废弃矿区环境恢复状况遥感监测研究*

崔慧珍，关胜况，王冰琰

(河南理工大学，河南 焦作454000)

随着经济的快速增长，对煤炭资源的需求不断增大，由于没有土地复垦及再利用规划，产生了大量的矿区废弃地［1－3］。矿区废弃地是一种极端裸地、植被稀少、水土流失严重，造成矿区水体、土壤和大气的严重污染，引发一系列经济、生态、社会等方面的问题。如何在矿区废弃地上进行快速、高效的生态恢复与重建己成为当前生态环境保护所面临的紧迫任务。Larsson等［4］分别从TM、MSS和SPOT卫星图像数据估算植被指数，并建立了阿拉伯森林地区植被指数与覆盖率的关系模型。Ji等［5］提出监测植被生长状态的归一化植被指数(NDVI)，该指数常被用来进行区域和全球的植被状态研究，同时也为废弃矿区植被覆盖变化的监测提供了依据。

国内利用遥感技术进行对矿区环境调查和监测也取得了较大的成就。甘甫平等［6］根据植被在685 nm附近的最大吸收深度相对地划分植被污染程度。2009年，韩云霞等［7］研究了露天煤矿开采形成的废弃地对生态环境的影响。本文以双鸭山市废弃矿区为研究对象，基于MODIS数据，利用NDVI对当地植被进行了定量分析。采用分类方法对土地利用进行了时间和空间特征分析，取得了较好的监测效果。

1 计算原理

本文采用的MODIS(Moderate－resolution Imaging Spectroradiometer)数据是搭载在Terra和Aqua两颗卫星上的中分辨率成像光谱仪，是美国地球观测系统(EOS)计划中用于观测全球生物和物理过程的重要仪器。它具有36个中等分辨率水平的光谱波段，每1～2 d对地球表面观测一次，获取陆地和海洋温度、初级生产率、陆地表面覆盖、云、汽溶胶、水汽和火情等目标的图像。

植被指数的种类非常多，选择植被指数的基本原则是:不能存在饱和现象，应最大限度地反映地表植被的分布情况，排除大气等因素的干扰。植被指数的计算模型较多，有比值植被指数RV、差值植被指数DVI、归一化植被指数NDVI以及近几年倍受关注的增强植被指数EVI等。由于NDVI对植被覆盖度的检测范围较宽，有较好的时相和空间适应性，其一直被用来监测植被变化情况，是遥感估算植被覆盖度研究中最常用的植被指数［8－11］。因此，本文使用NDVI植被指数，既能很好地反映地表绿色植被的分布情况，而且部分消除了由天气变化、倾斜、观测姿态所造成的误差。

根据植被的反射光谱特征，通常使用植被的红光、近红外波段的反射率和其他因子的组合所获得的植被指数来提取植被信息。归一化植被指数最初是由Rouse等［12］提出。归一化植被指数(Normalized Difference Vegetation Index，简称NDVI)，又称标准化植被指数。其计算公式为:

式中:NIR为近红外通道反射率;R为红色通道反射率。归一化植被指数与植被分布的密度呈线性相关，它是植物生长状态及植被空间分布密度的最佳指示因子。

2 研究区概况

双鸭山市因盛产煤而驰名中外，双鸭山(见图1)位于黑龙江省东北部，东隔乌苏里江与俄罗斯比金市相望，南与七台河市、鸡西市毗邻，西与佳木斯市相连，北临辽阔的三江平原，南面是连绵的群山。

3 矿区植被覆盖分析

本文采用了2000年和2009年的MODIS数据，先对1波段和2波段进行定标计算出反射率，分别记为L1和L2。归一化植被指数NDVI的计算公式为:

式中:A为增益;DN为波段常数;B为偏移。在HDFView中的可查询到MODIS数据的 A、B值。利用ERDAS中的 Modeler模块编写 model可以计算出NDVI值。目前常见的MODIS影像有36个光谱通道，所给 MODIS 数据中，第一波段(0.62 ～0.67 μm)为叶绿素主要吸收的红外波段，第二波段(0.841～0.876 μm)是近红外波段，对绿色植被差异敏感，是植被通用的波段，因此选择这2个波段计算植被指数。

图1 双鸭山地区地理位置图

由式(2)对第一、第二波段进行辐射定标，根据式(3)计算两期的NDVI(见图2、图3)，然后对其进行重投影并截取研究区区域，并对研究区的NDVI值进行分级比较(见图4、图5)。

由图4、图5中的NDVI分级图分别对2000年和2009年的NDVI值进行统计分析，统计结果如表1所示。

图2 2000年NDVI图

图3 2009年NDVI图

图4 2000年NDVI分级图

图5 2009年NDVI分级图

表1 2000年和2009年NDVI累积概率分布表

由图4、图5中的NDVI两期的分级图和表1中的两期NDVI可知，2009年与2000年相比较，NDVI值在－1～0之间的低植被区面积明显减少，而从0～1的中植被区和高植被区面积明显增加，研究区的环境治理恢复有明显的效果。NDVI和植被覆盖度具有相关性，所以可以算出2009年的植被覆盖度。

