本文内容来源于《测绘通报》2024年第2期，审图号：GS京（2024）0287号
联合深度学习与面向对象分析的卫宁北山露天矿山采场信息提取
刘丽1
, 李士垚2
, 王润3,4, 刘少宇1, 宋永飞1, 牛瑞卿5
1. 宁夏回族自治区国土资源调查监测院, 宁夏 银川 750002;2. 中国地质调查局武汉地质调查中心(中南地质科技创新中心), 湖北 武汉 430205;3. 湖北省地质环境总站, 湖北 武汉 430034;4. 资源与生态环境地质湖北省重点实验室, 湖北 武汉 430034;5. 中国地质大学地球物理与空间信息学院, 湖北 武汉 430074
基金项目：宁夏自然科学基金(2021AAC03432;2021AAC03431);宁夏回族自治区重点研发计划(2021BEG03001);中国地质调查局地质调查项目(DD20211391);资源与生态环境地质湖北省重点实验室(湖北省地质局)科技项目(KJ2023-18)
关键词：卫宁北山；露天矿山采场；深度学习；面向对象；遥感监测
引文格式：刘丽, 李士垚, 王润, 等. 联合深度学习与面向对象分析的卫宁北山露天矿山采场信息提取[J]. 测绘通报，2024(2)：51-57. DOI: 10.13474/j.cnki.11-2246.2024.0209.摘要
摘要 ：卫宁北山地区是宁夏开展矿山生态环境恢复治理工作的关键节点区域。快速准确地获取区域内采场空间信息, 监测矿山生态修复工程建设进展, 已成为自治区矿政管理的重要工作之一。本文以卫宁北山地区为研究区, 提出了一种联合深度学习与面向对象分析的国产高分辨率遥感卫星影像露天矿山采场信息提取方法。该方法首先采用支持小样本学习的U-Net模型进行露天采场的初步识别; 然后结合面向对象分析与空间分析方法实现露天采场边界的精细化提取。经验证, 该方法识别露天采场空间位置的精度为0.71, 平均空间范围的提取精度为0.78。在此基础上, 对卫宁北山地区露天矿山在2019—2021年的恢复治理情况开展识别与分析, 识别出的125处露天矿山采场中有43.2%已开展生态修复工程, 含44处采坑填埋与覆土整平、6处重新开发利用及4处人工复绿。结果表明, 该方法在无须进行特征工程的前提下能够较为快速地对露天采场空间信息进行精细化提取, 可为宁夏矿山遥感监测提供技术参考。
正文宁夏是典型的资源依托型地区，矿业是其国民经济和社会发展的基础性产业，矿产资源的合理勘查、开发利用与保护关系到生态文明建设和高质量发展[1]。卫宁北山地区是宁夏矿产资源的重点开采区之一，区内铁矿、石膏矿、黏土矿、建筑用砂石等矿产以露天开采为主[2-3]。卫宁北山地处腾格里沙漠东南边缘，生态环境条件脆弱，区内的矿产资源开发、工程建设等人为扰动容易造成生态环境的破坏；加之区内存在滥采乱挖、超层越界、矿区生态环境恢复治理不到位等问题，导致矿区土地资源压占损毁严重、地貌景观破碎，加剧了矿区生态环境的破坏。以往矿产资源开发监管工作主要采用实地调查、逐级巡查统计上报和群众监督举报的方式开展，工作效率低，信息主观性强；且工作开展受矿区环境条件、采矿方配合度等因素影响，周期长、易遗漏，不能及时、准确地发现矿山环境地质问题，对违规违法开采行为的整治效果不理想[4]。随着对地观测技术的发展，尤其是近年来国产高分辨率遥感卫星的业务化运行，遥感技术已发展为矿产资源开发监测、矿山地质环境调查与监测、生态环境监测等工作的重要手段[5-11]。中国地质调查局自2006年起部署开展重点矿山遥感监测工作，2011年以后转为全国陆域矿产资源开发与矿山地质环境遥感调查与监测工作[12]；各省专家学者相继开展了相关研究工作，将高分光学遥感、雷达遥感等技术应用于矿产开发遥感调查、矿山违法开采监测、矿区生态环境治理等工作[13-18]。在以往工作中，对矿区典型地表要素的获取主要依赖于专家目视解译和人机交互信息提取，技术方法的自动化、智能化程度仍显不足。深度学习能够以端到端的方式分层学习数据集中最具代表性和可分性的特征[19-20]。区别于经典机器学习算法需要专家经验构建并筛选目标特征的方式，深度学习能够自主学习样本特征，无须人工进行特征构建或规则设计，有效提高了自动化与智能化程度。已有一些研究探索将CNN、FCN、SegNet、DeepLabv3+等深度学习算法应用于矿区土地利用分类中[21-24]。但以深度学习为代表的智能方法在矿区地表要素信息提取中仍然处于方法适用性的探索阶段，需结合矿种类型、地质条件、地表环境等区域性特征，构建本地化的矿区典型地表要素提取样本与模型，推进深度学习在矿山遥感监测中的工程化应用。本文以宁夏卫宁北山为研究区，以国产高分辨率遥感卫星为主要数据源，联合深度学习与面向对象分析方法，建立本地化露天矿山采场信息的提取方法，为自治区打击违法盗采，开展矿区生态环境恢复治理状况监测等工作提供技术支撑。1 研究区概况研究区位于宁夏中卫市北部卫宁北山地区，如图 1所示。研究区面积约为290 km2，海拔约为1200~1600 m，地貌以低中山丘陵为主，属温带大陆性干旱气候区，年平均降水量约为180 mm，植被类型为草原化荒漠。
