基于U-Net的湖北省露天矿山土地损毁信息提取应用.pdf

第 卷 第 期 年 月资源环境与工程 .收稿日期:改回日期:责任编辑:孙腾资助项目:湖北省地质局科技项目()湖北省重点研发计划项目()第一作者:何睿()男 助理工程师 硕士 地质工程专业 从事遥感地质工作 :通信作者:王润()女 工程师 博士 测绘科学与技术专业 从事遥感地质工作 :何睿王润徐航等.基于 的湖北省露天矿山土地损毁信息提取应用.资源环境与工程():.():.基于 的湖北省露天矿山土地损毁信息提取应用何 睿 王 润 徐 航 刘 帅 李彧磊张 硕 陈 琨 蔡 宇 陈梦源(.资源与生态环境地质湖北省重点实验室湖北 武汉 .湖北省地质环境总站湖北 武汉)摘 要:将高分辨率遥感数据与深度学习方法相结合 可实现露天矿山土地损毁信息有效提取 提升对矿山地质环境现状及其变化情况的掌握程度 以高分二号卫星影像为数据源 利用 模型对湖北省 个典型矿集区进行露天矿山土地损毁信息的提取研究 根据模型精度评价结果 数据训练集所包含的数据越多 其信息提取效果越好 骨干模型层数过深时会发生过拟合现象 降低信息提取结果的精度 经过综合考虑 选择将数据训练集旋转角度设置为 将骨干模型设置为 最终取得较好的信息提取效果 验证了应用 模型进行露天矿山土地损毁信息提取的可行性关键词:深度学习 卷积神经网络 露天矿山土地损毁 信息提取中图分类号:文献标识码:文章编号:():./.湖北省矿产资源丰富开采方式以露天开采为主对矿区及其毗邻区域造成了地貌景观破坏和土地资源损毁等危害 近年来为准确掌握全省矿山地质环境现状及其变化情况为政府部门合理制订矿山生态修复治理措施提供依据湖北省对重点矿集区开展了持续性的遥感监测工作 但由于矿集区面积大、矿山数量多使得遥感监测数据处理工作量较大有必要研究高效快速的遥感信息提取方法提升露天矿山土地损毁信息的提取效率遥感技术自 世纪 年代开始应用以来其时间分辨率和空间分辨率得到持续提升已成为矿山地质环境调查监测的重要手段 近些年深度学习方法由于具有比传统方法更高的分类识别精度在多种地质工作场景得到有效应用其中卷积神经网络()是目前常用的深度学习方法该方法可提取局部关联性特征以提高对大量变化数据的适应能力针对高分辨率遥感影像开展地物分类工作可获得较高的准确率 以卷积神经网络为基础众多研究人员不断对 等模型进行优化进一步提升了其学习效率 将国产高分辨率卫星数据与包括 模型在内的深度学习方法相结合已有效应用于矿山露天开采区的识别对于尾矿库的空间变化监测也有一定成效 目前在绿色矿山建设、矿山地质环境修复治理等工作中还是主要利用高分辨率遥感数据结合无人机进行现场调查并对治理效果进行监测 如果将深度学习方法应用于这些工作场景可能会进一步提高相关信息提取的准确度和效率 本文以湖北省露天矿山为研究对象以高分二号()卫星影像为数据源结合研究区以往遥感解译成果利用 模型开展区内露天矿山土地损毁信息提取的应用研究以验证 模型进行该项工作的可行性并提升湖北省对矿山地质环境现状及其变化情况的掌握程度 研究区概况及数据源.自然地理概况本次选择的研究区为湖北省内 个重点矿集区(图)均位于江汉平原及周边山区的过渡区域总面积约 其中荆门石膏矿区(图)位于荆山山脉与江汉平原的过渡地带荆襄磷矿区(图)位于汉江中游、大洪山南麓、鄂北山区向江汉平原的过渡地带松宜煤矿区(图)位于鄂西北山区东缘向江汉平原的过渡地带图 研究区分布图 .矿山土地损毁概况研究区各矿山主要开采煤、磷、石膏、岩盐、灰岩、页岩、石材、石料等矿产 根据 年矿山遥感解译资料遥感解译图斑分为 类:露天采场、中转场地、固体废弃物堆场图斑总面积为 .具体如表 所示表 研究区矿山土地损毁情况 图斑类型图斑数量/个图斑面积/露天采场.中转场地.固体废弃物堆场.合计.数据源本次研究所用数据源为高分二号卫星影像数据该卫星搭载了 台 分辨率全色相机(光谱范围.)和 台 分辨率多光谱相机(光谱范围.、.、.、.)