CN106990128B - 区域尾矿库环境风险评估中斑块影像和污染特征耦合方法 - Google Patents
区域尾矿库环境风险评估中斑块影像和污染特征耦合方法 Download PDFInfo
- Publication number
- CN106990128B CN106990128B CN201710216429.8A CN201710216429A CN106990128B CN 106990128 B CN106990128 B CN 106990128B CN 201710216429 A CN201710216429 A CN 201710216429A CN 106990128 B CN106990128 B CN 106990128B
- Authority
- CN
- China
- Prior art keywords
- tailings dam
- region
- environmental risk
- image
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
- G01N23/223—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material by irradiating the sample with X-rays or gamma-rays and by measuring X-ray fluorescence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/07—Investigating materials by wave or particle radiation secondary emission
- G01N2223/076—X-ray fluorescence
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/10—Different kinds of radiation or particles
- G01N2223/101—Different kinds of radiation or particles electromagnetic radiation
- G01N2223/1016—X-ray
Landscapes
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,方法包括多源多维斑块影像和污染特征的尾矿库环境信息化获取;尾矿库多源多维斑块影像裁剪、拼接和整合;根据空间插值模拟、空间数据与属性数据的耦合关联,建立斑块影像与污染特征数据耦合模型;构建区域尾矿库环境风险评估指标体系,所述体系包括将区域尾矿库环境风险值量化分级,以ArcGIS为辅助工具,结合尾矿库环境风险等级划分与累积性环境风险调查结果,利用空间表征技术开展重点区域累积环境风险与尾矿库环境风险量化评估,对区域内多座尾矿库环境风险进行区划,能够更准确的对区域内多座尾矿库进行环境风险评估,为区域尾矿库联防联控决策提供准确的依据。
Description
技术领域
本发明涉及尾矿库环境风险评估技术领域,具体为一种区域尾矿库环境风险评估中斑块影像和污染特征耦合方法。
背景技术
20 世纪 70 年代,美国首先提出了环境风险评估(ERA)的概念,其随后被逐渐认可。 随着环境风险评估的发展,区域环境风险的概念也逐渐得到认识, 依据环境风险的时空分布规律,对其进行区域差异性和一致性分析。区域环境风险评估作为一种新型区域环境风险分析的思路,是环境风险评估及环境风险管理的必要环节。
我国尾矿库 12655 座,其中危库、险库和病库比例高达 38.8%。作为的巨大环境风险源,尾矿库呈现典型区域性分布特征,一旦发生事故对环境危害严重。随着区域经济的快速发展,尾矿库环境问题逐渐演变成为区域性难题, 环境风险不断累积,资源环境承载力较弱,致使尾矿库事故一旦发生,便可能产生严重后果。而目前尾矿库预警技术多采用浸润线等过于定量、微观的指标,成本比较高且无法客观反映尾矿库之间的差异。此外,国内外关 于尾矿库环境风险评估研究,因评价技术方法限制等问题,在评估尺度上,大部分研究集中于单一尾矿库等小尺度范围内,其通常只针对单一风险因子进行评估,严重缺乏关于典型区域内多座尾矿库之间风险叠加关系研究。由于一个区域内各种风险因子的存在并相互影响,仅以单个环境风险因素作为评价对象,显然不能真实反映区域环境因素的综合效应。
随着社会发展及区域环境事件的频发,需要针对基于区县等中尺度区域以上的综合环境风险评估。目前,我国正在处于逐步推进开展区域尾矿库环境风险评估工作的起步阶段。传统技术手段无法解决区域尾矿库环境风险评估技术难题,无法解决在现有尾矿库环境风险评估工作中存在的单一因素不
能客观反映实际事故发生风险概率的分析难题。针对小尺度范围的单一风险因子单一尾矿库环境风险评估已不能满足中尺度区域以上的环境风险监管的需要。从时空信息上分析尾矿库风险评估指标,在多源多维斑块影像和污染特征耦合领域开展典型区域尾矿库环境风险评估技术研究尚存在空白。
发明内容
本发明的目的在于提供一种区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,该方法包括如下步骤:
(1) 基础资料收集和背景调查:具体包括尾矿库基础资料收集和环境质量状况文献检索,筛选有代表性的典型区域尾矿库作为研究目标,进行尾矿库现场勘查风险隐患排查;
