第一作者简介: 杨显华(1982—),男,工程师,主要从事遥感地质、地质矿产调查研究等工作。Email:170219994@qq.com。
针对四川省矿产资源分布特征,开展了矿山遥感监测工作,构建了“遥感数据源选取—遥感数字图像处理—遥感信息提取—野外验证—图件制作”相对完整且较为成熟的矿山开发遥感监测技术方法体系。以卫星光学遥感数据为主、航空光学遥感数据和雷达数据为辅,并采用无人机遥感图像; 在正射纠正、几何配准、数据融合等图像预处理基础上,结合有关资料建立矿山开采面、矿山建筑、排土场、尾矿库、选矿厂、滑坡和泥石流的遥感解译标志; 采取以目视解译为主、计算机自动提取与目视解译相结合、辅以野外验证的方法进行遥感解译; 建立以遥感调查数据为主要数据源的矿山地质环境评价指标体系与GIS定量评价方法,实现矿山地质环境评价; 采用矿山遥感监测与传统地质环境调查技术相结合方法,开展矿山环境综合治理区划研究。取得的成果与进展包括: ①首次建立了省域矿产资源开发环境本底数据库,为实现矿山开发环境动态监测和国土资源空间数字化管理提供了基础数据; ②监测成果已在矿产卫片执法、矿山环境治理和矿产资源规划等国土资源管理工作中发挥了重要作用,成为了四川省矿政管理的重要参考依据; ③开展了矿山遥感监测技术方法研究与探索,形成了适应川西南山区的矿山遥感监测技术方法体系。
Focusing on distribution characteristics of mineral resources in Sichuan Province, mine remote sensing monitoring was conducted and a series of relatively integrated and mature methods on mine remote sensing monitoring were built, including selection of remote sensing data source, processing of remote sensing images, extraction of remote sensing information, filed validation and mapping. Choosing optical satellite data as main resources, with the help of aerospace optical data, Radar data and UAV data, based on orthogonal rectification, geometric registration, data fusion and other image preprocessing, a series of interpretation keys including mining surface, mine construction, waste dump, tailings reservoir, concentrator, landslide and debris flow were built. Using visual interpretation with the help of computer automatic extraction and filed validation, geological environmental evaluation system and GIS quantitative evaluation methods were built, and geological environmental evaluation was conducted. Combining remote sensing monitoring with conventional geological environmental investigation, the research of comprehensive governance was conducted and these results achieved are as follows:①The background database of provincial mine resources exploitation environment is built for the first time, which provides basic data for the dynamic monitoring on exploitation environment and digital management on land resources. ②The results of monitoring has played an important part in mining law execution by using remote sensing image, environmental management in mines, mineral resources planning and other land resources managements. It has became an vital reference of mineral management in Sichuan Province.