留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

煤田隐蔽火源多源遥感探测研究

汪云甲 原刚 王腾 刘竞龙 赵峰 冯瀚 党立波 彭锴 张雷昕

汪云甲, 原刚, 王腾, 刘竞龙, 赵峰, 冯瀚, 党立波, 彭锴, 张雷昕. 煤田隐蔽火源多源遥感探测研究[J]. 武汉大学学报 ● 信息科学版, 2022, 47(10): 1651-1661. doi: 10.13203/j.whugis20220184
引用本文: 汪云甲, 原刚, 王腾, 刘竞龙, 赵峰, 冯瀚, 党立波, 彭锴, 张雷昕. 煤田隐蔽火源多源遥感探测研究[J]. 武汉大学学报 ● 信息科学版, 2022, 47(10): 1651-1661. doi: 10.13203/j.whugis20220184
WANG Yunjia, YUAN Gang, WANG Teng, LIU Jinglong, ZHAO Feng, FENG Han, DANG Libo, PENG Kai, ZHANG Leixin. Research on Multi-source Remote Sensing Detection of Concealed Fire Sources in Coalfields[J]. Geomatics and Information Science of Wuhan University, 2022, 47(10): 1651-1661. doi: 10.13203/j.whugis20220184
Citation: WANG Yunjia, YUAN Gang, WANG Teng, LIU Jinglong, ZHAO Feng, FENG Han, DANG Libo, PENG Kai, ZHANG Leixin. Research on Multi-source Remote Sensing Detection of Concealed Fire Sources in Coalfields[J]. Geomatics and Information Science of Wuhan University, 2022, 47(10): 1651-1661. doi: 10.13203/j.whugis20220184

煤田隐蔽火源多源遥感探测研究

doi: 10.13203/j.whugis20220184
基金项目: 

国家自然科学基金 41874044

详细信息
    作者简介:

    汪云甲,博士,教授,主要研究方向为国土环境及灾害监测。wyj4139@cumt.edu.cn

  • 中图分类号: P237

Research on Multi-source Remote Sensing Detection of Concealed Fire Sources in Coalfields

Funds: 

The National Natural Science Foundation of China 41874044

More Information
    Author Bio:

    WANG Yunjia, PhD, professor, specializes in land environment and disaster monitoring. E-mail: wyj4139@cumt.edu.cn

  • 摘要: 地下煤火分布广泛,屡治不止,造成资源浪费、生态破坏。中国是世界上煤火灾害最严重的国家,80%的煤层有自燃倾向。煤田隐蔽火源的快速、全面、及时、精准探测是实现防灭火及生态治理的基础和前提,多源遥感极具应用潜力,但需穿透地表、深入地下,存在诸多瓶颈。将煤田隐蔽火源多源遥感探测问题抽象为同源(同一地下自燃火源)、多象(地表形成的多种异常现象)、多像(多源遥感拍摄的包括多种地表异常信息的影像)关键节点及同源多象-象像映射-源象传递-多像识源研究链条进行分析,在此基础上探讨煤田隐蔽火源多源遥感探测的技术瓶颈,给合中国新疆维吾尔自治区阜康、米泉、宝安等火区隐蔽火源探测实际,给出在极化时序InSAR火区形变探测、时空温度阈值法火区圈定、多源卫星遥感火区联合识别、无人机火区监测试验等方面的研究进展及效果,展望了地下煤火多源天空地井协同感知认知研究的发展方向。
  • 图  1  煤火区地表特征

    Figure  1.  Surface Characteristics of Coal Fire Area

    图  2  隐蔽火源多源遥感探测中的多像识源关系

    注:①表示地下煤层自燃初期诱发地表异常的遥感响应,②表示地下煤层自燃与地表异常的时空关联,③表示地下煤层自燃火源的遥感智能识别

    Figure  2.  Relationship of Multi-Images and Fire Source in Multi-Source Remote Sensing Detection of Concealed Fire Sources

    图  3  阜康火区时序形变监测结果

    Figure  3.  Ground Deformation Monitoring Results in Fukang Coal Fire Area

    图  4  米泉三道坝火区沉降剖面线

    Figure  4.  Sedimentation Profiles in Sandaoba Coal Fire Area

    图  5  沉降区剖面提取结果

    Figure  5.  Profile Extraction Results of Subsidence Area

    图  6  不同方法在不同时期圈定的温度异常结果

    Figure  6.  Results of Temperature Anomalies Delineated by Different Methods in Different Periods

    图  7  多源卫星遥感火区联合识别流程图

    Figure  7.  Flowchart of Joint Identification of Multi-Source Satellite Remote Sensing Fire Area

    图  8  不同方法识别火区结果

    Figure  8.  Coal Fire Detection Reults of Different Methods

    图  9  不同方法探测火区精度

    Figure  9.  Coal Fire Detection Accuracies of Different Methods

    图  10  无人机与煤火区地表同步试验技术体系

    Figure  10.  Technical System of UAV and Land Synchronization Experiment in Coal Fire Area

    图  11  宝安火区地表温度精细化分析结果

    Figure  11.  Analysis Results of LST in Bao'an Coal Fire Area

    图  12  无人机影像模拟不同分辨率的地表温度

    Figure  12.  Information Loss of the LST Abnormal Area at Different Resolutions Simulated by UAV Image

    图  13  不同分辨率下局部方差和香农熵的变化

    Figure  13.  Variations of Local Variance and Shannon Entropy at Different Resolutions

  • [1] 张建民, 管海晏, 曹代勇. 中国地下煤火研究与治理[M]. 北京: 煤炭工业出版社, 2008

    Zhang Jianmin, Guan Haiyan, Cao Daiyong. Research and Control of Underground Coal Fire in China[M]. Beijing: China Coal Industry Publishing House, 2008
    [2] 汪云甲. 矿区生态扰动监测研究进展与展望[J]. 测绘学报, 2017, 46 (10): 1705-1716 doi:  10.11947/j.AGCS.2017.20170358

