李峰， 梁漢東， 趙小平， 白江偉， 崔玉坤

(1.中國礦業(yè)大學(xué)(北京)煤炭資源與安全開采國家重點(diǎn)實(shí)驗(yàn)室,北京 100083； 2.防災(zāi)科技學(xué)院,三河 065201； 3.北京工業(yè)職業(yè)技術(shù)學(xué)院，北京 100042)

內(nèi)蒙古烏達(dá)煤田煤火治理效果的遙感監(jiān)測與評估

李峰1,2， 梁漢東1， 趙小平3， 白江偉1， 崔玉坤1

(1.中國礦業(yè)大學(xué)(北京)煤炭資源與安全開采國家重點(diǎn)實(shí)驗(yàn)室,北京 100083； 2.防災(zāi)科技學(xué)院,三河 065201； 3.北京工業(yè)職業(yè)技術(shù)學(xué)院，北京 100042)

為了評估內(nèi)蒙古烏達(dá)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熱紅外波段影像，利用單窗算法反演4個年度的烏達(dá)煤田地表溫度； 采用自適應(yīng)梯度閾值(self-adaptive gradient-based thresholding,SAGBT)法圈定該煤田煤火區(qū)，分析煤火空間分布格局演變動態(tài)，并對探測結(jié)果進(jìn)行了實(shí)地驗(yàn)證。結(jié)果表明，所識別煤火區(qū)的準(zhǔn)確率為75%； 煤火區(qū)面積由2008年的1.194 km2演變到2015年的0.873 km2，呈顯著下降趨勢?？偟膩碚f，煤火治理取得了初步成效，實(shí)現(xiàn)了煤火區(qū)面積26.88%的減量； 但仍有73.12%的存量，說明今后仍須加大煤火治理力度。

烏達(dá)煤火； 自適應(yīng)梯度閾值(SAGBT)法； 熱紅外； 溫度反演； 遙感評估

0 引言

煤火是指一定規(guī)模的煤體在自然條件下與空氣接觸后，發(fā)生氧化、自燃乃至劇烈燃燒而引發(fā)地下煤裂隙、煤層露頭和煤矸石堆火情的現(xiàn)象[1]。煤火的誘發(fā)因子多、可控性差。煤火不僅會燒毀大量的煤炭資源、危及礦井生產(chǎn)安全，而且釋放的有毒氣體和元素會污染環(huán)境，直接危害居民健康，所排放的溫室氣體也會加劇全球變暖； 同時，煤火災(zāi)害還會引發(fā)地面沉降、塌陷、地裂縫等地質(zhì)災(zāi)害，威脅當(dāng)?shù)鼗A(chǔ)設(shè)施和居民生命財(cái)產(chǎn)安全。對煤火的探測與防治對促進(jìn)當(dāng)?shù)厣鐣?jīng)濟(jì)發(fā)展和環(huán)境保護(hù)具有重要的現(xiàn)實(shí)意義。

