遥感技术在煤矿区积水塌陷动态监测中的应用_以淮南矿区为例

8月煤　　炭　　学　　报

JOURNALOFCHINACOALSOCIETY

Vol.27　No.4　Aug.　2002　

　　文章编号:0253-9993(2002)04-0374-05

遥感技术在煤矿区积水塌陷动态监测中的应用

———以淮南矿区为例

彭苏萍,王　磊,孟召平,段延娥,卞建玲,王英坡(中国矿业大学北京校区资源开发工程系,北京　100083)

摘　要:利用多时相TM图像,提取煤矿区积水塌陷面积扩展变化的信息,为矿区积水塌陷区的

监测治理和综合利用提供依据.主要采用不同时相的TM数据作为一个混合数据集进行主成分变换处理,使得积水塌陷区扩展变化信息充分体现出来.由于客观成像条件、环境条件等诸多因素的不同,因此采用“拟合归一化”方法,提高不同时期原始TM数据的“一致性”和“可比性”.关键词:遥感技术;塌陷区;动态监测中图分类号:P627　　　文献标识码:A

　　近20a来,随着国民经济的发展,建设速度的加快,煤炭工业得到了很大的发展,如何准确快速查明矿区环境现状,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.遥感技术以其快速、准确,周期性、宏观性强的特点,具有实时获取资源环境状况及其变化的优势.随着数据处理分析系统对数据的综合处理分析能力的提高,利用遥感技术获得不同时段的关于矿区环境的准确信息,查明积水塌陷区面积及其动态变化,将为矿区的综合治理提供可靠的基础数据.

　　淮南矿区位于安徽省境内,有着近百年的开采历史.现有国有大型矿井11对,其中淮河北岸4对,南岸7对,小煤窑分布于大矿周围,多年开采造成矿区大面积塌陷.由于地处淮河两岸,河网众多,地下水位埋藏较浅,塌陷区大面积积水,并随开采规模的扩大,积水面积逐年增长.随着环境治理的不断深入,对积水塌陷区进行动态监测显得尤为重要.

1　遥感信息源选择

　　选用美国陆地卫星(LandSat)TM图像为信息源,选用蚌埠幅(轨道号121-37)1992-10-18和1998-11-13两套TMCCT光盘数据,分别截取淮南矿区内9×1160像元,用于提取1992～1998年间矿

区积水塌陷区扩展变化的信息.卫星照片处理软件以荷兰ITC公司的ILWIS软件为主,所选信息源成像时天气晴朗,满足试验要求.

2　图像的几何校正与图像配准

　　Townsheng,etal(1992)在对影像匹配误差对土地利用变化监测精度影响的研究中表明:一个像元的空间匹配误差将导致50%的虚假变化.若要将错误率控制在10%以内,图像配准误差就必须小于012～014个像元或更小[1].试验采用GCP(GroundControlPoint)地面控制点进行几何配准,配准误差为01299个像元.经过配准的2时段图像几乎完全重叠,配准后的图像线状地物鲜明,斑块状影像边缘清晰.经过重采样运算后,两套图像的7个波段都具有了相同的坐标.至此,遥感图像在卫星运行过程中造成的误差

收稿日期:2001-04-18　　基金项目:国家杰出青年基金项目(500213);国家自然科学基金资助项目(40172059)

第4期彭苏萍等:遥感技术在煤矿区积水塌陷动态监测中的应用研究375

基本得以校正,不会出现因配准精度不够,像元错位而造成的“伪变化”信息.

3　主成分分析和混合数据集制作

　　主成分分析(PCA)以图像的统计特性为基础.在遥感应用领域,主成分分析方法主要用于数据压缩,确定多波段遥感的潜在维数及图像增强处理,另外在地表覆盖物动态变化的监测中应用也比较广[2].本次试验采用主成分分析法,把试验区信息压缩,以期达到信息综合与增强的目的.并在主成分分析方法体现动态变化信息的原理基础之上,对矿区积水塌陷区进行动态监测的试验研究.311　主成分分析法的几何描述　　通过主成分分析可以从相关的一组变量(波段)中产生一组不相关的变量(主成分),这一过程可以从几何意义上加以理解.如图1所示,主成分变换实质上是完成了1次坐标系的旋转,使第1主成分轴沿着光谱特征空间中点集延伸的最大方向:ox′(即拥有最大方差);第2主成分轴沿着点集的次大延伸方向:oy′(即拥有次大的方差),依此类推,点集向各主成分轴投影,便可得到对应的主成分图像.也就是说,前面少数几个主成分包含了原始变量(波段)中的绝大部分信息.因此,一幅主成分图像中包含了比一幅原始波段内容丰富的信息,起到了图像增强的作用.另外,在多波段图像处理中,可以用少数几个正交的主成分作为新的数据通道来代替相关性较大的多个原始波段,从而起到降维和数据压缩的作用.

