李晓琴，吴小英，苏新旭，张志峰

（神华(北京)遥感勘查有限责任公司，北京 100085）

遥感技术在矿产资源开发状况动态监测中的应用

李晓琴，吴小英，苏新旭，张志峰

（神华(北京)遥感勘查有限责任公司，北京 100085）

本文利用多种遥感平台获取的多时相、多分辨率的遥感影像数据，以北京市房山区大安山地区煤矿开采现状为试点，以矿产资源的非法开采监测为主题，开展了矿产资源开发状况动态监测的方法与技术路线。通过对比不同监测数据源的效果和性能，为大规模监测类似地区时遥感数据源的选择提供依据。通过对比分析不同时相遥感数据的解译结果，指出工作区存在部分违规采矿行为，很好地实现了对本区采矿行为的动态监测，为北京市国土资源局及其相关处室进行矿产资源的开发管理、低成本快速高效打击非法采矿行为，提供科学执法依据。

遥感；矿产资源开发；动态监测；融合；遥感解译

0 引言

长期以来，由于种种原因，矿产资源的开发具有小、散、乱和工艺水平落后等特点。特别是个别矿种盗挖盗采等非法开采现象十分严重。这不仅浪费了宝贵的矿产资源，而且破坏了矿山环境。如何及时发现这些现象，并对其实施有效监管，是当前进行矿产资源开发和管理所面临的重要课题。用传统的方法进行监测，不仅耗资巨大，而且无法及时准确掌握用于矿产资源开发与管理的多元信息。随着卫星遥感技术的不断发展，商业化的资源卫星数据的空间分辨率和光谱分辨率越来越高，利用该技术手段在全国范围内对矿业秩序混乱地区、生态环境破坏严重或灾害多发地区的矿产开发点的分布状况、固体废弃物堆放情况、矿产开发引发的环境问题，进行监测已经是必然的趋势[1]。

本文充分应用遥感技术、地理信息系统技术和全球定位技术等技术手段，以北京市房山区大安山地区煤矿开采现状为试点，以矿产资源的非法开采监测为主题，开展了矿产资源开发状况动态监测的方法与技术路线。通过对比不同监测数据源的效果和性能，为大规模监测类似地区时遥感数据源的选择提供依据。通过对比分析不同时相遥感数据的解译结果，指出工作区存在部分违规采矿行为，很好地实现了对本区采矿行为的动态监测，为北京市国土资源局及其相关处室进行矿产资源的开发管理、低成本快速高效打击非法采矿行为，提供科学执法依据。

1 区域概况

大安山试验区位于北京西南部山区，面积约95 km2，区内主要以煤矿资源开采调查为主。该区地势北高南低，水系均为近南北方向展布，属中低山地貌，地形陡峭，山间道路均为采矿所修。最高点老龙窝，海拔1632.4m；最低点大安山乡，海拔444.2m。相对高差平均约600m，最大高差1200m。该区地形起伏很大，交通很不方便，这给地面执法带来很大难度。

监测区东西跨大安山和史家营两个行政乡，这两个乡的煤炭开采历史均超过百年，煤炭资源的开采和销售是当地的主要经济来源。近年随着国家产业政策的调整和加大对环境保护、耕地保护的力度，一些不符合安全生产要求、浪费资源、污染环境的矿产开发企业先后被关闭。从1999全国煤矿实行“关井压产”以来，大安山原来的200多个煤矿逐渐关闭。2005年9月，仅剩的17个煤矿也开始陆续关闭。经过多年治理整顿，乱采滥挖、破坏和浪费矿产资源的现象得到了一定的控制。目前，监测区煤矿采矿权设置仅有7个。但是，由于近年来煤炭资源的大幅度涨价，在利益的驱使下，仍存在一些无证开采、越界开采等违法现象。

2 研究方法

本文利用多种遥感平台获取的多种类、多时相遥感数据，采用多种遥感图像处理方法，室内对比提取矿产资源开发地采矿活动痕迹的影像信息，发现其不同时间段采矿活动痕迹变化信息，然后在野外实地建立采矿活动痕迹遥感解译标志，再对影像进行全面解译分析；以采矿权登记信息为合理开发依据，将采矿活动痕迹解译成果与采矿权登记范围进行叠合分析，以便筛选、界定出相应时段非法盗采区域；协同北京市国土资源局及有关分局，使用监测解译成果实地核实抽样调查；最终形成监测成果图像、图件、统计分析成果，提供进一步执法检查。总体技术路线如图1。