③The research on technique and methods of remote sensing monitoring on mines is conducted, and a series of methods of remote sensing monitoring on mines which is suitable for mountain area in southwest of Sichuan Province is formed.
四川省是我国西部矿业大省, 省内绝大部分矿产位于川西南偏远山区, 仅依靠常规方法开展矿业秩序维护和矿山环境监测难以满足国土管理部门矿山管理工作的需求。遥感技术的快速发展及其具有的时效性强和覆盖面广等优点, 使其在矿政管理工作方面表现出明显的优势[1, 2, 3, 4, 5, 6], 但已有研究多关注于局部矿区或单项调查要素, 缺乏区域性、全要素、体系化的矿山开发环境遥感调查研究。2006年起, 四川省地质调查院开展了四川省矿产资源开发环境遥感监测工作, 其目的是利用遥感技术开展矿产资源开发利用状况、矿山环境和矿产资源规划执行情况遥感监测, 适时获取客观数据, 为国家制定矿产资源规划、保持矿产资源的可持续开发与利用提供技术支撑及决策依据。这项工作已成为服务于国土资源管理部门矿政管理、矿山环境恢复治理和矿产资源规划的一项基础性地质工作。
针对四川省矿产资源分布、地形地貌、自然环境等条件, 开展了矿山遥感技术方法研究与探索, 形成了适合川西南山区矿山遥感监测的技术方法和流程, 查明了四川省矿产资源开发、矿山环境、矿产资源规划执行情况等方面的现状和存在的问题。
首次完成了覆盖四川全省的矿产资源开发、矿山环境、矿产资源规划执行情况的遥感监测工作, 建立了四川省矿产资源开发环境本底数据库, 开展了监测成果的综合分析研究, 为国家政府掌握四川省矿山开发和矿山环境现状、制定矿山保护与规划措施、开展矿产资源动态监测奠定了重要基础。
1.1.1 矿产资源开发监测成果及应用状况
2014年度在四川省共圈定矿山开采点7 656个, 包括疑似违法点233个, 其中非金属矿违法点196个, 是主要违法矿种类型; 金属矿中铁矿违法开采问题突出, 煤矿违法开采点相对较少, 无证开采和越界开采是主要违法类型, 分布范围广泛; 以采代探、擅自改变开采方式、擅自改变开采矿种等违法类型数量较少。
2011— 2014年累计发现矿产疑似违法点1 087个, 各年度矿产疑似违法点数量分别是250个、348个、256个和233个。4 a来, 四川省矿产资源违法开采呈先增加后减少、总体减少的趋势。其中煤矿疑似违法点持续减少, 金属矿和非金属矿疑似违法点呈先增加后减少、总体稍有增长的现象。主要影响因素是国家经济建设转型、市场需求变化和矿产资源整顿治理政策的落实。
对违法开采矿山情况分析后发现: ①有限责任公司和私营企业是主要违法矿山企业类型, 分别占违法开采点总数的50%和47%, 国有企业和集体企业违法开采点数量较少; ②违法开采问题主要集中在川西南山区(占违法点总数的32%), 该区域违法开采规模大, 以国家重点关注的金属矿为主(占全省金属矿违法点总数69%); 四川盆地内和盆地周边山区虽然疑似违法点数量多, 但多以石材、页岩等非金属矿为主, 开采规模小; 川西北高原区违法开采矿山数量较少, 分布零散, 开采规模小。
矿产资源开发状况监测成果直接应用于国家矿政执法工作, 其中2011— 2014年累计调查出的矿产疑似违法图斑1 087个, 编制的相关图件944幅和统计表728份均及时提交国土资源执法部门使用。所上报的多个开采规模大、资源损毁严重的违法矿山均已受到国家督查处理, 为四川省矿产资源开发秩序的好转起到了推动作用。
1.1.2 矿山环境监测成果及应用状况
查明了全省矿产资源开发占地情况(图1)。全省矿山开发占地共30 685.49 hm2。其中, 建材类非金属矿和黑色金属矿是主要占地矿种, 凉山彝族自治州和攀枝花市是全省矿山占地最集中地区。基于全省矿山占地分布和重点矿区矿山占地变化趋势综合分析, 圈定出攀枝花市钒钛磁铁矿区(年均占地增长面积644.3 hm2)和凉山彝族自治州会理县多金属矿区(年均占地增长率20.4%)2个矿山占地问题最突出。
