基于多源时序NDVI的稀土矿区土地毁损与恢复过程分析

李恒凯，雷 军，吴 娇

（江西理工大学建筑与测绘工程学院，赣州 341000）

0 引 言

矿产开采过程中，不可避免地造成地表挖损和塌陷、土壤破坏、植被受损等问题，及时掌握土地毁损数量、毁损时间、是否复垦、复垦过程和复垦后状态，是土地管理部门实施土地复垦全程监管的重要工作内容[1]。传统的土地毁损与复垦信息获取多依赖于野外实地调查与测试分析，不仅费时费力，且监测范围较小[2-5]。随着遥感技术的不断发展，多时相分类后比较法被广泛应用于矿区土地和生态环境变化检测[6-9]，但描述“过程”至关重要的时间维度被过度“概化”，土地毁损与恢复的变化特征未能较好体现。遥感时序分析以单波段量化参数代替原始的多光谱影像作为输入数据，通过量化分析地物在时间序列上的变化趋势和规律来分析地物的变化情况，对地物变化的标准具有较高的一致性，算法效率较高[10]，为更大时空范围的生态过程监测提供了方法[11]，已在植被动态变化检测[12-13]、森林扰动与恢复[14-15]、矿区植被监测[16]、矿区土地毁损[17]等方面得到应用。南方离子稀土开采始于20世纪80年代，先后经历了池浸、堆浸、原地浸矿 3种开采工艺，其开采过程直接对地表土壤、植被等环境因素造成破坏，带来严重的生态环境问题，稀土矿区的土地资源毁损与生态恢复已成为离子稀土行业可持续发展的关键制约因素[18]。

Landsat 系列数据具有近40 a的存档数据，但其回访周期较长，在多云多雨的中国南方地区可用数据较少；HJ-1A/1B CCD数据具有回访周期短、覆盖范围大等优点，但由于HJ-1A/1B卫星发射较晚，所积累的历史数据不多[19]。这 2种数据的结合，可为矿区尺度遥感时序分析法的应用提供较为可靠的数据来源。当前，采用遥感时序分析法对矿区土地毁损与恢复的研究主要集中在传统煤矿区，如李晶等[1]应用遥感时序分析方法对阿巴拉契亚煤田区韦恩县1984—2010年间的土地毁损与恢复过程进行分析，较好揭示了土地毁损-复垦过程特征。由于南方稀土元素以离子状态分布于土壤中，导致稀土开采不像煤矿及大部分金属矿开采一样，直接将矿体和基岩剥离，而是采用浸矿方法，通过化学溶液浸泡将稀土元素从土壤中置换出来，该方法一方面直接破坏地表植被，形成大片裸露荒地；另一方面稀土开采注入的大量浸矿液体也直接导致矿点地表土壤特性发生变化，植被退化及自然恢复困难，废弃矿点甚至多年寸草不生[20]。正是由于这种特殊的开采方式，导致尾砂地的光谱特征与自然裸土较为相似，从而对稀土开采识别造成干扰。本文以定南县岭北稀土矿区为例，以Landsat 5、Landsat 8和HJ-1B CCD影像为数据源，结合遥感时序分析方法，分析稀土开采的时空分布及矿区土地毁损与恢复过程，以期为稀土矿区生态环境治理提供科学依据。

1 研究区概况

岭北稀土矿区位于江西省定南县城北约20 km处。地理坐标：东经 114°58′04″～115°10′56″，北纬 24°51′24″～25°02′56″，面积约为200 km2。该矿区迄今已有 20多年开采历史，其开采工艺先后经历了池浸、堆浸、原地浸矿。早期采用的开采工艺为池浸和堆浸，其开采工艺均为露天开采，开采过程中需要将植被表土层和矿体剥离，造成大量废土、废石堆积，侵占了大量土地，同时尾砂随雨水冲刷，造成矿点周边土地沙化。后期采用的原地浸矿开采工艺在一定程度上减少了对矿区土地的破坏，但大量注液孔的开挖和浸矿液体不可避免的泄露，仍会对矿区土地造成一定的破坏。图1为研究区地理位置图。