目前煤火探測的方法主要基于煤火區(qū)(以下簡稱“火區(qū)”)的地磁場特征、電場特征、地球化學(xué)場特征和熱場特征[2]進(jìn)行探測。其中，基于地磁場特征、電場特征、地球化學(xué)場特征的火區(qū)探測方法的成本高，效率低，不適于圈定大面積火區(qū)范圍； 利用衛(wèi)星遙感數(shù)據(jù)反演地表溫度特征、建立火區(qū)溫度場的方法較為成熟，已在煤田煤火監(jiān)測中發(fā)揮了重要作用。蔣衛(wèi)國等[3]根據(jù)1989—2005年間獲取的ETM+/TM 6數(shù)據(jù)，應(yīng)用單通道算法分析了烏達(dá)煤田煤火面積變化情況。邱程錦等[4]使用輻射傳導(dǎo)方程反演了2001—2010年間獲取的4景TM 6影像的地表溫度，從宏觀上分析了烏達(dá)煤火的分布狀況。Huo等[5]采用Weng法用TM 6影像反演了1999—2006年間的地表溫度，用于預(yù)測煤火走勢。除TM6的熱紅外波段外，ASTER數(shù)據(jù)也被用于煤火識別中[6]。雖然ASTER數(shù)據(jù)的分辨率和熱敏度都較高，但因部分區(qū)域存檔數(shù)據(jù)少、溫度反演算法較復(fù)雜等原因，妨礙了對其進(jìn)一步的研究與應(yīng)用。隨著對高分辨率熱紅外數(shù)據(jù)需求的不斷增長，航空熱紅外遙感技術(shù)也常被應(yīng)用于煤火監(jiān)測。孫玉林等[7]根據(jù)高分辨率的航空三通道(可見光、中紅外和熱紅外)影像，圈定了2005年烏達(dá)煤田18處共350萬m2的火區(qū)范圍。Wang等[8]引入手持式熱紅外成像儀和無人機(jī)航空影像，識別出大同地區(qū)的煤火。這類數(shù)據(jù)的分辨率和探測精度雖高，但操作復(fù)雜、成本很高，難以推廣應(yīng)用。與ETM+/TM 6相比，Landsat 8的TIRS傳感器采用了更先進(jìn)的紅外光子檢測技術(shù)，使傳感器的熱敏度更高。徐涵秋[9]認(rèn)為，與Landsat 7熱紅外數(shù)據(jù)相比，Landsat 8數(shù)據(jù)在地表溫度反演中更具優(yōu)勢。Yu等[10]認(rèn)為大氣傳導(dǎo)方程法的精度最高，劈窗算法精度次之，單通道算法精度最低。姬洪亮等[11]認(rèn)為單窗算法和單通道算法精度接近，Weng算法精度較低。Wang等[12]的研究結(jié)果則表明單窗算法優(yōu)于單通道算法。地表溫度反演算法是煤火識別的基礎(chǔ)，而將煤火高溫異常值從背景值中分離出來則是煤火識別的關(guān)鍵。當(dāng)前煤火高溫異常提取方法有地表溫度均值加其1～2倍標(biāo)準(zhǔn)差法、密度分割算法、移動窗口直方圖法和自適應(yīng)梯度閾值(self-adaptive gradient-based thresholding,SAGBT)法等。采用移動窗口直方圖法提取煤火熱異常的精度可達(dá)到80%； 采用SAGBT法提取煤火熱異常，在ASTER傳感器過境時同步進(jìn)行了地面溫度采樣與驗(yàn)證，精度則達(dá)到了84.6%[13-14]。

綜上所述，Landsat 8 TIR數(shù)據(jù)比ETM+/TM 6數(shù)據(jù)精度有所提高，用單窗算法反演地表溫度的精度較高，SAGBT法在煤火熱異常提取方面更加可靠。烏達(dá)煤田煤火的起火時間已經(jīng)很久，但多數(shù)研究限于資金和時間等原因，只能集中在煤火燃燒最猛烈的時期，未能進(jìn)行可持續(xù)監(jiān)測研究。鑒于2010年烏達(dá)煤田啟動了為期4 a的全面滅火工程的情況，本文將基于2008年煤火治理前、2011和2013年煤火治理中、2015年煤火治理后期的Landsat 5/8熱紅外波段影像，分別采用單窗算法和SAGBT法提取烏達(dá)煤火高溫燃燒中心作為火區(qū)范圍，并量化分析3個時段煤火的變化規(guī)律，以期對煤火治理效果給予初步評價。

1 研究區(qū)概況與數(shù)據(jù)源

烏達(dá)煤田位于內(nèi)蒙古自治區(qū)烏海市境內(nèi)，地處賀蘭山北端、烏蘭布和沙漠的南部邊緣，東距黃河約10 km。該煤田為一不對稱向斜盆地，東部被烏達(dá)逆斷層所切割，煤系地層埋藏較淺，為近距離緩傾斜煤層群，含煤地層屬于石炭二疊系。整個煤田主要由蘇海圖、黃白茨和五虎山3個礦區(qū)組成。火區(qū)遍布煤田內(nèi)，多分布在露頭廢棄的小煤窯處，并由露頭向深部蔓延。

本文所采用數(shù)據(jù)為Landsat 5 TM(獲取時間為2008年11月16日和2011年9月22日)和Landsat 8 TIRS(獲取時間為2013年10月29日和2015年3月25日)共4景影像的熱紅外波段，其中TM熱紅外波段(B6)分辨率為120 m，TIRS熱紅外波段(B10)分辨率為100 m。Landsat遙感影像數(shù)據(jù)來源于美國地質(zhì)調(diào)查局網(wǎng)站(http: //glovis.usgs.gov/)，已被重采樣為30 m分辨率，主要用于反演煤田地表溫度。MODIS的MOD021KM數(shù)據(jù)來源于美國國家航空航天局(https: //ladsweb.nascom.nasa.gov/data/search.html)，用于計(jì)算大氣水汽含量。反演地表溫度所用到的當(dāng)日氣溫?cái)?shù)據(jù)來源于中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(http: //cdc.nmic.cn/home.do)。

