霍光杰， 甄 娜， 操 丽， 武保珠， 申思思

（1.河南省地质环境监测院，河南省地质环境保护重点实验室，郑州 450006；2.武汉中地云申科技有限公司，武汉 430074）

随着遥感技术在自然资源、测绘、农业等行业应用不断深入，利用遥感技术监测矿山地质环境工作在全国范围内也逐步开展［1］. 2006年起，我国全面开展了“矿产资源开发遥感调查与监测”工作，对矿产资源规划执行情况、开发状况、地质环境等问题实施遥感调查与动态监测［2］. 2015年，杨显华、黄洁等采用SPOT6卫星图像遥感解译和野外调查相结合的方法，建立矿山环境信息提取和遥感解译体系［3］. 2018年，鱼磊、李应真等利用国产高分遥感卫星数据和野外调查、走访的方法，对冀东地区矿产资源开发和矿山环境问题进行研究［4］. 杨晓飞在实地调查的基础上，使用对象分类方法对矿山区高分辨率遥感影像进行信息提取［5］. Zhai P W等使用多光谱影像数据对矿山环境进行信息提取［6］. 然而，现有的矿山环境解译和信息提取在精度和效率方面都有待提升，还需进一步深入探索［7］. 此外，大量新机器学习的智能算法被引入高分辨率卫星遥感影像信息提取方法仍需投入大量研究工作［8-10］.

针对目前矿山地质环境信息提取和遥感解译工作存在的问题. 本文结合河南省矿山地质环境遥感动态监测数据，对高分辨率遥感卫星影像和Insar数据进行预处理，研究了遥感影像分割技术，采用不同的分割尺度和分割参数对实验区的影像进行分割，并进行对比分析，最终取得了适合于矿山信息提取的分割尺度和分割参数. 建立整体区域信息提取规则集，剔除大尺度的地质环境背景要素，然后引入随机森林分类法，对剩下的微观尺度要素进行信息提取，最后建立基于多源影像数据的多尺度矿山地质环境信息和地质灾害信息提取结构体系，为河南省矿山地质环境监测、自然资源调查提供技术、方法，促进生态文明建设和高质量发展.

河南省（31°23′N—36°22′N，110°21′E—116°39′E）地处中国中东部，地层发育齐全，地质构造复杂，具有优越的成矿条件，境内蕴藏着丰富的矿产资源. 目前，已发现的矿产有126种，探明储量的矿产有73种，已被开发利用的矿产有85种，是我国重要的矿产资源省份. 然而，过度的矿产开采及矿产资料的不合理利用，造成一系列矿山地质环境问题，尤其以矿区泥石流、滑坡、崩塌和地面塌陷为主，导致区域生态景观遭受破坏、土地资源被损毁，含水层受到破坏［11-12］. 频繁的矿山地质环境问题直接威胁到区域内居民生命财产安全，严重制约着社会经济发展和“绿水青山”生态环境建设［13］. 本文研究范围为河南省全部矿产资源集中开采区，包括闭坑及政策性关闭矿山、生产矿山、年度新增采矿权矿山、已实施的矿山地质环境恢复工程等. 监测区主要呈片状，共覆盖2608个有证矿山（截至2016年底），330个治理工程及全部闭坑和政策性关闭矿山，面积预估约10 254.8 km2.

本文主要采用高分辨率对地观测系统河南数据与应用中心提供的“高分二号”、“高分一号”卫星遥感影像，对于“高分二号”遥感影像未覆盖或不清晰的区域，采用了同期“高分一号”遥感影像. 全省影像数据采用西安1980坐标系，地图投影采用高斯-克吕格投影，3度分带，带号38. 影像数据时间为2017年1—8月份.本文所使用的InSAR数据为同一时间段的37景3 m分辨率的TerraSar-x数据，并结合河南省水准测量数据，利用短基线干涉测量技术获得区域地面沉降信息.

