CN117830867A - 一种煤层火烧隐患探测方法及系统 - Google Patents
一种煤层火烧隐患探测方法及系统 Download PDFInfo
- Publication number
- CN117830867A CN117830867A CN202410007486.5A CN202410007486A CN117830867A CN 117830867 A CN117830867 A CN 117830867A CN 202410007486 A CN202410007486 A CN 202410007486A CN 117830867 A CN117830867 A CN 117830867A
- Authority
- CN
- China
- Prior art keywords
- coal
- fire
- area
- hidden danger
- vegetation
- 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
- 239000003245 coal Substances 0.000 title claims abstract description 203
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000009826 distribution Methods 0.000 claims abstract description 58
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 20
- 239000011707 mineral Substances 0.000 claims abstract description 20
- 230000008859 change Effects 0.000 claims abstract description 19
- 238000002485 combustion reaction Methods 0.000 claims description 32
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 238000005065 mining Methods 0.000 claims description 17
- 230000005855 radiation Effects 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 12
- 239000011435 rock Substances 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000002310 reflectometry Methods 0.000 claims description 4
- 230000005457 Black-body radiation Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 22
- 238000005516 engineering process Methods 0.000 description 15
- 230000002269 spontaneous effect Effects 0.000 description 10
- 238000005553 drilling Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000011835 investigation Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 238000009933 burial Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000007789 sealing Methods 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000009529 body temperature measurement Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000005338 heat storage Methods 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- 230000005415 magnetization Effects 0.000 description 2
- 230000003647 oxidation Effects 0.000 description 2
- 238000007254 oxidation reaction Methods 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 229910052683 pyrite Inorganic materials 0.000 description 2
- NIFIFKQPDTWWGU-UHFFFAOYSA-N pyrite Chemical compound [Fe+2].[S-][S-] NIFIFKQPDTWWGU-UHFFFAOYSA-N 0.000 description 2
