基于遥感影像的地裂缝信息提取研究综述：数据、方法、特征与验证
A Review of Ground Fissure Information Extraction Based on Remote Sensing Images: Data, Methods, Features, and Validation
DOI: 10.12677/me.2026.143067, PDF,    科研立项经费支持
作者: 周子航, 吴海涛*, 郭 勇, 沈 凤, 颜 硕：安徽理工大学地球与环境学院，安徽 淮南
关键词: 煤矿区；井工开采；地裂缝；遥感监测；Coal Mining Area； Underground Mining； Ground Fissure； Remote Sensing Monitoring
摘要: 随着遥感技术的发展，高分辨率影像已成为矿区地裂缝监测的重要手段。本文系统综述了地裂缝遥感识别方法：梳理了光学卫星、雷达、无人机及激光雷达等数据特点；评述了目视解译、分类算法、深度学习和边缘检测等方法的优劣，指出深度学习与边缘检测的潜力；归纳了裂缝几何特征的定量模型及其发育规律表征能力；总结了精度验证体系(如Kappa系数、F1值等)。最后展望了抗干扰提取、趋势预测及多源数据融合等方向，为地质灾害监测提供技术参考，推动地裂缝识别向智能化发展。
Abstract: With the development of remote sensing technology, high-resolution images have become an important means for monitoring ground fissures in mining areas. This paper systematically reviews the remote sensing identification methods of ground fissures: it sorts out the data characteristics of optical satellites, radar, unmanned aerial vehicles (UAVs), light detection and ranging (LiDAR), etc.; comments on the advantages and disadvantages of methods such as visual interpretation, classification algorithms, deep learning, and edge detection, and points out the potential of deep learning and edge detection; summarizes the quantitative models of fissure geometric features and their ability to characterize development laws; and concludes the accuracy validation system (such as Kappa coefficient, F1-score, etc.). Finally, it prospects the directions of anti-interference extraction, trend prediction, and multi-source data fusion, providing technical references for geological hazard monitoring and promoting the development of ground fissure identification towards intelligence.
文章引用：周子航, 吴海涛, 郭勇, 沈凤, 颜硕. 基于遥感影像的地裂缝信息提取研究综述：数据、方法、特征与验证[J]. 矿山工程, 2026, 14(3): 664-677. https://doi.org/10.12677/me.2026.143067

参考文献

[1] 刘文璐, 蔡玉林, 禚越, 等. 高分辨率遥感影像建筑物提取方法: 轻量级全局注意力网络模型U2-former [J]. 地球信息科学学报, 2026, 28(2): 470-482.
[2] 李剑南, 魏永明, 陈玉, 等. 高分辨率光学遥感影像地震裂缝特征提取——以昆仑山口西地震为例[J]. 中国科学院大学学报, 2023, 40(3): 388-396.
[3] 汪洋. 遥感技术在地质灾害治理中的应用——以潘集区地灾风险调查评价为例[J]. 华北自然资源, 2024(4): 86-89.
[4] 张雅洁, 杨盼, 张德成, 等. 高分卫星数据的矿山植被覆盖动态变化监测[J]. 北京测绘, 2025, 39(9): 1371-1376.
[5] 杨翼辰, 张烁, 胡泊, 等. 基于资源三号卫星影像对东南极格罗夫山地区DEM的建立及其精度分析[J]. 极地研究, 2025, 37(4): 702-712.
[6] 弓贤, 兰彧, 肖光军, 等. 卫星遥感影像在露天矿山监测中的应用[J]. 世界有色金属, 2025(19): 169-171.
[7] Wang, F., Fa-you, A., Zhu, C., Zhang, H., He, R., Wang, R., et al. (2025) Evaluation of Land Subsidence Susceptibility in Kunming Basin Based on Remote Sensing Interpretation and Convolutional Neural Network. Recent Patents on Engineering, 19, 443-448. [Google Scholar] [CrossRef] 
[8] Zhao, Y., Sun, B., Liu, S., Zhang, C., He, X., Xu, D., et al. (2021) Identification of Mining Induced Ground Fissures Using UAV and Infrared Thermal Imager: Temperature Variation and Fissure Evolution. ISPRS Journal of Photogrammetry and Remote Sensing, 180, 45-64. [Google Scholar] [CrossRef] 
[9] 王娅娟, 孟淑英, 李军, 等. 地裂缝信息遥感提取方法研究[J]. 神华科技, 2011, 9(5): 31-33+39.
