基于Landsat TM/OLI影像的兖州煤田水域面积动态监测

李 晶，申莹莹，焦利鹏，杨 震，吴 跃



基于Landsat TM/OLI影像的兖州煤田水域面积动态监测

李 晶，申莹莹，焦利鹏，杨 震，吴 跃

（中国矿业大学（北京）地球科学与测绘工程学院，北京 100083）

为揭示东部高潜水位矿区地表水体的时空演变规律，该文以兖州煤田为研究区，在比较改进归一化差异水体指数法、单波段阈值法、谱间关系法、K-T变换4种水体提取方法的精度及优缺点基础上，采用基于阈值分割的改进的归一化差异水体指数法提取了研究区1990－2014年的水体信息并分析了其时空变化特征。研究结果表明：从1990－2009年，兖州煤田地表水域面积增加了1 696.14 hm2，且2001－2005年水域面积扩张速度较快，年均增长率达14.0%，2009－2014年水域面积减少，年均下降率为3%；煤炭开采是研究区内水域面积变化的主要驱动因子。该文实现了煤矿区地表水体变化的动态监测，并分析了其变化原因，有助于客观与定量地评估煤炭开采的生态累积效应。

煤矿；遥感；监测；兖州煤田；采煤沉陷；改进的归一化水体指数；水域变化监测

0 引 言

煤炭开采导致地表沉陷积水，是中国东部高潜水位平原煤矿区土地生态变化的主要特征之一，对矿区水体的变化进行监测，有助于定量评估煤炭开采的生态累积效应。Landsat TM/ETM+/OLI影像数据，因具有较好的时序连续性、数据免费获取等特点，被广泛地应用于土地利用与覆被变化研究。然而，针对矿区地表水体信息的遥感信息提取方法，仍有待进一步研究。

当前，常用的水体提取方法有阈值法、比值法、水体指数法、谱间关系法、K-T变换法、决策树方法、面向对象等方法。如Frazier等[1]应用单波段阈值法提取水体；Mcfeeters[2]基于平原地区陆地水体在绿波段比近红外波段反射率高的特征，构建了归一化差异水体指数（normalized difference water index，NDWI）模型，徐涵秋[3]在其基础上，兼顾了土壤、人工地物、阴影等因素，提出了改进的归一化水体指数（modified normalized difference water index，MNDWI）；杨存建等[4]依据TM2+TM3>TM4+TM5的波段组合法提取水体，陈华芳等[5]在其基础上进行改进，结合阈值法，利用(TM2+TM3)- (TM4+TM5)>k改进了水体信息提取精度；李小曼等[6]、姜浩等[7]分别利用HIS空间水体模型和MNDWI提取水体，较大程度上提高了细小水体的提取精度；黄金龙等[8]应用了单波段阈值法和NDVI阈值法提取了博斯腾湖水体面积；Jain等[9]、Hui等[10]对比单波段密度分割法、归一化差异水体指数法、谱间关系法和非监督分类法对TM数据提取水体信息；殷亚秋等[11]运用面向对象方法对高分数据提取水体信息，总精度高于传统面向像元方法；杨光华等[12]基于高分数据对济宁市塌陷积水的耕地信息进行研究；彭苏萍等[13]、李亚平等[14]、马诚超等[15]利用多时相的数据对矿区塌陷积水动态变化进行研究；崔亮等[16]采用多种方法提取洞庭湖水体范围，研究其水体面积变化特征；许冬等[17]分析了近30年来济宁采煤塌陷积水区的扩展变化情况，并利用Logistic回归建立塌陷积水面积预测模型对塌陷积水面积进行测算及实时动态监测。因水体与某些地物，如道路、建筑物以及云和山体阴影等，光谱特征存在一定相似性，而且遥感影像和研究区地面特征存在差异，同样会影响水体提取的精度，所以一种水体提取方法几乎不可能适用于所有情况[18]。进行水体提取时，必须根据水体的遥感识别机理、研究区下垫面特点以及影像数据特征等进行综合分析比较，以采用最佳的水体提取方法进行变化监测研究[19]，此外，现有矿区地表水域面积变化检测和机理分析等，未能兼顾年际降水差异和采矿等人为因素的综合影响[13-17]。

