二维小波在多尺度矿区沉陷DEM去噪中的应用

针对矿区沉陷DEM中含有较多误差的问题,为了能更好地研究矿区沉陷规律,本文提出了一种二维小波分析对多尺度矿区沉陷DEM去噪处理的方法。首先阐述了二维小波去噪的基本过程,并对二维小波的各个特性和参数设定进行了分析讨论,将2期点云通过插值方法得到的尺度分别为0.5 m、1 m、5 m和10 m的DEM做减法,生成矿区沉陷DEM,最终选用bior5.5和coif5小波基函数、分解层数为3,对各尺度下的矿区沉陷DEM进行了分析去噪,为证明方法的有效性,通过分析主断面观测线变化趋势和计算误差指标进行去噪效果的验证。结果表明,运用二维小波去噪方法能够削弱矿区沉陷DEM中的噪声误差,使得去噪后的矿区沉陷盆地接近于真实盆地,对于矿区沉陷监测和沉陷规律的研究具有较高的应用价值。     

机载激光点云构建西部矿区开采沉陷模型研究

针对榆神矿区地形起伏而植被覆盖度较低的条件,采用无人机激光雷达(LiDAR)对采煤沉陷盆地进行地面扫描和建模,按现有的点云滤波和插值算法所构建的沉陷模型精度不足的问题,该文提出基于格网高程排序的类地面点云提取算法,通过改变格网大小和点云提取比例来优化点云滤波效果,改进了地表沉陷模型的精度。在此基础上,选用概率积分法和GaussAmp函数对沉陷模型进行最小二乘拟合,结果表明GaussAmp函数对于试验区地表动态沉陷模型的拟合精度更高。     

基于预测模型的矿区高程更新与可视化

针对矿区开采沉陷预计大多采用局部的下沉曲线或是下沉等值线图来反映矿区地形的动态变化,对于矿区的整体规划分析及综合分析难以直接应用。因此本文通过开采沉陷预计的模型,预计下沉参数及下沉值,通过CASS软件从原有的数字地形图上生成数字高程模型(Digital Elevation Model,DEM),并通过插值和加密处理,更新沉陷预计后的DEM模型,建立地形的三维模型,从而实现矿区变化的整体三维信息可视化表达。此方法可有效的区分开采前后的地貌信息融合,对矿业生产单位的测绘工作、开采沉陷防灾减灾工程的设计以及“三下”采煤具有一定的实际意义。     

基于DEM的矿山开采沉陷分析方法研究

文章首先详细阐述了DEM的数据结构,提出了利用GIS的空间分析功能进行开采沉陷分析的方法。以鲁西煤矿为例,通过后两期生成的DEM与首期生成的DEM进行相减生成后两期累计沉陷值DEM,利用ArcGIS软件的空间分析工具对累计沉陷值DEM进行空间分析,生成了沉陷等值线和沉陷面积统计报表。利用上述方法可以经济、有效的反映矿区地表沉陷对周围环境的影响程度和范围,为矿区生产设计和环境评价提供决策依据。     

基于GIS的矿山开采沉陷时空变化分析

首先详细阐述了建立矿山开采沉陷DEM的方法,提出了利用GIS的空间分析功能进行开采沉陷时空变化分析的技术方案.以鲁西煤矿为例,利用基于CORS的网络RTK进行矿山开采沉陷外业数据采集,通过后两期生成的DEM与首期生成的DEM进行叠加,生成后两期累计沉陷值DEM,利用ArcGIS的空间分析工具对累计沉陷值DEM进行空间分析,生成了沉陷等值线和沉陷面积统计报表.利用上述方法可以经济、有效地反映矿区地表沉陷的时空变化及对周围环境的影响程度和范围,为矿区生产设计和环境评价提供决策依据.     

