基于无人机的矿区采动裂缝遥感解译方法研究与应用

员鸿燕,潘 峰,吴年华,蒙君文

(1.山西工程科技职业大学交通工程学院,山西 晋中 030619;2.北京城建集团有限责任公司,北京 100088;3.北京冠华英才国际经济技术有限公司,北京 101200)

经济发展离不开煤炭资源的支撑[1]。近年来,随着煤矿开采的不断增加,围岩原有的平衡应力被破坏,地表崩塌、滑坡、地裂缝等地质灾害日益严重,矿区人民群众的日常生活受到极大影响[2-3]。如何有效地预防灾害是研究人员应该解决的一个关键问题。因此,实时监测矿区地质灾害对抢险救灾、保障人民生命财产安全具有重要意义[4-5]。

随着科技的进步,合成孔径雷达(InSAR)[6-8]和无人机遥感[9-11]等变形监测技术逐渐出现。而InSAR技术在监测大梯度形变时,容易产生失相干现象[12-15]。随着无人机遥感技术模块化,专题化国土、地形、资源、农业、环境等空间信息,且自动化、智能化完成所采集遥感数据的处理、建模和应用,无人机遥感在各行业中都得到了广泛应用[10,16-18]。部分学者在地质灾害监测领域进行了探索,候恩科等[19]对无人机遥感影像影像识别地表裂缝的效果进行研究,发现最小能够识别宽度约5 cm的地表裂缝,将无人机遥感技术应用于矿区地灾监测可使得矿区地表裂缝解译的精度大幅提高。赵毅鑫等[20]对受采动影响的地表进行了无人机热红外试验,较好地识别了浅层隐蔽裂缝。LAGUE et al[21]使用多尺度模型对模型点云比较(Multiscale Model-to-Model Cloud Comparison, M3C2)法识别和监测滑坡。

综上所述,以无人机低空遥感数据为主、其它方法为辅,主辅结合可以有效监测分析矿区开采引起的地表裂缝及滑坡的分布特征、发育规律。本文在充分研究矿区相关资料基础上,采用三维模型辅助DOM的裂缝目视解译方法和DOM、DSM辅助三维模型的滑坡与塌陷目视解译方法,确定研究区内主要地质灾害类型有裂缝、滑坡、地面塌陷等。

1 研究区域与数据

1.1 研究区域

矿区位于山西省阳泉市桃河南侧,其东部最高为狮脑山,高程1 171 m;西部最高为龙门山,高程1 246.9 m;最低处为井田北界桃河,高程约700 m,相对最大高程约540 m。研究工作面东北侧有已采工作面,目前均已进入稳定期,对研究区域地表造成的影响不大。采空区处理方式为冒落法,采煤方式为走向长壁后退式综采。图1为该工作面地表上方的DOM。

1.2 数据获取

无人机飞行前,需要进行人工野外踏勘,充分了解航摄区域地形地貌、地面高差、查看地面有无高压线塔、有无较大水域等。本文采用搭载了D-CAM2000可见光相机模块的飞马D2000无人机进行免像控飞行,飞行高度为255 m、80%的航向重叠和60%的旁向重叠,相应的地面采样距离(Ground Sampling Distance, GSD)为4 cm/像素。无人机和航线规划见图2所示。

无人机航测过程中,涉及飞机自身和飞行人员安全,需要对作业流程做进一步的确定。在执行飞行任务时,必须仔细考虑飞行条件。选择合适的飞行地点,稳定的天气条件进行执行任务,尽量保持在恒定和漫反射光照条件下航摄来采集数据,达到最佳的相机网络几何。

图2 飞马D2000无人机及航线规划Fig.2 Feima D2000 UAV and its route planning

2 开采地表裂缝提取及趋势分析

2.1 裂缝提取

遥感影像上,不同地物对应的影像特征不同,目视解译就是根据光谱特征、空间特征等解译标志来完成的。遥感解译标志的建立,是在充分分析遥感图像上的地物和现象的影像特征后,进行综合分析所确定的可以反映和判别地物和现象的影像特征。地质灾害中常见的遥感解译标志见表1所示。

以飞马D2000无人机航片处理后最终生成的DOM影像数据为底图,在ArcGIS平台上对工作面地面裂缝进行目视解译,将宽度大于4 cm的地表裂缝的发育长度、形态、延展方向等特征信息在DOM中标记出来。经过处理得到2020年12月6日研究区影像数据生成的DOM中的地裂缝数据,裂缝提取结果见图3所示。

