典型露天矿区生态环境遥感评价

刘英 朱蓉 岳辉

摘 要：研究露天礦区生态环境演变及其时空变化规律，对露天矿区生态环境保护和建设绿色矿山具有重要意义。以平朔矿区为例，基于Landsat 5/8 影像和气象数据，采用RSEI指数及改进的CASA模型监测1989—2019年平朔矿区生态环境演变并分析生态恢复力与

RSEI、NPP的关系，结果表明：平朔矿区1989—2019年生态环境呈变好趋势，差等级面积从1989年的33.00 km2减少到2019年的16.75 km2，优和良等级面积分别增5.51 km2和5.66 km2;研究区采矿面积从1989年的10.63 km2增加到2019年的65.84 km2;2019年土地复垦面积比2002年增加了14.97 km2;基于线性加权构建表征生态恢复力大小的综合指数Z分析表明30 a间矿区生态恢复力逐渐增大，且该指数与NPP和RSEI呈显著正相关（P<0.01）。利用自然间断法将综合指标分为Ⅰ、Ⅱ、Ⅲ、Ⅳ 4级，分别表示生态恢复力由低到高，30 a间生态恢复力低的I区面积呈下降趋势，生态恢复力高的IV区面积呈增加趋势，说明30 a间平朔矿区复垦效果显著。

关键词：遥感生态指数;平朔矿区;矿区复垦中图分类号：P 23

文献标志码：A

文章编号：1672-9315（2021）04-0682-10

DOI：10.13800/j.cnki.xakjdxxb.2021.0414开放科学（资源服务）标识码（OSID）：

Remote sensing evaluation of ecological environment in

typical open-pit mining areas

LIU Ying1，2，ZHU Rong1，YUE Hui1，2

（1.College of Geomatics，Xian University of Science and Technology，Xian 710054，China;

2.Institute of Ecological Environment Restoration in Mine Areas of West China，

Xian University of Science and Technology，Xian 710054，China）

Abstract：It is of great significance to study the evolution of ecological environment and its spatiotemporal variation in open-pit mining area.Taking Pingshuo mining area as an example，based on Landsat Image and meteorological data，RSEI index and improved CASA model were used to monitor the evolution of ecological environment in Pingshuo mining area from 1989 to 2019，and the relationship between ecological resilience and RSEI and NPP was analyzed.The results showed that：The ecological environment of Pingshuo mining area showed a trend of improvement from 1989 to 2019.The area of poor grade decreased from 33.00 km2 in 1989 to 16.75 km2 in 2019，and the area of excellent and good grades increased by 5.51 km2 and 5.66 km2 respectively.The mining area in the study area increased from 10.63 km2 in 1989 to 65.84 km2 in 2019;the area of land reclamation in 2019 increased by

14.97 km2 compared to than in 2002.The comprehensive index Z based on linear weighted analysis showed that the ecological resilience of mining area increased gradually in 30 years，and the index was positively correlated with NPP and RSEI（P<0.01）.The comprehensive indexes of reclamation are divided into four categories

of Ⅰ，Ⅱ，Ⅲ and Ⅳ，representing the ecological resilience from low to high respectively.The results show that the area of  Ⅰ with low ecological resilience decreases and  Ⅳ with high ecological resilience increases during 30 years，indicating that the reclamation effect of Pingshuo mining area is remarkable in 30 years.Key words：remote sensing ecological index;Pingshuo mining area;mine reclamation

0 引 言煤炭是社会与经济发展的重要物质基础，也是人们生产生活的主要能源[1]。露天煤矿是由地质变化沉积在地表或浅层的煤炭层，直接通过露天开采。发达国家露天开采的煤炭产量所占比重通常超过井下开采，是煤炭开采的主要形式[2];近年来，我国露天煤矿建设与生产取得了快速发展，露天开采的煤炭产量比重呈逐年上升趋势[3]。由于露天开采占压和挖损土地，对地貌造成破坏，地表形态、生物种群以及浅部地层直接损毁，地表表层植被遭到破坏[4]，原本稳定的系统受到严重干扰，生态环境发生巨变。因此，对露天矿区生态环境变化进行监测与评价一直以来是研究的热点。遥感技术因其能够大范围快速高效的获取地表信息而被广泛应用于露天矿区的生态环境监测中。20世纪60年代国外开始利用遥感技术对矿产资源开采状况进行监测[5];在矿产资源开发过程中所造成的环境影响从最初主要集中在对矿区水的影响[6-8]、植被破坏[9]、土壤成分变化[10]以及土地利用类型变化[11]等方面，到逐渐深入研究矿区植被恢复[12]、土地复垦[13]以及基于生态环境综合指标的矿区生态环境监测[14]等方面。土地复垦与植被恢复和矿区生态环境密切相关，利用遥感技术可以监测植被的生长状态并探究矿区生态恢复情况。相关研究分别利用遥感生态指数（remote sensing ecology index，RSEI）[15]或植被净初级生产力（net primary productivity，NPP）探讨矿区生态环境的变化，未考虑两者的综合影响。基于RSEI和NPP，利用线性加权分析法构建综合指数分析平朔矿区的生态环境演变状况，同时基于平朔矿区的土地利用数据分析平朔矿区1989—2019年复垦与采矿区域的面积变化和复垦区域生态恢复力受RSEI与NPP的影响程度，研究结果可为相关部门制定平朔矿区环境治理政策，有效实现为土地复垦提供科学支撑。

