Identification and Dynamic Evolution Analysis of Fire Zone in Wugong Coal Mine, Fukang, Xinjiang, China
-
摘要:
地下煤炭在一定时间和空间范围内持续剧烈燃烧引发煤田火灾，会对周围生态环境带来难以控制的不利影响，准确识别煤田自燃引起的火区范围对于煤火的监测与治理具有重要意义。为研究新疆阜康市五宫煤矿火区的现状和动态演化过程，收集2010年以来6期 Aster 热红外数据，通过分裂窗算法分别反演地表温度；采用无人机获取高分辨率热红外和可见光数据，对煤火燃烧密切相关的燃烧塌陷、燃烧裂隙、采场、煤矸石堆进行遥感解译，通过拉伸热红外数据提取地表高温异常图斑，并进行野外查证。结果表明，2010年以来，五宫煤矿露天采场不断增多，由于废弃的采坑不能及时回填，或回填不彻底，煤层和煤矸石长期暴露在自然环境下，热量不断积聚、导致自燃，使得火区的数量和燃烧规模不断增大，呈现加速恶化的趋势。截至 2023年，五宫煤矿存在8处煤田火区。其中，3处为煤矸石自燃，4处为煤层燃烧，1处为灭火治理后重新复燃。利用热红外异常图斑提取、遥感解译与实地调查相结合，能够快速进行煤田火区勘查，掌握火区动态演化过程，极大地减少野外工作量，为火区预警与灾害评估、环境保护、灭火工程实施等提供科学依据和技术支撑。
-
关键词:
- 五宫煤矿 /
- Aster热红外数据 /
- 无人机热红外数据 /
- 火区识别 /
- 动态演化
Abstract:Coalfield fires triggered by sustained intense combustion of underground coal within a certain time and space will bring uncontrollable adverse effects on the surrounding ecological environment, and accurate identification of the extent of the fire zone caused by spontaneous combustion in the coalfield is of great significance to the monitoring and management of coal fires. In order to study the current situation and dynamic evolution process of the fire area of Wugong coal mine in Fukang City, Xinjiang, we collected 6 Aster thermal infrared data since 2010, inverted the surface temperature through the split-window algorithm, respectively; used an unmanned aerial vehicle (UAV) to obtain high-resolution thermal infrared and visible data, and remotely sensed and deciphered the combustion collapse, combustion fissures, quarrying site, and gangue pile which are closely related to the combustion of coal fires and extracted the surface high temperature anomaly patches through stretching the thermal infrared data, and then analyzed and interpreted them. surface high-temperature anomaly patches, and carry out field checking. The results show that since 2010, the Wugong coal mine open pit has been increasing, and because the abandoned mining pit cannot be backfilled in time, or the backfilling is incomplete, the coal seams and coal gangue are exposed to the natural environment for a long time, and the heat keeps accumulating, leading to spontaneous combustion, which makes the number of fire zones and the scale of combustion increase, and shows an accelerated deterioration trend. As of 2023, there were 8 coalfield fire zones in Wugong Coal Mine. Among them, three are spontaneous combustion of coal gangue, four are coal seam combustion, and one is re-ignition after fire suppression and management. The combination of thermal infrared anomaly map spot extraction, remote sensing interpretation and field investigation can quickly survey the coalfield fire areas, master the dynamic evolution of fire areas, greatly reduce the workload in the field, and provide scientific basis and technical support for early warning and disaster assessment of the fire areas, environmental protection, and implementation of fire suppression projects.
-
0. 引言
在全球范围内，地下煤火灾害问题广泛存在，涉及中国、美国、澳大利亚、印度、俄罗斯、波兰、南非等煤炭生产国家和地区[1 − 2]。作为全球第二大煤炭储量国家，中国约有21.4%的全球煤炭储量，而约56%的中国一次能源消费供应来自煤炭（中国国家统计局，2022）。中国是全球最大的煤炭生产和消费国，同时也是受煤火影响最为严重的国家。据统计，全国大约56%的煤层存在自燃倾向，易自燃煤层矿井占国家重点煤矿的约55%[3]。
新疆地区面临严重的煤田火灾问题，主要由于该地煤层厚度大、埋藏浅、露头煤层众多且容易自然发火的特点，再加上温带大陆性气候的影响，使得火灾的发生和蔓延情况相对严重[4 − 7]。虽然新疆煤田火灾的治理已经取得了一些进展，但问题仍然严峻，需要进一步的加强治理和防范。据新疆煤田灭火局的统计，在2019—2020年的第5次煤火区普查中，新疆共有40处火灾点，总面积达到477.73万平方米，每年燃烧消耗的煤炭资源高达456.16万吨[6]
