基于TM数据的地下煤火区地表温度反演与验证

以新疆维吾尔自治区水西沟火区为例,利用与Landsat 5卫星2011年7月31日过境同时段的红外辐射计地表温度观测数据,通过多种方法获取了像元尺度的地表温度实测值,并对基于TM数据反演地表温度的单窗算法、普适性单通道算法和Weng算法得到的地下煤火区地表温度进行对比分析与验证.结果表明,3种遥感反演算法得到的水西沟地下煤火区地表温度的空间分布趋势一致,其中,单窗算法与普适性单通道算法较为接近,研究区整体的平均地表温度差值为1.60℃.与地面实测数据相比,3种反演算法结果均低于地表温度实测值.其中,普适性单通道算法与地面实测值一致性最好,决定系数R2为0.886,均方差为1.48℃,其反演结果符合地下煤火区温度的空间分布规律,高温异常区范围明显;反演结果符合要求,在地下煤火区地表温度获取中具有一定的适用性,为提升新疆地下煤火区的动态监测与评价能力选择了有效方法.     

基于ETM+数据的煤田火区温度异常信息提取

快速而准确地提取煤田火区温度异常信息对于主动发现煤火和及时治理煤火具有重要意义。以新疆维吾尔自治区乌鲁木齐市郊的大泉湖火区为研究区,基于ETM+遥感影像数据,采用普适性单通道法反演煤田火区地表温度,利用人工阈值法和密度分割法提取背景区与温度异常区,将温度异常区与磁法成果图进行图层叠加分析。研究结果表明,普适性单通道算法反演的温度均方根误差为0.68℃,温度异常区与煤火区的重叠率为82.71%,温度异常区反演准确率为80.17%,为基本圈定煤火范围提供了有力的参考。     

宁夏汝箕沟煤田火区高光谱定量遥感探测研究

通过航空高光谱遥感地面定标、波谱特征分析、火区特征地物和热异常信息提取,确定了用于温度反演的热红外波段、拟合关系式和热异常对应辐射温度,探测精度达到了1∶2 000比例尺精度;准确圈定了宁夏汝箕沟煤田火区范围,查清了火区燃烧强度,分析了热扩散规律以及遥感探测热异常与地下煤火热异常的对应关系,实现了将遥感定量调查结果直接用于灭火工程设计的目标。     

利用Landsat热红外影像探测地下煤火区范围——以乌达煤田为例

以Landsat系列热红外影像为主要数据源,采用阈值分析技术,提取了乌达煤田2002年、2007年和2013年地下煤火燃烧范围。结果表明,大规模的煤田开采活动导致2007年火区面积比2002年增加将近一倍,但随着2010年大范围灭火工作的展开,到2013年火区灾情得到了有效遏制。与地面实测数据相比较,遥感估算的火区面积误差为5%~10%,但白天太阳辐射导致地表温度反演精度低于夜间,煤火区虚检率偏高。Landsat系列数据以其空间分辨率高、重访周期短、覆盖范围大等优势,在煤田火区动态监测方面具有突出的应用潜力。     

内蒙古乌达煤田煤火治理效果的遥感监测与评估

为了评估内蒙古乌达煤田煤火治理的效果,采用2008年治理前、2011和2013年治理中以及2015年治理后期的Landsat 5/8热红外波段影像,利用单窗算法反演4个年度的乌达煤田地表温度;采用自适应梯度阈值(selfadaptive gradient-based thresholding,SAGBT)法圈定该煤田煤火区,分析煤火空间分布格局演变动态,并对探测结果进行了实地验证。结果表明,所识别煤火区的准确率为75%;煤火区面积由2008年的1.194 km~2演变到2015年的0.873 km~2,呈显著下降趋势。总的来说,煤火治理取得了初步成效,实现了煤火区面积26.88%的减量;但仍有73.12%的存量,说明今后仍须加大煤火治理力度。     

煤田隐蔽火源多源遥感探测研究

地下煤火分布广泛,屡治不止,造成资源浪费、生态破坏。中国是世界上煤火灾害最严重的国家,80%的煤层有自燃倾向。煤田隐蔽火源的快速、全面、及时、精准探测是实现防灭火及生态治理的基础和前提,多源遥感极具应用潜力,但需穿透地表、深入地下,存在诸多瓶颈。将煤田隐蔽火源多源遥感探测问题抽象为同源（同一地下自燃火源）、多象（地表形成的多种异常现象）、多像（多源遥感拍摄的包括多种地表异常信息的影像）关键节点及同源多象-象像映射-源象传递-多像识源研究链条进行分析,在此基础上探讨煤田隐蔽火源多源遥感探测的技术瓶颈,给合中国新疆维吾尔自治区阜康、米泉、宝安等火区隐蔽火源探测实际,给出在极化时序InSAR火区形变探测、时空温度阈值法火区圈定、多源卫星遥感火区联合识别、无人机火区监测试验等方面的研究进展及效果,展望了地下煤火多源天空地井协同感知认知研究的发展方向。     