随着我国高分辨率对地观测技术的发展，高分一号、高分二号高分辨率卫星影像得到了广泛的应用［14］.为了确保数据的可靠性和后期研究成果的精确性，需要根据国家矿山环境遥感监测技术标准，对卫星遥感影像进行预处理. 遥感影像预处理工作主要包括：影像校正、图像处理和地图制作等操作［7］. 具体工作流程如下：①影像校正. 对高分一号、高分二号和InSAR 影像进行大气校正和几何校正. ②图像处理. 利用ENVI软件，对高分影像和InSAR影像进行处理. 高分影像处理主要包括：正射校正、辐射定标、格式转换、大气校正等操作；Insar影像处理过程包括：复图像配准、干涉图、去噪、相位解缠、生成DEM等操作. 然后根据工作需要对影像进行转换. ③底图制作. 利用ArcGIS软件，使用分幅图框进行套合，生成用以矿山地质环境信息提取和遥感解译的影像底图.

本文通过多尺度分割获取不同层次的最优分割尺度，进而对特征因子的计算和判断. 根据计算和判断结果确定不同层次信息提取的规则，将所有层次的信息提取规则集合为整体信息提取规则集，并以整体规则集为依据，剔除影像中大尺度范围上的地质环境背景要素. 最后利用随机森林分类器，提取剔除地质环境背景要素之后要素的信息，并建立矿产地质环境要素信息提取层次结构体系.

2.2.1 分割参数 分割尺度是矿山地质环境多尺度分割结果和遥感解译信息提取精度重要的影响参数.当研究区的范围比较大的时候，使用定性分割参数法确定地质要素最佳分割参数时需要多次反复试验，这样的操作需要花费较大的时间. 为了实现大范围内多尺度分割最优参数快速精准确定，本研究采用欧几里得“二指数”法定量确定单元区域地理物体的最优化分割的尺度. 该方法以欧几里得“二指数”为评价的指标，结合潜在细分误差和分割多边形数量比，对比不同分割尺度参数设置下，欧几里得“二指数”指数变化情况，并计算“二指数”变化率. 为了精确地反映样本与对应分割目标间的层次关系，以“二指数”变化率（ED2）为确定最优分割尺度的预判参数，ED2 的值越趋于0，表示面向对象分割效果越好. 具体的数学定义如下：

其中：s和r分别为相应分割对象的面积和参照样本多边形面积.

其中：m和n分别是参照多边形和相应分割对象的数量.

使用ArcGIS从研究区选取矿产地质环境背景要素样本作为参照多边形，并计算样本面积. 在GIS软件中导入高分辨率影像，并将影像波段的权重定为固定值1. 然后设置不同土地利用类型的分割尺度范围，确定多种参数值. 最终经过多次模拟实验，将林地、居民地、耕地分割尺度取值为0.1、0.3 和0.5，获得分割结果矢量文件. 基于GIS 进行叠置分析，计算不同土地利用类型的“二指数”变化率，分析指数变化率可知ED2 指数变化率随着分割尺度增加而不断变小最终趋于0，这说明样本与分割对象形状的相似度越来越高.

2.2.2 信息提取规则集 基于上述分割参数法建立研究区地质环境要素信息提取层［9］. 不同的地质环境要素使用不同的分割尺度，经过多次训练模拟，建立可信度较高的地质环境要素分类规则集合和信息提取层次. 在信息提取层次的基础上，依据影像对象特征及类相关特征，采用模糊分类法对矿山地质环境进行信息提取. 本文模糊分类法选用的特征因子包括：亮度、密度、灰度共生矩阵对比度、近红外波段灰度均值、矩形拟合度、圆度、形状指数、归一化植被指数等. 利用训练区数据集，根据分类层次逐层选取特征并建立相应的模糊规则［11］. 基于建立的模糊规则集，对测试区的数据集进行分层分割，得到包含了道路、河流湖泊、居民地、林地、耕地和其他等6类结果.

2.2.3 信息提取与检验 在分层分割结果的基础上，在研究区训练区对其他4种地质环境要素进行样本选择，选取30个特征参数参与模型建立. 随机森林的构建过程可以分为抽样、训练、建模三个阶段（具体流程如图1所示）. 具体步骤如下：随机放回法进行多次抽样；从训练场中抽取样本组成测试集的决策树，建立随机森林分类集；经过对样品多次训练获得随机分类模型；当新样本输入模型中时，分类集中的决策树会快速判断出该样本分类概率，然后统计模型中所有决策树的分类结果，将决策树标记最多的类别视为输入样本所属类别.

