CN109901240A - 一种探测露头残煤自燃区域的方法 - Google Patents
一种探测露头残煤自燃区域的方法 Download PDFInfo
- Publication number
- CN109901240A CN109901240A CN201910264269.3A CN201910264269A CN109901240A CN 109901240 A CN109901240 A CN 109901240A CN 201910264269 A CN201910264269 A CN 201910264269A CN 109901240 A CN109901240 A CN 109901240A
- Authority
- CN
- China
- Prior art keywords
- area
- region
- coal
- image
- ndvi
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Processing (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明构建了一种探测露头残煤自燃区域的方法,该方法首先获取研究区的地质图和遥感影像。然后,对研究区的地质图进行矢量化,从中提取煤层分布区;对多期遥感影像进行预处理,再利用决策树方法对预处理后影像进行分类,利用分类后变化检测方法提取露头煤和裸地增加的区域;利用温度反演算法对预处理后遥感影像进行温度反演,并对地表温度进行分级,从中提取地表高温异常区;最后将煤层分布区、露头煤和裸地增加区、高温异常区三者进行空间叠置分析,提取三者重叠区域作为露头残煤自燃区域。该方法可以快速、准确地提取煤自燃区域,对煤自燃区域生态修复、残煤回收提供科学依据和技术支撑。
Description
技术领域
本发明涉及矿山生态环境监测的技术领域,尤其是涉及一种探测露头残煤自燃区域的方法。
背景技术
露头残煤主要是采掘揭露、煤层天然露头产生的,暴露在空气中,引起煤自燃现象。露头残煤自燃不但造成了大量煤炭资源的浪费,而且对生态环境造成了巨大的破坏,对矿区生活健康和生产安全造成了威胁。对煤自燃区域生态环境进行监测及修复,需将煤自燃区域提取出来。
遥感技术具有覆盖面广、成本低、获取便捷便利快捷的特点,因此被广泛应用于煤自燃方面的探测。如,《一种基于地表裂隙和温度的煤火勘探方法》,发明公开专利号为CN102176070B;《--一种煤田自燃的遥感监测方法》,发明公开专利号为CN104598874A;《一种基于卫星遥感的煤矿火灾监测方法》,发明公开专利号为CN102074093A;《热红外与雷达遥感联合探测煤火的方法》,发明公开专利号为CN108983309A。这些发明均是基于煤自燃的温度异常原理,适合大型的天然煤田火区。相对煤田火区,露头残煤自燃区规模小、分布零散,且伴随采掘扰动,地表有显著的地表覆盖变化特征,这给传统的温度异常探测带来了不利影响。对于露头残煤自燃区域的精准探测,目前仍缺乏有效方法。
发明内容
为满足上述需求,本发明提供了一种探测露头残煤自燃区域的方法,为解决上述问题提供了一种可行性方案,为进行矿区生态环境修复,保证矿区的生活健康和生产安全提供了有力的技术支撑。
本发明采用的技术方案是一种探测露头残煤自燃区域的方法,包括以下步骤:
步骤1)获取研究区的煤田地质图,对煤田地质图进行矢量化,从矢量化的煤田地质图中选取为煤层的区域,该区域为研究区的煤层分布区,记为A;
步骤2)获取研究区的多期遥感影像,对影像进行预处理,得到预处理后影像;利用决策树方法对预处理后影像进行分类,得到分类后影像;再利用分类后变化检测方法提取露头煤和裸地增加的区域,记为B;其过程主要包括步骤2-1)至步骤2-3);
步骤2-1)对遥感影像进行预处理,包括几何校正、辐射校正、图像融合及图像增强;
步骤2-2)利用决策树方法对预处理后影像进行分类;所述决策树方法的分类指标包括高程、坡度、归一化植被指数及光谱特征;利用决策树方法将预处理后影像分为林地、草地、耕地、建筑用地、裸地和露头煤六种地表覆盖类型;
步骤2-3)利用分类后变化检测方法提取露头煤和裸地增加的区域;所述分类后变化检测方法的具体步骤是:首先选取两个相邻时期的分类后影像,记为f和g,然后分别从f和g中提取出地表覆盖类型为露头煤和裸地的区域,记为f1和g1,其他区域为f2和g2;其次,叠置f1和g1,从g1中扣除g1与f1重合区域,得到两个相邻时期露头煤和裸地增加的区域,记为B;
步骤3)利用温度反演算法对预处理后遥感影像进行温度反演,得到地表温度影像;再利用自然间隔点分割法将地表温度影像划分为低、较低、中、较高、高五个级别;提取级别为高的区域作为高温异常区,记为C,其过程主要包括步骤3-1)至步骤3-4);
