基于TIRS和TCP-InSAR的新疆广域煤田火区探测方法_许怡.pdf

基于TIRS和TCP-InSAR的新疆广域煤田火区 探测方法 许怡 1 范洪冬 2 党立波 31 （1. 中国矿业大学环境与测绘学院， 江苏 徐州 221116； 2. 自然资源部国土环境与灾害监测重点实验室， 江苏 徐州 221116； 3. 新疆煤田灭火工程局， 新疆 乌鲁木齐 830063） 摘要新疆作为全球煤田火灾最为严重的区域之一， 不仅每年消耗约442万t煤炭资源， 而且导致火区地表 裂缝、 地表塌陷等地质灾害频发， 同时燃烧后持续向空气中释放大量有害气体， 严重危及居民健康。因此， 精准监 测火区范围对研究煤火自燃规律、 治理煤田火区具有重要意义。目前用于煤火探测的方法中， 利用火区物理特性 进行探测成本高、 效率低， 仅适用于小范围火区探测； 利用热红外遥感手段虽然能提取到温度异常区， 但仍需要进 行大量的实地勘探工作。为此， 提出了一种面向新疆广域煤田火区精细探测的热红外遥感 （Thermal Infrared Re- mote Sensing，TIRS） 与 TCP-InSAR （Temporarily Coherent Point Interferometric Synthetic Aperture Radar） 融合的方法。 该方法利用单窗算法对Landsat-8影像进行地表温度反演， 提取研究区域地表温度异常信息， 在此基础上， 结合 TCP-InSAR从Sentinel-1A影像获取研究区域地表沉降信息， 并对二者进行空间叠加分析， 获取煤火区域的分布特 征。研究表明 热红外遥感手段联合雷达干涉测量技术探测大范围煤田火区的方法具有较高的可靠性和准确性， 为新疆广域煤田火区高精度探测提供了新的技术方法。 关键词煤火探测热红外遥感TCP-InSAR温度反演地表变形 中图分类号P237文献标志码A文章编号1001-1250 （2019） -10-164-08 DOI10.19614/ki.jsks.201910026 Detection of Fire Area in Xinjiang Wide Area Coalfield Based on TIRS and TCP-InSAR Xu Yi1Fan Hongdong2Dang Libo32 （1. School of Environment Science and Spatial Inatics， China University of Mining and Technology， Xuzhou 221116， China； 2. Key Laboratory of Land Environment and Disaster Monitoring， Ministry of Natural Resources of the Peoples Republic of China， Xuzhou 221116， China； 3. Xinjiang Coal field Fire-fighting Engineering Bureau， Urumqi 830063， China） AbstractAs one of the most serious coalfields with fire disaster in the world， Xinjiang not only consumes about 4.42 million tons of coal resources per year，but also causes frequent occurrence of geological disasters in the fire area，such as ground cracks and surface subsidence.At the same time， a large amount of harmful gases that seriously endanger the health of residents after combustion continue to be released into the air.Therefore， accurate monitoring of the fire area has important study significance for studying the spontaneous combustion law of coal fire and controlling the fire area of coal field.Among the current coal fire detection s， the based on the physical characteristics for coal fire detection is quite high cost and low efficiency， so it is only suitable