在测试区设置400个决策树，并使用最优参数法对测试区内的要素分层分割，提取信息. 首先需要确定随机森林模型的决策树数值. 本文根据测试集实际情况，将决策树数值设置为400，利用最优参数法提取该测试集中决策树分层分割结果的信息. 然后，把河南省土地利用规划图和DEM 数据导入GIS软件中，使用该软件的空间分析工具降低随机森林分类过程中出现的误差. 最后从测试集的400 个决策树中提取到采场、中转场地、固体废弃物和裸露土地四种类型地质环境要素信息（如表1）.

图1 随机森林构建流程图Fig.1 Flow chart of random forest construction

表1 基于RE分类器的地物信息提取精度表Tab.1 Feature information extraction accuracy based on the RE classifier

为了检验地质环境要素信息提取的精度，本文使用混淆矩阵和Kappa系数法，对信息提取结果和测试区实际值进行对比分析. 经过计算得知：采用欧几里得“二指数法”和随机森林分类器的地质环境信息要素信息分类提取的精度为89%，Kappa系数为0.79，信息提取结果较好. 在确定测试区信息提取结果可信度水平之后，将上述方法提取信息结果和四类地质环境要素合并，最终获得研究区的地质环境要素信息提取结果.

矿产区泥石流、滑坡、崩塌、塌陷等地质灾害解译需要多时相InSAR遥感数据叠加，辅助高分辨率卫星数据解译［16］. 本次以GAMMA软件为数据平台，使用“二轨法”对获取的数据进行差分干涉处理，获取了采空塌陷的范围和沉降速率，主要步骤如下［17］：

步骤一 从遥感影像中选取质量较好的两期影像，利用差分雷达干涉法生成主辅图像干涉图. 然后，去除干涉图中平地效应，将DEM数据进行相位转换，获得包含地形和地表变形信息的干涉条纹图.

步骤二 利用主辅图像干涉图减去DEM数据相位转换获取的干涉条纹图，并对差分干涉相位图进行处理，提取地表形变变量，并将地表形变图进行地理坐标转换.

步骤三 通过步骤一和步骤二处理，获得干涉强度图和干涉图等，并将经过差分干涉处理的图件与高分辨率卫星遥感影像解译信息进行对比分析，获得矿山区塌陷范围的解译信息.

3.1.1 采场 河南省矿山采场的开采面主要物质成分包括：采掘矿物时剥离的泥土和夹杂的岩石碎屑. 因此矿山环境开采场的遥感影像外观颜色主要是黄色和白色. 与普通废石堆相比，矿山采场的纹理显得更加复杂错乱，黄色和白色之间常常分布着不规则的多边形. 矿山开采面通常占地面积较大，由于采场附近植被破坏较严重，开采面影像边界显示得较清晰. 以上是矿山采场影像解译的直接标志（图2）. 此外，采场遥感解译还有一些间接标志：①道路连接标志. 通常采场面会和几条道路连接，这些道路一般情况直通选矿厂或者废弃石土堆积区. ②开采设备标志. 为了便于矿山开采，采场附近通常有相关配套的设备分布，例如碎石机和运输车. ③位置标志. 绝大部分的矿山开采面是分布在矿权边界的内部和周边区域. ④纹理标志. 分布的矿种不同，开采面的纹理也会有区别. 具体而言，金属矿的开采面规模比较大，而且周围有尾矿车、选矿场和选矿池；非金属矿的开采面规模较小，影像的亮度和对比度都很高，可以与周围地物形成鲜明的对比.

