美国Landsat系列TM和ETM+数据用于煤火探测具有分辨率适中，信息量丰富，各波段信息能相互补充，且覆盖面积大，周期性强的优点；是大面积范围内普查地下煤火与动态探测的基础图像。ASTER数据在短波红外和热红外具有多波段特性，目前在煤火探测方面开展的工作还比较少，它具有一定的应用潜力。
（一）基于ASTER数据的热异常提取方法
1.ASTER数据的特点及应用
先进星载热发射和反射辐射仪（Advanced Spaceborne Thermal Emission and Reflection Radiometer，简称ASTER）是日本通产省（MITI）和美国国家航空和宇宙航行局（NASA）合作的成果。表3⁃2⁃1简要列举了ASTER的性能特点，它主要包括3个独立的光学系统：可见光与近红外辐射计（Visible and Near Infrared，简称VNIR），短波红外辐射计（Short Wave Infrared，简称SWIR）和热红外辐射计（Thermal Infrared，简称TIR）。由于VNIR子系统有一个用于沿轨方向立体观测的向后观测谱段3B和多轨观测的侧视立体观测系统，因而ASTER系统具有对地立体测量能力。作为多光谱高分辨率传感器，它主要可应用于冰川学、火山学、地质学、水文学、农业、城镇变化、自然灾害、气候变化和DEM等领域。
2.数据源的获取
为了进行煤火探测研究，运用了2004年8月7日白天的经过大气校正与发射率分离处理的ASTER⁃2B数据和2004年8月15日夜间的ASTER⁃1B数据。同时还选择了2004年7月的QuickBird数据，作为与热异常信息复合分析数据源。
表3-2-1 ASTER的基本性能参数
3.数据预处理
ASTER和QuickBird数据都是经过辐射和几何校正后的1B级数据，具有地理坐标。它们的投影模式为UTM，Zone 48 North，基准面为WGS⁃84。ASTER⁃2B数据是经过大气校正的地表辐射系数数据、地表温度数据和地表发射率数据。由于ASTER空间分辨率较低，通过双线性内插法进行像元放大，使之与QuickBird数据具有相同的空间分辨率。然后直接利用像元的地理坐标信息，对不同类型的数据进行处理和分析。
4.煤火区ASTER热波段图像特征
图3⁃2⁃1（a）、（b）是乌达煤田白天和夜间的ASTER热红外波段图像。图3⁃2⁃2（a）是对ASTER热红外数据进行大气校正后的地表辐射系数图像，图3⁃2⁃2（b）是热红外波段数据经过大气校正和温度⁃发射率系数分离计算得到的地表温度系数图像。图3⁃2⁃2（c）是热红外波段数据经过大气校正和温度-发射率系数分离计算得到的地表发射系数图像。乌达煤火区白天的热红外波段图像中的高亮度区主要显示的是含煤地层；在夜间热波段图像中，高亮度的白色调区域分布范围较大，层次没有分开。整个乌达煤田都处于一片白色中，部分戈壁滩、沙漠的热辐射也比较强烈。
图3-2-1 研究区不同时相的热波段图像
图3-2-2 研究区ASTER-2B级图像数据
5.夜间热波段图像发射率校正
根据普朗克温度反演公式对夜间热波段数据进行发射率校正，计算公式如下：
地下煤层自燃遥感与地球物理探测技术
其中：λn为ASTER热波段的中心波长；T为温度；n为 ASTER热波段号（1～5）；h为普朗克常数；k为玻耳兹曼常数；c为光速；C1=2πhc2；C2= hc/k；L=（DNn-1）Rn；L为辐射系数；ε为发射率；DN为ASTER⁃1B热波段数据；Rn为DN值与光谱辐射系数校正参数。
