國產(chǎn)單極化SAR數(shù)據(jù)在錳渣尾礦庫自動化識別中的應(yīng)用

熊文成， 肖如林， 申文明， 付卓， 史園莉

(環(huán)境保護部衛(wèi)星環(huán)境應(yīng)用中心，北京 100094)

0 引言

尾礦庫是指筑壩攔截谷口或圍地構(gòu)成的、用以堆存金屬或非金屬礦山進行礦石選別后排出尾礦或其他工業(yè)廢渣的場所。尾礦庫是具有高勢能的人造泥石流危險源，一旦發(fā)生潰壩，容易造成重特大事故。因此，嚴密監(jiān)控尾礦庫是礦山管理部門的一項重要任務(wù)[1]。目前，我國對尾礦庫基礎(chǔ)數(shù)據(jù)的監(jiān)測多數(shù)還停留在“逐級上報”的人工定時監(jiān)測階段，雖取得了一定成效，但工作周期長且主觀性較大。遙感技術(shù)具有大范圍、客觀、實時等特點，高分辨率遙感圖像在尾礦庫監(jiān)測中也發(fā)揮重要作用[2]。很多學(xué)者利用光學(xué)遙感衛(wèi)星數(shù)據(jù)(以下簡稱“光學(xué)數(shù)據(jù)”)進行礦區(qū)(包括尾礦庫環(huán)境)監(jiān)測，建立了尾礦庫環(huán)境光學(xué)遙感監(jiān)測指標(biāo)及其解譯標(biāo)志[3-9]。利用雷達進行固廢堆場的監(jiān)測，在國內(nèi)外文獻中較為少見，這可能是由于一方面對雷達數(shù)據(jù)的使用并不如光學(xué)數(shù)據(jù)那樣普及； 另一方面尾礦庫作為監(jiān)測目標(biāo)，對遙感數(shù)據(jù)的分辨率要求很高，使用低分辨率遙感數(shù)據(jù)難以對尾礦庫進行有效識別。但隨著國產(chǎn)高分辨率雷達衛(wèi)星(HJ-1-C)的成功發(fā)射，利用單極化合成孔徑雷達(SAR)數(shù)據(jù)(以下簡稱“雷達數(shù)據(jù)”)對尾礦庫進行監(jiān)測已成為可能； 并且雷達數(shù)據(jù)具有全天時、全天候的特點，對于尾礦庫應(yīng)急監(jiān)測具有重要意義[10-14]，高分雷達數(shù)據(jù)在目標(biāo)識別方面已得到迅速發(fā)展[15-18]。因此，本文以錳渣尾礦庫的識別為例，探索雷達數(shù)據(jù)與光學(xué)數(shù)據(jù)相結(jié)合的自動識別方法。

1 研究區(qū)概況與數(shù)據(jù)源

本文選擇貴州省松桃縣為研究區(qū)，該區(qū)地處黔、湘、渝3省市結(jié)合部，與湖南省花垣縣、重慶市秀山自治縣山水相依，是我國錳儲藏量最為集中的地區(qū)，與花垣、秀山合稱“錳三角”。長期以來，”錳三角”區(qū)由于規(guī)劃不合理、片面追求經(jīng)濟增長、企業(yè)環(huán)境保護意識差以及監(jiān)管不力等原因，錳礦開采及錳渣堆放曾經(jīng)給該區(qū)環(huán)境造成嚴重污染。

錳渣尾礦庫是專門用于堆放電解錳生產(chǎn)過程形成的錳渣。2007年我國電解錳產(chǎn)量已超過100萬t，每生產(chǎn)1 t電解錳粉所排放的酸浸廢渣量約6～7 t。這些酸浸廢渣顆粒細小，且含有一定量的有害元素，目前處理方式主要是征用大量專用場地存放，形成大小不同的錳渣尾礦庫。這樣不僅增加了企業(yè)土地征用和場地處置等費用，使企業(yè)生產(chǎn)成本增加，還大量消耗土地資源，并且廢渣的長期存放，使一些有害元素通過淋濾滲透，進入土壤、地表徑流和地下水，嚴重影響了土壤和水資源質(zhì)量，污染環(huán)境，危害社會。

本研究采用的光學(xué)數(shù)據(jù)是SPOT5多光譜圖像，空間分辨率為10 m，共4個波段，時相為2010年7月； 采用的雷達數(shù)據(jù)為環(huán)境一號C(HJ-1-C)衛(wèi)星SAR數(shù)據(jù)，空間分辨率為5 m(單視)，幅寬為36 km，S波段，極化方式為單極化VV極化，時相為2013年2月。

