基于高分辨率遥感技术的辽宁大孤山铁矿排土场滑坡灾害评价

2020-12-16 00:28郝大海姚玉增关长庆付建飞

世界地质 2020年4期

郝大海，姚玉增，关长庆，付建飞

东北大学资源与土木工程学院，沈阳 110004

0 引言

滑坡通常指的是斜坡上的土体或岩体在重力作用下沿着贯通的剪切破坏面所发生的滑移地质现象，是一种分布广泛且能造成重大经济损失和人员伤亡的地质灾害。因此，滑坡监测一直是防范和评估灾害的重要手段。矿产资源是人类社会发展的基础，据不完全统计，中国非煤矿山110 000多座，总产值超过千亿元，每年因采矿而排放的废石量超6亿t[1]。随着中国工业化的不断发展，对矿产资源的需求也日益增加，随之而来的矿山滑坡和塌陷等地质灾害给矿山企业和周围居民造成了较大的损失。传统的矿山地质灾害调查长期依赖职工举报、实地调查和逐级汇报等模式[2]，不仅效率低、时效性差，而且受限于空间范围小，很难对灾害预测、评估等有全方面的掌控。近年来，随着高分辨率遥感数据的应用，其速度快、时效性强和空间分辨率高等特点，弥补了传统矿山地质灾害调查的不足，在追溯矿区排土场滑坡前形貌、滑坡监测及灾情评价等方面有很大的优势[3]。

矿山排土场中排放的多是松散的岩石，其强度和稳定性都不高，另外，一些老矿山的无序排放，导致排土场滑坡灾害频频发生，造成了大量的人员伤亡、财产损失和恶劣的社会影响。目前，国内对排土场滑坡灾害的监测多采用GPS、土压力盒和固定式测斜仪等方式[4]，遥感方式的应用还较为局限，少量公开发表的文献多集中于大型煤矿露天边坡监测[5--7]和矿区沉陷方面[8]，而排土场滑坡灾害方面的研究相对更少[9]。因此，笔者采用高分辨率遥感技术对2010—2014年间辽宁大孤山铁矿排土场变化情况进行了调查研究，分析了滑坡体形态特征及滑坡类型等信息。该研究不仅为大孤山铁矿区排土场滑坡灾害监测与评估提供了科学依据，也对以后排土场滑坡灾害的研究提供借鉴。

1 研究区概况

鞍山市矿产资源丰富，已探明储量约74亿t。城区周围分布有六大开采区域、四大采坑、五大排土场和六大尾矿库，堆积岩石总量已超过20亿t，尾矿排放近10亿t[10]。其中大孤山铁矿位于鞍山市中心南12 km处，矿区东侧为千山山脉，南侧紧邻千山区唐家房村，西处为铁东区，北侧为高新区千山镇农村。矿区从1916年开始开采，1970年以后转入深凹露天纵向开采，现矿区总面积约为10 km2，东西长约1 700 m，南北宽1 500 m[11]。矿区大致分为采矿区、排土场和尾矿库(图1)。

由于大孤山铁矿长年开采，导致采矿区矿坑高程持续下降，与周围地区形成巨大的高度落差。利用ASTGTM(分辨率为30 m)DEM数据对图1中所示大孤山矿区进行三维建模显示(图2)。从图中可以得出矿坑底部与周围地区有300 m±的高度落差，且矿区周围分布有村庄和农田，人口较为密集，一旦发生滑坡，很可能造成人员伤亡和财产损失。因此，对矿区进行滑坡监测至关重要。

图1 大孤山矿区GeoEye--1遥感图像(获取时间：2013--10--09)Fig.1 GeoEye--1 remote sensing image of Dagushan mining area (acquisition time: 2013--10--09)

图2 大孤山矿区DEM数据三维显示Fig.2 Three-dimensional display of DEM data in Dagushan mining area

