CN116597305A - 一种露天矿区开发动态变化定量评价方法及系统 - Google Patents

一种露天矿区开发动态变化定量评价方法及系统 Download PDF

Info

Publication number
CN116597305A
CN116597305A CN202310473652.6A CN202310473652A CN116597305A CN 116597305 A CN116597305 A CN 116597305A CN 202310473652 A CN202310473652 A CN 202310473652A CN 116597305 A CN116597305 A CN 116597305A
Authority
CN
China
Prior art keywords
area
element category
image data
old
new
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
Application number
CN202310473652.6A
Other languages
English (en)
Inventor
张仙
李伟
张加洪
陈理
李瑜
陈昊旻
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Aero Geophysical Survey and Remote Sensing Center for Natural Resources
Original Assignee
China Aero Geophysical Survey and Remote Sensing Center for Natural Resources
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Aero Geophysical Survey and Remote Sensing Center for Natural Resources filed Critical China Aero Geophysical Survey and Remote Sensing Center for Natural Resources
Priority to CN202310473652.6A priority Critical patent/CN116597305A/zh
Publication of CN116597305A publication Critical patent/CN116597305A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/803—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of input or preprocessed data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开露天矿区开发动态变化定量评价方法及系统，涉及矿区监测技术领域。获取露天矿区的原始遥感影像数据；将原始遥感影像数据进行预处理得到新融合影像数据和旧遥感影像数据；采用多尺度分割和面向对象的分类方法进行要素类别提取，得到新要素类别提取结果和旧要素类别提取结果；进行面积变化计算得到面积变化情况；采用叠加分析和布尔运算对新要素类别提取结果和旧要素类别提取结果进行计算得到位置变化情况；根据面积变化情况和位置变化情况进行露天矿区开发动态变化定量评价得到综合评价结果。本发明实现了对露天矿区进行多维度的定量化综合分析，降低了露天矿区信息获取的难度、提高了露天矿区信息获取的准确度。