图1 总体技术路线

2.1 资料收集

矿山开采动态监测就是通过分析不同时期的卫星影像，从中提取、分析变化信息以实现其监测的。如何利用所获取的各种影像，将信息融合起来，并快速发现矿山开采及环境的变化，是矿山开采动态监测所要解决的基本问题[2]。

本项目选取了以下遥感数据源来做对比分析、应用，并充分考虑到北京市国土资源局现有数据。主要包括2001年5月19日的美国ETM影像，主要用来圈定试点区范围；2005年10月的航空彩色正射遥感数据，用来解译本底信息；2005年10月23日的1A级法国SPOT5卫星数据，用来与2005年10月的航空影像做对比分析；2006年4月20日的带RPC参数的美国IKONOS卫星数据，2006年11月6日的美国QUICKBIRD预正射产品数据，这两种数据主要用来做动态变化分析。IKONOS与QUICKBIRD具有相同的性价比，在存档数据上可互为补充。图像几何分辨率分别为ETM30m，航空遥感数据0.4m，SPOT5 2.5m，IKONOS 1m，QUICKBIRD 0.61m。成像日期选择春季和冬季，植被覆盖比较少。图像选择无云图像，时间跨度应与矿山开采的发展阶段基本相符。

其他辅助数据包括1：1万地形图、DEM，采矿权登记资料、矿区分布图以及当地矿管部门提供的文档及多媒体数据等。

2.2 多源遥感数据处理

多源遥感数据处理主要是对不同时相的遥感数据(SPOT5、QuickBird、IKONOS)进行几何精校正、大地配准，将PAN波段数据与多光谱数据进行融合处理，天然假彩色合成，图像增强及裁切等。然后对其格式转换后与地形矢量数据及采矿权数据进行叠加显示，并以人机交互方式对各种矿山开发状况和矿山生态环境的有关内容进行解译，圈定无证非法盗采的矿山，最后将解译结果提供野外验证。

（1）几何精校正与大地配准

根据项目具体要求，结合地方实际情况，最后确定采用Krassovsky椭球参数，高斯-克吕格投影，北京地方坐标系。

由于大安山工作区地形起伏比较大，因此我们使用了基于卫星轨道模型（Satellite Orbital model）的正射校正方法。选用具有SPOT-5、QuickBird、IKONOS物理模型的PCI遥感影像处理软件，可直接读取存储在数据头文件中的遥感数据瞬间状态参数（包括卫星成像瞬间的经纬度、高度、倾角等），并依照2005年的航空正射影像和1：1万的数字高程模型（DEM）数据来对SPOT-5 1A的全色和多光谱数据、QuickBird的预正射产品、带PRC参数的IKONOS数据分别做正射校正。SPOT-5全色与多光谱数据的纠正精度相对于实地同名地物点的点位中误差满足山区1.5~2像素的要求。最大残差满足山区3~4个像素的要求。IKONOS数据相对于实地同名地物点的点位中误差满足1：5000地形图山区≤ 3.75m的要求，最大残差满足1：5000地形图山区≤ 7.5m的要求。QuickBird数据纠正平面精度相对于实地同名地物点的点位中误差满足1：2000地形图山区≤1.6m的要求，最大残差满足1：2000地形图山区≤3.2m的要求。最后将正射校正后的SPOT-5的多光谱数据与全色数据进行配准，其配准控制点中误差严格控制在1个像素内，最大残差控制在2个像素以内，以保证后续的图像融合精度，避免出现重影等现象。

（2）图像增强

图像中不同地物的各种信息是由亮度值（或灰度）的差别反映出来的。由于成像系统的特性、成像时的光照条件以及像幅范围内地物间辐射差异的大小等各种原因，常常使大部分像元的亮度集中在比较窄的动态区间，致使合成的图像色彩层次较少，色调偏暗且反差小，并有雾状感，难以从中区分出更多的地物信息。图像增强的目的就是为了调整图像像元亮度值分布区间，增大像元亮度间的差异，从而调整图像对比度、增强目标信息的表现[2]。本次工作中选取均值扩展、直方图平移对图像进行处理，使图像各波段均有256个灰度级，从而增加像元间亮度差异，得到更清晰的影像，同时也为下一步融合时直方图匹配作了准备。

（3）多源遥感数据融合

多光谱影像的光谱分辨率较高，但空间细节表现力较差；全色影像具有高空间分辨率，但光谱分辨率较低。因此，可以将具有低空间分辨率的多光谱影像和具有高空间分辨率的全色影像进行融合，使影像具有较高的空间细节表现力且同时保留多光谱影像的光谱特性[4]。

