李 晶，申瑩瑩，焦利鵬，楊 震，吳 躍

?

基于Landsat TM/OLI影像的兗州煤田水域面積動(dòng)態(tài)監(jiān)測(cè)

李 晶，申瑩瑩，焦利鵬，楊 震，吳 躍

（中國(guó)礦業(yè)大學(xué)（北京）地球科學(xué)與測(cè)繪工程學(xué)院，北京 100083）

為揭示東部高潛水位礦區(qū)地表水體的時(shí)空演變規(guī)律，該文以兗州煤田為研究區(qū)，在比較改進(jìn)歸一化差異水體指數(shù)法、單波段閾值法、譜間關(guān)系法、K-T變換4種水體提取方法的精度及優(yōu)缺點(diǎn)基礎(chǔ)上，采用基于閾值分割的改進(jìn)的歸一化差異水體指數(shù)法提取了研究區(qū)1990－2014年的水體信息并分析了其時(shí)空變化特征。研究結(jié)果表明：從1990－2009年，兗州煤田地表水域面積增加了1 696.14 hm2，且2001－2005年水域面積擴(kuò)張速度較快，年均增長(zhǎng)率達(dá)14.0%，2009－2014年水域面積減少，年均下降率為3%；煤炭開采是研究區(qū)內(nèi)水域面積變化的主要驅(qū)動(dòng)因子。該文實(shí)現(xiàn)了煤礦區(qū)地表水體變化的動(dòng)態(tài)監(jiān)測(cè)，并分析了其變化原因，有助于客觀與定量地評(píng)估煤炭開采的生態(tài)累積效應(yīng)。

煤礦；遙感；監(jiān)測(cè)；兗州煤田；采煤沉陷；改進(jìn)的歸一化水體指數(shù)；水域變化監(jiān)測(cè)

0 引 言

煤炭開采導(dǎo)致地表沉陷積水，是中國(guó)東部高潛水位平原煤礦區(qū)土地生態(tài)變化的主要特征之一，對(duì)礦區(qū)水體的變化進(jìn)行監(jiān)測(cè)，有助于定量評(píng)估煤炭開采的生態(tài)累積效應(yīng)。Landsat TM/ETM+/OLI影像數(shù)據(jù)，因具有較好的時(shí)序連續(xù)性、數(shù)據(jù)免費(fèi)獲取等特點(diǎn)，被廣泛地應(yīng)用于土地利用與覆被變化研究。然而，針對(duì)礦區(qū)地表水體信息的遙感信息提取方法，仍有待進(jìn)一步研究。

當(dāng)前，常用的水體提取方法有閾值法、比值法、水體指數(shù)法、譜間關(guān)系法、K-T變換法、決策樹方法、面向?qū)ο蟮确椒?。如Frazier等[1]應(yīng)用單波段閾值法提取水體；Mcfeeters[2]基于平原地區(qū)陸地水體在綠波段比近紅外波段反射率高的特征，構(gòu)建了歸一化差異水體指數(shù)（normalized difference water index，NDWI）模型，徐涵秋[3]在其基礎(chǔ)上，兼顧了土壤、人工地物、陰影等因素，提出了改進(jìn)的歸一化水體指數(shù)（modified normalized difference water index，MNDWI）；楊存建等[4]依據(jù)TM2+TM3>TM4+TM5的波段組合法提取水體，陳華芳等[5]在其基礎(chǔ)上進(jìn)行改進(jìn)，結(jié)合閾值法，利用(TM2+TM3)- (TM4+TM5)>k改進(jìn)了水體信息提取精度；李小曼等[6]、姜浩等[7]分別利用HIS空間水體模型和MNDWI提取水體，較大程度上提高了細(xì)小水體的提取精度；黃金龍等[8]應(yīng)用了單波段閾值法和NDVI閾值法提取了博斯騰湖水體面積；Jain等[9]、Hui等[10]對(duì)比單波段密度分割法、歸一化差異水體指數(shù)法、譜間關(guān)系法和非監(jiān)督分類法對(duì)TM數(shù)據(jù)提取水體信息；殷亞秋等[11]運(yùn)用面向?qū)ο蠓椒▽?duì)高分?jǐn)?shù)據(jù)提取水體信息，總精度高于傳統(tǒng)面向像元方法；楊光華等[12]基于高分?jǐn)?shù)據(jù)對(duì)濟(jì)寧市塌陷積水的耕地信息進(jìn)行研究；彭蘇萍等[13]、李亞平等[14]、馬誠(chéng)超等[15]利用多時(shí)相的數(shù)據(jù)對(duì)礦區(qū)塌陷積水動(dòng)態(tài)變化進(jìn)行研究；崔亮等[16]采用多種方法提取洞庭湖水體范圍，研究其水體面積變化特征；許冬等[17]分析了近30年來(lái)濟(jì)寧采煤塌陷積水區(qū)的擴(kuò)展變化情況，并利用Logistic回歸建立塌陷積水面積預(yù)測(cè)模型對(duì)塌陷積水面積進(jìn)行測(cè)算及實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)。因水體與某些地物，如道路、建筑物以及云和山體陰影等，光譜特征存在一定相似性，而且遙感影像和研究區(qū)地面特征存在差異，同樣會(huì)影響水體提取的精度，所以一種水體提取方法幾乎不可能適用于所有情況[18]。進(jìn)行水體提取時(shí)，必須根據(jù)水體的遙感識(shí)別機(jī)理、研究區(qū)下墊面特點(diǎn)以及影像數(shù)據(jù)特征等進(jìn)行綜合分析比較，以采用最佳的水體提取方法進(jìn)行變化監(jiān)測(cè)研究[19]，此外，現(xiàn)有礦區(qū)地表水域面積變化檢測(cè)和機(jī)理分析等，未能兼顧年際降水差異和采礦等人為因素的綜合影響[13-17]。