查明了矿山地质灾害点393处, 其中威胁程度最高的地质灾害当属冕宁牦牛坪稀土矿区泥石流群(图2), 灾害规模可达特大型。
该矿山于2013年7月17日爆发特大型泥石流, 引起了四川省委、省政府高度重视。项目组对泥石流群进行了详细解剖, 估算了泥石流各项指标参数, 并对其威胁范围进行了详细解译; 完成了2011— 2014年泥石流灾害动态监测, 掌握了矿山泥石流群现状和动态变化程度相关资料, 为泥石流群的进一步防治提供了翔实数据。
查明了全省矿山环境恢复治理分布情况。全省矿山环境恢复治理总面积1 286.69 hm2, 仅占全省矿山用地的4.2%, 而废弃矿山面积为已治理矿山面积的4.8倍。矿山恢复治理土地类型主要有耕地、园地、林地、草地、住宅用地、交通道路和其他治理工程7类。
完成了全省392个规划“ 复绿矿山” 的监测工作。截至2015年, 已完成复绿治理的矿山有26个, 占复绿矿山总数的6.6%; 正在进行复绿治理的矿山30个, 占复绿矿山总数的7.7%; 未进行复绿治理的矿山336个, 占复绿矿山总数的85.7%。
开展了矿山环境污染遥感调查工作。圈定矿山环境污染区22个, 影响范围7 421.7 hm2, 主要有水体污染和土壤污染2种形式, 其中冕宁稀土矿区、红格钒钛磁铁矿区及兴文硫铁矿区的环境污染问题较为突出。
开展了四川省矿山地质环境遥感监测综合评价工作。圈定矿山地质环境影响严重区1 350 km2、较严重区7 187.15 km2、一般区48 468.34 km2和无影响区427 994.5 km2, 分别占矿山地质环境影响区总量的0.28%、1.48%、9.99%和88.25%(图3)。
1.1.3 矿产资源规划执行情况监测成果及应用现状
完成了四川省矿产资源规划执行情况遥感监测, 涉及30个矿产资源开采规划区、85个禁止勘查开采区(含自然保护区、风景名胜区等)及其主要道路周边, 主要监测成果如下。
四川省30个矿产资源开采规划区中有8个完全达到规划目标, 其余22个主要存在采矿权数量、最低开采规模、最低开采年限和疑似违法开采等不符合规划的问题。
2015年四川省85个禁止勘查开采区中有24个存在勘查开采行为, 其中开采矿山以非金属矿为主, 勘查矿山以金属矿为主。
四川省主要道路周边存在采矿权309宗, 主要分布于达州市、乐山市、广元市等地区, 以高速公路和铁路周边的煤矿、页岩矿及石灰岩矿分布最多。
各年度均编制了矿产资源规划执行监测图、统计表、文字报告等资料。其中, 2015年编制完成了四川省禁止开采勘查区规划执行遥感监测专题统计表, 并及时提供国土资源部相关司局使用。
1.2.1 技术方法体系构建
构建了“ 遥感数据源选取— 遥感数字图像处理— 遥感信息提取— 野外验证— 图件制作” 相对完整且较为成熟的、适合四川省区域特点的矿山开发遥感监测技术方法体系, 出版了专著《四川省矿山开发遥感监测方法与实践》[7], 为四川省矿山遥感监测工作的有序开展建立了理论基础。
(1)形成了以卫星光学遥感数据为主、航空光学遥感数据和雷达数据为辅的四川省矿山开发遥感调查与监测数据获取模式, 有效解决了四川省矿区遥感数据获取难、获取慢的问题。
(2)构建了“ 计算机自动提取与目视解译相结合, 以目视解译为主” 的四川省矿山开发遥感信息提取模式。
(3)综合研究了四川省矿山开采点/面、矿山占地、矿山地质灾害及矿山恢复治理等地物类型特点, 建立了相应的监测方法和解译标志。
1.2.2 遥感数据处理与应用
(1)针对四川省多云多雾天气条件下很难及时获取到质量较好的高分辨率光学卫星数据的问题, 研究了矿区TerraSAR-X雷达数据图像配准、图像融合、矿山解译标志及矿业活动信息提取方法; 建立了矿山开采面、矿山建筑、排土场、尾矿库、选矿厂、滑坡和泥石流的遥感解译标志(图4)。上述方法有利于解决四川省多云多雾天气条件下光学遥感数据难以获取的问题, 为矿山遥感监测拓宽了遥感数据来源。
(2)针对部分矿区因矿山开发导致地形频繁且强烈改变的现实问题, 创造性地将IRS-P5 DEM应用于矿区高分辨率遥感数据正射纠正处理, 相对以往基于1∶ 1万地形图DEM数据的几何纠正精度有了明显提高。基于该项研究成果已公开发表了学术论文“ 基于IRS-P5的DEM高分辨率遥感影像正射纠正” [8]。
(3)开展了无人机在矿山遥感监测中的应用研究, 分别采用内部和外部变形误差纠正的方法解决了川西南山区无人机影像畸变较大的问题。应用研究结果表明, 无人机遥感影像获取时间快, 空间分辨率高(0.28 m), 能更清晰地反映矿山开采痕迹和矿山环境地物类型(图5), 特别适用于地下开采矿山分布集中区的遥感监测和应急调查工作。
1.2.3 综合分析评价方法
(1)在四川省矿山开发遥感监测工作基础上, 通过对不同矿山开发类型的充分调研, 建立了以遥感调查数据为主要数据源的矿山地质环境评价指标体系与GIS定量评价方法, 为实现矿山地质环境评价提供了技术支撑, 并在全国矿山地质环境评价中得到了推广和应用。
