周学珍，岳彩荣，徐天蜀，高会军，满 松

（1.西南林业大学 资源学院，云南 昆明 650224；2.西安煤航卫星数据应用有限公司，陕西 西安 710054；3.陕西能源职业技术学院，陕西 咸阳 712000）

开采煤炭资源能够造福人类，但同时也会对生态环境造成破坏[1，2]。特别是一些非法煤矿乱采滥挖引起环境污染、资源破坏和矿山地质灾害等一系列问题更为严重[3]。因此如何有效地进行煤炭资源开采秩序监测显得尤为重要。传统的矿山监测是采用“逐级统计上报、群众举报”的方法进行，不仅耗资巨大而且周期长、时效性差、人为因素影响大、准确度低[4]，它已经不能适应现代化管理的需求。随着卫星遥感技术的不断发展，商业化资源卫星数据的空间分辨率和光谱分辨率越来越高。遥感图像具有的宏观性、真实性和全面性，为我们提供了可靠的地形地貌、地质构造和地物的识别分析依据[5]。遥感信息处理技术的不断进步以及GIS技术的不断普及和应用，利用RS与GIS技术，在一定范围内对煤炭资源开采秩序进行监测已成为可能[6]。这一方法为执法部门低成本快速高效地进行矿山监测提供了科学执法依据。

1 研究区概况

陕西省是一个矿产资源较为丰富的地区，其中陕北煤炭资源丰富。本文的监测区——神府煤矿区位于鄂尔多斯高原东南部、毛乌素沙漠与陕北黄土高原的接壤地带，面积约2 800 km2，属于陕北温带干旱—半干旱气候区，地质构造和水文条件较简单，煤层层位稳定，以硐采为主，监测区共设置矿权213处，但矿权之外的非法开采仍屡见不鲜。

2 数据的选择与处理

煤矿区开采秩序监测就是通过获取不同时期、不同数据源的卫星遥感数据，对遥感数据进行一些运用前的预处理，再结合矿权信息、监测区自然地理、地质背景、社会经济等资料，从中提取、分析变化信息以实现其监测目的。因此，遥感影像和基础数据的收集和处理，是煤炭资源开采秩序监测所要解决的基本问题。

2.1 数据选择

遥感数据源种类较多，各种数据的光谱分辨率、空间分辨率和价格差异都非常大，选择时要根据监测精度，力求做到经济实用。本文选用2010年5月24日的IKONOS数据PAN波段与多光谱波段数据，PAN波段空间分辨率为1.0 m，4个多光谱波段（蓝光、绿光、红光和近红外波段）空间分辨率为4.0 m，能够满足监测区需求。收集的基础地理数据包括：工作区自然地理、地质背景、社会经济等资料，1：10 000～1：50 000比例尺地形图、1∶10 000工作区由p5影像生产的DEM数据，采矿权数据库，矿产资源分布、规划、矿山环境等有关图件、文字资料、数据表格等。

2.2 遥感数据处理

数据处理工作采用ERDAS9.2图像处理系统平台，主要有图像正射校正、图像配准、图像融合、增强、图像镶嵌等几个步骤。

IKONOS数据利用ERDAS软件提供的有理函数模型自动获取待校正遥感影像的瞬时状态参数（包括卫星成像瞬间的高度、倾角、经纬度等）来恢复该影像的成像模型，根据成像模型利用IRS-p5 生成的高精度DEM进行正射校正。正射校正后采用立方卷积方法对影像进行重采样，采样间隔为全色波段本身的地面分辨率。

影像配准是影像融合的前提和基础，配准的精度直接影响最终影像图制作的质量。IKONOS数据多光谱和全色波段已经配准，可以直接融合。本监测区经过多种融合方法实验对比，最终采用高通滤波法进行融合。融合前还需要对其进行预处理：一方面，提高全色数据的亮度，增强局部反差突出纹理细节，尽可能降低噪声；另一方面，多光谱数据进行色彩增强，拉大不同地类之间的色彩反差，突出其多光谱彩色信息。