針對(duì)上述問(wèn)題，本文以兗州煤田為對(duì)象，在比較4種水體提取方法的精度及優(yōu)缺點(diǎn)基礎(chǔ)上，提取了5個(gè)時(shí)期（1990、2001、2005、2009和2014年）的地表水域信息，分析了其時(shí)空變化特征并從降水量和煤炭開采2方面揭示了其變化原因。與現(xiàn)有研究相比，注重了水體提取方法篩選，將水體指數(shù)法與最大類間方差法結(jié)合，提高了水體提取精度，同時(shí)也定量揭示了水體變化的主要驅(qū)動(dòng)力。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

兗州煤田位于山東省濟(jì)寧市兗州、曲阜、鄒城和任城四縣區(qū)交界處，見圖1。煤田南北長(zhǎng)約30 km，東西寬約15.6 km，總面積440.4 km2，包括南屯、興隆莊、鮑店、東灘、北宿、楊村、唐村、落陵、太平、單家村、古城、星村、田莊、橫河、里彥、楊莊等16個(gè)井田。煤層厚度一般為1～10 m，埋深一般在300 m以下，多為緩頃斜煤層，煤礦均采取豎井開拓、地下開采，探明能利用儲(chǔ)量30.14億 t，可采儲(chǔ)量17.12億 t，是國(guó)家重點(diǎn)建設(shè)的八大能源基地之一。兗州煤田自20世紀(jì)80年代后期至90年代進(jìn)入大規(guī)模開發(fā)時(shí)期，全煤田設(shè)計(jì)總產(chǎn)煤能力2 451×104t。

研究區(qū)屬泗河山前沖洪積平原區(qū)，地形以平原洼地為主，氣候溫和，屬于溫帶季風(fēng)區(qū)海洋與大陸間過(guò)渡性氣候，四季分明，降雨多集中在7、8月份，春季少雨，時(shí)有春旱。區(qū)內(nèi)主要的河流有泗河、白馬河、沙河、泥河等，以湖盆為中心，自北向南分別流入南陽(yáng)湖。

圖1 兗州煤田位置及礦井分布

1.2 數(shù)據(jù)源及預(yù)處理

本文中Landsat TM/OLI影像是從美國(guó)地質(zhì)調(diào)查局（USGS）下載的經(jīng)LEDAPS（The Landsat Ecosystem Disturbance Adaptive Processing System）程序處理的地表反射率數(shù)據(jù)，空間分辨率為30 m，影像列號(hào)122，行號(hào)035。在選擇數(shù)據(jù)時(shí)盡量選擇降水量、氣溫、月份相近，云量及陰影較少的影像，見表1，因上述數(shù)據(jù)已經(jīng)經(jīng)過(guò)系統(tǒng)的輻射校正、幾何校正等相關(guān)預(yù)處理，本文對(duì)遙感影像所做的預(yù)處理工作包括影像的波段合成、云及陰影掩膜、影像裁剪等。

此外，兗州臺(tái)站降水量數(shù)據(jù)來(lái)源于“中國(guó)氣象數(shù)據(jù)網(wǎng)”（http://data.cma.cn/site/index.html）的中國(guó)地面氣候資料年值數(shù)據(jù)集；煤炭開采量數(shù)據(jù)來(lái)源于“兗州煤業(yè)股份有限公司”（http://www.yanzhoucoal.com.cn）的年度報(bào)告和部分調(diào)查數(shù)據(jù)。

表1 遙感影像的基本信息

2 研究方法

本文在優(yōu)選水體信息提取方法的基礎(chǔ)上，提取研究區(qū)各年的地表水域信息，分析其時(shí)空變化特征并揭示其變化原因，具體技術(shù)流程見圖2。

圖2 本文研究技術(shù)流程圖

2.1 水體提取方法初選

2.1.1 基于閾值分割的改進(jìn)歸一化差異水體指數(shù)法

基于閾值分割的改進(jìn)的歸一化差異水體指數(shù)法（以下簡(jiǎn)稱水體指數(shù)法）可以分為改進(jìn)的歸一化水體指數(shù)的計(jì)算和確定分割閾值這2個(gè)步驟。