图3⁃2⁃3是利用普朗克温度反演公式对夜间原始1B数据经过发射率校正而得到的图像。从图像显示效果可看出，经过校正的图像煤火信息层次丰富，突出了主要火区分布范围和方向，同时压制了戈壁沙漠对热信息的干扰，提高了煤火区热信息反差，有利于煤火热异常的识别与提取。
图3-2-3 发射率校正前后的夜间图像对比效果
6.地下煤火热异常提取方法
1）热信息光谱增强方法
A.单波段增强法。ASTER热红外有5个波段，各个波段对地表温度存在一定的响应差异。从异常提取角度出发，图像亮度值的动态范围、信噪比和标准差越大，图像的热层次越丰富，清晰度越高，对热异常提取与分级越有利。
通过计算比较各波段图像亮度动态范围、信噪比、均值和标准差等数据，优选出对温度变化具有较强检测能力的B5热波段进行热信息的增强处理。图3⁃2⁃4（a）是原始的热红外B5波段图像，灰度图像层次较弱，看不出热特性的强弱变化。图3⁃2⁃4（b）～（e）是通过4种图像增强方法对B5波段图像的增强效果对比。
从中可以看出，不同方法增强效果有差异。线性增强方法虽然对高值热异常有所突出；但与背景的对比度不高，煤火区的灰度层次弱。高斯增强对火区热异常增强很明显，同时对火区和背景的热信息变化也有较好的反映，层次感好；但该方法对图像的条带有增强作用。直方图均衡化增强使火区总体呈现白色调，热信息层次感较差，条带效应明显。平方根增强突出了高值热异常分布的二值图像，压制了背景信息。
B.多波段增强法。不同波段热图像对不同温度的热响应有差异。即当黑体温度升高，热响应会向短波长方向漂移。主成分分析方法以图像的统计特性为基础，主要用于数据压缩和图像增强处理。采用主成分分析法对热波段数据进行变换，可以对多波段热信息进行压缩，达到热信息综合与增强。图3⁃2⁃5是煤火区热波段图像主成分变换后生成的5个主成分分量图像。
第一主成分图像突出了地物的高值热辐射，所占信息量最大，图像层次丰富，信息量大，热异常信息突出，与煤火区之间对应关系较好。
第二主成分图像对地物的中等热辐射比较敏感，与煤火区背景地物的对应关系较好。
第三主成分图像反映了戈壁沙漠的热辐射信息，同时也突出了图像的条带。
图3-2-4 不同增强方法应用效果对比图
第四、第五主成分图像显得杂乱，主要是噪声，无实际意义。
2）热信息提取与分级方法
①定量分割与分级。为使热异常提取操作规范化，减少主观任意性，首先对热波段图像进行正态化增强。以热波段图像的均值（X）代表区域背景，标准差σ作为尺度，用数倍σ值作为阈值，确定异常量化提取水平。同时利用（X+kσ）对异常进行分级，划分异常强度等级。k值取1，提取的热异常为一级异常；k值取2，提取的热异常为二级异常；k值取3，提取的热异常为三级异常。图3⁃2⁃6是煤火区的热异常分级图。这种分级图可以很直观地反映出图像中高值异常及其不同阈值条件下异常的变化范围，具有标准规范的特点；但异常界线是根据图像的均值和标准差决定的，不同级别异常不是自然过渡，不是图像热信息真实层次的反映。
②彩色查找表定量分割法。彩色查找表法是通过按照某种规则生成的映射储存在查找表中，把每个位于颜色柱面的中轴上的灰度级匹配到彩色空间中的一点，从而简单地给每个灰度级赋一彩色，将单色图像映射为一幅彩色图像。目前的遥感图像处理软件中有许多彩色映射模式可供使用。图3⁃2⁃7是利用彩色查找表法获取的热信息分级图，热信息分级图像通过不同颜色的色调连续变化，可使热图像灰度变化信息通过彩色视觉效果微妙地反映出来，图中热信息颜色边界过渡自然。可以根据热异常空间分布与地下煤火区对应关系，对不同强弱级别热异常相互分布层次和信息总量进行量化控制，有利于对煤火信息的识别和提取。
图3-2-5 多波段热红外主成分变换图像
