无人机遥感技术在采煤地面塌陷监测中的应用_侯恩科.pdf

第 45 卷 第 6 期 煤田地质与勘探 Vol. 45 No.6 2017 年 12 月 COAL GEOLOGY 2. Foundation Treatment Technology Co., Ltd., Ningbo University, Ningbo 315211, China; 3. Xi’an Center of China Geological Survey, Xi’an 710054, China Abstract In order to study the application of UAV remote sensing technology in monitoring of coal mining- in- duced subsidence, taking fully-mechanized coal mining face 011805 in Jinfeng coal mine as an example, the of the interpretation of surface cracks, the calculation of ground settlement and the rule of surface subsi- dence are discussed in this paper. The results show that the flight height of UAV can be determined according to the need to identify the width of surface cracks, and for identification width of surface cracks of 2 cm in general the flight height should not exceed 143 m in the flat area. The based on the rules of spectrum, elongation and compactness is suitable for extracting surface cracks automatically, and the image segmentation model based on edge detection and the image fusion model based on Full Lambda Schedule should be adopted when using this to identify surface cracks. Surface subsidence and subsidence coefficient can be obtained through fitting and correcting the remote sensing elevation value of UAV, which shows that the remote sensing technology can be used to monitor coal mining-induced surface subsidence. The number of surface cracks in the fully-mechanized coal mining face is large, and they are vertical in the direction of extraction roughly; while the number of surface cracks near the face opening and crossheading is small, and they are parallel to the face opening and crossheading roughly. Keywords UAV remote sensing technology; surface collapse; surface cracks; geological hazard monitoring; coal mining ChaoXing 第 6 期 侯恩科等 无人机遥感技术在采煤地面塌陷监测中的应用 103 采煤地面塌陷是煤矿开采对地表岩土体破坏而 形成的一类地质灾害，主要包括地表裂缝、塌陷盆 地、塌陷坑、塌陷槽和伴生滑坡崩塌等类型[1-3]。宁 东煤炭基地是我国重要的大型煤炭基地， 其大规模、 高强度开采形成的地面塌陷区具有面积大、动态变 化和危险性高等特点[4-6]。传统人工监测手段无法保 证高效率和大面积精细监测，有人机遥感和卫星遥 感技术又存在影像分辨率低且无法识别较小宽度地 表裂缝的问题。