李 峰，王秋玲，趙玉玲，錢 安

(1.防災(zāi)科技學(xué)院，河北 三河 065201；2.河北工程大學(xué)礦業(yè)與測繪工程學(xué)院，河北 邯鄲 056038)

內(nèi)蒙古烏達煤田煤火嚴重威脅著當(dāng)?shù)鼐用竦纳硇慕】蛋l(fā)展、生態(tài)環(huán)境平衡、基礎(chǔ)設(shè)施建設(shè)和自然資源開采[1]，不但消耗大量的煤炭資源而且還引起不同程度的地質(zhì)災(zāi)害，給當(dāng)?shù)鼐用竦纳a(chǎn)和生活帶來了無法估量的損失。多年來，國內(nèi)外學(xué)者利用電場、化學(xué)場、磁場、溫度場、非熱紅外光譜場等方法[2-6]詳細探測分析了煤火的發(fā)生位置、發(fā)展變化的狀況，在這些煤火探測方法中，熱紅外遙感技術(shù)因其快速、覆蓋范圍廣、精度高的優(yōu)勢而被廣泛使用和研究。Landsat系列衛(wèi)星、ASTER衛(wèi)星的熱紅外波段是最常用的煤火探測熱紅外數(shù)據(jù)源，近年來機載熱紅外技術(shù)，甚至無人機熱紅外遙感技術(shù)的出現(xiàn)極大地推動了煤火探測技術(shù)的進步[7-8]。值得注意的是，熱紅外遙感技術(shù)在白天易受太陽輻射的影響造成整體地表溫度升高，從而掩蓋了煤火在地表的溫度異常[9-10]。因此，國內(nèi)外的學(xué)者認為夜間無太陽加熱的條件下熱紅外遙感技術(shù)煤火的探測精度更高。

目前上述熱紅外手段面臨以下困境：Landsat 8衛(wèi)星僅提供白天影像，目標(biāo)區(qū)域的ASTER衛(wèi)星夜間影像很少，機載熱紅外技術(shù)成本過高[11]，無人機熱紅外技術(shù)適合小區(qū)域應(yīng)用，HJ1-B衛(wèi)星150 m熱紅外波段的分辨率過低，中巴資源CBERS系列衛(wèi)星的熱紅外傳感器IRS也因信噪比低的緣故而很少被應(yīng)用于熱紅外領(lǐng)域，但是CBERS-04衛(wèi)星的IRS設(shè)計有夜間成像能力，80 m分辨率熱紅外波段較為適合探測大范圍的煤火。筆者擬利用CBERS-04衛(wèi)星IRS傳感器開展烏達煤田煤火探測的試驗，研究該星熱紅外探測煤火探測方法，探討其探測精度和應(yīng)用潛力。

1 研究區(qū)域與數(shù)據(jù)來源

烏達煤田位于內(nèi)蒙古自治區(qū)烏海市西南，西、北接烏蘭布和沙漠，東距黃河6 km，其中的五虎山屬于南部賀蘭山的余脈。烏達煤田隸屬于神華烏海能源有限公司，分為蘇海圖礦、黃白茨礦和五虎山礦，占地面積約84 km2，地質(zhì)總儲量為6.3億t。自1961年黃白茨礦發(fā)火以來，煤火災(zāi)害從未停息，煤火最嚴重時期烏達煤田火區(qū)數(shù)目達到16個，煤火面積為349.6萬m2。CBERS-04衛(wèi)星自2014年12月7日發(fā)射升空，搭載全色、多光譜、寬視場和紅外相機各1臺，其中熱紅外波段(光譜范圍為10.4～12.5 μm)可用于夜間熱成像，空間分辨率為80 m，重訪周期為26 d。為了更加準(zhǔn)確地探測煤火位置，本次試驗采用2018年1月26日的CBERS-04衛(wèi)星冬季夜間熱成像數(shù)據(jù)，選用2017年12月31日的Landsat-8衛(wèi)星影像數(shù)據(jù)作為幾何校正影像，采用2015年11月12日的ASTER衛(wèi)星夜間熱紅外影像作為驗證數(shù)據(jù)。

2 研究方法

2.1 熱紅外影像的地表溫度反演方法

首先，根據(jù)中國資源衛(wèi)星應(yīng)用中心發(fā)布的CBERS-04衛(wèi)星紅外相機熱紅外波段定標(biāo)公式和定標(biāo)系數(shù)將衛(wèi)星圖像DN值轉(zhuǎn)換為輻亮度圖像，輻射定標(biāo)公式見式(1)。

L(λ)=Gain·DN+Offset

(1)

式中：L(λ)為定標(biāo)后的輻射亮度，W/(m2·sr·μm)；DN為熱紅外影像的亮度值；Gain為定標(biāo)增益系數(shù)，數(shù)值為0.0558；Offset為增益偏移量，數(shù)值為-0.117。

