Criblage des mines à ciel ouvert
Produits utilisés : gm_s2_annual, s1_rtc, wofs_ls_summary_annual
Mots-clés : données utilisées ; géomédiane sentinel-2, données utilisées ; WOfS, analyse ; surveillance des changements, cas d’utilisation ; exploitation minière de surface, données utilisées ; sentinel-1
Aperçu
L’exploitation minière à ciel ouvert <https://americanmineservices.com/types-of-surface-mining>`__ fait référence à l’élimination de la surface du terrain pour accéder aux minéraux situés en dessous. En particulier, l’exploitation minière à ciel ouvert est utilisée pour récupérer du sable, du gravier, des pierres, du charbon, du fer et d’autres métaux. L’exploitation minière à ciel ouvert est souvent plus rentable que le creusement de tunnels et de puits souterrains pour accéder aux minéraux souterrains.
Bien que l’exploitation minière à ciel ouvert soit une source de revenus pour un pays, ces opérations peuvent avoir des effets néfastes sur les terres agricoles, les forêts et les plans d’eau. Les responsables gouvernementaux s’efforcent d’identifier les zones où se déroulent ces activités minières.
Ce carnet présente une méthode d’identification des zones d’activité minière à ciel ouvert. Le carnet combine des méthodes basées sur la perte de végétation et la détection d’eau. Bien que le carnet aide à détecter ces zones, des vérifications supplémentaires par des agences ou institutions gouvernementales sont nécessaires pour valider les opérations sur le terrain.
Description
Les opérations d’exploitation minière à ciel ouvert entraînent souvent le défrichage de la végétation et l’exploitation des eaux du sol. À l’aide d’images de télédétection provenant de Sentinel-2 GEOMAD <https://docs.digitalearthafrica.org/en/latest/data_specs/GeoMAD_specs.html>`__ ou Sentinel-1 <https://docs.digitalearthafrica.org/en/latest/data_specs/Sentinel-1_specs.html>`__ et du produit Water Observations from Space (WOfS) <https://docs.digitalearthafrica.org/en/latest/data_specs/Landsat_WOfS_specs.html>`__ de DE Africa, ce carnet de notes examine les zones où il existe une possibilité d’exploitation minière à ciel ouvert.
Le carnet utilise l’indice de végétation par différence normalisée (pour Sentinel-2) ou l’indice de végétation radar (pour Sentinel-1) pour déterminer la perte de végétation, où la perte se produit si le changement de l’indice de végétation est négatif. Le produit WOfS de DE Africa est utilisé pour identifier l’eau.
Le produit final identifie les pixels qui présentent une perte de végétation et la présence d’eau. Dans la plupart des cas, ces algorithmes peuvent être utilisés pour identifier les groupes de pixels qui ont subi des changements et permettre une étude ciblée de ces zones par les gouvernements locaux ou régionaux.
Le cahier montre comment :
Charger des données pour un emplacement et une période donnés
Calculer le changement de végétation
Calculer la présence d’eau
Combinez les changements de végétation et les changements d’étendue d’eau dans un seul graphique pour montrer les zones minières possibles
Commencer
Charger des paquets
[1]:
# Import functions for this notebook
from Surface_mining_screening import run_surface_mining_screening
Paramètres d’analyse
La cellule suivante définit les paramètres qui définissent la zone d’intérêt et la durée de l’analyse. La zone d’intérêt doit être définie avec un fichier shapefile (.shp), un fichier geojosn (.geojson) ou un fichier KML (.kml).
Les paramètres sont :
start_year: l’année de début de l’analyseend_year: L’année pour terminer l’analyse« produit » : que vous utilisiez Sentinel-2 ou Sentinel-1 pour l’analyse, les valeurs acceptables sont « s2 » ou « s1 »
« seuil » : le seuil à utiliser pour identifier la perte de végétation, cela peut être un flottant, par exemple « -0,15 », ou « otsu », auquel cas le seuil sera automatiquement identifié à l’aide de la méthode otsu.
vector_file: le chemin d’accès et le nom d’un fichier vectoriel contenant l’étendue. Il peut s’agir d’un fichier « .kml » ou d’un fichier « .shp ».