Description

一种露天矿区开发动态变化定量评价方法及系统
技术领域
本发明涉及矿区监测技术领域，特别是涉及一种露天矿区开发动态变化定量评价方法及系统。
背景技术
露天开采是一种常见的采矿方式，是用一定的开采工艺，按一定的开采顺序，剥离岩石、采出矿石的过程。常见的露天开采矿种包括煤矿、铁矿、镍矿、稀土矿等。露天开采矿区对区域经济、生态环境等有重要影响。一方面，对于矿区所在地来说，矿业多为当地的支柱产业之一，对当地经济发展有重要贡献；另一方面，露天采矿也会不可避免地对当地的生态环境造成消极影响，如植被破坏、水土流失、环境污染等，严重影响当地的可持续发展。因而有必要及时掌握露天开采矿区的开采与修复治理等情况，对外可了解当地矿产情况、有的放矢地进行矿产贸易决策；对内可及时发现生态与安全风险问题，有助于生态保护和应急管理决策。
然而，现有矿产资源相关信息更新滞后，尤其是矿区信息获取困难、准确度差，使传统的实地调查或数据统计方法受到很大限制。遥感技术可不受地域限制，能够及时、长期、准确地获取矿区情况，将遥感技术应用于露天开采矿区的监测，可直观揭示矿产开采现状和生态环境的情况，是一种快速、有效的手段。目前已有较多露天开采矿区遥感图像提取和分类的研究，也有一些对矿区变化进行分析研究，但大多是只从矿区面积数量变化的角度进行分析，而缺少多维度的定量化综合分析。
发明内容
本发明实施例的目的是提供一种露天矿区开发动态变化定量评价方法及系统，以实现对露天矿区进行多维度的定量化综合分析，降低了露天矿区信息获取的难度、提高了露天矿区信息获取的准确度。
为实现上述目的，本发明实施例提供了如下方案：
一种露天矿区开发动态变化定量评价方法，包括：
获取露天矿区的原始遥感影像数据；所述原始遥感影像数据包括新遥感影像数据和旧遥感影像数据；
将所述新遥感影像数据进行预处理，得到新融合影像数据；将所述旧遥感影像数据进行预处理，得到旧融合影像数据；所述预处理包括：大气校正，几何校正和影像融合；
采用多尺度分割和面向对象的分类方法对所述新融合影像数据进行要素类别提取，得到新要素类别提取结果；采用多尺度分割和面向对象的分类方法对所述旧融合影像数据进行要素类别提取，得到旧要素类别提取结果；
将所述新要素类别提取结果和所述旧要素类别提取结果进行面积变化计算，得到面积变化情况；
采用叠加分析和布尔运算对所述新要素类别提取结果和所述旧要素类别提取结果进行计算，得到位置变化情况；
根据所述面积变化情况和所述位置变化情况进行露天矿区开发动态变化定量评价，得到综合评价结果。
可选地，将所述新要素类别提取结果和所述旧要素类别提取结果进行面积变化计算，得到面积变化情况具体包括：
将所述新要素类别提取结果进行像元数量统计，得到新像元数量；将所述旧要素类别提取结果进行像元数量统计，得到旧像元数量；
将所述新像元数量与新融合影像数据分辨率的平方进行乘法计算，得到所述新融合影像数据中任一要素类别的面积；将所述旧像元数量与旧融合影像数据分辨率的平方进行乘法计算，得到所述旧融合影像数据中任一要素类别的面积；
将所述新融合影像数据中任一要素类别的面积与相对应的旧融合影像数据中任一要素类别的面积进行差值计算，得到任一要素类别的面积变化数量。
可选地，在将所述新融合影像数据中任一要素类别的面积与相对应的旧融合影像数据中任一要素类别的面积进行差值计算，得到任一要素类别的面积变化数量之后，还包括：
根据所述新融合影像数据中任一要素类别的面积与相对应的旧融合影像数据中任一要素类别的面积建立任一要素类别的面积转移矩阵；
根据所述面积转移矩阵进行计算，得到任一要素类别年均增加强度Gtj和任一要素类别年均减少强度Lti；具体公式为：
其中，J为要素类别数量；Ctij为在时间t内由第i类转化为第j类的面积变化数量；Yt+1为时间段t的起始时间，Yt为时间段t的结束时间；
将所述年均增加强度Gtj与所对应的年均减少强度Lti进行差值计算，得到任一要素类别的净增加强度；
若所述净增加强度大于0，则判定该要素类别对应的面积呈增加趋势；
若所述净增加强度等于0，则判定该要素类别对应的面积呈不变趋势；
若所述净增加强度小于0，则判定该要素类别对应的面积呈减少趋势。
可选地，根据所述新融合影像数据中任一要素类别的面积与相对应的旧融合影像数据中任一要素类别的面积建立任一要素类别的面积转移矩阵之后，还包括：
根据所述面积转移矩阵计算年均观察变化强度S(t)；具体公式为：
将所述年均增加强度Gtj，所述年均减少强度Lti与所述年均观察变化强度S(t)进行差值计算，得到差值；
若所述差值大于0，则判定该要素类别对应的面积增加或减少的趋势剧烈；
若所述差值等于0，则判定该要素类别对应的面积增加或减少的趋势不变；
若所述差值小于0，则判定该要素类别对应的面积增加或减少的趋势稳定。
可选地，所述采用叠加分析和布尔运算对所述新要素类别提取结果和所述旧要素类别提取结果进行计算，得到位置变化情况具体包括：
采用叠加分析和布尔运算对所述新要素类别提取结果进行计算，得到新要素类别对应的位置；
采用叠加分析和布尔运算对所述旧要素类别提取结果进行计算，得到旧要素类别对应的位置；
将所述新要素类别对应的位置与所述旧要素类别对应的位置进行对比，得到所述位置变化情况。
