引文格式： 于頌，王飛紅，楊愛民. 平朔露天煤礦土地利用變化的遙感監(jiān)測[J].測繪通報(bào)，2015(4)：86-90.DOI:10.13474/j.cnki.11-2246.2015.0118

平朔露天煤礦土地利用變化的遙感監(jiān)測

于頌1，王飛紅2，楊愛民1

(1. 山西省遙感中心，山西 太原 030001； 2. 中北大學(xué)儀器與電子學(xué)院，山西 太原 030051)

RemoteSensingMonitoringofLandUseChangeinPingshuoOpen-pitMine

YUSong,WANGFeihong,YANGAimin

摘要：為了對平朔露天煤礦近20年來的土地利用變換情況進(jìn)行遙感監(jiān)測，使用遙感技術(shù)和決策樹分類方法對研究區(qū)4個時(shí)期的遙感影像進(jìn)行了分類，分類對象為植被、開采區(qū)、居民區(qū)和裸地。通過對分類結(jié)果進(jìn)行統(tǒng)計(jì)和分析，得出如下結(jié)論：近20年來，平朔露天煤礦開采區(qū)擴(kuò)張顯著，居民區(qū)面積在不斷上升，同時(shí)植被也在穩(wěn)步增長。

關(guān)鍵詞：遙感監(jiān)測；決策樹；露天煤礦

中圖分類號：P23

收稿日期：2014-03-26

作者簡介：于頌(1974—)，男，高級工程師，主要從事環(huán)境資源遙感和地理信息系統(tǒng)方面的研究。E-mail：yusong8@sina.com

一、引言

煤炭資源是一種重要的非再生自然資源，煤炭的開發(fā)利用為社會的建設(shè)與發(fā)展作出了巨大貢獻(xiàn),但長時(shí)間、大規(guī)模、高強(qiáng)度的煤炭開采不可避免地造成原生礦床地質(zhì)條件和原有生態(tài)系統(tǒng)的破環(huán)，引發(fā)植被退化、水土流失、物種減少、土壤沙化、土地塌陷等一系列的生態(tài)效應(yīng)[1-2]，給礦區(qū)生態(tài)環(huán)境造成了很大的威脅,嚴(yán)重制約著礦區(qū)的可持續(xù)發(fā)展。因此，在開采煤炭資源的同時(shí),研究其對礦區(qū)及周邊生態(tài)環(huán)境的影響,開展相應(yīng)的生態(tài)環(huán)境保護(hù)工作至關(guān)重要。

隨著計(jì)算機(jī)和空間技術(shù)的發(fā)展，遙感以其具有的宏觀性、周期性、客觀性、時(shí)空變化多層性等獨(dú)有的優(yōu)勢，被廣泛應(yīng)用于煤礦區(qū)域開采情況及周圍環(huán)境變化情況的動態(tài)監(jiān)測[3]。喬玉良等[4]利用TM、ETM和SPOT5遙感影像，對比分析了鄉(xiāng)寧縣18年來煤炭資源開采與土地破壞狀況，較好地實(shí)現(xiàn)了對礦產(chǎn)開發(fā)點(diǎn)的分布狀況、固體廢棄物堆放情況以及由此引發(fā)的土地破壞等問題的動態(tài)監(jiān)測；彭瑛等[5]利用鄂西LandsatTM、CBERS-2、SPOT5、IKONOS遙感影像，利用不同地物的光譜、形狀、空間位置等特征，采用目視解譯方法進(jìn)行信息提取，結(jié)果表明多目標(biāo)遙感監(jiān)測目視解譯技術(shù)對礦產(chǎn)資源開發(fā)利用狀況、環(huán)境破壞情況進(jìn)行遙感動態(tài)監(jiān)測有一定的使用價(jià)值和參考價(jià)值；翟孟源[6]以烏海市為例,以MSS/TM遙感數(shù)據(jù)為基礎(chǔ),利用煤礦遙感影像各波段反射率遠(yuǎn)低于其他地物的典型光譜特征,提取了烏海市煤礦開采區(qū)時(shí)空分布數(shù)據(jù)集,并結(jié)合SPOT-VEGETATIONNDVI數(shù)據(jù),對烏海市煤礦開采區(qū)的變化過程以及生態(tài)環(huán)境影響進(jìn)行了動態(tài)監(jiān)測，取得了較好的效果。遙感技術(shù)宏觀、快速、動態(tài)的技術(shù)優(yōu)勢能夠滿足礦山環(huán)境監(jiān)測的要求[7]。為了得到研究區(qū)近20年的變化情況，本文根據(jù)礦物特點(diǎn)將礦區(qū)分為植被、開采區(qū)、居民區(qū)和裸地4類，利用決策樹進(jìn)行動態(tài)監(jiān)測。