for small-scale fire detection； moreover， although the based on thermal infrared remote sensing can extract the temperature anomaly zone， a large amount of field exploration work is still needed.So， a with combination of thermal infrared remote sensing（TIRS）and temporarily coherent point interferometric synthetic aperture radar（TCP-InSAR）for detecting the fire area of Xinjiang wide area coal field is proposed.The surface temperature inversion was carried out from Landsat-8 image by the single window algorithm to extract the ination of surface temperature anorma- ly.Based on this， the surface settlement was obtained from Sentinel-1A image by TCP-InSAR.The spatial superposition analy- sis is pered on the two results to obtain the distribution of coal fire areas.The study results show that the of thermal infrared remote sensing combined with radar interferometry to detect large-scale coalfield fire zone has high reliability and ac- 收稿日期2019-09-01 基金项目国家自然科学基金项目 （编号 41604005， 51774270， 41874044） 。 作者简介许怡 （1995） ， 女， 硕士研究生。通讯作者范洪冬 （1981） ， 男， 副教授， 博士， 硕士研究生导师。 总第 520 期 2019 年第 10 期 金属矿山 METAL MINE Series No. 520 October 2019 164 ChaoXing curacy， and provides new technical for high-precision detection of Xinjiang wide area coalfield fire zone. KeywordsCoal fire detection， Thermal infrared remote sensing， TCP-InSAR， Temperature inversion， Surface dea- tion 我国煤火燃烧区域遍布新疆、 甘肃、 内蒙古、 陕 西、 山西等十个省 （直辖市、 自治区） ， 燃烧面积高达 720 km2， 正在燃烧的面积为17～20 km2， 其中新疆煤 田火区为世界最大的煤炭火区 ［1］。根据 人民日报 2018年4月23日报道， 新疆46处煤火区每年损失煤 炭资源 442 万 t， 排放二氧化碳 1 320 万 t、 一氧化碳 10.3万t、 总烃2.05万t、 二氧化硫4.41万t、 烟尘1.05 万t， 同时释放了大量热量， 造成数百万平方米的植被 被破坏 ［2］。自20世纪60年代以来， 国内外发展了多 种地下煤层火源探测技术， 主要分为现场调查、 物 探、 化探、 钻探和遥感五大类。利用煤层燃烧的物 理、 化学特性进行探测具有一定的危险性， 而且探测 成本高、 效率低， 仅适用于小范围火区探测。由于新 疆煤田火区涉及区域广、 地质条件复杂， 使得煤火区 动态监测及有效治理变得愈发困难。 遥感技术适合于进行大面积同步监测， 具有获 取信息速度快、 周期短、 全天时、 全天候监测、 经济效 益高等特点， 利用遥感手段进行地表温度反演和沉 降监测， 已成为煤炭灾害监测领域的一个重要研究 方向。近年来， 国内外众多学者利用热红外遥感技 术对煤火地区的地表温度进行了研究， 提出了一系 列基于热红外遥感技术的地表温度反演算法 ［3］。其 中， 具有代表性的地表温度反演算法有单窗算法 ［4］、 单通道算法 ［5］、 劈窗算法［6-7］等。尽管利用热红外等遥 感手段探测煤田火区得到了广泛研究， 但在确定煤 火分布区域时， 仍需进行大量的目视解译或实地踏 勘工作。对于监测因煤火燃烧所引起的地表沉降、 塌陷及广域煤火区精细探测与识别方面的研究仍需 进一步加强。 