基于遥感的小煤矿煤层自燃区探测研究——以宁武县余庄乡小煤矿为例

(1.山西省农业科学院农业资源与经济研究所，山西 太原 030006；2.山西农业大学 资源环境学院，山西 太谷 030801)

基于遥感的小煤矿煤层自燃区探测研究
——以宁武县余庄乡小煤矿为例

任红燕1常逸云2

(1.山西省农业科学院农业资源与经济研究所，山西 太原 030006；2.山西农业大学 资源环境学院，山西 太谷 030801)

本论文基于遥感和地理信息系技术，对宁武县余庄乡小煤矿的热红外影像TM11单波段进行密度分割得出热异常区域增强效果图，然后利用TM4、5进行波段运算合成植被覆盖灰度图像，与密度分割后的热红外影像图进行叠加分析，再与DLG的地质岩层数据以及小煤窑分布区域进行叠加分析对宁武煤田余庄乡的小煤矿煤层自燃区进行定位和判断，划定煤层自燃区。

landsat8；线性拉伸；密度分割；归一化植被指数；植被覆盖

1 研究的意义

煤的自然燃指残留在采空区的碎煤和煤柱，存放在地面的煤堆，以及接近露头的煤层，由于与空气接触而氧化生热，在散热条件不畅的情况下，氧化生成的热量大于向四周散发的热量，致使煤的温度逐渐升高，一旦达到煤的燃点时，就会产生煤的自燃[1]。煤层自燃的危害对大气、土壤、生态环境、人类健康都会产生较大的危害。

山西作为全国的煤炭资源大省2014年煤炭资源查明储量2664亿吨，居全国第二位，占全国资源储量的22.6%，山西省作为我国重要的煤化工基地大规模煤炭资源的开采，在为我国工业快速发展提供大量的工业粮食(煤炭)的同时，也给矿山及其周围生态环境造成了严重破坏[2]。山西煤层自燃区主要集中在晋北煤炭基地以动力用低变质煤炭为主的一些地区，其中河东煤田北部、大同煤田和宁武煤田最为严重。由于北部地区大部分煤层为厚——特厚煤层，煤层储存较浅，处于干旱和半干旱环境中，煤层极易氧化自燃，形成大面积煤火区和矿井火区。本文以宁武煤田中的余庄乡小煤矿为例利用遥感和地理信息技术对小煤矿煤层自燃区进行探测研究。

2 矿区地质概况

余庄乡煤矿属于宁武煤田，宁武煤田位于山西北部，跨朔州市平鲁、朔州，忻州市神池、宁武、原平、静乐和太原市娄烦等县。煤田呈南北向转为北东—南西的“弓”型。煤田周边均以煤层露头线为界，为双纪煤田，是山西重要动力煤产地之一。煤田东西宽约18～23km，南北长约160km，煤田总面积3442km。宁武侏罗纪大同组含煤面积520km[3]。煤田资源量700亿吨，储量390亿吨，年产约3000万吨。石炭二叠纪近海型煤系厚180米，包括上石炭统本溪组、太原组和下二叠统山西组，由碎屑岩、泥质岩夹石灰岩和煤层组成。含煤10余层，主要位于太原组内，其中可采煤层5～8层，煤层总厚度20～30米，从北往南变薄。以气煤为主，灰分20%～30%，硫分一般在1.5%～3%(山西组煤小于1%)、发热量30～33兆焦/千克。中侏罗世内陆型煤系厚360米，位于煤田中南部，含2层可采煤层，层厚1～2.5米。煤田为北北东向的向斜，东翼平缓，西翼较陡，正断层发育并常成矿区、井田的边界[4]。宁武煤田是山西最严重的煤层自燃区。

3 煤层自燃数据源及处理

3.1 卫星数据选用

在数据源的选择上，我们主要从以下两个方面考虑：数据的光谱特性及遥感卫星的数据地面分辨率。考虑到煤田火区的热辐射特性，我们选择的卫星数据应考虑到其具有热红外波段，另外对于一些重点防火区考虑用地面分辨率较高的卫星数据。根据上述原则，本论文拟选择的卫星数据源有：LANDSAT-8 TM影像数据共有11个波段，landsat-8具有2个传感器：Operational Land Imager(OLI)和Thermal Infrared Sensor(TIRS)，亦即Landsat-8具有单独的红外传感器TIRS，不像Landsat-7那样，将其集成于ETM+传感器之中。新的热红外传感器有2个波段，比ETM+增加了1个波段，这使得它可以用劈窗算法来进行大气校正。利用TM影像的多波段信息，利用热红外波段TM11作为辅助信息，采用多波段图像的组合分析方法，达到识别煤火的目的。用于帮助分析煤火分布区。

