无人机遥感在矿区监测与土地复垦中的应用前景

肖 武，胡振琪，张建勇，赵艳玲,杨 坤(中国矿业大学(北京)土地复垦与生态重建研究所，北京 100083)

绿色矿业

无人机遥感在矿区监测与土地复垦中的应用前景

肖 武，胡振琪，张建勇，赵艳玲,杨 坤
(中国矿业大学(北京)土地复垦与生态重建研究所，北京 100083)

无人机遥感技术具有成本低、重访周期短、快速高效、质轻灵活、操作简便、获取影像的时空精度高等诸多的特点，成为近几年研究热点，并已在国土资源调查、农林生长监测、生态环境监测和灾害调查评估方面获得广泛应用，显示出其灵活、快速、高时空分辨率的优势。本文分析了目前无人机遥感技术在各领域应用现状，针对矿区这一特殊对象，在剖析我国典型矿区的面积、监测对象、监测指标的基础上，从搭载平台、传感器选择、监测参数设置等方面进行了具体分析，并构建了矿区无人机遥感监测与土地复垦的应用框架体系，认为无人机遥感技术可用于矿区基础信息普查、地质灾害与污染等敏感风险源信息获取与监测，矿区土地复垦与生态重建规划与设计、复垦验收与复垦后效果监测与评价等多个方面，将成为未来矿区监测与土地复垦重要的应用技术手段。

无人机；遥感；矿区监测；土地复垦

遥感技术在大尺度生态环境监测中展现出显著的优势，特别是近些年来越来越高时空分辨率影像数据的涌现，在很大程度上满足了科学研究与实践，但对于矿区这样的特定对象，其范围相对较小且具有更高时间分辨率需求的监测仍难以满足。随着微小型飞行器平台与轻便型传感器的发展与进步，无人机遥感(unmanned aerial vehicle remote sensing, UAVRS)得到快速发展，UAVRS集成了无人驾驶飞行器技术、遥感传感器技术、遥测遥控技术、通讯传输技术、GPS定位技术和遥感应用技术，为遥感技术提供了全新的观测平台，具有自动化、智能化、专题化快速获取资源与环境等的空间遥感信息，完成遥感数据处理、建模和应用分析的应用技术[1]。由于无人机平台具有成本费用低、重访周期短、快速高效、质轻灵活、操作简便、获取影像的时空精度高等诸多的特点，集成了能满足各类需求的遥感传感器，以及配备许多处理功能的软件，形成完备的无人机遥感技术系统，成为小区域尺度的野外实地调查的可靠技术手段。当前，成熟的无人机平台主要包括旋翼与固定翼两种搭载方式，如：瑞士eBee固定翼[2]、德国MAVinci-SiriusI固定翼[3]、中国测绘科学研究院UAVRS系列固定翼[4]、德国的Flightcopter.TV旋翼机[5]、中国大疆Phantom和inspire系列旋翼机[6]等。随着无人机遥感技术的成熟化、成本低廉化，诸多学者已经在非矿区的精准农业[7-10]、林业监测[11-14]、测绘制图[15-16]、地质灾害诊断[17-20]、生态监测[21-22]等方面进行了多种尺度和多平台的尝试，并得到了成功应用和理想的效果。但在矿区监测与土地复垦方面，部分学者开展了探索性的研究，如：煤矿区无人机村庄分布监测[23]、大型露天矿的土石方和边坡稳定性监测[24]等；国外也多针对矿区不稳定边坡监测[25]，露天采场地形图测绘等方面[26]进行了部分研究。但是总体而言，无人机遥感技术在矿区的应用处于起步阶段，还有大量实践检验和拓展应用有待进一步研究。

矿产资源的开发不可避免地造成矿区土地利用与环境的动态变化，进而导致一系列的土地损毁、生态恶化、社会矛盾突出等问题。各类矿产资源由于其赋存条件与地域自然条件差异等原因，造成损毁形式多样复杂、空间分布杂乱无序、需要监测的指标繁多等问题。因此，有别于常规的区域性遥感监测，矿区作为一个具有多种复杂扰动信息的特殊区域，具有其监测需求的特殊性。此外，由于矿区的开采活动对土地与生态的影响属于持久型、累进型，因此对其进行监测不是对应时间“点”，而是时间“轴”上的持续观测与分析评价，如何动态的获取矿区在不同阶段的各类监测数据，将更加有效地指导矿区的土地复垦、生态环境保护与生态风险防范，促进资源开发与环境保护的协调发展。

本文在分析无人机遥感在国土资源调查、农林生长监测、生态环境监测、灾害调查评估应用的基础上，基于我国典型矿山损毁特点、监测对象、监测指标剖析的基础上，从搭载平台、传感器选择、监测参数等方面进行了具体分析，构建了矿区无人机遥感监测与土地复垦的应用框架体系，以期为无人机遥感在矿区的应用与推广提供借鉴与参考。

