基于ETM+数据的煤田火区温度异常信息提取
2017-04-27张春森徐肖雷陈越峰
张春森， 徐肖雷， 陈越峰
(1.西安科技大学测绘科学与技术学院，西安 710054； 2.新疆煤田灭火工程局，乌鲁木齐 830063)
基于ETM+数据的煤田火区温度异常信息提取
张春森1， 徐肖雷1， 陈越峰2
(1.西安科技大学测绘科学与技术学院，西安 710054； 2.新疆煤田灭火工程局，乌鲁木齐 830063)
快速而准确地提取煤田火区温度异常信息对于主动发现煤火和及时治理煤火具有重要意义。以新疆维吾尔自治区乌鲁木齐市郊的大泉湖火区为研究区，基于ETM+遥感影像数据，采用普适性单通道法反演煤田火区地表温度，利用人工阈值法和密度分割法提取背景区与温度异常区，将温度异常区与磁法成果图进行图层叠加分析。研究结果表明，普适性单通道算法反演的温度均方根误差为0.68℃，温度异常区与煤火区的重叠率为82.71%，温度异常区反演准确率为80.17%，为基本圈定煤火范围提供了有力的参考。
煤田火区； 温度反演； 温度异常； 火区圈定； 磁法勘探
0 引言
煤田火灾是一个世界性的自然灾害，不仅会造成巨大的经济损失，还会造成严重的环境污染。遥感技术具有大范围、全天候、实时、快速的特点，利用遥感技术来探测煤火和初步勘察火区状况是煤炭灾害领域的一个研究方向，也是煤田灭火工程开展的基础。利用遥感方法进行监测煤火方面，国内外学者已做了大量的研究工作，早在1964年Slavecki[1]就开始利用热红外相机探测地下煤火，国内学者覃志豪等[2]针对仅有一个热红外波段的Landsat TM数据提出了单窗算法； 毛克彪等[3]、张敦虎等[4]、张晓等[5]先后进行了劈窗算法的研究； 蒋大林等[6]、徐涵秋等[7]、王亚维等[8]分别利用Landsat 8 TIRS和FY-2C数据进行了地表温度的反演试验； 张秀山[9]、蔡忠勇等[10]对新疆煤田火灾的现状进行了分析研究； 张跃彬[11]、刘硕等[12]对煤火范围的圈定进行了研究。虽然相关研究已做了很多，但仍存在一些问题，如利用Landsat 8 TIRS数据进行温度反演受大气水汽含量的影响较大，且空间分辨率低，仅为100 m，局限性明显。煤火范围的圈定仅考虑重叠率一项评价指标，忽视了方法自身的准确率评价等。
本文利用ETM+数据，采用普适性单通道算法反演煤火区地表温度，利用人工阈值法和密度分割法提取温度异常区，将温度异常区与磁法成果图进行叠加分析，计算二者的重叠率和反演的准确率，为采用遥感方法探测煤火和初步圈定煤火范围提供技术支撑。
1 研究方法
1.1 煤火区地表温度反演
单通道算法由Jimenez等[13]提出的基于一个热红外通道利用遥感影像反演地表温度的适普性算法，其计算公式为
T=γ[ε-1(ψ1Lsensor+ψ2)+ψ3]+δ,
(1)
式中：T为反演得到的地表温度；ε为地表比辐射率；Lsensor为星上辐射亮度；γ和δ为Planck函数进行泰勒级数展开时的相关参数，其计算公式为：
(2)
δ=-γLsensor+Tsensor,
(3)
Tsensor=K2/ln(K1/Lsensor+1),
(4)
Lsensor=(Lmax-Lmin)/255DN+Lmin。
(5)
式中：Tsensor为星上辐射亮度对应的亮度温度；c1和c2为普朗克常量，c1=1.19 104×108W·μm4·m-2·sr-1，c2=1.43 877×104μm·K；λ为热红外波段的有效波长；K1和K2为热红外波段的定标常数，K1=666.09 W·m-2·sr-1·μm-1，K2=1 282.71K；Lmax和Lmin分别为热红外波段光谱辐射值的上限和下限；DN为像元亮度值。
式1中ψ1，ψ2，ψ3为大气函数，其公式为
(6)
式中：pij(i,j=1,2,3)为与水汽含量ω相关的大气参数；ω为大气水汽含量，由饱和水汽压、大气温度和湿度计算得到。
在计算地表比辐射率之前，需首先对研究区进行监督分类，根据研究区的地貌特点，将影像分为植被、裸地及植被裸地混合区3种地物类型，并计算其归一化植被指数(nermalized difference vegetation index,NDVI)值。具体计算公式为
Fv=[(NDVI-NDVIs)/(NDVIv-NDVIs)]2,
(7)
(8)
式中：Fv为植被覆盖度；NDVI为归一化植被指数，NDVI和NDVIv分别为裸地区和植被区的NDVI值；εv和εs分别为植被区和裸地区比辐射率；ρ为红光波段的反射率；dε为地表比辐射率改正值。
