2. 国土环境与灾害监测国家测绘地理信息局重点实验室, 江苏 徐州 221116
2. China University of Mining and Technology, NASG Key Laboratory of Land Environment and Disaster Monitoring, Xuzhou 221116, China
矿区资源开发,致使其面临严重的地表沉降、土地破坏、植被退化、水质污染、大气污染等生态环境问题。尽管各类环境生态扰动表现方式和演变机制各不相同,但在生态环境灾害孕育、形成和衰退阶段都会在地表和近地表层呈现出特定的几何、物理或化学性异常。监测和分析矿区生态环境各种典型信号和异常,方便、快速、低成本地获取精确、可靠、及时的矿区生态扰动数据资料,客观、准确地反映矿区生态扰动状况是环境保护、生态恢复等工作的重要基础及关键,也是国内外研究的热点、重点和难点。
矿区生态扰动监测是指运用各种技术探测,判断和评价矿区资源开发对生态环境产生的影响、危害及其规律,分为宏观微观监测、空天地监测、干扰性生态监测、污染性生态监测和治理性生态监测等类型,具有综合性、空间性、动态性、后效性、不确定性等特征。从20世纪90代开始,美国及欧洲的一些发达国家利用先进的光学、红外、微波、高光谱等对地观测技术和数据,针对矿区各类生态环境及灾害要素,如开采沉陷、水污染、植被变化、土壤湿度、大气粉尘等进行了长期有效的动态监测,为矿区环境保护监测目标的定量分析提供了依据。受技术和数据限制,国内相关研究起步较晚,但发展很快,如有关高校“九五”期间就将“矿区生态环境监测与治理”列入“211”重点学科建设项目,深入研究了地面测试和空间对地观测集成研究的作业模式、精度匹配,以及地理、环境和资源环境遥感与非遥感数据复合处理的关键理论和技术方法。随着各种卫星的发射升空,以及各类天基、地基、巷基传感器等装备及信息系统的成功研制和使用,我国学者综合运用对地观测、无人机遥感监测、三维激光扫描、地面生态监测等手段及物联网等技术,在矿区生态环境领域开展了多方面的基础和探索研究,并取得了较大成果。然而,矿区生态扰动监测研究往往局限在小尺度和单一矿区,尚难以对各类环境和灾害要素的时间和空间演化特征进行精准评价,矿区生态扰动单一监测手段难以奏效,亟须发展多源多尺度空天地协同监测与智能感知体系。
1 研究进展矿区生态扰动监测对象、方法涉及内容众多,研究区域及目标不同,其监测对象、指标、监测方法也有所差异。这里主要考虑应用需求及研究的关注度与深度、广度,侧重地球空间信息技术应用角度,从地表形变与沉降、地下煤火与煤矸石山自燃及其他生态扰动要素监测方面对主要研究进展进行叙述。
1.1 地表形变及沉降监测[1-19]矿产开采引起上覆岩层以及地表产生移动与变形,这是开采沉陷及其衍生灾害产生的根源。快速获取岩层、地表的移动与变形是进行沉陷灾害评估预测、土地复垦与生态修复的前提。国内外学者在地表沉降变形监测方面作了大量研究,传统的地表沉陷观测手段主要是通过布设地表移动观测线或观测网来获取地表移动和变形数据,通过对这些观测数据的处理,反演出相应的物理力学与几何参数,进而预测未来地表形变强度及其影响范围,采用的方法包括三角测量、精密导线测量、精密水准测量、近景摄影测量、GPS等。但常规的监测方法虽然精度较高,却存在工作量大、成本高、变形监测点密度低且难以长期保存等缺点,不便于获取地表形变的三维空间形变信息、历史信息以及大范围的作业;GNSS连续运行参考站系统(CORS)具有定位精度高、观测时间短、可以提供三维坐标等优点,但存在只能进行点、线测量,只适用于小范围的静态变形监测等问题。
合成孔径雷达测量(synthetic aperture radar,SAR)技术为解决上述问题提供了新的技术途径,成为近年来的研究热点,德国、澳大利亚、法国、英国、韩国等国外及香港学者在实践、理论、算法与应用等方面取得了众多成果。我国于21世纪初将InSAR技术用于矿区开采沉陷监测,随着ENISAT、ALOS、RadarSAT-2、TerraSAR等卫星的升空,可用于干涉处理的SAR影像数据越来越多,并且影像的分辨率、波长、入射角等也不尽相同,推动了国内的相关研究。实践表明,与传统的开采沉陷监测方法相比,InSAR技术监测地面沉降具有大面积、大时间跨度、成本低的优势,探测地表形变的精度可达厘米至毫米级。但由于开采地表沉降量大、速度快,且不少矿区地表植被覆盖好,使得InSAR技术极易造成失相干,出现了诸多问题需要解决。为此,人们逐渐从以往的高相干区域转移到了长时序上个别的高相干区域甚至是某些具有永久散射特性的点集上,通过分析它们的相位变化来提取形变信息,以此对InSAR技术进行了拓展,如永久散射体差分干涉测量(PS-InSAR)、人工角反射器差分干涉测量(CR-InSAR)、短基线差分干涉测量(SBAS)等,以提高形变监测的精度,这些技术在徐州、西山、神东、唐山、皖北等矿区得到应用,取得了重要成果,但仍然发现存在诸多问题,如矿区地表沉降是以非线性形变为主要成分,上述技术的解算模型则是建立在线性模型的基础上;矿区开采导致地表变形大,现有的解缠方法并不能得到大变形梯度条件下的地表变形等。
此外,国内外学者还采用PPP、CORS、三维激光扫描及无人机等现代测量技术,集合传统高程及平面监测数据,构建了复杂矿山高精度测绘框架,开发了相应的软件系统,在此基础上,进行变形监测及开采沉陷参数反演等研究。
近几年,针对空天地沉降监测中多源数据时空分辨率多样、技术方法各异、数据质量和可靠性存在差异等问题,结合各类数据、方法、技术优势,国内深入开展了多源数据融合和信息提取关键技术的研究与开发,主要工作及取得创新成果有:
(1) 基于知识的矿区形变SAR信息提取技术
研究了基于DInSAR和概率积分预计模型的联合解算地表沉降方法、融合累积DInSAR和子像元偏移方法提取矿区地表变形方法等结合开采沉陷知识的矿区大变形SAR信息提取技术。以峰峰矿区万年、徐州庞庄、榆林大柳塔等煤矿为试验区域,获取了矿区概率积分法参数,得到了大形变梯度条件下地表沉降,证明了方法的有效性,为矿区地表沉降提供了新的研究思路。
引入了超短基线干涉测量技术进行老采空区沉降监测。该方法相比传统的干涉差分SAR技术具有无需外部DEM的优势,避免了外部DEM的引入所带来的误差。利用该方法获取了老采空区沉降速率和形变时间序列,在此基础上建立了地表残余下沉速度循环周期与采厚、下沉速度循环峰值与深厚比的经验关系式,为预测和评价老采空区残余形变提供了基础。
对于矿区塌陷裂缝, 提出采用滤波后的差分干涉图对应的伪相干图进行精确定位, 采用纹理分析法实现地裂缝的自动提取, 采用不同期的伪相干图揭示地裂缝的时空活动特征。采用伪相干图一次性探测了神木煤矿十余个矿井的塌陷位置信息, 与已有的煤矿分布图具有很强的一致性。
针对InSAR技术大尺度形变监测, 采用SBAS方法(短基线集)对满足一定时空基线的干涉对进行处理, 有效地减弱时空基线引起的失相干问题, 在提高D-InSAR结果精度的同时提高形变的时空分辨率;针对大地形变场研究的热门方法-位错模型, 研究基于垂直方向的简化后位移位错模型, 并结合InSAR结果利用大地测量反演方法反演煤矿塌陷机理。
构建了InSAR技术监测与预计一体化模型。该模型利用InSAR技术的全天候、高精度、大区域等优势进行开采沉陷监测,获取开采沉陷的影响范围与发展趋势,得到其时空演化规律。在此基础上将监测结果作为SVR算法的训练与学习样本建立已观测数据与未来沉降之间的函数,进行开采沉陷动态预计,最终实现开采沉陷监测与预计的一体化。
(2) 多尺度多平台时序SAR影像地表沉降信息获取方法
提出了一种综合利用SAR影像幅度和相位信息获取矿区地表时间序列沉降的新方法。该方法一方面利用基于幅度信息的ABFT技术进行大梯度形变区域的监测,同时采用基于相位信息的IPTA干涉测量技术进行微小变形区域的监测,再将二者得到的形变监测结果进行融合得到形变区域的完整监测结果。相比单独利用相位测量技术,融合后的结果能获取大变形区域的形变信息;同样相对单独利用强度跟踪技术,融合后的结果获取得到了更多更精确微小形变的信息。