二、研究區(qū)及其數(shù)據(jù)

1. 研究區(qū)概況

平朔安太堡露天煤礦是我國規(guī)模最大、現(xiàn)代化程度最高的大型煤礦生產(chǎn)基地。該煤礦所處環(huán)境是一個對環(huán)境改變反應(yīng)敏感、維持自身穩(wěn)定的可塑性較小的脆弱生態(tài)環(huán)境系統(tǒng)，屬黃土丘陵強(qiáng)烈侵蝕生態(tài)脆弱系統(tǒng)[8]。由于大型露天煤礦開采劇烈地?cái)_動了原地形、地層、土壤、植被,在挖損、壓占等作用下,原生態(tài)系統(tǒng)極度退化。為此，從1994年該礦區(qū)開始土地復(fù)墾與生態(tài)重建，采取“采、運(yùn)、排、復(fù)墾一條龍”作業(yè)法延續(xù)至今。

2. 數(shù)據(jù)及其預(yù)處理

本文采用中分辨率Landsat5TM遙感影像作為數(shù)據(jù)源，其空間分辨率為30m，選用了1993—2011年18年間的4期遙感影像(軌道號為125/33)，投影坐標(biāo)系為WGS-84，時(shí)間分別是1993年4月12日、1999年10月18日、2006年10月14日和2011年4月16日。首先選取地面控制點(diǎn)(GCP)對4景原始影像分別進(jìn)行了幾何校正,總體校正精度為0.5個像元；然后根據(jù)研究區(qū)域作AOI并進(jìn)行裁剪，獲得了研究區(qū)影像。

3. 反射率反演

為了得到更為嚴(yán)密的基礎(chǔ)數(shù)據(jù)，并在一定程度上消除不同時(shí)相的光譜值差異，將TM光譜值影像轉(zhuǎn)換為反射率影像。其具體過程如下：

1) 將7個波段的圖像灰度值轉(zhuǎn)換為輻射亮度值

R=DN·Gain+Bias

(1)

式中，R為像元的輻射亮度值；DN為原始影像中的像元灰度值；Gain和Bias分別對應(yīng)波段的增益和偏置數(shù)據(jù)，可以在USGSLANDSAT-TM用戶手冊中查找，如表1所示。

表1　 Landsat- TM增益和偏置數(shù)據(jù)

2) 反射率計(jì)算

ρ=π·D2·R/(ESUN·cosφ)

(2)

式中，ρ為像元的反射率；D為日地天文單位距離(一般取1)；R為像元輻射亮度值；ESUN為大氣頂層太陽輻射平均值(如表2所示)；φ為太陽天頂角。計(jì)算天頂角的公式為

φ=90°-SUNELEVATION

(3)

式中，SUNELEVATION為太陽高度角，可以在對應(yīng)影像頭文件中查找。

表2　大氣頂層太陽輻照度

根據(jù)以上公式，利用ERDASIMAGINE遙感圖像處理軟件的MODLEMAKER建立相應(yīng)的計(jì)算模型，最終得到經(jīng)過反射率反演的影像。

三、決策樹分類

合理定義不同決策節(jié)點(diǎn)，是決策樹分類獲得準(zhǔn)確結(jié)果的保障。對遙感影像分類而言，根據(jù)地物各種特征獲得不同地物類型的典型值，是實(shí)現(xiàn)合理定義節(jié)點(diǎn)的基礎(chǔ)。為了降低節(jié)點(diǎn)表達(dá)式的復(fù)雜性，簡化決策表達(dá)式、清晰表達(dá)分類策略，需要結(jié)合分類需求對特征節(jié)點(diǎn)進(jìn)行優(yōu)選。

1. 特征節(jié)點(diǎn)建立

(1) 歸一化植被指數(shù)

歸一化差異植被指數(shù)(NDVI)對綠色植被反映敏感，是植被生長狀態(tài)及植被覆蓋度的指示因子，在研究中被廣泛應(yīng)用[9-10]。NDVI利用植被在近紅外波段比可見光波段有較高的反射作用的特點(diǎn)，即其NDVI為正值且隨植被覆蓋度的增大而增大，而其他地物為負(fù)值或0值，從而能夠較為容易地把植被提取出來，其公式為

NDVI=(NIR-Red)/(NIR+Red)

(4)

