基于遥感数据的矿山和固废填埋场自动提取方法和装置制造方法及图纸

本发明专利技术公开了一种基于遥感数据的矿山和固废填埋场自动提取方法和装置，属于环境监测领域。本发明专利技术获取亚米级遥感影像和热红外遥感影像，利用亚米级遥感影像计算归一化植被指数和比值建筑指数，提取非植被覆盖区和非建筑用地区；利用热红外遥感影像反演地表温度，基于地表温度值拟合正态分布曲线，提取高温异常区；基于高温异常区提取结果，剔除植被覆盖区、建筑用地区，获得矿山和固废填埋场图斑信息；建立分类模型，对矿山和固废填埋场信息进行二次分类，并通过栅格矢量化处理，分别获得矿山、固废填埋场。本发明专利技术实现了矿山和固废填埋场的自动提取，极大程度减少了人工成本和时间成本，提高了工作效率，为环境污染源监管提供技术支撑。术支撑。术支撑。

【技术实现步骤摘要】
基于遥感数据的矿山和固废填埋场自动提取方法和装置


[0001]本专利技术涉及环境监测领域，特别是指一种基于遥感数据的矿山和固废 填埋场自动提取方法和装置。

技术介绍

[0002]我国是矿产资源大国，丰富的矿产资源是推动着我国经济自动发展的 主要因素之一，但与此同时，大规模开发也引起了大量生态环境问题。遥 感监测数据显示，截止2018年底，我国矿山开采占用损毁土地约5400多 万亩，历史遗留矿山占用损毁约3400多万亩。矿山开采导致的山体和植 被破坏，往往是诱发滑坡、山洪等灾害和塌陷事故的主要因素。因此，为 深入贯彻落实生态文明思想，推进矿山生态修复治理，建设绿色矿山，有 必要摸清矿山底数和空间分布。
[0003]我国每年产生固体废物约50亿吨，其中包括大量危险废物，而填埋 仍是当前处理固体废物的主要方式。大部分填埋场由于建设时间久远、防 渗不力、运行不当、自然地理环境变化等因素，导致渗滤液渗漏事件频发， 重金属、有机污染物等渗入土壤和地下水，严重威胁粮食种植和饮用水安 全以及人体健康安全。因此，填埋场风险隐患排查也是地下水污染防治和 土壤污染防治的重要内容。
[0004]矿山和固废填埋场多零散分布在偏远地区，地势复杂、分布隐蔽，覆 盖范围广且数量多。当前，矿山和固废填埋场排查仍以地面调查和遥感调 查为主。地面调查方法耗费成本大，效率低，且部分非法矿山和填埋场未 登记在案，加之交通、地理等条件限制，导致排查工作异常艰难。遥感调 查方法主要分为人工目视解译和机器学习提取，其中，人工目视解译方法 虽然能较为准确地提取地物信息，但工作量较大，效率较低，提取准确度 依赖于解译人员的经验，机器学习提取需要大量的样本进行训练，人工成 本较大，这两种方法均难以满足日常监管及应急响应需求。