2.2 地表裂缝特征

夏季植被和冬季积雪的覆盖对裂缝的目视解译造成了较大的影响,仅在裸露的地表可以有效识别,因此未能全面反映研究工作面地表裂缝的特征。

2.2.1裂缝的平面形态类型

对研究区域地表裂缝目视解译结果进行标记,裂缝分布及平面发育形态见图4。裂缝多数发育在工作面上方地表,裂缝形态多为直线型和曲线型,少数为分叉型。工作面上方地表裂缝总体上有两类,一类是边界裂缝,分布在工作面顺槽、切眼及停采线外围,呈环状,发生于工作面拉伸变形区域;一类是动态裂缝,分布在工作面内,其延展方向大体与工作面回采方向垂直,在回采过程中,地表首先受到拉伸变形,裂缝发育,随后受到压缩变形,裂缝闭合。在工作面中心位置,裂缝方向与工作面推进方向垂直,延伸至采空区边界,逐渐演变为平行于工作面推进方向。

图4 裂缝分布及裂缝平面形态类型Fig.4 Crack distribution and crack plane shape types

2.2.2裂缝的剖面形态类型

在无人机图像上,通过对裂缝两侧地表高程信息的提取,可进一步将裂缝划分为正台阶状裂缝、负台阶状裂缝和无明显错落裂缝3种,见图5。依据研究区地表裂缝的目视解译结果,可以发现研究区3种裂缝形态均有所分布。

图5 台阶裂缝图Fig.5 Step cracks

2.3 地表裂缝动态发育规律

根据开采沉陷理论与方法,裂缝的产生与地表拉伸变形密不可分,永久裂缝一般在采空区边界产生,动态裂缝主要分布在采空区内部,且平行于工作面,呈现出先张后闭的趋势。主断面地表点采动过程的移动轨迹见图6所示。当开采进行到图中1处时,开采影响波及到地表点A,地表下沉速率开始增加,地表点受到拉伸变形,裂缝开始出现,该过程为第I阶段;地下开采通过地面点A时(图中2处),下沉速率急剧增大,地面点移动方向近乎垂直,该过程为第II阶段;当工作面继续推进,远离地面点A时,A点移动方向逐渐与工作面中心相同,地面点受到挤压变形,此为第III阶段;当工作面远离地面点A一定距离后,该工作面对地面点影响逐渐消失,此时地面点移动停止,为第IV阶段。

图6 采动过程中主断面地表点移动轨迹图Fig.6 Surface point movement trajectory of main section during mining

研究工作面上地表裂缝的动态发育过程见图7所示,裂缝经历了较为明显的产生-扩张-减小的发育阶段,裂缝位于工作面边界处,将发育为永久性裂缝,后期开采活动停止后宽度将稳定下来。

图7 研究工作面地表裂缝动态发育过程Fig.7 Dynamic development process of surface cracks at the working face

3 采动灾害点建模

使用Context Capture软件建立研究工作面地表的三维模型,在工作面选取三处进行DOM和DSM辅助三维模型的采动灾害点解译。滑坡遥感解译主要根据滑坡的平面形态、滑坡体、滑坡面和滑坡壁等要素对应的特征,通过色调、纹理等特征进行解译。塌陷主要根据其平面形态、色调、纹理等特征进行解译。图8为研究工作面采动灾害点平面与三维的对照图,三组对照中,1、2组对照图为滑坡,第3组对照图为塌陷。

显然研究区的滑坡发育于陡坡上,因滑体沿斜坡向下滑移,于滑坡后壁形成弧形陡坎;在平面形态上,呈横宽大于纵长的弧形、扁圆形;滑坡边界多呈弧形,影像上滑坡棱线清晰可见;滑坡面呈波形、台坎状及弧形等形态,滑坡体上植被稀疏。地面塌陷以独立个体呈不规则圆形,其塌陷边缘在影像上清晰可见。

图8 研究工作面采动灾害点平面与三维对照图Fig.8 Plane and 3D comparison diagrams of mining disaster points at the working face

4 结论

本文主要以山西阳泉矿区某工作面采动地表的地裂缝、滑坡和塌陷监测问题为研究对象,以飞马D2000无人机低空遥感获取的DOM、DSM、三维模型为基础,结合实际情况、地质灾害遥感标志设计了多维目视解译地灾监测方案,结果如下。

1)根据研究区域地表的裂缝提取结果,能够清晰提取4 cm的地表裂缝的发育长度、形态、延展方向等特征信息,准确识别研究区域平面、剖面裂缝形态,更容易掌握研究区裂缝动态规律。

2)DOM和DSM辅助三维模型解译,能够精确识别研究区的滑坡、塌陷位置、边界和规模。将不同灾害的影像特点构建数据库,相似地质条件下可以减少图像的比对,大幅提高矿区地质灾害识别效率。

3)三维模型辅助DOM的裂缝目视解译方法和DOM、DSM辅助三维模型的滑坡与塌陷目视解译方法,精确识别研究区内主要地质灾害的类型、位置、范围。无人机提供的高分辨率原始数据增强了目视解译准确度,相比传统监测、卫星遥感存在易操作、易处理、高分辨率的优势,使无人机矿区地灾监测拥有广阔的前景。