煤田火区的燃烧不仅会造成煤炭资源的巨大浪费，还会释放大量的有害气体和有毒物质，对环境和人类健康造成严重的危害。新疆的火灾范围广泛，火势扩展迅速，风险区域包括废弃矿井、露天煤层以及采空塌陷区等。尽管在过去的多年里进行了大量的灭火治理工作，但未经处理的火区规模逐年扩大，新的火灾区也不断形成[8]。在这一严峻形势下，需要继续加强科研力量，采取更有效的手段来治理和预防煤田火灾。煤田火区的燃烧在地下煤矿中也屡见不鲜，一旦发生火灾，烟雾和有害气体的迅速蔓延会对矿工的生命安全构成极大威胁[9]。同时，煤田火区燃烧还可能引发地下煤矿塌陷、地质灾害等问题，对地下水资源和土地生态功能造成严重破坏[10 − 11]。因此，应该采取综合性的措施，全面提升对煤田火灾问题的治理水平。
针对煤田火区燃烧问题，许多学者利用遥感技术进行了大量研究，以期提供有效的解决方案。通过获取卫星或无人机传回的图像数据，可以识别并监测煤田火区的热点位置，实现对火灾扩散情况的及时了解，同时通过遥感技术可以实时监测火区的温度分布和煤田火区烟雾的浓度，为防火救灾提供关键的信息[12 − 13]。遥感技术的运用还包括监测火区周边的地表温度、地质特征和植被状况，从而评估火区对周边环境的影响[14 − 15]。通过对煤田火区的表面温度、热辐射以及气象条件等多方面进行遥感分析，学者们能够深入了解火区形成的原因和机制，并提出相应的防治策略[16 − 17]。以上研究多是以Landsat系列或Aster卫星热红外数据为代表，空间分辨率为100 m和90 m，远远达不到火区界限圈定和定量分析的需要，无人机技术更多反映煤火燃烧的现状。本文将二者结合，利用多期低分辨率卫星热红外数据研究煤田火区的演化过程，无人机热红外数据在小尺度上更精细地对火区进行验证，结合实地调查，分析煤火燃烧的成因和特征，为煤田火灾监测和治理提供解决方案。
1. 研究区概况
五宫煤矿位于新疆昌吉回族自治州阜康市境内（图1），天山北麓博格达山前丘陵地带，地势自东南向西北缓缓倾斜，海拔870～
1250 m。矿区总体各基岩含水层富水性相对较弱，单位涌水量小于0.10 L/s·m，水文地质条件较简单。地质构造上属中、新生代乌鲁木齐山前拗陷的东段，博格达复背斜弧形推覆体北侧，经历华力西、印支一燕山及喜马拉雅构造运动，形成一系列北西西向、近东西向及北东东向的断裂、褶皱及山间盆地。下侏罗统八道湾组（J1b）是主要含煤地层，出露于阜康向斜两翼和南阜康背斜两翼，主要由湖泊相、河流相、泥炭沼泽相交替出现的陆相含煤碎屑岩沉积，为灰色、灰黑色、细砂岩、泥岩、炭质泥岩以及煤层组成，总体分为四个含煤层位，总厚度约1050 m。五宫煤矿建于1958年，至今已有66年历史，该矿以特低灰、特低硫、特低磷的肥煤、肥气煤为主，为优质的配焦用煤。20世纪矿山经历多家企业经营，开采规模较小，多次出现煤火燃烧现象。1996—1999年，新疆煤田灭火工程处通过剥离平整、打钻、注水、注浆、黄土覆盖等工程将煤火扑灭，治理面积43.26 ha，由于后期监测不到位，治理区再次复燃。2000年，矿山开采方式由井工变为井工和露天联合开采，由于防火措施不到位，形成多个燃烧点，但规模不大。2008年，煤矿由国企改制为民企，开采规模进一步扩大，火情不断扩大，呈现不断恶化的趋势。2018年，环保政策和资源整合等原因，该矿处于关停注销状态。五宫煤矿在开采过程中形成十余个不同规模的露天开采面，采场闭坑后存在回填不及时、不彻底的问题，使得出露的煤层长期暴露在自然环境，形成煤氧结合条件，热量不断积聚，导致多处煤火燃烧，规模逐渐扩大。不仅浪费煤炭资源，同时产生大量CO2、SO2等有害气体，严重污染周边生态环境，出现了草场退化、植被早衰等现象。2021—2022年，阜康市政府对矿区东部火区进行了治理，目前煤火基本扑灭。
2. 数据和方法
2.1 技术方法
为研究新疆阜康市五宫煤矿火区的现状和动态演化过程，本文结合Aster热红外数据和无人机高分辨率热红外可见光数据共同对煤火燃烧区进行分析（图2）。收集Aster热红外数据和实地的无人机影像，分别反演出地表温度。通过对反演温度的拉伸，确定阈值提取了地表热异常温度图斑。并对异常图斑进行遥感解译，以确定燃烧类型和提取精度。同时收集2010年以来6期Aster 热红外数据对矿区温度异常区进行了动态演化分析。
2.2 数据获取
（1）Aster热红外数据
地球表面温度主要来自于太阳辐射和地球内部，煤火燃烧是地表浅层的一种热源，选择夜间Aster热红外数据，能够尽可能减少太阳辐射对地表温度的影响，从而突出煤田火区对地表温度的贡献[18]。搭载在TERRA卫星上的ASTER传感器，提供了可见光和近红外（VNIR）、短波红外（SWIR）和热红外（TIR）3个通道，共14个波谱波段，其中11—14波段为热红外数据，空间分辨率为90 m，幅宽为60 km，光谱范围为8.125～11.650 μm。与陆地卫星（Landsat）相比，ASTER提供了夜间热红外数据更具有优势，该数据来源于美国国家航空航天局（https://www.earthdata.nasa.gov）。根据五宫煤矿开采历程，以2008年国企改制以来大规模矿山开采时期为主要研究时段。收集研究区成像条件好、无云体覆盖，符合条件的数据共六期，时相分别为2010年12月4日、2015年10月24日、2017年10月21日、2019年8月21日、2021年9月30日、2023年8月26日。
（2）热红外无人机数据
2023年6月5—10日，使用内置RTK模块的DJI经纬M300四旋翼无人机，通过连接D-RTK2高精度GNSS移动站，实现在无需设置地面控制点的情况下生成厘米级定位数据。该无人机搭载DJI Zenmuse XT2双光相机，集成了FILR高精度热成像传感器和4K可见光传感器。FILR热成像仪能够捕捉像素级温度数据，焦距为25 mm，屏幕分辨率为640×512 PPI，像素尺寸为17 um，视场角为25°×20°。在高增幅模式下，它具有广泛的测温范围，涵盖−25 °C到235 °C[19]。得到热红外数据空间分辨率为0.25米，可见光数据空间分辨率为0.2 米，飞行区面积6.0 km2。
（3）高分七号遥感数据
研究区采用自然资源卫星遥感云服务平台获取的高分七号数据，具有0.8 m分辨率的全色立体像对和2.6 m分辨率的多光谱影像，获取时间为2023年5月22日，经过正射纠正、图像融合、图像增强等预处理，得到高分辨率影像底图，能够较清晰的反映火区塌陷、裂隙、采场、煤矸石堆等要素的形状、色调、纹理等特征，满足遥感解译的需求。
2.3 地表温度反演
Aster数据利用热红外遥感影像进行地表温度反演的主要方法有：ASTER TES 算法、ASTER ADE 算法、分裂窗算法等[18, 20]。分裂窗算法，也称为劈窗算法，是一种经典的用于热红外地表温度反演的方法。在已知地表比辐射率和大气透过率的情况下，该算法能够以较高的精度反演地表温度。针对不同的热红外传感器，劈窗算法的反演温度公式也有所不同。毛克彪[21]等学者提出了一种基于ASTER卫星数据第13和14波段的地表温度反演算法，算法对普朗克方程进行了线性简化。具体的计算步骤如下：
（1）热红外数据辐射定标
下载研究区Aster影像为Level 1B级别，已完成对Level 1A级数据的几何校正和辐射校正。影像以亮度值（DN值）的形式呈现，而DN值与光谱辐射亮度之间通常呈现良好的线性关系。在《ASTER User Handbook Version 1》中，提供了关于ASTER热红外波段的增益、偏差以及Level-1B数据中所有波段的DN值[22]。计算星上光谱辐射亮度的公式：
$$ Radiance=Gain*DN+offset $$ (1) 式中：Radiance——星上光谱辐射亮度W/（m2·s·nm）；
Gain、Offset——为传感器的增益与偏差（表1）。