改進(jìn)的歸一化差異水體指數(shù)（MNDWI）是徐涵秋[3]在Mcfeeters[2]構(gòu)建的歸一化差異水體指數(shù)（NDWI）模型的基礎(chǔ)上，對(duì)NDWI的波段組合進(jìn)行改進(jìn)后創(chuàng)建的新型水體指數(shù)。MNDWI利用短波紅外波段代替NDWI中的近紅外波段，以增強(qiáng)水體和建筑物的反差，降低二者的混淆，提高水體信息提取精度，NDWI及MNDWI的計(jì)算公式分別見式（1）和（2）。

式中Green、NIR(near infrared)、MIR(middle infrared)分別是綠波段、近紅外波段、短波紅外波段，分別對(duì)應(yīng)Landsat 5數(shù)據(jù)的第2、4、5波段和Landsat 8數(shù)據(jù)的第3、5、6波段。

MNDWI兼顧了土壤、人工地物、陰影等因素，容易區(qū)分陰影和水體信息，解決了水體提取中難以消除陰影的難題。相比NDWI，特別是提取城鎮(zhèn)范圍內(nèi)的水體，有較好的精度和識(shí)別效果。

方法應(yīng)用時(shí)，閾值的選取至關(guān)重要，直接影響水體的提取精度。本研究采用最大類間方差法（the maximum between-class variance method，OTSU）確定分割閾值[20]，該方法簡(jiǎn)單，運(yùn)行時(shí)間相對(duì)較短，自適應(yīng)性強(qiáng)[21-22]，是在最小二乘原理的基礎(chǔ)上提出的自適應(yīng)閾值確定的方法。其基本原理是按圖像的灰度特性，將圖像分成背景和目標(biāo)2部分，背景和目標(biāo)之間的類間方差越大，說(shuō)明構(gòu)成圖像的差別越大，當(dāng)部分目標(biāo)錯(cuò)分為背景或部分背景錯(cuò)分為目標(biāo)都會(huì)導(dǎo)致兩部分差別變小，因此，類間方差最大的分割意味著錯(cuò)分概率最小，此時(shí)對(duì)應(yīng)的值，即為分割閾值。在使用該方法進(jìn)行閾值計(jì)算之前，需盡量將背景和目標(biāo)之間的差異擴(kuò)大，本文通過(guò)計(jì)算影像的MNDWI來(lái)擴(kuò)大水體和背景之間差異。

2.1.2 單波段閾值法

單波段閾值法是利用水體在短波紅外波段強(qiáng)吸收性而植被、土壤在此波段范圍內(nèi)強(qiáng)反射的特性，再選取合適的閾值提取水體信息[23]，其模型見式（3）。

MIR

式中MIR指短波紅外波段，對(duì)應(yīng)Landsat5數(shù)據(jù)的第5波段、Landsat8數(shù)據(jù)的第6波段；指分割閾值，即小于該閾值的為水體，大于該閾值的為其他地物。

2.1.3 譜間關(guān)系法

譜間關(guān)系法是通過(guò)分析水體和背景地物的光譜特征曲線，找到水體特有的光譜特征，利用邏輯判斷提取出水體信息，本研究應(yīng)用水體TM2+TM3>TM4+TM5的特性，提取水體信息。

2.1.4 K-T變換法

即分析水體及其他地物在纓帽變換后生成的六個(gè)波段構(gòu)成的波譜曲線差異來(lái)區(qū)分水體和非水體信息，本研究中利用GreennessFourth[24]水體提取模型提取水體信息。

2.2 水體提取效果對(duì)比

基于2009年8月30號(hào)獲取的TM影像，應(yīng)用水體指數(shù)法、單波段閾值法、K-T變換法和譜間關(guān)系法上述4種方法進(jìn)行水體提取效果比較，見表2。其中，提取的水體二值圖像中黑色為水體，包括地表自然水體、人工水體以及塌陷積水區(qū)域；表中最左列圖像為B4、B3和B2的假彩色合成影像，用于對(duì)比各種方法對(duì)地表水體邊緣的連貫性和細(xì)小水體的提取效果。對(duì)比結(jié)果表明，4種方法均能提取較寬的河流和面積較大的水域，相對(duì)而言，水體指數(shù)法和單波段閾值法效果較好，譜間關(guān)系法效果相對(duì)較差，但各方法對(duì)細(xì)小河流的提取都不能較全面克服其他地物的干擾性影響。

