论文部分内容阅读
摘要: 基于归一化差异水体指数（NDWI）利用TM/ETM+遥感数据对矿区地表水域进行提取分析，镖令采用NDWI直属提取出的水域中混有非水体区域；从而根据不同物质对光谱的差异，采用波段5并以DN值40为阈值，分离出了分矿固废占地；同种原理，采用波段3并以DN值80为阈值，法力出水体的深浅。并采用不同地物的温度变化特征和热辐射特性，利用TM数据的热红外波段进行了温度盐酸比较，从而验证了上述遥感分类的正确性。
关键词：煤矿区环境遥感地表水体固体废弃物遥感检测
中图分类号：TP216 文献标识码：A文章编号：
应用遥感技术监测矿区环境，在国外已取得很多成果：比如，Richard 等应用高光谱遥感数据对英国某陶土产区进行环境监测，充分利用高光谱数据对各种矿物的识别能力，确定矿区内不同矿物的比例与分布情况，得出了令人满意的结果[2]； Chatterjee 利用Landsat TM的热红外波段数据，通过一系列的建模与反演方法，绘出了印度某煤田的火场分布图[3]。本文以美国陆地卫星(LandSat) TM/ETM+ 图像为信息源，选用1987年9月19日的TM图像和2002年5月31日的ETM+图像（轨道号为122/35，成像时天气晴朗，满足研究要求），截取某矿区部分为研究对象，以ERDAS软件为主对遥感图像进行处理，得到了该矿区15年间地表水域（主要为塌陷区积水）和固废占地的变化信息。
1. 地表水域和固废占地信息的提取与区分
水体的反射从可见光到中红外波段逐渐减弱,在近红外和中红外波长范围内吸收性最强，几乎无反射，因此用可见光波段和近红外波段的反差构成的归一化差异水体指数NDWI 可以突出影像中的水体信息[4]。NDWI 由下式计算:
式中，Green代表绿光波段；NIR 代表近红外波段。在Landsat TM 影像中, 分别对应2, 4 波段。
以2002年的遥感数据为例，应用 ERDAS软件建立模板进行计算，得出了该矿区的 NDWI图像。通过选取合适的阈值，将NDWI图像中大于阈值的像元定为水体；同时，分别利用ETM+的5、4、3波段和ETM+的7、5、4波段合成伪彩色图像，与NDWI二值图像进行比较。结果表明：1）利用ETM+的5、4、3波段合成的伪彩色图像接近自然色，与NDWI图像的水体基本一致；2）利用ETM+的7、5、4波段合成的伪彩色图像与NDWI图像的水体差异很大。以兴隆庄煤矿附近的水体为例，如图1所示：比较可见：利用NDWI提取的地表水域中混有其它地物。经过仔细甄别后发现，与水域混在一起的是矸石、粉煤灰等煤矿区固体废弃物占地，本文中统称为煤矿固废占地。对水体和煤矿固废的光谱特征曲线（见图2）进行分析发现：1）水体与煤矿固废在2、4波段的反射率（或DN值）非常接近，而NDWI是利用ETM+的2、4波段计算得出，不足以将二者区分开，故造成混淆现象；2）水体与煤矿固废在5、7波段差异较大，后者在这两个波段上的反射率（或DN值）明显高于前者，故选取恰当的阈值可以将二者区分开。表1所示为水体和煤矿固废在各个波段的DN值。试验结果表明，以波段5的DN值40为阈值，能很好地区分水体和煤矿固废。
图1 地表水体和煤矿固废的光谱曲线
表1水体与煤矿固废在各波段的DN值
2. 地表水域深度的初步探测
矿区地表水域在5、4、3波段合成的伪彩色图像上的颜色不同，大体可分为蓝色和黑色两种（见图3）。
对两种不同深度水体的光谱特征曲线(见图4)进行分析发现，二者在4、5、7波段的反射率（或DN值）几乎重叠，但在可见光1、2、3波段的反射率（或DN值）差异比较大。造成这种差异的原因可能有两个：一是水中含有不同的杂质（悬浮物、可溶性有机物及悬浮植物等），二是水体深度不同[5]。煤矿区地表水域中含有的杂质基本相同，所以这种遥感差异应是水体深度不同导致的。在可见光波段，随着水体深度的增加，光谱反射率依次降低；因此，蓝色应为浅水，黑色应为深水。表2是蓝色水体和黑色水体在各个波段上的DN值。本项研究采用3波段，并以DN值80为阈值，定性地区分出了浅水和深水，进而可以判断塌陷区积水的深浅。当然，由于缺乏水深实测数据，对积水坑的深度尚需进行实地踏勘验证，并进行下一步的定量反演。
