多时相光学遥感在采矿塌陷监测中的应用研究

王战卫，张筱蕾

（河南省航空物探遥感中心，河南 郑州 450053）

矿山开采时，由于受重力影响，局部地区容易出现地面间隙，从而导致地面塌陷[1]。如何准确快速查明矿区塌陷现状，尤其是积水塌陷区状况已经成为矿区环境综合治理的主要问题。遥感特有的宏观、综合、动态、快速的特点，决定了它能够被广泛地应用于国民经济与社会发展的各个领域，充分体现出它强大的生命力和广阔的前景[2]。卫星资料的商业化极大地提高了光谱和数据空间的分辨率，为利用动态遥感技术检查矿的塌陷区域提供了可能性[3]。本文采用多源、多时相遥感数据，有效提取了矿山地面塌陷积水的动态信息，从而反应出采矿地面塌陷情况。

1 水体提取方法及影像处理

1.1 遥感数据源

本次研究区采用采用了1988-2019年TM、ETM、OLI、ASTER、Sentinel-2五种传感器6个时相的遥感数据（如表1）。监测所采用的影像基本上都位于同一个时间段，提取出的水体信息具有很好的可比性，可以满足动态监测的需要。

表1 监测所使用遥感图像的参数

1.2 水体指数发展

目前，国内外在水体信息自动提取方面研究很多，其中利用光学遥感数据进行水体信息提取的方法比较成熟，其中，多波段增强图阈值法是国内外使用较多的方法，主要利用遥感影像各波段之间的综合关系来进行水体信息提取[4]。水体指数法是通过多波段运算来增强地物之间的反差，使得水体值高于非水体地物值，当前主要的水体指数有：归一化差异水体指数（normalized difference water index，NDWI）[5]、新型水体指数（new water index，NWI）[5]、改进型组合水体指数（MCIWI）[5]、综合归一化差异水体指数（synthesize water index，SWI）[6]等。

1.3 遥感影像处理

利用FLAASH模块进行了大气校正，使用最邻近法对像元的灰度值插值计算，进行了正射校正。其中Sentinel-2大气校正在Sen2Cor进行。对遥感数据进行裁剪，最终获取研究区遥感影像见图1。

图1 研究区遥感影像图

2 水体信息提取

2.1 Landsat水体信息提取

由于地物光谱的复杂性、不同传感器之间的差异性，所以在选择具体的分类方法时还应该从分析不同的地物波谱特征开始入手。从遥感图像上可以看出，本区水体信息提取时需要着重考虑煤、植被、建筑物、水体这4种地物。从TM/ETM+/OLI图像上分别选取具有代表性的建筑物各12个点，得到它们的DN值，最后统计出它们的平均DN值，得到这4种地物的波谱曲线（如图2）。

图2 煤炭、植被、水体、建筑物在TM中的波谱曲线

Landsat使用的归一化水体指数MNDWI进行水体信息提取：

其中式（1）Green是TM/ETM+的第2个波段，OLI的等3个波段；NIR是TM/ETM+的第5个波段，OLI的等6个波段；

在具体的操作过程中发现提取出的水体信息中出现了大量的非水体信息，这主要是受到了部分堆积地表的煤炭的干扰，这就是遥感图像处理中的异物同谱的问题，从TM图像中可以看出要想把煤炭和水体区分开来是很困难的。由于煤炭的光谱和水体非常相似，所以在具体的操作中应该考虑第4类地物也就是煤炭的干扰。经过试验我们发现可以通过适当提高阀值来解决这个问题，各个时相的阀值如下：1988的为0.017，1991年的为0.002，1996年的为0.100，1999年的为0.182，2009年的为0.062，2013年的为0。然后通过取阀值得到最后的分类结果。

2.2 ASTER水体信息提取

在研究区ASTER影像上选取建筑物、水体、植被、煤炭各12个点，在9个波段经过取平均值后得到它们的光谱曲线（如图3）。可以看出ASTER的地物光谱曲线与上述Landsat有很明显的区别，特别是地物在短波红外波段（第4波段开始）的亮度值突然变小。如果继续使用改进归一化差异水体指数（MNDWI）对ASTER进行水体分类，无法将水体同煤炭、植被和建筑物区分开来，这就要求我们根据ASTER数据特点重新建立合适的基于ASTER数据的归一化差异水体指数。

图3 煤炭、植被、水体、建筑物在ASTER中的波谱曲线

通过分析可以发现，基于上述Landsat数据的归一化差异水体指数之所以在ASTER数据中不能发挥它的作用，主要是因为在3波段中建筑物的亮度值小于其1波段的亮度值，而在4波段中植被和建筑的亮度值都小于其在1波段中的亮度值。在此，我们对ASTER数据的x波段的亮度值进行拉伸，使植被、煤炭和建筑物的亮度值都大于其在y波段中的亮度值，在拉伸时确保水体在x波段中的亮度值小于y波段的亮度值。则基于ASTER数据重新建立的两个归一化差异水体指数如下：

n是对y波段进行拉伸的系数。

通过对研究区实验及分析发现,当x=1，y=4,n=3.52时，水体提取效果最好（如图1）。

2.3 Sentinel-2水体信息提取

在研究区大气校正后的Sentinal-2影像上选取建筑物、水体、植被、煤炭各12个点。通过分析可以发现，建筑物、植被和煤炭在波段5到波段12的亮度值均大于水体的亮度值。本文通过对11波段进行阈值计算，DN值小于1000的划分为水体，DN值大于1000的为非水体，以此来提取研究区水体信息。

图4 煤炭、植被、水体、建筑物在Sentinel-2中的波谱曲线

2.4 水体信息提取结果

研究区采用了TM、ETM、OLI、ASTER、Sentinel-2五种传感器6个时相的遥感影像，分别运用不同方法进行了水体信息提取。提取结果如图1。对部分云雾进行去除和目视解译完善，最后将提取结果与矿区范围叠加分析。

3 积水塌陷区面积的扩展变化分析

通过对该矿30年间积水塌陷变化信息进行定量统计，结果表明，30年间该矿的积水塌陷扩展明显，如图5，该矿1988年至2019年塌陷区域分布图。2002年已采区地表沉陷区总面积约263884m2，2013年已采区地表沉陷区总面积约2195124m2，2019年已采区地表沉陷区总面积约5939400m2。统计结果显示：2002年至2013年，11年内已采区地表沉陷区面积增长了1931240m2，平均每年增长175567m2/y；2013年至2019年，6年内已采区地表沉陷区面积增长了3744276m2，平均每年增长2049811m2/y。由此可以看出，随着时间的推移该矿已采区地表沉陷区面积在不断增大，且增长速度也在不断的加快。

图5 1988年至2019年矿塌陷区域分布图

4 结语

遥感技术应用于采矿塌陷区，能够方便快捷地提取信息，并且有效结合全球定位系统与地理信息系统的集成，在空间信息技术中发挥了较好的作用。

文章选取了1988-2019年五种传感器6个时相遥感数据，对不同数据源地物光谱特征进行分析，采用水体指数对多时相的光学遥感数据集进行处理，提取了矿区积水信息，通过对该矿30年间积水塌陷变化信息进行定量统计，了解了矿区塌陷动态变化情况，是进行矿区环境实时动态监测的一种有效手段，为矿山地质环境调查提供丰富的资料和技术方法。