平朔露天煤矿土地利用变化的遥感监测

引文格式： 于颂，王飞红，杨爱民. 平朔露天煤矿土地利用变化的遥感监测[J].测绘通报，2015(4)：86-90.DOI:10.13474/j.cnki.11-2246.2015.0118

平朔露天煤矿土地利用变化的遥感监测

于颂1，王飞红2，杨爱民1

(1. 山西省遥感中心，山西 太原 030001； 2. 中北大学仪器与电子学院，山西 太原 030051)

RemoteSensingMonitoringofLandUseChangeinPingshuoOpen-pitMine

YUSong,WANGFeihong,YANGAimin

摘要：为了对平朔露天煤矿近20年来的土地利用变换情况进行遥感监测，使用遥感技术和决策树分类方法对研究区4个时期的遥感影像进行了分类，分类对象为植被、开采区、居民区和裸地。通过对分类结果进行统计和分析，得出如下结论：近20年来，平朔露天煤矿开采区扩张显著，居民区面积在不断上升，同时植被也在稳步增长。

关键词：遥感监测；决策树；露天煤矿

中图分类号：P23

收稿日期：2014-03-26

作者简介：于颂(1974—)，男，高级工程师，主要从事环境资源遥感和地理信息系统方面的研究。E-mail：yusong8@sina.com

一、引言

煤炭资源是一种重要的非再生自然资源，煤炭的开发利用为社会的建设与发展作出了巨大贡献,但长时间、大规模、高强度的煤炭开采不可避免地造成原生矿床地质条件和原有生态系统的破环，引发植被退化、水土流失、物种减少、土壤沙化、土地塌陷等一系列的生态效应[1-2]，给矿区生态环境造成了很大的威胁,严重制约着矿区的可持续发展。因此，在开采煤炭资源的同时,研究其对矿区及周边生态环境的影响,开展相应的生态环境保护工作至关重要。

随着计算机和空间技术的发展，遥感以其具有的宏观性、周期性、客观性、时空变化多层性等独有的优势，被广泛应用于煤矿区域开采情况及周围环境变化情况的动态监测[3]。乔玉良等[4]利用TM、ETM和SPOT5遥感影像，对比分析了乡宁县18年来煤炭资源开采与土地破坏状况，较好地实现了对矿产开发点的分布状况、固体废弃物堆放情况以及由此引发的土地破坏等问题的动态监测；彭瑛等[5]利用鄂西LandsatTM、CBERS-2、SPOT5、IKONOS遥感影像，利用不同地物的光谱、形状、空间位置等特征，采用目视解译方法进行信息提取，结果表明多目标遥感监测目视解译技术对矿产资源开发利用状况、环境破坏情况进行遥感动态监测有一定的使用价值和参考价值；翟孟源[6]以乌海市为例,以MSS/TM遥感数据为基础,利用煤矿遥感影像各波段反射率远低于其他地物的典型光谱特征,提取了乌海市煤矿开采区时空分布数据集,并结合SPOT-VEGETATIONNDVI数据,对乌海市煤矿开采区的变化过程以及生态环境影响进行了动态监测，取得了较好的效果。遥感技术宏观、快速、动态的技术优势能够满足矿山环境监测的要求[7]。为了得到研究区近20年的变化情况，本文根据矿物特点将矿区分为植被、开采区、居民区和裸地4类，利用决策树进行动态监测。

二、研究区及其数据

1. 研究区概况

平朔安太堡露天煤矿是我国规模最大、现代化程度最高的大型煤矿生产基地。该煤矿所处环境是一个对环境改变反应敏感、维持自身稳定的可塑性较小的脆弱生态环境系统，属黄土丘陵强烈侵蚀生态脆弱系统[8]。由于大型露天煤矿开采剧烈地扰动了原地形、地层、土壤、植被,在挖损、压占等作用下,原生态系统极度退化。为此，从1994年该矿区开始土地复垦与生态重建，采取“采、运、排、复垦一条龙”作业法延续至今。

