基于DeepLabv3+与GF-2高分辨率影像的露天煤矿区土地利用分类

遥感与深度学习为及时掌握露天煤矿区土地利用情况提供了高效率的技术手段。基于国产高分二号(GF-2)卫星高分辨率遥感影像,利用深度学习DeepLabv3+模型实现露天煤矿区土地利用识别,并与U-Net、FCN、随机森林、支持向量机、最大似然法等方法进行对比。首先,制作高分辨率影像样本数据,通过敏感性测试确定适合研究区露天煤矿场景的样本最佳裁剪尺寸和方式;然后,训练深度神经网络DeepLabv3+模型,进行土地利用识别实验;最后,比较不同方法的识别结果。结果表明:研究区露天煤矿场景下的样本最佳裁剪尺寸为512像素×512像素,最佳裁剪方式为随机裁剪。采用的DeepLabv3+模型对露天煤矿区土地利用识别的总体精度、Kappa系数分别为80.10%、0.73,均优于U-Net、FCN、随机森林、支持向量机、最大似然法等方法的识别精度。DeepLabv3+模型的识别速度与上述5种方法保持在同一数量级,验证了DeepLabv3+模型和GF-2卫星影像在露天煤矿区土地利用识别中的可行性,对露天煤矿区生态环境监测与修复规划具有重要意义。      

露天煤矿采场无人机遥感图像小目标检测

露天煤矿采场地形复杂,车辆事故时有发生,准确定位车辆位置对于安全生产至关重要。针对矿区无人机遥感图像小目标定位不准确的问题,提出了一种改进的YOLOv7目标检测模型。首先对原始网络模型中的ELAN模块进行卷积替换,加速网络的推理速度。并在此基础上,进一步结合eSE通道注意力机制,形成PConv-eSE卷积注意力模块,加强模型网络对小目标的特征提取能力,降低背景信息的影响。最后,使用NWD度量标准的损失函数,进一步优化网络,提高准确性。在矿区采场车辆数据集上对改进的模型进行了实验验证,结果表明：改进后的模型P_mav值达到94.5%,相对于原始模型上升了7.2%,有效解决了原始网络对于遥感小目标定位漏检的问题,为无人机在露天矿区小目标定位领域的应用提供了理论基础。     

南京栖霞山铅锌矿地区土壤重金属污染评价

针对不同的土地利用类型选用不同的采样方式和评价标准,对南京栖霞山铅锌矿地区土壤重金属污染特性和现状进行调查和评价。研究区主要土地利用类型有露天采矿区、菜地和风景区栖霞寺。露天采矿区和菜地土壤采用梅花布点采样方式,栖霞寺由于属于山地,采用随机布样方式;评价标准参考国家土壤环境质量标准(GB 15618—1995)的要求,对矿区和栖霞寺林区土壤采用土壤环境质量三级标准进行评价,对菜地土壤采用二级标准评价。调查分析结果表明,矿区、菜园和栖霞寺土壤中铅、砷、镉和锌等重金属污染严重,其部分土壤中存在铜的轻度污染,而未受铬污染;内梅罗综合污染指数评价结果均大于3,属于重度污染;污染严重区集中在选矿厂、矿口和坑道排风井口等周围,并且污染程度随着远离矿区而逐渐减小。     

基于语义分割深度学习的找矿靶区预测研究——以广东省阳江-茂名地区为例

找矿靶区预测需要综合考虑地质背景、地球化学数据、地球物理勘探数据、遥感数据等因素。随着人工智能时代的到来,靶区预测可以最大限度地利用计算机运算性能,通过特定的规则集成所有地学数据对各类矿种的找矿靶区进行预测,尽可能规避由于数据种类多、数据量大、方法复杂、主观性强造成的预测结果可靠性差等问题。本文以广东省阳江-茂名地区为例,融合地球化学、地层岩性、地质构造、地形地貌等数据,基于PSPNet、SegNet、UNet三种语义分割深度学习模型进行预测,结果表明PSPNet模型在预测精度方面优于SegNet及UNet模型,并预测出了55处铁矿、金矿、铜矿、高岭土矿找矿靶区,其中79.7%的已查明矿点位于预测靶区内,表明该方法在找矿靶区预测中具有较高的可行性,可以用于找矿勘查并圈定靶区。     