图1 研究区地理位置图Fig.1 Location map of study area

2 数据与方法

2.1 数据来源与预处理

本研究采用的数据主要有遥感数据和DEM数据，遥感数据为1990—2016年的Landsat 5、Landsat 8和HJ-1B CCD影像。由于研究区域位于南方地区，多云多雨天气较多，因此采集时间多集中在 10月至次年 1月。1992—1994年、1996—1999年、2012年和 2015年的Landsat影像，受卫星回访周期、云量等因素的影响，无合适影像选择。2008年以后，HJ-1A/1B卫星成功发射，由于回访周期短、空间分辨率相同，因此2008年以后缺失的Landsat 5和Landsat 8影像采用同时期10月的HJ-1B CCD影像替代。进行时间序列分析时，传感器之间的差异会导致不确定性误差，因此选取了 4对同日过境的HJ-1B CCD和Landsat 5/8影像进行交互比较，其中2组影像对为试验影像，另2组影像对为验证影像。DEM数据选择由日本 METI和美国 NASA联合研制的 ASTER GDEM V2数据，其空间分辨率为30 m，由地理空间数据云平台提供。表1为选取的交互比较影像对的详细信息，表2为时间序列分析影像数据的详细信息。

表1 交互比较影像对Table 1 Interactive comparison image pair

表2 影像获取日期、类型及标识符Table 2 Date, type and identifier of image acquisition

为进行后续分析，分别对HJ-1B CCD、Landsat 5和Landsat 8原始影像进行辐射校正、大气校正，并对大气校正后的HJ-1B CCD、Landsat 5和Landsat 8影像进行几何校正，几何校正方法选择二次多项式，几何校正误差均控制在0.5个像元之内。利用研究区域的矢量边界对几何校正后的Landsat 5、Landsat 8和HJ-1B CCD进行图像裁剪，得到研究区域的Landsat 5、Landsat 8和HJ-1B CCD时间序列影像。

2.2 研究方法

归一化植被指数（NDVI）由于对植被的生物物理特征十分敏感，且在时效、尺度方面都具有明显优势，在矿区土地损毁变化监测中有较好的应用效果[21-23]。本文以 NDVI时序影像为研究对象，通过回归分析法，构建Landsat 5、Landsat 8和HJ-1B CCD 3种数据之间的NDVI转换方程，并将3种数据的NDVI转化到Landsat 5标准下，构建一个统一标准的多源时序 NDVI影像，从而对稀土开采时空分布及矿区土地毁损与恢复过程进行分析。

2.2.1 转换方程构建与精度检验

通过对矿区不同来源同期影像上的 NDVI采样进行分析，发现散点图存在明显的线性相关性，因此使用回归分析法获取Landsat 5/8与HJ-1B CCD数据的NDVI之间的转换方程，两者之间的回归模型可以用以下数学形式表示

式中x，y分别表示HJ-1B CCD、Landsat 5/8的NDVI值，a，b为系数，可以通过最小二乘法获得。

将未参与试验的HJ-1B CCD影像利用得到的转换方程模拟出与Landsat 5/8对应的NDVI影像（以下简称模拟影像），然后将模拟影像和实际Landsat 5/8的NDVI影像进行比较评价转换方程的精度。通过计算 NDVI的均方根误差（RMSE）来评价转换方程的精度。RMSE的计算公式如下[24]：

式中Xi为模拟影像的NDVI值，Yi为实际Landsat 5/8影像的NDVI值，N为验证样本个数。

2.2.2 稀土开采识别

结合时序影像中的真彩色影像和 Google Earth上的已有年份的高分影像，分别在每期的 NDVI影像上随机选取一定量的训练样点，训练样点的类型包括：1）各期影像有植被覆盖和基本无植被覆盖；2）已开采（1990—2016，所选的训练样点受到稀土开采扰动或者1990年以前受稀土开采扰动但未进行复垦）和未受到稀土开采扰动。应用CART（classification and regression tree）决策树分类方法，将采集的训练样点输入RuleGen v1.02软件中，得到每期影像中植被与非植被、开采与非开采的阈值，结果如图2所示。

图2 每期影像植被/裸土、稀土开采与非开采的阈值Fig.2 Vegetation/bare soil and rare earth mining/no rare earth mining threshold for each image in time series

