無人機低空遙感礦山地質災害監測研究進展及發展趨勢

廉旭剛 韓 雨 劉曉宇 胡海峰 蔡音飛

(1.太原理工大學礦業工程學院,山西 太原 030024;2.長安大學地質工程與測繪學院,陜西 西安 710054)

礦產資源在國民經濟、社會發展中發揮著不可替代的重要作用[1]。隨著礦產資源的大量開采,地面塌陷、地裂縫、邊坡崩塌與泥石流等各類地質災害頻發,破壞了大量耕地,導致水土流失及碳排放增加等問題,對人民生產生活造成了巨大的影響[2-3]。水準測量、三角高程測量與GNSS等方法雖然在礦山地質災害監測中可以獲取高精度的監測數據,但是存在耗時費力、工作量大等不足,并且難以獲取地質災害的面狀信息。利用光學遙感數據進行監測具有覆蓋面積大的優點,但受限于時空分辨率,其監測滑坡、裂縫的能力有限。InSAR技術容易產生失相干現象,受限于其沉降監測梯度,無法獲得大梯度的變形信息[4-7]。此外,近年來大量學者采用三維激光掃描技術進行礦區地質災害監測,但從數據獲取、處理到結果形成,耗時較長,且人工干預處理的因素較多,難以實現實時動態監測[8-9]。

近年來,隨著無人機低空遙感技術的模塊化、小型化及智能化發展,憑借成本低、周期短、效率高等優勢,已在多個領域得到了應用[10-12]。在礦山地質災害監測領域,無人機可以通過配備可見光、熱紅外、LiDAR、高光譜、多光譜等不同的載荷,根據不同的精度要求采集數據并進行相應處理。與傳統測量方法相比,無人機可快速采集數據并獲取相關結果,對促進資源開發與環境保護的協調發展具有重要作用,在礦區地質災害監測方面具有較大的應用潛力[13]。劉曉宇等[14]分析了免像控及像控點的數量和分布在不同情況下無人機生成結果的精度,研究發現:免像控無人機攝影測量精度在地質災害監測中可被接受。廉旭剛等[15]利用免像控無人機攝影測量技術監測了開采沉陷盆地的動態發展過程,與實測數據對比,該技術測量精度達到10～15 cm,為礦山開采沉陷監測提供了新思路。何柯璐等[16]、湯伏全等[17-18]、焦小雙等[19]分別利用無人機激光雷達技術,對礦山開采沉陷區域進行了周期性掃描與建模,分析了主流的點云濾波算法及DEM插值方法,高效地獲取到沉陷盆地的三維模型及精細特征,為促進無人機雷達技術在礦區地質災害監測中的應用提供了技術支撐。李昱昊等[20]、亓立壯等[21]、周大偉等[22]、張雅飛等[23]分別利用無人機對礦區工作面開采引起的地表沉陷進行了監測,得到地表動態下沉盆地,并求取了開采沉陷參數;或結合InSAR技術對礦區地質災害進行多尺度監測,實現了地面損害信息的精準提取,從而建立了多尺度綜合監測理論與技術體系。將無人機影像和點云數據與建筑信息建模(BIM)技術相結合,進行精細建模,以精確獲取三維地面模型的坐標與高程信息,為推動無人機在三維建模與危險環境調查中的應用提供了新思路[24]。近年來,不少學者基于無人機影像,利用機器學習方法提升了礦區地質災害識別效率;結合現場調查方法,論證了機器學習算法應用于礦區地質災害監測的可行性,為高效實現礦區地質災害三維可視化分析、災害發展機理及規律研究、礦區安全生產評估及預警系統構建提供了決策支持[25-27]。

目前,基于無人機低空遙感地質災害監測的研究已經取得了一定的進展,但總體上仍處于探索階段。本研究結合學術界現有成果以及課題組近年來的相關實踐探索,系統總結了無人機低空遙感在礦區地質災害監測中的應用進展,在此基礎上剖析了該技術當前存在的不足,并展望了未來發展方向。

1 無人機低空遙感開采沉陷監測

礦區開采沉陷引起的地表變形具有下沉量大、形變劇烈的特點,對地表建(構)筑物及生態環境造成了極大的損害,因此實時、精確地掌握礦區地表變形特征,對于保障礦區居民生產生活安全及科學防治生態環境問題具有重要作用。

