基于Google Earth API的采煤沉陷区三维WebGIS平台设计与实现

2015-02-21吴淑娟董少春尹宏伟姚素平陈永春

实验室研究与探索 2015年3期

关键词：矿区用户

吴淑娟，董少春，尹宏伟，姚素平，徐翀，陈永春

(1. 南京大学地球科学与工程学院，江苏南京 210093；2. 煤炭开采国家工程技术研究院煤矿生态环境保护国家工程实验室，安徽淮南 232001)

·计算机技术应用·

基于Google Earth API的采煤沉陷区三维WebGIS平台设计与实现

吴淑娟1，董少春1，尹宏伟1，姚素平1，徐翀2，陈永春2

(1. 南京大学地球科学与工程学院，江苏南京 210093；2. 煤炭开采国家工程技术研究院煤矿生态环境保护国家工程实验室，安徽淮南 232001)

在采煤沉陷区建立三维WebGIS平台，实现沉陷区数据三维可视化，提供用户便捷有效的数据管理、分析、浏览、查询服务，并为采煤沉陷区环境治理提供决策依据具有重要意义。Google Earth API和JavaScript技术的结合，能够实现在Google地球上绘制标记、线条和多边形、投射图片、添加3D模型及载入KML文件，在网页上实现几乎所有Google Earth功能。本文以淮南煤矿为研究区，基于Google Earth API，结合WebGIS理论，采用JavaScript技术，面向采煤沉陷区数据集中管理与可视化，设计开发了集空间数据、属性信息和专题分析于一体的采煤沉陷区三维可视化平台，有效管理矿区多源数据，提供数据可视化浏览、查询与飞行模拟等功能，有助于沉陷区生态环境问题的综合分析，为沉陷区生态环境治理和恢复提供决策支持。

Google Earth API； JavaScript； KML；网络地理信息系统；采煤沉陷区

0 引言

煤炭是我国的主要能源之一，煤炭产业的发展在促进区域经济与社会发展的同时，也引发了一系列的环境问题。长期的开采活动形成众多的地下被采空，由此引发的地面裂缝、沉陷等问题，不仅破坏土地资源、毁坏村庄和交通运输系统、破坏文物，同时也给当地的环境造成了严重的破坏，严重影响和制约区域社会经济的发展[1-3]，因此全面了解采煤沉陷区生态地质环境信息，准确掌握矿山开采、煤炭利用及沉陷区形成与治理过程中的历史、现状资料，综合分析地面沉陷对区域生态环境及社会经济的影响，对预测沉陷发展趋势，降低地面沉降带来的损失以及为环境治理提供决策依据具有重要意义[4-8]。

网络地理信息系统(Web Geographic Information System，WebGIS)不仅具有组织、管理和分析地理空间数据等传统桌面GIS所具备的主要功能，同时兼具Web应用易于访问、平台独立、易于维护等特点。而基于Google Earth的JavaScript API能够帮助用户可以结合自身需求快速开发出易于部署、通用性好的个性化三维WebGIS应用系统，实现WebGIS和三维GIS的结合，因此被广泛应用于地震灾害应急、土地资源管理，森林植被营养元素循环研究、气象分析、地质遗产管理等领域[9-16]

本文以淮南煤矿采煤沉陷区为研究区域，基于Google Earth API开发了采煤沉陷区三维WebGIS可视化平台，实现了矿区基础地理数据、遥感数据、专题数据等多源地质生态环境数据的集中管理、空间信息可视化以及数据查询、分析、专题图制作等功能，针对不同需求的用户提供采煤沉陷区地质生态环境直观、便捷的数据管理、浏览、查询、叠加、三维漫游等功能，为用户综合分析、评估采煤沉陷区环境质量提供便利，为制定采煤沉陷区环境保护和沉陷治理提供决策支持。

1 研究区域概况

淮南矿区位于安徽省中北部、淮河中段，以淮南市为主，东部伸入滁州市、西部延至阜阳市，地跨淮河两岸，地处东经 116°12′～117°11′、北纬 32°33′～33°00′之间(见图1)。矿区东西长约 100 km，南北倾斜宽约30 km，总面积约3 000 km2，是我国东南部地区煤炭资源条件最好, 资源量最大的一块整装煤田，为国家两淮煤炭基地(13个亿吨级煤炭生产基地之一)的重要组成部分和六大煤电基地之一，煤炭储量大、生产能力强，已探明储量300多亿吨，煤炭总储量占安徽省的63%、华东地区的32%[17]。

