安夫剛 張永亮 郭航 焦何亭

摘要： 高潛水位煤礦區(qū)開采后極易形成的積水區(qū)，對其進行提取設計以及演變分析具有重要科學意義。本研究基于Landsat系列影像數(shù)據(jù)，利用遙感云計算平臺GEE，采用水體指數(shù)法提取巨野龍固煤礦2001—2020年的水體面積變化，同時與GSW數(shù)據(jù)集提取的水面進行輔助驗證以及利用Sentinel ?2數(shù)據(jù)監(jiān)督分類提取水體進行精度驗證，然后對其演變進行分析。結果表明：研究區(qū)20年來水體范圍一直在呈穩(wěn)定增長的趨勢，2001—2014年呈緩慢增長趨勢，2015—2020年呈現(xiàn)出迅速增長的趨勢，造成礦區(qū)水體范圍面積在2015年迅速擴大的原因主要為煤礦開采活動。

關鍵詞： GEE；地表水體；GSW；Landsat；龍固煤礦；山東巨野

中圖分類號： ?P237 ?????文獻標識碼： ?A ???doi：10.12128/j.issn.1672 ?6979.2023.04.004

引文格式： 安夫剛，張永亮，郭航.山東巨野龍固煤礦地表水體范圍提取設計及演變分析［J］.山東國土資源，2023，39（4）：28 33.AN Fugang， ZHANG Yongliang， GUO Hang. Extraction Design and Evolution Analysis of Surface Water Body Range in Longgu Coal Mine in Juye County［J］.Shandong Land and Resources，2023，39（4）：28 ?33.

0 引言

隨著煤炭產(chǎn)業(yè)的發(fā)展，煤炭開采活動所造成的地表沉陷問題越發(fā)嚴峻，其相關研究一直受到相關學者的廣泛關注，一些學者針對某些特定礦區(qū)的塌陷防治以及提出耕地復墾建議等［1 ?3］，針對采煤塌陷區(qū)的評價模型和預測模型等也有大量研究［4 ?7］。而煤礦開采活動造成的地表沉陷，引發(fā)高潛水位地下水出露地表，制約著礦區(qū)土地的生產(chǎn)力，影響社會經(jīng)濟的可持續(xù)發(fā)展。尤其是在我國華北平原的高潛水位煤礦區(qū)，地表塌陷面積大，下沉速度較快，極易形成積水區(qū)，造成農(nóng)作物的減產(chǎn)、絕產(chǎn)。山東省菏澤市巨野龍固煤礦為典型的高潛水位礦區(qū)，采用遙感技術對礦區(qū)地表水體范圍提取以及演變分析，對于礦區(qū)環(huán)境保護和資源合理開發(fā)是非常必要的。利用衛(wèi)星遙感數(shù)據(jù)提取水體信息具有宏觀、快速、實時成本低和人為因素干擾少等優(yōu)點［8 ?9］。傳統(tǒng)的遙感影像解譯工具如ERDAS、ENVI等，對于長時序的遙感影像解譯起來工作量大，耗費時間。GEE（Google Earth Engine）以其集大數(shù)據(jù)/云計算為一體的特點，極大提高了海量數(shù)據(jù)處理與信息挖掘效率［10］。

常用的提取水體信息方法主要有單波段閾值法、譜間關系法和水體指數(shù)法三大類［11］。其中水體指數(shù)法是利用水體反射強的波段和反射弱的波段通過比值運算構建的水體提取方法［12］，常用的有歸一化水體指數(shù)（NDWI）以及改進的歸一化差異水體指數(shù)（MNDWI）等。所采用數(shù)據(jù)源主要有光學數(shù)據(jù)和雷達數(shù)據(jù)［13］，光學數(shù)據(jù)有Landsat系列、MODIS、GF等，雷達數(shù)據(jù)有RadarSat、ENVI ?SAT、Sentinel ?1和GF ?3號等。其中應用比較廣泛的是Landsat系列數(shù)據(jù)［14］，光學數(shù)據(jù)處理主要利用水體與其他地物光譜等信息的差異，通過波段排列組合，增強水體信息，抑制其他地物信息［15］。為此，本研究通過GEE遙感云計算平臺采用水體指數(shù)法基于Landsat系列影像對巨野龍固礦區(qū)進行長時序的水面提取，與JRC（Joint Research Center）和谷歌聯(lián)合產(chǎn)品GSW全球降水數(shù)據(jù)提取的水面對比，利用Sentinel ?2通過監(jiān)督分類進行解譯驗證，并對水體面積演變進行分析。

