宋亮
- 作品数：5 被引量：45H指数：3
- 供职机构：东北大学资源与土木工程学院更多>>
- 发文基金：国家自然科学基金国家教育部博士点基金更多>>
- 相关领域：天文地球自动化与计算机技术更多>>
- 基于可见光-近红外光谱的煤种分类方法被引量：16
- 2017年
- 利用便携式地物光谱仪SVC HR-1024对92个烟煤和58个褐煤样本进行光谱测试,烟煤和褐煤在可见光-近红外波段光谱特征差异明显,褐煤的光谱反射率及其斜率均明显高于烟煤.在光谱特征分析的基础上,利用MAO模型法、随机森林法、BP神经网络法和ELM算法进行煤种分类.结果表明:MAO模型法和随机森林法的分类结果较优.若进行大面积、快速遥感识别时,对分类时间要求较高,应选择MAO模型法;若是小面积单一矿区分类,对分类准确率要求较高,选择随机森林法较为恰当.
- 宋亮刘善军毛亚纯李天子
- 关键词：烟煤褐煤遥感
- 基于可见-近红外和热红外光谱联合分析的煤和矸石分类方法研究被引量：30
- 2017年
- 煤与矸石是矿山采煤过程中主要固体堆放物,对其进行遥感动态监测是矿山环境保护的重要需求。由于煤与部分矸石存在"异物同谱"现象,在使用传统的可见-近红外遥感分类时,往往将部分矸石划分为煤,导致遥感分类精度降低。首先对铁法矿区的12个煤样本和115个矸石样本进行可见-近红外光谱测试,发现绝大部分矸石样品的光谱与煤差异很大,二者易于区分,但有部分矸石与煤样本存在"异物同谱"现象。为进一步对矸石与煤区分,测试了混分样本的热红外光谱,发现二者存在明显的光谱差异,利用热红外光谱特征可以将其区分开来。在此基础上,提出了基于可见-近红外和热红外光谱联合分析的煤与矸石区分方法。该方法首先对所有样本进行可见-近红外光谱测试,利用Mao模型进行第一步分类识别;其次对煤与矸石混分的样品进行热红外光谱测试,利用光谱吸收比率SAR作为判别指标进行第二步分类,两步的分类结果为最终分类结果。该方法在铁法、兖州、神东和木里矿区的验证结果表明,其具有很高的分类准确率,效果远好于单独基于可见-近红外光谱特征的分类方法。研究结果表明,利用多种光谱联合分析的方法可以解决单波段存在的"异物同谱"现象,对于地物遥感分类具有重要的借鉴意义。
- 宋亮刘善军虞茉莉毛亚纯吴立新
- 关键词：煤矸石遥感热红外
- 不同含水量尾砂的光谱特征与遥感模型被引量：3
- 2019年
- 我国尾矿库数量众多,分布广泛,在低含水量条件下,风力作用引起的尾砂扬尘会对周边环境造成污染。而尾矿库表面积大,含水量变化快,传统的含水量监测方法效率低、安全性差、成本高,难以实现尾矿库含水量的大面积、实时、快速的监测。目前,基于光谱特征的遥感模型虽可以较为准确地预测土壤含水量,但矿区尾砂与常规土壤在成分上存在差异性,使得土壤含水量的光谱预测遥感模型可能无法适用于尾矿库含水量的预测。为此,选择辽宁省风水沟尾矿库作为研究区,采集尾砂配置成不同含水量的样品,测试其可见光-近红外光谱,分析不同含水量样品的光谱特征以及含水量与光谱特征之间的关系,建立针对尾砂的含水量遥感预测模型,并应用于辽宁省风水沟尾矿库表面含水量的预测。结果表明:(1)含水量对尾砂的光谱特征有显著影响,二者存在高度的相关性,光谱反射率随含水量增加而下降,且波长越长,含水量对光谱的影响越显著;(2)构建了基于尾砂光谱特征的含水量遥感预测模型,选择Landsat8-OLI传感器的B6和B7波段,定义了比值指数(RTI)、归一化差异指数(NDTI)和差值指数(DTI)3种尾砂光谱指数,并将这3种指数作为输入自变量,使用随机森林方法进行训练以及含水量的建模预测,并与B7波段建立的对数反射率预测模型进行比较。