研究了利用Envisat、ALOS、Radasat-2、TerraSAR-X及Sentinel-1A等不同卫星影像提取地表变形方法。将Envisat、ALOS卫星获取的不同尺度的SAR影像提取的地表时序沉降信息进行融合,联合获取地表变形信息。上述方法在峰峰等矿区进行了应用及验证。
提出了融合多源SAR影像提取矿区三维形变场并反演概率积分法参数的方法,为矿区地表移动监测及开采沉陷预计提供了新的技术途径,弥补了离散地表监测点不能全面描述真实地表形变信息的缺陷。
研究了基于多轨道SAR影像的地表三维形变提取方法。该方法采用不同轨道获取的至少3景影像(如Radarsat-2、TerraSAR-X、Sentinel-1A),根据卫星航向角、入射角等信息,基于最小二乘原理将干涉SAR技术得到的视线向变形分解到三维方向,从而建立矿区地表三维形变场。研究了基于偏移量跟踪算法的矿区地表方位向及距离向二维地表形变方法,在一些矿区进行了应用及验证。
(3) SAR与GNSS、LiDAR及无人机数据的融合方法
研究了基于GNSS的干涉图中大气延迟相位的估计方法及轨道误差修正方法、多轨道SAR影像同GNSS结果融合的地表三维变形解算方法、地面控制点与TCPInSAR技术的融合方法等,并进行了应用及验证。
提出了一种基于地面LiDAR点云数据和InSAR数据融合的矿区地表大梯度形变监测方法。该方法一方面利用IDW算法对SAR形变场中的大梯度形变和失相关区域进行填补,另一方面对地面LiDAR点云形变场和InSAR形变场的公共覆盖区域进行均化融合, 一定程度上解决了InSAR技术应用于矿区大梯度形变中所遇到的问题。
研究分析了Envisat、ALOS、TerraSAR-X、Radarsat-2、Sentinel-1A等多源多尺度SAR数据的融合解算方法,提取了更为全面的地表时序地表沉降量。在此基础上,研究了SAR技术同地面三维激光扫描、GPS、水准数据、无人机等融合方法。针对时序InSAR处理方法,提出了基于无偏相干估计的时序观测量选取算法、联合解算轨道误差和形变的TCPInSAR模型,在峰峰等矿区进行了应用及验证。
(4) 利用多平台SAR数据和3种基于水平形变假设的地表形变联合监测方法
利用多平台SAR数据、基于无水平形变假设的地表形变联合监测方法主要利用MTInSAR技术监测结果和“同名点对”搜索与融合方法来进行基于多平台SAR数据的地表竖直形变联合监测,联合监测结果与单一平台SAR数据监测结果相比具有监测频率高(时间分辨率高)、监测点密度大(空间分辨率高)和噪声点少的优势,更有利于非线性(时间维度)或非均匀(空间维度)地表形变的监测和反演。
利用多平台SAR数据、基于水平形变速率不变假设的地表形变联合监测方法首先利用MTInSAR技术得到各平台SAR数据形变监测结果,而后基于“同名点对”搜索和加权最小二乘方法来反演研究区水平形变速率(各监测点水平形变速率相同)和竖直形变速率。该联合监测方法较单一平台SAR数据监测方法,具有能够反演地表三维或“伪三维”形变速率的优势。
改进了利用多平台SAR数据、基于小基线技术和正则化方法的地表形变联合监测方法。将观测值权重引入该方法,并根据研究区地表形变的特点将正则化矩阵由原方法的单位对角矩阵扩展为一般矩阵,改进的方法能够更好地考虑各差分干涉测量值的观测质量和研究区的地表形变特点。该联合监测方法可以得到地表形变二维或三维(由具体的数据情况决定)的时序监测结果,具有能够增加监测频率,反演多维地表形变的优势。
(5) 矿区地表沉降、建筑物沉降以及结构物形变监测的自动化监测系统
采用液体静力水准开展了矿区公路、建筑物沉降自动监测;开发了基于光学影像的试验模型沉降高精度、自动化获取方法;开发了基于测量机器人的结构物形变监测控制系统,实现了矿区大型构筑物形变信息的快速获取。
1.2 地下煤火及煤矸石山自燃监测[20-31]地下煤火主要是指煤矿由于人为因素或自燃形成的煤田火和矿井火,在中国、美国、澳大利亚、印度、印度尼西亚等国家普遍发生。自燃煤火已经成为全球性的灾难。煤火在造成巨大能源浪费的同时,伴随产生的SOX、CO、NOX等有害气体以及大量烟尘严重污染空气,威胁着居民的身体健康,煤火燃烧产生的温室气体CO2和CH4加剧了全球气候变暖。地下煤炭燃烧也导致了地表沉降,严重时会产生大量地表裂缝,形成严重的地质灾害。煤火探测主要从勘查区的热异常、地表沉陷和区域空气异常3个方面进行。同时,煤火探测的主要目的是确定煤火的空间位置及状态。早期主要采用测温、钻探等直接方法进行煤火探测。随着科学技术的发展已逐步发展为测温、钻探、物探、遥感及红外探测相结合的综合探测方法。遥感监测煤火的研究开始于1963年,HRB-Singer公司在美国宾夕法尼亚州的斯克兰顿用热感相机RECONOFAX红外侦查系统,进行探测和定位煤矸石的可行性试验,这是科技人员首次利用热红外遥感技术研究和探测煤火,此后国内外学者对煤火问题展开了一系列研究,形成了大量基于遥感探测煤火的成果,包括煤火温度的定量反演、煤火异常区提取、煤火区特征地物信息提取、煤火动态监测等。目前更加注重对地下煤火信息提取的研究,如利用航空、航天热红外遥感数据提取地下煤火信息,利用雷达影像探测地表沉陷,利用可见光影像提取煤火产生的地表裂隙等,煤火遥感监测方法正不断地向精确化、自动化方向发展。我国学者针对地下煤火的类型和特点,将火区地质模型(燃烧分带、燃烧系统、燃烧阶段等模型)认识与高精度遥感的优势相结合,通过燃烧裂隙、燃烧系统和采煤工作面等重点信息的提取,大幅度提高了煤火信息的获取水平和探测精度。对生产矿山地表浅层燃烧的暗火火区,已结合矿区实际,初步建立了集成无人机、遥感、热红外成像仪、GPS、InSAR、三维激光扫描仪等软硬件的立体监测技术体系,指导了煤火灾害治理工作,提高了煤火调查、预警及治理的效率。
利用遥感手段探测煤矿火区的方法与所用的传感器密切关联,低分辨率热红外卫星因其空间分辨率过低而不能满足小区域煤火的监测需求; 通过中分辨卫星的Landsat热红外传感器和ASTER反演地表温度的算法较为成熟,以辐射传导方程法、单窗算法和单通道算法精度最高,应用也最多。在地表温度反演的基础上,许多火区圈定的方法被提出,在火区自动提出方法中,尤其以移动窗口算法和自适应梯度阈值法最为著名。中分辨的卫星虽能识别火区及其动态变化,但是受太阳热辐射、植被、地形、气象等条件的影响,反演的地表温度精度不高,导致火区的识别精度不能得到根本性的提升。机载热红外数据可以满足火区识别的精度要求,但是仪器昂贵,数据采集成本居高不下,未能得到广泛应用。近年来,测量型无人机的出现为煤火监测提供了新的技术手段,无人机的优势在于采集数据的成本低、测量数据的精度高,无人机热红外技术获取的地表温度精度更高,更有利于圈定火区,已经开始逐步应用到煤火监测领域。
煤矸石是煤炭开采和洗选过程中的必然产物,尽管我国东部矿区煤矸石利用率较高, 但中西部煤矸石综合利用率低, 尤其是煤炭开采的战略西移使大量矸石仍然在地面堆积成山。据不完全统计,我国中西部矿区的煤矸石山达1200余座,且大都容易自燃。近年来,我国学者突破了煤矸石山自燃监测预警关键技术,取得了系列成果。
我国在地下煤火及煤矸石山自燃监测近期取得的主要成果包括:
(1) 地下煤火地空一体化探测
