基于IKONOS数据的矿山开发占地信息提取
何亮柱1,2, 洪金益1, 张建国1,2, 邹胜武3, 朱莉莉1
1.中南大学地球科学与信息物理学院,长沙 410083
2.有色金属矿产地质调查中心,北京 100814
3.东华理工大学测绘工程学院,南昌 330000

第一作者简介: 何亮柱(1986-), 女, 硕士研究生, 主要从事遥感技术的应用与开发。 E-mail:azhu0123@163.com

摘要

以IKONOS数据为信息源,对甘肃省白银铜矿区进行矿山开发占地信息提取实验研究。在经过预处理的图像上对研究区内的地物进行光谱采样,分析地物的光谱特征; 并进一步建立合适的波段计算经验公式,用密度分割函数将矿山背景与占地信息区分开,消除了背景干扰; 再根据光谱特征建立新的波段处理模型,对只有矿山占地的图像进行第二次密度分割,将矿山占地信息细分,通过目视解译为占地信息赋予属性。实地查证结果表明,利用计算机提取矿山占地信息能弥补目视解译的不足,不仅节省人力、物力、财力和时间,而且信息提取结果准确,具有实际应用的意义,对同类地区的矿山占地信息提取具有一定的参考价值。

关键词: IKONOS图像; 信息提取; 光谱特征; 密度分割
中图分类号:TP79 文献标志码:A 文章编号:1001-070X(2013)01-0150-05 doi: 10.6046/gtzyyg.2013.01.26
Research on extraction of land information used by mining development based on IKONOS remote sensing data
HE Liangzhu1,2, HONG Jinyi1, ZHANG Jianguo1,2, ZOU Shengwu3, ZHU Lili1
1.Earth Science and Information Physics Institute, Central South University, Changsha 410083, China
2.Nonferrous Metals Resource Geological Survey of China, Beijing 100814, China
3.Surveying and Mapping Engineering College, East China Institute of Technology, Nanchang 330000, China
Abstract

In order to extract area information of the mine development based on processed IKONOS remote sensing data, the authors built 2 bands experience calculation formulas and 2 density segmentation functions after analyzing the spectral features of spectrum sampling data. First, density segmentation functions are used to extract the area information as a whole, which eliminates the background interference, and then the whole area information is divided into smaller pieces, which are then given specific types of meaning standing for the specific use of the area according to visual interpretation. Outdoor verification shows that using computer to extract information of area occupied by mine development can make up the deficiency of the visual interpretation, such as saving human, material and financial resources and time. The extracted information is accurate and has practical significance, and is of reference values for extraction of information concerning land possessed by mines in similar areas.

Keyword: IKONOS remote sensing data; information extraction; spectral features; density segmentation
0 引言

矿产资源是人类赖以生存和发展不可或缺的物质资源, 也是不可再生的资源。长期以来, 我国矿产资源开发利用比较粗放, 矿区生态环境破坏严重, 环境污染问题突出, 这些严重阻碍了国民经济的可持续发展[1]。遥感技术在矿山开发状况中的应用非常广泛[2, 3, 4, 5], 高分辨率遥感图像将愈来愈多地应用于矿山开发状况及矿山环境等多目标遥感调查与监测中[6, 7, 8, 9]。IKONOS遥感卫星数据具有米级的高空间分辨率, 在矿山开发方面的应用具有更广阔的前景。以高分辨率遥感图像为基础, 对矿山开发占地信息进行提取, 有助于更加快速、精确、有效地了解矿山开采状况和矿山环境信息, 从而达到矿产资源开发利用状况及矿山环境遥感调查监测的目的。

本文以甘肃省白银铜矿为研究区, 在进行光谱采样和分析各类地物光谱曲线变化规律的基础上, 以IKONOS数据为信息源, 通过反复试验, 先后两次建立相应的波段处理模型, 对图像进行两次密度分割(第一次将背景和矿山开发占地信息区分开, 第二次则将开发占地信息细分为采场、尾矿库、废石堆和矿山建筑), 较好地实现了矿山开发占地信息提取。