    Wang Yunjia. Research Progress and Prospect on Ecological Disturbance Monitoring in Mining Area [J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(10): 1705-1716 doi:  10.11947/j.AGCS.2017.20170358
    [3] Song Z Y, Kuenzer C. Coal Fires in China over the last Decade: A Comprehensive Review[J]. International Journal of Coal Geology, 2014, 133: 72-99 doi:  10.1016/j.coal.2014.09.004
    [4] 张学庆, 张渝, 于明达, 等. 新疆煤田火区的危害与治理挑战[J]. 中国矿业, 2014, 23 (S2): 93-95 https://www.cnki.com.cn/Article/CJFDTOTAL-ZGKA2014S2024.htm

    Zhang Xueqing, Zhang Yu, Yu Mingda, et al. Damages and Cellenge for Governing of Coalfield Fires in Xinjiang[J]. China Mining Magazine, 2014, 23 (S2): 93-95 https://www.cnki.com.cn/Article/CJFDTOTAL-ZGKA2014S2024.htm
    [5] 熊盛青, 陈斌, 于长春, 等. 地下煤层自燃遥感与地球物理探测技术[M]. 北京: 地质出版社, 2006

    Xiong Shengqing, Chen Bin, Yu Changchun, et al. Remote Sensing and Geophysical Detection Technology for Spontaneous Combustion of Underground Coal Seams[M]. Beijing: Geological Publishing House, 2006
    [6] 武建军, 蒋卫国, 刘晓晨, 等. 地下煤火探测、监测与灭火技术研究进展[J]. 煤炭学报, 2009, 34(12): 1669-1674 doi:  10.3321/j.issn:0253-9993.2009.12.016

    Wu Jianjun, Jiang Weiguo, Liu Xiaochen, et al. Innovative Technologies for Exploration, Monitoring and Extinction of Underground Coal Fires[J]. Journal of China Coal Society, 2009, 34(12): 1669-1674 doi:  10.3321/j.issn:0253-9993.2009.12.016
    [7] 钟茂华, 符泰然, 胡忠斌. 新疆煤田火区现状调查研究: 小尺度区域热辐射信息分析[J]. 中国工程科学, 2010, 12(1): 12-17 doi:  10.3969/j.issn.1009-1742.2010.01.002

    Zhong Maohua, Fu Tairan, Hu Zhongbin. Small-Scale Area Survey and Analyses of Xinjiang's Coal Field Fire in China[J]. Engineering Sciences, 2010, 12(1): 12-17 doi:  10.3969/j.issn.1009-1742.2010.01.002
    [8] 邓军, 文虎, 张辛亥. 煤田火灾防治理论与技术[M]. 徐州: 中国矿业大学出版社, 2014

    Deng Jun, Wen Hu, Zhang Xinhai. Coal Field Fire Prevention Theory and Technology[M]. Xuzhou: China University of Mining and Technology Press, 2014
    [9] Shao Z L, Jia X Y, Zhong X X, et al. Detection, Extinguishing, and Monitoring of a Coal Fire in Xinjiang, China[J]. Environmental Science and Pollution Research, 2018, 25(26): 26603-26616 doi:  10.1007/s11356-018-2715-6
    [10] 汪云甲, 黄翌, 邵亚琴, 等. 矿区生态扰动监测与评价[M]. 北京: 科学出版社, 2021

    Wang Yunjia, Huang Yi, Shao Yaqin, et al. Monitoring and Evaluation of Ecological Disturbance in Mining Area[M]. Beijing: Science Press, 2021
    [11] Xu Y, Fan H D, Dang L B. Monitoring Coal Seam Fires in Xinjiang Using Comprehensive Thermal Infrared and Time Series InSAR Detection[J]. International Journal of Remote Sensing, 2021, 42(6): 2220-2245 doi:  10.1080/01431161.2020.1823045
    [12] Riyas M J, Syed T H, Kumar H, et al. Detecting and Analyzing the Evolution of Subsidence Due to Coal Fires in Jharia Coalfield, India Using Sentinel-1 SAR Data[J]. Remote Sensing, 2021, 13(8): 1521 doi:  10.3390/rs13081521
    [13] Kim J, Lin S Y, Singh R P, et al. Underground Burning of Jharia Coal Mine(India)and Associated Surface Deformation Using InSAR Data[J]. International Journal of Applied Earth Observation and Geoinformation, 2021, 103: 102524 doi:  10.1016/j.jag.2021.102524
    [14] 黄昭权, 张登荣, 王帆, 等. 基于差分干涉SAR的煤田火区地表形变监测[J]. 国土资源遥感, 2010, 22 (4): 85-90 https://www.cnki.com.cn/Article/CJFDTOTAL-GTYG201004019.htm