与其他矿区不同，稀土元素在土壤中的丰度较低、分布范围较广，因此南方离子稀土矿区的地物类型复杂，包含林地、耕地、草地、居住用地、果园、道路等。除稀土开采产生的尾砂地以外，建筑物、其他人为活动（森林砍伐、果园开发）产生的裸土区域，其NDVI值较低，仅通过稀土开采与非开采的阈值获取稀土开采的时空分布，可能把这部分区域也包括在内。项目团队曾多次前往岭北稀土矿区进行实地调研，发现矿区内的建筑多为民居，出于成本和交通便利方面的考虑，建筑多建造于农田、裸土之上、且建筑物一旦建成，其 NDVI变化相对较小；另外非稀土开采产生的裸土区域，与稀土尾砂地相比，其土壤成分未受到较大改变，植被恢复较快，NDVI的整体波动较小。正是由于上述原因，因此可以加入变异系数对建筑物以及非稀土开采导致的土地毁损进行剔除，计算公式如下[25]

式中CV为变异系数，S为标准差，xi为时序影像中某点像元的NDVI值，为时序影像中对应点像元NDVI的平均值，n为选取的时序影像景数，本文取n=19。

根据上述计算公式得到岭北稀土矿区的变异系数影像，并随机采集稀土扰动与非稀土扰动的训练样点，输入RuleGen v1.02软件中，得到稀土扰动与非稀土扰动的变异系数阈值CV1=0.400 9。结合得到的稀土开采与非稀土开采的阈值、变异系数阈值 CV1获取稀土开采的时空分布。只有 NDVI小于稀土开采与非稀土开采的阈值，变异系数大于 CV1的区域才被定义为稀土开采，仅满足前一条件的定义为非稀土扰动。

2.2.3 土地毁损与恢复类型划分

通过Google Earth 上已有年份的高分影像，获得研究区域包含的土地毁损与恢复类型，从 NDVI时序影像上获取研究区域不同土地毁损与恢复类型的 NDVI变化轨迹，并通过历史高分影像将 NDVI变化轨迹、土地毁损与恢复类型进行对应。研究区包含的土地毁损与恢复类型分别为：1）未受到干扰，整个时期植被覆盖均保持在较高水平（林地）；2）池浸/堆浸开采，整个监测期内基本无植被覆盖；3）非稀土开采干扰，整个监测期内基本无植被覆盖（建筑物）；4）池浸/堆浸开采，采前有植被，采后植被尚未恢复；5）非稀土开采干扰，植被覆盖水平较低（农田）；6）非稀土开采干扰，植被覆盖降低，后逐渐恢复，达到干扰前水平（果园开发）；7）池浸/堆浸开采，采前有植被，采后植被有一定恢复，但未达到采前水平；8）非稀土开采干扰，干扰前植被覆盖较高，干扰后植被覆盖迅速降低，后迅速恢复，达到干扰前水平（森林砍伐）；9）非稀土开采干扰，监测初期植被覆盖较低，后逐渐升高，达到周边同类水平（退耕还林）。9种不同类型像元的NDVI变化轨迹如图3所示。

根据上述不同 NDVI轨迹类型的特征差异，采用以下 6个特征参量，通过阈值设置，对每一个像元的归属进行辨识。m、n分别表示开采前、开采后的观测时长。

图3 不同类型像元的NDVI变化轨迹Fig.3 NDVI change trajectory of different pixels

1）MAXi表示整个观测期内时序NDVI的最大值，反映i像元所在位置植被覆盖度的峰值。MAXi= max(NDVI1i, NDVI2i,…, NDVI19i)。

2）MINi表示整个观测期内时序NDVI的最小值，反映i像元所在位置是否受到扰动，MINi= min (NDVI1i,NDVI2i,…,NDVI19i)。

3）MAXi_pre表示扰动前时序NDVI的最大值，反映i像元所在位置扰动前植被覆盖度的峰值。MAXi_pre=max(NDVI1i, NDVI2i,…,NDVImi), 0≤m＜19。

4）MAXi_post表示扰动后时序NDVI的最大值，反映i像元所在位置扰动后植被覆盖的峰值，MAXi_post=max(NDVIm+1_i, NDVIm+2_i,…,NDVIm+n_i), 0≤m＜19,m+n=19。