1 研究区及数据源概况

白银铜矿区是一个老矿区, 主要开采铜矿, 其次为水泥用石灰岩以及熔剂用石灰岩, 均为露天开采; 白银铜矿区开发占地面积约12.8 km2, 主要占地类型为采矿场和废石堆, 其次为尾矿库和矿山建筑。根据近几年矿山开发野外遥感调查与监测工作的统计结果可知, 白银铜矿区矿山开发占地面积呈上升趋势, 研究区内生态环境破坏较严重, 恢复治理比较滞后。

实验数据是2009年7月获取并做过辐射校正的IKONOS卫星数据。以1:1万比例尺地形图为基准, 用最邻近插值采样方法, 先对全色波段图像进行正射纠正, 然后以纠正好的全色正射图像为基准对多光谱图像进行纠正。经过正射纠正后的IKONOS数据能够更加真实、准确、直观地反映地表信息, 为在图像上进行地物的光谱采样、地物光谱特征分析和矿山占地信息提取奠定了基础。

2 矿山占地信息提取
2.1 地物光谱特征分析

研究区矿山开采方式为露天开采, 相对于其背景地物采矿场、矿石堆、矿山建筑等具有独特的几何形态和光谱特征: 如开采作业区在图像上表现为斑块状影像图斑, 其暴露的基岩和土层具有较强的反射率; 采矿场、中转场、矿石堆和废石堆等表面具有疏松颗粒的特性, 无植被覆盖, 与周围地物的光谱特征有明显不同[10]。这些都为利用地物光谱特征提取矿山占地信息提供了理论依据。

通过对遥感图像中地物光谱特征的分析, 结合目视解译以及以往的工作经验, 把研究区分成3类背景(阴影、裸露地1、裸露地2)和6类开发占地(主要为采场、尾矿库、废石堆、矿山建筑等)。针对每一类地物特征, 选择具有代表性的典型地物, 并采集该地物不同波段上的光谱响应值, 对每种地物类型分别采集10个样点进行统计, 取其平均值表示该类地物在对应波段上的光谱响应值(表1中), 绘出各类地物光谱特征(图1)。

表1 各类地物光谱响应值统计表 Tab.1 Spectral response value of different surface features

图1 不同类型占地与背景光谱特征Fig.1 Spectral features of different land cover and background types

图1可以看出, 各类地物在IKONOS不同波段图像上的反射和吸收规律基本一致, 在B1波段各个地物类型的光谱响应值相对较高, 在B2和B1波段没有很大的变化, 在B3波段明显下降, 在B4波段又较B3波段高。除了占地-1和背景-1与其他地物波谱区别很大外, 其余地物类型的波谱差别很小(几乎很难区分), 这种现象是研究区的地理环境造成的。新鲜的开采面(占地-1)在遥感图像上呈高亮度显示; 背景-1(阴影部分)呈低亮度值, 与其他地物类型区别明显; 而处于高亮度值和低亮度值之间的各地物类型区别不明显, 过渡无规律, 这是因为开发占地包括废石堆、中转场等经长期暴露和风化, 亮度渐渐变暗, 而研究区背景基本上是裸露的土壤, 没有植被发育, 因此造成在高亮度和低亮度的过渡区间, 开发占地和某些背景在一定程度上存在异物同谱的现象而难以区分。

经过对研究区内各地物类型光谱特征的研究分析及反复实验, 确定研究区矿山占地和背景区分的波段计算经验公式为

A1 =[(B1+B2+B3)/3](B1/B4)3。 (1)

式中: B1, B2, B3, B4分别表示IKONOS 4个波段响应值; A1表示计算后得到的单波段响应值。

利用该模型进行波段计算后得到的各类地物的光谱值, 见表1中最右列。

2.2 一次密度分割

表1最右列可以看出, 矿山占地和背景灰度值的差别明显。利用

gk= 黑色 (mink< j)白色 (jk< max)(2)

函数对波段计算得到的单波段A1图像(图2(b))进行密度分割。式中: gk为像元k经密度分割后的反射值; min, max分别为待分割图像反射值的最小值和最大值; j为阈值(根据本文实验结果, 取j=905比较合适)。经第一次密度分割后, 可将开发占地和背景区分开来(图2(c))。

