露天鐵礦無人機(jī)光譜探測方法試驗研究

祁玉馨 劉善軍 王 東 孫銘辰2

（1.東北大學(xué)資源與土木工程學(xué)院，遼寧 沈陽 110819；2.鞍鋼集團(tuán)鞍千礦業(yè)有限責(zé)任公司，遼寧 鞍山 114043）

鐵礦是支撐國民經(jīng)濟(jì)發(fā)展的主要礦產(chǎn)資源之一，是發(fā)展鋼鐵工業(yè)的物質(zhì)基礎(chǔ)，由于礦產(chǎn)資源的緊缺性及不可再生性，如何做到合理、高效、精準(zhǔn)開采鐵礦資源已成為亟待解決的問題［1-3］。露天采礦工程是一種大規(guī)模的開挖工程，巖石與礦體分布的確定是露天礦生產(chǎn)規(guī)劃的第一步，因此明確露天采場中礦物與巖石的分布并精確提取該類信息對后續(xù)開采規(guī)劃尤為重要［4］。但傳統(tǒng)的礦巖識別方法（如礦山采樣、化學(xué)化驗等）耗費(fèi)較大的人力物力且效率不高，已無法滿足露天采場的生產(chǎn)需求［5］。高光譜遙感其光譜分辨率可達(dá)到納米級，進(jìn)而能夠捕捉到不同巖石與礦物的診斷性光譜特征，使利用宏觀技術(shù)（高光譜遙感）進(jìn)行微觀信息（巖石與礦物）探測成為可能［6］。巖礦分布信息提取及定量反演是高光譜遙感地質(zhì)應(yīng)用的重要方向，目前多采用礦物光譜填圖、主成分變換、基于光譜特征提取的波段比值等方法提取蝕變礦物信息，已取得了很大進(jìn)展［7］。成像光譜技術(shù)的發(fā)展極大地促進(jìn)了地質(zhì)找礦方法的完善，提高了識別的精度［8］。但混合像元的存在是傳統(tǒng)的巖礦分布識別方法難以達(dá)到實用要求的主要原因［9］。混合像元分解技術(shù)是解譯像元的重要手段，可從混合像元中分解出所需的巖石、礦物信息，實現(xiàn)對巖石與礦物的精確識別和定量反演［10］。

目前，隨著現(xiàn)代信息技術(shù)、人工智能、大數(shù)據(jù)等新技術(shù)的不斷涌現(xiàn)和快速發(fā)展，傳統(tǒng)的礦山正在向無人采礦、智能采礦和智慧礦山邁進(jìn)和發(fā)展，其中必備的兩項技術(shù)“現(xiàn)代通訊技術(shù)、采掘自動化技術(shù)”已經(jīng)實現(xiàn)或部分實現(xiàn)，而與其同等重要的第3種技術(shù)——礦巖智能感知技術(shù)則發(fā)展緩慢，亟待突破［11-14］。本研究選取鞍鋼集團(tuán)下屬的露天采場為試驗場，研究基于無人機(jī)成像光譜的露天鐵礦探測技術(shù)，為露天采礦的礦巖分布及邊界確定提供一種新的技術(shù)，也為實現(xiàn)露天無人采礦的礦巖智能感知提供新的思路。

1 混合像元分解

1.1 線性光譜混合模型

在實際利用遙感技術(shù)進(jìn)行地物識別時，圖像中像元對應(yīng)的往往不是純凈的單一地物，而是由不同的地物共同聚集構(gòu)成，使得獲得的光譜信息也是幾種地物的混合光譜信息。在利用光譜特征進(jìn)行地物識別時，需要將混合的光譜信息進(jìn)行分解，也被稱為混合像元分解。線性光譜混合模型（Linear Spectral Mixture Model，LSMM）認(rèn)為像元在某一波段的反射率是組成該像元的基本組分（端元）及其所占面積比例（豐度）為權(quán)重系數(shù)的線性組合。該模型因具有扎實的理論基礎(chǔ)及實驗驗證，且簡單實用，故被廣泛應(yīng)用于混合像元分解中［15］。該模型函數(shù)為