步骤3-1)将预处理影像的像元DN值转转换为辐射亮度值,转换公式为:
式中Lλ为辐射亮度值,单位为W·m-2·sr-1·μm-1,DN为像元灰度值,Lmax,Lmin分别为相应波段灰度值分别为255和1时所对应的光谱辐射率,单位为W·m-2·sr-1·μm-1;
步骤3-2)将辐射亮度值转换为亮度温度值,转换公式为:
Trad=K2/ln(K1/Lλ+1) (公式2)
式中Trad为亮度温度值,K1为常数,单位为W·m-2·sr-1·μm-1;K2为常数,单位为K;
步骤3-3)求取地表比辐射率;自燃区域,即地表覆盖类型为裸地、露头煤类型的区域,地表比辐射率等于常数0.970;非自燃区域,即地表覆盖类型为林地、草地、耕地、建筑用地的区域,地表比辐射率的计算公式为:
式中εb为地表覆盖类型为建筑用地的地表比辐射率;εn为自然表面,即地表覆盖为林地、草地、耕地的地表比辐射率;PV为植被覆盖度,计算公式为:
PV=[(NDVI-NDVImin)/(NDVImax-NDVImin)]2 (公式4)
式中NDVI为归一化植被指数,NDVImax是NDVI的最大值,NDVImin是NDVI的最小值NDVI;当像元的NDVI大于NDVImax时,PV取值为1;当NDVI小于NDVImin时,PV取值为0;
步骤3-4)求取地表温度,计算公式为:
式中,Ts为地表温度,λ为热红外波段的中心波长, c为光速,h为普朗克常数;σ为波尔兹曼常数;ε为地表比辐射率;
然后,利用自然间隔点分割法确定地表温度的自然间断点,利用自然间断点将地表温度分为低、较低、中、较高、高五个级别;提取地表温度级别为高的区域作为高温异常区,记为C;
步骤4)最后将煤层分布区A、露头煤和裸地增加区B、高温异常区C三者进行空间叠置分析,提取A、B、C三者重叠的区域作为露头残煤自燃区域。
本发明的技术效果在于:
(1)利用露头残煤自燃区域地质构造、地表覆盖变化、热异常特点,实现对露头残煤自燃区域的精准探测,排除了地面采掘扰动、露头残煤规模小、露头残煤分布零散等不利因素,保证了露头残煤自燃区域提取结果的可靠性。
(2)利用遥感影像实现露头残煤自燃区域的精准探测,不但成本较低,耗费时间较短,而且覆盖范围较广,可节约大量人力、物力。
(3)本发明最终提供露头残煤燃烧中心的地图,可以为煤自燃的环境监测、露头煤的开发和管理、生态精准修复提供直接支撑。
附图说明
图1为本发明的技术流程图;
图2为实施例的2002年和2006年的露头煤和裸地增加区图;
图3为实施例的2006年和2010年的露头煤和裸地增加区图;
图4为实施例的2002年份地表温度分级结果图;
图5为实施例的2006年份地表温度分级结果图;
图6为实施例的2010年份地表温度分级结果图;
图7为实施例的将2002-2006和2006-2010裸地和露头煤增加区域,2002年、2006年、2010年高温异常区叠加在一起的图。
具体实施方式
本发明中研究区为有露头残煤燃烧区域,遥感影像数据来源较广泛,多光谱及高光谱数据均可,例如:Landsat、QuickBird、sentinel、Worldview、SPOT等数据。在本实施例中,以Landsat影像为例,并结合图1进行详细描述,具体步骤如下:步骤1:选定车道沟、炭窑坪、石炭沟、寺儿沟四个采矿区作为研究区,四个采矿区的相对位置如图2和图3所示。获取研究区的煤田地质图,利用ArcGIS软件对煤田地质图进行矢量化,从矢量化的煤田地质图中选取为煤层的区域,并重采样至与遥感影像同一尺度,该区域为研究区的煤层分布区,记为A。
步骤2:获取研究区的多期遥感影像,对影像进行预处理,得到预处理后影像。利用决策树方法对预处理后影像进行分类,得到分类后影像。再利用分类后变化检测方法提取露头煤和裸地增加的区域,记为B,其过程综合使用ENVI与ArcGIS软件完成,主要包括步骤2-1至步骤2-3。
步骤2-1,利用ENVI软件对遥感影像进行预处理,包括几何校正、辐射校正、图像融合及图像增强。
步骤2-2,利用决策树方法对预处理后影像进行分类。所述决策树方法的分类指标包括高程、坡度、归一化植被指数及光谱特征。利用决策树方法将预处理后影像分为林地、草地、耕地、建筑用地、裸地和露头煤六种地表覆盖类型。决策树方法的分类过程是:设定高程阈值H1,归一化植被指数阈值NDVI1、NDVI2、NDVI3,坡度阈值s1,第五波段光谱阈值t1。对所有遥感影像的像元进行判断:当坡度小于H1、且归一化植被指数小于NDVI1时,该像元为耕地;当坡度小于H1、且归一化植被指数大于NDVI1时,该像元为建筑用地;当坡度大于H1、归一化植被指数小于t2、且第五波段光谱值小于t1时,该像元为露头煤;当坡度大于H1、归一化植被指数小于t2、且第五波段光谱值大于t1时,该像元为裸地;当坡度大于H1、归一化植被指数大于t2、且归一化植被指数大于t3时,该像元为林地;当坡度大于H1、归一化植被指数大于t2、归一化植被指数小于t3时、且坡度小于s1时,该像元为耕地;当坡度大于H1、归一化植被指数大于t2、归一化植被指数小于t3时、且坡度大于s1时,该像元为草地。