淮南煤矿拥有近百年的开采历史，在长期的开采中造成了大范围的地面沉陷。由于矿区河网众多，地下水位埋藏较浅，造成塌陷区大面积积水，形成封闭式湖坑，有的甚至已形成了较大规模的塌陷湖泊。据资料显示，截止2010年9月淮南市采煤塌陷地总面积约达174 km2，占全市总面积的6.7%，积水面积36 km2，蓄水容积2×108m3，且地表下沉区最深可达21 m[18-19]，严重影响和制约了淮南市的可持续发展。

图1 研究区域地理概况

2 关键技术

Google Earth API以Google地球插件和KML地理数据存贮与表现技术为基础，借助JavaScript技术，在网页中嵌入完整的Google地球，在地球上绘制标记和线条、在地形上覆盖曲面投射图片、添加3D模型和载入KML文件等，从而帮助开发者构建复杂的3D地图应用程序[20]。

2.1 Keyhole标记语言(Keyhole Markup Language,KML)

KML是基于可扩展标记语言(eXtensible Markup Language，XML)语法标准的一种标记语言，最初由Keyhole公司开发并维护，在2008年4月被开放地理信息系统协会(Open Geospatial Consortium，Inc. OGC)正式接受成为开放地理资讯编码标准[21]。它利用包含名称、属性的标签(tag)描述和保存地理数据(如点、线、图像、多边形、模型等)，规定地理数据的显示方式，记录地理数据的地理特征(如描述信息、图片、图层等)，以超文本形式存储，并在地球浏览器(如Google地球、Google地图和谷歌手机地图)中显示[22-24]。

下面一段代码以点空间数据为例简单描述了地理数据的KML表达：

//描述地名标注

//标识地标的“名称”//提供描述信息，描述显示在用户点击该目录或标注时的弹出窗口中

//指定在Google Earth中显示这个标注时的“照相机”视点

//指定地标在地球表面位置，如点的经纬度

2.2 Google Earth API

Google Earth API是一个JavaScript库，利用Google Earth API提供的函数接口，实现三维浏览、放大、缩小、漫游、平移、视角变换等基本地图操作功能。，开发人员还可以根据实际需求定制操作工具和交互模块。

要在网页中嵌入Google地球，需要执行以下操作：① 加载Google Earth API;② 创建用于包含该插件的容器;③ 创建用于初始化插件的函数;④ 网页加载完毕后，调用该初始化函数。

实现代码如下：

/*指向JavaScript文件，用于加载各个Google Earth API。*/

；//为插件创建容器

3 数据处理

3.1 原始数据

淮南采煤沉陷区的数据主要分为栅格数据、矢量数据和文本数据三大类(见表1)。栅格数据主要为研究区不同分辨率的遥感影像图以及根据遥感影像图反演的各类专题图；矢量数据主要为研究区行政规划、河流、道路分布图等，以File Geodatabases的形式统一存储在Geodatabase数据库中。此外，矿区介绍、历史开采资料等数据以文本文件形式存储。

3.2 数据转换

上述数据需要转换成KML格式，才能利用Google Earth API完成数据加载，构建三维地图。

3.2.1 影像数据的转换

遥感影像需要经过校正、配准、镶嵌、融合等数据处理后，形成该区域正射影像图，然后进行切片处理，并为每个切片编写对应的KML文件(见图2)。KML文件定义切片的空间范围和显示比例尺。影像切片时将设定合适的分级比例尺，以保证浏览的流畅性。

