我国有大量的煤矿区，其中煤与矸石是煤矿区的主要固体堆放物，它们不仅占用大量土地，还会发生自燃、滑坡、坍塌等，造成严重的环境与灾害问题。因此，如何通过遥感手段进行煤与矸石的快速、有效识别，以及堆放情况的动态监测成为一个重要而又现实的问题。

论文以煤矿区的煤和矸石作为研究对象，在实测并分析煤与矸石的可见光-近红外和热红外光谱的基础上，建立煤和矸石的识别、分类和反演模型，并利用卫星遥感手段提取矿区煤与矸石的空间分布信息，最终实现煤和矸石的识别与监测。论文的主要研究内容如下：

(1) 实测和分析了我国主要煤种的可见光-近红外光谱特征，对比了不同煤种分类方法的特点和优势。测试了我国14个矿区煤样本的可见光-近红外光谱，用MAO模型法、随机森林法、BP神经网络法和ELM算法对3种典型煤种进行分类。从分类准确率和耗时综合考虑，对比了4种分类方法的各自优势，并制定了针对不同遥感应用的方法优选原则。

(2) 基于可见光-近红外和热红外光谱联合分析的煤和矸石分类方法研究。实测并分析了煤与矸石的可见光-近红外光谱特征，发现煤和大部分矸石的可见光-近红外光谱特征差异明显，但与少部分矸石之间存在“异物同谱”现象，单独使用可见光-近红外光谱特征无法将煤与矸石完全区分。为此，提出了煤与矸石的可见光-近红外和热红外光谱的联合分析方法。该方法的分类准确率为99.2%，相比于单独使用可见光-近红外光谱方法的分类准确率92.2%有很大提升。

(3) 基于可见光-近红外光谱的燃烧与未燃烧矸石分类方法研究。实测了燃烧与未燃烧矸石的可见光-近红外光谱，并分析了二者光谱的特征差异，发现燃烧矸石和未燃矸石在可见光波段光谱特征差异明显，燃烧矸石在350~750 nm区间光谱曲线斜率整体较高，且在550~630 nm反射率存在陡升现象，而未燃烧矸石则无上述特征。基于光谱特征差异和Landsat8 OLI数据构建了NDGI指数，用于燃烧和未燃烧矸石的区分。结果证明：该指数识别燃烧和未燃烧矸石样本的准确率达到了99.1%，高于随机森林分类法的95.2%；同时，基于卫星数据的实际矿区监测结果表明，NDGI指数可以区分矸石山中的燃烧和未燃烧区域，具有很好的实用性。

(4) 基于热红外光谱的矸石含碳量反演方法研究。试验结果表明，含碳矸石和煤样本的热红外光谱特征差异明显，且矸石中的固定碳含量和光谱的波谷特征关系密切。基于热红外光谱特征构建光谱差值指数与固定碳含量之间的线性模型，用于矸石固定碳量含量反演。结果表明该模型的线性相关系数绝对值达到0.867，与吸收深度、光谱吸收面积、随机森林和支持向量机算法的预测结果相比，基于差值指数模型的固定碳含量反演效果最佳，其平均误差为5.00%，均方根误差6.70%，能较好地预测矸石中的固定碳含量。