自适应边缘阈值法的煤火探测研究

李 峰，王秋玲，赵玉玲，钱 安

(1.防灾科技学院，河北 三河 065201；2.河北工程大学矿业与测绘工程学院，河北 邯郸 056038)

内蒙古乌达煤田煤火严重威胁着当地居民的身心健康发展、生态环境平衡、基础设施建设和自然资源开采[1]，不但消耗大量的煤炭资源而且还引起不同程度的地质灾害，给当地居民的生产和生活带来了无法估量的损失。多年来，国内外学者利用电场、化学场、磁场、温度场、非热红外光谱场等方法[2-6]详细探测分析了煤火的发生位置、发展变化的状况，在这些煤火探测方法中，热红外遥感技术因其快速、覆盖范围广、精度高的优势而被广泛使用和研究。Landsat系列卫星、ASTER卫星的热红外波段是最常用的煤火探测热红外数据源，近年来机载热红外技术，甚至无人机热红外遥感技术的出现极大地推动了煤火探测技术的进步[7-8]。值得注意的是，热红外遥感技术在白天易受太阳辐射的影响造成整体地表温度升高，从而掩盖了煤火在地表的温度异常[9-10]。因此，国内外的学者认为夜间无太阳加热的条件下热红外遥感技术煤火的探测精度更高。

目前上述热红外手段面临以下困境：Landsat 8卫星仅提供白天影像，目标区域的ASTER卫星夜间影像很少，机载热红外技术成本过高[11]，无人机热红外技术适合小区域应用，HJ1-B卫星150 m热红外波段的分辨率过低，中巴资源CBERS系列卫星的热红外传感器IRS也因信噪比低的缘故而很少被应用于热红外领域，但是CBERS-04卫星的IRS设计有夜间成像能力，80 m分辨率热红外波段较为适合探测大范围的煤火。笔者拟利用CBERS-04卫星IRS传感器开展乌达煤田煤火探测的试验，研究该星热红外探测煤火探测方法，探讨其探测精度和应用潜力。

1 研究区域与数据来源

乌达煤田位于内蒙古自治区乌海市西南，西、北接乌兰布和沙漠，东距黄河6 km，其中的五虎山属于南部贺兰山的余脉。乌达煤田隶属于神华乌海能源有限公司，分为苏海图矿、黄白茨矿和五虎山矿，占地面积约84 km2，地质总储量为6.3亿t。自1961年黄白茨矿发火以来，煤火灾害从未停息，煤火最严重时期乌达煤田火区数目达到16个，煤火面积为349.6万m2。CBERS-04卫星自2014年12月7日发射升空，搭载全色、多光谱、宽视场和红外相机各1台，其中热红外波段(光谱范围为10.4～12.5 μm)可用于夜间热成像，空间分辨率为80 m，重访周期为26 d。为了更加准确地探测煤火位置，本次试验采用2018年1月26日的CBERS-04卫星冬季夜间热成像数据，选用2017年12月31日的Landsat-8卫星影像数据作为几何校正影像，采用2015年11月12日的ASTER卫星夜间热红外影像作为验证数据。

2 研究方法

2.1 热红外影像的地表温度反演方法

首先，根据中国资源卫星应用中心发布的CBERS-04卫星红外相机热红外波段定标公式和定标系数将卫星图像DN值转换为辐亮度图像，辐射定标公式见式(1)。

L(λ)=Gain·DN+Offset

(1)

式中：L(λ)为定标后的辐射亮度，W/(m2·sr·μm)；DN为热红外影像的亮度值；Gain为定标增益系数，数值为0.0558；Offset为增益偏移量，数值为-0.117。

热红外影像表现出的是地表的温度差异状况，其成像结果与可见光影像存在较大差异，为了能更好地与现有的数据进行匹配，在湖泊、道路交叉口等温度异常区现场采集部分GPS点并在Landsat 8卫星的全色和热红外影像上共选取13个点作为参考点，使用ENVI软件的Registration功能完成CBERS-04卫星热影像的几何校正，热红外影像的几何纠正中误差为0.65个像元。

目前中国资源卫星应用中心尚未提供CBERS-04卫星IRS波段的光谱响应函数，因此不能建立该波段的理论温度反演公式，笔者采用地面同步温度测量的方式来构建地表温度反演公式。CBERS-04卫星的热成像时间为22∶49，完全的地表温度同步测量很难做到，笔者在现场将人员分为2组，在22∶30～23∶30之间使用testo830-S1红外测温仪实施地表温度和GPS定位测量，选取乌兰布和沙漠沙地、乌达煤田煤矸石、乌达煤田东部房屋屋顶、植被、黄河冰、城区公园湖内冰水混合物6种地类，地表温度测量点数分别为15、12、18、13、17，共测量80个点。利用测量的地表温度点和CBERS-04卫星热红外影像辐射亮度值建立二者之间的线性拟合关系式，见式(2)。