Si vous exécutez le bloc-notes pour la première fois, conservez les paramètres par défaut ci-dessous. Cela montrera comment fonctionne l’analyse et fournira des résultats significatifs. L’exemple couvre une partie de la réserve forestière d’Essen Apam, au Ghana, et utilise le fichier de formes fourni dans Données supplémentaires.
[2]:
start_year = 2017
end_year = 2025
product= 's2'
threshold = -0.1
buffer_m = 90
vector_file = "./data/Apam_forest.shp"
Remarque : si le produit utilisé est Sentinel-1, cette cellule peut prendre quelques minutes à s’exécuter car les médianes annuelles sont calculées à la volée
[3]:
run_surface_mining_screening(vector_file, start_year, end_year, product= product, threshold=threshold, buffer_m=buffer_m)
Loaded AOI vector (interactive preview may have been displayed)
Loaded imagery and water summary; applied AOI mask
Vegetation loss threshold used: -0.1
Computed possible mining masks
| metric | value | |
|---|---|---|
| 0 | total_aoi_area_km2 | 36.2628 |
Summary metadata (also saved to CSV)
| year | any_veg_loss_km2 | any_veg_loss_% | veg_loss_in_from_mining_km2 | veg_loss_in_from_mining_% | |
|---|---|---|---|---|---|
| 0 | 2017 | 0.0000 | 0.000000 | 0.0000 | 0.000000 |
| 1 | 2018 | 5.0655 | 13.968861 | 2.3429 | 6.460891 |
| 2 | 2019 | 1.0328 | 2.848098 | 0.9965 | 2.747995 |
| 3 | 2020 | 17.8869 | 49.325755 | 9.7129 | 26.784749 |
| 4 | 2021 | 8.2092 | 22.638075 | 7.6471 | 21.088002 |
| 5 | 2022 | 2.8919 | 7.974839 | 2.3163 | 6.387538 |
| 6 | 2023 | 2.4202 | 6.674057 | 2.0398 | 5.625048 |
| 7 | 2024 | 6.5555 | 18.077755 | 4.2936 | 11.840233 |
| 8 | 2025 | 1.9838 | 5.470620 | 0.9089 | 2.506425 |
Summary by year (also saved to CSV)
Exported CSV tables to results folder
Exported GeoTIFF outputs to results folder
Exported yearly vegetation loss GeoTIFFs
Quick-look RGB composites (displayed)
Saved RGB composites per year (PNG, dpi=300)
Possible mining map
Vegetation loss time series
Two-panel RGB + Vegetation loss from mining
Done ✅ All outputs are saved in the results folder.
[3]:
{'out_dir': 'results',
'summary_by_year': year any_veg_loss_km2 any_veg_loss_% veg_loss_in_from_mining_km2 \
0 2017 0.0000 0.000000 0.0000
1 2018 5.0655 13.968861 2.3429
2 2019 1.0328 2.848098 0.9965
3 2020 17.8869 49.325755 9.7129
4 2021 8.2092 22.638075 7.6471
5 2022 2.8919 7.974839 2.3163
6 2023 2.4202 6.674057 2.0398
7 2024 6.5555 18.077755 4.2936
8 2025 1.9838 5.470620 0.9089
veg_loss_in_from_mining_%
0 0.000000
1 6.460891
2 2.747995
3 26.784749
4 21.088002
5 6.387538
6 5.625048
7 11.840233
8 2.506425 ,
'summary_meta': metric value
0 total_aoi_area_km2 36.2628,
'threshold_used': -0.1}
Informations Complémentaires
Licence : Le code de ce carnet est sous licence Apache, version 2.0 <https://www.apache.org/licenses/LICENSE-2.0>. Les données de Digital Earth Africa sont sous licence Creative Commons par attribution 4.0 <https://creativecommons.org/licenses/by/4.0/>.
Contact : Si vous avez besoin d’aide, veuillez poster une question sur le canal Slack Open Data Cube <http://slack.opendatacube.org/>`__ ou sur le GIS Stack Exchange en utilisant la balise open-data-cube (vous pouvez consulter les questions posées précédemment ici). Si vous souhaitez signaler un problème avec ce bloc-notes, vous pouvez en déposer un sur Github.
Version de Datacube compatible :
[4]:
import datacube
print(datacube.__version__)
1.9.11
Dernier test :
[5]:
from datetime import datetime
datetime.today().strftime('%Y-%m-%d')
[5]:
'2026-02-12'