表 1 ASTER热红外波段辐射定标系数Table 1. ASTER radiative calibration coefficients for the thermal infrared band系数 Band10 Band11 Band12 Band13 Band14 Gain 0.006 882 0.006 780 0.006 590 0.005 693 0.005 225 Offset −0.006 882 −0.006 780 −0.006 590 −0.005 693 −0.005 225 （2）大气透过率计算
目前，大气透过率最精确的估算方法是利用研究区地面气象观测点的实测数据来估计大气水汽含量，从而推导出大气透过率[23]。本文研究区位于中纬度地区,采用了MODTRAN4模型，选择中纬度夏季大气模型进行模拟。通过模拟，得到ASTER数据第13波段的大气透过率
0.73745 ，第14波段的大气透过率0.70444 [24]。（3）地表比辐射率计算
地表比辐射率是指地表将接收到的热量转化为辐射能的能力，对于地温反演数据的准确性具有重要影响。本文通过ASTER可见光/近红外波段数据来计算归一化植被指数（NDVI）和植被覆盖率（PV），然后利用PV值推导地表比辐射率。使用ASTER数据的第二波段可见光数据（Rred）和第三波段近红外数据（RNIR）计算 NDVI值:
$$ {NDVI}=\frac{{{R}}_{\rm{NIR}}-{{R}}_{\rm{red}}}{{{R}}_{\rm{NIR}}+{{R}}_{\rm{red}}} $$ (2) 式中：Rred、RNIR——第二波段可见光数据和第三波段近 红外数据。
由研究区NDVI值的直方图得到NDVIV植被覆盖区和NDVIS裸土区的NDVI值，来计算植被覆盖度PV[25]。
$$ {{P}}_{{V}}={\left[\frac{{NDVI-}{{NDVI}}_{{S}}}{{{NDVI}}_{{V}}-{{NDVI}}_{{S}}}\right]}^{2} $$ (3) 式中：NDVIV、NDVIS——植被覆盖区和裸土区的NDVI值。
采用Jiménez等[26]提出的一种针对ASTER数据利用NDVI值估计地表比辐射率的方法。ASTER影像的13,14波段的比辐射率计算公式如下:
$$ \left\{\begin{split} &{{ \varepsilon }}_{{13}}={0.968}+{0.022}{{P}}_{{V}}\\ &{{ \varepsilon }}_{{14}}={0.970}+{0.020}{{P}}_{{V}}\end{split}\right.$$ (4) 因为ASTER的近红外波段具有15米的空间分辨率，而热红外波段的空间分辨率为90米，所以在进行地表温度反演之前，需要对15米分辨率的比辐射率分布图进行重采样。
（4）地表温度反演
$$ 13波段\left\{\begin{split} &{A}_{13}=0.145\;236{\varepsilon }_{13}{\tau }_{13}\\ &{B}_{13}=0.145\;236{T}_{13}+33.685{\varepsilon }_{13}{\tau }_{13}-33.685 \\ &{C}_{13}=0.145\;236\left(1-{\tau }_{13}\right)\left(1+\left(1-{\varepsilon }_{13}\right){\tau }_{13}\right)\\ &{D}_{13}=33.685\left(1-{\tau }_{13}\right)\left(1+\left(1-{\varepsilon }_{13}\right){\tau }_{13}\right.)\end{split}\right. $$ (5) $$ 14波段\left\{\begin{split} &{A}_{14}=0.132\;66{\varepsilon }_{14}{\tau }_{14}\\ &{B}_{14}=0.132\;66{T}_{14}+30.273{\varepsilon }_{14}{\tau }_{14}-30.273\\ &{C}_{14}=0.132\;66\left(1-{\tau }_{14}\right)\left(1+\left(1-{\varepsilon }_{14}\right){\tau }_{14}\right)\\ &{D}_{14}=30.273\left(1-{\tau }_{14}\right)\left(1+\left(1-{\varepsilon }_{14}\right){\tau }_{14}\right) \end{split}\right. $$ (6) 式中：$ {\varepsilon }_{13}{\varepsilon }_{14} $——Aster影像第13、14波段的比辐射率；
$ {\tau }_{13}{\tau }_{14} $——13、14波段的大气透过率；
$ {T}_{13}{T}_{14} $——13、14波段的星上亮度温度[26]。
$$ {{\mathrm{T}}_{\mathrm{a}}}_{.}=\frac{\left({C}_{14}\left({D}_{13}+{B}_{13}\right)-{C}_{13}\left({D}_{14}+{B}_{14}\right)\right)}{\left({C}_{14}{A}_{13}-{C}_{13}{A}_{14}\right)} $$ (7) 式中：$ {{\mathrm{T}}_{\mathrm{a}}}_{.} $——地表温度。
3. 结果分析
3.1 卫星影像地表热异常图斑识别
对反演的热红外地表温度数据进行统计，从像元直方图分布来看（图3），呈现双峰特征，在地表温度35 °C和52 °C附近各形成一个峰值区域，结合高分辨率可见光遥感数据对比分析，35 °C峰值区对应地物以红褐色烧变岩、向阳坡面、煤矸石堆为主，均为吸收太阳辐射能力较强的地物。52 °C峰值附近及以上区域为煤火燃烧高温异常区。据此，将研究区反演地表温度数据进行直方图拉伸，并以大于48 °C为阈值进行局部增强处理，从而突出煤田火区，共提取高温异常图斑9处，如图4所示[27]。
![]()
图 3 五宫煤矿热红外数据直方图（2023年）Figure 3. Histogram of thermal infrared data of Wugong coal mine![]()
图 4 五宫煤矿热红外数据反演温度图（2023年）Figure 4. Inverse temperature map of thermal infrared data from the Gugong coal mine in 20233.2 无人机热红外影像识别
为进一步细化研究区地表温度的空间分布特征，获取高分辨率的无人机热红外数据，对图像进行直方图拉伸处理，与Aster热红外地表温度数据进行对比。从无人机热红外地表温度图可以看出（图5），8处图斑（w03图斑未获取无人机数据）均存在高温异常，由于空间分辨率大幅提高，煤火燃烧中心的位置、范围和强弱更加精细，更有利于实地调查验证。
![]()
图 5 五宫煤矿无人机热红外地表温度图Figure 5. UAV thermal infrared surface temperature map of Wugong coal mine3.3 遥感解译
收集研究区高分七号遥感卫星数据，经过正射纠正、图像融合等处理，对9处热异常区进行解译，包括采场、燃烧塌陷、燃烧裂隙、煤矸石堆等与煤火燃烧密切相关的对象，叠加解译对象、含煤地层、高温异常图斑等要素，初步圈定煤田火区的范围。
3.3.1 燃烧裂隙