1 无人机遥感应用的现状分析

随着无人机平台不断丰富多样化，以及遥感传感器的高度集成、质量轻化，使得各种无人机平台与遥感传感器的结合成为可能，促使科学研究和实践工作更多地尝试和使用此项技术。当前，无人机遥感技术已被用于诸多领域，主要包括国土资源调查、农林生长监测、生态环境监测、灾害调查评估等方面。

1.1 国土资源调查

在土地利用分类与动态变化方面，国土部门和相关科研机构与公司利用UAV搭载轻便型高分辨率数码相机对一些县市开展了土地资源调查，选用面向对象的多尺度分割影像分类方法，根据地物特征的形状、纹理等信息确定提取规则，实现土地利用信息的快速提取，并制作区域土地利用类型遥感图，大部分地物识别与土地分类精度达到90%以上[15]。在土地利用动态变化方面，通过外业控制测量和内业数据处理过程，对内蒙古东胜以及汶川地震影响山区[27]土地利用动态变化的提取，并分析了土地利用信息动态变化及原因。目前，利用UAVRS生产的测绘4D产品，已经形成了成熟的流程和标准。国外也有学者研究基于纹理信息和多分割尺度的面向对象方法[28]与ANN分类方法[29]，解译得到亚分米级分辨率与无人机影像的分类结果。通过对无人机影像测图定位精度进行了研究，表明依据无人机影像经过几何校正和拼接后得到的正射影像图具有很高的平面位置精度[30-31]，能够极大地满足高精度土地利用分类与动态变化的需求。

此外，UAVRS也开始逐渐应用于土地确权[32-33]与土地整治竣工验收[34]，非法建设用地监测与执法，将无人机遥感影像通过自动判别和人工辅助的方式，识别到多种类型的非正常建设用地，提高了政务工作效率[35]。国外也有学者借用无人机方法分析了土方工程应用的误差分析，并结合垃圾填埋场、公路建设和高速铁路建设的土方工程量进行测算[36]。

1.2 农林生长监测

从传感器搭载方面，多光谱、高光谱、热红外等都广泛的应用于农作物分布信息获取、农作物快速分类、生长趋势等农情监测方面。利用无人机搭载多光谱载荷观测系统，可实现低空无人机遥感快速监测大面积农作物的覆盖度变化。利用无人机搭载可见光系统，基于色彩特征和基于灰度共生矩阵的红、绿、蓝色均值纹理特征提取倒伏玉米面积[8]，搭载热红外反演农作物缺水指数[37]、多传感器移动制图系统可进行独株树高的测量[38]。

在植被指数定量反演方面，多位学者采用可见光相机中RGB色域的颜色指数，借鉴归一化植被指数NDVI的构造原理及形式，提出了可见光波段差异植被指数VDVI，验证了其快速植被指数提取与植被覆盖度监测的可行性[39]。国外也有学者利用旋翼无人机实现了洋葱郁闭度的无损测量，并建模分析了郁闭度与叶面积指数之间的关系[40]。在多种传感器联合应用方面，高林等设计以多旋翼无人机为平台同步搭载数码相机和多光谱传感器组成的无人机农情监测系统，分别获取大豆结荚期和鼓粒期的遥感影像，结合田间同步实测叶面积指数数据，采用经验模型法分别构建了单变量和多变量LAI反演模型，成为指导精准农业研究的一种新方法[41]。杨贵军等[10]基于多旋翼无人机平台，并集成高清数码相机、多光谱仪、热像仪等多载荷传感器，提出一套农业多载荷无人机遥感辅助小麦育种信息获取系统，能够高通量获取作物倒伏面积、叶面积指数、产量及冠层温度等育种关键表型参量。

1.3 生态环境监测

在水土气的生态环境监测方面，河流水系与海岸变化的精细监测一直是研究的重点，将UAVRS应用到海岸线的提取[42]，与卫星资料结合完成区域流域的生态健康评价[43]；或者采用多个载荷传感器搭载于无人机之上获取更多空间信息，将摄影测量和激光测距雷技术实现河流弯道处厘米级制图与侵蚀分析[44]，将可见光、热红外数据结合实地资料实现南水北调水源地污染调查[21]。UAVRS为气体探测提供极大便利，国内外学者通过搭载相关的传感器实现高精度的气体(二氧化碳、水蒸气、甲烷[45]和PM2.5浓度[46])分布制图与成因探析。

工程环境监测与验收方面，近年来的研究主要集中在积极探索UAVRS在道路、水利和矿产等大型生产建设项目的生态环境影响评价[47]，诸如新建铁路的水土保持监测[48]，建立相应的分类与制图标准与系统[49]，提取风电类建设的环境敏感目标[50]等。这些都表现出及时、准确、全面地获取工程进展和环境变化，节约时间且效果良好，推广应用潜力大。