为实现上述目的，本发明实施例还提供了如下方案：
一种露天矿区开发动态变化定量评价系统，包括：
数据采集模块，用于获取露天矿区的原始遥感影像数据；所述原始遥感影像数据包括新遥感影像数据和旧遥感影像数据；
预处理模块，用于：
将所述新遥感影像数据进行预处理，得到新融合影像数据；
将所述旧遥感影像数据进行预处理，得到旧融合影像数据；
所述预处理包括：大气校正，几何校正和影像融合；
特征提取模块，用于：
采用多尺度分割和面向对象的分类方法对所述新融合影像数据进行要素类别提取，得到新要素类别提取结果；
采用多尺度分割和面向对象的分类方法对所述旧融合影像数据进行要素类别提取，得到旧要素类别提取结果；
面积计算模块，用于将所述新要素类别提取结果和所述旧要素类别提取结果进行面积变化计算，得到面积变化情况；
位置计算模块，用于采用叠加分析和布尔运算对所述新要素类别提取结果和所述旧要素类别提取结果进行计算，得到位置变化情况；
综合评价模块，用于根据所述面积变化情况和所述位置变化情况进行露天矿区开发动态变化定量评价，得到综合评价结果。
可选地，所述面积计算模块包括：
像元数量统计单元，用于；
将所述新要素类别提取结果进行像元数量统计，得到新像元数量；
将所述旧要素类别提取结果进行像元数量统计，得到旧像元数量；
乘法单元，用于：
将所述新像元数量与新融合影像数据分辨率的平方进行乘法计算，得到所述新融合影像数据中任一要素类别的面积；
将所述旧像元数量与旧融合影像数据分辨率的平方进行乘法计算，得到所述旧融合影像数据中任一要素类别的面积；
差值计算单元，用于：
将所述新融合影像数据中任一要素类别的面积与相对应的旧融合影像数据中任一要素类别的面积进行差值计算，得到任一要素类别的面积变化数量。
可选地，所述面积计算模块还包括：
净增加强度计算单元，用于：
根据所述新融合影像数据中任一要素类别的面积与相对应的旧融合影像数据中任一要素类别的面积建立任一要素类别的面积转移矩阵；
根据所述面积转移矩阵进行计算，得到任一要素类别年均增加强度Gtj和任一要素类别年均减少强度Lti；具体公式为：
其中，J为要素类别数量；Ctij为在时间t内由第i类转化为第j类的面积变化数量；Yt+1为时间段t的起始时间，Yt为时间段t的结束时间；
将所述年均增加强度Gtj与所对应的年均减少强度Lti进行差值计算，得到任一要素类别的净增加强度；
若所述净增加强度大于0，则判定该要素类别对应的面积呈增加趋势；
若所述净增加强度等于0，则判定该要素类别对应的面积呈不变趋势；
若所述净增加强度小于0，则判定该要素类别对应的面积呈减少趋势。
可选地，所述面积计算模块还包括：
年均观察变化强度计算单元，用于：
根据所述面积转移矩阵计算年均观察变化强度S(t)；具体公式为：
将所述年均增加强度Gtj，所述年均减少强度Lti与所述年均观察变化强度S(t)进行差值计算，得到差值；
若所述差值大于0，则判定该要素类别对应的面积增加或减少的趋势剧烈；
若所述差值等于0，则判定该要素类别对应的面积增加或减少的趋势不变；
若所述差值小于0，则判定该要素类别对应的面积增加或减少的趋势稳定。
可选地，所述位置计算模块包括：
位置计算单元，用于：
采用叠加分析和布尔运算对所述新要素类别提取结果进行计算，得到新要素类别对应的位置；
采用叠加分析和布尔运算对所述旧要素类别提取结果进行计算，得到旧要素类别对应的位置；
将所述新要素类别对应的位置与所述旧要素类别对应的位置进行对比，得到所述位置变化情况。
在本发明实施例中，对于露天矿区来说，各要素类别面积变化的大小和快慢、各要素类别土地间的交互转化以及开采区的位置变化，都能反映出矿区的开发情况。获取露天矿区的原始遥感影像数据；将新遥感影像数据进行预处理，得到新融合影像数据；将旧遥感影像数据进行预处理，得到旧遥感影像数据，降低了露天矿区信息获取的难度。
采用多尺度分割和面向对象的分类方法对新融合影像数据进行要素类别提取，得到新要素类别提取结果；采用多尺度分割和面向对象的分类方法对旧融合影像数据进行要素类别提取，得到旧要素类别提取结果；将新要素类别提取结果和旧要素类别提取结果进行面积变化计算，得到面积变化情况；采用叠加分析和布尔运算对新要素类别提取结果和旧要素类别提取结果进行计算，得到位置变化情况；从面积变化情况和位置变化情况实现对露天矿区进行多维度监测，提高了露天矿区信息获取的准确度。根据面积变化情况和位置变化情况进行露天矿区开发动态变化定量评价，得到综合评价结果实现了对露天矿区进行多维度的定量化综合分析，以达到定量地评价矿业活动区的变化情况的目的，从而分析矿产地的资源开发潜力与未来发展趋势，为我国矿石供给变化和产能调整提供直观、准确的矿区信息。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的露天矿区开发动态变化定量评价方法的流程示意图；
图2为本发明实施例提供的2013年Worldview2原始影像数据的示意图；
图3为本发明实施例提供的2020年Worldview2原始影像数据的示意图；
图4为本发明实施例提供的旧要素类别提取结果示意图；
图5为本发明实施例提供的新要素类别提取结果示意图；