2 錳渣尾礦庫雷達監(jiān)測原理

由于雷達特殊的成像方式，其圖像與人眼對地物的觀測有很大不同。因此，相對光學(xué)圖像來說，對雷達圖像較難解譯，常常僅作為對光學(xué)圖像解譯結(jié)果進行校核、補充的輔助性解譯。SAR圖像的解譯標(biāo)志雖然也包括色調(diào)、紋理、形狀、尺寸、陰影和模式，但它們所反映的地物目標(biāo)特性與光學(xué)遙感圖像是不一樣的。SAR影像特征主要取決于2個方面的參數(shù)： ①雷達系統(tǒng)參數(shù)，包括波長、極化、入射角和入射方向等； ②目標(biāo)物參數(shù)，包括復(fù)介電常數(shù)、表面粗糙度、幾何特性、面散射和體散射特性及其方向特性[13-14]等。因此，在錳渣尾礦庫雷達監(jiān)測時，分析錳渣的物質(zhì)結(jié)構(gòu)、堆放狀態(tài)等特點對解譯錳渣雷達圖像至關(guān)重要。錳渣是為生產(chǎn)電解錳而產(chǎn)生的廢渣。電解錳的主要生產(chǎn)工藝包括錳礦破碎制粉、浸出、化合及壓濾等環(huán)節(jié)。在此過程中生產(chǎn)的廢渣經(jīng)擠壓和水分排干后堆放在尾礦庫中。

2.1 錳渣尾礦庫雷達圖像特征

錳渣尾礦庫在雷達圖像中主要有以下特征：

1)形狀大小特征。電解錳企業(yè)一般規(guī)模較小，其尾礦庫規(guī)模也相對較小，大多在0.5～5.0萬m2。

2)散射特征。錳渣經(jīng)過擠壓，內(nèi)部空隙很小，含水量不高； 由于堆放形態(tài)在一定時期變得平整，大部分地方的粗糙度不大，使得錳渣的整體后向散射偏弱。

3)紋理特征。錳渣在堆積時是用貨車一車車地卸渣，因此在庫中大多是一堆堆存放，局部地方可能進行過平整，蓄水能力弱，故在入射方向能有明顯的堆積壩紋理。

4)組成結(jié)構(gòu)特征。錳渣尾礦庫由壩體、庫體、滲濾液收集池、進出的運渣道路及值班房等組成。

5)空間分布特征。電解錳渣尾礦庫通常位于電解錳廠周邊。由于電解錳需要大量用水，因此電解錳廠鄰近河流，距離河流一般不超過1 km。

6)時相特征。尾礦庫的新建、服役期間的堆積、閉庫以及生態(tài)恢復(fù)等不同階段的特征形成了尾礦庫獨特的時相變化規(guī)律。

2.2 錳渣尾礦庫雷達圖像與光學(xué)圖像的比較

一般情況下，利用高分辨率光學(xué)圖像可以很好地對錳渣尾礦庫進行識別； 但由于同譜異物的原因，錳渣尾礦庫易與水庫、黑色的廠房、裸地等混淆，因而降低了利用光學(xué)圖像對錳渣尾礦庫的識別率。由于不同的成像方式，雷達圖像的加入可以提高對尾礦庫的識別效果。從試驗區(qū)的光學(xué)圖像和雷達圖像中選擇4個典型區(qū)(圖1)，其在光學(xué)圖像中都解譯為疑似尾礦庫，通過與雷達圖像對比，可以較為明確地判斷該疑似尾礦庫的點是否為錳渣尾礦庫。

(a) 典型區(qū)1： SPOT5(左)及對應(yīng)的SAR圖像(右)(b) 典型區(qū)2： SPOT5(左)及對應(yīng)的SAR圖像(右)

(c) 典型區(qū)3： SPOT5(左)及對應(yīng)的SAR圖像(右)(d) 典型區(qū)4： SPOT5(左)及對應(yīng)的SAR圖像(右)

由圖1(a)(b)看出，SPOT5圖像中疑似尾礦庫的點在SAR圖像中不均勻，且散射較強，從而確定疑似點不是錳渣尾礦庫，其中圖1(b)實際核查為建筑； 圖1(c)中，SPOT5圖像疑似尾礦庫的點在SAR圖像中散射強度很低，從而確定不是錳渣尾礦庫； 圖1(d)的SPOT5圖像中疑似尾礦庫的點在SAR圖像中散射較為一致，有一定的堆積性紋理，為錳渣尾礦庫的可能性很大，經(jīng)核查確定為錳渣尾礦庫。