可实现亚米级的空间分辨率成像效果整体清晰、辨识度高 为覆盖研究区范围共使用 景 年度影像数据 将高分二号卫星影像数据作为训练样本集影像片基础结合 年矿山遥感解译图斑可制作 模型所需的数据训练集 工作方法和流程工作流程包括解译标志建立、数据训练集创建、模型选择与训练、信息提取结果对比验证等 部分总体技术流程如图 所示.解译标志建立根据研究区 年矿山遥感解译资料露天采场是最主要的露天矿山土地损毁表现形式其影像边界较清晰开采区域多呈浅色可见阶梯状开采面(图).数据训练集创建为开展基于 模型的土地损毁信息提取工作图 总体技术流程 第 期何 睿等:基于 的湖北省露天矿山土地损毁信息提取应用图 露天采场遥感影像 需要准备数据训练集并对其进行标注利用 软件的深度学习模块可实现数据训练集的导出数据训练集主要由影像数据和矢量数据()构成将矢量数据叠加在影像数据上进行分类标记完成后导出即可获得数据训练集 以研究区 个露天采场解译图斑的矢量数据为基础结合高分二号卫星影像数据生成相应的影像片并对影像片进行不同角度的旋转以创建其他影像片从多个角度捕获相同的训练样本(图)实现样本数据增强 不同旋转角度下所创建的数据训练集的样本量是不同的(表).模型选择与训练卷积神经网络是深度学习方法中常用的一种模型其优势在于将多维数据样本图像作为模型输入层时不需要对样本数据进行特别复杂的处理避免了进行图像信息学习时所需的复杂的图像特征提取过程和图像数据重建过程 对于矿山遥感影像的图斑识别主要利用影像光谱信息来进行选择用于像素分类的 模型进行模型训练 模型网络结构包括编码部分和解码部分(图)在编码部分每次下采样之前使用 个卷积核为 的卷积层进行特征提取卷积之后使用激活函数使用大小为 的最大池化操作减少特征维度以增大感受野 每经过 次下采样图像尺寸缩小/维度增大 倍 通过这种重复的操作可以充分提取图像的高层特征并过滤掉不需要的信息在解码部分使用反卷积进行上采样上采样之后同样使用 个卷积核为 的卷积层逐步恢复图像的细节信息并最终恢复特征图至输入图像的尺寸 每经过 次上采样图像尺寸增大 倍维度缩小/编图 不同旋转角度的训练样本 表 不同数据训练集样本量 旋转角度/()样本量/个 码部分和解码部分对应阶段之间使用跳跃连接结构复用低层次特征信息以更好地还原图像细节信息在选择 模型的基础上需要进一步选择模型所使用的骨干模型即卷积层和池化层的排列组合方式 本次研究使用 作为骨干模型(图)是一种主要针对传统堆叠网络缺点进行改进的骨干模型即提出残差结构用以优化网络解决深度网络化下的退化问题 通过堆叠非线性层用以拟合残差同时提出恒等快捷连接用于执行恒等映射并将其输出添加到堆叠层的输出恒等快捷连接既不会增加额外的参数也不会提高计算复杂度 假设原先的网络输入为 网络输出为()令()()则残差网络可以通过对残差()()进行学习其学习效率会高于直接学习()资源环境与工程 年 图 模型网络结构 图 网络结构 的效率 主要有 种不同大小的网络 即、和 各 网络之间的不同主要在于中间卷积部分的 参数和个数存在差异设置数据训练集、模型、骨干模型等参数后可以进行模型训练 为保证模型训练效果将最大新纪元数量设置为 即数据训练集将通过神经网络向前和向后传递 次 完成参数设置后选择 个重点矿集区来建立露天采场土地损毁信息提取的数据训练集分别使用 模型和金字塔场景来开展信息提取实验并在此基础上选择效率更高的骨干模型及参数来开展整个研究区的露天矿山土地损毁信息提取工作.信息提取结果对比验证需要对不同骨干模型及参数开展精度评价包括模型的训练损失与验证损失对比、精度评价参考值对比其中精度评价参考值选取精确度()、召回率()和 值 精确度表示模型预测的像素总数中正确预测的真实像素数量占预测的真实像素数量的比例召回率表示模型预测的像素总数中正确预测的真实像素数量占实际的真实像素数量的比例值表示精确度与召回率的调和平均数其取值范围为 值计算公式如下:在理想状态下应考虑精确度和召回率均为高值但实际情况中两者互相制约追求精确度高则召回率就低追求召回率高则精确率通常较低 而引入 值可以平衡精确度和召回率的影响较为全面地评价模型精度值越大表示模型效果越好在模型精度评价的基础上利用所选择的骨干模型及相应的参数对 个重点矿集区分别开展露天矿山土地损毁信息提取将信息提取结果与高分辨率遥感影像进行对比验证 模型精度评价与信息提取.