依据地下煤火发展过程中各阶段的物理场效应、地下煤火信息的传输过程,和地下煤火的动态监测模型理论,采用地空一体化技术,即航空的高空间分辨率的航空自然彩色遥感技术、高光谱分辨率热红外遥感技术,和地面的热红外探测技术、氡气探测技术、地质雷达探测技术,提取并获得了某煤田客观、准确的煤火信息,结合对研究区常规地质资料和往年火区探测资料的综合分析,完成了对研究区的火区宏观动态监测;以光学和影像学为基础,从航空遥感的热场、光场、微波场等方面,获取研究区煤火燃烧信息,圈定了研究区的煤火温度异常区,从地面的热场、化学场和磁场等方面,进行了野外地面综合探测验证,从不同的观测角度对研究区煤火情况进行了系统的对比分析研究,最终圈定火区范围,钻探证明该方法所圈定的火区范围准确性可达95%以上;通过飞机上搭载自然彩色数码相机和使用TASI-600热红外成像光谱仪,在某煤田进行了航空大面积煤田煤火探测工作,经过数据获取、校正、影像镶嵌、影像配准、地面同步测温、地表温度反演和影像解译一系列过程后,获取了煤田火区地表热异常信息,由于该煤田火灾基本发生在0~50 m的浅埋深中,通过野外地面综合探测验证,仅通过航空可见光遥感和热红外遥感所圈定的火区范围准确性可达89%以上;采用地面红外探测技术对从航空高光谱遥感提取的重要的热异常信息进行野外探测,验证和补充了地表煤火异常情况,采用地面氡气探测技术大致圈定出了研究区的燃烧中心和范围,采用地面地质雷达探测技术对重要的煤火热异常点进行探测,探测的煤火燃烧造成的塌陷情况与遥感提取的煤火信息基本一致,进一步修正了遥感探测的煤火信息,对火区煤火燃烧的空间信息和发展趋势有了更好的掌握。
(2) 煤火靶区及地裂缝UAV精准监测
我国不少矿区古窑开采、小煤窑私挖滥采形成了众多在地表浅层燃烧的暗火火区,这些火区资料缺乏,情况不清;且工作面、采空区与地表裂隙相互连通,形成了复杂的立体交叉漏风网。因此,在数百平方公里的井田范围内如何快速、准确确定燃烧点的位置及范围、地表裂隙位置,在此基础上开发有效的治理技术已成为矿井火区治理亟待解决的重大技术难题。我国学者针对地表浅层燃烧的暗火特点,获取研究区天基热红外波段,通过影像融合,得到较高时空分辨率的热红外影像,选取合适的算法反演不同时期研究区的地表温度,圈定地下煤火研究靶区;在无人机、GPS、三维激光扫描等技术、设备的支持下,结合煤火区地裂缝的纹理、线特征和灰度值等信息,建立知识模型;利用GIS空间分析、地统计学、趋势分析和聚类分析、空间热力学、传热学等方法理论,研究解决地基红外热成像煤火探测中地表温度场信息挖掘、三维温度场构建、地下燃烧点的位置确定问题。
(3) 煤矿区矸石山边界信息提取及温度异常信息监测诊断技术
提出了融合多尺度分割和CART算法的矸石山边界信息提取技术。针对传统的像素分类法提取矸石山边界信息普遍存在“椒盐现象”极大干扰面积统计的问题,融合多尺度分割能统一精细尺度的精确性与粗糙尺度的易分割性,和CART算法处理高维、非线性数据的高准确性,提出了多尺度分割和CART算法融合的煤矸石山边界信息提取技术,与单纯像分类法相比,抑制了“椒盐现象”,有效减少了提取结果的噪声。
发明了表面自燃温度监测定位技术。针对酸性煤矸石山自燃着火的问题,发明了红外遥感与全站仪、近景摄影测量、三维激光扫描、GPS等相耦合的表面自燃位置监测定位技术, 解决了多源监测设备站位优化、控制点布设、特征点识别、坐标基准耦合等问题;提出了热红外温度信息的距离、气候等补偿模型,基于立方卷积等空间插值方法解决了温度信息与空间信息的数据融合,构建了表面自燃温度场的四维模型。
构建了内部自燃位置点解算模型。针对内部自燃位置点无法确定的难题,利用空间热力学、传热学等理论,依据煤矸石山多孔非连续介质导致热量非均匀传播的特性,经大量野外测量数据分析,在对连续介质热传导模型进行修正的基础上,利用内部自燃点所垂直对应表面温度与邻近温度比值的推演,建立了基于表面温度的内部自燃位置点解算模型,采用拟合逼近真值的方法进行数值求解。
1.3 矿区其他生态扰动要素监测[32-45]传统的矿区生态扰动监测一般首先进行实地调查、样品采集,之后利用化学、物理或者生物指标诊断等手段对所采集样品进行定性或定量分析,不仅工作量巨大,而且需要耗费大量的人力、物力和时间,同时部分地区因特殊的地理环境,系统的采样布点难以实现。卫星遥感技术以其监测范围广阔、时效性强、数据丰富等特点,为矿区生态扰动监测提供了一种快速、动态、全面技术手段。
从不同遥感平台可获得不同光谱分辨率、不同空间分辨率、以及不同时间分辨率的遥感影像,形成多级分辨率影像序列的金字塔,为矿山环境信息提取与防灾减灾提供了丰富的数据源,多年来一直是国内外研究热点。随着遥感数据分辨率的提高与波段信息的增加,以遥感数据为主要手段的矿区生态扰动监测向着定性与定量两个方向逐渐发展,其研究对象主要包括了矿山地表水、大气、土壤和矿区植被4个方面。20世纪90年代以来,国外将高光谱遥感应用于矿区环境监测的研究逐渐增多。美国、加拿大、欧盟和澳大利亚等发达国家纷纷将高光谱遥感技术和方法应用于本国(地区)矿区环境监测,其中,以美国和欧盟的试验和研究最为系统和深入。美国地质调查局(USGS)利用高光谱遥感技术,系统研究了若干典型煤矿区的污染水的主要成分,检测受污染水域的空间分布范围,欧盟的MINEO项目则联合英国、德国、葡萄牙、奥地利、芬兰5个国家,在6个矿区建立试点,应用HyMap机载高光谱数据和星载Hyperion数据,精确描绘采矿污染源及其扩散分布情况,研究矿区环境下的植被胁迫效应,并给出相应的环境评价结果。由于机载高光谱遥感兼具高空间分辨率的特征,近年得到迅速发展。一些学者采用基于机载Probe-1传感器获取的高光谱数据,结合空间、光谱特征,实现了矿山尾矿区的异常信息提取;基于新型机载HyperSpecTIR、SEBASS成像光谱仪获取的空间分辨率的高光谱影像,绘制了美国内华达州Virginia城市矿区的风化矿物专题图。
国内高光谱数据在矿区环境监测中的应用起步较晚。如利用高光谱遥感技术,系统研究了矸石山污染物的吸收光谱特征和受污染植被的光谱变异规律;利用OMIS1数据系统全面地研究了矿区环境污染探测等相关问题,其中包括植被、土壤、水体和粉尘等内容,以上工作,为国内深入开展矿区高光谱(星载和机载)遥感研究奠定了基础。
国内近几年取得的主要创新成果有:
(1) 多源遥感矿区环境及灾害动态监测技术与评价预警系统
针对多源遥感矿区环境及灾害动态监测技术中的多元信息数据集,研究了多元信息数据处理的理论与方法。构建了多元数据的模式集和子模式的理论与方法,建立了多元信息数据集的模式描述和模式划分方法,建立了度量和分析矩阵模式间的差异,提高了多元空间数据模式分析的正确性,并应用于多源遥感矿区环境及地质灾害动态监测中。
利用高分辨率遥感影像和大比例尺基础地理数据,总结了地质环境灾害遥感影像识别标志,研究了地质环境灾害信息增强技术,建立了遥感与GIS相结合的地质环境灾害参数提取方法,提出了原始影像与边界突出结果相结合的地质环境灾害边界信息突出方法,建立了基于单因子曲线拟合与多因子逻辑回归(SFCEMFLR)相结合的矿山地质环境灾害评价模型。
通过对矿区植被、水体等典型地物的光谱参数、大气参数、植被生化组分参数、水质参数的野外监测与多源遥感数据的处理,构建了矿区生态环境参数多源遥感数据反演模型,通过去临近像元效应研究,解决了矿区水体面积小,水质参数反演受临近像元效应影响的问题,通过植被生化组分抗土壤背景分析研究,解决了植被生化组分反演中矿区植被稀疏,土壤背景影响显著的问题,根据植被胁迫程度,确定了矿区生态环境临界值模型及评价预警模型。
针对示范矿区地质灾害与生态环境变化野外巡查及数据采集的需要,通过综合应用GPS、CORS、PAD、GPRS、RTK、GIS等技术,突破精密定位、多媒体信息实时采集与传输等技术瓶颈,实现了矿区野外巡查系统的设计与开发。
针对矿区环境监测的需求,通过集成气体传感器、Zigbee、GPRS、GPS和GIS等多种最新技术,进行了矿区大气环境监测传感器的硬件研发,开发完成了矿山环境多屏幕动态监测网络平台,实现了污染气体的动态采集、分析与可视化表达等功能。
突破多源、异构的遥感数据、地物波谱数据与空间矢量数据集成管理和多重检索技术,创建了矿区地质灾害与生态环境变化综合数据库及分析评价临界值监测模型库,以此为核心进行了矿区地质灾害与生态环境变化分析预警系统的设计与开发,并基于B/S体系结构,实现了预警结果的存储、管理和远程发布。
(2) 基于NPP矿区生态扰动监测系统
