采动地表浅层隐蔽裂缝的无人机红外识别现场试验

赵毅鑫，许 多，张康宁，令春伟，陶亚飞，郭晓冬，孙 波

(1.中国矿业大学(北京) 共伴生能源精准开采北京市重点实验室，北京 100083；2.中国矿业大学(北京) 能源与矿业学院，北京 100083；3.中国矿业大学(北京) 力学与建筑工程学院，北京 100083)

根据国家“十三五”能源发展规划和中国工程院预测，2020年、2030年和2050年煤炭在一次能源结构中的占比仍将高达62%、55%和50%。西部地区(山西、陕西、内蒙古、新疆)煤炭资源约占全国煤炭已探明储量的80%，且具有浅埋深、厚度大、薄基岩和厚松散层的特点。大规模高强度开采导致上覆岩层下沉、破断，引起地表沉陷和地裂缝等次生灾害，不仅造成经济损失，甚至诱发采空区遗煤自燃，威胁煤矿安全生产。同时，我国西部地区大多属于干旱半干旱地区，长期面临水资源短缺、土地荒漠化的困境。部分矿区地表植被稀少，上层覆盖风积沙，采动裂缝易被风积沙所掩盖，从而给采动裂缝的识别带来了更大的难度。

目前，国内外学者采用多种方法开展地裂缝的监测研究。如传统的地裂缝野外调查方法，其精度虽较高，但速度慢、工期长、成本高。随着技术的发展，合成孔径雷达干涉测量技术(InSAR)、激光扫描技术、卫星遥感技术等新技术被用于调查地裂缝，但存在作业成本高，数据获取周期长等缺陷。近年来，无人机遥感技术被广泛运用于边坡灾害防治、矿区生态环境监测、煤田火灾探测、矿区地表沉陷监测等领域，其具有分辨率高、机动灵活、效率高、运行成本低等显著优势。

因此，一些学者将无人机遥感技术应用于地表采动裂缝监测及识别。ZHANG等通过机器算法识别提取了无人机影像中的地表裂缝。赵金贵等基于无人机遥感影像探讨了采动地裂缝走向与黄土地貌关系。笔者提出了运用无人机红外遥感技术识别地表采动裂缝，为采动裂缝监测提供一种新的思路。但目前地裂缝监测及识别均是针对于地表可见的地裂缝，而采动地表浅层隐蔽裂缝识别的研究仍鲜有报道。

笔者采用无人机搭载高清红外相机对神东大柳塔煤矿52605工作面上方一采动裂缝进行不同埋深隐蔽裂缝连续监测试验，获取了不同时刻红外图像数据。对不同时刻红外图像内不同地物类型的温度信息进行统计和分析，旨在验证在特定条件下无人机红外遥感技术识别采动地表浅层隐蔽裂缝的可行性，并给出不同埋深隐蔽裂缝识别的较佳时间窗口，为无人机快速识别煤矿塌陷区内隐蔽裂缝奠定基础。

1 采动裂缝红外识别理论分析

煤炭的高强度开采造成上覆岩层弯曲、破断，产生采动裂缝，采动裂缝连通地底深处和地表。采动裂缝表面气体的导热系数、比热容等参数与地表风积沙之间具有较大差异，因此，采动裂缝与风积沙之间的温度变化特性不同，导致2者存在温差。除此之外，采动裂缝内部气体由于上下部之间存在温差而形成对流，使裂缝表面的温度与地表之间持续存在温度差异。加之，采动裂缝可能贯通采空区，而矿井多采用负压通风方式，导致矿井内部气压小于当地同一高度下的气压，在矿井通风负压及裂缝内空气重力作用下，导致裂缝内部气体存在强对流，进而导致采动裂缝与地表风积沙持续存在温差。而不同埋深隐蔽裂缝覆盖层温度受采动裂缝导热的影响，跟周边风积沙存在温差。不同地物之间的温差必然导致其红外辐射的差异，从而能被红外相机所识别。

红外相机探测器接收到红外辐射后，会根据辐照强度转换为电压信号，电压信号再转为数字信号，最终得到红外亮度照片，通过温度反演可获得物体实际温度。红外相机接收到的红外辐射通常由被测物体热辐射、大气环境热辐射以及大气反射经地表再次反射后被红外探测器接收的热辐射3部分组成。根据无人机红外遥感获取的亮度温度图，采用辐射传导方程法对地物温度进行反演，热红外辐射亮度表达式即辐射传导方程为