2 遥感数据选择与处理

2.1 遥感数据源

进入21世纪以来，随着鞍钢集团对铁矿资源需求量的大幅增加，大孤山铁矿排岩量也迅速增长，长时间的持续排岩导致矿区排土场南侧和北侧先后发生了滑坡灾害。高空间分辨率遥感技术是获取排土场历史数据的有效手段，结合滑坡区域的实际情况，选用了2010—2014年共5幅高分辨率遥感影像，包括滑坡前和滑坡后。影像数据包括WorldView、QuickBird、GeoEye三种类型，数据具体获取时间及全色波段分辨率如表1所示。

表1 遥感数据获取时间及分辨率Table 1 Remote sensing data acquisition time and resolution

2.2 遥感数据处理

由于研究区域涉及不同的时间段和不同的传感器，故在进行专题信息提取和解译之前，必须要对所获取的数据进行处理。

①遥感影像的相对几何校正：由于研究区域内的数据来自不同时相和不同传感器，要进行多时相数据的对比，就必须以某一时相数据为基准，将其他图像配准到该图像。选择2012--10--11 QuickBird影像为基准数据，以不变地物点为参考进行空间配准。

②遥感影像融合：图像融合是将低空间分辨率的多光谱图像与高空间分辨率的单波段图像重采样，生成一幅高分辨率的多光谱图像。本研究区域采用Gram--Schmidt Pan Sharpening(GS)融合方法，将遥感真彩色图像与全色图像进行融合。融合后的图像在空间分辨率提高的同时，图像的对比度也得到了一定程度的改善，利于滑坡灾害体信息的提取。

③多时相影像归一化：用历史遥感数据进行变化检测的问题在于获取的数据通常不是相隔整年的，太阳高度角、方位角和大气条件等是有变化的，加上本文采用的遥感数据也非同一平台的，故应对多时相数据进行归一化以减小或消除这些影响，使其具有与基准影像相同的辐射量级[12]。以2012--10--11 QuickBird遥感数据为基准影像，对各时相影像遥感数据的对应波段进行归一化。

3 信息提取

3.1 滑坡的遥感解译标志

滑坡的解译标志可分为直接解译标志和间接解译标志两类。

直接解译标志是对滑坡本身进行信息的提取与解译，主要利用滑坡体的平面形状特征、颜色特征、纹理特征和地形地貌特征等。滑坡体的平面形状特征是解译的基础，主要包括滑坡后壁和滑坡体本身的平面形状。不同的地质体发生滑坡时所具有的平面形状是不同的，土质类滑坡多呈现马蹄形、新月形，整体形态多为横长式，而岩质类滑坡多呈现纵长形或纵横约等式[13]；滑坡的颜色是区分地质灾害的重要标志，其颜色与背景影像之间的差异，是解译滑坡体的关键所在。一般情况下，新发生滑坡的滑坡后壁土壤或岩石初露，色调较浅，呈现白或灰白色，而老滑坡体多表现为粉紫色[14]；纹理是圈定滑坡范围的重要特征，通过颜色和色调变化表现出的细纹，这种细纹在某一确定的图像区域中以一定的规律重复出现。发生滑坡的区域一般都会出现纹理，在滑坡边缘会因高度差而产生较明显的滑坡范围，且滑坡内部会产生与滑坡方向一致的纹理；地形地貌特征有很多种，不同区域有不同的特征，例如连续的地貌特征突然被破坏，该破坏处就有可能发生滑坡。

间接解译标志主要表现在滑坡体周围的植物特征和水文特征。滑坡体上覆的植物与周围植物在光谱特征和树的种类上有一定的差异，可利用该差异区分出不同的植物类型，从而间接得出滑坡区域[15]；水文特征对山地类滑坡有重要的指示作用，不正常的河流改道、变窄、滑坡隐患区域地表多存在积水等信息，都是滑坡良好的解译标志。

