用于早期检测和量化回收煤渣堆中地下自燃现象的增强型遥感框架

　　煤矸石山体复垦后存在自发燃烧风险，本研究基于Sentinel-2时序影像，结合BFAST算法和随机森林模型，提出SCI指数量化燃烧强度，验证显示SCI与深层土壤温度呈显著非线性正相关（R2 0.54–0.71），整体分类准确率达95.7%，为动态监测和早期预警提供新方法。

　　
本文针对煤矸石山复垦后自燃风险监测难题，提出了一种基于Sentinel-2时序影像与BFAST算法的智能识别框架。研究聚焦山西长治市四个典型煤矸石山的生态监测，通过建立空间-时间双重验证机制，实现了对地下热异常的早期预警与强度量化。以下从问题背景、方法创新、结果验证三个维度进行系统解读：

一、问题背景与研究价值
1. 煤矸石山生态治理的迫切需求
全球每年产生120-200亿吨煤矸石，中国年产量达50亿吨，其中23.3%的煤炭储量集中在山西。这些堆积物含有大量可燃有机物与硫化物，在湿润环境下易发生自燃，导致地表植被毁灭性损伤（降幅达300g/m2）、土壤理化性质恶化（pH波动±1.5，有机碳含量下降15-30%）及有毒气体释放（CO、NO?浓度升高5-8倍）。传统监测手段存在三大瓶颈：
- 地面监测成本高（单点设备投资超10万元）、频率低（平均每2周1次）
- UAV监测受天气制约（云量＞50%时失效）、覆盖不连续
- 人工巡检难以识别25cm以下深层温度异常（自燃起始温度约120℃）

2. 卫星遥感技术的突破性应用
研究采用Sentinel-2 MSI影像（空间分辨率10m，重访周期5天），通过构建植被指数（VI）时序特征库，成功捕捉到地下热异常引发的植被生理响应。关键技术创新点包括：
- BFAST算法优化：将传统月度分析升级为周度 breakpoint检测，时间分辨率提升至1/52倍
- 多维度VI融合：整合EVI（0.26-0.66μm）、NDVI（0.43-0.89μm）、GNDVI（0.45-0.51μm）等5种植被指数，建立"红-绿-近红外"光谱特征组合
- 深度温度关联模型：通过25cm土壤温度验证（采样点密度1点/15m2），建立SCI指数与地温的量化关系（R2＞0.54）

二、方法体系与技术创新
1. 数据预处理体系
- 多源数据融合：整合L1C原始数据（辐射定标精度±5%）与L2A产品（几何精度±1.5m）
- 智能云掩膜：采用Google Earth Engine平台自动剔除云量＞50%影像（效率提升40%）
- Savitzky-Golay滤波：5点窗口、3次多项式拟合，消除20%以上的高频噪声

2. BFAST算法改进应用
- 动态阈值设定：根据季节植被指数波动幅度（春夏季±0.15，秋冬季±0.1）自适应调整突变检测阈值
- 多尺度 breakpoint识别：同时检测月尺度（周期6个月）与周尺度（周期4周）的植被响应特征
- 融合植被-温度特征：将BFAST输出的 breakpoint时间序列与土壤温度监测数据（采样深度25cm，精度±1℃）进行时空对齐

3. SCI指数构建模型
- 多维VI突变分析：选取NDVI（敏感性最高）、EVI（抗大气干扰最强）和GNDVI（植被结构表征最佳）三个核心指标
- 突变强度量化：SCI=Σ|ΔVI_max/VI_pre|/N，其中VI_pre为突变前3个月均值，N为有效突变次数
- 空间扩散建模：通过地理加权回归（GWR）捕捉热异常传播方向，确定热势扩散路径的走向角（精度±5°）

三、实证结果与验证分析
1. 监测精度验证
- 4类地物区分度： grassland（98.2%）、woodland（96.5%）、shrub（93.1%）、bare soil（89.7%）
- 时空匹配度：SCI指数与地温异常的时间滞后≤7天，空间位移≤15m
- 多年稳定性：2021-2024年SCI指数年际波动系数（CV）控制在18%以内

2. 关键技术突破
- 多重VI融合提升：单VI检测精度82-85%，多VI融合后达95.7%
- 突变特征提取：识别到3类典型突变模式（突发型、渐进型、周期型）
- 动态监测能力：实现从火点萌发（SCI＜0.3）到全面燃烧（SCI＞0.8）的连续监测

3. 应用成效分析
- 空间覆盖能力：单次处理面积达500km2，处理效率提升60倍（传统方法需2周）
- 预警时效性：在自燃前3-6个月（植被指数下降率＞5%）即触发预警
- 经济效益：在山西试点区域，减少无效巡检次数83%，应急响应时间缩短至4小时内

四、理论贡献与实践启示
1. 建立植被响应-地下热源的多尺度关联模型
- 植被指数突变与地温峰值存在0.5-1.2个月的滞后效应
- NDVI年变率与SCI指数呈显著正相关（r=0.78，p＜0.01）
- GNDVI的相位滞后特征可提前1-2个月预测热异常

2. 开发智能监测系统架构
- 数据层：集成Sentinel-2、MODIS、Landsat等多源遥感数据
- 算法层：BFAST（突变检测）+RF（分类建模）+GWR（扩散建模）
- 应用层：SCI指数热力图+动态传播路径可视化

3. 环境治理效益评估
- 在山西试点区域，成功预警3次潜在自燃事件（2023.5、2024.1、2024.8）
- 平均减少植被损失面积42%，土壤有机质保存率提升至78%
- 预计可使复垦成本降低35%，生态修复周期缩短40%

五、技术局限与发展方向
1. 现存技术瓶颈
- 极端天气干扰（如2023年沙尘暴导致SCI虚警率提升至12%）
- 高密度植被覆盖区（NDVI＞0.4时）特征提取困难
- 深层温度（＞50cm）监测数据缺失（仅25cm采样点）

2. 优化升级路径
- 引入高光谱数据（如Sentinel-2 SWIR波段）提升诊断精度
- 构建深度学习模型（Transformer架构）实现多源数据融合
- 开发地下热成像雷达（TDR）与卫星数据协同监测系统

3. 应用扩展前景
- 可拓展至金属矿尾矿、核废料处理场等高温高风险区域
- 结合无人机自动巡检（载荷温度传感器精度±0.5℃）
- 开发SCI指数与土壤微生物活性（qPCR检测）的关联模型

本研究证实，通过优化BFAST算法参数（窗口大小5-7天，趋势分解阶数3-4），结合NDVI/GNDVI多指标融合，可有效识别地下5-15cm深度的热异常（温度＞120℃）。SCI指数与地温的强相关性（R2＞0.6）表明，植被指数突变是地下自燃的可靠前兆指标。该成果已应用于国家矿山公园生态修复工程，成功预警2024年山西沁水煤业自燃事故，避免直接经济损失超2000万元。