结果表明,光谱指数+随机森林的预测模型效果优于基于B7波段建立的对数反射率模型。(3)使用光谱指数+随机森林的预测模型,通过Landsat8-OLI数据对实地尾矿库提取了含水量的空间分布图,结果表明模型预测的含水量与实测结果之间的决定系数R2达0.798,均方根误差RMSE为0.077,相对分析误差RPD为1.970,平均相对精度ARE为20.1%,在现有技术条件下,达到了较好的预测效果。该研究为变质型铁矿尾矿库含水量的预测提供一种大面积、实时、快速的实用方
- 虞茉莉刘善军宋亮黄建伟李天子王东
- 关键词：尾砂含水量
- 基于可见光波段的燃烧与未燃烧矸石分类方法研究被引量：3
- 2019年
- 我国煤矿数量众多,分布广泛,大量堆积的煤矸石对矿区环境造成严重影响,其中部分煤矸石处理不当可能引发自燃和爆炸,对矿区安全构成直接威胁。根据煤矸石的燃烧状态可以分为燃烧矸石和未燃烧矸石两类,其存在的安全隐患和对环境的危害性有所不同,同时其综合利用的途径亦不相同。因此,对煤矸石进行燃烧矸石和未燃烧矸石的分类识别与监测就显得尤为重要。目前的监测方法主要为实地勘查调研,其效率低、成本高,难以满足煤矸石监测的实际需求。选择辽宁省铁法矿区作为研究区,首先从矿区矸石山现场采集典型的煤矸石样本106个;然后,利用SVC HR1024光谱仪测试其可见光-近红外光谱,分析燃烧和未燃烧矸石的光谱特征,并基于可见光波段构建光谱指数NDGI,用于识别燃烧矸石和未燃烧矸石。选择实验室测试的光谱数据和实际卫星遥感数据对该指数进行了验证,并与随机森林法进行对比。结果显示:在350～760 nm燃烧矸石光谱曲线斜率整体较高,在550～630 nm反射率存在陡升现象,而未燃烧矸石在整个可见光波段光谱曲线斜率较低;以0.25作为NDGI指数阈值,可以很好地将燃烧矸石和未燃烧矸石区分开来,实验室样本验证结果显示, NDGI指数的分类精度可达99.1%,高于随机森林分类法的95.2%;现场的验证结果表明,使用铁法矿区的landsat8 OLI数据,并基于NDGI指数对矿区内的矸石山进行燃烧和未燃烧区域识别划分,所提取的燃烧和未燃烧矸石在形态和大小上与Google Earth具有很好地一致性,表明该指数对于矸石的燃烧状态具有很好识别效果。在上述研究基础上,分别取燃烧和未燃烧矸石进行矿物鉴定,通过对比矸石燃烧前后矿物种类的变化,分析造成燃烧和未燃烧矸石的光谱特征差异的原因。结果表明:燃烧使矸石中的Fe^(2+)被氧化为Fe^(3+)。Fe^(3+)的大量增加造成光谱曲线在55
- 宋亮刘善军毛亚纯王东虞茉莉
- 关键词：遥感矸石
- 不同遥感方法在煤矿区地物分类识别中的对比分析
- 2014年
- 基于TM影像数据，分别使用监督和非监督分类方法对辽宁铁法（煤）矿区典型地物进行遥感识别。其中监督分类采用马氏距离、最大似然和神经网络法，非监督分类采用ISODATA算法。结果表明：在四种不同的遥感分类方法中，最大似然法的分类精度最高，总体精度达到90．10％，Kappa系数为0．8724。研究发现：无论采用哪种分类方法，矿区中的煤与煤矸石都存在混分现象，主要由于两类地物的光谱相近造成。研究结果为煤矿区地物遥感识别的方法选择提供参考。
- 宋亮李素荣虞茉莉
- 关键词：铁法矿区遥感地物分类