技术实现思路

[0005]为解决上述技术问题，本专利技术提供一种基于遥感数据的矿山和固废填 埋场自动提取方法和装置，本专利技术利用多源遥感影像实现了矿山和固废填 埋场的自动提取，极大程度减少了人工成本和时间成本，提高了工作效率， 为环境污染源监管提供技术支撑。
[0006]本专利技术提供技术方案如下：
[0007]一种基于遥感数据的矿山和固废填埋场自动提取方法，所述方法包括：
[0008]S1：获取待检测区的亚米级遥感影像和热红外遥感影像；
[0009]S2：对所述亚米级遥感影像和热红外遥感影像进行预处理；
[0010]S3：根据归一化植被指数方法，从预处理后的亚米级遥感影像上提取 非植被覆盖区；
[0011]S4：根据K
‑
T变换方法，从预处理后的亚米级遥感影像上提取非建筑 用地区；
[0012]S5：根据预处理后的热红外遥感影像计算地表温度，并从预处理后的 热红外遥感
影像上提取高温异常区；
[0013]S6：将高温异常区与非植被覆盖区、非建筑用地区进行空间相交分析， 其交集为矿山和固废填埋场图斑；
[0014]S7：根据矿山和固废填埋场图斑的亚米级遥感影像的光谱特征对所述 矿山和固废填埋场图斑进行分类，得到矿山区域和固废填埋场区域。
[0015]进一步的，所述S3包括：
[0016]S31：基于预处理后的亚米级遥感影像，计算每个像元的归一化植被 指数NDVI；
[0017][0018]其中，NDVI为归一化植被指数，ρ
NIR
、ρ
RED
分别为预处理后的亚米 级遥感影像的近红外波段、红波段的遥感反射率；
[0019]S32：将NDVI＜0的像元提取为非植被覆盖区。
[0020]进一步的，所述S4包括：
[0021]S41：基于预处理后的亚米级遥感影像，根据K
‑
T变换模型 Y＝R
T
x+r进行主成分分析，提取每个像元的第一主成分分量Y1和第二 主成分分量Y2；
[0022]其中，Y为变换后的主成分分量，Y＝{Y1、Y2
……
Yn}；R为K
‑
T变换 系数，R＝{R1、R2
……
Rn}，R
T
为R的转置，x为预处理后的亚米级遥感 影像各波段的灰度值，x＝{x1、x2
……
xn}，r为常数偏移量，r＝{r1、 r2
……
rn}；
[0023]S42：根据每个像元的第一主成分分量Y1和第二主成分分量Y2计算 每个像元的比值建筑指数RBI；
[0024]RBI＝Y1/Y2[0025]S43：将RBI＜
‑
0.05的像元提取为非建筑用地区。
[0026]进一步的，所述S5包括：
[0027]S51：根据预处理后的热红外遥感影像计算每个像元的地表温度T
s
；
[0028][0029]其中，C1、C2为Plank函数参数，λ为有效波长，B(T
s
)＝[L
λ
‑
L
up
‑
τ* (1
‑
ε)*L
down
]/(ε*τ)，L
λ
为预处理后的热红外遥感影像λ波段的辐射亮 度，L
up
、L
down
、τ分别为大气上行辐射、下行辐射和大气透过率，ε为比 辐射率；
[0030]S52：对每个像元的地表温度T
s
通过如下公式进行正态分布拟合，并 计算拟合优度p
‑
value，得到p
‑
value∈(0.75，1)时对应的标准差σ；
[0031][0032]其中，σ为标准差，μ为T
s
的均值；
[0033]S53：将T
s
＞1.96σ的像元提取为高温异常区。
[0034]进一步的，所述S7包括：
[0035]S71：基于预处理后的亚米级遥感影像，计算各个矿山和固废填埋场 图斑内每个
像元的光谱特征MLI；
[0036][0037]其中，ρ
blue
、ρ
red
、ρ
nir
分别为预处理后的亚米级遥感影像上蓝波段、 红波段、近红外波段的遥感反射率；
[0038]S72：计算每个矿山和固废填埋场图斑内所有像元的光谱特征MLI的 平均值Mean；
[0039]S73：将Mean＞0的矿山和固废填埋场图斑分类为矿山区域，其他矿 山和固废填埋场图斑分类为固废填埋场区域。
[0040]进一步的，所述S2包括：
[0041]S21：对所述亚米级遥感影像和热红外遥感影像进行正射校正、辐射 校正和大气校正；