- 239000011028 pyrite Substances 0.000 description 2
- 229910021646 siderite Inorganic materials 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012772 sequence design Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
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
- G06V20/13—Satellite images
-
- 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
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Astronomy & Astrophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种煤层火烧隐患探测方法及系统，涉及煤层火烧技术领域，该方法包括以下步骤：获取目标区域的历史煤矿区矿产资源资料与高精度遥感影像，形成煤层火烧隐患数据库；根据温度异常区域、地表沉降塌陷区与植被覆盖生长变化的空间分布结合煤层火烧隐患数据库，对目标区域进行识别，得到煤火范围区域；基于无人机热红外和航空物探对煤火范围区域进行核查，得到核查结果；对煤火范围区域的地面塌陷地裂缝进行识别，得到识别结果；根据核查结果和识别结果得到煤火隐患区域。本发明的方法实现了多尺度、高效率、高精度的煤层火区隐患综合判识。
Description
技术领域
本发明涉及煤层火烧技术领域，特别是涉及一种煤层火烧隐患探测方法及系统。
背景技术
煤层火烧(下统称为煤火)指在自然条件下或受人类活动影响，地下煤层或煤层露头与氧气接触后，从低温氧化自燃到剧烈燃烧后形成一定规模，并产生一系列环境、生态影响的煤层燃烧现象。煤火的持续燃烧不仅破坏了大量煤炭资源，同时伴随着大量有毒有害气体的排放以及矿区悬顶的形成，造成生态环境破坏，危机恶化人类生存条件。煤火灾害不同于其他类型的固体火灾，具有自燃、阴燃和复燃的特点，火源隐蔽、易复燃，防控难度极大。故对煤火隐患的探测技术的发展就显得尤为重要。
目前煤火隐患探测技术众多，主要包括遥感法、物探法和化探法，同时随着近年来无人机测量、无人机红外成像、奥维地图等新技术的应用，煤田火区详细探测技术也得到了进一步的丰富。
对于矿区煤火的探测技术中，遥感法是目前的主流技术方法之一。学者通过可见光和红外波段的遥感数据来反演地表温度，进而圈定地表温度异常范围对煤火隐患点进行判识。已有学者通过将获取预定区域的热红外遥感影像，并通过地表温度反演得到预定区域的地表温度信息，获取预定区域的SAR影像，并通过InSAR时序分析得到预定区域的地表形变信息，根据预定区域的地表形变信息设计生成相应的带通滤波器，通过带通滤波器对地表温度信息进行空间滤波，以得到预定区域的疑似煤火分布位置。但单一的遥感技术很大程度上受卫星数据分辨率的影响，在整体煤火隐患的圈定准确性中仍有很大优化空间，对于小范围复杂地质情况下的矿区煤火隐患识别中表现欠佳。
通过将热红外相机装载到旋翼无人机云台上，使无人机按照设计的飞行航线完成矿区热红外影像的采集工作。其次，预处理后所采集的热红外影像，再次，经过实验室标准黑体标定热红外相机后将影像DN值转换为表观辐射亮度值；将全部热红外影像进行空三平差定向并镶嵌为热红外正射影像，基于大气传输方程和普朗克函数反演出矿区地表温度；最后，根据Sobel边缘算子生成高梯度图并细化为骨架线，叠加高温区与高梯度线，将二者重合处的温度均值作为矿区火区分割阈值，以此阈值识别出矿区煤火区。但是无人机续航时间短，单次监测区域面积小，煤田火灾监测数据采集周期较长。借助反演算法采集的红外热图像精确度不高，与实际地表情况的吻合度较低。数据快速传输和处理是实现高效监测的关键环节，但现阶段数据传输速度慢，数据处理耗时长。
由于煤燃烧时，煤层上覆岩层中的菱矿及黄铁矿结合受到高温燃烧后，其中的铁质要素产生磁化反应后生成磁性矿体，并且烧变岩由降温后仍然具有有较强的热剩余磁化强度。利用这一明显的磁性特性，磁探法可以探测火区高温异常区域及其燃烧范围，能更为准确地识别煤层火烧隐患。磁探法需要昂贵的仪器和专业人员，测量周期较长。因此，磁探法可能不是一种快速和经济有效的火区检测方法。磁探法的探测深度通常受限，部分煤火隐患可能被忽略。
综上，不同探测技术在其适用范围内皆可取得一定成效，但亦存在不足与问题。例如遥感法具有大面积同步观测、时效性强、数据综合性高等特点，但高光谱热红外数据波段数偏少，空间分辨率偏低，大气反射对日间遥感数据影像大。特别是建筑物与煤田火区温度都较高，在热红外遥感影像中难以区分，从而导致探测精度较为欠缺。物探法等探测技术识别的准确度较高，但大多需要深入现场，危险性大的同时消耗了大量人力、物力，对煤火的识别效率总体偏低。而机载热红外探测煤火的成本又过高，这些原因极大限制了煤火隐患探测技术的发展。
发明内容
本发明实施例提供了一种煤层火烧隐患探测方法及系统，解决了现有探测技术均存在不同影响探测效率的问题。
本发明提供一种煤层火烧隐患探测方法，包括以下步骤：