    Huang Zhaoquan, Zhang Dengrong, Wang Fan, et al. Differential SAR Interferometry for the Monitoring of Underground Coal Spontaneous Combustion Zone Surface Deformation[J]. Remote Sensing for Land & Resources, 2010, 22(4): 85-90 https://www.cnki.com.cn/Article/CJFDTOTAL-GTYG201004019.htm
    [15] Gupta N, Syed T H, Athiphro A. Monitoring Subsurface Coal Fires in Jharia Coalfield Using Observations of Land Subsidence from Differential Interferometric Synthetic Aperture Radar (DInSAR)[J]. Journal of Earth System Science, 2013, 122(5): 1249-1258 doi:  10.1007/s12040-013-0355-2
    [16] Jiang L M, Lin H, Ma J W, 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
    [17] Voigt S, Tetzlaff A, Zhang J Z, et al. Integrating Satellite Remote Sensing Techniques for Detection and Analysis of Uncontrolled Coal Seam Fires in North China[J]. International Journal of Coal Geology, 2004, 59(1/2): 121-136
    [18] Zhou L F, Zhang D R, Wang J, et al. Mapping Land Subsidence Related to Underground Coal Fires in the Wuda Coalfield (Northern China) Using a Small Stack of ALOS PALSAR Differential Interferograms[J]. Remote Sensing, 2013, 5(3): 1152-1176 doi:  10.3390/rs5031152
    [19] 许怡, 范洪冬, 党立波. 基于TIRS和TCP-InSAR的新疆广域煤田火区探测方法[J]. 金属矿山, 2019(10): 164-171 https://www.cnki.com.cn/Article/CJFDTOTAL-JSKS201910027.htm

    Xu Yi, Fan Hongdong, Dang Libo. Detection Method of Fire Area in Xinjiang Wide Area Coalfield Based on TIRS and TCP-InSAR[J]. Metal Mine, 2019(10): 164-171 https://www.cnki.com.cn/Article/CJFDTOTAL-JSKS201910027.htm
    [20] Liu J L, Wang Y J, Li Y, et al. Underground Coal Fires Identification and Monitoring Using Time-Series InSAR with Persistent and Distributed Scatterers: A Case Study of Miquan Coal Fire Zone in Xinjiang, China[J]. IEEE Access, 7: 164492-164506
    [21] 刘竞龙, 汪云甲, 闫世勇, 等. 乌鲁木齐东侧煤火多源遥感融合探测[J]. 煤矿安全, 2019, 50(8): 158-161 https://www.cnki.com.cn/Article/CJFDTOTAL-MKAQ201908039.htm

    Liu Jinglong, Wang Yunjia, Yan Shiyong, et al. Multi-Source Remote Sensing Fusion Detection of Coal Fire in Eastern Urumchi[J]. Safety in Coal Mines, 2019, 50(8): 158-161 https://www.cnki.com.cn/Article/CJFDTOTAL-MKAQ201908039.htm
    [22] 赵峰, 王腾, 彭锴, 等. 基于同质像元时序相位矩阵分解的DS目标相位优化方法: CN113687353A[P]. 2021-11-23

    Zhao Feng, Wang Teng, Peng Kai, et al. DS Target Phase Optimization Method Based on Homogeneous Pixel Time Sequence Phase Matrix Decomposition: CN113687353A[P]. 2021-11-23
    [23] Wang T, Wang Y J, Zhao F, et al. A Spatio-Temporal Temperature-Based Thresholding Algorithm for Underground Coal Fire Detection with Satellite Thermal Infrared and Radar Remote Sensing[J]. International Journal of Applied Earth Observation and Geoinformation, 2022, 110: 102805 doi:  10.1016/j.jag.2022.102805
    [24] Liu J L, Wang Y J, Yan S Y, et al. Underground Coal Fire Detection and Monitoring Based on Landsat-8 and Sentinel-1 Data Sets in Miquan Fire Area, Xinjiang[J]. Remote Sensing, 2021, 13(6): 1141 doi:  10.3390/rs13061141
    [25] Wang Y J, Tian F, Huang Y, 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
    [26] Yuan G, Wang Y J, Zhao F, et al. Accuracy Assessment and Scale Effect Investigation of UAV Thermography for Underground Coal Fire Surface Temperature Monitoring[J]. International Journal of Applied Earth Observation and Geoinformation, 2021, 102: 102426 doi:  10.1016/j.jag.2021.102426
    [27] Gao Y Y, Hao M, Wang Y J, et al. Multi-Scale Coal Fire Detection Based on an Improved Active Contour Model from Landsat-8 Satellite and UAV Images[J]. ISPRS International Journal of Geo-Information, 2021, 10(7): 449 doi:  10.3390/ijgi10070449
    [28] 张雷昕, 汪云甲, 赵峰, 等. 基于无人机热红外遥感的新疆宝安煤矿火区探测[J]. 煤炭工程, 2021, 53(6): 162-166 https://www.cnki.com.cn/Article/CJFDTOTAL-MKSJ202106033.htm

    Zhang Leixin, Wang Yunjia, Zhao Feng, et al. Detection and Analysis of Fire Area in Xinjiang Baoan Coal Mine Based on UAV Thermal Infrared Remote Sensing[J]. Coal Engineering, 2021, 53(6): 162-166 https://www.cnki.com.cn/Article/CJFDTOTAL-MKSJ202106033.htm
    [29] 龚健雅. 人工智能时代测绘遥感技术的发展机遇与挑战[J]. 武汉大学学报·信息科学版, 2018, 43(12): 1788-1796 doi:  10.13203/j.whugis20180082

    Gong Jianya. Chances and Challenges for Development of Surveying and Remote Sensing in the Age of Artificial Intelligence[J]. Geomatics and Information Science of Wuhan University, 2018, 43(12): 1788-1796 doi:  10.13203/j.whugis20180082
    [30] 张兵. 遥感大数据时代与智能信息提取[J]. 武汉大学学报·信息科学版, 2018, 43 (12): 1861-1871 doi:  10.13203/j.whugis20180172