[10] 侯恩科, 张杰, 谢晓深, 等. 无人机遥感与卫星遥感在采煤地表裂缝识别中的对比[J]. 地质通报, 2019, 38(Z1): 443-448.
[11] Hou, E., Zhang, J., Xie, X., et al. (2019) Contrast Application of Unmanned Aerial Vehicle Remote Sensing and Satellite Remote Sensing Technology Relating to Ground Surface Cracks Recognition in Coal Mining Area. Geological Bulletin of China, 38, 443-448.
[12] 张兴航, 朱琳, 王威, 等. 基于对象的地裂缝分步提取方法研究与应用[J]. 国土资源遥感, 2019, 31(1): 87-94.
[13] 肖瑶. 高分系列卫星在煤矿区地质灾害监测方面的应用[D]: [硕士学位论文]. 合肥: 合肥工业大学, 2017.
[14] 周文生, 吴振宇, 刘海燕. 无人机遥感在矿山地质环境调查中的应用[J]. 地下水, 2014, 36(2): 128-129.
[15] 罗伟, 王飞. 基于无人机遥感技术的煤矿地表监测与分析[J]. 煤炭科学技术, 2021, 49(S2): 268-273.
[16] 张启元. 无人机航测技术在青藏高原地质灾害调查中的应用[J]. 青海大学学报(自然科学版), 2015, 33(2): 67-72.
[17] 毛崔磊. 黄土丘陵区采煤塌陷地裂缝分布特征研究[D]: [硕士学位论文]. 北京: 中国地质大学, 2018.
[18] 李继业. 基于机载LiDAR数据的采煤塌陷裂缝信息提取[D]: [硕士学位论文]. 西安: 西安科技大学, 2021.
[19] 林秋怡. 福建省大田县矿山地质环境遥感监测及治理对策研究[D]: [硕士学位论文]. 北京: 中国地质大学, 2018.
[20] 杨奇让, 胡振琪, 韩佳政, 等. 煤矿区无人机影像采动地裂缝提取方法研究[J]. 煤炭科学技术, 2023, 51(6): 187-196.
[21] Hoang, N. and Nguyen, Q. (2019) A Novel Method for Asphalt Pavement Crack Classification Based on Image Processing and Machine Learning. Engineering with Computers, 35, 487-498. [Google Scholar] [CrossRef] 
[22] Zhang, F., Hu, Z., Fu, Y., Yang, K., Wu, Q. and Feng, Z. (2020) A New Identification Method for Surface Cracks from UAV Images Based on Machine Learning in Coal Mining Areas. Remote Sensing, 12, Article 1571. [Google Scholar] [CrossRef] 
[23] 黄亮, 左小清, 冯冲, 等. 基于Canny算法的面向对象影像分割[J]. 国土资源遥感, 2011(4): 26-30.
[24] 李志辉. 高潜水位采煤沉陷区生态地质环境监测与煤炭开采扰动效应分析[D]: [硕士学位论文]. 合肥: 合肥工业大学, 2020.
[25] 何少林, 徐京华, 张帅毅. 面向对象的多尺度无人机影像土地利用信息提取[J]. 国土资源遥感, 2013, 25(2): 107-112.
[26] 杨豪杰. 地裂缝高分辨率影像特征提取和纹理分析[D]: [硕士学位论文]. 太原: 太原理工大学, 2020.
[27] Huang, F., Chen, L., Yin, K., Huang, J. and Gui, L. (2018) Object-Oriented Change Detection and Damage Assessment Using High-Resolution Remote Sensing Images, Tangjiao Landslide, Three Gorges Reservoir, China. Environmental Earth Sciences, 77, 1-19. [Google Scholar] [CrossRef] 
[28] 贾杨, 吕义清. 基于深度学习的采动地裂缝成因分析和预测[J]. 太原理工大学学报, 2020, 51(3): 411-417.