式中，Red為紅光波段的反射率；NIR為近紅外波段的反射率，對應(yīng)TM影像的第3波段和第4波段。得到的NDVI結(jié)果如圖1所示，圖中亮度值高的像元為植被，為了建立明確的節(jié)點(diǎn)，依據(jù)高分影像對比解譯，利用直方圖分析，最終確定NDVI>0的像元為植被；而NDVI<0的為非植被。

圖1　NDVI指數(shù)圖

(2) 歸一化建筑指數(shù)

歸一化建筑指數(shù)(NDBI)是查勇等[11]在楊山[12]提出的仿歸一化植被指數(shù)基礎(chǔ)上提出的，它可以較為準(zhǔn)確地反映建筑用地信息，數(shù)值越大表明建筑用地比例越高，建筑密度越高，可以有效地凸顯城市用地信息，計(jì)算公式為

NDBI=(MIR-NIR)/(MIR+NIR)

(5)

式中：MIR表示中紅外波段的反射率，對應(yīng)TM影像的第5波段。通過建模得到的NDBI結(jié)果見圖2，從圖中可以看出，研究區(qū)的NDBI分布在[-1.0，1.0]。同樣的，為了明確節(jié)點(diǎn)決策，使用高分影像對比解譯和直方圖分析，確定0.35為閾值，其中大于0.35的像元為開采區(qū)。

圖2　NDBI指數(shù)圖

(3) 主成分分析法

遙感多光譜影像的波段多、信息量大，在圖像處理時(shí)，常常耗費(fèi)大量的機(jī)時(shí)和占據(jù)大量的磁盤空間。實(shí)際上遙感數(shù)據(jù)各波段之間有不同程度的相關(guān)性，存在著數(shù)據(jù)冗余。主成分分析法(PCA)是一種去除波段之間多余信息、將多波段的圖像信息壓縮到比原波段更有效的少數(shù)幾個波段的方法，可以達(dá)到保留主要信息、降低數(shù)據(jù)量和增加類別可分性的目的[13]，其變換的本質(zhì)是對遙感圖像實(shí)行線性變換，使多光譜空間的坐標(biāo)系按一定規(guī)律旋轉(zhuǎn)。其變換的表達(dá)式為

y=Ax

(6)

式中，x為變換前的多光譜空間的像元矢量；y為變換后的主分量空間的像元矢量；A為變換矩陣，是x空間協(xié)方差矩陣的特征向量矩陣的轉(zhuǎn)置矩陣，其作用是給多光譜的像元亮度加權(quán)系數(shù)，實(shí)現(xiàn)線性變換。

對TM影像的7個波段數(shù)據(jù)進(jìn)行PCA變換后，獲取了7維的主分量空間，并且各分量的特征值及貢獻(xiàn)率見表3。

表3　主成分分量的特征值和貢獻(xiàn)率

從表3可以看出，對變換后的新波段主分量而言，它們所包括的信息量不同，呈逐漸減少趨勢。其中，第一主分量集中了最大的信息量，占80%以上；第二、三主分量的信息量依次很快地遞減，前3個主成分包含了98%以上的信息量；到了第n分量，信息幾乎為零。由于主成分分析對不相關(guān)的噪聲沒有影響，因此信息減少時(shí)便突出了噪聲，最后的分量幾乎全是噪聲。因此，本文取前3個主分量進(jìn)行假彩色合成(見圖3)，實(shí)現(xiàn)了數(shù)據(jù)壓縮，同時(shí)將其作為分類前的特征選擇。

(4) 纓帽變換

纓帽變換是1976年R.J.Kauth和G.S.Thomas兩位學(xué)者提出的一種經(jīng)驗(yàn)性的多波段圖像線性正交變換，因而又被稱作K-T變換。該變換的基本思想是多波段(N波段)可以看做是N維空間，每一個像元都是N維空間中的一個點(diǎn)，其位置取決于像元在各個波段上的數(shù)值。其變換公式為

y=Bx

(7)

式中，x為變換前的多光譜空間的像元矢量；y為變換后的新坐標(biāo)空間的像元矢量；B為變換矩陣。

圖3　PCA前3個主分量合成圖

纓帽變換與主成分分析不同，其旋轉(zhuǎn)后坐標(biāo)軸不是指向主成分方向，而是指向與地面景物密切相關(guān)的方向，它抓住了地面景物，特別是植被和土壤在多光譜空間的特征。經(jīng)研究，新分量中的前3個分量(見圖4)與地面景物密切相關(guān)，分別為土壤亮度(SBI)、綠度(GVI)、濕度(WI)。亮度分量即TM6個波段分量的加權(quán)和，反映總體的亮度變化。綠度分量與亮度分量垂直，是近紅外與可見光波段的比值，反映可見光波段特別是紅光波段與近紅外波段之間的對比。濕度分量則與土壤濕度有關(guān)，反映可見光與近紅外波段及紅外5、7波段的差值，而5、7波段對土壤和植被的濕度最為敏感。