    Zhang Bing. Remotely Sensed Big Data Era and Intelligent Information Extraction[J]. Geomatics and Information Science of Wuhan University, 2018, 43 (12): 1861-1871 doi:  10.13203/j.whugis20180172
  • [1] 李欣, 杨宇辉, 杨博, 尹峰.  利用方向相位特征进行多源遥感影像匹配 . 武汉大学学报 ● 信息科学版, 2020, 45(4): 488-494. doi: 10.13203/j.whugis20180445
    [2] 方志祥, 黄守倩, 苏荣祥, 肖和平.  高速公路多源数据融合下的层次拥堵区间探测方法 . 武汉大学学报 ● 信息科学版, 2020, 45(5): 682-690. doi: 10.13203/j.whugis20190117
    [3] 胡凯龙, 刘清旺, 崔希民, 庞勇, 穆喜云.  多源遥感数据支持下的区域性森林冠层高度估测 . 武汉大学学报 ● 信息科学版, 2018, 43(2): 289-296, 303. doi: 10.13203/j.whugis20160066
    [4] 叶沅鑫, 慎利, 陈敏, 王继成.  局部相位特征描述的多源遥感影像自动匹配 . 武汉大学学报 ● 信息科学版, 2017, 42(9): 1278-1284. doi: 10.13203/j.whugis20150576
    [5] 沈意浪, 艾廷华.  栅格地图注记一致性探测与度量 . 武汉大学学报 ● 信息科学版, 2017, 42(6): 737-743. doi: 10.13203/j.whugis20150549
    [6] 刘婷婷, 刘一君, 王泽民, 周春霞.  基于多源遥感数据的北极新冰提取及范围时序变化分析 . 武汉大学学报 ● 信息科学版, 2015, 40(11): 1473-1478. doi: 10.13203/j.whugis20140665
    [7] 张谦, 贾永红, 胡忠文.  多源遥感影像配准中的SIFT特征匹配改进 . 武汉大学学报 ● 信息科学版, 2013, 38(4): 455-459.
    [8] 叶沅鑫, 单杰, 熊金鑫, 董来根.  一种结合SIFT和边缘信息的多源遥感影像匹配方法 . 武汉大学学报 ● 信息科学版, 2013, 38(10): 1148-1151.
    [9] 袁修孝, 李然.  带匹配支持度的多源遥感影像SIFT匹配方法 . 武汉大学学报 ● 信息科学版, 2012, 37(12): 1438-1442.
    [10] 甘雨, 隋立芬.  动态导航定位噪声相关性的实时探测处理 . 武汉大学学报 ● 信息科学版, 2011, 36(8): 909-913.
    [11] 纪兵, 陈良友, 边少锋.  利用重力梯度测量探测海底障碍地形的模拟研究 . 武汉大学学报 ● 信息科学版, 2011, 36(4): 495-497.
    [12] 邵振峰, 朱先强, 张斯斯.  利用Contourlet变换和谱直方图进行多源遥感影像纹理特征检索 . 武汉大学学报 ● 信息科学版, 2010, 35(6): 723-726.
    [13] 张路, 高志宏, 廖明生, 李新延.  利用多源遥感数据进行城市不透水面覆盖度估算 . 武汉大学学报 ● 信息科学版, 2010, 35(10): 1212-1216.
    [14] 李芳芳, 贾永红, 肖本林, 张谦.  利用线特征和SIFT点特征进行多源遥感影像配准 . 武汉大学学报 ● 信息科学版, 2010, 35(2): 233-236.
    [15] 江万寿, 彭芳媛, 岳春宇, 王潇.  利用Ratio梯度和交叉累积剩余熵进行多源遥感影像匹配 . 武汉大学学报 ● 信息科学版, 2009, 34(9): 1047-1050.
    [16] 邢帅, 徐青, 何钰, 蓝朝桢.  多源遥感影像“复合式”立体定位的研究 . 武汉大学学报 ● 信息科学版, 2009, 34(5): 522-526.
    [17] 方荣新, 施闯, 魏娜, 赵齐乐.  GPS数据质量控制中实时周跳探测研究 . 武汉大学学报 ● 信息科学版, 2009, 34(9): 1094-1097.
    [18] 贾永红, 李德仁.  多源遥感影像像素级融合分类与决策级分类融合法的研究 . 武汉大学学报 ● 信息科学版, 2001, 26(5): 430-434.
    [19] 贾永红, 李德仁.  基于Bayes融合法的多源遥感影像分类 . 武汉大学学报 ● 信息科学版, 1997, 22(3): 246-251.
    [20] 申文斌.  用潮汐重力仪探测引力吸收效应的可能性 . 武汉大学学报 ● 信息科学版, 1988, 13(2): 49-56.
  • 加载中
图(13)
计量
  • 文章访问数:  322
  • HTML全文浏览量:  90
  • PDF下载量:  40
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-05-22
  • 刊出日期:  2022-10-05

煤田隐蔽火源多源遥感探测研究

doi: 10.13203/j.whugis20220184
    基金项目:

    国家自然科学基金 41874044

    作者简介:

    汪云甲,博士,教授,主要研究方向为国土环境及灾害监测。wyj4139@cumt.edu.cn

  • 中图分类号: P237

摘要: 地下煤火分布广泛,屡治不止,造成资源浪费、生态破坏。中国是世界上煤火灾害最严重的国家,80%的煤层有自燃倾向。煤田隐蔽火源的快速、全面、及时、精准探测是实现防灭火及生态治理的基础和前提,多源遥感极具应用潜力,但需穿透地表、深入地下,存在诸多瓶颈。将煤田隐蔽火源多源遥感探测问题抽象为同源(同一地下自燃火源)、多象(地表形成的多种异常现象)、多像(多源遥感拍摄的包括多种地表异常信息的影像)关键节点及同源多象-象像映射-源象传递-多像识源研究链条进行分析,在此基础上探讨煤田隐蔽火源多源遥感探测的技术瓶颈,给合中国新疆维吾尔自治区阜康、米泉、宝安等火区隐蔽火源探测实际,给出在极化时序InSAR火区形变探测、时空温度阈值法火区圈定、多源卫星遥感火区联合识别、无人机火区监测试验等方面的研究进展及效果,展望了地下煤火多源天空地井协同感知认知研究的发展方向。

