宋 亮

1. 信息工程大學(xué)地理空間信息學(xué)院，河南 鄭州 450001； 2. 東北大學(xué)，遼寧 沈陽(yáng) 110819

我國(guó)有大量的煤礦區(qū)，其中煤與矸石是煤礦區(qū)的主要固體堆放物，它們不僅占用大量土地，還會(huì)發(fā)生自燃、滑坡、坍塌等，造成嚴(yán)重的環(huán)境與災(zāi)害問(wèn)題。因此，如何通過(guò)遙感手段進(jìn)行煤與矸石的快速、有效識(shí)別，以及堆放情況的動(dòng)態(tài)監(jiān)測(cè)成為一個(gè)重要而又現(xiàn)實(shí)的問(wèn)題。

論文以煤礦區(qū)的煤和矸石作為研究對(duì)象，在實(shí)測(cè)并分析煤與矸石的可見(jiàn)光-近紅外和熱紅外光譜的基礎(chǔ)上，建立煤和矸石的識(shí)別、分類和反演模型，并利用衛(wèi)星遙感手段提取礦區(qū)煤與矸石的空間分布信息，最終實(shí)現(xiàn)煤和矸石的識(shí)別與監(jiān)測(cè)。論文的主要研究?jī)?nèi)容如下：

(1) 實(shí)測(cè)和分析了我國(guó)主要煤種的可見(jiàn)光-近紅外光譜特征，對(duì)比了不同煤種分類方法的特點(diǎn)和優(yōu)勢(shì)。測(cè)試了我國(guó)14個(gè)礦區(qū)煤樣本的可見(jiàn)光-近紅外光譜，用MAO模型法、隨機(jī)森林法、BP神經(jīng)網(wǎng)絡(luò)法和ELM算法對(duì)3種典型煤種進(jìn)行分類。從分類準(zhǔn)確率和耗時(shí)綜合考慮，對(duì)比了4種分類方法的各自優(yōu)勢(shì)，并制定了針對(duì)不同遙感應(yīng)用的方法優(yōu)選原則。

(2) 基于可見(jiàn)光-近紅外和熱紅外光譜聯(lián)合分析的煤和矸石分類方法研究。實(shí)測(cè)并分析了煤與矸石的可見(jiàn)光-近紅外光譜特征，發(fā)現(xiàn)煤和大部分矸石的可見(jiàn)光-近紅外光譜特征差異明顯，但與少部分矸石之間存在“異物同譜”現(xiàn)象，單獨(dú)使用可見(jiàn)光-近紅外光譜特征無(wú)法將煤與矸石完全區(qū)分。為此，提出了煤與矸石的可見(jiàn)光-近紅外和熱紅外光譜的聯(lián)合分析方法。該方法的分類準(zhǔn)確率為99.2%，相比于單獨(dú)使用可見(jiàn)光-近紅外光譜方法的分類準(zhǔn)確率92.2%有很大提升。

(3) 基于可見(jiàn)光-近紅外光譜的燃燒與未燃燒矸石分類方法研究。實(shí)測(cè)了燃燒與未燃燒矸石的可見(jiàn)光-近紅外光譜，并分析了二者光譜的特征差異，發(fā)現(xiàn)燃燒矸石和未燃矸石在可見(jiàn)光波段光譜特征差異明顯，燃燒矸石在350～750 nm區(qū)間光譜曲線斜率整體較高，且在550～630 nm反射率存在陡升現(xiàn)象，而未燃燒矸石則無(wú)上述特征?；诠庾V特征差異和Landsat8 OLI數(shù)據(jù)構(gòu)建了NDGI指數(shù)，用于燃燒和未燃燒矸石的區(qū)分。結(jié)果證明：該指數(shù)識(shí)別燃燒和未燃燒矸石樣本的準(zhǔn)確率達(dá)到了99.1%，高于隨機(jī)森林分類法的95.2%；同時(shí)，基于衛(wèi)星數(shù)據(jù)的實(shí)際礦區(qū)監(jiān)測(cè)結(jié)果表明，NDGI指數(shù)可以區(qū)分矸石山中的燃燒和未燃燒區(qū)域，具有很好的實(shí)用性。

(4) 基于熱紅外光譜的矸石含碳量反演方法研究。試驗(yàn)結(jié)果表明，含碳矸石和煤樣本的熱紅外光譜特征差異明顯，且矸石中的固定碳含量和光譜的波谷特征關(guān)系密切?；跓峒t外光譜特征構(gòu)建光譜差值指數(shù)與固定碳含量之間的線性模型，用于矸石固定碳量含量反演。結(jié)果表明該模型的線性相關(guān)系數(shù)絕對(duì)值達(dá)到0.867，與吸收深度、光譜吸收面積、隨機(jī)森林和支持向量機(jī)算法的預(yù)測(cè)結(jié)果相比，基于差值指數(shù)模型的固定碳含量反演效果最佳，其平均誤差為5.00%，均方根誤差6.70%，能較好地預(yù)測(cè)矸石中的固定碳含量。