图4不同深度水体的光谱曲线
表2蓝色与黑色水体在各波段的DN值
3. 利用热红外波段对试验结果进行验证
水体与煤矿固废的温度变化特征及热辐射特性均不同。白天，在太阳辐射下，水体与许多地物一样，吸收太阳辐射能而增温，但水体比热大，增温慢，成为低温冷体；而煤矿固废的比热比水体小，增温快，成为高温热体。所以利用遥感数据的热红外波段可以对上述试验结果进行验证。
LandSat TM/ETM+图像的6波段为热红外波段，波长范围是2.08～2.35 um；其中TM 6波段空间分辨率为120m，ETM+ 6波段空间分辨率为60m 。忽略研究区内大气状况的差异影响，重点关注温度的空间分异，即区域相对温差的空间分布。先将图像DN值转换为辐射亮度值Lb，再将辐射亮度值转换为地面辐射温度Tb，公式如下：
式中，Lmax，Lmin 分别为波段探测器可探测的最高与最低辐射值，K1，K2 为校正计算常数[6]。
获得地面辐射温度Tb之后，即可表征出地表的热场差异情况。图5截取是兴隆庄煤矿附近区域的地面热场分布图像。图中像元亮度对应地物点温度的高低，亮色为高温区，暗色为低温区。显然，由于存在较大的温度差异（至少10 K以上），使本来混在一起的水体和煤矿固废堆场很容易区分开，区分结果与图1c一致。此外，深水表面温度要低于浅水表面温度，据此区分的地表水域深度情况与图3基本吻合。
4. 结果及分析
对1987年该矿区的TM数据采用同样方法进行处理，将两个时相的结果进行对比，如表3所示。可以看出，2002年该矿区的固废堆场占地和地表塌陷区积水面积分别是1987年的1.90倍和3.87倍。1986年矿区原煤产量是700×104t，2000年已增至3000×104t以上，采矿规模的扩大导致了矿区的固废堆场占地和地表塌陷区积水面积的快速上升。塌陷区积水面积变化主要集中在礦区的南屯、兴隆庄、东滩三个煤矿，其中，南屯矿（投产于1973年）塌陷区积水面积15年间由38.26 hm2增加到253.67 hm2，兴隆庄矿（投产于1981年）塌陷区积水面积15年间由23.96 hm2增至98.61 hm2，东滩矿（投产于1989年）13年间塌陷区积水面积为49.87 hm2。
表3两个时相两类地物面积变化情况
5. 结语
基于TM/ETM遥感影像，按NDWI指数不能区分煤矿地表水域和固废占地，而采用波段5并已DN值40为阈值，则能很好地区分矿区水体和固废占地。根据合成伪彩色图像的颜色差异和不同深度水体的光谱曲线特征差异，可采用3波段并以DN值80为阈值，对塌陷区积水深浅进行了定性区分。利用热红外波段，可对上述分类结果进行交叉验证，进而提取煤矿区塌陷积水和固废占地动态变化信息, 为矿区环境综合治理提供较可靠的基础资料。
参考文献：
[1] Richard J. Ellis, Peter W. Scott ．Evaluation of hyperspectral remote sensing as a means of environmental monitoring in the St. Austell China clay (kaolin) region, Cornwall, UK [J]. Remote Sensing of Environment, 2004，93（1-2）:118~130
[2]R.S. Chatterjee ．Coal fire mapping from satellite thermal IR data - A case example in Jharia Coalfield, Jharkhand, India[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2006, 60(2): 113~128
[3] 徐涵秋.利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J].遥感学报，2005，9（5）：589～595.
