基于Ar c GIS的礦山開采沉陷遙感變化監測方法

陳宗玥

（浙江省工程物探勘察設計院有限公司，浙江 杭州 310000）

0.引言

礦產資源是現代生產中的基礎材料，對我國各行各業發展都起到了重要作用。然而，礦產資源作為自然資源的一部分，其開采活動必然帶來對礦山地區整體生態環境的破壞。將廢棄礦采開采出去，就會形成采空區，而采空區表現在地表，就會形成礦山開采沉陷區[1]。地表沉陷會嚴重破壞地表環境，最終形成地質災害，影響礦區正常的生產生活。在此背景下，對礦山開采沉陷區進行遙感變化監測，具有重要的現實意義。

關于沉陷區的監測問題研究有很多。例如，文獻[3]中汪潔等人利用RS和GIS技術獲取2016年和2017年關于浙江省礦山衛星遙感圖像，以此為依據，通過圖像分析技術實現礦山地質環境監測。麥霞梅[7]等人通過高分二號衛星獲取高分辨率礦區影像，并提取其中土壤含水量與光譜特征數據，以此實現煤塌陷地土壤含水量分布狀況監測。麻源源[8]等人針對天津地區多處出現地面沉降問題，利用永久散射體干涉測量技術（PS-InSAR）進行監測，以此得出2004～2008年時間序列地面沉降演變特征，繪制沉降速率分布圖。

基于前人研究經驗，本研究借助ArcGIS平臺，提出一種礦山開采沉陷遙感變化監測方法[2]。該方法首先采集礦山開采沉陷區的遙感影像，接著進行圖像預處理，提取圖像特征，通過分類器實現目標沉陷區識別，最后按照時間序列排列圖像，生成時空特征圖，以此分析礦山開采沉陷遙感變化規律[4]。本研究旨在為礦山沉陷區治理提供可靠的依據。

1.礦山開采沉陷遙感變化監測方法研究

礦山被開采后，原有的位置會空下來，空下來的空間被稱為采空區。采空區的出現是導致地表沉陷問題的直接原因。當采空區失去礦石的支撐后，為了維持該位置原有地應力的平衡，應力會重新分布，從而連帶巖石發生位移，導致沉陷事故的發生[5]。沉陷問題的出現會導致地表環境受到嚴重破壞，如，土地破壞、植被退化、水污染、地面建筑坍塌等?；诖耍瑸楸苊忾_采沉陷問題帶來的安全事故以及為沉陷區治理提供可靠依據，進行基于ArcGIS的礦山開采沉陷遙感變化監測方法研究。

1.1 礦山開采沉陷區遙感圖像采集

遙感圖像采集是礦山開采沉陷區變化監測的首要環節，后續分析都是在采集到的遙感圖像的基礎上進行操作。遙感圖像系統主要由三部分組成，即載體裝置、采集設備以及地面控制中心[6]。

（1）載體即搭載采集設備的裝置，一般分為三類：地面遙感、航空遙感、航天遙感，分別以地面上可移動裝置、航空器、航天器作為載體。

（2）采集設備即圖像拍攝設備，是遙感系統當中的核心，其選擇采集設備類型的不同，采集到圖像類型也不同，后續處理方法也會存在差異[7]。采集設備與遙感圖像對應關系（如表1所示）：

