基于Ar c GIS的矿山开采沉陷遥感变化监测方法

陈宗玥

（浙江省工程物探勘察设计院有限公司，浙江 杭州 310000）

0.引言

矿产资源是现代生产中的基础材料，对我国各行各业发展都起到了重要作用。然而，矿产资源作为自然资源的一部分，其开采活动必然带来对矿山地区整体生态环境的破坏。将废弃矿采开采出去，就会形成采空区，而采空区表现在地表，就会形成矿山开采沉陷区[1]。地表沉陷会严重破坏地表环境，最终形成地质灾害，影响矿区正常的生产生活。在此背景下，对矿山开采沉陷区进行遥感变化监测，具有重要的现实意义。

关于沉陷区的监测问题研究有很多。例如，文献[3]中汪洁等人利用RS和GIS技术获取2016年和2017年关于浙江省矿山卫星遥感图像，以此为依据，通过图像分析技术实现矿山地质环境监测。麦霞梅[7]等人通过高分二号卫星获取高分辨率矿区影像，并提取其中土壤含水量与光谱特征数据，以此实现煤塌陷地土壤含水量分布状况监测。麻源源[8]等人针对天津地区多处出现地面沉降问题，利用永久散射体干涉测量技术（PS-InSAR）进行监测，以此得出2004～2008年时间序列地面沉降演变特征，绘制沉降速率分布图。

基于前人研究经验，本研究借助ArcGIS平台，提出一种矿山开采沉陷遥感变化监测方法[2]。该方法首先采集矿山开采沉陷区的遥感影像，接着进行图像预处理，提取图像特征，通过分类器实现目标沉陷区识别，最后按照时间序列排列图像，生成时空特征图，以此分析矿山开采沉陷遥感变化规律[4]。本研究旨在为矿山沉陷区治理提供可靠的依据。

1.矿山开采沉陷遥感变化监测方法研究

矿山被开采后，原有的位置会空下来，空下来的空间被称为采空区。采空区的出现是导致地表沉陷问题的直接原因。当采空区失去矿石的支撑后，为了维持该位置原有地应力的平衡，应力会重新分布，从而连带岩石发生位移，导致沉陷事故的发生[5]。沉陷问题的出现会导致地表环境受到严重破坏，如，土地破坏、植被退化、水污染、地面建筑坍塌等。基于此，为避免开采沉陷问题带来的安全事故以及为沉陷区治理提供可靠依据，进行基于ArcGIS的矿山开采沉陷遥感变化监测方法研究。

1.1 矿山开采沉陷区遥感图像采集

遥感图像采集是矿山开采沉陷区变化监测的首要环节，后续分析都是在采集到的遥感图像的基础上进行操作。遥感图像系统主要由三部分组成，即载体装置、采集设备以及地面控制中心[6]。

（1）载体即搭载采集设备的装置，一般分为三类：地面遥感、航空遥感、航天遥感，分别以地面上可移动装置、航空器、航天器作为载体。

（2）采集设备即图像拍摄设备，是遥感系统当中的核心，其选择采集设备类型的不同，采集到图像类型也不同，后续处理方法也会存在差异[7]。采集设备与遥感图像对应关系（如表1所示）：

表1 采集设备与遥感图像对应关系表

（3）地面控制中心即中央控制基站，对整个遥感图像采集起到控制作用。

在本研究中，以无人机为载体，以光学镜头为采集设备，搭建遥感系统，采集矿山开采沉陷区图像。采集过程如下：

步骤1：遥感系统启动，并初始化。

步骤2：设置光学镜头与无人机初始化参数。

步骤3：设置采集窗口和图像参数、帧状态。

步骤4：采集一帧或多帧图像数据。

步骤5：判断采集是否完成。若采集完成，则进行一次数据保存，等待进行下一步处理；反之，则继续进行图像采集，直至完成采集任务。

步骤6：关闭遥感系统。

1.2 遥感图像预处理

ArcGIS是遥感图像处理过程中最常用的处理工具，集图像处理、图像元素添加与删除、图像增强、图像显示等多方面于一体，功能十分强大。其图像处理过程如下：

步骤1：启动ArcGIS。

步骤2：打开菜单中的文件，启动“打开”对话框，在对话框中选择需要打开的图像文档。

步骤3：点击不同的功能键，进行图像预处理。

以ArcGIS为依托，在遥感图像采集之后，为提高其质量，需对遥感图像进行预处理，具体包括三个方面。下面针对这三个处理过程进行具体分析。

1.2.1 遥感图像灰度化

初始遥感图像为彩色图像，而彩色所包含的信息量较大，干扰信息很多，因此，为降低色彩对图像的干扰，首先需要将彩色遥感图像进行灰度化处理。处理方式有四种，分别如公式（1）、公式（2）、公式（3）、公式（4）所示：

（1）分量法

式（1）中，R（i，j）、G（i，j）、B（i，j）为彩色遥感图像中像素（i，j）的色彩分量。

（2）最大值法

（3）平均值法

（4）加权平均法

1.2.2 遥感图像滤波

受到采集环境如，光照、云层、污染物等影响，采集到的遥感图像中存在很多噪声点，会形成干扰信息，因此，需要对灰度遥感图像进行滤波处理。在这里通过一种改进后的自适应中值滤波算法进行遥感图像处理。

中值滤波是一种以中值代替原有像素值实现噪声点去除的方法，原理如公式（5）所示：

式（5）中，P（i，j）为滤波模板中心点的滤波值；x i，（）

j为图像的灰度值；S为滤波模板所有邻域像素集合。

自适应中值滤波是上述基础中值滤波的改进和优化，即根据计算的中值来自适应调节滤波模板，如公式（6）所示：

式（6）中，Gmid为中值；Gmin、Gmax为滤波模板内的最小值和最大值；S为滤波模板。

然而，Gmid也是根据原有滤波模板计算出来的，因此难以避免地也会受到噪声干扰。为此，在这里通过计算Gmax和Gmin之间的极值平均值G来代替Gmid，与图像中像素点进行对比。极值平均值G计算方法如公式（7）所示：

