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。     

应用遥感图像提取煤层自燃信息时必须考虑的几个影响因素

煤层自燃是中国北方煤田中普遍存在的灾害现象,它不但烧掉了大量的煤炭资源,而且还污染了环境。实践证明,利用遥感影像判别火区位置、圈定火区范围和对火区进行动态监测,及时为灭火工程提供信息,是一项经济和社会意义很大的工作。由于受多种因素的制约,不同地区、不同波段、不同时相、不同空间分辨率的遥感图像,其影像特征（含与煤层自燃有关的热异常影像特征）都有较大的差异,因而从图像上分析和提取地物的热红外辐射特征时,需要考虑遥感图像类型、成像时间、地形条件、气象条件和岩性特征等因素的影响。本文着重讨论了地表辐射温度与上述各项因素之间的关系。     

应用遥感图像提取煤层自燃信息时必须考虑的几个影响因素

煤层自燃是中国北方煤田中普遍存在的灾害现象,它不但烧掉了大量的煤炭资源,而且还污染了环境。实践证明,利用遥感影像判别火区位置、圈定火区范围和对火区进行动态监测,及时为灭火工程提供信息,是一项经济和社会意义很大的工作。由于受多种因素的制约,不同地区、不同波段、不同时相、不同空间分辨率的遥感图像,其影像特征（含与煤层自燃有关的热异常影像特征）都有较大的差异,因而从图像上分析和提取地物的热红外辐射特征时,需要考虑遥感图像类型、成像时间、地形条件、气象条件和岩性特征等因素的影响。本文着重讨论了地表辐射温度与上述各项因素之间的关系。     

南方灵锐S86GPS RTK在煤田火区探测中应用

煤层自燃是煤炭资源的主要危害之一,它对煤层破坏作用巨大,导致自燃煤层周围煤炭资源的开采困难和贬值,同时也对生态环境产生了恶劣影响.利用GPS RTK技术测定平庄煤田火区1∶2 000地形图,确定火区位置,用物探、遥感和遥测等新技术进行煤火监测,火区灾害防治和矿区环境保护,火区灭火工程、矿井安全生产和矿区可持续发展都具有...     

新疆拜城地区煤田煤层自燃的陆地卫星遥感探测方法研究

利用TM图像,结合区域实测、地质和区域能源分布资料,分析了煤田煤层自燃的光谱特征,对煤田地火燃烧区进行定位;在此基础上对新疆拜城地区TM图像进行线性变换、边界增强、波段运算、多波段假彩色合成等增强处理,识别并提取影像中煤田煤层自燃引起的地表热信息、地表植被异常和岩石烧变信息等,通过分析达到探测煤田火区的目的。     

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.     

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。     

陕西神府煤田新民烧变区煤层自燃边界范围的遥感调查

本课题以可见光黑白航空像片为主要信息源,对陕西神府煤田新民烧变区进行了1:5万航空遥感地质调查,圈定了该区烧变岩分布范围及煤层自燃边界线。文中着重介绍了遥感调查煤层烧变区的技术方法与工作成果。调查区为煤层自燃死火区。调查首先从烧变岩的基本地质特征入手,划分了烧变岩的宏观类型,确定了烧变岩的主要形成时代,探讨了烧变岩的形成机理;第二,根据掌握资料选取已知区,研究烧变岩及煤层自燃边界线的影像特征,建立初步解译标志;第三,在全区范围内进行煤层自燃边界线的遥感调查,并对解译标志进行补充、修改与完善。在调查中,解译与调绘相结合,遥感与地面调查方法相结合,最终圈定了区内各煤层的自燃边界线,并经钻孔验证,精度达到要求。     

基于ETM数据煤田火区温度反演研究

煤田自燃一直是煤矿生产不容忽视的问题。本文利用热红外遥感技术检测因煤火导致地面温度异常的地区,采用两种不同的遥感反演温度算法(单窗算法、基于影像的算法),使用ETM+数据并通过阈值分割法提取2010年乌尊布拉克煤田火区的温度。结果表明,两种遥感反演算法得到的地下煤火区地表温度的空间分布趋势一致,反演结果符合要求。据此对地下煤火的变化类型进行判断,并确定煤火的生成状况,从而为煤田火灾防治提供必要的决策支持。     