新疆水西沟煤田火区的动态监测

本文选取新疆水西沟矿区的3期遥感影像,使用普适性单通道算法反演地表温度,对多时相遥感数据进行归一化处理,结合密度分割最优二段分割法将水西沟矿区分为背景区、煤火较严重区和煤火严重区3个类别。通过对遥感影像的地表热异常信息进行定量研究,表明水西沟矿区3个相互独立的子火区已有合并的趋势,火区面积由1990年6.12万m2增至2011年12.42万m2,增幅为2.03倍,灾情恶化速度明显加快。     

基于Landsat-8 TIRS数据进行煤田火区识别和监测

Landsat-8 TIRS数据第10波段和第11波段是热红外波段,两个波段数据空间分辨率是100 m。本文选取乌鲁木齐大泉湖煤田火区进行了实验,分别获取了2015年5月和2017年5月大泉湖煤田火区两期遥感影像,采用辐射传输方程方法进行了温度反演。对反演温度数据进行密度分割,提取了乌鲁木齐大泉湖煤田火区范围,并和经过物探方法确定的火区范围进行了叠加,矢量范围重合度达83%。结果显示,基于Landsat-8 TIRS数据煤田火区识别方法可行,对于煤田火区识别和监测将是一种重要的方法。     

基于差分干涉SAR的煤田火区地表形变监测

煤田火区地表形态变化是煤火监测和分析的可用指标之一。由于矿区地表严重的去相干噪声,使得星载合成孔径雷达干涉测量技术应用于煤田火区地表形变检测比较困难。结合煤田火区地表形变特点,利用L波段的ALOS PALSAR数据进行差分干涉处理,利用干涉条纹频率精确估计基线,并用自适应滤波方法降低去相干噪声的影响。在去除平地相位和参考地形相位后,获取煤田火区的地表形变。研究表明:地表形变与煤火燃烧具有一定的相关关系,通过地表形变分析有助于对地下煤火燃烧情况的判断;利用差分干涉SAR技术检测煤田火区地表形变,进而对煤火进行监测和分析是可行的。     

Landsat ETM＋数据的武汉市地表温度反演研究

以Landsat ETM＋为主要遥感数据源,辅助以气象数据资料,利用NDVI计算出植被覆盖率,继而计算出地表比辐射率,并利用单窗算法精确反演得到了武汉市2002年夏季地表温度。研究表明,武汉城市热岛由武昌、汉口、汉阳三大城区热岛构成,且几乎集中在城区;城区大热岛区中还存在多数热岛效应更为严重的＂岛中岛＂;武汉热岛分布与...     

应用DTM改善煤层自燃的热红外探测

根据遥感物理基础，提出了应用ＤＴＭ计算出地表的太阳辐射强度，并以此为依据校正ＴＭ第６波段的象元值，消除地形的影响，突出由煤层自燃引起的地表热异常，为灭火工程及火区动态监测提供信息和指导。文中选择了新疆准南煤田的硫磺沟火区为试验区，展示了研究的成果。     

煤田火区烧变岩光谱特征分析及其信息提取

中国北方煤田煤层自燃现象非常严重.利用遥感手段可以快速实现火区的动态监测,及时为灭火工程提供信息.烧变岩作为火区的地表指示性特征,是火区解译最直观的信息.本文从烧变岩的反射光谱曲线特征入手,对几种提取烧变岩信息的方法进行比较,从而确定解译烧变岩的最佳方法,为圈定火区的范围和位置奠定基础.     

数字图像处理技术在煤层火灾遥感调查中的应用

本文介绍在S101图像处理系统上,应用数字图像处理技术提取有关煤层火灾信息的方法,着重介绍从多时相航空、航天热红外遥感图像中,提取地表活火区所使用的图像处理技术及其应用效果。     

面向地下煤火热场模型的遥感技术体系初探

鉴于地下煤火的特殊性,传统的卫星、航空乃至地面遥感手段在对其热场的探测研究应用中都有一定的局限性。本文在分析地下煤火基本特征的基础上,探讨了建立面向地下煤火热场模型遥感技术体系的必要性和可行性,提出了基于遥感技术的地下煤火热场模型的构建方法和工作流程,特别强调了对地下煤火时空演变趋势的预测研究。     

