專利名稱：煤矸石污染范圍的檢測方法和裝置及數(shù)據(jù)處理設(shè)備的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及勘測領(lǐng)域，具 體而言，涉及一種煤矸石污染范圍的檢測方法和裝置及數(shù)據(jù)處理設(shè)備。
背景技術(shù)：
煤矸石是煤炭開采和洗選加工過程中排出的固體廢棄物，主要包括煤層的夾石和頂?shù)装鍘r石，其數(shù)量約占原煤產(chǎn)量的15%左右。近半個世紀以來，由于煤炭地大量開采，導致在煤礦附近形成了大面積的煤矸石堆場。矸石堆場的存在不僅占用大量土地，而且其所在地層中含有的大量的硫化物(主要是黃鐵礦)在遇到持續(xù)降雨或暴雨時，會流入周圍環(huán)境，會造成污染。同時也促進黃鐵礦的氧化反應(yīng)，導致礦山廢水含有高濃度的鐵和錳等金屬離子，進一步擴大了污染面，從而對植物的生長造成影響，對周邊環(huán)境的植物恢復(fù)和生態(tài)重建形成了阻礙。現(xiàn)有的對煤矸石污染檢測的調(diào)查方法主要為測試煤矸石堆周邊地表徑流及地下水中主要污染物的濃度，或通過測試煤矸石堆以及周邊土壤成分，檢測煤矸石的污染范圍。該檢測技術(shù)主要依靠現(xiàn)場采集大量的水體、土壤樣品，并在實驗室測試得出相關(guān)的污染數(shù)據(jù)，不但在人員、時間、經(jīng)濟上有較大的投入，而且，由于水樣和土樣采集后都需要在短時間內(nèi)來完成測試，在實際工作中存在較大的困難。針對現(xiàn)有技術(shù)中對煤矸石污染范圍檢測不便的問題，目前尚未提出有效的解決方案。

發(fā)明內(nèi)容
本發(fā)明提供了一種煤矸石污染范圍的檢測方法和裝置及數(shù)據(jù)處理設(shè)備，以至少解決現(xiàn)有技術(shù)中對煤矸石污染范圍檢測不便的問題。為了實現(xiàn)上述目的，根據(jù)本發(fā)明的一個方面，提供了一種煤矸石污染范圍的檢測方法。根據(jù)本發(fā)明的煤矸石污染范圍的檢測方法包括獲取目標區(qū)域的衛(wèi)星遙感影像數(shù)據(jù)；提取衛(wèi)星遙感影像數(shù)據(jù)中的植物光譜信息數(shù)據(jù)；以及根據(jù)植物光譜信息數(shù)據(jù)確定目標區(qū)域的煤矸石污染范圍。進一步地，根據(jù)植物光譜信息數(shù)據(jù)確定目標區(qū)域的煤矸石污染范圍包括獲取預(yù)先存儲的煤矸石污染區(qū)域的衛(wèi)星遙感影像數(shù)據(jù)的植物光譜特征信息數(shù)據(jù)；以及對比提取的植物光譜信息數(shù)據(jù)與預(yù)先存儲的植物光譜特征信息數(shù)據(jù)，以確定煤矸石污染范圍。進一步地，在根據(jù)所述植物光譜信息數(shù)據(jù)確定煤矸石污染范圍之前，上述方法還包括獲取煤矸石污染區(qū)域的衛(wèi)星遙感影像數(shù)據(jù)的植物光譜特征信息數(shù)據(jù)；以及根據(jù)植物光譜信息數(shù)據(jù)確定煤矸石污染范圍包括對比提取的植物光譜信息數(shù)據(jù)與獲取的植物光譜特征信息數(shù)據(jù)，以確定煤矸石污染范圍。進一步地，在獲取目標區(qū)域的衛(wèi)星遙感影像數(shù)據(jù)之后以及在提取衛(wèi)星遙感影像數(shù)據(jù)中的植物光譜信息數(shù)據(jù)之前，該方法還包括對衛(wèi)星遙感影像數(shù)據(jù)進行處理以獲取正射遙感影像數(shù)據(jù)，提取衛(wèi)星遙感影像數(shù)據(jù)中的植物光譜信息數(shù)據(jù)包括提取正射遙感影像數(shù)據(jù)中的植物光譜信息數(shù)據(jù)。進一步地，對衛(wèi)星遙感影像數(shù)據(jù)進行處理以得到正射遙感影像數(shù)據(jù)包括獲取基礎(chǔ)數(shù)據(jù)資料，其中，基礎(chǔ)數(shù)據(jù)資料為與目標區(qū)域地形相關(guān)的數(shù)據(jù)；結(jié)合基礎(chǔ)數(shù)據(jù)資料對衛(wèi)星遙感影像數(shù)據(jù)進行糾正處理；對經(jīng)過糾正處理的衛(wèi)星遙感影像數(shù)據(jù)進行圖像融合處理；對經(jīng)過圖像融合處理的衛(wèi)星遙感影像數(shù)據(jù)進行勻色處理；以及對經(jīng)過勻色處理的衛(wèi)星遙感影像數(shù)據(jù)進行鑲嵌和分割以獲取正射遙感影像數(shù)據(jù)。進一步地，提取衛(wèi)星遙感影像數(shù)據(jù)中的植物光譜信息數(shù)據(jù)包括提取衛(wèi)星遙感影 像數(shù)據(jù)中的植物紅色波段光譜信息數(shù)據(jù)、紅色邊緣波段光譜信息數(shù)據(jù)和近紅外波段光譜信息數(shù)據(jù)；根據(jù)植物光譜信息數(shù)據(jù)確定目標區(qū)域的煤矸石污染范圍包括根據(jù)植物紅色波段光譜信息數(shù)據(jù)、紅色邊緣波段光譜信息數(shù)據(jù)和近紅外波段光譜信息數(shù)據(jù)確定目標區(qū)域的煤石干石污染范圍。