CN104598874A

CN104598874A - 一种煤田自燃的遥感监测方法

Info

Publication number: CN104598874A
Application number: CN201410816353.9A
Authority: CN
Inventors: 周小虎; 周鼎武; 赵栋
Original assignee: Individual
Current assignee: Northwest University
Priority date: 2014-12-24
Filing date: 2014-12-24
Publication date: 2015-05-06

Abstract

本发明公开了一种煤田自燃的遥感监测方法，包括如下步骤：对研究区地质资料和遥感资料的收集，所述地质资料和遥感资料包括火区地质资料、地层资料、高光谱遥感图像、TM图像、IKONOS图像的多种、多期遥感图像；根据所收集的研究区资料，对其收集的图像资料进行预处理；通过图像处理提取研究区煤层的热异常信息、烧变岩信息及环境信息，并且综合分析遥感图像，实现数据融合，使各类信息相互补充验证；通过对不同时相的热红外图像异常信息提取，实现对火区的动态监测与跟踪。该煤田自燃的遥感监测方法可以快速有效的对煤层范围作出圈定，实现对火区以及新发生火点的动态监测与跟踪，并且精度较高。

Description

一种煤田自燃的遥感监测方法

技术领域

本发明涉及地质遥感领域，尤其涉及一种煤田自燃遥感监测方法。

背景技术

能源是人类社会生存和发展物质基础,如何实现能源的可持续发展,其重要性在经济发展快速增长的今天日益显现"煤炭资源是不可再生资源,它不具备可“持续性”。煤层自燃是煤炭资源的主要危害之一，在全球范围内,许多煤田都存在煤层自燃问题，中国是世界上煤田自燃灾害最为严重的国家。长期以来,为消除煤田自燃的发生和发展,世界各国相关科研机构对煤层自燃机理、煤田火区的监测、预测、信息提取、防治进行了深入研究。而利用空间遥感技术进行煤火监测已经引起广泛重视，研究煤层自燃的信息提取技术对防治煤层自燃、准确确定煤层自燃范围、制定火灾救灾措施,保障煤矿的安全生产具有重要的意义。

遥感方法具有周期短、覆盖面积大和效益高的特点。遥感方法探测煤田火区的关键是必须以合适的地下煤火调查和应用目标为前提,通常以地下煤火热辐射特性及光谱特征为依据,选择经济技术指标均较为合理的遥感数据源进行研究。遥感技术主要用于探测大面积煤田火区,主要采用TM和ETM(Enhanced Thematic Mapper Plus,增强型专题制图仪)遥感影像、IKONOS图像\QUICKBIRD图像、高光谱遥感图像、CBERS-1(China一Brazil Earth Resources Satellite l,中巴地球资源卫星一号)图像的可见光波段和热红外波段来直接或间接监测煤田火区的现状,并根据地表热效应和边界裂隙等综合因素来判断分析火区位置与范围。

随着遥感技术硬件和软件的迅速发展,从2001年开始,国内外一些研究机构开始使用高光谱遥感技术研究和探测煤火,随之产生了新的研究方法和管理方法。如2004 年Anupma Prakash针对宁夏汝箕沟煤矿开发出了CoalMan数据库管理系统(Anupma Prakash,2004)。2005年,Ingo Walter用BIRD小卫星图像数据研究了中国的煤田火区,确定了规模、温度和释放的热量(Ingo Walter,2005；K.Briel,2005；Boris Zhukov,2005)。2006年,Zhou Fubao等利用泥浆、水、氮气合成的三相泡沫成功控制了宁夏白岌沟矿区的煤田自燃引起的有害气体泄漏。2006年,RS.Chatterjee利用TM图像的热红外波段对印度Jharkhand煤矿进行了真实光谱反射率提取研究。在圈定火区造成的热异常和识别煤层自燃造成的烧变岩、生态环境等方面,遥感技术显示出其它调查方法不能比拟的优势,实践证明,利用多光谱、多时相、多种分辨率遥感图像结合地面测地雷达和地理信息系统等技术完全可以开展全方位的煤火探测与监测。