图2 建筑石料用灰岩矿露天采场解译图Fig.2 Interpretation of open-pit of limestone mine for building stone

3.1.2 中转场地 河南省矿山中转场地主要包括：矿石堆、选矿池/场和洗煤场. 中转场通常用于矿石的精细选取和中转. 所以，为了便于原矿石加工原料和成品矿石的运输，中转场地需要分布在交通便捷的区域.选矿厂多位于地势平坦处或沿山坡阶梯式排列，常呈现工矿企业的影像特征，多呈亮白色，夹杂厂区道路、厂房的其他颜色条纹，多与尾矿库相邻近，其建筑大多为平房，即建筑规模较大的农民住房（图3）. 工业广场以煤矿工业广场为主. 煤矿一般位于地势平坦的城镇或村庄附近，一般大型煤矿分布在采煤主要城市，例如平顶山市城区及郊区，小型煤矿一般分布在乡镇或村庄附近，且有明显道路通往.

图3 铁矿选矿厂及尾矿库解译图Fig.3 Interpretation of iron ore dressing plant and tailings pond

3.1.3 固体废弃物 河南省矿山固体废弃物主要包括：尾矿库、煤矸石和废石渣堆、排土场. 尾矿库常有积水或镜面影纹特征，“尾坝”呈阶梯状逐级排列，库内尾砂颗粒均匀，不同于其他废弃矿渣；尾砂呈浅淡色调，靠近“坝缘”的区域因为积水而呈深色调［1］；无植被或稀疏植被；常位于沟谷或山口处、采场周边（图4）.

图4 黏土矿废石渣堆解译图Fig.4 Interpretation of waste rock pile of clay mine

3.2.1 矿区泥石流 河南省矿山区的泥石流物质主要是矿山废弃物和矿渣流. 这种地质灾害特征是：降雨达到临界值后，径流包裹着废弃矿物和矿渣在沟谷汇集并倾泻而下，对沿途的耕地、居民住宅及基础设置造成严重破坏，最终废弃物和矿渣会在沟口平坦宽阔的区域堆积. 整个过程周期较短，废弃堆积物被径流搬运后，难以从遥感影像上直接解译判断［15］. 因此，我们通过对泥石流源区和灾区的地形、地貌及水文特征进行解译分析，获得矿区泥石流的遥感解译信息. 泥石流源区在影像上呈现勺状、瓢状或者漏斗状. 坡体植被稀疏而且土层厚且松散，耕地面积较多，影像色调为浅灰色或者灰白色［1］. 泥石流承灾体通常是宽窄不一的沟壑、河段和干沟，承灾体弯曲段通常有灰白色调的堆积物，而且影像的结构比较粗糙（如图5所示）.

图5 金矿区泥石流沟解译图Fig.5 Interpretation of debris flow ditch in gold mining area

3.2.2 滑坡 河南省矿区滑坡灾害是一种表生动力地质现象. 矿山的开采对山体斜坡造成影响，受降雨诱发作用极易形成滑坡［16］. 遥感影像上滑坡灾害的标志是：①滑坡体和周围岩石一般是较深的色调，有植被覆盖，结构光滑，呈现条带状和块状分布. ②滑坡壁的遥感影像色调较浅，植被覆盖率低，呈现灰白色的色调.③滑坡侧壁有碎屑松散堆积物，受雨水冲刷通常容易形成小的冲沟. ④滑坡后壁通常形成陡坎. 陡坎处于阴影区呈现暗色调. 总之，滑坡体色调分布不均匀，以浅色调为主，内部常有深色板块或条带分布（如图6）.3.2.3 崩塌 河南省矿山崩塌一般发生在有节理和裂隙发育的坚硬岩石构造区和有陡峭山坡或峡谷陡岸分布的区域［17］. 矿区崩塌主要的遥感解译标志是：①崩塌区整体标志. 崩塌发育区常是陡峭的山坡，上陡下缓，崩塌体的堆积物分布在谷底或者斜坡平缓的地段. 地面坎坷不平，影像具有粗糙感，有时会出现巨大石块的影像，崩塌轮廓线明显. ②崩塌壁标志. 崩塌壁的影像色调与岩性相关，周围植被覆盖率低，遥感影像多呈现浅色调或者灰白色. 崩塌壁上部的外围，可见有张节理形成的裂缝影像. ③崩塌及崩塌群在遥感影像上的解译标志较明显. 总而言之，平面形态通常为弧形、三角形、新月形等；崩塌壁遥感影像色调较浅，周围植被覆盖率低，坡脚处常见有倒石堆分布（如图7）.