目前，遥感影像融合的方法有百余种，其中较为常用的融合方法主要包括以下几种：HIS变换、主成分分析(PCA)、Brovey 变换融合、Gram-schmidt变换法、基于小波理论特征的融合、Pansharp 融合等。通过对不同融合方法的试验分析，我们可以得知，对于高分辨率的IKONOS数据和QuickBird数据，由于PAN波段的波谱范围已从可见光波段扩展到了近红外波段，所以致使利用传统的HIS变换、Brovey 变换等方法得到的融合结果颜色有偏差。利用PCI中的Pansharp融合方法，选择所有的多光谱波段数据作为参考波段可以增强植被区颜色，使其在影像上更突出，使得整个影像更清新亮丽，富有生机，目视效果大为改善，而其他地物如道路建筑等颜色保持不变，而且该方法可以用于三个以上波段的多光谱影像融合。而对于SPOT-5数据，则使用改进的HIS变换法得到的融合效果更能够满足信息提取的要求。

（4）主要监测目标及影像特征

利用遥感技术进行矿产资源开发状况动态监测的核心，就是以多时相遥感图像对比解译、分析为主体，重点捕捉图像上与采矿活动有关的变化信息。与采矿活动有关的信息主要通过识别矿山主要地物类型来获得。煤矿矿山通常的主要地物类型，包括矿山各种建筑物、矿山道路、煤矿堆场、开采硐口、煤矸石堆场等。这些地物类型都是矿产资源开发过程留下的痕迹。通过发现这些痕迹及其特征，并跟踪这些痕迹的变化，就可以发现各类采矿活动。本次所选的不同时相的多源遥感数据显示，采矿区主要地物类型在影像上的纹理特征没有太大差别，各种地物在影像上的结构和色调与该季节地物的实际情况没有太大变化，只是色彩上有差别，因此只需建立遥感影像综合解译标志。

煤矿矿山为地下开采方式，在坑口附近有煤堆场、矸石堆场及简易工棚等，并有矿山简易公路相通。矿山道路在融合影像上呈线状，随地形变化而变化，色调较亮，一般为白色，植被茂密地带断续出现，线条通向建筑物或堆煤场地后中断，较宽的道路上可见汽车。矿山建筑物在融合影像上呈浅白色花斑状影像特征、绝大多数呈整齐规则的矩形、有道路穿过，一般情况下树木轮廓较大。采煤区在融合图像上，呈现为黑色或灰白色调区、处于山坡地带、轮廓通常为不规则梅花状或尖部指向低处的扇状。灰白色调为尾矿石堆积，灰黑色为煤仓或煤矸石堆积，多数情况下可见矿井或运煤轨道或溜煤槽等。堆煤（石）区在融合影像上，显示为黑色调的煤炭堆积区、地势平坦、轮廓通常为规则多边形或矩形、道路进入该区后消失、多数情况下可见汽车停放，没有矿井或运煤小轨道或溜煤槽等采煤特征。采煤影响区影像上，通常显示为浅灰或灰白色调区、影纹结构呈深浅不一的杂色、主要分布在采煤区和堆煤场地的周边及道路附近。地面塌陷区的影像特征是呈现舒缓波状地裂缝（有时成组出现）或成片蘑菇状圆坑地貌。矿井，在采煤区内地势较高部位、色调较深的点状位置、山间道路在此处中断、扇状采煤区的上部、尾矿石堆积场和煤仓的结合部、采矿小铁轨的终端，硐口形成的太阳阴影清晰可见。环境治理区影像上，通常显示采区内采矿建筑被拆除和原堆煤场地进行了治理。不同影像对主要监测目标类型的识别能力如表1所示。从表1中，我们可以看出，利用航片、QUICKBIRD和IKONOS图像能够清晰识别煤矿开采硐口、汽车、矿车、堆矿石区、采矿建筑、矿区生态环境治理区、宽度大于两米的运输道路等采矿活动痕迹，适合用于监测所有矿种的采矿活动。而SPOT5数据对以上采矿活动痕迹的显示效果欠佳。

表1 不同遥感影像对地物的识别能力

（5）变化信息提取

矿产资源开发状况动态监测是在一定的时间间隔下，对比监测对象的变化情况，掌握其变化规律，为政府依法管理和执法监督提供及时、准确的信息。变化信息自动发现能够检测出两个时相图像上变化区域的具体位置和分布，但是变化的具体范围、边界位置并不一定完整，需要有效的变化区域提取方法，从影像上准确获得变化处各目标的准确范围、形状和边界。目前计算机自动分类精度尚不能完全满足工作需求，因此本文仍采用人机交互解译的提取方法。