图6为本发明实施例提供的罗利艾红土型镍矿各要素类别层次变化强度示意图；
图7为本发明实施例提供的2013—2020年罗利艾镍矿开采区变化情况示意图；
图8为本发明实施例提供的露天矿区开发动态变化定量评价系统的结构示意图。
符号说明：
数据采集模块-1，预处理模块-2，特征提取模块-3，面积计算模块-4，位置计算模块-5，综合评价模块-6。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种露天矿区开发动态变化定量评价方法及系统，以解决现有的对露天矿区定量化分析片面，露天矿区信息获取的难度大、露天矿区信息获取的准确度低的问题。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1示出了上述露天矿区开发动态变化定量评价方法的一种示例性流程。下面对各步骤进行详细介绍。
步骤1：获取露天矿区的原始遥感影像数据；原始遥感影像数据包括新遥感影像数据和旧遥感影像数据。
步骤1具体可由数据采集模块1执行。
在一个示例中，如图2所示，旧遥感影像数据为印度尼西亚罗利艾红土型镍矿2013年Worldview2原始影像数据。如图3所示，新遥感影像数据为印度尼西亚罗利艾红土型镍矿2020年Worldview2原始影像数据。
步骤2：将新遥感影像数据进行预处理，得到新融合影像数据；将旧遥感影像数据进行预处理，得到旧融合影像数据；预处理包括：大气校正，几何校正和影像融合。
步骤2具体可由预处理模块2执行。
在一个示例中，对新遥感影像数据和旧遥感影像数据分别进行大气校正、几何校正、影像融合等预处理，获得两期0.5m空间分辨率的8波段融合影像。数据包含全色影像和多光谱影像，空间分辨率分别达到0.5m和2m，多光谱影像包含6个可见光波段和2个近红外波段。罗利艾红土型镍矿位于印度尼西亚东南苏拉威西省红土型镍矿矿集区，区内基性-超基性岩十分发育，是罗利艾红土型镍矿床的成矿母岩。目前，有关罗利艾红土型镍矿的镍资源储量、镍矿石品位，尤其是矿业开发状况等信息尚缺少可靠数据信息可参考，因此急需利用遥感技术方法快速、直观地获取其矿业开发的动态变化状况，为了解印度尼西亚红土型镍矿开发以及研判其镍矿资源出口动态提供空间数据信息参考。
步骤3：采用多尺度分割和面向对象的分类方法对新融合影像数据进行要素类别提取，得到新要素类别提取结果；采用多尺度分割和面向对象的分类方法对旧融合影像数据进行要素类别提取，得到旧要素类别提取结果。
步骤3具体可由特征提取模块3执行。
在一个示例中，要素类别包括开采区、排土场、冶炼厂、裸土、植被、建筑物、道路、集水坑和水体共9个类别。旧要素类别提取结果见图4，新要素类别提取结果见图5。在研究区内均匀选择600个检验样本进行精度检验，得到各要素类别的精度和整体精度，旧要素类别提取结果和新要素类别提取结果总体精度分别为91.41％和90.9％，Kappa系数分别为0.8145和0.8407。
步骤4：将新要素类别提取结果和旧要素类别提取结果进行面积变化计算，得到面积变化情况。
步骤4具体可由面积计算模块4执行。
将新要素类别提取结果和旧要素类别提取结果进行面积变化计算，得到面积变化情况具体包括：
步骤41：将新要素类别提取结果进行像元数量统计，得到新像元数量；将旧要素类别提取结果进行像元数量统计，得到旧像元数量；像元是组成融合影像数据的最小单元，各要素类别的像元数量如表1所示，像元数量是利用空间分析软件ARCGIS软件直接统计出来的。
表1
步骤41具体可由像元数量统计单元执行。
步骤42：将新像元数量与新融合影像数据分辨率的平方进行乘法计算，得到新融合影像数据中任一要素类别的面积；将旧像元数量与旧融合影像数据分辨率的平方进行乘法计算，得到旧融合影像数据中任一要素类别的面积；
步骤42具体可由乘法单元执行。
在一个示例中，乘法单元具体可以为乘法器。新融合影像数据中任一要素类别的面积与旧融合影像数据中任一要素类别的面积一一对应；
步骤43：将新融合影像数据中任一要素类别的面积与相对应的旧融合影像数据中任一要素类别的面积进行差值计算，得到任一要素类别的面积变化数量。
步骤43具体可由差值计算单元执行。
在一个示例中，对新融合影像数据与旧融合影像数据的各要素类别的面积做差，得到各要素类别2013至2020年间的面积变化数量。
在将新融合影像数据中任一要素类别的面积与相对应的旧融合影像数据中任一要素类别的面积进行差值计算，得到任一要素类别的面积变化数量之后，还包括：
步骤44：根据新融合影像数据中任一要素类别的面积与相对应的旧融合影像数据中任一要素类别的面积建立任一要素类别的面积转移矩阵。
步骤44具体可由净增加强度计算单元执行。
在一个示例中，面积转移矩阵如表2所示，2013—2020年罗利艾镍矿矿区要素类别的面积数量变化情况及转移矩阵。
表2
