CN110838098A - 一种确定地下煤火区地表裂隙的方法 - Google Patents

Abstract

本发明‑一种确定地下煤火区地表裂隙的方法属于煤火探测监测技术领域,主要通过该方法识别、监测地下煤火区地表裂隙及其变化趋势，为评判火区动态演化过程分析提供数据基础本发明由遥感数据地表温度反演、地表植被盖度反演、地表裂隙范围确定方法、地表裂隙变化监测方法综合构成：地下煤火区地表裂隙确定方法主要由基于Landsat8遥感数据，采用单窗法反演火区地表温度分布，采用NVDI植被指数表征火区地表植被盖度分布，采用InSAR数据与分析方法表征火区地表沉降及裂隙变化趋势，从而基于温度、植被盖度、地表沉降与裂隙等特征为一体综合分析火区地表裂隙区动态演化特征，为定量分析火区状态及其变化趋势提供基础。

Description

一种确定地下煤火区地表裂隙的方法

技术领域

本发明属于煤火探测监测技术领域,主要通过该方法识别、监测地下煤火区地表裂隙及其变化趋势，为评判火区动态演化过程分析提供数据基础。

背景技术

地下煤火是伴生煤炭资源开发的一种自然灾害，在世界主要产煤国普遍存在，其中尤以中国新疆地区煤火最为严重。如何精确探测煤火火源位置，是科学治理煤火及科学评价煤火环境影响的基础，是煤火研究领域亟需解决的重要课题。地下煤火是在地下封闭空间的煤氧燃烧过程，地下煤层燃烧后其上覆岩层在重力的作用下下沉、破断并在地表形成裂隙，这些裂隙是地下煤火燃烧的供氧通道与烟气逸散通道，其形成与变化发展趋势对地下煤火燃烧状态至关重要。通过对火区地表裂隙分布特征与变化趋势的分析，可知火区燃烧状态及其变化趋势，可为煤火有效治理提供数据基础。本发明即是基于该背景而申请的。

发明内容

地下煤火区地表裂隙确定方法主要由基于Landsat8遥感数据，采用单窗法反演火区地表温度分布，采用NVDI植被指数表征火区地表植被盖度分布，采用InSAR数据与分析方法表征火区地表沉降及裂隙变化趋势，从而基于温度、植被盖度、地表沉降与裂隙等特征为一体综合分析火区地表裂隙区动态演化特征，为定量分析火区状态及其变化趋势提供基础。其基本方法如下：

1)数据来源

选择Landsat-8OLI遥感影像作为温度反演和植被盖度的数据源。考虑到季节、云及雾对遥感影像的影响，分别选取了覆盖研究区且云量较少的季节的遥感影像数据。

2)数据处理

辐射定标：通过将传感器记录的电压或者数字量化输出值DN转换为绝对辐射亮度值的过程，即消除传感器本身误差确保数据一致性和精度的过程。公式如下：

L_λ＝Gain×DN+Offset (1)

式中，辐射亮度值Lλ的单位为W/(m2 μm sr)，Gain为遥感图像的增益，Offset为遥感图像的偏移，DN为遥感图像的灰度值。

式中，D为日地距离，RSUN为大气层定的平均太阳光谱辐照度，为太阳的天顶角。

大气校正：使用ENVI 5.3 SP3软件的FLAASH模块进行大气校正消除传感器在接收讯号的过程中外界因素或者是气溶胶散射及大气分子对地物反射造成的影响，得到反映地物真实反射率的遥感影像。

归一化差值植被指数：使用快速大气校正工具对经过裁剪的辐射定标后的多光谱波段数据进行大气校正，通过对近红外波段和红光波段进行提取归一化差值植被指数。其计算公式为：

式中：NIR代表近红外波段的反射值；R表示红光波段的反射值。NDVI的取值范围是－1 1。

植被覆盖度：在获取的NDVI基础上，可以计算得到植被覆盖度，即：

式中：NDVIsoil为完全是裸土或无植被覆盖区域的NDVI值，NDVIveg则代表完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值。

地表比辐射率：尽管地球表面不同地区的地形结构非常复杂，但可以利用归一化差值植被指数NDVI结合植被覆盖度Pv来求取比辐射率[29]，通常用表示。且从卫星影像中像元的尺度来看，地表主要由水面、植被及裸土3种地物类型构成，其中地表辐射率LSE计算公式如下：

ε＝0.985×P_v ²+0.960×(1-P_v ²)+0.06×P_v ²×(1-P_v ²) (5)

