利用Landsat热红外影像探测地下煤火区范围——以乌达煤田为例

张志敏，江利明，柳　林，汪汉胜

(1. 中国科学院测量与地球物理研究所大地测量与地球动力学国家重点实验室，湖北 武汉 430077； 2. 中国科学院大学，北京100049； 3. 华中科技大学物理学院，湖北 武汉 430074)

地下煤火指自然条件下，赋存于地下的煤体与空气接触后发生一系列化学反应，从氧化自燃到剧烈燃烧后形成一定规模，并对自然环境产生一定影响的煤自燃现象[1]。地下煤火的燃烧不仅浪费大量的优势煤炭资源，破坏地表植被覆盖，引发地表大面积塌陷，损坏房屋和道路交通设施，而且释放大量的有毒有害气体，严重影响周边居民的身体健康[2-5]。因而，识别和圈定地下煤火的分布范围，可为煤田火灾防治和煤火碳排放量估算提供重要的科学依据。

相比于传统的煤火监测手段，遥感技术以其快速有效、经济便捷、可获取多时相、多波段、多尺度数据的优势，从20世纪60年代即开始用于大范围地下煤火的监测[6]。乌达煤田作为我国北方地下煤火比较典型和严重的区域，一直以来都备受国内外研究学者的关注。Gangopadhyay等以ASTER数据为基础，采用温度/比辐射率分离算法提取了乌达煤田的热异常信息[7]。Kuenzer等使用全色QuickBird影像分析了乌达煤田2005—2012年矿业基础设施、地物覆盖和煤火的空间变化趋势[8]。蒋卫国等[9]以乌达煤田火区为例，探索了利用不同季节夜间ASTER热红外光谱进行地下煤火的监测方法。谭琨等[10]利用TM/ETM+遥感影像，采用3种不同温度反演算法计算乌达煤田火区地表温度，并对比了2005—2012年火区的时空变化。然而，2013年Landsat-8卫星发射以后，用于研究煤火区燃烧范围和空间演变态势的研究相对较少。

本文以内蒙古乌达煤田为研究区，基于Landsat系列热红外遥感数据圈定2002年、2007年和2013年火区燃烧范围，分析和探讨热红外遥感在地下煤火时空变化动态监测的应用潜力，并且为火区治理和碳排放估算提供基础依据。

1　研究区与数据

1.1　研究区概况

乌达煤田(106°34′41″—106°38′41″E，39°27′00″—39°34′04″N)位于内蒙古自治区乌海市境内，形似人耳，南北长约10 km，东西宽3～5 km，总面积约35 km2。矿区平均海拔1150～1300 m，为低山丘陵地貌，年降水量少，蒸发量大，是典型的内陆干旱沙漠气候。乌达煤田从1958年开始进行较大规模的煤炭开发，是内蒙古自治区重要的焦煤生产基地。典型的自然气候条件、煤层特征及小煤窑的乱采滥挖是煤田大规模自燃的诱因。乌达煤田煤火主要分布在煤层浅部的煤矿采空区范围内，呈多煤层复合燃烧的特点，地表裂隙、有害气体和局部燃烧现象显著，是我国近年来发展最快的火区[1]。

1.2　研究数据

2013年2月11日美国加州发射的Landsat-8卫星上搭载两个传感器：陆地成像仪(operational land imager：OLI)和热红外传感器(thermal infrared sensor：TIRS)，使一度中断的Landsat对地观测得以继续。除具备Landsat-7卫星的所有光谱波段外，Landsat-8还新增深蓝和卷云波段、收窄波谱范围、提高光谱辐射分辨率，并且将原来的热红外波谱范围一分为二，设置为两个热红外波段。但是，由于杂散光的影响，TIRS-2的绝对定标误差远大于TIRS-1[11]，为减少遥感数据本身的误差，本文在煤火区地表温度反演过程中只使用了Landsat-8 TIRS-1。

本研究以Landsat系列卫星(TM/ETM+/OLI)为主要数据源，分别使用2002年、2007年和2013年的热红外和多光谱数据提取和分析乌达矿区煤火信息。2002年9月21日的ETM+多光谱数据被用来计算2002年9月28日的地表比辐射率，并且选择与Landsat热红外数据过境时间相近的MODIS水汽产品MOD05/MYD05估算大气水汽含量。最后，结合神华(北京)遥感勘察有限责任公司2003年和2007年的煤火区地面勘察资料，对不同年份下圈定的煤火区范围进行精度验证。文中使用的所有数据见表1。

表1　研究中使用的数据

2　研究方法

2.1　地表温度反演

地表温度是地球-大气间物质和能量交换的一个重要物理参数，在地球表面能量平衡研究领域中应用广泛[12-13]。本文以Landsat热红外数据为基础，采用Jiménez-Muoz等提出的普适性单通道算法(generalized single-channel algorithm)[14]反演地表温度，并且根据反演结果分析了乌达地下煤火的动态演变态势。该算法具有简单易行、实用性强、可适用于不同热红外传感器[14]等优点，对于已知的热红外波段，仅需大气水汽含量和地表比辐射率两个输入参数，地表温度Ts的具体计算过程如下