1.4 灾害调查评估

在地质灾害调查方面，滑坡体、堰塞湖、洪水灾害、地震、气象灾害、路桥病害等是常见的灾害，严重威胁到人类生存空间的安全。UAVRS以革命性的变革展开类型多样的研究工作，基于其快速地提供灾情信息，实现高效地预处理、智能分析与决策，为灾害评估与救援提供有力保障。国内外学者致力于快速建立大型滑坡体的精细的高空间分辨率模型[51]、自动提取高精度的滑坡体构造特征与分布形态[52]、高效地分析滑坡体的地表位移与裂纹信息[53]；探索了复杂地质气象条件下堰塞湖的灾情评估和损失评价[54]；实现高精度提取城市区洪水淹没区[55]；快速实现地震灾区的SIFT影像匹配[56]、三维可视化影像管理[57]等；此外，有学者将UAVRS应用到桥梁结构的监测与维护[58]、未铺砌道路表面病害探测[59]。矿区地质灾害的调查尝试GIS与UAVRS结合，针对废弃矿山综合调查与客观评价地质灾害空间分布[60]。在此方面国内外的研究并不是特别多，而矿区也是地质灾害多发区域，突发的地质灾害往往造成严重的人生财产损失，因此针对矿区地质灾害特征的无人机遥感监测很有必要展开。

2 无人机用于矿区监测与土地复垦前景分析

通过上文分析，不难看出无人机遥感技术由于其在数据获取、时效、成本方面的优势已经在各行各业得到广泛的应用，而矿区作为一个剧烈扰动实时变化的特殊对象，具有监测对象与指标多，监测时效性高等多种现实需求，无人机遥感无疑能发挥很好的作用。无人机遥感技术主要适用面积约100～10万m2，相应的误差范围约为2～20 cm[36]，通过比较我国典型矿山主要监测对象及指标(表1)，可以看出无人机遥感在矿区监测与土地复垦方面有巨大的潜力。但目前无人机遥感在矿区的应用尚处于起步阶段，关于矿区无人机遥感的相关研究相对较少，且研究主要集中于矿区各类采矿设施与土地利用情况分类与监测[61-62]，矿区地热资源分布调查[63]，非法与越界开采识别[64-65]，露天矿工程量(采剥量、堆放量等)计算[22]等几个方面。对照前文中无人机遥感在国土资源调查、农林生长、生态环境监测、灾害调查评估等方面的研究进展情况，无人机遥感在矿区的应用有待于进一步挖掘。

本文选取了我国典型大型矿区主要参数、矿区主要复垦对象和监测指标情况，据此知我国典型煤矿区的范围均小于50 km2，非煤矿区的范围小于15 km2。针对具体的监测对象而言，除煤矿区的地表沉陷区面积较大之外，煤矿区的地表裂缝与矸石山等均小于0.2 hm2，非煤矿区的单个采坑、尾矿库、废石场和堆浸场等均小于0.8 hm2。与区域遥感监测相比，矿区的监测范围更小，但重返周期长时序观测的要求更高，因而更适用于无人机遥感的应用。因此，本文结合矿区监测与土地复垦领域现实需求，提出了我国矿区无人机遥感监测与土地复垦的应用框架体系(图1)。无人机遥感可广泛应用于矿区基础信息普查、地质灾害与污染等敏感风险源信息获取与监测，矿区土地复垦与生态重建规划与设计、土地复垦验收与复垦后效果监测与评价等多个方面，服务于矿山生产的全生命周期，对无人机遥感监测数据区域、获取参数、空间分辨率进行了分析(表1)。

表1 无人机遥感监测数据区域与精度划分

图1 矿区无人机遥感监测与土地复垦框架体系

2.1 矿区基础信息普查

矿区土地复垦是我国矿区生态修复的必然选择，也是缓解人地矛盾、恢复生态环境的重要举措[66-67]。2011年3月5日，国务院第592号令公布施行《土地复垦条例》(以下简称《条例》)。要求土地复垦义务人按标准开展调查评价摸清项目区土地利用状况，并在此基础上编报土地复垦方案，根据土地损毁的类型、程度、自然地理条件和复垦的可行性等因素，分类确定不同类型损毁土地的复垦方式、目标和要求等。矿区基础信息调查与获取是掌握矿区基本自然条件，进行后续土地复垦与生态重建工作的基础与关键。国外一般也要求矿业主在进行矿产开发前要对矿区内植被、水系、地下水埋深、土地利用、动植物品种与分布等进行详尽的调查，并要求土地复垦后各项指标恢复甚至优于采矿前。

