小区域采矿迹地遥感监测信息提取与分析

　　小区域采矿迹地遥感监测信息提取与分析

　　 引言

　　 经济社会发展离不开矿产资源的储备，然而国家或地域的环境污染程度，与矿产资源消耗量有密切关联。随着采矿的进行，采场周边的环境发生了变化，如形成了暂时无法恢复的采矿范围内废弃地。矿区废弃地指的是矿体回采时形成的露天矿坑、土石排弃场、尾矿库、坍塌区以及受矿物中危害元素污染的土地（包括耕地和其他可利用的土地）。

　　 采矿迹地遥感信息的监测包括微观监测和宏观监测。在监测信息中提取尾矿库、排土场等位置不同时刻的卫星图，经过辐射定标、几何配准、图像增强等基础处理，结合目视判读制成专题影像图。国内外学者不断改进对矿物信息提取技术方法的研究，但还是会存在不足，所以针对不同地区需要不同方法的尝试与对比得出更加符合要求的预期结果。依据采矿迹地自身特征，利用现有不同年份遥感影像和基本的遥感技术对研究区域内地物进行分类，通过数据变化反演地物的变化情况。

　　1研究区概况

　　马兰庄铁矿位于迁安市西北部，临近滦河，西部靠山。该矿于1970年开始建设，规模较小。迁安具有丰富的矿物能源，矿藏包括铁、大理石、膨胀土、花岗岩等，主要金属矿藏为铁矿。截止2007年，铁矿储量达25亿t，并且铁精粉的年产量连续14年居全国县级地方铁矿之首。

　　2 遥感影像收集及处理

　　2.1影像收集

　　以LandsatTM7数据为影像数据源，通过 ENVI平台目视并手动建立感兴趣区裁剪出研究区大致范围。在地理空间数据云下载TM影像图时，因冬季雨雪较多、夏季植被较为茂盛，很可能将目标物掩盖，另外云量较大时会影响目视解译，所以在下载数据时二次筛选选择云量小于1，并且选择的影像拍摄时间均为每年三月份或者四月份。

　　2.2预处理

　　 研究区域包含在一景TM影像中，所以不需要图像镶嵌。利用高分数据影像在ENVI中选择 Image to Image对TM影像进行几何配准。

　　 辐射定标时一定要选择含有6个波段的数据元文本文件。大气校正之前将辐射定标结果转化为BIL格式，大气校正操作界面为设置文件输入和输出信息、传感器与目标影像信息、大气参数等三部分。

　　大气校正将影像值扩大了10 000倍，所以需要进行归一化处理，将数值控制在0～1。通过波段运算bl/10 000.0进行归一化处理，需要注意的是10 000为整型而10 000.0为浮点型。

　　在所研究影像的头文件中查询并记录传感器和目标影像信息。其中包括传感器类型及飞行高度、TM影像图成像时刻，而对于观测地区的平均海拔需要查找资料获得。因为本次图像处理中马兰庄的边界不属于行政区划边界，所以根据目视，将包括马兰庄在内的大概范围通过感兴趣工具圈划出并进行裁剪。

　　3 分类及精度评定

　　 遥感影像亮度值或像素值与空间变化（反映地物的空间信息）之间的差异表征了不同特征之间的差异，为物理区分不同图像特征的基础。遥感影像分类是利用计算机分析遥感图像中各类特征的光谱信息和空间信息。选择特征根据一定的规则或算法将图像中的每个像素划分为不同的类别，然后获取与实际地物相对应信息的遥感影像，从而实现遥感影像的分类。地面物体的光谱特征是不同的，当地面物体相同时，它们具有相似的光谱特征。由不同检测带组成的多波段数字图像是地物的定量特征，遥感图像分类基于图像中反映的相似特征的光谱，基于异构特征的相似性和光谱差异及图像特征向量，建立判断矩阵，最后将遥感图像自动分为几种特征类型。。

　　 通过对监督分类、非监督分类中几种分析方法的比较，得出非监督分类中的聚类分析更好。非监督分类分为ISODATA和K-Mean方法，在整体显示聚类效果上K-Mean方法不如ISODA- TA，所以选择非监督分类器为ISODATA。在分类后处理这一步骤当中，经分析精度评定表的数据为：Majority/Minority分析70.000%、聚类处理74.000%、过滤处理71.000%。本次分类中需将地物类型分为：植被、裸地、水体、采场、建筑、尾矿与尾矿复垦、其他等7类。为了明确分类的精密度和可靠性，需对地物类别结果进行评估。ENVI包括混淆矩阵、R()C曲线两种精度评定方法。混淆矩阵能使分类器性能表现得更为完整；ROC曲线是一个综合指标，它是反映灵活性和特异性的连续变量。本次研究结果需得出具体数据，所以综合各方面因素选择用混淆矩阵进行精度验证。