因为各景（条带）数据时相不完全一致、成像条件不同，单纯拼接形成的图幅色调不一，条块明显，这就必须进行色调调整，使得镶嵌图各处的色调基本一致。先分别对各块数据单独进行色调调整，保证景内的色调一致；然后再利用景间的重叠度，扩散联调，达到所有景的色调统一。由于图像数据时相不可能全部一致，在对各景数据进行色调调整无法采用直方图均衡化、直方图匹配等自动处理方法时，主要应用PhotoShop软件，进行手工镶嵌调色处理。当相邻两景影像时相或质量相差不大时，保持影像纹理、色彩自然过渡；时相差距较大、地物特征差异明显时，保持各自的纹理和色彩，但同一地块内光谱特征保持一致。

3 信息的提取

信息提取是以ArcGIS为平台，将矿权信息等非遥感信息叠加在遥感影像上进行辅助判别，采用人机交互解译和信息自动提取相结合的方法进行，对比多期遥感数据，挖掘其相关规律，综合分析和推理最终达到识别目标或现象的一个过程。信息提取主要包括开采点或开采面的位置（井口、硐口、露天采场、活动采区）、开采状态（开采、停产或关闭）、开采方式（露天、地下或联合）。

3.1 开采位置的判定

对于埋藏较浅，规模较大的煤矿矿山，往往采用露天开采的方式。通常煤矿露天采场的解译是综合判定的过程，不仅需要通过色调、大小、形状、位置、布局和纹理等直接解译条件，还需要借助矿山开采基地影像组合特征进一步确定。露天采场位置的判断标准主要是通过影像色彩、纹理特征、矿山辅助设施、矿区道路情况等进行判断。针对分辨率高于1 m的IKONOS遥感数据，其图像纹理清晰，色彩均衡，对露天采场位置的易于判断。例如露天开采矿山通常采用阶梯式向下开采方式，边坡显示阶梯状弧形、环形纹理，分布密集，在阴坡反映较为醒目；在边坡的某些地段，密集的弧形纹理旁侧还伴有弃土排放的痕迹，反映该段边坡经过削坡治理。底层为正在进行作业的活动开采面，该形迹在高分辨率遥感影像上尤为明显，是判定露天开采面的重要标志之一（见图1）。露天采场的开采面色调基本呈现黑色或深灰色，这是判定露天采面位置的另一重要标志（见图2）。

图1 阶梯式向下的露天采场

图2 露天采场呈现黑、深灰色调

针对煤矿矿体埋藏较深，在经济上和技术上不适合于露天开采的矿床，通过开掘井巷进行地下开采，地下开采硐口水平投影面积通常小于10 m2，且与地表呈近水平或小角度相交，因此即便是高分辨率遥感影像，也难以直接解译硐口位置，通常通过地下开采煤矿的特点根据间接要素（如矿山建筑、矿山公路、采矿废渣等）判定硐口位置。例如较大型的煤矿矿山硐口较容易解读，采取就地建选矿厂，就地选矿的模式，选矿厂与硐口之间有小的运矿用铁轨或传送带相连，可根据轨道、运矿车、选矿厂等确定采矿硐口的位置（见图3）。开采规模小的煤矿硐口多分布在沟谷上方道路尽头，遥感影像上的道路表现为连通性差的“盲肠路”、“断头路”（见图4）。

图3 大型煤矿通过传送带判断煤矿硐口

图4 通过“盲肠路”、“断头路”判断煤矿硐口

3.2 开采状态的判定

露天采场的开采状态主要为正在开采矿山和关停矿山2种，正在开采露天煤矿指采矿设备齐全，正在进行采矿作业的矿山；关停的露天煤矿指采场已经废弃，无任何采矿设备的矿山。开采状态的判断主要根据煤矿采场的直接判读影像特征（如色调、色彩、大小、形状、阴影、纹理、图案等）以及间接判读特征（如采矿权信息、煤矿附属设施、矿山道路情况等）进行综合分析判断。例如根据遥感影像纹理特征判断，一般停止开采的露天煤矿在形状上与正在开采类似，但关停矿山色调由灰至灰白不等，停产越久的矿山色调越浅，与周围环境过渡地带色调反差比较低；正在开采状态的露天煤矿在色调方面比停采的矿山暗，与周围环境过渡地带色调反差较大（如图5所示）。