熱紅外影像表現(xiàn)出的是地表的溫度差異狀況，其成像結(jié)果與可見光影像存在較大差異，為了能更好地與現(xiàn)有的數(shù)據(jù)進行匹配，在湖泊、道路交叉口等溫度異常區(qū)現(xiàn)場采集部分GPS點并在Landsat 8衛(wèi)星的全色和熱紅外影像上共選取13個點作為參考點，使用ENVI軟件的Registration功能完成CBERS-04衛(wèi)星熱影像的幾何校正，熱紅外影像的幾何糾正中誤差為0.65個像元。

目前中國資源衛(wèi)星應(yīng)用中心尚未提供CBERS-04衛(wèi)星IRS波段的光譜響應(yīng)函數(shù)，因此不能建立該波段的理論溫度反演公式，筆者采用地面同步溫度測量的方式來構(gòu)建地表溫度反演公式。CBERS-04衛(wèi)星的熱成像時間為22∶49，完全的地表溫度同步測量很難做到，筆者在現(xiàn)場將人員分為2組，在22∶30～23∶30之間使用testo830-S1紅外測溫儀實施地表溫度和GPS定位測量，選取烏蘭布和沙漠沙地、烏達煤田煤矸石、烏達煤田東部房屋屋頂、植被、黃河冰、城區(qū)公園湖內(nèi)冰水混合物6種地類，地表溫度測量點數(shù)分別為15、12、18、13、17，共測量80個點。利用測量的地表溫度點和CBERS-04衛(wèi)星熱紅外影像輻射亮度值建立二者之間的線性擬合關(guān)系式，見式(2)。

T=13.169L(λ)-60.515

(2)

式中，T表示地表實測溫度值，℃。地表溫度線性擬合的相關(guān)系數(shù)為0.798。

2.2 自適應(yīng)邊緣閾值法

煤火探測方法的理論基礎(chǔ)是確定熱圖像背景溫度和煤火區(qū)溫度臨界值，目前的主要方法包括手工調(diào)試法、梯度閾值法、移動窗口法[12-14]，其中，手工調(diào)試法通過調(diào)整溫度閾值來目視熱異常提取效果，梯度閾值法和移動窗口法分別從整體和局部角度考慮設(shè)置溫度閾值。本文提出一種自適應(yīng)火區(qū)邊緣閾值算法(adaptive-edge threshold algorithm,AETA)來探測煤火的邊界，算法的具體流程如下所述。

由于CBERS-04衛(wèi)星熱紅外影像的噪聲較大，首先需要過濾平滑這些圖像噪聲并保留煤火區(qū)的特征，本文選擇高斯濾波器來過濾圖像噪聲，高斯濾波器通過對高斯函數(shù)進行離散化，以離散點上的高斯函數(shù)值為權(quán)值，對圖像灰度矩陣的每個像素點在一定鄰域內(nèi)加權(quán)平均來消除高斯噪聲，高斯卷積核Hi,j的計算公式見式(3)。

(3)

式中：i、j分別為圖像的行、列號；k用于確定高斯卷積核的維數(shù)，高斯卷積核的大小為2k+1；σ表示高斯分布的標(biāo)準(zhǔn)差，決定了高斯濾波的強度。這里設(shè)置k=2，σ=1。高斯濾波器有效抑制了原始噪聲，但也產(chǎn)生了極大的模糊效果。

為了確定煤火區(qū)的邊界，采用圖像處理中的6種邊緣檢測算法探測火區(qū)梯度突變的界線，這6種算子分別是Sobel、Roberts、Prewitt、Log、Canny和Zero cross算子，它們分別與高斯濾波后的溫度圖像進行卷積運算后的結(jié)果如圖1所示。

圖1 6種緣檢測算子識別煤火區(qū)邊界的效果Fig.1 The identified effects of coal fire boundaries for six edge detection operators

圖1中礦區(qū)地表溫度底圖顯示的高亮白色屬于煤火范圍，各類邊緣檢測算子能探測到礦區(qū)高、低溫的區(qū)域變化邊界，圖1(d)、圖1(e)和圖1(f)分別顯示Canny算子、Zerocross算子、Log算子雖能識別高、低溫邊界卻產(chǎn)生了大量的噪聲邊緣；相比而言，圖1(a)、圖1(b)和圖1(c)顯示的Roberts算子、Prewitt算子和Sobel算子能較為準(zhǔn)確地描述溫度劇變的邊緣特征，但是Roberts算子損失了大量的高溫和低溫邊緣特征；相對Sobel算子，Prewitt算子識別的高、低溫邊緣像素少且邊緣精度低；而Sobel算子不僅能同時定位高、低溫邊緣，探測邊緣數(shù)量充足，而且邊緣定位精度在6種算子中最高。因此，本文選取Sobel算子完成火區(qū)邊緣檢測，Sobel算子的計算公式見式(4)。

