利用多源长期遥感数据对新疆地区煤火区域进行精细识别与分析

新疆准噶尔盆地贾绢构造区煤火灾害监测中，融合改进单窗口算法提取热异常、DS-InSAR地表形变约束及NBR光谱特征，构建多源遥感协同解译方法，实现煤火区域82.9%精度识别，揭示燃烧强度季节性特征及温度-沉降负相关耦合机制。

　　

洪东帆|王军|朱莉|滕阳军

中国矿业大学环境与空间信息学院，中国徐州

摘要

在中国新疆，煤层广泛裸露，厚度大，埋藏浅，容易在短时间内自燃，使得该地区成为全国受煤火灾害影响最严重的地区之一。煤火对生态环境、基础设施和煤矿安全构成严重威胁。因此，及时准确地监测煤火区域至关重要。尽管传统检测方法具有实用性，但它们通常受到高运营成本、重大安全风险和有限空间覆盖范围的限制，不适合大规模监测。为了解决这个问题，本研究提出了一种通过整合多源遥感数据来识别煤火区域的方法。所提出的方法结合了三个核心组成部分以实现精细识别：（1）使用改进的单窗算法结合自适应温度梯度阈值提取热异常；（2）利用DS-InSAR得出的时间序列地表变形作为空间约束来划定疑似火区；（3）使用归一化燃烧比（NBR）进一步分类燃烧类型并监测火势强度。利用2017年4月至2021年12月的多源遥感数据，本研究识别并分析了新疆江俊戈壁和江俊庙地区的煤火范围和发展情况。结果表明，所提出的方法能够准确划定煤火区域，准确率达到82.9%，并能有效区分不同类型的燃烧。地表煤火的燃烧强度表现出明显的季节性模式，秋季和冬季燃烧更为剧烈，而在降雪期间燃烧强度减弱。在煤火区域，地表温度与地面沉降之间存在强烈的负相关关系。

引言

煤火通常指地下煤层火灾、近地表煤层火灾、煤矸石火灾和煤堆火灾（Liang等人，2023年）。大多数煤火是由不当采矿引起的，而有些则由矿渣、雷电和森林火灾引发。由于新疆煤层厚且埋藏浅，自燃周期短，加上温带大陆性气候，新疆仍然是世界上受煤田火灾影响最严重的地区之一（Wu等人，2010年；Xu等人，2021年；Yan，2022年；Yu等人，2022年）。煤火燃烧对生态环境（Bao，2021年；Kuenzer等人，2012年；Song等人，2015年）、煤矿安全和基础设施造成严重破坏，导致大量煤炭资源浪费、地面沉降、裂缝和其他地质灾害。此外，燃烧过程中产生的大量有毒气体（CO、N?O、SO?、H?S）和微量元素（Hg、F、As、Se）对环境造成严重问题（Riyas等人，2021年；Zhou等人，2013年）。根据新疆煤田灭火局2019-2020年进行的第五次煤火区域调查（Bao，2021年；Yan，2022年），截至2020年底，新疆仍有40个未得到治理的煤火区域，总面积达477.73万平方米。煤火区域分布广泛，火区发展迅速（Bao，2021年）。因此，及时准确地识别和监测煤火区域对于了解煤火的空间分布、燃烧状态和演变趋势具有重要意义。

目前，常见的煤火检测方法主要包括五类：实地调查、地球物理勘探、化学勘探、钻探和遥感检测（Shao等人，2014年）。前四种方法可以直接划定煤火区域，但它们需要大量的人力和物力资源，并且假设煤火位置已经已知。这些方法效率低下、成本高昂且覆盖范围有限（Zhu等人，2019年）。相比之下，遥感方法具有信息获取快、覆盖范围广、周期短和长时间序列处理能力强的优点，可以弥补传统煤火检测技术的不足（Anghelescu和Diaconu，2024年；Gao和Zeng，2025年）。目前的火区识别遥感方法主要分为热红外遥感（用于检测热异常）、InSAR（用于地表沉降分析）和光学遥感图像（用于解释地表特征）。

热红外遥感是大规模煤火识别和监测的主要方法之一（Li等人，2020年）。1964年，Slavecki首次使用热红外扫描仪检测煤火区域，标志着热红外技术在煤火检测中的应用开始。此后，许多研究人员将这项技术应用于内蒙古（Chen等人，2022年；Li等人，2019年）、宁夏（Kuenzer等人，2007年）、新疆（Dong等人，2018年；Gao等人，2021年）和贾里亚煤田（Singh等人，2021年；Karanam等人，2021年）等地区的煤火识别和监测。已经提出了多种温度异常提取算法，包括密度切片法（Roy等人，2015年）、平均地表温度加标准差法（Biswal和Gorai，2021年；Huo等人，2014年）、聚类法（Biswal和Gorai，2019年；Jiang等人，2010年）、移动窗口热异常提取算法（Kuenzer等人，2007年）和自适应梯度阈值法（Du等人，2015年；Du等人，2015年；Li等人，2020年；Li等人，2019年）。最近的研究还探索了贾里亚煤田等地区的协同方法和阈值技术（Stracher等人，2013年；Raju等人，2013年；Raju等人，2023年），强调了准确划定的复杂性。由于太阳辐射、地表物质类型、地形变化和气候条件等因素的影响，使用热红外遥感检测煤火的准确性可能受到限制（Jiang等人，2011b；Li等人，2019年；Xu等人，2021年）。因此，仅依赖单一类型的遥感数据往往无法满足实际需求。由于煤火燃烧不仅释放大量热量，还会导致资源损失和地表沉降，可以通过整合地表变形和热异常信息来检测煤火区域。