表2 各方法識(shí)別水體的效果對(duì)比

結(jié)合Google Earth影像在研究區(qū)范圍內(nèi)隨機(jī)選取了190個(gè)驗(yàn)證樣本點(diǎn)，其中90個(gè)水體樣本點(diǎn)，100個(gè)非水體樣本點(diǎn)，對(duì)各方法提取水體的結(jié)果做精度驗(yàn)證，見表3。結(jié)果表明：水體指數(shù)法和單波段閾值法總體精度較高分別為94.7%、93.2%，K-T變換法次之85.3%，譜間關(guān)系法最低為75.2%；水體指數(shù)法的Kappa系數(shù)最高，為0.899；4種方法都有漏分現(xiàn)象，其中譜間關(guān)系法漏分現(xiàn)象最嚴(yán)重，K-T變換法次之；相對(duì)而言，水體指數(shù)法水體信息提取總體精度和Kappa系數(shù)相對(duì)高，錯(cuò)分誤差和漏分誤差較低，本文選取該方法作為水體變化信息提取的方法。

表3 各方法地表水體提取精度對(duì)比

注：其中錯(cuò)分誤差、漏分誤差、制圖精度、用戶精度是水體分類的各指標(biāo)。

Note:Commission error, omission error, producers’ accuracy andusers’ accuracy of extracted open-water are analyzed.

2.3 變化檢測(cè)方法

根據(jù)章節(jié)2.2的對(duì)比結(jié)果，采用基于閾值分割的改進(jìn)的歸一化差異水體指數(shù)法，提取兗州煤田地表水域變化信息，即通過(guò)用最大類間方差法獲取的分割閾值對(duì)1990、2001、2005、2009及2014年的MNDWI影像進(jìn)行水體信息提取。利用ArcGIS統(tǒng)計(jì)分析工具計(jì)算各期影像的水體面積，通過(guò)將各期影像的水體面積做差值運(yùn)算等，得到年際間水體面積變化及變化速率；將各期水體提取影像進(jìn)行疊置分析，得到年際間水體的空間變化，并應(yīng)用SPSS等軟件分析其變化特征與煤炭開采、降水量因素的關(guān)系，以揭示礦區(qū)水域變化的驅(qū)動(dòng)機(jī)制。

3 結(jié)果與分析

3.1 歷年水體面積變化

1990、2001、2005、2009和2014年5期影像提取的水體信息見圖3，水域面積及變化信息見表4。

圖3 各觀測(cè)年兗州煤田地表水域分布

表4 觀測(cè)年水域面積及變化值

結(jié)果表明，兗州煤田地表水體面積由1990年的551.79 hm2擴(kuò)大至2014年的1 927.35 hm2，增長(zhǎng)了1 375.56 hm2，年均增長(zhǎng)57.32 hm2，年增長(zhǎng)率為5.3%，水體面積明顯呈上升趨勢(shì)。其中，1990－2001年水域面積增量是268.38 hm2；2001－2005年增加565.29 hm2，年均增長(zhǎng)率為14.0%，年均增速相對(duì)最大；2005－2009年增量是862.47 hm2，年均增長(zhǎng)率為12.9%，增速較快；2009－2014年研究區(qū)的地表水域面積變化不大，減少了320.58 hm2，年均下降率為3.0%。

3.2 變化水體的空間分布分析

由圖3a可知，1990年兗州煤田還未出現(xiàn)大范圍的采煤塌陷積水區(qū)，只有東灘、北宿、興隆莊和鮑店有小范圍的積水區(qū)；從1990－2001年，東灘、北宿、興隆莊、鮑店、南屯等煤礦塌陷積水面積不斷擴(kuò)大，其中北宿、南屯煤礦水體擴(kuò)張最為明顯，見圖4a；從2001－2009年，塌陷積水面積不斷擴(kuò)大，陸續(xù)形成了一系列新的塌陷積水區(qū)，且原有的塌陷積水區(qū)繼續(xù)擴(kuò)張，主要集中在鮑店、興隆莊和東灘煤田，其中鮑店和東灘煤礦水域擴(kuò)張最明顯，見圖4b和4c；2009－2014年，水體面積有所減少，減少的水域主要集中在里彥、東灘和興隆莊煤礦，具體年際間的水域空間變化見圖4，其中持續(xù)水體、持續(xù)非水體等是兩期之間的疊加結(jié)果。

圖4 年際間水域空間變化

3.3 水體變化的驅(qū)動(dòng)因素分析

彭蘇萍等[13]、李亞平等[14]、馬誠(chéng)超等[15]、張祖鵬等[25]、馬雄德等[26]開展了礦區(qū)塌陷積水區(qū)變化的相關(guān)研究，但多定性地分析了采煤活動(dòng)是導(dǎo)致塌陷積區(qū)水域變化的主要原因，未做定量的相關(guān)性分析，此外，未考慮降水量年際變化等對(duì)水域面積的影響，或僅依據(jù)專家評(píng)價(jià)與層次分析法等進(jìn)行驅(qū)動(dòng)因子與水體濕地變化關(guān)系的分析，存在一定的主觀性。與其他驅(qū)動(dòng)因素相比，強(qiáng)人類活動(dòng)、降水量及其變化等與水域面積緊密相關(guān)[25-28]，本研究從降水量和煤炭開采行為2方面綜合分析其對(duì)水域面積變化的貢獻(xiàn)度。因降水量對(duì)水域面積的影響存在一定的時(shí)間累積性，與其他學(xué)者[29-30]相似，本文中降水量，指影像獲取時(shí)間相應(yīng)年的年降水量，煤炭累計(jì)開采量為同一觀測(cè)期幾年內(nèi)主要煤礦的煤炭累積開采量。