当NDVI
1.2 温度异常区提取
煤层在燃烧过程中，热量以热辐射的方式，通过煤火上层岩石的热传导和地层裂隙中空气的热对流向上传导，在地面和低空中形成温度相对高于其周围环境温度的区域，即为温度异常区[15]。温度异常区的提取是探测煤火和圈定煤火范围的前提。
通过遥感反演得到的煤田火区地表温度通常受很多因素的影响，如影像成像的时间(白天或夜间)、季节、气候、燃烧情形等条件的不同都会影响反演结果。如果设置固定的温度阈值来提取不同时期、不同环境下的温度异常区，就会产生比较大的差异，不能真实反映煤田火区的状况。因此有必要针对不同情况下的温度反演结果，按照统一的方法来计算温度阈值。首先采用密度分割法将煤火区温度划分为不同的温度区间，然后采用人工阈值法确定提取温度异常区的阈值，进而区分出温度异常区与背景区。蒋卫国[16]等研究发现，地表温度均值与2倍标准偏差之和是温度异常区与背景区的最佳阈值分割点。若温度高于设定的阈值，则为温度异常区； 反之，则为背景区。计算公式为
(9)
式中：Ti为地表温度图像中任一像元的地表温度值；N为地表温度图像的像元总数；Ta为地表温度的平均值；Tδ为地表温度标准偏差；T阈为分割点阈值。
1.3 温度异常区面积估算
在提取到温度异常区之后，利用ENVI软件统计分析模块中的快速统计(quick statistics)功能，对温度异常区影像进行分析。该功能可以显示影像任一像元的温度，温度出现的频率等信息。通过像元与温度的对应关系，结合温度出现的频率和影像的空间分辨率，可以快速准确地计算出温度异常区的面积，即
(10)
式中：Sr为温度异常区面积，m2；nTi为温度阈值范围内某一温度Ti对应的像元个数；u为温度阈值范围内不同温度的个数；Q为ETM+影像B61波段的空间分辨率(60 m)。
1.4 技术路线与算法实现
地表温度反演之前，需对ETM+影像进行辐射定标和大气校正等预处理。辐射定标是计算星上辐射亮度Lsensor的过程，即利用ETM+影像各波段的增益值和偏置值计算相应波段的辐射亮度。大气校正是利用大气校正工具来消除大气的影响。然后结合1∶2 000地形图对ETM+影像进行几何精纠正，最后将校正好的影像作为地表温度反演的输入数据。
根据煤田火区地表温度反演的算法及流程，利用IDL数组操作函数进行波段运算，实现地表温度的反演和温度异常区的提取。技术流程如图1所示。
图1 技术流程图
利用影像DN值和ETM+定标系数计算星上辐射亮度Lsensor，利用星上辐射亮度计算亮度温度Tsensor，利用归一化植被指数和植被覆盖度Fv计算地表比辐射率ε； 再利用中间变量γ，δ和ψ等参数计算煤火区地表温度T，并统计地表温度平均值Ta和标准偏差Tδ，计算分割点阈值，提取温度异常区； 然后将温度异常区与磁法成果图进行叠加分析，最后初步圈出煤火分布范围。
2 数据源及实验分析
2.1 实验区及数据源概况
本文选择大泉湖煤火区为实验区。该区位于新疆维吾尔自治区乌鲁木齐市境内，海拔1 006 m，属温带大陆性干旱气候，地理坐标为E 87°25′29.71″～87°27′17.25″, N 43°47′31.23″ ～43°47′57.15″，面积为2.5 km2左右，是新疆煤田火区中比较典型的代表。
实验选择2009年8月25日凌晨获取的1景ETM+第6波段热红外数据(波长范围为10.40～12.50 μm，空间分辨率为60 m)，用于反演地表温度，提取温度异常区。当天的气象数据来自新疆乌鲁木齐气象局，包括大气温度、湿度、饱和水汽压等数据，用来计算大气水汽含量和进行大气校正。新疆煤田灭火工程局实测的2009年8月25日地表温度数据用来对比验证ETM+反演的地表温度。2007年5月的煤火区磁法勘探数据用来与温度异常区进行叠加分析。2011年2月的煤火区地1∶2 000形图用来分析地形和进行几何精纠正。
2.2 温度反演结果与分析
根据大泉湖火区的ETM+热红外遥感数据，按照上述算法及流程，反演得到了大泉湖火区的地表温度分布(图2)。其中反演得出的地表最低温度为23.3 ℃，最高为57.2 ℃。
图2 反演地表温度分布图
