陳宗玥

（浙江省工程物探勘察設(shè)計(jì)院有限公司，浙江 杭州 310000）

0.引言

礦產(chǎn)資源是現(xiàn)代生產(chǎn)中的基礎(chǔ)材料，對(duì)我國(guó)各行各業(yè)發(fā)展都起到了重要作用。然而，礦產(chǎn)資源作為自然資源的一部分，其開(kāi)采活動(dòng)必然帶來(lái)對(duì)礦山地區(qū)整體生態(tài)環(huán)境的破壞。將廢棄礦采開(kāi)采出去，就會(huì)形成采空區(qū)，而采空區(qū)表現(xiàn)在地表，就會(huì)形成礦山開(kāi)采沉陷區(qū)[1]。地表沉陷會(huì)嚴(yán)重破壞地表環(huán)境，最終形成地質(zhì)災(zāi)害，影響礦區(qū)正常的生產(chǎn)生活。在此背景下，對(duì)礦山開(kāi)采沉陷區(qū)進(jìn)行遙感變化監(jiān)測(cè)，具有重要的現(xiàn)實(shí)意義。

關(guān)于沉陷區(qū)的監(jiān)測(cè)問(wèn)題研究有很多。例如，文獻(xiàn)[3]中汪潔等人利用RS和GIS技術(shù)獲取2016年和2017年關(guān)于浙江省礦山衛(wèi)星遙感圖像，以此為依據(jù)，通過(guò)圖像分析技術(shù)實(shí)現(xiàn)礦山地質(zhì)環(huán)境監(jiān)測(cè)。麥霞梅[7]等人通過(guò)高分二號(hào)衛(wèi)星獲取高分辨率礦區(qū)影像，并提取其中土壤含水量與光譜特征數(shù)據(jù)，以此實(shí)現(xiàn)煤塌陷地土壤含水量分布狀況監(jiān)測(cè)。麻源源[8]等人針對(duì)天津地區(qū)多處出現(xiàn)地面沉降問(wèn)題，利用永久散射體干涉測(cè)量技術(shù)（PS-InSAR）進(jìn)行監(jiān)測(cè)，以此得出2004～2008年時(shí)間序列地面沉降演變特征，繪制沉降速率分布圖。

基于前人研究經(jīng)驗(yàn)，本研究借助ArcGIS平臺(tái)，提出一種礦山開(kāi)采沉陷遙感變化監(jiān)測(cè)方法[2]。該方法首先采集礦山開(kāi)采沉陷區(qū)的遙感影像，接著進(jìn)行圖像預(yù)處理，提取圖像特征，通過(guò)分類(lèi)器實(shí)現(xiàn)目標(biāo)沉陷區(qū)識(shí)別，最后按照時(shí)間序列排列圖像，生成時(shí)空特征圖，以此分析礦山開(kāi)采沉陷遙感變化規(guī)律[4]。本研究旨在為礦山沉陷區(qū)治理提供可靠的依據(jù)。

1.礦山開(kāi)采沉陷遙感變化監(jiān)測(cè)方法研究

礦山被開(kāi)采后，原有的位置會(huì)空下來(lái)，空下來(lái)的空間被稱(chēng)為采空區(qū)。采空區(qū)的出現(xiàn)是導(dǎo)致地表沉陷問(wèn)題的直接原因。當(dāng)采空區(qū)失去礦石的支撐后，為了維持該位置原有地應(yīng)力的平衡，應(yīng)力會(huì)重新分布，從而連帶巖石發(fā)生位移，導(dǎo)致沉陷事故的發(fā)生[5]。沉陷問(wèn)題的出現(xiàn)會(huì)導(dǎo)致地表環(huán)境受到嚴(yán)重破壞，如，土地破壞、植被退化、水污染、地面建筑坍塌等。基于此，為避免開(kāi)采沉陷問(wèn)題帶來(lái)的安全事故以及為沉陷區(qū)治理提供可靠依據(jù)，進(jìn)行基于A(yíng)rcGIS的礦山開(kāi)采沉陷遙感變化監(jiān)測(cè)方法研究。

1.1 礦山開(kāi)采沉陷區(qū)遙感圖像采集

遙感圖像采集是礦山開(kāi)采沉陷區(qū)變化監(jiān)測(cè)的首要環(huán)節(jié)，后續(xù)分析都是在采集到的遙感圖像的基礎(chǔ)上進(jìn)行操作。遙感圖像系統(tǒng)主要由三部分組成，即載體裝置、采集設(shè)備以及地面控制中心[6]。