(4)

式中：f(i,j)為處理的圖像；Gi和Gj分別為水平和豎直方向算子的卷積結(jié)果；G為檢測得到的邊緣幅度值。

圖1(c)顯示的Sobel邊緣中不僅包含了高溫火區(qū)的邊界而且也探測到了低溫邊緣。AETA法的最終目的是去除低溫邊緣而保留高溫邊界，因此分別選取溫度均值Ta減溫度標(biāo)準(zhǔn)差stdT(Ta-stdT)、溫度均值Ta、溫度均值加溫度標(biāo)準(zhǔn)差(Ta+stdT)這3種溫度值作為礦區(qū)地表高溫緩沖區(qū)的分割閾值，經(jīng)過試驗發(fā)現(xiàn)大于Ta+stdT的溫度閾值能較準(zhǔn)確地識別礦區(qū)地表的高溫緩沖區(qū)，分割出的高溫緩沖區(qū)與Sobel邊緣求交集后即可產(chǎn)生煤田地表高溫區(qū)域邊緣。雖然Sobel算子探測出了大部分的圖像溫度梯度邊界，但是并未探測出全部的高溫區(qū)邊緣，因此直接利用這些邊緣值并不能完整地描述出煤火區(qū)的范圍。為了提取煤火區(qū)的范圍，疊加這些高溫邊緣與原始地表溫度圖得到高溫邊緣溫度圖，然后求取高溫邊緣的溫度均值作為最終火區(qū)分割的溫度閾值Th，基于該溫度閾值再將提取的柵格煤火區(qū)轉(zhuǎn)換為矢量多邊形即可完成煤火區(qū)的識別，算法的流程圖如圖2所示。

圖2 AETA法煤火提取流程圖Fig.2 The flowchart of extracting coal fires using AETA algorithm

3 結(jié)果與分析

根據(jù)自適應(yīng)邊緣閾值法確定的2018年1月26日的CBERS-04衛(wèi)星熱紅外溫度圖的煤火分割閾值為-4.96 ℃，利用該閾值生成的烏達煤田煤火的邊界如圖3所示，圖3中的實線邊界表示使用AETA法提取的烏達煤田火區(qū)，識別大小火區(qū)共39個，煤火區(qū)面積為3.00 km2，從調(diào)查的煤火燃燒的土地類型看屬于地下煤火、煤堆火和煤矸石火的數(shù)量分別為4個、5個和30個，其中煤矸石為煤炭露天開采過程中產(chǎn)生的廢棄物。筆者在2018年1月25日和27日2天調(diào)查了烏達煤田火區(qū)狀況，使用手持GPS設(shè)備實測169個明顯煤火位置點(十字形)，其中L1、L3、L4、L5、L6和L7區(qū)(虛線區(qū))表示未探測到的火區(qū)；為了檢驗火區(qū)邊界識別的準(zhǔn)確度，現(xiàn)場采集了L2、L8、L9、L10和L11共5個明顯火點邊界(虛線區(qū))；同時發(fā)現(xiàn)有1處多余探測的火區(qū)，如圖3中M1區(qū)的紫色填充區(qū)所示。

現(xiàn)場調(diào)查結(jié)果發(fā)現(xiàn)基于CBERS-04衛(wèi)星熱紅外影像和本文算法提取的煤火區(qū)位置均與現(xiàn)場火區(qū)所對應(yīng)，但對于小于5個像元大小的區(qū)域在柵格轉(zhuǎn)換矢量后易造成了較大的煤火區(qū)探測面積損失。L1、L3、L4、L5、L6和L7區(qū)未能探測出高溫異常是因為這些火點位置分散，面積遠小于80 m的像元尺寸，其總體溫度相比集中燃燒火區(qū)的溫度要低，導(dǎo)致CBERS-04衛(wèi)星熱紅外傳感器未能檢測到這類零星火點。L2、L8、L9、L10和L11區(qū)的煤火點位于煤火高溫異常區(qū)的外邊緣，其中L10中的煤火點完全位于探測的煤火區(qū)內(nèi)；其中L2、L8和L9區(qū)距離所探測的煤火區(qū)邊界在1個像元大小內(nèi)，L8區(qū)域的60個實測點中，有26個煤火點位于火區(qū)內(nèi)，11個煤火點在煤火區(qū)柵格轉(zhuǎn)換成矢量區(qū)域過程中損失掉，有24個點未被完全探測到，火區(qū)邊界約有1個像元的誤差，這些像元誤差可能是幾何校正誤差或者是衛(wèi)星熱紅外傳感器邊緣探測噪聲造成。M1區(qū)為冗余煤火區(qū)，該處位置為礦區(qū)主道路，現(xiàn)場調(diào)查并未發(fā)現(xiàn)煤火，很可能是由于道路兩側(cè)煤火熱傳導(dǎo)產(chǎn)生了高溫異常。根據(jù)以上分析，將L1、L2、L3、L4、L5、L6、L7、L8和L9共9個區(qū)看作假負區(qū)，根據(jù)AETA法提取的39個火區(qū)作為真正區(qū)，僅考慮火區(qū)位置識別的真正率，則提取的煤火區(qū)的準(zhǔn)確率為81.3%。此外，圖3顯示提取的煤火邊界(實線)能較好區(qū)分煤火高溫?zé)岙惓^(qū)(亮白色)和背景區(qū)，煤火區(qū)邊界與煤火高溫?zé)岙惓；饏^(qū)吻合較好。