T=13.169L(λ)-60.515

(2)

式中，T表示地表实测温度值，℃。地表温度线性拟合的相关系数为0.798。

2.2 自适应边缘阈值法

煤火探测方法的理论基础是确定热图像背景温度和煤火区温度临界值，目前的主要方法包括手工调试法、梯度阈值法、移动窗口法[12-14]，其中，手工调试法通过调整温度阈值来目视热异常提取效果，梯度阈值法和移动窗口法分别从整体和局部角度考虑设置温度阈值。本文提出一种自适应火区边缘阈值算法(adaptive-edge threshold algorithm,AETA)来探测煤火的边界，算法的具体流程如下所述。

由于CBERS-04卫星热红外影像的噪声较大，首先需要过滤平滑这些图像噪声并保留煤火区的特征，本文选择高斯滤波器来过滤图像噪声，高斯滤波器通过对高斯函数进行离散化，以离散点上的高斯函数值为权值，对图像灰度矩阵的每个像素点在一定邻域内加权平均来消除高斯噪声，高斯卷积核Hi,j的计算公式见式(3)。

(3)

式中：i、j分别为图像的行、列号；k用于确定高斯卷积核的维数，高斯卷积核的大小为2k+1；σ表示高斯分布的标准差，决定了高斯滤波的强度。这里设置k=2，σ=1。高斯滤波器有效抑制了原始噪声，但也产生了极大的模糊效果。

为了确定煤火区的边界，采用图像处理中的6种边缘检测算法探测火区梯度突变的界线，这6种算子分别是Sobel、Roberts、Prewitt、Log、Canny和Zero cross算子，它们分别与高斯滤波后的温度图像进行卷积运算后的结果如图1所示。

图1 6种缘检测算子识别煤火区边界的效果Fig.1 The identified effects of coal fire boundaries for six edge detection operators

图1中矿区地表温度底图显示的高亮白色属于煤火范围，各类边缘检测算子能探测到矿区高、低温的区域变化边界，图1(d)、图1(e)和图1(f)分别显示Canny算子、Zerocross算子、Log算子虽能识别高、低温边界却产生了大量的噪声边缘；相比而言，图1(a)、图1(b)和图1(c)显示的Roberts算子、Prewitt算子和Sobel算子能较为准确地描述温度剧变的边缘特征，但是Roberts算子损失了大量的高温和低温边缘特征；相对Sobel算子，Prewitt算子识别的高、低温边缘像素少且边缘精度低；而Sobel算子不仅能同时定位高、低温边缘，探测边缘数量充足，而且边缘定位精度在6种算子中最高。因此，本文选取Sobel算子完成火区边缘检测，Sobel算子的计算公式见式(4)。

(4)

式中：f(i,j)为处理的图像；Gi和Gj分别为水平和竖直方向算子的卷积结果；G为检测得到的边缘幅度值。

图1(c)显示的Sobel边缘中不仅包含了高温火区的边界而且也探测到了低温边缘。AETA法的最终目的是去除低温边缘而保留高温边界，因此分别选取温度均值Ta减温度标准差stdT(Ta-stdT)、温度均值Ta、温度均值加温度标准差(Ta+stdT)这3种温度值作为矿区地表高温缓冲区的分割阈值，经过试验发现大于Ta+stdT的温度阈值能较准确地识别矿区地表的高温缓冲区，分割出的高温缓冲区与Sobel边缘求交集后即可产生煤田地表高温区域边缘。虽然Sobel算子探测出了大部分的图像温度梯度边界，但是并未探测出全部的高温区边缘，因此直接利用这些边缘值并不能完整地描述出煤火区的范围。为了提取煤火区的范围，叠加这些高温边缘与原始地表温度图得到高温边缘温度图，然后求取高温边缘的温度均值作为最终火区分割的温度阈值Th，基于该温度阈值再将提取的栅格煤火区转换为矢量多边形即可完成煤火区的识别，算法的流程图如图2所示。

图2 AETA法煤火提取流程图Fig.2 The flowchart of extracting coal fires using AETA algorithm

3 结果与分析

根据自适应边缘阈值法确定的2018年1月26日的CBERS-04卫星热红外温度图的煤火分割阈值为-4.96 ℃，利用该阈值生成的乌达煤田煤火的边界如图3所示，图3中的实线边界表示使用AETA法提取的乌达煤田火区，识别大小火区共39个，煤火区面积为3.00 km2，从调查的煤火燃烧的土地类型看属于地下煤火、煤堆火和煤矸石火的数量分别为4个、5个和30个，其中煤矸石为煤炭露天开采过程中产生的废弃物。笔者在2018年1月25日和27日2天调查了乌达煤田火区状况，使用手持GPS设备实测169个明显煤火位置点(十字形)，其中L1、L3、L4、L5、L6和L7区(虚线区)表示未探测到的火区；为了检验火区边界识别的准确度，现场采集了L2、L8、L9、L10和L11共5个明显火点边界(虚线区)；同时发现有1处多余探测的火区，如图3中M1区的紫色填充区所示。