图2 一次密度分割Fig.2 The first density segmentation

2.3 二次密度分割

图2(c)可以看出, 经第一次密度分割后, 虽然矿山开发占地已经提取出来, 但是研究区内的开发占地包括了采场、尾矿库、废石堆以及矿山建筑, 本实验的目的是要把这些不同类型的开发占地细分出来。同样, 取阈值为905, 利用下面的密度分割函数再对A1波段(图2(b))进行像元重赋值, 即

gk= 0 (mink< 905)1 (905k< max)。 (3)

用该二值波段与原始图像的4个波段分别相乘, 得到N1, N2, N3, N4波段。

单独分析矿山占地样品统计数据(表1中列)及其对应的光谱特征(图1)可以看出, 各类占地的光谱曲线在B1波段间隔明显; 在B2和B3波段, 占地-4的光谱曲线跳动较大; 在B4波段又呈现出在B1波段的各类占地的光谱变化规律。经分析认为, 由于矿山占地在空间中暴露和风化的时间长短不同, 会导致其光谱特征存在差异, 而这部分差异主要反映在近红外波段(B4)上。为了增大各类占地的光谱采样值的差异, 通过反复试验, 最终建立研究区矿山占地细分的波段计算经验公式为

A2=0.5 N1[(N1+N2)/2]/N4+0.5N4。 (4)

式中: N1, N2, N4为式(3)与原始数据的波段相乘得到的相应的新波段值; A2为只含有开发占地信息的单波段值。计算后, 生成新的单波段A2, 其对应的光谱值见表2最右列。

表2 各类矿山占地光谱响应值统计数据 Tab.2 Spectral response value statistics of different types

分析表2的数据可知, 可分别取阈值0, 750, 850, 950对波段A2进行密度分割, 建立分割函数, 即

gk= 0(k=0)黄色(0< k750)灰色(750< k850)粉红(850< k950)(950< kmax)(5)

对密度分割后的图像进行滤波处理。根据以往经验及目视解译结果, 制作二次分割图像(图3)。

图3 原始图像与二次分割图像对比Fig.3 Contrast of the original image and secondary segmentation image

3 野外查证

采取点、线、面相结合的方法, 采用GPS定位, 进行野外查证, 主要查证矿山占地类型及分布位置。矿山占地信息提取分类结果的野外查证情况以及精度计算见表3

表3 野外查证情况及提取精度 Tab.3 The field verification and extraction accuracy

野外查证表明, 使用本文方法所提取的矿山占地位置准确, 边界清晰, 分类明显, 可靠度高。通过野外查证, 分析矿山占地提取结果中出现颜色不纯及误分割现象的原因有: ①在空中暴露和风化时间很长的少部分尾矿库和废石堆的光谱特征相似, 光谱值接近, 易被误分割成同一类占地类型; ②矿山建筑房顶覆盖物的差异性, 使矿山建筑的光谱值不能同时落在单一的密度分割范围内, 需要辅以目视解译; ③有的尾矿库正在利用中, 陆续有新鲜的矿石堆积, 导致尾矿库和采场在一定程度上存在异物同谱现象。

4 结论

1)光谱特征是地物的特有属性, 利用地物光谱的差异性来区分不同地物是可行而有效的方法。虽然由于各种原因, 存在异物同谱或者同物异谱现象, 以及某些地物的光谱信息非常接近, 或者非常微弱甚至模糊, 但是只要对地物光谱进行深入的统计分析, 就会发现一些可循的规律。利用这些规律, 选择适宜的信息提取、变换方法, 建立遥感信息提取模型来增大地物光谱的差异、增强微弱的光谱信息, 最终获取期望的信息是可能的。

2)人工目视解译是传统的获得矿山占地信息的方法, 目视解译劳动强度大、周期长、效率低, 且需要很多解译经验; 而利用计算机提取矿山占地信息能弥补目视解译的不足, 可节省人力、物力、财力和时间, 具有较高的社会效益和经济效益。

3)本文采用不同的波段处理模型和多次密度分割处理方法, 分层次地对矿山占地信息进行提取, 首先将矿山背景与开发占地分开, 然后进一步将占地信息细分为采场、尾矿库、废石堆和矿山建筑。本文的研究思路和技术方法对同类地区的矿山占地信息提取具有一定的参考价值。

The authors have declared that no competing interests exist.