(2) 多源多维数据获取,采用现场调研、无人机勘查、样品分析数据获取,通过对尾矿库企业走访现场资料收集、尾矿现场勘查风险隐患排查、无人机勘查、卫片校准四种筛选方式进行筛选,通过对尾矿库企业走访现场资料收集得出区域尾矿库污染特征数据,进行尾矿现场勘查风险隐患排查时, 首先制定准确的监测方案,通过对手持式 X 射线荧光光谱仪等便 携式仪器对采集的尾砂、土壤样品进行初筛,最后对尾砂、土壤样品实验室检测分析, 其中无人机勘查采用固定翼无人机和小型旋转翼无人机,通过无人机进行数据获取图像,然后进行图像的拼接,无人机搭载有高清晰高分辨率摄像装置,飞行扫射地面过程中软件远程 操控获取内置地理坐标信息的一张一张的斑块图像,需要将内置有地理坐标信息的一张张图像拼接成一幅完整的图像, 涵盖目标区域的所有斑块影像,最后进行多源多维影像矫正,无人机飞行过程中不可避免的会产生轻微波动,将卫星遥感影像和无人机飞行获取斑块影像信息关联,做ArcGIS 地理信息***地理配准和正射影像校准,实现对多源
多维影像的 校正或校准,采用人机交互解译方法、得出区域斑块影像数据, 解译是生态遥感制图的专业 手段,人机交互解译是指在解译遥感影像的过程中软件ENVI 通过感兴趣区域训练计算机模块识别,和专业人员人工目视遥感影像解译的方式对遥感影像进行处理,将两种手段相 结合,模式互补,实现高精度的生态解译,卫片校准时,采用人工地面调查矫正后,在进行多源多维影像矫正,采用人机交互解译方法得出区域斑块影像数据;
(3) 通过现场调研、无人机勘查、样品分析数据的方式获取数据后,利用现场调研矫正卫星影像,通过样品分析获得需要重点关注的典型区域,利用无人机勘察提高典型区域的清晰度,现场调研、无人机勘查、样品分析数据三种方法相结合对斑块影像污染特征进行耦合,在区域尾矿库污染特征数据和区域斑块影像数据得到数据源的选择,通过遥感非遥感信息复合和多源遥感信息复合的方式,对图像预处理,实现图像增强与模式识别;
(4) 对图像增强与模式识别后,对尾矿库环境风险调查与预评估,首先对尾矿库环境风险预判别,然后进行尾矿库环境风险等级划分,最后对尾矿库环境风险预评估;
(5) 对尾矿库环境风险调查与预评估后对尾矿库环境风险详细调查与量化评估,通过 对尾矿库及其周边影响区域累积环境调查和尾矿库及其周边影响区域环境风险量化评估,提出尾矿库环境风险隐患排查重点目标、技术手段及排查内容,其中提出尾矿库环境风险隐患排查重点目标、技术手段及排查内容包括:污染物产生节点、水文和地质条件、尾矿特 征、环境风险,最后得出典型区域尾矿环境风险评估与预警技术,建立多源多维斑块影像数 据耦合污染特征数据模型:通过开展主成分分析计算污染晕,以典型区域尾矿库获取的地面监测和试验数据确定修正系数,校准交互解译模型结果,开展典型区域尾矿库模拟试验,获得区域尾矿库风险系数,进行环境风险区划, 完成区域尾矿库环境风险评估。
优选的,所述的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,多源多维斑块影像和污染特征的尾矿库环境信息化获取采用中尺度具有实时性和针对性的固定翼无人机高精度高分辨率遥感勘察;小尺度具有快速性、客观性的小型旋翼无人机地面扫查;手持式快速筛查和详查的地面监测; 易操作且数据精确度高的地面试验相结合的技术手段;以大尺度反映长周期演替进程的尾矿库区域卫片遥感影像数据作为辅证;建立尾矿库环境信息化获取平台。
优选的,所述的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,尾矿库多源多维斑块影像裁剪、拼接和整合的为获取的尾矿库及其周边区域环境变化斑块数据影像,通过对其进行图像处理,进一步精确提取环境变化斑块的边界、面积和地物空间分布特征信息;以特征影像单元体所建立的解译标志为判别模式,借助数据影像图辅助目视解译,人机交互,信息裁剪、拼接和整合,实现信息解译提取与编图。
优选的,所述的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,多维斑块影像与污染特征数据耦合基于卫片普查以及无人机核查结果, 通过实地调查,验证斑块影像数据核查结论,获悉环境变化属性信息,并通过咨询走访,找出典型尾矿库变化趋势及原因,将地面监测和试验获得的快速筛查和详查数据耦合于斑块影像数据上,构建演算模型,开展主成分分析计算污染晕,以典型尾矿库获取的地面监测和试验数据确定修正系数,校准交互解译模型结果,采用指数法提取多源多维影像上尾矿库污染范围的指数阈值。
优选的,所述的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,该方法包括资料收集、调查区选择、现场走访、实地踏勘和无人机勘察、尾矿库及其周边区域土壤污染状况地面调查、遥感影像信息提取、斑块影像与污染特征耦合、成果图件编制,遥感影像信息提取包括信息提取内容、基
本信息提取方法、提取内容属性定义,成果图件编制包括 成果图件内容、表现形式,建立地理遥感数据与多源数据相结合、计算机自动信息提取与人机交互解译相结合、室内综合研究与实地调查相结合的环境信息获取技术。
优选的,所述的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,区域尾矿库中尺度和小尺度无人机斑块影像信息提取和验证,信息提取包括信息提取内容、基本信息提取方法、提取内容属性定义,进行多维度斑块影像数据中环境变化属性信息校正、拼接和整合技术开发。
优选的,所述的区域尾矿库环境风险评估中斑块影像和污染特征耦合方 法,解决涉及对各种地物类型要素的遥感成像机理认识、影像特征的建立、 遥感与污染特征非遥感信息以及多源遥感信息之间的复合问题。数据源选择 包括遥感传感器的选择、最佳波段的选择和不同波段信息之间的组合方案的 选择,斑块影像与污染特征耦合图像处理方法的选 择涉及图像预处理、图像增强及模式识别,根据尾矿库的空间位置和环境风险特征,构建典 型环境风险事件发生的情景,建立情景模拟模型,模拟典型情景下污染物扩散迁移的区域及浓度变化,预测极端条件下污染物对周边环境敏感受体影响程度,根 据敏感地区的社会 环境状况以及气候、地形其他因素对风险危害性进行分析, 结合斑块影像与污染特征耦合评价尾矿库风险后果。