在矿区土地复垦规划过程中，大比例地形图和正射影像等提供复垦规划的基础信息，因地制宜的规划与设计是复垦的重要环节，规划的落实与施工是复垦的最终目标与结果。监测复垦整个过程，对确保矿区土地复垦达到预期目标和理想效果有重要意义。诊断土地损伤状况，评价土地损毁程度是矿区土地复垦的第一步。根据《土地复垦方案编制规程》，土地的损伤类别一般包括土地沉陷、土地挖损、土地压占、土地占用和土地污染五个方面，一般根据划分为轻度、中度和重度三个级别的损毁程度。土地损伤信息的获取，应当包括土地沉陷量和沉陷范围，土地挖损的体积和范围，土地压占的面积、体积和稳定性，土地压占的面积和体积，土地污染的类别、范围和程度，通过总结分析，矿区的基础信息主要包括：土地利用、地形、植被覆盖度等覆盖全矿井的区域性专题数据。其中，地形信息被认为是矿区主要的基础数据，矿区地形信息可采用常规的全站仪与水准仪组合的数字测图方法，还可用航空摄影测量技术、三维激光扫描、差分干涉合成孔径雷达(DInSAR)、差分GPS与高分辨率影像结合法[68]；近年来无人机遥感技术实现了高精度的矿区大比例尺地形图的快速测绘[64]。根据矿区地形和正射影像信息，辅助实地调查采样和室内分析处理方法，为得到矿区土地损伤的可靠状况提供保障，为更精确评价矿区土地损毁程度奠定基础。

因此，差异化的无人机平台不断涌现且性能得到提升，光学相机、多光谱相机、高光谱相机、热红外相机和微波辐射计等多种传感器快速发展。将无人机与遥感传感器结合而成的无人机遥感技术，获取更高的时空分辨率、更多的光谱信息等，为矿区基础信息的调查与获取提供了极大的可能性。

2.2 矿区地质灾害与污染等敏感风险源信息获取与监测

矿区地质灾害风险源的识别与监测，是矿区生态环境监测以及后续的土地复垦与生态重建必须首要解决的问题。井工开采一般导致地表沉陷与裂缝、废弃物压占土地等问题，而露天开采一般将由露天采场、废石场或排土场、尾矿库等。这些都是可见的土地损毁和环境破坏问题来源，也是潜在的地质灾害诱发的风险源，造成区域土地利用结构变化、农用地和生态用地减少等问题，还可能诱发滑坡、泥石流等次生地质灾害，造成无法估量的人员和财产损失，特别是在因采矿引发的突发灾害，其造成的损失极其重大，这些在世界各地都有相关新闻报道，图2列出了部分典型矿区监测对象与风险源无人机遥感影像。

图2 典型矿区监测对象与风险源无人机拍摄影像图

矿区主要的地质灾害风险源的监测矿区敏感信息主要包括温度异常点(区)、不稳定山(坡)体、污染分布、积水分布等。国内有学者采用高分辨率卫星影像(IKONOS)快速、准确地识别煤矿区塌陷群，清楚地识别了地表塌陷及其细节特征，分析其影响因子、规模和危害程度[69]，但是受卫星重返周期所限，无法长时序进行动态监测。而对自燃煤矸石山的温度场监测与建模方面，也有学者采用三维激光扫描仪、数字摄影测量系统与热红外成像仪结合进行温度监测[70-71]，但存在成本高、效率低等问题。矿区常见高陡边坡有露天矿的矿坑边坡、尾矿库坝体和排土场(废石场)边坡，其不稳定性存在诱发滑坡、泥石流等地质灾害的高风险，对其变形监测与稳定性分析一直是矿区研究的热点和难点。目前的监测多采用多基线数字近景摄影测量方法、GPS监测和地下滑动式测斜仪结合等方法进行监测，也存在着无法动态监测、效率低等问题。通过无人机搭载多种传感器的组合，实现对矿区地质灾害与污染等敏感风险源地面地形数据、温度数据、变形数据的获取、处理、融合与解译将极大的提高数据获取的精度、周期、效率。

2.3 矿区土地复垦验收与复垦后效果监测与评价

矿区土地复垦施工是落实土地复垦规划方案的内容，也是矿区土地复垦目标的重要保障，利用获取的地形、植被、土地利用等数据，结合矿山开采的计划，可实现对复垦区域的景观三维建模，并完成土地复垦与生态重建的规划与设计工作。矿区土地复垦验收是检验复垦施工结果的重要环节，也是对施工部门的考核和检查，为矿区土地复垦的恢复土地功能有重要作用。监测矿区土地复垦的施工，明确矿区土地复垦规划方案的落实情况，及时掌握复垦施工的项目进度；使用多种野外实测与遥感等技术结合，进行矿区土地复垦的验收工作，可极大提高验收作业的效率。