2. 数据及其预处理

本文采用中分辨率Landsat5TM遥感影像作为数据源，其空间分辨率为30m，选用了1993—2011年18年间的4期遥感影像(轨道号为125/33)，投影坐标系为WGS-84，时间分别是1993年4月12日、1999年10月18日、2006年10月14日和2011年4月16日。首先选取地面控制点(GCP)对4景原始影像分别进行了几何校正,总体校正精度为0.5个像元；然后根据研究区域作AOI并进行裁剪，获得了研究区影像。

3. 反射率反演

为了得到更为严密的基础数据，并在一定程度上消除不同时相的光谱值差异，将TM光谱值影像转换为反射率影像。其具体过程如下：

1) 将7个波段的图像灰度值转换为辐射亮度值

R=DN·Gain+Bias

(1)

式中，R为像元的辐射亮度值；DN为原始影像中的像元灰度值；Gain和Bias分别对应波段的增益和偏置数据，可以在USGSLANDSAT-TM用户手册中查找，如表1所示。

表1　 Landsat- TM增益和偏置数据

2) 反射率计算

ρ=π·D2·R/(ESUN·cosφ)

(2)

式中，ρ为像元的反射率；D为日地天文单位距离(一般取1)；R为像元辐射亮度值；ESUN为大气顶层太阳辐射平均值(如表2所示)；φ为太阳天顶角。计算天顶角的公式为

φ=90°-SUNELEVATION

(3)

式中，SUNELEVATION为太阳高度角，可以在对应影像头文件中查找。

表2　大气顶层太阳辐照度

根据以上公式，利用ERDASIMAGINE遥感图像处理软件的MODLEMAKER建立相应的计算模型，最终得到经过反射率反演的影像。

三、决策树分类

合理定义不同决策节点，是决策树分类获得准确结果的保障。对遥感影像分类而言，根据地物各种特征获得不同地物类型的典型值，是实现合理定义节点的基础。为了降低节点表达式的复杂性，简化决策表达式、清晰表达分类策略，需要结合分类需求对特征节点进行优选。

1. 特征节点建立

(1) 归一化植被指数

归一化差异植被指数(NDVI)对绿色植被反映敏感，是植被生长状态及植被覆盖度的指示因子，在研究中被广泛应用[9-10]。NDVI利用植被在近红外波段比可见光波段有较高的反射作用的特点，即其NDVI为正值且随植被覆盖度的增大而增大，而其他地物为负值或0值，从而能够较为容易地把植被提取出来，其公式为

NDVI=(NIR-Red)/(NIR+Red)

(4)

式中，Red为红光波段的反射率；NIR为近红外波段的反射率，对应TM影像的第3波段和第4波段。得到的NDVI结果如图1所示，图中亮度值高的像元为植被，为了建立明确的节点，依据高分影像对比解译，利用直方图分析，最终确定NDVI>0的像元为植被；而NDVI<0的为非植被。

图1　NDVI指数图

(2) 归一化建筑指数

归一化建筑指数(NDBI)是查勇等[11]在杨山[12]提出的仿归一化植被指数基础上提出的，它可以较为准确地反映建筑用地信息，数值越大表明建筑用地比例越高，建筑密度越高，可以有效地凸显城市用地信息，计算公式为

NDBI=(MIR-NIR)/(MIR+NIR)

(5)

式中：MIR表示中红外波段的反射率，对应TM影像的第5波段。通过建模得到的NDBI结果见图2，从图中可以看出，研究区的NDBI分布在[-1.0，1.0]。同样的，为了明确节点决策，使用高分影像对比解译和直方图分析，确定0.35为阈值，其中大于0.35的像元为开采区。

图2　NDBI指数图

(3) 主成分分析法

遥感多光谱影像的波段多、信息量大，在图像处理时，常常耗费大量的机时和占据大量的磁盘空间。实际上遥感数据各波段之间有不同程度的相关性，存在着数据冗余。主成分分析法(PCA)是一种去除波段之间多余信息、将多波段的图像信息压缩到比原波段更有效的少数几个波段的方法，可以达到保留主要信息、降低数据量和增加类别可分性的目的[13]，其变换的本质是对遥感图像实行线性变换，使多光谱空间的坐标系按一定规律旋转。其变换的表达式为

y=Ax

(6)

式中，x为变换前的多光谱空间的像元矢量；y为变换后的主分量空间的像元矢量；A为变换矩阵，是x空间协方差矩阵的特征向量矩阵的转置矩阵，其作用是给多光谱的像元亮度加权系数，实现线性变换。

