基于遥感技术的露天矿区土地复垦效益评价

张寅玲，白中科,2，陈晓辉，曹银贵

(1.中国地质大学(北京)，北京 100083；2.国土资源部土地整治重点实验室，北京100035)

煤矿区域集煤炭资源开采与利用、土地资源占用与破坏为一体，煤矿区域土地复垦成为中国土地复垦的重点区域[1]。2006年国务院发布的《国家中长期科学和技术发展规划纲要》中提出，要重点开发矿产开采区等典型生态脆弱区生态系统的动态监测技术，构建生态系统功能综合评估及技术评价体系。因此，除了在矿区范围内进行土地资源利用监测[2]、生物多样性监测[3]、植被监测[4]和水土流失监测[5]外，土地复垦效益监测作为土地复垦管理的主要内容[6]也成为必不可少的环节。

露天矿区作为一个特殊的地理区域，在挖损、压占、占用和复垦的人工强烈扰动下，逐步由自然生态系统转变为人工生态系统自然系统转变为自然系统与人工系统并存的模式。矿区土地复垦工作完成后，复垦效益需要经历一段时间后才能得以显现。以资源开采为原动力的人类扰动造成的生态和环境问题主要表现为：地表形态改变[7]、植被破坏[8]、热环境效应增强[9]、土壤结构破坏[10]等，而矿区土地复垦工作则旨在通过地貌重塑、土壤重构以及植被重建等恢复矿区的生态系统服务功能。然而，在土地复垦工作完成后，复垦效益需要经历一段时间后才能得以显现。目前，矿区土地复垦效益监测多集中于单项指标的监测，常用的复垦效益指标为作物生长、植被覆盖等因素。在自然群落和人工群落的后期演替过程中，植物种和植物群落的生长与布局仍然受到诸如气候、土壤、地形等环境因素的影响[11]，因此基于多项指标进行复垦效益的动态监测显得十分必要。2006年颁发的《生态环境状况评价技术规范》[12]中推出主要基于遥感技术的生态环境状况指数EI，被广泛应用于生态环境的年度综合评价。本研究以EI指数为参考，根据露天矿区的特点提出选取了地形高程、植被指数、地表温度和土壤湿度4个重要指标作为拟建复垦效益指数的评价指标，这4个指标除了代表自然因素外，在某种程度上还表征了人为开采活动对矿区地形条件和水热条件的影响，因此在某种程度上也可用于矿区土地复垦效益的评价。

卫星遥感技术以其宏观、实时、快速的特点，在评价指标的空间测度和动态监测方面得到广泛应用。基于遥感技术获取多个评价指标，打破了以往单项指标监测的局限性，以期作为实地测量指标的辅助指标来实时、快速、定量、长期地评价和监测复垦效益。

1 研究区概况

平朔矿区属于宁武煤田的北部区域，区域含煤面积380km2，地质储量127.5 Mt，露天可采储量60 Mt，是我国主要的煤炭生产基地。至2013年，平朔露天煤矿的开采扰动范围达到67km2，其中已复垦区域约为14.6km2。矿区采掘均实行“剥离-采矿-复垦”的一体化工艺流程，复垦工艺的实施主要指排土场区域的植被复垦。排土场作为大型露天矿山中特有的人工地貌，经人工和机械平整后形成平台与边坡，最后在平台与边坡上通过植被种植进行生态恢复与生态重建工作。本研究选取了平朔露天矿区安太堡矿山的两个外排土场，即西排和南排作为研究区域，面积约3.71km2。

2 数据与方法

2.1 研究数据

遥感影像统一选用Landsat TM影像，获取时间为2001年8月20日，2005年7月30日和2010年7月12日，分别代表了复垦初期、复垦中期和复垦近期。根据研究区范围对影像数据进行裁剪后，最终得到西排和南排的基础影像。

2.2 指标构建

2.2.1 地形高程(DEM)

平朔露天矿区地测部实地测量得到了2010年1∶1万的地形图，经ArcGIS转换生成分辨率为30m的DEM数据。排土场完成排弃后，其地形高程不再受煤矿开采活动的影响发生改变，因此研究区域在2001年、2005年和2010年具有相同的地形高程数据。

2.2.2 植被指数(NDVI)

归一化植被指数NDVI为对地表植被活动的一种简单、经验的度量，与植被分布密度呈线性相关，可作为指示大尺度植被覆盖的指标[13]。因此，选用NDVI来表征植被生长状况，见式(1)。

NDV1=(NIR-R)/(NIR+R)

(1)

式中：R和NIR分别对应了Landsat TM数据的第3波段(0.63～0.69)和第4波段(0.76～0.90)的反射率。

2.2.3 地表温度(LST)

地表温度是地表热量状况和热量交换过程的重要表征，获取区域下垫面的地表温度特征，可以为区域热环境的研究提供有效数据[14]。利用Landsat数据的热红外波段得到该波段的星上亮温数据式(2)、式(3)。

Lλ=GAINS×DN+BIASES

(2)

Tk=K2/ln(K1/Lλ+1)

(3)

式中：Lλ为热红外波段的辐射强度值；DN为像元灰度值；GAIN和BIASES分别为增益值和偏置值，可以从影像头文件中获得；K1=607.66(w·m-2sr-1μm-1)；K2=1260.56(K)；Tk为亮度温度。

根据Jimenez-Munoz和Sobrino[15]提出的普适性单通道算法，通过地表比辐射率，大气水汽含量，将亮度温度转换为地表温度Ts(式(4))。

Ts=γ[ε-1(φ1Lλ+φ2)+φ3]+δ

(4)

其中，Ts为地表温度LST(单位：K)；ε为地表比辐射率；λ为热红外波段的有效波长(11.457)；γ与δ是与普朗克公式进行线性展开有关的变量；φ1，φ2，φ3为大气参数，与波长和大气含水量有关。

2.2.4 土壤湿度(TVDI)

土壤水分作为侵蚀过程[16]、植物生长[17]、植被恢复[18]和土地评价的主要影响因子，对区域农业生产、植被恢复以及土地利用配置的研究具有重要意义[19]。利用Sandholt[20]提出的温度植被干旱指数(TVDI)的概念估算土壤表层的水分状况(式(5))。

(5)

式中：Tsmin表示所有像元中的最小地表温度，对应的是湿边；Ts表示影像中任意像元的地表温度；Tsmax=a+b*NDVI为某一NDVI值所对应的最高温度，对应的是干边，则a、b为干边拟合方程的系数。TVDI值越高，代表土壤湿度越低。

2.3 数据处理

2.3.1 无量纲化处理

由于选取的4个指标的量纲不统一，为了消除量纲对评价结果的影响，需要对评价指标进行标准化处理式(6)。

ai=(xi-xmin)/(xmax-xmin)

(6)

式中：ai为评价指标i的标准化值，xi为评价指标i像元对应的值，xmax和xmin分别对应指标i中的最大值和最小值。

2.3.2 标准离差法

在Matlab软件支持下，提取研究区域中任意像元的4个指标值用于构建复垦效益指数的样本数据。选取的样本需要均匀分布在整个研究区域，样本数据分别来源于2001年、2005年和2010年3期数据。其中西排568个样本，南排468个样本。

标准离差法是客观赋权法中的一种，通过计算无量纲化样本值的标准差进一步估算各指标权重(式(7))。当指标的标准差越大时，表明该指标值的变异程度越大，进行综合评价时所起的作用越大，因此权重也越大。当指标的标准差越小时，表明该指标值的变异程度越小，进行综合评价时提供的信息量越小，因此权重也越小。

(7)

式中：Sj为j个指标的无量纲化样本值的标准差；Wj代表第j个指标的权重值；m为指标数。最后确定各评价因子的权重(表1)。

2.3.3 多指标加和法

类比三角法图法的矿山复垦评价原理[21]，多指标加和方法首先将各指标的无量纲测度值划分为高、中、低三个等级(表2)，假设高等为1分，中等为0分，低等-1分，通过指标的空间叠加，RSREI的最终得分在[-4，4]之间，标准化处理后最终范围为[0，1]，最后参照单个指标的等级划分标准，最终确定复垦效益指数的等级。

表1 各评价指标的权重

表2 评价指标等级划分

3 结果与分析

3.1 多指标加和法与标准离差法的对比

标准离差法根据表1中各指标的权重，计算得到西排土场和南排土场2001年、2005年和2010年的RSREI值。由于分值的取值范围不同，经标准化处理后将分值映射到[0,1]区间，并进一步划分为高[0.7,1]、中[0.3,0.7]、低[0,0.3]三个等级，如图1所示。该方法根据样本无量纲值的标准差状况确定权重，避免了人为权重确定，具有一定的合理性。但是在RSREI的计算过程中，由于每期数据的样本值不同，使得RSREI的计算公式也不尽相同，这样即使存在4个指标值相同的像元，也有可能得到不同的RSREI值或复垦效益等级，不适用于时间维度上的动态对比。

多指标加和法根据表2先对各指标进行等级划分并赋予对应的分值，计算完成后，根据最后的无量纲值再一次进行等级划分，如图2所示。该方法认为，当选取的评价指标共同对复垦效益变化起作用时，每一个指标对复垦效益的全局变化具有相同的影响程度，因此该方法能够通过各评价指标客观地反映土地复垦效益。由于在RSREI的计算和等级划分中采用统一的标准，所以在定量评价复垦效益的同时还能进行时间维度上的对比分析。

总的看来，两种计算结果在空间分布上具有一定的相似性。标准离差法在RSREI的计算过程中，由于每期数据的样本值不同，使得RSREI的计算公式也不尽相同，这样即使存在4个指标值相同的像元，也有可能得到不同的RSREI值或复垦效益等级，不适用于时间维度上的动态对比。多指标加和法认为每个评价因子对复垦效益具有相同的影响程度，在RSREI的计算和等级划分中具有统一的标准，除了可以定量评价复垦效益外，还能进行时间维度上的对比分析。

通过将多指标加和方法与常用的标准离差法相比，发现两种方法的计算结果在空间分布上具有一定的相似性，同时表明多指标加和法的计算方式是合理的。由于评价方法所选用的研究数据为以往的影像数据，无法通过实地考察对评价结果进行验证。

图1 排土场2001年、2005年、2010年复垦效益等级

图2 排土场2001年、2005年、2010年复垦效益等级

因此为了进一步完善该评价方法，未来将基于影像的过境时间，在同一天进行实地调研，根据调研人员的理论知识和实践经验对部分样点的土地复垦效益进行判别，然后将判别结果用于检验遥感影像计算得到的RSREI值，以期得到更为合理的评价模型和方法。

3.2 遥感复垦效益指数的应用

RSREI除了可以定量刻画复垦效益外，还能对比不同时期的复垦效益变化。利用多指标加和法计算得到研究区域的RSREI值，然后划分为高、中、低3个复垦效益等级。统计结果表明(表3、表4)，2001～2005年间，西排的复垦效益为高等的所占面积减少了0.07km2，中等所占面积增加了0.11km2，低等所占面积减少了0.04km2。南排的复垦效益为高等的面积增加了0.25km2，中等的面积减少了0.16km2，低等面积减少了0.09km2。2005～2010年间，西排的复垦效益为高等的所占面积增加了0.02km2，中等所占面积减少了0.55km2，低等所占面积了增加了0.53km2。南排复垦效益继续提高，其中为高等所占面积持续增加，了0.07达到0.47km2，中等所占面积持续下降减少了0.52，减少到0.67km2，低等所占面积增加了0.45km2。

在遥感技术的支持下，除了定量刻画复垦效益外，还能对不同时期复垦效益的空间变化进行检测。以绿色代表复垦效益的提高，以蓝色代表复垦效益的降低，以灰色代表复垦效益未发生变化(图3)。2001～2005年间，西排发生变化的面积为1.29km2，约占西排总面积的37.54%，其中复垦效益提高的面积占总面积的33.94%；南排发生变化的面积为0.67km2，约占南排总面积的40.06%，其中复垦效益提高的面积约占总面积的30.53%。2005～2010年间，西排发生变化的面积为1.36km2，约占西排总面积的39.58%，其中复垦效益提高的面积仅占总面积的9.31%；南排发生变化的面积为0.87km2，约占南排总面积的52.29%，其中复垦效益提高的面积占总面积的16.42%。

表3 2001～2005年土地复垦效益等级转移矩阵/km2

表4 2005～2010年土地复垦效益等级转移矩阵/km2

图3 排土场复垦效益变化检测

4 结论

RSREI指数是综合考虑了区域的地形条件和水热条件建立的一个完全基于遥感信息的指数，可以快速长期地评价露天矿区的复垦效益。通过多指标加和的方法对各评价指标进行集成，根据评价指标划分的高、中、低三个等级，最终确定能够反映矿区的土地复垦效益的等级状况。

基于遥感技术得到的RSREI指数，不仅可以定量刻画矿区的复垦效益，还可以对复垦效益的变化进行时空分析，同时通过复垦效益等级图实现复垦效益的可视化。同时，该指数不受时间和空间的限制，可以弥补实地观测获取指标数值在这些方面的不足。

RSREI指数的构建考虑了区域热环境效应，因此选取的遥感影像需要包括热红外波段。目前具有热红外波段的遥感影像包括AVHRR、ASTER、MODIS和Landsat等，最小分比率为30m，因此遥感复垦评价指数主要用于大尺度和中尺度的评价，对于小尺度区域的评价还有待进一步细化。

[1] 卞正富.国内外煤矿区土地复垦研究综述[J].中国土地科学，2000，14 (1):6-11.

[2] 张正鹏，武文波.基于 GIS 技术的沈阳矿区土地资源利用变化监测[J].煤炭科学技术，2007，35 (10):38-41.

[3] 毕银丽，李强，邢健，等.基于 WebGIS 的矿区微生物复垦监测与评价系统应用研究[J].矿业工程研究，2009，24 (4):67-70.

[4] 马保东，陈绍杰，吴立新，等.基于 SPOT-VGT NDVI 的矿区植被遥感监测方法[J].地理与地理信息科学，2009，25 (1):84-87.

[5] 苏迎春，周廷刚.遥感与 GIS 支持下的南桐矿区水土流失评价与区划[J].中国岩溶，2012，31 (2):191-197.

[6] 周伟，曹银贵，白中科，等.煤炭矿区土地复垦监测指标探讨[J].中国土地科学，2012，26 (11):68-73.

[7] 胡振琪，陈涛.基于 ERDAS 的矿区植被覆盖度遥感信息提取研究[J].西北林学院学报，2008，23 (2):164-167.

[8] 耿殿明，姜福兴.我国煤炭矿区生态环境问题分析[J].中国煤炭，2002，28 (7):21-24.

[9] 胡文亮，赵萍，董张玉.基于 TM 数据的煤矿区热环境效应及其生态意义[J].合肥工业大学学报：自然科学版，2010，33 (5):741-744.

[10] 吴立新，梁跃.中国煤矿环境挑战及战略对策[J].中国煤炭，1996,(10):15-17.

[11] 张桂莲，张金屯，郭逍宇.安太堡矿区人工植被在恢复过程中的生态关系[J].应用生态学报，2005，16 (1):151-155.

[12] 国家环保总局.中华人民共和国环境保护行业标准(试行)HJ/T192-2006[S].2006.

[13] 贾宝全.基于TM卫星影像数据的北京市植被变化及其原因分析[J].生态学报，2013，33 (5):1654-1666.

[14] 陈小瑜，林冰，郑伟民，等.基于 ETM 遥感影像的城市温度反演及结果分析——以福建省泉州市为例[J].重庆师范大学学报：自然科学版，2013，30 (4):123-127.

[15] Jiménez-Muoz Juan CSobrino José A.A generalized single-channel method for retrieving land surface temperature from remote sensing data[J].Journal of Geophysical Research：Atmospheres (1984-2012)，2003，108 (D22).

[16] 张玉斌，郑粉莉.近地表土壤水分条件对坡面土壤侵蚀过程的影响[J].中国水土保持科学，2007，5 (2):5-10.

[17] 王力，卫三平，王全九.黄土丘陵区燕沟流域农林草地土壤水库充失水过程模拟[J].林业科学，2011，47 (1):29-35.

[18] 杨磊，卫伟，莫保儒，等.半干旱黄土丘陵区不同人工植被恢复土壤水分的相对亏缺[J].生态学报，2011，31 (11):3060-3068.

[19] 肖庆文，倪晋仁，李天宏.基于土壤水分分布的土地利用空间优化方法[J].自然资源学报，2005，20 (3):317-325.

[20] Sandholt Inge，Rasmussen Kjeld，Andersen Jens.A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J].Remote Sensing of Environment，2002，79 (2):213-224.

[21] 李福来，双宝，辛馨.基于三角图法的矿山复垦评价研究[J].金属矿山，2009(11):162-165.