式中，yi為混合像元i波段的反射率；aij為第i個波段第j個端元組分的反射率；xj為第j個端元組分的豐度；ei為第i個波段的誤差。

將式（1）表示為矩陣形式

式中，YL×N為圖像矩陣；AL×P為端元矩陣；XP×N為豐度矩陣；EL×N為誤差矩陣；L為波段數(shù)；P為端元數(shù)；N為圖像中包含的像元數(shù)。

由于豐度表示端元在混合像元中所占的比例，因此應(yīng)滿足“非負(fù)”與“和為一”兩個特性，即：

1.2 全約束最小二乘法求解豐度

在已知端元光譜后，豐度反演的精度對于解混結(jié)果有重要影響。因此在傳統(tǒng)的最小二乘算法中加入豐度約束［16］，其原理簡單，運(yùn)算效率及精度較高，且適用性強(qiáng)，是目前應(yīng)用最為廣泛的豐度反演方法。根據(jù)豐度約束條件的程度該算法可以分為4種，即無約束最小二乘法、和為一最小二乘法、非負(fù)最小二乘法和全約束最小二乘法［17］。

當(dāng)不考慮對豐度的約束時，可得無約束解為

式中，YL×N為圖像矩陣；AL×P為端元矩陣。

考慮到和為一約束時，可以得出和為一的約束解為

式中，Ip為p階單位矩陣；I=[I,I,.…,I]T為全 1（p維）列向量。

而非負(fù)約束解不能由簡單的算子表示出來，需要利用迭代方法獲得最優(yōu)解。非負(fù)約束最小二乘法的兩個迭代關(guān)系式為

同時滿足“非負(fù)”和“和為一”約束的解稱為全約束最小二乘解，將（5）代入（6）即可求解得到。

由于全約束最小二乘豐度反演法全面考慮到了端元豐度的實際意義，因此求解精度最優(yōu)，本研究應(yīng)用該方法求解豐度。

2 現(xiàn)場試驗

2.1 研究區(qū)概況

啞巴嶺露天采場是鞍鋼集團(tuán)礦石原料的重要生產(chǎn)地，位于遼寧省鞍山市。礦石類型為典型的鞍山式鐵礦，主要為赤鐵礦，多為貧鐵礦，鐵品位多位于20%～35%區(qū)間，圍巖主要有千枚巖、綠泥石片巖、斜長角閃巖、混合花崗巖、云母片巖。

2.2 數(shù)據(jù)采集及預(yù)處理

目前多數(shù)遙感地質(zhì)的研究數(shù)據(jù)主要來自衛(wèi)星平臺［18］。近年來無人機(jī)高光譜技術(shù)逐漸趨于成熟與完善，與其他傳感器平臺相比，無人機(jī)操作簡單、航線及飛行高度可調(diào)整、數(shù)據(jù)獲取方式便捷［19］。并且，由于無人機(jī)遙感探測高度低，空間分辨率較高使得地物識別精度大幅提高，適合于小面積礦區(qū)的地面調(diào)查。且由于數(shù)據(jù)獲取周期短，保障了采場監(jiān)測數(shù)據(jù)獲取的靈活性與時效性［20］。

因此，本研究利用大疆經(jīng)緯M600 pro無人機(jī)搭載的RESONSON高光譜成像儀PIka L（圖1）進(jìn)行采場遙感數(shù)據(jù)采集，該設(shè)備的光譜范圍為400～1 000 nm，光譜分辨率為2.1 nm，采樣間隔為1.07 nm。對無人機(jī)采集的高光譜影像進(jìn)行大氣校正以及影像校正、圖像拼接等一系列預(yù)處理。由于900～1 000 nm波段噪聲較為嚴(yán)重，掩蓋了地物自身的光譜信息，因此本研究剔除了該波段的光譜信息，得到0.5 m空間分辨率和245波段的高光譜影像，如圖2所示。對采集的整幅影像進(jìn)行裁剪處理，得到目標(biāo)研究區(qū)域如圖3所示。圖3中的白線為礦山地質(zhì)部門根據(jù)室內(nèi)化驗結(jié)果標(biāo)出的礦體分布邊界，白線圈定區(qū)域為礦體，周圍區(qū)域為圍巖。