=[()+(1-)]+

(1)

其中，为红外相机接收到的热红外辐射能量；为地物比辐射率；为地物真实温度；()为与地表真实温度相同的黑体辐射亮度；为大气环境的透射率，大气透射率可以从NASA官网中通过输入成像时间和中心经纬度获取；，分别为大气上行和下行路径的辐射亮度。比辐射率与观测区地表状态(颗粒度、粗糙度、密实度等)有关，由于现场对不同厚度裂缝覆盖层进行了平整、均质处理，且观测主要集中在裂缝区小尺寸范围内，忽略地表状态对比辐射率取值影响。

本文温度反演在FLIR Tools专用软件中进行，通过输入采动裂缝温度、湿度以及大气温度、湿度、风速、地物比辐射率参数，可直接获取地表辐射真实温度图。

2 隐蔽采动裂缝监测试验

2.1 工程背景

大柳塔煤矿是年产超2 000万t的特大型现代化高产高效矿井，隶属于神东煤炭集团，位于陕西省神木县城的西北约52.5 km处，行政区划属大柳塔乡管辖。大柳塔井田东西长10.5～13.9 km，南北宽9.1～10.5 km，面积126.8 km。井田地处陕北黄土高原之北侧和毛乌素沙漠东南缘，地势北高南低，中部高而东西低。区内大部属风沙堆积地貌，沙丘、沙垄和沙坪交错分布，植被稀少。大柳塔矿井52605综采工作面采用走向长壁一次采全高全部垮落采煤方法，工作面沿倾向布置，倾向长度305.4 m，推进长度4 299 m，采高4.3 m。该综采工作面地面标高1 160～1 280 m，煤层底板标高为1 037.09～1 075.7 m，观测日工作面累计进尺250 m，52605工作面井上下对照图及钻孔柱状图如图1所示。

2.2 监测系统

为实现不同埋深隐蔽裂缝红外观测，采用大疆无人机(M600Pro)搭载FLIR Duo Pro R热成像及可见光双光相机，设备具体参数见表1，设备图像如图2所示。其中，Duo Pro R 336高清红外相机用于采集风积沙、植被和隐蔽裂缝等目标的热辐射信息；Duo Pro R 640可见光相机则用于采集高分辨率采动裂缝图像。同时，采用风速仪(SW6036)、温湿度仪(UT333)以及土壤测试仪人工测量采动裂缝温度、湿度以及大气温度、湿度、风速。

2.3 监测试验设计

为探究不同埋深隐蔽裂缝的温度特征及红外识别隐蔽裂缝的可行性，对神东矿区大柳塔矿52605工作面上方一采动裂缝采取沙土掩埋，其中采动裂缝宽度5～10 cm，沙土掩埋形状呈矩形，长60～70 cm，宽30～40 cm，并对掩埋深度作不同设置，采动裂缝上部覆盖层厚度分别为5，10，15，20，30 cm，如图3所示。图3中掩埋所用沙土为埋设采动裂缝所用沙土，以便与隐蔽裂缝上覆沙土层进行对比。为严格控制隐蔽裂缝的埋深，在采动裂缝上铺设纱布防止土壤渗入地裂缝内部，间接影响埋深深度。鉴于夜间采动裂缝温度高于风积沙温度，更易被识别。因此，完成沙土掩埋4 h后采用无人机搭载高清红外相机对不同埋深隐蔽裂缝试验区域于夜间进行连续观测(21:00 pm、23:00 pm，1:00 am，3:00 am，5:00 am，时间间隔2 h)，观测时拍摄高度分别为15，20，25，30 m，观测季节为春季。为检验红外图像精度，每次航拍前10 min，人工测量采动裂缝的温度及湿度，并记录每次测量时大气温度、风速及大气湿度。

图1 52605工作面井上下对照图及综合钻孔柱状Fig.1 Surface-underground contrast plan and drill bore column of 52605 working face

表1 主体监测设备参数

图2 大疆M600Pro无人机与FLIR Duo Pro R相机Fig.2 M600Pro DJI drone with FLIR Duo Pro R camera

图3 不同埋深隐蔽裂缝布设及现场实测Fig.3 Arrangement of hidden ground mining-induced fissurewith different burial depths and field measurements