Ts=γ[ε-1(ψ1Lsensor+ψ2)+ψ3]+δ

(1)

(2)

δ=Tsensor-γLsensor

(3)

式中，ε为地表比辐射率；C1、C2为普朗克函数常量，其中C1=1.191 04×108W·μm4/(sr·m2)，C2=1.438 8×104μm·K；Lsensor和Tsensor分别表示传感器入瞳处的辐亮度和亮度温度；λ为热红外波段的有效波长，TM有效波长为11.457 μm，ETM+为11.269 μm，TIRS-1为10.904 μm；ψ1、ψ2、ψ3为大气状态参数，可用大气水汽含量ω表示为

最后，根据不同热红外波段的波谱响应函数和有效波长确定系数C。

2.2　地表比辐射率计算

比辐射率是地表温度反演过程中的一个重要参数，它受地物的组成成分、表面状态、入射电磁波的波长及大气传输特性等因素的影响。本文采用覃志豪等[15]提出的改进的NDVI(normalized difference vegetation index)方法计算研究区地表比辐射率。由于乌达矿区范围较小，地物类型主要包括自然表面(植被和裸土)和城镇(植被和建筑物)，因而地表比辐射率可以表示为

εnatural surface=PvRvεv+(1-Pv)Rsεs+dε

(4)

εtown=PvRvεv+(1-Pv)Rmεm+dε

(5)

式中，εnatural surface为自然表面的比辐射率；εtown为城镇比辐射率；Pv为植被覆盖度；Rv、Rs、Rm分别为植被、裸土和建筑物表面的温度比率；εv、εs、εm分别为植被、裸土和建筑物的比辐射率，根据前人经验分别取值0.986、0.972和0.970。由于研究区内地势起伏小、地表相对平坦，因此地表比辐射率修正项dε忽略不计。

(6)

NDVI=(ρNIR-ρR)/(ρNIR+ρR)

(7)

式中，NDVI为归一化植被指数；ρNIR和ρR分别为近红外波段和红波段的反射率；NDVImin和NDVImax分别表示裸土和植被的NDVI值，根据研究区实际的地物组成，分别取值0.05和0.70。

2.3　煤火区提取流程

地下煤火的燃烧会导致地表温度偏高，对应在热红外影像上的高温热异常，可作为煤火信息提取的主要依据。为此，首先要对Landsat原始数据进行预处理(包括大气校正、几何校正和研究区裁剪等)，然后根据定标参数将热红外波段DN值转换为卫星入瞳处的亮度温度，对多光谱数据进行辐射定标，用来计算研究区的地表比辐射率；MODIS水汽产品经过投影转换、重采样和几何校正等处理后，用于估算大气水汽含量。然后，分别将上述结果作为普适性单通道算法的输入数据，计算煤火区的地表温度。

为了提取火区边界，需要对煤火燃烧区和非煤火背景区进行特征分析，统计研究区内地表温度的平均值Tmean和标准偏差Tstdev，再根据不同季节地表温度的差异确定火区提取阈值Tthreshold，最后利用野外实地勘测资料对火区划分结果进行精度验证。具体的煤火区提取流程如图1所示。

图1　数据处理流程

3　结果分析

3.1　地表温度反演结果

按照上述算法流程，分别得到了2002年9月28日、2007年8月10日和2013年6月7日乌达矿区的地表温度，图2表示普适性单通道算法的反演结果。其中，白色区域表示高温区，黑色区域表示低温区。从图中可以看出，整个矿区内部温度分布并不均匀，高温区域主要分布在乌达矿区中部，而矿区四周温度明显偏低，这表明乌达矿区中部很可能存在零星分布的煤火区。

图2　乌达矿区地表温度反演结果

为了研究乌达矿区不同时间地表温度结果的差异，分别对2002年、2007年和2013年乌达矿区的地表温度进行统计，得到最低温度Tmin、最高温度Tmax、平均温度Tmean和标准偏差Tstdev。从表2中可以看出，2002年矿区内夜间的最低和最高温度较低，而2007年和2013年白天的最低和最高温度较高，均超过了44℃和60℃，这表明在太阳辐射的影响下，白天的地表温度比夜间普遍偏高。然而，2007年和2013年的Tstdev分别为4.23℃和2.76℃，均大于2002年的1.69℃，主要原因是煤火区的燃烧使地表比辐射率发生变化，从而导致在太阳辐射的影响下，高温煤火区比低温背景区温度升高得更快。

表2　乌达矿区地表温度统计结果　(℃)

3.2　煤火区提取与精度验证

沙地、裸地和建筑用地在白天的遥感影像中温度偏高，很容易被误认为是煤火区[16]，因此，在圈定煤火区范围之前先要根据地物分类结果将其剔除，再选定提取阈值Tthreshold进行煤火区与背景区域的划分。考虑到热红外数据的获取时间(季节和白天/夜间)不同，地表所呈现的温度分布也并不一致，因此试验中根据实际的地表温度分布，分别选择16.10℃、60.90℃和58.27℃作为2002年、2007年和2013年乌达矿区煤火区的提取阈值(见表2)。图3表示乌达矿区2002年、2007年和2013年的煤火区分布范围，浅色区域代表火区估算范围，深色代表地面实测的火区范围。