1.1 利用UAV低空遙感數據構建開采沉陷盆地

在露天礦監測方面,無人機低空遙感一直是較為有效的一種監測方法。SHAHBAZI等[28]利用無人機攝影測量方法分析了礦區地形特征,快速計算了土方量,并利用點云數據建立了礦區三維模型。GE等[29]將無人機低空遙感方法應用于露天礦,研究發現,該方法不僅可以有效估算礦庫儲存量,而且在監測礦區邊坡穩定性方面也具有一定的優勢。XIANG等[30]運用差分DEM方法分析了礦區地形地貌的變化特征,實現了露天礦開采活動對礦區環境影響的監測分析。總體上,無人機低空遙感在露天礦開采活動范圍圈定、儲量計算、地形數據建模、邊坡測繪、生態修復等方面得到了廣泛應用。

目前,利用無人機低空遙感方法構建因采煤引起沉陷盆地的主要思路是,通過不同時期的數字高程模型(Digital Elevation Model,DEM),使用柵格代數運算等空間分析工具,計算出地表下沉量(圖1)。其中,點云濾波是機載激光雷達數據處理獲取高精度DEM數據的重要步驟之一[31],機載LiDAR數據預處理流程如圖2所示。MONTEALEGRE等[32]評估了7種軟件的濾波方法,詳細分析了影響濾波誤差可能產生的各種因素,如坡度、點密度、地表植被等,結果表明,各種方法都具有不同的優劣。本研究課題組[33]詳細分析了當前主流點云濾波算法的特點(表1),并以某研究區為例,分別給出了該區DSM以及不同濾波算法生成的DEM,如圖3所示。

圖1 無人機攝影測量及激光雷達地面沉陷監測流程Fig.1 Flow of the surface subsidence monitoring flow by UAV photogrammetry and LiDAR

圖2 機載LiDAR數據預處理流程Fig.2 Preprocessing process of the data acquired by Airborne LiDAR

圖3 某研究區的DSM和多種算法生成的DEM[33]Fig.3 DSM and DEM generated by various algorithms in a study area

表1 不同點云濾波算法及使用的參數類別[33]Table 1 Different point cloud filtering algorithms and its parameter types

在獲取高精度的DEM之后,利用DEM差分方法可以得到開采沉陷盆地。對此,高冠杰等[34]使用四旋翼無人機低空遙感對寧夏某礦進行了沉陷監測,經過多次地面高程對比,得到某工作面開采地表下沉量達到6.5 m。張永庭等[35]利用無人機機載LiDAR獲取了多期點云數據,得到地面沉陷的三維模型,并利用水準測量與GNSS監測對其精度進行了評估。楊緒霆等[36]針對地形復雜的礦區,采用無人機仿地飛行技術,通過搭載TOF傳感器與PID控制器,提高了監測精度,為無人機礦區開采沉陷監測提供了新的技術手段。高銀貴等[37]采用無人機攝影測量技術對鄂爾多斯某礦進行了地表沉陷監測,并通過實際水準數據分析了沉陷盆地監測的精度,研究反映出該方法可以作為我國西部礦區高強度開采地表沉陷監測的有效手段之一。

近年來,本研究課題組在此方面展開了相關研究,取得了一定的進展。將DInSAR和無人機低空遙感相結合,實現了對開采沉陷盆地邊緣地帶和中心區域的高精度監測,進而提出了兩種不同數據集融合界限選擇的新方法,驗證了融合數據與水準數據的一致性。具體成果有:① DInSAR與無人機技術相結合較單獨使用DInSAR或無人機技術能更全面、準確地監測地面沉降[23];② 使用點云濾波和插值方法得到的差分DEM構建了地表沉陷監測的動態沉陷盆地,進而研究了移動盆地的發展過程和下沉規律,通過與地面實測點對比,分析了動態沉陷盆地監測精度,量化了差分DEM的不確定性。以山西省陽泉市某礦為例[38],進行了現場試驗與應用。該礦利用無人機低空遙感獲取的地表動態盆地發展過程如圖4所示,礦區實測水準數據與沉陷盆地提取剖面的對比分析結果如圖5所示。

圖4 山西陽泉某工作面動態沉陷盆地發展過程[38]Fig.4 Development process of dynamic subsidence basin of a working face in Yangquan,Shanxi Province

圖5 監測點實測與無人機沉陷盆地剖面提取下沉對比[38]Fig.5 Comparison between measured subsidence at monitoring points and subsidence profiles extraction of UAV

