无人机低空遥感矿山地质灾害监测研究进展及发展趋势

廉旭刚 韩 雨 刘晓宇 胡海峰 蔡音飞

(1.太原理工大学矿业工程学院,山西 太原 030024;2.长安大学地质工程与测绘学院,陕西 西安 710054)

矿产资源在国民经济、社会发展中发挥着不可替代的重要作用[1]。随着矿产资源的大量开采,地面塌陷、地裂缝、边坡崩塌与泥石流等各类地质灾害频发,破坏了大量耕地,导致水土流失及碳排放增加等问题,对人民生产生活造成了巨大的影响[2-3]。水准测量、三角高程测量与GNSS等方法虽然在矿山地质灾害监测中可以获取高精度的监测数据,但是存在耗时费力、工作量大等不足,并且难以获取地质灾害的面状信息。利用光学遥感数据进行监测具有覆盖面积大的优点,但受限于时空分辨率,其监测滑坡、裂缝的能力有限。InSAR技术容易产生失相干现象,受限于其沉降监测梯度,无法获得大梯度的变形信息[4-7]。此外,近年来大量学者采用三维激光扫描技术进行矿区地质灾害监测,但从数据获取、处理到结果形成,耗时较长,且人工干预处理的因素较多,难以实现实时动态监测[8-9]。

近年来,随着无人机低空遥感技术的模块化、小型化及智能化发展,凭借成本低、周期短、效率高等优势,已在多个领域得到了应用[10-12]。在矿山地质灾害监测领域,无人机可以通过配备可见光、热红外、LiDAR、高光谱、多光谱等不同的载荷,根据不同的精度要求采集数据并进行相应处理。与传统测量方法相比,无人机可快速采集数据并获取相关结果,对促进资源开发与环境保护的协调发展具有重要作用,在矿区地质灾害监测方面具有较大的应用潜力[13]。刘晓宇等[14]分析了免像控及像控点的数量和分布在不同情况下无人机生成结果的精度,研究发现:免像控无人机摄影测量精度在地质灾害监测中可被接受。廉旭刚等[15]利用免像控无人机摄影测量技术监测了开采沉陷盆地的动态发展过程,与实测数据对比,该技术测量精度达到10～15 cm,为矿山开采沉陷监测提供了新思路。何柯璐等[16]、汤伏全等[17-18]、焦小双等[19]分别利用无人机激光雷达技术,对矿山开采沉陷区域进行了周期性扫描与建模,分析了主流的点云滤波算法及DEM插值方法,高效地获取到沉陷盆地的三维模型及精细特征,为促进无人机雷达技术在矿区地质灾害监测中的应用提供了技术支撑。李昱昊等[20]、亓立壮等[21]、周大伟等[22]、张雅飞等[23]分别利用无人机对矿区工作面开采引起的地表沉陷进行了监测,得到地表动态下沉盆地,并求取了开采沉陷参数;或结合InSAR技术对矿区地质灾害进行多尺度监测,实现了地面损害信息的精准提取,从而建立了多尺度综合监测理论与技术体系。将无人机影像和点云数据与建筑信息建模(BIM)技术相结合,进行精细建模,以精确获取三维地面模型的坐标与高程信息,为推动无人机在三维建模与危险环境调查中的应用提供了新思路[24]。近年来,不少学者基于无人机影像,利用机器学习方法提升了矿区地质灾害识别效率;结合现场调查方法,论证了机器学习算法应用于矿区地质灾害监测的可行性,为高效实现矿区地质灾害三维可视化分析、灾害发展机理及规律研究、矿区安全生产评估及预警系统构建提供了决策支持[25-27]。

目前,基于无人机低空遥感地质灾害监测的研究已经取得了一定的进展,但总体上仍处于探索阶段。本研究结合学术界现有成果以及课题组近年来的相关实践探索,系统总结了无人机低空遥感在矿区地质灾害监测中的应用进展,在此基础上剖析了该技术当前存在的不足,并展望了未来发展方向。

1 无人机低空遥感开采沉陷监测

矿区开采沉陷引起的地表变形具有下沉量大、形变剧烈的特点,对地表建(构)筑物及生态环境造成了极大的损害,因此实时、精确地掌握矿区地表变形特征,对于保障矿区居民生产生活安全及科学防治生态环境问题具有重要作用。