针对上述问题，本文以兖州煤田为对象，在比较4种水体提取方法的精度及优缺点基础上，提取了5个时期（1990、2001、2005、2009和2014年）的地表水域信息，分析了其时空变化特征并从降水量和煤炭开采2方面揭示了其变化原因。与现有研究相比，注重了水体提取方法筛选，将水体指数法与最大类间方差法结合，提高了水体提取精度，同时也定量揭示了水体变化的主要驱动力。

1 研究区概况及数据源

1.1 研究区概况

兖州煤田位于山东省济宁市兖州、曲阜、邹城和任城四县区交界处，见图1。煤田南北长约30 km，东西宽约15.6 km，总面积440.4 km2，包括南屯、兴隆庄、鲍店、东滩、北宿、杨村、唐村、落陵、太平、单家村、古城、星村、田庄、横河、里彦、杨庄等16个井田。煤层厚度一般为1～10 m，埋深一般在300 m以下，多为缓顷斜煤层，煤矿均采取竖井开拓、地下开采，探明能利用储量30.14亿 t，可采储量17.12亿 t，是国家重点建设的八大能源基地之一。兖州煤田自20世纪80年代后期至90年代进入大规模开发时期，全煤田设计总产煤能力2 451×104t。

研究区属泗河山前冲洪积平原区，地形以平原洼地为主，气候温和，属于温带季风区海洋与大陆间过渡性气候，四季分明，降雨多集中在7、8月份，春季少雨，时有春旱。区内主要的河流有泗河、白马河、沙河、泥河等，以湖盆为中心，自北向南分别流入南阳湖。

图1 兖州煤田位置及矿井分布

1.2 数据源及预处理

本文中Landsat TM/OLI影像是从美国地质调查局（USGS）下载的经LEDAPS（The Landsat Ecosystem Disturbance Adaptive Processing System）程序处理的地表反射率数据，空间分辨率为30 m，影像列号122，行号035。在选择数据时尽量选择降水量、气温、月份相近，云量及阴影较少的影像，见表1，因上述数据已经经过系统的辐射校正、几何校正等相关预处理，本文对遥感影像所做的预处理工作包括影像的波段合成、云及阴影掩膜、影像裁剪等。

此外，兖州台站降水量数据来源于“中国气象数据网”（http://data.cma.cn/site/index.html）的中国地面气候资料年值数据集；煤炭开采量数据来源于“兖州煤业股份有限公司”（http://www.yanzhoucoal.com.cn）的年度报告和部分调查数据。

表1 遥感影像的基本信息

2 研究方法

本文在优选水体信息提取方法的基础上，提取研究区各年的地表水域信息，分析其时空变化特征并揭示其变化原因，具体技术流程见图2。

图2 本文研究技术流程图

2.1 水体提取方法初选

2.1.1 基于阈值分割的改进归一化差异水体指数法

基于阈值分割的改进的归一化差异水体指数法（以下简称水体指数法）可以分为改进的归一化水体指数的计算和确定分割阈值这2个步骤。

改进的归一化差异水体指数（MNDWI）是徐涵秋[3]在Mcfeeters[2]构建的归一化差异水体指数（NDWI）模型的基础上，对NDWI的波段组合进行改进后创建的新型水体指数。MNDWI利用短波红外波段代替NDWI中的近红外波段，以增强水体和建筑物的反差，降低二者的混淆，提高水体信息提取精度，NDWI及MNDWI的计算公式分别见式（1）和（2）。

式中Green、NIR(near infrared)、MIR(middle infrared)分别是绿波段、近红外波段、短波红外波段，分别对应Landsat 5数据的第2、4、5波段和Landsat 8数据的第3、5、6波段。