无人机遥感技术的出现和发展，为 这一问题的解决提供了一种新思路[7]。无人机遥感 具有影像分辨率高、成本低、机动灵活、不受复杂 地形影响等一系列技术优点， 可以实现对采煤地面塌 陷区遥感影像的快速获取， 结合实地调查数据， 能迅 速而准确地完成采煤地面塌陷的监测任务， 甚至为更 大范围采煤地面塌陷的监测提供技术支持[8-9]。 关于无人机对采煤地面塌陷的监测研究，2011 年周文生等[10]选用宁东羊场湾矿区作为研究区域， 运用 0.2 m 高分辨率无人机遥感影像分析和统计了 地表裂缝和塌陷盆地的分布特征。2012 年魏长婧 等[11]从马脊梁矿区地表裂缝无人机影像中，采用多 种提取方法，建立了对应识别模型，绘制了裂缝分 布图。 2013 年赵星涛等[12]采用无人机遥感技术获得 了 0.2 m 高分辨率影像，解译识别了塌陷坑和地表 裂缝等采煤地面塌陷灾害，并运用 MSPS 软件对下 沉值进行预计，得到了矿区的下沉等值线图。2014 年张启元等[13]利用无人机对青藏高原大通矿区进行 了 0.1 m 高分辨率采空区地面监测，准确解译了塌 陷信息，建立了一套适合高原特殊地理环境下采煤 地面塌陷灾害监测的技术流程。 总结无人机在采煤地面塌陷监测中的应用，目 前利用无人机遥感技术对采煤地面塌陷的监测精度 多在 0.1 m 以上，无法识别较小宽度的地表裂缝； 地表裂缝的解译多采用人工目视解译，基于计算机 信息提取的分类方法研究不够深入；对综采工作面 地面塌陷的发育规律认识不清，也没有学者开展利 用无人机遥感技术直接计算地表下沉值等地表岩移 参数的研究。因此，提高无人机遥感影像分辨率， 建立适合采煤地面塌陷裂缝的信息提取模型，借助 无人机充分认识地面塌陷发育规律和利用遥感影像 直接计算地表下沉值是采煤地面塌陷地质灾害监测 中急需解决的难题。 笔者以 MD4-1000 四旋翼低空无人机航测系统 在宁东煤炭基地金凤煤矿 011805 综采工作面地面 塌陷灾害监测中的应用为例，探讨无人机遥感技术 在采煤地面塌陷监测中的应用方法和技术，为采煤 地面塌陷地质灾害调查监测提供一种新方法。 1 研究区概况 011805 综采工作面隶属神华煤业集团金凤煤 矿， 地处毛乌素沙漠西南边缘， 地面标高 1 203.02 1 328.98 m，属于平原地区，且地表植被稀少，地 形地貌条件相对简单。采用走向长臂机械化开采， 垮落法管理顶板方式，2015 年 8 月开始回采，2016 年 4 月回采完毕。工作面走向长度约 820 m，倾向 长度约 300 m。工作面开采 18 煤，平均煤厚 3.8 m， 煤层平均埋深 220 m，煤层平均倾角为 2.2，属于 近水平煤层。上覆基岩厚度约 180 m，其中老顶平 均厚度 14.7 m，以中砂岩和粗砂岩为主，直接顶以 粉砂岩为主，平均厚度 2.35 m，近地表松散层厚度 约 40 m。 该工作面西侧与 011803 工作面毗邻，并且与 011201 和 011203 工作面均开采 12 煤且已开采完 毕，平均煤厚 1.85 m，近水平煤层有叠置开采区域 图 1，工作面回采后，地面塌陷破坏严重，地表裂 缝和塌陷盆地是主要的地表破坏形式。 图 1 研究区范围示意图 Fig.1 The schematic diagram of the study area 2 无人机遥感系统 2.1 无人机遥感系统组成 无人机遥感系统是指以无人飞机作为平台，搭 载高性能数码相机、数码摄录机等数字遥感设备进 行拍摄和记录，通过对遥感影像数据的分析处理， 以实现对地面信息的实时调查与监测[14]。 一个完整的无人机遥感系统包括外业空间信 息采集和内业数据处理两个子系统[15] 外业空间信 息采集系统分为导航设备、飞行平台、地面站、遥 控设备、数据接收和传感器 6 个部分；内业数据处 理系统主要包括影像畸变纠正、 自动空中三角测量 和数字立体测图等数据处理子系统， 通过数据处理 获取 DOM、DEM、DLG 和 DSM 等成果，如图 2 所示。本文采用的飞行平台为德国 MD4-1000 四旋 翼航拍专用无人机图 3，该无人机主要性能指标 见表 1。 ChaoXing 104 煤田地质与勘探 第 45 卷 图 2 无人机遥感系统组成图 Fig.2 The illustration of UAV remote sensing system 图 3 MD4-1000 无人机 Fig.3 MD4-1000 UAV 表 1 MD4-1000 无人机主要性能指标 Table 1 Main perance index of MD4-1000 UAV 性能指标 参数 性能指标 参数 爬升速率 7.5 m/s 巡航速度 15.0 m/s 最大功率 1 000 W 机身自重 2 650 g 飞行时间 50 min/电池 任务载荷 2 000 g最大 飞行半径 5 000 m 飞行高度 1 000 m 遥控距离 5 000 m 抗风能力 12 m/s 2.2 传感器特征 采用的遥感传感器是日本索尼公司生产的SONY A7R 数码相机，具有操作稳定、坚固耐用、高精度和 大容量性能等特点，并适用于恶劣环境条件。