一种融合PS-InSAR和光学遥感的地下无证开采识别方法

专利检索2022-05-11  1

一种融合ps-insar和光学遥感的地下无证开采识别方法
技术领域
:1.本发明属于地下无证开采识
技术领域
:,具体涉及一种融合ps-insar和光学遥感的地下无证开采识别方法。
背景技术
::2.目前主要采用d-insar差分干涉图提取出由地下开采引起地表的开采沉陷特征,并以沉陷特征为划分准则,进行地下无证开采的识别。但当地下开采量较小,在地面上还不足以形成明显的开采沉陷特征时,将无法在差分干涉图中提取出这些特征,使得该方法无法准确识别出地下无证开采事件。通过调研发现,为了躲避执法人员的检查,部分非法分子不惜一切代价,在自建民房内私自开挖煤矿,盗采手段十分隐蔽,从外看就是一座民宅大院,进到屋内就是一个民居环境,极具欺骗性。3.鉴于这些非法事件开采的都是浅层煤资源,且地面上的房屋在较长时间序列中能够保持较强且稳定的雷达散射特性,因此,联合ps-insar技术和高分光学遥感,提取由地下开采引起地面建筑物的微小沉陷信息,并分析其时空发育特征,则能为地下无证开采事件的早期识别、重点监测和有效防控提供可能。技术实现要素:4.本发明的目的是针对上述存在的问题,提出一种融合ps-insar和光学遥感的地下无证开采识别方法。5.本发明采用的技术方案是:6.一种融合ps-insar和光学遥感的地下无证开采识别方法,包括以下步骤:7.步骤1:利用高分光学卫星传感器获取地表建筑物矢量轮廓;8.步骤2:利用星载sar传感器获取矿山地表ps目标数据集的形变信息;9.步骤3:将研究区域提取的建筑物矢量轮廓和获取的ps目标数据集的形变信息在空间上进行叠置分析,提取出每栋建筑物内的ps点集;10.步骤4:通过提取出的时序ps点集对各个建筑物的形变差值、形变梯度和累计形变量进行时空特征分析,筛查出存在异常形变的建筑物,并判断是否存在无证开采。11.优选的,在步骤1中,利用高分光学卫星传感器获取地表建筑物矢量轮廓的具体过程如下:12.步骤101:首先,对高分光学卫星传感器获取的光学遥感图像数据进行预处理;13.步骤102:然后,将预处理后的待提取遥感图像进行自适应裁切,并把切成子区的遥感图像送给segnet网络模型,通过segnet网络模型依次对各子区的像素进行分类;14.步骤103:最后,在融合各个子区的特征提取结果的基础上,通过分析建筑物要素轮廓规则化条件,利用crf平滑的方法提取出遥感影像中建筑物要素的矢量轮廓。15.优选的,在步骤101中,预处理包括对光学遥感图像进行气正射校正、辐射定标、影像配准、影像融合、图像去噪和增强处理。16.优选的,在步骤2中,利用星载sar传感器获取矿山地表ps目标数据集的形变信息的具体过程如下:17.步骤201:对获取到研究区域范围内的m幅sar影像进行差分处理后,可得到m-1幅差分干涉影像对,对于影像中的某个分辨单位,在sar影像序列中的振幅均值(ma)和振幅离差指数(da)可分别表示为:[0018][0019]式中,mi为该像元在第i幅影像中的振幅值,σa为时序振幅标准差;对于高信噪比目标,可用振幅离差指数来等价衡量其相位噪声水平,故当在高信噪比上的像元满足式(1)的条件时,便可认定该像元为ps目标,即:[0020][0021]式中,为平均振幅图像的平均振幅值,为振幅离差指数阈值;当满足条件时,表明振幅均值高的分辨单元具有更高的相干性;而当离差指数阈值小于给定的阈值时,表明分辨单元的振幅离差指值越小,即目标点就越稳定;[0022]步骤202:根据探测到的ps目标及其差分干涉相位时间序列,构建相位模型,计算出ps目标的形变分量和误差分量,得到残余相位,再通过时空滤波估计并剔除差分干涉相位中的大气相位值和残余地形相位,最终获取地表ps目标数据集的形变探测结果。