分析表明:實測水準數據與沉陷盆地提取的剖面數據所體現出的地表下沉趨勢較為接近,計算的均方根誤差大部分為0.2～0.3 m,精度最高時可達到0.17 m,擬合值與實測值的相對誤差最大不超過20%,最小可達0.7%。

綜上,目前利用UAV低空遙感數據可以對礦區開采引起的沉陷進行有效監測,監測精度一般可以達到分米級,地面條件較好時,可以達到厘米級,尤其是對大梯度沉降具有較好的監測能力,為礦區沉陷監測和生態環境恢復提供了科學的技術支撐。但對于沉陷盆地邊緣的微小形變,監測能力還有待提高。此外,在礦區植被密集的情況下,傳統濾波方法的自適應能力差、耗時較長,導致濾波效果仍然欠佳。構建高精度開采沉陷盆地對于點云濾波方法、傳感器精度等提出了新的要求。

1.2 利用UAV低空遙感數據監測地表水平移動

從采動地表移動過程來看,地表點移動方向分為垂直移動與水平移動。垂直移動被稱為下沉;水平移動在傳統地表移動觀測站中,一般以工作面的走向和傾向主斷面觀測線進行研究,可分為走向主斷面水平移動與傾向主斷面水平移動。現階段,基于無人機低空遙感方法對水平移動的相關研究主要側重于通過數字正射影像(DOM)來確定水平移動的范圍。CWIAKALA等[39]通過無人機獲取的DOM確定監測點位置,并在DSM中獲取監測點的位置來確定水平移動,結果表明:該方法水平位移的精度為1.5～2.0倍的地面采樣距離(Ground Sampling Distance,GSD),高程和沉降的精度為2～3倍的GSD。PUNIACH等[40]基于無人機獲取的高分辨率DOM,利用離群值去除方法自動確定水平移動。何柯璐等[41]針對無人機LiDAR點云數據計算水平移動的問題,開創性地提出利用深度神經網絡(Deep Neural Networks,DNN)方法,在神榆礦區結合地形特征對BSC(Binary Shape Context)算子進行改進來提取水平移動,結果表明:該方法在提取采煤沉陷盆地的水平移動方面效果較為理想,為無人機低空遙感獲取水平移動提供了技術途徑。總體上,當前利用無人機低空遙感技術對采煤引起的地表水平移動的相關研究有待深入,仍需繼續探索無人機低空遙感獲取地表水平移動的方法。

1.3 利用UAV低空遙感數據反演巖層移動參數

巖層移動參數在礦山開采沉陷預測、重要建(構)筑物保護煤柱留設方面發揮了重要作用。目前開采沉陷預測方面應用較為成熟的方法是概率積分法,其預計參數主要有下沉系數、水平移動系數、主要影響角正切、拐點偏距及開采影響傳播角;保護煤柱留設主要采用的角量參數是移動角。無人機低空遙感監測方法為精確獲取上述參數取值提供了新的技術途徑。

目前,無人機低空遙感監測在反演開采沉陷巖層移動參數方面取得了一定的進展。ZHENG等[42]通過無人機機載雷達數據構建了多期DEM,并獲取了地表最大沉降值、沉降范圍、移動角、邊界角等參數,利用UAV監測成果求出的走向與傾向邊界角分別為63.8°和66.5°,與利用水準測量得到的邊界角61.2°具有一定的吻合性。盡管無人機在反演巖層移動參數方面具有一定的優勢,但是精度尚有進一步提升的空間。對此,部分學者嘗試使用機器學習算法來求取概率積分法參數,實現開采沉陷的精確預計。李昱昊等[20]通過BP神經網絡算法去除沉陷盆地的噪聲,采用模擬退火算法有效求取概率積分參數,有效彌補了無人機精度不高所帶來的影響。周大偉等[43]通過均方根誤差(Root Mean Square Error,RMSE)來評估動態盆地構建的精度,并提出了短時、高效反演開采沉陷巖層移動參數的方法。WANG等[44]、周大偉等[22]提出了將無人機低空遙感與InSAR技術進行融合,基于UAV/InSAR特征級融合進行了地表沉陷監測,并在某礦開采工作面進行了應用,與單獨UAV求參相比,融合InSAR的下沉盆地數據求出的沉陷參數更精確,主要影響角正切的相對誤差僅為 5%。