利用得到的G进行异常点检测，如公式（8）所示：

式（8）中，G x，（）

y为图像像素点。

异常点由噪声点和边缘点组成，然后根据公式（9），从异常点中分离出噪声点。

1.2.3 遥感图像增强

为了使得特征显示更加明显，需要进行图像增强处理。在这里通过最小灰度分辨率直方图均衡来进行增强，原理是分别对高频灰度像素和低频灰度像素进行限制和增加拉伸处理。具体过程如下：

步骤1：计算各像素的局部方差和均值差。如公式（10）、公式（11）所示：

式（11）中，n为像素点数量；为领域均值；Y（i，j）为点（i，j）出的灰度值；Y（s，t）为点（s，t）出的灰度值。

步骤2：计算广义直方图，计算公式如公式（12）所示：

式（12）中，N、M分别为图像行、列数；f（i，j，k）为直方图；k为灰度级。

步骤3：计算累积直方图P（k）。如公式（13）所示：

步骤4：计算各灰度级的映射map（k）。

步骤5：得到增强后的遥感图像。如公式（14）所示：

1.3 基于深度学习的沉陷区识别与监测

预处理好遥感图像后，进入目标识别环节，即从遥感图像中识别出沉陷区，然后划分范围，统计面积，最后按照时间规律，实现矿山开采沉陷区动态变化监测。在这里矿山开采沉陷区识别采用深度学习算法来实现。深度学习也被称为深度神经网络，其中分为多个分支结构，在这里选择其中的卷积神经网络，因为卷积神经网络将特征提取和分类识别集于一体，节省了特征提取的环节，效率更高。

基于卷积神经网络的沉陷区识别与监测基本流程如下：

步骤1：输入预处理好的矿山开采沉陷区遥感图像。

步骤2：使图像进入卷积层，通过卷积核获取图像特征信息。卷积公式如公式（15）所示：

步骤3：特征图像进行池化，聚合图像中不同位置的特征；

步骤4：重复上述步骤2和步骤3。

步骤5：进入全连接层，进行分类，给出识别结果。

步骤6：进入输出层，通过Soft Max得出样本属于不同事物类型的概率分布情况。

步骤7：重复上述过程，处理每隔一段时间内采集的矿山开采沉陷区遥感图像，然后按照时间序列分析其变化规律，完成遥感变化监测。

2.实例分析

2.1 研究区概况

某地区矿区经过多年开采，严重破坏了地质环境，沉陷问题日益严重。为此，利用所研究的方法对该地区进行矿山开采沉陷遥感变化监测。研究区概况（如图1所示）：

图1 研究区示意图

图1中，A区域为沉陷集中区域，选择该地区作为对象，采集2017～2019年的遥感图像，进行矿山开采沉陷遥感变化监测。

2.2 遥感图像采集工具选型

选择T650六翼无人机搭载DMC-ZS110GKS摄像机构建遥感采集系统（如图2所示）：

图2 遥感图像采集示意图

2.2.1 DMC-ZS110GKS摄像机功能特征

（1）机身规格1240mm×71.1mm×597mm，重量509g，其尺寸和重量都较小。

育秧节省秧田。机械插秧采用的是毯状秧苗，播种密度大，育秧面积集中，节省育苗用秧田。育苗用秧田与大田比例达1：70-90，秧田利用率比常规育秧提高5-10倍，可大幅度节约耕地，增加农民收入。

（2）基于先进的AI人工智能技术，实现实时追踪，时刻聚焦拍摄目标。

（3）搭载Exmor CMOS影像传感器，实现高感光度与优良的色彩还原能力。

（4）双重降噪与模数转换器，获得2020万有效像素，即使在亮度不足的情况下，也能拍摄出清晰的照片。

2.2.2 T650六翼无人机飞行参数如下：

（1）对角轴距（多旋翼）：605mm（不含桨，降落模式）。

（2）最大爬升速度：P模式/A模式5m/s；S模式6m/s。（3）最大下降速度：垂直4m/s；斜下降4-9m/s。（4）最大航高：普通桨2500m；高原桨5000m。（5）悬停精度：垂直±0.5m；水平±1.5m。

（6）续航时间：27min（使用Zenmuse X4S）。（7）抗风能力：10m/s。

2.3 沉陷区遥感图像识别

卷积神经网络图像识别结果（如图3—图5所示）：

图3 2017年沉陷区示意图

图5 2019年沉陷区示意图

图4 2018年沉陷区示意图

2.4 沉陷区面积统计

统计图3—图5中沉陷区面积，结果（如表2所示）：

表2 沉陷区面积变化表

2.5 结论分析

结合图3—图5以及表2可以看出：研究区的沉陷区域逐渐扩大，尤其在2019年，沉陷区增长速度较前两年扩大速度加快，逐渐威胁周围的农田和植被，亟待进行治理。

3.结束语

综上所述，为满足人们生产、生活的需要，矿山开采是一种必要活动，但是矿产资源的开采必然带来周围环境的破坏，沉陷区的出现就是其中一种常见现象。沉陷区会破坏周围土地环境，破坏地表建筑稳定性。在此背景下，为更好地治理沉陷区，进行基于ArcGIS的矿山开采沉陷遥感变化监测方法研究。该研究最后进行实例测试，证明了所研究方法的有效性。然而，本研究在实例测试部分，仅对三年沉陷区变化情况进行研究，研究数据较少，因此有待进一步扩展分析。