MNDWI兼顾了土壤、人工地物、阴影等因素，容易区分阴影和水体信息，解决了水体提取中难以消除阴影的难题。相比NDWI，特别是提取城镇范围内的水体，有较好的精度和识别效果。

方法应用时，阈值的选取至关重要，直接影响水体的提取精度。本研究采用最大类间方差法（the maximum between-class variance method，OTSU）确定分割阈值[20]，该方法简单，运行时间相对较短，自适应性强[21-22]，是在最小二乘原理的基础上提出的自适应阈值确定的方法。其基本原理是按图像的灰度特性，将图像分成背景和目标2部分，背景和目标之间的类间方差越大，说明构成图像的差别越大，当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小，因此，类间方差最大的分割意味着错分概率最小，此时对应的值，即为分割阈值。在使用该方法进行阈值计算之前，需尽量将背景和目标之间的差异扩大，本文通过计算影像的MNDWI来扩大水体和背景之间差异。

2.1.2 单波段阈值法

单波段阈值法是利用水体在短波红外波段强吸收性而植被、土壤在此波段范围内强反射的特性，再选取合适的阈值提取水体信息[23]，其模型见式（3）。

MIR

式中MIR指短波红外波段，对应Landsat5数据的第5波段、Landsat8数据的第6波段；指分割阈值，即小于该阈值的为水体，大于该阈值的为其他地物。

2.1.3 谱间关系法

谱间关系法是通过分析水体和背景地物的光谱特征曲线，找到水体特有的光谱特征，利用逻辑判断提取出水体信息，本研究应用水体TM2+TM3>TM4+TM5的特性，提取水体信息。

2.1.4 K-T变换法

即分析水体及其他地物在缨帽变换后生成的六个波段构成的波谱曲线差异来区分水体和非水体信息，本研究中利用GreennessFourth[24]水体提取模型提取水体信息。

2.2 水体提取效果对比

基于2009年8月30号获取的TM影像，应用水体指数法、单波段阈值法、K-T变换法和谱间关系法上述4种方法进行水体提取效果比较，见表2。其中，提取的水体二值图像中黑色为水体，包括地表自然水体、人工水体以及塌陷积水区域；表中最左列图像为B4、B3和B2的假彩色合成影像，用于对比各种方法对地表水体边缘的连贯性和细小水体的提取效果。对比结果表明，4种方法均能提取较宽的河流和面积较大的水域，相对而言，水体指数法和单波段阈值法效果较好，谱间关系法效果相对较差，但各方法对细小河流的提取都不能较全面克服其他地物的干扰性影响。

表2 各方法识别水体的效果对比

结合Google Earth影像在研究区范围内随机选取了190个验证样本点，其中90个水体样本点，100个非水体样本点，对各方法提取水体的结果做精度验证，见表3。结果表明：水体指数法和单波段阈值法总体精度较高分别为94.7%、93.2%，K-T变换法次之85.3%，谱间关系法最低为75.2%；水体指数法的Kappa系数最高，为0.899；4种方法都有漏分现象，其中谱间关系法漏分现象最严重，K-T变换法次之；相对而言，水体指数法水体信息提取总体精度和Kappa系数相对高，错分误差和漏分误差较低，本文选取该方法作为水体变化信息提取的方法。

表3 各方法地表水体提取精度对比

注：其中错分误差、漏分误差、制图精度、用户精度是水体分类的各指标。

Note:Commission error, omission error, producers’ accuracy andusers’ accuracy of extracted open-water are analyzed.