3.2 DLG数据获取

地质队外调地质地层概况数据，一般煤矿区因地下采空塌陷等原因造成的地裂缝，由于地下温度也较底标高，故也有热量沿这些地裂缝或裂缝向上扩散。地下煤层正在再燃地区的地裂缝，无论是白天还是夜间，辐射温度均高于围岩，形成明显的热异常。

3.3 时相选择

宁武煤田分布区夏季植被普遍茂盛，有利于植被信息的提取；而植被对于煤火的反应敏感，可借助植被信息、水系分布情况及区域资料初步判断煤火情况。夏天由于辐射较强，在TM图像上产生一定的干扰，结合区域实测资料，可将这种干扰排除；已烧变的区域因为地表物质变化，也产生了很强的热异常。综合考虑选择2011年8月遥感图像[5]。

3.4 遥感影像的增强处理

通过传感器获取的11个波段图像含有大量地物信息，在单波段图像上这些地物信息以图像灰度形式显示出来，但是地物特征间灰度差很小时，目视判读就就无法分辨，而使用图像增强的办法可以突出显示这种微小灰度差的地物特征，增强感兴趣区域和背景图像间的反差。图像增强处理的本质就是采用一系列的技术方法去改善视觉效果或将图像转换成一种更适于人眼或机器进行解译分析的形式。

在实际工作中一般采用线性拉伸这一增强处理方法，进行线性拉伸处理不但能增强图像的视觉效果又不会给栅格图像的信息造成大的损失。线性拉伸主要通过按比例扩大原始灰度等级的范围从而达到增强图像整体对比度的效果。

3.4.1 线性拉伸

在本论文中，拟采用ENVI软件对图像进行线性拉伸工作。具体步骤如下：

使用envi打开TM11、5、4波段合成图像，在Display中显示。在主图像窗口中，选择Enhance然后选择Interactive streching，可以打开交互式直方图拉伸操作对话框。

可以看到交互式拉伸对话框，显示一个输入直方图和一个输出直方图，他们表明当前输入数据以及分别应用的拉伸；两条垂线(虚线)表明当前拉伸说用到的最小值和最大值，其值显示在Stretch标签的两个文本框中。对于本文用到的TM11、5、4假彩色图像来说，直方图的颜色与所选择的颜色一致，可以用鼠标选择RGB波段。

这里我们选择R波段进行拉伸。因为R波段式TM11热红外波段，可以增强高温区域的显示效果。

3.4.2 单波段假彩色密度分割

对TM11波段影像图采用最优二段分割，以区分在图像灰度值上有不同表现的煤田热异常和背景区。将Max～Min+1灰度级进行两分，共有Max-Min种分发。最优二段是通过计算各种分发的直径总和，从而找到最小的直径总和。即：对任意一个i(Min

式中：(Max)表示被分割的最大灰度级；上标(2)表示预分割段数；i表示以灰度i级为分割点的分割。

使用密度分割可以将热异常区与背景去区分开[6]。

3.5 植被指数的提取与植被覆盖度的计算

3.5.1 植被指数与归一化植被指数

归一化植被指数(Normalized Difference Vegetation Index，NDVI )是描述增加在近红外波段范围绿叶的散射与红色波段范围叶绿素吸收的差异的植被指数，在叶面积指数(LAI)的值很高，即植被茂密时其灵敏度会下降[7]。NDVI是植被覆盖度的最佳指示因子，可以部分消除辐射的误差和由于主观原因造成的误差。NDVI的取值范围是-1～1，NDVI<0时，地面覆盖有云、水、雪等；NDVI=0时，有岩石或者裸土等；NDVI>0时，有植被覆盖，且与植被覆盖成正比。其定义为红外波段(NIR)与红光波段(R)的差值与两者和的比，即：