基于A- CGAN的深反射地震数据随机噪声压制方法研究

基于深度学习的地震数据噪声压制方法是当前地震数据去噪处理的重要方向。深度学习方法突破了传统滤波处理的局限,在对常规地震数据的噪声压制中表现出效率高、信噪分离效果好的特点。但针对深部弱有效反射数据,当前的深度学习方法特征提取能力有限,难以取得较好的去噪效果。笔者等结合深反射地震数据特点,针对当前深度学习噪声压制方法在特征提取及对数据集依赖上的局限,提出了基于注意力循环生成对抗网络(Attention Cycle- Consistent Generative Adversarial Networks,A- CGAN)的深反射地震数据随机噪声压制方法。借助循环一致生成对抗网络(Cycle- Consistent Generative Adversarial Networks,Cycle- GAN)的域映射思想,降低对数据集的要求。为了构建适用于深反射地震数据的去噪网络,从3个方面对Cycle- GAN进行改进：在Cycle- GAN的生成器（去噪器）中加入残差结构和注意力机制,用于加深网络深度和提高其特征提取能力;在Cycle- GAN的鉴别器中使用块判决,提高鉴别精度和准确度;在损失函数部分加入感知一致性损失函数,提升网络模型恢复纹理细节信息的能力。通过合成地震数据和实际深反射地震数据测试,验证了优化算法的有效性,体现了良好的应用价值。     

基于A- CGAN的深反射地震数据随机噪声压制方法研究

基于深度学习的地震数据噪声压制方法是当前地震数据去噪处理的重要方向。深度学习方法突破了传统滤波处理的局限,在对常规地震数据的噪声压制中表现出效率高、信噪分离效果好的特点。但针对深部弱有效反射数据,当前的深度学习方法特征提取能力有限,难以取得较好的去噪效果。笔者等结合深反射地震数据特点,针对当前深度学习噪声压制方法在特征提取及对数据集依赖上的局限,提出了基于注意力循环生成对抗网络(Attention Cycle- Consistent Generative Adversarial Networks,A- CGAN)的深反射地震数据随机噪声压制方法。借助循环一致生成对抗网络(Cycle- Consistent Generative Adversarial Networks,Cycle- GAN)的域映射思想,降低对数据集的要求。为了构建适用于深反射地震数据的去噪网络,从3个方面对Cycle- GAN进行改进：在Cycle- GAN的生成器（去噪器）中加入残差结构和注意力机制,用于加深网络深度和提高其特征提取能力;在Cycle- GAN的鉴别器中使用块判决,提高鉴别精度和准确度;在损失函数部分加入感知一致性损失函数,提升网络模型恢复纹理细节信息的能力。通过合成地震数据和实际深反射地震数据测试,验证了优化算法的有效性,体现了良好的应用价值。     

潜孔锤反循环钻进工艺在拉拉铜矿的试验应用

针对现有露天矿区空气钻孔作业存在的粉尘污染、岩矿心（样）丢失严重等问题。采用贯通式空气潜孔锤反循环钻进工艺在四川拉拉铜矿露天矿区进行了生产性试验,检验贯通式潜孔锤在露天矿区的钻进效率、粉尘控制以及岩心（样）采取率情况。试验共完成了3个试验孔,进尺483 m,平均钻进效率为8.83 m/h,岩心（样）总长度252.43 m,反循环效果良好,且不同的钻具组合对反循环形成效果无影响,试验现场无粉尘弥散现象。     

基于FPN Res-Unet的高分辨率遥感影像建筑物变化检测

针对城市土地资源变化检测工作繁杂、工作量大、自动化程度低等问题，本文提出一种基于深度学习模型的高分辨率遥感影像建筑物变化检测方法，将语义分割的思想引入到遥感变化检测。基于残差结构特征较卷积层提取性能更优和特征金字塔网络多尺度预测的特点，将残差结构和特征金字塔网络融合到Unet模型中，建立FPN Res-Unet模型。该模型以Unet为基础，引入ResNet18的残差结构作为编码路径特征提取层，在每次卷积后使用边界填充，使得输入图像和输出图像尺寸一致；在解码路径每级上采样过程中，拓展支路径将特征金字塔网络融合到模型的网络主干中，将残差结构、Unet及特征金字塔网络的优点相互融合，增强了Unet的特征提取，弥补了语义分割网络对小目标检测的欠缺；在获取深层语义信息的同时关注细节信息，提高建筑物变化检测精度。实验表明，该方法在所用数据集，准确率、召回率、F₁ 3种指标均达到90%以上。     