綜上,無人機低空遙感技術在開采沉陷監測領域的相關研究較多,盡管在反演巖層移動參數方面得到了成功應用,但仍存在一些不足。目前利用該方法主要能夠實現對下沉系數與主要影響角正切值的精確反演,水平移動系數則受限于無人機遙感技術水平而無法精確監測,加之概率積分參數之間存在相互耦合的問題。后續工作中,可通過引入更智能、更高效的機器學習算法和融合其他監測手段,進一步提升無人機在反演巖層移動參數方面的精度。本研究認為,未來值得探索的研究思路為:① 無人機低空遙感與GNSS實時監測相結合,在精度要求不高的下沉盆地中部采用無人機監測,在精度要求較高的盆地邊緣采用線狀布設的GNSS實時監測,獲取移動邊界參數;② 無人機低空遙感與InSAR相結合,在下沉盆地邊緣采用InSAR監測反演邊界參數;③ 無人機低空遙感與光纖變形監測相結合。

2 無人機低空遙感礦區裂縫和滑坡監測

隨著礦產資源大規模開采,破壞了巖層原有的應力平衡,在采煤沉陷區引起的地表裂縫、滑坡等地質災害現象非常普遍,對礦區耕地、建(構)筑物、植被、交通和水體等造成了極大的損害。因此掌握采動引起的地表裂縫、滑坡的發育規律對于礦區地面保護及災害實時預警意義重大。

目前,地表裂縫及滑坡監測的常用方法有實地人工調查測量、布設GNSS監測點、衛星遙感等[45-48]。傳統方法雖然可以獲得較精確的裂縫與滑坡監測數據,但耗時費力,并且在一些復雜地形區域,人員和儀器設備無法及時到達現場進行監測,易造成隱蔽裂縫和潛在滑坡區域無法及時被探測,從而存在安全隱患。一些學者利用光學遙感影像來獲取礦區裂縫、滑坡發育特征,但受限于遙感影像時空分辨率,無法及時反映礦山開采過程中地表動態裂縫的發育情況和可能造成的礦區周邊滑坡等地質災害[49-50]。此外,部分學者采用有限元FLAC3D和離散元PFC等數值模擬軟件分析礦區開采巖層移動,基于給定的本構模型,定性、定量地分析煤層厚度、煤層傾角、內摩擦角、黏聚力以及地形等因素對裂縫及滑坡的影響,從而直觀地解釋了開采引起的地表裂縫發育特征及滑坡致災機理。總體上,由于礦區的地形及巖層復雜,邊坡幾何形態不一,而大多數值模擬方法為簡化模型,選擇性地忽略掉相當一部分信息,從而使得數值分析結果對于現場實踐的參考價值大打折扣[51-53]。

近年來,無人機憑借其載荷類型的多樣性,可在短時間內采集到礦區高分辨率光學影像、點云數據及熱紅外影像等優勢,在礦區地表裂縫及滑坡監測方面發展迅速。本研究課題組在該方向進行了不斷探索,通過無人機低空遙感提出了滑坡、裂縫判別主輔結合的方法。具體來說:滑坡、崩塌目視解譯主要基于三維模型(Three-dimensional Point Cloud Model,3DPCM),DOM作為輔助圖像,單架無人機照片和DSM可用于輔助評估;裂縫目視解譯主要基于DOM,輔以3DPCM,從而可以快速識別危險區的地形和地質特征,進而有效區分滑坡、崩塌和裂縫的特征。以山西西山礦區為例進行了現場應用,隨機驗證精度大于93%,提出的基于無人機成果人工解譯裂縫及滑坡的技術流程如圖6所示,該礦開采引發裂縫及滑坡的目視解譯結果如圖7和圖8所示[54]。

圖6 人工解譯滑坡、崩塌和裂縫的技術流程[54]Fig.6 Technical process of manual interpretation of landslides,collapses and fractures

圖7 無人機圖像裂縫目視解譯結果[54]Fig.7 Visual interpretation results of cracks in UAV image

圖8 無人機圖像滑坡目視解譯結果[54]Fig.8 Visual interpretation results of landslide in UAV image