分析結(jié)果表明：兗州煤田水域面積和年降水量之間的相關(guān)系數(shù)=?0.537，>0.05，2者相關(guān)程度不明顯。上述結(jié)果雖有悖通常認(rèn)知，但兗州煤田區(qū)天然水體少，即降水量年際變化不是導(dǎo)致整個(gè)研究區(qū)水域面積增加的主要原因。但2014年年降水量為551.2 mm，相比上一觀測(cè)期2009年年降水量下降了30.2%，僅相當(dāng)于豐水年如1990年降水量的48.4%，由此推測(cè)2014年水域面積小幅減少與當(dāng)年降水量大幅下降有關(guān)。相比較而言，見圖5，觀測(cè)期煤炭開采量與水域面積的相關(guān)系數(shù)=0.904，<0.05，呈顯著正相關(guān)，即煤炭開采導(dǎo)致塌陷積水區(qū)面積增加，是影響研究區(qū)水域面積變化的主要原因。

圖5 各年累計(jì)開采量與水域面積

4 結(jié) 論

本文以兗州煤田為例，利用基于閾值分割的改進(jìn)歸一化差異水體指數(shù)法完成了研究區(qū)域1990至2014年間5期影像的水體信息的提取，分析了兗州煤田地表水體的時(shí)空變化信息，結(jié)合煤炭開采、降水量定量數(shù)據(jù)對(duì)上述變化的原因進(jìn)行了分析。結(jié)論如下：

1）基于閾值分割的改進(jìn)的歸一化水體指數(shù)法適用于研究區(qū)域的水體信息提取，其總體分類精度達(dá)到94.7%，Kappa系數(shù)為0.899；

2）從1990到2014年，研究區(qū)內(nèi)水域面積總體呈現(xiàn)上升趨勢(shì)，水域面積增加了1 375.56 hm2，其中2001到2005年水域面積增加最快，年均增長(zhǎng)率為14.0%，相對(duì)2009年，2014年水域面積減少了320.58 hm2，年均下降率約為3%。研究區(qū)內(nèi)水體擴(kuò)張主要集中在東灘、北宿、興隆莊、南屯、鮑店5個(gè)煤礦；

3）兗州煤田5個(gè)觀測(cè)期的水域面積和年降水量之間相關(guān)程度不明顯；煤炭開采量與水域面積相關(guān)系數(shù)為0.904，呈顯著正相關(guān)，煤炭開采是研究區(qū)水域面積變化的主要驅(qū)動(dòng)力。

與現(xiàn)有研究成果相比，本研究注重水體提取方法篩選，將水體指數(shù)法與最大類間方差法結(jié)合，提高了水體提取精度，并在水體變化驅(qū)動(dòng)力研究方面開展了相對(duì)客觀的定量研究，但限于遙感影像空間分辨率、理想時(shí)相影像可獲取性差、缺乏持續(xù)觀測(cè)數(shù)據(jù)等因素的制約，研究仍有不足，今后應(yīng)加以改進(jìn)，如利用高分辨率影像和兼顧面向?qū)ο蟮姆椒ㄌ崛〉V區(qū)水體信息，對(duì)水體變化的驅(qū)動(dòng)機(jī)制分析時(shí)突破數(shù)據(jù)的限制適當(dāng)增加分析樣本量和兼顧更多的因子。

[1] Frazier P S, Page K J. Water body detection and delineation with Landsat TM data[J]. Photogrammetric Engineering and Remote Sensing, 2000, 66(12): 1461.

[2] Mcfeeters S K. The use of normalized difference water index (NDWI) in the delineation of open water features[J]. International Journal of Remote Sensing, 1996, 17(7): 1425－1432.

[3] 徐涵秋. 利用改進(jìn)的歸一化差異水體指數(shù)（MNDWI）提取水體信息的研究[J]. 遙感學(xué)報(bào)，2005，5：589－595.

Xu Qiuhan. A study on information extraction of water body with the modified normalized difference water index (MNDWI)[J]. Journal of Remote Sensing, 2005, 5: 589－595. (in Chinese with English abstract)

[4] 楊存建，徐美. 遙感信息機(jī)理的水體提取方法的探討[J]. 地理研究，1998，17(增刊1)：86－89. Yang Cunjian, Xu Mei. Discussion on water extraction method of remote sensing information mechanism[J]. Geographical Research, 1998, 17(Supp.l): 86－89. (in Chinese with English abstract)

[5] 陳華芳，王金亮，陳忠，等. 山地高原地區(qū)TM影像水體信息提取方法比較：以香格里拉縣部分地區(qū)為例[J]. 遙感技術(shù)與應(yīng)用，2004(6)：479－484.