水体的比辐射率赋值为0.995，自然与城镇像元比辐射率分别根据以下公式计算得出：

ε_surface＝0.9625+0.0614P_v-0.0461P_v ² (6)

ε_building＝0.9589+0.086P_v-0.0671P_v ² (7)

3)地表温度反演模型

采用单通道算法反演Landsat热红外波段来求算地表温度。其所需参数如下：

黑体辐射亮度值：卫星传感器接收到的热红外辐射亮度值Lλ由3部分组成：大气向上辐射亮度L↑，地面的真实辐射亮度经过大气层之后到达卫星传感器的能量；大气向下辐射到达地面后反射的能量。Lλ的表达式为：

L_λ＝[εB(T_S)+(1-ε)L↓]τ+L↑ (8)

式中，为地表比辐射率,Ts为地表真实温度，B(Ts)为黑体热辐射亮度，为大气在热红外波段的透过率。

温度为T的黑体在热红外波段的辐射亮度B(Ts)为：

B(T_S)＝[L_λ-L↑-τ(1-ε)L↓]/τε (9)

地表温度反演：在获取温度为Ts的黑体在热红外波段的辐射亮度后，根据普朗克公式的反函数，求得地表真实温度：

Ts＝K₂/ln(K₁/B(T_s)+1)-273 (10)

式中K1、K2是常数。

4)温度异常区面积估算

通过反演火区遥感影像数据得到火区地表温度图像，并采用密度分割法将不同的煤火区温度重分类为8个温度区间，可得到火区地表温度分布。在此基础上，采用人工阈值法求解得到同年影像下反演得到异常区温度阈值，进而区分出温度异常区与背景区。对其进行空间统计即可推导计算得到温度异常区面积。

计算公式为：

式中：TN为地表温度图像中任一像元的温度值，N为地表温度图像的像元总数，Tm为地表温度的平均值，T为地表温度标准偏差，T阈为分割点阈值。

5)火区植被盖度

以处理得到的植被覆盖图为基础，重分类为五级。温度异常区影响植被生长，导致植被覆盖度低，故主要对一级植被盖度进行分析。

6)火区地表裂隙范围确定

火区温度异常区和一级植被覆盖区呈现明显的相关性，高温异常区域所在不利于植被生长，故其植被覆盖程度往往偏低，理论上二者重合的区域即为地裂隙缝可能存在区。根据最终提取的火区温度热异常和植被覆盖信息，利用Arcgis软件对同年火区温度异常和一级植被覆盖数据进行空间叠加分析，统计其重合率得到重合面积，即火区地表裂隙可能存在区域。

附图说明

图1为通过对遥感数据进行反演获得的不同时期某火区地表温度分布图。图中红色部分表示温度高的区域，绿色部分表示温度低的区域；图1(a)为1988年温度范围图，图1(b)为1988年温度范围图2003年温度范围图，图1(c)为2011年温度范围图，图1(d)为2017年温度范围图；

图2为在图1地表温度分布基础上，基于GIS工具设定阈值，圈定不同时期某火区温度异常区域分布图，即火区高温区域(红色部分)。

图3为基于NDVI植被盖度指数获得的火区地表植被不同盖度分布图，其中绿色表示一级植被盖度(即裸地)。

图4为火区温度异常区与一级植被盖度分布区重合区域，即火区地表裂隙可能存在区域(A，B，C，D，E,F)。

具体实施方式

本发明由遥感数据地表温度反演、地表植被盖度反演、地表裂隙范围确定方法、地表裂隙变化监测方法综合构成：地下煤火区地表裂隙确定方法主要由基于Landsat8遥感数据，采用单窗法反演火区地表温度分布，采用NVDI植被指数表征火区地表植被盖度分布，采用InSAR数据与分析方法表征火区地表沉降及裂隙变化趋势，从而基于温度、植被盖度、地表沉降与裂隙等特征为一体综合分析火区地表裂隙区动态演化特征，为定量分析火区状态及其变化趋势提供基础。其基本方法如下：

1)数据来源

选择Landsat-8OLI遥感影像作为温度反演和植被盖度的数据源。考虑到季节、云及雾对遥感影像的影响，分别选取了覆盖研究区且云量较少的季节的遥感影像数据。

2)数据处理

辐射定标：通过将传感器记录的电压或者数字量化输出值DN转换为绝对辐射亮度值的过程，即消除传感器本身误差确保数据一致性和精度的过程。公式如下：

L_λ＝Gain×DN+Offset (1)