图5 通过影像色彩判断露天开采的状态

地下硐口开采状态根据遥感影像纹理特征判断，处于开采状态的煤矿硐口附近一般为矿山的中转场地，存放或堆积有较多新鲜煤堆，形态呈锥形或梯形，色彩为黑色或深灰色，与周边地表环境色彩差异明显；关闭煤矿硐口周边一般无煤堆堆放，中转场地色彩为灰白色，部分场地内有废渣堆放，废弃时间较长矿山的中转场地与周边环境差异较小（见图6）。

图6 通过影像纹理判断硐采煤矿的开采状态

3.3 开采方式的判定

开采方式分为露天开采、地下开采和联合开采。通过遥感影像的目视解译，在对煤矿区开采位置和开采状态判断的同时，就可以判断出为何种开采方式。

3.4 煤炭开采的秩序判定

根据上述开采信息的判定结果，结合矿权信息进行煤炭开采秩序的判断分析。煤矿开采秩序是指开采煤矿生产的合法性，包括合法开采与违规开采2个方面，判断的主要依据为采矿信息。合法开采的煤矿指有矿权设置，且矿权尚未过期，开采面在矿权设置的范围之内，目前正在生产；违规开采煤矿指无有效矿权设置或开采方式与矿权要求不一致的生产矿井。违规形式为6种类型：无证开采、越界开采、过期开采、擅自改变开采方式、擅自改变开采矿种和一证多井。本监测区初步解译疑似违法图斑有300个。

4 野外验证与结果分析

野外实地验证工作是在室内信息提取完成后开展的，其目的是：①验证室内建立的专题信息解译标志是否准确，是否具有代表性；②核查有疑问的信息、补充遗漏信息、修改误提信息[7]。验证工作采用GPS定位、面积量测、现场拍照、环境描述、图斑定性等调查观测手段。本监测区共验证图斑90余个，图斑验证比例达30%，经验证解译精度达到了99%。

神府煤矿区共发现煤矿300处，其中，硐采292处，合法开采92处，暂停72处，关闭112处，新建9处，无证开采7处；露天开采8处，其中开采3处为井工变露采，关闭5处。

5 结 语

研究结果表明：基于RS和GIS的煤炭资源开采秩序监测研究，在技术上是可行的。利用遥感图像不断提高的光谱分辨率、空间分辨率和时间分辨率，可以快速、准确、及时地识别煤炭资源开采状况，为执法部门行使政府职能、整顿煤矿开采秩序、合理开发煤炭资源，保护地质环境提供准确的基础数据[8]，相对于传统管理模式大大提高了工作效率。

[1]Rouse JW, Hass RH and Sehell JA，et al.1973.Monitoring Vegetation Systems in Great Plains with ERTS[C].Third ERTS Symposium, NASA SP 351,309-317

[2]Duncan J, Stow D and Franklin J, et al.Assessing the Relationship between Spectral Vegetation Indices and Shrub Cover in Jomada Basin, New Mexico[J].International Journal Remote Sensing, 1993,14(18):3 395-3 416

[3]王永刚.基于遥感和GIS技术的北京市矿产资源开发状况监测研究[J].国土资源信息化,2008,6(6):6-11

[4]康高峰,卢中正,李社,等.遥感技术在煤炭资源开发状况监督管理中的应用研究[J].中国煤炭地质,2008(1):13-16

[5]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,2008,4(2):189-194

[6]况顺达,赵震海.SPOT5在矿山监测中的应用[J].地质与勘探,2005,5(3):79-82

[7]丁丽,朱谷昌,王娟,等.IKONOS影像在矿山环境遥感监测中的应用——以白银煤矿区为例[J].测绘与空间地理信息,2010,2(1):37-41

[8]褚进海,彭鹏,李郑,等.遥感技术在矿山遥感调查与监测中的应用[J].安徽地质,2009,9(3):194-199