5）NDVIi_veg、NDVIi_rare分别表示时序影像中每期影像植被与非植被、开采与非开采的 NDVI阈值、具体数据从方法2.2.2中获取。

6）CV1表示稀土开采干扰与非稀土开采干扰的变异系数阈值，CV1≥0.400 9表示为稀土开采干扰，CV1＜0.400 9，表示非稀土干扰。

应用上述 6个特征参数，对研究区域的土地毁损与恢复类型进行分类，具体分类见表3。

表3 稀土矿区土地毁损与恢复类型Table 3 Type of land damage and recovery in rare earth mining area

3 结果与分析

3.1 转换方程及精度评价

采用回归分析的方法，得到HJ-1B CCD与Landsat5/8之间NDVI的转换方程，其结果如图4a、4b所示。并利用均方根误差的方法对模型的精度进行检验，其结果如图4c、4d。

通过图4a、4b可以看出，HJ-1B CCD和Landsat 5/8的 NDVI影像对应转换方程的R2值均超过 0.9，说明HJ-1B CCD和Landsat 5/8的NDVI非常类似。图4c、4d中，HJ-1B CCD影像模拟的NDVI值与实际的Landsat 5/8影像的NDVI值的散点基本沿1∶1线对称分布，RMSE均小于0.05，表明转换方程的精度较高。

3.2 稀土开采时空分布分析

根据方法2.2.2获取岭北稀土矿区稀土开采的时空分布，并进行相关统计分析。图 5为矿区某一稀土开采区主要年份的时空分布图。

由图 6可知，整个监测期间，均有一定数量的开采活动产生，其中2000—2004年、2006年开采面积较大，其开采面积均超过 1km2，2006年的开采面积最大为2.5461 km2，2008—2016年开采面积均较小，2013年以后开采面积均处于0.1 km2以下。2006年以前，由于稀土开采工艺较为简单，且大多数矿点位于边远山区，监管较为困难，外加稀土价格的上涨，偷采盗采严重，导致开采面积急剧增加[26]；2006年以后，开始实施稀土开采数量管制，出口关税由最初的出口退税演变为逐年提高出口关税，外加监管力度加强，从而导致稀土面积迅速减少[27]。由图 5可知，在同一时间同一地点，稀土开采面积较小，开采较为分散，这主要是由于当时岭北矿区的采矿权人（赣州稀土矿业有限公司）采用了委托开采的运作模式，所有权与经营权分离，从而导致矿点分散开采。分散开采模式不仅增加了监管的困难，还导致资源浪费，环境治理困难增加。

图4 HJ-1B CCD 和Landsat 5/8影像的转换方程及精度检验Fig.4 Conversion model and accuracy test of HJ-1B CCD and Landsat 5/8 image

图6 稀土开采数量Fig.6 Number of rare earth mining

3.3 土地毁损与恢复分析

利用得到的转换方程，将时序影像中 Landsat 8和HJ-1B CCD影像的NDVI值转化为Landsat 5标准下，构成一个统一标准的多源时序NDVI影像，根据表3中土地毁损与恢复类型的划分标准，得到稀土矿区的土地毁损与恢复空间分布图，如图 7所示。通过在土地毁损与恢复专题图上随机选取一定量的样本，结合 Google earth上的高分影像对提取精度进行检验，结果如表4所示。

图7 土地毁损与恢复类型空间分布图Fig.7 Spatial distribution map of land damage and reclamation

通过表 4可以看出，各种土地毁损与恢复类型的提取精度均在85%以上，满足精度要求。其中类型2的提取精度最低，主要是因为有部分稀土开采区域后期演变为建筑用地，稀土开采后的土地恢复与建筑有一定的相似性。

