王钦军，陈 玉，蔺启忠，李 慧

（中国科学院对地观测与数字地球科学中心，北京 100094）

0 引言

遥感在地质灾害遥感监测方面具有宏观性强、定位准、分辨率高、周期短等特点。多源遥感精准监测技术已成为矿山合理开发与可持续发展的重要组成部分：李成尊［1］应用 QuickBird遥感数据对山西晋城煤矿开采引发的地质灾害进行调查，分析了地质灾害现状、成因；徐刚［2］通过 1∶5万专题遥感解译和地质调查，划分了地质灾害危险区；冯雨林［3］建立了灾害体的3D仿真模型，提取泥石流灾害体的特征信息；杜培军［4］提出了煤矿区地质环境与地质灾害遥感监测系统；宁树正［5］应用遥感图像与数字高程模型相结合的方法进行煤矿区沉降及监测；濮国梁［6］采用数据融合技术，提高了滑坡和崩塌的解译精度；顾广明［7］构建了“3S”技术在煤矿区开发现状及环境调查与监测中应用；尚红英［8］研究了利用遥感技术开展矿山动态监测的方法与技术路线；乔彦肖［9］采用AHP多层次分析法，对地质灾害及孕灾环境进行综合评价。

1 研究区及数据情况

研究区位于北京西南，房山区西部，面积约30km2，隶属于北京市房山区史家营乡，区内煤炭资源丰富，石炭纪、侏罗纪两个重要煤层贯穿全区，是北京市优质无烟煤生产基地。

论文使用 Geoeye数据（最高空间分辨率为0.5m，获取时间2009年3月8日）提取地质灾害的分布情况，利用 DEM数据（比例尺为1∶10000，获取时间2007年10月）提取与地质灾害相关的成因因子。

2 矿区地质灾害信息提取方法

2.1 地质灾害类型及影像识别特征

崩塌、滑坡、地裂缝、地面塌陷是研究区矿山地质灾害的主要类型。根据野外调查，建立它们的遥感影像识别特征如表1：

表1 矿山地质灾害遥感影像识别标志Table 1 Mining geological hazard′s identification marks on remote sensing image

2.2 矿山地质灾害信息提取与统计

根据上述识别标志，利用支持向量机分类算法对矿山地质灾害和其它不同地物类型进行分类；应用掩模方法提取地质灾害，形成二值图；在此基础上，利用ArcGIS软件中的“位图到矢量图”转换工具将二值图转换成矢量图（图1），并对它们进行统计，结果如表2所示。

图1 研究区地质灾害分布图Fig.1 Distribution of geological hazands in the study area

表2 研究区地质灾害统计表Table 2 Statistics of geological hazards

统计结果表明，研究区地质灾害类型以崩塌为主。它主要分布东北部和西部，塌陷主要分布在中部，地裂缝、滑坡主要分布在东北部。因此，研究区东北部地质灾害类型多样，所占面积比重大，是灾害多发区。

2.3 野外验证

2009年11月27日～29日对灾害提取结果进行了野外考察。结果表明，提取地质灾害的精度为98％，证实了方法的有效性。

3 矿区地质灾害影响因子建模

3.1 建模过程

结合专家知识，确定矿山资源开发等要素，矿山地质灾害的评价指标有：坡度、坡向、粗糙度、岩性、构造、人工活动和道路。本文设计了一种基于单因子灾害曲线拟合与多因子逻辑回归的统计模型对各类地质灾害进行敏感性计算。步骤如下：

（1）划分单元格。将研究区划分为5m×5m单元格，共计1267875个单元格。

（2）对连续变量类型的评价指标（坡度、坡向等）划分为32个区段，并统计各分割段内的单元格数量、发生灾害的单元格数量，利用二者的比值计算各个区段发生灾害的比例；对非连续类型变量（如岩性）则直接通过统计各变量发生灾害的比例作为该因子的易发值。