1 数据与方法

1.1 研究区概况平朔矿区位于山西省北部朔州市境内，是中国规模最大、现代化程度最高的煤炭生产基地之一，区内主要有安太堡、安家岭、东露天矿三大矿区（图1）。安太堡、安家岭矿区地理坐标为东经112°19′20″～112°26′32″，北纬39°27′48″～39°31′13″;东露天矿地理坐标为东经112°26′30″～112°29′52″，北纬39°32′45″～39°34′15″。矿区属典型的北温带半干旱大陆性季风气候，气温年较差和日较差大。矿区为黄土丘陵地貌，地势北高南低，地形以山地、丘陵为主。

1.2 数据来源与处理 采用1989—2019年的Landsat系列共四景遥感影像作为研究数据，影像均为9月份无云的清晰影像（表1）。原始数据经过辐射定标、大气校正和几何校正等预处理工作。根据平朔矿区的实际地物类型和《土地利用现状分类标准（GB/T 21010—2007）》，利用支持向量机分类结合目视解译的方法将研究区土地利用类型划分为耕地、林地、草地、建筑用地、露天采坑、剥离区、排土场和工业广场。本研究所用的气象数据来自中国气象数据网（http：//data.cma.cn/），包括月降水量、月平均气温以及月总太阳辐射数据等。

2 研究方法

2.1 遥感生态指数RSEI的计算遥感生态指数（RSEI）将绿度分量（NDVI）、湿度分量（WET）、干度分量（NDSI）和热度分量（LST）4个遥感指数组合成新的指数影像后，进行主成分分析，获得初始的生态指数RSEI0，再对RSEI0进行正规化得到所构建的遥感生态指数RSEI。各遥感指数具体计算方法参见文献[16-20]。

2.2 基于CASA模型的NPP计算

本研究采用改进的CASA模型估算平朔矿区的NPP，所估算的NPP可以由植物吸收的光合有效辐射（absorbed photosynthetically active radiation，APAR）和實际光能利用率（ε）2个因子来表示，具体公式见文献[21-22]。

2.3 利用熵值法计算RSEI与NPP的权重 信息熵是表示不确定性的量度，不确定性越大，其无序性就越大，因此信息熵是无序性的一种度量。若某个因子的空间变化不大，则信息熵的不确定性就越小，信息熵越小，相应的权重就越小，如果空间变化较大，相应的权重就大，权重的计算方法参见文献[23]。

2.4 综合指数的构建线性加权分析法是为每个指标分配不同的权重系数，通过建立线性关系来计算每个像元的综合指标值[24]。将RSEI和NPP指标的标准化值乘以相应的指标权重，构建综合指数Z。Z值越大，表明矿区生态恢复力越强。计算见式（1）。

Z=∑ni=1Xij

*Wij

（1）

式中 Z为每个像元的综合指标值;