表4 土地毁损与恢复混淆矩阵Table 4 Confusion matrix of land damage and reclamation

根据得到的土地毁损与恢复分布图，统计土地毁损与恢复的面积，结果如表5所示。

由表 5可知，整个观测期内未受到人为活动影响的土地面积为 97.082 1 km2，占整个研究区域面积的45.41%，主要为未受干扰的林地。受到人为活动影响的土地面积为 116.709 3 km2，占整个研究区域面积的54.59%，其中受到稀土开采扰动的像元面积为 11.354 4 km2，占受干扰像元面积的 9.73%，复垦区域的面积为5.004 9 km2，未复垦的面积为6.349 5 km2；受到非稀土开采扰动的像元面积为105.354 9 km2，占受干扰像元面积的 90.27%，其中整个监测期内基本无植被覆盖的像元面积为0.877 5 km2，主要为建筑，道路等固定设施；整个监测期内植被覆盖水平较低的像元面积为5.404 5 km2，主要为未抛荒的耕地；受干扰后植被恢复的像元面积为95.964 3 km2，其中类型6的面积为3.148 2 km2，主要为果园开采区；类型8的面积为86.534 1 km2，主要为受到森林砍伐干扰的区域；类型9的面积为9.390 6 km2，主要为抛荒多年的耕地以及退耕还林区。

表5 土地毁损与恢复类型面积统计Table 5 Land damage and recovery type area statistics

3.4 不同土地毁损类型的土地恢复时长

通过分析土地从毁损到恢复的时长，可进一步研究岭北稀土矿区土地毁损与恢复的相关特征，而在岭北稀土矿区的土地毁损与恢复的类型中，类型6、7和8包含了土地从毁损到恢复的整个过程，因此利用其分析不同土地毁损类型的土地恢复时长更具有代表性。

通过图8a可以看出，1990—1995年，植被恢复的像元数目为89个，平均恢复时长为14～19 a；2000—2012年，植被恢复的像元数目为331 8，平均恢复时长为3～10 a。1990—2012年，受果园开发扰动后植被恢复平均时长为3～19 a，植被恢复的平均加权时长为7 a，说明果园开发所导致的土地毁损其恢复时间较长，主要原因有：1）果园在栽种果树前，需要将地表植被清除，包括灌木和草本植物；2）为方便采摘，果树与果树之间往往会保持一定的距离；3）为保持果树能更好的生长，果园每年会有一次至多次的除草工作，特别是果树刚种下去的几年中；4）岭北稀土矿区位于赣南地区，而赣南地区的果园多以橙树和桔树为主，该类树木生长较为缓慢。

通过图8b可以看出，1991—2002年，植被恢复的像元数目为 259 1，植被恢复的平均时长为 12～23a；2002—2010年，植被恢复的像元数目为339 2，植被恢复的平均时长为5～10 a。1990—2010年，受稀土开采干扰后植被恢复的平均时长为5～23 a，稀土开采扰动后植被恢复的平均加权时长为11a，说明稀土开采所导致的土地毁损其恢复时间比较长。其主要原因有：1）无论是池浸/堆浸，还是原地浸矿开采工艺，开采过程中均会产生的尾砂，造成土壤沙化，保水保肥能力下降[28]；此外，开采过程中使用的大量酸性浸矿液体，严重的改变了原来土壤的酸碱平衡，导致植被恢复较为困难[29]。2）人为复垦活动较少，自然恢复为主。由于2009年定南县被列为国家水土保持重点建设县，岭北项目区小流域综合治理项目开始实施，针对废弃稀土矿区才有了较为综合的治理[30]。根据定南稀土统计可知，截至2011年，定南县稀土矿区生态环境的恢复治理仅作了极小部分，治理面积只有34 hm2，而且多靠自然恢复。

图8 土地毁损与恢复类型的植被恢复平均时长Fig.8 Average time period of vegetation restoration in land damage and restoration types

通过图8c可以看出，1990—2015年，受到森林砍伐干扰后植被恢复平均时长为1～5 a，其平均加权时长为3 a，说明森林砍伐所导致的土地毁损其恢复时间较短。其主要原因为：1）森林砍伐时，地表植被不需要完全清除，特别是灌木草本类植物，对土地的损伤较小；2）在森林采伐区，一次砍伐结束后，为林区的持续发展，往往会栽种一些小树苗帮助林区植被恢复。

4 结 论

本研究以岭北稀土矿区为例，研究Landsat 5/8和HJ-1B CCD影像之间 NDVI的关系，并以 HJ-1B CCD、Landsat 5和Landsat 8等数据为数据源，结合回归分析法、时序分析法，研究稀土开采的时空分布及矿区的土地毁损与恢复特征。