3 錳渣尾礦庫的自動識別

基于錳渣尾礦庫的雷達圖像特征及其與光學(xué)圖像特征的區(qū)別性分析，雷達圖像可以輔助高分辨率光學(xué)數(shù)據(jù)進行尾礦庫識別，從而提高識別效果。但要實現(xiàn)計算機自動識別，則需要建立錳渣尾礦庫在雷達圖像中的識別規(guī)則。

本次識別試驗首先對光學(xué)圖像進行目標(biāo)分割，選取光學(xué)圖像中典型尾礦庫及疑似尾礦庫； 然后在目標(biāo)層次上分析雷達圖像的紋理特征和散射特征，得出適合于識別尾礦庫以及彌補光學(xué)數(shù)據(jù)不足的雷達特征。具體處理流程如圖2所示。

圖2 錳渣尾礦庫自動識別流程

3.1 處理過程

3.1.1 圖像分割

圖像分割是把圖像分成若干個具有不同特性的區(qū)域并提取出使用者所感興趣目標(biāo)的過程，其分割的程度依據(jù)待解決問題的不同而定。分割特性包括紋理、顏色、灰度、邊緣等。

本文采用eCognition(易康)軟件對SPOT5多光譜圖像進行分割。通過試驗發(fā)現(xiàn)，SPOT5多光譜數(shù)據(jù)在分割尺度為30的情況下對地物邊界的繪制較為合理，且圖斑完整性較好，如圖3所示。

(a) SPOT5圖像

(b) 分割結(jié)果

將光學(xué)圖像的分割結(jié)果疊置到雷達圖像上，這樣就可以在對象層次上對雷達圖像進行分析。

3.1.2 對象樣本選擇

根據(jù)各類地物的影像特征、統(tǒng)計調(diào)查資料以及實地考察資料，選取有代表性的11個樣點(表1)作為研究對象，用于分析利用雷達圖像如何區(qū)分真實尾礦庫、疑似尾礦庫和其他典型地物。

表1 研究樣點

3.1.3 樣本分析

在對象層次上，針對上述11個樣本，從雷達圖像的原始值、歸一化值、紋理圖像分析值等方面，分析樣本間的區(qū)別，建立錳渣尾礦庫的獨特判別標(biāo)志。

1)圖像歸一化處理。因為原始圖像沒有標(biāo)定，所以會給定量判斷帶來一定影響。因此，采用歸一化處理的方式對圖像原始數(shù)據(jù)(DN)進行處理，即

f=DN/MEAN，

(1)

式中：MEAN為DN均值；f為歸一化處理后的DN值。對歸一化圖像的統(tǒng)計結(jié)果(表2)表明，平均值(MEAN)和方差(STD)能較好地分辨城市、尾礦庫和水體。建筑和尾礦庫的統(tǒng)計值區(qū)別不大，但最大值(MAX)對于判斷有無人工建筑有很大作用。

MIN和SUM分別代表圖像DN值的最小值、總和。

表2 歸一化圖像統(tǒng)計結(jié)果

2)圖像紋理計算。在10 m的尺度上進行紋理分析，分別生成方差、均質(zhì)性、非相似性、相關(guān)系數(shù)及反差等圖像[14]，并進行相關(guān)統(tǒng)計(表3，4)。其中，反差圖像的各類地物的統(tǒng)計值差別較大。

表3 方差圖像、均質(zhì)性圖像及非相似性圖像的統(tǒng)計結(jié)果

表4 相關(guān)系數(shù)圖像和反差圖像的統(tǒng)計結(jié)果

3.2 結(jié)果分析

1)識別規(guī)則分析。以反差圖像統(tǒng)計結(jié)果為例，分析雷達紋理圖對于區(qū)分尾礦庫與光學(xué)圖像中混淆目標(biāo)的判斷方法。

通過平均值MEAN即可以區(qū)分樣本2，3和8建筑(居民區(qū))相關(guān)的點位(圖4)，此特征有利于定位尾礦庫周邊環(huán)境的敏感目標(biāo)(人類居住區(qū))。