由表2分析可知，矿业活动区要素中开采区、排土场以及冶炼厂的面积呈显著增加趋势。其中，开采区的面积增加得最多，从2013年的1.03km2上升到2020年的2.05km2，增加约1.02km2，其中绝大部分来源于植被(0.86km2)和裸土(0.37km2)的转变。同时，开采区也有不同程度的转变为排土场(0.11km2)、裸土(0.07km2)和植被(0.095km2)，这也说明开采区面积并非单纯的增加或者减少，而是与其他要素类别相互转化，一部分旧的开采区(尾矿区或废矿区)转变为排土场或者裸土，或者由于自然恢复以及人为恢复转化为植被区。排土场面积从2013年的0.15km2上升到2020年的0.49km2，增加约0.34km2，主要源于植被、裸土和开采区(废矿区或者尾矿区)的转变。对比2013年影像，罗利艾镍矿在2020年已新建成一座红土镍矿冶炼厂，占地面积约0.18km2，主要占用了植被区(0.11km2)和裸土(0.06km2)。同时说明罗利艾镍矿至少在2020年已经具备了红土镍矿冶炼加工能力，形成了集采矿、冶炼、加工于一体的矿业开发体系。冶炼厂的建立，进一步提高了矿区开发的进度和速度。表2上方对应的类别是2013年的类别，左侧对应的类别是2020年的类别。以15.83为例，表示15.83平方千米的土地在2013年至2020年都是植被类别；0.07表示有0.07平方千米的土地是在2013年是开采区，到了2020年变为了裸土；0.064表示有0.064平方千米的土地在2013年是裸土，到了2020年变为了道路。
步骤45：根据面积转移矩阵进行计算，得到任一要素类别年均增加强度Gtj和任一要素类别年均减少强度Lti；具体公式为：
其中，J为要素类别数量；Ctij为在时间t内由第i类转化为第j类的面积变化数量；Yt+1为时间段t的起始时间，Yt为时间段t的结束时间。
步骤46：将年均增加强度Gtj与所对应的年均减少强度Lti进行差值计算，得到任一要素类别的净增加强度。
若所述净增加强度大于0，则判定该要素类别对应的面积呈增加趋势；
若所述净增加强度等于0，则判定该要素类别对应的面积呈不变趋势；
若所述净增加强度小于0，则判定该要素类别对应的面积呈减少趋势。
步骤46具体可由净增加强度计算单元执行。
在一个示例中，如图6所示，根据年均增加强度计算得到2013—2020年罗利艾镍矿的年均增加强度S＝5.82％，以此为基准值判断各个类别的变化速度。
由图6可知，除植被区以外的其他要素类别年均增加强度均大于基准值S，说明矿区整体变化比较剧烈；其中开采区、排土场和建筑物(冶炼厂)这3个与矿业开采活动直接相关的要素类别，净增加强度均为正值，说明其均呈净增加趋势，且增势较快，反映出罗利艾镍矿在2013—2020年间，整体开采保持较快的速度。
根据新融合影像数据中任一要素类别的面积与相对应的旧融合影像数据中任一要素类别的面积建立任一要素类别的面积转移矩阵之后，还包括：
步骤47：根据面积转移矩阵计算年均观察变化强度S(t)；具体公式为：
步骤48：将年均增加强度Gtj，年均减少强度Lti与年均观察变化强度S(t)进行差值计算，得到差值；
若差值大于0，则判定该要素类别对应的面积增加或减少的趋势剧烈；
若差值等于0，则判定该要素类别对应的面积增加或减少的趋势不变；
若差值小于0，则判定该要素类别对应的面积增加或减少的趋势稳定。
步骤48具体可由年均观察变化强度计算单元执行。
在一个示例中，差值＝年均观察变化强度S(t)-年均增加强度Gtj-年均减少强度Lti。
步骤5：采用叠加分析和布尔运算对新要素类别提取结果和旧要素类别提取结果进行计算，得到位置变化情况。
步骤5具体可由位置计算模块5执行。
采用叠加分析和布尔运算对新要素类别提取结果和旧要素类别提取结果进行计算，得到位置变化情况具体包括：
步骤51：采用叠加分析和布尔运算对新要素类别提取结果进行计算，得到新要素类别对应的位置；
步骤52：采用叠加分析和布尔运算对旧要素类别提取结果进行计算，得到旧要素类别对应的位置；
步骤53：将新要素类别对应的位置与旧要素类别对应的位置进行对比，得到位置变化情况。
在一个示例中，由图7可知，罗利艾镍矿南北两个矿区的开采区面积均不同程度的增加，其中南部矿区在原有开采区的基础上进一步向西和西南扩张，主要占用了大范围的植被区；北部矿区的开采区在2013年面积相比南部矿区较小，至2020年，扩张十分显著，已形成了近东西走向的长条状开采区，主要占用了裸土和植被区。另外，在北部矿区东部，仍有大面积的裸土区，推测未来将是北部矿区进一步开采扩张的主要方向。新建成的冶炼厂位于南北两个矿区的东南部，且有主干道路连通。整体上，罗利艾镍矿在2013—2020年间呈快速扩张的趋势，且北部矿区的扩张强度高于南部矿区。
步骤6：根据面积变化情况和位置变化情况进行露天矿区开发动态变化定量评价，得到综合评价结果。
步骤6具体可由综合评价模块6执行。
2013—2020年间，罗利艾镍矿的开采规模和开采强度总体呈快速扩张的趋势，其中开采区面积增加最多，达到1.02km2，且年均变化强度剧烈，与之相应的排土场的面积也增加了约0.35km2。在2013年，罗利艾镍矿基本处于勘探开采阶段，至2020年红土镍矿冶炼厂的建成标志着罗利艾镍矿已经形成了较为完备的集采-冶于一体的产业链，且有多条主干道路连接南部沿海港口方便出口运输，罗利艾镍矿开始进入快速扩张的矿业开发阶段。
综上所述，在本发明实施例中，对于露天矿区来说，各要素类别面积变化的大小和快慢、各要素类别土地间的交互转化以及开采区的位置变化，都能反映出矿区的开发情况。获取露天矿区的原始遥感影像数据；将新遥感影像数据进行预处理，得到新融合影像数据；将旧遥感影像数据进行预处理，得到旧遥感影像数据，降低了露天矿区信息获取的难度。