[0023]优选的,在步骤4中,异常形变的建筑物的筛选过程如下:[0024]假设研究区域范围内有n个建筑物ps点pi,i=1,2,…,n,要从中找出m个沉陷较为异常或明显的特征点,[0025]步骤401:计算前后两次各个ps点沉降量的差值,即[0026][0027]步骤402:获取初始沉降种子点集:[0028][0029]式中,s为n个点的集合,δ为沉降阈值,在本文中设置为一常量;[0030]步骤403:依次遍历初始沉降点集seed中的各个点,获取各点在距离d范围内的邻近点集,公式表示如下:[0031][0032]式中,为pi点的邻近点集,为pi点x、y方向的坐标,m为种子点集的个数;[0033]步骤404:计算初始沉降点集seed中的各个点平均梯度变化率步骤404:计算初始沉降点集seed中的各个点平均梯度变化率公式表示如下:[0034][0035]式中,pk为点pi邻近点集中的一点,即邻近点集中的一点,即为点pi邻近点集的个数。和分别表示pi点和pk点的沉降变化量;[0036]步骤405:遍历初始沉降点集seed中的各个点,如果该点的平均梯度变化率大于阈值η,则该点为沉降变化异常点,公式表示如下:[0037][0038]式中,变化率阈值η可根据测区范围内各种子点的平均梯度变化率自适应计算出来,具体计算如下:[0039]η=mean(gradientp) std(gradientp)ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(8)[0040]式中,mean(·)表示计算该区域范围内各种子点的平均梯度变化率的平均值,std(·)为相应的标准差;[0041]步骤406:依次计算set点集中各个点在较长时间监测过程中的累计沉降量,将累计沉降量大于阈值的点确定为最终的异常形变建筑物ps点,公式表示如下:[0042][0043]式中,(t0,t1)为监测时间区间,δz为累计沉降量变化阈值。[0044]本发明的有益效果:本发明提出的一种融合ps-insar和光学遥感的地下无证开采识别方法具有很好的可靠性和适用性,对其识别精度进行评价后,得出局部区域的准确率为40%,探测率为66.67%。附图说明[0045]为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。[0046]图1所示为融合光学遥感和ps-insar技术无证开采识别模型主要对象的交互图。[0047]图2所示为建筑物要素提取流程图。[0048]图3所示为基于ps的sar影像时间序列分析图。[0049]图4所示为本发明提供的一种融合光学遥感和ps-insar技术无证开采识别方法的流程图。[0050]图5所示为异常形变建筑物ps点探测的方法流程图。[0051]图6所示为palsar干涉结果图。[0052]图7所示为palsar影像解缠干涉图。[0053]图8所示为山底村形变时间序列图。[0054]图9所示为研究区2008年quickbird02图像(a)和居民区提取结果(b)。[0055]图10所示为研究区2010年worldview02图像(a)和居民区提取结果(b)。[0056]图11所示为研究区2008年居民区地轮廓提取结果。[0057]图12所示为研究区2010年居民区地轮廓提取结果。[0058]图13所示为山底村居民地ps形变点集提取结果。[0059]图14所示为初始沉降种子点集提取结果。[0060]图15所示为疑似非法采矿点的探测结果图。[0061]图16所示为山底村3号非法采煤点剖面图。[0062]图17所示为3号非法采煤点破坏15号煤层资源储量估算平面图。具体实施方式[0063]为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。[0064]因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。