（3）以各分割结果中心值为自变量，发生灾害的比例为因变量进行曲线拟合。通过考察拟合误差，确定评价指标。

（4）根据拟合结果得到各因子对灾害的敏感性计算公式，计算不同灾害类型对各因子的敏感性。

（5）选择一定数量的已发生灾害单元格与未发生灾害单元格。通过灾害发生与否与这些单元格取值进行逻辑回归。

3.2 模型分析计算结果

利用逻辑回归方法得到的崩塌回归模型如公式（1）所示。式中，slope表示坡度，aspect表示坡向，fault表示构造，rough表示粗糙度，lit表示岩性，human表示人工活动。以下各式，符号代表的含义与本式相同。

由各因子系数可知，人工活动对崩塌贡献最大，其次为构造、坡度、岩性，粗糙度和坡向。利用上述模型对危险区进行预测，结果如图2（a）所示。从图中可以看出，危险区呈条带状分布，明显受构造作用的控制，中部和东北部地区比较危险。

滑坡的回归模型如公式（2）所示。由各因子系数可知，人工活动对滑坡贡献度最大，其次为坡度、粗糙度，岩性、构造和坡向。利用上述模型对危险区进行预测，结果如图2（b）所示。从图中可以看出，危险区呈条带状分布，中部和东北部地区危险性大。

地裂缝的回归模型如公式（3）所示。由各因子系数可知，人工活动对地裂缝贡献度最大，其次为坡度、岩性、构造、坡向；贡献较少的是粗糙度。利用上述模型对危险区进行预测的结果如图2（c）所示。从图中可以看出，中部地区较为危险。

利用逻辑回归方法得到的地面塌陷回归模型如公式（4）所示。由各因子系数可知，人工活动对地面塌陷的贡献度最大，其次为岩性、构造。利用上述模型对危险区进行预测，结果如图2（d）所示，从图中可以看出，中部偏北地区较为危险。

图2 矿区地质灾害危险区预测结果Fig.2 Results of dangerous geological hazards forecasting in the mining area

3.3 成因分析

从建模结果来看，人工活动是导致矿山地质灾害发生的最主要因素，构造和岩性是导致矿山地质灾害的重要因素，分析原因：

（1）人工活动因素

首先，地下矿层采出后，采空区周围岩体失去原始的应力平衡状态，应力重新分布使得应力过度集中，当煤层顶板集中应力超过其极限强度时，顶板岩层产生变形、断裂和垮落、最终导致整个上覆岩层的移动和变形，在地表形成地质灾害［11］。

其次，严重的坡脚开挖破坏了山体稳定性：大量的堆煤区及房屋建设使坡前陷入临空状态，破坏了原有的稳定性，为发生地质灾害创造了先决条件。

（2）构造因素

构造区一般为应力拉张或挤压区，在此过程中刚性岩石将发生断裂，形成劈理面或剪性解理面，而柔性岩石将发生变形。从深层次上改变了岩石的性质，对地质灾害的形成产生深远影响。此外，构造区在地貌上多为沟谷，降雨季节容易发生山洪、泥石流，为发生地质灾害创造了外营力条件。

（3）岩性因素

易发生地质灾害的地层主要是石炭系下杨家屯组，主要为变质砂砾岩、粉砂岩夹煤层；具有变质程度高、脆性强的特点，为形成地质灾害提供了物质基础。

4 结论

（1）建立了矿区地质灾害识别标志

结合野外调查，分别从位置、色调、形态等角度出发，建立了滑坡、崩塌、地面塌陷、地裂缝四种矿山地质灾害的遥感影像识别标志。它们是地质灾害遥感信息提取与参数计算的基础。

（2）建立了地质灾害信息提取流程

基于矿区地质灾害信息提取的复杂性，建立了从掩模到彩色空间变换、信息提取位图结果，最后将位图转换成矢量图，整个过程可操作性强。

（3）建立了地质灾害建模与评价方法

人工活动是导致发生矿区地质灾害的最主要因素，构造、岩性和坡度是影响矿区地质灾害的重要因素。因此，加强矿区监测，为制定相应的管理预案提供科学依据；重视管理、遏制非法采矿是预防矿难、重建矿区生态环境的根本保证。

［1］李成尊，聂洪峰，汪劲，等.矿山地质灾害特征遥感研究［J］. 国土资源遥感，2005，1：45-49.LIChengzun，NIE Hongfeng，WANG Jin，et al.A remote sensing study of characteristics of geological disasters in a mine［J］.Remote sensing for land ＆ resources，2005，1：45-49.