图6 铝土矿区滑坡解译图Fig.6 Interpretation of landslide in bauxite mining area

图7 崩塌解译图Fig.7 Collapse interpretation

3.2.4 地面塌陷 河南省矿区地面塌陷通常是由矿层采空后顶部覆盖岩体塌陷坠落而形成地面变形出现塌陷坑［18］. 在遥感影像上，矿区塌陷坑一般呈现深色或者深色间夹浅色的色调. 地面塌陷的遥感影像解译特征是指纹状或条带兼有斑点状、外形类似圆形或者椭圆形的洼地（如图8）. 本文中对塌陷区分布范围的解译是使用多时序InSAR和高分辨率卫星影像数据叠加分析获得的.

图8 地面塌陷解译图Fig.8 Ground collapse interpretation

3.2.5 地裂缝 河南省采矿区的地裂缝主要是地面沉降裂缝. 这种裂缝是由于矿区地下水过度超采引起地面沉降，导致岩土体受力变形开裂，矿区出现地裂缝［18］. 在遥感影像图上，地裂缝通常是表现出较暗色的线状. 该线状走向和区域耕地方向一致（矿区农业发展过程中地下水超采现象更加严重），有平行排列状也有折线状. 此外，当区域植被覆盖度较低时地裂缝容易被识别，而在植被覆盖率高的平原区，地裂缝则不易被识别（如图9）.

图9 地裂缝解译图Fig.9 Ground fissure interpretation

河南省矿山地质环境信息提取表明，矿山地质环境开采景观主要分布于中西部，其次分布在北部及南部，东部豫东平原分布最少，集中分布于洛阳、郑州、平顶山、三门峡、南阳、焦作、安阳、驻马店、许昌、新乡、信阳、鹤壁、济源、商丘、濮阳等15个省辖市. 河南省矿山地质环境开采现状中，露天采场挖损破坏5696处，占总数的46.42%，面积33 078.72 hm2，占总面积的56.04%. 废石渣堆、矸石山、排土场及尾矿库等堆积破坏2608处，占总数的21.26%，面积8 290.80 hm2，占总面积的14.05%. 河南省矿山环境开采以露天采场为主，而矿山开采产生的固体废弃堆放物带来的地质环境问题也不容小觑. 大量的排土场、废石渣堆和尾矿库造成地貌景观破坏及土地资源损毁，影响生态环境的质量，同时部分固体废弃物边坡失稳或成为泥石流的固体物质补给源，形成滑坡、泥石流等地质灾害隐患.

矿山开采形成的露天采场、排土场规模较小，引发的崩塌、滑坡规模更小，受成像时间、解译精度等制约，地质灾害信息提取需要现场实地勘测，如陕州区一带的黏土矿山，现场核查时，发现露天采场边坡发育有滑，但遥感影片上难以解译规模较小的滑坡. 河南省矿山地质灾害主要为地面塌陷，遥感影像解译信息提取地面塌陷地质灾害21 处，面积2 562.95 hm2. 其中，商丘市4 处，面积1 617.89 hm2；平顶山市11 处，面积238.87 hm2；许昌市3处，面积74.3 hm2；新乡市3处，面积631.91 hm2.

本文采用遥感数据为2017年度1—8月高分一号、高分二号卫星遥感数据，其中高分一号卫星数据84景；高分2号卫星数据310景，InSAR数据和实地调查数据，使用ED2最优分割参数法和二轨道差分干涉法，对研究区矿山环境开采现状和矿山地质灾害信息提取.

1）本文使用的方法相比传统单一遥感数据解译方法，可以提高区域矿山地质环境信息提取精度. 野外现场核查4973处，验证率37.40%，资料核查7512处，验证率为56.49%，核查正确率80.86%.

2）采用InSAR数据辅助高分遥感卫星影像解译，可以从静态和动态两个维度对区域矿山地质环境进行全面解译，并为矿山地质环境动态监测提供技术指导.

3）矿山地质环境解译过程中，特殊环境下遥感影像识别精度不足，仍需要通过间接采样和野外实测等途径确认. 因此，遮挡环境下矿山地质环境精细化遥感解译成为后期研究的重点.

河南科学2020年7期