优选的,所述的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,建立区域尾矿库环境风险评估指标分层模型,将环境信息获取与解决的问题分层系列化,根据目标本身的性质和目标可达性,将问题分解为不同的组成因素,按照因素间的互相影响关系和隶属关系将其分层聚类,构建递阶有序的基于斑块影像和污染特征数据耦合层次结构模型,所述模型将获得区域尾矿库风险系数,将区域尾矿库环境风险评估分区划,实现典型区域尾矿库环境风险评估技术研究。
优选的,所述的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,区域内多座有色金属尾矿库、环境敏感目标和主要传输途径分布情况,以区域为评估单元,结合尾矿库环境风险级划分与累积性环境风险调查结果,利用空间表征技术开展重点区域累积环境风险与尾矿库环境风险量化评估,对区域内多座尾矿库环境风险进行区划。优选的,所述的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,采用 GIS 空间分析制图软件,根据计算机数值模拟结果进行空间插值模拟、空间数据与属性数据 的耦合关联,提取并产生污染物空间分布信息,按照不同环境风险源强、不同的时间分布、空间分布绘制斑块数据和污染特征耦合的环境风险分布情况,进行动态的和图形化的信息可视化表达。与现有技术相比,本发明的有益效果是:该发明的区域尾矿库环境风险评估中斑 块影像和污染特征耦合方法能为区域内尾矿库联防联控提供技术支撑,避免防控措施不到位和重复建设的资源浪费。实现点源污染特征和地理信息数据的耦合,采取遥感数据与多源数据相结合、计算机自动信息提取与人机交互解译相结合、室内综合研究与实地调查相 结合,通过研究叠加污染晕,预测叠加污染超标情景;通过高危险等级区域尾矿库频度对比 分析,合理安排高风险频度区域预警和风险调度。以便及时、准确、客观地解决区域尾矿库环境风险评估难题。
本发明从区域环境风险评估***理论出发,构建区域尾矿库环境风险评
估指标体系;搜集的原始数据需根据计算来达到表征风险的目的,考虑到数
据的可获取性,对数据缺乏的指标,采用等效替代的方式。本发明开展主成分分析计算污染晕,以典型尾矿库获取的 地面监测和试验数据确定修正系数,校准交互解译模型结果,采用指数法提取多源多维影 像上尾矿库污染范围的指数阈值。
本发明的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,实现通过在较大尺度上的区域开展研究,将区域尾矿库环境风险评估***看作是由形成和控制环境风险的各种要素有机结合的整体,根据区域环境风险***理论,对环境风险发生的要素进行分析,构建区域尾矿库环境风险评估指标体系;基于构建的评估指标体系,确定评估指标体系中各评估区的综合环境风险值,按照预设的分类方法对评估区进行风险分区,从而为区域等较大
尺度上的尾矿库环境风险评估和区划提供参考方法,根据得到的区域环境风险值还可以制定环境风险管理措施,使得在给管理决策者提供决策依据的前提下,为区域环境的可持续发展提供支持。
本发明的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法能为
区域内尾矿库联防联控提供技术支撑,避免防控措施不到位和重复建设的资源浪费。实现点源污染特征和地理信息数据的耦合,采取遥感数据与多源数据相结合、计算机自动信息提取与人机交互解译相结合、室内综合研究与实地调查相结合,通过研究叠加污染晕,预测叠加污染超标情景;通过高危险等级区域尾矿库频度对比分析,合理安排高风险频度区域预警和风险调度。以便及时、准确、客观地解决典型区域尾矿库环境风险评估难题。
本发明方法是将常规单一尾矿库环境风险评估领域进一步拓展,实现中尺度和小尺度无人机斑块影像信息提取(信息提取内容、基本信息提取方法、提取内容属性定义)和验证,构建斑块影像与污染特征数据构建耦合模型,获取区域尾矿库风险系数指数阈值,实现中尺度区域尾矿库环境风险评估。
本发明方法是开发的基于多源多维斑块影像和污染特征耦合的典型区域
尾矿库环境风险评估与预警技术研究,在分析各类数据在类型、来源、数据
量、管理和使用等方面的特征,基于面向对象的“时-空-属性”信息组织管理理念,研究建立满足不同类型、不同级别尾矿库、不同环境监管需求、分类分级组织管理模式的区域尾矿库风险评估与预警研究技术。
本发明从环境风险发生要素出发,构建区域尾矿库环境风险评估指标体
系,综合考虑环境风险产生的影响,从而在广泛、全面考虑各因素的前提下,对区域环境风险进行评估。且该区域尾矿库环境风险评估指标体系构建理论简便易懂,结构清晰易于理解,对使用者可操作性强。
附图说明
图 1 为本发明实施例提供的区域尾矿库环境风险评估中斑块影像和污染
特征耦合模型。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做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。
请参阅图 1,本发明提供一种技术方案:
实施例 1:
域尾矿库环境风险评估中斑块影像和污染特征耦合方法,该方法包括如
下步骤:
(1)基础资料收集和背景调查:具体包括尾矿库基础资料收集和环境质
量状况文献检索,筛选有代表性的典型区域尾矿库作为研究目标,进行尾矿库现场勘查风险隐患排查;
(2)多源多维数据获取,采用现场调研、无人机勘查、样品分析数据获取,通过对尾矿库企业走访现场资料收集、尾矿现场勘查风险隐患排查、无人机勘查、卫片校准四种筛选方式 进行筛选,通过对尾矿库企业走访现场资料收集得出区域尾矿库污染特征数据,进行尾矿现场勘查风险隐患排查时,首先制定准确的监测方案,通过对手持式 X 射线荧光光谱仪等便携式仪器对采集的尾砂、土壤样品进行初筛,最后对尾砂、土壤样品实验室检测分析,其中无人机勘查采用固定翼无人机和小型旋转翼无人机,通过无人机进行数据获取图像,然后进行图像的拼接,无人机搭载有高清晰高分辨率摄像装置,飞行扫射地面过程中软件远程操控获取内置地理坐标信息的一张一张的斑块图像,需要将内置有地理坐标信息的一张张图像拼接成一幅完整的图像,涵盖目标区域的所有斑块影像,最后进行多源多维影像矫正, 无人机飞行过程中不可避免的会产生轻微波动,将卫星遥感影像和无人机飞行获取斑块影 像等信息关联,做 ArcGIS 地理信息***地理配准和正射影像校准,实现对多源多维影像的校正或校准,采用人机交互解译方法、得出区域斑块影像数据,解译是生态遥感制图的专业手段,人机交互解译是指在解译遥感影像的过程中软件 ENVI 等通过感兴趣区域训练计算机 模块识别,和专业人员人工目视遥感影像解译的方式对遥感影像进行处理,将两种手段相结合,模式互补,实现高精度的生态解译,卫片校准时,采用人工地面调查矫正后,在进行多源多维影像矫正,采用人机交互解释方法得出区域斑块影像数据;