2.3 变化检测方法

根据章节2.2的对比结果，采用基于阈值分割的改进的归一化差异水体指数法，提取兖州煤田地表水域变化信息，即通过用最大类间方差法获取的分割阈值对1990、2001、2005、2009及2014年的MNDWI影像进行水体信息提取。利用ArcGIS统计分析工具计算各期影像的水体面积，通过将各期影像的水体面积做差值运算等，得到年际间水体面积变化及变化速率；将各期水体提取影像进行叠置分析，得到年际间水体的空间变化，并应用SPSS等软件分析其变化特征与煤炭开采、降水量因素的关系，以揭示矿区水域变化的驱动机制。

3 结果与分析

3.1 历年水体面积变化

1990、2001、2005、2009和2014年5期影像提取的水体信息见图3，水域面积及变化信息见表4。

图3 各观测年兖州煤田地表水域分布

表4 观测年水域面积及变化值

结果表明，兖州煤田地表水体面积由1990年的551.79 hm2扩大至2014年的1 927.35 hm2，增长了1 375.56 hm2，年均增长57.32 hm2，年增长率为5.3%，水体面积明显呈上升趋势。其中，1990－2001年水域面积增量是268.38 hm2；2001－2005年增加565.29 hm2，年均增长率为14.0%，年均增速相对最大；2005－2009年增量是862.47 hm2，年均增长率为12.9%，增速较快；2009－2014年研究区的地表水域面积变化不大，减少了320.58 hm2，年均下降率为3.0%。

3.2 变化水体的空间分布分析

由图3a可知，1990年兖州煤田还未出现大范围的采煤塌陷积水区，只有东滩、北宿、兴隆庄和鲍店有小范围的积水区；从1990－2001年，东滩、北宿、兴隆庄、鲍店、南屯等煤矿塌陷积水面积不断扩大，其中北宿、南屯煤矿水体扩张最为明显，见图4a；从2001－2009年，塌陷积水面积不断扩大，陆续形成了一系列新的塌陷积水区，且原有的塌陷积水区继续扩张，主要集中在鲍店、兴隆庄和东滩煤田，其中鲍店和东滩煤矿水域扩张最明显，见图4b和4c；2009－2014年，水体面积有所减少，减少的水域主要集中在里彦、东滩和兴隆庄煤矿，具体年际间的水域空间变化见图4，其中持续水体、持续非水体等是两期之间的叠加结果。

图4 年际间水域空间变化

3.3 水体变化的驱动因素分析

彭苏萍等[13]、李亚平等[14]、马诚超等[15]、张祖鹏等[25]、马雄德等[26]开展了矿区塌陷积水区变化的相关研究，但多定性地分析了采煤活动是导致塌陷积区水域变化的主要原因，未做定量的相关性分析，此外，未考虑降水量年际变化等对水域面积的影响，或仅依据专家评价与层次分析法等进行驱动因子与水体湿地变化关系的分析，存在一定的主观性。与其他驱动因素相比，强人类活动、降水量及其变化等与水域面积紧密相关[25-28]，本研究从降水量和煤炭开采行为2方面综合分析其对水域面积变化的贡献度。因降水量对水域面积的影响存在一定的时间累积性，与其他学者[29-30]相似，本文中降水量，指影像获取时间相应年的年降水量，煤炭累计开采量为同一观测期几年内主要煤矿的煤炭累积开采量。

分析结果表明：兖州煤田水域面积和年降水量之间的相关系数=−0.537，>0.05，2者相关程度不明显。上述结果虽有悖通常认知，但兖州煤田区天然水体少，即降水量年际变化不是导致整个研究区水域面积增加的主要原因。但2014年年降水量为551.2 mm，相比上一观测期2009年年降水量下降了30.2%，仅相当于丰水年如1990年降水量的48.4%，由此推测2014年水域面积小幅减少与当年降水量大幅下降有关。相比较而言，见图5，观测期煤炭开采量与水域面积的相关系数=0.904，<0.05，呈显著正相关，即煤炭开采导致塌陷积水区面积增加，是影响研究区水域面积变化的主要原因。

图5 各年累计开采量与水域面积

4 结 论

本文以兖州煤田为例，利用基于阈值分割的改进归一化差异水体指数法完成了研究区域1990至2014年间5期影像的水体信息的提取，分析了兖州煤田地表水体的时空变化信息，结合煤炭开采、降水量定量数据对上述变化的原因进行了分析。结论如下：