1 研究方法與數(shù)據(jù)來源

1.1 研究區(qū)概況

研究區(qū)范圍采用巨野龍固煤礦礦界，龍固煤礦位于山東省菏澤市巨野縣龍堌鎮(zhèn)內、巨野煤田的中南部。2000年設計，2009年投產(chǎn)，設計生產(chǎn)能力600萬t/a，實際系統(tǒng)配置能力達千萬噸/年［16］。該區(qū)地處平原，屬溫帶季風氣候，雨熱同季、四季分明。周圍交通便利，地理位置十分優(yōu)越。

1.2 數(shù)據(jù)來源

研究區(qū)數(shù)據(jù)主要包括在軌時間長覆蓋面廣的Landsat TM/ETM+/OLI影像數(shù)據(jù)（Landsat5、Landsat7、Landsat8），空間分辨率為30m，輔助驗證數(shù)據(jù)為JRC和谷歌的聯(lián)合產(chǎn)品GSW全球數(shù)據(jù)集，分辨率同樣為30m，空間分辨率10m的Sentinel ?2數(shù)據(jù)，降水和氣溫數(shù)據(jù)來源于國家氣象信息中心，獲取鏈接見表1。

1.3 研究方法

本研究選用了改進的歸一化差異水體指數(shù)（Modified normalized difference water index，MNDWI）、歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）以及增強型植被指數(shù)（Enhanced Vegetation Index，EVI）組成開闊水面提取綜合模型，通過GEE遙感云計算平臺提取出2001—2020年Landsat影像和GSW全球數(shù)據(jù)集在礦區(qū)范圍內的水體范圍進行對比驗證，利用分辨率更好的Sentinel ?2數(shù)據(jù)進行精度的解譯驗證，并研究地表水的變化以及空間特征，對其演變進行分析。

1.3.1 改進歸一化差異水體指數(shù)（MNDWI）

改進的歸一化差異水體指數(shù)（MNDWI），通過短波紅外波段代替近紅外波段，使得水體與建筑物的反差明顯增強，使得提取水體正確性進一步提高［17］。計算公式如式（1）所示：

MNDWI= ?GREEN ?SWIR ?GREEN+SWIR ????（1）

式中：GREEN為綠光波段，SWIR為短波紅外波段。

1.3.2 歸一化差異植被指數(shù)（NDVI）

NDVI是目前使用最廣泛的植被指數(shù)，水體在紅光波段反射率高于植被，而植被在近紅外波段反射率明顯高于水體，可以用來增強水陸差異［18］。NDVI受土壤背景影響較大，但可以消除大部分與儀器定標、太陽角等有關輻照度的變化，增強對植被的影響力［19］。計算公式如式（2）所示：

NDVI= ?NIR ?RED ?NIR+RED ????（2）

式中：RED表示紅光波段;NIR表示近紅外波段。

1.3.3 增強型植被指數(shù)（EVI）

EVI是在NDVI的基礎上改善出來的，對數(shù)據(jù)進行了全面的大氣校正，包含有云處理、大氣校正處理、處理殘留氣溶膠，改善了其高植被區(qū)飽和、大氣影響校正不徹底和土壤背景問題［20］。計算公式如式（3）所示： ??EVI= ?2.5×（NIR ?RED） ?NIR+6.0-7.5×BLUE+1 ????（3）

