基于遥感影像的矿山地质灾害监测方法及影响因子分析.docxVIP

基于遥感影像的矿山地质灾害监测方法及影响因子分析 0 煤矿环境调查与监测技术研究 在地震遥感监测中，遥感具有宏观性强、定位准确、分辨率高、周期长等特点。多源遥感精准监测技术已成为矿山合理开发与可持续发展的重要组成部分:李成尊应用Quick Bird遥感数据对山西晋城煤矿开采引发的地质灾害进行调查,分析了地质灾害现状、成因;徐刚通过1∶5万专题遥感解译和地质调查,划分了地质灾害危险区;冯雨林建立了灾害体的3D仿真模型,提取泥石流灾害体的特征信息;杜培军提出了煤矿区地质环境与地质灾害遥感监测系统;宁树正应用遥感图像与数字高程模型相结合的方法进行煤矿区沉降及监测;濮国梁采用数据融合技术,提高了滑坡和崩塌的解译精度;顾广明构建了“3S”技术在煤矿区开发现状及环境调查与监测中应用;尚红英研究了利用遥感技术开展矿山动态监测的方法与技术路线;乔彦肖采用AHP多层次分析法,对地质灾害及孕灾环境进行综合评价。 1 优质无烟煤生产基地 研究区位于北京西南,房山区西部,面积约30 km2,隶属于北京市房山区史家营乡,区内煤炭资源丰富,石炭纪、侏罗纪两个重要煤层贯穿全区,是北京市优质无烟煤生产基地。 论文使用Geoeye数据(最高空间分辨率为0.5 m,获取时间2009年3月8日)提取地质灾害的分布情况,利用DEM数据(比例尺为1∶10000,获取时间2007年10月)提取与地质灾害相关的成因因子。 2 提取矿区灾害信息的方法 2.1 地震类型及图像识别特征的性质 崩塌、滑坡、地裂缝、地面塌陷是研究区矿山地质灾害的主要类型。根据野外调查,建立它们的遥感影像识别特征如表1: 2.2 泥石流灾害概况 根据上述识别标志,利用支持向量机分类算法对矿山地质灾害和其它不同地物类型进行分类;应用掩模方法提取地质灾害,形成二值图;在此基础上,利用Arc GIS软件中的“位图到矢量图”转换工具将二值图转换成矢量图(图1),并对它们进行统计,结果如表2所示。 统计结果表明,研究区地质灾害类型以崩塌为主。它主要分布东北部和西部,塌陷主要分布在中部,地裂缝、滑坡主要分布在东北部。因此,研究区东北部地质灾害类型多样,所占面积比重大,是灾害多发区。 2.3 现场评估 2009年11月27日~29日对灾害提取结果进行了野外考察。结果表明,提取地质灾害的精度为98%,证实了方法的有效性。 3 影响矿区灾害的因素分析 3.1 连续变量深化分类 结合专家知识,确定矿山资源开发等要素,矿山地质灾害的评价指标有:坡度、坡向、粗糙度、岩性、构造、人工活动和道路。本文设计了一种基于单因子灾害曲线拟合与多因子逻辑回归的统计模型对各类地质灾害进行敏感性计算。步骤如下: (1)划分单元格。将研究区划分为5m×5m单元格,共计1267875个单元格。 (2)对连续变量类型的评价指标(坡度、坡向等)划分为32个区段,并统计各分割段内的单元格数量、发生灾害的单元格数量,利用二者的比值计算各个区段发生灾害的比例;对非连续类型变量(如岩性)则直接通过统计各变量发生灾害的比例作为该因子的易发值。 (3)以各分割结果中心值为自变量,发生灾害的比例为因变量进行曲线拟合。通过考察拟合误差,确定评价指标。 (4)根据拟合结果得到各因子对灾害的敏感性计算公式,计算不同灾害类型对各因子的敏感性。 (5)选择一定数量的已发生灾害单元格与未发生灾害单元格。通过灾害发生与否与这些单元格取值进行逻辑回归。 3.2 各因子系数的回归模型 利用逻辑回归方法得到的崩塌回归模型如公式(1)所示。式中,slope表示坡度,aspect表示坡向,fault表示构造,rough表示粗糙度,lit表示岩性,human表示人工活动。以下各式,符号代表的含义与本式相同。 由各因子系数可知,人工活动对崩塌贡献最大,其次为构造、坡度、岩性,粗糙度和坡向。利用上述模型对危险区进行预测,结果如图2(a)所示。从图中可以看出,危险区呈条带状分布,明显受构造作用的控制,中部和东北部地区比较危险。 滑坡的回归模型如公式(2)所示。由各因子系数可知,人工活动对滑坡贡献度最大,其次为坡度、粗糙度,岩性、构造和坡向。利用上述模型对危险区进行预测,结果如图2(b)所示。从图中可以看出,危险区呈条带状分布,中部和东北部地区危险性大。 地裂缝的回归模型如公式(3)所示。由各因子系数可知,人工活动对地裂缝贡献度最大,其次为坡度、岩性、构造、坡向;贡献较少的是粗糙度。利用上述模型对危险区进行预测的结果如图2(c)所示。从图中可以看出,中部地区较为危险。 利用逻辑回归方法得到的地面塌陷回归模型如公式(4)所示。由各因子系数可知,人工活动对地面塌陷的贡献度最大,其次为岩性、构造。利用上述模型对危险区进行预测,结果如图2(d)所示,从图中可以看出,中部偏北地区较为危险。 3.3 原因