模型精度评价利用荆门石膏矿区 个露天采场图斑制作旋转角度分别为、的数据训练集在 模型中依次将骨干模型设置为、和 经深度学习后获得对应的训练模型及其影像预测结果当训练样本旋转角度为 时不同骨干模型的训练损失与验证损失图如图 所示对应的影像识别验证对比图如图 所示 当骨干模型设置为、时随着训练批次的增加验证损失曲线尽管存在一定波动但趋势趋于平稳当骨干模型设置为 时训练批次有所增加验证损失曲线随之趋于平滑当骨干模型设置为 和 时训练批次大量增加但验证损失曲线出现大幅度波动第 期何 睿等:基于 的湖北省露天矿山土地损毁信息提取应用图 训练样本旋转角度为 时不同骨干模型的训练损失与验证损失图 图 训练样本旋转角度为 时不同骨干模型的影像识别验证对比图 资源环境与工程 年 当训练样本旋转角度为时不同骨干模型的训练损失与验证损失图、影像识别验证对比图分别如图、图 所示 当骨干模型设置为、时随着训练批次的增加验证损失曲线在早期存在一定波动在后期趋于平稳当骨干模型设置为 时训练批次有所增加验证损失曲线随之趋于平滑但后期出现波动当骨干模型设置为 时验证损失曲线随着训练批次的增加发生大幅波动当骨干模型设置为 时验证损失曲线随着训练批次的增加在前期趋于平缓在后期出现高峰值波动当训练样本旋转角度为 时不同骨干模型的训练损失与验证损失图、影像识别验证对比图分别如图、图 所示 当骨干模型设置为、时随着训练批次的增加验证损失曲线尽管存在一定波动但整体趋于平稳当骨干模型设置为 时训练批次有所增加验证损失曲线随之趋于平滑当骨干模型设置为 时验证损失曲线随着训练批次的增加在后期出现大幅度波动当骨干模型设置为 时验证损失曲线随着训练批次的增加持续出现波动由图、图 和图 可知在训练样本数量不同的情况下当骨干模型设置为 和 时其训练损失曲线和验证损失曲线的变化趋势在整体上更为接近说明在此骨干模型下的预测效果更好 同时将不同旋转角度的训练样本集对应的各骨干模型的精确度、召回率和 值进行统计如表 表 和图 图 所示可知、的精确度、召回率和 值均高于其他骨干模型表 各骨干模型精确度统计表 旋转角度/()精确度.表 各骨干模型召回率统计表 旋转角度/()召回率.图 训练样本旋转角度为 时不同骨干模型的训练损失与验证损失图 第 期何 睿等:基于 的湖北省露天矿山土地损毁信息提取应用图 训练样本旋转角度为 时不同骨干模型的影像识别验证对比图 图 训练样本旋转角度为 时不同骨干模型的训练损失与验证损失图 综上所述以不同样本量(即不同旋转角度)的训练样本集进行深度学习训练时当骨干模型设置为 时其精确度、召回率和 值均达到最大值当骨干模型设置为 时其精确度、召回率和值均略低于 同时随着训练样本量的增加(即旋转角度由 变为 再变为)、资源环境与工程 年 图 训练样本旋转角度为 时不同骨干模型的影像识别验证对比图 图 各骨干模型精确度变化曲线 图 各骨干模型召回率变化曲线 所对应的各精度评价参考值也随之提高表明训练样本量的增加有利于提高模型精度表 各骨干模型 值统计表 旋转角度/()值.图 各骨干模型 值变化曲线 因此本文研究在 模型中将骨干模型设置为 将训练样本旋转角度设置为.信息提取结果利用 模型对 个重点矿集区开展露天矿山土地损毁信息提取结果如图 图 中黄色区域所示另外在图上标注了人机交互解译结果(红线范围)并进行对比 对于荆门石膏矿区信息提取的面积为.人机交互解译的面积为.两者重第 期何 睿等:基于 的湖北省露天矿山土地损毁信息提取应用合部分的面积为.由此来看信息提取结果的识别率达到了.对于荆襄磷矿区信息提取的面积为.人机交互解译的面积为.两者重合部分的面积为.信息提取结果的识别率达到了.对于松宜煤矿区信息提取的面积为.人机交互解译的面积为.两者重合部分的面积为.信息提取结果的识别率达到了.(表)合计来看研究区信息提取面积为.