获取目标区域的历史煤矿区矿产资源资料与高精度遥感影像，结合历史煤矿区矿产资源资料与高精度遥感影像，形成煤层火烧隐患数据库；
获取目标区域的不同时期的Landsat8影像，对不同时期的Landsat8影像的地表温度进行反演以及植被覆盖度进行计算，根据反演结果圈定温度异常区域，根据植被覆盖度得到植被生长变化的空间分布；
获取目标区域的不同时期的InSAR数据及ALOS数据，对不同时段的地表变形与塌陷进行识别，圈定目标区域内地表沉降塌陷区；
根据温度异常区域、地表沉降塌陷区与植被覆盖生长变化的空间分布结合煤层火烧隐患数据库，对目标区域进行识别，得到煤火范围区域；
基于无人机热红外和航空物探对煤火范围区域进行核查，得到火点的位置以及燃烧深度；
对煤火范围区域的地面塌陷和地裂缝进行识别，得到煤火重点地段；
结合煤火重点地段、火点的位置以及燃烧深度，得到煤火隐患区域。
优选的，结合历史煤矿区矿产资源资料与高精度遥感影像，形成煤层火烧隐患数据库，包括以下步骤：
基于历史煤矿区矿产资源资料，得到目标区域的多种分布情况；
基于高精度遥感影像，得到目标区域的多种分布特征；
基于多种分布情况与分布特征，形成煤层火烧隐患数据库；
多种所述分布情况包括目标区域的前矿权分布情况、房柱式开采分布情况、小煤窑分布情况和烧变岩分布情况；多种所述识别特征包括目标区域地裂缝特征、地面塌陷特征和植被特征。
优选的，通过辐射传输方程法对不同时期的Landsat8影像的地表温度进行反演。
优选的，所述地表温度如下式所示：
式中，Ts为地表温度，K1、K2为常数，Bi(Ts)为地表温度为Ts时的黑体辐射强度。
优选的，根据植被覆盖度得到植被生长变化的空间分布，包括以下步骤：
通过遥感波段反演的方法计算目标区域的NDVI值；
采用植被指数转换模型将NDVI转化为植被覆盖度；
将不同时期的Landsat8影像的植被覆盖度作差，得到目标区域的植被生长变化的空间分布。
优选的，所述NDVI值如下式所示：
式中，NDVI为归一化植被指数，NIR、R分别为地物在近红外、红波段的反射率；
所述植被覆盖度如下式所示：
f为植被覆盖度，NDVImin为裸地的NDVI值，NDVImax为完全植被覆盖地区的NDVI值。
优选的，基于无人机热红外对煤火范围区域进行核查，包括以下步骤：
通过无人机扫面获取煤火范围区域的热红外影像和正射影像；
通过热红外影像进行地表温度反演，确定温度异常区域以及火点所在的位置；
将热红外影像和正射影像进行对比，根据对比结果确认煤火范围区域的温度异常区域以及火点所在的位置。
优选的，所述热红外影像在获取时，还需获取对应的GPS点位信息，进行图像镶嵌配准和图像几何校正。
优选的，所述航空物探为高精度磁法，对煤火范围区域的燃烧深度进行推测。
一种煤层火烧隐患探测系统，包括：
数据库构建模块，用于获取目标区域的历史煤矿区矿产资源资料与高精度遥感影像，结合历史煤矿区矿产资源资料与高精度遥感影像，形成煤层火烧隐患数据库；
Landsat8影像计算模块，用于获取目标区域的不同时期的Landsat8影像，对不同时期的Landsat8影像的地表温度进行反演以及植被覆盖度进行计算，根据反演结果圈定温度异常区域，根据植被覆盖度得到植被生长变化的空间分布；
地表沉降塌陷区圈定模块，用于获取目标区域的不同时期的InSAR数据及ALOS数据，对不同时期的地表变形与塌陷进行识别，圈定目标区域内地表沉降塌陷区；
煤火范围区域识别模块，用于将温度异常区域、地表沉降塌陷区与植被覆盖生长变化的空间分布结合煤层火烧隐患数据库，对目标区域进行识别，得到煤火范围区域；
核查模块，用于基于无人机热红外和航空物探对煤火范围区域进行核查，得到火点的位置以及燃烧深度；
识别模块，用于对煤火范围区域的地面塌陷和地裂缝进行识别，得到煤火重点地段；
煤火隐患区域确定模块，用于结合煤火重点地段、火点的位置以及燃烧深度，得到煤火隐患区域。
与现有技术相比，本发明的有益效果是：
本发明首先获取目标区域的历史煤矿区矿产资源资料和高分遥感影像，最大程度上降低分辨率对数据处理的影响，得到了煤层火烧隐患数据库。根据目标区域的不同Landsat8影像，进而得到温度异常区域与植被覆盖的变化的空间分布，根据目标区域的不同时期的InSAR数据及ALOS数据，圈定目标区域内地表沉降塌陷区，与煤层火烧隐患数据库结合，得到了煤火范围区域，进一步对煤火隐患区域进行精确。基于室内更高精度的遥感技术手法对煤层火烧隐患的识别结果进行更具有针对性的无人机热红外与航空物探，充分发挥了后二者在室外实测的优势、提高了整体工作效率。最终得到了煤火隐患区域。
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，下面将对实施例或现有技术描述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为本发明的一种煤层火烧隐患探测方法的流程图。
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。
参照图1，本发明提供一种煤层火烧隐患探测方法，具体涉及了高分影像识别、多光谱影像反演、无人机热红外影像与航空物探及钻探验证，详细步骤如下：
第一步：获取目标区域的历史煤矿区矿产资源资料与高精度遥感影像，根据历史煤矿区矿产资源资料得到多种分布情况，根据高精度遥感影像得到多种分布特征；基于多种分布情况与分布特征，形成煤层火烧隐患数据库。
