鄂东南尾矿库高分辨率遥感图像识别因子研究

郝利娜，张 志，何文熹，陈 腾

鄂东南尾矿库高分辨率遥感图像识别因子研究

郝利娜1，2，张 志2，何文熹2，陈 腾2

(1.中国地质大学(武汉)信息工程学院，武汉 430074;2.中国地质大学(武汉)地球科学学院，武汉 430074)

正在使用的尾矿库中，尾砂的极细小颗粒特征决定了其在各波段遥感图像上具有较高反射率的光谱特征;尾砂的堆积过程则同时决定了尾矿库表面具有大致平行的分带纹理和放射状纹理特征。从尾砂的光谱、纹理特征以及与尾矿库相关的其他因素(道路、矿山建筑、尾矿库地理位置等)出发，系统建立了鄂东南地区金属矿山尾矿库的高分辨率遥感图像的综合识别标志。依据所建立的综合识别标志，可从WorldView－2图像中准确地识别尾矿库，并初步判断其规模。

尾矿库;光谱特征;纹理特征;WorldView－2

0 引言

尾矿库是矿山企业在采矿、选矿过程中用来堆放尾砂的场所，其中含一定品位的矿物成分，尾矿库形成得越早，含矿品位就越高，矿产资源价值也就越高。已有一些学者在评估尾矿库资源价值等方面展开了众多研究，并细致研究了其物质构成、矿物成分与品位及开发利用的相关理论和可行性等。如曾小华等［1］把尾矿库归为人工矿床的一种，并详细介绍了此类矿床的分类体系;刘忠明等［2－4］详细研究了鄂东南地区尾矿库的物质成分、堆积现状和基本特征。这些研究工作的前提是快速摸清尾矿库的数量、规模和分布位置。在以往的研究中，多使用传统方式实地调查每座尾矿库的具体情况，耗费大量的人力、物力和时间。遥感技术在土地利用、矿山监测等方面的成功应用为尾矿库调查提供了新的技术手段。本文基于高分辨率遥感图像，快速识别尾矿库，并确定其数量、规模、位置及类型等，动态监测病库、危库、险库的发展态势，为相关职能部门提供客观的基础数据及决策依据。

尾矿库系人为修建，排放尾砂受到当地水文、气候、地理及地貌等自然因素的制约，因此尾砂的物质组成、结构及分布等特征均有一定规律。在遥感图像上，尾砂的上述特征形成了特殊的颜色、纹理、形状等标志，使尾矿库与其他地物具有较好的可区分性。光谱、纹理、形状和结构特征是识别物体的4个基本元素，因此也是本文进行图像识别的重要依据［5］。本文基于尾矿库的这些基本特征来探讨其在高分辨率遥感图像上的识别因子，进而准确识别尾矿库，并初步判断其规模。

1 研究区概况与数据源

鄂东南地区地处长江中游，气候温暖湿润，雨量充沛，属亚热带气候，有众多河流、湖泊及池塘等水体分布。区内金属矿床的形成多与岩浆活动有关，属典型的矽卡岩型多金属矿床。这些矿产沿着“六大侵入体”(铁山、鄂州、殷祖、金山店、灵乡、阳新)接触带和小岩体出露区分布，并相对集中于铁山、铜绿山、金山店、灵乡、铜山口、鸡笼山及丰山等地。该区是我国重要的铁、铜生产基地，铁、铜等金属矿分布面广，矿产地相对集中，矿床规模以中、小型为主。