利用 D-InSAR （Different InSAR） 技术提取地表 变形时容易受到时间、 空间失相关、 大气延迟等因素 的影响， 限制了该技术在长时间、 大范围地表变形监 测时的测量精度。对此， 国内外学者将研究重点转 向时序 InSAR， 主要方法包括 SBAS （Small baseline subsets） ［8］、 PS （Persistent scatteres）［9］和StaMPS［10］。张 磊等［11］在 PS 和 SBAS 等方法的基础上， 提出了 TCP-InSAR技术。近年来， 国内外学者开展了利用 InSAR技术辅助探测煤火的研究工作， 黄昭权 ［12］等利 用D-InSAR技术提取了乌达煤矿地表变形信息， 验 证了地表变形分析有助于对地下煤火燃烧情况的判 断； Jiang ［13］等利用PS-InSAR、 Stacking D-InSAR以及 二轨法D-InSAR技术对乌达煤田地下煤火燃烧引起 的地表沉降进行了探测。目前， 时序InSAR方法对地 表微小变形具有较高的测量精度 ［14-15］， 能够用于探测 煤火自燃可能引起的地表微小沉降， 有助于提取地 下煤火可能的分布区域， 提高煤田火灾遥感探测的 准确性。 近年来， 煤火燃烧导致的火区地表裂缝、 地表塌 陷等地质灾害频发， 并向深部发展， 变得更加隐蔽， 导致煤火治理难度增加。虽然也有部分学者对此进 行了研究 ［16］， 但是单一的煤火探测方法总体上难以 满足精准探测火区的实际需求。本研究以新疆大泉 湖火区和米泉三道坝火区为研究区域， 以Landsat-8 和Sentinel-1A影像为基础数据， 利用单窗算法反演 研究区的温度异常范围， 结合TCP-InSAR技术提取 研究区地表时序变形信息， 经叠加分析得到区内煤 火的分布区域， 再根据已有资料以及谷歌地球上火 区实际分布情况 ［17］进行对比分析， 验证分析结果的 准确性。 1研究区概况及数据来源 1. 1研究区概况 大泉湖火区 （图1中A处） 位于乌鲁木齐以西13 km， 行政区划隶属乌鲁木齐市管辖。中心地理坐标 为东经8724′00″， 北纬4347′07″。最早于1976年发 现小煤窑井下着火， 此后持续燃烧并延伸至地表， 持 续燃烧至今。燃烧煤层为B7、 B8、 B14号煤层， 平均厚 度分别为7、 5、 2.5 m。煤层近EW走向， 倾向N， 倾角 70 ［18］。米泉三道坝火区 （图1中B处） 位于乌鲁木齐 河白杨河中段的碱泉沟， 行政区划隶属乌鲁木齐 市米东区三道坝镇管辖。中心地理坐标为东经87 48′27″， 北纬4355′49″。2003年煤火燃烧至地表， 燃 烧煤层为45-1、 45-2和45-4号煤层， 平均厚度分别 为 10.36、 4.41、 11.07 m。煤层走向为 62～70， 倾向 NE， 倾角为77 ［17］。 1. 2数据来源 Ladnsat- 8 卫 星 携 带 的 TIRS（Thermal Infrared Sensor） 空间分辨率为100 m， 是迄今最为先进的热红 外传感器之一。本研究用于火区地表温度反演的是 Landsat-8 卫星的遥感数据， 包括 OLI（Operational Land Imager） 数据和TIRS数据。选取2016底到2017 2019年第10期许怡等 基于TIRS和TCP-InSAR的新疆广域煤田火区探测方法 165 ChaoXing 年底期间云量少于10的共3景影像用于获取煤火 区域的地表温度信息， 成像时间分别为2016年10月 7日、 2017年2月28日和2017年12月29日。大气水 汽含量估算辅助数据由NASA官网提供。 采用高分辨率和具有广域覆盖的Sentinel-1卫 星提供的工作模式为IW、 极化方式为VV的SLC数 据， 用于火区地表变形监测。选取2016底到2017年 底期间共29景影像 （表1） 用于差分干涉处理。利用 分辨率为90 m的SRTM DEM数据作为差分干涉处理 的外部DEM。 2探测原理与方法 本研究利用单窗算法对Landsat-8数据进行地表 温度反演， 获取煤火区域的地表温度信息， 同时利用 TCP-InSAR技术对Sentinel-1A影像进行处理， 获取 煤火区域的地表沉降速率； 再对获取的温度异常区 和火区地表变形范围进行叠加分析， 最终获得疑似 煤火分布区域。具体技术路线如图2所示。 2. 1单窗算法 覃志豪等 ［4］提出的单窗算法中首次引入了大气 平均作用温度的概念， 用大气平均作用温度代替大 气下行平均温度， 直接利用地表热辐射传输方程反 演地表温度， 避免了大气效应对温度反演产生的影 响。计算公式为 TS{ }[] a1-C-D b1-C-D CD Tsensor-DTaC ， （1） 式中，TS为地表温度， K；Tsensor为传感器上的亮度温 度， K；Ta为大气平均温度， K； a、b为固定系数， 当地表 温度为0～70 ℃时， a -67.355 351，b 0.458 606； C、D 为中间变量， 计算公式为 ■ ■ ■ Cετ D1-τ[]11-ε τ ，（2） 式中，ε为地表比辐射率；τ为大气透射率。 