采用多尺度分割和面向对象的分类方法对新融合影像数据进行要素类别提取，得到新要素类别提取结果；采用多尺度分割和面向对象的分类方法对旧融合影像数据进行要素类别提取，得到旧要素类别提取结果；将新要素类别提取结果和旧要素类别提取结果进行面积变化计算，得到面积变化情况；采用叠加分析和布尔运算对新要素类别提取结果和旧要素类别提取结果进行计算，得到位置变化情况；从面积变化情况和位置变化情况实现对露天矿区进行多维度监测，提高了露天矿区信息获取的准确度。根据面积变化情况和位置变化情况进行露天矿区开发动态变化定量评价，得到综合评价结果实现了对露天矿区进行多维度的定量化综合分析，以达到定量地评价矿业活动区的变化情况的目的，从而分析矿产地的资源开发潜力与未来发展趋势，为我国矿石供给变化和产能调整提供直观、准确的矿区信息。
以矿业活动区要素遥感提取结果为基础，计算各类别的转移矩阵，结合Aldwaik变化强度分析理论和空间叠置分析，从面积变化和位置变化2个方面共5个维度构建了综合评价框架。
本发明的综合评价框架可以从多维度定量地判定露天矿区开发的动态变化，有助于分析矿产地的资源开发潜力与未来发展趋势，进而为我国矿石供给决策和产能调整提供直观、准确的空间信息。
为实现上述目的，本发明实施例还提供了如下方案：
一种露天矿区开发动态变化定量评价系统，请参见图8，包括：
数据采集模块1用于获取露天矿区的原始遥感影像数据；原始遥感影像数据包括新遥感影像数据和旧遥感影像数据。
预处理模块2用于：
将新遥感影像数据进行预处理，得到新融合影像数据；
将旧遥感影像数据进行预处理，得到旧遥感影像数据；
预处理包括：大气校正，几何校正和影像融合。
特征提取模块3用于：
采用多尺度分割和面向对象的分类方法对新融合影像数据进行要素类别提取，得到新要素类别提取结果；
采用多尺度分割和面向对象的分类方法对旧融合影像数据进行要素类别提取，得到旧要素类别提取结果。
面积计算模块4用于将新要素类别提取结果和旧要素类别提取结果进行面积变化计算，得到面积变化情况。
面积计算模块4包括：
像元数量统计单元用于；
将新要素类别提取结果进行像元数量统计，得到新像元数量；
将旧要素类别提取结果进行像元数量统计，得到旧像元数量；
乘法单元用于：
将新像元数量与新融合影像数据分辨率的平方进行乘法计算，得到新融合影像数据中任一要素类别的面积；
将旧像元数量与旧融合影像数据分辨率的平方进行乘法计算，得到旧融合影像数据中任一要素类别的面积；
新融合影像数据中任一要素类别的面积与旧融合影像数据中任一要素类别的面积一一对应。
差值计算单元用于：
将新融合影像数据中任一要素类别的面积与相对应的旧融合影像数据中任一要素类别的面积进行差值计算，得到任一要素类别的面积变化数量。
面积计算模块4还包括：
净增加强度计算单元用于：
根据新融合影像数据中任一要素类别的面积与相对应的旧融合影像数据中任一要素类别的面积建立任一要素类别的面积转移矩阵；
根据面积转移矩阵进行计算，得到任一要素类别年均增加强度Gtj和任一要素类别年均减少强度Lti；具体公式为：
其中，J为要素类别数量；Ctij为在时间t内由第i类转化为第j类的面积变化数量；Yt+1为时间段t的起始时间，Yt为时间段t的结束时间；
将年均增加强度Gtj与所对应的年均减少强度Lti进行差值计算，得到任一要素类别的净增加强度；
若净增加强度大于0，则判定该要素类别对应的面积呈增加趋势；
若净增加强度等于0，则判定该要素类别对应的面积呈不变趋势；
若净增加强度小于0，则判定该要素类别对应的面积呈减少趋势。
面积计算模块4还包括：
年均观察变化强度计算单元：
根据面积转移矩阵计算年均观察变化强度S(t)；具体公式为：
将年均增加强度Gtj，年均减少强度Lti与年均观察变化强度S(t)进行差值计算，得到差值；
若差值大于0，则判定该要素类别对应的面积增加或减少的趋势剧烈；
若差值等于0，则判定该要素类别对应的面积增加或减少的趋势不变；
若差值小于0，则判定该要素类别对应的面积增加或减少的趋势稳定。
位置计算模块5用于采用叠加分析和布尔运算对新要素类别提取结果和旧要素类别提取结果进行计算，得到位置变化情况。
位置计算模块5包括：
位置计算单元用于：
采用叠加分析和布尔运算对新要素类别提取结果进行计算，得到新要素类别对应的位置；
采用叠加分析和布尔运算对旧要素类别提取结果进行计算，得到旧要素类别对应的位置；
将新要素类别对应的位置与旧要素类别对应的位置进行对比，得到位置变化情况。
综合评价模块6用于根据面积变化情况和位置变化情况进行露天矿区开发动态变化定量评价，得到综合评价结果。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明实施例的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明实施例的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明实施例的限制。