步骤2-3,利用分类后变化检测方法提取露头煤和裸地增加的区域。所述分类后变化检测方法的具体步骤是:首先选取两个相邻时期的分类后影像,记为f和g。然后利用ArcGIS软件分别从f和g中提取出地表覆盖类型为露头煤和裸地的区域,记为f1和g1,其他区域为f2和g2。其次,叠置f1和g1,从g1中扣除g1与f1重合区域,得到两个相邻时期露头煤和裸地增加的区域,记为B。本实施例中考虑了两组相邻时期,分为为2002和2006年、2006和2010年。图2和图3中分别给出了2002年、2006年以及2006年、2010年的矿区内露头煤和裸地区域。2002年与2006年的露头煤和裸地叠加(如图2所示)、2006年与2010年的露头煤和裸地叠加(如图3所示),叠加区域就是相邻时期露头煤和裸地增加的区域。
步骤3:利用温度反演算法对预处理后遥感影像进行温度反演,得到地表温度影像。再利用自然间隔点分割法将地表温度影像划分为低、较低、中、较高、高五个级别。提取级别为高的地表温度影像作为高温异常区,记为C,其过程主要包括步骤3-1至步骤3-4。
步骤3-1,利用经过几何校正的影像像元的DN值计算辐射亮度值。计算公式为:
式中Lλ为辐射亮度值,单位为W·m-2·sr-1·μm-1,DN为像元灰度值,Lmax,Lmin分别为相应波段灰度值分别为255和1时所对应的光谱辐射率,单位为W·m-2·sr-1·μm-1。针对Landsat影像,对于TM第6波段:Lmax=15.303W·m-2·sr-1·μm-1,Lmin=1.238W·m-2·sr-1·μm-1;对于ETM+第6波段低增益波段Lmax=17.040W·m-2·sr-1·μm-1,Lmin=0,高增益波段Lmax=12.650W·m-2·sr-1·μm-1,Lmin=3.200W·m-2·sr-1·μm-1。将其带入公式1中,计算TM/ETM+第6波段辐射亮度值的公式为:
对于TM6,公式为:
Lλ=0.05537DN+1.1826 (公式6)
对于ETM+6,公式为:
LλL=0.067DN-0.067
LλH=0.0372DN+3.16 (公式7)
式中Lλh,LλL分别为低增益和高增益波段的辐射亮度。
步骤3-2,利用辐射亮度值计算亮度温度值,计算公式如下:
Trad=K2/ln(K1/Lλ+1) (公式2)
式中Lλ为上面求取的辐射亮度值,Trad为量度温度值,K1为常数,单位为W·m-2·sr-1·μm-1。K2为常数,单位为K。对于TM数据,K1=607.76W·m-2·sr-1·μm-1,K2=1260.56K;对于ETM+数据K1=666.09W·m-2·sr-1·μm-1,K2=1282.71K。
步骤3-3,计算地表比辐射率。自燃区域,即地表覆盖类型为裸地、露头煤类型的区域,地表比辐射率等于常数0.970。非自燃区域,即地表覆盖类型为林地、草地、耕地、建筑用地的区域,地表比辐射率的计算公式为:
式中εb为地表覆盖类型为建筑用地的地表比辐射率;εn为自然表面,即地表覆盖为林地、草地、耕地的地表比辐射率;PV为植被覆盖度,计算公式为:
PV=[(NDVI-NDVImin)/(NDVImax-NDVImin)]2 (公式4)
式中NDVI为归一化植被指数,NDVImax是NDVI的最大值,NDVImin是NDVI的最小值NDVI。当像元的NDVI大于NDVImax时,PV取值为1;当NDVI小于NDVImin时,PV取值为0。
步骤3-4,求取地表温度,计算公式为:
式中,Ts为地表温度,λ为热红外波段的中心波长, c为光速,h为普朗克常数;σ为波尔兹曼常数;ε为地表比辐射率。
然后,利用自然间隔点分割法确定地表温度的自然间断点,利用自然间断点将地表温度分为低、较低、中、较高、高五个级别。提取地表温度级别为高的区域作为高温异常区,记为C。图4、图5和图6为实施例的研究区域2002、2006、2010三个年份地表温度分级结果,图中1、2、3、4、5分别代表低、较低、中、较高、高五个级别。