不同传感器的遥感数据，NDVI的计算公式也不同，本文选用的是Landsat TM/ETM+的影像数据，与近红外波段相对应的是5波段，与可见光波段相对应的是4波段，所以，对于Landsat 8的遥感影像来说，计算公式应为：

3.5.2 运用归一化植被指数NDVI估算植被覆盖度

根据像元二分模型，将一个像元的NDVI值表示为两部分，植被覆盖部分和土壤覆盖部分，把它带入到公式可以表示为：

其中，NDVIveg是完全被植被覆盖的NDVI值，NDVIsoil是完全被土壤覆盖的NDVI值。该方法经过多种研究检验，是一种比较方便、简单的估算植被覆盖度的方法。

4 数据分析和区域圈定

4.1 热红外影像与植被覆盖影像叠加分析

可以看到清晰的热异常区域的显示，与植被覆盖一起显示，此处白色为植被覆盖区域，红色为热异常区与，因为煤层自燃区域温度较高，并且干燥还有大量有害气体不利于植被生长，所以一般不会有植被覆盖，有植被覆盖的区域是干扰区域可以排除。

导入现有的小煤窑区域数据，将植被覆盖处改为绿色，其他地方无色，与小煤窑区域数据和热异常区域影像图叠加，目视解译出煤田自燃火区，建立火区shapfile面文件，如图1。

图1 通过人工解译出热异常区图

4.2 DLG数据

添加余庄乡外调地质底图，建立shapfile线文件，通过人工解译得出以下结果，在按地图的方位加上指北

针，可以看出，此时的地图用的是西安1980 GK CM111E坐标系。

根据当地外业调绘资料和遥感影像图将余庄乡的底层分类绘制，建立地质要素，火点，注记，小煤窑，火区，基础地理要素和底层分类要素这几个要素文件，分别进行解译绘制成图。

4.3 余庄乡煤层自燃区判定结果

该区块煤系地层为奥陶系上马家组，石炭系本溪组、太原组和二叠系山西组，本溪组平行整合于奥陶系马家沟组灰岩之上，以灰白色，灰色及黑色的泥岩，砂岩组成，夹薄层灰岩及煤层，地步为铁铝岩，一般厚约30m；太原组由灰白色砂岩、泥岩、砂质泥岩及粉砂岩和灰岩组成，本组厚约106m；山西组由深灰、黑色泥岩、砂岩泥岩，灰白色砂岩及煤层组成，本组厚约45m。整个区块位于宁武向斜的西翼，宁武向斜方向呈北东向，东西两翼分别受云中山及管涔抬升的影响，煤层浅部地质构造较为复杂[8]。山西组和太原组共含煤5～6层，其中4号煤和9号煤较厚，为主要可采煤层，其余煤层为局部可采[9]。其他组是不含煤层的，就不存在煤层自燃，故将山西组和太原组以外地层上的煤层自燃区排除，就剩下下图2显示的区块，暗色区是判定煤层自燃区的最后结果，表1是煤层自燃区概况。

图2 排除干扰后划定的煤层自燃区图

火区名称理位置煤火类型火区面积(m2)周长(m)薛家沟煤矿火区忻州市宁武县薛家沟煤矿明火141731.191695.10西栈沟煤矿火区忻州市宁武县西栈沟煤矿明火64723.601086.85薛家沟煤矿2#火区忻州市宁武县薛家沟煤矿明火62602.931005.68正沟煤矿1#火区忻州市宁武县正沟煤矿明火29261.93746.86正沟煤矿2#火区忻州市宁武县正沟煤矿明火8870.70407.42寺沟村西北2#火区忻州市宁武县寺沟村西北300米明火81300.941515.17

4.4 与实地外业调查加内业解译结果对比

实地外业调查加内业解译结果显示，在遥感解译图上、煤层自燃整体呈长条状。在野外核查工作中，煤层自燃的明火区远处可见到浓烟。实地可见火苗、烧变岩。明火区面积较小，一般发生在煤矿洞口附近和裂缝中。整体沿煤层走向呈不连续的长条状、团块状展布具有煤层厚度大，出露于地表，附近人工露头开采或小煤矿过去存在的痕迹。根据火点的位置和岩层的产状可以得出一个相对准确的结果。如图3，表2是煤层自燃区概况。