圖4 反差圖平均值和閾值統(tǒng)計結(jié)果

圖5 反差圖像方差與高、低閾值統(tǒng)計結(jié)果

通過方差STD(圖5)可以區(qū)分出內(nèi)部不均一的目標(biāo)(樣本4，7和10)，這主要是因為樣本4有的覆土已被綠化，而有的部位還是裸露的尾礦庫； 樣本7和10由于有稀疏的建筑目標(biāo)，內(nèi)部也不均一，且在光學(xué)圖像中易與真實尾礦庫相混淆，而在雷達圖像中能得到較好地區(qū)分。樣本11為水體，內(nèi)部很均一，所以其方差小于0.5。樣本1為植被山體，其均值和方差都較小，在雷達圖像中易與尾礦庫相混淆； 但由于植被在光學(xué)圖像中的光譜特征很明顯，所以在光學(xué)圖像上能很好地與尾礦庫區(qū)分。樣本5，6和9為用雷達圖像識別到的尾礦庫，這些樣本都是在光學(xué)圖像上較為不確定的點。

從上述分析可以看出，用雷達圖像判定錳渣尾礦庫的規(guī)則是MEAN>a且b2

2)實地驗證。基于研究區(qū)的SPOT數(shù)據(jù)，采用面向?qū)ο蟮淖詣踊R別方法，可確定17個錳渣尾礦庫或疑似尾礦庫。進一步結(jié)合雷達數(shù)據(jù)進行判定識別，確定其中的14個為錳渣尾礦庫。通過向相關(guān)部門求證，對識別的疑似尾礦庫進行了實地驗證，結(jié)果表明： 光學(xué)數(shù)據(jù)多識別的3處尾礦庫均為誤判，分別為廠區(qū)堆料廠或制磚場。

4 結(jié)論

本文通過結(jié)合使用光學(xué)和雷達數(shù)據(jù)在尾礦庫識別方面進行研究，取得如下結(jié)論：

1)由于在識別尾礦庫時，光學(xué)圖像中存在大量異物同譜的情況，所以會有較多地物混同于尾礦庫。而雷達圖像具有不同的成像方式和機理，可以較好地區(qū)分光學(xué)圖像中疑似尾礦庫等地物，有效提高遙感數(shù)據(jù)對錳渣尾礦庫的識別效果。

2)由于面向?qū)ο蟮姆椒ú皇窃谙袼丶墑e上的分析，而是在目標(biāo)層次上的分析，因此對光學(xué)數(shù)據(jù)和雷達數(shù)據(jù)的幾何配準(zhǔn)精度要求不是很高，這也有利于進行光學(xué)數(shù)據(jù)和雷達數(shù)據(jù)結(jié)合的應(yīng)用。

3)通過定量分析雷達紋理圖像，可以建立自動化尾礦庫識別規(guī)則集； 但由于國產(chǎn)雷達衛(wèi)星數(shù)據(jù)沒有經(jīng)過很好地定標(biāo)，故定量分析的規(guī)則集不具有普適性。因此，對于不同時相和不同地區(qū)的雷達圖像應(yīng)用，還需要對高、低閾值進行合理調(diào)整。

參考文獻(References)：

[1] 新華網(wǎng).中國尾礦庫之危[EB/OL].[2011-01-13].http://news.xinhuanet.com//c_12977377.htm.

Xinhua Net.Crisis of China’s tailings[EB/OL].[2011-01-13].http://news.xinhuanet.com//c_12977377.htm.

[2] 陳偉濤,張志,王焰新,等.礦山地質(zhì)環(huán)境遙感監(jiān)測方法初探[J].地質(zhì)通報,2010,29(2/3):457-462.

Chen W T,Zhang Z,Wang Y X,et al.Preliminary study on methods of geo-environment monitoring in minesites using remote sensing technique[J].Geological Bulletin of China,2010,29(2/3):457-462.

[3] 甘甫平,劉圣偉,周強.德興銅礦礦山污染高光譜遙感直接識別[J].地球科學(xué),2004,29(1):119-126.

Gan F P,Liu S W,Zhou Q.Identification of mining pollution using hyperion data at Dexing copper mine in Jiangxi Province,China[J].Earth Science-Journal of China University of Geosciences,2004,29(1):119-126.

[4] 劉圣偉,甘甫平,王潤生.用衛(wèi)星高光譜數(shù)據(jù)提取德興銅礦區(qū)植被污染信息[J].國土資源遙感,2004,16(1):6-10.