（6）遥感野外调查验证

野外调查验证，包括野外踏勘和野外检查验证两部分。野外踏勘的目的是帮助遥感解译人员对监测区内的矿区环境和采矿作业现场有一个感性认识，在头脑中建立起采矿区的三维立体印象，将需要解译的监测要素在遥感影像上显示的特征和实地情况之间建立一种直观的联系，从而完成室内遥感解译标志的建立。为保证遥感解译成果的准确性、可靠性以及解译的质量，在图像处理和遥感解译基础上，以路线穿越法和追索法相结合，对工作区内矿产资源开发状况(矿山数量、规模，停采矿山数量)、开采活动对环境的影响(土地占用、植被破坏、环境污染、地质灾害隐患)等进行验证性观测。通过野外检查验证，结果表明：利用遥感技术方法对新增采矿信息的解译发现率在90%以上，对解译发现采矿信息的定量验证率可达100%，分类定性的准确率可达95%以上。

每个贫困户的自身条件不一，并不都能直接参与到产业建设中来，需要我们创新贫困户参与到产业扶贫的方式，引导他们积极参与到产业结构中来，提升“自我造血”能力，早日解决脱贫困境。比如：无劳动能力的贫困人口采用资金或土地入股的方式参与，贫困地区的农民专业合作社与当地龙头企业合作等。

3 监测结果

此次工作重点是解译试验区内的堆矿（石）区、采矿影响区、矿井（坑）、治理区等4大类要素。将这4大类要素在2005年10月至2006年11月期间变化区域解译出来，以表示其变化结果。大安山煤矿资源开发状况遥感监测本底信息的遥感解译使用的是2005年10月份的航空彩色正射影像，并结合2005年10月以前的采矿登记资料、2005年度大安山煤矿采矿年鉴和大安山煤矿数据库等数据资料。该影像无论从几何精度、地物分辨率，还是从色调显示上都是最佳质量，各种地物在影像上的结构和色调与该季节地物的实际情况没有太大变化，非常清晰直观，解译效果也十分理想。根据该解译成果，我们获得了大安山监测区2005年10月采矿状况的本底信息统计数据，如表2所示。

表2 大安山监测区2005年10月采煤状况本底信息统计表

对于大安山地区2005年10月至2006年11月间采矿变化状况遥感调查、监测，我们充分利用了2006年4月20日的美国IKONOS影像、2006年11月6日的美国快鸟卫星遥感影像与2005年10月航空正射影像进行对比解译，取得了较好的监测效果，如表3、表4所示。

表3 大安山监测区2006年11月采煤状况变化信息统计表

表4 大安山监测区两时段采煤状况对比统计表

由表3、表4结果我们可以看出，该实验区于2005年10月至2006年11月期间，在国家和地方政府的充分重视下，北京市矿产资源管理部门采取了大量行之有效的管理措施，使其采矿活动得到明显遏制，矿区的生态环境得到一定改善，如图2、图3所示。同时，在部分区域还存在监管不力的情况，非法采矿现象时有发生（如图4），与整顿治理形成反差，今后仍需继续加大监测力度和监测范围。

图2 2005~2006年期间弃采区样例（采矿建筑被拆除）

图3 2005~2006年期间大安山乡北部环境治理状况

图4 2005~2006年期间新增采矿点示例

另外，大安山试点区内，由于无序的采煤活动造成地下采空，在很多区域的地下采空引发了地表面塌陷，几乎在所有采矿区域内都有分布，这一结果在遥感影像上清晰可见，如图5所示。塌陷区是一种非常严重的人为地质灾害，由于确定它主要取决于地下采空范围，而在地面上很难圈定其准确边界，只能根据已经形成的地面塌陷的现象而确定其存在。有些比较严重而在地面上有明显塌陷的地块在这次的成果图中标示出来，纳入采矿影响区类进行统计，而绝大多数均未在图中予以体现。

图5 大安山乡曲岖涧北山的密集地裂缝

4 结论

本次大安山试点区煤矿开采状况动态监测工作，探索了一套利用遥感和GIS技术进行矿产资源开发状况调查和动态监测工作的技术流程，为大规模的监测工作做了有效的技术储备，并为当地矿产管理部门决策和矿产管理执法检查提供了科学依据。主要研究成果如下：