图 1 研究区概况卫宁北山地区地层主要由泥盆系、石炭系构成，为海陆交互相碎屑岩—碳酸盐岩含膏盐建造；区内岩浆活动较弱，岩浆岩出露较少。其中，印支—燕山期侵入到上泥盆统、下石炭统地层中的石英闪长玢岩脉成矿意义较大，上泥盆统老君山组与下石炭统前黑山组为该区域的主要赋矿地层；区内发育的东西走向的断裂和褶皱多为控矿构造，形成于印支运动，后期有改造。研究区内以铜、金矿化为主，共生或伴生有铅、锌、铁、钴矿化，是自治区内重要的多金属矿找矿远景区[25]。2 露天矿山采场信息提取2.1 数据源本文采用的遥感数据为高分二号(GF-2)卫星影像L1A级数据，其多光谱波段(B1：0.45~0.52 μm，B2：0.52~0.59 μm，B3：0.63~0.69 μm，B4：0.77~0.89 μm)空间分辨率为4 m，全色波段空间分辨率为1 m，成像时间为2019年7月25日。L1A级数据依次经辐射定标、大气校正、正射校正、多光谱与全色波段图像融合、投影变换、地理配准等预处理，得到覆盖研究区的1 m空间分辨率的数字正射影像，坐标系统为CGCS2000，投影方式为高斯-克吕格3度分带投影。矿产资源开发地区往往分布有采场、矿山建筑、中转场地及固体废弃物等多种矿山开发占地类型。本文采用2019年度Sentinel-2 10 m土地利用/地表覆盖数据[26]，辅助判别矿山开发占地的图斑类型。如图 1所示，研究区地表覆盖类型主要有灌木、建筑、耕地、裸地与少量水体。2.2 研究方法本文主要技术流程包含露天矿山采场解译标志建立、采场空间信息提取、遥感影像面向对象分割、采场矢量边界提取，技术路线如图 2所示。首先，建立露天矿山采场解译标志，解译研究区内露天采场图斑，构建训练样本与验证样本；其次，利用U-Net算法对遥感影像进行分类，获取采场的空间分布；然后，利用多尺度分割算法对遥感影像进行面向对象分割，并对图像对象进行空间分析，获取采场矢量边界；最后，对采场信息提取结果进行精度验证。
图 2 技术路线2.2.1 露天矿山采场解译标志建立解译标志是解译露天矿山采场、建立模型训练样本的基础。研究区内露天开采的矿产资源为铁矿、黏土矿(膨润土)和建筑用石料。根据以往工作成果及区内矿政管理资料，本文利用2019年的GF-2影像，解译了138处典型露天矿山采场图斑，并随机选取75处构建训练样本，样本均匀分布于研究区中，其余图斑作为验证样本。解译标志见表 1。
2.2.2 采场空间信息提取深度学习避免了依赖专家经验构建数据集特征集合的任务，可为信息提取提供端到端的分类模型。本文采用轻量级网络模型U-Net[27]，利用所解译的露天采场图斑训练提取模型，获取露天采场空间位置与范围。该模型的优势在于支持小样本条件下的模型训练，且网络参数较少，方便工程化应用。U-Net结构如图 3所示，模型中训练样本大小为256×256像素，在解译区域中以128像素为步长生成切片。为得到充足的模型训练样本，采用角度旋转法增广训练样本，即将原始样本分别旋转90°、180°、270°，共得到4860对训练样本。样本示例如图 4所示。
图 3 U-Net结构
图 4 露天采场信息提取样本示例2.2.3 遥感影像面向对象分割遥感影像面向对象分割是根据地物目标在图像特征上的差异，基于同质性或异质性准则，将影像场景划分为若干个子区域的过程。研究区内矿山开发占地类型种类较多，图斑光谱、纹理、几何特征差异明显，不易直接分割出能够完整表达矿山开发占地轮廓信息的单一对象。本文以解译图斑为参照，控制分割尺度、形状因子及紧致度变量，生成不同参数组合下的分割结果。当存在一个或多个对象组合边界与目视解译边界重合度较高，且符合尺度参数定量评价工具ESP所估算的拐点时，则视为最优分割参数[28-30]。为避免分割结果过于“碎片化”，在最佳重合度下，露天矿山开采活动范围内包含分割对象越少越好，即对象越完整越好。通过ESP工具和人机交互多次判识，最终选定尺度、形状、紧致度分别为50、0.4、0.5作为分割参数。研究区分割得到约23.79万个对象，局部分割效果如图 5所示。