圖4　纓帽變換前3個分量合成圖

2. 決策建立

根據(jù)研究區(qū)的實(shí)際情況，將地表地類分為植被、開采區(qū)、居民區(qū)和裸地4類。在遙感影像上，就所需分類地物，測定了其各波段、PCA變換的前3個主量的光譜亮度值以及纓帽變換后的前3個特征量，并從中選取一些典型而具代表性的樣點(diǎn)，而后根據(jù)各地物在不同波段樣點(diǎn)的均值做出了地物波譜特征曲線，如圖5所示。

圖5　地物波譜特征曲線

根據(jù)典型地物的光譜特征曲線，結(jié)合NDVI指數(shù)和NDBI指數(shù)對地物進(jìn)行分類。以下閾值選取是以2011年影像數(shù)據(jù)為例，其他3期閾值在此基礎(chǔ)上作細(xì)微調(diào)整。首先提取植被信息，NDVI和GVI可以很好地反映植被信息，因此，經(jīng)過反復(fù)嘗試，植被的閾值條件為NDVI>0和GVI>160。從圖5可以看出，開采區(qū)的光譜值都較低，尤其在TM5和PC1波段，因此，可以利用這一特點(diǎn)對開采區(qū)進(jìn)行區(qū)分，通過反復(fù)試驗(yàn)，確定開采區(qū)的閾值條件為TM5<100和PC1<180。居民區(qū)和裸地的WI差異較大，同時(shí)利用NDBI進(jìn)一步細(xì)化居民區(qū)，經(jīng)過反復(fù)調(diào)整，居民區(qū)的閾值條件為NDBI<0.35和WI>198。應(yīng)用上述分類規(guī)則，通過解譯得出平朔安太堡煤礦1993年、1999年、2006年和2011年4個時(shí)期的土地利用/覆蓋現(xiàn)狀圖，如圖6所示。

圖6　4個時(shí)期土地利用圖

四、結(jié)果與分析

1. 精度評價(jià)

為了驗(yàn)證分類精度，將2011年分類結(jié)果通過同期高分辨率的ZY3影像及GoogleEarth影像進(jìn)行分類精度評估，在分類區(qū)域范圍內(nèi)隨機(jī)選取了682個樣本進(jìn)行檢驗(yàn),并使用混淆矩陣顯示精度驗(yàn)證結(jié)果(見表4)。結(jié)果表明該方法的總體提取精度可接近90%，得到了較好的分類精度，以此類推，其他3個時(shí)期的分類結(jié)果也較為滿意。

表4　決策樹分類混淆矩陣和分類精度　(%)

2. 礦區(qū)土地利用變化分析

根據(jù)得到的4期影像的土地利用和覆蓋現(xiàn)狀圖，結(jié)合表5，可以看出1993—1999年，居民區(qū)的擴(kuò)張較為迅速，增加了近160hm2。這主要是因在這段時(shí)期內(nèi)，礦區(qū)的大力開發(fā)引起經(jīng)濟(jì)的飛速增長，以及人口的增加而造成的。但是在1993—2011年,該區(qū)域的變化并不是很大，保持平穩(wěn)緩慢增長，這源于礦區(qū)的合理利用開發(fā)帶來的穩(wěn)定發(fā)展。而變化最大的還是發(fā)生在礦區(qū)的核心地帶,即礦區(qū)的開采區(qū)域。平朔露天煤礦的開采始于1984年，到1993年，已經(jīng)發(fā)展為一塊獨(dú)立的區(qū)域，而礦區(qū)周圍幾乎寸草不生，這是由于礦區(qū)初期的大規(guī)模開采引起的。1999年，礦區(qū)向北延伸，面積擴(kuò)大，但值得注意的是礦區(qū)內(nèi)部和南面開始出現(xiàn)植被，這是礦區(qū)復(fù)墾的成果，但也只是初有效果，植被僅增加了40hm2。1999—2006年，礦區(qū)面積增加了794.6hm2，而植被也相應(yīng)增加了725.47hm2，這說明復(fù)墾達(dá)到了很好的效果。到2011年，礦區(qū)面積進(jìn)一步擴(kuò)大，植被也相應(yīng)增加，煤礦周圍的植被已經(jīng)很繁茂，生態(tài)環(huán)境得到了很好的改善。這說明自1994年采取土地復(fù)墾與生態(tài)重建后，平朔露天煤礦的生態(tài)環(huán)境得到了極大的改善。