　　 求证时需要获取真实参考源，在选用时有两种不同的方法：规范的类别图和定义的感兴趣区。获取参考源的规则是类别不同的参考源的确切性即真正的感兴趣区的选择，可以是在现场实地调研获得，也可以是在图像上获取。通过目视解译马兰庄及周边TM影像图以及在ENVI中选择与谷歌地球相连，并通过与高分影像验证得到真实参考源。利用圈选工具在目标影像图上均匀圈划并定义出植被、裸地、水体、采场、建筑、尾矿与尾矿复垦、其他等7类地物。将分类成果和感兴趣区导入ENVI，然后根据区域自动匹配最终得到精度报表。

　　 样本的选择方法其一为将矢量类型文件转化为ROIs类型文件而获得，另外一种是通过终端像元收集器获得。在ENVI中首先对每一类别的地物选取相当数量的样本，然后建立感兴趣区。最后建立分类函数。选定感兴趣区后，需要计算样本可分离性。感兴趣区的质量评价有定性评价法和定量评价法。定性评价法得到的不同颜色代表不同类别，聚类在一起的为同种颜色。总的来说，如果两种不同颜色的聚类相离越远，说明选择的感兴趣区效果越好。相反，如果两种颜色代表的聚类混杂在一起，则说明选择的感兴趣区分类不太理想.

　　 在定量评估中获取样品可分离性计算报告，然后查看Jeffries-Mat usita和Transformed Di vergence两个参数。两个参数的值介于0和2.0之间，如果大于1.9，则表明样品之间的可分离性良好；如果小于1.8，需要考虑重新选择样品；如果小于1.0，则需要将两种类型组合成一个类。

　　4 监测分析

　　4.1 分类统计分析

　　 根据实际情况对研究区域图像进行处理，本次实验为四年间相同月份的遥感影像分类后的提取数据。

　　4.2数据监测分析

　　 所有物体都具有光谱特性，特别是它们具有不同的吸收、反射和辐射特性。在同一光谱区域中各种物体反射的条件是不同的，同一物体对不同光谱的反射也有很大差异。即使是相同的物体，在不同的时间和地点，由于不同的阳光角度，它们吸收并反射的光谱也不同。

　　 在四年当中随机抽取一年，在聚类分析后提取各类地物的平均光谱曲线，经各类地物光谱曲线与资料验证，得到符合地物的标准光谱曲线。

　　 分类后需要更改图像的类别颜色，经处理得到马兰庄地区四年分类统计分析表。对四年间各类地物每年所占百分比进行数据统计。

　　四年当中水体变化较为平稳，但在第二年所占百分比较其他三年略高，究其原因，影像拍摄时间为4月11日，当年该月份降水量较大或由于影像拍摄之前降水量较大，水体下渗较慢。除第二年之外植被所占百分比几乎无变化，认为由于4月之前或者当月降水较充沛给予了植被生长的优良条件。采场相对于植被呈负相关，即植被所占百分比较多时，采场所占百分比较少；相反，植被较少时采场较多，因此采场增加会降低植被覆盖率。尾矿及尾矿复垦与采场大致呈正相关，采场百分比增加，尾矿百分比升高，复垦率也升高。就建筑而言，一般为乡镇村落的房屋，由于开发利用使得建筑面积增大，所占百分比也逐年增加。本次研究区域裸地包括未利用用地和耕地，认为第三年裸地变少是由于采场增多，尾矿及尾矿复垦所占百分比增大，也可得出裸地所占百分比与采场、尾矿及尾矿复垦大致呈负相关。

　　5 结语

　　 本次研究区为迁安市马兰庄镇，通过对遥感影像处理得到统计数据并生成地物统计变化折线图，分析各种地物四年间的变化情况，得出四年之间水体没有较大改变，植被覆盖相对变化不大，采场与植被覆盖为负相关，尾矿及尾矿复垦与采场大致呈正相关，建筑物逐年增加。利用不同年份遥感影像图及基本遥感技术对采矿迹地进行监测和分析，可以有效反演地物变化情况，为了解采矿迹地地物信息和地物之间的变化关系提供一定依据。

　　                        摘自《化工矿物与加工》 2019年第12期