English Abstract

汪云甲, 原刚, 王腾, 刘竞龙, 赵峰, 冯瀚, 党立波, 彭锴, 张雷昕. 煤田隐蔽火源多源遥感探测研究[J]. 武汉大学学报 ● 信息科学版, 2022, 47(10): 1651-1661. doi: 10.13203/j.whugis20220184
引用本文: 汪云甲, 原刚, 王腾, 刘竞龙, 赵峰, 冯瀚, 党立波, 彭锴, 张雷昕. 煤田隐蔽火源多源遥感探测研究[J]. 武汉大学学报 ● 信息科学版, 2022, 47(10): 1651-1661. doi: 10.13203/j.whugis20220184
WANG Yunjia, YUAN Gang, WANG Teng, LIU Jinglong, ZHAO Feng, FENG Han, DANG Libo, PENG Kai, ZHANG Leixin. Research on Multi-source Remote Sensing Detection of Concealed Fire Sources in Coalfields[J]. Geomatics and Information Science of Wuhan University, 2022, 47(10): 1651-1661. doi: 10.13203/j.whugis20220184
Citation: WANG Yunjia, YUAN Gang, WANG Teng, LIU Jinglong, ZHAO Feng, FENG Han, DANG Libo, PENG Kai, ZHANG Leixin. Research on Multi-source Remote Sensing Detection of Concealed Fire Sources in Coalfields[J]. Geomatics and Information Science of Wuhan University, 2022, 47(10): 1651-1661. doi: 10.13203/j.whugis20220184
  • 地下煤火是矿井火和煤田火的总称,是指在自然条件下或受人类活动影响,地下煤层或煤层露头与氧气接触后,从低温氧化自燃到剧烈燃烧后形成一定规模,并产生一系列环境、生态影响的煤层燃烧现象。地下煤火是一种严重的地质灾害,广泛分布于中国、美国、印度、委内瑞拉、印度尼西亚、南非和澳大利亚等国,已发展成为全球性的灾难[1-3]

    中国是世界上煤火灾害最严重的国家,80%的煤层有自燃倾向。煤田火区主要分布于新疆维吾尔自治区(新疆)、甘肃、宁夏、青海、陕西、内蒙古、山西等省区。美国《外交政策》杂志2010年7月19日刊登了全球五大持续生态灾难,中国煤火赫然上榜。中国已对“碳达峰”和“碳中和”向国际社会做出庄严承诺,煤田火区的治理显得更加重要、迫切。

    新疆煤炭资源丰富,预测储量居全国首位。作为中国重要的煤炭开发与储备利用战略基地,新疆由于喜马拉雅造山运动的抬升隆起作用,煤层露头多且多呈急倾斜,大部分煤田形成于侏罗纪,成煤期较晚,煤的自燃发火期较短。典型的气候、自然条件、地质条件以及人为因素促成了煤田大规模自燃。煤火肆虐之早、火区面积之广、火势之大,使得新疆成为中国乃至世界上地下煤火最严重、最典型的区域[4]

    1958年,按照周恩来总理指示,新疆煤田灭火工程局成立,自此,国家投入了巨大的资源,进行了一系列物探、化探、热探、钻探和遥感等探测和实地调查。1995年,国务院将中国北方煤田火区及其造成的环境问题列入了“中国21世纪议程”。新疆目前在部分火区布设了煤田火区温度无线传感器网络远程监测系统,基于GIS(geographic information system)开发了新疆煤田火区信息系统。但由于诸多因素的影响,新疆煤田火灾灭而不绝,往往是扑灭一处火区,随后在几百千米外又会出现新的火区。在加快煤田老火区治理的同时,新火区却在不断产生,并有扩大蔓延的趋势,图 1为煤火区地表特征。

    图  1  煤火区地表特征

    Figure 1.  Surface Characteristics of Coal Fire Area

    煤层自燃发火研究始于17世纪,20世纪80年代之前,研究主要集中在发火机理、火灾治理、自燃倾向性鉴定和自燃发火标志气体等方面。近30年来,地下煤火探测与监测方面的国内外研究成果逐渐增多,相继提出了红外测温、光纤测温、双元示踪气体、同位素测氡、遥感、高精度磁测、瞬变电磁、电导成像、地质雷达等物探、化探、热探、钻探和遥感五大类几十种探测监测方法[5-11]

    现有的地下煤火探测监测方法各有优势及适用范围,在一定条件下取得了一定成效,但亦存在不足与问题。如物探、化探、热探、钻探等探测方法已有不少研究及实践,针对性较强,但大都需要亲临现场,人力、物力和财力耗费巨大,效率低,危险性高,在某些人不易到达的地方,弊端尤为突出。遥感探测方法具有大面积同步观测、时效性强、数据综合性高等特点,可以在很大程度上弥补上述不足,但面对精准防灭火等需求仍存在诸多瓶颈与问题。

    本文首先将煤田隐蔽火源多源遥感探测问题抽象为同源(同一地下自燃火源)、多象(地表多种异常现象)、多像(多源遥感影像)3个关键节点,通过同源多象—象像映射—源象传递—多像识源研究链条进行分析,在此基础上探讨煤田隐蔽火源多源遥感探测的技术瓶颈,结合新疆阜康、米泉、宝安等火区隐蔽火源探测实际,总结极化时序合成孔径雷达干涉测量(interferometric synthetic aperture radar,InSAR)技术火区形变探测、时空温度阈值法火区圈定、多源卫星遥感火区联合识别、无人机火区监测等方面的研究进展及效果,展望地下煤火多源天空地井协同感知认知研究的发展方向。