圖3 利用CBERS-04衛(wèi)星提取的地下煤火圖Fig.3 Extracted underground coal fire map based on CBERS-04 satellite

為進一步驗證AETA法的煤火探測能力，選取ASTER衛(wèi)星和CBERS-04衛(wèi)星在2015年11月12日夜晚獲取的熱紅外影像，對ASTER衛(wèi)星采用TES算法反演礦區(qū)地表溫度[15]，CBERS-04衛(wèi)星因缺乏相關(guān)溫度反演公式只能采用熱輻射校正后的輻射亮度來識別火區(qū)，根據(jù)AETA法分別提取2種熱紅外圖像對應(yīng)的煤火區(qū)，2種衛(wèi)星在同一天夜晚探測的火區(qū)如圖4所示。因ASTER衛(wèi)星的熱敏度更高，捕捉的熱信息更豐富，因此，以ASTER衛(wèi)星識別的火區(qū)作為參考火區(qū)，以CBERS-04衛(wèi)星火區(qū)進行對比，其中ASTER衛(wèi)星探測煤火區(qū)21個，真正區(qū)為17個，假正區(qū)為2個，假負區(qū)為4個，則兩種衛(wèi)星的煤火區(qū)的位置重疊率為81.0%，這說明使用AETA法探測煤火的精度可靠。結(jié)合CBERS-04衛(wèi)星的熱紅外圖像知，無論是2個假正區(qū)還是4個假負區(qū)均處于CBERS-04衛(wèi)星影像的微弱熱異常區(qū)內(nèi)，未能提取這些火區(qū)的原因可能與所提算法是以整體閾值作為分割煤火熱異常的依據(jù)有關(guān)。CBERS-04衛(wèi)星和ASTER衛(wèi)星熱紅外影像提取的煤火區(qū)數(shù)分別為19個和21個，煤火區(qū)面積分別為1.81 km2和1.40 km2，可見CBERS-04衛(wèi)星比ASTER衛(wèi)星提取的火區(qū)面積多出29.28%。此外，綜合2015年和2018年的CBERS-04衛(wèi)星提取的煤火區(qū)面積來看，三年來隨著煤炭價格的不斷上漲，煤火面積也隨之增長了114.26%。

圖4 ASTER衛(wèi)星和CBERS-04衛(wèi)星提取煤火區(qū)對比Fig.4 Comparison of extracted coal fire areas using ASTER satellite and CBERS-04 satellite

4 結(jié) 論

本文基于CBERS-04衛(wèi)星熱紅外波段影像，提出一種AETA煤火識別算法來圈定內(nèi)蒙古烏達煤田煤火邊界，通過與實地調(diào)查的火區(qū)進行對比驗證，取得了如下結(jié)論。

1) AETA法能消除CBERS-04衛(wèi)星熱紅外傳感器的熱噪聲，與其他5種常見的邊緣檢測算子相比，能更充分精確地探測溫度梯度邊緣，無需任何人工干預(yù)，即可自動準(zhǔn)確地確定煤火高溫區(qū)與背景溫度區(qū)之間的分隔界線；通過現(xiàn)場實測火點數(shù)據(jù)驗證，發(fā)現(xiàn)AETA法的煤火提取精度為81.3%，說明該算法提取的煤火區(qū)具有較高的可靠性。

2) 利用AETA法提取烏達煤田同一天夜晚的ASTER衛(wèi)星和CBERS-04衛(wèi)星熱紅外影像的煤火，發(fā)現(xiàn)兩種衛(wèi)星提取火區(qū)的重疊度為81%，表明AETA法適用于多種熱紅外衛(wèi)星煤火探測場景，具有良好的煤火探測能力和較高的可行性，可為煤火監(jiān)測與防治提供新的技術(shù)手段。