［2］徐刚，郑达兴，李述靖，等.黄土高原西南部陇县—千阳一带崩塌、滑坡地质灾害的遥感影像特征及分布规律［J］.地质通报，2008，27（11）：1837-1845.XU Gang，ZHENG Daxing，LI Shujin，et al.Remote sensing images and distribution characteristics of avalanche and landslide geohazards in the western part of the Weibei Plateau， Shaanxi Province， China［J］.Geological Bulletin of China，2008，27（11）：1837-1845.

［3］冯雨林，陈江，姜琦刚，等.3D遥感影像模型在古乡沟泥石流地质灾害预警中的应用［J］.地质灾害与环境保护，2009，20（3）：114-119.FENG Yulin，CHEN Jiang，JING Qigang，et al.The application of 3D remote sensing image model of debris flow disaster warning in Gu-xiang gully ，tibet［J］.Journal of geological hazards and environment preservation.2009，20（3）：114-119.

［4］杜培军，陈云浩，曹金亮，等.煤矿区地质环境与地质灾害遥感集成监测系统的关键技术［J］.地理信息世界，2008，10（5）：14-20.DU Peijun，CHEN Yunhao，CAO Jinliang，et al.Key Techniques for the integrated monitoring of geological environment and geohazards in mining areas based on remote sensing［J］.Geomatics world，2008，10（5）：14-20.

［5］宁树正，万余庆，孙顺新.煤矿区沉降与遥感监测方法探讨［J］. 中国煤炭地质，2008，20（1）：10-12.NING Shuzheng， WANG Yuqing， SUN Shunxin.A discussion of coal mining area subsidence and remote sensing monitoring［J］.Coal geology of china，2008，20（1）：10-12.

［6］濮国梁，杨武年，刘汉超.正射遥感影像地图制作技术在岷江上游滑坡研究中的应用［J］.成都理工学院学报，2000，27（3）：312-317.PU Guoliang，YANG Wunian，LIU Hanchao.Applications of orthophotomap of landsat TM to the study of cracks and landslides on upper reaches of the Minjiang river［J］.Journal of chengdu university of technology，2000，27（3）：312-317.

［7］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.GU Guangming， WANG Li， JIANG Delin， et al.Application of 3S technology to monitoring development and environment conditions in coal mine area［J］.Coal geology ＆ exploration，2006，34（5）：51-55.

［8］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.SHANG Hongying，CHEN Jianping，LIChengzun，et al.Application of remote sensing in the dynamic inspection of the mining——an example in the rare metal ore concent ration area of Xinjiang［J］.Remote sensing technology and app lication，2008，23（2）：189-195.

［9］乔彦肖，李密文，张维宸.基于遥感技术支持的地质灾害及孕灾环境综合评价［J］.中国地质灾害与防治学报，2002，13（4）：83-87.QIAO Yanxiao，LI Miwen，ZHANG Weichen.Comprehensive evaluation on geological hazards and the environment of developing geological hazards in the northwest Hebei on the basis of RS［J］.The Chinese journal of geological hazard and control，2002，13（4）：83-87.

［10］丁辉，张茂省，李林.滑坡灾害遥感解译不确定性研究［J］. 自然灾害学报，2009，18（6）：93-96.DING Hui，ZHANG Maosheng， LI Lin.Research on uncertainty of remote sensing image landslides interpretation［J］.Journal of natural disasters，2009，18（6）：93-96.

［11］谢立民，王长青，王文武，等.地面塌陷及地裂缝的成因及防治［J］.化工矿产地质，2007，29（2）：101-106.XIE Limin，WANG Changqing，WANG Wenwu，et al.The genesis and control of ground subside and ground fissure geological hazard caused by mining in nanpiao and lianshan area［J］.Geology of chemical minerals，2007，29（2）：101-106.