图 5 最优参数下GF-2影像分割效果2.2.4 采场矢量边界提取露天采场空间信息提取采用了基于像素的深度学习模型，易出现破碎区与空洞；而面向对象分割可提供光谱、纹理等特征相对一致的对象。本文结合两者优势，叠加图像分割与像素提取结果，保留相交区域的分割对象，如图 6所示。为了更好地概括露天矿山采场边界，结合辅助数据移除与建筑、耕地、水体相交的对象；采用自动过滤移除相交区域面积小于50 m2或相交区域面积占比不到10%的对象，如图 6相交对象A、B、C、D中相交区域面积占比均不到10%，对象A与D仅为边缘相交；通过人机交互方式过滤相交面积为50~150 m2或相交区域面积占比为10%~20%的对象；保留其余相交对象，合并邻近对象。
图 6 相交分析与结果筛选示例2.2.5 提取结果精度验证露天矿山采场边界提取结果精度评价主要采用基于对象的评价与基于像素的评价两种方式。前者用于分析露天矿山采场位置提取的准确性；后者则用于评价露天矿山采场边界提取的准确性。基于对象的评价采用F1-score，计算方式为
(1)式中，p为查准率，由真阳性与假阳性结果计算得到；r为查全率，由真阳性与假阴性结果计算得到。基于像素的评价采用面积相似度，计算方式为
(2)式中，inp、pre分别为解译边界与预测边界；Area()为面积计算函数。当人工解译边界与提取边界存在1∶N、N∶1或M∶N情况时，则合并计算多个对象的总面积。3 结果分析3.1 识别结果精度分析本文方法共识别露天采场图斑152个。其中，新识别出的采场图斑有77个，错误的有27个，遗漏的有13个，识别准确率F1为0.71。部分识别结果如图 7所示。本文方法融合了U-Net与面向对象分析的优势，能够较好地识别与描绘露天矿山采场边界。与单一使用U-Net网络方法相比，本文方法所提取的露天矿山采场边界包含了更为完整的采场信息，与人工解译边界相似度更高，更具工程化应用前景。
图 7 正确识别图斑为量化所识别露天矿山采场边界的准确性，本文进一步统计了正确识别与人工解译图斑的面积相似度。统计结果如图 8所示，图斑面积平均相似度为0.78，有27.63%的图斑面积相似度大于0.90，仅有6处矿山采场图斑面积相似度小于0.5。面积差异主要是因为部分规模较大、开采持续时间较长的矿山场景复杂，一些早期采面已经风化，导致其所在的露天采场边界位置本身不易界定。模型对于开采特征明显的采场信息提取精度较好。
图 8 面积相似度统计研究区中露天矿山采场约只占研究区总面积的1.4%，错误识别的图斑主要为具有矿山采场相似特征的中转场地与裸露山体；遗漏采场主要由于采场本身面积较小或在采场空间信息提取环节中获取到的空间信息不足，在采场矢量边界提取时未被选取造成。3.2 2019—2021年图斑变化分析卫宁北山是宁夏矿区生态环境恢复治理的关键节点区域。本文利用2019、2021年两期矿山遥感监测底图，识别统计了露天矿山采场在2019—2021年的恢复治理情况。露天矿山采场变化情况包含场地平整、开发建设、人工复绿、持续开采和无变化，如图 9所示。
图 9 2019—2021年露天矿山采场变化情况统计在本文识别出的125处露天矿山采场中，有43.2%的图斑已开展生态修复治理，20.8%的图斑可观察到持续开采活动，36%的图斑无变化。其中，已实施或正在实施生态修复的图斑中，44处已采坑填埋与覆土整平；6处重新开发利用，建设了光伏面板、道路、工厂等基础设施；4处可观察到人工复绿。部分生态修复典型案例如图 10所示。
图 10 研究区矿山生态恢复治理典型案例4 结语本文以宁夏卫宁北山地区为研究区，构建了露天矿山采场信息提取方法。该方法采用基于像素分类的U-Net模型，避免烦琐的人工特征工程构建，定位露天矿山采场空间位置，初步提取露天矿山采场范围；在此基础上，结合面向对象分析方法，弥补基于像素分类产生的空洞与范围缺失，最终获取露天矿山采场矢量边界。经验证，该方法识别露天矿山采场空间位置精度达到0.71，且平均空间范围识别精度为0.78。试验结果证明了本文方法在露天矿山采场信息提取中的可行性，具备工程化应用前景。卫宁北山地区露天矿山规模不大、布局分散，露天矿山采场易与裸露山体、中转场地等地表覆盖类型混淆，且人工标注样本会存在一定误差，更准确地提取还需要大量高精度样本的支撑。后续工作将继续完善数据集，进一步提高露天矿山采场信息提取方法的精度和效率，验证该方法的稳健性。作者简介作者简介：刘丽(1986—), 女, 工程师, 主要研究方向为摄影测量与遥感、矿山地质环境监测。E-mail: ll＿[email protected]通信作者：李士垚。E-mail: [email protected]
初审：杨瑞芳复审：宋启凡
终审：金 君
资讯