矿区土地复垦施工过程一般包括：表土剥离与回覆、田面平整与松土、村庄地基与垃圾等清理、土壤培肥，农田防护林重建、林地与草地植被重建，配套工程的灌排沟渠、道路系统工程、桥梁与涵洞等，以及后续监测与管护措施等。矿区土地复垦验收一般根据复垦规划的各项设计指标，如表土剥离与回覆量、复垦标高、田面平整度、表土压实度、土壤培肥的养分变化、土壤水分与有机质、灌溉排水系统等；以及复垦后三年内的持续监测，如，林地和草地成活率、耕地产量，以及配套与管护措施等。目前，国土资源部门已经开始运用国产高分卫星遥感影像数据进行土地整治重大工程的施工验收，重点监测获取新增耕地、新修道路、沟渠等参数。在土地整治的土壤质量、土壤肥力、项目区路网布局等定量评价方面，也有研究采用SPOT、TM/ETM、Quickbird等遥感影像进行评价[72-74]。总体来看，目前主要着重从土壤水分与有机质监测、土壤植被指数与覆盖度、表层土壤含水量、土壤涝渍及潜育化进行土地整治方面的土壤质量遥感评价。无人机由于具备灵活、可搭载多传感器的优势，未来可以在土地复垦施工监管、复垦工程竣工验收、复垦后土壤质量、复垦植株长势、复垦后野生动物活动、复垦后生态系统恢复等多个方面发挥重要作用。

3 结论与展望

本文通过大量的文献综述，总结归纳了无人机遥感在国土资源调查、农业林业生长监测、生态环境监测和灾害调查评估等领域的应用现状。基于我国典型大型矿山面积、监测对象、监测指标在矿区信息普查与土地复垦中的监测需求，较为系统性地分析了无人机在矿区监测与土地复垦的应用潜力，针对矿区基础信息普查、地质灾害与污染等敏感风险源信息获取与监测、土地复垦规划与设计、土地复垦施工过程监测和复垦后监测与评价等过程，进行了详细地分析。大型矿区的土地复垦面积一般在公顷级到平方公里级，同时当前诸多卫星影像数据与地面调查手段并不能很好地满足矿区尺度的监测要求，而不同型号的固定翼和旋翼无人机恰好可以满足上述面积的监测需求，因此在不同的矿区监测与土地复垦需求下，设计符合需求的监测方案，选择适宜的无人机搭载平台与恰当波段的传感器，得到适宜的时空分辨率影像数据，实现理想的监测效果与评价结果。

无人机遥感技术在矿区土地复垦应用才刚刚开始，将会根据实际需求而逐步拓展，在此领域有极大的研究潜力和应用前景。针对矿区尺度较小、扰动剧烈的特点，如何选择合适的搭载平台与传感器，有针对性地解决所需要监测的对象与问题。这对于构建精准矿情获取与普查，实现实时动态监测，从而指导矿山科学生产、合理安排土地复垦计划，推动绿色可持续发展的矿区，具有重要的研究意义和实际应用价值。

[1] 金伟, 葛宏立, 杜华强, 等. 无人机遥感发展与应用概况[J]. 遥感信息, 2009(1): 88-92.

[2] Chianucci F, Disperati L, Guzzi D，et al. Estimation of canopy attributes in beech forests using true colour digital images from a small fixed-wing UAV[J]. International Journal of Applied Earth Observation and Geoinformation, 2016,47: 60-68.

[3] D’Oleire-Oltmanns S, Marzolff I, Peter K D， et al. Unmanned Aerial Vehicle (UAV) for Monitoring Soil Erosion in Morocco[J]. Remote Sensing, 2012, 4(11):3390-3416.

[4] 崔红霞, 林宗坚, 孙杰. 无人机遥感监测系统研究[J]. 测绘通报, 2005(5):11-14.

[5] Lelong C D, Burger P, Jubelin G， et al. Assessment of Unmanned Aerial Vehicles Imagery for Quantitative Monitoring of Wheat Crop in Small Plots[J]. Sensors, 2008, 8(5): 3557-3585.

[6] 大疆创新官网. Matrice100：未来的飞行方式由您随心定义[EB/OL]. (2016-01-31)[2016-06-01]. http://www.dji.com/cn/product/ matrice100.

[7] María Pérez-Ortiz, José Manuel Pea, Pedro Antonio Gutierrez, et al. Selecting patterns and features for between- and within- crop-row weed mapping using UAV-imagery[J]. Expert Systems With Applications, 2016, 47: 85-94.

[8] 李宗南, 陈仲新, 王利民, 等. 基于小型无人机遥感的玉米倒伏面积提取[J]. 农业工程学报,2014,30(19):207-213.

[9] 李冰, 刘镕源, 刘素红, 等. 基于低空无人机遥感的冬小麦覆盖度变化监测[J]. 农业工程学报,2012,28(13):160-165.

[10] 杨贵军, 李长春, 于海洋, 等. 农用无人机多传感器遥感辅助小麦育种信息获取[J]. 农业工程学报, 2015, 31(21):184-190.