(3)通过现场调研、无人机勘查、样品分析数据的方式获取数据后,利
用现场调研矫正卫星影像,通过样品分析获得需要重点关注的典型区域,利用无人机勘察提高典型区域的 清晰度,通过现场调研、无人机勘查、样品分析数据三种方法相结合对斑块影像污染特征进行耦合,在区域尾矿库污染特征数据和区域斑块影像数据得到数据源的选择,通过遥感非遥感信息复合和多源遥感信息复合的方式,对图像预处理,实现图像增强与模式识别;
(4)对图像增强与模式识别后,对尾矿库环境风险调查与预评估,首先对尾矿库环境风险预判别,然后进行尾矿库环境风险等级划分,最后对尾矿库环境风险预评估;
(5)对尾矿库环境风险调查与预评估后对尾矿库环境风险详细调查与量
化评估,通过对尾矿库及其周边影响区域累积环境调查和尾矿库及其周边影响区域环境风险量化评估, 提出尾矿库环境风险隐患排查重点目标、技术手段及排查内容,其中提出尾矿库环境风险 隐患排查重点目标、技术手段及排查内容包括:污染物产生节点、水文和地质条件、尾矿特征、环境风险,最后得出典型区域尾矿环境分先评估与预警技术,建立多源多维斑块影像数 据耦合污染特征数据模型:通过开展主成分分析计算污染晕,以典型区域尾矿库获取的地面监测和试验数据确定修正系数,校准交互解译模型结果,开展典型区域尾矿库模拟试验, 获得区域尾矿库风险系数,进行环境风险区划,完成区域尾矿库环境风险评估。
实施例 2:
根据实施例 1 所述的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,多源多维斑块影像和污染特征的尾矿库环境信息化获取采用中尺度具有实时性和针对性的固 定翼无人机高精度高分辨率遥感勘察;小尺度具有快速性、客观性的小型旋翼无人机地面扫查;手持式快速筛查和详查的地面监测;易操作且数据精确度高的地面试验相结合的技 术手段;以大尺度反映长周期演替进程的尾矿库区域卫片遥感影像数据作为辅证;建立尾 矿库环境信息化获取平台。
实施例 3:
根据实施例 1 或 2 所述的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,尾矿库多源多维斑块影像裁剪、拼接和整合的为获取的尾矿库及其周边区域环境变化斑块数据影像,通过对其进行图像处理,进一步精确提取环境变化斑块的边界、面积和地物空间分布特征信息;以特征影像单元体所建立的解译标志为判别模式,借助数据影像图辅助目视 解译,人机交互,信息裁剪、拼接和整合,实现信息解译提取与编图。
实施例 4:
根据实施例 1 或 2 或 3 所述的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,多维斑块影像与污染特征数据耦合基于卫片普查以及无人机核查结果,通过实地调查, 验证斑块影像数据核查结论,获悉环境变化属性信息,并通过咨询走访,找出典型尾矿库变化趋势及原因,将地面监测和试验获得的快速筛查和详查数据耦合于斑块影像数据上,构建演算模型,开展主成分分析计算污染晕,以典型尾矿库获取的地面监测和试验数据确定 修正系数,校准交互解译模型结果,采用指数法提取多源多维影像上尾矿库污染范围的指数阈值。
实施例 5:
根据实施例 1 或 2 或 3 或 4 所述的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,该方法包括资料收集、调查区选择、现场走访、实地踏勘和无人机勘察、尾矿库及其周 边区域土壤污染状况地面调查、遥感影像信息提取、斑块影像与污染特征耦合、成果图件编 制,遥感影像信息提取包括信息提取内容、基本信息提取方法、提取内容属性定,成果图件编制包括成果图件内容、表现形式,建立地理遥感数据与多源数据相结合、计算机自动信息提取与人机交互解译相结合、室内综合研究与实地调查相结合的环境信息获取技术。
实施例 6:
根据实施例 1 或 2 或 3 或 4 或 5 所述的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,区域尾矿库中尺度和小尺度无人机斑块影像信息提取和验证,信息提取包括信息提取内容、基本信息提取方法、提取内容属性定义,进行多维度斑块影像数据中环境变化属性信息校正、拼接和整合技术开发。
实施例 7:
根据实施例 1 或 2 或 3 或 4 或 5 或 6 所述的区域尾矿库环境风险评估中斑块影像和污染特 征耦合方法,解决涉及对各种地物类型要素的遥感成像机理认识、影像特征的建立、遥感与 污染特征非遥感信息以及多源遥感信息之间的复合问题。数据源选择包括遥感传感器的选择、最佳波段的选择和不同波段信息之间的组合方案的选择,斑块影像与污染特征耦合图像处理方法的选择涉及图像预处理、图像增强及模式识别,根据尾矿库的空间位置和环境风险特征,构建典型环境风险事件发生的情景,建立情景模拟模型,模拟典型情景下污染物扩散迁移的区域及浓度变化,预测极端条件下污染物对周边环境敏感受体影响程度,根据敏感地区的社会环境状况以及气候、地形其他因素对风险危害性进行分析,结合斑块影像与污染特征耦合评价尾矿库风险后果。
实施例 8:
根据实施例 1 或 2 或 3 或 4 或 5 或 6 或 7 所述的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,建立区域尾矿库环境风险评估指标分层模型,将环境信息获取与解决的问 题分层系列化,根据目标本身的性质和目标可达性,将问题分解为不同的组成因素,按照因素间的互相影响关系和隶属关系将其分层聚类,构建递阶有序的基于斑块影像和污染特征数据耦合层次结构模型,所述模型将获得区域尾矿库风险系数,将区域尾矿库环境风险评估分区划,实现典型区域尾矿库环境风险评估技术研究。
实施例 9:
根据实施例 1 或 2 或 3 或 4 或 5 或 6 或 7 或 8 所述的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,区域内多座有色金属尾矿库、环境敏感目标和主要传输途径分布情况, 以区域为评估单元,结合尾矿库环境风险级划分与累积性环境风险调查结果,利用空间表征技术开展重点区域累积环境风险与尾矿库环境风险量化评估,对区域内多座尾矿库环境风险进行区划。
实施例 10:
根据实施例 1 或 2 或 3 或 4 或 5 或 6 或 7 或 8 或 9 所述的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,采用 GIS 空间分析制图软件,根据计算机数值模拟结果进行空间插值 模拟、空间数据与属性数据的耦合关联,提取并产生污染物空间分布信息,按照不同环境风 险源强、不同的时间分布、空间分布绘制斑块数据和污染特征耦合的环境风险分布情况,进行动态的和图形化的信息可视化表达。尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换 和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,其特征是:
该方法包括如下步骤:
(1)基础资料收集和背景调查:具体包括尾矿库基础资料收集和环境质量状况文献检索,筛选有代表性的典型区域尾矿库作为研究目标,进行尾矿库现场勘查风险隐患排查;
(2)多源多维数据获取,采用现场调研、无人机勘查、样品分析数据获取,通过对尾矿库企业走访现场资料收集、尾矿现场勘查风险隐患排查、无人机勘查、卫片校准四种筛选方式进行筛选,通过对尾矿库企业走访现场资料收集得出区域尾矿库污染特征数据,进行尾矿现场勘查风险隐患排查时,首先制定准确的监测方案,通过对手持式 X 射线荧光光谱仪对采集的尾砂、土壤样品进行初筛,最后对尾砂、土壤样品实验室检测分析,其中无人机勘查采用固定翼无人机和小型旋转翼无人机,通过无人机进行数据获取图像,然后进行图像的拼接,无人机搭载有高清晰高分辨率摄像装置,飞行扫射地面过程中软件远程操控获取内置地理坐标信息的一张一张的斑块图像,需要将内置有地理坐标信息的一张张图像拼接成一幅完整的图像,涵盖目标区域的所有斑块影像,最后进行多源多维影像矫正,无人机飞行过程中不可避免的会产生轻微波动,将卫星遥感影像和无人机飞行获取斑块影像信息关联,做 ArcGIS 地理信息***地理配准和正射影像校准,实现对多源多维影像的校正或校准, 采用人机交互解译方法、得出区域斑块影像数据,解译是生态遥感制图的专业手段,人机交互解译是指在解译遥感影像的过程中软件 ENVI 通过感兴趣区域训练计算机模块识别,和专业人员人工目视遥感影像解译的方式对遥感影像进行处理,将两种手段相结合,模式互补,实现高精度的生态解译,卫片校准时,采用人工地面调查矫正后,在进行多源多维影像矫正,采用人机交互解译方法得出区域斑块影像数据;
(3)通过现场调研、无人机勘查、样品分析数据的方式获取数据后,利用现场调研矫正卫星影像,通过样品分析获得需要重点关注的典型区域,利用无人机勘察提高典型区域的清晰度,通过现场调研、无人机勘查、样品分析数据三种方法相结合对斑块影像污染特征进行耦合,在区域尾矿库污染特征数据和区域斑块影像数据得到数据源的选择,通过遥感非遥感信息复合和多源遥感信息复合的方式,对图像预处理,实现图像增强与模式识别;
(4)对图像增强与模式识别后,对尾矿库环境风险调查与预评估,首对尾矿库环境风险预判别,然后进行尾矿库环境风险等级划分,最后对尾矿库环境风险预评估;
(5)对尾矿库环境风险调查与预评估后对尾矿库环境风险详细调查与量
化评估,通过对尾矿库及其周边影响区域累积环境调查和尾矿库及其周边影响区域环境风险量化评估,提出尾矿库环境风险隐患排查重点目标、技术手段及排查内容,其中提出尾矿库环境风险隐患排查重点目标、技术手段及排查内容包括:污染物产生节点、水文和地质条件、尾矿特征、环境风险,最后得出典型区域尾矿环境风险评估与预警技术,建立多源多维斑块影像数据耦合污染特征数据模型:通过开展主成分分析计算污染晕,以典型区域尾矿库获取的地面监测和试验数据确定修正系数,校准交互解译模型结果,开展典型区域尾矿库模拟试验,获得区域尾矿库风险系数,进行环境风险区划,完成区域尾矿库环境风险评估。
2.根据权利要求 1 所述的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,其特征是:多源多维斑块影像和污染特征的尾矿库环境信息化获取采用中尺度具有实时性和针对性的固定翼无人机高精度高分辨率遥感勘察、小尺度具有快速性、客观性的小型旋翼无人机地面扫查、手持式快速筛查和详查的地面监测、易操作且数据精确度高的地面试验相结合的技术手段、以大尺度反映长周期演替进程的尾矿库区域卫片遥感影像数据作为辅证的特性,建立尾矿库环境信息化获取平台。
3.根据权利要求 1 所述的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,其特征是:尾矿库多源多维斑块影像裁剪、拼接和整合的为获取的尾矿库及其周边区域环境变化斑块数据影像,通过对其进行图像处理,进一步精确提取环境变化斑块的边界、面积和地物空间分布特征信息;以特征影像单元体所建立的解译标志为判别模式,借助数据影像图辅助目视解译,人机交互,信息裁剪、拼接和整合,实现信息解译提取与编图。