区内矿产资源开发历史悠久，开发程度高。从新冶铜矿(龙角山铜矿)1957年4月建成正式投产起算，鄂东南金属矿现代正规采选联合的开采历史已有50余年［4］。长期的采矿与选矿活动在该区形成了大量的尾矿库。相关资料显示，鄂东南有尾矿库500多座，仅大冶市境内有记录的尾矿库就有300余座［2－3］。尾矿库的实际数目估计会更大。限于条件，至今还未能逐一实地确定、调查每座尾矿库的具体情况。通常矿产的采、选活动一般就近进行，因此尾矿库的分布位置与矿产地分布都有较好的相关性。鄂东南地区尾矿库密集分布于上述主要矿产地。本文选取“六大侵入体”所在的大冶市、鄂州市汀祖镇、黄石市铁山区、阳新县白沙镇等区域为研究区，采用2010年5月30日成像的2A级WorldView－2图像为遥感数据源，并在Erdas9.0和ENVI4.7中进行正射校正、融合等数据预处理，在ArcGIS9.3中基于尾矿库的光谱、纹理等特征，进行鄂东南地区尾矿库的遥感识别因子研究和图像解译。

2 结构及光谱特征

2.1 尾砂的结构特征

尾矿库内的物质成分主要为尾砂和水。鄂东南地区尾矿库大部分为金属矿产开采、选冶过程形成。在选冶过程中，原矿石经过破碎和磨碎后，仅有mm级甚至μm级的粒度才能达到矿物质解离的颗粒要求，由此导致了尾砂的颗粒极为细小。一般粒径小于0.074 mm的矿石颗粒占全部尾矿的70%以上，有的甚至达90%以上，全部尾矿加权平均粒径一般为0.03 ～0.05 mm 左右［6］。可见，颗粒极细小是尾砂的一大显著结构特征。选矿结束后，尾砂随水一起排入尾矿库，因此尾矿库中的成分主要是尾砂和水的混合物。由于尾砂颗粒细小，有相当数量的尾砂以悬浮质的形式存在。尾矿库中的混合物因含砂量不同而呈泥浆状或溶液状。一般情况下，尾矿库中固体成分的质量百分比能达到20%左右，仅有80%为水体［7］。

2.2 尾矿库的结构特征

尾矿库是用来堆放尾砂的场所，一般由库体、坝体、排砂管及矿山道路等要素组成，小型尾矿库周围还附带建有选矿厂、选矿池等矿山建筑。大多数尾矿库采用一面筑坝或多面筑坝。坝体多采用二期筑坝法(初期坝和后期坝)［9］。初期坝即基础坝，采用土石构筑;后期坝则是利用尾砂在初期坝基础上不断加高构筑而成。因此，尾矿坝呈梯级分布。坝体下方铺设着一排整齐的排沙管，管口出露于坝体与库体相交的位置。坝面设置有平台、排水沟、截洪沟、简易公路及马道等［10］。小型尾矿库周围的矿山建筑多为一两间棚户房，分布杂乱，无规则布局。尾矿库的上述结构特征在高分辨率遥感图像上具有稳定、细致的纹理特征，识别标志明显。

2.3 光谱特征

纯净水体对太阳辐射的吸收较强、反射较弱。当水体中混入其他物质(如泥沙、浮游生物等)时，就会对太阳辐射的吸收减弱、反射增强。由朗伯—比尔定律可知，物质的吸光度与吸光物质的质量浓度和吸收层厚度成正比。假定纯净水体对太阳辐射的吸收率为100%，当纯净水体中混入非水体物质，并且其吸收率小于水体、反射率大于水体时，这种混合物对太阳辐射的总体吸收率就会小于100%。尾矿库水体中含有大量尾砂，尾砂的吸收率小于自然水体、反射率大于自然水体。因此从可见光到近红外波段，尾矿库水体的总体反射率比湖泊、池塘等自然水体高，色调比自然水体亮。此外，在体积相同的情况下，地物对太阳辐射能量的反射或吸收能力取决于其尺寸的大小［8］。同体积情况下，大尺寸的物体因为有较长的内部光路径，会吸收一部分太阳辐射导致反射率降低;小尺寸的物体因为有较大的表面积而反射较多的太阳辐射导致反射率升高。因此，地物表面积与体积之比是决定地物反射太阳辐射的另一个重要因素。颗粒极细小是尾砂的一大特征，换言之，尾砂具有极小的尺寸、极大的表面积与体积之比，这一特性大大增强了尾砂对太阳辐射的反射能力。金属矿的尾砂主要为各种浅色矿石的破碎物，其影像的颜色大多为浅灰白色。以上因素促使尾矿库水体的反射率大大高于自然水体。图1是WorldView－2图像中含尾砂水体与自然水体的光谱曲线。