4 土地利用变化分析

与监督分类和专家分类相比，非监督分类过程的自动化条件和变量程度较高，人为干预较少。因此，本文采用了非监督方法进行分类，非监督分类运用算法是完全按照像元的光谱特性进行统计分类。使用该方法时，原始图像的所有波段都参与分类运算，分类结果往往是各类像元数大体等比例。对所截取的研究区评价待估价对象对评，调出非监督分类对话框显示分类图像，打开分类图像属性表调整字段显示顺序，给各个类别赋予相应的颜色，确定类别的专题意义和准确程度(见图6、图7)。

图6 2000年分类图

图7 2009年分类图

图6、图7中，绿色代表森林，蓝色代表水体，棕色代表居民区，粉色代表植被，紫色代表裸地。根据其分类对2000年和2009年的土地利用变化状况进行统计(见表2)。

通过表2可知，2000年和2009年的土地利用状况有所转变。随着人口的增长，居民区的覆盖范围有所增加，森林和水体覆盖率有微小的改变，裸地面积有所减少，但是整体植被覆盖范围有所增加。在这9年中，废弃矿区环境恢复有一定的效果，植被恢复取得了一定的成绩。

表2 土地利用变化表

5 结论

本文通过研究区的自然地理、地质环境、土壤植被状况的了解，确定了研究方法。利用研究区2000年和2009年的MODIS数据，对其第一、第二波段进行辐射定标，并通过NDVI，获得了植被覆盖度在时间和空间上的变化特征。最后由非监督方法分类分析得出结论:

(1)与2000年相比，2009年双鸭山矿区及周边地区的NDVI值在0～1中的植被区和高植被区面积明显增加，而－1～0之间的低植被区面积有所减少。

(2)通过NDVI分级图和植被覆盖度的变化图可看出植被恢复效果明显，虽然在居民区植被有轻微破坏，但是矿区植被覆盖度有所增加，这是由于双鸭山市政府在这9年中对矿区环境的重视和制定废弃矿区环境恢复的相关政策的原因。

(3)通过对双鸭山采取非监督方法进行分类，得到了2000年和2009年土地利用变化状况，可以清楚地得出环境恢复的区域，从而能够准确地制定计划，方便其他矿区的环境恢复工作。

由于没有获取到研究区植被覆盖度和土地利用现状的实测数据，因此对植被覆盖度和土地利用变化的估算结果只是进行了粗略的验证，如果能实地测量植被覆盖度和调查土地利用状况会使估算结果的精度验证更高。由于时间原因本文在利用数据方面时，只分析了两期的MODIS数据，如果能够分析2000年至2009年的9年数据，效果会更佳。

［1］ 蔡博峰，刘春兰，陈操操，等.内蒙古霍林河一号露天矿生态环境的遥感监测与评价［J］.煤炭工程，2009(6):96－98.

［2］ 庞春雨.废弃矿区建筑可持续利用研究［J］.煤炭技术，2013，32(8):154－155.

［3］ 张合兵，郝成元，张小虎.潞安矿区净初级生产力和土地覆被变化及成因［J］.水土保持通报，2013，33(1)221－224.

［4］ Larsson H.Linear regressions for canopy cover estimation in Acacia woodlands using Landsat－TM，－MSS and SPOT HRV XS data［J］.Remote Sensing，1993，14(11):2129 －2136.

［5］ Ji L，Peters A J.Assessing vegetation response to drought in the northern Great Plains using vegetation and drought indices［J］.Remote Sensing of Environment，2003，87(1):85 －98.

［6］ 韩云霞，李民赞，李道亮.基于光谱学与遥感技术的矿区废弃地土壤特性参数分析［J］.吉林大学学报:工学版，2009(1):48.

［7］ 郝成元，杨志茹.基于MODIS数据的潞安矿区 NPP时空格局［J］.煤炭学报，2011，36(11):1840－1844.

［8］ CHEN Yanli，LONG Buju，PAN Xuebiao，et al.Differences between MODIS NDVI and AVHRR NDVI in monitoring grasslands change［J］.Journal of Remote Sensing，2010，15(4):831 －845.

［9］ 陈燕丽，龙步菊，潘学标，等.基于 MODIS NDVI和气候信息的草原植被变化监测［J］.应用气象学报，2010，21(2):229－236.

［10］ 沙莎，郭铌，李耀辉，等.三套NDVI长时间序列植被指数的对比—以玛曲为例［J］.干旱气象，2013，31(4):657－665.

［11］ 胡砚霞，黄进良，王立辉.基于MODIS NDVI时序数据的丹江口库区物候格局研究［J］.中国农业资源与区划，2012，33(4):25－33.

［12］ Rouse J W，Haas R H，Schell J A，et al.Monitoring vegetation systems in the Great Plains with ERTS［J］.NASA special publication，1974，351:309.