燃烧裂隙是煤火燃烧使上覆岩层应力状态发生变化，导致地表受到水平拉应力的作用，在地表形成裂缝[28]。五宫煤矿的燃烧裂隙由若干条主裂隙构成，主裂隙长度在几十米到数百米不等，呈不规则的线形分布在地表。裂隙有数十米到近百米的深度，可深入煤层，是散热、氧气供应、排气排烟的良好通道。矿区燃烧裂隙按照空间形态分为串珠状、线状、环状和阶梯状4种类型，如图6所示。结合无人机热红外遥感数据，共解译燃烧裂隙55条，裂隙规模小、温度高，其内部存在冒烟、冒气现象，部分裂缝两侧伴有白色钙化物质。
3.3.2 燃烧塌陷
燃烧塌陷是地下煤火燃烧破坏了岩体之间的应力，在重力作用下地表发生的塌陷现象，是煤火燃烧的重要解译标志。根据空间形态，五宫煤矿区燃烧塌陷可分为为串珠状、滑坡状、弧状和阶梯状四种类型，如图7所示。结合无人机热红外遥感数据，共解译燃烧塌陷28处，空间分布规律与地下开采分布一致，集中在废弃采场及周边含煤地层，普遍温度高、规模大，伴有不同规模的燃烧裂隙。
3.4 实地调查
实地对9处高温异常图斑的燃烧中心位置、温度等进行测量，对遥感解译成果进行实地调查，结果如表2所示。图斑w01、w09为煤矸石大量堆放，未及时进行覆土处理，导致的煤火自燃，未见煤火燃烧引起的地面塌陷和地裂缝等现象。图斑w02为煤矸石出露引起的自燃，燃烧产生大量白色钙化物质（图8）。图斑w04、w05、w06为闭坑后，采场成为废石、煤矸石堆放场地，煤矸石自燃后向含煤地层延伸，并逐渐扩大，燃烧中心温度普遍较高。图斑w05处可见明火燃烧；遥感影像上，可见多处串珠状燃烧塌陷，是地下煤火沿煤层燃烧、不断蔓延的例证。图斑w07为火区治理后复燃，实地可见平坦的地表覆土层出现多条规模较大的地裂缝，实测内部存在高温异常。图斑w08为煤火燃烧产生地面塌陷，下陷过程中在周边产生裂隙，形成连接地下火区的输氧通道，进一步加剧火情。图斑w03为一处废石堆，阳坡面煤矸石引起的高温异常，实地测量未达到自燃条件。综上所述，五宫煤矿存在8处煤田火区，其中煤矸石自燃火区3处，煤层燃烧火区4处，治理后复燃火区1处，火区识别正确率为88.89%。
表 2 地表温度异常图斑遥感解译统计表Table 2. Statistics of remote sensing interpretation of surface temperature anomaly patches序
号图斑
编号燃烧
中心
温度
（°C）燃烧类型 解译数量 火区
面积
（ha）采场 燃烧
塌陷燃烧
裂隙1 w01 52.2 堆放煤矸石自燃 1 0 0 1.32 2 w02 57.8 出露煤矸石自燃 0 0 2 0.51 3 w03 49.3 阳坡，未见煤火燃烧 － － － － 4 w04 123.3 采场煤矸石自燃、煤层燃烧 2 7 11 3.84 5 w05 185.6 采场煤矸石自燃、煤层燃烧 1 11 17 4.02 6 w06 82.1 采场煤矸石自燃、煤层燃烧 1 4 3 1.5 7 w07 84.3 煤火治理后复燃、煤层燃烧 2 3 14 8.15 8 w08 62.4 采空塌陷燃烧、煤层燃烧 1 3 8 0.18 9 w09 56.3 堆放煤矸石自燃 0 0 0 0.42 调查发现，在火区温度场的作用下，围岩的裂隙和渗透率会随温度升高而呈上升趋势。渗透率的增高促进了火区氧气的供给，进而加速火区发展，温度场、裂隙和气体浓度三者相互耦合、相互影响，贯穿煤田火灾的整个过程。
4. 讨论
由于Aster热红外遥感数据获取的年份不同，背景环境、地物、植被覆盖程度等存在差异，为减少因数据拉伸处理而产生的视觉差异，将研究区反演的地表温度数据进行归一化处理[29]，提高各期数据的可对比性（图9）。2010年，此时五宫煤矿以地下井采为主，煤火燃烧规模较小，存在w02和w07两处较老的火区。2015年，五宫煤矿以露天开采为主，由于开采规模大，周期短，产生了多个废弃采坑和大量煤矸石，并长期暴露于自然环境中，增大了煤火燃烧隐患，新增w05和w06两处火区。2017年，火区的范围和规模变化不大。2019年，矿区火情加速恶化，新增w01、w04、w08和w09四处火区，w05和w07火区呈现扩大趋势，推测此时矿山处于关停状态，无人员监管，煤火由潜在萌发状态变为燃烧状态。2021年，火区w04呈现向南蔓延的趋势，其他火区火情变化不大。2023年，火区w05、w07进一步扩大，二者呈东西向燃烧贯穿趋势；近两年，火区w04、w09开展了灭火治理，对应的高温异常明显减弱。
![]()
图 9 五宫煤矿煤田火区动态变化图Figure 9. Dynamics of the fire zone in the coalfield of Wugong Coal Mine从火区的动态变化来看，受地质环境、燃烧物质、输氧条件等因素的影响，火区特征和治理方式各不相同。由煤矸石堆放和地层出露引起自燃的火区，往往规模小，火情变化不大，灭火施工以清除煤矸石为主，并做必要的防护措施即可。由露天开采引起的煤层燃烧，随着时间推移，火势沿煤层向深部蔓延，在地表形成地面塌陷、地裂缝，不断开辟输氧通道，燃烧深度和规模不断增加，尤其当地表盖层厚，岩性结构紧密，治理难度非常大。因此，建议对近几年新增的w04、w05、w06、w08煤层燃烧型火区尽快采取灭火工程治理。w07为煤火治理后复燃火区，由于煤火燃烧历史久，火情较为复杂，建议做更细致的工程勘查，了解火区位置、规模和地质条件等，再进行灭火治理。
5. 结论
本研究基于Aster热红外数据和无人机热红外数据，对位于新疆昌吉回族自治州阜康市境内的五宫煤矿进行煤火燃烧区识别，通过遥感解译和实地调查确定了热异常区域的燃烧类型、规模和成因。结合历史遥感数据，对煤火燃烧区域的时空演变进行了分析。相对于传统方法，本文提供了一种大规模煤火热异常区域识别的方法，该方法在精准快速获取大范围煤田燃烧区域方面具有一定优势，为煤田火灾的治理奠定一定的研究基础。研究得出了如下的主要结论:
（1）利用夜间Aster热红外遥感数据进行地表温度反演，提取地表热异常，结合遥感解译与实地调查，在宏观尺度上，能够快速进行火区识别，圈定火区规模，分析火区的变化和蔓延的趋势。
（2）利用高分辨率无人机热红外数据，能够更加精细的反映地表温度的分布状况，进一步识别火区燃烧中心位置、燃烧强弱，大大提高野外调查工作效率。调查发现，2023年，五宫煤矿存在火区8处，其中3处为煤矸石自燃，4处为煤层燃烧，1处为灭火治理后复燃。
（3）2010年以来，五宫煤矿火区的数量和燃烧规模不断增大，受地质环境、燃烧物质和输氧条件等因素影响，煤矸石自燃的火区规模较小，火情变化不大，治理难度小；煤层燃烧的火区，随时间推移，火区向深部蔓延，燃烧规模逐渐扩大，治理难度将越来越大；灭火治理后复燃的火区，火情较为复杂，需进一步开展工程勘查，再进行灭火治理。
-
![]()
图 3 五宫煤矿热红外数据直方图（2023年）
Figure 3. Histogram of thermal infrared data of Wugong coal mine
![]()
图 4 五宫煤矿热红外数据反演温度图（2023年）
Figure 4. Inverse temperature map of thermal infrared data from the Gugong coal mine in 2023
![]()
图 5 五宫煤矿无人机热红外地表温度图
Figure 5. UAV thermal infrared surface temperature map of Wugong coal mine
![]()
图 9 五宫煤矿煤田火区动态变化图
Figure 9. Dynamics of the fire zone in the coalfield of Wugong Coal Mine
表 1 ASTER热红外波段辐射定标系数
Table 1 ASTER radiative calibration coefficients for the thermal infrared band