步骤4:利用ArcGIS软件对煤层分布区A、露头煤和裸地增加区B、高温异常区C三者进行空间叠置分析,提取A、B、C三者重叠区域作为露头残煤自燃区域。图7中将2002-2006裸地和露头煤增加区域,2006-2010裸地和露头煤增加区域、2002年高温异常区、2006年高温异常区、2010年高温异常区叠加在一起,重叠区域即是露头残煤自燃区域,在露头残煤自燃区域标记了燃烧中心,如图7所示。该图件可以为露头残煤的开发、环境影响评价、土地复垦提供支撑。
Claims (3)
1.一种探测露头残煤自燃区域的方法,其特征在于,包括以下步骤:
步骤1)获取研究区的煤田地质图,对煤田地质图进行矢量化,从矢量化的煤田地质图中选取为煤层的区域,该区域为研究区的煤层分布区,记为A;
步骤2)获取研究区的多期遥感影像,对影像进行预处理,得到预处理后影像;利用决策树方法对预处理后影像进行分类,得到分类后影像;再利用分类后变化检测方法提取露头煤和裸地增加的区域,记为B;
步骤3)利用温度反演算法对预处理后遥感影像进行温度反演,得到地表温度影像;再利用自然间隔点分割法将地表温度影像划分为低、较低、中、较高、高五个级别;提取级别为高的区域作为高温异常区,记为C;
步骤4)最后将煤层分布区A、露头煤和裸地增加区B、高温异常区C三者进行空间叠置分析,提取A、B、C三者重叠的区域作为露头残煤自燃区域。
2.根据权利要求1所述的一种探测露头残煤自燃区域的方法,其特征在于,步骤2)中提取露头煤和裸地增加的区域B的方法包括以下步骤:
步骤2-1)对遥感影像进行预处理,包括几何校正、辐射校正、图像融合及图像增强;
步骤2-2)利用决策树方法对预处理后影像进行分类;所述决策树方法的分类指标包括高程、坡度、归一化植被指数及光谱特征;利用决策树方法将预处理后影像分为林地、草地、耕地、建筑用地、裸地和露头煤六种地表覆盖类型;
步骤2-3)利用分类后变化检测方法提取露头煤和裸地增加的区域;所述分类后变化检测方法的具体步骤是:首先选取两个相邻时期的分类后影像,记为f和g,然后分别从f和g中提取出地表覆盖类型为露头煤和裸地的区域,记为f1和g1,其他区域为f2和g2;其次,叠置f1和g1,从g1中扣除g1与f1重合区域,得到两个相邻时期露头煤和裸地增加的区域,记为B。
3.根据权利要求1所述的一种探测露头残煤自燃区域的方法,其特征在于,步骤3)中提取高温异常区C的方法包括以下步骤:
步骤3-1)将预处理影像的像元DN值转转换为辐射亮度值,转换公式为:
式中Lλ为辐射亮度值,单位为W·m-2·sr-1·μm-1,DN为像元灰度值,Lmax,Lmin分别为相应波段灰度值分别为255和1时所对应的光谱辐射率,单位为W·m-2·sr-1·μm-1;
步骤3-2)将辐射亮度值转换为亮度温度值,转换公式为:
Trad=K2/ln(K1/Lλ+1) (公式2)
式中Trad为亮度温度值,K1为常数,单位为W·m-2·sr-1·μm-1;K2为常数,单位为K;
步骤3-3)求取地表比辐射率;自燃区域,即地表覆盖类型为裸地、露头煤类型的区域,地表比辐射率等于常数0.970;非自燃区域,即地表覆盖类型为林地、草地、耕地、建筑用地的区域,地表比辐射率的计算公式为:
式中εb为地表覆盖类型为建筑用地的地表比辐射率;εn为自然表面,即地表覆盖为林地、草地、耕地的地表比辐射率;PV为植被覆盖度,计算公式为:
PV=[(NDVI-NDVImin)/(NDVImax-NDVImin)]2 (公式4)
式中NDVI为归一化植被指数,NDVImax是NDVI的最大值,NDVImin是NDVI的最小值NDVI;当像元的NDVI大于NDVImax时,PV取值为1;当NDVI小于NDVImin时,PV取值为0;
步骤3-4)求取地表温度,计算公式为:
式中,Ts为地表温度,λ为热红外波段的中心波长, c为光速,h为普朗克常数;σ为波尔兹曼常数;ε为地表比辐射率;
然后,利用自然间隔点分割法确定地表温度的自然间断点,利用自然间断点将地表温度分为低、较低、中、较高、高五个级别;提取地表温度级别为高的区域作为高温异常区,记为C。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910264269.3A CN109901240A (zh) | 2019-04-03 | 2019-04-03 | 一种探测露头残煤自燃区域的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910264269.3A CN109901240A (zh) | 2019-04-03 | 2019-04-03 | 一种探测露头残煤自燃区域的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109901240A true CN109901240A (zh) | 2019-06-18 |