Chen Huafang, Wang Jinliang, Chen Zhong, et al. Comparison of water extraction methods in mountainous plateau region from TM image[J]. Remote Sensing Technology and Application, 2004(6): 479－484. (in Chinese with English abstract)

[6] 李小曼，王剛，田杰. TM影像中水體提取方法研究[J]. 西南農(nóng)業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2006，4：580－582.

Li Xiaoman, Wang Gang, Tian Jie. Study of the method of picking-up small water-bodies in landsat TM remote sensing image[J]. Journal of Southwest Agricultural University, 2006, 4: 580－582. (in Chinese with English abstract)

[7] 姜浩，馮敏，肖桐，等. 基于線性特征增強(qiáng)的TM遙感影像細(xì)小河流提取方法[J]. 測(cè)繪學(xué)報(bào)，2014，43(7)：705－710.

Jiang Hao, Feng Min, Xiao Tong. A narrow river extraction method based on linear feature enhancement in TM image[J]. Acta Geodaetica et Cartographic Sinica, 2014, 43(7): 705－710. (in Chinese with English abstract)

[8] 黃金龍，陶輝，王艷君，等. 基于MODIS 遙感影像的湖水體面積與水位關(guān)系[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012，28(23)：140－146.

Huang Jinlong, Tao Hui, Wang Yanjun, et al. Analysis on relationship between water level and water area of lake based on MODIS image[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(23): 140－146. (in Chinese with English abstract)

[9] Jain S, Singh R, Jain M, et al. Delineation of flood-prone areas using remote sensing techniques[J]. Water Resources Management, 2005, 19(4): 333－347.

[10] Hui F, Xu B, Huang H, et al. Modelling spatial-temporal change of Poyang Lake using multitemporal landsat imagery[J]. International Journal of Remote Sensing, 2008, 29(20): 5767－5784.

[11] 殷亞秋，李家國(guó)，余濤，等. 基于高分辨率遙感影像的面向?qū)ο笏w提取方法研究[J]. 測(cè)繪通報(bào)，2015(1)：81－85.

Yin Yaqiu, Li Jiaguo, Yu Tao, et al. Research on object-oriented water extraction method based on high resolution remote sensing image[J]. Bulletin of Surveying and Mapping, 2015(1): 81－85. (in Chinese with English abstract)

[12] 楊光華，胡振琪，楊耀淇. 采煤塌陷積水耕地信息提取方法研究：以山東省濟(jì)寧市為例[J]. 金屬礦山，2013，9：152－157.

Yang GuangHua, Hu Zhenqi, Yang Yaoqi. Information extraction of coal mining subsidence farmland submerged in water taking Jining city of Shandong province as a case[J]. Metal Mine, 2013, 9: 152－157. (in Chinese with English abstract)

[13] 彭蘇萍，王磊，孟召平，等. 遙感技術(shù)在煤礦區(qū)積水塌陷動(dòng)態(tài)監(jiān)測(cè)中的應(yīng)用：以淮南礦區(qū)為例[J]. 煤炭學(xué)報(bào)，2002，27(4)：374－378.

Peng Suping, Wang Lei, Meng Zhaoping, et al. Application of remote sensing technology in dynamic monitoring of waterlogging in coal mining area: Taking Huainan mining area as an example[J].Journal of China Coal Society, 2002, 27(4): 374－378. (in Chinese with English abstract)

[14] 李亞平，苗放，黃舒寒懋. 利用塌陷積水對(duì)采煤塌陷區(qū)進(jìn)行監(jiān)測(cè)：以開灤煤礦為例[J]. 內(nèi)蒙古石油化工，2009，5：1－3.

Li Yaping, Miao Fang, Huang Shuhanmao. Kailuan coal mine collapse as well as the causes of stagnant water in time and space to monitor the role of research[J].Inner Mongolia Petrochemical Journal, 2009, 5: 1－3. (in Chinese with English abstract)

[15] 馬誠(chéng)超，公云龍. 徐州賈汪礦塌陷積水區(qū)變化特征的研究[J]. 測(cè)繪科學(xué)，2012，2：173－175.

Ma Chengchao, Gong Yunlong. Change features of mining watershed subsidence of Jiawang coal mining area in Xuzhou[J].Science of Surveying and Mapping, 2012, 2: 173－175. (in Chinese with English abstract)

[16] 崔亮，李永平，黃國(guó)和，等. 基于Landsat-TM影像的洞庭湖水面動(dòng)態(tài)變化[J]. 南水北調(diào)與水利科技，2015(1)：63－66，107.

