1、煤矿区无人机影像采动地裂缝提取方法研究杨奇让1，胡振琪1,2，韩佳政1，杨坤2，浮耀坤2（1.中国矿业大学环境与测绘学院,江苏徐州221116；2.中国矿业大学(北京)土地复垦与生态重建研究所,北京100083）摘要：为及时、准确地识别出煤矿区采动地裂缝，避免次生地质灾害发生和恢复煤矿区土地生态环境，以陕西省榆林市神木县西北部柠条塔煤矿采煤工作面裂缝发育区为研究区，基于低空无人机遥感影像，结合实地查勘，构建面向对象监督分类模型方法，开展地表采动裂缝提取方法研究。首先，借助 ESP（EstimationofScaleParameter）最优尺度评价工具得到候选分割参数，结合目视解译快速确定最优分
2、割参数，得到裂缝、植被等影像对象；利用特征空间优化工具从 24 个初始特征集中确定15 个优化特征参数构建优化特征集；在此基础上结合支持向量机(SVM,SupportVectorMachine)、K最近邻(KNN,KNearestNeighbor)、随机森林(RF,RadomForest)、朴素贝叶斯(NB,NaiveBayes)多种机器学习分类器模型，试验分析得出：地物的分类效果和分类精度具有一致性，SVM 分类方法总体效果最好，在 4 个易错分区域中表现最好，误分小斑块数量最少，总体分类精度达到 88.97%，Kappa 系数到达 0.849，裂缝提取精度 F1值达到 87.87%，Kap
3、pa 系数达到 0.848。4 种分类方法整体分类精度均在 80%以上，优选模型方法准确提取到研究区 10 条主要裂缝，相比传统人工矢量化更加高效，借助低空无人机遥感影像和面向对象方法可有效提取矿区地表采动裂缝，研究可为采煤沉陷地质灾害调查监测及土地生态修复提供技术支持。关键词：采动地裂缝；面向对象；无人机遥感；支持向量机；图像提取；无人机影像中图分类号：TD325.4；TD751文献标志码：A文章编号：02532336（2023）06018710Research on extraction method of ground fissures caused by mining through
4、UAVimage in coal mine areasYANGQirang1,HUZhenqi1,2,HANJiazheng1,YANGKun2,FUYaokun2（1.School of Environment and Spatial Informatics,China University of Mining&Technology,Xuzhou 221116,China;2.Institute of Land Reclamation andEcological Restoration,China University of Mining and Technology-Beijing,Bei
5、jing 100083,China）Abstract:Inordertopromptlyandexactlyidentifythemininggroundfissuresincoalminingareas,andavoidthesecondarygeologicaldisasters,aswellasrestorethelandecologicalenvironmentinthecoalminingareas,thisstudyfocusedontheextractionmethodofsur-facemininginducedfissures,withthefissuredevelopmen
6、tzoneofcoalminingfaceofNingtiaotaCoalMineasthestudyarea,whichwaslocatedinthenorthwestofShenmuCounty,YulinCity,ShaanxiProvince.Meanwhile,thesmoothexecutionofthisresearchwasbasedonlow-altitudeUAVremotesensingimages,fieldsurveys,andtheconstructionofanobject-orientedsupervisionclassifiedmodelmethod.Thei
7、magesacquisitionprocesswasshownasfollows:Firstly,thecandidatesegmentationparameterswereobtainedutilizingtheESP（Es-timationofscaleparameter）optimalsegmentationscaleevaluationtool,andthentheoptimalsegmentationparametersweredeterminedimmediatelycombiningvisualinterpretation,finallytheimageobjectssuchas
8、fissuresandvegetationwereobtained.15optimizedfeatureparametersweredeterminedfrom24initialfeaturesetstoconstructtheoptimizedfeaturesetwiththefeaturespaceoptimizationtool.On收稿日期：20220304责任编辑：黄小雨DOI：10.13199/ki.cst.2021-1204基金项目：陕煤集团重大项目“陕北煤矿区水资源保护与利用及生态重建关键技术研究与示范”资助项目（2018SHKJ-A-03）；江苏省“双创团队”（2019）资助