Family
ID=66955195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910264269.3A Pending CN109901240A (zh) | 2019-04-03 | 2019-04-03 | 一种探测露头残煤自燃区域的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109901240A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110618145A (zh) * | 2019-09-26 | 2019-12-27 | 中国水利水电科学研究院 | 一种基于无人机的快速测定黄土塬区泉眼位置的方法 |
CN110618144A (zh) * | 2019-09-26 | 2019-12-27 | 中国水利水电科学研究院 | 一种快速测定黄土塬区泉眼位置的方法 |
CN110838098A (zh) * | 2019-10-09 | 2020-02-25 | 新疆大学 | 一种确定地下煤火区地表裂隙的方法 |
CN111982838A (zh) * | 2020-08-25 | 2020-11-24 | 吉林大学 | 一种基于高光谱的煤岩识别检测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3725914A (en) * | 1971-05-05 | 1973-04-03 | Westinghouse Electric Corp | Measurement of temperature inversions |
US4138992A (en) * | 1975-07-21 | 1979-02-13 | Shaffer Lloyd H | Viscosity stabilized solar ponds |
CN101908196A (zh) * | 2009-06-03 | 2010-12-08 | 北京师范大学 | 基于植被-土壤水分响应关系的植被盖度估算方法 |
CN101937079A (zh) * | 2010-06-29 | 2011-01-05 | 中国农业大学 | 基于区域相似度的遥感影像变化检测方法 |
CN103500450A (zh) * | 2013-09-30 | 2014-01-08 | 河海大学 | 一种多光谱遥感影像变化检测方法 |
CN105046188A (zh) * | 2015-04-13 | 2015-11-11 | 中南林业科技大学 | Modis混合像元分解森林信息提取方法 |
CN108020322A (zh) * | 2016-11-01 | 2018-05-11 | 核工业北京地质研究院 | 煤田火区的机载热红外高光谱遥感定量探测方法 |
CN108846832A (zh) * | 2018-05-30 | 2018-11-20 | 理大产学研基地(深圳)有限公司 | 一种基于多时相遥感影像与gis数据的变化检测方法及系统 |
CN108983309A (zh) * | 2018-08-02 | 2018-12-11 | 中国矿业大学 | 热红外与雷达遥感联合探测煤火的方法 |
CN109063553A (zh) * | 2018-06-22 | 2018-12-21 | 中国矿业大学 | 一种土地整治后农田作物生长缺陷区遥感快速诊断方法 |
-
2019
- 2019-04-03 CN CN201910264269.3A patent/CN109901240A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3725914A (en) * | 1971-05-05 | 1973-04-03 | Westinghouse Electric Corp | Measurement of temperature inversions |
US4138992A (en) * | 1975-07-21 | 1979-02-13 | Shaffer Lloyd H | Viscosity stabilized solar ponds |
CN101908196A (zh) * | 2009-06-03 | 2010-12-08 | 北京师范大学 | 基于植被-土壤水分响应关系的植被盖度估算方法 |
CN101937079A (zh) * | 2010-06-29 | 2011-01-05 | 中国农业大学 | 基于区域相似度的遥感影像变化检测方法 |