[11] 张园, 陶萍, 梁世祥, 等. 无人机遥感在森林资源调查中的应用[J]. 西南林业大学学报, 2011, 31(3):49-53.

[12] 王聪, 杜华强, 周国模, 等. 基于几何光学模型的毛竹林郁闭度无人机遥感定量反演[J]. 应用生态学报, 2015, 26(5):1501-1509.

[13] 冯家莉, 刘凯, 朱远辉, 等. 无人机遥感在红树林资源调查中的应用[J]. 热带地理, 2015, 35(1):35-42.

[14] 彭培胜, 王懿祥, 吴建强, 等. 基于无人机遥感影像的三维森林景观可视化[J]. 东北林业大学学报,2013(6):61-65.

[15] 魏子寅. 基于无人机正射影像进行土地利用/土地覆盖分析[D]. 呼和浩特：内蒙古师范大学, 2013.

[16] 张文博. 无人机航测技术在土地综合整治中的应用研究[D]. 长沙:长沙理工大学, 2013.

[17] 雷添杰, 李长春, 何孝莹. 无人机航空遥感系统在灾害应急救援中的应用[J]. 自然灾害学报, 2011(1):178-183.

[18] 臧克, 孙永华, 李京, 等. 微型无人机遥感系统在汶川地震中的应用[J]. 自然灾害学报, 2010, 19(3):162-166.

[19] 雷添杰, 宫阿都, 李长春, 等. 无人机遥感系统在低温雨雪冰冻灾害监测中的应用[J]. 安徽农业科学, 2011, 39(4):2417-2419，2423.

[20] Quanlong Feng, Jiantao Liu, Jianhua Gong. Urban Flood Mapping Based on UAV RS and Random Forest Classifier—A Case of Yuyao, China 2015 Water Q2C4[J]. Water, 2015, 7(4): 1437-1455.

[21] 洪运富, 杨海军, 李营, 等. 水源地污染源无人机遥感监测[J]. 中国环境监测, 2015(5):163-166.

[22] Bo Li, Zhongfa Zhou, Kaicheng Huang. Analyzing Degradation Ecological Landscape Pattern for the Karst Plateau on the Basis of GIS Technologies[C]//Third International Symposium on Plant Growth Modeling, Simulation, Visualization and Applications. IEEE, 2009:449-452.

[23] 刘广盛, 吕军超. 基于无人机的矿区变化监测关键技术研究[J]. 测绘通报, 2012(S1): 95-98.

[24] 许志华, 吴立新, 陈绍杰, 等. 基于无人机影像的露天矿工程量监测分析方法[J]. 东北大学学报：自然科学版, 2016, 37(1): 84-88.

[25] U. Niethammer, M.R. James, S. Rothmund, et al. UAV-based remote sensing of the Super-Sauze landslide: Evaluation and results[J]. Engineering Geology, 2012, 128(11):2-11.

[26] B. Kršák, P. Blištan, A. Pauliková, P. Pukárová, L. Kovanic, J. Palková, V. Zeliznaková. Use of low-cost UAV photogrammetry to analyze the accuracy of a digital elevation model in a case study[J]. Measurement, 2016, 91:276-287.

[27] 付萧, 鲁恒, 朱庆, 等. 利用无人机影像进行山区土地利用信息动态监测[J]. 山地学报, 2016, 34(1):121-126.

[28] Andrea S. Laliberte and Albert Rango. Texture and Scale in Object-Based Analysis of Subdecimeter Resolution UAV Imagery[J]. IEEE Transactions on Geoscience and Remte Sensing, 2009, 47(3): 761-770.

[29] Monica Rivas Casado,Rocio Gonzalez,Thomas Kriechbaumer,et al. Automated Identification of River Hydromorphological Features Using UAV High Resolution Aerial Imagery[J]. Sensors, 2015, 15(11): 27969-27989.

[30] 胡晓曦, 李永树, 李何超, 等. 无人机低空数码航测与高分辨率卫星遥感测图精度试验分析[J]. 测绘工程, 2010, 19(4):68-70, 74.

[31] 周晓敏, 赵力彬, 张新利. 低空无人机影像处理技术及方法探讨[J]. 测绘与空间地理信息, 2012, 35(2): 182-184.

[32] 顾洁. 无人机航摄在农村土地承包经营权确权登记颁证中的应用——以凤阳县为例[J]. 测绘通报, 2016(2):94-96, 99.

[33] 杜会石, 孙艳楠, 陈智文, 等. “3S”技术在农村土地确权登记发证中的应用[J]. 江苏农业科学, 2014, 42(12):350-352.

[34] 吴正鹏, 王琳, 奚歌. 无人机低空遥感系统在土地复垦中的应用[J]. 城市勘测, 2013(6): 82-84, 88.