表1 采集設備與遙感圖像對應關系表

（3）地面控制中心即中央控制基站，對整個遙感圖像采集起到控制作用。

在本研究中，以無人機為載體，以光學鏡頭為采集設備，搭建遙感系統，采集礦山開采沉陷區圖像。采集過程如下：

步驟1：遙感系統啟動，并初始化。

步驟2：設置光學鏡頭與無人機初始化參數。

步驟3：設置采集窗口和圖像參數、幀狀態。

步驟4：采集一幀或多幀圖像數據。

步驟5：判斷采集是否完成。若采集完成，則進行一次數據保存，等待進行下一步處理；反之，則繼續進行圖像采集，直至完成采集任務。

步驟6：關閉遙感系統。

1.2 遙感圖像預處理

ArcGIS是遙感圖像處理過程中最常用的處理工具，集圖像處理、圖像元素添加與刪除、圖像增強、圖像顯示等多方面于一體，功能十分強大。其圖像處理過程如下：

步驟1：啟動ArcGIS。

步驟2：打開菜單中的文件，啟動“打開”對話框，在對話框中選擇需要打開的圖像文檔。

步驟3：點擊不同的功能鍵，進行圖像預處理。

以ArcGIS為依托，在遙感圖像采集之后，為提高其質量，需對遙感圖像進行預處理，具體包括三個方面。下面針對這三個處理過程進行具體分析。

1.2.1 遙感圖像灰度化

初始遙感圖像為彩色圖像，而彩色所包含的信息量較大，干擾信息很多，因此，為降低色彩對圖像的干擾，首先需要將彩色遙感圖像進行灰度化處理。處理方式有四種，分別如公式（1）、公式（2）、公式（3）、公式（4）所示：

（1）分量法

式（1）中，R（i，j）、G（i，j）、B（i，j）為彩色遙感圖像中像素（i，j）的色彩分量。

（2）最大值法

（3）平均值法

（4）加權平均法

1.2.2 遙感圖像濾波

受到采集環境如，光照、云層、污染物等影響，采集到的遙感圖像中存在很多噪聲點，會形成干擾信息，因此，需要對灰度遙感圖像進行濾波處理。在這里通過一種改進后的自適應中值濾波算法進行遙感圖像處理。

中值濾波是一種以中值代替原有像素值實現噪聲點去除的方法，原理如公式（5）所示：

式（5）中，P（i，j）為濾波模板中心點的濾波值；x i，（）

j為圖像的灰度值；S為濾波模板所有鄰域像素集合。

自適應中值濾波是上述基礎中值濾波的改進和優化，即根據計算的中值來自適應調節濾波模板，如公式（6）所示：

式（6）中，Gmid為中值；Gmin、Gmax為濾波模板內的最小值和最大值；S為濾波模板。

然而，Gmid也是根據原有濾波模板計算出來的，因此難以避免地也會受到噪聲干擾。為此，在這里通過計算Gmax和Gmin之間的極值平均值G來代替Gmid，與圖像中像素點進行對比。極值平均值G計算方法如公式（7）所示：

利用得到的G進行異常點檢測，如公式（8）所示：

式（8）中，G x，（）

y為圖像像素點。

異常點由噪聲點和邊緣點組成，然后根據公式（9），從異常點中分離出噪聲點。

1.2.3 遙感圖像增強

為了使得特征顯示更加明顯，需要進行圖像增強處理。在這里通過最小灰度分辨率直方圖均衡來進行增強，原理是分別對高頻灰度像素和低頻灰度像素進行限制和增加拉伸處理。具體過程如下：

步驟1：計算各像素的局部方差和均值差。如公式（10）、公式（11）所示：

式（11）中，n為像素點數量；為領域均值；Y（i，j）為點（i，j）出的灰度值；Y（s，t）為點（s，t）出的灰度值。

步驟2：計算廣義直方圖，計算公式如公式（12）所示：

式（12）中，N、M分別為圖像行、列數；f（i，j，k）為直方圖；k為灰度級。

步驟3：計算累積直方圖P（k）。如公式（13）所示：

步驟4：計算各灰度級的映射map（k）。

步驟5：得到增強后的遙感圖像。如公式（14）所示：

1.3 基于深度學習的沉陷區識別與監測

預處理好遙感圖像后，進入目標識別環節，即從遙感圖像中識別出沉陷區，然后劃分范圍，統計面積，最后按照時間規律，實現礦山開采沉陷區動態變化監測。在這里礦山開采沉陷區識別采用深度學習算法來實現。深度學習也被稱為深度神經網絡，其中分為多個分支結構，在這里選擇其中的卷積神經網絡，因為卷積神經網絡將特征提取和分類識別集于一體，節省了特征提取的環節，效率更高。