该相机 配备 3 640 万有效像素和 3 700 万最大像素的全画幅 CMOS 传感器，传感器尺寸为 35.9 mm24 mm，续航 能力为 340 张，分辨率是 7 3604 912 像素，像元大 小为 4.88 μm，采用 35 mm 定焦。 2.3 数据处理系统 数据处理系统选择 Pix4D Mapper 2.0 无人机图 像处理专业软件。该软件是目前市场上独一无二的 集全自动、快速、专业精度为一体的无人机数据和 航空影像处理软件，可将数千张影像快速制作成专 业、精确的二维地图和三维模型。 3 地面塌陷监测方法与技术 以金凤煤矿 011805 综采工作面采煤地面塌陷 地质灾害为调查监测对象，进行了无人机航拍、图 像处理、地面塌陷裂缝感解译、地表下沉量计算和 地面塌陷规律分析等研究工作，建立了采煤地面塌 陷无人机航测遥感数据“获取处理应用”的完 整技术流程图 4。 图 4 采煤地面塌陷监测技术流程图 Fig.4 Flowchart of surface collapse monitoring technology 3.1 航线设计 无人机航线设计应充分考虑到相对航高、 航向 和重叠率等重要因素[16]。金凤煤矿 011805 综采工 作面近似长方形， 因此无人机航线沿工作面的走向 布置。由于研究区内地形地貌条件相对简单，可将 无人机的航向和旁向重叠度分别设置为 70和 50。 地表裂缝是采煤地面塌陷的主要类型，存在数 量多和宽度小的特点，且多数地表裂缝宽度在 2 cm 以上。为对该工作面内的地表裂缝进行全面监测， 可将本次监测的地面分辨率设为 2 cm，并结合相机 参数，由无人机相对航高公式1计算得到相对航高 约为 143 m。 GSDf H a   1 式中 GSD为地面分辨率，m；f为相机镜头焦距， mm； a 为相机像元尺寸，mm。 为验证143 m的相对航高是否能准确识别出宽 度约2 cm的地表裂缝， 本次研究采用试验分析的方 法进行验证， 即对同一地表裂缝进行不同航高航拍。 通过对一条宽度为2 cm的地表裂缝进行试拍， 分别 得到130 m、143 m、150 m和160 m相对航高对应 的图像图5。 从图5中可以看出，130 m和143 m相对航高 对应的图像能比较清楚地识别裂缝，150 m相对航 高对应的图像基本能识别裂缝，160 m相对航高对 应的图像几乎无法识别裂缝。 结合011805工作面实际情况， 通过综合考虑图 像分辨率、重叠率、电池性能和安全等因素，本次 监测将相对航高设置为143 m。 3.2 遥感影像获取与处理 本次外业航测飞行1个架次， 共获取约2 cm分 辨率数码影像140张，影像获取的时间选择在光线 较好且风力较小的晴天中午。每一架次航拍完成后 ChaoXing 第6期 侯恩科等 无人机遥感技术在采煤地面塌陷监测中的应用 105 图 5 不同相对航高拍摄的同一地表裂缝 Fig.5 The same surface crack filmed at different relative flight height 导出相片和POS数据，并对遥感影像重叠度和质量 进行仔细检查。 影像处理采用Pix4D Mapper 2.0无人机图像处 理专业软件，将POS数据、相控点坐标和照片导入 软件，即可进行畸变改正、影像匹配和空三测量等 处理， 生成点云、DEM、DOM和DSM等数字产品。 在实际图像处理过程中，考虑到工作面航拍照片存 在数量多和文件大的特点，若将所有照片进行拼接 会形成一个现有设备无法读取的超大DOM图像文 件TIFF格式。为避免以上问题，将工作面分割为 3个部分，并分别生成对应的DOM，最后进行拼接 得到整个工作面DOM图像。 3.3 采煤地面塌陷遥感解译 3.3.1 采煤地面塌陷类型及图像特征 图6为利用无人机在金凤煤矿011805工作面获 取的遥感图像。研究区属平原地区，采煤地面塌陷 主要表现形式为拉伸型地表裂缝。地表裂缝一般长 几米至100多米，宽几厘米至几十厘米，分布于工 作面上方，形态上多表现为弧形、折线形、直线形 图 6 拉伸型地表裂缝遥感图像 Fig.6 Remote sensing image of tensile surface cracks 和交叉形，大致呈等间距平行排列，在色彩上常表 现出深灰色，属于线性影像。 3.3.2 解译标志 本次遥感监测的主要对象是地表裂缝，通过建 立地表裂缝的解译标志在DOM图像上进行目视解 译，并将地表裂缝的遥感解译标志分为直接标志和 间接标志两种[17-19]。 a. 