[29] Gibert, X., Patel, V.M. and Chellappa, R. (2017) Deep Multitask Learning for Railway Track Inspection. IEEE Transactions on Intelligent Transportation Systems, 18, 153-164. [Google Scholar] [CrossRef] 
[30] Zhang, X., Rajan, D. and Story, B. (2019) Concrete Crack Detection Using Context-Aware Deep Semantic Segmentation Network. Computer-Aided Civil and Infrastructure Engineering, 34, 951-971. [Google Scholar] [CrossRef] 
[31] Chen, F. and Jahanshahi, M.R. (2018) NB-CNN: Deep Learning-Based Crack Detection Using Convolutional Neural Network and Naïve Bayes Data Fusion. IEEE Transactions on Industrial Electronics, 65, 4392-4400. [Google Scholar] [CrossRef] 
[32] 李秋生. 基于混合域注意力机制的人脸表情识别研究[D]: [硕士学位论文]. 长春: 吉林大学, 2019.
[33] 程健, 叶亮, 郭一楠, 等. 采空区地裂缝混合域注意力变形卷积网络检测方法[J]. 煤炭学报, 2020, 45(S2): 993-1002.
[34] 叶亮. 煤矿采空区地裂缝的航拍视觉检测与识别方法[D]: [硕士学位论文]. 北京: 中国矿业大学, 2020.
[35] 吴俐民, 於雪琴, 黄亮. FCM聚类算法协同Canny算子的遥感影像边缘检测方法[J]. 测绘工程, 2014, 23(12): 1-4.
[36] 马为駽, 张䶮, 马传香, 等. 不同光照条件下含噪遥感图像边缘检测算法[J]. 吉林大学学报(工学版), 2023, 53(1): 241-247.
[37] 赵毅鑫, 许多, 孙波, 等. 基于无人机红外遥感和边缘检测技术的采动地裂缝辨识[J]. 煤炭学报, 2021, 46(2): 624-637.
[38] 张浩伟. 矿山地表沉陷区域特征描述与高分辨率遥感影像识别[D]: [硕士学位论文]. 太原: 太原理工大学, 2020.
[39] 侯恩科, 首召贵, 徐友宁, 等. 无人机遥感技术在采煤地面塌陷监测中的应用[J]. 煤田地质与勘探, 2017, 45(6): 102-110.
[40] 韦博文. 基于改进的MF-FDOG算法和无人机影像提取黄土地区地裂缝[D]: [硕士学位论文]. 成都: 西南交通大学, 2018.
[41] 汤伏全, 李林宽, 李小涛, 等. 基于无人机影像的采动地表裂缝特征研究[J]. 煤炭科学技术, 2020, 48(10): 130-136.
[42] 李涛, 王帆, 胡东升, 等. 无人机低空遥感裂缝识别与采动地表变形指标的相关性研究[J]. 金属矿山, 2024(7): 159-167.
[43] 张俊阳, 王昆, 赵同彬, 等. 矿区地表沉陷与裂缝无人机遥感观测研究现状及发展[J]. 煤炭科学技术, 2024, 52(S2): 435-444.
[44] 廉旭刚, 韩雨, 刘晓宇, 等. 无人机低空遥感矿山地质灾害监测研究进展及发展趋势[J]. 金属矿山, 2023(1): 17-29.
[45] 陈锡明, 姚鑫, 任开瑀, 等. 煤矿采空区地表裂缝双任务检测方法研究[J]. 遥感学报, 2024, 28(12): 3271-3286.
[46] 吕国屏, 廖承锐, 高媛赟, 等. 激光雷达技术在矿山生态环境监测中的应用[J]. 生态与农村环境学报, 2017, 33(7): 9.
[47] 肖春蕾, 郭兆成, 张宗贵, 等. 利用机载LiDAR数据提取与分析地裂缝[J]. 国土资源遥感, 2014, 26(4): 111-118.
[48] 王晓星. 机载激光雷达技术在矿山生态环境监测中的应用[J]. 中国金属通报, 2021(9): 189-190.
[49] 王瑞国. 基于WorldView-2数据的乌东煤矿地质灾害遥感调查及成因分析[J]. 国土资源遥感, 2016, 28(2): 132-138.
[50] 祝晓坤. 基于深度学习的WorldView-3城市目标分类应用研究[J]. 测绘通报, 2017(S2): 40-43.
[51] 吴寿江, 龚梅. 广东石人樟钨矿矿山采矿塌陷区提取及成果应用[J]. 贵州地质, 2020, 37(2): 221-224.
[52] 王龙飞. 国产卫星数据在地质灾害遥感调查中的应用研究[D]: [硕士学位论文]. 北京: 中国地质大学, 2014.

为你推荐