为验证反演结果，通常采取与实测卫星过境时的地表温度或利用大气模型模拟得到的地表温度进行对比的方法。本实验采用由新疆煤田灭火工程局提供的卫星过境时的地面实测数据。卫星过境时间为地方时10时28分。在卫星过境的前后2 h内，进行实验区地表温度的采集。利用手持式ZyTemp TN435红外测温仪和GPS-RTK进行地表温度的网格式测量，即2个人分别从实验区的同侧2个角点出发，相向而行，以20 m为间隔，之字线路依次观测，记录坐标值与温度值。取60 m×60 m大小网格(与ETM+热红外数据的地面分辨率相同)中温度平均值作为实测温度值。均匀选取10个实测温度值，与反演的相应地表温度进行回归分析[17]，结果如图3所示。
图3 反演温度与实测温度回归分析图
图3表明普适性单通道算法反演的地表温度值与实测地表温度值成一元线性相关，其相关系数为0.955 9，相关性较好。反演得到的地表温度值与实测地表温度值间的均方根误差为0.681 2 ℃。
2.3 温度异常区提取结果与分析
采用人工阈值法和密度分割法提取研究区的温度异常区。由公式(9)计算的温度阈值为53.8 ℃，因此将背景区温度设定为23.3 ℃～53.8 ℃，温度异常区温度设定为53.8 ℃～57.2 ℃，再次对地表温度分布图进行密度分割。按照上述算法及流程，得到大泉湖火区的温度异常分布，如图4所示。
图4 实验区温度异常区分布图
为验证温度异常区地理位置分布的准确性，采用新疆煤田灭火工程局物探部门提供的大泉湖火区磁法勘探数据进行验证。该部门的磁法勘探按照工作规范要求在E 87°25′07.43″ ～ 87°27′17.23″，N 43°47′30.92″～ 43°47′57.19″范围内布设了测线，根据探测对象与围岩之间的磁性差异，利用质子磁力仪观测记录磁异常，通过外业测量和内业解算，绘得火区的燃烧边界与燃烧深度。
多年来，许多学者的研究已经证明，磁法勘探可以有效地确定着火点位置和圈定火区范围， 并利用磁异常的变化情况大致判断煤火走势[11]。因此磁测方法目前已成为煤田灭火工程部门地面煤火探测的有效方法之一。为此，本文选取实验区内磁测范围作为重点区域进行对比验证(图5所示)。
图5 磁法探测区位置
将反演提取的温度异常与磁测成果图通过图层叠加，如图6所示。计算二者的重叠率和温度异常区反演的准确率，其中：
(11)
图6 图层叠加效果
(12)
式中：RO为重叠率；Ra为准确率；Sm为磁法所测的燃烧面积(视为相对真值)，即燃烧边界圈定的范围(图7所示)；Sr为遥感反演的温度异常区面积；SO为Sm与Sr重叠部分的面积。具体数值见表1。
图7 图层叠加局部放大
表1 面积对比一览表
由表1可知，计算的温度异常区面积Sr为0.417 6 km2，落入磁测燃烧边界内的温度异常区(重叠部分)面积SO为0.334 8 km2； 磁法所测的燃烧范围Sm为0.404 8 km2。由公式(11)、(12)计算得温度异常区与磁法所测燃烧范围的的重叠率为82.71%，温度异常区反演的准确率为80.17%。
基于遥感影像地表温度反演提取的温度异常区与磁法勘探确定的燃烧范围出现差别的原因，可归纳为2个方面： 一是磁法勘探数据的时间为2007年，而ETM+遥感数据的时间为2009年，在此期间，火区内随着煤火的蔓延和扩展，出现了一些新的着火煤层露头，导致反演得到的部分温度异常区出现在磁测燃烧边界之外； 相反，火区内部分老的着火点可能已经熄灭，导致磁测燃烧边界内反演结果出现背景区。二是ETM+热红外波段的空间分辨率有限，导致部分零星温度异常点没有被反演出来而归为背景区。
3 结论
1)普适性的热红外单通道地表温度反演算法应用于煤田火区的地表温度反演是可行的，且精度较高，温度误差可控制在1℃以内。该方法对于主动发现自燃煤田的温度异常区，及时治理煤火具有重要意义。
2)人工阈值法和密度分割法可以准确高效地提取地表温度异常区，且提取效果较好，重叠率和准确率均在80%以上，该方法对于初步圈定煤火范围，监测煤火火情变化具有指导意义。
通过遥感地质解译方法进行煤田火区构造裂缝和导火带的提取与分析，实现火区的综合监测与防治将是我们今后的研究工作。
致谢： 本研究得到了新疆煤田灭火工程局的大力支持和帮助，感谢新疆煤田灭火工程局陈越峰、曾强等提供的地表温度实测数据与磁法勘探数据，再次表示感谢！
[1] Slaveck R J.Detection and location of subsurface coal fires[C]//Proceedings of the 3rd International Symposium on Remote Sensing of Environment.Ann Arobor,Michigan,U.S.A.:University of Michigan,1964:537-547.