不少學者也進行了相關探索,湯伏全等[18]利用無人機低空遙感獲取正射影像,采用了Canny算法、支持向量機和最大似然法對地表裂縫進行提取,并與實測結果進行了對比,證明了無人機低空遙感提取裂縫的可行性。基于深度學習算法對高分辨率遙感影像進行地裂縫及滑坡特征的識別也是近年來的研究熱點,邊緣檢測算法、閾值分割算法以及常規的影像分類算法(最大似然法、決策樹分類法)等被用于礦區地裂縫及滑坡識別[55-56]。候恩科等[25]對比分析了無人機低空遙感影像與衛星影像對地表裂縫的識別效果,發現無人機低空遙感影像清晰度較高,最小可解譯寬度約5 cm的地表裂縫,提高了礦區地表裂縫調查的精度。趙毅鑫等[57]采用無人機紅外技術對采動地表淺層隱蔽裂縫進行了試驗性識別研究,取得了較好效果。

此外,近年來各種可量化連續地形變化的技術(即高程和/或體積變化)在滑坡調查和監測方面也得到了應用。除了在逐像素的基礎上進行差分DEM(Difference of DEM,DoD)方法之外,LAGUE等[58]提出的多尺度模型對模型點云比較(Multiscale Modelto-Model Cloud Comparison,M3C2)的方法也可用于滑坡監測[59-60]。M3C2算法無需對點云進行柵格化處理,能夠直接在點云上檢測復雜的地形變化。該算法的輸出是距離的不確定性和兩組數據之間的不顯著變化,只有通過消除距離不確定性值和不顯著變化量,方可獲取滑坡活動引起的變形。

綜上所述,以無人機低空遙感方法為主、其他方法為輔的技術思路,可以有效監測分析礦區開采引起的地表裂縫及滑坡的分布特征及發育規律。無人機以其成本低、時效高、分辨率高等優勢,可作為一種有效手段對礦區進行精準監測,特別是在礦區動態裂縫、采動滑坡監測方面應用潛力較大。由于礦區地表植被分布,以及存在一些隱蔽性裂縫不易識別,還需利用神經網絡、機器學習等方法,結合實地調查以及熱紅外、多光譜等影像進行聯合處理,實現裂縫及滑坡的高效智能監測。

3 無人機低空遙感煤田火區監測

煤火主要發生在地下煤層中,煤層由于人為因素影響發生放熱氧化反應而自燃。煤層一旦自燃將難以控制,造成煤炭資源的大量損失并產生多種有害氣體,嚴重威脅著礦區自然環境及居民的正常生活[61]。傳統的煤火探測技術主要從礦區明火發生點、高溫異常點以及有害氣體測量等方面進行監測,主要為了探明煤火的位置。隨著科技的發展,鉆探、物探以及遙感等技術手段已被廣泛應用于煤火監測。20世紀初,國外首次利用熱感相機進行煤矸石的定位試驗,此后不少學者針對煤火監測開始了大量研究,并取得了豐碩成果[61-63]。李如仁等[64]利用landsat-8衛星影像數據,采用單窗算法、輻射傳輸等方法反演了某礦區的地表溫度,并進行了實地考察,驗證了反演結果的有效性。楊國防等[65]基于夜間TASI熱紅外高光譜遙感數據,建立了空—地回歸方程反演地表溫度,結果表明:TASI數據部分波段反演的地表溫度可以滿足煤火監測需求,為礦區煤火監測提供了一定的技術支撐。KUENZER等[66]利用MODIS數據進行了火區探測。蔣衛國等[67]基于LANDSAT TM影像數據,以烏達煤田為例,通過自然分割法、單閾值法和空間疊加分析法研究了煤田火區的時間趨勢、空間演變等特征。總體上,利用遙感衛星手段探測礦山火區的方法已經被廣泛應用,但由于其時空分辨率限制,無法有效滿足小區域的煤火監測需求,以及難以反映煤火隨時間的變化趨勢和演變態勢,在一定程度上限制了其大范圍的應用。