提出了采用植被净初级生产力(NPP)作为矿区生态扰动的监测指标。在分析矿区生态扰动的特征及其生态响应机理的基础上,结合矿区生态扰动监测的内容和目标,采用植被净初级生产力(NPP)对矿区生态扰动进行监测,通过理论和实证分析,得出植被净初级生产力(NPP)作为监测指标是可行的。
基于遥感学和植被生态生理学原理,建立了中等尺度的NPP遥感估算模型。模型体现了3个方面的特色:建立了FPAR与植被盖度的遥感反演模型;提出NDVI指数的确定方法;提出从采用中等分辨率的遥感影像、不同植被采用不同最大光能利用率、提高土地植被分类精度3方面提高基础数据的精度。对模型结果采用收获值和其他模型模拟结果进行对比,表明模型结果具有一定的可靠性。
在矿区生态系统演替规律和生态系统扰动特征分析的基础上,从矿区生态系统扰动的机理、影响因素、扰动程度、生态响应特征4个方面,分析了矿区生态系统中的非生物因子、生物因子和景观因子的生态响应机理,结果表明采矿扰动能导致矿区生态系统因子发生不同程度的变化。
运用改进的CASA模型,对徐州九里矿区生态扰动的NPP变化量进行了定量评价,从NPP变化的时空分布、矿区不同阶段NPP变化程度、NPP变化的影响因素角度分析得出,采矿活动是导致矿区NPP变化的主要因素,NPP变化程度对采矿活动具有敏感性。
(3) 矿区地表环境损伤立体融合监测及评价技术
针对煤矿区地表环境类型多样、损伤动态、尺度跨度大、显性隐性信息交融的特点,研发了星-空-地-井(航天-航空-地面-地下)“四位一体”的监测手段立体融合技术和多源多尺度时空数据的实时交互与转换融合问题,明确了不同地表环境损伤因子、不同监测尺度的监测手段耦合机制,与传统技术方法相比,突出了地下采矿信息的先导作用,实现了井上下信息耦合,为科学界定损伤边界,进行与开采时序相结合的煤矿区地表环境损伤因子监测提供了保障。基于该技术,揭示了我国煤炭-粮食复合区面积为10.8%(煤炭保有资源量)和42.7%(资源总量)及其存在问题的空间分布。
针对单纯遥感技术无法直接获得采煤沉陷边界信息、传统以地表下沉10 mm为边界划定的沉陷地损毁范围过大,导致复垦成本剧增的问题,从影响植物生长角度,考虑地面积水、土壤裂缝发生和地面坡度变化等土地损毁因素,构建了沉陷土地损毁边界计算模型;提出了星(空)-地-井多源数据(D-InSAR、三维激光扫描仪、GPS、水准测量等)解算与融合成图的损毁边界信息提取方法及沉陷监测模式。
针对煤矿区受采动影响土地生态变化剧烈的特点,创建了基于CA差值法的土地生态变化信息遥感自动发现技术,综合考虑了遥感影像各个波段间、各个波段与地物之间的相互关系,使各主成分的物理意义得到了明确表达。
针对传统的基于分级对比方法研究植被覆盖度难以提高定量表达精度的问题,研发了以局部性和空间相关性为主的矿区植被覆盖度时空效应获取技术,运用空间关联指数,可在单纯基于NDVI值获取趋势分析的基础上,从全局演变和局部效应的视角揭示植被受采矿扰动的时空演变和内在作用机制。
(4) 采煤工作面沉陷裂缝损伤与生态因子监测技术
针对风沙区地表动态裂缝发育规律难以获取的问题,基于开采沉陷学相关理论确定了超前裂缝角值,结合开采进尺量确定了监测始点、范围、时间间隔等关键参数;开发出动态裂缝监测仪器与装置,可直接观测微小毫米级裂缝宽度与落差,解决了动态裂缝难以持续高精度观测的难题。揭示了动态裂缝18 d周期的开-闭-开-闭“M型”双峰波形规律,建立了动态裂缝发育时间T的通用函数模型, 形成了动态裂缝发育到闭合的全生命周期理论,为揭示该区域煤炭开采对土地生态环境的影响机理及其自修复周期提供了技术支撑。
土壤裂缝是采煤沉陷水田变旱地及废弃的主要原因。针对隐性土壤裂缝难以识别的难题,研发了开采沉陷预计先导(预计裂缝区)、地球物理手段探测(高密度电法测漏水通道、探地雷达确定裂缝位置)、田间渗水验证相结合的探测技术,实现地表以下2 m内土壤裂缝的位置确定。
风沙区煤炭地下开采导致地表浅层裂缝的形成与发育是地面水土流失加剧与植被退化的主要诱因。针对神东矿区永久性边缘地裂缝治理困难、效果欠佳以及地下发育特征数据欠缺的难题,研发了石灰浆体示踪剂灌注、高精度探地雷达(GPR)探测、lensphoto近景摄影测量技术建模的浅层地下裂缝发育监测方法,实现了对3 m左右的浅层地下裂缝发生特征的探测和三维形态的获取,为裂缝精准充填与治理提供了技术支撑。
(5) 风沙区一体化的地表环境监测体系与土壤水分监测技术
针对风沙区开采对地表影响持续时间长范围大,且缺乏精准长时序地表环境监测技术与手段的难题,研发了基于开采过程和超前影响距的地表环境损伤监测体系与方法,重点解决了监测布点(20 m间隔)、监测时间间隔(基于开采影响的三阶段式)等关键参数;配套发明了用于土壤理化性质等指标监测的土壤取样及渗透系数测定仪器与装置,揭示了开采影响下地表环境与土壤理化性质等的变化规律与特征,实现了对开采影响下的地表环境损伤空间变异数据的获取;构建了基于3区(对照、采空、裂缝)的10 m样方调查与室内元素含量分析的方法。
针对风沙区土壤水分动态规律监测的空白,分别构建了裂缝区与影响区差别化的土壤水分动态监测技术,建立了消除时空差异与降水影响的土壤水分解算方法,实现了对地裂缝发育全周期的水分监测;建立了基于中子仪和沉陷损毁分区特征的浅层土壤水分监测方法与布设参数,揭示了沉陷裂缝区土壤水分的自修复周期(约18 d)和土壤2 m内水分含量分为速变层(60 cm以上)和稳定层(60 cm以下)的规律,构建了沉陷裂缝附近土壤水分自修复周期模型。
(6) 基于物联网技术的矿区生态扰动监测系统
以遥感和物联网技术为核心,系统收集了神东矿区1990—2015年期间的遥感影像数据,提取了土地利用、土壤温度、植被覆盖度、土地复垦率、土地绿化率和水体6项遥感监测专题信息,开发了“神东矿区水保生态信息管理系统”,实现了环境的遥感监测;在大柳塔沉陷区建设了视频实时监控系统,集成了已有的生态、灌溉水质、土壤风蚀3个方面的监测系统,实现了从宏观与微观两个方面对矿区的生态环境进行监控与展示,为矿区环境监管可视化、数据管理一体化、环境决策科学化提供了基础资料。
提出了基于物联网技术的煤电基地生态扰动监测技术体系的设计方案,并从感知层、传输层、支撑层、应用层、用户层的角度,论述了利用物联网技术在煤电基地进行生态扰动监测的技术体系的具体方法与监测成本低、数据质量高的优势。
启动建设矿山地质环境监测系统,利用传感器技术、信号传输技术,以及网络技术和软件技术,从宏观、微观相结合的全方位角度,监测各种关键技术指标;记录历史、现有的数据,分析未来的走势,以便辅助企业及政府决策,提升矿山地质环境保障水平,有效防范和遏制重特大事故发生。系统依托智能的软件系统,建立分析预警模型,实现与短消息平台结合,当发生异常时,及时自动发布短消息到管理人员,尽快启动相应的预案。
2 国内外进展比较 2.1 重视程度与研究深度德国、美国、加拿大等发达国家矿区土地复垦与生态修复起步早,自20世纪70年代起,各国逐步开展了生态环境的调查、监测与评价的研究。发达国家一般根据场地和利益相关者调查建立可持续目标,将目标分解为具体监控和评估指标,依据国家规定或文献确定修复标准,再进行具体的规划设计,包括场地生态环境调查、生态环境风险评估、功能定位及修复策略、生态修复规划设计和后期环境监管等步骤, 矿山开采前,必须对当时的生态环境状况进行研究并取样,获得数据并作为采矿过程中以及采矿结束后复垦的参照;在采矿权申请阶段,必须同时提供矿区环境评估报告和矿山闭坑复垦环境恢复方案,由政府环境、资源等有关主管部门共同组织专家论证,举行各种类型的听证会,因此生态扰动监测工作一直贯穿于始终,具有特别重要的地位,得到高度重视, 作了大量研究,形成了针对不同区域、采矿方法及地理环境条件,不同土地复垦与生态修复目标的监测与评价方法、方案。我国矿区土地复垦与生态修复近几年进展迅速,也开展了大量生态扰动监测研究,某些技术方法上甚至达到处于国际先进水平,但总体而言,重视程度仍然不够,围绕矿区土地复垦与生态修复目标的系统、深入、长期的研究仍然不足,关键生态扰动规律研究掌握不透。