直接标志 地表裂缝线状纹理明显，多以锯 齿状、线状或者环形展布在工作面内部或者周边， 裂缝中间宽两端窄，向两端逐渐尖灭，长度一般几 米到几百米。拉伸型地表裂缝在遥感影像上呈现出 中间色调明显较两边发黑的特点。 b. 间接标志 地表裂缝在工作面内部或者周 边，采煤塌陷地表裂缝常被人工填埋，使其在遥感 影像上表现为没有植被或植被发育不良的灰白色条 带，可作为识别采煤地表裂缝的间接标志。 3.3.3 解译方法 选择植被较少、地形平坦和地表裂缝数量较多 且类型齐全的区域作为解译方法的研究区，分别采 用人工目视解译和计算机自动分类进行裂缝解译方 法研究。 a. 人工目视解译 人工目视解译是通过将 DOM图像导入AutoCAD软件，利用CAD强大的 绘图功能按照地表裂缝解译标志，综合分析和识别 地表裂缝的过程。 本文中选取了地表裂缝发育较多、 图像较清晰的小型区域作为人工目视解译的研究 区，遵循由整体到局部和由易到难的原则，将地表 裂缝全部识别出来，如图7所示。图7中采用人工 目视解译方法识别到的地表裂缝共有16条， 长度变 化较大，且多以直线和弧形大致平行排列。 图 7 人工目视解译效果示意图 Fig.7 Sketch map of the effect of artificial visual interpretation b. 计算机自动分类 计算机自动分类采用ENVI 5.1软件面向对象 的图像信息提取分类技术，该分类技术主要有基于 样本和基于规则的面向对象信息提取[20]。由于拉伸 型地表裂缝整体呈现出中间颜色较两侧发暗和线状 ChaoXing 106 煤田地质与勘探 第45卷 影像的特点，笔者优先考虑采用基于光谱、延长线 和紧密阈值规则的面向对象信息提取分类方法。 为去除其他地物对裂缝信息提取的影响，在图 像分割和融合时可分别选用基于边缘检测的分割和 基于Full Lambda Schedule的融合模型， 其阈值经试 验可分别设置为95和75，而光谱阈值、延长线阈 值和紧密阈值区间经试验可分别设置为23.692.7、 0.121.17和0.260.28，分类结果如图8所示。 图 8 自动分类效果示意图 Fig.8 Sketch map of automatic classification effect 由图8知，基于光谱、延长度和紧密度规则的 面向对象分类方法对拉伸型地表裂缝提取的效果较 好，识别到地表裂缝的数量和长度均较为准确。相 对目视解译，具有省时、省力和高效的特点。 3.4 地表移动变形参数计算与分析 地表移动变形参数计算方法实际上采用的是对 比分析法，即计算工作面采前和采后的地表高程差 值。具体步骤是第一，对无人机遥感图像进行处 理，获得研究区各点GPS坐标数据点云数据；第 二，布置坐标校正点并进行异常值计算；第三，进 行GPS高程拟合校正；第四，进行地表沉降量计算 与成图。 3.4.1 点云数据生成 无人机航空摄影测量能获取研究区高精度遥感 图像，经图像空中三角测量处理后按1 000 cm的网 格密度大小可导出研究区内各网格点 P1，P2，， Pn的平面坐标 x、y 和大地高 Hd，这里简称无人机 航测点。并将计算结果列于表2中。 3.4.2 校正点布置与异常值计算 由于研究区工作面为矩形且面积较小，地形地 表 2 无人机航测地表高程值 Table 2 Surface elevation surveyed by UAV 点号 北 x /m 东 y /m 大地高 Hd /m P1 4 168 175.85 36 399 792.29 1 414.93 P2 4 168 175.85 36 399 802.29 1 414.66 P3 4 168 175.85 36 399 812.29 1 414.65     Pn-2 4 167 795.85 36 399 812.29 1 430.18 貌条件简单，故从无人机航测点中选择5个地面测 量点 P1、P2、P3、P4和 P5，地面控制测量的点应分 布在工作面的4个角落和中心位置图9。 图 9 地面控制测量点分布示意图 Fig.9 The distribution diagram of ground control points 分别对地面测量点 P1、P2、P3、P4和 P5进行放 样，并按高程4等水准测量的高精度控制测量要求对 这些地面测量点一一施测， 得到各控制测量点 P1、 P2、 P3、P4和 P5的正常高 Hz，这里简称为实际测量点。 分别将地面控制测量得到的5个点 P1、P2、P3、 P4和 P5和无人机航测得到的各网格点 P1、P2、、 Pn展布在金凤煤矿011805工作面地形图上，分别 寻找和选择距离 P1、P2、P3、P4和 P5最近的无人机 航测网格点 P11、P22、P33、P44和 P55，将 P1、P2、 P3、P4和 P5这5个点的大地高程值分别赋给 P11、 P22、P33、P44和 P55，即可得到 P11、P22、P33、P44 和 P55这5个点的对应的大地高 Hd和正常高 Hz， 即 可形成5对公共点坐标。