3 采动裂缝监测结果及分析

3.1 不同时间点采动裂缝红外图像特征

采用专业软件FLIR Tools从不同监测时刻所采集的图像序列中，选取飞行高度25 m的目标观测区红外图像，使其具有大致相同的方向和分辨率，选取的红外图像如图4所示。其中图4分别为21:00 pm，23:00 pm，1:00 am，3:00 am，5:00 am采集的红外图像；地表采动裂缝及5，10，15，20，30 cm埋深隐蔽裂缝位置图4中已标注。

红外图像中，地物呈亮色，代表其温度较高，相反呈现暗色则代表温度较低。21:00 pm—1:00 am，植被呈亮白色，说明植被温度明显高于采动裂缝和风积沙温度；而地表采动裂缝相比周边风积沙颜色稍白，不易于识别。3:00 am—5:00 am，地表采动裂缝和植物呈亮白色，而风积沙呈暗黑色，说明地表采动裂缝温度明显高于风积沙温度，此期间易于被识别。不同时间点所采集的采动裂缝可识别程度不同，其主要原因是深部采动裂缝导热和环境温度共同作用下导致地表采动裂缝的温度与周边地物有所差别。仔细观察图4中试验所选取的地表采动裂缝，可发现同一时间所采集的红外图像中地表采动裂缝不同部位的颜色不同，即温度不同，导致识别出的采动裂缝不连续，其原因:一是采动裂缝不同部位处的宽度有所不同，进而导致温度不同；二是采动裂缝表面的形态以及采动裂缝不同部位与空中热像仪构成的观测角度稍有不同所造成的。

图4 不同时刻不同埋深隐蔽裂缝红外图像Fig.4 Infrared images of hidden ground mining-induced fissure with different burial depths at different times

21:00 pm—5:00 am，不同埋深隐蔽裂缝颜色整体较深，说明隐蔽裂缝温度低于风积沙温度、植被温度、地表采动裂缝温度；且随着埋深不同，颜色亦有所不同；其中21:00 pm时，15，20，30 cm埋深隐蔽裂缝的颜色以及23:00 pm时，20 cm埋深隐蔽裂缝的颜色与风积沙颜色相近，识别困难，其他时刻不同埋深隐蔽裂缝均能从周边环境中被识别。通过观察图4中不同埋深隐蔽裂缝，可发现虽然3:00 am，5:00 am时20，30 cm埋深处上覆土层中可观察出裂缝的轮廓，但是多处隐蔽裂缝上覆沙土层的颜色几乎一致，未能明显看出中间裂缝处颜色与周围的差异；推测其原因有以下3点：① 试验中采动裂缝上覆沙土层尺寸相对较小(长60～70 cm，宽30～40 cm)以及不同埋深隐蔽裂缝之间的环境不封闭，直接影响采动裂缝对上覆土层的导热，进而影响其温度；② 采动裂缝通过热导热影响上覆沙土层，且裂缝正上方的沙土层与旁边的沙土亦有热传导，可能会导致地表反映出来的热传导面积大于原采动裂缝的宽度；③ 由于所采集的红外图像中不同地物温度范围较大，而采动裂缝导热能力以及原因①中所提到的外部影响因素，导致温差很小，因此在红外图像中其颜色对比度很小，难于观测。

对比夜间期间所采集的红外图像发现，3:00 am—5:00 am采集红外图像中地表采动裂缝颜色呈亮白色，较突出，地裂缝信息完整且清晰，易于识别。不同埋深隐蔽裂缝地表覆盖层颜色与周边风积沙颜色不同，且不同埋深深度的隐蔽裂缝间颜色稍有不同，整体上能够识别不同埋深隐蔽裂缝，进一步分析还需对其进行温度提取。

3.2 红外图像温度精度分析

采用FLIR Tools专业软件对不同时刻、不同飞行高度所采集红外图像中的地表采动裂缝进行温度提取，并与实测温度进行对比，评估不同时间、不同飞行高度所采集红外图像温度精度，地表裂缝提取温度、实测温度及两者误差详见表2。

采集红外数据时，实测风速较小，整体上处于无风状态下。表2中绝对误差平均值为不同时刻不同飞行高度所采集红外图像中采动裂缝提取温度与其实测温度的绝对误差平均值。由表2可知，21:00 pm—5:00 am，地表采动裂缝提取温度与其实测值的绝对误差相对较小，绝对误差平均值分别为0.5，0.8，1.2，0.6，0.7 ℃，相对误差平均值分别为3.0%，5.2%，9.4%，5.9%，8.0%，绝对误差平均值均≤1.2 ℃，相对误差平均值均≤9.4%，且其间各时刻所有误差绝对值的平均值为0.76 ℃，相对误差为6.3%，精度较高。