2 火區(qū)識別方法

2.1 地表溫度反演

2.1.1 地表比輻射率計(jì)算

為了有效排除煤田周邊沙漠、居民地等地物對地表溫度的干擾，使用含煤地層的煤田邊界選取研究區(qū)域。烏達(dá)煤田的原始地表破壞嚴(yán)重，2008―2015年間的煤田地表主要以裸巖、裸土、煤矸石和煤炭為主，可直接將煤田地表類型歸為自然地表類型。地表比輻射率主要受地表組分、地表粗糙度和波長的影響，因TM6波段的光譜范圍基本覆蓋了Landsat 8 B10的光譜范圍，故烏達(dá)煤田地表比輻射率ε的計(jì)算仍可沿用TM6的比輻射率計(jì)算方法[15-16]，即

ε=0.962 5+0.061 4fv-0.046 1f2v,

(1)

fv=(NDVI-NDVIs)/(NDVIv-NDVIs) ,

(2)

NDVI=(NIR-R)/(NIR+R),

(3)

式中：fv為植被覆蓋度；NIR和R分別為近紅外和紅光波段的反射率；NDVI為歸一化差值植被指數(shù)；NDVIs為土壤的植被指數(shù)；NDVIv為植被的植被指數(shù)。

2.1.2 大氣水汽含量計(jì)算

利用MODIS L1B數(shù)據(jù)的B2和B19的比值計(jì)算大氣水汽含量，可部分消除地表反射率隨波長變化對大氣透過率的影響，提高大氣水汽含量的反演精度。用大氣水汽含量w(g/cm2)進(jìn)一步估算大氣透射率，其計(jì)算公式[17]為

w={[α-ln(ρ19/ρ2)]/β}2,

(4)

式中：ρ2和ρ19分別為B2和B19的反射率； 常數(shù)α和β分別為0.02和0.651。

2.1.3 星上亮溫計(jì)算

根據(jù)定標(biāo)系數(shù)對Landsat 5/8影像的DN值進(jìn)行輻射定標(biāo)，轉(zhuǎn)換成星上輻亮度值。利用普朗克反函數(shù)，求解星上亮溫Tt，即

Tt=K2/ln(1+K1/Lt),

(5)

式中：Tt為星上亮溫,K；Lt為衛(wèi)星熱紅外波段星上輻射亮度值,W·m-2·sr-1·μm-1； 對于Landsat 5 B6，K1=607.76 W·m-2·sr-1·μm-1，K2=1 260.56 K； 對于Landsat 8 TIRS B10，K1=774.89 W·m-2·sr-1·μm-1，K2=1 321.08 K[18]。

2.1.4 單窗算法

基于Landsat影像的地表溫度反演算法主要有普適性單通道算法、單窗算法、大氣輻射傳導(dǎo)方程法和Weng方法等。單窗算法對Landsat 5/8熱紅外數(shù)據(jù)均具有較好的穩(wěn)定性，故本文主要采用單窗算法反演地表溫度，其計(jì)算公式為

Ts={a(1-C-D)+[b(1-C-D)+C+D]Tt-DTa}/C,

(6)

式中：Ts為反演的地表溫度,K； 對于Landsat 5衛(wèi)星，回歸系數(shù)a和b的值分別為-67.355 35和0.458 608[19]； 對于Landsat 8衛(wèi)星，回歸系數(shù)a和b在0°～30℃時分別為-59.139 1和0.421 3，在0°～40℃時分別為-60.919 6和0.427 6；C和D為中間變量，C=ετ，D=(1-τ)[1+(1-ε)τ]，ε和τ分別為地表比輻射率和大氣透射率。

Landsat 5與Landsat 8的大氣透射率估算方程分別見表1和表2[20]。

表1 Landsat 5大氣透射率估算方程

表2 Landsat 8大氣透射率的估算方程

根據(jù)式(4)計(jì)算出2008年11月16日、2011年9月22日、2013年10月29日和2015年3月25日 的水分含量分別為0.411 g/cm2,1.291 g/cm2,0.426 g/cm2和0.555 g/cm2。選用的大氣透射率方程分別為表1中的式③、式①及表2中的式⑤。

2.2 火區(qū)識別

地下煤火的燃燒會在地表一定范圍內(nèi)引起高溫異常，在反演得到煤田地表溫度的基礎(chǔ)上，通過對地表溫度取閾值可從低溫背景溫度中識別出相對高溫的火區(qū)。煤田內(nèi)的環(huán)境、煤的特性、地理位置與地形的差異決定了只根據(jù)溫度均值加標(biāo)準(zhǔn)差的閾值很難精確識別火區(qū)。為了更加準(zhǔn)確地提取火區(qū)，本文選用Du等[21]基于ASTER數(shù)據(jù)提出的SAGBT法識別火區(qū)，識別精度可高達(dá)84.6%。SAGBT算法基于火區(qū)邊界過渡到低溫背景區(qū)時溫度出現(xiàn)快速衰減的假設(shè)，首先，對反演的地表溫度與擴(kuò)展的Sobel算子進(jìn)行卷積運(yùn)算，生成溫度梯度圖； 根據(jù)經(jīng)驗(yàn)值，設(shè)置梯度下界為[(gm+0.5σg),(gm+1.5σg)](σg為梯度的標(biāo)準(zhǔn)差，gm為梯度均值)，梯度上界為(gm+3.2σg)，在[(gm+0.5σg),(gm+3.2σg)]到[(gm+1.5σg),(gm+3.2σg)]之間，分別以0.1σg進(jìn)行遞增，形成11景潛在的高梯度緩沖區(qū)影像，絕大多數(shù)的潛在高梯度緩沖區(qū)中心與火區(qū)中心重合； 然后，使用經(jīng)典的數(shù)學(xué)形態(tài)學(xué)細(xì)化算法，將潛在高梯度緩沖區(qū)骨架化成僅有1個像元的高梯度極值線； 為了排除極少數(shù)位于低溫區(qū)的高梯度極值線，設(shè)置經(jīng)驗(yàn)閾值tm+σt(σt為溫度的標(biāo)準(zhǔn)差，tm為溫度均值)將反演的溫度圖像分割出高溫緩沖區(qū)； 疊置高梯度極值線與高溫緩沖區(qū)，統(tǒng)計(jì)兩者重合部分的溫度值并取其均值，作為該景潛在高梯度緩沖區(qū)影像的火區(qū)溫度閾值； 最后，為進(jìn)一步提高精度，取11景影像的溫度閾值的均值作為最終的分割火區(qū)的溫度閾值。該算法程序在IDL8.3下實(shí)現(xiàn)。

3 火區(qū)識別結(jié)果與分析

3.1 識別結(jié)果與可靠性分析

以2008年11月16日獲取的Landsat 5影像為例，采用單窗算法反演的地表溫度如圖1(a)所示； 用SAGBT算法提取煤田火區(qū)的過程包括： ①根據(jù)單窗算法反演的地表溫度生成溫度梯度(圖1(b))； ②以[(gm+0.5σg),(gm+3.2σg)]為下界、[(gm+1.5σg),(gm+3.2σg)]為上界，形成11景潛在高梯度緩沖區(qū)(圖1(c))； ③通過數(shù)學(xué)形態(tài)學(xué)細(xì)化算法將潛在高梯度緩沖區(qū)骨架化，生成高梯度極值線(圖1(d))； ④通過疊置高梯度極值線與藍(lán)色高溫緩沖區(qū)(圖1(e))計(jì)算該景影像的平均溫度值； ⑤最后計(jì)算11景影像的平均溫度值作為最終的溫度閾值，劃分出煤田(分為A區(qū)―F區(qū)共6個子區(qū))內(nèi)的火區(qū)(圖1(f))。

(a) 單窗算法反演的地表溫度(b) SAGBT算法生成的溫度梯度圖(c) 潛在高梯度緩沖區(qū)

(d) 高梯度極值線(e) 疊置高梯度極值線與高溫緩沖區(qū)(f) 提取火區(qū)

圖1從2008年Landsat5影像中提取火區(qū)

Fig.1ExtractionofcoalfireareasfromLandsat5dataacquiredin2008

為了驗(yàn)證上述探測火區(qū)方法的可靠性并估算其精度，筆者采用了2種對比方式： ①衛(wèi)星影像識別火區(qū)與航空影像識別火區(qū)的對比； ②衛(wèi)星影像識別火區(qū)與野外調(diào)查火區(qū)位置的對比。

首先，對使用2008年11月16日Landsat 5 TM熱紅外波段提取的火區(qū)與利用2009年3月航空三通道影像調(diào)查的火區(qū)進(jìn)行疊置對比分析(如圖1(f)所示)，發(fā)現(xiàn)2009年3月航空影像提取并經(jīng)野外調(diào)查所圈定的2-1號、2-2號、4號、6-2號、15號、16-2號和17號共7個火區(qū)未能從2008年11月16日的衛(wèi)星影像中識別出來，未識別火區(qū)中的17號和15號火區(qū)稍大，其余的規(guī)模較??； 其他14個火區(qū)均被正確識別，被航空影像和地面調(diào)查所證實(shí)的火區(qū)占總火區(qū)的67%。通過分析認(rèn)為，7個火區(qū)未能探測出來的原因極有可能是因?yàn)楸疚乃肔andsat衛(wèi)星數(shù)據(jù)的過境時間為2008年11月16日，比2009年3月航空調(diào)查數(shù)據(jù)獲取時間早4個多月，而煤田在2008年—2010年8月正式實(shí)施滅火前，火區(qū)面積呈持續(xù)遞增趨勢，因而在獲取時間較遲的影像中可以識別出更多的火區(qū)。筆者推測，如果選取更接近航空影像拍攝日期的衛(wèi)星影像(如使用2009年3月獲取的Landsat 5數(shù)據(jù))來識別火區(qū)，估計(jì)通過衛(wèi)星影像和航空影像所探測到的火區(qū)會有更高的重合率。

然后，進(jìn)行衛(wèi)星熱紅外影像識別火區(qū)與野外實(shí)測火區(qū)的位置對比。將使用2015年3月25日Landsat 8 TIRS熱紅外波段提取的火區(qū)與2015年8月現(xiàn)場調(diào)查的部分明顯煙點(diǎn)進(jìn)行疊置對比分析(圖2(c))后發(fā)現(xiàn)，8個調(diào)查的煙點(diǎn)中僅有A區(qū)東南角的2個火點(diǎn)未與探測的火區(qū)重疊，其余6個火點(diǎn)均在探測的火區(qū)范圍內(nèi)，估算的火區(qū)探測準(zhǔn)確率為75%。綜上所述，可認(rèn)為本文所用的火區(qū)識別方法有大于70%的準(zhǔn)確率，有較高的可信度。

(a) 2011年9月22日(b) 2013年10月29日(c) 2015年3月25日

圖2利用Landsat5/8衛(wèi)星熱紅外波段探測烏達(dá)煤田的火區(qū)

Fig.2CoalfireareasinWudacoalfielddetectedbyusingLandsat5/8thermalinfraredBs

3.2 火區(qū)動態(tài)變化分析

由于基于梯度的自適應(yīng)閾值法對溫度影像的反演精度依賴較低，對火區(qū)的識別主要與影像熱分布及溫度快速衰減邊緣有關(guān)，因而采用該方法為不同時期火區(qū)的變化檢測提供了可能。在方法可靠性得到了驗(yàn)證的前提下，本文使用4景2008—2015年間獲取的熱紅外影像進(jìn)行了烏達(dá)煤田內(nèi)火區(qū)的動態(tài)變化分析。

為了便于統(tǒng)計(jì)4個年度的火區(qū)變化情況，結(jié)合2009年3月調(diào)查的火區(qū)邊界、蘇海圖礦界、黃白茨礦界以及五虎山礦界，將煤田劃分為A區(qū)、B區(qū)、C區(qū)、D區(qū)、E區(qū)和F區(qū)共6個子區(qū)(圖2)。通過ArcGIS中的Summary Statistics功能統(tǒng)計(jì)每個年度各子區(qū)內(nèi)的火區(qū)面積，根據(jù)式(7)計(jì)算火區(qū)面積演變的相對變化率vS，即

(7)

式中：Sf和Se分別為變化前和變化后的火區(qū)面積。

表3示出2008―2015年間烏達(dá)煤田火區(qū)演變狀況。

表3 2008―2015年烏達(dá)煤田火區(qū)演變狀況統(tǒng)計(jì)

由表3可知，2008―2011年間，A區(qū)、B區(qū)、C區(qū)和F區(qū)的火區(qū)范圍出現(xiàn)不同程度的縮小(但D區(qū)和E區(qū)的火區(qū)范圍增大，出現(xiàn)新火區(qū)，火勢增強(qiáng))，整個煤田內(nèi)火區(qū)總面積由2008年的1.951 km2減少到2011年的1.194 km2，降幅達(dá)38.80%。這說明從2010年10月起實(shí)施的滅火工程取得了較好的初步成效。2011—2013年間， C區(qū)和D區(qū)的火區(qū)出現(xiàn)明顯萎縮，火勢減弱； A區(qū)、B區(qū)和E區(qū)的火區(qū)有少量增加； 而F區(qū)的火區(qū)擴(kuò)張且離散地分布在整個F區(qū)，整個煤田火區(qū)總面積下降到了1.092 km2，降幅為8.54%，相對于2008―2011年有所減緩。2013―2015年間，A區(qū)的火區(qū)面積稍有增長，零星火區(qū)減少，火區(qū)變得相對集中； F區(qū)的火區(qū)連接成片成為大火區(qū)； B區(qū)、C區(qū)、D區(qū)和E區(qū)的火區(qū)急劇萎縮，火區(qū)數(shù)量減少且相對集中； 火區(qū)面積繼續(xù)下降到0.873 km2，降幅為20.05%，火區(qū)面積仍在縮小。綜上所述，2008―2015年間，烏達(dá)煤田內(nèi)火區(qū)面積在持續(xù)縮減，滅火工作初見成效； 但F區(qū)的火區(qū)有連通聚集成片的蔓延趨勢，應(yīng)引起有關(guān)部門的重視。

4 結(jié)論與展望

1)本文基于Landsat系列衛(wèi)星數(shù)據(jù)，利用單窗算法與自適應(yīng)梯度閾值(SAGBT)法提取了烏達(dá)煤田火區(qū)。通過將2008年11月16日衛(wèi)星影像提取的火區(qū)與2009年3月航空手段圈定的火區(qū)疊置比對，發(fā)現(xiàn)重合率達(dá)67%； 根據(jù)2015年8月份現(xiàn)場調(diào)查的部分煙點(diǎn)與2015年3月提取的火區(qū)疊置比對，表明有75%的煙點(diǎn)位于所提取的火區(qū)內(nèi)。通過驗(yàn)證認(rèn)為，該算法的有較高的準(zhǔn)確率，可滿足火區(qū)變化檢測與動態(tài)分析的要求。

2)在2008―2011年間，發(fā)現(xiàn)除2個火區(qū)面積增加外，整體火區(qū)面積降幅達(dá)38.8 %； 2011―2013年間，除1個火區(qū)面積有明顯增加外各火區(qū)火勢減弱，火區(qū)面積整體降幅為8.54%，較上個時段有所減緩； 2013―2015年間，各火區(qū)變得相對集中，火區(qū)整體面積降到0.873 km2，降幅為20.05%?？v觀2008―2015年間火區(qū)演變過程，火區(qū)由治理前的相對集中，變?yōu)橹卫砥陂g的離散零星分布，再到治理后期的集中分布，全程反映了火區(qū)治理的動態(tài)變化過程。火區(qū)面積由治理前的1.194 km2下降到0.873 km2，表明內(nèi)蒙古烏達(dá)煤火治理實(shí)現(xiàn)了26.88%的減量，但仍有73.12%的存量需要治理，任務(wù)仍然十分艱巨。

本文利用Landsat衛(wèi)星影像提取的火區(qū)是指由煤火導(dǎo)致的地表熱異常區(qū)(包括高溫燃燒中心和煙氣釋放高溫區(qū))，而非溫度異常不能到達(dá)地表的地下煤層緩慢自燃區(qū)。此外，太陽高度角、地形起伏、土地利用類型、氣象條件等環(huán)境因素也影響著Landsat衛(wèi)星反演地表溫度的精度，進(jìn)而會影響對火區(qū)的識別。在后續(xù)的研究中，采用高光譜分辨率和高空間分辨率衛(wèi)星數(shù)據(jù)聯(lián)合地表物化探手段，可有效提高火區(qū)識別的精度。未來隨著無人機(jī)熱紅外遙感技術(shù)的發(fā)展和成熟，實(shí)時、廉價的遙感熱紅外火區(qū)探測，不僅會提升火區(qū)探測的精度，而且也會為開展持續(xù)的煤火動態(tài)監(jiān)測提供可能。

志謝： 感謝中國地質(zhì)調(diào)查局發(fā)展研究中心杜曉敏博士給予本文的幫助！

[1] Kuenzer C,Stracher G B.Geomorphology of coal seam fires[J].Geomorphology,2012,138(1):209-222.

[2] 邵振魯,王德明,王雁鳴.煤田火災(zāi)探測方法研究進(jìn)展[J].煤礦安全,2012,43(8):189-192. Shao Z L,Wang D M,Wang Y M.Research progress of coalfield fire detection method[J].Safety in Coal Mines,2012,43(8):189-192.

[3] 蔣衛(wèi)國,武建軍,顧磊,等.基于遙感技術(shù)的烏達(dá)煤田火區(qū)變化監(jiān)測[J].煤炭學(xué)報(bào),2010,35(6):964-968. Jiang W G,Wu J J,Gu L,et al.Change monitoring in Wuda coalfield fire area based on remote sensing[J].Journal of China Coal Society,2010,35(6):964-968.

[4] 邱程錦,王堅(jiān),劉立聰,等.遙感技術(shù)在烏達(dá)煤田火災(zāi)監(jiān)測中的應(yīng)用[J].煤炭工程,2012(8):130-133. Qiu C J,Wang J,Liu L C,et al.Remote sensing technology applied to fire disaster monitoring and measuring of Wuda coalfield[J].Coal Engineering,2012(8):130-133.

[5] Huo H Y,Ni Z Y,Gao C X,et al.A study of coal fire propagation with remotely sensed thermal infrared data[J].Remote Sensing,2015,7(3):3088-3113.

[6] 曹代勇,楊光,豆旭謙,等.基于遙感技術(shù)的內(nèi)蒙古烏達(dá)煤田火區(qū)碳排放計(jì)算[J].煤炭學(xué)報(bào),2014,39(12):2489-2494. Cao D Y,Yang G,Dou X Q,et al.Calculation of carbon emission of Wuda coalfield fires in Inner Mongolia based on remote sensing technology[J].Journal of China Coal Society,2014,39(12):2489-2494.

[7] 孫玉林,馬建偉,張國榮.航空三通道掃描技術(shù)在烏達(dá)煤田火區(qū)調(diào)查中的應(yīng)用[J].神華科技,2010,8(4):21-24. Sun Y L,Ma J W,Zhang G R.Application of three aerial channels scanning technology in Wuda coalfield[J].Shen Hua Science and Technology,2010,8(4):21-24.

[8] Wang Y J,Tian F,Huang Y,et al.Monitoring coal fires in Datong coalfield using multi-source remote sensing data[J].Transactions of Nonferrous Metals Society of China,2015,25(10):3421-3428.

[9] 徐涵秋.新型Landsat 8衛(wèi)星影像的反射率和地表溫度反演[J].地球物理學(xué)報(bào),2015,58(3):741-747. Xu H Q.Retrieval of the reflectance and land surface temperature of the newly-launched Landsat 8 satellite[J].Chinese Journal of Geophysics,2015,58(3):741-747.

[10]Yu X L,Guo X L,Wu Z C.Land surface temperature retrieval from Landsat 8 TIRS-comparison between Radiative Transfer Equation-based method,Split Window Algorithm and Single Channel Method[J].Remote Sensing,2014,6(10):9829-9852.

[11]姬洪亮,塔西甫拉提·特依拜,蔡忠勇,等.基于TM數(shù)據(jù)的地下煤火區(qū)地表溫度反演與驗(yàn)證[J].國土資源遙感,2012,24(4):101-106.doi:10.6046/gtzyyg.2012.04.17. Ji H L,Tashpolat T,Cai Z Y,et al.The inversion and verification of land surface temperature for coal fire areas based on TM data[J].Remote Sensing for Land and Resources,2012,24(4):101-106.doi:10.6046/gtzyyg.2012.04.17.

[12]Wang F,Qin Z H,Song C Y,et al.An improved mono-window algorithm for land surface temperature retrieval from Landsat 8 thermal infrared sensor data[J].Remote Sensing,2015,7(4):4268-4289.

[13]Kuenzer C,Zhang J,Li J,et al.Detecting unknown coal fires:Synergy of automated coal fire risk area delineation and improved thermal anomaly extraction[J].International Journal of Remote Sensing,2007,28(20):4561-4585.

[14]Du X M,Bernardes S,Cao D Y,et al.Self-adaptive gradient-based thresholding method for coal fire detection based on ASTER data-Part 2,validation and sensitivity analysis[J].Remote Sensing,2015,7(3):2602-2626.

[15]蔣大林,匡鴻海,曹曉峰,等.基于Landsat 8的地表溫度反演算法研究——以滇池流域?yàn)槔齕J].遙感技術(shù)與應(yīng)用,2015,30(3):448-454. Jiang D L,Kuang H H,Cao X F,et al.Study of land surface temperature retrieval based on Landsat 8:With the sample of Dianchi lake basin[J].Remote Sensing Technology and Application,2015,30(3):448-454.