Claims (10)

1.一种露天矿区开发动态变化定量评价方法，其特征在于，包括：
获取露天矿区的原始遥感影像数据；所述原始遥感影像数据包括新遥感影像数据和旧遥感影像数据；
将所述新遥感影像数据进行预处理，得到新融合影像数据；将所述旧遥感影像数据进行预处理，得到旧融合影像数据；所述预处理包括：大气校正，几何校正和影像融合；
采用多尺度分割和面向对象的分类方法对所述新融合影像数据进行要素类别提取，得到新要素类别提取结果；采用多尺度分割和面向对象的分类方法对所述旧融合影像数据进行要素类别提取，得到旧要素类别提取结果；
将所述新要素类别提取结果和所述旧要素类别提取结果进行面积变化计算，得到面积变化情况；
采用叠加分析和布尔运算对所述新要素类别提取结果和所述旧要素类别提取结果进行计算，得到位置变化情况；
根据所述面积变化情况和所述位置变化情况进行露天矿区开发动态变化定量评价，得到综合评价结果。
2.根据权利要求1所述的露天矿区开发动态变化定量评价方法，其特征在于，将所述新要素类别提取结果和所述旧要素类别提取结果进行面积变化计算，得到面积变化情况具体包括：
将所述新要素类别提取结果进行像元数量统计，得到新像元数量；将所述旧要素类别提取结果进行像元数量统计，得到旧像元数量；
将所述新像元数量与新融合影像数据分辨率的平方进行乘法计算，得到所述新融合影像数据中任一要素类别的面积；将所述旧像元数量与旧融合影像数据分辨率的平方进行乘法计算，得到所述旧融合影像数据中任一要素类别的面积；
将所述新融合影像数据中任一要素类别的面积与相对应的旧融合影像数据中任一要素类别的面积进行差值计算，得到任一要素类别的面积变化数量。
3.根据权利要求2所述的露天矿区开发动态变化定量评价方法，其特征在于，在将所述新融合影像数据中任一要素类别的面积与相对应的旧融合影像数据中任一要素类别的面积进行差值计算，得到任一要素类别的面积变化数量之后，还包括：
根据所述新融合影像数据中任一要素类别的面积与相对应的旧融合影像数据中任一要素类别的面积建立任一要素类别的面积转移矩阵；
根据所述面积转移矩阵进行计算，得到任一要素类别年均增加强度Gtj和任一要素类别年均减少强度Lti；具体公式为：
其中，J为要素类别数量；Ctij为在时间t内由第i类转化为第j类的面积变化数量；Yt+1为时间段t的起始时间，Yt为时间段t的结束时间；
将所述年均增加强度Gtj与所对应的年均减少强度Lti进行差值计算，得到任一要素类别的净增加强度；
若所述净增加强度大于0，则判定该要素类别对应的面积呈增加趋势；
若所述净增加强度等于0，则判定该要素类别对应的面积呈不变趋势；
若所述净增加强度小于0，则判定该要素类别对应的面积呈减少趋势。
4.根据权利要求3所述的露天矿区开发动态变化定量评价方法，其特征在于，根据所述新融合影像数据中任一要素类别的面积与相对应的旧融合影像数据中任一要素类别的面积建立任一要素类别的面积转移矩阵之后，还包括：
根据所述面积转移矩阵计算年均观察变化强度S(t)；具体公式为：
将所述年均增加强度Gtj，所述年均减少强度Lti与所述年均观察变化强度S(t)进行差值计算，得到差值；
若所述差值大于0，则判定该要素类别对应的面积增加或减少的趋势剧烈；
若所述差值等于0，则判定该要素类别对应的面积增加或减少的趋势不变；
若所述差值小于0，则判定该要素类别对应的面积增加或减少的趋势稳定。
5.根据权利要求1所述的露天矿区开发动态变化定量评价方法，其特征在于，所述采用叠加分析和布尔运算对所述新要素类别提取结果和所述旧要素类别提取结果进行计算，得到位置变化情况具体包括：
采用叠加分析和布尔运算对所述新要素类别提取结果进行计算，得到新要素类别对应的位置；
采用叠加分析和布尔运算对所述旧要素类别提取结果进行计算，得到旧要素类别对应的位置；
将所述新要素类别对应的位置与所述旧要素类别对应的位置进行对比，得到所述位置变化情况。
6.一种露天矿区开发动态变化定量评价系统，其特征在于，包括：
数据采集模块，用于获取露天矿区的原始遥感影像数据；所述原始遥感影像数据包括新遥感影像数据和旧遥感影像数据；
预处理模块，用于：
将所述新遥感影像数据进行预处理，得到新融合影像数据；
将所述旧遥感影像数据进行预处理，得到旧融合影像数据；
所述预处理包括：大气校正，几何校正和影像融合；
特征提取模块，用于：
采用多尺度分割和面向对象的分类方法对所述新融合影像数据进行要素类别提取，得到新要素类别提取结果；
采用多尺度分割和面向对象的分类方法对所述旧融合影像数据进行要素类别提取，得到旧要素类别提取结果；
面积计算模块，用于将所述新要素类别提取结果和所述旧要素类别提取结果进行面积变化计算，得到面积变化情况；
位置计算模块，用于采用叠加分析和布尔运算对所述新要素类别提取结果和所述旧要素类别提取结果进行计算，得到位置变化情况；
综合评价模块，用于根据所述面积变化情况和所述位置变化情况进行露天矿区开发动态变化定量评价，得到综合评价结果。
7.根据权利要求6所述的露天矿区开发动态变化定量评价系统，其特征在于，所述面积计算模块包括：
像元数量统计单元，用于；
将所述新要素类别提取结果进行像元数量统计，得到新像元数量；
将所述旧要素类别提取结果进行像元数量统计，得到旧像元数量；
乘法单元，用于：
将所述新像元数量与新融合影像数据分辨率的平方进行乘法计算，得到所述新融合影像数据中任一要素类别的面积；
将所述旧像元数量与旧融合影像数据分辨率的平方进行乘法计算，得到所述旧融合影像数据中任一要素类别的面积；
差值计算单元，用于：
将所述新融合影像数据中任一要素类别的面积与相对应的旧融合影像数据中任一要素类别的面积进行差值计算，得到任一要素类别的面积变化数量。
8.根据权利要求7所述的露天矿区开发动态变化定量评价系统，其特征在于，所述面积计算模块还包括：
净增加强度计算单元，用于：
根据所述新融合影像数据中任一要素类别的面积与相对应的旧融合影像数据中任一要素类别的面积建立任一要素类别的面积转移矩阵；
根据所述面积转移矩阵进行计算，得到任一要素类别年均增加强度Gtj和任一要素类别年均减少强度Lti；具体公式为：
其中，J为要素类别数量；Ctij为在时间t内由第i类转化为第j类的面积变化数量；Yt+1为时间段t的起始时间，Yt为时间段t的结束时间；
将所述年均增加强度Gtj与所对应的年均减少强度Lti进行差值计算，得到任一要素类别的净增加强度；
若所述净增加强度大于0，则判定该要素类别对应的面积呈增加趋势；
若所述净增加强度等于0，则判定该要素类别对应的面积呈不变趋势；
若所述净增加强度小于0，则判定该要素类别对应的面积呈减少趋势。
9.根据权利要求8所述的露天矿区开发动态变化定量评价系统，其特征在于，所述面积计算模块还包括：
年均观察变化强度计算单元，用于：
根据所述面积转移矩阵计算年均观察变化强度S(t)；具体公式为：
将所述年均增加强度Gtj，所述年均减少强度Lti与所述年均观察变化强度S(t)进行差值计算，得到差值；
若所述差值大于0，则判定该要素类别对应的面积增加或减少的趋势剧烈；
若所述差值等于0，则判定该要素类别对应的面积增加或减少的趋势不变；
若所述差值小于0，则判定该要素类别对应的面积增加或减少的趋势稳定。
10.根据权利要求6所述的露天矿区开发动态变化定量评价系统，其特征在于，所述位置计算模块包括：
位置计算单元，用于：
采用叠加分析和布尔运算对所述新要素类别提取结果进行计算，得到新要素类别对应的位置；
采用叠加分析和布尔运算对所述旧要素类别提取结果进行计算，得到旧要素类别对应的位置；
将所述新要素类别对应的位置与所述旧要素类别对应的位置进行对比，得到所述位置变化情况。
CN202310473652.6A 2023-04-28 2023-04-28 一种露天矿区开发动态变化定量评价方法及系统 Pending CN116597305A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310473652.6A CN116597305A (zh) 2023-04-28 2023-04-28 一种露天矿区开发动态变化定量评价方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310473652.6A CN116597305A (zh) 2023-04-28 2023-04-28 一种露天矿区开发动态变化定量评价方法及系统