表2 不同飞行高度地表采动裂缝提取温度与实测温度误差统计

通过统计不同采集时间各飞行高度所采集的红外图像中地表采动裂缝提取温度与其实测值的绝对误差，飞行高度为15，20，25，30 m时，其绝对误差平均值分别为1.12，0.72，0.56，0.58 ℃。由此可见，本文研究条件下，平均误差随着飞行高度增加先变小后增大，其中飞行高度25 m时，平均误差最小，精度相比其他飞行高度高。

3.3 地表采动裂缝、风积沙、植被温度特征

使用专业软件FLIR Tools提取红外图像中地表采动裂缝、风积沙和植被处的平均温度，并据此计算地表采动裂缝和风积沙、植被之间的温差，采用的是25 m飞行高度所采集的红外图像，如图5所示。

图5 不同时刻地表采动裂缝温度、风积沙温度、植被温度及其温差曲线示意Fig.5 Curves of ground mining-induced fissure temperature,aeolian sand temperature,vegetation temperature and theirtemperature difference at different times

据图5可知，21:00 pm—5:00 am，风积沙温度、地表采动裂缝温度、植被温度均呈下降趋势，于5:00 am时，3者温度均处于最低值，分别为5.6，7.4，7.1 ℃。观察图5可知，21:00 pm—5:00 am，地表采动裂缝温度高于风积沙温度，其与风积沙的温差均为正值，而且温差整体呈不断加大趋势，5:00 am时其温差达到最大值1.8 ℃，此时地表采动裂缝易于识别。21:00 pm—1:00 am，地表采动裂缝温度低于植被温度，其与植被的温差为负值，而且绝对温差在不断增大，说明该阶段裂缝温度下降速率高于植被。3:00 am—5:00 am，地表采动裂缝温度高于植被温度，温差为正值。21:00 pm—1:00 am，地表采动裂缝温度介于植被和风积沙之间，裂缝温度大于风积沙温度小于植被温度；3:00 am—5:00 am，3者的温度高低顺序变为地表采动裂缝>植被>风积沙。

出现上述规律，主要是由于地表采动裂缝与风积沙、植被的降温速率不同，温度减小幅度不同而致。夜间地表采动裂缝温度高于风积沙的原因：① 采动裂缝内气体和风积沙的导热系数、比热容不同，风积沙比热容小，随着气温持续下降，风积沙降温速率大于采动裂缝；② 采空区和深部裂缝的地温相对恒定，受其持续导热影响，故地表采动裂缝温度大于风积沙温度且温差不断增大。而植被温度变化幅度较小主要是受蒸腾作用影响。综上可知，3:00 am—5:00 am地表采动裂缝易于识别，其与风积沙、植被温差均为正值，颜色较突出。此外，本研究中选取的地表采动裂缝为一静态裂缝，最佳监测时间段可能不适用动态采动裂缝，主要是由于动态裂缝仍处在闭合的动态变化中，其自身温度变化规律虽与静态采动裂缝相似，但其与周边地物的温差变化规律可能有别于静态采动裂缝，进而导致其最佳可识别的时间段不同于静态裂缝。但动态采动裂缝是可被红外技术所识别的，其连通地下深部裂缝区域甚至采空区，其温度必然有别于周围地物。

3.4 隐蔽裂缝温度特征及分析

不同埋深隐蔽裂缝温度特征

为分析不同埋深隐蔽裂缝温度特征及规律，对红外图像中不同埋深隐蔽裂缝提取温度，结果见表3。采用的红外图像亦是25 m飞行高度所采集的。

观察表3及图6(a)可知，21:00 pm—5:00 am，不同埋深隐蔽裂缝的温度不断下降，规律同3.3节中地表采动裂缝、风积沙、植被温度变化规律；5:00 am时，温度达到最低值，5，10，15，20，30 cm埋深隐蔽裂缝最低温度分别为3.1，3.5，4.1，4.2，4.3 ℃。对比表3中同一时刻不同埋深隐蔽裂缝的温度可知，不同埋深的隐蔽裂缝温度不同，且不同时刻5组埋深的隐蔽裂缝温度分布规律也不同，说明隐蔽裂缝的温度与其埋深具有较强的相关性。21:00 pm,23:00 pm时，随着埋深增大，隐蔽裂缝的温度先增加后减小；其中埋深20 cm的隐蔽裂缝温度最高，分别为16.0，14.4 ℃；1:00 am—5:00 am，随着隐蔽裂缝埋深的增大，温度基本呈持续增大的规律；3个时刻埋深30 cm隐蔽裂缝温度均为最大值，分别为10.9，6.6，4.3 ℃。出现上述规律，说明随着埋深增大，深部采动裂缝的导热对隐蔽裂缝温度的影响程度在持续增大，但必然存在一临界点埋深，使隐蔽裂缝温度达到最大，随后不断下降；其中21:00 pm,23:00 pm时，20 cm即深部采动裂缝导热和环境温度共同影响的临界埋深点，而1:00 am—5:00 am，在本文埋深设置的前提下临界埋深则是30 cm。

表3 不同埋深隐蔽裂缝提取温度统计

图6 不同埋深隐蔽裂缝温度及其与地表采动裂缝、风积沙、植被温差曲线Fig.6 Temperature curves of hidden ground mining-induced fissureat different burial depths and theirtemperature differences with ground mining-induced fissure,aeolian sand,vegetation

由上述分析可知，环境温度与采动裂缝导热共同影响隐蔽裂缝温度，埋深不同各自影响程度不同，进而导致不同埋深隐蔽裂缝的温度不同，且不同时刻隐蔽裂缝温度变化拐点埋深的深度不同，由此可说明采动地表浅层隐蔽裂缝是可以通过红外技术进行识别且不同时刻可识别的埋深不同。

隐蔽裂缝与地表采动裂缝、风积沙、植被温差分析

(1)隐蔽裂缝与地表采动裂缝的温差。表4为不同埋深隐蔽裂缝与地表采动裂缝的温差。观察表4和图6(b)可知，21:00 pm—次日5:00 am，不同埋深隐蔽裂缝与地表裂缝温差均为负值。由图5可知，21:00 pm—次日5:00 am，地表采动裂缝温度高于风积沙温度，由于采动裂缝表面气体的导热系数、比热容等参数与地表风积沙之间具有较大差异且采动裂缝内上下间存在热对流。因此，采动裂缝与风积沙之间持续存在温差。而隐蔽裂缝温度则受地表采动裂缝导热和环境温度共同影响的，因此观测期间不同埋深隐蔽裂缝温度均小于地表采动裂缝的温度。由表4和图6(b)可知，埋深深度不同，隐蔽裂缝与地表裂缝温差不同，且不同时刻温差规律也不同。21:00 pm,23:00 pm时，随着埋深增大，绝对温差先减小后增大；其中埋深20 cm的绝对温差最小，温差分别为1.4，1.3 ℃。1:00 am—5:00 am，随着隐蔽裂缝埋深的增大，绝对温差基本呈持续减小的规律；3个时刻埋深30 cm时绝对温差最小，温差分别为2.4，2.8，3.1 ℃；对比不同埋深隐蔽裂缝温度变化特征可知，隐蔽裂缝与地表裂缝的温差变化规律与不同埋深隐蔽裂缝温度变化规律相同。对比图6(b)和表4中同一埋深不同时刻温差可知，随着时间的递进，温差逐步增大，于次日5:00 am时，各组埋深隐蔽裂缝与地表裂缝绝对温差值达到最大，温差值分别为4.3，3.9，3.3，3.2，3.1 ℃；这说明不同埋深隐蔽裂缝的降温速率大于地表采动裂缝，地表采动裂缝和隐蔽裂缝温度受深部采动裂缝导热及环境温度共同影响，但隐蔽裂缝上部覆盖层为沙土，比热容小，降温较快。

表4 不同埋深隐蔽裂缝与地表采动裂缝温差统计

综上可知，本文研究条件下，21:00 pm—5:00 am，不同埋深隐蔽裂缝温度低于地表采动裂缝温度，且不同时刻下不同埋深隐蔽裂缝与地表采动裂缝的温差变化规律不同，说明不同埋深隐蔽裂缝温度受采动裂缝导热及环境温度共同影响，且不同时刻两者影响程度不同，导致隐蔽裂缝与地表采动裂缝温差变化的临界埋深亦不同。

(2)隐蔽裂缝与风积沙(沙土)、植被的温差。表5为不同时刻不同埋深隐蔽裂缝与风积沙、植被的温差。通过观察图6(c)，(d)和表5中隐蔽裂缝与风积沙、植被温差可知，21:00 pm—次日5:00 am，不同埋深隐蔽裂缝与风积沙、植被温差值均为负值。而由图5可知，21:00 pm—次日5:00 am，地表采动裂缝温度高于风积沙温度，但不同埋深隐蔽裂缝温度却低于风积沙温度，推测其原因一是隐蔽裂缝上部覆盖层为纯沙土，而风积沙含有少量杂草，比热容不同，降温速率不同；二是不同埋深隐蔽裂缝的上覆土层尺寸相对较小(长60～70 cm，宽30～40 cm)且各埋深隐蔽裂缝间留有一定距离，直接导致隐蔽裂缝两侧温度环境不封闭，间接影响采动裂缝的导热。

由表5和图6(c)，(d)可知，不同埋深隐蔽裂缝与风积沙、植被温差不同，不同埋深隐蔽裂缝与风积沙的绝对温差小于其与植被的绝对温差，且不同时刻温差规律也不同。21:00 pm，23:00 pm时，随着埋深增大，绝对温差先减小后增大，埋深20 cm的绝对温差最小，隐蔽裂缝与风积沙的温差分别为0.6，0.7 ℃，隐蔽裂缝与植被的温差分别为2.4，2.3 ℃，说明此期间采动裂缝导热和环境温度共同影响下临界埋深为20 cm。1:00—5:00 am，随着隐蔽裂缝埋深的增大，绝对温差呈持续减小的规律；3个时刻埋深30 cm时绝对温差最小。次日1:00 am时，不同埋深隐蔽裂缝与植被绝对温差值达到最大，而隐蔽裂缝与风积沙绝对温差较大主要集中在1:00 am—5:00 am。而且1:00 am—5:00 am，不同时刻同一埋深隐蔽裂缝与风积沙温差波动较小，特别是10，15，20，30 cm埋深时；而此期间风积沙降温速率小于隐蔽裂缝上覆层沙子的降温速率，理论上随着时间递进绝对温差应持续增大，但实际温差波动较小，甚至3:00 am时埋深15，20 cm的绝对温差最大；由此可知，此期间深部采动裂缝导热对隐蔽裂缝的温度影响较大。

表5 不同时刻不同埋深隐蔽裂缝与风积沙、植被温差统计

为排除风积沙与隐蔽裂缝覆盖层沙土比热容不同的影响，更直观观测采动裂缝导热对隐蔽裂缝温度的影响。通过提取并计算不同埋深隐蔽裂缝与掩埋所用沙土(图3)之间的温差，计算结果见表6。由表6中隐蔽裂缝与掩埋所用沙土的温差可知，不同时刻不同埋深隐蔽裂缝与掩埋沙土的温差有正有负。由此说明，温差跟隐蔽裂缝埋深深度具有较强的相关性；不同埋深隐蔽裂缝在采动裂缝导热和环境温度共同作用下，其温度不同于沙土的温度，进一步验证隐蔽裂缝可以被红外技术识别且不同时刻可识别的埋深不同。对比表6中不同埋深隐蔽裂缝与掩埋所用沙土、地表采动裂缝与掩埋沙土的温差以及表4中隐蔽裂缝与采动裂缝的温差可知，21:00 pm时地表裂缝与掩埋沙土的温差为正值，隐蔽裂缝与地表采动裂缝的温差为负值，而隐蔽裂缝与掩埋沙土的温差随埋深增大，温差由负值转为正值；5，10 cm埋深时，隐蔽裂缝与掩埋沙土的温差为负值；15，20，30 cm埋深时，温差分别为0，0.2，0 ℃，说明该埋深时，隐蔽裂缝温度受采动裂缝导热影响程度大于环境温度对其的影响。23:00 am—3:00 am，温差规律基本与21:00 pm时的规律相同；不同的是5，10 cm埋深时隐蔽裂缝与沙土的温差在不断减小，特别是10 cm埋深时隐蔽裂缝温度在采动裂缝导热和环境温度共同作用下，其温度同沙土温度基本相等；而15，20，30 cm埋深时，隐蔽裂缝与沙土的温差均为正值，且温差整体处于增大的趋势。5:00 am时，隐蔽裂缝与沙土的温差均≥0 ℃，且随埋深增大，温差也不断增大；其中5 cm埋深时隐蔽裂缝与沙土的温差为0。由此可知，采动裂缝通过热传导影响隐蔽裂缝上覆沙土层的温度，且不同时刻所影响的埋深深度不同。