2. 2火区地表温度异常提取 地下煤层在燃烧过程中会产生高温， 高温产生 的热量以热辐射的形式， 通过煤层上层岩石向上传 导， 在火区地表和接近地表的低空中， 形成温度相对 高于周围环境温度的温度异常区。按照统计学原 理， 地表温度符合正态分布特征， 可以根据反演得到 的地表温度平均值和标准差确定温度阈值Ta和Tσ ■ ■ ■ ■ ■ ■ ■ Ta∑ i1 N TiN Tσ 1 N∑ i1 N Ti-Ta ，（3） 式中，Ta为地表温度平均值， ℃；N为地表温度图像 金属矿山2019年第10期总第520期 166 ChaoXing 中像元总数， 个；Ti为研究区地表温度图像中任一像 元的地表温度值， ℃；Tσ为地表温度标准差， ℃。 将卫国 ［ 19 ］等研究发现， TTa2Tσ是区分背景区 和温度异常区的最佳阈值分割点。本研究将TaTσ 作为经验阈值， 将地表温度高于阈值的区域划分为煤 火分布区域， 将温度大于Ta2Tσ的区域划分为煤火 严重区， 得到如图3所示的温度异常区。 2. 3TCP-InSAR技术 相比于传统的D-InSAR技术， 时序InSAR可以 在一定程度上克服大气延迟和时空基线失相关的影 响， 具有更高的监测精度， 能够满足煤火燃烧可能引 起的地表沉降和塌陷的监测要求。2017年， 范洪冬 等［20］利用TCP-InSAR技术对我国西部矿区的地表 沉降进行了监测。该方法在整个时间序列上利用 影像配准时的相干性信息或偏移量信息选取的散 射点无需保持高相干性， 在很大程度上提高了观测 点密度； 此外， 在数据处理过程中也无需对差分干 涉图进行相位解缠， 避免解缠过程中引入相位误 差。TCP-InSAR技术的数据处理流程如图4所示 ［21］。 TCP-InSAR技术的核心算法是相干点选取， 即 选取出在整个时间序列和部分时间序列中保持相干 的点。在稳定区域中， SAR影像配准时估计得到的偏 移量不会因窗口大小而改变。对于该技术利用不同 的窗口大小进行影像配准获取的相干点候选点的偏 移量， 通过设定点偏移量标准差阈值 （一般设为0.1） ， 可将偏移量小于该阈值的相干点候选点认定为TCP 相干点。在此基础上， 利用TCP点上的偏移量拟合 偏移多项式， 对SAR影像进行配准， 提高配准精度获 取高质量的TCP点， 再利用TCP点构建Delaunay不规 则三角网后进行点间差分处理。设共获得研究时间 2019年第10期许怡等 基于TIRS和TCP-InSAR的新疆广域煤田火区探测方法 167 ChaoXing 段内的j1景SAR影像， 通过设定时间和空间基线 阈值后获得i景短基线干涉图， 则可将两个TCP点 x1,y1和x2,y2构成的差分相位表示为 ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ Δφix 1,y1,x2,y2 αix 1,y1Δhx1,y1,x2,y2 βiΔv j x1,y1,x2,y2w i x1,y1,x2,y2 wix 1,y1,x2,y2 Δφiatm,x 1,y1,x2,y2 Δφiorbit,x 1,y1,x2,y2 Δφidop,x 1,y1,x2,y2 Δφinoise,x 1,y1,x2,y2 ΔV[ ] Δv1 x1,y1,x2,y2,Δv 2 x1,y1,x2,y2,⋯,Δv j x1,y1,x2,y2 T ， （4） 式中，Δhx 1,y1,x2,y2 为TCP点的地形残差相位；φ i atm,x1,y1,x2,y2 为大气延迟相位；φorbit,x 1,y1,x2,y2 为轨道误差相位； φdop,x 1,y1,x2,y2 为多普勒差异误差相位；φnoise,x 1,y1,x2,y2 为噪声 误差相位；α i x1,y1、βi是由卫星轨道参数求出的系数； ΔV为两个TCP点的变形速率差向量。 本研究基于GAMMA软件对Sentinel-1A数据进 行处理。为保持较高的相干性， 抑制时空失相干噪 声， 设定时间基线阈值为40 d， 空间基线阈值为150 m， 最终得到28组干涉对。此外， 以相干性0.3作为偏 移量标准差阈值选取出TCP相干点， 最终在研究区内 选出2 120 555个TCP相干点构成观测网络。求解得 到每个TCP点的下沉速率， 如图5所示。从图5中可 以看出研究区域中部偏东地区下降趋势明显。 3试验分析 由于温度反演采用的3景遥感影像的成像时间、 气候条件、 地物类型、 煤火燃烧情况等因素各不相 同， 导致图3中3个时期的反演结果存在一定的差 异。为降低该类因素对反演结果的影响， 得到相对 稳定的煤田火区地表温度异常区， 根据煤火燃烧造 金属矿山2019年第10期总第520期 168 ChaoXing 成的地表温度在一段时间内持续高温的特点， 提取 图3的3幅图像中所有的温度异常区域， 得到研究区 内的地表温度异常区， 如图6所示。 