式中：RED表示紅光波段;NIR表示近紅外波段;BLUE表示藍光波段。

1.3.4 水面提取模型

在進行大范圍提取水面時，采用單一的水體指數(shù)在地形地貌不同的情況下并不能滿足提取要求，提取精度低。水體模型結合MNDWI和植被指數(shù)NDVI以及EVI，其中水信號強于植被信號的像元作為實際像元，采用EVI<0.1進一步去除植被引起的噪聲，剔除植被的濕地像元，水體提取精度高［21］。計算公式如式（4）所示：

MNDWI>NDVI or MNDWI> EVI and EVI<0.1 ?（4）

2 試驗與分析

2.1 水體提取精度驗證

為了客觀對比landsat系列影像和GSW數(shù)據(jù)集提取結果，將分辨率為10m的Sentinel ?2數(shù)據(jù)，運用專家知識通過隨機森林監(jiān)督分類的結果作為真實值，分類結果的總體精度為93.8%，Kappa系數(shù)為91.5%。利用相對誤差反映提取結果的可信度，選取2019年的數(shù)據(jù)作為研究對象，發(fā)現(xiàn)Landsat影像的提取結果相對誤差較小，精度較高，但是總體上Laandsat影像提取的精度較目視解譯精度還是較低，其主要原因是Landsat影像的分辨率為30m，對于細小水體的提取存在較大誤差，但是水體指數(shù)法勝在長時序水面提取監(jiān)測的簡單高效（表2）。礦區(qū)內土地利用類型以農(nóng)田為主，形成的積水區(qū)與礦區(qū)地下開采工作面顯著相關，塌陷區(qū)范圍與礦區(qū)開采工作面高度吻合（圖1）。

2.2 水面提取結果分析

礦區(qū)大面積的采空，頂部巖層失去支撐，引起地面沉降，高潛水位礦區(qū)地下潛水位埋深高，采煤沉陷后地下水易上升到地面標高以上，導致地表積水，隨著開采工作面的不斷擴大，地面沉降范圍擴張，積水區(qū)的范圍亦逐漸增大（圖2）。利用水面綜合提取模型，對研究區(qū)2001—2020年的水面進行提取，可以發(fā)現(xiàn)通過Landsat影像提取的水面分布與全球數(shù)據(jù)集GSW提取的水面分布基本相同（圖3、圖4）。2種提取結果都表明，研究區(qū)在2001—2014年水體范圍略有波動，但整體呈現(xiàn)緩慢增長的趨勢，2015—2020年水體范圍呈現(xiàn)出迅速增長的趨勢（圖5）。根據(jù)煤礦動工前后的Landsat影像顯示，發(fā)現(xiàn)礦區(qū)開采前水域只有洙趙新河河段以及洙水河河段，未發(fā)現(xiàn)其他水域。而在礦區(qū)開采后隨著時間的推移，礦區(qū)工作面不斷擴大，洙水河河段水體開始消失，礦區(qū)左下角以及左上角都開始出現(xiàn)區(qū)域性水域，且范圍在不斷擴大，其中左上角水域擴散尤為明顯（圖3、圖4）。礦區(qū)多年來氣溫穩(wěn)定，2001—2015年礦區(qū)內水體面積主要受降水量影響，2015—2020年水體面積主要影響因素為礦區(qū)開采活動（圖5、圖6）。

3 討論與結論

3.1 討論

礦區(qū)自2009年投產(chǎn)以來，堅持“邊開采、邊治理、邊復墾”原則，力求實現(xiàn)區(qū)域生態(tài)和經(jīng)濟的可持續(xù)發(fā)展［22］。這對巨野塌陷區(qū)生態(tài)修復產(chǎn)生了積極效應，配合政府政策，成功的實現(xiàn)了萬畝采煤洼地邊良田池澤。在確定礦區(qū)提取水面范圍的方法上，本研究選擇了簡單高效的水體指數(shù)法，利用GEE遙感云計算平臺提取水面，更加的高效。但是，本研究也有一些需要完善的地方。