1.1 利用UAV低空遥感数据构建开采沉陷盆地

在露天矿监测方面,无人机低空遥感一直是较为有效的一种监测方法。SHAHBAZI等[28]利用无人机摄影测量方法分析了矿区地形特征,快速计算了土方量,并利用点云数据建立了矿区三维模型。GE等[29]将无人机低空遥感方法应用于露天矿,研究发现,该方法不仅可以有效估算矿库储存量,而且在监测矿区边坡稳定性方面也具有一定的优势。XIANG等[30]运用差分DEM方法分析了矿区地形地貌的变化特征,实现了露天矿开采活动对矿区环境影响的监测分析。总体上,无人机低空遥感在露天矿开采活动范围圈定、储量计算、地形数据建模、边坡测绘、生态修复等方面得到了广泛应用。

目前,利用无人机低空遥感方法构建因采煤引起沉陷盆地的主要思路是,通过不同时期的数字高程模型(Digital Elevation Model,DEM),使用栅格代数运算等空间分析工具,计算出地表下沉量(图1)。其中,点云滤波是机载激光雷达数据处理获取高精度DEM数据的重要步骤之一[31],机载LiDAR数据预处理流程如图2所示。MONTEALEGRE等[32]评估了7种软件的滤波方法,详细分析了影响滤波误差可能产生的各种因素,如坡度、点密度、地表植被等,结果表明,各种方法都具有不同的优劣。本研究课题组[33]详细分析了当前主流点云滤波算法的特点(表1),并以某研究区为例,分别给出了该区DSM以及不同滤波算法生成的DEM,如图3所示。

图1 无人机摄影测量及激光雷达地面沉陷监测流程Fig.1 Flow of the surface subsidence monitoring flow by UAV photogrammetry and LiDAR

图2 机载LiDAR数据预处理流程Fig.2 Preprocessing process of the data acquired by Airborne LiDAR

图3 某研究区的DSM和多种算法生成的DEM[33]Fig.3 DSM and DEM generated by various algorithms in a study area

表1 不同点云滤波算法及使用的参数类别[33]Table 1 Different point cloud filtering algorithms and its parameter types

在获取高精度的DEM之后,利用DEM差分方法可以得到开采沉陷盆地。对此,高冠杰等[34]使用四旋翼无人机低空遥感对宁夏某矿进行了沉陷监测,经过多次地面高程对比,得到某工作面开采地表下沉量达到6.5 m。张永庭等[35]利用无人机机载LiDAR获取了多期点云数据,得到地面沉陷的三维模型,并利用水准测量与GNSS监测对其精度进行了评估。杨绪霆等[36]针对地形复杂的矿区,采用无人机仿地飞行技术,通过搭载TOF传感器与PID控制器,提高了监测精度,为无人机矿区开采沉陷监测提供了新的技术手段。高银贵等[37]采用无人机摄影测量技术对鄂尔多斯某矿进行了地表沉陷监测,并通过实际水准数据分析了沉陷盆地监测的精度,研究反映出该方法可以作为我国西部矿区高强度开采地表沉陷监测的有效手段之一。

近年来,本研究课题组在此方面展开了相关研究,取得了一定的进展。将DInSAR和无人机低空遥感相结合,实现了对开采沉陷盆地边缘地带和中心区域的高精度监测,进而提出了两种不同数据集融合界限选择的新方法,验证了融合数据与水准数据的一致性。具体成果有:① DInSAR与无人机技术相结合较单独使用DInSAR或无人机技术能更全面、准确地监测地面沉降[23];② 使用点云滤波和插值方法得到的差分DEM构建了地表沉陷监测的动态沉陷盆地,进而研究了移动盆地的发展过程和下沉规律,通过与地面实测点对比,分析了动态沉陷盆地监测精度,量化了差分DEM的不确定性。以山西省阳泉市某矿为例[38],进行了现场试验与应用。该矿利用无人机低空遥感获取的地表动态盆地发展过程如图4所示,矿区实测水准数据与沉陷盆地提取剖面的对比分析结果如图5所示。

图4 山西阳泉某工作面动态沉陷盆地发展过程[38]Fig.4 Development process of dynamic subsidence basin of a working face in Yangquan,Shanxi Province