[0065]根据矿山地表建筑物沉陷时空特征分析模型的主要类及其相互关系,可以得出,矿山开采时空过程的实时数据来源主要依赖于对地观测的星载sar和光学卫星传感器以及建筑物地下采动事件,当地下有新的开采事件或者开采面在推进时,开采面对象则会根据地下开采位置和范围,生成对应等级的地质事件,并且将生成的地质事件发送到开采沉陷的地质时空过程中,该时空过程又将此事件发送到影响区域内的矿山地表建筑物,再通过分析矿山地表建筑物的沉陷时空特征,决定是否响应地下无证开采事件的驱动,其主要地质对象和事件的交互作用如图1所示。[0066]由交互图可知,矿山地表对象在地表形变状态满足相应条件时才产生对应级别的事件,随着地下采动事件在不断推进,地质时空过程需不断地通知区域内矿山地表所发生的最新事件,矿山地表通过接收到高分光学遥感提取的建筑物轮廓后,结合ps-insar技术获取的地表沉陷信息,可用来提取矿山地表建筑物的沉陷信息,再通过分析建筑物沉陷时空特征来生成开采沉陷事件,并判断其是否存在无证开采。如果无证开采事件得以确认后,则对该事件进行预警预报响应。当矿权范围对象接收到无证开采事件后,结合空间位置关系,可进一步甄别出矿权范围内和范围外的非法采矿事件。[0067]至此,本发明具体提供了一种融合ps-insar和光学遥感的地下无证开采识别方法,如图4所示,包括以下步骤:[0068]步骤1:利用高分光学卫星传感器获取地表建筑物矢量轮廓;[0069]步骤2:利用星载sar传感器获取矿山地表ps目标数据集的形变信息;[0070]步骤3:将研究区域提取的建筑物矢量轮廓和获取的ps目标数据集的形变信息在空间上进行叠置分析,提取出每栋建筑物内的ps点集;[0071]步骤4:通过提取出的时序ps点集对各个建筑物的形变差值、形变梯度和累计形变量进行时空特征分析,筛查出存在异常形变的建筑物,并判断是否存在无证开采。[0072]1、基于光学遥感的矿区建筑物要素提取[0073]矿区地表建筑物(居民地)是人民生产生活的重要场所,但部分盗取国家矿产资源的非法分子,为了躲避矿山执法人员的检查,竟然在自建民房内开凿井口到地下开挖煤矿,不仅损害了国家的利益,还容易造成一系列的安全事故隐患。如何快速提取矿区地表建筑物,并掌握其沉陷特征和分布现状等信息,能为相关部门快速查处地下非法采矿事件提供科学依据。因此,为了提升提取矿区地表建筑物专题要素的质量和效率,满足地下非法开采高效识别的需要,对光学遥感影像中的典型地物要素,以矿区地表建筑物为主要研究对象,基于深度卷积特征提取像素级建筑物要素。[0074]基于光学遥感影像的深度卷积特征提取建筑物的方法技术流程如图2所示,包括以下步骤:[0075]步骤101:首先,对高分光学卫星传感器获取的光学遥感图像数据进行预处理;[0076]步骤102:然后,将预处理后的待提取遥感图像进行自适应裁切,并把切成子区的遥感图像送给segnet网络模型,通过segnet网络模型依次对各子区的像素进行分类;[0077]步骤103:最后,在融合各个子区的特征提取结果的基础上,通过分析建筑物要素轮廓规则化条件,利用crf平滑的方法提取出遥感影像中建筑物要素的矢量轮廓。[0078]在步骤101中,预处理包括对光学遥感图像进行气正射校正、辐射定标、影像配准、影像融合、图像去噪和增强处理。[0079]2、矿区地表形变ps-insar监测[0080]基于ps点目标的sar影像时间序列分析如图3所示。首先通过单次观测,获取地表ps点的反射信息,可计算出sar卫星和ps点之间的空间距离。如果雷达重复观测期间地面ps点发生了形变,则通过对同一个范围进行反复的对地观测,可根据两次观测期间的移动变形量来测量出地表ps点目标的形变信息。因此,对多时相sar数据进行处理和分析的关键就在于被探测出的具有稳定雷达波散射特性和高相干性的ps目标上。