整合历史煤矿区矿产资料，基于煤层自燃充要条件地质分析，收集目标区煤炭的煤层分布情况与煤层埋深情况。基于煤层自燃诱发因素分析，收集目标区域的前矿权分布情况、房柱式开采分布情况、小煤窑分布情况和烧变岩分布情况。
收集原因：通过收集历史煤矿区矿产资料对煤层自燃的充要条件识别。通过煤层的分布情况和煤层埋深情况分析判断研究区内的煤炭是否具有可燃性。煤层埋深情况与煤层厚度贼是分别判断本煤层空气流通的可能性(助燃物判断)和本煤层在氧化放热的过程中，热量是否能被保持在空间中以致赋存煤炭达到燃点(达到燃点、是否有良好的蓄热环境)。历史地下煤炭资源开采效率低，存留大量的煤柱与浮煤，加之开采人员安全意识淡薄，许多窑口未进行封堵处理，这大大增加了氧气与煤炭接触的可能性。未封堵窑洞满足了煤层自燃发生的充要条件：具有可燃性的煤炭赋存、空气流通且半封闭环境能为燃烧提供良好的蓄热条件。基于此思路，收集目标露天开采、小煤窑开采情况。
收集高精度遥感影像资料，基于煤层自燃充要条件表观现象分析，反映煤田火区范围内不同的岩石类型、地裂缝、地面塌陷和植被等特征，可用于精确圈定烧变岩范围、类型和地裂缝、植被状态的分布特征。
高分二号GF-2遥感卫星数据，在目前商业化卫星遥感数据中属于空间分辨率较高的一种，已被广泛用于基础设施建设、交通、城市规划、农业、环境评价、灾害评估、自然资源管理等诸多领域。多光谱波段分辨率为3.2m，全色波段为0.8m，覆盖波段从0.45μm～0.90μm，图像幅宽16.5km。由于它具有很高的几何精度和空间分辨率，能够很好的反映煤田火区范围内不同的岩石类型、地裂缝、地面塌陷和植被等特征，可用于精确圈定烧变岩范围、类型和地裂缝、植被状态的分布特征，指导灭火工程，也可以作为煤层燃烧地理信息系统的基础信息源，利用高分二号制作的相关图件，精度可达到1:10000的要求。
基于多种识别特征对目标区域进行初步筛选，得到目标区域。在此处借由目标区域高精度遥感影像进行分析这些要素，是不同遥感影像的波段识别存在一定差异，高精度影像能更直观地在室内识别出想要的这些要素，很大程度上帮助后续某一要素的影像识别。
第二步：获取目标区域的不同时期的Landsat8影像，对不同时期的Landsat8影像的地表温度进行反演以及植被覆盖度进行计算，根据反演结果圈定温度异常区域，根据植被覆盖度得到植被生长变化的空间分布。
本次调查通过GEE平台获取连续两期Landsat8/OLI影像数据，利用辐射传输方程法反演地表温度，对目标区域内地表温度进行对比分析，圈定目标区域内温度异常区域。利用两期影像数据归一化植被指数(NDVI)对比分析目标区域内地表植被覆盖情况。
地表温度反演
利用同一区域连续两年同一月份Landsat8遥感影像，采用辐射传输方程法进行地表温度反演，分析目标区域地表温度的空间分布特征及变化范围，研究目标区域地表温度变化与煤火分布的相关性，圈定煤火隐患分布区。
遥感器(Landsat8卫星上的接收器)所接收到的热辐射主要有由地表热辐射经大气衰减后被遥感器所接受的热辐射、大气向上和向下的热辐射经地表反射后又被大气衰减最终被遥感器接收的热辐射3部分，所以遥感器所接收的地表热辐射计算公式如下：
Bi(Ti)＝[τi(θ)×Bi(Ts)+(1-εi)×Li↓]+Li↑
式中，Ti为通道i的亮度温度；Ts为地表温度；εi为地表比辐射率；τi(θ)为通道i在遥感器视角θ下从地面到遥感器的大气透射率；Bi(Ti)为遥感器所接收到的辐射强度；Bi(Ts)为地表温度为Ts时的黑体辐射强度；Li↓和Li↑分别为大气向下和向上的辐射强度。Bi(Ts)可以通过普朗克公式的函数获得。
Bi(Ts)表达式：
Bi(Ts)＝[Bi(Ti)-Li↑-τi(θ)(1-εi)×Li↓]/τi(θ)εi
根据普朗克定律反函数得到地表温度：
式中，K1、K2常数，可由元数据MTL文件查询得到，K1＝774.89，K2＝1321.08。
植被指数
归一化植被指数(NDVI)是目前在生态监测工作中最常用的植被指数，可反映地表植被覆盖情况，大多采用植被指数转换模型将NDVI转化为植被覆盖度后用于各类生态监测工作。NDVI的特点是对于低植被覆盖度非常敏感，但在植被覆盖度很高时，其检测能力逐渐下降。
本发明使用遥感波段反演的方法计算目标区域的NDVI值。计算公式为：
式中，NDVI为归一化植被指数，NIR、R分别为地物在近红外、红波段的反射率，在本次使用的Landsat8数据中，二者分别为波段5和波段4。landsat8有多个波段，波段4与5是其中两个波段。波段4为红光波段，由于植被叶绿素的存在，红光波段能反映地面植被的健康程度；波段5为近红外光谱，用于监测植被的健康状况、土地覆盖类型的分类、土壤湿度等。近红外光谱对于植被的反射特性有很好的敏感性。
采用植被指数转换模型将NDVI转化为可比性较强的植被覆盖度。公式为：
式中，f为植被覆盖度；NDVI为归一化植被指数；NDVImin为裸地的NDVI值；NDVImax为完全植被覆盖地区的NDVI值。
目标区域的两期植被覆盖度进行差值处理，即可得到在这两个年份之间目标区域内植被生长变化的空间分布。通过这两要素的图像反演识别，能初步划定煤火范围区域，但是由于温度和植被这两个要素的受影响因素过多，例如太阳光照射致地温过高及人类活动所致植被退化。
第三步：获取目标区域的不同时期的InSAR数据及ALOS数据，对不同时段的地表变形与塌陷进行识别，圈定目标区域内地表沉降塌陷区。
利用Sentinel-A升降轨数据，选择最优InSAR技术开展地表变形分析，获取地面塌陷分布及历时变化特征；通过高精度ALOS数据，选择最优InSAR技术开展地表变形分析，计算圈定地面塌陷范围及塌陷量。