图1 含尾砂水体与自然水体光谱特征Fig.1 Spectral features of tailing and natural water

3 形状及纹理识别因子

3.1 形状识别因子

形状是地物轮廓在阴影平面上的投影［11－12］，是识别地物最直观的标志。在遥感图像上，人造地物一般具有规则的几何外形和清晰的边界，如楼房、道路等;自然地物往往具有不规则的外形和不规则的边界，如湖泊、山地等。形状识别因子也是区分一般面状水体与尾矿库的最直观因子。鄂东南地区分布有众多湖泊、池塘等一般面状水体，它们在遥感图像上通常表现为几何形态不规则，水体边界圆滑，大多处于地势低洼处，受地形、地貌及地表径流等自然因素的控制;尾矿库是人类工程活动的产物，人工痕迹显著，几何形态较规则，靠近尾矿坝的一边，库体边缘笔直，与周围地物界线分明。依据形状识别因子可初步区分尾矿库与一般水体。

3.2 纹理识别因子

纹理是通过色调或颜色变化而表现出的细纹或细小的图案，揭示了图像中地物的结构信息及其与周围环境的关系［13］。解译分析时，如能很好地兼顾图像宏观结构与微观结构，则将有利于排除异物同谱、同物异谱现象的影响［14］，提取出目标地物的细致信息。对于不同分辨率的遥感图像及不同尺寸的地物而言，可识别的纹理差异较大。在高分辨率遥感图像上，通常小尺度的细部结构、块状信息等较明显［15］。就尾矿库而言，其细部结构和微型纹理都非常丰富，因此选用高分辨率遥感图像识别其纹理特征无疑是最佳的选择。

3.2.1 尾矿库水体的分带纹理特征

尾砂通过排砂管输送至尾矿库，因此排砂管的位置制约着尾矿库表面物质的分布。排砂管一般置于堆积坝上，尾砂是由近坝端向远坝端逐步推送的，此种输送方式决定了尾矿库内各处含砂量是不同的，其光谱响应特征也随之不同，使图像色调呈现出独特的渐变性。在近坝端，尾砂含量较高，水体含量较少，尾矿库内物质呈泥浆状;随着离坝距离的增大，尾砂含量逐步减少，水体含量逐步增加，尾矿库内物质呈溶液状。库体反射率较大，是因为尾矿颗粒对太阳辐射的反射率大。尾砂含量高，水体含量少，反射率就大，在遥感图像上表现为亮色调;反之，则反射率较小，色调亮度较低。在遥感图像上具体表现为尾矿库的色调随着距排砂管的远近而呈晕状变化，水体颜色具有明显的分带纹理特征。距排砂管近、尾砂浓度高的位置，色调亮;距排砂管远，尾砂浓度低的位置，色调暗;尾矿库水体的颜色由浅灰白色逐渐过渡到蓝黑色(接近自然水体)。尾矿库的这种分带纹理特征在WorldView－2图像上表现清晰，有很强的层次感(图2)，与自然水体有明显差异。

图2 尾矿库水体的分带纹理特征Fig.2 Zoning texture feature of water in tailing reservoir

3.2.2 尾砂表面的放射状纹理特征

尾砂经排砂管排放到尾矿库，在管口出露的位置，压力陡降，面积突然开阔，水体流速骤减，尾砂在自然状态下慢慢沉淀，与洪流冲出沟谷形成洪积扇的情形类似。在尾矿库近坝端，常见到尾砂呈放射状或扇形的沉积形态。在WorldView－2图像上，尾砂的放射状、扇状纹理特征显著(图3)。随着时间的推移，在逐渐干涸的尾矿库表面，上述纹理特征依然清晰可见。在高分辨率遥感图像上，干涸尾矿库表面特有的放射状纹理特征也是区别于干涸的池塘、泥滩、裸地等的一大显著识别标志。