基于卷積神經網絡的沉陷區識別與監測基本流程如下：

步驟1：輸入預處理好的礦山開采沉陷區遙感圖像。

步驟2：使圖像進入卷積層，通過卷積核獲取圖像特征信息。卷積公式如公式（15）所示：

步驟3：特征圖像進行池化，聚合圖像中不同位置的特征；

步驟4：重復上述步驟2和步驟3。

步驟5：進入全連接層，進行分類，給出識別結果。

步驟6：進入輸出層，通過Soft Max得出樣本屬于不同事物類型的概率分布情況。

步驟7：重復上述過程，處理每隔一段時間內采集的礦山開采沉陷區遙感圖像，然后按照時間序列分析其變化規律，完成遙感變化監測。

2.實例分析

2.1 研究區概況

某地區礦區經過多年開采，嚴重破壞了地質環境，沉陷問題日益嚴重。為此，利用所研究的方法對該地區進行礦山開采沉陷遙感變化監測。研究區概況（如圖1所示）：

圖1 研究區示意圖

圖1中，A區域為沉陷集中區域，選擇該地區作為對象，采集2017～2019年的遙感圖像，進行礦山開采沉陷遙感變化監測。

2.2 遙感圖像采集工具選型

選擇T650六翼無人機搭載DMC-ZS110GKS攝像機構建遙感采集系統（如圖2所示）：

圖2 遙感圖像采集示意圖

2.2.1 DMC-ZS110GKS攝像機功能特征

（1）機身規格1240mm×71.1mm×597mm，重量509g，其尺寸和重量都較小。

育秧節省秧田。機械插秧采用的是毯狀秧苗，播種密度大，育秧面積集中，節省育苗用秧田。育苗用秧田與大田比例達1：70-90，秧田利用率比常規育秧提高5-10倍，可大幅度節約耕地，增加農民收入。

（2）基于先進的AI人工智能技術，實現實時追蹤，時刻聚焦拍攝目標。

（3）搭載Exmor CMOS影像傳感器，實現高感光度與優良的色彩還原能力。

（4）雙重降噪與模數轉換器，獲得2020萬有效像素，即使在亮度不足的情況下，也能拍攝出清晰的照片。

2.2.2 T650六翼無人機飛行參數如下：

（1）對角軸距（多旋翼）：605mm（不含槳，降落模式）。

（2）最大爬升速度：P模式/A模式5m/s；S模式6m/s。（3）最大下降速度：垂直4m/s；斜下降4-9m/s。（4）最大航高：普通槳2500m；高原槳5000m。（5）懸停精度：垂直±0.5m；水平±1.5m。

（6）續航時間：27min（使用Zenmuse X4S）。（7）抗風能力：10m/s。

2.3 沉陷區遙感圖像識別

卷積神經網絡圖像識別結果（如圖3—圖5所示）：

圖3 2017年沉陷區示意圖

圖5 2019年沉陷區示意圖

圖4 2018年沉陷區示意圖

2.4 沉陷區面積統計

統計圖3—圖5中沉陷區面積，結果（如表2所示）：

表2 沉陷區面積變化表

2.5 結論分析

結合圖3—圖5以及表2可以看出：研究區的沉陷區域逐漸擴大，尤其在2019年，沉陷區增長速度較前兩年擴大速度加快，逐漸威脅周圍的農田和植被，亟待進行治理。

3.結束語

綜上所述，為滿足人們生產、生活的需要，礦山開采是一種必要活動，但是礦產資源的開采必然帶來周圍環境的破壞，沉陷區的出現就是其中一種常見現象。沉陷區會破壞周圍土地環境，破壞地表建筑穩定性。在此背景下，為更好地治理沉陷區，進行基于ArcGIS的礦山開采沉陷遙感變化監測方法研究。該研究最后進行實例測試，證明了所研究方法的有效性。然而，本研究在實例測試部分，僅對三年沉陷區變化情況進行研究，研究數據較少，因此有待進一步擴展分析。