    • 地下煤火的发展在时间和空间上是一个连续的变化过程,大量煤炭在高温燃烧下改变了火区的热场、地磁场、电场及地球化学场,形成了烧变区、临界区和正常区,煤炭持续燃烧的效应会使火区环境的相关属性发生改变,地表植被分布、温度、烟气、沉陷及地表土壤物性等出现异常,呈现出“同源多象”的特点,即由于同一地下自燃火源导致地表出现多种异常现象。煤田隐蔽火源探测就是采用各种现代探测技术,对地下煤火燃烧空间、燃烧强度以及所产生的资源环境灾害进行测量,确定煤火的空间位置及状态,实现定性、定量、定位、定时地感知地下煤火的空间和时间变化过程。

      对煤田隐蔽火源多源遥感探测而言,首先利用多源遥感对这些异常区域进行拍摄,得到包括多种地表异常现象信息的影像,从“同源多象”变成“同源多像”;然后通过多源遥感影像信息的智能处理和异常分析,识别同一地下自燃火源,即“多像识源”,如图 2所示。

      图  2  隐蔽火源多源遥感探测中的多像识源关系

      Figure 2.  Relationship of Multi-Images and Fire Source in Multi-Source Remote Sensing Detection of Concealed Fire Sources

      由于自燃地表异常存在于复杂条件,火源在地下,决定了隐蔽火源多源遥感探测需攻克诸多技术瓶颈。

      1)复杂条件下地表异常信息提取、发现及分辨率、精度、效率和智能化水平提升

      煤田范围大,异常区面积小,周围地形地貌、昼夜、气候等环境的任何变化都容易对异常信息造成较强干扰。地下自燃在地表形成了诸多异常信息,运用单一特征进行自燃识别存在局限,需对多个特征信息提取进行研究,以便融合、组合及优化。在小面积、弱信号、分布广、强干扰背景及复杂条件下,如何在解决地下煤层自燃诱发地表异常的遥感响应(象像映射)问题基础上实现异常信息提取、异常发现及分辨率、精度、效率和智能化水平提升,是需攻克的第一项技术瓶颈。

      2)地下煤层自燃与地表异常时空关联模型构建

      隐蔽火源多源遥感探测最大难点之一是如何由地表异常确定煤田地下自燃火区,必须建立地下煤层自燃与地表异常的时空关联。而地下煤层自燃诱发的场效应从源头到地表的传递影响因素多、过程机理复杂、相关信息获取难,如何在解决地下煤层自燃与地表异常的时空关联(源象传递)问题的基础上构建地下煤层自燃与地表异常时空关联模型,是需攻克的第二项技术瓶颈。

      3)基于多源遥感的煤田地下自燃点(面)时空位置反演

      隐蔽火源多源遥感探测需实现由多源遥感影像识别同一地下自燃火源(多像识源),整个过程涉及地下自燃场效应传递、地表异常表征及遥感响应等复杂环节,工作量大、挑战多,易出现误判漏判、多像识源不一致等现象。如大量实例研究分析表明,遥感影像得到的地表异常(如温度、形变等)不一定都由地下自燃引起,如新疆煤火不少是由废弃煤矿而引发,自燃点(区)与开采区交叉,且地表多为低比热容地物,太阳辐射后容易产生高温现象,这种特殊环境会造成较多非自燃导致的沉降和地表高温区域,造成火区误判;由同一地下自燃火源导致的不同地表异常反演地下自燃火源位置(多像识源)理论上结果应该一致,但由于这些自燃特征时空传递复杂,可能会出现较大偏差,等等。如何在解决地下煤层自燃火源的遥感智能识别(多像识源)问题的基础上,利用多源遥感进行煤田地下自燃点(面)时空位置反演,提出减小或控制误判漏判,多像识源优化方法是需攻克的第三项技术瓶颈。

    • 地下煤炭燃烧到一定程度时,会在地表或多或少留下一些征兆,除已研究较多的温度影响外,还可能产生移动变形,在地表形成塌陷与裂缝。利用地表移动变形信息确定地下煤层自燃区域的前提是能快速、准确地获取这些信息,InSAR技术为其提供了现实可能。已有国内外学者将InSAR技术应用于煤火监测[11-19],证明了InSAR技术在煤火监测方面的潜力。但煤火区的地表沉降InSAR监测研究存在火区SAR像元失相干严重、可靠监测点密度不足等问题,尚处在通过试验证明方案可行阶段。

      新疆煤田自燃区干旱少雨,地表植被覆盖少,沙地及裸地多,导致高相干稳定点数量不足,煤田自燃后地表土壤及覆被的散射特性发生变化,稳定散射体信号可能减弱、干涉相位不稳定,相干系数逐渐减小等问题。针对上述问题,文献[20-21]采用双样本t假设检验和相干矩阵特征值分解组合的DS-InSAR(distributed scatters-InSAR)方法进行火区沉降信息反演,反演的沉降点位较传统时序InSAR方法在质量和数量上都有较大提升;文献[22]提出了一种基于奇异值分解主成分分析的分布式散射体目标相位优化方法,大幅度提升了煤火区地表沉降监测点数量与分布密度,使得分析得到的地表沉降特征更为直观明显。

      为突破煤火区低相干裸土地表对InSAR形变探测的限制,将极化时序InSAR算法扩展于双极化Sentinel-1数据,提出基于多极化信息的自适应差分干涉相位图优化方法,用于新疆阜康火区时序形变监测,相关结果如图 3所示。图 3(a)图 3(b)分别为传统的短基线集(small baseline subset,SBAS)技术和极化短基线集(polarimetric small baseline subset,Pol-SBAS)技术获取的监测结果,SBAS和Pol-SBAS技术在该火区分别获取了139 265和705 276个高相干监测点,Pol-SBAS技术获取的点量约为传统SBAS技术的5.06倍;图 3(c)为最大沉降点的时序形变结果,证明Pol-SBAS技术获取的地表形变真实可靠;图 3(d)图 3(e)分别为SBAS和Pol-SBAS技术获取的研究区地表形变等值线图,其中放大展示了3个典型火区。