2.2 监测分析方法我国虽然在矿区生态扰动监测方面起步晚,但起点高、实例多、需求大。特别是国务院办公厅印发了生态扰动监测网络建设方案的通知,促进了矿区生态扰动监测发展迅速,带来了难得的机遇。但与国外对比还存在很多问题, 主要表现在:矿区生态扰动监测综合能力尚需加强,生态扰动监测的内容、广度、频度、信息发布需进一步完善,数据共享难,尚难完整准确地对跨区域生态环境进行大尺度的宏观综合监测与分析;由于各种监测数据的特点各异, 解译技术方法的研究尚不系统、完善,如发达国家更着重于环境因素的深入定量分析遥感反演,我国在信息获取和综合质量评价应用研究较多;所用装备及软件,不少为国外进口,特别是监测装备研究很少,传感器等监测设备严重依赖进口;围绕生态修复目标的监测分析研究仍不足,指导治理工程效果仍有待加强,多源信息重视不够,数据集成和深度分析能力不足,等等。
3 发展趋势展望近年来,我国提出要加快推进资源节约型和环境友好型的社会建设,并把生态文明建设放在了突出地位,矿区土地复垦与生态修复得到前所未有的重视;与此同时,国务院《关于生态环境监测网络建设方案的通知》提出,建立生态环境监测数据集成共享机制,构建生态环境监测大数据平台,统一发布生态环境监测信息,积极培育生态环境监测市场;到2020年,全国生态环境监测网络基本实现环境质量、重点污染源、生态状况监测全覆盖,各级各类监测数据系统互联共享,监测预报预警、信息化能力和保障水平明显提升,监测与监管协同联动,初步建成陆海统筹、天地一体、上下协同、信息共享的生态环境监测网络,使生态环境监测能力与生态文明建设要求相适应。
特别重要的是,卫星通信技术、空间定位技术、遥感技术、物联网、大数据及云计算技术飞速发展,所有这些将给矿区生态扰动监测带来新机遇、新要求、新挑战,将呈现出从单一数据源到多源数据的协同观测、从常规观测到应急响应、从静态分析到动态监测、从目视解译到信息提取的自动化与智能化的发展趋势和发展方向,无人机、激光雷达、视频卫星等新型对地观测技术及物联网、大数据、云计算技术将得到更多的研究和应用,生态扰动监测将与矿区土地复垦、生态修复要求更加紧密,目标导向、问题导向的特点更加凸现。
其近期目标是研究卫星遥感、无人机监测、地面固定及移动观测、特定观测点相组合的全景、立体式矿区生态扰动协同获取理论与方法;运用物联网、云计算、大数据等技术, 解决从矿区生态扰动监测野外数据采集到传输、存储、管理、加工处理、共享、分析过程中存在的一系列问题,建立多源多尺度、异构异质矿区生态扰动监测大数据融合处理与知识挖掘理论体系,提出从背景、状态、格局、过程、异常等不同角度揭示矿区生态灾害的形成演化、临灾预报预警及控制的理论与方法,构建最优对地观测传感网,将空天地一体化对地观测传感网和矿山物联网相结合,研究以高性能传感器为代表的空天地协同监测及智能感知体系。需要在下述方面进行攻关:
(1) 矿区特殊地物类型遥感特征变化的采动影响机理,主要包括矿区典型地物类型多/高光谱特征库的构建方法;矿区地下水、土壤湿度演变遥感模型与方法;采动影响下矿区特殊地物类型的遥感特征变化规律;大气污染气体多源遥感反演及评估方法;矿区生态环境退化的规模效应与时间效应等。
(2) 矿区生态扰动监测及智能感知体系构建,主要包括矿区地表非线性变形多源探测方法,矿区不同生态扰动监测及预警技术,矿区生态扰动协同无线观测传感网的构建方法,矿山时空监测基准、矿山地面生态扰动监测地学传感网数据整合、监测空间数据聚类分析、监测功能分区、区域动态形变场理论和地学传感网地理信息系统模型理论,事件智能感知及多平台系统耦合技术等。
(3) 空天地多源数据信息协同处理理论,主要包括矿区生态环境要素空天地协同观测模式;多源观测数据配准与融合方法;空天地异质数据在时间、空间、光谱维度的特征描述方法;多源遥感数据的一体化融合及同化模型等;集成空天地连续观测的多源多尺度信息,借助云计算、人工智能及模型模拟等大数据分析技术,实现生态环境大数据的集成分析、信息挖掘。
致谢: 胡振琪、吴立新、靳奉祥、范洪冬、谭琨、程琳琳、赵艳玲、肖武、黄翌等老师为本文提供了资料与信息,在此表示衷心感谢。
[1] | 吴侃, 汪云甲, 王岁权, 等. 矿山开采沉陷监测及预测新技术[M]. 北京: 中国环境科学出版社, 2012. WU Kan, WANG Yunjia, WANG Suiquan, et al. New Monitoring and Prediction Technology for Mining Subsidence[M]. Beijing: China Environmental Science Press, 2012. |
[2] | GE Linlin, CHANG H C, RIZOS C. Mine Subsidence Monitoring Using Multi-Source Satellite SAR Images[J]. Photogrammetric Engineering & Remote Sensing, 2007, 73(3): 259–266. |
[3] | CARNEC C, DELACOURT C. Three Years of Mining Subsidence Monitored by SAR Interferometry, Near Gardanne, France[J]. Journal of Applied Geophysics, 2000, 43(1): 43–54. DOI:10.1016/S0926-9851(99)00032-4 |
[4] | WRIGHT P A, STOW R J. Detection and Measurement of Mining Subsidence by SAR Interferometry[C]//Proceedings of IEE Colloquium on Radar Interferometry (Digest No.:1997/153). London, UK:IEEE, 1997:5/1-5/6. http://scitation.aip.org/getabs/servlet/GetabsServlet?prog=normal&id=IEESEM001997000153000005000001&idtype=cvips&gifs=Yes+extra |
[5] | WEGMULLER U, STROZZI T, WERNER C, et al. Monitoring of Mining-Induced Surface Deformation in the Ruhrgebiet (Germany) with SAR Interferometry[C]//Proceedings of IEEE 2000 International Geoscience and RemoteSensing Symposium, IGARSS 2000. Honolulu, HI:2000:2771-2773. http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=859710 |
[6] | GE L, RIZOS C, HAN S, et al. Mining Subsidence Monitoring Using the Combined InSAR and GPS Approach[C]//Proceedings of the 10th International Symposium on Deformation Measurements, International Federation of Surveyors (FIG). Orange, California:[s.n.], 2001:1-10. https://www.researchgate.net/publication/242150016_Mining_subsidence_monitoring_using_the_combined_InSAR_and_GPS_approach |