CN103500450A (zh) * | 2013-09-30 | 2014-01-08 | 河海大学 | 一种多光谱遥感影像变化检测方法 |
CN105046188A (zh) * | 2015-04-13 | 2015-11-11 | 中南林业科技大学 | Modis混合像元分解森林信息提取方法 |
CN108020322A (zh) * | 2016-11-01 | 2018-05-11 | 核工业北京地质研究院 | 煤田火区的机载热红外高光谱遥感定量探测方法 |
CN108846832A (zh) * | 2018-05-30 | 2018-11-20 | 理大产学研基地(深圳)有限公司 | 一种基于多时相遥感影像与gis数据的变化检测方法及系统 |
CN109063553A (zh) * | 2018-06-22 | 2018-12-21 | 中国矿业大学 | 一种土地整治后农田作物生长缺陷区遥感快速诊断方法 |
CN108983309A (zh) * | 2018-08-02 | 2018-12-11 | 中国矿业大学 | 热红外与雷达遥感联合探测煤火的方法 |
Non-Patent Citations (2)
Title |
---|
邱程锦等: "遥感技术在乌达煤田火灾监测中的应用", 《煤炭工程》 * |
顾磊等: "基于landsat5 TM数据的地下煤火区地表温度反演", 《首都师范大学学报(自然科学版)》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110618145A (zh) * | 2019-09-26 | 2019-12-27 | 中国水利水电科学研究院 | 一种基于无人机的快速测定黄土塬区泉眼位置的方法 |
CN110618144A (zh) * | 2019-09-26 | 2019-12-27 | 中国水利水电科学研究院 | 一种快速测定黄土塬区泉眼位置的方法 |
CN110838098A (zh) * | 2019-10-09 | 2020-02-25 | 新疆大学 | 一种确定地下煤火区地表裂隙的方法 |
CN111982838A (zh) * | 2020-08-25 | 2020-11-24 | 吉林大学 | 一种基于高光谱的煤岩识别检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109901240A (zh) | 一种探测露头残煤自燃区域的方法 | |
Chen et al. | Remote sensing for vegetation monitoring in carbon capture storage regions: A review | |
Schroeder et al. | Active fire detection using Landsat-8/OLI data | |
Dong et al. | Mapping tropical forests and rubber plantations in complex landscapes by integrating PALSAR and MODIS imagery | |
Syed et al. | Remote sensing of coal fires in India: A review | |
Hall | Remote sensing in social science research | |
Han et al. | Mapping hydrothermally altered rocks with Landsat 8 imagery: A case study in the KSM and Snow field zones, northwestern British Columbia | |
Biswal et al. | Delineation and mapping of coal mine fire using remote sensing data–a review | |
Pour et al. | Fusing ASTER, ALI and Hyperion data for enhanced mineral mapping | |
Singh et al. | Mapping of coal fire in Jharia Coalfield, India: a remote sensing based approach | |