图3 尾砂的放射状纹理特征和排砂管管口的点状纹理特征Fig.3 Radial texture feature of tailing and dot texture feature of pipeline

3.2.3 排砂管管口的点状纹理特征

排砂管由水泥浇筑而成，成排铺设于尾矿库堆积坝体的下方，仅有一排整齐的圆形管口出露在外。WorldView－2图像上，其颜色与水泥路面的颜色接近(为灰白色)，管口呈圆形小白点状整齐分布在坝体与库体相接的条带上(图3)，排砂管成排铺设的特征仅在大型尾矿库区可以见到，小型尾矿库多采用一两根简陋细管排砂。因而，在图像上能否发现排砂管管口的点状纹理特征是初步判断尾矿库规模的一个依据。

4 与尾矿库相关的其他识别因子

4.1 坝体与道路相伴生

尾矿库坝体宽阔、平直。多级堆积坝呈梯田式展布。坝坡排水沟按一定宽度的间隔平行分布于堆积坝上。两条排水沟之间常有人工绿化带，植被品种单一、行列整齐、沿坝体梯田式分布。坝体表面及周围伴有简易道路，道路蜿蜒曲折，呈亮白色的条带，并与尾矿坝融为一体(图3)。这些相关因素融为一体是大型尾矿库独有的识别因子。

4.2 小型尾矿库与矿山建筑相伴生

小型私营矿山为压缩成本，选取采、选联合作业的方式。尾矿库采用选矿厂附近的池塘改建而成，与简易选矿池、矿山建筑等相伴生。矿山建筑一般是一两间棚户房，未经设计和布局，只是随意分布在尾矿库附近。建筑物影像的纹理特征明显，横竖交错，无固定的排列方式，偶尔还能看到简陋的破碎设备和选矿设备(图4)。这种尾矿库与矿山建筑杂乱伴生的关系是小型尾矿库的识别因子之一。

图4 小型尾矿库与矿山建筑伴生Fig.4 Small－sized tailing reservoir and mining building

4.3 尾矿库的规模及分布特征

为保护环境及生态平衡，大型国有矿山企业一般都将尾矿库建在距离选矿厂较远的地方。如白雉山尾矿库位于铁山矿区的北边，距铁山矿区选矿厂约5 000 m。因此规模较大的尾矿库都是孤立地展现在遥感图像上，分布于人口密度低、建筑物比较稀少的区域。小型私营矿山企业受到资金、技术的限制，没有能力修建大型尾矿库。这类企业的尾矿库一般都是就地取材，选择距离选矿厂最近的池塘，将其一侧筑坝、改建为尾矿库，直接排入尾砂。向一个池塘排入足够量的尾砂后，企业会选择第二个池塘继续排放尾砂，依此类推。这类企业的尾矿库一般不会孤立出现，而是在矿山企业四周沿沟谷成条带状展布，少则两三个，多则五六个(图4)。图4中选矿厂附近分布的尾矿库共有12个，最右边的尾矿库启用不久，只在其左上角及左下角区域有排放尾砂的痕迹，剩余的地方仍为较纯净的水体。据尾矿库分布的位置、数量，就可初步确定其规模。

5 解译结果与精度分析

基于本文所建立的光谱、纹理、相关建筑、布局和分布等尾矿库识别因子，采用WorldView－2图像对研究区尾矿库进行人机交互式目视解译，共识别尾矿库572个(图5)。采取人工随机抽样原则选择部分尾矿库进行实地调查验证。结果表明，人机交互解译的准确率达到99%，仅有极少数半干涸型小池塘及选矿池附近的小池塘被误解译为小型尾矿库。

图5 研究区尾矿库的分布Fig.5 Distribution of tailing reservoir in study area

6 结论与建议

6.1 结论

1)本文基于尾砂的光谱、纹理特征以及与尾矿库相关的道路、矿山建筑等其他因子，系统研究和建立了尾矿库的高分辨率遥感图像的综合识别标志。依据所建立的识别标志，可准确地识别尾矿库的位置、数量，分析尾矿库的规模。