根据式2可计算出各公共 点 P11、P22、P33、P44和 P55对应的高程异常值 i ζ， 并将计算结果列于表3中。 dzi ζHH 1,2,,5i 2 表 3 公共点高程异常值 Table 3 Elevation anomaly of common points 点号 北 x /m 东 y /m 大地高 Hd /m 正常高 Hz /m 高程异常值 ζi /m 位置 P11 4 167 735.854 36 399 752.294 1 429.50 1 426.66 2.84 工作面四周 P22 4 168 465.854 36 399 602.294 1 421.82 1 415.78 6.04 工作面四周 P33 4 168 175.854 36 399 802.294 1 414.66 1 413.30 1.36 工作面中心 P44 4 167 775.854 36 399 982.294 1 429.84 1 423.79 6.05 工作面四周 P55 4 168 545.854 36 399 842.294 1 416.05 1 416.94 -0.89 工作面四周 ChaoXing 第6期 侯恩科等 无人机遥感技术在采煤地面塌陷监测中的应用 107 3.4.3 GPS高程拟合校正 根据各公共点坐标的高程异常值，采用平面4 参数拟合模型对无人机航测得到的三维坐标进行拟 合校正处理。并根据式3可计算得到 0 a、 1 a、 2 a和 3 a这4个参数的值。 0123 ,1,2,,5 iiiii ζaa xa ya x yi 3 式中 0 a、 1 a、 2 a和 3 a为未知参数， i x和 i y为各公共 点 P11、P22、P33、P44和 P55对应的平面横纵坐标，m。 由于实际情况下，由地面控制测量得到的公共 点的数目大于4个，存在多余观测结果，即可列出 相应的误差方程，即式4 0123 ,1,2,,5 iiiiii vaa xa ya x yζi 4 式中 i v为误差值。 写成矩阵形式为 VXAζ 5 式 中 1 2 m v v v         V， 0 1 2 3 a a a a        A， 1 2 m ζ ζ ζ         ζ ， 111 1 2222 1 1 1 mmmm xyx y xyx y xyx y         X。 根据最小二乘法原理可求得式6，即可求得 0 a、 1 a、 2 a和 3 a的值， 分别为9 661 427 368.065 82、 -265.425 73、-2 317.990 168和6.368 1510–5。 0 1T1T 2 3 a a a a         AX XX ζ 6 将 0 a、 1 a、 2 a和 3 a代入式3可求得到研究区 内的所有网格点 P1、 P2、 P3、 、 Pn的高程异常 i ζ 1,2,3,, in， 将 i ζ代入式2即可得到研究区内的 所有网格点 P1、P2、P3、、Pn的校正高程值 Hj， 并将结果列于表4中。 3.4.4 沉降量计算与成图 对金凤煤矿011805综采工作面按100 m100 m 进行网格划分， 并对各网格点进行编号处理。 将GPS 高程拟合校正后得到的点 P1、P2、⋯、Pn的坐标 x、y 和正常高 Hj坐标分别展点到金风煤矿011805 综采工作面的采前地形图上。根据式7，对比和分 析各网格点采前和采后的高程值，即可计算得出研 究区开采前与开采后的地表沉降量值ΔH，并绘制 综采工作面下沉量等值线图图10。 0 Δ j HHH 7 式中 0 H为开采前原地形图上的高程值，m； j H为 经GPS高程拟合校正后的各平面点 P1、P2、⋯、 Pn的高程值，m。 表 4 GPS 高程拟合校正结果 Table 4 Results of GPS elevation after fitting and correcting 点号 北 x /m 东 y /m 大地高 Hd /m 拟合校正结果 Hj /m 高差绝对值 H /m P1 4 168 175.85 36 399 792.29 1 414.93 1 413.13 1.80 P2 4 168 175.85 36 399 802.29 1 414.66 1 412.96 1.70 P3 4 168 175.85 36 399 812.29 1 414.65 1 413.05 1.60       Pn-2 4 167 795.85 36 399 812.29 1 430.18 1 426.78 3.40 Pn-1 4 167 795.85 36 399 822.29 1 430.13 1 426.59 3.54 Pn 4 167 795.85 36 399 832.29 1 430.23 1 426.55 3.68 3.4.5 与概率积分法预计结果的比较 为验证采煤地表下沉无人机航测数据的准确 性，采用概率积分法对011805工作面地表移动变 形参数进行预计。