人机交互解译面积为.两者重合部分面积为.信息提取结果的识别率达到了.图 荆门石膏矿区信息提取结果 表 信息提取结果统计表 研究区信息提取面积/人机交互解译面积/重合面积/荆门石膏矿区.荆襄磷矿区.松宜煤矿区.合计.图 荆襄磷矿区信息提取结果 .信息提取结果对比验证将 模型信息提取结果与高分辨率遥感影像进行对比验证(图)对于开采面积较大、露天开采面影像特征明显的矿山 模型对其土地损毁信息提取的效果较好提取结果的边界清晰能够对露天采场及其周边未开采区域进行有效地区分同时能对矿山之间的道路进行较好地筛除 由于矿集区面积较大不仅涵盖了矿山区域还包含城镇等区域利用 模型进行信息提取过程中不可避免地对包括城镇在内的其他区域进行信息提取会将城镇区域的裸露空地、工业场地等错判为矿山损毁土地 结论()本文的应用研究表明利用 模型结合高分二号卫星影像数据可以对湖北省重点矿集区的露天矿山土地损毁信息进行有效提取在以往人机交互解译的基础上提高了信息提取效率 在此基础上可进一步改进模型以应用于周期性的矿山土地损毁监测、资源环境与工程 年 图 松宜煤矿区信息提取结果 图 信息提取结果与遥感影像的对比 矿山生态恢复治理效果监测等工作()模型各骨干模型的信息提取效果差异较大骨干模型层数过深时会发生过拟合现象降低信息提取结果的精度当骨干模型设置为 时其信息提取效果相对更好 同时在计算机硬件条件允许的情况下数据样本集中样本量越大模型学习的效果越佳信息提取的效果越好()由于本次研究选取的矿集区面积大、涵盖的地物类型多基于 模型进行露天矿山土地损毁信息提取时一些影像特征与其相似的地物也会被提取出来如城镇区域的裸露土地、建设用地、工业场地等从而对信息提取结果造成干扰 在未来研究中可以通过建立更准确的解译标志、增加训练样本集数据量、更新矿山范围信息、优化模型结构和参数等提升信息提取结果的精度参考文献:陈伟涛张志王焰新.矿山开发及矿山环境遥感探测研究进展.国土资源遥感():.陈伟涛张志王焰新等.矿山地质环境遥感监测方法初探.地质通报():.杨金中聂洪峰荆青青.初论全国矿山地质环境现状与存在问题.国土资源遥感():.杨惠晨.矿区土地利用遥感监测及景观格局分析:以濂江流域为例.南昌:江西理工大学.陈兴杰.基于 号卫星影像的监督分类方法比较.矿山测量():.黄昕.高分辨率遥感影像多尺度纹理、形状特征提取与面向对象第 期何 睿等:基于 的湖北省露天矿山土地损毁信息提取应用分类研究.武汉:武汉大学.():.曲景影孙显高鑫.基于 模型的高分辨率遥感图像目标识别.国外电子测量技术():.():./.:./.:./.:.张峰极.多源遥感影像露天开采区深度学习提取方法研究.合肥:安徽大学.张峰极吴艳兰姚雪东等.基于改进 网络的多源遥感影像露天开采区智能提取方法.遥感技术与应用():.于晨.典型矿山环境遥感地物智能识别方法的研究.北京:中国地质大学(北京).胡乃勋陈涛甄娜等.基于卷积神经网络的面向对象露天采场提取.遥感技术与应用():.杜守航李炜邢江河等.基于 和高分二号卫星影像的露天矿区范围变化检测.煤田地质与勘探():.张成业邢江河李军等.基于 网络和 影像的尾矿库空间范围识别.自然资源遥感():.殷亚秋杨金中汪洁等.长江经济带废弃矿山占损土地遥感调查与生态修复对策.国土资源遥感():.汪洁刘小杨杨金中等.基于国产高空间分辨率卫星数据的浙江省矿山环境恢复治理典型模式分析.国土资源遥感():.杨创李聪聪万余庆.遥感技术在煤矿山环境监测评价中的应用.中国煤炭地质():.田宇邹浩王章琼等.黄冈市露天矿山复绿难点及方法建议.资源环境与工程():.陈永宝刘翔王广禹等.废弃露天矿山生态修复实践与展望:以宜昌市长江干支流两岸 废弃矿山为例.资源环境与工程():.周豫阳王明常王凤艳等.改进 的高分辨率遥感影像建筑区变化检测方法.世界地质():.梁燕易春霞王光宇.基于编解码网络 的遥感影像建筑变化检测.计算机学报():.彭程王靖伟高涛等.基于迁移学习和 的遥感图像土地覆盖分类.山东国土资源():.(.):.:资源环境与工程 年