表2 高精度的内外结合划定煤层自燃区域概况

图3 高精度的内外结合划定煤层自燃区

通过与实地外业调查加内业结果对比，上述分析煤层自燃区位置基本准确，但火区面积与周长有一定误差。

5 结束语

本文划定煤层自燃区的研究方法依然存在许多的误差和不足，热红外遥感波段可以用来反演区域的温度，但是由于是白天的影像，热红外探测存在较夜晚更多的干扰项，此次只排除了植被覆盖的干扰，由TM7、5、4合成影像图可以看出，阴面的温度较阳面低，太阳辐射的强度在各个区域不相同，再加上地面辐射和大气的散射的影响等因素都制约着红外波段的数据构成，另外从植被覆盖指数灰度图看出，火区周围存在着烧变区和临界区域，因为煤层自燃那破坏了植被结构，所以烧变区

的植被与自然生长区域的植被还是存在着差异，但是由于差异并不能明显的反应出整个烧变区的轮廓，无法精确划定烧变区。所以想要真正的探测煤层自燃的区域还需要外业调查。因此要对火区的地表指示性特征及煤田火区遥感动态监测指标体系充分研究，还要利用高分辨率卫星遥感图像，通过对火区热异常范围、地表裂缝、植被、小窑、烧变岩、煤层露头、煤系、断裂构造、剥离边界和灭火堆积物等与火区相关的信息的地表比对和解译，结合地质、钻孔、物探资料和野外地质调查资料对煤田火区进行遥感监测[10]。

[1]邓书斌.ENVI遥感图像处理方法[D].北京：科学出版社，2010.

[2]梅新安，秦其明.遥感导论[D].北京：高等教育出版社，2001.

[3]常毅军，崔君鸣，桂学智.山西煤炭资源及其开发战略评价[D].北京：煤炭工业出版社，2007.

[4]康高峰，雷学武.遥感技术在煤矿区地质灾害中的应用[J].中国煤田地质，2000，12(2)：23-25.

[5]陈云浩，李京，杨波，张松梅.基于遥感和GIS的煤田火灾监测研究[J].中国矿业大学学报，2005，3(2)：227-230.

[6]赵育台，王晓鹏，谢志清.中国北方煤火与遥感探测技术[J].工程地质学报，2007：235-239.

[7]霍彦光，张志，新疆拜城地区煤田煤层自燃的陆地卫星遥感探测方法研究[J].国土资源遥感，1996，3(1)：36-39.

[8]康高峰.应用遥感技术调查研究煤层自燃灾害[J].国土资源遥感，1992，12(4)：34-40.

[9]汪亮.南水北调中线GPS精密控制网复测的研究[D].西安，西安科技大学，2013.

[10]毛耀保等.中国新疆煤层自燃环境动态监测信息系统的开旋[J].国土资源遥感，1997，7(4).

TheResearchProbingCoalfieldFiresAreaofSmallCoalMinesBasedonRemoteSensing：AcaseStudyofNingwuCountyYuzhuangTownshipSmallCoalMines

REN Hongyan1CHANG Yiyun2

(1.Agricultural Resource and Economy Institute，Shanxi Academy of Agricultural Sciences，Taiyuan Shanxi 030006，China； 2.College of resources and environment，Shanxi Agricultural University，Taigu Shanxi 030801，China)

Based on remote sensing technique and geographic information technology，this paper firstly obtained enhancement effect image of thermal anomaly area by density slicing thermal infrared image TM11 single band of Yu Zhuang Township，Ningwu County，Shanxi Province. Then overlay analysing density sliced thermal infrared image and synthesized gray image of vegetation cover by TM4、5 band operation，and then positioning and judging coalfield fires of Yu Zhuang Township，Ningwu Coalfield by overlay analysing DLG geological formations information based on arcgis10.2 interpretation and small coal mine distribution area，delimiting spontaneous combustion area of coal seam.

Landsat8；Linear stretch；Density separation；The normalized difference vegetation index；vegetation cover

项目资助：山西省财政支农项目《山西农村经济重大问题跟踪研究》(项目编号：2015ZZCX-10)

任红燕，研究员，研究方向为农业资源与区划

文献格式：任红燕 等.基于遥感的小煤矿煤层自燃区探测研究[J].环境与可持续发展，2017，42(6)：170-173.

X21

A

1673-288X(2017)06-0170-04