图3-2-6 利用ASTER热波段图像定量提取的热异常分布图
图3-2-7 利用彩色查找表法定量提取的热异常分布图
3）热异常信息的复合方法
图3⁃2⁃8是利用研究区热信息分级图像进行IHS变换，对H和S分量进行增强，然后用QuickBird全色波段图像代替I分量再进行反变换处理，生成煤火区的复合热图像。图中遥感热异常以较醒目的粉红色突出在高空间分辨率图像中，粉红颜色的深浅反映了热异常的强弱。
图3-2-8 复合QuickBird信息的乌达煤田热异常图像
7.在煤火探测中的应用
1）非煤火热异常的识别
利用QuickBird图像的高空间分辨率信息，可以识别非煤火引起的热异常，分析引起乌达煤田非煤火热异常的主要因素。
煤矸堆燃烧。煤田内散布着大量的煤矸堆，常年堆积后煤矸堆自燃发火，影像特征为在黑色块状影像的背景中的白色斑点，见图3⁃2⁃9。
矸石场燃烧。煤田内外，主要是煤边缘地区，长期堆积矸石而形成大面积的矸石场，往往自下而上从内向外燃烧，形成大型燃烧场。影像特征为由白色弧线镶边的灰黑色贝壳状结构，见图3⁃2⁃10、3⁃2⁃14。
图3-2-9 煤矸堆燃烧影像
图3-2-10 矸石场燃烧影像
图3-2-11 矸石山燃烧影像
图3-2-12 土法炼焦场燃烧影像
图3-2-13 石灰厂、炼铁厂热异常影像
红色区域为热异常区
图3-2-14 燃烧的煤矸石堆、炼焦厂热异常影像
红色区域为热异常区
矸石山燃烧。煤矿排矸的常年积累，形成多期矸石山，并且常年处于燃烧状态。影像特征为大面积水滴形、椭圆形结构，由灰黑、深灰、蓝灰色组成同心圆图像，有两边对称的放射线状细纹，见图3⁃2⁃11。
土法炼焦场燃烧。土法炼焦场是成排成堆的直径为6～10m 的圆形炼焦炉。影像特征为灰黑色、深灰色、灰白色成排成堆的圆圈形图案，见图3⁃2⁃12。
石灰厂、炼铁厂影像特征为灰白色长方形图案，见图3⁃2⁃13。
2）煤火变化信息分析
①与已知火区资料对比，提取煤火的发展和变化状态信息。与已知燃烧区分布范围图（2003年）进行重叠，可以判别和圈定燃烧区域（图3⁃2⁃15），发现煤火的发展和变化状态（图3⁃2⁃16），分析探测火区的动态变化趋势。
图3-2-15 与已知火区相吻合的热异常
图3-2-16 反映火区发展变化信息的热异常
红色区域为热异常区，黄线为热异常区边界，蓝线为2003年地面勘查火区边界
②与航磁组合提取煤火的燃烧发展状态。选择几乎同时获取的航磁资料和遥感资料（2004年8月）进行处理与综合分析，发现结合航磁异常资料可以推断遥感热异常区内煤火燃烧的发展状态。
在图3⁃2⁃17中，遥感热异常区规模较大，且与航磁异常的分布范围、延伸方向很吻合。航磁异常的出现表明该区域是一个长时间大范围的燃烧区。2004年实地调查结果证实，该区正处在强烈燃烧阶段，火情强度和范围都比较大。2005年3月野外检查发现该热异常区已是死火区。
在图3⁃2⁃18中，热异常区与航磁异常分布吻合程度低。在无航磁异常的热异常区内的18 号和19号点，2005年3月野外检查发现了燃烧火点；在航磁异常内无燃烧火点。结合2003年的地面火区资料对比分析，推断航磁异常区对应的是死火区，而热异常区对应的是燃烧规模和强度不大的新发火区。
因此，通过对二者成像时间、吻合程度、范围大小的分析，辅以地面调查，可以进一步提取煤火的发生与发展状态信息。
3）煤火探测有效性分析