矿山地质环境评价指标体系选取地形地貌、年均降雨量、植被覆盖度(%)、区域重要程度、地质构造、岩性组合、边坡结构与强度、主要开采方式、主要开采矿种、开采点密度、占用土地面积比例、地质灾害、地质灾害隐患、水资源破坏程度和矿山环境恢复治理难易程度等16个指标进行评价, 每个评价指标按照相关标准分为3级, 其权重采用Delphi法确定[9, 10]。
(2)采用矿山遥感监测与传统地质环境调查技术相结合的方法, 开展了矿山环境综合治理区划研究。首先, 对研究区矿山开发环境各类要素进行了连续监测, 形成遥感监测数据; 然后, 利用传统地质环境调查方法开展矿山环境详细调查与评价, 补充完善矿山开发环境动态数据; 最后, 综合分析研究区矿山环境问题、利用状态、治理效果及地质条件等各项因子差异, 针对性地建立了地质环境防治区划标准, 根据监测数据完成了矿山环境恢复治理区块划分, 提出了恢复治理措施与建议。
研究结果证明, 将矿山遥感监测技术与传统地质环境调查方法相结合, 可以详细掌握矿山地质环境现状和发展趋势, 为开展矿山环境恢复治理规划与治理工作提供翔实资料[11, 12, 13, 14, 15, 16, 17]。
本项目所研究的遥感数据处理、矿山环境评价体系等技术方法, 已在成都理工大学和中国地质大学教学与科研工作中被采用, 提供了有益参考。
(1)部分偏远矿区所获取的遥感数据质量有待提高, 影响了矿山信息提取精度。四川省面积大, 地形、地貌复杂, 项目所使用的土地利用遥感数据主要针对盆地内人口聚集区, 而盆地周边山区和川西高原区遥感数据的质量相对较差。例如在川西高原和盆周山区约40%以上区域仍为黑白影像, 对矿山地物类型区分、矿山开采状态判断等遥感解译造成了一定的影响。
(2)部分金属矿区存在老矿山废弃、排土场重新开采利用、进而引发管理秩序和环境破坏等问题。此类问题主要出现在攀枝花市、凉山彝族自治州会理县及会东县等地区, 原有矿山采矿、选矿所排放的废渣中仍含有用矿物, 随着矿石价格变化和选冶技术提高, 原来所排放的废渣又重新被开发利用, 但通常无采矿权许可证, 并极易引发复绿草场破坏、环境污染和地质灾害等问题。
本项目开展了四川省矿山遥感监测和技术方法探索, 首次建立了四川省域矿山遥感监测本底数据库, 为实现国土资源空间数字化管理提供了支持。在此基础上实现了矿产资源动态变更调查与监测, 监测成果具有客观性、及时性、准确性等特点, 已在矿产卫片执法、矿山环境恢复治理和矿产资源规划等国土资源管理工作中发挥了重要作用。但四川省矿山遥感监测工作还需在以下方面加强。
(1)针对部分矿区卫星数据质量欠佳的情况, 今后矿山遥感监测工作中, 将该类地区部署为国产卫星数据(ZY-2 02C、GF-1、ZY-3等)优先获取范围, 以保障获取合格的高分辨率遥感数据。对连续多年影像质量均较差的矿区, 建议加大野外验证力度, 以保证解译成果的准确性和全面性。
(2)对矿产资源开采规划的调查和分析力度不够, 普遍存在矿产资源规划执行不到位、治理率低等问题。以往的调查多针对监测年度规划区内的矿权投放量、开采图斑数量和开采规模进行, 对规划基准年和监测年度规划执行情况的动态分析较少, 缺乏规划区监测结果的本底入库数据。建议进一步优化矿产资源开采规划区内矿业权设置, 综合分析规划区内不符合规划的矿山动态变化规律, 编制和完善规划执行监测成果入库数据。
(3)矿山复绿工程进展缓慢、完成率低, 野外核查工作有待加强。监测结果表明, 四川省仅6.6%的规划复绿矿山完成了复绿工作, 矿山复绿程度较低。其原因一方面在于矿山长期开采造成的历史遗留问题多, 矿山企业环境保护意识不强; 另一方面可能受到遥感数据质量影响, 不排除室内解译中存在恢复治理图斑漏提现象。建议在进一步工作中加大复绿矿山遥感解译和野外验证力度, 获取更为准确、客观的监测数据。
(4)建议按照中国地质调查局关于质量检查的相关制度, 在今后工作中重点开展各项质量检查工作, 及时修补质量检查中发现的问题, 以形成更加精确、全面、客观的矿产资源开发环境监测成果资料。
致谢: 本项研究工作得到了中国地质调查局秦绪文处长和中国国土资源航空物探遥感中心杨金中博士、方洪宾教授、聂洪峰教授等的大力支持与帮助, 在此深表感谢!参加本项目工作的还有刘智、蒋华标、彭孛和范敏, 在此一并表示感谢!
The authors have declared that no competing interests exist.
[1] |
|
[2] |
|
[3] |
|
[4] |
|
[5] |
|
[6] |
|
[7] |
|
[8] |
|
[9] |
|
[10] |
|
[11] |
|
[12] |
|
[13] |
|
[14] |
|
[15] |
|
[16] |
|
[17] |
|