采用InSAR进行煤田火区识别的原理是地下自燃导致的地表沉降在局部范围内呈现多个沉降中心，且等值线密集，形变复杂；而开采沉降区沉降近似椭圆形，局部范围内只有一个沉降中心，且沉降等值线较平稳。据此根据大量的图形可进行机器学习，建立煤田自燃导致的地表沉降判别模型，实现对区域内煤田火区的大范围快速识别。
第四步：根据温度异常区域、地表沉降塌陷区与植被覆盖生长变化的空间分布结合煤层火烧隐患数据库，对目标区域进行识别，得到煤火范围区域。
第五步：基于无人机热红外和航空物探的机载多源传感器对煤火范围区域进行核查。
利用多旋翼无人机搭载的热红外镜头，获取地面现时的热红外影像和正射影像。通过高分辨率的热红外影像进行地表温度的反演工作，精准确定煤火引起的温度异常分布区及火点所在的位置。同时，获取矿区内热红外影像同一pos点位置的真彩色相片，经过Pix4D软件生成矿区的正射影像图，通过比对完成对反演的火区温度及位置进行查证。指出严重威胁生态环境安全和矿井安全生产，亟待治理的煤层火烧隐患区。
由于热红外影像数据尚不具备精确的GPS定位系统，实际使用中需对照实地采集的GPS点位信息，进行图像镶嵌配准和图像几何校正。经校正处理后热红外扫描图像的几何精度可达3～5m。
航空物探主要采用高精度磁法，通过高精度磁法勘测结合地质资料推断火区的燃烧深度，物探的测区范围应根据任务和火区燃烧状况并兼顾施工方便、资料完整、布点经济的原则确定。火区应位于测区的中央并保证探测结果轮廓完整，周围有一定面积的正常场背景。基线应平行于火区走向，应位于测线的一端交通方便的正常场内。火区走向不稳定时基线也应随之改变，但不宜过频，应与总的走向一致。测线应垂直于基线即垂直于火区走向，使火区异常位于测线的中间，两端有一定点数的正常场。依据现场地面调查及无人机红外综合成果，按照相关技术标准进行工程网布置，具备以下原则：
物探的测区范围应确保火区位于测区的中央、探测结果轮廓完整，周围有一定面积的正常场背景。
测线大致垂直于无人机红外成果的火区走向，使异常区位于测线的中间，两端有一定点数的正常场。
分析调查和以往地质资料，根据地形地貌选择线距与点距。
第六步：基于地面塌陷地裂缝解译的煤层火烧重点地段识别。
在矿区地面塌陷区，尤其是塌陷边界会产生诸多与地表贯通的地裂缝与塌陷区，若塌陷煤层上部还有未开采的煤层，会加大煤层自燃的风险，需通过高分2号影像和现场无人机拍摄的影像相结合对地裂缝遥感进行进一步解译。除此之外，煤层的埋深与空气贯通煤层的可能性息息相关，通过分析现有煤火区分布，结合煤层等值线和矿区DEM数据可分别圈定不同煤层埋深的区域，并将其作为煤田火区不同风险等级划定标准。历史时期老窑分布区域、塌陷区上部未开采煤层区域可作为煤田火区精细核查的重点靶区，野外实地核查时进行重点调查。同时，对室内热红外识别、遥感核查的高温异常区、前期调查已查明的明火区进行实地核查，着火区地面温度采用手持测温仪进行测量。
第七步：通过钻孔岩粉鉴定、井温测量及气体测量对物探识别的火区范围进行验证。
通过钻孔岩粉鉴定、井温测量及气体测量对物探识别的火区范围进行验证过程中，需注意火区地层温度较高，施工的风险性较大，一旦钻探揭露着火煤层会导致空气进入，引发局部煤层的强烈燃烧，对施工的安全造成威胁。综合考虑勘查施工的重点和难点，确定施工钻孔均采用风钻进行钻进，一方面可以提高施工进度，另一方面也可以降低施工的风险。当钻进至火烧区目标煤层后及时进行钻孔井温测量，获取钻孔井温数据后，及时封闭钻孔，防止火区空气进入引发更大的火势蔓延。封孔采用套管密闭封闭，确保封孔质量的密闭性，防止因封孔质量问题而导致空气进入火区地层。
钻探验证过程中，结合物探方法圈定的火区边界，通过布设施工钻孔对物探圈定的火区范围进行钻探验证。通过钻探验证，准确圈定煤层火烧隐患区范围。
第八步：基于多源遥感的煤层火烧区综合判识。
基于以上工作，形成利用多源遥感对异常区域进行拍摄并识别多种地表异常现象信息，结合无人机热红外遥感和航空物探对煤层火烧隐患重点区精确核查，辅以钻探验证的多尺度、高效率、高精度的煤层火区隐患综合判识技术。
高分影像最大程度上降低分辨率对数据处理的影响，更好地反映火区范围内不同的岩石类型、地裂缝、崩塌和植被等特征；
通过开源平台获取近期多光谱影像反演目标区域地表温度并计算归一化植被指数，辅以高分影像分析，更加精确地在室内圈定煤层火烧隐患区域；
基于室内更高精度的遥感技术手法对煤层火烧隐患的识别结果进行更具有针对性的无人机热红外与航空物探，充分发挥了后二者在室外实测的优势、提高了整体工作效率。其中在实际使用无人机热红外影像数据时对照实地采集的GPS点位信息，进行图像镶嵌配准和图像几何校正。经校正处理后热红外扫描图像的几何精度可达3～5m，同时也弥补了磁探法对小尺度下的煤层火烧隐患识别不准的缺陷。
基于同一个发明构思，本发明还提供一种煤层火烧隐患探测系统，包括数据库构建模块、Landsat8影像计算模块、地表沉降塌陷区圈定模块、煤火范围区域识别模块、核查模块、识别模块以及煤火隐患区域确定模块。
数据库构建模块用于获取目标区域的历史煤矿区矿产资源资料与高精度遥感影像，结合历史煤矿区矿产资源资料与高精度遥感影像，形成煤层火烧隐患数据库。
Landsat8影像计算模块用于获取目标区域的不同时期的Landsat8影像，对不同时期的Landsat8影像的地表温度进行反演以及植被覆盖度进行计算，根据反演结果圈定温度异常区域，根据植被覆盖度得到植被生长变化的空间分布。