[4] 万余庆，谭克龙，周日平.高光谱遥感应用研究[M].北京：科学出版社，2006.
[5] 戴昌达，姜小光，唐伶俐.遥感图像应用处理与分析[M].北京：清华大学出版社，2004.
关键词：煤矿区环境遥感地表水体固体废弃物遥感检测
中图分类号：TP216 文献标识码：A文章编号：
应用遥感技术监测矿区环境，在国外已取得很多成果：比如，Richard 等应用高光谱遥感数据对英国某陶土产区进行环境监测，充分利用高光谱数据对各种矿物的识别能力，确定矿区内不同矿物的比例与分布情况，得出了令人满意的结果[2]； Chatterjee 利用Landsat TM的热红外波段数据，通过一系列的建模与反演方法，绘出了印度某煤田的火场分布图[3]。本文以美国陆地卫星(LandSat) TM/ETM+ 图像为信息源，选用1987年9月19日的TM图像和2002年5月31日的ETM+图像（轨道号为122/35，成像时天气晴朗，满足研究要求），截取某矿区部分为研究对象，以ERDAS软件为主对遥感图像进行处理，得到了该矿区15年间地表水域（主要为塌陷区积水）和固废占地的变化信息。
1. 地表水域和固废占地信息的提取与区分
水体的反射从可见光到中红外波段逐渐减弱,在近红外和中红外波长范围内吸收性最强，几乎无反射，因此用可见光波段和近红外波段的反差构成的归一化差异水体指数NDWI 可以突出影像中的水体信息[4]。NDWI 由下式计算:
式中，Green代表绿光波段；NIR 代表近红外波段。在Landsat TM 影像中, 分别对应2, 4 波段。
以2002年的遥感数据为例，应用 ERDAS软件建立模板进行计算，得出了该矿区的 NDWI图像。通过选取合适的阈值，将NDWI图像中大于阈值的像元定为水体；同时，分别利用ETM+的5、4、3波段和ETM+的7、5、4波段合成伪彩色图像，与NDWI二值图像进行比较。结果表明：1）利用ETM+的5、4、3波段合成的伪彩色图像接近自然色，与NDWI图像的水体基本一致；2）利用ETM+的7、5、4波段合成的伪彩色图像与NDWI图像的水体差异很大。以兴隆庄煤矿附近的水体为例，如图1所示：比较可见：利用NDWI提取的地表水域中混有其它地物。经过仔细甄别后发现，与水域混在一起的是矸石、粉煤灰等煤矿区固体废弃物占地，本文中统称为煤矿固废占地。对水体和煤矿固废的光谱特征曲线（见图2）进行分析发现：1）水体与煤矿固废在2、4波段的反射率（或DN值）非常接近，而NDWI是利用ETM+的2、4波段计算得出，不足以将二者区分开，故造成混淆现象；2）水体与煤矿固废在5、7波段差异较大，后者在这两个波段上的反射率（或DN值）明显高于前者，故选取恰当的阈值可以将二者区分开。表1所示为水体和煤矿固废在各个波段的DN值。试验结果表明，以波段5的DN值40为阈值，能很好地区分水体和煤矿固废。
图1 地表水体和煤矿固废的光谱曲线
表1水体与煤矿固废在各波段的DN值
2. 地表水域深度的初步探测
矿区地表水域在5、4、3波段合成的伪彩色图像上的颜色不同，大体可分为蓝色和黑色两种（见图3）。
对两种不同深度水体的光谱特征曲线(见图4)进行分析发现，二者在4、5、7波段的反射率（或DN值）几乎重叠，但在可见光1、2、3波段的反射率（或DN值）差异比较大。造成这种差异的原因可能有两个：一是水中含有不同的杂质（悬浮物、可溶性有机物及悬浮植物等），二是水体深度不同[5]。煤矿区地表水域中含有的杂质基本相同，所以这种遥感差异应是水体深度不同导致的。在可见光波段，随着水体深度的增加，光谱反射率依次降低；因此，蓝色应为浅水，黑色应为深水。表2是蓝色水体和黑色水体在各个波段上的DN值。本项研究采用3波段，并以DN值80为阈值，定性地区分出了浅水和深水，进而可以判断塌陷区积水的深浅。当然，由于缺乏水深实测数据，对积水坑的深度尚需进行实地踏勘验证，并进行下一步的定量反演。
图4不同深度水体的光谱曲线
表2蓝色与黑色水体在各波段的DN值
3. 利用热红外波段对试验结果进行验证