基于地形特征的采煤沉陷盆地构建与水平移动信息智能提取方法

在西部黄土高原复杂地形地貌下构建采煤沉陷盆地和提取水平位移的难度较大,传统地表沉降监测手段只能获取线状数据,效率低,而重复轨道合成孔径雷达干涉测量技术在大梯度形变区域易出现失相干现象,难以达到矿区地表沉降监测精度要求。提出了一种基于无人机载激光雷达点云数据构建沉陷盆地和提取水平位移的方法。结合多地形因子构建深度神经网络（deep neural network,DNN）模型,提取沉陷盆地构建过程中受地形影响较小的特征稳定区,利用较优插值算法对稳定区进行拟合,得到完整沉陷盆地。为了提取采煤地表水平移动信息,将二进制形状上下文特征描述算子与多地形因子融合起来,以改进特征匹配算法。基于此设计地表水平移动提取方案,提取主断面水平移动信息,同时对水平移动提取误差与点云密度、地形因子进行定量分析。榆神矿区结果表明,利用结合地形因子的DNN模型能有效提取特征稳定区,在复杂地貌下减小了沉陷建模误差,为构建采煤沉陷盆地提供了一种新方法;利用融合地形特征的改进特征匹配算法提取的水平移动曲线符合采煤沉陷水平移动基本规律,与水平移动偏差相关性较强的地形因子可用于衡量改进特征匹配算法对水平移动提取误差的大小。     

矿山开采沉陷研究中矿山3维可视化的实现

以顾桥1117(1)首采面为例,从CAD图形中提取开采前的地面高程点、等高线图层数据,并对其他图层地物进行分类,提取相应的各类地物数据,然后结合顾桥矿地质采矿条件,通过概率积分法生成预计地表沉陷区数据,和开采前地表高程数据融合,建立受采煤影响的矿区DEM,通过对地物模型建模,运用分层着色模式,获得矿区开采3维可视化图形。从而直观显示由于地下采煤引发的地表沉陷情况,以进行较为深入的分析。     

基于高差分析的点云数据提取矿区地表沉陷信息方法

机载LiDAR技术能够快速获取整个矿区地表空间位置及垂直相对位置的动态变化量,观测结果更为全面、直观,从而可以获得整个矿区地表开采沉陷分布与移动下沉情况.从点云数据滤波入手,对获取的鹤壁矿区两期点云数据提取的DEM作差值计算,得出该段时期内地表的垂直位移量,然后通过设置高差阈值和面积阈值,并采用基于高差分析的方法,提取地表沉陷信息.试验结果表明,该方法提取的沉陷面积精度能达到94.75％,可在中小尺度上对矿区开采沉陷进行监测.     

基于LiDAR的煤矿地表沉陷监测方法研究

传统的矿区地表变形监测获取数据量少、监测周期长、效率不高;结合LiDAR及RTK技术应用到煤矿区地表沉陷监测工作中,进行外业数据采集与内业数据处理,对得到的点云数据和生成的DEM进行煤矿区沉降变形分析,并以贵州某煤矿区为例进行了地表沉陷监测试验,满足精度要求,验证了该方法的可行性。     

基于GIS的采煤沉陷区地质环境数据库建设研究

文章梳理了采煤沉陷区地质环境调查基础数据类型和空间数据类型,依据我国矿山地质环境调查评价的行业标准和规范,建立了集成数据管理、服务、交换体系的综合数据库,实现了基于GIS的综合业务数据集成、管理与服务。结果表明:GIS技术可以实现采煤沉陷区环境地质调查数据库建设,为采煤沉陷区的土地治理和生态恢复提供决策支持。     

三维激光扫描技术在煤矿沉陷区监测应用

采用三维激光扫描仪与传统观测相结合的方法,获取开采沉陷区精细三维点云数据,在对激光点云数据预处理和数据分析基础上,分别对采空区地表沉降、铁路线沉降、铁路桥沉降与形变监测进行研究,并与传统观测结果进行对比分析,结果表明两者具有较好的一致性。     

一种局部稀疏地面点云与已有DEM的融合方法

机载LiDAR采集的点云数据中会存在一些局部区域地面点稀疏的情况,利用这些稀疏地面点构建DEM时会出现“三角面片化”的问题,严重影响DEM的质量。为此,本文提出了一种局部稀疏地面点云与已有DEM的融合方法：将稀疏点云作为高精度控制点,在尽量保持原始DEM的地形形态特征的前提下,通过高斯核函数加权迭代插值算法对DEM进行高程局部改正,实现稀疏点云与DEM的一致性融合。试验分析表明,融合后的点云数据得到了较好的补充,由此构建的DEM地形形态自然,在精度上相对于融合前的稀疏地面点云有一定改善,在弱精度区域的可靠性有显著提升。     