Zaini et al. | Assessing of land surface temperature at the Seulawah Agam volcano area using the landsat series imagery | |
Xu et al. | Monitoring coal seam fires in Xinjiang using comprehensive thermal infrared and time series InSAR detection | |
Trinh et al. | Mapping coal fires using normalized difference coal fire index (NDCFI): case study at Khanh Hoa coal mine, Vietnam | |
Pour et al. | Evaluation of earth observing-1 (EO1) data for lithological and hydrothermal alteration mapping: A case study from Urumieh-Dokhtar volcanic belt, SE Iran | |
Mujabar et al. | Mapping of bauxite mineral deposits in the northern region of Saudi Arabia by using Advanced Spaceborne Thermal Emission and Reflection Radiometer satellite data | |
Raval et al. | A monitoring framework for land use around kaolin mining areas through Landsat TM images | |
Jiang et al. | Retrieval and analysis of coal fire temperature in Wuda coalfield, Inner Mongolia, China | |
Melillos et al. | Field spectroscopy for the detection of underground military structures | |
Biswal et al. | Studying the coal fire dynamics in Jharia coalfield, India using time-series analysis of satellite data | |
Van Anh et al. | Determination of illegal signs of coal mining expansion in Thai Nguyen Province, Vietnam from a combination of radar and optical imagery | |
Tagwai et al. | Application of GIS and remote sensing in mineral exploration: current and future perspectives | |
Julzarika | Mining land identification in Wetar Island using remote sensing data. | |
Anggraeni et al. | Application of SAM and SVM techniques to burned area detection for landsat TM images in forests of South sumatra | |
Shevchuk | Technique for satellite monitoring of illegal amber mining territories based on integrated Landsat and sentinel data processing | |
Medvedeva et al. | Potential of different multispectral satellite data for monitoring abandoned fire hazardous peatlands and rewetting effectiveness |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190618 |