融合气象要素时空特征的深度学习水文模型

针对现有深度学习水文模型未能充分刻画气象要素空间特征的问题, 本文基于主成分分析(PCA)方法提取气象要素空间特征, 利用长短时记忆神经网络(LSTM)学习长时序过程规律, 构建融合气象要素时空特性的深度学习水文模型PCA-LSTM。以黄河源区为研究区域, 利用LSTM模型和物理水文模型THREW作为比对模型, 基于高斯噪音法系统评估PCA-LSTM模型的适用性和鲁棒性。结果显示: PCA-LSTM模型径流模拟纳什效率系数为0.92, 高于比对模型LSTM和THREW, 表明模型具有较高的精度。研究结果可为流域高精度水文模拟提供参考。     

露天煤矿区受损土地景观重塑与再造的研究进展

露天煤炭的开采过程造成了对土地的挖损、占用,重型机械的参与导致土壤受到严重压实,致使地表植被难以正常生长,加大水土流失发生频率,使矿区土地景观受到损坏。因此,开展矿区受损土地景观的重塑与再造,恢复已受损的土地已成为土地复垦和生态恢复领域未来发展的关键。针对露天矿区土地景观受损特点,总结了遥感、GPS RTK、无人机、三维激光扫描等国内外相关领域获取受损土地景观信息的技术方法,分形及景观指数法等受损土地表征方法,并归纳了景观生态学、微地形和仿自然地貌等土地景观重塑与再造理论,发现在进行露天矿区土地景观获取与表征中缺乏无人机、三维激光扫描新型景观获取技术和分形等表征方法的深入应用,指出今后研究还需在获取景观数据等技术方面进行加强,注重分形参数与受损景观表征意义的深入探讨,继续探究创建景观生态学、微地形等多种重塑再造理论相互融合下的矿区受损土地景观规划技术体系,以期为露天矿区受损土地景观重塑与再造提供理论指导和科学依据。     

基于GIS和RS的自贡市长山盐矿区生态环境评价

根据研究区生态环境特点和评价指标选取的原则,选取土壤湿度、土地利用/覆盖、地形地貌、土壤盐碱化、土地压占与破坏指数为影响要素层,以评价指标体系中的各个主要细节为指标层,建立长山矿区生态环境评价指标体系,并运用层次分析法确定各评价指标的权重。通过目视解译与计算机自动提取相结合的方式提取评价指标信息,并对各个评价指标进行量化分级以及标准化,运用加权综合评价法建立研究区生态环境综合评价模型,将长山矿区生态环境质量划分为优、良、中、差、劣五个等级。     

新疆荒漠露天矿区生态受损及砾幕层重构方法研究

露天矿开采过程中的岩土剥离、土地压占导致大面积的地表、植被及地下水系被破坏和景观格局的改变,带来一系列生态环境问题。西北荒漠矿区作为我国未来煤炭资源战略的重要接替区,若无针对性的生态修复对策,将会严重威胁到我国国土生态安全。选取西北荒漠区7座典型露天煤矿,采用实地调研与实证研究法、遥感影像法、比较研究法等,从地貌重塑、砾幕层重构、荒漠植被重建3方面进行研究。结果如下:(1)新疆7座露天煤矿均有不同程度的土地扰动情况,白石湖矿区土地压占情况最严重,达到1 190.3 hm²;五彩湾矿区土地占用面积最大,为2 251.0 hm²;将军戈壁土地挖损面积最严重,达到1 007.3 hm²;大南湖矿区裸地面积最多,达到20 164.2 hm²;伊犁露天煤矿周边植被较多,达到343.3 hm²;西黑山矿区周边交通用地最多,达到194.3 hm²。(2)选择最具有代表性的五彩湾露天矿区进行砾幕层研究,其砾幕层面积比例由2000年的60.12%下降到2010年的31.28%,再上升至2017年的42.75%。(3)五彩湾矿区生物量为12.53 g/(m²·a),景观多样性指数为0.219 3,景观优势度为1.780 7,景观均匀度为0.109 7,其生态承载能力较弱,生态体系阻抗干扰能力较差,且区域的生态完整性较低。(4)五彩湾矿区植被覆盖率在2000年至2005年呈现上升趋势,2005年达7.72%,2005年至2015年呈现下降趋势,2015年降至3.89%。总的来说,西北荒漠露天矿区生态受损程度较为严重,应以砾幕层重构为主,采取人工支持引导的方式,提高自然生态修复的速率与效果,使受损生境通过自身主动反馈,走向自发恢复的良性循环。     