為了實現(xiàn)上述目的，根據(jù)本發(fā)明的另一個方面，提供了一種煤矸石污染范圍的檢測裝置，該裝置用于執(zhí)行本發(fā)明提供的任意一種煤矸石污染范圍的檢測方法。根據(jù)本發(fā)明的另一方面，提供了一種煤矸石污染范圍的檢測裝置。該煤矸石污染范圍的檢測裝置包括第一獲取單元，用于獲取目標區(qū)域的衛(wèi)星遙感影像數(shù)據(jù)；提取單元，用于提取衛(wèi)星遙感影像數(shù)據(jù)中的植物光譜信息數(shù)據(jù)；以及確定單元，用于根據(jù)植物光譜信息數(shù)據(jù)確定煤矸石污染范圍。進一步地，確定單元包括第一獲取模塊，用于獲取預(yù)先存儲的煤矸石污染區(qū)域的衛(wèi)星遙感影像數(shù)據(jù)的植物光譜特征信息數(shù)據(jù)；以及第一確定模塊，用于對比提取的植物光譜信息數(shù)據(jù)與預(yù)先存儲的植物光譜特征信息數(shù)據(jù)，以確定煤矸石污染范圍。進一步地，上述裝置還包括第二獲取單元，用于獲取煤矸石污染區(qū)域的衛(wèi)星遙感影像數(shù)據(jù)的植物光譜特征信息數(shù)據(jù)；以及確定單元包括第二確定模塊，用于對比提取的植物光譜信息數(shù)據(jù)與獲取的植物光譜特征信息數(shù)據(jù)，以確定煤矸石污染范圍。進一步地，上述裝置還包括第三獲取單元，用于對衛(wèi)星遙感影像數(shù)據(jù)進行處理以獲取正射遙感影像數(shù)據(jù)；以及提取單元包括第一提取模塊，用于提取正射遙感影像數(shù)據(jù)中的植物光譜信息數(shù)據(jù)。進一步地，第三獲取單元包括第二獲取模塊，用于獲取基礎(chǔ)數(shù)據(jù)資料，其中，基礎(chǔ)數(shù)據(jù)資料為與目標區(qū)域地形相關(guān)的數(shù)據(jù)；糾正模塊，用于結(jié)合基礎(chǔ)數(shù)據(jù)資料對衛(wèi)星遙感影像數(shù)據(jù)進行糾正處理；融合模塊，用于對經(jīng)過糾正處理的衛(wèi)星遙感影像數(shù)據(jù)進行圖像融合處理；勻色模塊，用于對經(jīng)過圖像融合處理的衛(wèi)星遙感影像數(shù)據(jù)進行勻色處理；以及第三獲取模塊，用于對經(jīng)過勻色處理的衛(wèi)星遙感影像數(shù)據(jù)進行鑲嵌和分割以獲取正射遙感影像數(shù)據(jù)。為了實現(xiàn)上述目的，根據(jù)本發(fā)明的再一個方面，提供了一種數(shù)據(jù)處理設(shè)備，該設(shè)備包括本發(fā)明提供的任意一種煤矸石污染范圍的檢測裝置。通過本發(fā)明，由于借助獲取到的衛(wèi)星遙感數(shù)據(jù)進行測量，因而解決了現(xiàn)有技術(shù)中對煤矸石污染范圍檢測不便的問題，進而使得對煤矸石污染范圍的檢測更加便捷。


構(gòu)成本申請的一部分的附圖用來提供對本發(fā)明的進一步理解，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當限定。在附圖中圖I是根據(jù)本發(fā)明實施例的煤矸石污染范圍的檢測裝置的結(jié)構(gòu)框圖；圖2是根據(jù)本發(fā)明第一優(yōu)選實施例的煤矸石污染范圍的檢測裝置的結(jié)構(gòu)框圖；圖3是根據(jù)本發(fā)明第二優(yōu)選實施例 的煤矸石污染范圍的檢測裝置的結(jié)構(gòu)框圖；圖4是根據(jù)本發(fā)明第三優(yōu)選實施例的煤矸石污染范圍的檢測裝置的結(jié)構(gòu)框圖；圖5是根據(jù)本發(fā)明第四優(yōu)選實施例的煤矸石污染范圍的檢測裝置的結(jié)構(gòu)框圖；圖6是根據(jù)本發(fā)明實施例的衛(wèi)星影像波段示意圖；圖7是根據(jù)本發(fā)明實施例的煤矸石污染范圍的檢測方法的流程圖；圖8是根據(jù)本發(fā)明實施例的衛(wèi)星遙感影像數(shù)據(jù)的處理流程圖；以及圖9是根據(jù)本發(fā)明優(yōu)選實施例的煤矸石污染范圍的檢測方法的流程圖。
具體實施例方式需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可以相互組合。下面將參考附圖并結(jié)合實施例來詳細說明本發(fā)明。本發(fā)明實施例提供了一種煤矸石污染范圍的檢測裝置，以下對本發(fā)明實施例所提供的煤矸石污染范圍的檢測裝置進行介紹。圖I是根據(jù)本發(fā)明實施例的煤矸石污染范圍的檢測裝置的結(jié)構(gòu)框圖。如圖I所示，該煤矸石污染范圍的檢測裝置包括第一獲取單元11、提取單元12和確定單元13。第一獲取單元11用于獲取目標區(qū)域的衛(wèi)星遙感影像數(shù)據(jù)。提取單元12用于提取衛(wèi)星遙感影像數(shù)據(jù)中的植物光譜信息數(shù)據(jù)。