中国新疆煤层自燃环境动态监测信息系统的开发

针对中国北方煤层自燃的特征,应用地理信息系统理论和方法,研建了为组织、实施煤矿灭火服务的煤层自燃动态监测信息系统(CFMIS),提出和确定了符合煤炭生产、管理和灭火部门实际需要的系统硬件配置,介绍了CFMIS的软件组成、数据内容、应用模型,阐明了该系统总体结构、特点以及使用效果。     

卫星遥感火点监测应用和研究进展

卫星遥感在自然灾害管理和应对中发挥了越来越多的作用。火点遥感在火灾频发的时候也被寄予厚望。梳理了火山、环境、气候、火灾等方面对火点遥感的需求,中国火灾监测的行业用户对时空分辨率需求迫切程度不同;概述了用于火点遥感监测的卫星数据源特点,光谱维度上以热红外敏感波段最重要,卫星轨道特点也是影响火点遥感监测能力重要因素;在分析火点遥感物理原理和方法的基础上,综述了当前火点遥感方法的研究进展及优缺点。按照火灾发生的灾前、灾中、灾后3个阶段,分别讨论了当前火点遥感提供信息支撑的能力。火点遥感用于发现火灾仍需要与地面监测等手段联合使用。     

Retrieval of land surface temperature (LST) from landsat TM6 and TIRS data by single channel radiative transfer algorithm using satellite and ground-based inputs

The present study proposes land surface temperature (LST) retrieval from satellite-based thermal IR data by single channel radiative transfer algorithm using atmospheric correction parameters derived from satellite-based and in-situ data and land surface emissivity (LSE) derived by a hybrid LSE model. For example, atmospheric transmittance (τ) was derived from Terra MODIS spectral radiance in atmospheric window and absorption bands, whereas the atmospheric path radiance and sky radiance were estimated using satellite- and ground-based in-situ solar radiation, geographic location and observation conditions. The hybrid LSE model which is coupled with ground-based emissivity measurements is more versatile than the previous LSE models and yields improved emissivity values by knowledge-based approach. It uses NDVI-based and NDVI Threshold method (NDVI^THM) based algorithms and field-measured emissivity values. The model is applicable for dense vegetation cover, mixed vegetation cover, bare earth including coal mining related land surface classes. The study was conducted in a coalfield of India badly affected by coal fire for decades. In a coal fire affected coalfield, LST would provide precise temperature difference between thermally anomalous coal fire pixels and background pixels to facilitate coal fire detection and monitoring. The derived LST products of the present study were compared with radiant temperature images across some of the prominent coal fire locations in the study area by graphical means and by some standard mathematical dispersion coefficients such as coefficient of variation, coefficient of quartile deviation, coefficient of quartile deviation for 3rd quartile vs. maximum temperature, coefficient of mean deviation (about median) indicating significant increase in the temperature difference among the pixels. The average temperature slope between adjacent pixels, which increases the potential of coal fire pixel detection from background pixels, is significantly larger in the derived LST products than the corresponding radiant temperature images.     

An enhanced spatiotemporal fusion method – Implications for coal fire monitoring using satellite imagery

Many real-world applications require remotely sensed images at both high spatial and temporal resolutions. This requirement, however, is generally not met by single satellite system. A number of spatiotemporal fusion models have been developed to overcome this constraint. Landsat and Visible Infrared Imaging Radiometer Suite (VIIRS) data have been extensively used for detection and monitoring of active fires at different scales. Fusing the data obtained from these sensors will, therefore, significantly contribute to the satellite-based monitoring of fires. Among the available spatiotemporal fusion methods, the spatial and temporal adaptive reflectance fusion model (STARFM) and enhanced STARFM (ESTARFM) algorithms have been widely used for studying the land surface dynamics in the homogeneous and heterogeneous regions. The present study explores the applicability of STARFM and ESTARFM algorithms for fusing the high spatial resolution Landsat-8 OLI data with high temporal resolution VIIRS data in the context of active surface coal fire monitoring. Further, a modified version of ESTARFM algorithm, referred as modified-ESTARFM, is developed to improve the performance of the fusion model. Jharia coalfield (India), known for widespread occurrences of coal fires, is taken as the study area. The qualitative and quantitative assessments of the predicted (synthetic) Landsat-like images from different algorithms (STARFM, modified-STARFM, ESTARFM, modified-ESTARFM) indicate that the modified-ESTARFM outperforms the other fusion approaches used in this study. Considering the advantages, limitations and performance of the algorithms used, modified-ESTARFM along with STARFM can be used for surface coal fire monitoring. The study will not only contribute to remote sensing based coal fire studies but also to other applications, such as forest fires, crop residue burning, land cover and land use change, vegetation phenology, etc.