[2] 覃志豪,张明华,Karnieli A,等.用陆地卫星TM6数据演算地表温度的单窗算法[J].地理学报,2001,56(4):456-466. Qin Z H,Zhang M H,Karnieli A,et al.Mono-window algorithm for retrieving land surface temperature from Landsat TM6 data[J].Acta Geographica Sinica,2001,56(4):456-466.
[3] 毛克彪,施建成,覃志豪,等.一个针对ASTER数据同时反演地表温度和比辐射率的四通道算法[J].遥感学报,2006,10(4):593-599. Mao K B,Shi J C,Qin Z H,et al.A four-channel algorithm for retrieving land surface temperature and emissivity from ASTER data[J].Journal of Remote Sensing,2006,10(4):593-599.
[4] 张敦虎,王晓鹏,康高峰,等.基于ASTER数据的煤田火区温度异常信息提取方法研究——以新疆轮台县阳霞火区为例[J].中国煤炭地质,2009,21(9):35-37. Zhang D H,Wang X P,Kang G F,et al.Study on coal fire area land surface temperature anomaly information extraction from ASTER satellite images：A case study of Yangxia coal fire area in Luntai County,Xinjiang[J].Coal Geology of China,2009,21(9):35-37.
[5] 张晓,汤瑜瑜,黄小仙,等.用8.0～9.3μm遥感数据反演地温的分裂窗算法性能分析[J].国土资源遥感,2015,27(2):88-93.doi:10.6046/gtzyyg.2015.02.14. Zhang X,Tang Y Y,Huang X X,et al.Performance analysis of split-window algorithms for retrieving land surface temperature using remote sensing data of 8.0～9.3μm[J].Remote Sensing for Land and Resources,2015,27(2):88-93.doi:10.6046/gtzyyg.2015.02.14.
[6] 蒋大林,匡鸿海,曹晓峰,等.基于Landsat 8的地表温度反演算法研究——以滇池流域为例[J].遥感技术与应用,2015,30(3):448-454. Jiang D L,Kuang H H,Cao X F,et al.Study of land surface temperature retrieval based on Landsat 8-with the sample of Dianchi Lake Basin[J].Remote Sensing Technology and Application,2015,30(3):448-454.
[7] 徐涵秋,林中立,潘卫华.单通道算法地表温度反演的若干问题讨论——以Landsat系列数据为例[J].武汉大学学报:信息科学版,2015,40(4):487-492. Xu H Q,Lin Z L,Pan W H.Some issues in land surface temperature retrieval of Landsat thermal data with the single-channel algorithm[J].Geomatics and Information Science of Wuhan University,2015,40(4):487-492.
[8] 王亚维,宋小宁,唐伯惠,等.基于FY-2C数据的地表温度反演验证——以黄河源区玛曲为例[J].国土资源遥感,2015,27(4):68-72.doi:10.6046/gtzyyg.2015.04.11. Wang Y W,Song X N,Tang B H,et al.Validation of FY-2C derived land surface temperature over the source region of the Yellow River:A case study of Maqu country[J].Remote Sensing for Land and Resources,2015,27(4):68-72.doi:10.6046/gtzyyg.2015.04.11.
[9] 张秀山.新疆煤田火烧区特征及灭火问题探讨[J].中国煤田地质,2004,16(1):18-21. Zhang X S.Probe into Xinjiang coalfield underground combustion area features and fire-fighting problems[J].Coal Geology of China,2004,16(1):18-21.