面向基元的高空间分辨率矿区遥感影像土地利用分类

为了合理开发矿产资源和有效监测矿区生态环境,采用面向基元的分类方法,对广西横县某矿区的高分辨率航空遥感影像进行了土地利用分类.通过优化分形网络演化多尺度分割方法,高效提取了矿区两个尺度上的影像基元层;基于基元信息,详细分析了各地表地物光谱特征、空间特征以及类相关特征,建立了研究区土地利用的分类知识库;采用决策支持的模糊逻辑推理法进行分类,使分类的精度从53%提高到了90%.表明面向基元的方法能较好地利于高空间分辨率矿区影像的各种特征进行高精度的土地利用分类.      

露天煤矿开采侧向帷幕控水原理与截水效果数值分析

露天煤矿开采过程中的矿坑疏排水是引起地下水资源流失的重要原因,寻求新的控水方法势在必行。以内蒙古赤峰市元宝山露天煤矿为研究对象,根据研究区水文地质与露天煤矿开发特征,分析了露天开采驱动下帷幕墙体建设对地下水系统控制的基本原理,得出帷幕墙体渗透能力越弱、厚度越大、与补给水体距离越近是帷幕墙减少露天采坑涌水的基本思路。将露天采矿疏排水与地下水系统数值仿真研究结合,对露天煤矿开采与帷幕墙建设对矿坑疏排水强度影响程度进行预测分析,模拟结果显示,采用针对主要涌水段的局部帷幕工程方案,地下水仍然以露天矿采坑为降落漏斗中心,区域流场形态基本未发生重大变化,在未帷幕区段地下水发生了强烈的侧向绕流现象,初期(300 d)矿坑残余涌水量较之现有矿坑排水量最大减幅 37.16%,而残余涌水量随时间增大趋势明显。按准全封闭型帷幕方案建墙后,地下水基本未发生绕流现象,矿井残余涌水量为先减小后增大的趋势,最大减幅达85.79%,且后期涌水量增加幅度不大,可见准封闭型帷幕建设方案较之局部帷幕方案对矿坑整体涌水量的减排作用显著。通过分析露天煤矿开采侧向帷幕控水规律,构建帷幕阻水条件下地下水系统仿真模型,评价帷幕截水减排效果,以期为露天矿区煤–水资源协调开发提供科学依据。      

深度学习在矿产资源卫片执法中的应用研究

矿产资源卫片执法是资源监管与保护的重要技术手段,而深度学习是当前人工智能领域中的研究热点,为提高卫片执法效率、降低人力解译工作量提供了可能。本文提出了一种基于Mask RCNN的遥感影像露天矿山疑似违法图斑自动检测提取方法,通过采集、扩充、规范矿山样本,制作特定的coco数据集输入到Mask RCNN进行有监督学习训练。利用训练出的分类网络模型进行遥感影像矿山图斑的自动提取,并以采矿权矢量图层作为判定依据,自动圈取影像中的疑似违法图斑。经实验,本文方法的mAP精度达87%以上,高于传统方法,对深度学习在卫片执法中的应用研究作出了有效实践。     

紫金山金-铜矿露天采矿场地下不明空区的地质雷达探测

采用先进的地球物理技术探明露天采矿场地下不明空区的分布情况,准确确定其平面分布范围、顶面埋深及空间高度,对保障露天采矿作业的安全进行、预防突发性事故的发生具有十分重要的意义。运用地质雷达对福建紫金山金铜矿露天采矿场地下不明空区进行探测,在两个不同探测区块共完成18条探测剖面,剖面线总长近4km;经处理后的实测地质雷达剖面具有高清晰度、高分辨率,能准确反映地下各种不同规模的不明采空区的属性、平面位置、顶板埋藏深度、空区大致高度;地质雷达探测共查明较大空区异常55个。采用50MHz天线的地质雷达系统在该露采场的有效探测深度可以达40m以上。在露天采矿场,地质雷达探测受矿区地形条件及环境影响很小,可直接在岩（矿）石表面进行,不受第四系覆盖层对雷达波衰减吸收的影响。因此,地质雷达非常适应露天采矿场地下采空区的探测及定位。     

