遥感技术在矿业领域的应用现状及发展趋势综述

魏长婧

(河南省地质局地质灾害防治中心,河南 郑州 450012)

0 引言

矿产资源探寻、合理开采是地质矿产领域不懈追求的目标,传统的找矿和开采监测方法费时费力,且危险性比较大,迫切需要高新技术的支持来提高工作效率,从而保障矿产开采的合理性、安全性。遥感技术的飞速发展为精确找矿、矿区安全监测、生态环境监测与评价等方面提供了新的方向。近年来,关于遥感技术在各大矿区的研究与应用层出不穷,但对于遥感技术目前在矿业领域的应用现状及发展趋势还没有相关人士进行系统的归纳总结和分析。本文总结国内外学者利用遥感技术在矿业领域的探索情况,分析遥感技术在矿业领域的发展态势,为矿业人员实际工作提供参考,也为后继学者的研究提供方向。

1 遥感技术在矿业领域的应用现状

1.1 找矿预测

在经济高速发展的今天,矿产资源对人们的生活有着至关重要的影响,实现矿产资源准确、高效地探测,成为矿业领域不懈追求的目标[1]。目前的研究主要包括矿化蚀变信息提取、矿物精细识别、区域成矿背景研究、找矿预测等方面,具体情况见表1。

表1 找矿预测研究现状

矿化蚀变信息是找矿预测的标志,因此,准确提取遥感异常蚀变信息就显得非常重要。目前的研究大多是基于国外中低分辨率卫星数据,如美国陆地卫星系列数据(Landsat TM/ETM+/OLI/TIRS)、极地轨道环境遥感卫星Terra上搭载的高级星载热发射和反射辐射仪(advanced spaceborne thermal emission and reflection radiometer,ASTER)获取的数据等,通过波段比值法、主成分分析法(principal component analysis,PCA)增强蚀变信息,再利用基于像元的监督分类方法,如光谱角法(spectral angle mapper,SAM)、支持向量机(support vector machine,SVM)、最大似然法等,或者采用面向对象多尺度分割的方法提取蚀变信息。在该过程中,通过加入参数的自适应智能优化方法,解决参数的最优选择问题,目前已经涉及的方法有布谷鸟算法、优化遗传算法、网格搜索法、光谱能级匹配法等[2-4]。如吴一全等综合利用波段比值法、PCA和布谷鸟算法优化SVM,从Landsat ETM+影像中提取出了铁染和羟基蚀变信息[5]；唐淑兰等结合PCA、多尺度分割及SVM利用ASTER影像提取出Al-OH基团等矿化蚀变信息[6]。另一种思路则是根据热液成矿的原理,利用热红外影像进行地温反演,以此识别出矿化蚀变带,如曹海玲等将Landsat8 OLI/TIRS中的全色和热红外影像加权融合后进行地温反演,依据地表热异常识别出硅化蚀变带[7]。数据源方面,中低分辨率遥感影像由于受到地面分辨率的限制,提取的精准度不够高,高分辨率卫星数据,如高分一号(GF1)、高分二号(GF2)、WorldView等多光谱数据为提高矿化蚀变信息提取的精度提供了重要基础,是该领域今后研究的重点内容。如2019年,张焜等利用比值法和PCA首次探索了国产高分辨率多光谱影像GF2提取铁质矿物异常信息的情况,证明相较ETM数据,GF2能更好地将破碎蚀变带的信息提取出来[8]。提取方法方面,现有方法存在处理过程繁杂、运算速度慢、不够成熟有效等缺点。提取精度上,一般在80%～90%,但仍有较大的提升空间。

高光谱数据光谱分辨率的不断提高为矿物精细识别提供了有利条件。目前国内外利用高光谱进行矿物识别的方法主要有三类,即穷举法、光谱匹配法和模式识别法。其中,穷举法是采用穷举的方式基于整体形态和偏移范围内局部吸收谷的位置进行识别[9],光谱匹配法以重建光谱与标准光谱相似性度量为基础,模式识别法以光谱吸收谱带参量为基础[10]。数据源方面,以应用于地质领域为目的的机载高光谱传感器以Hymap、机载可见光/红外成像光谱仪(airborne visible infrared imaging spectrometer,AVIRIS)、CASI/SASI/TASI等为主；航天高光谱数据中,Hyperion和TG1具有较高的矿物识别精度,但具有幅宽窄等缺点,且已停止数据更新,数据不易获得,国产高分五号(GF5)高光谱数据光谱分辨率高、幅宽大,成为新的研究对象。如2020年,董新丰等利用GF5超高光谱分辨率卫星影像,综合光谱特征增强匹配度和特征参量,完成了矿物亚类的精细识别,正确率优于90%[10]；2021年,聂婧等利用机载高光谱热红外数据,采用光谱角度匹配法,成功提取了高岭石信息[11]。此外,利用激光雷达的回波信息可对地下矿物含量信息进行估算,如国外学者Errington等利用三维激光扫描技术对接收到的矿区地表的漫反射率进行建模,并对地下黏土矿的含量进行了估算[12],而国内尚无该方面的研究。