確定單元13用于根據(jù)植物光譜信息數(shù)據(jù)確定煤矸石污染范圍。在本實施例中，借助獲取到的衛(wèi)星遙感數(shù)據(jù)進行測量，因而解決了現(xiàn)有技術(shù)中對煤矸石污染范圍檢測不便的問題，進而使得對煤矸石污染范圍的檢測更加便捷。圖2是根據(jù)本發(fā)明第一優(yōu)選實施例的煤矸石污染范圍的檢測裝置的結(jié)構(gòu)框圖。該實施例可以作為上述實施例的優(yōu)選實施方式。如圖2所示，該煤矸石污染范圍的檢測裝置包括第一獲取單元11、提取單元12和確定單元13，其中，確定單元13包括第一獲取模塊131和第一確定模塊132。第一獲取模塊131用于獲取預(yù)先存儲的煤矸石污染區(qū)域的衛(wèi)星遙感影像數(shù)據(jù)的植物光譜特征信息數(shù)據(jù)。第一確定模塊132用于對比提取的植物光譜信息數(shù)據(jù)與預(yù)先存儲的植物光譜特征信息數(shù)據(jù)，以確定煤矸石污染范圍。在該實施例中，通過預(yù)先在系統(tǒng)中存儲參考數(shù)據(jù)，因此將獲取的目標區(qū)域的相應(yīng)數(shù)據(jù)與參考數(shù)據(jù)進行對比，即可得出污染范圍，加快了檢測的速度。圖3是根據(jù)本發(fā)明第二優(yōu)選實施例的煤矸石污染范圍的檢測裝置的結(jié)構(gòu)框圖。該實施例可以作為上述實施例的優(yōu)選實施方式。如圖3所示，該煤矸石污染范圍的檢測裝置除了包括獲取單元11、提取單元12和確定單元13之外，還包括第二獲取單元14，其中，確定單元13還包括第二確定模塊133。第二獲取單元14用于獲取煤矸石污染區(qū)域的衛(wèi)星遙感影像數(shù)據(jù)的植物光譜特征信息數(shù)據(jù)。第二確定模塊133用于對比提取的植物光譜信息數(shù)據(jù)與獲取的植物光譜特征信息數(shù)據(jù)，以確定煤矸石污染范圍。在該實施例中，在獲取目標區(qū)域的植物光譜特征信息數(shù)據(jù)的同時，獲取已確定為污染區(qū)域或已確定為未污染區(qū)域的相關(guān)數(shù)據(jù)，與目標區(qū)域的植物光譜特征信息數(shù)據(jù)進行對t匕，如此確定的污染范圍結(jié)合了當?shù)氐膶嵉厍闆r，因此檢測結(jié)果更加準確。圖4是根據(jù)本發(fā)明第三優(yōu)選實施例的煤矸石污染范圍的檢測裝置的結(jié)構(gòu)框圖。該 實施例可以作為上述實施例的優(yōu)選實施方式。如圖4所示，該煤矸石污染范圍的檢測裝置除了包括第一獲取單元11、提取單元12和確定單元13之外，還包括第三獲取單元15，其中，提取單元12包括第一提取模塊121。第三獲取單元15用于對衛(wèi)星遙感影像數(shù)據(jù)進行處理以獲取正射遙感影像數(shù)據(jù)。第一提取模塊121用于提取正射遙感影像數(shù)據(jù)中的植物光譜信息數(shù)據(jù)。在該實施例中，通過衛(wèi)星遙感影像數(shù)據(jù)提取正射遙感影像數(shù)據(jù)，該數(shù)據(jù)具有更高的精度，從而提聞了檢測的準確性。圖5是根據(jù)本發(fā)明第四優(yōu)選實施例的煤矸石污染范圍的檢測裝置的結(jié)構(gòu)框圖。該實施例可以作為上述實施例的優(yōu)選實施方式。如圖5所示，該煤矸石污染范圍的檢測裝置包括第一獲取單元11、提取單元12、確定單元13和第三獲取單元15，其中，第三獲取單元15包括第二獲取模塊151、糾正模塊152、融合模塊153、勻色模塊154和第三獲取模塊155。第二獲取模塊151用于獲取基礎(chǔ)數(shù)據(jù)資料，其中，基礎(chǔ)數(shù)據(jù)資料為與目標區(qū)域地形相關(guān)的數(shù)據(jù)。糾正模塊152用于結(jié)合基礎(chǔ)數(shù)據(jù)資料對衛(wèi)星遙感影像數(shù)據(jù)進行糾正處理。融合模塊153用于對經(jīng)過糾正處理的衛(wèi)星遙感影像數(shù)據(jù)進行圖像融合處理。勻色模塊154用于對經(jīng)過圖像融合處理的衛(wèi)星遙感影像數(shù)據(jù)進行勻色處理。第三獲取模塊155用于對經(jīng)過勻色處理的衛(wèi)星遙感影像數(shù)據(jù)進行鑲嵌和分割以獲取正射遙感影像數(shù)據(jù)。鑲嵌是指將兩幅或者多幅遙感影像拼在一起，構(gòu)成一幅整體影像。分割是指把一幅遙感影像分成互不重疊的區(qū)域并提取需要的目標。在該實施例中，通過對衛(wèi)星遙感影像數(shù)據(jù)的處理，得到精度更高的正射遙感影像數(shù)據(jù)，從而提高了檢測的準確性。需要說明的是，裝置實施例中描述的煤矸石污染范圍的檢測裝置對應(yīng)于下文中的煤矸石污染范圍的檢測方法實施例，其具體的實現(xiàn)過程在下文方法實施例中將進行詳細說明。