地下煤层燃烧不仅会产生高温， 还会产生地下空 洞， 导致上覆岩层及地表沉陷、 破坏， 在地表时序变形 图上表现为随着时间变化产生的微小变形， 为此本研 究结合TCP-InSAR技术提取疑似煤火的分布区域。 由于煤火区域存在危险性大、 初始燃烧时间未知等问 题， 并且缺乏相应的地表变形监测资料， 因而难以通 过实测资料设置用于火区识别的地表变形阈值。考 虑到已采用热红外探测方法提取了鲁木齐市区内大 量热异常区域， 为以地表变形为约束条件去除非煤火 区域， 本研究对TCP-InSAR获取的乌鲁木齐市区内 的地表变形量进行了统计分析， 其最大沉降速率约 30 mm/a。为此， 选定该值作为本研究煤火区域识别 的地表变形阈值。采用密度分割法， 将图5的地表沉 降速率中大于30 mm/a的区域设定为地表持续变形区 域， 其他区域为相对稳定区， 结果如图7所示。再结 合图6中的火区地表温度异常区域进行空间叠加分 析， 根据煤火燃烧和发育的特点可知， 煤火区域一般 不是孤立的点， 排除零星区域后， 最终获得的疑似煤 火的分布区域为图8中的1～11区域。图9给出了获 取的11个疑似煤火区域的谷歌高分辨率影像图。 由图6可知 在利用热红外遥感数据圈定大范围 煤田火区时， 由于沙地与城镇用地的温度比较高， 被 误提取为温度异常区， 因此仅利用热红外遥感手段 提取的大范围疑似煤火分布区域并不完全准确。本 研究根据地下煤层燃烧往往会引发地表塌陷、 裂缝 等地质灾害的特点， 引入TCP-InSAR技术圈定大范 围疑似煤火的分布区域。对比图6的地表温度异常 区， 图8中得到的疑似煤火的分布区域明显剔除了城 镇用地和由于其他因素引起的高温异常区域。 根据现场调查及收集的相关资料表明， 图9 （a） 中1区矩形框内即为大泉湖火区， 图9（b） 为1区实 地调查时拍摄的大泉湖火区治理照片， 有明显的煤 火燃烧现象发生， 证明了本研究方法的有效性。本 研究探测出的其他10处疑似煤火区位于乌鲁木齐东 北部的米泉三道坝。因缺少实地调研资料， 提取了 10 幅区域相应的谷歌高分辨率影像 （图 9 （c） ～图 9 （l） ） 进行解译。从图中可以看出， 3、 4、 5、 7、 8区地 表有明显的煤矿企业工业广场； 2、 6、 9、 10区存在 疑似煤炭堆放或煤层燃烧后形成的黑色区域， 由此 判断该类区域极有可能受到地下煤层燃烧的影响； 图9（l） 区为建筑物密集区， 从图中矩形框内解译出 该区分布有热力发电厂， 导致误判该区域为煤火区 的原因是电厂燃煤发电， 产生的热量使得该区出现 了温度异常， 并且恰好该电厂所处区域也存在较大 的地表沉降。通过上述实地调查分析， 可认为本研 究提出的煤火探测方法降低了仅利用单一遥感手段 探测广域煤田火区的不确定性， 可较准确地提取广 域煤田火区。 4结论 （1） 仅利用温度反演算法探测大范围煤田火区 时， 往往会因为研究区内大量与煤层自燃无关的高 温异常区而产生误判， 仅利用雷达干涉测量技术获 2019年第10期许怡等 基于TIRS和TCP-InSAR的新疆广域煤田火区探测方法 169 ChaoXing 取研究区地表沉降时， 无法直接将沉降判断为由煤 层自燃引起。本研究联合热红外遥感手段和雷达干 涉测量技术， 利用单窗算法和TCP-InSAR技术， 通过 空间叠加分析获取大范围煤火区域， 排除了偶然因 素的影响， 通过与谷歌地球上的火区地表实际特征 进行对比， 提高了煤田火区探测的可靠性和准确性， 为高精度探测新疆广域煤田火区提供了新的技术方 法。 （2） 地下煤火燃烧往往受到气候、 人类活动等多 种因素影响， 利用遥感手段探测地下煤火分布仍然 存在误差。本研究提出的方法对地下煤层燃烧初期 尚未引起火区的地表发生明显沉降的区域探测精度 较低， 因此， 联合热红外遥感手段和时序SAR技术进 一步探测煤田火区， 值得进一步研究。若要更加准 确地探测大范围煤火区域， 也需要结合试验模拟、 室 内分析、 实地调查等多种方法进行综合分析。联合 热红外遥感和雷达干涉测量技术的监测方法可为大 范围煤田火区高精度普查和治理提供一种有效的途 径。 参 考 文 献 邓军， 李贝， 王凯， 等.我国煤火灾害防治技术研究现状及 展望 ［J］ .煤炭科学技术， 2016， 44 （10） 1-7. Deng Jun， Li Bei， Wang Kai， et al.Research status and outlook on prevention and control technology of coal fire disaster in China［J］ . Coal Science and Technology， 2016， 44 （10） 1-7. 阿尔达克.驯服 “火焰山”要上新手段 （美丽中国和谐共生） ［N］ .