由于本文发生滑坡地区在排土场，周围多为废石，无植被覆盖，也没有河流等间接解译的标志，故主要利用直接解译标志，通过滑坡平面形状、颜色和纹理进行解译。

3.2 滑坡的遥感提取方法

目前滑坡信息提取和解译主要有影像目视解译和计算机自动获取两种方法[16--19]。计算机自动获取是基于一定算法的地质灾害自动识别解译方法，效率高，适合大范围地质灾害的解译；影像目视解译是遥感解译人员根据遥感影像解译标志和解译经验，直接识别目标地物。该方法工作量大，且依赖于解译人员对滑坡现场的了解程度和解译经验，比较适合小范围、高分辨率遥感数据。由于本文研究范围较小，所获取的遥感影像均为亚米级高分辨率影像，加上滑坡区所在的排土场时刻都在变化，因此相关匹配算法较为困难。基于上述考虑，本文采用人机交互的目视解译方法，即通过计算机对影像进行适当调整从而获取图像信息的一种操作方式，本质上属于目视解译的范畴[20]。

本质上讲，遥感图像纹理是图像色调作为等级函数在空间上的变化，通常利用某些方法对纹理进行突出显示。笔者采用概率统计滤波的方法圈定了不同时相废石堆的精确边界，作为动态监测的基础。

色调是各地物辐射亮度强弱在影像上的表现，密度分割法可以对辐射亮度进行分层显示，从而突出不同区域辐射亮度之间的差异。根据这一特点，笔者采用密度分割法来区分滑坡区域与背景区域在色调上的差异，从而圈定滑坡具体范围。

4 结果与分析

4.1 排土场南侧废石堆变化范围

综合前面的信息提取与遥感解译结果，对大孤山铁矿区2010—2014年共5幅亚米级遥感影像进行处理，并圈定了排土场南侧发生滑坡废石堆的范围(图3)。

由图3可分析出，从2010年到2012年，废石堆占地面积整体呈逐渐扩大趋势，高度也有明显变化；2013年影像则发生较大的变化，废石堆东南侧发生了明显的滑坡；至2014年底，滑坡区的废石堆已经清理完毕。

为了清楚展示废石堆逐年变化的动态情况，以2012年10月11号QuickBird遥感影像为底图，在废石堆周围选取三不变地物点作为地面控制点，将2010—2013年废石堆东南侧边坡范围叠加在底图上(图4)。黄色虚线为2012年10月11号废石堆东南侧边界范围，文中以此作为其他时相边界分析的基准线。由图4可看出，从2010年至2013年，废石堆的范围向南不断外扩，边界外扩达十余米。2014年滑坡体已经被清理完毕，废石堆形貌发生了巨大变化，此时与其他时相的影像已难以直接对比，笔者将其相对距离计为0(表2)。

图4 废石堆东南侧边界变化(底图：2012--10--11 QuickBird图像)Fig.4 Changes of southeastern boundary of waste rock pile (Basemap: 2012--10--11 QuickBird image)

表2 废石堆面积和东南侧边界变化Table 2 Area of waste rock pile and changes of its southeastern boundary

4.2 排土场南侧滑坡面形状与滑坡规模

滑坡多沿某剪切破坏面进行滑动，即滑坡面。滑坡面多以颜色、色调及特殊纹理等表现出来。对滑坡后遥感图像进行密度分割来增强滑坡面信息，进而圈定了滑坡的具体范围(图5b)：滑坡区域呈长约140 m、宽约87 m的横长形，滑坡面的面积约为15 000 m2，滑坡内部纹理呈直线形，而未发生滑坡区域呈现不规则树枝状纹理。2012年废石堆尚未发生滑坡，其西南面纹理较粗糙，东南面纹理平滑且色调较浅，与周围废石形成鲜明的高度落差，为滑坡的隐患区域(图5a)。