现场调查结果发现基于CBERS-04卫星热红外影像和本文算法提取的煤火区位置均与现场火区所对应，但对于小于5个像元大小的区域在栅格转换矢量后易造成了较大的煤火区探测面积损失。L1、L3、L4、L5、L6和L7区未能探测出高温异常是因为这些火点位置分散，面积远小于80 m的像元尺寸，其总体温度相比集中燃烧火区的温度要低，导致CBERS-04卫星热红外传感器未能检测到这类零星火点。L2、L8、L9、L10和L11区的煤火点位于煤火高温异常区的外边缘，其中L10中的煤火点完全位于探测的煤火区内；其中L2、L8和L9区距离所探测的煤火区边界在1个像元大小内，L8区域的60个实测点中，有26个煤火点位于火区内，11个煤火点在煤火区栅格转换成矢量区域过程中损失掉，有24个点未被完全探测到，火区边界约有1个像元的误差，这些像元误差可能是几何校正误差或者是卫星热红外传感器边缘探测噪声造成。M1区为冗余煤火区，该处位置为矿区主道路，现场调查并未发现煤火，很可能是由于道路两侧煤火热传导产生了高温异常。根据以上分析，将L1、L2、L3、L4、L5、L6、L7、L8和L9共9个区看作假负区，根据AETA法提取的39个火区作为真正区，仅考虑火区位置识别的真正率，则提取的煤火区的准确率为81.3%。此外，图3显示提取的煤火边界(实线)能较好区分煤火高温热异常区(亮白色)和背景区，煤火区边界与煤火高温热异常火区吻合较好。

图3 利用CBERS-04卫星提取的地下煤火图Fig.3 Extracted underground coal fire map based on CBERS-04 satellite

为进一步验证AETA法的煤火探测能力，选取ASTER卫星和CBERS-04卫星在2015年11月12日夜晚获取的热红外影像，对ASTER卫星采用TES算法反演矿区地表温度[15]，CBERS-04卫星因缺乏相关温度反演公式只能采用热辐射校正后的辐射亮度来识别火区，根据AETA法分别提取2种热红外图像对应的煤火区，2种卫星在同一天夜晚探测的火区如图4所示。因ASTER卫星的热敏度更高，捕捉的热信息更丰富，因此，以ASTER卫星识别的火区作为参考火区，以CBERS-04卫星火区进行对比，其中ASTER卫星探测煤火区21个，真正区为17个，假正区为2个，假负区为4个，则两种卫星的煤火区的位置重叠率为81.0%，这说明使用AETA法探测煤火的精度可靠。结合CBERS-04卫星的热红外图像知，无论是2个假正区还是4个假负区均处于CBERS-04卫星影像的微弱热异常区内，未能提取这些火区的原因可能与所提算法是以整体阈值作为分割煤火热异常的依据有关。CBERS-04卫星和ASTER卫星热红外影像提取的煤火区数分别为19个和21个，煤火区面积分别为1.81 km2和1.40 km2，可见CBERS-04卫星比ASTER卫星提取的火区面积多出29.28%。此外，综合2015年和2018年的CBERS-04卫星提取的煤火区面积来看，三年来随着煤炭价格的不断上涨，煤火面积也随之增长了114.26%。

图4 ASTER卫星和CBERS-04卫星提取煤火区对比Fig.4 Comparison of extracted coal fire areas using ASTER satellite and CBERS-04 satellite

4 结 论

本文基于CBERS-04卫星热红外波段影像，提出一种AETA煤火识别算法来圈定内蒙古乌达煤田煤火边界，通过与实地调查的火区进行对比验证，取得了如下结论。

1) AETA法能消除CBERS-04卫星热红外传感器的热噪声，与其他5种常见的边缘检测算子相比，能更充分精确地探测温度梯度边缘，无需任何人工干预，即可自动准确地确定煤火高温区与背景温度区之间的分隔界线；通过现场实测火点数据验证，发现AETA法的煤火提取精度为81.3%，说明该算法提取的煤火区具有较高的可靠性。

2) 利用AETA法提取乌达煤田同一天夜晚的ASTER卫星和CBERS-04卫星热红外影像的煤火，发现两种卫星提取火区的重叠度为81%，表明AETA法适用于多种热红外卫星煤火探测场景，具有良好的煤火探测能力和较高的可行性，可为煤火监测与防治提供新的技术手段。