地表沉降塌陷区圈定模块用于获取目标区域的不同时期的InSAR数据及ALOS数据，对不同时期的地表变形与塌陷进行识别，圈定目标区域内地表沉降塌陷区。
煤火范围区域识别模块用于将温度异常区域、地表沉降塌陷区与植被覆盖生长变化的空间分布结合煤层火烧隐患数据库，对目标区域进行识别，得到煤火范围区域。
核查模块用于基于无人机热红外和航空物探对煤火范围区域进行核查，得到火点的位置以及燃烧深度。
识别模块用于对煤火范围区域的地面塌陷和地裂缝进行识别，得到煤火重点地段。
煤火隐患区域确定模块用于结合煤火重点地段、火点的位置以及燃烧深度，得到煤火隐患区域。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种煤层火烧隐患探测方法，其特征在于，包括以下步骤：
获取目标区域的历史煤矿区矿产资源资料与高精度遥感影像，结合历史煤矿区矿产资源资料与高精度遥感影像，形成煤层火烧隐患数据库；
获取目标区域的不同时期的Landsat8影像，对不同时期的Landsat8影像的地表温度进行反演以及植被覆盖度进行计算，根据反演结果圈定温度异常区域，根据植被覆盖度得到植被生长变化的空间分布；
获取目标区域的不同时期的InSAR数据及ALOS数据，对不同时期的地表变形与塌陷进行识别，圈定目标区域内地表沉降塌陷区；
将温度异常区域、地表沉降塌陷区与植被覆盖生长变化的空间分布结合煤层火烧隐患数据库，对目标区域进行识别，得到煤火范围区域；
基于无人机热红外和航空物探对煤火范围区域进行核查，得到火点的位置以及燃烧深度；
对煤火范围区域的地面塌陷和地裂缝进行识别，得到煤火重点地段；
结合煤火重点地段、火点的位置以及燃烧深度，得到煤火隐患区域。
2.如权利要求1所述的一种煤层火烧隐患探测方法，其特征在于，结合历史煤矿区矿产资源资料与高精度遥感影像，形成煤层火烧隐患数据库，包括以下步骤：
基于历史煤矿区矿产资源资料，得到目标区域的多种分布情况；
基于高精度遥感影像，得到目标区域的多种分布特征；
基于多种分布情况与分布特征，形成煤层火烧隐患数据库；
多种所述分布情况包括目标区域的前矿权分布情况、房柱式开采分布情况、小煤窑分布情况和烧变岩分布情况；多种所述识别特征包括目标区域地裂缝特征、地面塌陷特征和植被特征。
3.如权利要求1所述的一种煤层火烧隐患探测方法，其特征在于，通过辐射传输方程法对不同时期的Landsat8影像的地表温度进行反演。
4.如权利要求3所述的一种煤层火烧隐患探测方法，其特征在于，所述地表温度如下式所示：
式中，Ts为地表温度，K1、K2为常数，Bi(Ts)为地表温度为Ts时的黑体辐射强度。
5.如权利要求1所述的一种煤层火烧隐患探测方法，其特征在于，根据植被覆盖度得到植被生长变化的空间分布，包括以下步骤：
通过遥感波段反演的方法计算目标区域的NDVI值；
采用植被指数转换模型将NDVI转化为植被覆盖度；
将不同时期的Landsat8影像的植被覆盖度作差，得到目标区域的植被生长变化的空间分布。
6.如权利要求4所述的一种煤层火烧隐患探测方法，其特征在于，所述NDVI值如下式所示：
式中，NDVI为归一化植被指数，NIR、R分别为地物在近红外、红波段的反射率；
所述植被覆盖度如下式所示：
f为植被覆盖度，NDVImin为裸地的NDVI值，NDVImax为完全植被覆盖地区的NDVI值。
7.如权利要求1所述的一种煤层火烧隐患探测方法，其特征在于，基于无人机热红外对煤火范围区域进行核查，包括以下步骤：
通过无人机扫面获取煤火范围区域的热红外影像和正射影像；
通过热红外影像进行地表温度反演，确定温度异常区域以及火点所在的位置；
将热红外影像和正射影像进行对比，根据对比结果确认煤火范围区域的温度异常区域以及火点所在的位置。
8.如权利要求7所述的一种煤层火烧隐患探测方法，其特征在于，所述热红外影像在获取时，还需获取对应的GPS点位信息，进行图像镶嵌配准和图像几何校正。
9.如权利要求7所述的一种煤层火烧隐患探测方法，其特征在于，所述航空物探为高精度磁法，对煤火范围区域的燃烧深度进行推测。
10.一种煤层火烧隐患探测系统，其特征在于，包括：
数据库构建模块，用于获取目标区域的历史煤矿区矿产资源资料与高精度遥感影像，结合历史煤矿区矿产资源资料与高精度遥感影像，形成煤层火烧隐患数据库；
Landsat8影像计算模块，用于获取目标区域的不同时期的Landsat8影像，对不同时期的Landsat8影像的地表温度进行反演以及植被覆盖度进行计算，根据反演结果圈定温度异常区域，根据植被覆盖度得到植被生长变化的空间分布；
地表沉降塌陷区圈定模块，用于获取目标区域的不同时期的InSAR数据及ALOS数据，对不同时期的地表变形与塌陷进行识别，圈定目标区域内地表沉降塌陷区；
煤火范围区域识别模块，用于将温度异常区域、地表沉降塌陷区与植被覆盖生长变化的空间分布结合煤层火烧隐患数据库，对目标区域进行识别，得到煤火范围区域；
核查模块，用于基于无人机热红外和航空物探对煤火范围区域进行核查，得到火点的位置以及燃烧深度；
识别模块，用于对煤火范围区域的地面塌陷和地裂缝进行识别，得到煤火重点地段；