Liu S W,Gan F P,Wang R S.The application of hyperion data to extracting contamination information of vegetation in the Dexing copper mine,Jiangxi Province,China[J].Remote Sensing for Land and Resources,2004,16(1):6-10.

[5] 王潔,楊鋒杰,李江濤,等.遙感技術(shù)在江西德興銅礦礦區(qū)污染研究中的應(yīng)用[J].山東科技大學(xué)學(xué)報:自然科學(xué)版,2005,24(4):66-69.

Wang J,Yang F J,Li J T,et al.The application of remote sensing technique in the pollution condition investigation of Dexing copper mine in Jiangxi Province[J].Journal of Shandong University of Science and Technology:Natural Science,2005,24(4):66-69.

[6] 劉文婷,張志,彭瑛.TM影像在尾礦庫水質(zhì)監(jiān)測中的應(yīng)用[J].礦業(yè)研究與開發(fā),2010,30(6):90-92.

Liu W T,Zhang Z,Peng Y.Application of TM image in monitoring the water quality of tailing reservoir[J].Mining Research and Development,2010,30(6):90-92.

[7] 安國強,吳泉源,高守英.招遠市金礦區(qū)環(huán)境遙感調(diào)查研究[J].國土資源遙感,2003,15(2):30-33.

An G Q,Wu Q Y,Gao S Y.Remote sensing investigation of the gold mining area in Zhaoyuan City[J].Remote Sensing for Land and Resources,2003,15(2):30-33.

[8] 苗艷艷,樊勇,葛純樸.遙感技術(shù)在湖北礦山環(huán)境調(diào)查中的應(yīng)用[J].礦業(yè)安全與環(huán)保,2007,34(5):30-33.

Miao Y Y,Fan Y,Ge C P.The application of remote sensing technique in the mine sites environment investigation in Hubei Zhaoyuan[J].Mining Safety and Environmental Protection,2007,34(5):30-33.

[9] 趙永明.基于3S技術(shù)山西省塔兒山尾礦庫監(jiān)測[D].北京:中國地質(zhì)大學(xué)(北京),2011.

Zhao Y M.Monitor tailings based on 3S technology to Tower Mountain in Shanxi Province[D].Beijing:China University of Geosciences(Beijing),2011.

[10]Peyret M,Djamour Y,Rizza M,et al.Monitoring of the large slow Kahrod landslide in Alborz mountain range(Iran)by GPS and SAR interferometry[J].Engineering Geology,2008,100(3/4):131-141.

[11]Baldo M,Bicocchi C,Chiocchini U,et al.LiDAR monitoring of mass wasting processes:The Radicofani landslide province of Siena,Central Italy[J].Geomorphology,2009,105(3/4):193-201.

[12]王橋,魏斌,王昌佐,等,基于環(huán)境一號衛(wèi)星的生態(tài)環(huán)境遙感監(jiān)測[M].北京:科學(xué)出版社,2010.

Wang Q,Wei B,Wang C Z,et al.Ecological Environment Monitoring Based on the HJ-1 Satellites[M].Beijing:Science Press,2010.

[13]陳勁松,林暉,邵蕓.微波遙感農(nóng)業(yè)應(yīng)用研究——水稻生長監(jiān)測[M].北京:科學(xué)出版社,2010.

Chen J S,Lin H,Shao Y.The Application Research of Microwave Remote Sensing in Agriculture-rice Growth Monitoring[M].Beijing:Science Press,2010.

[14]郭華東.雷達對地觀測理論與應(yīng)用[M].北京:科學(xué)出版社,2000.

Guo H D.Theory and Application of Radar Earth Observation[M].Beijing:Science Press,2000.

[15]張紅,王超,張波,等.高分辨率SAR圖像目標(biāo)識別[M].北京:科學(xué)出版社,2009.

Zhang H,Wang C,Zhang B,et al.High Resolution SAR Image Target Recognition[M].Beijing:Science Press,2009.

[16]Crisp D J.The state-of-the-art in ship detection in synthetic aperture Radar imagery[R].DSTO Information Sciences Laboratory Report,2004.

[17]Vachon P W,Thomas S J,Cranton J,et al.Validation of ship detection by the RadarSAT synthetic aperture Radar and the ocean monitoring workstation[J].Canadian Journal of Remote Sensing,2000,26(3):200-212.

[18]Vachon P W,Thomas S J,CrantonJ,et al.Monitoring the coastal zone with the RadarSAT satellite[C].UK:Oceanology International,1998:10.