      图  3  阜康火区时序形变监测结果

      Figure 3.  Ground Deformation Monitoring Results in Fukang Coal Fire Area

      图 3可知,由于煤火区多属于漫散射机制的裸露地表环境,受限于数据分辨率、失相干等因素影响,SBAS技术无法对研究区众多破碎子火区进行有效监测,而Pol-SBAS技术则可对破碎火区的轮廓、形变等信息进行较好的刻画,尤其是在大形变区域,运用InSAR可得到大量煤火沉降信息,并挖掘相关规律。

      图 4为新疆米泉三道坝火区沉降影像图,其中b1和b2为剖面线,白色虚线为剖面线所经不同区域的分界线,在b1和b2剖面线上提取的剖面结果如图 5所示。

      图  4  米泉三道坝火区沉降剖面线

      Figure 4.  Sedimentation Profiles in Sandaoba Coal Fire Area

      图  5  沉降区剖面提取结果

      Figure 5.  Profile Extraction Results of Subsidence Area

      图 4中的b1剖面线经过了煤火区和开采沉降区,图 5(a)中提取的剖面结果按照b1上的白色虚线划分为煤火区和开采沉降区两部分。由煤火区和开采沉降区下沉特征分析发现,地下自燃导致的地表沉降在局部范围内呈现多个沉降中心,且等值线密集,形变复杂;开采沉降区沉降近似椭圆形,局部范围内只有一个沉降中心,且沉降等值线较平稳。根据大量的图形可进行机器学习与数据挖掘,建立煤田自燃及非自燃导致的地表沉降智能判别模型。

      图 4中的b2剖面线贯穿火区东西方向,根据白色虚线分为C、D、E 3个区域,其中C区域非重点关注区,不作进一步分析。从图 5(b)可以看出,E区的累积沉降值变化仅在80 mm以内,这是因为新疆煤田灭火工程局在2017年4月进行注浆注水灭火工程,从数据上可以反映出此次灭火工程效果较好。

    • 现有固定阈值法、自适应梯度阈值法等传统火区圈定算法均认为煤火区地表温度高于自然地表,通过统计温度空间分布,进而设置温度阈值区分背景区和热异常区。由于这些方法忽略温度时间变化规律,在夏季可能无法有效提取温度异常区,对地下煤火造成的地表温度热异常提取效果较差。另一方面,目前热红外卫星遥感数据空间分辨率较低,尚难以精确刻画火区地表温度分布情况。尤其是对新生火区或破碎小火区监测,热红外卫星遥感受到太阳辐射、地表覆被、地形、气象等因素影响,导致地表温度反演精度不高,影响火区识别效果。

      为解决上述问题,笔者从多方面进行了探索,如利用Landsat 8数据,经地形校正后的普适性单通道算法反演地表温度,利用时序自适应梯度检测方法进行研究区的热异常区提取;提出了一种新型时空温度阈值法[23],并联合极化时序InSAR技术进行地下火区探测,均取得较好效果。

      时空温度阈值法是在全球温度压力模型(global pressure and temperature,GPT)基础上提出的一种温度阈值划分方法,其阈值表达式为:

      $$ T = {T_\mu } + \frac{{{T_{\max }} - {T_\mu }}}{{{T_\mu } - {T_{\min }}}}\cos \left( {\frac{{y - a}}{{365.25}}2{\rm{ \mathsf{ π} }}} \right) $$ (1)

      式中,T为确定的温度阈值;TμTmaxTmin分别为地表温度平均值、最大值和最小值;y为年积日;a为相位偏移量,与研究区地表温度年周期有关。

      时空温度阈值法考虑了太阳辐射对地表温度造成的影响,根据温度时空分布设置阈值,提取煤火地表温度异常区。在阜康火区使用不同方法在不同时期开展温度异常圈定对比实验,结果如图 6所示。

      图  6  不同方法在不同时期圈定的温度异常结果

      Figure 6.  Results of Temperature Anomalies Delineated by Different Methods in Different Periods

      图 6可以看出,时空温度阈值法在全年、夏季和冬季实验中分别标定了16、16和14个实测火点,而固定阈值法只标定了5、1和11个实测火点,梯度阈值法只标定了8、3和11个实测火点。该结果表明,无论使用全年、夏季和冬季遥感数据,时空温度阈值法均可有效检测到绝大多数煤火点,且均优于其他两种方法,具有较好的鲁棒性。需要说明的是,所提出的方法温度异常误判区可能较多,但火区需融合其他信息识别(见§4),误判区大都能被去除,从而使火区识别率和准确度总体得到提高。而其他方法造成的温度异常漏判,在联合识别方法圈定火区中并不能被有效发现。

    • 由于煤田自燃大部分发生在地下,火源隐蔽,影响因素复杂。如果火源在地下一定深度,或者热辐射难以传播到地表,利用热红外遥感探测煤火就会失效。同时,新疆煤火很多是由废弃煤矿而引发,自燃点(区)与开采区交叉,且地表多为低比热容地物,太阳辐射后容易产生高温现象。这种特殊环境会造成较多非自燃导致的沉降和地表高温区域,造成火区误判。为此需进行多源遥感综合探测、融合处理,使识别地表异常信息能力得到提高。