图1　主成分分析的几何意义

Fig11　Geometricmeaningofprincipalcomponentanalysis

312　主成分分析法体现动态变化信息的原理

　　对于2个时段对应波段的图像,假设地表覆盖没有动态变化,则这2个图像的像元灰度值二维分布如图2(a)所示.如果在这2个时段之间地物有所变化,对应波段图像的像元灰度值二维分布图就呈现图

2(b)所示的情形,即未变化的像元分布在长条形区域,变化的像元则背离这一长条形区域,分布在两侧.经主成分变换后,变化的区域在第2主成分分量被体现,同时增强了动态信息.在第2主成分上,最亮和最暗的图斑即是动态图斑,而没有变化的部分呈灰色调.对于多于2个对应波段的时相混合主成分变换,例如2个时段的TM3,TM4,TM5,TM7共8个通道加入运算,其情形只是图2(c)所示二维情况的推广,动态信息将在较高次序的主分量得到体现和增强.因此,用主成分变换方法探测地物动态信息有充

图2　主成分体现动态信息原理

Fig12　Principleofdynamicinformationinprincipalcomponent

376

煤　　炭　　学　　报

2002年第27卷

分的理论依据.

313　混合数据集的制作

　　在以往用主成分变换提取变化信息时,多以同时相的各波段为原始变量单独进行,获取不同时相的各个主分量.这样2组主分量之间互不相关,并且不同时段的向量之间也不是正交关系,所以2个时段的变化信息在主分量之间体现得不够充分.为了更好地突出矿区不同时段积水塌陷区动态变化的信息,把以上2个成像时间不同,但季节大致相同的图像作为一个混合数据集进行主成分变换,使6a积水塌陷区扩展

变化的信息能在一个或若干个主分量中作为一种信息充分体现出来.根据TM数据自身特征,结合TM数据相关系数分析[3],本次试验选择了2个时段的3,4,5,7各4个波段,作为混合数据集进行变换处理.314　图像辐射水准归一化处理

　　由于2次成像时大气条件的不同,使传感器的量测值与地物实际的光谱辐射率不符,存在失真现象,而用户又很难获取有关辐射订正参数来建立精确的大气辐射纠正模型.考虑到本次试验所关注的并非大气对TM图像影响的绝对定量值,而是不同年份TM图像因大气条件不同而产生的差异.这种差异与因地物变化引起的TM图像差异混在一起,就会妨碍变化信息的准确提取.在把两期数据作为混合数据集进行变换分析时,笔者把2a的图像进行“辐射水准归一化”,就是把某一年的辐射水准归一到另一年的辐射水准[4].为此,笔者统计了淮河、湖泊或积水塌陷区、城市和矿区工人村4种在各个年份都不会发生明显变

化并且波谱特征相对稳定的地物的光谱值(表1).以1998年图像为基础,拟合出归一化曲线,并对1992年图像进行归一化计算.至此,笔者认为1992年图像基本上归一到1998年的辐射水准了.

表1　1992年和1998年地物光谱统计

Table1　Statisticsofsurfacefeaturein1992and1998

地　物

3波段

1992年地物辐射值(0～255)

4波段28158381634319830180

5波段14185131045717855130

714161143117118160

7波段

43112710103819

3波段

2014171233183418

1998年地物辐射值(0～255)

4波段

1411819175011

5波段

41841231193014

7波段

淮河湖泊城市工矿

49132301323919238175

315　试验区TM图像主成分分析(表2)

表2　混合数据集的主成分分析结果

Table2　PCAresultsoftheblenddata

主成分主成分1主成分2主成分3主成分4主成分5主成分6主成分7主成分8

923波段0121801348-01485-0140201151-0161301120-01143

924波段0130801337-01423016390115601140-0134601201

925波段015130147701301056-010680124901446-01298

927波段012660126201362-01427-011-01020-01901468

983波段01225-01182-01471-0145301077016580115501162

984波段01282-01238-0122101061-01831-01069-01170-01294

985波段011-015270112201101129-013200129701424

987波段01318-0131801135-0100145501040-01473-01582

　　表中923～927为1992年的TM3,TM4,TM5,TM7;983～987为1998年的TM3,TM4,TM5,TM7.

　　特征值:20451,309193,85186,49163,20145,8142,4193,2150;

　　方差贡献率(%):80194,12126,3140,1196,0181,0133,0120,0110;　　累积方差贡献率(%):80194,93116,96156,98152,99133,99166,99186,100.