1）基于阈值分割的改进的归一化水体指数法适用于研究区域的水体信息提取，其总体分类精度达到94.7%，Kappa系数为0.899；

2）从1990到2014年，研究区内水域面积总体呈现上升趋势，水域面积增加了1 375.56 hm2，其中2001到2005年水域面积增加最快，年均增长率为14.0%，相对2009年，2014年水域面积减少了320.58 hm2，年均下降率约为3%。研究区内水体扩张主要集中在东滩、北宿、兴隆庄、南屯、鲍店5个煤矿；

3）兖州煤田5个观测期的水域面积和年降水量之间相关程度不明显；煤炭开采量与水域面积相关系数为0.904，呈显著正相关，煤炭开采是研究区水域面积变化的主要驱动力。

与现有研究成果相比，本研究注重水体提取方法筛选，将水体指数法与最大类间方差法结合，提高了水体提取精度，并在水体变化驱动力研究方面开展了相对客观的定量研究，但限于遥感影像空间分辨率、理想时相影像可获取性差、缺乏持续观测数据等因素的制约，研究仍有不足，今后应加以改进，如利用高分辨率影像和兼顾面向对象的方法提取矿区水体信息，对水体变化的驱动机制分析时突破数据的限制适当增加分析样本量和兼顾更多的因子。

[1] Frazier P S, Page K J. Water body detection and delineation with Landsat TM data[J]. Photogrammetric Engineering and Remote Sensing, 2000, 66(12): 1461.

[2] Mcfeeters S K. The use of normalized difference water index (NDWI) in the delineation of open water features[J]. International Journal of Remote Sensing, 1996, 17(7): 1425－1432.

[3] 徐涵秋. 利用改进的归一化差异水体指数（MNDWI）提取水体信息的研究[J]. 遥感学报，2005，5：589－595.

Xu Qiuhan. A study on information extraction of water body with the modified normalized difference water index (MNDWI)[J]. Journal of Remote Sensing, 2005, 5: 589－595. (in Chinese with English abstract)

[4] 杨存建，徐美. 遥感信息机理的水体提取方法的探讨[J]. 地理研究，1998，17(增刊1)：86－89. Yang Cunjian, Xu Mei. Discussion on water extraction method of remote sensing information mechanism[J]. Geographical Research, 1998, 17(Supp.l): 86－89. (in Chinese with English abstract)

[5] 陈华芳，王金亮，陈忠，等. 山地高原地区TM影像水体信息提取方法比较：以香格里拉县部分地区为例[J]. 遥感技术与应用，2004(6)：479－484.

Chen Huafang, Wang Jinliang, Chen Zhong, et al. Comparison of water extraction methods in mountainous plateau region from TM image[J]. Remote Sensing Technology and Application, 2004(6): 479－484. (in Chinese with English abstract)

[6] 李小曼，王刚，田杰. TM影像中水体提取方法研究[J]. 西南农业大学学报：自然科学版，2006，4：580－582.

Li Xiaoman, Wang Gang, Tian Jie. Study of the method of picking-up small water-bodies in landsat TM remote sensing image[J]. Journal of Southwest Agricultural University, 2006, 4: 580－582. (in Chinese with English abstract)

[7] 姜浩，冯敏，肖桐，等. 基于线性特征增强的TM遥感影像细小河流提取方法[J]. 测绘学报，2014，43(7)：705－710.

Jiang Hao, Feng Min, Xiao Tong. A narrow river extraction method based on linear feature enhancement in TM image[J]. Acta Geodaetica et Cartographic Sinica, 2014, 43(7): 705－710. (in Chinese with English abstract)

[8] 黄金龙，陶辉，王艳君，等. 基于MODIS 遥感影像的湖水体面积与水位关系[J]. 农业工程学报，2012，28(23)：140－146.