[10]蔡忠勇,魏军.新疆煤田火灾现状及其应对措施[J].煤矿安全,2008,34(10):93-94. Cai Z Y,Wei J.Coal field fires in Xinjiang:Its current state, challenges and countermeasures[J].Safety in Coal Mines,2008,34(10):93-94.
[11]张跃彬.磁法勘探在圈定煤田自燃区及在煤田地质勘察中的应用研究[J].中国新技术新产品,2009(3):93. Zhang Y B.Research of magnetic method applicated in coalfield geological exploration and delineating coalfield area[J].China New Technologies and Products,2009(3):93.
[12]刘硕,王涌宇,王俊峰,等.基于地表异常特征的浅埋藏煤层火区边界划定[J].煤炭科学技术,2014,42(S1):132-133,136. Liu S,Wang Y Y,Wang J F,et al.Fire area boundaries determination of shallow depth coal seam based on surface abnormal features[J].Coal Science and Technology,2014,42(S1):132-133,136.
[14]Sobrino J A,Jimenez-Muoz J C,Soria G,et al.Land surface emissivity retrieval from different VNIR and TIR sensors[J].IEEE Transactions on Geoscience and Remote Sensing,2008,46(2):316-327.
[15]姬洪亮.多尺度热红外遥感数据在煤田火区信息提取中的应用[D].乌鲁木齐:新疆大学,2012. Ji H L.Application of Multi-Scale Thermal Infrared Remote Sensing Data in Coalfield Fire Area Information Extraction[D].Urumqi:Xinjiang University,2012.
[16]蒋卫国,武建军,顾磊,等.基于夜间热红外光谱的地下煤火监测方法研究[J].光谱学与光谱分析,2011,31(2):357-361. Jiang W G,Wu J J,Gu L,et al.Monitoring method of underground coal fire based on night thermal infrared remote sensing technology[J].Spectroscopy and Spectral Analysis,2011,31(2):357-361.
[17]姬洪亮,塔西甫拉提·特依拜,蔡忠勇,等.基于TM数据的地下煤火区地表温度反演与验证[J].国土资源遥感,2012,24(4):101-106.doi:10.6046/gtzyyg.2012.04.17. Ji H L,Tashpolat·Tiyip,Cai Z Y,et al.The inversion and verification of land surface temperature for coal fire areas based on TM data[J].Remote Sensing for Land and Resources,2012,24(4):101-106. doi:10.6046/gtzyyg.2012.04.17.
(责任编辑： 李瑜)
Temperature anomaly information extraction in coalfield fire area based on ETM+ data
ZHANG Chunsen1, XU Xiaolei1, CHEN Yuefeng2
(1.CollegeofGeomatics,Xi’anUniversityofScienceandTechnology,Xi’an710054,China; 2.XinjiangCoalfieldFireExtinguishingBureau,Urumqi830063,China)
The initiative finding of coal fire and timely governing of coal fire so as to quickly and accurately extract temperature anomaly information are of great importance. In this study, with the coal fire area of Daquanhu in the suburbs of Urumqi of Xinjiang as the study area and ETM+ remote sensing data as the base, the authors used generalized single-channel method to retrieve land surface temperature of coalfield fire area, and then used manual threshold method and density slicing method to extract background area and temperature anomaly. Finally, temperature anomaly area image was superimposed upon the magnetic prospecting resultant map to perform analysis. The results show that the retrieved RMSE of Generalized Single-Channel Method is 0.68℃, the overlap rate between temperature anomaly area and definitized fire area range is 82.71%, and the accuracy rate of temperature anomaly area retrieval is 80.17%. This method can preliminarily delineate the coal fire range and also provides a reference for precisely measuring the coal fire range.
coalfield fire area; temperature retrieve; temperature anomaly; delineate coal fire range; magnetic prospecting
10.6046/gtzyyg.2017.02.29
张春森,徐肖雷,陈越峰.基于ETM+数据的煤田火区温度异常信息提取[J].国土资源遥感,2017,29(2):201-206.(Zhang C S,Xu X L,Cheng Y F.Temperature anomaly information extraction in coalfield fire area based on ETM+ data[J].Remote Sensing for Land and Resources,2017,29(2):201-206.)
2015-10-16；
2015-12-09
国家自然科学基金“基于图论的面向对象高分辨率遥感影像多尺度分割方法研究”(编号: 41101410)及陕西省自然科学基金“基于尺度下降技术遥感图像模拟方法研究”(编号: 2010JM5009)共同资助。
张春森(1963-)，男，博士，教授，主要从事摄影测量与遥感应用方面的研究。Email:zhchunsen@aliyun.com。
TP 79
A
1001-070X(2017)02-0201-06