本發(fā)明提供了一種數(shù)據(jù)處理設(shè)備，該數(shù)據(jù)處理設(shè)備中可以包括本發(fā)明實施例所提供的任意一種煤矸石污染范圍的檢測裝置，或者，使得該煤矸石污染范圍的檢測裝置運行于該數(shù)據(jù)處理設(shè)備之上，以使得該數(shù)據(jù)處理設(shè)備能夠獲取衛(wèi)星遙感數(shù)據(jù)，并通過獲取的衛(wèi)星遙感數(shù)據(jù)提取衛(wèi)星遙感影像數(shù)據(jù)中的植物光譜信息數(shù)據(jù)，從而達到確定煤矸石污染范圍的目的。本發(fā)明實施例還提供了一種煤矸石污染范圍的檢測方法，該方法可以基于上述的裝置來執(zhí)行。在本實施例中的WorldView-2衛(wèi)星能提供獨有的8波段高清晰衛(wèi)星影像。除了四個常見的波段外(藍色波段450-510 ;綠色波段510-580 ;紅色波段630-690 ;近紅外I波段770-895)，還有四個新增波段(海岸波段400-450，黃色波段；585_625，紅色邊緣波段705-745，近紅外2波段860-1040)，波段示意圖見圖6。從圖6可以看出，新增波段彌補了原有四波段數(shù)據(jù)在585-625nm以及705_745nm之間的空白區(qū)域，并將原有的近紅外波段的可研究區(qū)域延長到1050nm，大大拓展了衛(wèi)星遙感技術(shù)的研究領(lǐng)域。 本實施例主要利用WorldView-2衛(wèi)星高光譜數(shù)據(jù)中紅色波段、紅色邊緣波段、近紅外波段來分析植物健康狀況，確定植物是否受到煤矸石污染，進而確定煤矸石的污染范圍，具體地，在本實施例中，選用了近紅外波段中的近紅外I波段。選擇8波段衛(wèi)星數(shù)據(jù)與普通的4波段衛(wèi)星數(shù)據(jù)相比，可以在波長為705-745nm的紅色邊緣波段，獲取植被生長的重要信息。植物的健康狀況通常會非常明顯的反映到葉片顏色上，葉綠色缺失，同時葉黃素、葉紅素增加。紅色邊緣波段處于可見光區(qū)域邊緣過度地帶，在此區(qū)域內(nèi)植被色素吸收幾乎全部的能，反射很少，但是會對紅色素反射非常大。對于波谷反射特性來說，從非常小的值突變?yōu)榉浅４蟮闹?，形成反射率的突變區(qū)域，這就是紅邊效應(yīng)。需要說明的是，被污染的植物在各波段上都有其光譜特征，因此，在借助其他顏色波段時也可以分析污染植物的光譜特征，本發(fā)明實施例僅作為一種優(yōu)選地實施方式。圖7是根據(jù)本發(fā)明實施例的煤矸石污染范圍的檢測方法的流程圖。如圖7所示，該煤矸石污染范圍的檢測方法包括如下的步驟S702至步驟S706。步驟S702，獲取目標區(qū)域的衛(wèi)星遙感影像數(shù)據(jù)。通過衛(wèi)星圖像解譯，精確確定煤矸石堆的位置，從而確定目標區(qū)域以獲取該區(qū)域的衛(wèi)星遙感影像數(shù)據(jù)。在步驟S702和步驟S704之間，還可以對衛(wèi)星遙感影像數(shù)據(jù)進行處理以獲取正射遙感影響數(shù)據(jù)，對衛(wèi)星遙感影像數(shù)據(jù)進行的處理的過程如圖8所示，包括步驟S801至步驟S816。步驟S801，獲取WorldView-2波段捆綁數(shù)據(jù)。步驟S802，獲取數(shù)字柵格地圖(Digital Raster Graphic，簡稱為DRG)數(shù)據(jù)。DRG數(shù)據(jù)是根據(jù)現(xiàn)有紙質(zhì)、膠片等地形圖經(jīng)掃描和幾何糾正及色彩校正后，形成在內(nèi)容、幾何精度和色彩上與地形圖保持一致的柵格數(shù)據(jù)集。步驟S803，獲取數(shù)字高程模型(Digital Elevation Model，簡稱為DEM)數(shù)據(jù)。DEM是一定范圍內(nèi)規(guī)則格網(wǎng)點的平面坐標(X，Y)及其高程(Z)的數(shù)據(jù)集，它主要是描述區(qū)域地貌形態(tài)的空間分布，是通過等高線或相似立體模型進行數(shù)據(jù)采集(包括采樣和量測)，然后進行數(shù)據(jù)內(nèi)插而形成的。步驟S804，在目標區(qū)域在DRG數(shù)據(jù)和DEM數(shù)據(jù)進行鑲嵌。步驟S805，對步驟S801和步驟S805兩個步驟相結(jié)合得到的數(shù)據(jù)進行糾正控制點選取。步驟S806，判斷糾正處理結(jié)果是否滿足要求，如果否，返回步驟S805 ;如果是，執(zhí)行步驟S807。步驟S807，正射糾正。通過在像片上選取一些地面控制點，并利用原來已經(jīng)獲取的該像片范圍內(nèi)的DEM數(shù)據(jù)，對影像同時進行傾斜改正和投影差改正，改正了因地形起伏和傳感器誤差而引起的像點位移。步驟S808，獲取全色數(shù)據(jù)正射影像。步驟S809，對全色數(shù)據(jù)正射影像經(jīng)行精度檢查。步驟S810，判斷糾正精度是否滿足要求，如果是，執(zhí)行步驟S811 ;如果否，返回步 驟 S805。步驟S811，影像配準。