].煤炭學報,2008,33(9):1020-1024.

[5]彭瑛，張志，彭丹，等. 鄂西聚磷區礦產開發多目標遙感監測目視解譯技術[J].工礦自動化，2009(4):6-9.

[6]翟孟源,徐新良,江東,等.1979—2010年烏海市煤礦開采對生態環境影響的遙感監測[J].遙感技術與應用,2012,27(6):933-940.

[7]谷延群,郭慶十.利用遙感技術開展河北省遷安鐵礦區礦山地質環境調查與評價技術研究[J].測繪通報,2012(S1)：306-310.

[8]崔旭，葛元英，白中科. 黃土區大型露天煤礦區生態承載力評價研究—以平朔安太堡露天煤礦為例[J].中國生態農業學報，2010，18(2)：422-427.

[9]張月叢,趙志強,李雙成,等.基于SPOT NDVI的華北北部地表植被覆蓋變化趨勢[J].地理研究, 2008,27(4):745-754.

[10]馬麗，徐新剛，劉良云，等.基于多時相NDVI及特征波段的作物分類研究[J].遙感技術與應用,2008,23(5): 520-524.

[11]查勇，倪紹祥，楊山，等.一種利用TM圖像自動提取城鎮用地信息的有效方法[J].遙感學報,2003,7(1): 34-40.

[12]楊山.發達地區城鄉聚落形態的信息提取與分析研究—以無錫市為例[J].地理學報,2000,55(6): 671-678.

[13]歐春江.實例分析遙感圖像處理中的主成分分析[J].測繪與空間地理信息,2006,29(5): 56-59.