发明内容

本发明所要解决的技术问题在于针对上述现有技术的不足，提供一种简单、快捷并且精度较高的煤田自燃遥感监测方法。

为解决上述技术问题，本发明采用的技术方案是：一种煤田自燃的遥感监测方法，包括如下步骤：

(1)对研究区地质资料和遥感资料的收集，所述地质资料和遥感资料包括火区地质资料、地层资料、高光谱遥感图像、TM图像、IKONOS图像的多种、多期遥感图像；

(2)根据步骤(1)所收集的研究区资料，对其收集的图像资料进行预处理，包括用ENVI软件进行高光谱图像的辐射校正、几何校正、去噪以及反射率、反演处理；

(3)通过图像处理提取研究区煤层的热异常信息、烧变岩信息及环境信息，并且综合分析遥感图像，实现数据融合，使各类信息相互补充验证；

(4)通过对不同时相的热红外图像异常信息提取，实现对火区的动态监测与跟踪。

作为本发明进一步的方案，所述步骤(3)通过图像处理提取研究区煤层的烧变岩信息提取包括：

A、选择107、120、30波段进行RGB假彩色合成，反映烧变岩信息，图像上表现为浅黄色到黄色，高温区烧变岩则表现为白色；

B、选择13波段和8波段进行差值运算，并且将运算结果作为一个波段与其他波段进行融合处理；

C、参考ENVI软件中Z一Profile曲线,提取图像上特征地物的反射率波谱曲线和平均亮度曲线，并且将上述两种曲线与波普库中实测地物波谱曲线进行比较分析，实现特征地物的提取；

D、利用RIO提取出不同烧变程度烧变岩的波谱曲线，利用波谱角填图方法区分烧变程度不同的烧变岩。

作为本发明进一步的方案，所述步骤(4)热红外图像异常信息提取包括：

E、选择直方图处理方法和混合图像增强算法对红外图像进行处理；

F、利用假彩色合成、阈值分析、密度分割和2-D散点图分析的方法,并结合植被、烧变岩、地表裂隙等标志来判断温度异常区；

G、利用波段运算方法，降低地物等对提取精度的影响，将运算结果与选择的合适波段进行2-D散点图分析处理，提取非火区热异常信息；

H、根据IKONOS图像上最下部燃烧煤层的露头位置、烧变岩与火区外围正常岩石之间边界线以及剥离陡坎位置综合分析确定火区外部边界。

作为本发明进一步的方案，所述步骤F的假彩色合成其方法为选择107、120、30波段进行RGB假彩色合成。

作为本发明进一步的方案，所述步骤F的阈值分析，包括两个阈值分别为311K和343K，大于311K为温度异常区，大于343K为高温异常区。

与现有技术相比，本发明的优点：该煤田自燃的遥感监测方法可以快速有效的对煤层范围作出圈定，实现对火区以及新发生火点的动态监测与跟踪，并且精度较高。

附图说明

图1为依照本发明一种实施方式的煤田自燃遥感监测方法流程图；

图2为烧变岩野外实测光谱和高光谱图像上提取的光谱对比图；

图3为不同方法提取的反射率波谱曲线比较图；

图4为不同辐射温度在热红外波段上的亮度值变化图；

图5为夜航107波段温度统计直方图；

图6为由图像中提取的可引起热异常的地物光谱曲线图。

具体实施方式

下面结合附图及实施例对本发明作进一步阐述。

本实施例中为了快速有效的监测煤田自燃区域的变化，以内蒙古古拉本煤田的高光谱遥感图像结合TM、ETM、QUICKBIRD、IKONOS等多种图像为例，首先对高光谱遥感数据进行了多种方式的处理，提高了图像质量；通过对图像的分析，圈定出火区的范围、温度异常区范围以及高温异常区范围，提取出烧变岩及煤火异常等信息。

如图1所示，一种煤田自燃遥感监测方法包括以下步骤：

(1)对研究区地质资料和遥感资料的收集，所述地质资料和遥感资料包括火区地质资料、地层资料、高光谱遥感图像、TM图像、IKONOS图像的多种、多期遥感图像。

例如收集古拉本煤田的基本煤田地质信息，同时，收集航空高光谱遥感数据、QUICKBIRD图像数据、ETM图像数据、IKNOS图像数据以及夜航图像温度反演信息等。

(2)根据所收集的研究区资料，对其收集的图像资料进行预处理，包括用ENVI软件进行高光谱图像的辐射校正、几何校正、去噪以及反射率、反演处理。

例如古拉本煤田高光谱图像处理中，选择RED(682μm)、GREEN(722.5μm)、BLUE(502μm)三个波段进行假彩色合成，以充分反映火区特征。同时，针对图像上难以辨别的火区信息，可以将高光谱图像加密，采用立方卷积法重采样。以正射校正后的QUICKBIRD为标准图像校正高光谱数据，确保火区定位精度。

由于传感器测量值中包含太阳位置及角度条件、薄雾及霭等大气条件所引起的失真，为了正确评价目标物的反射及辐射特性,必须消除这些失真。辐射校正包括去除噪音、消除大气散射效应(程辐射)、各航带整体亮度调整等。同时，由于机载成像光谱仪具有视场角大、飞行高度低、平台姿态稳定性差及成像环境条件复杂等特点,数据几何畸变严重。几何校正包括正切校正、扭曲校正、偏航校正、控制点校正等。在高光谱图像噪音去除时，需要对OMIS1的条带以及随机点状噪音进行消除，最后采用最小噪声分离方法MNF进行去噪处理。