这里以研究区域的4景Pleiades影像数据为例(图2)，说明影像数据的转换。本文中使用的影像数据为法国Pleiades卫星于2013年5月采集的研究区0.5 m分辨率的高分辨率影像数据。首先是对影像数据进行辐射校正和几何校正、配准、镶嵌、融合等处理，以便校正影像在成像、记录和传输过程中引入的数据错误、噪声和畸变，形成覆盖整个研究区域的彩色数字正射影像。随后对处理后的影像数据进行切片，切片分10个尺度层级分辨率，每个尺度层级包含若干像素大小相等的png文件，这些png文件拼合后能覆盖整个研究区域。每一层级的png格式文件均从0开始按从左向右、从上到下的顺序编号。每个png文件配以一个同名的KML文件，记录png文件的存储位置、载入时的视角、图幅范围，并以.kmz为文件名后缀。切片处理后的影像图按尺度层级进行存储，每个尺度层级对应一个文件夹。

图2 遥感影像数据存储实例

数据名称格式数据说明沉陷区分布图GeoDatabase面状要素根据野外实地勘测结果绘制的沉陷区分布图,记录了各个沉陷区的地理位置、面积、周长和勘测时间等信息,用以形象具体地表述各个矿区沉陷情况和沉陷区的空间分布积水区分布图GeoDatabase面状要素根据卫星遥感影像及野外实地勘测绘制的沉陷积水区水域分布图,记录了积水区的位置分布、面积大小和周长,常与沉陷区分布图结合使用水体富营养化分布图GeoDatabase面状要素根据卫星影像、遥感监测模型和野外采样实验室分析数据反演制作的积水区水体富营养化情况分析及水质等级评价图,用于可视化表示沉陷积水区水体富营养化情况地面沉降监测点数据GeoDatabase点状要素运用控制测量的方法布点定期监测沉陷区地面沉降量,记录了各个监测点的经纬度、监测时间、沉降量和所属矿区等信息,用以说明矿区的沉降变化沉降分布图raster应用遥感影像与合成孔径雷达差分干涉测量技术制作的沉陷区沉降速率及其分布图,以栅格数据的形式应用不同颜色来表示沉陷区的沉降速率,用于研究沉陷区沉降变化的快慢井田边界GeoDatabase线状要素矿井边界,用以区别煤矿与农业用地之间的界限河流GeoDatabase线状要素矿区河流、湖泊等水域分布道路GeoDatabase线状要素省级道路与铁路行政单元(县、乡、村)GeoDatabase点状要素行政单元位置分布矿区详细资料txt各个矿区的详细信息和历史开采资料,如矿区位置、范围、煤炭储量、矿井生产力、开采历史等遥感影像raster研究区域不同分辨率的遥感影像图,包括:1)30m分辨率的Landsat-7影像图2)0.5m分辨率的高精度Pleiades卫星影像图

3.2.2 矢量数据

矢量数据可通过ArcGIS tool中的conversion功能转换为KML格式的文件。图3表述了GeoDatabase中点数据及与之对应的KML格式文件的转换关系。在转换后的KML文件中，数据的名称、编号、属性，经纬度坐标以及表现形式都将以标签的形式进行描述。

图3 数据格式转换——从GeoDatabase到KML

3.3 脚本编写与KML文件调用

KML文件调用由Javascript脚本实现。客户端通过浏览器响应JavaScript程序库发出的指令，JavaScript库对用户的指令进行分析，并根据用户的指令从KML文件数据库中调用相应的数据，JavaScript程序库接受从KML文件数据库返回的数据然后根据用户指令在客户端对数据进行渲染，最终实现数据在Google地球上的显示。

下面以各图层数据的显示与隐藏为例说明了KML文件数据的调用及渲染：① 首先定义数据名称；② 将所有数据项名称以树状结构在客户端显示，用户复选框选择要加载的数据项；③ 程序收到指令后对要加载的数据项作出判断；④ 最后将数据以KML文件中定义的视图方式在地图上显示。

实现代码示例如下：

4 系统主要功能

借助Google Earth API和Javascript脚本技术构建了淮南采煤沉陷区三维WebGIS可视化平台，将采煤沉陷区的基础地理信息、采煤区历史数据、实验分析数据等与高精度遥感影像相结合，实现了空间数据和属性数据的集中管理、提供数据浏览、飞行模拟、地图定位、数据查询等功能(见图4)。