2.3 礦巖遙感識別與礦體圈定

本研究應(yīng)用混合像元分解方法對露天采場進(jìn)行礦巖分布識別提取。由于礦體和圍巖的礦物種類多、復(fù)雜，且顆粒度較小，使用礦物種類作為端元處理流程比較復(fù)雜。礦體中的礦石類型主要為赤鐵礦，品位比較集中（30%左右），且近礦圍巖主要為千枚巖。因此，為簡化流程，將赤鐵礦作為礦體中的端元，千枚巖作為圍巖的端元，此外在采區(qū)還存在少量積水、車輛和陰影地物。最終選擇5種地物作為混合像元分解的端元，分別是赤鐵礦、千枚巖、積水、車輛和陰影。

應(yīng)用ENVI軟件在目標(biāo)研究區(qū)的影像上建立感興趣區(qū)ROI，提取各種端元地物的反射率光譜曲線作為端元光譜，這種手工選取端元光譜的方法準(zhǔn)確可靠且簡單快速，但需要操作者對研究區(qū)具有較高的認(rèn)識水平［21］。5種端元的光譜曲線如圖4所示，根據(jù)對比可發(fā)現(xiàn)，圍巖與礦體的光譜曲線具有一定差異，千枚巖在400～900 nm波段范圍內(nèi)無明顯的光譜特征，反射率值均較低，且分布集中，多位于0.10～0.15區(qū)間。由于Fe3+的電子躍升，礦體的光譜在750 nm（紅光波段）附近形成了一個微弱的反射峰特征。車輛的整體反射率較高，陰影的反射率較低且平緩，積水在可見光波段600 nm之前，水的吸收少，反射率較低，在700 nm處達(dá)到一個峰值。因此混合像元分解技術(shù)可基于不同端元的光譜差異將其進(jìn)行有效區(qū)分。

本研究基于MATLAB編程實現(xiàn)了全約束最小二乘算法運(yùn)算，將研究區(qū)影像及5種端元光譜作為輸入數(shù)據(jù)，試驗結(jié)果如圖5所示，依次為礦體、圍巖、陰影、積水、車輛的豐度圖。

將圖5（a）與圖3進(jìn)行對比，發(fā)現(xiàn)應(yīng)用混合像元分解技術(shù)提取的礦體與室內(nèi)化驗圈定的礦體分布基本一致。但圖3中人工圈定的礦巖界線分明，而使用混合像元分解技術(shù)圈定的礦體界線比較模糊，但這在一定程度上可能反映了真實的礦體分布情況。為定量評價提取出的礦體分布精度，本研究將兩種方法提取的結(jié)果進(jìn)行了對比?；诰€性混合模型原理，使用礦體對應(yīng)的豐度信息，按照下式計算其在露天采場中的分布面積。

式中，Xi為第i個像元中礦物的豐度；R為圖像的空間分辨率m；n為像元總數(shù)；S為采場中某種礦物的分布面積，m2。

經(jīng)過式（7）計算得出，本研究試驗提取的礦體分布面積為62 365.47 m2，圖3中礦體圈定面積為67 859.25 m2，面積相對精度為91.90%，提取結(jié)果較為理想。

3 結(jié) 論

（1）目前采場礦巖識別方法以傳統(tǒng)的化驗方法為主，存在采樣密度低、化驗周期長、效率低、品位測試結(jié)果滯后等不足，導(dǎo)致礦體邊界圈定不準(zhǔn)，嚴(yán)重影響了后續(xù)生產(chǎn)。應(yīng)用混合像元分解技術(shù)，利用無人機(jī)采集研究區(qū)的成像光譜數(shù)據(jù)，研究了露天鐵礦采場中礦巖識別與自動提取方法。現(xiàn)場試驗結(jié)果表明，基于無人機(jī)高光譜技術(shù)的露天鐵礦圈定技術(shù)可對鐵礦體進(jìn)行有效圈定，與現(xiàn)有的室內(nèi)化驗圈定的礦體面積相比，精度較高，為實現(xiàn)礦巖智能感知提供了新的方法。

（2）本研究基于高光譜遙感技術(shù)只進(jìn)行了礦巖識別分析，后續(xù)將進(jìn)行礦石品位的反演研究。

致 謝

感謝鞍鋼集團(tuán)鞍千礦業(yè)有限責(zé)任公司的相關(guān)技術(shù)人員對課題組研究給予的支持與合作。