基于無人機影像的礦山開采擴張監測

何遠 陳明亮 何啟友

（1.海南省地質調查院，海南 海口 570206；2.海南地質綜合勘察設計院，海南 ?？?570206）

1 引言

礦產資源是我國重要的自然資源，更是經濟發展的重要儲備，對我國的基礎設施建設、國防建設以及城市化進程起著至關重要的作用[1]，因此需要對礦產資源進行嚴格的監督管理[2]。傳統的礦山開采監測主要為視頻監控，依靠人工主觀判定，精度較差。隨著遙感技術的發展，利用衛星遙感影像監測礦區狀況成為一種高效的手段。如崔艷梅等利用高分辨率影像開展礦區疑似違法開采監測，通過對提取的圖斑進行分析，得到較準確的違法開采范圍[3]。

近年來，無人機技術在資源調查、地形圖測繪和礦山地質災害等領域得到廣泛應用[4]，無人機航測等新興測量技術在礦山監測中也發揮著重要作用，提高了礦山數據采集的準確性和高效性[5]。因此，利用無人機影像數據對礦山進行動態監測，可提高礦山監測的準確性，有著較大的研究價值和較好的應用前景[6]。丁莉等在傳統的數據采集模式下，選用低空無人機航空攝影手段開展礦山監測，提升礦山監測的時效性、準確性和科學性[7]。為了保障采礦工作的安全性、提升采礦管理的質量，郭文慶等采用無人機傾斜攝影測量技術進行露天開采范圍監測，通過動態監測分析，實時掌握礦區的開采情況，并結合實踐案例給相關從業人員提供了借鑒[8]。謝君洋等利用無人機航空影像對越界開采、超限開采、擅自改變開采礦種等多種違法行為進行定期監測，通過對獲取的航空影像進行遙感解譯，提取違法擅自開采范圍，并提交相關執法部門進行監督管理，以此提升礦區開采管理的準確性與時效性[9]。

研究基于無人機影像，采用遙感處理軟件ENVI、數據處理分析軟件ArcMap 分別開展礦區開采范圍提取、多時期礦區開采范圍對比分析，以此提取礦區開采擴張范圍，為礦山開采監督監管工作提供技術支撐。

2 數據與原理

2.1 數據介紹

研究選用大疆精靈4 無人機，該飛機具有起降靈活、維護簡單、攜帶方便、操作簡單等優勢，可實現定點懸停、低速飛行等。搭載于無人機平臺的鏡頭拍攝的影像為4 波段多光譜影像，涵蓋了可見光近紅外光譜范圍，空間分辨率為5cm，具體成像效果如圖1所示。

圖1 無人機影像

2.2 原理與方法

（1）ISODATA 算法

研究選用的遙感分類技術為非監督分類中的迭代自組織數據分析算法ISODATA，該算法是以不同地物在影像上的各種特征差別為依據的一種無先驗知識的算法[10]，根據待分類影像的特征參數進行統計，建立規則來進行分類[11]。

（2）技術路線

研究選取5cm 的無人機影像作為數據源，對影像進行預處理 ；基于非監督分類方法進行影像自動解譯，分類類別設為默認，可得到最適合影像像元特征的類別數。然后對分類成果進行分類后處理，將合并像元閾值設置為3×3，以此消除零星圖斑對分類精度的影響；在ArcMap 中對兩時期的礦區開采范圍進行對比分析，標記出擴張開采范圍。

3 結果分析

3.1 ISODATA 分類

迭代自組織數據分析算法與K 均值算法具有相似之處，即聚類中心的位置同樣是通過樣本均值的迭代運算決定，不同的是這種算法在運算過程中聚類中心的數目不是固定不變的，而是反復進行修改調整的。通過ISODATA 算法對無人機影像進行分類，分類成果有建筑、裸地、水體、耕地、礦區、道路等類型。但分類成果存在混淆問題，首先，無人機影像光譜范圍為400～900nm，針對部分山體巖石不能較好地識別，存在道路與山體巖石錯分問題；其次，耕地與林地、草地等也會存在部分錯誤識別；此外，由于混合像元的存在，會在某一類中零星分布其他類別圖斑。

針對上述問題，通過采用聚類分析后處理方法進行剔除，剔除后的分類效果如圖2 所示。由圖可知，通過后處理的分類成果整體上精度提升不少，尤其是礦區提取成果，礦區的開采邊界清晰可見。研究區為露天開采區，開采邊界兩邊地表覆蓋類型分別為巖石、林草，通過遙感分類，較準確地區分了林草與巖石。而水體、耕地等類型也提取出來，比如，圖2 中左邊為耕地與水體分布較多的地區，該地區多為小型水塘，通過近紅外波段與藍光波段的參與，水塘也較準確地提取出來。

圖2 ISODATA分類效果

3.2 精度驗證

對提取地物成果進行精度驗證，地物類型分別為：建筑、道路、水體、植被、裸地、礦區六大類，各地類提取精度如表1 所示。由表1 可知，整體分類精度達到70%以上，尤其是建筑信息的精度達到79%，而礦區的提取精度在86%以上，對于礦區及礦區內的建筑區遙感提取來說，該精度已處于較高層面，且結合實際遙感提取效果可知，研究采用的方法在無人機航空影像上的礦區開采擴張監測提取工作中具有較好的應用。

表1 各地類精度驗證

3.3 開采擴張范圍提取

通過ISODATA 分類算法提取的礦區范圍如圖3 所示，由圖可知，前時相礦區開采范圍整體較后時相的開采范圍小，且開采范圍多沿著山脊線或道路分布，開采條帶寬度較小；而后時相礦區開采范圍則在前時相基礎上將開采條帶寬度增加，且增加幅度較大，部分地區的開采條帶連為一片，呈現大范圍連片開采，由圖可清晰看出后時相礦區開采的擴張程度。

圖3 礦區范圍提取

針對上述提取的后時相礦區開采范圍，結合ArcMap 軟件進行疊加處理，提取出開采擴張范圍，如圖4 所示。由圖可知，礦區開采擴張主要向南部發展，即礦源較豐富的山體，并采用開采條帶延伸、開采條帶寬度增加的方式進行擴張，擴張面積經過統計約為前時相開采范圍的40%。

圖4 礦區開采擴張范圍提取

4 結論與展望

研究基于無人機影像，采用多種軟件開展礦區開采范圍提取與對比分析，以此提取礦區開采擴張范圍，為礦山開采監督監管工作提供技術支撐。通過研究得到以下結論：

（1）通過ISODATA 算法對無人機影像進行分類，影像中的建筑、裸地、水體、耕地、礦區、道路類型均完整識別出來，經過聚類分析后初步分類成果處理剔除了零星圖斑的混淆。

（2）經過精度驗證可知，各地物類型的分類精度均在70%以上，其中礦區提取精度達到86.5%。

（3）采用ArcMap 軟件進行疊加提取擴張范圍，并分析礦區開采擴張的主要模式，即開采條帶延伸、開采條帶寬度增加的方式，擴張面積約為前時相開采范圍的40%。

研究雖然取得較理想的成果，但仍存在一定問題，研究選用的分類算法為非監督分類，易受混合像元的影響；研究區為單獨廠礦，周邊地物與廠礦在影像上的差異較大，若在廠礦集中區域，不確定研究方法是否適用。針對上述問題，在接下來的研究中將進行重點優化。