因金凤煤矿18煤上覆基岩属于 以砂岩为主的较坚硬岩层， 据文献[21]取水平移动 系数 b 为0.25，拐点偏移距 d 为0.15HH 为煤层 埋深，m，tanβ 为1.6，η 为0.65；12煤上覆基岩 属于以风化基岩为主的较软弱岩层，取水平移动 系数 b 为0.25，拐点偏移距 d 为0.10H，tanβ 为 2.2，η 为0.85。 按半无限叠加方法计算研究区内各网格点位置 地表的最大移动变形值和下沉系数，并将部分网格 点的计算结果列于表5。 从表5可看出，采用概率积分方法计算得到的 下沉量和下沉系数的预计值与无人机航测校正值基 本一致，且相对误差较小，但整体表现出预计值较 航测校正值偏大， 原因是011805工作面内的采动地 面塌陷尚未达到稳定状态。 ChaoXing 108 煤田地质与勘探 第45卷 图 10 011805 工作面及叠置区地面下沉等值线图单位m Fig.10 The map of the settlement contour in working face 011805 and overlapping area 表 5 半无限叠加开采计算结果 Table 5 The calculation results of the semi-infinite superposed mining 下沉值 下沉系数 编号 预计值/m 航测校正值/m 相对误差/ 预计值 航测校正值 相对误差/ 备注 25 1.87 1.73 8.09 0.49 0.46 8.09 35 0.58 0.55 5.45 0.15 0.14 5.45 36 1.87 1.84 1.63 0.49 0.48 1.63 37 2.11 2.08 1.44 0.56 0.55 1.44 叠置区外 17 2.02 1.98 2.02 0.36 0.35 2.02 18 2.02 2.04 0.98 0.36 0.36 0.98 28 2.95 3.01 1.99 0.52 0.53 1.99 29 2.95 2.88 2.43 0.52 0.51 2.43 40 2.96 3.02 1.99 0.52 0.53 1.99 42 2.86 2.75 4.00 0.51 0.49 4.00 51 2.01 1.81 11.05 0.36 0.32 11.05 53 1.98 1.86 6.45 0.35 0.33 6.45 叠置区内 4 采煤地面塌陷发育规律 4.1 地表裂缝发育规律 综合利用人工目视解译和计算机自动分类的方 法对金凤煤矿011805工作面内的地表裂缝进行解 译，根据地表裂缝解译结果，得到011805工作面地 表裂缝分布图图11。 从图11中可看到， 研究区内地表裂缝大量发育 在工作面上方，发育范围略大于开采工作面。在切 眼和顺槽附近一般发育25条地表裂缝，其宽度和 长度较大，对地表破坏较严重。 工作面内地表裂缝长度变化较大，一般长几米 至百余米，宽几厘米至几十厘米，且呈现出裂缝中 央宽度最大，向两侧逐渐减小的特点；在形态上多 表现出直线形、弧形和交叉形，大致平行排列，间 距一般为8 m左右，与工作面周期来压步距大致相 同，总体上呈“C”字型，其开口方向与工作面回采方 向基本相反。 4.2 塌陷盆地发育规律 从图10可以看出， 工作面边界处下沉值均大于 10 mm，即可确定塌陷盆地的范围比工作面大。上 下煤层叠置开采区域内的地表下沉值比叠置区外的 明显增大。盆地中央下沉量最大，可达3 100 mm， 沿工作面中心部位向四周下沉值逐渐减小。下沉盆 地总体上呈现平底形式，在工作面四周则表现出坡 度较小的斜坡。 ChaoXing 第6期 侯恩科等 无人机遥感技术在采煤地面塌陷监测中的应用 109 图 11 011805 工作面部分区域裂缝分布示意图 Fig.11 The schematic diagram of crack distribution in partial area of working face 011805 5 结 论 a. 无人机航线应沿工作面走向布设，航高可 根据需要识别的裂缝发育宽度确定， 在地形平坦地 区识别宽度约2 cm地表裂缝的航高一般应不超过 143 m。 b. 目视解译和计算机自动分类均能对采煤地 面塌陷裂缝进行有效识别，但后者相对前者具有省 时、省力和高效的特点。计算机自动分类宜采用基 于光谱、延长线和紧密阈值规则的面向对象的信息 自动提取分类方法，图像分割和融合时可分别选用 阈值为95的基于边缘检测的分割模型和阈值为75 的基于Full Lambda Schedule的融合模型。 c. 