Huang Jinlong, Tao Hui, Wang Yanjun, et al. Analysis on relationship between water level and water area of lake based on MODIS image[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(23): 140－146. (in Chinese with English abstract)

[9] Jain S, Singh R, Jain M, et al. Delineation of flood-prone areas using remote sensing techniques[J]. Water Resources Management, 2005, 19(4): 333－347.

[10] Hui F, Xu B, Huang H, et al. Modelling spatial-temporal change of Poyang Lake using multitemporal landsat imagery[J]. International Journal of Remote Sensing, 2008, 29(20): 5767－5784.

[11] 殷亚秋，李家国，余涛，等. 基于高分辨率遥感影像的面向对象水体提取方法研究[J]. 测绘通报，2015(1)：81－85.

Yin Yaqiu, Li Jiaguo, Yu Tao, et al. Research on object-oriented water extraction method based on high resolution remote sensing image[J]. Bulletin of Surveying and Mapping, 2015(1): 81－85. (in Chinese with English abstract)

[12] 杨光华，胡振琪，杨耀淇. 采煤塌陷积水耕地信息提取方法研究：以山东省济宁市为例[J]. 金属矿山，2013，9：152－157.

Yang GuangHua, Hu Zhenqi, Yang Yaoqi. Information extraction of coal mining subsidence farmland submerged in water taking Jining city of Shandong province as a case[J]. Metal Mine, 2013, 9: 152－157. (in Chinese with English abstract)

[13] 彭苏萍，王磊，孟召平，等. 遥感技术在煤矿区积水塌陷动态监测中的应用：以淮南矿区为例[J]. 煤炭学报，2002，27(4)：374－378.

Peng Suping, Wang Lei, Meng Zhaoping, et al. Application of remote sensing technology in dynamic monitoring of waterlogging in coal mining area: Taking Huainan mining area as an example[J].Journal of China Coal Society, 2002, 27(4): 374－378. (in Chinese with English abstract)

[14] 李亚平，苗放，黄舒寒懋. 利用塌陷积水对采煤塌陷区进行监测：以开滦煤矿为例[J]. 内蒙古石油化工，2009，5：1－3.

Li Yaping, Miao Fang, Huang Shuhanmao. Kailuan coal mine collapse as well as the causes of stagnant water in time and space to monitor the role of research[J].Inner Mongolia Petrochemical Journal, 2009, 5: 1－3. (in Chinese with English abstract)

[15] 马诚超，公云龙. 徐州贾汪矿塌陷积水区变化特征的研究[J]. 测绘科学，2012，2：173－175.

Ma Chengchao, Gong Yunlong. Change features of mining watershed subsidence of Jiawang coal mining area in Xuzhou[J].Science of Surveying and Mapping, 2012, 2: 173－175. (in Chinese with English abstract)

[16] 崔亮，李永平，黄国和，等. 基于Landsat-TM影像的洞庭湖水面动态变化[J]. 南水北调与水利科技，2015(1)：63－66，107.

Cui Liang, Li Yongping, Huang Guohe, et al. Dynamic changes of Dongting lake based on landsat-TM remote sensing data[J].South-to-North Water Transfers and Water Science & Technology, 2015, (1): 63－66, 107. (in Chinese with English abstract)

[17] 许冬，吴侃. 济宁煤矿区地表塌陷积水时空演变[J]. 辽宁工程技术大学学报：自然科学版，2014(10)：1307－1311.

Xu Dong, Wu Kan. Spatial-temporal evolution of collapse waterlogged region in Jining coal mining district[J]. Journal of Liaoning Technical University, 2014(10): 1307－1311. (in Chinese with English abstract)

[18] Trey H, Huggel C, Paul F, et al. Automated detection of glacier lakes based on remote sensing in view of assessing associated hazard potentials[J].Grazer Schriften der Geographie und Raumforschung, 2010, 45: 261－272.

[19] 万建鹏. 基于Landsat TM/ETM+影像潘阳湖地区水体提取研究[D]. 南昌：东华理工大学，2015.