[16]胡德勇,喬琨,王興玲,等.單窗算法結(jié)合Landsat 8熱紅外數(shù)據(jù)反演地表溫度[J].遙感學(xué)報(bào),2015,19(6):964-976. Hu D Y,Qiao K,Wang X L,et al.Land surface temperature retrieval from Landsat 8 thermal infrared data using mono-window algorithm[J].Journal of Remote Sensing,2015,19(6):964-976.

[17]丁莉東,覃志豪,毛克彪.基于MODIS影像數(shù)據(jù)的劈窗算法研究及其參數(shù)確定[J].遙感技術(shù)與應(yīng)用,2005,20(2):284-289. Ding L D,Qin Z H,Mao K B.A research of split window algorithm based on MODIS image data and parameter determination[J].Remote Sensing Technology and Application,2005,20(2):284-289.

[18]Zanter K.Landsat 8(L8) Data Users Handbook V1[Z].Sioux Falls,South Dakota:U.S.Geological Survey,2015.

[19]覃志豪,李文娟,徐斌,等.陸地衛(wèi)星TM6波段范圍內(nèi)地表比輻射率的估計(jì)[J].國土資源遙感,2004,16(3):28-32,36,41.doi:10.6046/gtzyyg.2004.03.07. Qin Z H,Li W J,Xu B,et al.The estimation of land surface emissivity for Landsat TM6[J].Remote Sensing for Land and Resources,2004,16(3):28-32,36,41.doi:10.6046/gtzyyg.2004.03.07.

[20]Rozenstein O,Qin Z H,Derimian Y,et al.Derivation of land surface temperature for Landsat-8 TIRS using a split window algorithm[J].Sensors,2014,14(4):5768-5780.

[21]Du X M,Cao D Y,Mishra D,et al.Self-adaptive gradient-Based thresholding method for coal fire detection using ASTER thermal infrared data,Part I:Methodology and decadal change detection[J].Remote Sensing,2015,7(6):6576-6610.

(責(zé)任編輯：劉心季)

Remotesensingmonitoringandassessmentoffire-fightingeffectsinWudacoalfield，InnerMongolia

LI Feng1,2， LIANG Handong1， ZHAO Xiaoping3， BAI Jiangwei1， CUI Yukun1

(1.StateKeyLabofCoalResourcesandSafetyMining,ChinaUniversityofMiningandTechnology(Beijing)，Beijing100083，China；2.InstituteofDisasterPrevention，Sanhe065201，China； 3.BeijingPolytechnicCollege，Beijing100042，China)

In order to assess the fire-fighting effects in the Wuda coal field of Inner Mongolia, the authors adopted two Landsat 5 images(acquired in 2008 and 2011)and two Landsat 8 images(acquired in 2013 and 2015)as data sources which respectively represented before, during and last stage fire-fighting activities, generated four land surface temperature maps by using mono-window algorithm and recognized coal fire areas based on self-adaptive gradient-based thresholding(SAGBT)method. The results show that 75% overlapping between identified coal fire areas and in situ sampling coal fire areas. The coal fire evolutions on spatial distribution revealed that coal fire area presented remarkable downfall trend from 1.194 km2in 2008 to 0.873 km2in 2015. Overall, coal fire areas were reduced by 26.88% due to performing fire-fighting activities; however, more measures should be strengthened by local administrators because there remain residual 73.12% coal fire areas.

coal fire in Wuda； self-adaptive gradient-based thresholding(SAGBT)； thermal infrared； temperature retrieval； remote sensing assessment

10.6046/gtzyyg.2017.03.32

李峰,梁漢東,趙小平,等.內(nèi)蒙古烏達(dá)煤田煤火治理效果的遙感監(jiān)測與評估[J].國土資源遙感,2017,29(3)：217-223.(Li F,Liang H D,Zhao X P,et al.Remote sensing monitoring and assessment of fire-fighting effects in Wuda coal field，Inner Mongolia[J].Remote Sensing for Land and Resources,2017,29(3)：217-223.)

2015-12-29；

2016-02-16

國家自然科學(xué)基金項(xiàng)目“煤火汞釋放初探”(編號： 41371449)資助。

李峰(1979-),男,博士后,副教授/工程師,主要從事測量與遙感方面的研究。Email： lif1223@aliyun.com。

TP 79

： A

： 1001-070X(2017)03-0217-07