[7] | KETELAAR V B H G. Satellite Radar Interferometry:Subsidence Monitoring Techniques[M]. Netherlands: Springer, 2010. |
[8] | FAN Hongdong, GAO Xiaoxiong, YANG Junkai, et al. Monitoring Mining Subsidence Using A Combination of Phase-stacking and Offset-tracking Methods[J]. Remote Sensing, 2015, 7(7): 9166–9183. DOI:10.3390/rs70709166 |
[9] | HUANG Jilei, DENG Kazhong, FAN Hongdong, et al. An Improved Pixel-tracking Method for Monitoring Mining Subsidence[J]. Remote Sensing Letters, 2016, 7(8): 731–740. DOI:10.1080/2150704X.2016.1183177 |
[10] | DU Yanan, ZHANG Lei, FENG Guangcai, et al. On the Accuracy of Topographic Residuals Retrieved by MTInSAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 2017, 55(2): 1053–1065. DOI:10.1109/TGRS.2016.2618942 |
[11] | 尹宏杰, 朱建军, 李志伟, 等. 基于SBAS的矿区形变监测研究[J]. 测绘学报, 2011, 40(1): 52–58. YIN Hongjie, ZHU Jianjun, LI Zhiwei, et al. Ground Subsidence Monitoring in Mining Area Using DInSAR SBAS Algorithm[J]. Acta Geodaetica et Cartographica Sinica, 2011, 40(1): 52–58. |
[12] | LI Zhiwei, YANG Zefa, ZHU Jianjun, et al. Retrieving Three-dimensional Displacement Fields of Mining Areas from a Single InSAR Pair[J]. Journal of Geodesy, 2015, 89(1): 17–32. DOI:10.1007/s00190-014-0757-1 |
[13] | YANG Zefa, LI Zhiwei, ZHU Jianjun, et al. An Extension of the InSAR-based Probability Integral Method and Its Application for Predicting 3D Mining-induced Displacements Under Different Extraction Conditions[J]. IEEE Transactions on Geoscience and Remote Sensing, 2017, 55(7): 3835–3845. DOI:10.1109/TGRS.2017.2682192 |
[14] | 范洪冬, 邓喀中. 矿区地表沉降监测的DInSAR信息提取方法[M]. 徐州: 中国矿业大学出版社, 2016. FAN Hongdong, DENG Kazhong. DInSAR Information Extraction Method for Surface Subsidence Monitoring in Mining Area[M]. Xuzhou: China University of Mining and Technology Press, 2016. |
[15] | 张学东, 葛大庆, 吴立新, 等. 基于相干目标短基线InSAR的矿业城市地面沉降监测研究[J]. 煤炭学报, 2012, 37(10): 1606–1611. ZHANG Xuedong, GE Daqing, WU Lixin, et al. Study on Monitoring Land Subsidence in Mining City Based on Coherent Target Small-Baseline InSAR[J]. Journal of China Coal Society, 2012, 37(10): 1606–1611. |
[16] | 李爱国. 基于时序差分干涉测量的黄土沟壑矿区地表沉降监测研究[D]. 西安: 长安大学, 2014. LI Aiguo. Study on the Monitoring of Mining-induced Subsidence in Loess Hilly Gully Region Based on Time Series DInSAR Technique[D]. Xi'an:Chang'an University, 2014. http://d.wanfangdata.com.cn/Thesis_D557025.aspx |
[17] | 陈炳乾. 面向矿区沉降监测的InSAR技术及应用研究[D]. 徐州: 中国矿业大学, 2015. CHEN Bingqian. A Study on InSAR for Subsidence Monitoring in Mining Area[D]. Xuzhou:China University of Mining and Technology, 2015. http://cdmd.cnki.com.cn/Article/CDMD-10290-1015972424.htm |
[18] | JIANG Weiguo, ZHU Xiaohua, WU Jianjun, et al. Retrieval and Analysis of Coal Fire Temperature in Wuda Coalfield, Inner Mongolia, China[J]. Chinese Geographical Science, 2011, 21(2): 159–166. DOI:10.1007/s11769-011-0455-3 |
[19] | MISHRA R K, BAHUGUNA P P, SINGH V K. Detection of Coal Mine Fire in Jharia Coal Field Using LandSat-7 ETM+ Data[J]. International Journal of Coal Geology, 2011, 86(1): 73–78. DOI:10.1016/j.coal.2010.12.010 |
[20] | STRACHER G B, TAYLOR T P. Coal Fires Burning Out of Control Around the World:Thermodynamic Recipe for Environmental Catastrophe[J]. International Journal of Coal Geology, 2004, 59(1-2): 7–17. DOI:10.1016/j.coal.2003.03.002 |