（1）載體即搭載采集設(shè)備的裝置，一般分為三類(lèi)：地面遙感、航空遙感、航天遙感，分別以地面上可移動(dòng)裝置、航空器、航天器作為載體。

（2）采集設(shè)備即圖像拍攝設(shè)備，是遙感系統(tǒng)當(dāng)中的核心，其選擇采集設(shè)備類(lèi)型的不同，采集到圖像類(lèi)型也不同，后續(xù)處理方法也會(huì)存在差異[7]。采集設(shè)備與遙感圖像對(duì)應(yīng)關(guān)系（如表1所示）：

表1 采集設(shè)備與遙感圖像對(duì)應(yīng)關(guān)系表

（3）地面控制中心即中央控制基站，對(duì)整個(gè)遙感圖像采集起到控制作用。

在本研究中，以無(wú)人機(jī)為載體，以光學(xué)鏡頭為采集設(shè)備，搭建遙感系統(tǒng)，采集礦山開(kāi)采沉陷區(qū)圖像。采集過(guò)程如下：

步驟1：遙感系統(tǒng)啟動(dòng)，并初始化。

步驟2：設(shè)置光學(xué)鏡頭與無(wú)人機(jī)初始化參數(shù)。

步驟3：設(shè)置采集窗口和圖像參數(shù)、幀狀態(tài)。

步驟4：采集一幀或多幀圖像數(shù)據(jù)。

步驟5：判斷采集是否完成。若采集完成，則進(jìn)行一次數(shù)據(jù)保存，等待進(jìn)行下一步處理；反之，則繼續(xù)進(jìn)行圖像采集，直至完成采集任務(wù)。

步驟6：關(guān)閉遙感系統(tǒng)。

1.2 遙感圖像預(yù)處理

ArcGIS是遙感圖像處理過(guò)程中最常用的處理工具，集圖像處理、圖像元素添加與刪除、圖像增強(qiáng)、圖像顯示等多方面于一體，功能十分強(qiáng)大。其圖像處理過(guò)程如下：

步驟1：?jiǎn)?dòng)ArcGIS。

步驟2：打開(kāi)菜單中的文件，啟動(dòng)“打開(kāi)”對(duì)話(huà)框，在對(duì)話(huà)框中選擇需要打開(kāi)的圖像文檔。

步驟3：點(diǎn)擊不同的功能鍵，進(jìn)行圖像預(yù)處理。

以ArcGIS為依托，在遙感圖像采集之后，為提高其質(zhì)量，需對(duì)遙感圖像進(jìn)行預(yù)處理，具體包括三個(gè)方面。下面針對(duì)這三個(gè)處理過(guò)程進(jìn)行具體分析。

1.2.1 遙感圖像灰度化

初始遙感圖像為彩色圖像，而彩色所包含的信息量較大，干擾信息很多，因此，為降低色彩對(duì)圖像的干擾，首先需要將彩色遙感圖像進(jìn)行灰度化處理。處理方式有四種，分別如公式（1）、公式（2）、公式（3）、公式（4）所示：

（1）分量法

式（1）中，R（i，j）、G（i，j）、B（i，j）為彩色遙感圖像中像素（i，j）的色彩分量。

（2）最大值法

（3）平均值法

（4）加權(quán)平均法

1.2.2 遙感圖像濾波

受到采集環(huán)境如，光照、云層、污染物等影響，采集到的遙感圖像中存在很多噪聲點(diǎn)，會(huì)形成干擾信息，因此，需要對(duì)灰度遙感圖像進(jìn)行濾波處理。在這里通過(guò)一種改進(jìn)后的自適應(yīng)中值濾波算法進(jìn)行遙感圖像處理。

中值濾波是一種以中值代替原有像素值實(shí)現(xiàn)噪聲點(diǎn)去除的方法，原理如公式（5）所示：

式（5）中，P（i，j）為濾波模板中心點(diǎn)的濾波值；x i，（）

j為圖像的灰度值；S為濾波模板所有鄰域像素集合。

自適應(yīng)中值濾波是上述基礎(chǔ)中值濾波的改進(jìn)和優(yōu)化，即根據(jù)計(jì)算的中值來(lái)自適應(yīng)調(diào)節(jié)濾波模板，如公式（6）所示：