（1）受制于數(shù)據(jù)的獲取難度，目前使用的Landsat影像在提取小范圍水體時空間分辨率有限，因此在提取小型積水區(qū)域時存在不小的誤差，在下一步工作中將提高數(shù)據(jù)的分辨率。

（2）水體指數(shù)法雖然簡單高效，但是對于礦區(qū)部分渾濁水體存在漏提現(xiàn)象，下一步將改正水體指數(shù)提取算法，以達到更高的精度。

3.2 結論

高潛水位礦區(qū)地表形變動態(tài)變化的快速提取及變化分析對礦區(qū)生態(tài)環(huán)境保護和土地整治工作具有指導意義，本文通過水體指數(shù)獲取研究區(qū)的水體信息，并對其演變進行分析，主要結論如下：

（1）通過EVI水面提取模型提取的水體范圍與GSW數(shù)據(jù)集提取的水體范圍基本一致，且精度較高，巨野龍固煤礦近20年來水體范圍一直在呈穩(wěn)定增長的趨勢，2001—2014年呈緩慢增長趨勢，主要影響因素為降水量，2015—2020年呈現(xiàn)出迅速增長的趨勢，主要影響因素為礦區(qū)的開采活動。

（2）通過分析降水、氣溫數(shù)據(jù)以及礦區(qū)開采工作面，發(fā)現(xiàn)水體范圍的擴大與礦區(qū)開采活動存在密切聯(lián)系，也與礦區(qū)的生態(tài)恢復治理措施息息相關，通過邊開采邊治理的方法，將開采沉陷積水區(qū)成功轉化為生態(tài)濕地、耕地，不僅解決了開采沉陷積水的問題，亦響應了國家“綠水青山就是金山銀山”生態(tài)理念，適合向更多的高潛水位礦區(qū)推廣。

參考文獻：

［1］ ?黃晶晶，張坤，魏朝富，等.西南喀斯特山地采煤沉陷區(qū)土地整治關鍵技術研究：以重慶松藻礦區(qū)為例［J］.西南大學學報：自然科學版，2014，36（11）：164 ?174.

［2］ ?徐友寧，李玉武，張江華，等.寧夏石嘴山采煤塌陷區(qū)地質環(huán)境治理模式研究［J］.西北地質，2015，48（4）：183 ?189.

［3］ ?裴文明，姚素平，董少春，等.皖北劉橋礦采煤塌陷區(qū)生態(tài)環(huán)境動態(tài)監(jiān)測［J］.煤田地質與勘探，2015，43（2）：67 ?72.

［4］ ?張斌，王標，胡蕾，等.山東省棗莊市地質災害現(xiàn)狀研究及防治建議［J］.山東國土資源，2022，38（1）：37 ?43.

［5］ ?丁佩，譚志祥.高潛水位礦區(qū)塌陷地損壞評價方法研究：以徐州旗山礦為例［J］.地礦測繪，2014（4）：7 ?11.

［6］ ?張國麗，楊寶林，張志，等.基于GIS與BP神經(jīng)網(wǎng)絡的采空塌陷易發(fā)性預測［J］.熱帶地理，2015，35（5）：770 ?776.

［7］ ?張豐，張海燕，胡波，等.濟寧市非煤礦山地質環(huán)境影響綜合評價［J］.山東國土資源，2021，37（7）：70 ?74.

［8］ ?翟新源，楊蘇新.基于多源遙感影像的礦區(qū)塌陷地積水提取與時空演變［J］.中國資源綜合利用，2013，31（6）：58 ?63.

［9］ ?莫偉華，孫涵.基于EOS/MODIS衛(wèi)星數(shù)據(jù)的洪澇災害遙感監(jiān)測應用技術研究［D］.南京：南京信息工程大學，2006：1 ?20.