式中，辐射亮度值Lλ的单位为W/(m2 μm sr)，Gain为遥感图像的增益，Offset为遥感图像的偏移，DN为遥感图像的灰度值。

式中，D为日地距离，RSUN为大气层定的平均太阳光谱辐照度，为太阳的天顶角。

大气校正：使用ENVI 5.3 SP3软件的FLAASH模块进行大气校正消除传感器在接收讯号的过程中外界因素或者是气溶胶散射及大气分子对地物反射造成的影响，得到反映地物真实反射率的遥感影像。

归一化差值植被指数：使用快速大气校正工具对经过裁剪的辐射定标后的多光谱波段数据进行大气校正，通过对近红外波段和红光波段进行提取归一化差值植被指数。其计算公式为：

式中：NIR代表近红外波段的反射值；R表示红光波段的反射值。NDVI的取值范围是－1 1。

植被覆盖度：在获取的NDVI基础上，可以计算得到植被覆盖度，即：

式中：NDVIsoil为完全是裸土或无植被覆盖区域的NDVI值，NDVIveg则代表完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值。

地表比辐射率：尽管地球表面不同地区的地形结构非常复杂，但可以利用归一化差值植被指数NDVI结合植被覆盖度Pv来求取比辐射率[29]，通常用表示。且从卫星影像中像元的尺度来看，地表主要由水面、植被及裸土3种地物类型构成，其中地表辐射率LSE计算公式如下：

ε＝0.985×P_v ²+0.960×(1-P_v ²)+0.06×P_v ²×(1-P_v ²) (5)

水体的比辐射率赋值为0.995，自然与城镇像元比辐射率分别根据以下公式计算得出：

ε_surface＝0.9625+0.0614P_v-0.0461P_v ² (6)

ε_building＝0.9589+0.086P_v-0.0671P_v ² (7)

3)地表温度反演模型

采用单通道算法反演Landsat热红外波段来求算地表温度。其所需参数如下：

黑体辐射亮度值：卫星传感器接收到的热红外辐射亮度值Lλ由3部分组成：大气向上辐射亮度L↑，地面的真实辐射亮度经过大气层之后到达卫星传感器的能量；大气向下辐射到达地面后反射的能量。Lλ的表达式为：

L_λ＝[εB(T_S)+(1-ε)L↓]τ+L↑ (8)

式中，为地表比辐射率,Ts为地表真实温度，B(Ts)为黑体热辐射亮度，为大气在热红外波段的透过率。

温度为T的黑体在热红外波段的辐射亮度B(Ts)为：

B(T_S)＝[L_λ-L↑-τ(1-ε)L↓]/τε (9)

地表温度反演：在获取温度为Ts的黑体在热红外波段的辐射亮度后，根据普朗克公式的反函数，求得地表真实温度：

Ts＝K₂/ln(K₁/B(T_s)+1)-273 (10)

式中K1、K2是常数。

4)温度异常区面积估算

通过反演火区遥感影像数据得到火区地表温度图像，并采用密度分割法将不同的煤火区温度重分类为8个温度区间，可得到火区地表温度分布。在此基础上，采用人工阈值法求解得到同年影像下反演得到异常区温度阈值，进而区分出温度异常区与背景区。对其进行空间统计即可推导计算得到温度异常区面积。

计算公式为：

式中：TN为地表温度图像中任一像元的温度值，N为地表温度图像的像元总数，Tm为地表温度的平均值，T为地表温度标准偏差，T阈为分割点阈值。

5)火区植被盖度

以处理得到的植被覆盖图为基础，重分类为五级。温度异常区影响植被生长，导致植被覆盖度低，故主要对一级植被盖度进行分析。

6)火区地表裂隙范围确定

火区温度异常区和一级植被覆盖区呈现明显的相关性，高温异常区域所在不利于植被生长，故其植被覆盖程度往往偏低，理论上二者重合的区域即为地裂隙缝可能存在区。根据最终提取的火区温度热异常和植被覆盖信息，利用Arcgis软件对同年火区温度异常和一级植被覆盖数据进行空间叠加分析，统计其重合率得到重合面积，即火区地表裂隙可能存在区域。

Claims (1)

1.一种确定地下煤火区地表裂隙的方法，其特征在于：地下煤火区地表裂隙确定方法主要由基于Landsat8遥感数据，采用单窗法反演火区地表温度分布，采用NVDI植被指数表征火区地表植被盖度分布，采用InSAR数据与分析方法表征火区地表沉降及裂隙变化趋势，从而基于温度、植被盖度、地表沉降与裂隙等特征为一体综合分析火区地表裂隙区动态演化特征，为定量分析火区状态及其变化趋势提供基础。其基本方法如下：