式（6）中，Gmid為中值；Gmin、Gmax為濾波模板內(nèi)的最小值和最大值；S為濾波模板。

然而，Gmid也是根據(jù)原有濾波模板計(jì)算出來(lái)的，因此難以避免地也會(huì)受到噪聲干擾。為此，在這里通過(guò)計(jì)算Gmax和Gmin之間的極值平均值G來(lái)代替Gmid，與圖像中像素點(diǎn)進(jìn)行對(duì)比。極值平均值G計(jì)算方法如公式（7）所示：

利用得到的G進(jìn)行異常點(diǎn)檢測(cè)，如公式（8）所示：

式（8）中，G x，（）

y為圖像像素點(diǎn)。

異常點(diǎn)由噪聲點(diǎn)和邊緣點(diǎn)組成，然后根據(jù)公式（9），從異常點(diǎn)中分離出噪聲點(diǎn)。

1.2.3 遙感圖像增強(qiáng)

為了使得特征顯示更加明顯，需要進(jìn)行圖像增強(qiáng)處理。在這里通過(guò)最小灰度分辨率直方圖均衡來(lái)進(jìn)行增強(qiáng)，原理是分別對(duì)高頻灰度像素和低頻灰度像素進(jìn)行限制和增加拉伸處理。具體過(guò)程如下：

步驟1：計(jì)算各像素的局部方差和均值差。如公式（10）、公式（11）所示：

式（11）中，n為像素點(diǎn)數(shù)量；為領(lǐng)域均值；Y（i，j）為點(diǎn)（i，j）出的灰度值；Y（s，t）為點(diǎn)（s，t）出的灰度值。

步驟2：計(jì)算廣義直方圖，計(jì)算公式如公式（12）所示：

式（12）中，N、M分別為圖像行、列數(shù)；f（i，j，k）為直方圖；k為灰度級(jí)。

步驟3：計(jì)算累積直方圖P（k）。如公式（13）所示：

步驟4：計(jì)算各灰度級(jí)的映射map（k）。

步驟5：得到增強(qiáng)后的遙感圖像。如公式（14）所示：

1.3 基于深度學(xué)習(xí)的沉陷區(qū)識(shí)別與監(jiān)測(cè)

預(yù)處理好遙感圖像后，進(jìn)入目標(biāo)識(shí)別環(huán)節(jié)，即從遙感圖像中識(shí)別出沉陷區(qū)，然后劃分范圍，統(tǒng)計(jì)面積，最后按照時(shí)間規(guī)律，實(shí)現(xiàn)礦山開(kāi)采沉陷區(qū)動(dòng)態(tài)變化監(jiān)測(cè)。在這里礦山開(kāi)采沉陷區(qū)識(shí)別采用深度學(xué)習(xí)算法來(lái)實(shí)現(xiàn)。深度學(xué)習(xí)也被稱(chēng)為深度神經(jīng)網(wǎng)絡(luò)，其中分為多個(gè)分支結(jié)構(gòu)，在這里選擇其中的卷積神經(jīng)網(wǎng)絡(luò)，因?yàn)榫矸e神經(jīng)網(wǎng)絡(luò)將特征提取和分類(lèi)識(shí)別集于一體，節(jié)省了特征提取的環(huán)節(jié)，效率更高。

基于卷積神經(jīng)網(wǎng)絡(luò)的沉陷區(qū)識(shí)別與監(jiān)測(cè)基本流程如下：

步驟1：輸入預(yù)處理好的礦山開(kāi)采沉陷區(qū)遙感圖像。

步驟2：使圖像進(jìn)入卷積層，通過(guò)卷積核獲取圖像特征信息。卷積公式如公式（15）所示：

步驟3：特征圖像進(jìn)行池化，聚合圖像中不同位置的特征；

步驟4：重復(fù)上述步驟2和步驟3。

步驟5：進(jìn)入全連接層，進(jìn)行分類(lèi)，給出識(shí)別結(jié)果。

步驟6：進(jìn)入輸出層，通過(guò)Soft Max得出樣本屬于不同事物類(lèi)型的概率分布情況。

步驟7：重復(fù)上述過(guò)程，處理每隔一段時(shí)間內(nèi)采集的礦山開(kāi)采沉陷區(qū)遙感圖像，然后按照時(shí)間序列分析其變化規(guī)律，完成遙感變化監(jiān)測(cè)。

2.實(shí)例分析

2.1 研究區(qū)概況

某地區(qū)礦區(qū)經(jīng)過(guò)多年開(kāi)采，嚴(yán)重破壞了地質(zhì)環(huán)境，沉陷問(wèn)題日益嚴(yán)重。為此，利用所研究的方法對(duì)該地區(qū)進(jìn)行礦山開(kāi)采沉陷遙感變化監(jiān)測(cè)。研究區(qū)概況（如圖1所示）：