［10］ ?王小娜，田金炎，李小娟，等.Google Earth Engine云平臺對遙感發(fā)展的改變［J］.遙感學報，2022（2）：299 ?309.

［11］ ?陳旺，梁虹，鄧亞東，等.一種基于指數(shù)函數(shù)的遙感水體信息提取方法［J］.地球物理學進展，2011，26（1）：364 ?370.

［12］ ?于德浩，龍凡，鄧正棟，等.基于遙感特征指數(shù)的地表水體自動提取技術研究［J］.地球物理學進展，2009，24（2）：707 ?713.

［13］ ?李丹，吳保生，陳博偉，等.基于衛(wèi)星遙感的水體信息提取研究進展與展望［J］.2020，60（2）：147 ?161.

［14］ ?林騰.閩江口水體變化的遙感動態(tài)監(jiān)測［J］.福建地質，2013，32（3）：243 ?248.

［15］ ?萬建鵬.基于Landsat TM/ETM+影像鄱陽湖地區(qū)水體提取研究［D］.東華理工大學，2015：1 ?15.

［16］ ?劉松良.山東省巨野煤田梁寶寺井田水文地質條件及充水因素分析［J］.山東國土資源，2014，30（4）：68 ?72.

［17］ ?徐涵秋.利用改進的歸一化差異水體指數(shù)（MNDWI）提取水體信息的研究［J］.遙感學報，2005（5）：589 ?595.

［18］ ?王帆，李崇貴，馬婷，等.一種改進的遙感影像水體信息快速提取方法［J］.人民長江，2021，52（6）：223 ?228.

［19］ ?高欣.基于ALOS影像融合技術的黃土丘陵溝壑區(qū)土壤侵蝕景觀格局研究［D］.西北農(nóng)林科技大學，2009：1 ?20.

［20］ ?馬琳雅，黃曉東，方金，等.青藏高原草地植被指數(shù)時空變化特征［J］.草業(yè)科學，2011，28（6）：1106 ?1116.

［21］ ?Zou Z，Dong J，Menarguez M A，et al.Continued decrease of open surface water body area in Oklahoma during 1984—2015［J］. Science of the Total Environment，2017，595：451 ?460.

［22］ ?李晨.巨野龍固礦井塌陷區(qū)農(nóng)業(yè)園區(qū)規(guī)劃研究［D］.山東農(nóng)業(yè)大學，2013：1 ?20.

Extraction Design and Evolution Analysis of Surface ???Water Body Range in Longgu Coal Mine in Juye County

AN Fugang1， ?ZHANG Yongliang2， GUO Hang3， JIAO Heting4

（1. Juye Bureau of Natural Resources and Planning， Shandong Juye 274913， China; 2. China University of Mining and Technology Beijing， Beijing 100083， China; 3 Xinjulong Energy Co.， Ltd of Shandong Energy Group， Shandong Juye 274913， China; 4. Heze Bureau of Natural Resources and Planning， Shandong Heze 274000， China）

Abstract： ??It is of great scientific significance to carry out extraction design and evolution analysis for the ponding area easily formed after mining in high groundwater level coal mine area. Based on the Landsat series image data， by using the remote sensing cloud computing platform GEE （Google Earth Engine） and water index method， the change of water area of Longgu coal mine in Juye county has been extracted from 2001 to 2020. At the same time， auxiliary verification has been carried out with the water surface extracted from the GSW data set. By using Sentinel ?2 data， the extraction of water body for accuracy verification has been ?to supervised and classified， and the evolution has been analyzed. It is showed that the scope of water body in the study area has been growing steadily for 20 years， showing a slow growth trend from 2001 to 2014， and a rapid growth trend from 2015 to 2020. The main reasons for rapid expansion of the scope of water body in the mining area in 2015 are coal mining activities and government policy factors.

Key words： ?GEE; surface water body; GSW; Landsat; Longgu coal mine; Juye in Shandong province