[0042]S22：基于所述亚米级遥感影像对所述热红外遥感影像进行地理位置 修正。
[0043]一种基于遥感数据的矿山和固废填埋场自动提取装置，所述装置包括：
[0044]遥感影像获取模块，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遥感数据的矿山和固废填埋场自动提取方法，其特征在于，所述方法包括：S1：获取待检测区的亚米级遥感影像和热红外遥感影像；S2：对所述亚米级遥感影像和热红外遥感影像进行预处理；S3：根据归一化植被指数方法，从预处理后的亚米级遥感影像上提取非植被覆盖区；S4：根据K
‑
T变换方法，从预处理后的亚米级遥感影像上提取非建筑用地区；S5：根据预处理后的热红外遥感影像计算地表温度，并从预处理后的热红外遥感影像上提取高温异常区；S6：将高温异常区与非植被覆盖区、非建筑用地区进行空间相交分析，其交集为矿山和固废填埋场图斑；S7：根据矿山和固废填埋场图斑的亚米级遥感影像的光谱特征对所述矿山和固废填埋场图斑进行分类，得到矿山区域和固废填埋场区域。2.根据权利要求1所述的基于遥感数据的矿山和固废填埋场自动提取方法，其特征在于，所述S3包括：S31：基于预处理后的亚米级遥感影像，计算每个像元的归一化植被指数NDVI；其中，NDVI为归一化植被指数，ρ
NIR
、ρ
RED
分别为预处理后的亚米级遥感影像的近红外波段、红波段的遥感反射率；S32：将NDVI＜0的像元提取为非植被覆盖区。3.根据权利要求2所述的基于遥感数据的矿山和固废填埋场自动提取方法，其特征在于，所述S4包括：S41：基于预处理后的亚米级遥感影像，根据K
‑
T变换模型Y＝R
T
x+r进行主成分分析，提取每个像元的第一主成分分量Y1和第二主成分分量Y2；其中，Y为变换后的主成分分量，Y＝{Y1、Y2......Yn}；R为K
‑
T变换系数，R＝{R1、R2......Rn}，R
T
为R的转置，x为预处理后的亚米级遥感影像各波段的灰度值，x＝{x1、x2......xn}，r为常数偏移量，r＝{r1、r2......rn}；S42：根据每个像元的第一主成分分量Y1和第二主成分分量Y2计算每个像元的比值建筑指数RBI；RBI＝Y1/Y2S43：将RBI＜
‑
0.05的像元提取为非建筑用地区。4.根据权利要求3所述的基于遥感数据的矿山和固废填埋场自动提取方法，其特征在于，所述S5包括：S51：根据预处理后的热红外遥感影像计算每个像元的地表温度T
s
；其中，C1、C2为Plank函数参数，λ为有效波长，B(T
s
)＝[L
λ
‑
L
up
‑
τ*(1
‑
ε)*L
down
]/(ε*τ)，L
λ
为预处理后的热红外遥感影像λ波段的辐射亮度，L
up
、L
down
、τ分别为大气上行辐射、下行辐射和大气透过率，ε为比辐射率；
S52：对每个像元的地表温度T
s
通过如下公式进行正态分布拟合，并计算拟合优度p
‑
value，得到p
‑
value∈(0.75，1)时对应的标准差σ；其中，σ为标准差，μ为T
s
的均值；S53：将T
s
＞1.96σ的像元提取为高温异常区。5.根据权利要求4所述的基于遥感数据的矿山和固废填埋场自动提取方法，其特征在于，所述S7包括：S71：基于预处理后的亚米级遥感影像，计算各个矿山和固废填埋场图斑内每个像元的光谱特征MLI；其中，ρ
blue
、ρ
red
、ρ
nir
分别为预处理后的亚米级遥感影像上蓝波段、红波段、近红外波段的遥感反射率；S72：计算每个矿山和固废填埋场图斑内所有像元的光谱特征MLI的平均值Mean；S73：将Mean＞0的矿山和固废填埋场图斑分类为矿山区域，其他矿山和固废填埋场图斑分类为固废填埋场区域。6.根据权利要求1
‑
5任一所述的基于遥感数据的矿山和固废填...

【专利技术属性】
技术研发人员：余嘉琦，李营，刘玉平，饶瑞璇，殷守敬，王晨，陈辉，王雪蕾，肖如林，贾兴，靳川平，孙浩，徐丹，滕佳华，
申请(专利权)人：生态环境部卫星环境应用中心，
类型：发明
国别省市：