在考虑到控制监测成本的前提下，选择什么样的遥感数据，要根据监测目的和监测内容而定。例如在大安山地区监测煤矿开采信息。要监测到每个矿井（坑），而这些矿井（坑）中破坏地面环境的最小面积只有20m2，所以必需选择美国IKONOS或QuickBird卫星遥感数据。因QuickBird与IKONOS相比价格相当而分辨率更高，因此QuickBird是最佳首选方案。当然，航空正射影像的分辨能力更强一些，但考虑到获取这种影像的过程非常复杂，其成本又太高，既然IKONOS和QuickBird数据可以解决问题，就没必要选择航空正射影像数据了。当然，如果有现成的航空遥感数据，那还是可以利用的。

（2）以采矿权登记信息为合理开发依据，将利用不同时相不同来源的融合处理后的图像解译的采矿活动痕迹成果与采矿权登记范围进行叠合分析，筛选、界定出相应时段非法盗采区域，能动态的反映矿山企业的变化情况，对矿山企业的开采行为和对环境的破坏状况进行监控，节省野外调查时间，做到事半功倍的效果，尤其是对山区交通不发达地区，可以大量减少劳动强度，大大缩短监测周期。

（3）大安山试点区内，由于无序的采煤活动造成地下采空，在很多区域的地下采空引发了地表面塌陷，几乎在所有采矿区域内都有分布，这一结果在遥感影像上清晰可见。

（4）利用遥感的技术优势，可以为矿产资源规划、矿山动态监测、地质环境管理及矿产资源治理整顿等方面提供科学的决策支持，转变国土资源管理方式，提高管理的科技含量，促进国土资源管理向规范化、现代化和信息化转变。

[1]王晓红，聂洪峰，杨清华等. 高分辨率卫星数据在矿产开发状况及环境监测中的应用效果比较[J]. 国土资源遥感，2004，(1)：15~20.

[2]冯 筠，黄新宇. 遥感技术在资源环境监测中的作用及发展趋势[J]. 遥感技术与应用，1999，14 (4) ：59~70.

[3]尚红英，陈建平，李成尊等. RS在矿山动态监测中的应用——以新疆稀有金属矿集区为例[J]. 遥感技术与应用，2008，23(2)：189~195.

[4]甄 静，何国金. 高分辨率遥感影像融合存在的问题及改进措施[J]. 遥感信息，2005，4：45~48.

[5]王晓红, 聂洪峰, 李成尊等. 不同遥感数据源在矿山开发状况及环境调查中的应用. 国土资源遥感，2006，(2)：69~71.

[6]梁 晖、杨士道. 遥感技术在蓟县北部矿山开采动态监测中的应用[J]. 地质调查与研究，2005，28(3)：180~86.

[7]雷利卿，岳燕珍，孙九林等. 遥感技术在矿区环境污染监测中的应用研究[J]. 环境保护，2002，2：33~36.

[8]顾广明，王 丽，蒋德林等. 3S技术在煤矿区开发现状及环境监测中的应用[J]. 煤田地质与勘探，2006，34(5)：51~55.

[9]况顺达，赵震海. SPOT5在矿山监测中的应用[J]. 地质与勘探，2005，41(3)：79~82.

[10]赵英时. 遥感应用分析原理与方法[M]. 北京:科学出版社，2003.

The Application of Remote Sensing Technology in the Dynamic Monitoring of Mine Exploitation

LI Xiaoqin, WU Xiaoying, SU Xinxu, ZHANG Zhifeng
(Shen Hua (Beijing) Remote Sensing & Geo-Engineering Company LTD, Beijing 100085)

Aiming at monitoring illegal mine exploitation,this paper chooses Daanshan area of Fangshan district as the test-feld to monitor coal mine exploitation. The different remote sensing data sources in different time are used. This paper studies the methods and technical routes by remote sensing technology in dynamic monitoring of mine exploitation. The method is to select and interpret the data from remote sensing image integrated with on-the-spot survey, so as to refect the mining conditions and the mine ecological environment objectively. Some actions of transgressed mine are in work around by comparing and analyzing the interpretation results of remote sensing data in different time, which well achieve dynamic monitoring of the mining. In order to select suitable remote sensing data for the large-scale monitoring of mine exploitation and related environment problems, the authors used different resolution remote sensing data sources to compare the monitoring effects and application characteristics.

remote sensing; mineral resources exploitation; dynamic monitoring; remote sensing interpretation

P237

A

1007-1903(2009)02-0040-07

李晓琴（1977-），女，山西介休人，硕士研究生，工程师，主要从事遥感与GIS的应用研究工作，Email: lxq_cau@ sohu.com，电话：010-82772587。