4.根据权利要求 1 所述的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,其特征是:多维斑块影像与污染特征数据耦合基于卫片普查以及无人机核查结果,通过实地调查,验证斑块影像数据核查结论,获悉环境变化属性信息,并通过咨询走访,找出典型尾矿库变化趋势及原因,将地面监测和试验获得的快速筛查和详查数据耦合于斑块影像数据上,构建演算模型,开展主成分分析计算污染晕,以典型尾矿库获取的地面监测和试验数据确定修正系数,校准交互解译模型结果,采用指数法提取多源多维影像上尾矿库污染范围的指数阈值。
5.根据权利要求 1 所述的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,其特征是:该方法包括资料收集、调查区选择、现场走访、实地踏勘和无人机勘察、尾矿库及其周边区域土壤污染状况地面调查、遥感影像信息提取、斑块影像与污染特征耦合、成果图件编制,遥感影像信息提取包括信息提取内容、基本信息提取方法、提取内容属性定义,成果图件编制包括成果图件内容、表现形式,建立地理遥感数据与多源数据相结合、计算机自动信息提取与人机交互解译相结合、室内综合研究与实地调查相结合的环境信息获取技术。
6.根据权利要求 1 所述的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,其特征是:区域尾矿库中尺度和小尺度无人机斑块影像信息提取和验证,信息提取包括信息提取内容、基本信息提取方法、提取内容属性定义,进行多维度斑块影像数据中环境变化属性信息校正、拼接和整合技术开发。
7.根据权利要求 1 所述的区域尾矿库环境风险评估中斑块影像和污染特
征耦合方法,其特征是:解决涉及对各种地物类型要素的遥感成像机理认识、影像特征的建立、遥感与污染特征非遥感信息以及多源遥感信息之间的复合问题;数据源选择包括遥感传感器的选择、最佳波段的选择和不同波段信息之间的组合方案的选择,斑块影像与污染特征耦合图像处理方法的选择涉及图像预处理、图像增强及模式识别,根据尾矿库的空间位置和环境风险特征,构建典型环境风险事件发生的情景,建立情景模拟模型,模拟典型情景下污染物扩散迁移的区域及浓度变化,预测极端条件下污染物对周边环境敏感受体影响程度,根据敏感地区的社会环境状况以及气候、地形其他因素对风险危害性进行分析,结合斑块影像与污染特征耦合评价尾矿库风险后果。
8.根据权利要求 1 所述的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,其特征是:建立区域尾矿库环境风险评估指标分层模型,将环境信息获取与解决的问题分层系列化,根据目标本身的性质和目标可达性,将问题分解为不同的组成因素,按照因素间的互相影响关系和隶属关系将其分层聚类,构建递阶有序的基于斑块影像和污染特征数据耦合层次结构模型,所述模型将获得区域尾矿库风险系数,将区域尾矿库环境风险评估分区划,实现典型区域尾矿库环境风险评估技术研究。
9.根据权利要求 1 所述的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,其特征是:区域内多座有色金属尾矿库、环境敏感目标和主要传输途径分布情况,以区域为评估单元,结合尾矿库环境风险级划分与累积性环境风险调查结果,利用空间表征技术开展重点区域累积环境风险与尾矿库环境风险量化评估,对区域内多座尾矿库环境风险进行区划。
10.根据权利要求 1 所述的区域尾矿库环境风险评估中斑块影像和污染特征耦合方法,其特征是:采用 GIS 空间分析制图软件,根据计算机数值模拟结果进行空间插值模拟、空间数据与属性数据的耦合关联,提取并产生污染物空间分布信息,按照不同环境风险源强、不同的时间分布、空间分布绘制斑块数据和污染特征耦合的环境风险分布情况,进行动态的和图形化的信息可视化表达。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710216429.8A CN106990128B (zh) | 2017-04-05 | 2017-04-05 | 区域尾矿库环境风险评估中斑块影像和污染特征耦合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710216429.8A CN106990128B (zh) | 2017-04-05 | 2017-04-05 | 区域尾矿库环境风险评估中斑块影像和污染特征耦合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106990128A CN106990128A (zh) | 2017-07-28 |
CN106990128B true CN106990128B (zh) | 2019-08-30 |
Family
ID=59416179
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710216429.8A Active CN106990128B (zh) | 2017-04-05 | 2017-04-05 | 区域尾矿库环境风险评估中斑块影像和污染特征耦合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106990128B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107861436A (zh) * | 2017-12-01 | 2018-03-30 | 上海市环境科学研究院 | 一种多旋翼无人机高空环境侦测*** |
CN108445030B (zh) * | 2018-01-31 | 2019-01-01 | 西安科技大学 | 基于图像与微观参数的胶结充填体力学响应特性预测方法 |
CN110597932B (zh) * | 2019-07-05 | 2022-03-11 | 袁静 | 一种基于遥感影像的环境综合评估预测方法 |