使地面上的目標與圖像上所對應(yīng)的像點具有相同的平面坐標的過程，進行幾何校正。步驟SSI2，影像融合。步驟S813，影像勻光、調(diào)色。步驟S814，判斷色調(diào)檢查是否通過，如果是，執(zhí)行步驟S815 ;如果否，返回步驟S813。步驟S815，影像鑲嵌、分割。步驟S816，獲得正射影像圖。步驟S704，提取衛(wèi)星遙感影像數(shù)據(jù)中的植物光譜信息數(shù)據(jù)。如果在執(zhí)行步驟S704之前已獲取了正射遙感影響數(shù)據(jù)，則在本步驟中還可以提取正射遙感影響數(shù)據(jù)中的植物光譜信息數(shù)據(jù)。在本實施例中，提取植物光譜信息數(shù)據(jù)可以進一步提取植物光譜的紅邊參數(shù)以實現(xiàn)對污染范圍的確定。紅邊(REP)是綠色植物葉子光譜曲線在670nm 780nm之間變化率最快的點，也是一階導數(shù)光譜在該區(qū)間內(nèi)的拐點。植物光譜的紅邊參數(shù)主要有紅邊斜率和紅邊位置。紅邊位置指植物光譜曲線在波長為670nm 780nm范圍內(nèi)一階微分值達最大時所對應(yīng)的波長(入紅邊)，紅邊斜率指植物光譜曲線在波長為670nm 780nm—階導數(shù)最大值。紅邊位置和斜率可以通過導數(shù)運算得到。在植物生長過程中由于葉綠素含量的不同，紅邊的位置和斜率也會發(fā)生相應(yīng)變化。紅邊斜率主要與植物覆蓋度或葉面積指數(shù)有關(guān)，而紅邊位置則主要與葉片葉綠素含量有關(guān)，當植物中葉綠素b含量減少時，紅邊位置發(fā)生藍移。拐點處的斜率為紅邊斜率，紅邊斜率可以通過Guyot法求得。拐點處對應(yīng)的值為植被的反射率，拐點處對應(yīng)的反射率的值R紅邊=(R670+R780)/2，其中R紅邊是在主拐點處的反射率值的計算值，R670、R700、R740和R780是利用World View-28波段數(shù)據(jù)中的紅色波段、紅色邊緣波段、近紅外I波段求得的670，700，740和780nm處的反射率值。紅邊位置入紅邊=700+40.[ (R 紅邊-R700) / (R740-R700)]。通過求得的紅邊斜率和紅邊位置即可求得植物光譜的紅邊參數(shù)。步驟S706，根據(jù)植物光譜信息數(shù)據(jù)確定目標區(qū)域的煤矸石污染范圍。獲取預(yù)先存儲的煤矸石污染區(qū)域的衛(wèi)星遙感影像數(shù)據(jù)的植物光譜特征信息數(shù)據(jù)。將已被確定為污染區(qū)域的相關(guān)信息作為參考值數(shù)據(jù)預(yù)先存儲在系統(tǒng)中，那么當獲取目標區(qū)域的衛(wèi)星遙感影像數(shù)據(jù)后，只需將從衛(wèi)星遙感影像數(shù)據(jù)中提取的植物光譜信息數(shù)據(jù)與參考值數(shù)據(jù)進行對比，如果二者匹配，則說明屬于污染范圍，否則，不屬于污染范圍。用該方法進行測量，簡便快捷，滿足快速測量的需要。這里對比目標區(qū)域的植物光譜信息數(shù)據(jù)和參考值數(shù)據(jù)可以是對比目標區(qū)域植物光譜信息數(shù)據(jù)中的紅邊位置的波長與參考區(qū)域植物光譜信息數(shù)據(jù)中的紅邊位置的波長是否一致，如果波長一致，則該處的植物光譜信息數(shù)據(jù)和參考區(qū)域的植物光譜信息數(shù)據(jù)是匹配的。紅邊位置即反射率發(fā)生突變的位置，如果目標區(qū)域的紅邊位置與參考區(qū)域相比，向波長較長的方向移動，即紅邊“紅移”，則說明目標區(qū)域植被健康，如果目標區(qū)域的紅邊位置與參考區(qū)域相比，往波長較短的方向移動，即紅邊“藍移”，則說明目標區(qū)域植被生病，于是可以進一步推斷目標區(qū)域發(fā)生地面塌陷現(xiàn)象?，F(xiàn)有技術(shù)中，判斷地面沉陷是通過獲取高分辨率數(shù)據(jù)以及已知的塌陷區(qū)資料，通過研究建立塌陷區(qū)地物解譯標志體系，據(jù)此提取目標區(qū)域塌陷區(qū)范圍信息。本發(fā)明實施例與該現(xiàn)有技術(shù)相比，不需要收集已知塌陷區(qū)的資料，不需要通過深層次研究建立塌陷區(qū)地物解譯標志體系，而是直接利用目標區(qū)域與選定的參考區(qū)域植物光譜信息的紅邊位置的對 t匕，從而確定塌陷區(qū)域。同時，遙感圖像的解譯具有復(fù)雜性、多解性和不確定性，隨地區(qū)和時段等多種因素的變化而變化，所以利用該現(xiàn)有技術(shù)建立準確的塌陷區(qū)地物解譯標志體系較為困難，需要大量的實地驗證工作，而本發(fā)明實施例利用紅邊位置的波長于參考區(qū)域進行比較，具有快速、準確、便捷等優(yōu)勢。如果在步驟S702中還獲取了煤矸石污染區(qū)域的衛(wèi)星遙感影像數(shù)據(jù)的植物紅色波段光譜信息數(shù)據(jù)、紅色邊緣波段光譜信息數(shù)據(jù)和近紅外波段光譜信息數(shù)據(jù)，則在步驟S706中還可以對比提取的植物紅色波段光譜信息數(shù)據(jù)、紅色邊緣波段光譜信息數(shù)據(jù)和近紅外波段光譜信息數(shù)據(jù)，以確定煤矸石污染范圍。例如，當預(yù)先已經(jīng)確定某地區(qū)為污染區(qū)，那么將目標區(qū)域的植物光譜特征信息數(shù)據(jù)和煤矸石污染區(qū)域的衛(wèi)星遙感影像數(shù)據(jù)的植物光譜特征信息數(shù)據(jù)進行比對，即可判斷該區(qū)域中的污染范圍。另一方面，也可以預(yù)先選取未污染區(qū)域的，將目標區(qū)域與未污染區(qū)域進行比對，以判斷該區(qū)域中的污染范圍，以上兩種方式可以達到同樣的效果，下面以選取未污染區(qū)域作為對比對象的實例對本發(fā)明實施例進行詳細描述。為了確定目標區(qū)域的植物是否受到煤矸石的污染，圈定遠離煤矸石堆15公里以外的植物種類相似的區(qū)域作為對比植物區(qū)。健康植物光譜具有一些特征，對于綠色植物，葉片的光譜特性與葉片細胞結(jié)構(gòu)、水分含量和葉片色素含量有關(guān)。不同植物的反射光譜波形是大致相同的，因為產(chǎn)生光譜反射的主要元素都相同，主要區(qū)別在反射率的大小。健康植物在可見光段的藍光區(qū)和紅光區(qū)植物的反射率都很低，出現(xiàn)以450nm、650nm為中心波長的吸收帶，稱為“紅谷”和“藍谷”，它們是由葉子中的色素對光選擇吸收引起的，可見光段的綠光區(qū)反射率比較高，形成550nm為中心波長的反射率為10% 20%的小反射峰(綠峰)，使植物外觀呈綠色；在波長680-750nm之間反射率增加十分迅速，在高光譜研究中他被稱為植物紅邊，是植物具有診斷性的光譜特征，紅邊的位置高度和斜率會因植物的不同生長狀況而存在差異；從800 1300nm之間是一個相對平坦的反射率高的區(qū)域，這種對紅外光的強反射是由葉子的細胞結(jié)構(gòu)所導致的。另外，在1450nm、1950nm、2600nm 2700nm處有三個吸收谷，這主要由葉子的細胞吸收水分所形成。植物葉片的反射光譜與葉子形態(tài)學和生理學上的特征有關(guān)，當植物受到污染后，其內(nèi)部結(jié)構(gòu)、葉綠素形態(tài)和含量以及植物的水分含量就會發(fā)生不同程度的變化，光譜反射特性也隨之變化，一般情況下，污染越嚴重，這種變化就越大。污染物類型和含量對葉片色素合成的影響遠大于對葉片結(jié)構(gòu)和水分含量的影響，因此，400 900nm波段的植物葉面反射光譜變化是最重要的，也是最富有特點的，在此波段內(nèi)健康植物和受害植物葉面的反射光譜特性差異較大。植物光譜反射特征的變化是與葉綠素含量的降低相平行的，不同脅迫因素，即對植物施加有害影響的環(huán)境因素對植物光譜反射特征的影響有共同點，均導致葉片色素含量發(fā)生變化。如植物受重金屬毒害后，普遍出現(xiàn)葉片褪綠的現(xiàn)象，原因之一是重金屬離子被植物吸收后，葉綠素生物合成途徑中的幾種酶的肽鏈中富含SH的部分受重金屬離子影響，改變了它們的正常構(gòu)型，抑制了酶的活性和阻礙了葉綠素的合成；原因之二是由重金屬脅迫條件下活性氧自由基的作用所導致的，主要是強反應(yīng)性的*011。葉片色素含量的變化，導致 植物光譜特征的變化，如可見光部分與近紅外部分反射率升高或降低，植物光譜曲線發(fā)生紅邊拐點出現(xiàn)紅移(向長波方向移動)或藍移(向短波方向移動)。為了對比健康植物與生病植物的紅邊位置，先分析與目標區(qū)域內(nèi)植物種類相近的對比區(qū)域的植物光譜反射率，計算出對比植物紅邊位置對應(yīng)的波長。利用前述的植物光譜紅邊參數(shù)模型提取影像中植物像元點的紅邊參數(shù)，通過與對比植物紅邊參數(shù)對比，利用彩色編碼和多維空間數(shù)據(jù)復(fù)合技術(shù)，并將其與目標區(qū)域的正射影像圖像疊合，編制目標區(qū)域植物光譜紅邊變異程度圖，分析目標區(qū)域的植物長勢受到影響的區(qū)域，圈定目標區(qū)域煤矸石污染的空間分布范圍。用該方法進行檢測，結(jié)合了不同地域的實際情況，因此檢測結(jié)果更加準確。圖9是根據(jù)本發(fā)明優(yōu)選實施例的煤矸石污染范圍的檢測方法的流程圖，如圖9所示，該方法包括以下步驟S901至步驟S919。步驟S901，獲取WorldView-2衛(wèi)星的8段波段捆綁數(shù)據(jù)。步驟S902，獲取基礎(chǔ)數(shù)據(jù)，例如DRG數(shù)據(jù)和DEM數(shù)據(jù)。步驟S903，進行數(shù)字圖像處理。包括對圖像處理包括糾正、坐標定位等步驟。步驟S904，獲得正射影像圖。步驟S905，選定目標區(qū)域。在本實施例中，通過正射影像圖與礦方采空區(qū)布局圖的疊合，確定目標區(qū)域為采礦區(qū)及采礦區(qū)外擴10公里的區(qū)域。步驟S906，進行植物光譜曲線分析。利用軟件工具分析目標區(qū)域植被與對比區(qū)域植被光譜曲線，并計算兩個區(qū)域紅邊位置的波長。步驟S907，得到該區(qū)域紅邊位置波長。步驟S908，選擇植物對比區(qū)域。為了確定目標區(qū)域的植被是否受到地面沉陷的影響，圈定遠離采礦區(qū)15公里以外植被種類相似的區(qū)域作為植被對比區(qū)域。步驟S909，進行植物光譜曲線分析。步驟S910，得到該區(qū)域紅邊位置波長步驟S911，比較兩個區(qū)域的紅邊位置波長。
步驟S912，確定目標區(qū)域植物的健康情況。步驟S913，獲知植物健康。如果目標區(qū)域的紅邊位置的波長大于對比區(qū)域的紅邊位置波長，即發(fā)生紅邊“紅移”現(xiàn)象，則目標區(qū)域植被生長狀況比對比區(qū)域植被生長狀況好，植被健康。步驟S914，確定該區(qū)域未受污染。步驟S915，獲知植物生病。步驟S916，確定該區(qū)域受污染。 如果目標區(qū)域紅邊位置波長小于對比區(qū)域紅邊位置波長，即發(fā)生紅邊“藍移”現(xiàn)象，則對比區(qū)域植被生長狀況比對比區(qū)域植被生長狀況差，植被不健康。步驟S917，將彩色編碼與多維空間符合。步驟S918，獲取植物光譜紅邊變異程度圖。步驟S919，圈定煤矸石污染范圍。從以上實施例可以看出，采用衛(wèi)星遙感影像數(shù)據(jù)進行測量，測量過程更加快速、準確和客觀，該檢測方法易于實施且經(jīng)濟投入少，為煤田礦區(qū)綠色生產(chǎn)提供有力技術(shù)支持。需要說明的是，在附圖的流程圖示出的步驟可以在諸如一組計算機可執(zhí)行指令的計算機系統(tǒng)中執(zhí)行，并且，雖然在流程圖中示出了邏輯順序，但是在某些情況下，可以以不同于此處的順序執(zhí)行所示出或描述的步驟。顯然，本領(lǐng)域的技術(shù)人員應(yīng)該明白，上述的本發(fā)明的各模塊或各步驟可以用通用的計算裝置來實現(xiàn)，它們可以集中在單個的計算裝置上，或者分布在多個計算裝置所組成的網(wǎng)絡(luò)上，可選地，它們可以用計算裝置可執(zhí)行的程序代碼來實現(xiàn)，從而，可以將它們存儲在存儲裝置中由計算裝置來執(zhí)行，或者將它們分別制作成各個集成電路模塊，或者將它們中的多個模塊或步驟制作成單個集成電路模塊來實現(xiàn)。這樣，本發(fā)明不限制于任何特定的硬件和軟件結(jié)合。以上所述僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制本發(fā)明，對于本領(lǐng)域的技術(shù)人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。
權(quán)利要求
1.一種煤矸石污染范圍的檢測方法，其特征在于包括 獲取目標區(qū)域的衛(wèi)星遙感影像數(shù)據(jù)； 提取所述衛(wèi)星遙感影像數(shù)據(jù)中的植物光譜信息數(shù)據(jù)；以及 根據(jù)所述植物光譜信息數(shù)據(jù)確定所述目標區(qū)域的煤矸石污染范圍。
2.根據(jù)權(quán)利要求I所述的煤矸石污染范圍檢測方法，其特征在于，根據(jù)所述植物光譜信息數(shù)據(jù)確定所述目標區(qū)域的煤矸石污染范圍包括 獲取預(yù)先存儲的煤矸石污染區(qū)域的衛(wèi)星遙感影像數(shù)據(jù)的植物光譜特征信息數(shù)據(jù)；以及對比提取的植物光譜信息數(shù)據(jù)與預(yù)先存儲的植物光譜特征信息數(shù)據(jù)，以確定煤矸石污染范圍。
3.根據(jù)權(quán)利要求I所述的煤矸石污染范圍檢測方法，其特征在于， 在根據(jù)所述植物光譜信息數(shù)據(jù)確定煤矸石污染范圍之前，所述方法還包括獲取煤矸石污染區(qū)域的衛(wèi)星遙感影像數(shù)據(jù)的植物光譜特征信息數(shù)據(jù)；以及 根據(jù)所述植物光譜信息數(shù)據(jù)確定煤矸石污染范圍包括對比提取的植物光譜信息數(shù)據(jù)與獲取的植物光譜特征信息數(shù)據(jù)，以確定煤矸石污染范圍。
4.根據(jù)權(quán)利要求2或3所述的煤矸石污染范圍檢測方法，其特征在于， 在獲取目標區(qū)域的衛(wèi)星遙感影像數(shù)據(jù)之后以及在提取所述衛(wèi)星遙感影像數(shù)據(jù)中的植物光譜信息數(shù)據(jù)之前，所述方法還包括對所述衛(wèi)星遙感影像數(shù)據(jù)進行處理以獲取正射遙感影像數(shù)據(jù)， 提取所述衛(wèi)星遙感影像數(shù)據(jù)中的植物光譜信息數(shù)據(jù)包括提取所述正射遙感影像數(shù)據(jù)中的植物光譜信息數(shù)據(jù)。
5.根據(jù)權(quán)利要求4所述的煤矸石污染范圍檢測方法，其特征在于，對所述衛(wèi)星遙感影像數(shù)據(jù)進行處理以獲取正射遙感影像數(shù)據(jù)包括 獲取基礎(chǔ)數(shù)據(jù)資料，其中，所述基礎(chǔ)數(shù)據(jù)資料為與目標區(qū)域地形相關(guān)的數(shù)據(jù)； 結(jié)合所述基礎(chǔ)數(shù)據(jù)資料對所述衛(wèi)星遙感影像數(shù)據(jù)進行糾正處理； 對經(jīng)過所述糾正處理的所述衛(wèi)星遙感影像數(shù)據(jù)進行圖像融合處理； 對經(jīng)過所述圖像融合處理的所述衛(wèi)星遙感影像數(shù)據(jù)進行勻色處理；以及對經(jīng)過所述勻色處理的所述衛(wèi)星遙感影像數(shù)據(jù)進行鑲嵌和分割以獲取正射遙感影像數(shù)據(jù)。
6.根據(jù)權(quán)利要求I所述的煤矸石污染范圍檢測方法，其特征在于， 提取所述衛(wèi)星遙感影像數(shù)據(jù)中的植物光譜信息數(shù)據(jù)包括提取所述衛(wèi)星遙感影像數(shù)據(jù)中的植物紅色波段光譜信息數(shù)據(jù)、紅色邊緣波段光譜信息數(shù)據(jù)和近紅外波段光譜信息數(shù)據(jù)， 根據(jù)所述植物光譜信息數(shù)據(jù)確定所述目標區(qū)域的煤矸石污染范圍包括根據(jù)所述植物紅色波段光譜信息數(shù)據(jù)、紅色邊緣波段光譜信息數(shù)據(jù)和近紅外波段光譜信息數(shù)據(jù)確定所述目標區(qū)域的煤矸石污染范圍。
7.一種煤矸石污染范圍的檢測裝置，其特征在于包括 第一獲取單元，用于獲取目標區(qū)域的衛(wèi)星遙感影像數(shù)據(jù)； 提取單元，用于提取所述衛(wèi)星遙感影像數(shù)據(jù)中的植物光譜信息數(shù)據(jù)；以及 確定單元，用于根據(jù)所述植物光譜信息數(shù)據(jù)確定煤矸石污染范圍。
8.根據(jù)權(quán)利要求7所述的煤矸石污染范圍檢測裝置，其特征在于，所述確定單元包括 第一獲取模塊，用于獲取預(yù)先存儲的煤矸石污染區(qū)域的衛(wèi)星遙感影像數(shù)據(jù)的植物光譜特征信息數(shù)據(jù)；以及 第一確定模塊，用于對比提取的植物光譜信息數(shù)據(jù)與預(yù)先存儲的植物光譜特征信息數(shù)據(jù)，以確定煤矸石污染范圍。
9.根據(jù)權(quán)利要求7所述的煤矸石污染范圍檢測裝置，其特征在于， 所述裝置還包括第二獲取單元，用于獲取煤矸石污染區(qū)域的衛(wèi)星遙感影像數(shù)據(jù)的植物光譜特征信息數(shù)據(jù)；以及 所述確定單元包括第二確定模塊，用于對比提取的植物光譜信息數(shù)據(jù)與獲取的植物光譜特征信息數(shù)據(jù)，以確定煤矸石污染范圍。
10.根據(jù)權(quán)利要求8或9所述的煤矸石污染范圍檢測裝置，其特征在于， 所述裝置還包括第三獲取單元，用于對所述衛(wèi)星遙感影像數(shù)據(jù)進行處理以獲取正射遙感影像數(shù)據(jù)；以及 所述提取單元包括第一提取模塊，用于提取所述正射遙感影像數(shù)據(jù)中的植物光譜信息數(shù)據(jù)。
11.根據(jù)權(quán)利要求10所述的煤矸石污染范圍檢測裝置，其特征在于，所述第三獲取單元包括 第二獲取模塊，用于獲取基礎(chǔ)數(shù)據(jù)資料，其中，所述基礎(chǔ)數(shù)據(jù)資料為與目標區(qū)域地形相關(guān)的數(shù)據(jù)； 糾正模塊，用于結(jié)合所述基礎(chǔ)數(shù)據(jù)資料對所述衛(wèi)星遙感影像數(shù)據(jù)進行糾正處理； 融合模塊，用于對經(jīng)過所述糾正處理的所述衛(wèi)星遙感影像數(shù)據(jù)進行圖像融合處理； 勻色模塊，用于對經(jīng)過所述圖像融合處理的所述衛(wèi)星遙感影像數(shù)據(jù)進行勻色處理；以及 第三獲取模塊，用于對經(jīng)過所述勻色處理的所述衛(wèi)星遙感影像數(shù)據(jù)進行鑲嵌和分割以獲取正射遙感影像數(shù)據(jù)。
12.—種數(shù)據(jù)處理設(shè)備，其特征在于，包括權(quán)利要求7至11中任一項所述的煤矸石污染范圍檢測裝置。
全文摘要
本發(fā)明公開了一種煤矸石污染范圍的檢測方法和裝置及數(shù)據(jù)處理設(shè)備，該檢測方法包括獲取目標區(qū)域的衛(wèi)星遙感影像數(shù)據(jù)；提取衛(wèi)星遙感影像數(shù)據(jù)中的植物光譜信息數(shù)據(jù)；以及根據(jù)植物光譜信息數(shù)據(jù)確定目標區(qū)域的煤矸石污染范圍。通過本發(fā)明，能夠使得對煤矸石污染范圍的檢測更加便捷。
文檔編號G01N21/25GK102645410SQ20121013314
公開日2012年8月22日 申請日期2012年4月28日 優(yōu)先權(quán)日2012年4月28日
發(fā)明者孟淑英, 張志峰, 張敦芳, 李程, 王瑞國, 白璐 申請人:中國神華能源股份有限公司, 神華地質(zhì)勘查有限責任公司