Cui Liang, Li Yongping, Huang Guohe, et al. Dynamic changes of Dongting lake based on landsat-TM remote sensing data[J].South-to-North Water Transfers and Water Science & Technology, 2015, (1): 63－66, 107. (in Chinese with English abstract)

[17] 許冬，吳侃. 濟(jì)寧煤礦區(qū)地表塌陷積水時(shí)空演變[J]. 遼寧工程技術(shù)大學(xué)學(xué)報(bào)：自然科學(xué)版，2014(10)：1307－1311.

Xu Dong, Wu Kan. Spatial-temporal evolution of collapse waterlogged region in Jining coal mining district[J]. Journal of Liaoning Technical University, 2014(10): 1307－1311. (in Chinese with English abstract)

[18] Trey H, Huggel C, Paul F, et al. Automated detection of glacier lakes based on remote sensing in view of assessing associated hazard potentials[J].Grazer Schriften der Geographie und Raumforschung, 2010, 45: 261－272.

[19] 萬(wàn)建鵬. 基于Landsat TM/ETM+影像潘陽(yáng)湖地區(qū)水體提取研究[D]. 南昌：東華理工大學(xué)，2015.

Wan Jianpeng. Water Body Automatic Extraction From Landsat Image in Poyang Lake[D]. Nanchang: East China University of technology, 2015. (in Chinese with English abstract)

[20] 吳川，張玉龍，許秀貞，等. 基于Landsat TM/ETM和HJ-1A/B影像的丹江口水庫(kù)水域變化監(jiān)測(cè)研究[J]. 長(zhǎng)江流域資源與環(huán)境，2013(9)：1207－1213.

Wu Chuan, Zhang Yulong, Xu Xiuzhen, et al. Water surface monitoring of the Danjiangkou reservoir using remotely-sensed landsat TM/ETM and HJ-1A/B imagery[J]. Resources and Environment in the Yangtze Basin, 2013(9): 1207－1213. (in Chinese with English abstract)

[21] 齊麗娜，張博，王戰(zhàn)凱. 最大類間方差法在圖像處理中的應(yīng)用[J]. 無(wú)線電工程，2006(7)：25－26，44.

Qi Lina, Zhang Bo, Wang Zhankai. Application of the OTSU method in image processing[J]. Radio Engineering, 2006(7): 25－26, 44. (in Chinese with English abstract)

[22] OTSU N. A threshold selection method from gray-level histograms[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1979, 9(1): 62－66.

[23] 陸家駒，李士鴻. TM資料水體識(shí)別技術(shù)的改進(jìn)[J]. 環(huán)境遙感，1992(1)：17－23.

Lu Jiaju, Li Shihong. Improvement of the techniques for distinguishing water bodies from TM data[J]. Remote Sensing of Environment, 1992(1): 17－23. (in Chinese with English abstract)

[24] 張景奇，關(guān)威，孫萍，等. 基于K-T變換的地表水體信息遙感自動(dòng)提取模型[J]. 中國(guó)水土保持科學(xué)，2011(3)：88－92.

Zhang Jingqi, Guan Wei, Sun Ping, et al. Automatic water bodies extraction model based on K-T transformation[J]. Science of Soil and Water Conservation, 2011(3): 88－92. (in Chinese with English abstract)

[25] 張祖鵬，賀石良，范曄，等. 河道主要控制點(diǎn)降雨量與水位漲幅關(guān)系分析[J]. 東北水利水電，2013，31(2)：42－43.

Zhang Zupeng, He Shiliang, Fan Ye, et al. Effects of rainfall and water level increase in main control points of river channel[J]. Northeast Water Conservancy and Hydropower, 2013, 31(2): 42－43. (in Chinese with English abstract)

[26] 馬雄德，范立民，張曉團(tuán)，等. 榆神府礦區(qū)水體濕地演化驅(qū)動(dòng)力分析[J]. 煤炭學(xué)報(bào)，2015，40(5)：1126－1133.

Ma Xiongde, Fan Limin, Zhang Xiaotuan, et al. Driving force analysis for water and wetland evolution at Yu Shenfu mining area [J]. Journal of China Coal Science, 2015, 40(5): 1126－1133. (in Chinese with English abstract)

[27] 萬(wàn)華偉，康峻，高帥，等. 呼倫湖水面動(dòng)態(tài)變化遙感監(jiān)測(cè)及氣候因素驅(qū)動(dòng)分析[J]. 中國(guó)環(huán)境科學(xué)，2016，36(3)：894－898.

Wan Huawei, Kang Jun, Gao Shuai, et al. Study on dynamic change of hulun lake water area and climate driving force analysis[J]. China Environmental Science, 2016, 36(3): 894－898. (in Chinese with English abstract)

[28] 吳亞男，龐治國(guó)，路京選，等. 呼倫湖濕地動(dòng)態(tài)變化遙感監(jiān)測(cè)及驅(qū)動(dòng)力分析[J]. 中國(guó)水利水電科學(xué)研究院學(xué)報(bào)，2013，11(1)：20－26.