Wan Jianpeng. Water Body Automatic Extraction From Landsat Image in Poyang Lake[D]. Nanchang: East China University of technology, 2015. (in Chinese with English abstract)

[20] 吴川，张玉龙，许秀贞，等. 基于Landsat TM/ETM和HJ-1A/B影像的丹江口水库水域变化监测研究[J]. 长江流域资源与环境，2013(9)：1207－1213.

Wu Chuan, Zhang Yulong, Xu Xiuzhen, et al. Water surface monitoring of the Danjiangkou reservoir using remotely-sensed landsat TM/ETM and HJ-1A/B imagery[J]. Resources and Environment in the Yangtze Basin, 2013(9): 1207－1213. (in Chinese with English abstract)

[21] 齐丽娜，张博，王战凯. 最大类间方差法在图像处理中的应用[J]. 无线电工程，2006(7)：25－26，44.

Qi Lina, Zhang Bo, Wang Zhankai. Application of the OTSU method in image processing[J]. Radio Engineering, 2006(7): 25－26, 44. (in Chinese with English abstract)

[22] OTSU N. A threshold selection method from gray-level histograms[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1979, 9(1): 62－66.

[23] 陆家驹，李士鸿. TM资料水体识别技术的改进[J]. 环境遥感，1992(1)：17－23.

Lu Jiaju, Li Shihong. Improvement of the techniques for distinguishing water bodies from TM data[J]. Remote Sensing of Environment, 1992(1): 17－23. (in Chinese with English abstract)

[24] 张景奇，关威，孙萍，等. 基于K-T变换的地表水体信息遥感自动提取模型[J]. 中国水土保持科学，2011(3)：88－92.

Zhang Jingqi, Guan Wei, Sun Ping, et al. Automatic water bodies extraction model based on K-T transformation[J]. Science of Soil and Water Conservation, 2011(3): 88－92. (in Chinese with English abstract)

[25] 张祖鹏，贺石良，范晔，等. 河道主要控制点降雨量与水位涨幅关系分析[J]. 东北水利水电，2013，31(2)：42－43.

Zhang Zupeng, He Shiliang, Fan Ye, et al. Effects of rainfall and water level increase in main control points of river channel[J]. Northeast Water Conservancy and Hydropower, 2013, 31(2): 42－43. (in Chinese with English abstract)

[26] 马雄德，范立民，张晓团，等. 榆神府矿区水体湿地演化驱动力分析[J]. 煤炭学报，2015，40(5)：1126－1133.

Ma Xiongde, Fan Limin, Zhang Xiaotuan, et al. Driving force analysis for water and wetland evolution at Yu Shenfu mining area [J]. Journal of China Coal Science, 2015, 40(5): 1126－1133. (in Chinese with English abstract)

[27] 万华伟，康峻，高帅，等. 呼伦湖水面动态变化遥感监测及气候因素驱动分析[J]. 中国环境科学，2016，36(3)：894－898.

Wan Huawei, Kang Jun, Gao Shuai, et al. Study on dynamic change of hulun lake water area and climate driving force analysis[J]. China Environmental Science, 2016, 36(3): 894－898. (in Chinese with English abstract)

[28] 吴亚男，庞治国，路京选，等. 呼伦湖湿地动态变化遥感监测及驱动力分析[J]. 中国水利水电科学研究院学报，2013，11(1)：20－26.

Wu Yanan, Pang Zhiguo, Lu Jingxuan, et al. Study on estimation，regionalization and classification of nonpoint source pollutionfor small and midsize river basins management[J]. Journal of China Institute of Water Resources and Hydropower Research, 2013, 11(3): 20－26. (in Chinese with English abstract)

[29] 张克祥. MODIS监测长江中下游典型湖泊面积变化研究[D]. 南昌：东华理工大学，2015.

Zhang Kexiang. Monitoring Area Changes of Important Lakes Across the Yangtze Basin Downstream of Three Gorges Dam by MODIS Data[D]. Nanchang: East China University of technology, 2015. (in Chinese with English abstract)

[30] 付颖，徐新良，通拉嘎，等. 近百年来北京市地表水体时空变化特征及驱动力分析[J]. 资源科学，2014，36(1)：75－83.