無人機低空遙感憑借其時效性、分辨率高等優勢,為煤火監測提供了新的技術方法,其監測技術思路如圖9所示。由無人機獲得礦區的DOM、DSM以及等溫圖,結合現場對氣體異常、高溫異常區域的調查結果,可進一步對煤田火區進行準確監測。無人機煤火監測的主要技術路線是通過無人機搭載熱紅外相機,獲取地表的熱輻射值,從而得到地表溫度變化,并確定地表異常高溫區對應的地下煤層為火區,因此其基本原理仍然是通過無人機監測地表溫度異常。MALOS等[68]利用無人機低空遙感方法繪制了某礦區地表溫度圖,GAO等[69]通過無人機搭載熱紅外傳感器建立了地表溫度與含水率的相關模型。部分學者利用無人機制作的DOM并結合熱紅外影像,得出“無人機低空遙感在小區域可監測煤火現象”的結論,并通過外業實測數據,建立相關函數模型用于分析煤火[70]。還有部分學者通過無人機搭載可見光、熱紅外、LiDAR等傳感器,建立地表溫度反演模型,并通過自適應閾值法、移動窗口熱異常提取算法實現基于無人機熱紅外遙感技術的煤田火區精細化監測。現有研究表明:利用無人機低空遙感技術可以進行煤火監測,且該方法精度可靠,指明了礦區煤火監測的新方向[71-74]。

圖9 無人機低空遙感監測煤火區域的技術流程[68]Fig.9 Technical process of low altitude remote sensing monitoring coal fire area by UAV

綜上所述,無人機低空遙感憑借其快速、高效及周期短的優勢為煤火監測提供了新的技術手段。但由于礦區地形地勢復雜,諸多小型煤火、地下深部煤火過于隱蔽不易監測,仍需進一步探索新的監測方法。可以將無人機低空遙感、三維激光掃描、物探技術等方法充分結合,利用GIS空間分析、聚類分析以及空間熱力學等方法挖掘地表溫度信息,構建三維溫度場,進一步精確定位煤火位置及提高火區圈定的精度和效率,實現煤火監測預警、圈定和治理的協同化、精準化作業。目前,國內這方面的研究成果較少,亟需進一步深入探索。

4 展 望

無人機技術及其載荷多樣性的快速發展為地質災害監測提供了強有力的支持,利用無人機低空遙感方法可以構建高精度的地表動態沉陷盆地,監測礦產資源開采引起的裂縫、滑坡,并進行預警,以及有效圈定煤田火區范圍(圖10)。隨著5G時代的來臨,無人機低空遙感將迎來新的發展,通過無人機+5G模式,將進一步提升在礦山地質災害監測預警方面的能力,更好地服務于礦山綠色、低碳、智能化發展,為黃河流域生態保護和高質量發展提供技術保障。作為傳統監測手段及衛星遙感的補充,盡管無人機低空遙感在地面災害調查及監測預警方面的應用潛力較大,但依然存在不少亟需攻克的技術難點,本研究對此進行詳細梳理,并就未來發展方向進行展望。

圖10 無人機低空遙感在礦區地質災害監測的技術流程Fig.10 Technical process of UAV low altitude remote sensing in geological disaster monitoring in mining area

4.1 當前存在的不足

(1)構建高精度開采沉陷盆地。近年來,利用無人機低空遙感技術獲取礦區多期DEM,通過差分多期DEM構建礦區沉陷盆地的研究較多。由于礦區地形地勢復雜、植被密集引起的精度損失等問題,利用該技術生成高分辨率的采煤沉陷盆地仍處于探索階段。目前,高精度沉陷盆地構建方面主要存在的不足有:

① 植被密集的影響。傳統的點云濾波方法對于地形平緩、植被稀疏的地區較為有效,但面對地形起伏較大、植被密集的黃土溝壑地區,因傳統濾波方法的自適應能力差、耗時較長,其濾波效果不理想,難以滿足構建高精度采煤沉陷盆地的需要,因此探索新的點云濾波方法,值得深入研究。

② 傳感器精度、地形地勢、無人機系統誤差、外界環境對飛行平臺的影響,以及影像配準等因素都對高精度采煤沉陷盆地構建產生一定的影響,其誤差種類分析及對應的解決方案尚未得到系統地總結與完善。目前,無人機遙感技術在礦區地質災害監測方面難以達到毫米級形變的精度水平,應用于災害早期識別預警尚需時日。

③ 高空間分辨率影像處理時效性不強。由于無人機影像通常為成千上萬張,高空間分辨率的影像甚至達到數十萬張。在一般性能的計算機上處理需耗費數小時甚至十幾小時,只有通過高性能工作站或者移動工作車,才能在飛行作業結束后立即進行數據處理并在短時間內生成相應的無人機遙感成果。因此亟需開發高效的數據處理軟件,同時這也對計算機的相關性能提出了更高的要求。