系数 Band10 Band11 Band12 Band13 Band14 Gain 0.006 882 0.006 780 0.006 590 0.005 693 0.005 225 Offset −0.006 882 −0.006 780 −0.006 590 −0.005 693 −0.005 225 
下载: 导出CSV
表 2 地表温度异常图斑遥感解译统计表
Table 2 Statistics of remote sensing interpretation of surface temperature anomaly patches
序
号图斑
编号燃烧
中心
温度
（°C）燃烧类型 解译数量 火区
面积
（ha）采场 燃烧
塌陷燃烧
裂隙1 w01 52.2 堆放煤矸石自燃 1 0 0 1.32 2 w02 57.8 出露煤矸石自燃 0 0 2 0.51 3 w03 49.3 阳坡，未见煤火燃烧 － － － － 4 w04 123.3 采场煤矸石自燃、煤层燃烧 2 7 11 3.84 5 w05 185.6 采场煤矸石自燃、煤层燃烧 1 11 17 4.02 6 w06 82.1 采场煤矸石自燃、煤层燃烧 1 4 3 1.5 7 w07 84.3 煤火治理后复燃、煤层燃烧 2 3 14 8.15 8 w08 62.4 采空塌陷燃烧、煤层燃烧 1 3 8 0.18 9 w09 56.3 堆放煤矸石自燃 0 0 0 0.42
下载: 导出CSV
-
[1] SONG Zeyang,KUENZER C. Coal fires in China over the last decade:A comprehensive review[J]. International Journal of Coal Geology,2014,133:72 − 99. DOI: 10.1016/j.coal.2014.09.004
[2] KONG Biao,LI Zenghua,YANG Yongliang,et al. A review on the mechanism,risk evaluation,and prevention of coal spontaneous combustion in China[J]. Environmental Science and Pollution Research,2017,24(30):23453 − 23470. DOI: 10.1007/s11356-017-0209-6
[3] 梁运涛,罗海珠. 中国煤矿火灾防治技术现状与趋势[J]. 煤炭学报,2008,33(2):126 − 130. [LIANG Yuntao,LUO Haizhu. Current situation and development trend for coal mine fire prevention & extinguishing techniques in China[J]. Journal of China Coal Society,2008,33(2):126 − 130. (in Chinese with English abstract)] LIANG Yuntao, LUO Haizhu. Current situation and development trend for coal mine fire prevention & extinguishing techniques in China［J］. Journal of China Coal Society, 2008, 33（2）: 126 − 130. （in Chinese with English abstract）
[4] XU Yi,FAN Hongdong,DANG Libo. Monitoring coal seam fires in Xinjiang using comprehensive thermal infrared and time series InSAR detection[J]. International Journal of Remote Sensing,2021,42(6):2220 − 2245. DOI: 10.1080/01431161.2020.1823045
[5] YU Bing,SHE Jie,LIU Guoxiang,et al. Coal fire identification and state assessment by integrating multitemporal thermal infrared and InSAR remote sensing data:A case study of Midong district,Urumqi,China[J]. ISPRS Journal of Photogrammetry and Remote Sensing,2022,190:144 − 164. DOI: 10.1016/j.isprsjprs.2022.06.007
[6] 闫军. 新疆煤田火灾多发频发原因分析研究[J]. 煤炭技术,2022,41(6):162 − 163. [YAN Jun. Study on causes of frequent occurrence of coalfield fires in Xinjiang[J]. Coal Technology,2022,41(6):162 − 163. (in Chinese with English abstract)] YAN Jun. Study on causes of frequent occurrence of coalfield fires in Xinjiang［J］. Coal Technology, 2022, 41（6）: 162 − 163. （in Chinese with English abstract）
[7] 武建军,刘晓晨,蒋卫国,等. 新疆地下煤火风险分布格局探析[J]. 煤炭学报,2010,35(7):1147 − 1154. [WU Jianjun,LIU Xiaochen,JIANG Weiguo,et al. Spatial analysis of risk for underground coal fire in Xinjiang,China[J]. Journal of China Coal Society,2010,35(7):1147 − 1154. (in Chinese with English abstract)] WU Jianjun, LIU Xiaochen, JIANG Weiguo, et al. Spatial analysis of risk for underground coal fire in Xinjiang, China［J］. Journal of China Coal Society, 2010, 35（7）: 1147 − 1154. （in Chinese with English abstract）
[8] 包兴东. 新疆第五次煤田火区普查成果分析[J]. 能源与环保,2021,43(2):1 − 4. [BAO Xingdong. Analysis on results of the fifth coalfield fire area survey in Xinjiang[J]. China Energy and Environmental Protection,2021,43(2):1 − 4. (in Chinese with English abstract)] BAO Xingdong. Analysis on results of the fifth coalfield fire area survey in Xinjiang［J］. China Energy and Environmental Protection, 2021, 43（2）: 1 − 4. （in Chinese with English abstract）