9、项目（2036 号）；江苏省“双创人才”（2019）资助项目（1468 号）作者简介：杨奇让（1997），男，陕西西安人，硕士研究生。E-mail：通讯作者：胡振琪（1963），男，安徽五河人，教授，博士生导师。E-mail：第51卷第6期煤炭科学技术Vol.51No.62023年6月CoalScienceandTechnologyJun.2023杨奇让，胡振琪，韩佳政，等.煤矿区无人机影像采动地裂缝提取方法研究J.煤炭科学技术，2023，51（6）：187196.YANGQirang，HUZhenqi，HANJiazheng，et al.Researchonextractionmethodo
10、fgroundfissurescausedbymin-ingthroughUAVimageincoalmineareasJ.CoalScienceandTechnology，2023，51（6）：187196.187thisbasis,avarietyofmachinelearningclassifiermodelswerecombined,suchasSupportVectorMachine,KNearestNeighbor,RandomForest,NaiveBayes,etc.Theexperimentalanalysisresultspresentedthattheclassifica
11、tioneffectandaccuracyofthelandfeatureswereconsistent.TheSVMclassificationmethodhadthebestoveralleffect,performingbestinthefourerroneouslypartitioneddomains,withtheleastnumberofmisclassifiedsmallpatches.Theoverallclassificationaccuracyachieved88.97%,andtheKappacoefficientattained0.849.Inaddition,theF
12、1valueofcrackextractionaccuracyreached87.87%,withtheKappacoefficientamountto0.848.Theoverallclassificationaccuracyofthefourclassificationmethodswasabove80%.Theoptimalmodelmethodaccuratelyextracted10mainfis-suresintheresearcharea,whichwasmoreefficientthantraditionalmanualvectorization.Thesurfaceminin
13、gfissurescouldbeeffectivelyextractedbytheaidoflow-altitudedroneremotesensingimagesandobject-orientedmethods.Thisresearchcouldprovidetechnicalsup-portfortheinvestigationandmonitoringofgeologicaldisasterscausedbycoalminingsubsidenceandlandecologicalrestoration.Key words:coalmininggroundfissures；object
14、-oriented；UAVremotesensing；supportvectormachine；imageextraction；UAVimage0引言煤炭开采在给人们带来巨大经济效益的同时，也对土地生态造成严重影响1。我国西北干旱区生态脆弱，地下采煤对地表生态环境影响最突出的问题就是煤炭开采后产生的地表裂缝，也称为采动裂缝2，采动裂缝是上覆岩层破坏和地表移动变形的一种外在表现，会导致煤矿区土地生态恶化以及对煤矿区建(构)筑设施、交通线路等岩土工程设施造成不同程度的破坏，并引发次生矿山地质灾害，严重威胁人民生命财产安全和矿区可持续发展3-5。及时、准确地识别出地表裂缝是避免次生地质灾害发生造成经
15、济损失和恢复煤矿区土地生态环境的基础。由于受数据空间分辨率、获取条件等因素影响，利用卫星数据无法识别较小宽度裂缝，且数据获取受卫星重访周期限制，无法应用于裂缝的动态监测；传统野外勘查与量测方法获取的数据精度最高，但受到地形和区域范围各种环境因素约束且耗时耗力6。近年来无人机遥感发展迅速，其具有成本低、重访周期短、快速高效、质轻灵活、操作简便、影像的时空分辨率高，受地形地貌影响小等显著优势7-8，可以实现对采煤地面塌陷区遥感影像的快速获取，为矿区地裂缝的信息提取提供了理想的数据源9-10。目前国内在矿区地表裂缝监测方面已经取得了一些成果，魏长婧等11利用山西省马脊梁矿区无人机影像结合卫星遥感影像
16、，建立了知识模型提取裂缝；韦博文等12以窑街矿区的地裂缝为对象，结合无人机影像，提出改进的一阶高斯差分匹配滤波（MF-FDOG）算法提取黄土区的地裂缝信息；张兴航等13采用GeoEye影像获取地面裂缝特征，提出了一种基于对象的地裂缝分布提取方法；ZHANG 等14基于阈值法对样本进行预分类标注标签，并采用机器学习和数据降维图像处理算法结合的方式进行了裂缝的识别提取；汤伏全等15应用监督分类和随机森林掩膜提取地表裂缝；程健等16针对地裂缝的狭长特性，引入变形卷积，在特征提取中自适应地确定感受野的范围，基于无人机影像提出一种基于混合域注意力变形卷积网络的地裂缝检测方法；赵毅鑫等17利用无人机红外遥感和边缘检测技术对红外图像进行地裂缝检测，评价了不同边缘检测方法的裂缝检测效果，确定了无人机红外遥感识别裂缝的最佳时间窗口。然而研究存在以下问题：卫星数据受空间分辨率和重访时间限制，在提取动态裂缝和裂缝细节问题上比较困难。高分辨率影像加强了地物细节，但增大了同类地物差异，分类结果噪声现象明显，分类结果不理想。人工目视解译矢量化提取裂缝精度高，但由于裂缝破碎形态，提取过程耗费大量人力。无人机热红外遥