Wu Yanan, Pang Zhiguo, Lu Jingxuan, et al. Study on estimation，regionalization and classification of nonpoint source pollutionfor small and midsize river basins management[J]. Journal of China Institute of Water Resources and Hydropower Research, 2013, 11(3): 20－26. (in Chinese with English abstract)

[29] 張克祥. MODIS監(jiān)測(cè)長(zhǎng)江中下游典型湖泊面積變化研究[D]. 南昌：東華理工大學(xué)，2015.

Zhang Kexiang. Monitoring Area Changes of Important Lakes Across the Yangtze Basin Downstream of Three Gorges Dam by MODIS Data[D]. Nanchang: East China University of technology, 2015. (in Chinese with English abstract)

[30] 付穎，徐新良，通拉嘎，等. 近百年來(lái)北京市地表水體時(shí)空變化特征及驅(qū)動(dòng)力分析[J]. 資源科學(xué)，2014，36(1)：75－83.

Fu Ying, Xu Xinliang, Tong Laga, et al. Spatial-Temporal variation and driving force of surface water in Beijing over one hundred years[J]. Resources Science, 2014, 36(1): 75－83. (in Chinese with English abstract)

Dynamic monitoring of water areas in Yanzhou coalfield based on Landsat TM/OLIimages

Li Jing, Shen Yingying, Jiao Lipeng, Yang Zhen, Wu Yue

(100083,)

Coal mining leads to some surface subsidence, which changes from farmland, abandoned low-developed and other agriculture land into water area in eastern China with high level underground water, so it is necessary to monitor the surface water change in those areas, which is beneficial to evaluate ecological accumulative effect of coal mining quantitatively and is good for corresponding policy making for coal mining and environment protection. Taking Yanzhou coalfield located in Shandong Province as a study area, the objective of this paper was to find comparatively accurate method to extract open-water information, to tell how much and where the water area changed and to reveal the correlation between water area change and rainfall or coal yield. The research data included 5 Landsat TM/OLI images which were captured on September 11, 1990, September 9, 2001, September 4, 2005, August 30, 2009 and October 15, 2014, coal yield data, coal mine boundary and rainfall data by local surveying or from public authoritative website. Firstly, the author compared different methods of open-water identification, which included modified normalized difference water index (MNDWI) method based on the threshold segmentation, single-band threshold method, spectrum relationship method and K-T transform method by using Landsat TM image captured on August 30, 2009. Accuracy validation with 190 randomly generated points showed the MNDWI method was the best method with an overall accuracy of 94.7% and a Kappa coefficient of 0.899. Then the best method, MNDWI, was used to extract the open-water from 1990 to 2014 with those 5 Landsat TM/OLI images, which were preprocessed to ensure the high quality prior to water information extraction. It showed the water area in Yanzhou coalfield was 551.79, 820.17, 1 385.46, 2 247.93 and 1 927.35 hm2in 1990, 2001, 2005, 2009 and 2014 respectively. Finally, the temporal and spatial characteristics of surface water were analyzed and its driven force was revealed from the aspects of rainfall and coal mining. The results showed the open-water area comparatively kept an increase trend from 1990 to 2014. It increased rapidly with an annual growth rate of 14.0% from 2001 to 2005, and 12.9% from 2005 to 2009 respectively. From the year of 2009 to the year of 2014, the open-water area decreased with a rate of 3% annually. The increase of the open-water area was mainly concentrated in Dongtan mine, Beisu mine, Xinglongzhuang mine, Nantun mine and Baodian mine. The correlation coefficient between rainfall and the open-water area was -0.537, which showed inter-annual variation of rainfall was not the main reason for the increase of open-water area in the whole study area. The correlation coefficient between coal yield and the surface water area was 0.904, which suggested that coal mining activity was the main driving force of water area change in this study. The total open-water area increases by 5.3% annually in Yanzhou coalfield, which has high positive correlation and middle negative correlation with coal yield and rainfall respectively. The study result will do benefit for understanding how much and what change has happened in similar area and better understanding the drive force for this kind of change. High spatial resolution images and object-oriented classification method will be used, and more driving factors and models for water area changing will be considered in further study to describe and explain the change more objectively and accurately.

coal mines; remote sensing; monitoring; Yanzhou coalfield; coal mining subsidence; modified normalized difference water index (MNDWI); monitoring on surface water changes

10.11975/j.issn.1002-6819.2017.18.032

F205; X171.4

A

1002-6819(2017)-18-0243-08

2017-05-26

2017-09-11

國(guó)家自然科學(xué)基金資助項(xiàng)目（41501564）

李 晶，吉林人，教授，主要研究方向?yàn)橥恋乩门c土地復(fù)墾、生態(tài)遙感、3S應(yīng)用。Email：Lijing@cumtb.edu.cn