图4 系统功能模块图

4.1 数据浏览功能

主要包括三维浏览、放大、缩小、漫游、平移、视角变换等基本地图操作和图层控制开关，用户可以通过图层控制开关灵活设置各个图层的显示与隐藏。对于不熟悉当地地理环境的用户，可以通过地图定位工具实现快速定位。图5展示了井田边界、沉陷区、村庄等矢量数据与遥感影像图层叠加的显示效果。鼠标拖曳可实现地图漫游，鼠标滚轮的前后滚动实现地图的放大和缩小。此外用户可以使用地图浏览操作控件来变换地图方位和视角，实现在空中从不同的角度和方向浏览地图的效果。

4.2 飞行模拟

飞行模拟为用户提供了在不同的飞行高度以不同的视角浏览地面地理地质信息的方式。该功能不仅可以让用户自行确定飞行路线和浏览视角，同时也可以通过定制的方式由开发人员设定飞行路线。用户可通过左下角的进度控制工具调整飞行时间和飞行进度，也可以在感兴趣区域暂停飞行进行定点数据查询和浏览。图6展示了沉陷积水区定制飞行模拟的界面，图中黄色部分表示沉陷区，紫色部分表示沉陷积水区。

图5 研究区多图层叠加显示效果图。图中黄色边线为井田

图6 研究区域沉陷区与积水区分布飞行模拟效果图

4.3 数据查询

数据查询主要包括属性信息查询和根据属性信息查询数据的空间分布两种方式。

4.3.1 属性信息查询

支持点、线、面等矢量数据的属性信息查询。用户在三维视图上单击欲查询的点、线、面要素后，系统根据用户的指示调出数据，并将查询结果以弹出气泡框的形式在客户端显示。图7显示了某一矿区详细信息的查询结果。

4.3.2 根据属性信息查询数据的空间分布

该功能根据属性信息查询数据的空间分布，允许用户对空间数据的属性进行与、或、非等组合查询，系统根据用户输入的关键字在空间数据的属性库中查询满足条件的数据记录，并将查询结果高亮显示在地图上。以水体富营养化情况查询为例(如图8)，在左侧检索栏中用户根据界面提示设置查询条件，例如查询水质等级为三级的水体分布，点击“查询”按钮后即可在地图上以深蓝色高亮显示满足条件的水体区域。

4.4 应用

三维可视化平台不仅可以帮助用户浏览和查询沉陷区的各种信息，更重要的是以可视化的方式帮助我们综合分析采煤沉陷区的地质生态环境，以便对采煤沉陷区的沉陷时空规律及其对周边环境造成的影响进行评价和决策支持提供服务。

图7 研究区属性信息查询——矿区基本信息查询

图8 研究区水体富营养化情况查询效果图

4.4.1 沉陷时空规律分析

地面沉降监测点历年沉降量实测数据以关系表的形式存储，可通过查询功能了解各个矿区不同监测时间的历史沉降数据(见图9)。与沉陷区沉降速率分布图叠加显示可以方便直观地分析出整个沉陷区域的沉降时空变化情况(见图10)。图中红色边框表示井田边界，由紫色到蓝色向绿色的渐变表示不同的沉降速率。黄色小圆点指示了不同矿区的位置。在叠加显示图上进一步点击矿区名称可以查看各矿区的详细介绍，包括矿区位置、范围、开采历史、煤炭储量、矿井生产力等信息。综合这些信息不难发现，开采历史较长的矿区，其沉降面积也较大；开采深度越大，其沉降速率也较大。例如，潘集矿(潘一、潘二、潘三)、张集矿、谢桥矿的开采历史较长(其中采矿历史最短的张集矿其采煤历史也已超过20年)。从图中可以清楚地看出，这些矿区形成了连片的沉陷，且沉陷区中很多地方已形成大面积的积水区(黑色区域为水体)，积水区由沉陷区中心向外扩散；而顾桥矿、顾北矿和丁集矿开采历史较短(均不足10年)，所以沉降面积并不大。但这些相对较新的煤矿由于开采深度较大(平均开采深度在800 m以上，其中丁集矿的开采深度甚至达到900多m)，其沉降速率就非常高。