区域成矿背景研究是成矿预测的前提,利用遥感技术可以直观地获得蚀变矿物的位置、形态、范围和分布特征的区域性优势,目前中高分辨率多光谱影像、高光谱影像、雷达影像等都被广泛地用于矿产地质特征解译,进行区域成矿背景的初步研究。技术方法上,由于尚处于初步研究阶段,缺乏自动化的方法,基本上都是对影像增强后进行目视解译[13-16],获取定性分析的结果。

成矿预测是遥感技术用于矿业领域的最终目的之一,但目前还没有成熟的成矿预测方法,大部分的研究是基于成矿背景,结合同步提取的遥感蚀变信息,进行成矿规律研究,在此基础上建立遥感找矿模型,依靠人工识别出与模型相类似的区域[17-23],该方面是今后矿业领域研究的重点。

1.2 生态环境监测与评价

矿产资源的开发利用在为社会带来巨大经济效益和便利的同时,也带来了植被退化、水污染、土地破坏、地面沉降等一系列生态环境问题,对矿区生态环境进行科学的监测和评价,成为矿山合理开采和恢复治理的重要保障。矿区生态环境监测具有十分显著的行业特色,表现为空间影响范围大、时间跨度大、地表空间异质性强等,而遥感技术具有监测范围大、时间序列长、多平台、全天候等优点,因此成为矿区生态环境监测的一种有力手段,被广泛应用于矿区生态环境监测与评价的研究中,具体应用情况见表2。

表2 生态环境监测与评价研究现状

1.2.1单一生态环境要素监测

(1)植被。现有研究通过对植被覆盖度进行反演,并对其变化趋势进行分析,衡量矿区生态环境变化情况。数据源上,多采用长时序中低分辨率多光谱数据,如中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer,MODIS)、Landsat等；近年来也出现了使用激光雷达(light detection and ranging,LiDAR)、无人机数据提取植被覆盖度的研究[24-25]。方法上,传统静态多时相比较的方法难以科学揭示生态是否退化及生态退化的驱动因素；植被覆盖度分级虽然能在一定程度上反映出区域植被变化特征,但定量表达的精度有限；采用像元二分模型或像元三分模型,将植被指数与植被覆盖度相结合,通过回归分析、转移矩阵法、Sen趋势度、 Sen+Mann-Kendall法等,将时序影像视为连续记录的完整档案,可以更为精确地获取植被在时序上的变化趋势和规律[26-29]。

(2)水体。遥感技术在矿区水体监测上的研究主要为地表水体识别提取和面积监测。提取方法比较成熟,大多采用水体指数法,包括归一化差分水指数(normalized difference water Index，NDWI)、组合水体指数(new combined index of NDVI and NIR for water body indentification,NCIWI)、自动化水体提取指数(automated water extraction index,AWEInsh)及其改进算法、谱间关系法等,通过人为设置阈值,实现矿区地表水体信息的提取[30-36]；也有部分学者采用混合主成分变换[37]、小波变换[38]、集合卡尔曼滤波[39]、神经网络[40]、支持向量机[41]等提取矿区积水信息。数据源上一般采用Landsat、MODIS等易获得多年时序数据的中低分辨率遥感影像,便于进行时空演变分析。

(3)土壤。土壤水分含量和重金属含量是目前矿区土壤监测的两大方面。前者一部分采用雷达影像,利用土壤含水量对主动微波后向散射系数的影响[42],对土壤含水量进行反演和监测；一部分采用光学和热红外影像,应用温度植被干旱指数(temperature vegetation dryness index,TVDI)模型,进行反演和监测[43-44]。多数研究仅进行了时空分析,未计算土壤含水量。后者主要通过将重金属与其在遥感影像中的敏感光谱特征建立定量模型关系[45-47]来监测土壤中重金属含量,应用较多的方法有偏最小二乘法、神经网络法、多元线性回归法等,数据源主要是地面光谱测量数据、机载高光谱数据。但由于目前研究主要是利用实测的光谱数据与重金属含量之间的经验模型进行反演,高光谱影像波段的选择对最终结果精度的影响较大,所以这些方法缺乏一定的适用性。