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。     

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。     

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。     

An approach of surface coal fire detection from ASTER and Landsat-8 thermal data: Jharia coal field,India

Radiant temperature images from thermal remote sensing sensors are used to delineate surface coal fires, by deriving a cut-off temperature to separate coal-fire from non-fire pixels. Temperature contrast of coal fire and background elements (rocks and vegetation etc.) controls this cut-off temperature. This contrast varies across the coal field, as it is influenced by variability of associated rock types, proportion of vegetation cover and intensity of coal fires etc. We have delineated coal fires from background, based on separation in data clusters in maximum v/s mean radiant temperature (13th band of ASTER and 10th band of Landsat-8) scatter-plot, derived using randomly distributed homogeneous pixel-blocks (9 × 9 pixels for ASTER and 27 × 27 pixels for Landsat-8), covering the entire coal bearing geological formation. It is seen that, for both the datasets, overall temperature variability of background and fires can be addressed using this regional cut-off. However, the summer time ASTER data could not delineate fire pixels for one specific mine (Bhulanbararee) as opposed to the winter time Landsat-8 data. The contrast of radiant temperature of fire and background terrain elements, specific to this mine, is different from the regional contrast of fire and background, during summer. This is due to the higher solar heating of background rocky outcrops, thus, reducing their temperature contrast with fire. The specific cut-off temperature determined for this mine, to extract this fire, differs from the regional cut-off. This is derived by reducing the pixel-block size of the temperature data. It is seen that, summer-time ASTER image is useful for fire detection but required additional processing to determine a local threshold, along with the regional threshold to capture all the fires. However, the winter Landsat-8 data was better for fire detection with a regional threshold.     

一种消除陆地卫星TM6夜间图像上干扰条带的滤波方法

本文介绍一种消除陆地卫星TM夜间图像上干扰条带的滤波方法。该方法的核心是用中位数判 错法首先判出干扰条带的位置,然后对原始图像上构成干扰条带的噪声点作二维空间域平滑滤波。 这种滤波方法不仅能消除干扰条带,而且能保存原始图像上的有用信息。通过滤波处理获得了较 满意的图像。     

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.     

矿区生态扰动监测研究进展与展望

矿区资源开发致使其面临着严重的生态环境问题,监测和分析矿区生态环境各种典型信号和异常已成为环境保护、生态恢复等工作的重要基础。本文从地表形变与沉降、地下煤火与煤矸石山自燃及其他生态要素监测等方面讨论了矿区生态扰动监测研究进展,进行了国内外进展比较及发展趋势展望。由于采动沉陷与生态环境变化的特殊性、复杂性和高度动态性,单一监测手段难以奏效,将空天地一体化对地观测传感网和矿山物联网相结合,发展矿区生态扰动多源多尺度空天地协同监测与智能感知体系,是未来研究的重点及努力方向。     

TM图像在新疆奇台北山煤田火区动态监测中的应用

本文以实测的煤田火区地物波谱数据为依据,对用于煤田火区各地物解译的遥感信息源──TM图像的最佳时相选择、最佳波段组合和煤田火区地物在TM图像上的影像特征进行了探讨。采用多时相TM图像对新疆奇台北山煤田火区进行动态监测及火情预测的成果进行了叙述,该勘查研究成果对指导该煤田火区灭火工程设计及后期防火管理有较大实用价值。对其它煤田火区火情监测也有一定借鉴作用。     

煤田火区特征的土地覆盖分类方法 ——以乌达煤田火区为例

土地覆盖变化是土地分析与评价和生态环境变化预测的重要科学基础, 通过精确的土地覆盖分类方法 获取高精度的土地覆盖图是研究煤田火区生态环境变化的必要手段。本文以最大似然法、光谱角度法、面向对象 分类法和基于复合分区的分层分类法进行乌达煤田火区土地覆盖分类的方法研究。研究结果表明, 基于复合分区的 分层分类方法分类精度较高, 总体分类精度为92.97%, kappa 系数为0.9155。该方法通过基于地表热辐射特征、热 异常状况、地貌类型, 以及对生态系统扰动状况等的划分, 减少了地物信息的混淆度, 即通过提