Publications (1)

Publication Number Publication Date
CN116597305A true CN116597305A (zh) 2023-08-15

Family

ID=87603690

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310473652.6A Pending CN116597305A (zh) 2023-04-28 2023-04-28 一种露天矿区开发动态变化定量评价方法及系统

Country Status (1)

Country Link
CN (1) CN116597305A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117333530A (zh) * 2023-12-01 2024-01-02 四川农业大学 一种藏羌传统聚落建筑变化趋势的定量分析方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117333530A (zh) * 2023-12-01 2024-01-02 四川农业大学 一种藏羌传统聚落建筑变化趋势的定量分析方法
CN117333530B (zh) * 2023-12-01 2024-02-06 四川农业大学 一种藏羌传统聚落建筑变化趋势的定量分析方法

Similar Documents

Publication Publication Date Title
Mao et al. Three-dimensional prospectivity modeling of the Jiaojia-type gold deposit, Jiaodong Peninsula, Eastern China: A case study of the Dayingezhuang deposit
Wang et al. RENet: Rectangular convolution pyramid and edge enhancement network for salient object detection of pavement cracks
CN101539998B (zh) 蚀变遥感异常提取方法和系统
CN103413290B (zh) 多特征与多层次结合的矿石粒度图像分割方法
CN110617074B (zh) 一种盾构施工中地面沉降量与掘进参数的关联关系方法
Wang et al. Exploration and research progress on ion-adsorption type REE deposit in South China
CN116597305A (zh) 一种露天矿区开发动态变化定量评价方法及系统
CN111062544A (zh) 一种铀成矿远景区的预测方法
Zhang et al. Deep learning‐based automatic detection of muck types for earth pressure balance shield tunneling in soft ground
CN105243387A (zh) 一种基于无人机影像的露天矿典型地物分类方法
CN113467315A (zh) 一种基于bim技术的隧道工程自动化监测控制方法及系统
CN112329706A (zh) 一种基于遥感技术的采矿用地识别方法
CN115131712B (zh) 一种计算机视觉驱动的钻杆智能计数方法
CN112379453A (zh) 交通困难地区沉积型碳酸盐铅锌矿勘测方法、系统、设备及应用
Qu et al. Gravelly soil uniformity identification based on the optimized Mask R-CNN model
CN116524017A (zh) 一种用于矿山井下检测识别定位系统
CN109190593B (zh) 基于凹凸类别划分的山区道路沿线边坡稳定性初步判别方法
Yuan et al. Automated identification of fissure trace in mining roadway via deep learning
Zhang et al. Intelligent analysis method of dam material gradation for asphalt-core rock-fill dam based on enhanced Cascade Mask R-CNN and GCNet
Heijlen et al. An empirical estimate of the land footprint of nickel from laterite mining in Indonesia
CN112329972B (zh) 一种基于水环境容量的离子型稀土矿山开采预测方法及系统
Pan et al. Intelligent rock fracture identification based on image semantic segmentation: methodology and application
Ronkin et al. Review of deep learning approaches in solving rock fragmentation problems
CN107862484B (zh) 基于矿山生态检测的矿山生态修复方案指导系统
CN111103632B (zh) 一种基于遥感探测分析预测区中红土镍矿的方法

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