1.2.2土地利用动态监测

算法作为智能投顾业务的核心，算法编码的正确与否影响着投资者的投资策略和目标。我国智能投顾业务尚未建立起完善的算法检测机制，有必要尽快弥补该类空白。第一，平台需要全方位了解和把握智能投顾算法背后假设、原理、局限等；第二，记录算法相关设计规则和要素等，设置专门的文档用以储存，便于后续监管部门监督管理；第三，对智能投顾算法及时监测、改进和完善，实时更新；第四，如果算法出现错误，需要有及时止损设置，做到及时终止投资服务，尽可能避免投资者损失。

对矿区地表要素进行识别与分类,监测各地类的变化情况,对矿区生态环境的改善具有重要的指导作用。现有研究多是采用米级或亚米级的高空间分辨率数据通过目视解译来获取矿区地类信息,这是目前精度最高的识别矿区地类的方法,但是费时费力、成本高。其次是利用中等分辨率的遥感影像,采用监督学习的分类方法(如支持向量机、决策树、最大似然等)进行分类,如2018年张伟等基于长时间序列的Landsat遥感影像,采用支持向量机的分类方法获取矿区土地利用信息,进而通过地理信息系统(geographic information system,GIS)空间分析功能对研究区土地利用类型的时空变化特征和规律进行了分析[48]；2015年于颂等使用决策树分类法对平朔煤矿20年期间的4个时期遥感影像进行了分类和监测[49]。目前,深度学习卷积神经网络(convolutional neural network,CNN)在矿区土地利用动态监测方面初步有所研究,主要是将其应用于高分辨率影像,进行露天采场和尾矿库的识别[50-52]。

1.2.3地表三维形变监测[53-65]

地下矿产资源开采不可避免地带来了地表形变问题,最初学者们引入差分合成孔径雷达干涉测量技术(differential interferometric synthetic aperture radar,D-InSAR)进行地表形变监测,监测精度可以达到厘米级,取得了一定的成功。但由于矿区地表变形速度快、植被覆盖度高,容易造成相位失相干等问题,且D-InSAR获取的形变结果并不是真实的地表三维形变,而仅是地表形变在雷达视线向上的投影。于是,学者们进一步拓展出多时相InSAR(multi-temporal InSAR,MT-InSAR)、多孔径雷达干涉测量(multi-aperture InSAR,MAI-InSAR)、像素偏移量追踪(offset tracking,OT)等技术,用以解决相位失相干、大梯度变形、相位解缠等问题,近年来针对大梯度形变又提出了基于概率积分预计模型和D-InSAR联合解算、融合累积D-InSAR和子像元偏移、LiDAR点云数据与InSAR融合等方法；另一方面,通过多轨道D-InSAR、多轨道D-InSAR+MAI/OT/全球导航卫星系统(global navigation satellite system,GNSS)、先验模型+单轨道InSAR、多尺度多平台时间序列SAR影像沉降融合等方法获得矿区地表真实三维信息。目前,相位失相干仍是矿区InSAR地表三维形变监测的难点。

未来,矿区多源SAR数据融合、InSAR数据与多源异质数据(如三维激光扫描数据、GNSS、水准等)融合,以实现多源数据之间的优势互补。

1.2.4综合评价区域生态环境质量

遥感生态指数(remote sensing ecology index,RSEI)和景观指数是目前矿区生态环境整体评价的主流方法。其中,RESI是2013年徐涵秋提出的,它将合成的绿度、湿度、干度和热度四个生态指标进行主成分分析,并根据各指标对各主分量的贡献来综合分析矿区的生态环境质量状况；景观指数是指能够高度浓缩景观格局信息,反映其结构组成和空间配置等特征的定量指标,利用景观指数可以分析矿区景观格局的时空变化。目前,RSEI的研究包括直接利用RSEI对不同矿区生态环境质量进行分析,增加综合评价内容或改进RSEI方法。如文献[66-67]分别将RSEI应用于南四湖地区和迁安市矿区,对研究区内的生态环境质量进行变化监测和定量分析,文献[68]将植被净出生产力引入到RSEI,评价神府矿区16年间的生态环境时空变化,文献[69]基于移动窗口,根据矿区生态环境与周围地物的联系,排除较远区域对研究区生态环境评价的影响,进而对研究区生态环境质量进行评价。景观指数方面,绝大多数研究采用Landsat系列卫星影像,通过计算景观指数,分析研究区的景观格局动态变化[70-72]；少数研究采用了高分辨率光学遥感数据,如文献[73]利用ZY-3、GF-2等高分辨率遥感影像,将移动窗口法与景观指数相结合,分析了昆明某露天矿区的景观格局时空演变模式。