1)数据来源

选择Landsat-8OLI遥感影像作为温度反演和植被盖度的数据源。考虑到季节、云及雾对遥感影像的影响，分别选取了覆盖研究区且云量较少的季节的遥感影像数据。

2)数据处理

辐射定标：通过将传感器记录的电压或者数字量化输出值DN转换为绝对辐射亮度值的过程，即消除传感器本身误差确保数据一致性和精度的过程。公式如下：

L_λ＝Gain×DN+Offset (1)

式中，辐射亮度值Lλ的单位为W/(m2μm sr)，Gain为遥感图像的增益，Offset为遥感图像的偏移，DN为遥感图像的灰度值。

式中，D为日地距离，RSUN为大气层定的平均太阳光谱辐照度，为太阳的天顶角。

大气校正：使用ENVI 5.3SP3软件的FLAASH模块进行大气校正消除传感器在接收讯号的过程中外界因素或者是气溶胶散射及大气分子对地物反射造成的影响，得到反映地物真实反射率的遥感影像。

归一化差值植被指数：使用快速大气校正工具对经过裁剪的辐射定标后的多光谱波段数据进行大气校正，通过对近红外波段和红光波段进行提取归一化差值植被指数。其计算公式为：

式中：NIR代表近红外波段的反射值；R表示红光波段的反射值。NDVI的取值范围是－11。

植被覆盖度：在获取的NDVI基础上，可以计算得到植被覆盖度，即：

式中：NDVIsoil为完全是裸土或无植被覆盖区域的NDVI值，NDVIveg则代表完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值。

地表比辐射率：尽管地球表面不同地区的地形结构非常复杂，但可以利用归一化差值植被指数NDVI结合植被覆盖度Pv来求取比辐射率[29]，通常用表示。且从卫星影像中像元的尺度来看，地表主要由水面、植被及裸土3种地物类型构成，其中地表辐射率LSE计算公式如下：

ε＝0.985×P_v ²+0.960×(1-P_v ²)+0.06×P_v ²×(1-P_v ²) (5)

水体的比辐射率赋值为0.995，自然与城镇像元比辐射率分别根据以下公式计算得出：

ε_surface＝0.9625+0.0614P_v-0.0461P_v ² (6)

ε_building＝0.9589+0.086P_v-0.0671P_v ² (7)

3)地表温度反演模型

采用单通道算法反演Landsat热红外波段来求算地表温度。其所需参数如下：

黑体辐射亮度值：卫星传感器接收到的热红外辐射亮度值Lλ由3部分组成：大气向上辐射亮度L↑，地面的真实辐射亮度经过大气层之后到达卫星传感器的能量；大气向下辐射到达地面后反射的能量。Lλ的表达式为：

L_λ＝[εB(T_S)+(1-ε)L↓]τ+L↑ (8)

式中，为地表比辐射率,Ts为地表真实温度，B(Ts)为黑体热辐射亮度，为大气在热红外波段的透过率。

温度为T的黑体在热红外波段的辐射亮度B(Ts)为：

B(T_S)＝[L_λ-L↑-τ(1-ε)L↓]/τε (9)

地表温度反演：在获取温度为Ts的黑体在热红外波段的辐射亮度后，根据普朗克公式的反函数，求得地表真实温度：

Ts＝K₂/ln(K₁/B(T_s)+1)-273 (10)

式中K1、K2是常数。

4)温度异常区面积估算

通过反演火区遥感影像数据得到火区地表温度图像，并采用密度分割法将不同的煤火区温度重分类为8个温度区间，可得到火区地表温度分布。在此基础上，采用人工阈值法求解得到同年影像下反演得到异常区温度阈值，进而区分出温度异常区与背景区。对其进行空间统计即可推导计算得到温度异常区面积。计算公式为：

式中：TN为地表温度图像中任一像元的温度值，N为地表温度图像的像元总数，Tm为地表温度的平均值，T为地表温度标准偏差，T阈为分割点阈值。

5)火区植被盖度

以处理得到的植被覆盖图为基础，重分类为五级。温度异常区影响植被生长，导致植被覆盖度低，故主要对一级植被盖度进行分析。

6)火区地表裂隙范围确定

火区温度异常区和一级植被覆盖区呈现明显的相关性，高温异常区域所在不利于植被生长，故其植被覆盖程度往往偏低，理论上二者重合的区域即为地裂隙缝可能存在区。根据最终提取的火区温度热异常和植被覆盖信息，利用Arcgis软件对同年火区温度异常和一级植被覆盖数据进行空间叠加分析，统计其重合率得到重合面积，即火区地表裂隙可能存在区域。

Images