(2)提取開采沉陷水平移動。目前,最有效的方法是通過傳統觀測站獲取礦區地表水平移動值。而利用無人機低空遙感方法對開采活動引起的地表點水平移動的提取尚需深入研究。近年來,利用深度神經網絡,結合地形特征對BSC算子進行改進,在水平移動信息提取方面得到了應用,并且效果理想。因此在構建高精度沉陷盆地的基礎上,如何充分利用深度學習及其他智能算法有效提取地表點水平移動,是亟待解決的問題。

(3)無人機數據實時傳輸。目前,無人機數據需要在飛行完畢之后進行解算處理,才能得到相關遙感產品。因此將GNSS、慣性導航技術及多傳感器進行集成,并為遙感圖像提供定位信息,讓無人機在飛行過程中實時處理數據,實現“監測”與“數據處理”一體化、協同化作業,進而大幅度提高無人機作業效率。隨著無人機技術的不斷發展,海量無人機數據如何實時傳輸及處理將是一個新的技術問題,隨著5G技術的發展,實現海量數據的高保真、實時化傳輸,值得深入研究。

(4)無人機數據與其他類型數據(如衛星遙感數據、地表監測數據、井下多源數據)有效融合是當前低空遙感技術發展的一個重要方向。在礦區地面沉陷監測中,無人機監測數據與傳統手段測量數據融合處理所體現的優勢顯著于單一測量方式。因此,在礦山地質災害監測領域,單一遙感數據源逐漸無法勝任,多源遙感數據融合是實現災害高精度、智能化監測預警的前提。多源數據融合可以實現各種數據的優勢互補,是礦區地質災害智能監測的發展方向。具體來說:

① 不同空間分辨率的數據融合。如無人機數據與光學遙感數據進行有效融合,無人機采集數據時由于地形起伏而導致空間分辨率不一致的相關數據融合。

② 不同時間分辨率的數據融合。如無人機數據與InSAR數據、地面實時觀測數據進行有效融合,對礦區采煤沉陷盆地的高精度監測具有重要意義。

③ 不同類型的無人機數據進行融合。如無人機熱紅外、LiDAR數據、多光譜數據的融合,無人機點云數據與地面三維激光數據的有效融合,對礦區煤火、裂縫、地面植被監測具有重要意義。

4.2 未來發展方向

(1)貼近攝影測量應用于礦區高精度數據采集。無人機低空遙感的監測精度已達到厘米級,但由于礦區地形地勢復雜、高程不一致導致無人機低空遙感數據分辨率不一致,加之礦區地質災害受地下采動影響,在災害發生早期,地表就會發生微小形變與產生細小裂縫,這對高精度的數據采集提出了更高的要求。近些年來,隨著貼近攝影測量的快速發展[75],利用無人機低空遙感可對非常規地面進行亞厘米級甚至毫米級分辨率影像的自動化高效采集,促進了該技術在礦區地面災害監測中的應用,但同時對無人機定位系統、云臺以及傳感器提出了更高的要求。

(2)多類型載荷協同工作。由于礦區地質災害類型復雜,包括地面沉陷、滑坡、煤火等,因此需要無人機攜帶不同載荷(如可見光、熱紅外、LiDAR等傳感器)在同一研究區進行多次飛行獲取不同種類的數據。實現多類型遙感載荷集成,針對礦區的復雜情況,實現多類型載荷協同工作是無人機低空遙感發展的一個重要趨勢。

(3)5G助力無人機數據實時傳輸。5G時代的來臨,加快了智慧礦山平臺的建設進程。該技術以其大寬帶、低時延的特性,為海量無人機數據實時傳輸的核心瓶頸問題提供了解決方案,同時帶動了人工智能、物聯網技術的發展,讓無人機數據“邊飛邊算”“邊飛邊傳”成為可能。

(4)礦區地質災害智能監測及預警。充分發揮AI、大數據、機器學習等技術的優勢,實現對海量遙感數據的處理、分析和信息挖掘,有助于大幅提升地質災害的智能監測及預警水平。例如通過機器學習技術,可對不同類型、不同時間和不同分辨率的海量數據進行高效學習,以便及時掌握礦區地質災害的發育、發展情況,實現地質災害及其特征的自動化、智能化精準識別及提取。因此,通過新的智能算法及模型對海量遙感數據進行合理有效利用有待深入研究,構建“多網融合+實時監測+智能作業+任務協同+全面感知+自主決策”的礦區智能監測體系尚需不同學科的專家學者協同攻關。