黄河流域煤炭-煤电-煤化工场地特征精准智能识别方法及应用

• Published in: 煤炭学报 Vol. 49; no. 2; pp. 1011 - 1024
• Main Authors: 董霁红, 王立兵, 冯晓彤, 王蕾, 刘峰, 翟文, THOMAS Kienberger
• Format: Journal Article
• Language: Chinese
• Published: 矿山生态修复教育部工程研究中心,江苏徐州 221116%中国煤炭学会,北京 100013%国家能源集团战略规划部,北京 100011%Department of Environmental and Energy Process Engineering,Montanuniversit?t Leoben,A-8700 Leo-ben,Austria 01.02.2024; 中国矿业大学环境与测绘学院,江苏徐州 221116%中国矿业大学环境与测绘学院,江苏徐州 221116
• Subjects: multi-source data; AI model; 精准智能识别; 多源数据; Yellow River Basin; AI模型; 黄河流域; 煤基场地; coal-based site; precise and intelligent identification
• ISSN: 0253-9993
• DOI: 10.13225/j.cnki.jccs.2023.1212

TP79; 黄河流域是"能源流域",兼具生态环境治理和经济社会发展的重任,涉煤产业场地类型、数量及特征的精准智能识别是流域能源资源-低碳发展-生态保护的关键基础问题.研究融合多源数据与深度学习算法,从流域-基地-场地尺度对黄河流域 13个大型煤电基地的煤基场地特征精准解析,获得煤电基地高精度、高质量的本底信息,提出一种实时实景智能识别涉煤产业空间特征的新方法.①筛选Google image、GF-6影像、Sentinel-2影像等多源数据,采集 13个大型煤电基地煤基场地样本,构建煤炭场地(露天)、煤炭场地(井工)、煤电场地、煤化工场地 4类数据集,涵盖 21种样本类型.按照每种样本六面体设定 6×10个样本,共计 1 260个场地样本,分析得出最适样本数量-最高识别效率-最优识别模型的置信区间为 80%～86%.②建立了煤基场地类型量化模型(Coal-based Site Classification Quantitative Model,CSCQM)和煤基场地范围特征模型(Coal-based Site Range Characteristic Model,CSRCM),模型平均精准度为 0.837.明析了黄河流域涉煤产业场地本底信息,提出Google image底图叠加场地智能识别模型解算结果的高精度场地智能识别方法.③解析了流域神东煤炭-煤电产业集聚区精准本底数据,依据遥感生态指数(Remote Sens-ing Based Ecological Index,IRSE)分析,煤基场地分布 2km核心区地表生态质量受煤炭、煤电产业影响明显,5 km缓冲区则影响不明显,而 8km控制区基本不受煤炭、煤电产业影响,从而给出了"动态修复"与分区域、分阶段重点治理等低碳路径.④解析了流域宁东煤炭-煤电-煤化工产业集聚区精准本底数据,2022年煤炭场地 17.81 km2、占比 34.1%,煤化工场地 22.3 km2、占比42.6%,煤电场地 12.2 km2、占比 23.3%,煤化工场地>煤炭场地>煤电场地.进而采用PSR(Pressure-State-Response)模型得到风险管控综合得分 53.93分,较 2003年提高了 27.2%.划分生态维护区、生产监测预警区、损毁修复重建区、其他调控区的分区管控模式.研究为涉煤产业煤基场地潜在污染控制、场地治理及区域生态修复提供技术方法与实践支撑.