废石类松散堆积物的堆积高度直接影响了其在地表斜坡的稳定性，而滑坡前后高程的变化则是滑坡规模的直接体现。本文采用的2012--10--11与2013--10--09两幅影像获取时间恰好在废石堆滑坡前和滑坡后，获取时间均为十月份下午两点，适于滑坡前后排土场高程的对比研究(图5)。

田新光等[21]利用QuickBird影像研究建筑物高程时，提出了一种基于高空间分辨率遥感影像和地物阴影来估算地物高程的模型。利用该模型估算出2012和2013年废石堆相对高度(相对于废石堆底部)分别约为35 m和25 m ，滑坡前后高度相差约10 m，由高度差和滑坡面形状可得出该滑坡为楔形体滑坡，体积约为61 000 m3，属于小规模滑坡。

(a) 2012--10--11; (b) 2013--10--9。图5 废石堆滑坡前后对比图Fig.5 Comparison of before and after waste rock pile landslide

4.4 排土场南侧滑坡类型

排土场滑坡类型主要有3种，排土场内部滑坡、排土场与基底接触面滑坡和排土场基底软层滑坡[22]。由于南侧滑坡面出露在边坡的不同高度，其上部陡、下部缓，形似抛物线，表明滑坡应属于排土场内部滑坡类型。该类型滑坡往往是由于排土场上覆岩石增多，受大气降雨或地表水浸润等外在因素影响，其内部会出现孔隙压力的不平衡和应力集中区，孔隙压力降低了潜在滑动面上的摩擦阻力，从而导致滑坡的产生。由于遥感可获取的信息有限，推测该滑坡产生原因是废石堆积过多导致上覆岩石应力改变所致。

4.5 排土场北侧滑坡研究

由于南侧滑坡为小型滑坡且没有造成矿区设备和人员的损失，故该滑坡相关记录较少。为了验证上述遥感评价方法的准确性，对有记录的北侧大型滑坡进行研究。

在影像范围内的排土场北侧，2014--11--12发生了一起大规模的滑坡灾害。滑坡区域位于排土场北侧边坡，其北侧为混凝土搅拌站，南侧紧邻尾矿库，东侧为黄子岭村，西侧为大孤山选厂。滑坡区域在2010—2013年间无明显变化，至2014--12--12日影像可看出，排土场发生了明显变化(图6)。按照前面研究方法圈定了滑坡范围：该滑坡体整体呈扇形，滑坡边界由南向北推进约295 m，两侧推进约208 m，滑坡面积约315 000 m2，滑坡宽约504 m。由于图中无阴影信息，所以无法获取高程变化和滑坡体积。根据矿区灾情通报(1)鞍山市大孤山铁矿排岩场北部边坡滑坡地质灾害调查简报[C].鞍山：鞍钢集团大孤山铁矿， 2014.及相关媒体报道[23]，该滑坡实际面积约为323 000 m2，宽约500 m，向北推进约300 m，两侧推进约200 m，影像估算结果与滑坡实际情况吻合较好，说明该遥感评价方法可靠性较好。

(a) 2013--10--09;(b) 2014--12--12。图6 排土场北侧滑坡前后对比图Fig.6 Comparison of before and after landslide on nouthern side of dump

5 结论

(1)以多源、多时相高分辨率遥感影像为数据源，采用人机交互的目视解释方法，对辽宁省大孤山铁矿区排土场内滑坡灾害进行了分析：排土场南侧小型滑坡面积约15 000 m2，高度变化约10 m，体积约61 000 m3；北侧大型滑坡面积约为315 000 m2，宽约504 m，滑坡体由南向北滑移约295 m，两侧延伸约208 m，该遥感分析结果与滑坡实际情况相吻合。

(2)研究结果表明，相比于传统的研究手段，高空间分辨率遥感技术可以充分发挥其多时相动态监测的优势，通过对滑坡前后排土场的遥感解译，可有效识别排土场滑坡，并为矿山排土场滑坡灾害的监测及灾情评估等提供基础资料。