圖1 研究區(qū)示意圖

圖1中，A區(qū)域?yàn)槌料菁袇^(qū)域，選擇該地區(qū)作為對(duì)象，采集2017～2019年的遙感圖像，進(jìn)行礦山開(kāi)采沉陷遙感變化監(jiān)測(cè)。

2.2 遙感圖像采集工具選型

選擇T650六翼無(wú)人機(jī)搭載DMC-ZS110GKS攝像機(jī)構(gòu)建遙感采集系統(tǒng)（如圖2所示）：

圖2 遙感圖像采集示意圖

2.2.1 DMC-ZS110GKS攝像機(jī)功能特征

（1）機(jī)身規(guī)格1240mm×71.1mm×597mm，重量509g，其尺寸和重量都較小。

育秧節(jié)省秧田。機(jī)械插秧采用的是毯狀秧苗，播種密度大，育秧面積集中，節(jié)省育苗用秧田。育苗用秧田與大田比例達(dá)1：70-90，秧田利用率比常規(guī)育秧提高5-10倍，可大幅度節(jié)約耕地，增加農(nóng)民收入。

（2）基于先進(jìn)的AI人工智能技術(shù)，實(shí)現(xiàn)實(shí)時(shí)追蹤，時(shí)刻聚焦拍攝目標(biāo)。

（3）搭載Exmor CMOS影像傳感器，實(shí)現(xiàn)高感光度與優(yōu)良的色彩還原能力。

（4）雙重降噪與模數(shù)轉(zhuǎn)換器，獲得2020萬(wàn)有效像素，即使在亮度不足的情況下，也能拍攝出清晰的照片。

2.2.2 T650六翼無(wú)人機(jī)飛行參數(shù)如下：

（1）對(duì)角軸距（多旋翼）：605mm（不含槳，降落模式）。

（2）最大爬升速度：P模式/A模式5m/s；S模式6m/s。（3）最大下降速度：垂直4m/s；斜下降4-9m/s。（4）最大航高：普通槳2500m；高原槳5000m。（5）懸停精度：垂直±0.5m；水平±1.5m。

（6）續(xù)航時(shí)間：27min（使用Zenmuse X4S）。（7）抗風(fēng)能力：10m/s。

2.3 沉陷區(qū)遙感圖像識(shí)別

卷積神經(jīng)網(wǎng)絡(luò)圖像識(shí)別結(jié)果（如圖3—圖5所示）：

圖3 2017年沉陷區(qū)示意圖

圖5 2019年沉陷區(qū)示意圖

圖4 2018年沉陷區(qū)示意圖

2.4 沉陷區(qū)面積統(tǒng)計(jì)

統(tǒng)計(jì)圖3—圖5中沉陷區(qū)面積，結(jié)果（如表2所示）：

表2 沉陷區(qū)面積變化表

2.5 結(jié)論分析

結(jié)合圖3—圖5以及表2可以看出：研究區(qū)的沉陷區(qū)域逐漸擴(kuò)大，尤其在2019年，沉陷區(qū)增長(zhǎng)速度較前兩年擴(kuò)大速度加快，逐漸威脅周?chē)霓r(nóng)田和植被，亟待進(jìn)行治理。

3.結(jié)束語(yǔ)

綜上所述，為滿(mǎn)足人們生產(chǎn)、生活的需要，礦山開(kāi)采是一種必要活動(dòng)，但是礦產(chǎn)資源的開(kāi)采必然帶來(lái)周?chē)h(huán)境的破壞，沉陷區(qū)的出現(xiàn)就是其中一種常見(jiàn)現(xiàn)象。沉陷區(qū)會(huì)破壞周?chē)恋丨h(huán)境，破壞地表建筑穩(wěn)定性。在此背景下，為更好地治理沉陷區(qū)，進(jìn)行基于A(yíng)rcGIS的礦山開(kāi)采沉陷遙感變化監(jiān)測(cè)方法研究。該研究最后進(jìn)行實(shí)例測(cè)試，證明了所研究方法的有效性。然而，本研究在實(shí)例測(cè)試部分，僅對(duì)三年沉陷區(qū)變化情況進(jìn)行研究，研究數(shù)據(jù)較少，因此有待進(jìn)一步擴(kuò)展分析。