表5　1993—2011年平朔露天煤礦地物面積統(tǒng)計(jì)表　hm 2

五、結(jié)束語

本文對平朔露天礦區(qū)土地利用變化進(jìn)行了分析研究。利用主成分分析前3個主分量和纓帽變換得出的亮度、綠度、濕度，結(jié)合歸一化植被和建筑指數(shù)，選用決策樹分類方法對礦區(qū)地物進(jìn)行分類，得到平朔露天煤礦的4個時(shí)期影像分類結(jié)果圖，經(jīng)過分析論證，指出了平朔露天礦區(qū)1993年、1999年、2006年及2011年的土地利用與覆蓋變化情況及原因。結(jié)果表明，礦區(qū)的變化主要發(fā)生在主礦區(qū)周圍，尤其開采區(qū)和植被的變化較大，究其原因是礦區(qū)的開采與土地復(fù)墾和生態(tài)重建的綜合作用。雖然近年來平朔露天礦區(qū)的地質(zhì)環(huán)境有了明顯的恢復(fù)與改善，但是建設(shè)礦區(qū)良好生態(tài)環(huán)境任重而道遠(yuǎn)，應(yīng)該協(xié)調(diào)好開發(fā)和保護(hù)的關(guān)系。

參考文獻(xiàn)：

[1]范英宏,陸兆華,程建龍,等.中國煤礦區(qū)主要生態(tài)環(huán)境問題及生態(tài)重建技術(shù)[J].生態(tài)學(xué)報(bào)，2003,23(10):2144-2152.

[2]DUTTA R K, AGRAWAL M. Restoration of Open Cast Coalmine Spoil by Planting Exotic Tree Species: A Case Study in Dry Tropical Region[J].Ecological Engineering, 2003, 21(1): 143-151.

[3]王曉紅，聶洪峰，楊清華，等.高分辨率衛(wèi)星數(shù)據(jù)在礦山開發(fā)狀況及環(huán)境監(jiān)測中的應(yīng)用效果比較[J].國土資源遙感，2004(1)：15-18.

[4]喬玉良，連胤卓，鄔明權(quán).基于遙感與GIS數(shù)據(jù)融合的煤礦資源開發(fā)動態(tài)分析[J].煤炭學(xué)報(bào),2008,33(9):1020-1024.

[5]彭瑛，張志，彭丹，等. 鄂西聚磷區(qū)礦產(chǎn)開發(fā)多目標(biāo)遙感監(jiān)測目視解譯技術(shù)[J].工礦自動化，2009(4):6-9.

[6]翟孟源,徐新良,江東,等.1979—2010年烏海市煤礦開采對生態(tài)環(huán)境影響的遙感監(jiān)測[J].遙感技術(shù)與應(yīng)用,2012,27(6):933-940.

[7]谷延群,郭慶十.利用遙感技術(shù)開展河北省遷安鐵礦區(qū)礦山地質(zhì)環(huán)境調(diào)查與評價(jià)技術(shù)研究[J].測繪通報(bào),2012(S1)：306-310.

[8]崔旭，葛元英，白中科. 黃土區(qū)大型露天煤礦區(qū)生態(tài)承載力評價(jià)研究—以平朔安太堡露天煤礦為例[J].中國生態(tài)農(nóng)業(yè)學(xué)報(bào)，2010，18(2)：422-427.

[9]張?jiān)聟?趙志強(qiáng),李雙成,等.基于SPOT NDVI的華北北部地表植被覆蓋變化趨勢[J].地理研究, 2008,27(4):745-754.

[10]馬麗，徐新剛，劉良云，等.基于多時(shí)相NDVI及特征波段的作物分類研究[J].遙感技術(shù)與應(yīng)用,2008,23(5): 520-524.

[11]查勇，倪紹祥，楊山，等.一種利用TM圖像自動提取城鎮(zhèn)用地信息的有效方法[J].遙感學(xué)報(bào),2003,7(1): 34-40.

[12]楊山.發(fā)達(dá)地區(qū)城鄉(xiāng)聚落形態(tài)的信息提取與分析研究—以無錫市為例[J].地理學(xué)報(bào),2000,55(6): 671-678.

[13]歐春江.實(shí)例分析遙感圖像處理中的主成分分析[J].測繪與空間地理信息,2006,29(5): 56-59.