[9] 陈晓坤,桑长波,李珍宝. 煤田火区有害气体排放的环境影响评估方法研究[J]. 安全与环境工程,2016,23(2):55 − 59. [CHEN Xiaokun,SANG Changbo,LI Zhenbao. Environment impact assessment method of harmful gas emission in coalfield fire area[J]. Safety and Environmental Engineering,2016,23(2):55 − 59. (in Chinese)] CHEN Xiaokun, SANG Changbo, LI Zhenbao. Environment impact assessment method of harmful gas emission in coalfield fire area［J］. Safety and Environmental Engineering, 2016, 23（2）: 55 − 59. （in Chinese）
[10] 李绪萍,邓存宝. 高温壁面与煤内自然对流传热分析[J]. 中国地质灾害与防治学报,2013,24(4):127 − 131. [LI Xuping,DENG Cunbao. High temperature wall and natural convection heat transfer in coal[J]. The Chinese Journal of Geological Hazard and Control,2013,24(4):127 − 131. (in Chinese with English abstract)] LI Xuping, DENG Cunbao. High temperature wall and natural convection heat transfer in coal［J］. The Chinese Journal of Geological Hazard and Control, 2013, 24（4）: 127 − 131. （in Chinese with English abstract）
[11] 张熠斌,徐思瑜,徐誉维,等. 基于时序InSAR的吉林省煤炭采空区地表形变监测及时空演化态势分析[J/OL]. 水文地质工程地质,(2024-07-19)[2024-08-24]. [ZHANG Yibin,XU Siyu,XU Yuwei,et al. Land deformation monitoring and spatiotemporal evolution characteristics analysis of coal mine goaf in Jilin province based on time series InSAR[J]. Hydrogeology & Engineering Geology,(2024-07-19)[2024-08-24]. https://www.swdzgcdz.com/article/doi/10.16030/j.cnki.issn.1000-3665.202311058.(in Chinese with English abstract)] ZHANG Yibin, XU Siyu, XU Yuwei, et al. Land deformation monitoring and spatiotemporal evolution characteristics analysis of coal mine goaf in Jilin province based on time series InSAR[J]. Hydrogeology & Engineering Geology, （2024-07-19）[2024-08-24]. https://www.swdzgcdz.com/article/doi/10.16030/j.cnki.issn.1000-3665.202311058.（in Chinese with English abstract）
[12] 徐凯磊,江晓光,万余庆,等. 煤田火区无人机热红外遥感监测技术[J]. 煤炭技术,2022,41(7):120 − 123. [XU Kailei,JIANG Xiaoguang,WAN Yuqing,et al. Thermal infrared remote sensing monitoring technology of UAV in coalfield fire area[J]. Coal Technology,2022,41(7):120 − 123. (in Chinese with English abstract)] XU Kailei, JIANG Xiaoguang, WAN Yuqing, et al. Thermal infrared remote sensing monitoring technology of UAV in coalfield fire area［J］. Coal Technology, 2022, 41（7）: 120 − 123. （in Chinese with English abstract）
[13] 蒋卫国,武建军,顾磊,等. 基于遥感技术的乌达煤田火区变化监测[J]. 煤炭学报,2010,35(6):964 − 968. [JIANG Weiguo,WU Jianjun,GU Lei,et al. Change monitoring in Wuda coalfield fire area based on remote sensing[J]. Journal of China Coal Society,2010,35(6):964 − 968. (in Chinese with English abstract)] JIANG Weiguo, WU Jianjun, GU Lei, et al. Change monitoring in Wuda coalfield fire area based on remote sensing［J］. Journal of China Coal Society, 2010, 35（6）: 964 − 968. （in Chinese with English abstract）
[14] 刘小姣,曾强. 融合遥感技术在四棵树火区煤火识别中的应用[J]. 矿业安全与环保,2023,50(6):104 − 110. [LIU Xiaojiao,ZENG Qiang. Application of fusion remote sensing technology for coal fire identification in the Sikeshu sealed fire area[J]. Mining Safety & Environmental Protection,2023,50(6):104 − 110. (in Chinese with English abstract)] LIU Xiaojiao, ZENG Qiang. Application of fusion remote sensing technology for coal fire identification in the Sikeshu sealed fire area［J］. Mining Safety & Environmental Protection, 2023, 50（6）: 104 − 110. （in Chinese with English abstract）
