煤與矸石的光譜分析方法與遙感應用研究

宋 亮

1. 信息工程大學地理空間信息學院，河南 鄭州 450001； 2. 東北大學，遼寧 沈陽 110819

我國有大量的煤礦區，其中煤與矸石是煤礦區的主要固體堆放物，它們不僅占用大量土地，還會發生自燃、滑坡、坍塌等，造成嚴重的環境與災害問題。因此，如何通過遙感手段進行煤與矸石的快速、有效識別，以及堆放情況的動態監測成為一個重要而又現實的問題。

論文以煤礦區的煤和矸石作為研究對象，在實測并分析煤與矸石的可見光-近紅外和熱紅外光譜的基礎上，建立煤和矸石的識別、分類和反演模型，并利用衛星遙感手段提取礦區煤與矸石的空間分布信息，最終實現煤和矸石的識別與監測。論文的主要研究內容如下：

(1) 實測和分析了我國主要煤種的可見光-近紅外光譜特征，對比了不同煤種分類方法的特點和優勢。測試了我國14個礦區煤樣本的可見光-近紅外光譜，用MAO模型法、隨機森林法、BP神經網絡法和ELM算法對3種典型煤種進行分類。從分類準確率和耗時綜合考慮，對比了4種分類方法的各自優勢，并制定了針對不同遙感應用的方法優選原則。

(2) 基于可見光-近紅外和熱紅外光譜聯合分析的煤和矸石分類方法研究。實測并分析了煤與矸石的可見光-近紅外光譜特征，發現煤和大部分矸石的可見光-近紅外光譜特征差異明顯，但與少部分矸石之間存在“異物同譜”現象，單獨使用可見光-近紅外光譜特征無法將煤與矸石完全區分。為此，提出了煤與矸石的可見光-近紅外和熱紅外光譜的聯合分析方法。該方法的分類準確率為99.2%，相比于單獨使用可見光-近紅外光譜方法的分類準確率92.2%有很大提升。

(3) 基于可見光-近紅外光譜的燃燒與未燃燒矸石分類方法研究。實測了燃燒與未燃燒矸石的可見光-近紅外光譜，并分析了二者光譜的特征差異，發現燃燒矸石和未燃矸石在可見光波段光譜特征差異明顯，燃燒矸石在350～750 nm區間光譜曲線斜率整體較高，且在550～630 nm反射率存在陡升現象，而未燃燒矸石則無上述特征。基于光譜特征差異和Landsat8 OLI數據構建了NDGI指數，用于燃燒和未燃燒矸石的區分。結果證明：該指數識別燃燒和未燃燒矸石樣本的準確率達到了99.1%，高于隨機森林分類法的95.2%；同時，基于衛星數據的實際礦區監測結果表明，NDGI指數可以區分矸石山中的燃燒和未燃燒區域，具有很好的實用性。

(4) 基于熱紅外光譜的矸石含碳量反演方法研究。試驗結果表明，含碳矸石和煤樣本的熱紅外光譜特征差異明顯，且矸石中的固定碳含量和光譜的波谷特征關系密切。基于熱紅外光譜特征構建光譜差值指數與固定碳含量之間的線性模型，用于矸石固定碳量含量反演。結果表明該模型的線性相關系數絕對值達到0.867，與吸收深度、光譜吸收面積、隨機森林和支持向量機算法的預測結果相比，基于差值指數模型的固定碳含量反演效果最佳，其平均誤差為5.00%，均方根誤差6.70%，能較好地預測矸石中的固定碳含量。