图5 监测点实测与无人机沉陷盆地剖面提取下沉对比[38]Fig.5 Comparison between measured subsidence at monitoring points and subsidence profiles extraction of UAV

分析表明:实测水准数据与沉陷盆地提取的剖面数据所体现出的地表下沉趋势较为接近,计算的均方根误差大部分为0.2～0.3 m,精度最高时可达到0.17 m,拟合值与实测值的相对误差最大不超过20%,最小可达0.7%。

综上,目前利用UAV低空遥感数据可以对矿区开采引起的沉陷进行有效监测,监测精度一般可以达到分米级,地面条件较好时,可以达到厘米级,尤其是对大梯度沉降具有较好的监测能力,为矿区沉陷监测和生态环境恢复提供了科学的技术支撑。但对于沉陷盆地边缘的微小形变,监测能力还有待提高。此外,在矿区植被密集的情况下,传统滤波方法的自适应能力差、耗时较长,导致滤波效果仍然欠佳。构建高精度开采沉陷盆地对于点云滤波方法、传感器精度等提出了新的要求。

1.2 利用UAV低空遥感数据监测地表水平移动

从采动地表移动过程来看,地表点移动方向分为垂直移动与水平移动。垂直移动被称为下沉;水平移动在传统地表移动观测站中,一般以工作面的走向和倾向主断面观测线进行研究,可分为走向主断面水平移动与倾向主断面水平移动。现阶段,基于无人机低空遥感方法对水平移动的相关研究主要侧重于通过数字正射影像(DOM)来确定水平移动的范围。CWIAKALA等[39]通过无人机获取的DOM确定监测点位置,并在DSM中获取监测点的位置来确定水平移动,结果表明:该方法水平位移的精度为1.5～2.0倍的地面采样距离(Ground Sampling Distance,GSD),高程和沉降的精度为2～3倍的GSD。PUNIACH等[40]基于无人机获取的高分辨率DOM,利用离群值去除方法自动确定水平移动。何柯璐等[41]针对无人机LiDAR点云数据计算水平移动的问题,开创性地提出利用深度神经网络(Deep Neural Networks,DNN)方法,在神榆矿区结合地形特征对BSC(Binary Shape Context)算子进行改进来提取水平移动,结果表明:该方法在提取采煤沉陷盆地的水平移动方面效果较为理想,为无人机低空遥感获取水平移动提供了技术途径。总体上,当前利用无人机低空遥感技术对采煤引起的地表水平移动的相关研究有待深入,仍需继续探索无人机低空遥感获取地表水平移动的方法。

1.3 利用UAV低空遥感数据反演岩层移动参数

岩层移动参数在矿山开采沉陷预测、重要建(构)筑物保护煤柱留设方面发挥了重要作用。目前开采沉陷预测方面应用较为成熟的方法是概率积分法,其预计参数主要有下沉系数、水平移动系数、主要影响角正切、拐点偏距及开采影响传播角;保护煤柱留设主要采用的角量参数是移动角。无人机低空遥感监测方法为精确获取上述参数取值提供了新的技术途径。

目前,无人机低空遥感监测在反演开采沉陷岩层移动参数方面取得了一定的进展。ZHENG等[42]通过无人机机载雷达数据构建了多期DEM,并获取了地表最大沉降值、沉降范围、移动角、边界角等参数,利用UAV监测成果求出的走向与倾向边界角分别为63.8°和66.5°,与利用水准测量得到的边界角61.2°具有一定的吻合性。尽管无人机在反演岩层移动参数方面具有一定的优势,但是精度尚有进一步提升的空间。对此,部分学者尝试使用机器学习算法来求取概率积分法参数,实现开采沉陷的精确预计。李昱昊等[20]通过BP神经网络算法去除沉陷盆地的噪声,采用模拟退火算法有效求取概率积分参数,有效弥补了无人机精度不高所带来的影响。周大伟等[43]通过均方根误差(Root Mean Square Error,RMSE)来评估动态盆地构建的精度,并提出了短时、高效反演开采沉陷岩层移动参数的方法。WANG等[44]、周大伟等[22]提出了将无人机低空遥感与InSAR技术进行融合,基于UAV/InSAR特征级融合进行了地表沉陷监测,并在某矿开采工作面进行了应用,与单独UAV求参相比,融合InSAR的下沉盆地数据求出的沉陷参数更精确,主要影响角正切的相对误差仅为 5%。