对TM影像的7个波段数据进行PCA变换后，获取了7维的主分量空间，并且各分量的特征值及贡献率见表3。

表3　主成分分量的特征值和贡献率

从表3可以看出，对变换后的新波段主分量而言，它们所包括的信息量不同，呈逐渐减少趋势。其中，第一主分量集中了最大的信息量，占80%以上；第二、三主分量的信息量依次很快地递减，前3个主成分包含了98%以上的信息量；到了第n分量，信息几乎为零。由于主成分分析对不相关的噪声没有影响，因此信息减少时便突出了噪声，最后的分量几乎全是噪声。因此，本文取前3个主分量进行假彩色合成(见图3)，实现了数据压缩，同时将其作为分类前的特征选择。

(4) 缨帽变换

缨帽变换是1976年R.J.Kauth和G.S.Thomas两位学者提出的一种经验性的多波段图像线性正交变换，因而又被称作K-T变换。该变换的基本思想是多波段(N波段)可以看做是N维空间，每一个像元都是N维空间中的一个点，其位置取决于像元在各个波段上的数值。其变换公式为

y=Bx

(7)

式中，x为变换前的多光谱空间的像元矢量；y为变换后的新坐标空间的像元矢量；B为变换矩阵。

图3　PCA前3个主分量合成图

缨帽变换与主成分分析不同，其旋转后坐标轴不是指向主成分方向，而是指向与地面景物密切相关的方向，它抓住了地面景物，特别是植被和土壤在多光谱空间的特征。经研究，新分量中的前3个分量(见图4)与地面景物密切相关，分别为土壤亮度(SBI)、绿度(GVI)、湿度(WI)。亮度分量即TM6个波段分量的加权和，反映总体的亮度变化。绿度分量与亮度分量垂直，是近红外与可见光波段的比值，反映可见光波段特别是红光波段与近红外波段之间的对比。湿度分量则与土壤湿度有关，反映可见光与近红外波段及红外5、7波段的差值，而5、7波段对土壤和植被的湿度最为敏感。

图4　缨帽变换前3个分量合成图

2. 决策建立

根据研究区的实际情况，将地表地类分为植被、开采区、居民区和裸地4类。在遥感影像上，就所需分类地物，测定了其各波段、PCA变换的前3个主量的光谱亮度值以及缨帽变换后的前3个特征量，并从中选取一些典型而具代表性的样点，而后根据各地物在不同波段样点的均值做出了地物波谱特征曲线，如图5所示。

图5　地物波谱特征曲线

根据典型地物的光谱特征曲线，结合NDVI指数和NDBI指数对地物进行分类。以下阈值选取是以2011年影像数据为例，其他3期阈值在此基础上作细微调整。首先提取植被信息，NDVI和GVI可以很好地反映植被信息，因此，经过反复尝试，植被的阈值条件为NDVI>0和GVI>160。从图5可以看出，开采区的光谱值都较低，尤其在TM5和PC1波段，因此，可以利用这一特点对开采区进行区分，通过反复试验，确定开采区的阈值条件为TM5<100和PC1<180。居民区和裸地的WI差异较大，同时利用NDBI进一步细化居民区，经过反复调整，居民区的阈值条件为NDBI<0.35和WI>198。应用上述分类规则，通过解译得出平朔安太堡煤矿1993年、1999年、2006年和2011年4个时期的土地利用/覆盖现状图，如图6所示。

图6　4个时期土地利用图

四、结果与分析

1. 精度评价

为了验证分类精度，将2011年分类结果通过同期高分辨率的ZY3影像及GoogleEarth影像进行分类精度评估，在分类区域范围内随机选取了682个样本进行检验,并使用混淆矩阵显示精度验证结果(见表4)。结果表明该方法的总体提取精度可接近90%，得到了较好的分类精度，以此类推，其他3个时期的分类结果也较为满意。

表4　决策树分类混淆矩阵和分类精度　(%)