Xij为像元i中指标j的归一化值;Wj表示每个指标的权重系数，i=1，2，…，n，j=1，2。

3 实验结果与分析

3.1 平朔矿区RSEI变化分析参照文献[25]的生态等级划分方法，将RSEI值按等间隔分成5个等级，即差（0～0.2]、较差（0.2～0.4]、中（0.4～0.6]、良（0.6～0.8]和优（0.8～1]，并制作遥感生态指数分级图（图2），同时求取1989年、2002年、2009年和2019年9月（表2）各等级面积及其所占比例。经查文献资料[26]可知，平朔矿区迄今经历了4个阶段分别为创业阶段（1987—1991年）、发展阶段（1992—2003年）、跨越阶段（2004—2012年）以及转型阶段（2013年—至今），因此，文中选取4个典型阶段的不同遥感影像作为数据源来研究平朔矿区的生态环境状况。从图2可知，生态质量为差的区域主要分布在采矿区，非采矿区的生态质量主要为良和中。安太堡、安家岭矿区随着开采面积的不断扩大，2009年东露天矿出现明显的开采范围，随着年份的推移，安太堡和安家岭矿区向东北方向扩展，2个矿区边界更加分明;东露天矿区以开采点为中心不断进行扩张。非采矿区相对于1989—2002年生态环境质量明显提高，中等及以上等级面积比重增加明显。分别统计1989，2002，2009，2019各年份5个级别面积以及所占研究区总面积比，见表3。平朔矿区1989—2019年的生态环境质量呈上升趋势，30 a年间平朔矿区RSEI等级分布主要以良为主，分别占总面积的26.20%，27.03%，28.81%，28.33%，虽然采矿面积逐年增加，但平朔矿区的生态环境质量整体呈优良趋势发展，差等级的区域面积从1989年的33.00 km2减少到2019年的16.75 km2，减少了6.13%;30 a年间中等级的区域面积保持稳定，平均面积为63.74 km2;2019年优和良等级的面积相比于1989年都有所增加，等级为优的面积增加了5.51 km2，等级为良的面积增加5.66 km2，相对于研究区总面积分别增加了2.13%和2.07%。

3.2 平朔矿区NPP变化分析通过改进的CASA模型反演平朔矿区NPP，由图3可知，采矿区NPP值趋于0，非采区的NPP值接近于整个研究区的最高值，平朔矿区的NPP最大值呈递减趋势，从1989年月均13.734 gc/m2减少到2019年的月均7.640 gc/m2。从空间上来看，由于从1989—2019年，平朔矿区的采矿面积不断增加，采矿区较小NPP值的范围逐渐扩大，与此同时，矿区周边复垦区域较明显，NPP值有所增加。

3.3 平朔矿区复垦区域生态环境

3.3.1 土地利用变化分析

文中参考国家土地利用分类标准（GB/T 21010—2007），结合平朔矿区实际情况，通过目视解译为主、支持向量机分类为辅的方法将研究区划分为耕地、林地、草地、建筑用地、排土场、剥离区、露天采坑、工业广场等8大地物类型。混淆矩阵验证分类结果表明总体精度93.2%，Kappa系数在0.87以上，满足本研究对数据分类的精度要求。从表3可知，平朔矿区1989—2019年30 a间耕地、林地以及草地面积不断减少，其中，耕地面积从1989年的167.02 km2減少到2019年的162.19 km2，林地面积减少了45.03 km2，草地面积减少了5.36 km2。相反，随着采矿范围的不断扩大以及研究区城镇化水平的加快，露天采坑、剥离区、排土场、工业广场以及建筑用地均在增加，1989年上述5种地物类型的面积分别只有0.23，1.93，5.22，2.50，0.76 km2，2019年分别增加到18.34，11.25，8.18，15.18和12.88 km2，占总面积的24.83%。从土地利用现状分类数据来看（图4），1989—2019年采矿区域范围不断扩大，安太堡和安家岭露天矿范围从西南向东北方向逐渐移动，东露天矿呈四周扩张趋势。

安太堡、安家岭和东露天矿分别于1985年、1998年和2006年投入生产[27]。由于平朔矿区主要复垦方向为耕地、林地、草地，故本研究中将各年期剥离区、建筑用地、排土场、工业广场以及露天采坑转为耕地、林地、草地的区域记为复垦区域;将各年期剥离区、建筑用地、排土场、工业广场以及露天采坑未转为耕地、林地、草地的区域记为未复垦区域。从图5（a）可知，1989—2019年土地复垦区域面积不断增加，其中复垦方向为耕地的区域从1989—2002年的0.24 km2增加到2009—2019年的12.92 km2，林地复垦面积30 a间相较于草地与耕地的复垦面积最少，复垦率为0.08 km2/a，草地复垦总面积1989—2019年达到16.58 km2，从复垦面积的变化来看，平朔矿区对矿区开采后的复垦规划得到有效实施，且效果显著;由图5（b）可知，随着采矿面积的不断增大以及城市化进程的加快，未复垦区域面积也有所增加，露天采坑2002年比1989年有1.28 km2未发生地物类型变化，根据土地利用分类数据（图4）可知，露天采坑的面积随着年份的增长呈增加趋势，排土场2009—2019年有5.00 km2未发生地物类型变化，剥离区、工业广场的未复垦区域30 a间总面积为4.75 km2和12.59 km2，随着城市化进程的加快，建筑用地的面积逐年增加，尤其是2009—2019年间，以建筑用地为类型的未复垦区域的面积达到9.17 km2。