对无已知资料对比的热异常区，可通过读取图像地理坐标，使用GPS定位仪和热红外测温仪对热异常区进行实地野外检查。为评价本次热异常应用煤火探测的精度，将明显的干扰异常排除后，共解译出面积大于3个像元的热异常区15处。根据这些热异常边界点地理坐标指示，找出异常区的野外位置，共踏勘出地上异常区内煤火点24个。详细记录了各点的裂隙分布状况、烧变岩石类型、燃烧点分布程度和燃烧强度、地形地貌特征，在12处热异常内发现了地下煤层燃烧现象（图3⁃2⁃19），2 处热异常未发现燃烧（图3⁃2⁃20）。
图3-2-17 热异常与航磁异常相吻合区
图3-2-18 热异常与航磁异常不一致区
黄线为遥感热异常区，密集绿线条的为航磁异常等值线，黑线为2003年地面勘查火区边界，粉红色圆点为野外检查发现的燃烧火点
图3-2-19 在热异常内发现燃烧点
（4个像元）
图3-2-20 在热异常内没有发现燃烧点
（3个像元）
红线为遥感热异常区，黑线为2003年地面勘查火区边界，粉红色圆点为野外检查发现的燃烧火点
利用ASTER数据提取的具有3个像元以上的热异常区，经过地面验证与煤火的符合率达到80%。面积小于3个像元的热异常区与煤火吻合率低，对煤火探测作用较小。
（二）基于TM/ETM+数据的热异常提取方法
1.数据的获取
选取1997年和2002年两个不同时期美国陆地卫星热红外遥感影像作为基本信息源，同时参考多光谱遥感影像及与该地区煤火有关的基础背景数据。方法研究所用数据如表3⁃2⁃2。
2.热异常信息提取方法
以2002年9月21日夜晚的ETM+6波段处理为例。
表3-2-2 热异常提取数据一览表
（1）ETM+6原始影像的直方图上，有两个峰值。一个在灰度值98处；一个在灰度值106附近。结合图像分析，确定98处的峰值是由背景区（正常区）地物辐射造成，反映煤火区、烧变区热异常的峰值出现在106附近（图3⁃2⁃21（a）、（c））。
（2）原图像灰度值（104～160）分段线性拉伸到0～255，目的是压抑背景地物辐射，起到了突出煤火区热红外辐射信息的作用（图3⁃2⁃21（b）、（d））。
图3-2-21 2002年9月21日夜晚ETM+6影像分段线性拉伸前后对比
（3）单波段假彩色密度分割。采用最优密度分割中的最优二段分割，将图像中高值部分的煤田热异常区作为一段，背景区作为一段进行假彩色密度分割。热异常区设为红色，背景区设为白色。
3.成图
将得到的煤田热异常区矢量化，并以Landsat⁃ETM4 单波段影像图为背景，二者进行叠加操作，圈定煤田热异常区的地面分布范围。图3⁃2⁃22表示的是乌达煤田火区热异常的空间分布位置及其范围变化对比。
图3-2-22 乌达煤田火区不同时间的热异常信息提取图
左图，1997年9月；右图，2002年9月；图中黄色表示中等热异常，红色表示强烈热异常
（三）煤火热异常的三维显示方法
为进行煤火热异常三维显示研究，共收集煤火区1：5000地形图18幅，将其中包括煤田绝大部分在内的12幅地形图进行矢量化，在MapGIS6.5软件中进行镶嵌校正，并在ArcGIS9.0中将其转化成DEM。将高空间分辨率的QuickBird影像、DEM以及提取的地下煤火热异常信息进行配准校正，然后运用ArcGIS9.0或者其他遥感专业软件，即可实现煤火热异常的三维显示。主要步骤有：
（1）高精度DEM的生成；
（2）QuickBird影像与DEM的配准；
（3）煤火热异常提取图与QuickBird和DEM的配准；
（4）煤火热异常的三维显示。
乌达煤田热异常不同观测角度三维显示见图3⁃2⁃23至图3⁃2⁃25。从中可以看出，应用煤火热异常的三维显示方法，可以对煤田火区的热异常进行多角度、全方位的立体观测，还可以进行局部放大对比观测；能够充分与地形、地貌和地质构造、煤层露头和煤田开采环境结合起来，对研究煤火的分布位置、变化发展方向以及灭火最佳位置和方向的选择都具有直接的指示作用。