第4期彭苏萍等:遥感技术在煤矿区积水塌陷动态监测中的应用研究377

　　第1主成分在各个波段的载荷都为正数,且方差大,其中第5波段贡献率最大,因而图像代表了地物的总体亮度,图像细腻,纹理丰富,信息量大(占总信息量的80194%).所以第1主成分的意义主要在于利用丰富的信息量保持图像与地物之间的一一对应关系.　　从载荷上看,第2主成分在1992年的4个波段的载荷全部为正,在1998年的4个波段全部为负,明显反映了6a间积水塌陷区的差异变化.从图像上看(图3),老积水塌陷区呈现浅亮色,新增积水塌陷区略微偏暗,图斑完整性好,边缘轮廓清晰.可见第2主成分对区分新增积水塌陷区和老积水塌陷区具有很大的意义.　　在第3主成分图像上,老积水塌陷区图斑轮廓较为清晰,而新增积水塌陷区边缘较为模糊.这一主成分对识别积水塌陷区的动态变化也有一定的意义.图3　第2主成分

Fig13　Principal2　　前3个主成分分量信息已占到总信息量的96156%,第4主成分图像已

经显得杂乱,更高序位的主成分图像信息量更小,主要为噪声,实际意义不大.　　将主成分1,2,3分别赋予红、绿、蓝,进行假彩色合成,如图4所示.积水塌陷区的变化信息清晰可辨.其中斜线部分代表老积水塌陷区,格网部分则代表新增积水区域,波浪线部分则代表塌陷区积水面积减少的区域(经实地调查发现,积水面积减少并非因为回填复垦,而是由于附近小煤窑开采,将积水抽排的缘故).总体上,淮南矿区6a间积水塌陷区面积在不断扩大,并基本在老积水塌陷区的边缘沿着矿井开采方向扩展.

图4　第1～3主成分合成

Fig14　Compositeofprincipal1～3

4　积水塌陷区面积的扩展变化分析

　　通过屏幕数字化对淮南矿区6a间积水塌陷变化信息进行定量统计,结果表明,随着淮河以北潘一、

潘二和潘三3个特大型矿井相继投产,6a间潘集矿区的积水塌陷扩展明显.在1992年潘三矿刚投产时没有积水塌陷区,而到1998年,积水塌陷面积增加了8km2,平均每年增加144km2水域面积;潘一矿积水塌陷区面积变为1825km2,增加1176km2,平均每年增加196km2水域面积;潘二矿积水塌陷区变为277km2,增加147km2,平均每年增加25km2.淮河以南矿区1992年总积水塌陷区面积约为4607km2,到1998年底为6536km2,增加了4118%,平均每年扩展321km2.其中散乱分布的小煤窑开采造成的积水塌陷总面积达716km2,相当于一个中小湖泊.其发展速度之快,令人瞩目.

378

煤　　炭　　学　　报

2002年第27卷

5　结　　语

　　选用遥感图像作为信息源,发挥遥感技术的快速、准确、周期性强的特点,采用主成分分析法对多时

相的TM混合数据集进行处理,提取煤矿区积水塌陷动态变化信息,效果良好.为矿区进行环境综合治理提供了可靠的基础资料,是动态监测矿区环境的一种有效手段.参考文献:

[1]　TownshengAl.MonitoringvegetationChangesinAlMedinah,SaudiArabia,usingTMdata[J].InternationalJournalofRemote

Sensing,1990,12(2):191～194.

[2]　江　涛,张传霞.城市扩展动态变化的遥感研究[J].遥感信息,1999(4):25～27.

[3]　戴昌达,雷利萍.TM图像的光谱信息特征与最佳波段组合[J].环境遥感,19,4(4):46～48.[4]　梅安新,戴昌达.城市遥感[M].上海:科学技术出版社,1995.244～245.[5]　施玉琪,郭达志.城市遥感[M].上海:科学技术出版社,1995.

作者简介:

　　彭苏萍(1959-)男,江西萍乡人,教授,博士生导师,1988年在中国矿业大学获博士学位,主要从事煤矿高产高效地质保障系统设备、三维地震勘探、煤系地层中伴生矿物资源综合利用和矿区环境地质的研究,先后出版《承压水体上安全采煤》等专著4部,发表“长壁工作面顶板稳定性数值模拟”等论文50余篇.

Monitoringtheseepersubsideincoaldistrictbytheremotesensing

———examplesfromHuainancoaldistrict

PENGSu2ping,WANGLei,MENGZhao2ping,DUANYan2e,BIANJian2ling,WANGYing2po

(BeijingCampus,ChinaUniverstiyofMiningandTechnology,Beijing　100083,China)

Abstract:ByusingmultitemporalTMimages,pick2uptheinformationofseepersubsideincoaldistricttoprovidethedataforharnessingandutilizingseepersubside.WeblendthemultitemporalTMimagesanddoprincipalcomponentsanalysistoreflecttheexpandingseepersubsideinpastyears.Becauseofthedifferenceofenvironmentandimagingcon2dition,weuse“unitary”inordertoenhancethe“coherence”and“comparable”oftheoriginalTMimages.Keywords:remotesensing;subsidedistrict;dynamicmonitor