对于ps点目标的探测具体过程如下:[0081]步骤201:对获取到研究区域范围内的m幅sar影像进行差分处理后,可得到m-1幅差分干涉影像对,对于影像中的某个分辨单位,在sar影像序列中的振幅均值(ma)和振幅离差指数(da)可分别表示为:[0082][0083]式中,mi为该像元在第i幅影像中的振幅值,σa为时序振幅标准差;对于高信噪比目标,可用振幅离差指数来等价衡量其相位噪声水平,故当在高信噪比上的像元满足式(1)的条件时,便可认定该像元为ps目标,即:[0084][0085]式中,为平均振幅图像的平均振幅值,为振幅离差指数阈值;当满足条件时,表明振幅均值高的分辨单元具有更高的相干性;而当离差指数阈值小于给定的阈值时,表明分辨单元的振幅离差指值越小,即目标点就越稳定;[0086]步骤202:根据探测到的ps目标及其差分干涉相位时间序列,构建相位模型,计算出ps目标的形变分量和误差分量,得到残余相位,再通过时空滤波估计并剔除差分干涉相位中的大气相位值和残余地形相位,最终获取地表ps目标数据集的形变探测结果。[0087]3、基于建筑物沉陷时空特征的地下无证开采识别方法[0088]在一个邻近范围内的建筑物ps点集中,由地下开采引起地表建筑物沉陷的ps点具有特定的异常形变特征,总结这些形变特征将有助于从较大范围的ps点集中自动筛选出由地下开采引起建筑物沉陷的ps点,从而达到从覆盖范围较大的建筑物(房屋)沉陷信息中快速、准确探测出疑似地下非法开采点的目的。即在设定一定距离范围内的邻近点集中,这些异常形变建筑物ps点的时空特征主要表现为以下三点:一是在短时间监测中,异常形变建筑物ps点前后两次沉降量的差值相对较大,即沉降速率也将更大;二是相较于正常建筑物形变点,异常形变建筑物ps点的平均梯度变化率相对较大。三是针对较长时间的监测,异常形变建筑物ps点的累计形变量相对较大。[0089]基于以上三点特征,主要采用逐步渐进的方式进行异常形变建筑物ps点探测,方法流程图如图5所示。该方法首先通过计算短时间监测中各个ps点前后两次的沉降量,将沉降量相对较大的ps点作为异常ps点候选点集;进而,遍历候选点集中的各个ps点,计算各个点的梯度变化率,将变化率较小的ps点从异常候选点集中剔除。最后,计算候选点集中各个点的累计沉降变化量,将变化量较大的点确定为异常形变建筑物ps点。[0090]即假设研究区域范围内有n个建筑物ps点pi,i=1,2,…,n,要从中找出m个沉陷较为异常或明显的特征点。[0091]步骤401:计算前后两次各个ps点沉降量的差值,即[0092][0093]步骤402:获取初始沉降种子点集:[0094][0095]式中,s为n个点的集合,δ为沉降阈值,在本文中设置为一常量;[0096]步骤403:依次遍历初始沉降点集seed中的各个点,获取各点在距离d范围内的邻近点集,公式表示如下:[0097][0098]式中,为pi点的邻近点集,为pi点x、y方向的坐标,m为种子点集的个数;[0099]步骤404:计算初始沉降点集seed中的各个点平均梯度变化率步骤404:计算初始沉降点集seed中的各个点平均梯度变化率公式表示如下:[0100][0101]式中,pk为点pi邻近点集中的一点,即邻近点集中的一点,即为点pi邻近点集的个数。和分别表示pi点和pk点的沉降变化量;[0102]步骤405:遍历初始沉降点集seed中的各个点,如果该点的平均梯度变化率大于阈值η,则该点为沉降变化异常点,公式表示如下:[0103][0104]式中,变化率阈值η可根据测区范围内各种子点的平均梯度变化率自适应计算出来,具体计算如下:[0105]η=mean(gradientp) std(gradientp)ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(8)[0106]式中,mean(·)表示计算该区域范围内各种子点的平均梯度变化率的平均值,std(·)为相应的标准差;[0107]步骤406:依次计算set点集中各个点在较长时间监测过程中的累计沉降量,将累计沉降量大于阈值的点确定为最终的异常形变建筑物ps点,公式表示如下:[0108][0109]式中,(t0,t1)为监测时间区间,δz为累计沉降量变化阈值。