参考文献
[1] 王晓红, 聂红峰, 李成尊, . 不同遥感数据源在矿山开发状况及环境调查中的应用[J]. 国土资源遥感, 2006, 18(2): 69-71.
Wang X H, Nie H F, Li C Z, et al. The application of charateristics of different remote sensing data sources to the investigation of the mining situation and environment of mines[J]. Remote Sensing for Land and Resources, 2006, 18(2): 69-71. [本文引用:1]
[2] 刘凤梅, 曾敏. 稀土矿山地质环境调查中的三维遥感技术研究[J]. 国土资源遥感, 2011, 23(4): 136-139.
Liu F M, Zeng M. A study of 3D remote sensing technology in geological environment investigation of the ree mine[J]. Remote Sensing for Land and Resources, 2011, 23(4): 136-139. [本文引用:1]
[3] 张志, 张芹, 刘凤梅, . 矿山环境遥感动态监测中的相对辐射校正方法研究[J]. 国土资源遥感, 2010, 22(3): 69-49.
Zhang Z, Zhang Q, Liu F M, et al. A study of relative radiometric normalization for dynamic monitoring of environment impacts of mining activitie[J]. Remote Sensing for Land and Resources, 2010, 22(3): 69-49. [本文引用:1]
[4] 陈伟涛, 张志, 王焰新. 矿山开发及矿山环境遥感探测研究进展[J]. 国土资源遥感, 2009, 21(2): 1-6.
Chen W T, Zhang Z, Wang Y X. Advances in remote sensing-based detecting of mine exploitation and mine environment[J]. Remote Sensing for Land and Resources, 2009, 21(2): 1-6. [本文引用:1]
[5] 陈宇, 杜培军, 唐伟成, . 基于BJ-1小卫星遥感数据的矿区土地覆盖变化检测[J]. 国土资源遥感, 2011, 23(3): 146-150.
Chen Y, Du P J, Tang W C, et al. Land cover change detection in coal mining area using BJ-1 small satellite remote sensing data[J]. Remote Sensing for Land and Resources, 2011, 23(3): 146-150. [本文引用:1]
[6] 王钦军, 陈玉, 蔺启忠. 矿山地面塌陷的高分辨率遥感识别与边界提取[J]. 国土资源遥感, 2011, 23(3): 113-116.
Wang Q J, Chen Y, Lin Q Z. Surface collapse identification and its boundary extraction using high resolution remote sensing[J]. Remote Sensing for Land and Resources, 2011, 23(3): 113-116. [本文引用:1]
[7] 孟丹, 张志, 冯稳. 基于GeoEye-1和DEM的富家坞铜矿区固体废弃物危险性分析[J]. 国土资源遥感, 2011, 23(2): 130-134.
Meng D, Zhang Z, Feng W. The risk analysis of solid waste of the Fujiawu copper ore district based on GeoEye-1 and DEM[J]. Remote Sensing for Land and Resources, 2011, 23(2): 130-134. [本文引用:1]
[8] 王治华. 滑坡遥感调查、监测与评估[J]. 国土资源遥感, 2007, 19(1): 10-15.
Wang Z H. Land slide remote sensing survey, monitoring and evaluation[J]. Remote Sensing for Land and Resources, 2007, 19(1): 10-15. [本文引用:1]
[9] 吴虹, 杨永德, 王松庆. QuickBird-2和SPOT-1矿山生态环境遥感调查实验研究[J]. 国土资源遥感, 2004, 16(4): 46-49.
Wu H, Yang Y D, Wang S Q. The tentative application of Quickbird-2 and SPOT-1 satellite remote sensing to the ecological environment investigation of mines[J]. Remote Sensing for Land and Resources, 2004, 16(4): 46-49. [本文引用:1]
[10] 丁丽. 陇南金矿区矿山环境遥感监测与GIS评价研究[D]. 长沙: 中南大学, 2010: 37-38.
Ding L. Research on monitoring and evaluation of mine environment based on remote sensing and GIS in Longnan gold mine area[D]. Changsha: Central South University, 2010: 37-38. [本文引用:1]