CN110268832A (zh) * | 2019-07-22 | 2019-09-24 | 鸿灌环境技术有限公司 | 一种采用多方式对土壤进行治理的方法 |
CN110659838A (zh) * | 2019-09-27 | 2020-01-07 | 佛山科学技术学院 | 基于遥感和gis生态环境质量评估方法 |
CN111274264A (zh) * | 2020-01-16 | 2020-06-12 | 朱恒华 | 一种矿山地质环境水土检测指标实时传输分析*** |
CN112507048B (zh) * | 2020-11-11 | 2022-06-17 | 中国地质调查局水文地质环境地质调查中心 | 一种污染场地水土环境多要素一站式管理*** |
CN113822220A (zh) * | 2021-10-09 | 2021-12-21 | 海南长光卫星信息技术有限公司 | 一种建筑物检测方法及*** |
WO2023061039A1 (zh) * | 2021-10-13 | 2023-04-20 | 中通服和信科技有限公司 | 基于物联网的尾矿库风险监测预警*** |
CN115035256B (zh) * | 2022-05-06 | 2023-01-06 | 中国安全生产科学研究院 | 一种尾矿库事故隐患及风险演化方法及*** |
CN115508258B (zh) * | 2022-09-20 | 2023-05-23 | 格瑞利(江苏)智能科技有限公司 | 一种建筑工地区域的扬尘监测方法及*** |
CN115510670A (zh) * | 2022-10-12 | 2022-12-23 | 生态环境部土壤与农业农村生态环境监管技术中心 | 一种基于三维仿真模型的土壤污染状况调查点位方法 |
CN117893017A (zh) * | 2024-01-17 | 2024-04-16 | 应急管理部大数据中心 | 基于卫星遥感图像的尾矿库事故风险预测方法及*** |
CN117893016A (zh) * | 2024-01-17 | 2024-04-16 | 应急管理部大数据中心 | 尾矿库溃坝灾情风险快速评估方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101916452A (zh) * | 2010-07-26 | 2010-12-15 | 中国科学院遥感应用研究所 | 一种基于飞行控制信息的无人机遥感影像自动拼接方法 |
CN104660986A (zh) * | 2015-01-19 | 2015-05-27 | 环境保护部卫星环境应用中心 | 基于无人机的尾矿库突发环境事件遥感监测方法及*** |
CN106326865A (zh) * | 2016-08-25 | 2017-01-11 | 广州地理研究所 | 一种基于无人机的水利工程区域实时监测***及方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130156271A1 (en) * | 2011-12-20 | 2013-06-20 | Net-Fit Tecnologia Da Informacao Ltda. | System for analysis of pests and diseases in crops and orchards via mobile phone |
-
2017
- 2017-04-05 CN CN201710216429.8A patent/CN106990128B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101916452A (zh) * | 2010-07-26 | 2010-12-15 | 中国科学院遥感应用研究所 | 一种基于飞行控制信息的无人机遥感影像自动拼接方法 |
CN104660986A (zh) * | 2015-01-19 | 2015-05-27 | 环境保护部卫星环境应用中心 | 基于无人机的尾矿库突发环境事件遥感监测方法及*** |
CN106326865A (zh) * | 2016-08-25 | 2017-01-11 | 广州地理研究所 | 一种基于无人机的水利工程区域实时监测***及方法和装置 |
Non-Patent Citations (1)
Title |
---|
DPGrid_LAT在尾矿库无人机遥感影像处理中的应用;洪运富,杨一鹏等;《测绘通报》;20131231(第11期);71-73,80 |
Also Published As
Publication number | Publication date |
---|---|
CN106990128A (zh) | 2017-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106990128B (zh) | 区域尾矿库环境风险评估中斑块影像和污染特征耦合方法 | |
Lelovics et al. | Design of an urban monitoring network based on Local Climate Zone mapping and temperature pattern modelling | |
Yong et al. | Review of landslide susceptibility assessment based on knowledge mapping | |
Álvares et al. | Exploratory study of using unmanned aerial system imagery for construction site 3D mapping | |
CN105956375B (zh) | 一种基于领域本体的遥感对地观测需求模型建立方法 | |