1）HJ-1B CCD、Landsat5/8数据的NDVI 影像对应转换方程的R2值均超过0.9以及模拟影像与真实影像之间的均方根误差值均小于 0.05，说明 HJ-1B CCD、Landsat5/8的NDVI数据之间存在较为显著的线性正相关HJ-1B CCD和Landsat5/8数据对应的归一化植被指数存在极为显著的线性正相关关系，具有较好的一致性。根据研究得到的转换方程可以将HJ-1B CCD和Landsat5/8数据对应归一化植被进行高精度转换，实现模型算法的相互比较和转换，有利于时序分析时，数据互为补充。

2）稀土开采时空分布表明：整个监测期间，岭北稀土矿区均有稀土开采活动，其中2000—2004年、2006年开采面积较大，其开采面积均超过1 km2，2006年的开采面积最大为2.546 1 km2，2008—2016年开采面积均较小。2013年以后开采面积均处于0.1 km2以下。稀土开采在空间分布上较为分散，一定程度上增加了治理的难度。

3）土地毁损与恢复分析表明；岭北稀土矿区未受干扰的像元面积为97.082 1 km2，受干扰的面积为116.709 3 km2，其中森林砍伐区所占的面积最大，为86.534 1 km2，占受干扰面积的一半以上,其土地毁损后平均恢复时长为3 a；未抛荒的耕地所占的面积为5.404 5 km2；抛荒多年及退耕还林的耕地所占的面积为9.390 6 km2；果园开发区所占的面积为3.148 2 km2，平均恢复时长为7 a；稀土开采所占的面积为11.354 4 km2，平均恢复时长为11 a，其中复垦恢复的面积为5.004 9 km2，仍有6.349 5 km2的区域植被未恢复，需引起相关部门的注意。

[1] 李晶，Zipper Carl E，李松，等. 基于时序 NDVI 的露天煤矿区土地损毁与复垦过程特征分析[J]. 农业工程学报，2015，31(16)：251－257.Li Jing, Zipper Carl E, Li Song, et al. Character analysis of mining disturbance and reclamation trajectory in surface coal-mine area by time-series NDVI[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(16): 251－257. (in Chinese with English abstract)

[2] 寇晓蓉，白中科，杜振州，等. 黄土区大型露天煤矿企业土地复垦质量控制研究[J]. 农业环境科学学报，2017，36(5)：957－965.Kou Xiaorong, Bai Zhongke, Du Zhenzhou, et al. Land reclamation quality completion standards for large opencast coal mine enterprises in Loess areas [J]. Journal of Agro-Environment Science, 2017, 36(5): 957－965. (in Chinese with English abstract)

[3] 卞正富. 矿区开采沉陷农用土地质量空间变化研究[J]. 中国矿业大学学报，2004，33(2)：213－218.Bian Zhengfu. Change of agricultural land quality due to mining subsidence[J]. Journal of China University of Mining& Technology, 2004, 33(2): 213－218. (in Chinese with English abstract)

[4] 王杨扬，赵中秋，原野，等. 黄土区露天煤矿不同复垦模式对土壤水稳性团聚体稳定性的影响[J]. 农业环境科学学报，2017，36(5)：966－973.Wang Yangyang, Zhao Zhongqiu, Yuan Ye, et al. Effects of different reclamation patterns on the stability of soil water-stable aggregates of an opencast mine in Loess area[J].Journal of Agro-Environment Science, 2017, 36(5): 966－973. (in Chinese with English abstract)

[5] 张紫昭，郭瑞清，周天生，等. 新疆煤矿土地复垦为草地的适宜性评价方法与应用[J]. 农业工程学报，2015，31(11)：278－286.Zhang Zizhao, Guo Ruiqing, Zhou Tiansheng, et al. Suitability evaluation method and application for land reclamation to grassland in Xinjiang coal mines[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(11): 278－286. (in Chinese with English abstract)

[6] Areendran G, Rao P, Raj K, et al. Land use/land cover change dynamics analysis in mining areas of Singrauli district in Madhya Pradesh, India[J]. Tropical Ecology, 2013, 54(2):239－250.

[7] Brom J, Nedbal V, Procházka J, et al. Changes in vegetation cover, moisture properties and surface temperature of a brown coal dump from 1984 to 2009 using satellite data analysis[J]. Ecological Engineering, 2012, 43(7): 45－52.