图3　2002年、2007年和2013年乌达矿区煤火区分布

乌达矿区2002年、2007年和2013年实测和估算的煤火燃烧面积统计结果见表3。从火区面积的变化上来看，2002至2007年，乌达煤田火区范围扩大近一倍，主要与这期间的大规模煤田开采活动有关。而随着2010年大范围灭火工作的展开，乌达煤田的火区灾情得到了有效遏制，因此2013年乌达煤田火区范围急剧减小。

表3　2002、2007和2013年火区面积统计

实测和估算的火区面积结果表明，遥感技术圈定的火区范围与真值之间的误差约为5%～10%，造成这种情况的原因是多方面的：①沙地、裸地和建筑用地等在白天太阳辐射的影响下温度升高很快，极易被误认为是煤火区，使煤火区虚检率偏高；②热红外遥感仅能识别正在燃烧的露头和浅层煤火区、裂隙裂缝，而对埋藏较深的隐蔽火区探测精度有限；③在煤火区地表温度反演过程中，大气对辐射的吸收和衰减及研究区内复杂地物的比辐射率均难以被准确估算。除此之外，遥感数据的定标误差、煤火区阈值的选取等都是制约煤火区范围圈定和动态监测的重要因素。

4　结　语

本文利用Landsat系列热红外遥感数据圈定了乌达煤田2002、2007和2013年地下煤火燃烧范围。结果表明，2002年估算的火区面积为1.71 km2，到2007年猛增至3.62 km2，火区面积增加将近一倍，这主要与当时大规模煤田开采活动有关；随着2010年大范围灭火工作的展开，火区灾情到2013年得到了有效遏制，面积下降为1.17 km2。但在与实测火区的对比中发现，由于沙地、裸地和建筑用地等在太阳辐射的影响下温度升高很快，极易被误认为是煤火区，从而造成虚检率偏高，因此，夜晚的热红外数据能更加有效地区分煤火区与背景区。该研究验证了Landsat系列卫星数据在火区边界圈定和时空动态监测中的应用潜力，可为火灾防治和碳排放评估提供重要的科学依据。

参考文献：

[1] 张建民.中国地下煤火研究与治理[M].北京：煤炭工业出版社,2008:3-10.

[2] PENG W，VAN GENDEREN J，KANG G，et al.Estimating the Depth of Underground Coal Fires Using Data Integration Techniques [J].Terra Nova，1997，9(4)：180-183.

[3] ZHUKOV B，LORENZ E，OERTEL D，et al.Spaceborne Detection and Characterization of Fires During the Bi-spectral Infrared Detection (BIRD) Experimental Small Satellite Mission (2001—2004) [J].Remote Sensing of Environment，2006，100(1)：29-51.

[4] JIANG L，LIN H，MA J，et al.Potential of Small-baseline SAR Interferometry for Monitoring Land Subsidence Related to Underground Coal Fires：Wuda (Northern China) Case Study [J].Remote Sensing of Environment，2011，115(2)：257-268.

[5] ZHANG J，WAGNER W，PRAKASH A，et al.Detecting Coal Fires Using Remote Sensing Techniques [J].International Journal of Remote Sensing，2004，25(16)：3193-3220.

[6] SLAVECKI R.Detection and Location of Subsurface Coal Fires[C]∥Proceedings of the Third Symposium on Remote Sensing of Environment.Ann Arbor MI，USA：[s.n.]，1964：537-547.

[7] GANGOPADHYAY P，MAATHUIS B，VAN DIJK P，ASTER-derived Emissivity and Coal-fire Related Surface Temperature Anomaly：a Case Study in Wuda，North China [J].International Journal of Remote Sensing，2005，26(24):5555-5571.

[8] KUENZER C，ZHANG J，SUN Y，et al.Coal Fires Revisited：The Wuda Coal Field in the Aftermath of Extensive Coal Fire Research and Accelerating Extinguishing Activities[J].International Journal of Coal Geology，2012，102：75-86.

[9] 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.

[10]谭琨，廖志宏，杜培军.基于DEM的煤火自燃温度反演算法研究[J].煤炭学报,2014,39(S1):105-111.

[11]MONTANARO M，GERACE A，LUNSFORD A，et al.Stray Light Artifacts in Imagery from the Landsat 8 Thermal Infrared Sensor [J].Remote Sensing，2014，6(11)：10435-10456.

[12]张瑜，黄曦涛，韩玲,等.西安市城市热岛效应影响因子分析研究[J].测绘通报,2015(10):47-51.

[13]李小军，辛晓洲，江涛,等.卫星遥感地表温度降尺度的光谱归一化指数法[J].测绘学报,2017,46(3):353-361.

[15]覃志豪，李文娟，徐斌，等.陆地卫星TM6波段范围内地表比辐射率的估计[J].国土资源遥感,2004(3)：28-36.

[16]蒋卫国，武建军，顾磊，等.基于遥感技术的乌达煤田火区变化监测[J].煤炭学报,2010,35(6):964-968.