[21] | GANGOPADHYAY P K, VAN DER MEER F, VAN DIJK P M, et al. Use of Satellite-derived Emissivity to Detect Coalfire-related Surface Temperature Anomalies in Jharia Coalfield, India[J]. International Journal of Remote Sensing, 2012, 33(21): 6942–6955. DOI:10.1080/01431161.2012.695093 |
[22] | 陈云浩, 李京, 杨波, 等. 基于遥感和GIS的煤田火灾监测研究——以宁夏汝箕沟煤田为例[J]. 中国矿业大学学报, 2005, 34(2): 226–230. CHEN Yunhao, LI Jing, YANG Bo, et al. Monitoring Coal Fires Based on Remotely Sensed Data and GIS Technique in Coalfields-A Case Study of Rujigou Coal field in Nixia, China[J]. Journal of China University of Mining & Technology, 2005, 34(2): 226–230. |
[23] | 蒋卫国, 武建军, 顾磊, 等. 基于遥感技术的乌达煤田火区变化监测[J]. 煤炭学报, 2010, 35(6): 964–968. JIANG Weiguo, WU Jianjun, GU Lei, et al. Change Monitoring in Wuda Coalfield Fire Area Based on Remote Sensing[J]. Journal of China Coal Society, 2010, 35(6): 964–968. |
[24] | WANG Yunjia, TIAN Feng, HUANG Yi, et al. Monitoring Coal Fires in Datong Coalfield Using Multi-source Remote Sensing Data[J]. Transactions of Nonferrous Metals Society of China, 2015, 25(10): 3421–3428. DOI:10.1016/S1003-6326(15)63977-2 |
[25] | 杨春. 地空一体化探测技术在煤田火区监测中的应用研究[D]. 阜新: 辽宁工程技术大学, 2012. YANG Chun. Applied Research on Air-ground Integration Detection Technology in Monitoring Coalfield Fire Area[D]. Fuxin:Liaoning Technical University, 2012. http://cdmd.cnki.com.cn/Article/CDMD-10147-1014181889.htm |
[26] | 盛耀彬, 汪云甲, 束立勇. 煤矸石山自燃深度测算方法研究与应用[J]. 中国矿业大学学报, 2008, 37(4): 545–549. SHENG Yaobin, WANG Yunjia, SHU Liyong. Investigation of a Method for Calculating the Spontaneous Combustion Depth of A Mine Rock Dump and Its Application[J]. Journal of China University of Mining & Technology, 2008, 37(4): 545–549. |
[27] | JIANG Liming, LIN Hui, MA Jianwei, et al. Potential of Small-baseline SAR Interferometry for Monitoring Land Subsidence Related to Underground Coal Fires:Wuda(Northern China) Case Study[J]. Remote Sensing of Environment, 2011, 115(2): 257–268. DOI:10.1016/j.rse.2010.08.008 |
[28] | 夏清, 胡振琪. 多光谱遥感影像煤火监测新方法[J]. 光谱学与光谱分析, 2016, 36(8): 2712–2720. XIA Qing, HU Zhenqi. A Novel Method to Monitor Coal Fires Based on Multi-spectral Landsat Images[J]. Spectroscopy and Spectral Analysis, 2016, 36(8): 2712–2720. |
[29] | HU Zhenqi, XIA Qing. An Integrated Methodology for Monitoring Spontaneous Combustion of Coal Waste Dumps Based on Surface Temperature Detection[J]. Applied Thermal Engineering, 2017, 122: 27–38. DOI:10.1016/j.applthermaleng.2017.05.019 |
[30] | TIAN Feng, WANG Yunjia, FENSHOLT Rasmus, et al. Mapping and Evaluation of NDVI Trends from Synthetic Time Series Obtained by Blending Landsat and MODIS Data Around a Coalfield on the Loess Plateau[J]. Remote Sensing, 2013, 5(9): 4255–4279. DOI:10.3390/rs5094255 |
[31] | DÜZGÜN H Ș, DEMIREL N. Remote Sensing of the Mine Environment[M]. Netherlands: CRC Press, 2011. |
[32] | 杜培军, 郑辉, 张海荣. 欧共体MINEO项目对我国采矿环境影响综合监测的启示[J]. 煤炭学报, 2008, 33(1): 71–75. DU Peijun, ZHENG Hui, ZHANG Hairong. Introductionto "MINEO" Project of European Community and Its Enlightenments to Monitoring and Assessment of Environmental Impacts Caused by Mining in China[J]. Journal of China Coal Society, 2008, 33(1): 71–75. |
[33] | 侯湖平, 张绍良. 基于遥感的煤矿区生态环境扰动的监测与评价[M]. 徐州: 中国矿业大学出版社, 2013. HOU Huping, ZHANG Shaoliang. Monitoring and Evaluation of Ecological Environment Disturbance in Coal Mining Area Based on Remote Sensing Technology[M]. Xuzhou: China University of Mining and Technology Press, 2013. |