2)本文建立的尾矿库高分辨率遥感图像的识别标志在鄂东南地区取得了较好效果。但对某具体的尾矿库而言，未必具备本文所讨论的所有特征。因此，各识别标志的灵活运用和相互验证至关重要。

3)不同规模尾矿库在高分辨率遥感图像上有不同的识别标志。规模较大的尾矿库，综合其光谱识别因子和纹理识别因子、坝体与道路识别因子即可准确识别;规模较小的尾矿库，需综合其周围相关建筑及尾矿库的地理分布、布局特征才可准确识别。此外，根据尾矿库的细微纹理(如排砂管特征)也可初步判断其规模。

6.2 建议

在鄂东南发现早期废弃的大型矿山尾矿库是本文关注的焦点。这类尾矿库含矿品位高、储量丰富，具有极高的再开发利用价值。但是，此类尾矿库废弃了相当长的时间，尾矿库表面或被人工改造，或生长了植被，使其不具备本文所说的尾矿库影像特征。如何更加有效地利用高分辨率遥感图像的光谱特征和纹理特征，深入挖掘此类尾矿库在遥感图像中更多的识别标志，是需进一步研究和解决的问题。

［1］ 曾小华，连永牢.人工矿床分类探讨［J］.金属矿山，2010(5):29－33.Zeng X H，Lian Y L.Discussion on Classification of Artificial Deposit［J］.Metal Mine，2010(5):29 － 33(in Chinese with English Abstract).

［2］ 刘忠明，孔繁河，刘晓妮，等.鄂东南金属矿山尾矿资源调查及保护、开发利用建议［J］.资源环境与工程，2009，23(4):473 －476.Liu Z M，Kong F H，Liu X N，et al.Suggestions on Tailings Resources Investigation，Protection，Development and Utilization of Metal Mine in Southeastern Hubei［J］.Resources Environment and Engineering，2009，23(4):473 －476(in Chinese with English Abstract).

［3］ 刘忠明，刘晓妮，杨 培，等.鄂东南金属矿山尾矿堆积现状及其基本特征［J］.矿冶，2009，18(1):5 －9.Liu Z M，Liu X N，Yang P，et al.Present Status and Basic Characteristics of Tailings Accumulation of Metal Mine in Southeastern Hubei［J］.Mining and Metallurgy，2009，18(1):5 －9(in Chinese with English Abstract).

［4］ 刘忠明，何洪才，刘晓妮，等.鄂东南金属矿山尾矿物质成分初步研究［J］.矿冶，2010，19(1):7 －12.Liu Z M，He H C，Liu X N，et al.Preliminary Study on Material Composition of Tailings in Metal Mines，Southeastern Hubei Province［J］.Mining and Metallurgy，2010，19(1):7 － 12(in Chinese with English Abstract).

［5］ 袁建星，万嘉若，王成道.纹理模型和纹理识别［J］.环境遥感，1988，3(2):152 －157.Yuan J X，Wan J R，Wang C D.Texture Models and Texture Recognition［J］.Remote Sensing of Environment，1988，3(2):152 －157(in Chinese with English Abstract).

［6］ 洪 专，孔 铭.尾矿库资源开发应注意的问题［J］.矿业工程，2003，1(3):41 －44.Hong Z，Kong M.Issues About Recovery of Useful Minerals Contained in Tailings［J］.Mining Engineering，2003，1(3):41 － 44(in Chinese with English Abstract).

［7］ 蔡嗣经，杨 鹏.金属矿山尾矿问题及其综合利用与治理［J］.中国工程科学，2000，2(4):89 －92.Cai S J，Yang P.Tailings Problems and Tailings Utilization and Treatments in the Metal Mines［J］.Engineering Science，2000，2(4):89－92(in Chinese with English Abstract).