综上,无人机低空遥感技术在开采沉陷监测领域的相关研究较多,尽管在反演岩层移动参数方面得到了成功应用,但仍存在一些不足。目前利用该方法主要能够实现对下沉系数与主要影响角正切值的精确反演,水平移动系数则受限于无人机遥感技术水平而无法精确监测,加之概率积分参数之间存在相互耦合的问题。后续工作中,可通过引入更智能、更高效的机器学习算法和融合其他监测手段,进一步提升无人机在反演岩层移动参数方面的精度。本研究认为,未来值得探索的研究思路为:① 无人机低空遥感与GNSS实时监测相结合,在精度要求不高的下沉盆地中部采用无人机监测,在精度要求较高的盆地边缘采用线状布设的GNSS实时监测,获取移动边界参数;② 无人机低空遥感与InSAR相结合,在下沉盆地边缘采用InSAR监测反演边界参数;③ 无人机低空遥感与光纤变形监测相结合。

2 无人机低空遥感矿区裂缝和滑坡监测

随着矿产资源大规模开采,破坏了岩层原有的应力平衡,在采煤沉陷区引起的地表裂缝、滑坡等地质灾害现象非常普遍,对矿区耕地、建(构)筑物、植被、交通和水体等造成了极大的损害。因此掌握采动引起的地表裂缝、滑坡的发育规律对于矿区地面保护及灾害实时预警意义重大。

目前,地表裂缝及滑坡监测的常用方法有实地人工调查测量、布设GNSS监测点、卫星遥感等[45-48]。传统方法虽然可以获得较精确的裂缝与滑坡监测数据,但耗时费力,并且在一些复杂地形区域,人员和仪器设备无法及时到达现场进行监测,易造成隐蔽裂缝和潜在滑坡区域无法及时被探测,从而存在安全隐患。一些学者利用光学遥感影像来获取矿区裂缝、滑坡发育特征,但受限于遥感影像时空分辨率,无法及时反映矿山开采过程中地表动态裂缝的发育情况和可能造成的矿区周边滑坡等地质灾害[49-50]。此外,部分学者采用有限元FLAC3D和离散元PFC等数值模拟软件分析矿区开采岩层移动,基于给定的本构模型,定性、定量地分析煤层厚度、煤层倾角、内摩擦角、黏聚力以及地形等因素对裂缝及滑坡的影响,从而直观地解释了开采引起的地表裂缝发育特征及滑坡致灾机理。总体上,由于矿区的地形及岩层复杂,边坡几何形态不一,而大多数值模拟方法为简化模型,选择性地忽略掉相当一部分信息,从而使得数值分析结果对于现场实践的参考价值大打折扣[51-53]。

近年来,无人机凭借其载荷类型的多样性,可在短时间内采集到矿区高分辨率光学影像、点云数据及热红外影像等优势,在矿区地表裂缝及滑坡监测方面发展迅速。本研究课题组在该方向进行了不断探索,通过无人机低空遥感提出了滑坡、裂缝判别主辅结合的方法。具体来说:滑坡、崩塌目视解译主要基于三维模型(Three-dimensional Point Cloud Model,3DPCM),DOM作为辅助图像,单架无人机照片和DSM可用于辅助评估;裂缝目视解译主要基于DOM,辅以3DPCM,从而可以快速识别危险区的地形和地质特征,进而有效区分滑坡、崩塌和裂缝的特征。以山西西山矿区为例进行了现场应用,随机验证精度大于93%,提出的基于无人机成果人工解译裂缝及滑坡的技术流程如图6所示,该矿开采引发裂缝及滑坡的目视解译结果如图7和图8所示[54]。

图6 人工解译滑坡、崩塌和裂缝的技术流程[54]Fig.6 Technical process of manual interpretation of landslides,collapses and fractures

图7 无人机图像裂缝目视解译结果[54]Fig.7 Visual interpretation results of cracks in UAV image

图8 无人机图像滑坡目视解译结果[54]Fig.8 Visual interpretation results of landslide in UAV image