[0110]因此,基于光学遥感和ps-insar技术提取出的地表建筑物形变ps点集,通过总结其沉陷时空特征规律,可以从建筑物ps点集中更准确地筛选出异常形变的ps点,而由于地表建筑物异常形变与在其地下开釆活动又存在一定的空间对应关系,故通过结合建筑物ps点的形变特征和在其下方采空区的空间关系,可进一步识别出地下无证非法开采事件。[0111]实例分析与验证[0112](1)研究区概况[0113]山西省的矿产资源丰富、分布广、煤层厚,是我国的煤炭生产基地。据统计,累计查明山西省煤炭资源量约占全国总量的三分之一,其煤炭资源约占山西国土面积的39.6%。阳泉市位于山西省沁水煤田的东北方向,是全国最大的无烟煤生产基地。由于具有地质构造简单、易开采、埋藏浅和开采成本低等特性,使得当地私挖滥采现象泛滥,尽管当地政府每年都会开展严厉打击非法采矿专项行动,详细排查各类非法采矿特别是非法洞采行为,但非法违法采矿现象仍时有发生。如2011年至2012年期间,非法采矿分子组织人员利用电镐等工具,以洞采方式在阳泉市郊区前庄村的一个居民院内盗采煤炭资源,采出了100多吨煤炭,但非法采煤造成煤炭资源破坏可采总量为3000余吨,破坏煤炭资源价值高达116万余元;2012年至2013年期间,非法采矿分子在阳泉市郊区大阳泉村的居民房屋内,同样以洞采的方式盗采了600余吨煤炭资源[204]。因此,为了验证联合ps-insar技术和高分光学遥感来识别此类地下无证非法采矿事件的实效性和可靠性,本次实例分析选取山西省阳泉市郊区河底镇山底村为主要研究区域。[0114](2)palsar数据[0115]阳泉境内地形复杂、气候多变,地表植被覆盖种类丰富,乔灌草齐全,且受季节影响严重,易造成干涉图失相干现象。因此,对阳泉地区非法采矿识别的实际应用中,首先得满足对矿区地表形变的高精度观测需求,而雷达影像数据的波长、地面分辨率等参数将会影响其监测矿区地表沉陷信息的精度和能力,故选取合适的sar数据源就至关重要了。在常规星载sar卫星当中,l波段的palsar卫星数据由于波长较长,且空间分辨率为10m,具有较强的保相能力,能够更好地降低失相干和相位不连续性的影响。[0116]鉴于alos卫星palsar数据穿透力较强、大范围空间覆盖的优势,本次选取2008年12月1日至2011年5月6日期间获取的20景palsar数据研究阳泉境内矿区地表的沉降信息。研究区各景数据的成像模式和极化方式等具体参数信息见表1。[0117]表1palsar数据参数信息[0118][0119][0120](3)光学遥感影像[0121]为了从获取到研究区地表ps目标数据集上分离出建筑物(居民地)目标的形变信息,本研究获取了存档的陕西省阳泉地区2008年9月20日的quickbird02和2010年10月11日worldview02的高分辨率数据来提取出矿区地表上的建筑物矢量轮廓,其数据参数分别如表2和3所示。[0122]表2quickbird02影像数据参数[0123][0124]表3worldview02影像数据参数[0125]table5-3dataparametersofworldview02image[0126][0127][0128](4)dem数据[0129]srtm数据包括多种格式和不同精度,有30m、90m和900m等不同分辨率的数据[205]。为了保证实验数据的空间分辨率,降低外部dem数据对结果引入的误差,实验中选取了30m空间分辨率的外部srtmdem数据进行palsar影像的干涉处理和移除地形相位,同时,鉴于多视处理会降低影像数据的空间分辨率,故在palsar卫星数据成像处理时采用1:2的多视系数。