人民日报， 2018-04-23 （14） . Aldak.Taming the “flame mountain“ to be a new means（beautiful China harmonious symbiosis） ［N］ .Peoples Daily，2018- 04- 23 （14） . 朱贞榕， 程朋根， 桂新， 等.地表温度反演的算法综述 ［J］ .测绘 与空间地理信息， 2016， 39 （5） 70-75. Zhu Zhenrong， Cheng Penggen， Gui Xin， et al.Overview of surface temperature inversion algorithm［J］ .Geomatics Spatial Ination Technology， 2016， 39 （5） 70-75. 覃志豪， Minghua Z， Karnieli A， 等.用陆地卫星TM6数据演算地 表温度的单窗算法 ［J］ .地理学报， 2001 （4） 456-466. Qin Zhihao， Minghua Z， Karnieli A， et al.Single window algorithm for calculating surface temperature using Landsat TM6 data ［J］ . Ac- ta Geographica Sinica， 2001 （4） 456-466. Jimenez-Munoz J C， Cristobal J， Sobrino J A， et al.Revision of the single- channel algorithm for land Surface temperature retri ［1］ ［2］ ［3］ ［4］ ［5］ 金属矿山2019年第10期总第520期 170 ChaoXing ［6］ ［7］ ［8］ ［9］ ［10］ ［11］ ［12］ ［13］ ［14］ ［15］ ［16］ ［17］ ［18］ ［19］ ［20］ ［21］ from Landsat thermal-infrared data ［J］ .IEEE Transactions on Geo- science and Remote Sensing， 2009， 47 （1） 339-349. Rozenstein O， Qin Z H， Derimian Y， et al.Derivation of land sur- face temperature for Landsat-8 TIRS using a split window algorithm ［J］ .Sensors， 2014， 14 （4） 5768-5780. Jimenez-Munoz J C， Sobrino J A， Skokovic D， et al.Land surface temperature retri s from Landsat-8 thermal infrared sen- sor data ［J］ .IEEE Geoscience and Remote Sensing Letters， 2014， 11 （10） 1840-1843. Berardino P， Fornaro G， Lanari R， et al.A new algorithm for surface deation monitoring based on small baseline differential SAR in- terferograms［J］ .IEEE Transactions on Geoscience and Remote Sensing， 2002， 40 （11） 2375-2383. Ferretti A， Prati C， Rocca F.Nonlinear subsidence rate estimation using permanent scatterers in differential SAR interferometry［J］ . IEEE Transactions on Geoscience and Remote Sensing， 2000， 38 （5） 2202-2212. Hooper A.A multi-temporal InSAR incorporating both per- sistent scatterer and small baseline approaches ［J］ .Geophysical Re- search Letters， 2008， 35 （16） 1-5. Zhang L， Ding X L， Lu Z.Modeling PSInSAR time series without phase unwrapping［J］ .IEEE Transactions on Geoscience and Re- mote Sensing， 2011， 49 （1） 547-556. 黄昭权， 张登荣， 王帆， 等.