不少学者也进行了相关探索,汤伏全等[18]利用无人机低空遥感获取正射影像,采用了Canny算法、支持向量机和最大似然法对地表裂缝进行提取,并与实测结果进行了对比,证明了无人机低空遥感提取裂缝的可行性。基于深度学习算法对高分辨率遥感影像进行地裂缝及滑坡特征的识别也是近年来的研究热点,边缘检测算法、阈值分割算法以及常规的影像分类算法(最大似然法、决策树分类法)等被用于矿区地裂缝及滑坡识别[55-56]。候恩科等[25]对比分析了无人机低空遥感影像与卫星影像对地表裂缝的识别效果,发现无人机低空遥感影像清晰度较高,最小可解译宽度约5 cm的地表裂缝,提高了矿区地表裂缝调查的精度。赵毅鑫等[57]采用无人机红外技术对采动地表浅层隐蔽裂缝进行了试验性识别研究,取得了较好效果。

此外,近年来各种可量化连续地形变化的技术(即高程和/或体积变化)在滑坡调查和监测方面也得到了应用。除了在逐像素的基础上进行差分DEM(Difference of DEM,DoD)方法之外,LAGUE等[58]提出的多尺度模型对模型点云比较(Multiscale Modelto-Model Cloud Comparison,M3C2)的方法也可用于滑坡监测[59-60]。M3C2算法无需对点云进行栅格化处理,能够直接在点云上检测复杂的地形变化。该算法的输出是距离的不确定性和两组数据之间的不显著变化,只有通过消除距离不确定性值和不显著变化量,方可获取滑坡活动引起的变形。

综上所述,以无人机低空遥感方法为主、其他方法为辅的技术思路,可以有效监测分析矿区开采引起的地表裂缝及滑坡的分布特征及发育规律。无人机以其成本低、时效高、分辨率高等优势,可作为一种有效手段对矿区进行精准监测,特别是在矿区动态裂缝、采动滑坡监测方面应用潜力较大。由于矿区地表植被分布,以及存在一些隐蔽性裂缝不易识别,还需利用神经网络、机器学习等方法,结合实地调查以及热红外、多光谱等影像进行联合处理,实现裂缝及滑坡的高效智能监测。

3 无人机低空遥感煤田火区监测

煤火主要发生在地下煤层中,煤层由于人为因素影响发生放热氧化反应而自燃。煤层一旦自燃将难以控制,造成煤炭资源的大量损失并产生多种有害气体,严重威胁着矿区自然环境及居民的正常生活[61]。传统的煤火探测技术主要从矿区明火发生点、高温异常点以及有害气体测量等方面进行监测,主要为了探明煤火的位置。随着科技的发展,钻探、物探以及遥感等技术手段已被广泛应用于煤火监测。20世纪初,国外首次利用热感相机进行煤矸石的定位试验,此后不少学者针对煤火监测开始了大量研究,并取得了丰硕成果[61-63]。李如仁等[64]利用landsat-8卫星影像数据,采用单窗算法、辐射传输等方法反演了某矿区的地表温度,并进行了实地考察,验证了反演结果的有效性。杨国防等[65]基于夜间TASI热红外高光谱遥感数据,建立了空—地回归方程反演地表温度,结果表明:TASI数据部分波段反演的地表温度可以满足煤火监测需求,为矿区煤火监测提供了一定的技术支撑。KUENZER等[66]利用MODIS数据进行了火区探测。蒋卫国等[67]基于LANDSAT TM影像数据,以乌达煤田为例,通过自然分割法、单阈值法和空间叠加分析法研究了煤田火区的时间趋势、空间演变等特征。总体上,利用遥感卫星手段探测矿山火区的方法已经被广泛应用,但由于其时空分辨率限制,无法有效满足小区域的煤火监测需求,以及难以反映煤火随时间的变化趋势和演变态势,在一定程度上限制了其大范围的应用。