[35] 陆东海. 基于低空遥感和地政数据的非正常建设用地类型判别研究[D]. 南京：南京大学, 2014.

[36] Siebert S, Teizer J. Mobile 3D mapping for surveying earthwork projects using an Unmanned Aerial Vehicle (UAV) system[J]. Automation in Construction, 2014, 41(2): 1-14.

[37] V. Gonzalez-Dugo, P. Zarco-Tejada, E. Nicolás, et al. Using high resolution UAV thermal imagery to assess the variability in the water status of five fruit tree species within a commercial orchard[J]. Precision Agriculture, 2013, 14(6): 660-678.

[38] Anttoni Jaakkola,J Hyyppä,A Kukko, et al. A low-cost multi-sensoral mobile mapping system and its feasibility for tree measurements[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2010,65(6):514-522.

[39] 汪小钦, 王苗苗, 王绍强, 等.基于可见光波段无人机遥感的植被信息提取[J]. 农业工程学报, 2015, 31(5): 152-159.

[40] Juan I. Córcoles, Jose F. Ortega,D Hernndez, et al. Estimation of leaf area index in onion (Allium cepa L.) using an unmanned aerial vehicle[J]. Biosystems Engineering, 2013, 115(1): 31-42

[41] 高林, 杨贵军, 王宝山, 等. 基于无人机遥感影像的大豆叶面积指数反演研究[J]. 中国生态农业学报, 2015, 23(7):868-876.

[42] 邓才龙. 无人机遥感在海岛海岸带监测中的应用研究[D]. 青岛:国家海洋局第一海洋研究所, 2015.

[43] 梁婷, 朱京海, 徐光, 等. 应用B-IBI和UAV遥感技术评价辽河上游生态健康[J]. 环境科学研究, 2014, 27(10):1134-1142.

[44] Claude Flener, Matti Vaaja, A Jaakkola, et al. Seamless Mapping of River Channels at High Resolution Using Mobile LiDAR and UAV-Photography[J]. Remote Sensing, 2013, 5(12): 6382-6407.

[45] Amir Khan, David Schaefer, L Tao, et al. Low Power Greenhouse Gas Sensors for Unmanned Aerial Vehicles[J]. Remote Sensing, 2012, 4: 1355-1368.

[46] Zhong-Ren Peng, Dongsheng Wang,Z Wang, et al. A study of vertical distribution patterns of PM2.5 concentrations based on ambient monitoring with unmanned aerial vehicles: A case in Hangzhou, China[J]. Atmospheric Environment, 2015, 123: 357-369.

[47] 王晓臣, 朱京海, 梁婷, 等. 无人机遥感技术在生态环境影响评价中的应用研究[J]. 环境影响评价, 2015, 37(2):70-73.

[48] 王志良, 付贵增, 韦立伟, 等. 无人机低空遥感技术在线状工程水土保持监测中的应用探讨——以新建重庆至万州铁路为例[J]. 中国水土保持科学, 2015, 13 (4): 109-113.

[49] 李营, 陈忱, 张峰, 等. 无人机影像高铁竣工环保验收信息分类体系研究[J]. 铁道工程学报, 2011, 28(7):105-111.

[50] 问鼎. 基于无人机的风电类建设项目竣工环保验收方法研究[D].沈阳：沈阳航空航天大学, 2014.

[51] 刘春, 万红, 李巍岳, 等. 基于无人机影像的大型滑坡区域精细地形构建研究[J]. 井冈山大学学报：自然科学版, 2015(1):1-7.

[52] Abdulla Al-Rawabdeh, He F, Moussa A, et al. Using an Unmanned Aerial Vehicle-Based Digital Imaging System to Derive a 3D Point Cloud for Landslide Scarp Recognition[J]. Remote Sensing, 2016, 8(2):95.

[53] U. Niethammer, M.R. James,S Rothmund, et al. UAV-based remote sensing of the Super-Sauze landslide: Evaluation and results[J]. Engineering Geology, 2012, 128(11): 2-11.

[54] 马泽忠, 王福海, 刘智华, 等. 低空无人飞行器遥感技术在重庆城口滑坡堰塞湖灾害监测中的应用研究[J]. 水土保持学报, 2011, 25(1):253-256.

[55] Quanlong Feng, Jiantao Liu, Jianhua Gong. Urban Flood Mapping Based on UAV RS and Random Forest Classifier-A Case of Yuyao, China 2015 Water Q2C4[J]. Water, 2015, 7(4): 1437-1455.

[56] 宫阿都, 何孝莹, 雷添杰, 等. 无控制点数据的无人机影像快速处理[J]. 地球信息科学学报, 2010, 12(2):2254-2260.

[57] 周洁萍, 龚建华, 王涛, 等. 汶川地震灾区无人机遥感影像获取与可视化管理系统研究[J]. 遥感学报, 2008, 12(6):877-884.