基于差分干涉SAR的煤田火区地表 形变监测 ［J］ .国土资源遥感， 2010 （4） 85-90. Huang Zhaoquan， Zhang Dengrong， Wang Fan， et al.Differential SAR interferometry for the monitoring of underground coal sponta- neous combustion zone surface deation ［J］ .Remote Sensing for Land Resources， 2010 （4） 85-90. Jiang L M， Lin H， Ma J W， et al.Potential of small-baseline SAR in- terferometry for monitoring land subsidence related to underground coal firesWuda（Northern China）case study［J］ .Remote Sensing of Environment， 2011， 115 （2） 257-268. 李达.时序SAR技术在矿区形变监测中的应用 ［D］ .徐州 中国 矿业大学， 2017. Li Da.Application of Timing Series SAR Technology in Dea- tion Monitoring of Mining Area［D］ .XuzhouChina University of Mining and Technology， 2017. 何平.时序InSAR的误差分析及应用研究 ［D］ .武汉 武汉大 学， 2014. He Ping.Error Analysis and Surface Deation Application of Time Series InSAR ［D］ .WuhanWuhan University， 2014. Gupta N， Syed T H， Athiphro A.Monitoring subsurface coal fires in Jharia coalfield using observations of land subsidence from differen- tial interferometric synthetic aperture radar（DInSAR） ［J］ .Journal of Earth System Science， 2013， 122 （5） 1249-1258. 包兴东.Google Earth在新疆煤田火区中的应用研究 ［J］ .露天采 矿技术， 2017， 32 （6） 63-65. Bao Xingdong.Application research of Google Earth in Xinjiang coalfield fire area［J］ .Opencast Mining Technology， 2017， 32 （6） 63-65. 董敬宣， 曾强， 李根生， 等.准南煤田大泉湖火区地表温度反演 及时空变化特征 ［J］ .中国矿业， 2018， 27 （1） 160-164. Dong Jingxuan， Zeng Qiang， Li Gensheng， et al.Analysis of the chang characteristics of time and space and inversing of surface temperature of Daquanhu coal fire in south Junggar coalfield［J］ . China Mining Magazine， 2018， 27 （1） 160-164. 蒋卫国， 武建军， 顾磊， 等.基于夜间热红外光谱的地下煤火监 测方法研究 ［J］ .光谱学与光谱分析， 2011， 31 （2） 357-361. Jiang Weiguo， Wu Jianjun， Gu Lei， et al.Research on underground coal fire monitoring based on nighttime thermal infrared spectroscopy ［J］ .Spectroscopy and Spectral Analysis， 2011， 31 （2） 357-361. Fan H D， Xu Q， Hu Z B， et al.Using temporarily coherent point in- terferometric synthetic aperture radar for land subsidence monitor- ing in a mining region of western China ［J］ .Journal of Applied Re- mote Sensing， 2017， 11 （2） 026003. 邵倩倩.基于