[8] Bodlák L, Křováková K, Nedbal V, et al. Assessment of landscape functionality changes as one aspect of reclamation quality–the case of Velká podkrušnohorská dump, Czech Republic[J]. Ecological Engineering, 2012, 43: 19－25.

[9] 彭文甫，王广杰，周介铭，等. 基于多时相Landsat5/8影像的岷江汶川-都江堰段植被覆盖动态监测[J]. 生态学报，2016，36(7)：1975－1988.Peng Wefu, Wang Guangjie, Zhou Jieming, et al. Dynamic monitoring of fractional vegetation cover along Minjiang River from Wenchuan County to Dujiangyan City using multi-temporal landsat 5 and 8 images[J]. Acta Ecologica Sinica, 2016, 36(7). (in Chinese with English abstract)

[10] 殷守敬，吴传庆，王桥，等. 多时相遥感影像变化检测方法研究进展综述[J]. 光谱学与光谱分析，2013，33(12)：3339－3342.Yin Shoujing, Wu Chuanqing, Wang Qiao, et al. Review of change detection methods using multi-temporal remotely sensed images[J]. Spectroscopy and Spectral Analysis, 2013,33(12): 3339－3342. (in Chinese with English abstract)

[11] 张扬建，范春捆，黄珂，等. 遥感在生态系统生态学上应用的机遇与挑战[J]. 生态学杂志，2017，36(3)：809－823.Zhang Yangjian, Fan Chunkun, Huang Ke, et al. Opportunities and challenges in remote sensing applications to ecosystem ecology[J]. Chinese Journal of Ecology, 2017, 36(3): 809－823. (in Chinese with English abstract)

[12] 朴英超，关燕宁，张春燕，等. 基于小波变换的卧龙国家级自然保护区植被时空变化分析[J]. 生态学报，2015，36(9)：2656－2668.Piao Yingchao, Guan Yanning, Zhang Chunyan, et al.Analysis of temporal and spatial changes in vegetation cover using wavelet transform method in Wolong Natural Reserve[J]. Acta Ecologica Sinica, 2016, 36(9): 2656－2668.(in Chinese with English abstract)

[13] 贾铎，牟守国，赵华. 基于 SSA-Mann Kendall 的草原露天矿区NDVI时间序列分析[J]. 地球信息科学学报，2016，18(8)：1110－1122.Jia Duo, Mu Shou guo, Zhao Hua. Analysis of NDVI time series in grassland open-cast coal mines based on SSA- Mann Kendall[J]. Journal of Geo-Information Science, 2016, 18(8):1110－1122. (in Chinese with English abstract)

[14] Li A, Huang C, Sun G, et al. Modeling the height of young forests regenerating from recent disturbances in Mississippi using Landsat and ICESat data[J]. Remote Sensing of Environment, 2011, 115(8): 1837－1849.

[15] 杨辰，沈润平，郁达威，等. 利用遥感指数时间序列轨迹监测森林扰动[J]. 遥感学报，2013，17(05)：1246－1263.Yang Chen, Shen Runping, Yu Dawei, et al. Forest disturbance monitoring based on the time-series trajectory of remote sensing index[J]. Journal of Remote Sensing, 2013, 17(5):1246－1263. (in Chinese with English abstract)

[16] 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.Ma Baodong, Chen Shaojie, Wu Lixin, et al. Vegetation monitoring method in mining area based on SPOT-VGT NDVI[J]. Geography and Geo-Information Science, 2009,25(1): 84－87. (in Chinese with English abstract)

[17] Li Jing, Zipper C E, Donovan P F, et al. Reconstructing disturbance history for an intensively mined region by time-series analysis of Landsat imagery[J]. Environmental monitoring and assessment, 2015, 187(9): 1－17.