(3)通过图像处理提取研究区煤层的热异常信息、烧变岩信息及环境信息，并且综合分析遥感图像，实现数据融合，使各类信息相互补充验证。

如图2所示，烧变岩野外实测光谱和高光谱图像上提取的光谱对比图，它们有共同的曲线形态,尤其是在500～1000nm之间，这些相似性为利用高光谱图像识别烧变岩和烧变程度提供了很好的依据。

具体的，步骤(3)进一步包括：

C、参考ENVI软件中Z一Profile曲线,提取图像上特征地物的反射率波谱曲线和平均亮度曲线，并且将上述两种曲线与波普库中实测地物波谱曲线进行比较分析，实现特征地物的提取。如图3所示，Z-Profile功能提取的烧变岩波谱曲线与实测波谱曲线的比较，其中反射率曲线1与2进行匹配后,所得分值为0.666(也可理解为匹配的精度为66.6％),曲线1与3匹配所得分值为0.659,基本能够实现图像上大块烧变岩的信息提取。

具体的，步骤(4)进一步包括：

F、利用假彩色合成、阈值分析、密度分割和2-D散点图分析的方法,并结合植被、烧变岩及地表裂隙的标志来判断温度异常区；

G、利用波段运算方法，降低地物等对提取精度的影响，将运算结果与选择的合适波段进行2-D散点图分析处理，提取非火区热异常信息。如图6所示，可引起热异常地物的光谱曲线图，结合OMIS1图像，在热红外和中红外波段上煤层露头或煤渣表现出较高的亮度值,跟温度异常区的亮度值相差不大,且呈大块或条带分布,面积较大；但在可见光波段上的亮度值却很小,与火区形成的热异常有较大差别。

如图4所示，不同辐射温度在热红外波段上的亮度值变化图,不同的波段火区的热异常均有表现，但各波段之间亮度差别较大。在107波段上热异常反映最明显。在步骤F中，假彩色合成的方法选择107、120、30波段进行RGB假彩色合成。

如图5所示，夜航107波段温度统计直方图，其拐点处的温度为311K。在步骤F中，阈值分析法中两个阈值分别为311K和343K，大于311K为温度异常区，为绿色区域；大于343K为高温异常区，面积较小且为红色；其它区域为背景区。

根据提取的这些信息，实现了对煤田火区的监测与跟踪。

煤火的形成是一个复杂的过程,是内因和外因多种因素综合作用的结果,采用遥感图像进行煤田火区自燃监测目前还存在诸多问题"最主要的问题方法单一,只是从遥感图像本身分析和提取煤火信息,没有和地质构造相结合,从区域结构构造特征来分析区域地质对煤田自燃的影响。而且TM图像的热红外波段分辨率为120m,ETM图像的热红外波段分辨率为60m,这两种遥感图像只能提取规模大的煤田火区,对于规模较小的煤田火区就无能为力。IKONOS和QUICKBIRD图像的全色和可见光波段的分辨率都很高,对于提取烧变岩和环境信息有明显的作用,但由于热红外波段只在全色波段中占一小部分,对热红外信息不能有很好的反映。而高光谱图像具有光谱和图像相结合的特点,在获取地物的图像信息的同时,还能获取地物的光谱特征,它将确定物质或地物性质的光谱与把握其空间和几何关系的图像革命性地结合在一起。如果采用航空高光谱传感器获取的图像,则其除了光谱分辨率较高以外,还具备了较高空间分辨率,对于提取煤田火区自燃信息、环境信息、烧变岩信息都是非常理想的。

以上实施例仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims

1.一种煤田自燃的遥感监测方法，其特征在于，包括如下步骤：

2.如权利要求1所述的煤田自燃遥感监测方法，其特征在于，所述步骤(3)通过图像处理提取研究区煤层的烧变岩信息提取包括：

3.如权利要求1所述的煤田自燃遥感监测方法，其特征在于，所述步骤(4)热红外图像异常信息提取包括：

4.如权利要求3所述的煤田自燃遥感监测方法，其特征在于，所述步骤F的假彩色合成其方法为选择107、120、30波段进行RGB假彩色合成。

5.如权利要求3所述的煤田自燃遥感监测方法，其特征在于，所述步骤F的阈值分析，包括两个阈值分别为311K和343K，大于311K为温度异常区，大于343K为高温异常区。