3.3.2 复垦/采矿区域植被NPP与RSEI研究

通常生态环境质量较好的区域，RSEI值也较大。从表4可知，1989—2002年，采矿区的生态环境基本维持不变，RSEI均值在0.2左右;2009—2019年，采矿区生态环境质量呈变好趋势，2009年的RSEI均值增加到0.264 9，2019年的RSEI比1989年增加了0.583;1989—2019年复垦区域的生态环境质量逐渐变好，RSEI均值由2002年的0.521增加到2019年的0.790。采矿区NPP月均值由1989年的2.307 gc/m2减少到2019年的1.083 gc/m2;复垦区域的生态环境得到改善，大多数采矿用地转变成林地、草地以及耕地，2002年和2009年土地复垦区域NPP月均值分别为4.922 gc/m2和4.813 gc/m2，2019年的土地复垦区域NPP月均值比1989年采矿区增加了0.468 gc/m2。

从图6、图7可知，复垦区域的RSEI、NPP值均高于采矿区，这是由于采矿区缺乏植被生长且土壤质地脆弱，其所反应的植被生长状态以及生态环境质量就较差。随着矿区环境保护政策的实施，采矿区的生态环境质量逐渐有所好转，2019年生态环境质量达到多年来最优值。

3.3.3 基于线性加权分析法的综合指数分析根据熵值法分别计算RSEI与NPP的权重，利用线性加权分析法得到生态复垦区域基于NPP和RSEI的综合指标Z值。基于熵值法计算2002—

2019年RSEI与NPP所占权重（表5）表明，NPP 比RSEI起主导作用，除2009年两者所占权重相近外，2002年和2019年NPP权重值分别达到0.545和0.601。熵值法计算的RSEI和NPP的权重均为正值，则线性加权分析法得到的综合指标越大表明复垦区域的环境状况越好，矿区生态恢复力越强。Z值介于0～1之间，越接近于1表明复垦效果越好。从表6可知，2002年、2009年和2019年复垦区域生态恢复力均值分别为0.499，0.621和0.455，对应的标准差分别为0.235，0.239和0.223。在ArcGIS中根据自然间断法将研究区的综合指数Z分为4个等级（图8），分别为Ⅰ、Ⅱ、Ⅲ、Ⅳ，代表矿区复垦恢复力由低到高。

从表7可知，复垦区域生态恢复力综合指标值与RSEI和NPP均通过了P<0.01的显著性检验，生态恢复力低的Ⅰ、Ⅱ区域主要受RSEI影响，其中2002年Ⅰ区的皮尔森相关系数达0.829，生态恢复力高的Ⅲ、Ⅳ区域主要受NPP的影响，其中2009年Ⅱ区的皮尔森相关系数达0.765。由图9可知，位于Ⅰ区的生态恢复力的面积比重由2002年20.46%下降到2019年的13.33%;

位于Ⅱ区的面积比重由2002年的30.98%下降到2019年的17.72%，表明2002—2019年间，复垦区域生态恢复力弱的区域面积逐渐减少;Ⅲ区的面积处于先减少后增加的趋势，2019年面积比重达到23.79%，其均值为0.61;Ⅳ区的面积2002—2019年间持续增加，由2002年的16.46%增加到2019年的45.17%，说明2002—2019年间矿区生态恢复力高的面积逐渐增加。

4 结 论

1）平朔矿区的采矿区空间位置随着年份的推移发生改变，安太堡和安家岭矿区向东北方向移动，2个矿区边界更加分明;东露天矿区以开采点为中心不断扩张。

2）矿区采矿复垦面积均呈不断增加趋势，采矿面积从1989年的10.63 km2增加到2019年的65.84 km2;2019年的土地复垦面积相对于2002年增加了14.97 km2。

3）2019年平朔矿区生态环境质量为优和良等级的面积比1989年均有所增加，分别增加了5.51和5.66 km2。由于采矿区范围的增加，2019年采矿区NPP月均值相比于1989年减少了1.224 gc/m2，复垦区域比采矿区增加了0.468 gc/m2。

4）基于线性加权分析法构建的矿区复垦区的综合指标表明1989—2019年生态恢复力低的Ⅰ区面积呈下降趋势，生态恢复力高的Ⅳ区面积呈增加趋势，表明平朔矿区复垦效果显著。

参考文献（References）：

[1] 彭苏萍，张博，王佟.我国煤炭资源“井”字形分布特征与可持续发展战略[J].中国工程科学，2015，17（9）：29-35.

PENG Suping，ZHANG Bo，WANG Tong.The distribution characteristics of the “well” shape of my countrys coal resources and sustainable development strategies[J].Chinese Engineering Science，2015，17（9）：29-35.