无人机低空遥感凭借其时效性、分辨率高等优势,为煤火监测提供了新的技术方法,其监测技术思路如图9所示。由无人机获得矿区的DOM、DSM以及等温图,结合现场对气体异常、高温异常区域的调查结果,可进一步对煤田火区进行准确监测。无人机煤火监测的主要技术路线是通过无人机搭载热红外相机,获取地表的热辐射值,从而得到地表温度变化,并确定地表异常高温区对应的地下煤层为火区,因此其基本原理仍然是通过无人机监测地表温度异常。MALOS等[68]利用无人机低空遥感方法绘制了某矿区地表温度图,GAO等[69]通过无人机搭载热红外传感器建立了地表温度与含水率的相关模型。部分学者利用无人机制作的DOM并结合热红外影像,得出“无人机低空遥感在小区域可监测煤火现象”的结论,并通过外业实测数据,建立相关函数模型用于分析煤火[70]。还有部分学者通过无人机搭载可见光、热红外、LiDAR等传感器,建立地表温度反演模型,并通过自适应阈值法、移动窗口热异常提取算法实现基于无人机热红外遥感技术的煤田火区精细化监测。现有研究表明:利用无人机低空遥感技术可以进行煤火监测,且该方法精度可靠,指明了矿区煤火监测的新方向[71-74]。

图9 无人机低空遥感监测煤火区域的技术流程[68]Fig.9 Technical process of low altitude remote sensing monitoring coal fire area by UAV

综上所述,无人机低空遥感凭借其快速、高效及周期短的优势为煤火监测提供了新的技术手段。但由于矿区地形地势复杂,诸多小型煤火、地下深部煤火过于隐蔽不易监测,仍需进一步探索新的监测方法。可以将无人机低空遥感、三维激光扫描、物探技术等方法充分结合,利用GIS空间分析、聚类分析以及空间热力学等方法挖掘地表温度信息,构建三维温度场,进一步精确定位煤火位置及提高火区圈定的精度和效率,实现煤火监测预警、圈定和治理的协同化、精准化作业。目前,国内这方面的研究成果较少,亟需进一步深入探索。

4 展 望

无人机技术及其载荷多样性的快速发展为地质灾害监测提供了强有力的支持,利用无人机低空遥感方法可以构建高精度的地表动态沉陷盆地,监测矿产资源开采引起的裂缝、滑坡,并进行预警,以及有效圈定煤田火区范围(图10)。随着5G时代的来临,无人机低空遥感将迎来新的发展,通过无人机+5G模式,将进一步提升在矿山地质灾害监测预警方面的能力,更好地服务于矿山绿色、低碳、智能化发展,为黄河流域生态保护和高质量发展提供技术保障。作为传统监测手段及卫星遥感的补充,尽管无人机低空遥感在地面灾害调查及监测预警方面的应用潜力较大,但依然存在不少亟需攻克的技术难点,本研究对此进行详细梳理,并就未来发展方向进行展望。

图10 无人机低空遥感在矿区地质灾害监测的技术流程Fig.10 Technical process of UAV low altitude remote sensing in geological disaster monitoring in mining area

4.1 当前存在的不足

(1)构建高精度开采沉陷盆地。近年来,利用无人机低空遥感技术获取矿区多期DEM,通过差分多期DEM构建矿区沉陷盆地的研究较多。由于矿区地形地势复杂、植被密集引起的精度损失等问题,利用该技术生成高分辨率的采煤沉陷盆地仍处于探索阶段。目前,高精度沉陷盆地构建方面主要存在的不足有:

① 植被密集的影响。传统的点云滤波方法对于地形平缓、植被稀疏的地区较为有效,但面对地形起伏较大、植被密集的黄土沟壑地区,因传统滤波方法的自适应能力差、耗时较长,其滤波效果不理想,难以满足构建高精度采煤沉陷盆地的需要,因此探索新的点云滤波方法,值得深入研究。

② 传感器精度、地形地势、无人机系统误差、外界环境对飞行平台的影响,以及影像配准等因素都对高精度采煤沉陷盆地构建产生一定的影响,其误差种类分析及对应的解决方案尚未得到系统地总结与完善。目前,无人机遥感技术在矿区地质灾害监测方面难以达到毫米级形变的精度水平,应用于灾害早期识别预警尚需时日。

③ 高空间分辨率影像处理时效性不强。由于无人机影像通常为成千上万张,高空间分辨率的影像甚至达到数十万张。在一般性能的计算机上处理需耗费数小时甚至十几小时,只有通过高性能工作站或者移动工作车,才能在飞行作业结束后立即进行数据处理并在短时间内生成相应的无人机遥感成果。因此亟需开发高效的数据处理软件,同时这也对计算机的相关性能提出了更高的要求。