丛枝菌根真菌与沙棘对露天矿排土场的联合改良效应

我国东部草原露天矿区土壤瘠薄,草场退化严重,生态恢复难度大。针对露天矿排土场的特殊环境,研究丛枝菌根真菌与沙棘的共生状况以及菌根对沙棘根系发育的影响和对排土场土壤的改良效应。试验发现,接菌组(+M)沙棘的株高和冠幅比对照组处理(CK)分别提高了20%和21%,+M的根长和根体积分别为CK的1.46倍和1.97倍;+M中沙棘根际土中的易提取球囊霉素含量为3.22 mg/g,显著高于CK的2.16 mg/g;+M的磷酸酶活性是CK的1.76倍,速效磷含量也有相似变化规律。研究结果表明,利用微生物促进露天矿排土场的土壤改良及生态恢复具有较强的可行性,对矿区生态系统的恢复具有重要意义。      

深度学习在地质学上的应用

自Hinton等使用基于卷积神经网络的深度学习模型赢得Image Net分类比赛以来,深度学习的研究席卷了各个行业。通过介绍深度学习的历史,探索国内地质行业中深度学习模型的使用情况,并介绍深度学习的基础概念(如神经元、神经网络、监督学习和无监督学习等)以及深度学习基础模型中的2个重要网络:深度信念网络(DBN)和卷积神经网络(CNN)。在此基础上,类比深度学习在医学等相关领域的应用,提出了深度学习在地质上的几点应用:利用深度学习在计算机视觉上表现出的强大能力,可以对遥感图像进行聚类、对岩石样品图像进行分类、对岩石薄片数据进行描述;利用深度学习对原始数据表现出的强大识别能力,处理地质异常数据,从而确定成矿靶区的可能位置;利用深度学习的特点,对地震前的声信号数据进行处理,从而判断出地震发生前的剩余时间。     

基于深度学习的雷达降雨临近预报及洪水预报

为探究深度学习的雷达降雨临近预报在流域洪水预报中的适用性,采用U-Net、嵌入注意力门的Attention-Unet和添加转换器的多级注意力TransAtt-Unet开展雷达降雨临近预报,将预报降雨作为HEC-HMS水文模型的输入,对柳林实验流域进行洪水预报。结果表明：1 h预见期时,Attention-Unet对短时强降雨预报结果较好,TransAtt-Unet预报降雨模拟的洪峰流量和径流量相对误差小于20%,各深度学习模型对量级较大的降雨和洪水预报精度较高;2 h预见期的预报降雨强度、降雨总量、洪峰流量和径流量存在显著低估,U-Net能取得相对较好的降雨预报结果。基于深度学习的1 h预见期雷达降雨临近预报及洪水预报可为流域防洪减灾提供科学依据。     

基于深度学习的CZ铁路康定—理塘段滑坡易发性评价

CZ铁路康定至理塘段地处青藏高原东部边缘,区域内地形地貌多变、地质构造复杂,滑坡灾害极其发育,严重威胁着CZ铁路康定至理塘段的规划建设和未来安全运行。因此,选取高程、坡向、平面曲率、剖面曲率、地形起伏度、地表切割度、地形湿度指数、归一化植被指数、岩性、距断层距离、距河流距离、距道路距离共计12个影响因子构建滑坡空间数据库,采用深度学习的卷积神经网络(convolutional neural network,CNN)模型进行滑坡易发性评价,根据易发性指数将研究区划分为极高易发区(13.76%)、高易发区(14.00%)、中易发区(15.86%)、低易发区(18.17%)、极低易发区(38.21%)5个等级,并与人工神经网络(artificial neural network,ANN)模型进行对比。结果表明,CNN模型的评价精度AUC(0.87)大于ANN(0.84)模型,且极高易发区的频率比值高于ANN模型,CNN模型在本研究区有着更高的预测能力;极高和高易发区主要分布在水系较为发育的地区,沿着雅砻江和其他河流两侧2 km范围内呈带状分布。滑坡易发性评价结果较好地反映了研究区滑坡灾害发育的分布现状,能够为该区的CZ铁路建设和未来安全运行过程中的防灾减灾工作提供科学的依据。