［8］ Schimmer R.A Remote Sensing and GIS Method for Detecting Land Surface Areas Covered by Copper Mill Tailings［EB/OL］.［2008.11］.http://www.asprs.org/a/publications/proceedings/pecora17/0030.pdf.

［9］ 林玉山，张 卫.尾矿库地质灾害与危险性评估［J］.桂林工学院学报，2006，26(4):486 －490.Ling Y S，Zhang W.Geohazard and Risk Assessment for Tailing Reservoir［J］.Journal of Guilin University of Technology，2006，26(4):486－490(in Chinese with English Abstract).

［10］徐维生，柴军瑞，李娟娟，等.尾矿库坝体加高方案排水分析［J］.水土保持通报，2010，30(5):226 －228.Xu W S，Chai J R，Li J J，et al.Seepage Analysis of Heightening Program for a Tailings Filling Dam［J］.Bulletin of Soil and Water Conservation，2010，30(5):226 －228(in Chinese with English Abstract).

［11］彭望琭，白振平，刘湘南，等.遥感概论［M］.北京:高等教育出版社，2002.Peng W L，Bai Z P，Liu X N，et al.Introduction to Remote Sensing［M］.Beijing:Higher Education Press，2002(in Chinese).

［12］梅安新，彭望琭，秦其明，等.遥感导论［M］.北京:高等教育出版社，2001.Mei A X，Peng W L，Qin Q M，et al.Introduction to Remote Sensing［M］.Beijing:Higher Education Press，2001(in Chinese).

［13］ Chica－Olmo M，Abarca－Hernández F.Computing Geostatistical Image Texture for Remotely Sensed Data Classification［J］.Computers and Geosciences，2000，26(4):373 －383.

［14］许建东，栾 鹏，樊笑英，等.基于遥感影像光谱与纹理分析的地物分类——以长白山天池火山地区为例［J］.地震地质，2009，31(4):607 －616.Xu J D，Luan P，Fan X Y，et al.Analysis of Spectrum and Texture Information on Changbaishan Tianchi Volcano Caldera and Its Application［J］.Seismology and Geology，2009，31(4):607 － 616(in Chinese with English Abstract).

［15］刘龙飞，陈云浩，李 京.遥感影像纹理分析方法综述与展望［J］.遥感技术与应用，2003，18(6):441 －445.Liu L F，Chen Y H，Li J.Texture Analysis Methods Used in Remote Sensing Images［J］.Remote Sensing Technology and Application，2003，18(6):441 －445(in Chinese with English Abstract).

Tailings Reservoir Recognition Factors of the High Resolution Remote Sensing Image in Southeastern Hubei

HAO Li－ na1，2，ZHANG Zhi2，HE Wen － xi2，CHEN Teng2
(1.Faculty of Information Engineering，China University of Geosciences，Wuhan 430074，China;2.Faculty of Earth Sciences，China University of Geosciences，Wuhan 430074，China)

Tailings with the characteristics of very small particles determine their high reflectivity of each band in remote sensing images.The accumulation process of the tailings determines their unique surface texture，including parallel zoning texture features and radial texture features.The authors mainly studied spectral features，texture features and some other features such as roads，mine buildings，reservoirs distribution and their geographical position which are associated with the tailings reservoir，and established the comprehensive recognition factors of the tailings reservoir in high resolution remote sensing image in this paper.On the basis of these factors，the tailings reservoirs can be identified and their scales can be preliminary determined from WorldView －2 images.

tailing reservoir;spectral feature;texture feature;WorldView－2

TP 79

A

1001－070X(2012)03－0154－05

10.6046/gtzyyg.2012.03.27

2011－10－17;

2011－11－10

湖北省重点矿集区矿山开发遥感调查与监测项目(编号:1212011120022)资助。

郝利娜(1982－)，女，博士研究生，主要研究方向为遥感地质及定量遥感。E－mail:madingludejin@163.com。通信作者:张 志(1964－)，男，博士，教授，主要从事资源环境遥感、地质灾害机理遥感研究。E－mail:zhangz6402@126.com。

(责任编辑:邢 宇)