[18] 李恒凯，吴立新，刘小生. 稀土矿区地表环境变化多时相遥感监测研究：以岭北稀土矿区为例[J]. 中国矿业大学学报，2014，43(6)：1087－1094.Li Hengkai, Wu Lixin, Liu Xiaosheng. Change detection of ground-surface environment in rare earth mining area based on multi-temporal remote sensing: A case in Lingbei rare earth mining area[J]. Journal of China University of Mining& Technology, 2014, 43(6): 1087－1094. (in Chinese with English abstract)

[19] 赵凯，徐剑波，赵之重，等. HJ-1A/B CCD 与 Landsat TM/ETM+ 植被指数的交互比较[J]. 遥感技术与应用，2013，28(4)：674－680.Zhao Kai, Xu Jianbo, Zhao Zhizhong, et al. Cross comparison of HJ-1 A/B CCD and Landsat TM/ETM+ multispectral measurements for NDVI SAVI and EVI vegetation index[J].Remote Sensing Technology & Application, 2013, 28(4):674－680. (in Chinese with English abstract)

[20] 李恒凯. 南方稀土矿区开采与环境影响遥感监测与评估研究[D]. 北京：中国矿业大学，2016.Li Hengkai. Study on Remote Sensing Monitoring the Rare Earth Mining and Its Environmental Impacts and Evaluation in South China[D]. Beijing: China University of Mining &Technology, 2016. (in Chinese with English abstract)

[21] 毕如田，白中科. 基于遥感影像的露天煤矿区土地特征信息及分类研究[J]. 农业工程学报，2007，23(2)：77－82.Bi Rutian, Bai Zhongke. Land characteristic information and classification in opencast coal mine based on remote sensing images[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2007, 23(2): 77－82.(in Chinese with English abstract)

[22] 李晶，焦利鹏，申莹莹， 等. 基于 IFZ 与 NDVI 的矿区土地利用/覆盖变化研究[J]. 煤炭学报，2016，41(11)：2822－2829.Li Jing, Jiao Lipeng, Shen Yingying. Land use and cover change in coal mining area by IFZ and NDVI[J]. Journal of China Coal Society, 2016, 41(11): 2822－2829. (in Chinese with English abstract)

[23] 黎良财，邓利，曹颖，等. 基于NDVI像元二分模型的矿区植被覆盖动态监测[J]. 中南林业科技大学学报，2012，32(6)：18－23.Li Liangcai, Deng Li, Cao Ying, et al. Vegetation dynamic monitoring in mining area based on NDVI serial images and dimidiate pixel model[J]. Journal of Central South University of Forestry & Technology, 2012, 32(6): 18－23. (in Chinese with English abstract)

[24] 李恒凯，雷军，杨柳. 基于 Landsat影像的离子稀土矿区植被覆盖度提取及景观格局分析[J]. 农业工程学报，2016，32(10)：267－276.Li Hengkai, Lei Jun, Yang Liu. Extraction of vegetation coverage and analysis of landscape pattern in rare earth mining area based on Landsat image [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(10): 267－276. (in Chinese with English abstract)

[25] 王春梅，顾行发，余涛，等. 农田春小麦叶面积指数和覆盖度时空变异性研究[J]. 农业机械学报，2014，45(8)：254－261.Wang Chunmei, Gu Xingfa, Yu tao, et al. Study on spatial and temporal variability of leaf area index and coverage of spring wheat in farmland [J]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(8): 254－261 and 235. (in Chinese with English abstract)

[26] 徐水太. 赣州稀土产业可持续发展的问题与对策研究[J].江西理工大学学报，2014，35(4)：47－51.

[27] 邱南平，徐海申，李颖，等. 中国稀土政策的变迁及对稀土产业的影响[J]. 中国国土资源经济，2014，27(10)：41－44.

[28] 刘文深，刘畅，王志威，等. 离子型稀土矿尾砂地植被恢复障碍因子研究[J]. 土壤学报，2015，52(4)：879－887.Liu Wenshen, Liu Chang, Wang Zhiwei, et al. Limiting factors for restoration of dumping sites of ionic rare earth mine tailings[J].Acta Pedologica Sinica,2015, 52(4): 879－887 (in Chinese with English abstract)

[29] 陈熙，蔡奇英，余祥单，等. 赣南离子型稀土矿山土壤环境因子垂直分布：以龙南矿区为例[J]. 稀土，2015，36(01)：23－28.Chen Xi, Cai Qiying, Yu Xiangshan, et al. Vertical distributions of soil environmental factors in ion-type rare earth mining of southern Jiangxi - a case study in Longnan Rare Earth mining Area[J]. Chinese Rare Earths, 2015, 36(1): 23－28. (in Chinese with English abstract)

[30] 廖日富. 定南县治理废弃稀土矿山的成功实践[J]. 中国水土保持，2014，(5)：6－7.