[34] | 雷少刚. 荒漠矿区关键环境要素的监测与采动影响规律研究[J]. 煤炭学报, 2010, 35(9): 1587–1588. LEI Shaogang. Monitoring and Analyzing the Mining Impacts on Key Environmental Elements in Desert Area[J]. Journal of China Coal Society, 2010, 35(9): 1587–1588. |
[35] | 汪云甲, 张大超, 连达军, 等. 煤炭开发的资源环境累积效应[J]. 科技导报, 2010, 28(10): 61–67. WANG Yunjia, ZHANG Dachao, LIAN Dajun, et al. Cumulative Effects of Coal Mine Development on Resources and Environment[J]. Science & Technology Review, 2010, 28(10): 61–67. |
[36] | 王行风, 汪云甲, 李永峰. 基于SD-CA-GIS的环境累积效应时空分析模型及应用[J]. 环境科学学报, 2013, 33(7): 2078–2086. WANG Xingfeng, WANG Yunjia, LI Yongfeng. Analysis and Assessment Model of Environmental Cumulative Effects Based on the Integration of SD, CA and GIS Methods and Its Application[J]. Acta Scientiae Circumstantiae, 2013, 33(7): 2078–2086. |
[37] | HU Zhenqi, XU Xianlei, ZHAO Yanling. Dynamic Monitoring of Land Subsidence in Mining Area from Multi-source Remote-sensing Data-A Case Study at Yanzhou, China[J]. International Journal of Remote Sensing, 2012, 33(17): 5528–5545. DOI:10.1080/01431161.2012.663113 |
[38] | 李恒凯, 吴立新, 刘小生. 稀土矿区地表环境变化多时相遥感监测研究——以岭北稀土矿区为例[J]. 中国矿业大学学报, 2014, 43(6): 1087–1094. LI Hengkai, WU Lixin, LIU Xiaosheng. Change Detection of Ground-surface Environment in Rare Earth Mining Area Based on Multi-temporal Remote Sensing:A Case in Lingbei Rare Earth Mining Area[J]. Journal of China University of Mining & Technology, 2014, 43(6): 1087–1094. |
[39] | 谭琨, 叶元元, 杜培军, 等. 矿区复垦农田土壤重金属含量的高光谱反演分析[J]. 光谱学与光谱分析, 2014, 34(12): 3317–3322. TAN Kun, YE Yuanyuan, DU Peijun, et al. Estimation of Heavy Metal Concentrations in Reclaimed Mining Soils Using Reflectance Spectroscopy[J]. Spectroscopy and Spectral Analysis, 2014, 34(12): 3317–3322. DOI:10.3964/j.issn.1000-0593(2014)12-3317-06 |
[40] | HUANG Yi, TIAN Feng, WANG Yunjia, et al. Effect of Coal Mining on Vegetation Disturbance and Associated Carbon Loss[J]. Environmental Earth Sciences, 2015, 73(5): 2329–2342. DOI:10.1007/s12665-014-3584-z |
[41] | LI Liang, WU Kan, ZHOU Dawei. Extraction Algorithm of Mining Subsidence Information on Water Area Based on Support Vector Machine[J]. Environmental Earth Sciences, 2014, 72(10): 3991–4000. DOI:10.1007/s12665-014-3288-4 |
[42] | LIN Lixin, WANG Yunjia, TENG Jiyao, et al. Hyperspectral Analysis of Soil Organic Matter in Coal Mining Regions Using Wavelets, Correlations, and Partial Least Squares Regression[J]. Environmental Monitoring and Assessment, 2016, 188(2): 97. DOI:10.1007/s10661-016-5107-8 |
[43] | 刘善军, 王植, 毛亚纯, 等. 矿山安全与环境的多源遥感监测技术[J]. 测绘与空间地理信息, 2015, 38(10): 98–100. LIU Shanjun, WANG Zhi, MAO Yachun, et al. Multi-source Remote Sensing Technology for Monitoring Safety and Environment in Mine[J]. Geomatics & Spatial Information Technology, 2015, 38(10): 98–100. DOI:10.3969/j.issn.1672-5867.2015.10.031 |
[44] | 张锦. 矿山地面灾害精准监测地学传感网系统[J]. 地球信息科学学报, 2012, 14(6): 681–685. ZHANG Jin. The Geosensor Networks for Precise Monitoring of Mine Ground Disaster[J]. Journal of Geo-Information Science, 2012, 14(6): 681–685. |
[45] | 何国金, 张兆明, 程博, 等. 矿产资源开发区生态系统遥感动态监测与评估[M]. 北京: 科学出版社, 2017. HE Guojin, ZHANG Zhaoming, CHENG Bo, et al. Remote Sensing Dynamic Monitoring and Evaluation Of Ecological System in Mineral Resources Development Area[M]. Beijing: Science Press, 2017. |