利用无人机遥感数据计算得到的下沉值和 下沉系数等地表移动参数与用概率积分法公式预计 的基本一致，说明无人机遥感技术能运用于采煤地 表移动变形参数的计算。 d. 埋藏较浅的综采工作面地表裂缝大量发育， 发育范围略大于工作面。工作面切眼和顺槽附近地 表裂缝的宽度较大，对地表破坏较严重。工作面内 部地表裂缝总体上呈“C”字型平行排列， 裂缝宽度较 小，对地表破坏较轻。叠置开采区地表下沉量和裂 缝明显增加。 参考文献 [1] 刘辉，何春桂，邓喀中，等. 开采引起地表塌陷型裂缝的 形成机理分析[J]. 采矿与安全工程学报，2013，303 380–384. LIU Hui，HE Chungui，DENG Kazhong，et al. Analysis of ing mechanism of collapsing ground fissure caused by mining[J]. Journal of Mining Safety Engineering，2013，303380–384. [2] 胡振琪， 王新静， 贺安民. 风积沙区采煤沉陷地裂缝分布特征 与发生发育规律[J]. 煤炭学报，2014，39111–18. HU Zhenqi，WANG Xinjing，HE Anmin. Distribution charac- teristic and development rules of ground fissures due to coal mining in windy and sandy region[J]. Journal of China Coal So- ciety，2014，39111–18. [3] 贺卫中，向茂西，刘海南，等. 榆神府矿区地面塌陷特征及环 境问题[J]. 煤田地质与勘探，2016，445131–135. HE Weizhong，XIANG Maoxi，LIU Hainan，et al. Ground subsidence and its environment problems in Yushenfu mining area[J]. Coal Geology Exploration，2016，445131–135. [4] 周长松，邹胜章，夏日元，等. 太原盆地地裂缝发育规律及防 控措施[J]. 煤田地质与勘探，2016，44273–78. ZHOU Changsong，ZOU Shengzhang，XIA Riyuan，et al. Development regularity and control measures of ground fissures in Taiyan basin[J]. Coal Geology Exploration，2016，442 73–78. [5] 彭捷，李永红，刘海南，等. 榆神矿区大砭窑煤矿地面塌陷与 地裂缝发育规律[J]. 中国煤炭，20151037–41. PENG Jie， LI Yonghong， LIU Hainan， et al. Development law of surface collapse and ground fractures in Dabianyao coal mine in Yulin–Shenmu mining area[J]. China Coal，2015 1037–41. [6] 于大鹏，覃秋雅，马秉智，等. 矿山采空区地面塌陷危险性预 测[J]. 工矿自动化，2010378–81. YU Dapeng，QIN Qiuya，MA Bingzhi，et al. Risk prediction of ground subsidence in Mined-out Area[J]. Industry and Mine Automation，2010378–81. [7] 王利民，刘佳，杨玲波，等. 基于无人机影像的农情遥感监测 应用[J]. 农业工程学报，2013，2918136–145. WANG Limin，LIU Jia，YANG Lingbo，et al. Applications of unmanned aerial vehicle images on agricultural remote sensing monitoring[J]. Transactions of the Chinese Society of Agricul- tural Engineering，2013，2918136–145. [8] 盛业华， 闫志刚， 宋金铃. 矿山地表塌陷区的数字近景摄影测 量监测技术[J]. 中国矿业大学学报，2003，32473–77. SHENG Yehua ， YAN Zhigang ， SONG Jinling. Digital photogrammetry technology area measurement[J]. Journal