义能矿区开采沉陷演化的TS-DInSAR监测与影响分析

为研究济宁市义能矿区开采沉陷演化特点及其对周边建筑物的影响,本文采用69景长时间序列中等分辨率Sentinel-1影像,以TS-DInSAR技术体系中的小基线集DInSAR分析为研究方法,获取了2016年初至2018年底该矿区开采面周边的沉降信息。结果表明,义能矿区在监测时段内沉陷范围较为集中,最大累计沉降量约为627 mm,通过居民点位置与沉陷结果的叠加分析,发现周边3处村庄受到了不同程度的影响,该结果能为煤矿开采沉陷控制方案的效果评估及设计优化提供重要参考作用。     

顾及地貌特征的矿区地表塌陷DEM的生成方法

地下煤炭资源开采导致矿区地表塌陷和矿区地形的变化,直接由开采沉陷下沉预计数据生成的DEM不能表现矿区地表塌陷后的地形状况。通过在开采沉陷下沉预计程序中增加高程修正计算功能,对矿区原始地貌高程进行下沉修正计算,生成矿区地表塌陷高程数据文件,由该数据文件可以生成顾及地貌特征的矿区地表塌陷DEM。该方法操作和实现简单,生成的DEM精度可靠,能够表现矿区地表塌陷后的地形状况,可以作为矿区地理信息系统的基础数据,对于指导开采沉陷的防治和治理具有重要意义。     

矿区开采沉陷3维可视化研究

矿区开采沉陷实体在移动过程中,具有明显的3维空间特征。目前,对于开采沉陷空间信息描述以2维的剖面线、曲线或等值线居多,而2维图形对于开采沉陷实体移动变形的表达缺乏直观性和准确性。而通过研究开采沉陷实体的空间特征并采用相应的数据模型,可实现开采沉陷3维可视化表达。这将有助于更加直观、深入地研究岩层移动形式、地表塌陷和地物损害程度,同时,对于研究、理解开采沉陷规律和提高开采沉陷损害防治技术也将很有意义。     

基于BP神经网络的矿区地表沉降预测研究

BP神经网络具有非常强的非线性映射能力,广泛应用于分类识别、逼近、回归、压缩等领域。本文基于BP神经网络的理论基础,利用某矿区地表沉降观测点1~10期的实测沉降数据资料,结合MATLAB建立针对矿区地表沉降的预测模型,并预测其11~15期的沉降情况。通过将预测值与实测值进行对比,分析预测模型精度,结果表明BP神经网络用于矿区地表的沉降研究是可行的。     

Interferometric SAR Time Series Analysis for Ground Subsidence of the Abandoned Mining Area in North Peixian Using Sentinel-1A TOPS Data

The North Peixian mining area of China has rich coal resources, with total proven reserves of 2.37 billion tons. However, the underground coal mining activities have resulted in ground collapse, which has caused serious harm to the environment and threatened the lives and properties of local residents. In this study, 12 Sentinel-1A terrain observation by progressive scans (TOPS) mode acquisitions between 30 July 2015 and 13 May 2016 over the abandoned mining area in North Peixian were analyzed using the interferometric synthetic aperture radar (InSAR) time series method to detect the ground subsidence, with the maximum ground subsidence reaching 83 mm/a and an average value of about 12.7 mm/a. The subsidence results derived from the Sentinel-1A TOPS mode dataset were proven to be effective in investigating and monitoring the ground subsidence in the North Peixian mining area. Compared to the rapid deformation during the ongoing period of mining excavation, the ground subsides slowly in abandoned mining areas and shows a linear relationship with time over a relatively long period of time. Spatial correlation between the subsidence distribution and land cover was found, in that the magnitude of the subsidence in urban areas was smaller than that in rural areas, which is associated with the controlled coal mining activities under buildings, railways, and water bodies. The results demonstrate that Sentinel-1A TOPS SAR images can be used to effectively and accurately detect and monitor ground subsidence in a mining area, which is critically important when investigating land subsidence in a large-scale mining area.