1.3 矿区三维可视化

为有效提高决策指挥者对矿山布局信息的掌握和空间分析能力,实现数字矿山的精准管理,目前研究一方面利用三维激光扫描技术进行矿山实景复制,通过高密度激光点云数据建立数字矿山三维模型,供相关人员浏览分析[74]；另一方面,利用无人机对矿区航测成像,通过光束法平差生成数字正射影像图、数字高程模型等,对露天矿区进行三维重构,实现矿区实景空间信息的展示与量测[75-78]，矿区三维可视化研究现状见图1。

图1 矿区三维可视化研究现状

2 发展态势分析

2.1 优势和提升

(1)地质找矿方面。遥感矿化识别方法不够智能化,提取结果受人为因素的影响大,提取速度和精度还有待进一步提高；国产卫星及其他高分辨率卫星应用研究较少,没有充分发挥其优势；地下矿物含量定量研究不足；缺乏区域成矿背景及成矿预测的系统性研究。

(2)生态环境监测与评价方面。矿区生态环境要素监测不够广泛,一些重要的生态要素参数还未曾涉及；遥感识别自动化及智能化不足,多数研究仍采用的是常规自动化解译方法,智能识别技术少有研究；缺乏矿区地表典型地物样本库,限制了算法在不同地区的泛化能力；大梯度形变、相位失相干仍是制约矿区地表三维形变监测精度的重要因素。

目前,遥感技术向着“多尺度、多频率、高分辨率、高效快速”的方向发展。遥感卫星重访周期越来越短,国产卫星传感器空间分辨率越来越高,无人机遥感光谱分辨率不断提高,为提高矿化蚀变信息提取精度、利用遥感影像进行地质找矿、多源多尺度长时序高精度生态环境监测等提供了有利条件；合成孔径雷达技术研究如火如荼,新技术、新方法解决了相位解缠等众多技术难题,雷达影像空间分辨率也不断提高,为利用遥感技术进行地质构造解译、获取更为精确的地表三维变形信息提供了可能；技术方法上,机器学习、人工智能、深度学习等自动化技术不断取得突破,为更加自动化智能化地进行地质构造解译、矿化蚀变信息提取、矿区生态环境监测等提供了基础。

2.2 发展方向

经过分析,未来遥感在矿业领域的研究将朝着以下方向发展:

(1)遥感矿化识别由定性研究向定量研究转变,充分利用机器学习、人工智能等方法,减少人为干预,提高提取精度和效率；提高航空高光谱遥感、国产卫星遥感数据及其他高分辨率卫星进行地质找矿的应用性和广泛性；利用高分辨率SAR影像进行地质构造解译；地质构造解译方法从目视解译向自动化提取方向发展；对区域成矿背景、成矿预测的方法和机理进行更加深入的研究。

(2)矿区生态环境监测目标由单一生态要素向多个生态要素同步观测与协同分析发展,促进矿产资源开采对生态环境要素影响机理的研究；监测方法进一步向自动化和智能化方向发展,如新兴的深度学习方法等；综合采用多源多尺度遥感影像进行监测,并建立相应的矿区地表典型要素样本库；多尺度多平台时序SAR影像融合、SAR数据与其他多源数据(如GNSS、LiDAR、无人机数据)融合获取地表三维变形信息。

3 结束语

随着遥感技术的飞速发展,遥感在矿业领域的应用研究越来越广泛和深入,但其目前具体已应用于哪些方面,在各方面的应用如何,并未有人进行系统的归纳总结和分析。本文对其近年来在矿业领域的具体应用进行了归纳总结,并对未来的发展趋势进行分析,为相关研究提供了方向。

找矿预测、生态环境监测和评价、矿区三维可视化是目前遥感技术在矿业领域广泛应用的三大方向。找矿预测的研究主要集中在利用各种遥感数据进行矿化蚀变信息提取、矿物精细识别、矿产地质特征解译、成矿预测等方面；生态环境监测和评价的研究集中在单一生态要素监测、生态环境综合评价、土地利用动态监测和地表三维形变监测等方面；矿区三维可视化主要是建立矿山地质环境管理系统。

尽管遥感技术在矿业领域取得了一定的成就,但仍存在智能化程度低、定量研究不足、缺乏系统性研究、监测范围不够广泛、样本库不全面等不足,实际应用中还需重点解决许多技术难题,仍有不少挑战。

本文研究较为宽泛,细化程度不够,后续将就具体某一领域展开详细研究。