Battersby et al. | Spatial resolution imagery requirements for identifying structure damage in a hurricane disaster | |
Karakas et al. | Landslide susceptibility mapping with random forest model for Ordu, Turkey | |
Zhao et al. | Combining ICESat-2 photons and Google Earth Satellite images for building height extraction | |
Steger et al. | The challenge of “trivial areas” in statistical landslide susceptibility modelling | |
Wang et al. | Rapid seismic risk assessment of bridges using UAV aerial photogrammetry | |
Anand et al. | The potential of remote sensing and GIS in urban building energy modelling | |
Taubenböck et al. | Remote sensing—An effective data source for urban monitoring | |
Mohamed et al. | Content analysis of e-inspection implementation for highway infrastructure construction projects | |
Firmansyah et al. | Building typology classification using convolutional neural networks utilizing multiple ground-level image process for city-scale rapid seismic vulnerability assessment | |
Zhou et al. | Mapping urban landscape heterogeneity: agreement between visual interpretation and digital classification approaches | |
CN109598310A (zh) | 一种多因子敏感设施识别方法 | |
Wang | Design of public building space in smart city based on big data | |
Foulser-Piggott et al. | The use of remote sensing for post-earthquake damage assessment: lessons from recent events, and future prospects | |
Burian et al. | Urban morphological analysis for mesoscale meteorological and dispersion modeling applications: Current issues | |
Reeves | Deriving traverse paths for scientific fieldwork with multicriteria evaluation and path modeling in a geographic information system | |
Romdhoni | The Use of Landsat Image and Census Data for Modelling Population Density and Urban Density in Palembang, Indonesia | |
Jeganathan et al. | Comparison of MODIS vegetation continuous field—Based forest density maps with IRS-LISS III derived maps | |
Leppert et al. | Evaluation from the Bird's-Eye View: Innovative Use of Remote Sensing Techniques | |
JP7424066B2 (ja) | 地質評価システム、地質評価方法及び地質評価プログラム | |
Tassinari et al. | Visual impact assessment methodologies for rural building design |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 100044 No. 1, Xiwaiwenxing Street, Xicheng District, Beijing Applicant after: Beijing mining and metallurgy science and Technology Group Co., Ltd. Address before: 100160 No. 1, Xiwaiwenxing Street, Xicheng District, Beijing Applicant before: Beijing General Research Institute of Mining & Metallurgy |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |