GF-1与TM影像对高潜水位矿区地表监测的比较分析∗

肖 武李素萃徐建飞吕雪娇王 铮（.中国矿业大学　（北京）土地复垦与生态重建研究所，北京市海淀区，00083；.中国矿业大学　（北京）煤炭资源与安全开采国家重点实验室，北京市海淀区，00083）



GF-1与TM影像对高潜水位矿区地表监测的比较分析∗

肖 武2李素萃1徐建飞1吕雪娇1王 铮1
（1.中国矿业大学（北京）土地复垦与生态重建研究所，北京市海淀区，100083；2.中国矿业大学（北京）煤炭资源与安全开采国家重点实验室，北京市海淀区，100083）

摘 要高潜水位矿区会因煤炭资源的开采使大量优质耕地沦为积水区，对矿区的粮食安全和生态经济安全造成严重影响，为了有效降低耕地的损失率和改善矿区的生态环境，以山东济宁东滩矿为例，采用具有高空间和时间分辨率特点的高分一号卫星（GF-1）与TM影像的地表监测结果进行比较，验证GF-1对矿区地表监测的适用性。GF-1数据具有更高的时间分辨率，可作为矿区地表监测的重要数据源，有助于矿区生态环境和景观格局的动态监测，从而更好的建设生态、绿色和安全的矿区环境。

关键词高分系列卫星 TM影像 高潜水位 地表监测

中国东部矿区多为高潜水位矿区且多为煤炭和粮食的复合区，故而煤炭开采对地表造成扰动，大量优质耕地塌陷为积水区。东部高潜水位矿区的地表监测承受着国家粮食安全和生态安全的双重压力，加强对高潜水位矿区地表的实时监测，有助于选择合适的复垦时机及复垦技术从而有效的降低耕地损失率，为改善地表生态环境以及景观格局优化等规划具有很好的借鉴。选取山东省济宁市高潜水位东滩煤矿为例，对三种数据进行地表覆盖的提取比较研究，并根据高潜水位矿区的特点针对研究区提取的水域进行详细的精度对比分析。

1　研究区概况

研究区为山东省济宁市境内的东滩煤矿，地理坐标为东经116°50′49″～116°56′56″，北纬35°24′11″～35°31′25″，其地跨曲阜、邹城和兖州。矿区是第四系山前倾斜冲积－洪积平原，位于鲁中低山丘陵到平原洼地的过度地带，整体地势由西南向东北逐渐升高，但坡度平缓。地面标高在+42.46～+54.58 m，潜水位埋深约为2 m，属于高潜水位矿区。该区属于温带季风、温带海洋与温带大陆性气候的过渡地区，四季分明，平均降水量约为715.54 mm/a，年平均气温约为14℃。土壤类型多为褐土，土地质地良好，土壤肥沃，是重要的粮食产区。均为季节性河流的白马河和泥河是矿区内的主要河流，向南汇入南阳湖，研究区地下水资源充足。东滩矿自1989年投产以来，对3#煤层进行开采，地面已经形成了大面积的沉陷区，加之潜水位较高而汇集为大水面。

2　研究材料与方法

2.1 研究区数据来源

GF-1卫星发射于2013年4月26日，是中国民用高分卫星的首发星，其配备了2 m分辨率全色和8 m分辨率多光谱相机（PMS）各1台，4台16 m分辨率多光谱宽幅相机（WFV），其覆盖周期为41 d（侧摆时4 d）。Landsat-8传感器OLI包含15 m分辩率全色和30 m分辩率多光谱波段。两者都具有蓝、绿、红和近红外波段，且都为太阳同步轨道；TM数据光谱信息更为丰富，但光谱分辨率却不及GF-1；GF-1重访周期以其PMS的4 d 和WFV的2 d相比TM数据的16 d可获取更高频次的影像数据，用于高时间分辨率，两种数据各有优劣。具体轨道参数和载荷技术指标见表1。

该研究区的矢量数据的地理坐标系为WGS_ 1984。高程数据（SRTM DEM UTM）来源于地理空间数据云（Geo-spatial Data Cloud），为90 m分辨率的SRTM（Shuttle Radar Topography Mission）数据产品。

表1　GF-1卫星与Landsat-8卫星传感器和轨道参数及载荷技术指标

研究采用多源遥感数据对高潜水位矿区的地表进行监测分析，选用GF-1卫星数据，获取时间为2015年5月13日，轨道号分别为96/603的2 m分辨率全色和96/604的8 m分辨率的影像数据，2015年4月23日的轨道号为97/604的16 m分辨率的宽幅多光谱数据和2015年4月25日轨道号为35/122 的Landsat-8 TM影像，各项数据见表2，影像研究区无云量及无条带，数据质量好。

表2　研究区遥感数据基本情况

2.2 研究方法

研究以安装IDL8.3 R6补丁（该补丁新增对GF-1传感器在数据读取、大气校正和正射校正及图像融合等操作的原生支持，还对一些BUG进行了修正）的ENVI5.1为软件平台，对GF-1数据和Landsat-8 TM数据进行辐射定标和大气校正以得到真实的地表反射信息。由于所采用的TM遥感数据产品级别是L1T，故而只须对GF-1数据以90 m分辨率的SRTM DEM数据为控制资料进行正射校正；选择以GF-1 PMS传感器上的2 m全色影像为参考影像，对多光谱影像和TM全色影像选择同名地物点进行影像的配准，并检验配准精度满足要求，此操作使各数据地理信息消除偏移。通过比较影像融合方法和查阅文献，选择Gram-Schmidt Pan Sharpening方法，并检查融合后的影像是否很好的继承了原全色影像空间结构信息，纹理是否清晰，是否利于不同地物类型的判读和识别。研究以Google-Earth为辅助信息，将研究区地物分为耕地、林/草地、建设用地、水域和未利用地五类。以GF-1 PMS传感器的数据为真实值，对比分析GF-1 WFV4的16 m数据与Landsat-8 TM融合后15 m数据的地类信息的相对误差及水体位置精度。

对于东部矿区而言，其分布着大量的优质耕地资源和煤炭资源，承担着中国经济安全和粮食安全的双重职责。煤炭开采势必导致土地沉陷和塌陷，加之东部地区水位埋深较浅，故而东部高潜水位矿区煤炭开采会导致矿区呈现大量的积水区域，破坏研究区的生态景观系统的稳定性，在一定程度上降低研究区生态系统的服务价值。因此对高潜水位矿区的水体面积的监测是很有意义的。利用Arcgis10.0对监督分类后矢量化数据进行处理，统计各地类面积。提取像元大小为（2m，2m）GF-1 PMS2和像元大小为（16m，16m）GF-1 WFV4和像元大小为（15m，15m）Landsat-8 TM的各地类的边界范围，以GF-1 PMS2为真实值，分析和比较GF-1 WFV4和Landsat-8 TM数据在土地利用分类，特别是水体提取方面的精度，研究技术流程图如图1所示。

3　结果与分析

3.1 分类精度问题

遥感影像分类精度是衡量分类后数据能否更好更准确的表达研究问题的本质。选择定量分析方法对分类结果进行客观分析，对分类后的影像采用混淆矩阵的方法进行分类结果的精度评价。对于GF-1 PMS2影像而言，选择10个遥感解译比较娴熟的遥感专业人员，对研究区进行选择和修改训练样本，计算样本之间的可分离性。将10种可分离性良好的样本作为真实地表的感兴趣区，得到分类结果的总体精度大于87%，Kappa系数也都在89%之上。GF-1 WFV4和Landsat-8 TM数据的验证样本来源于作为真实值的像元大小为（2 m，2 m）的GF-1 PMS2影像，其分类结果的总体精度分别为93.74%和95.27%，Kappa系数分别为87.79%和93.38%。故而，分类结果满足用户的要求。

3.2 分类结果分析

对经过监督分类的影像进行Majority分析、聚类处理和过滤处理等分类后处理，消除小斑块解决分类图像中出现的孤岛问题。借助arcgis10.0软件，对分类后的各地类进行统计分析，数据见表3和表4。

从图2及表3数据中可以看出，GF-1 WFV4和Landsat-8数据解译后的各地类面积与作为真实值的GF-1 PMS2数据相比具有一致性，即建设用地、水域和未利用地均高于真实值，耕地和林/草地解译面积略低于真实值。

图1　研究技术流程图

图2　各遥感数据分类结果图

表3　各遥感数据分类的地类面积统计

表4　解译地类面积占研究区面积比例

由表4可以看出，GF-1 WFV4和Landsat-8 TM的耕地、林/草地和水域面积占研究区面积的比例几乎相当，差值分别为0.29%、0.16%和0.22%。相比作为真实值GF-1 PMS2的比例均分别少于5.43%、0.96%和1.39%。相比占研究区19.23%的真实建设用地，GF-1 WFV4和TM则分别高出了3.78%和1.67%；未利用地的比例分别比真实值比例高出了1.45%和2.89%。单单从分类后各地类的面积占其研究区总面积比例而言，GF-1 WFV4和Landsat-8数据在对地表监测效果相当。为了定量分析这两种数据在分类结果上的表现，采用相对误差（测量值与真实值之差的绝对值占真实值的百分比）来分析各地类的不同，数据见表5，该指标更能反映数据间的可信程度。

表5　各数据类型相对于真实值GF-1 PMS2的相对误差

可以看出Landsat-8 TM和GF-1 WFV4两种数据的分类结果中耕地的相对误差值最低，即分类精度最高。林/草地的相对误差高达52%以上，其出现的原因有两点，一是林/草的选择标准中包含城市绿地和河流上的藻类植物，由于GF-1 PMS2融合后的分辨率为2 m，其远远高于分辨率分别为15 m和16 m的TM和GF-1 WFV4数据；二是由于数据选择的时间问题，作为真实值的GF-1 PMS2影像时间与TM和GF-1 WFV4影像相比推迟逾20 d，这期间部分未利用土地可能被转化为林/草地。Landsat-8 TM的建设用地和未利用地的相对误差分别为8.67%和48.10%，而GF-1 WFV4数据则分别为19.62%和24.16%，说明建设用地和未利用地在分辨率低时不能很好的区分边界。对于高潜水位矿区而言，对水域面积和边界的监测极为重要，该研究区水体的相对精度相差不大，并且低于18%，说明高分16 m数据和Landsat-8 TM数据在水体的提取方面具有一致性，精度相当。

3.3 水体提取精度的评价

对水体提取精度的评价分为定性和定量分析两个方面。定性分析主要是从图形学方法将GF-1 PMS2、GF-1 WFV4和Landsat-8中解译出的水体边界与GF-1 PMS2全色和多光谱融合后的2 m分辨率影像进行叠加，3种数据解译水体的效果均较好，只是在边界上有点差异，影像分辨率的不同是主要原因；GF-1 WFV4和Landsat-8 TM数据在水体边界上拟合程度较好，只是在河流的断流和细小的区域处拟合程度不太理想，如图3所示。如研究区的河流及其周围面积较大的水域部分两种数据的边界与真实值拟合效果也相当好。

为了更好的比较GF-1 WFV4和Landsat-8数据对水体提取的精度问题，从3种遥感数据中解译出的水体面积和水体边界位置偏差作定量分析。作为真实值的GF-1 PMS2数据的解译水体面积为465.07 hm2，已知GF-1 WFV4和TM解译的水域面积相差不大，故而GF-1 WFV4数据在水体的解译方面与TM数据精度相当。

图3　部分研究区水域与真实值影像叠加图

位置精准度指的是空间点位获取坐标值与其真实坐标值的符合程度，即可以用于评价测量边界与真实边界的符合程度。利用真实边界轮廓绘制N条等间距法线，并测量出其与各测量边界的距离值，按公式（1）统计出各测量边界的位置精度。利用从GIS中提取出的3种遥感数据解译的水体边界，以GF-1 PMS2的水体边界为真实值，分别比较GF-1 WFV4和TM水体边界位置相对真实值差异。选择真实值水体的边界中面积较大的区域1、2、3和4为例，如图5所示（三角形黑点代表的是真实值边界与等间距法线的交点处），分别在水体轮廓线上绘制n（n=17，16，14，13，）条等间距法线，并计算出TM（看作1数据）和GF-1 WFV4（作为2数据）沿着等间距法线方向与真实轮廓的距离值d1i和d2i。dji的正负取决于真实值边界在j数据的边界的内侧为正，外侧为负，距离统计数据见表6。

式中:σj——位置精准度；

N——等间距法线的数目；

dji2——GF-1 WFV4和TM水体边界位置相对真实值位置的距离的平方和。

统计得到水体区域1、2、3和4的位置精度以及借助60条等间距法线模拟水体解译的位置精度，各水体区域的位置精度见表7。

表6　距离统计数据

对表6距离数据的处理，GF-1 WFV4数据解译出的水体区域1、2、3和4的位置精度比TM数据解译出的水体位置精度分别提高了3.95、0.43、 3.68和2.13；将统计数据作为一个整体研究，通过公式（1）的计算，得到GF-1 WFV4数据解译出的水体的位置精度δ2－wfv为9.54比TM数据解译出的水体位置精度值11.67提高了2.13，故而可以看出GF-1 WFV4数据在水体的解译中稍微优于TM数据。

表7　各水体区域的位置精度表

4　结论

基于高潜水位矿区承担国家粮食安全和生态安全的重要职责的缘故，加强对高潜水位矿区地表的监测力度是非常重要的。加大对矿区的监测次数和准确度，势必会选择分辨率较高和重访周期短的卫星遥感数据。研究旨在将GF-1与TM影像对矿区的地表监测结果进行比较，验证国产GF-1 16 m分辨率数据用于高潜水位矿区地表监测的可行性。

通过对获取的3种遥感影像数据进行处理和解译，得到研究区各地类的面积数据。以融合后分辨率为2 m的GF-1 PMS2的解译结果为真实值，分别从分类精度、分类结果各地类的面积及所占比例和各地类的相对误差等方面比较了分辨率为16 m 的GF-1 WFV4和15 m的Landsat-8 TM的解译结果的可靠性。

（1）在分类精度的验证方面，采用混淆矩阵方法，利用作为真实值的GF1 PMS2的可分离性较好的样本作为真实地表感兴趣区，对GF-1 16 m分辨率和TM 15 m分辨率的分类结果进行精度验证，得到总体精度分别为93.74%和95.27%，Kappa系数分别为87.79%和93.38%。其客观的展现了2种数据分类效果满足要求，可应用于后续对地类的分析与统计。

（2）在分类结果的分析方面，对3种遥感数据分类后统计的各地类的面积及占其研究区比例作分析和比较，并以GF-1 PMS2数据为真实值，采用相对误差分析GF-1 WFV4和Landsat-8 TM两种数据各地类的分类精度，结果表明GF-1 WFV4和Landsat-8 TM数据对矿区地表的监测存在一致性，尤其在耕地和水体的监测精度较高和稳定。

（3）在水体提取精度评价方面，选取面积较大的5个水体区域，以真实值的水体轮廓分别绘制等间距法线并测量与其他两种数据的边界的距离值做统计分析，得出GF-1 WFV4数据解译出的水体的位置精度比TM数据提高了2.13。GF-1 16 m数据在水体解译方面的表现略优于TM数据。

研究比较了GF-1 16 m与TM 15 m数据在高潜水位矿区的地表监测的表现，但仍存在一些不足。

（1）数据方面。为了保证研究数据云量的一致性，数据产品获取时间相差逾20 d；以后的研究中尽量选择同一时相数据作分析，以消除时间差造成的影响。

（2）解译误差。采用监督分类对影像信息进行解译，解译过程中由于个人技术水平的限制导致一些解译误差是不可避免的。今后的研究中可采用面向对象的尺度分割及建立健全的分类规则提取地物信息。

加强国产GF-1卫星数据广泛应用于利用多时相的遥感数据对研究区的生态环境和景观格局的动态监测，土地生态风险时空分异的研究和对生态系统服务价值的评价等，从而更好的建设生态、绿色和安全的矿区环境。

参考文献：

［1］ 胡振琪，肖武，王培俊等.试论井工煤矿边开采边复垦技术［J］.煤炭学报，2013（2）

［2］ 肖武，赵艳玲，张禾裕.京西煤矿废弃地游憩型复垦的SWOT战略分析及其对策［J］.中国煤炭，2009（11）

［3］ 郭晓波，管海晏，吴查查.中巴卫星遥感找煤技术研究［J］.中国煤炭，2012（4）

［4］ 尚慧，倪万魁.石嘴山矿区地表环境动态变化遥感监测［J］.国土资源遥感，2013（2）

［5］ 徐嘉兴，李钢，陈国良等.矿区土地生态质量评价及动态变化［J］.煤炭学报，2013（S1）

（责任编辑 孙英浩）

Comparative analysis on surface monitoring high phreatic water level in mining area basing upon GF-1 and TM images

Xiao Wu1，2，Li Sucui1，Xu Jianfei1，Lv Xuejiao1，Wang Zheng1
（1.Institute of Land Reclamation and Ecological Restoration，China University of Mining& Technology，Beijing，Haidian，Beijing 100083，China；2.State Key Laboratory of Coal Resources and Safe Mining，China University of Mining& Technology，Beijing，Haidian，Beijing 100083，China）

AbstractLarge amount of high-quality cultivated land will submerge into water with the exploitation of underground coal resources in high phreatic water level mining area，which will severely impact the security of food，ecology and economy in mining area.In order to effectively reduce loss rate of cultivated land and improve the ecological environment in mining area，the authors took Dongtan Coal Mine in Jining，Shandong as an example to compare the surface monitoring results between GF-1 with high space and time and TM images，and also verified the feasibility of GF-1 to surface monitoring in mining area.The results showed that GF-1 had higher temporal resolution than TM which can be important data sources of mining surface monitoring and contributed to the dynamic monitoring on mining areas＇ecological environment and landscape，in order to better building ecological，green and safe mining environment.

Key wordsGF series of satellites，TM images，high phreatic water level，surface monitoring

中图分类号

文献标识码A

基金项目：∗国家自然科学基金（41401609），中国矿业大学煤炭资源与安全开采国家重点实验室开放基金（SKLCRSM13KFB07）

作者简介：肖武（1983－），男，湖南涟源人，中国矿业大学（北京）副教授，研究方向为土地复垦与生态修复、3S技术在土地中的应用。