[0130]ps-insar获取沉降信息[0131]采用永久散射体合成孔径雷达干涉测量方法来监测研究区居民地形变信息,选取了成像日期为20090103的sar影像作为公共主影像,形成20对干涉对,其中最短的时间基线46天,最短的干涉对空间基线109m,数据的基线长度等详细信息见表4。[0132]表4干涉相对组合[0133][0134][0135]然后对以上干涉对进行差分干涉处理,得到的20幅palsar干涉图见图6。再采用外部dem数据来消除影像处理引起的地形相位信息,并采用自适应滤波的方法来获取更为清晰的差分干涉条纹,接着利用三维相位解缠进行相位解缠,并采用三次多项式模型来剔除相位趋势,得到的解缠干涉图如图7所示。[0136]图12显示的是2006年12月29日至2011年1月9日间河底镇山底村的时间序列图。各个形变图的累积形变量均是以2006年12月29日为参考时间,每幅图右下角的日期为对应每景sar影像成像的时间。[0137]光学影像提取建筑物轮廓[0138]首先,对获取到的quickbird02和worldview02影像进行大气校正、几何校正、数据融合等预处理操作。并且为了使两景影像具有统一的空间分辨率,将所有数据重采样到0.5米的空间分辨率。在进行了影像预处理的基础上,再对影像中地物要素进行特性分析并构建居民地样本库,然后从语义分割角度利用深度卷积特征进行像素级居地区的提取,影像分割使用的尺度参数、形状参数、紧致度参数分别为40、0.6、0.5,研究区2008年quickbird02和2010年worldview02原始图像,以及居民区提取结果分别见图9和10,2008年与2010年居民区自动提取的精度分别为90.5%和91.2%。[0139]最后,通过分析居民地要素轮廓规则化条件和原则,依据轮廓规则化方法,对提取出的居民区进行网络推理和平滑处理。同时,为了能够更好的显示居民地轮廓,在自动提取的基础上,对明显错误的建筑物采用目视修正的方法优化自动提取结果,2008年和2010年研究区居民地轮廓提取结果分别如图11和12所示。[0140]地下非法采矿识别与分析[0141]根据以上由高分辨遥感影像提取出2008年和2010年山底村居民地要素的矢量轮廓,通过调用arcgis中的空间分析工具,可从利用ps-insar技术探测到的ps目标数据集上分离出地表房屋目标,便可提取出研究区内每栋居民地的ps点集,并且保留山底村村界范围内的ps点集,最终提取出2006年12月29日至2011年1月9日间山底村居民地ps形变点集信息如图13所示。[0142]再通过逐步渐进探测异常形变建筑物ps点方法,首先计算研究区时序前后两次监测到各个点沉降量的差值,根据设定的沉降阈值,获取到各相邻时序期间的初始沉降种子点集如图14所示,每幅图左上角的日期为对应每景sar影像成像的时间。鉴于非法开采事件均是以洞采的方式隐蔽在建筑物下开展的活动,且开采的深度比较浅,采深一般是6m左右,这使得地下非法开采活动更容易波及到地表,当地下的煤炭不断被采出时,将诱发地表上的建筑物产生形变,且由于监测使用的palsar数据往返周期较长,每一个周期内监测到的形变量也将更大,因此,结合研究区监测数据的整体情况,在实验中把沉降阈值设置为10mm。[0143]根据提取出山底村的居民地ps形变点集结果,然后再依次遍历初始沉降种子点集中的各个点,获取各点在距离100m范围内的邻近点集,计算出初始沉降点集中各个点的平均梯度变化率,如果该点的平均梯度变化率大于阈值η,则该点为初步的沉降变化异常点,其中变化率阈值η可根据测区范围内各种子点的平均梯度变化率自适应公式(8)计算得出。最后,依次计算沉降变化异常点集中各个点在某一时间序列监测过程中的累计沉降量,并将一段时间序列内累计沉降量大于80mm的点确定为最终的异常形变建筑物ps点,这些点则可被视为疑似非法采矿点,其空间位置分布情况如图15所示。