[58] Najib Metni, T Hamel. A UAV for bridge inspection: Visual servoing control law with orientation limits[J]. Automation in Construction, 2007,17: 3-10.

[59] Chunsun Zhang.An Unmanned Aerial Vehicle-Based Imaging System for 3D Measurement of Unpaved Road Surface Distresses[J].Computer-Aided Civil and Infrastructure Engineering, 2012, 27(2):118-129.

[60] 陈宇琛. 基于UAV和GIS技术的废弃矿山地质灾害调查与评价[D].北京：中国地质大学(北京), 2015.

[61] 荆平平. 无人机影像获取与信息提取应用研究[D]. 北京: 中国地质大学(北京), 2014.

[62] 钱尊岩. 低空无人机遥感在油田测量中的关键技术应用研究[D].东营: 中国石油大学(华东), 2012.

[63] Abdul Nishar, Steve Richards, B Dan,et al. Thermal infrared imaging of geothermal environments and by an unmanned aerial vehicle (UAV): A case study of the Wairakei -- Tauhara geothermal field, Taupo, New Zealand[J]. Renewable Energy, 2016, 86: 1256-1264.

[64] 李迁. 低空无人机遥感在矿山监测中的应用研究[D]. 北京: 中国地质大学(北京), 2013.

[65] 邴媛媛. 无人机遥感在某铁矿矿区资源监测中的应用[D]. 阜新：辽宁工程技术大学, 2008.

[66] 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, 38(2): 301-307.

[67] 肖武, 胡振琪, 许献磊, 等. 煤矿区土地复垦成本确定方法[J]. 煤炭学报,2010(S1): 175-179.

[68] 王行风, 邓喀中, 汪云甲. 利用DGPS和高空间分辨率影像进行煤矿区地形图更新研究[J]. 中国矿业, 2008, 17(5): 103-105, 108.

[69] 刘欢, 朱谷昌, 李智峰, 等. IKONOS卫星影像在甘肃省红会煤矿区塌陷群识别中的应用[J]. 中国地质灾害与防治学报, 2010, 21(4): 82-85.

[70] 王海娟, 胡振琪, 王晓军, 等. 自燃煤矸石山表面温度场红外三维模型构建[J]. 中国煤炭, 2015(8): 131-135.

[71] 胡振琪, 高杨, 苏未曰, 等. 基于点火源模型反演测算煤矸石山着火点深度研究[J]. 煤炭科学技术, 2015, 43(1):134-137.

[72] 丁美青. 土地开发整理区土壤质量遥感定量评价研究[D]. 长沙：中南大学, 2014.

[73] 邢凡胜. 基于遥感的土地开发整理及项目区路网布局评价[D]. 长沙：长沙理工大学, 2007.

[74] 曾繁. 土地整理之土壤肥力遥感反演及评价[D]. 长沙：长沙理工大学, 2013.

[75] 王植, 刘善军, 徐白山, 等. 无人机影像序列中露天矿三维建模[C]//第十七届中国环境遥感应用技术论坛论文集,2013:68-74.

The status and prospect of UAV remote sensing in mine monitoring and land reclamation

XIAO Wu, HU Zhenqi, ZHANG Jianyong, ZHAO Yanling, YANG Kun

(Institute of Land Reclamation and Ecological Restoration, China University of Mining & Technology(Beijing), Beijing 100083, China)

Unmanned aerial vehicle remote sensing(UAVRS) with the features of low cost, short revisit period, speediness and high efficiency, lightweight and flexibility, easy operation, and high accuracy etc., has become a research hotspot nowadays. It has also been widely employed in land resource investigating, agriculture and forest monitoring, eco-environment supervising and disaster evaluating, and demonstrates its advantages of elasticity, quickness, and high space-time resolution. This paper analyzed the application status of unmanned aerial vehicle remote sensing technology. For the special object of mining area, based on the analysis of typical mining districts’ area and monitored objects and indexes, carrying platform, sensors and monitoring parameter of were dissected specifically. Then, the application of framework system of unmanned aerial vehicle remote sensing monitoring and land reclamation in mining area was established. Unmanned aerial vehicle remote sensing technology, being available for basic information investigation, geological hazards and pollution monitoring, land reclamation and ecological restoration plan, reclamation acceptance and effect monitoring and evaluation, will become a vital important technique in monitoring and land reclamation of mining district.

unmanned aerial vehicle(UAV); remote sensing; mine monitoring; land reclamation

2016-12-24 责任编辑：赵奎涛

国家自然科学基金项目资助(编号：41401609)；北京市优秀人才培养项目资助

肖武(1983-)，男，博士，副教授，主要从事土地复垦与生态修复、3S技术在土地中的应用，E-mail: xiaowuwx@126.com。

TP79；TD88

A

1004-4051(2017)06-0071-08