Fu Ying, Xu Xinliang, Tong Laga, et al. Spatial-Temporal variation and driving force of surface water in Beijing over one hundred years[J]. Resources Science, 2014, 36(1): 75－83. (in Chinese with English abstract)

Dynamic monitoring of water areas in Yanzhou coalfield based on Landsat TM/OLIimages

Li Jing, Shen Yingying, Jiao Lipeng, Yang Zhen, Wu Yue

(100083,)

Coal mining leads to some surface subsidence, which changes from farmland, abandoned low-developed and other agriculture land into water area in eastern China with high level underground water, so it is necessary to monitor the surface water change in those areas, which is beneficial to evaluate ecological accumulative effect of coal mining quantitatively and is good for corresponding policy making for coal mining and environment protection. Taking Yanzhou coalfield located in Shandong Province as a study area, the objective of this paper was to find comparatively accurate method to extract open-water information, to tell how much and where the water area changed and to reveal the correlation between water area change and rainfall or coal yield. The research data included 5 Landsat TM/OLI images which were captured on September 11, 1990, September 9, 2001, September 4, 2005, August 30, 2009 and October 15, 2014, coal yield data, coal mine boundary and rainfall data by local surveying or from public authoritative website. Firstly, the author compared different methods of open-water identification, which included modified normalized difference water index (MNDWI) method based on the threshold segmentation, single-band threshold method, spectrum relationship method and K-T transform method by using Landsat TM image captured on August 30, 2009. Accuracy validation with 190 randomly generated points showed the MNDWI method was the best method with an overall accuracy of 94.7% and a Kappa coefficient of 0.899. Then the best method, MNDWI, was used to extract the open-water from 1990 to 2014 with those 5 Landsat TM/OLI images, which were preprocessed to ensure the high quality prior to water information extraction. It showed the water area in Yanzhou coalfield was 551.79, 820.17, 1 385.46, 2 247.93 and 1 927.35 hm2in 1990, 2001, 2005, 2009 and 2014 respectively. Finally, the temporal and spatial characteristics of surface water were analyzed and its driven force was revealed from the aspects of rainfall and coal mining. The results showed the open-water area comparatively kept an increase trend from 1990 to 2014. It increased rapidly with an annual growth rate of 14.0% from 2001 to 2005, and 12.9% from 2005 to 2009 respectively. From the year of 2009 to the year of 2014, the open-water area decreased with a rate of 3% annually. The increase of the open-water area was mainly concentrated in Dongtan mine, Beisu mine, Xinglongzhuang mine, Nantun mine and Baodian mine. The correlation coefficient between rainfall and the open-water area was -0.537, which showed inter-annual variation of rainfall was not the main reason for the increase of open-water area in the whole study area. The correlation coefficient between coal yield and the surface water area was 0.904, which suggested that coal mining activity was the main driving force of water area change in this study. The total open-water area increases by 5.3% annually in Yanzhou coalfield, which has high positive correlation and middle negative correlation with coal yield and rainfall respectively. The study result will do benefit for understanding how much and what change has happened in similar area and better understanding the drive force for this kind of change. High spatial resolution images and object-oriented classification method will be used, and more driving factors and models for water area changing will be considered in further study to describe and explain the change more objectively and accurately.

coal mines; remote sensing; monitoring; Yanzhou coalfield; coal mining subsidence; modified normalized difference water index (MNDWI); monitoring on surface water changes

10.11975/j.issn.1002-6819.2017.18.032

F205; X171.4

A

1002-6819(2017)-18-0243-08

2017-05-26

2017-09-11

国家自然科学基金资助项目（41501564）

李 晶，吉林人，教授，主要研究方向为土地利用与土地复垦、生态遥感、3S应用。Email：Lijing@cumtb.edu.cn