图9 研究区沉降监测点查询结果显示效果图

图10 研究区域沉陷区沉降速率及其分布

4.4.2 沉陷对周边环境造成的影响

从叠加采煤沉陷区附近的村镇位置分布图和沉陷区分布图不难发现，沉陷区周边分布着近千个大小不一的村镇。村镇以红色圆点显示在图12中，涉及31.1万人口，占全市人口的13%。根据2000年和2010年的淮南土地覆盖类型分类图(图11)可知，沉陷区面积从54 km2上升到174 km2；而城镇面积从647 km2下降到609 km2，农田用地从1 697 km2下降到1 655 km2。河流面积从71 km2减少到26 km2。随着采煤活动的进一步发展，其沉降面积和积水区面积还将进一步扩大。

此外从图12还可以看出，多条铁路、省道(如S224、S308、S203)经过采煤沉陷区(图中以蓝色区域表示)。持续的沉降势必对这些道路造成影响。因此在道路或其他地下管线等基础设施选址的时候应避开已经沉陷的区域。同时新开发的煤矿周边虽然沉降区域较小，但从上文的分析可知，由于其开采深度较大，沉降速率高，因此基础设施建设选址的时候也应该避开这些区域，以免沉陷区域的快速扩散毁坏新布设的道路或管线等基础设施。

图11 淮南土地覆盖分类图：

图12 地面沉陷对村庄和基础设施的影响分析图

5 结语

本文基于Google Earth API构建了淮南采煤沉陷区三维可视化平台，采用KML的数据格式，基于WebGIS原理和JavaScript技术实现了采煤沉陷区影像、地理、实验、专题分析以及室内整理的数据资源的集中管理和三维可视化。用户能够通过浏览器浏览和检索数据，对比分析历年沉陷区和积水区的面积、深度变化，查询检索矿区土壤重金属元素污染情况和沉陷区水体富营养化等级实现多元数据的共享、分发、检索和叠置分析等功能。该构架具有较强的稳定性和可扩展性，界面友好，二次开发功能强大，不仅可以提供采煤沉陷区的三维数据浏览与查询，而且可以方便数据的综合分析和复用，为采煤沉陷区的各类数据提供直观、便捷、灵活的可视化方式，进而为采煤沉陷区的治理提供决策支持服务。

[1] 侍国龙.整治采煤塌陷区环境促进矿区可持续发展[J].江西煤炭科技，2005，2(2):58-59.

[2] 何春桂，刘辉，桂和荣.淮南市典型采煤塌陷区水域环境现状评价[J].煤炭学报，2005，6(30):754-758.

[3] 李大全.对淮南采煤塌陷区灾害防治与土地综合利用的思考[J].工程与建设，2008，22(4):451-452.

[4] 徐良骥，严家平，高永梅. 淮南矿区塌陷水域环境效应[J].煤炭学报，2008，33(4):419-422.

[5] 高铁军，杨克磊，高博，等.唐山采矿塌陷区生态修复风险识别及分析[J].内蒙古农业大学学报(社会科学版)，2005，4(7):353-356.

[6] 郑永红，张治国，姚多喜，等.煤矿复垦区土壤重金属含量时空分布及富集特征研究[J].煤炭学报，2013，38(8):1476-1482.

[7] 全占军，李远，李俊生，等.采煤矿区的生态脆弱性—以内蒙古锡林郭勒草原胜利煤田为例[J].应用生态学报，2013，24(6):1729-1738.

[8] 崔伦辉,金继业,刘金.基于ArcGIS Server的海岛管理平台设计与实现[J].测绘科学，2011，36(1):218-219.

[9] Mathiyalagan V, Grunwald S, Reddy K R,etal. A WebGIS and geodatabase for Florida’s wetlands [J]. Computers and Electronics in Agriculture, 2005,47:69-75.

[10] Ibrahim Demir, Witold F.Krajewskia. Towards an integrated Flood Information System: Centralized data access, analysis, and visualization [J]. Environmental Modelling & Software, 2013, 50:77-84.

[11] Yansen Wang, Giap Huynh, Chatt Williamson. Integration of Google Maps/Earth with microscale meteorology models and data visualization [J]. Computers & Geosciences, 2013,61:23-31.