水体与煤矿固废的温度变化特征及热辐射特性均不同。白天，在太阳辐射下，水体与许多地物一样，吸收太阳辐射能而增温，但水体比热大，增温慢，成为低温冷体；而煤矿固废的比热比水体小，增温快，成为高温热体。所以利用遥感数据的热红外波段可以对上述试验结果进行验证。
LandSat TM/ETM+图像的6波段为热红外波段，波长范围是2.08～2.35 um；其中TM 6波段空间分辨率为120m，ETM+ 6波段空间分辨率为60m 。忽略研究区内大气状况的差异影响，重点关注温度的空间分异，即区域相对温差的空间分布。先将图像DN值转换为辐射亮度值Lb，再将辐射亮度值转换为地面辐射温度Tb，公式如下：
式中，Lmax，Lmin 分别为波段探测器可探测的最高与最低辐射值，K1，K2 为校正计算常数[6]。
获得地面辐射温度Tb之后，即可表征出地表的热场差异情况。图5截取是兴隆庄煤矿附近区域的地面热场分布图像。图中像元亮度对应地物点温度的高低，亮色为高温区，暗色为低温区。显然，由于存在较大的温度差异（至少10 K以上），使本来混在一起的水体和煤矿固废堆场很容易区分开，区分结果与图1c一致。此外，深水表面温度要低于浅水表面温度，据此区分的地表水域深度情况与图3基本吻合。
4. 结果及分析
对1987年该矿区的TM数据采用同样方法进行处理，将两个时相的结果进行对比，如表3所示。可以看出，2002年该矿区的固废堆场占地和地表塌陷区积水面积分别是1987年的1.90倍和3.87倍。1986年矿区原煤产量是700×104t，2000年已增至3000×104t以上，采矿规模的扩大导致了矿区的固废堆场占地和地表塌陷区积水面积的快速上升。塌陷区积水面积变化主要集中在礦区的南屯、兴隆庄、东滩三个煤矿，其中，南屯矿（投产于1973年）塌陷区积水面积15年间由38.26 hm2增加到253.67 hm2，兴隆庄矿（投产于1981年）塌陷区积水面积15年间由23.96 hm2增至98.61 hm2，东滩矿（投产于1989年）13年间塌陷区积水面积为49.87 hm2。
表3两个时相两类地物面积变化情况
5. 结语
基于TM/ETM遥感影像，按NDWI指数不能区分煤矿地表水域和固废占地，而采用波段5并已DN值40为阈值，则能很好地区分矿区水体和固废占地。根据合成伪彩色图像的颜色差异和不同深度水体的光谱曲线特征差异，可采用3波段并以DN值80为阈值，对塌陷区积水深浅进行了定性区分。利用热红外波段，可对上述分类结果进行交叉验证，进而提取煤矿区塌陷积水和固废占地动态变化信息, 为矿区环境综合治理提供较可靠的基础资料。
参考文献：
[1] Richard J. Ellis, Peter W. Scott ．Evaluation of hyperspectral remote sensing as a means of environmental monitoring in the St. Austell China clay (kaolin) region, Cornwall, UK [J]. Remote Sensing of Environment, 2004，93（1-2）:118~130
[2]R.S. Chatterjee ．Coal fire mapping from satellite thermal IR data - A case example in Jharia Coalfield, Jharkhand, India[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2006, 60(2): 113~128
[3] 徐涵秋.利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J].遥感学报，2005，9（5）：589～595.
[4] 万余庆，谭克龙，周日平.高光谱遥感应用研究[M].北京：科学出版社，2006.
[5] 戴昌达，姜小光，唐伶俐.遥感图像应用处理与分析[M].北京：清华大学出版社，2004.