[15] 邓进昌. 煤田火灾热红外遥感反演与典型污染物排放特征分析研究[D]. 徐州:中国矿业大学,2023. [DENG Jinchang. Thermal infrared remote sensing inversion of coalfield fire and analysis of typical pollutant emission characteristics[D]. Xuzhou:China University of Mining and Technology,2023. (in Chinese with English abstract)] DENG Jinchang. Thermal infrared remote sensing inversion of coalfield fire and analysis of typical pollutant emission characteristics［D］. Xuzhou: China University of Mining and Technology, 2023. （in Chinese with English abstract）
[16] 杨洁. 准南煤田水西沟火区地表环境变化监测研究[D]. 乌鲁木齐:新疆大学,2021. [YANG Jie. Study on monitoring of surface environment change in Shuixigou fire area of Zhunnan coalfield[D]. Urumqi:Xinjiang University,2021. (in Chinese with English abstract)] YANG Jie. Study on monitoring of surface environment change in Shuixigou fire area of Zhunnan coalfield［D］. Urumqi: Xinjiang University, 2021. （in Chinese with English abstract）
[17] 李柱. 基于多源遥感的新疆煤田火区识别与监测分析[D]. 徐州:中国矿业大学,2023. [LI Zhu. Identification and monitoring analysis of Xinjiang coalfield fire area based on multi-source remote sensing[D]. Xuzhou:China University of Mining and Technology,2023. (in Chinese with English abstract)] LI Zhu. Identification and monitoring analysis of Xinjiang coalfield fire area based on multi-source remote sensing［D］. Xuzhou: China University of Mining and Technology, 2023. （in Chinese with English abstract）
[18] 蒋卫国,武建军,顾磊,等. 基于夜间热红外光谱的地下煤火监测方法研究[J]. 光谱学与光谱分析,2011,31(2):357 − 361. [JIANG Weiguo,WU Jianjun,GU Lei,et al. Monitoring method of underground coal fire based on night thermal infrared remote sensing technology[J]. Spectroscopy and Spectral Analysis,2011,31(2):357 − 361. (in Chinese with English abstract)] JIANG Weiguo, WU Jianjun, GU Lei, et al. Monitoring method of underground coal fire based on night thermal infrared remote sensing technology［J］. Spectroscopy and Spectral Analysis, 2011, 31（2）: 357 − 361. （in Chinese with English abstract）
[19] 解廷堃. 基于无人机技术的安家岭露天矿内排土场火区遥感探测[J]. 露天采矿技术,2022,37(5):47 − 49. [XIE Tingkun. Remote sensing detection of fire area in dump of Anjialing Open-pit Mine based on UAV technology[J]. Opencast Mining Technology,2022,37(5):47 − 49. (in Chinese)] XIE Tingkun. Remote sensing detection of fire area in dump of Anjialing Open-pit Mine based on UAV technology［J］. Opencast Mining Technology, 2022, 37（5）: 47 − 49. （in Chinese）
[20] 李峰,梁汉东,赵小平,等. 基于ASTER影像的乌达火区遥感监测研究[J]. 煤矿安全,2016,47(11):15 − 18. [LI Feng,LIANG Handong,ZHAO Xiaoping,et al. Remote sensing monitoring research on coal fire in Wuda Mine by ASTER images[J]. Safety in Coal Mines,2016,47(11):15 − 18. (in Chinese with English abstract)] LI Feng, LIANG Handong, ZHAO Xiaoping, et al. Remote sensing monitoring research on coal fire in Wuda Mine by ASTER images［J］. Safety in Coal Mines, 2016, 47（11）: 15 − 18. （in Chinese with English abstract）
[21] 毛克彪,唐华俊,陈仲新,等. 一个从ASTER数据中反演地表温度的劈窗算法[J]. 遥感信息,2006,21(5):7 − 11. [MAO Kebiao,TANG Huajun,CHEN Zhongxin,et al. A split-window algorithm for retrieving land-surface temperature from ASTER data[J]. Remote Sensing Information,2006,21(5):7 − 11. (in Chinese with English abstract)] MAO Kebiao, TANG Huajun, CHEN Zhongxin, et al. A split-window algorithm for retrieving land-surface temperature from ASTER data［J］. Remote Sensing Information, 2006, 21（5）: 7 − 11. （in Chinese with English abstract）
