多時相光學遙感在采礦塌陷監測中的應用研究

王戰衛，張筱蕾

（河南省航空物探遙感中心，河南 鄭州 450053）

礦山開采時，由于受重力影響，局部地區容易出現地面間隙，從而導致地面塌陷[1]。如何準確快速查明礦區塌陷現狀，尤其是積水塌陷區狀況已經成為礦區環境綜合治理的主要問題。遙感特有的宏觀、綜合、動態、快速的特點，決定了它能夠被廣泛地應用于國民經濟與社會發展的各個領域，充分體現出它強大的生命力和廣闊的前景[2]。衛星資料的商業化極大地提高了光譜和數據空間的分辨率，為利用動態遙感技術檢查礦的塌陷區域提供了可能性[3]。本文采用多源、多時相遙感數據，有效提取了礦山地面塌陷積水的動態信息，從而反應出采礦地面塌陷情況。

1 水體提取方法及影像處理

1.1 遙感數據源

本次研究區采用采用了1988-2019年TM、ETM、OLI、ASTER、Sentinel-2五種傳感器6個時相的遙感數據（如表1）。監測所采用的影像基本上都位于同一個時間段，提取出的水體信息具有很好的可比性，可以滿足動態監測的需要。

表1 監測所使用遙感圖像的參數

1.2 水體指數發展

目前，國內外在水體信息自動提取方面研究很多，其中利用光學遙感數據進行水體信息提取的方法比較成熟，其中，多波段增強圖閾值法是國內外使用較多的方法，主要利用遙感影像各波段之間的綜合關系來進行水體信息提取[4]。水體指數法是通過多波段運算來增強地物之間的反差，使得水體值高于非水體地物值，當前主要的水體指數有：歸一化差異水體指數（normalized difference water index，NDWI）[5]、新型水體指數（new water index，NWI）[5]、改進型組合水體指數（MCIWI）[5]、綜合歸一化差異水體指數（synthesize water index，SWI）[6]等。

1.3 遙感影像處理

利用FLAASH模塊進行了大氣校正，使用最鄰近法對像元的灰度值插值計算，進行了正射校正。其中Sentinel-2大氣校正在Sen2Cor進行。對遙感數據進行裁剪，最終獲取研究區遙感影像見圖1。

圖1 研究區遙感影像圖

2 水體信息提取

2.1 Landsat水體信息提取

由于地物光譜的復雜性、不同傳感器之間的差異性，所以在選擇具體的分類方法時還應該從分析不同的地物波譜特征開始入手。從遙感圖像上可以看出，本區水體信息提取時需要著重考慮煤、植被、建筑物、水體這4種地物。從TM/ETM+/OLI圖像上分別選取具有代表性的建筑物各12個點，得到它們的DN值，最后統計出它們的平均DN值，得到這4種地物的波譜曲線（如圖2）。

圖2 煤炭、植被、水體、建筑物在TM中的波譜曲線

Landsat使用的歸一化水體指數MNDWI進行水體信息提取：

其中式（1）Green是TM/ETM+的第2個波段，OLI的等3個波段；NIR是TM/ETM+的第5個波段，OLI的等6個波段；

在具體的操作過程中發現提取出的水體信息中出現了大量的非水體信息，這主要是受到了部分堆積地表的煤炭的干擾，這就是遙感圖像處理中的異物同譜的問題，從TM圖像中可以看出要想把煤炭和水體區分開來是很困難的。由于煤炭的光譜和水體非常相似，所以在具體的操作中應該考慮第4類地物也就是煤炭的干擾。經過試驗我們發現可以通過適當提高閥值來解決這個問題，各個時相的閥值如下：1988的為0.017，1991年的為0.002，1996年的為0.100，1999年的為0.182，2009年的為0.062，2013年的為0。然后通過取閥值得到最后的分類結果。

2.2 ASTER水體信息提取

在研究區ASTER影像上選取建筑物、水體、植被、煤炭各12個點，在9個波段經過取平均值后得到它們的光譜曲線（如圖3）。可以看出ASTER的地物光譜曲線與上述Landsat有很明顯的區別，特別是地物在短波紅外波段（第4波段開始）的亮度值突然變小。如果繼續使用改進歸一化差異水體指數（MNDWI）對ASTER進行水體分類，無法將水體同煤炭、植被和建筑物區分開來，這就要求我們根據ASTER數據特點重新建立合適的基于ASTER數據的歸一化差異水體指數。

圖3 煤炭、植被、水體、建筑物在ASTER中的波譜曲線

通過分析可以發現，基于上述Landsat數據的歸一化差異水體指數之所以在ASTER數據中不能發揮它的作用，主要是因為在3波段中建筑物的亮度值小于其1波段的亮度值，而在4波段中植被和建筑的亮度值都小于其在1波段中的亮度值。在此，我們對ASTER數據的x波段的亮度值進行拉伸，使植被、煤炭和建筑物的亮度值都大于其在y波段中的亮度值，在拉伸時確保水體在x波段中的亮度值小于y波段的亮度值。則基于ASTER數據重新建立的兩個歸一化差異水體指數如下：

n是對y波段進行拉伸的系數。

通過對研究區實驗及分析發現,當x=1，y=4,n=3.52時，水體提取效果最好（如圖1）。

2.3 Sentinel-2水體信息提取

在研究區大氣校正后的Sentinal-2影像上選取建筑物、水體、植被、煤炭各12個點。通過分析可以發現，建筑物、植被和煤炭在波段5到波段12的亮度值均大于水體的亮度值。本文通過對11波段進行閾值計算，DN值小于1000的劃分為水體，DN值大于1000的為非水體，以此來提取研究區水體信息。

圖4 煤炭、植被、水體、建筑物在Sentinel-2中的波譜曲線

2.4 水體信息提取結果

研究區采用了TM、ETM、OLI、ASTER、Sentinel-2五種傳感器6個時相的遙感影像，分別運用不同方法進行了水體信息提取。提取結果如圖1。對部分云霧進行去除和目視解譯完善，最后將提取結果與礦區范圍疊加分析。

3 積水塌陷區面積的擴展變化分析

通過對該礦30年間積水塌陷變化信息進行定量統計，結果表明，30年間該礦的積水塌陷擴展明顯，如圖5，該礦1988年至2019年塌陷區域分布圖。2002年已采區地表沉陷區總面積約263884m2，2013年已采區地表沉陷區總面積約2195124m2，2019年已采區地表沉陷區總面積約5939400m2。統計結果顯示：2002年至2013年，11年內已采區地表沉陷區面積增長了1931240m2，平均每年增長175567m2/y；2013年至2019年，6年內已采區地表沉陷區面積增長了3744276m2，平均每年增長2049811m2/y。由此可以看出，隨著時間的推移該礦已采區地表沉陷區面積在不斷增大，且增長速度也在不斷的加快。

圖5 1988年至2019年礦塌陷區域分布圖

4 結語

遙感技術應用于采礦塌陷區，能夠方便快捷地提取信息，并且有效結合全球定位系統與地理信息系統的集成，在空間信息技術中發揮了較好的作用。

文章選取了1988-2019年五種傳感器6個時相遙感數據，對不同數據源地物光譜特征進行分析，采用水體指數對多時相的光學遙感數據集進行處理，提取了礦區積水信息，通過對該礦30年間積水塌陷變化信息進行定量統計，了解了礦區塌陷動態變化情況，是進行礦區環境實時動態監測的一種有效手段，為礦山地質環境調查提供豐富的資料和技術方法。