      为了减少通过单一手段产生的火区误判、漏判等现象,充分挖掘Landsat8和Sentinel-1数据获取的煤火区温度、植被覆盖和沉降信息,笔者团队研究了一种顾及地表热异常、归一化植被指数(normalized difference vegetation index,NDVI)和地表沉降等3种遥感信息的强弱约束联合的火区识别策略[24],即多源卫星遥感火区联合识别,流程图如图 7所示,其中包括强弱约束总流程图(图 7(a))、温度形变联合过程(图 7(b))以及温度、形变与NDVI联合过程(图 7(c))。

      图  7  多源卫星遥感火区联合识别流程图

      Figure 7.  Flowchart of Joint Identification of Multi-Source Satellite Remote Sensing Fire Area

      图 8为采用热红外卫星遥感技术、InSAR技术(考虑开采和煤火沉降不同特征)、热红外与InSAR技术联合、强弱约束法(热红外和InSAR技术及NDVI联合)所探测的火区结果,图 9为不同方法探测火区的精度,包括误判率、漏判率和正确率。

      图  8  不同方法识别火区结果

      Figure 8.  Coal Fire Detection Reults of Different Methods

      图  9  不同方法探测火区精度

      Figure 9.  Coal Fire Detection Accuracies of Different Methods

      图 9可以看出,多源卫星遥感火区联合识别(热红外、InSAR及NDVI联合识别)的误判率和漏判率相对于其他3种方法平均降低了70.4%和30.6%,在火区识别正确率上平均提高了30.6%,达到了91%,为4种方法最高,火区识别效果较好。

    • 煤火识别的无人机遥感方法已得到广泛关注,笔者在新疆、山西等地的试验证明了其在小范围火区探测中具有方便灵活、准确度高、数据的详实性和时效性强等优点[25-28],具有自动化、智能化、专用化快速获取煤田自燃遥感信息的潜力。但受制于监测效率,无人机遥感直接用于大范围的地下煤火识别具有一定局限,如何实现无人机遥感数据与地面、卫星遥感数据的融合,利用无人机解决卫星遥感由于时空分辨率低而导致的瞬时拓延、空间尺度转换、遥感参数与模型参数定量对应等技术难题,需要深入研究。

      新疆米泉为戈壁火区,宝安为山区火区。本文选取这两个研究区开展无人机与煤火区地表同步试验,技术体系如图 10所示。

      图  10  无人机与煤火区地表同步试验技术体系

      Figure 10.  Technical System of UAV and Land Synchronization Experiment in Coal Fire Area

      无人机获取研究区地表可见光和热红外影像时,联合热红外成像仪、红外测温枪等进行地面同步测量试验,并使用实时动态定位技术(real-time kinematic,RTK)测定观测点位置。选取气象状况良好的时段,连续两次进行无人机飞行采集数据。采用的ZENMUSE XT2云台相机具有热红外和可见光两个光学镜头,获取研究区的热红外影像和RGB可见光影像。无人机飞行高度设置为80 m,航向重叠与旁向重叠率均设置为90%。数据处理与误差分析表明,无人机热红外影像两次观测中误差为±0.97 ℃。将红外测温仪和红外成像仪的观测值近似看作地表温度的真实值时,无人机测量值与两种地面仪器观测值的中误差分别为±1.5 ℃和±2.5 ℃。

      宝安火区的地表温度精细化分析结果如图 11所示。其中,图 11(a)为无人机获取影像绘制的宝安火区地表温度(land surface temperature,LST)等温线,图 11(b)图 11(d)分别为图 11(a)中2A和2B区域的局部放大图,图 11(c)图 11(a)对应的地表温度三维拉伸效果,图 11(e)图 11(f)分别对应图 11(a)中1A(红线)、1B(绿线)两条剖面线上的地表温度变化情况。

      图  11  宝安火区地表温度精细化分析结果

      Figure 11.  Analysis Results of LST in Bao'an Coal Fire Area

      将无人机地表温度影像升尺度到不同的分辨率来模拟不同观测尺度下地表温度热异常,结果如图 12所示;结合局部方差和香农信息熵分析火区地表温度异常观测尺度及不同尺度下煤火燃烧异常面积的损失评估问题,结果如图 13所示。

      图  12  无人机影像模拟不同分辨率的地表温度

      Figure 12.  Information Loss of the LST Abnormal Area at Different Resolutions Simulated by UAV Image

      图  13  不同分辨率下局部方差和香农熵的变化

      Figure 13.  Variations of Local Variance and Shannon Entropy at Different Resolutions

      图 13(a)可以看出,随着分辨率的降低,两景煤火区无人机地表温度影像的局部方差呈现增大的趋势;从图 13(b)可以看出,随着影像分辨率的降低,影像的香农熵波动下降,其所包含的煤火高温异常信息也在下降。其模拟结果可为煤火区热异常最优观测尺度确定及不同观测尺度下煤火区地表温度异常信息损失评估提供依据。

    • 地下煤火分布广泛,屡治不止,造成资源浪费、生态破坏。煤炭自燃监测是实现精准防灭火的关键。建立多源卫星遥感大范围煤火区普查、机载多源传感器重点火区详查、地面多手段联合监测、井(地)下探测为一体的地下煤火多源天空地井协同感知认知技术与方法体系,是可行的发展方向;利用遥感进行大面积煤田煤层隐蔽火源探测,需穿透地表,深入地下,涉及地下自燃场效应传递、地表异常呈现及遥感响应等复杂环节,因素多,挑战大,易出现误判、漏判、多像识源不一致等现象,综合利用多源遥感信息进行智能识别尤为重要[29-30];随着多源遥感平台及载荷的发展、遥感及地下煤火等相关理论与技术成果的出现,将使得通过多源遥感对研究区进行定期“扫描式”监测、“体检”,进而进行煤田地下自燃智能识别及发现成为可能,当前深入开展这方面探索,既是必要的,也是可行的。

参考文献 (30)

目录

    /

    返回文章
    返回