干涉合成孔径雷达（InSAR）作为一种先进的地球观测技术，已广泛应用于监测各种类型的地表变形，包括煤火区域的地表变形。2001年，Prakash等人（2001年）使用InSAR监测了Ruqigou煤火区域的地面沉降。此后，许多研究人员（Kim等人，2021年；Raju和Mehdi，2023年；Gupta等人，2013年；Jiang等人，2011a）分析了使用InSAR监测煤火区域地面沉降的可行性，并通过将结果与热异常叠加来验证煤火区域。此外，最近的研究还利用机器学习和数值模拟进一步了解了地下燃烧与地表变形之间的耦合机制（Raju等人，2025年；Wessling等人，2008年）。然而，由于高温燃烧、上层岩层结构、地表覆盖和土壤性质在煤火区域发生显著变化，导致严重的去相关。因此，传统的InSAR技术难以准确描述这些区域的地表变形（Jiang等人，2011a；Zhao-Quan等人，2010年）。近年来，分布式散射体InSAR（DS-InSAR）（Ferretti等人，2011年）的发展有效解决了长期时间序列中测量点密度不足的问题。一些研究人员（Liu等人，2019a）应用DS-InSAR监测煤火区域的地表变形。在此基础上，Xu等人（2021年）和Liu等人（2019b）通过空间整合热异常和地表变形信息实现了煤火边界的准确检测。随后的一些研究人员（Liu等人，2021年；Xu等人，2021年；Yan等人，2020年；Yu等人，2022年）对热异常和地表变形信息的综合使用进行了深入研究。多光谱图像（Liu等人，2021年）也被引入用于分析与煤火区域相关的地表特征，解决了单源遥感技术的局限性。然而，现有研究只能检测煤火区域的范围，无法识别燃烧类型，难以高效准确地提出煤火防治策略（Voigt等人，2004年）。

为了解决遥感技术的局限性，并基于煤火与地面沉降之间的已知关系（Kim等人，2021年），本研究提出了一个精细的识别框架。主要贡献包括：（1）开发了一种自适应温度梯度算法来精确提取热异常；（2）利用DS-InSAR沉降数据作为严格的空间约束（过滤器），以消除干旱地区强烈太阳辐射下常见的误报；（3）创新性地整合了归一化燃烧比（NBR），以区分地表火、地下火和煤堆火，提供了标准沉降-温度分析所不具备的分类细节和强度监测能力。

研究区域

研究区域位于中国新疆昌吉回族自治州奇台县，属于东准噶尔煤田。该区域包括两个煤火区域：江俊戈壁和江俊庙（图1）。这些地区选定的原因是其煤层厚、气候干旱以及大规模的露天采矿活动，充分代表了新疆典型的煤火灾害条件。因此，它们是验证所提出的精细识别方法的理想试验场。

基于多源遥感数据的煤火区域精细识别方法

本节介绍了煤火识别的精细方法，该方法整合了热信息、结构信息和光谱信息，以克服单源检测的局限性。该框架包括三个主要技术模块：首先，使用单窗算法检索地表温度（LST）以识别热异常（第3.1节）；其次，使用分布式散射体InSAR（DS-InSAR）监测地表沉降以捕捉地下...

温度反演和热异常提取

(1) 温度反演

在本研究中，通过应用单窗算法对2017年4月至2019年4月获取的18幅Landsat-8图像进行了地表温度反演（结果见补充图S2）。对这些时间序列图像的分析表明，虽然煤火区域通常表现出显著更高的温度和明显的边界，但检测精度受到季节性和地形因素的显著影响。

NBR监测地表煤火的可靠性分析

本研究中的煤火监测依赖于多源遥感的独特而互补的机制。InSAR通过捕捉由地下体积损失引起的地表变形来有效表征地下火灾，而NBR对地表燃烧痕迹和植被损失非常敏感；LST作为热指标，连接了这两者。对相对趋势的解释性分析显示了明显的对应关系：

结论

基于多源遥感数据的整合，本研究提出了一种精细的煤田火灾识别方法，并将其应用于新疆的江俊戈壁和江俊庙地区。共识别出8个火区，在验证区域内准确率达到82.9%，其余区域通过实地调查得到确认。结果表明，归一化燃烧比（NBR）是监测燃烧强度的有效指标：

未引用的参考文献

Biswal等人，2019年；Voigt等人，2004年。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。

致谢

本工作得到了国家自然科学基金（项目编号42274054）的支持。作者感谢欧洲航天局提供Sentinel-1数据（网址：https://search.asf.alaska.edu/）。