2. 矿区土地利用变化分析

根据得到的4期影像的土地利用和覆盖现状图，结合表5，可以看出1993—1999年，居民区的扩张较为迅速，增加了近160hm2。这主要是因在这段时期内，矿区的大力开发引起经济的飞速增长，以及人口的增加而造成的。但是在1993—2011年,该区域的变化并不是很大，保持平稳缓慢增长，这源于矿区的合理利用开发带来的稳定发展。而变化最大的还是发生在矿区的核心地带,即矿区的开采区域。平朔露天煤矿的开采始于1984年，到1993年，已经发展为一块独立的区域，而矿区周围几乎寸草不生，这是由于矿区初期的大规模开采引起的。1999年，矿区向北延伸，面积扩大，但值得注意的是矿区内部和南面开始出现植被，这是矿区复垦的成果，但也只是初有效果，植被仅增加了40hm2。1999—2006年，矿区面积增加了794.6hm2，而植被也相应增加了725.47hm2，这说明复垦达到了很好的效果。到2011年，矿区面积进一步扩大，植被也相应增加，煤矿周围的植被已经很繁茂，生态环境得到了很好的改善。这说明自1994年采取土地复垦与生态重建后，平朔露天煤矿的生态环境得到了极大的改善。

表5　1993—2011年平朔露天煤矿地物面积统计表　hm 2

五、结束语

本文对平朔露天矿区土地利用变化进行了分析研究。利用主成分分析前3个主分量和缨帽变换得出的亮度、绿度、湿度，结合归一化植被和建筑指数，选用决策树分类方法对矿区地物进行分类，得到平朔露天煤矿的4个时期影像分类结果图，经过分析论证，指出了平朔露天矿区1993年、1999年、2006年及2011年的土地利用与覆盖变化情况及原因。结果表明，矿区的变化主要发生在主矿区周围，尤其开采区和植被的变化较大，究其原因是矿区的开采与土地复垦和生态重建的综合作用。虽然近年来平朔露天矿区的地质环境有了明显的恢复与改善，但是建设矿区良好生态环境任重而道远，应该协调好开发和保护的关系。

参考文献：

[1]范英宏,陆兆华,程建龙,等.中国煤矿区主要生态环境问题及生态重建技术[J].生态学报，2003,23(10):2144-2152.

[2]DUTTA R K, AGRAWAL M. Restoration of Open Cast Coalmine Spoil by Planting Exotic Tree Species: A Case Study in Dry Tropical Region[J].Ecological Engineering, 2003, 21(1): 143-151.

[3]王晓红，聂洪峰，杨清华，等.高分辨率卫星数据在矿山开发状况及环境监测中的应用效果比较[J].国土资源遥感，2004(1)：15-18.

[4]乔玉良，连胤卓，邬明权.基于遥感与GIS数据融合的煤矿资源开发动态分析[J].煤炭学报,2008,33(9):1020-1024.

[5]彭瑛，张志，彭丹，等. 鄂西聚磷区矿产开发多目标遥感监测目视解译技术[J].工矿自动化，2009(4):6-9.

[6]翟孟源,徐新良,江东,等.1979—2010年乌海市煤矿开采对生态环境影响的遥感监测[J].遥感技术与应用,2012,27(6):933-940.

[7]谷延群,郭庆十.利用遥感技术开展河北省迁安铁矿区矿山地质环境调查与评价技术研究[J].测绘通报,2012(S1)：306-310.

[8]崔旭，葛元英，白中科. 黄土区大型露天煤矿区生态承载力评价研究—以平朔安太堡露天煤矿为例[J].中国生态农业学报，2010，18(2)：422-427.

[9]张月丛,赵志强,李双成,等.基于SPOT NDVI的华北北部地表植被覆盖变化趋势[J].地理研究, 2008,27(4):745-754.

[10]马丽，徐新刚，刘良云，等.基于多时相NDVI及特征波段的作物分类研究[J].遥感技术与应用,2008,23(5): 520-524.

[11]查勇，倪绍祥，杨山，等.一种利用TM图像自动提取城镇用地信息的有效方法[J].遥感学报,2003,7(1): 34-40.

[12]杨山.发达地区城乡聚落形态的信息提取与分析研究—以无锡市为例[J].地理学报,2000,55(6): 671-678.

[13]欧春江.实例分析遥感图像处理中的主成分分析[J].测绘与空间地理信息,2006,29(5): 56-59.