煤火隐患区域确定模块，用于结合煤火重点地段、火点的位置以及燃烧深度，得到煤火隐患区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410007486.5A CN117830867A (zh) | 2024-01-03 | 2024-01-03 | 一种煤层火烧隐患探测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410007486.5A CN117830867A (zh) | 2024-01-03 | 2024-01-03 | 一种煤层火烧隐患探测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117830867A true CN117830867A (zh) | 2024-04-05 |
Family
ID=90520628
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410007486.5A Pending CN117830867A (zh) | 2024-01-03 | 2024-01-03 | 一种煤层火烧隐患探测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117830867A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2953021A1 (fr) * | 2009-11-26 | 2011-05-27 | Tanguy Griffon | Methode de mesure des emissions hebdomadaires et annuelles d'un gaz a effet de serre sur une surface donnee |
| CN104598874A (zh) * | 2014-12-24 | 2015-05-06 | 周小虎 | 一种煤田自燃的遥感监测方法 |
| 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 |
| 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 |
| US20230064454A1 (en) * | 2021-08-31 | 2023-03-02 | Satsure Analytics India Private Limited | System and method for generating soil moisture data from satellite imagery using deep learning model |
-
2024
- 2024-01-03 CN CN202410007486.5A patent/CN117830867A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2953021A1 (fr) * | 2009-11-26 | 2011-05-27 | Tanguy Griffon | Methode de mesure des emissions hebdomadaires et annuelles d'un gaz a effet de serre sur une surface donnee |
| CN104598874A (zh) * | 2014-12-24 | 2015-05-06 | 周小虎 | 一种煤田自燃的遥感监测方法 |
| 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 |
| 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 |
| US20230064454A1 (en) * | 2021-08-31 | 2023-03-02 | Satsure Analytics India Private Limited | System and method for generating soil moisture data from satellite imagery using deep learning model |
Non-Patent Citations (2)
| Title |
|---|
| 万余庆;江晓光;徐凯磊;: "无人机遥感技术在煤田火区调查监测中的应用", 中国煤炭地质, no. 06, 25 June 2020 (2020-06-25) * |
| 李峰;崔希民;孙广通;钱安;王秋玲;刘文龙;: "无人机热红外遥感煤火探测方法", 煤矿安全, no. 12, 20 December 2017 (2017-12-20) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104484577B (zh) | 一种基于山脊能量校正的山地中带状地下目标的探测方法 | |
| Wang et al. | Monitoring coal fires in Datong coalfield using multi-source remote sensing data | |
| CN107843939A (zh) | 基于无人机热红外影像的煤火识别方法 | |
| US20110213554A1 (en) | Method and system for screening an area of the atmosphere for sources of emissions | |