(2)提取开采沉陷水平移动。目前,最有效的方法是通过传统观测站获取矿区地表水平移动值。而利用无人机低空遥感方法对开采活动引起的地表点水平移动的提取尚需深入研究。近年来,利用深度神经网络,结合地形特征对BSC算子进行改进,在水平移动信息提取方面得到了应用,并且效果理想。因此在构建高精度沉陷盆地的基础上,如何充分利用深度学习及其他智能算法有效提取地表点水平移动,是亟待解决的问题。

(3)无人机数据实时传输。目前,无人机数据需要在飞行完毕之后进行解算处理,才能得到相关遥感产品。因此将GNSS、惯性导航技术及多传感器进行集成,并为遥感图像提供定位信息,让无人机在飞行过程中实时处理数据,实现“监测”与“数据处理”一体化、协同化作业,进而大幅度提高无人机作业效率。随着无人机技术的不断发展,海量无人机数据如何实时传输及处理将是一个新的技术问题,随着5G技术的发展,实现海量数据的高保真、实时化传输,值得深入研究。

(4)无人机数据与其他类型数据(如卫星遥感数据、地表监测数据、井下多源数据)有效融合是当前低空遥感技术发展的一个重要方向。在矿区地面沉陷监测中,无人机监测数据与传统手段测量数据融合处理所体现的优势显著于单一测量方式。因此,在矿山地质灾害监测领域,单一遥感数据源逐渐无法胜任,多源遥感数据融合是实现灾害高精度、智能化监测预警的前提。多源数据融合可以实现各种数据的优势互补,是矿区地质灾害智能监测的发展方向。具体来说:

① 不同空间分辨率的数据融合。如无人机数据与光学遥感数据进行有效融合,无人机采集数据时由于地形起伏而导致空间分辨率不一致的相关数据融合。

② 不同时间分辨率的数据融合。如无人机数据与InSAR数据、地面实时观测数据进行有效融合,对矿区采煤沉陷盆地的高精度监测具有重要意义。

③ 不同类型的无人机数据进行融合。如无人机热红外、LiDAR数据、多光谱数据的融合,无人机点云数据与地面三维激光数据的有效融合,对矿区煤火、裂缝、地面植被监测具有重要意义。

4.2 未来发展方向

(1)贴近摄影测量应用于矿区高精度数据采集。无人机低空遥感的监测精度已达到厘米级,但由于矿区地形地势复杂、高程不一致导致无人机低空遥感数据分辨率不一致,加之矿区地质灾害受地下采动影响,在灾害发生早期,地表就会发生微小形变与产生细小裂缝,这对高精度的数据采集提出了更高的要求。近些年来,随着贴近摄影测量的快速发展[75],利用无人机低空遥感可对非常规地面进行亚厘米级甚至毫米级分辨率影像的自动化高效采集,促进了该技术在矿区地面灾害监测中的应用,但同时对无人机定位系统、云台以及传感器提出了更高的要求。

(2)多类型载荷协同工作。由于矿区地质灾害类型复杂,包括地面沉陷、滑坡、煤火等,因此需要无人机携带不同载荷(如可见光、热红外、LiDAR等传感器)在同一研究区进行多次飞行获取不同种类的数据。实现多类型遥感载荷集成,针对矿区的复杂情况,实现多类型载荷协同工作是无人机低空遥感发展的一个重要趋势。

(3)5G助力无人机数据实时传输。5G时代的来临,加快了智慧矿山平台的建设进程。该技术以其大宽带、低时延的特性,为海量无人机数据实时传输的核心瓶颈问题提供了解决方案,同时带动了人工智能、物联网技术的发展,让无人机数据“边飞边算”“边飞边传”成为可能。

(4)矿区地质灾害智能监测及预警。充分发挥AI、大数据、机器学习等技术的优势,实现对海量遥感数据的处理、分析和信息挖掘,有助于大幅提升地质灾害的智能监测及预警水平。例如通过机器学习技术,可对不同类型、不同时间和不同分辨率的海量数据进行高效学习,以便及时掌握矿区地质灾害的发育、发展情况,实现地质灾害及其特征的自动化、智能化精准识别及提取。因此,通过新的智能算法及模型对海量遥感数据进行合理有效利用有待深入研究,构建“多网融合+实时监测+智能作业+任务协同+全面感知+自主决策”的矿区智能监测体系尚需不同学科的专家学者协同攻关。