表6 不同埋深隐蔽裂缝与地表采动裂缝、掩埋沙土温差统计

不同埋深隐蔽裂缝与风积沙(沙土)、植被均存在温差，其主要原因是不同地物温度主要受环境温度影响，整体均是随环境温度降低而降低，但不同地物的比热容、导热系数及其他外在影响因素不同，导致彼此间降温幅度不同，因此不同地物间存在温差。风积沙比热容小，其降温速率大于采动裂缝及植被；夜间，由于气温低、光照强度弱，植被大部分气孔关闭，导致蒸腾和散热减少进而阻止植被温度的显著下降；不同埋深隐蔽裂缝表层沙土比热容相比风积沙比热容小，在环境温度影响下其温度低于风积沙、植被；但隐蔽裂缝上覆沙土层受采空区和深部裂缝持续导热的影响，导致其温度随着隐蔽裂缝埋深的增加而高于掩埋所用沙土的温度且温差整体上呈增大趋势。

综上分析可知，在本文研究条件下，不同埋深隐蔽裂缝与植被、风积沙均存在一定温差，不同埋深隐蔽裂缝均能识别；其中1:00 am—5:00 am，绝对温差相对较大，识别相对容易，但此期间2者绝对温差随着埋深增大逐渐减小，因此推测埋深深度达到一定厚度时，隐蔽裂缝不能被识别。而21:00 pm时，埋深15，20，30 cm隐蔽裂缝与风积沙绝对温差相对较小，不易于识别；23:00 pm时则是埋深20 cm时，其绝对温差较小，同样不易于识别。上述结论是在本文特定研究条件下得出的，针对其他季节观测时，采动地表浅层隐蔽裂缝与地表采动裂缝、风积沙(沙土)、植被的温差变化规律有待后续进一步研究。同时，本次研究目的是对被风积沙覆盖条件下地表采动裂缝无人机红外探测的可行性进行分析验证，后续会结合地质雷达等手段对识别隐蔽裂缝的效果进行深入分析。

4 结 论

(1)对神东矿区大柳塔矿一地表采动裂缝采用不同厚度沙土进行掩埋，并于夜间采用无人机搭载高清红外相机对不同埋深隐蔽裂缝进行连续监测，试验证明无人机红外可有效识别采动地表浅层隐蔽裂缝。1:00 am—5:00 am，不同埋深隐蔽裂缝与风积沙、植被温差均相对较大，此期间易于识别隐蔽裂缝；而21:00 pm，23:00 pm存在部分埋深隐蔽裂缝较难于识别。

(2)21:00 pm—5:00 am，风积沙温度、地表采动裂缝温度、植被温度不断下降，5:00 am时温度达到最低值，分别为5.6，7.4，7.1 ℃；且21:00 pm—1:00 am，地表采动裂缝温度大于风积沙温度小于植被温度；3:00 am—5:00 am，地表采动裂缝温度大于植被温度大于风积沙温度，故本文研究条件下地表采动裂缝可被红外技术识别且3:00 am—5:00 am相较于其他时刻更易于识别地表采动裂缝。

(3)隐蔽裂缝温度与其埋深深度的相关性较强，且不同时刻不同埋深隐蔽裂缝的温度特征不同。本文研究条件下，21:00 pm，23:00 pm时，5，10，15，20，30 cm埋深隐蔽裂缝的温度先增加后减小，埋深20 cm的隐蔽裂缝温度最高，分别为16.0，14.4 ℃；1:00 am—5:00 am，隐蔽裂缝温度随埋深增大而增大，埋深30 cm隐蔽裂缝温度最高，分别为10.9，6.6，4.3 ℃。

(4)不同埋深隐蔽裂缝与地表采动裂缝、风积沙、植被均存在一定的温差，且温差受不同时刻、不同埋深的影响较大。21:00 pm—5:00 am，不同埋深隐蔽裂缝与地表采动裂缝、风积沙、植被的温差均为负值，且温差变化规律同不同埋深隐蔽裂缝温度变化规律，不同时刻温差变化转折点的埋深不同；21:00 pm，23:00 pm，埋深20 cm时3个温差绝对值最小；1:00 am—5:00 am，埋深30 cm时3个温差绝对值最小。