| IL169978A (en) | Remote sensing method for underground objects and air intervals | |
| He et al. | Application of unmanned aerial vehicle (UAV) thermal infrared remote sensing to identify coal fires in the Huojitu coal mine in Shenmu city, China | |
| CN115346141B (zh) | 天-空-地-隧-孔一体化不良地质识别方法及系统 | |
| Chan et al. | Exploring and monitoring geothermal and volcanic activity using Satellite Thermal Infrared data in TVG, Taiwan | |
| Shirazy et al. | Exploratory Remote Sensing Studies to Determine the Mineralization Zones around the Zarshuran Gold Mine | |
| Wasilewski | Monitoring the thermal and gaseous activity of coal waste dumps | |
| Macharia et al. | Low cost geothermal energy indicators and exploration methods in Kenya | |
| Kuenzer et al. | Thermal infrared remote sensing of surface and underground coal fires | |
| Xu et al. | Monitoring coal seam fires in Xinjiang using comprehensive thermal infrared and time series InSAR detection | |
| Oparin et al. | Evaluation of dust pollution of air in Kuzbass coal-mining areas in winter by data of remote earth sensing | |
| Liu et al. | Alteration Mapping for Porphyry Cu Targeting in the Western Chagai Belt, Pakistan, Using ZY1-02D Spaceborne Hyperspectral Data | |
| CN101615254B (zh) | 基于广义加法模型的煤火信息高光谱遥感提取方法 | |
| Perez-Garcia et al. | Georeferenced thermal infrared images from UAV surveys as a potential tool to detect and characterize shallow cave ducts | |
| Jiang et al. | Retrieval and analysis of coal fire temperature in Wuda coalfield, Inner Mongolia, China | |
| CN117830867A (zh) | 一种煤层火烧隐患探测方法及系统 | |
| Zhang et al. | Multi-sensor data fusion for the detection of underground coal fires | |
| Chevrel et al. | Hyperspectral airborne imagery for mapping mining-related contaminated areas in various European environments–first results of the MINEO project | |
| US20200278472A1 (en) | Detecting Subsurface Objects And Voids Using Thermal Inertia | |
| Bakun-Mazor et al. | Measuring Carbonate Rock Strength using Spectroscopy across the Optical and Thermal Region | |
| Li et al. | Estimation of Annual CO 2 Emission from Coal Fires in Majiliang Mine, Datong, Northen China Using UAVs Thermal Infrared Remote Sensing Technology | |
| CN102176067B (zh) | 获取地下煤火变化信息的方法 |
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 |