[22] YAMAGUCHI Y,FUJISADA H,KUDOH M,et al. ASTER instrument characterization and operation scenario[J]. Advances in Space Research,1999,23(8):1415 − 1424. DOI: 10.1016/S0273-1177(99)00293-8
[23] 南鹏,秦其明,姚云军. 地表温度异常机理及热红外遥感监测——以河南焦作煤层气富集区为例[J]. 北京大学学报(自然科学版),2009,45(1):137 − 143. [NAN Peng,QIN Qiming,YAO Yunjun. Land surface temperature anomalies and monitoring through thermal remote sensing:A case of coal bed methane area at Jiaozuo,Henan Province[J]. Acta Scientiarum Naturalium Universitatis Pekinensis,2009,45(1):137 − 143. (in Chinese)] NAN Peng, QIN Qiming, YAO Yunjun. Land surface temperature anomalies and monitoring through thermal remote sensing: A case of coal bed methane area at Jiaozuo, Henan Province［J］. Acta Scientiarum Naturalium Universitatis Pekinensis, 2009, 45（1）: 137 − 143. （in Chinese）
[24] 王俊虎,张杰林,王丽娟. ASTER热红外影像温度反演及其应用[C]//中国冶金矿山企业协会,中钢集团马鞍山矿山研究院. 2011年中国矿业科技大会论文集. 《金属矿山》编辑部(Editorial Office of Metal Mine),2011:5. [WANG junhu,ZHANG jielin,WANG lijuan. ASTER thermal infrared image temperature inversion and its applications[C]. METAL MINE,22011:5. (in Chinese)] WANG junhu, ZHANG jielin, WANG lijuan. ASTER thermal infrared image temperature inversion and its applications［C］. METAL MINE, 22011: 5. （in Chinese）
[25] CARLSON T N,RIPLEY D A. On the relation between NDVI,fractional vegetation cover,and leaf area index[J]. Remote Sensing of Environment,1997,62(3):241 − 252. DOI: 10.1016/S0034-4257(97)00104-1
[26] JIMÉNEZ-MUÑOZ J C,SOBRINO J A,GILLESPIE A,et al. Improved land surface emissivities over agricultural areas using ASTER NDVI[J]. Remote Sensing of Environment,2006,103(4):474 − 487. DOI: 10.1016/j.rse.2006.04.012
[27] 邱程锦,王坚,刘立聪,等. 遥感技术在乌达煤田火灾监测中的应用[J]. 煤炭工程,2012,44(8):130 − 133. [QIU Chengjin,WANG Jian,LIU Licong,et al. Remote sensing technology applied to fire disaster monitoring and measuring of Wuda Coalfield[J]. Coal Engineering,2012,44(8):130 − 133. (in Chinese with English abstract)] DOI: 10.3969/j.issn.1671-0959.2012.08.047 QIU Chengjin, WANG Jian, LIU Licong, et al. Remote sensing technology applied to fire disaster monitoring and measuring of Wuda Coalfield［J］. Coal Engineering, 2012, 44（8）: 130 − 133. （in Chinese with English abstract） DOI: 10.3969/j.issn.1671-0959.2012.08.047
[28] 朱川曲,黄友金,芮国相,等. 采动作用下煤矿区地表裂缝发育机理与特征分析[J]. 中国地质灾害与防治学报,2017,28(4):47 − 52. [ZHU Chuanqu,HUANG Youjin,RUI Guoxiang,et al. Developmental of ground fissure in coal mine areas due to mining[J]. The Chinese Journal of Geological Hazard and Control,2017,28(4):47 − 52. (in Chinese with English abstract)] ZHU Chuanqu, HUANG Youjin, RUI Guoxiang, et al. Developmental of ground fissure in coal mine areas due to mining［J］. The Chinese Journal of Geological Hazard and Control, 2017, 28（4）: 47 − 52. （in Chinese with English abstract）
[29] 王璟睿,魏辛源,李明诗,等. 多时相Landsat影像地表亮温辐射归一化方法[J]. 遥感信息,2016,31(2):86 − 92. [WANG Jingrui,WEI Xinyuan,LI Mingshi,et al. Normalization method of surface brightness temperature radiation from multi-temporal Landsat images[J]. Remote Sensing Information,2016,31(2):86 − 92. (in Chinese with English abstract)] WANG Jingrui, WEI Xinyuan, LI Mingshi, et al. Normalization method of surface brightness temperature radiation from multi-temporal Landsat images［J］. Remote Sensing Information, 2016, 31（2）: 86 − 92. （in Chinese with English abstract）
计量
- 文章访问数: 32
- HTML全文浏览量: 5
- PDF下载量: 5
邮件订阅
RSS