其中,累计沉降量阈值的确定主要是依据监测时间区间研究范围内由非地下开采引起地表建筑物的最大平均形变经验值。[0144]根据疑似非法采矿点各相邻形变差值的变化情况,可推测出其非法开采的时间。其中1号疑似非法采煤点的推测开采时间为2006年12月至2018年1月期间,2号疑似非法采煤点的推测开采时间为2007年2月至2008年7月期间,3号疑似非法采煤点的推测开采时间为2009年10月至2011年1月期间,4号疑似非法采煤点的推测开采时间为2008年2月至2009年4月期间,5号疑似非法采煤点的推测开采时间为2009年2月至2010年4月期间。[0145]为了验证探测结果的可靠性和适用性,通过到当地国土资源监管部门查阅山底村非法采煤的历史资料,并将查处到非法开采的历史资料和探测出的非法采煤点进行对比分析,在2006年12月至2011年1月期间,历史查处到的非法采矿点有3个,除了探测到的1、2、5号三个疑似非法采煤点没有历史查处的记载外,3号和4号疑似非法采煤点在相应的时期内均有过非法采矿的现象。如2007年12月至2009年2月间,煤矿非法开采分子在4号采煤点的自家民房内,组织工人以洞采的方式,利用电镐、三轮车等工具非法开采国家煤炭资源,于2009年3月被当地国土资源监管部门查获,造成破坏煤炭可采资源总量为9000余吨,造成国家近400万余元的经济损失。其中,探测出山底村3号非法采煤点的剖面图见图16,煤矿非法开采分子在自家房屋内,采取洞采方式进行非法采矿,开采口的标高为848.633m,开采煤矿所在的煤层编号为15号,已开采出15号煤层最深处的见煤点是5号点,其底板标高为838.437m。[0146]图17为该非法采煤点破坏15号煤层资源储量的估算平面图,竖井口的坐标位置在全国80坐标系之下为(4210531.655,38457885.871),其中横坐标38代表3度带的带号。3号见煤点的标高为841.759m,5、6、7号见煤点的地板标高分别为838.437m、839.326m和838.754m。[0147]2009年8月至2010年10月期间,从该非法采矿点非法采出煤炭476吨,其中开采的块段面积为170m2,煤层厚度为2m,视密度为1.4t/m3,煤矿开采回采率为100%。而非法开采破坏15号煤层的范围为2417m2,煤层厚度为5.38m,视密度为1.4t/m3,煤矿开采回采率为75%,最终所破坏煤炭可采资源总量为13654吨,造成煤炭资源破坏的经济价值高达500万余元。[0148]通过将探测出2006年12月29日至2011年1月9日间山底村的非法采煤点与历史查处资料进行对比分析,得出历史查处到的3个非法采煤点中有2个能被探测出来,探测到的5个疑似非法采矿点有2个被证明是历史查处到的非法采矿点,局部区域的准确率为40%,探测率为66.67%,且探测结果与实际情况基本一致,在开采时间上也基本吻合。但探测出的非法采煤点的位置与实际的开采位置存在大约50m左右的偏差,这主要是由于探测出的异常形变建筑物ps点位于最深处见煤点的上方,而不是开采口,从开采口通过开采巷道到已开采煤层还有着一定的距离,故它们在空间位置上存在的距离偏差是合理的。因此,通过以上实例分析与验证,表明了该方法是可行的,具有一定的工程适用性和实际应用价值。[0149]通过在山西省阳泉市郊区山底村进行非法采矿识别的实例分析验证了该方法的可靠性和适用性,并对其识别精度进行评价,得出局部区域的准确率为40%,探测率为66.67%。[0150]以上所述,仅用以说明本发明的技术方案而非限制,本领域普通技术人员对本发明的技术方案所做的其它修改或者等同替换,只要不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。当前第1页12当前第1页12
转载请注明原文地址:https://win.8miu.com/read-950356.html

最新回复(0)