[12] Luca Postpischln, Peter Danecek, Andrea Morelli, Silvia Pondrelli. Standardization of seismic tomographic models and earthquake focalmechanisms data sets based on web technologies,visualization withkeyhole markup language[J]. Computers & Geosciences, 2011,37:47-56.

[13] Martínez-Gra an A M, Goy J L, Cimarra C A. A virtual tour of geological heritage: Valourising geodiversityusing Google Earth and QR code[J]. Computers & Geosciences, 2013,61:83-93.

[14] 陈强,姜立新,帅向华.Google Earth在地震应急中的应用[J].地震，2008，28(1):121-128.

[15] 孙娟.Google Earth在土地资源管理中的应用浅析[J].现代科技，2009，8(8):5-5,14.

[16] 胡昊,朱琦,尚屹,等. Google Earth在森林植被营养元素循环研究中的应用[J].计算机系统应用，2013，22(1):138-142.

[17] 李月林，查良松.淮南煤矿塌陷区生态恢复研究[J].资源开发与市场，2008，24(10):888-901.

[18] 王艳，施六林，鲍先巡，等.淮南采煤塌陷区生态修复优化设计研究[J].安徽农学通报，2012，18(17):117-119.

[19] 何斌，张若泉. 采煤塌陷区复垦与矿业城市生态经济发展战略研究——以安徽省淮南市为例[J].资源·产业，2003，5(5): 59-62.

[20] Google-Developers:Google-Earth-API[EB/OL].[2012-2.24].https://developers.google.com/earth/.

[21] OGC-Making-location-count[EB/OL].[2014-3-17].http://www.opengeospatial.org/standards/k-ml.

[22] Keyhole-Markup-Language[EB/OL].[2014-3-9].http://en.wikipedia.org/wiki/Keyhole_Markup_Language.

[23] 穆永磊,徐柱,方铮,等.一种快速开发3维WebGIS的方法[J].测绘与空间地理息，2011，34(4):153-155.

[24] 江宽，龚小鹏.Google API开发详解：Google Maps与Google Earth双剑合璧[M].北京：电子工业出版社，2010.

Design and Implementation of Three-dimensional WebGIS of Coal Mining Subsidence Area Based on Google Earth API

WUShu-juan1,DONGShao-chun1,YINHong-wei1,YAOSu-ping1,XUChong2,CHENYong-chun2

(1. School of Earth Sciences and Engineering, Nanjing University, Nanjing 210093, China;2. National Engineering Laboratory of Coal Mine Ecological Environment Protection, Coal Mining National Engineering and Technology Research Institute, Huainan 232000, China)

Underground coal mining leads to ground subsidence that adversely impacts the environment. So it is significant to develop a three-dimensional WebGIS in the coal mining subsidence area to provide visualisation of geospatial information which helps multiple stakeholders to contribute to a more collaborative ecological environment govern and recover planning process of coal mining subsidence area. The Google Earth API enables developers to embed Google Earth applications into Web pages. With JavaScript code, the API can display place marks, lines, polygons, overlays, and 3D models on the imagery, just as the standalone versions as Google Earth can. According to WebGIS theory, this study developed a three-dimensional visualization platform of Huainan coal mining subsidence area based on Google Earth API and Javascript technology. The platform contains spatial data, attributes, thematic analysis and provides multi-source data management, information inquiry, flight simulation in order to assist managers in taking a long-term holistic approach to integrated subsidence area managements decisions. The regional characteristics of Huainan mine area, key technology, data and system functions were explicitly demonstrated, and it was a good reference for other systems.

Google Earth API; JavaScript; KML; WebGIS; subsidence area of coal mining

2014-07-04

国家科技支撑计划(2012BAC10B02)；国家自然科学基金项目(41372353)

吴淑娟(1989-)，女，江西抚州人，硕士生，研究方向：WebGIS开发与应用。E-mail：jocelynsj0116@gmail.com

董少春(1976-)，女，江苏南京人，副教授，硕士生导师，主要从事WebGIS和遥感应用研究。

Tel.：025-89681070；E-mail：dsc@nju.edu.cn

P 208； TP 391

1006-7167(2015)03-0101-08