[2]

武強，涂坤.我国发展面临能源与环境的双重约束分析及对策思考[J].科学通报，2019，64（15）：1535-1544.WU Qiang，TU Kun.Chinese development faces the dual constraints of energy and environment analysis and countermeasures[J].Chinese Science Bulletin，2019，64（15）：1535-1544.

[3]王双明，段中会，马丽，等.西部煤炭绿色开发地质保障技术研究现状与发展趋势[J].煤炭科学技术，2019，47（2）：6-11.WANG Shuangming，DUAN Zhonghui，MA Li，et al.Research status and development trend of geological Guarantee technology for green coal development in west China[J].Coal Science and Technology，2019，47（2）：6-11.

[4]裴文明.淮南潘谢矿区生态环境动态监测及预警研究[D].南京：南京大学，2016.

PEI Wenming.Research on dynamic monitoring and early warning of ecological environment in Huainan Panxie mining area[D].Nanjing：Nanjing University，2016.

[5]钱丽萍.遥感技术在矿山环境动态监测中的应用研究[J].安全与环境工程，2008，15（4）：5-9.QIAN Liping.Research on application of remote sensing technology in dynamic monitoring of mine environment[J].Safety and Environmental Engineering，2008，15（4）：5-9.

[6]刘英，岳辉.神府东胜矿区采区与非采区土壤水分变化特征分析[J].煤炭技术，2015，34（9）：324-327.LIU Ying，YUE Hui.Analysis on the characteristics of soil moisture change in mining area and non-mining area in Shenfu Dongsheng Mining Area[J].Coal Technology，2015，34（9）：324-327.

[7] 武谋达，王建辉，侯恩科，等.大佛寺煤矿顶板涌水规律及影响因素[J].西安科技大学学报，2018，38（4）：636-642.WU Mouda，WANG Jianhui，HOU Enke，et al.The rules and influencing factors of water inrush from the roof of Dafosi Coal Mine[J].Journal of Xian University of Science and Technology，2018，38（4）：636-642.

[8] WANG Q Q，LI W P，LI T，et al.Goaf water storage and utilization in arid regions of northwest China：A case study of Shennan coal mine district[J].Journal of Cleaner Production，2018，202，33-44.

[9]郭力宇，郭昭，王涛，等.陕北黄土高原植被动态变化及其对气候因子的响应[J].西安科技大学学报，2019，39（2）：317-326.GUO Liyu，GUO Yang，WANG Tao，et al.Vegetation dynamic changes in the Loess Plateau of northern Shaanxi and its response to climate factors[J].Journal of Xian University of Science and Technology，2019，39（2）：317-326.

[10] VENKATARAMAN G，KUMAR S P，RATHA D S，et al.Open cast mine monitoring and environmental impact studies through remote sensing：A case study from Goa，India[J].Geocarto International，1997，12（2）：39-53.

[11] KARAN S K，

SAMADDER S R.Improving accuracy of long-term land use change in coal mining areas using wavelets and Support Vector Machines[J].International Journal of Remote Sensing，2018，39（1）：84-100.

[12]LEI S G，

CHEN H Q，BIAN Z F，et al.Evaluation of integrating topographic wetness index with backscattering coefficient of Terra SAR-X image for soil moisture estimation in a mountainous region[J].Ecological Indicators，2016，61（2）：624-633.

[13]XIAO W，LYU X，ZHAO Y，et al.Ecological resilience assessment of an arid coal mining area using index of entropy and linear weighted analysis：A case study of Shendong Coalfield，China[J].Ecological Indicators，2020，109：105843.

[14]岳輝，刘英，朱蓉.基于遥感生态指数的神东矿区生态环境变化监测[J].水土保持通报，2019，39（2）：107-113，120.YUE Hui，LIU Ying，ZHU Rong.Monitoring of ecological environment changes in Shendong mining area based on remote sensing ecological index[J].Bulletin of Soil and Water Conservation，2019，39（2）：107-113，120.

[15]徐涵秋.城市遥感生态指数的创建及其应用[J].生态学报，2013，33（24）：7853-7862.XU Hanqiu.The creation and application of urban remote sensing ecological index[J].Acta Ecologica Sinica，2013，33（24）：7853-7862.

[16]BAIG M H A，

ZHANG L，SHUAI T，et al.Derivation of a tasseled cap transformation based on Landsat 8 at satellite reflectance[J].Remote Sensing Letters，2014，5（5）：9.

[17]GOWARD S N，XUE Y，CZAJKOWSKI K P.Evaluatiing land surface moisture conditions from the remotely sensed tempetrature/vegetation index measurements[J].Remote Sensing of Environment，2002，79（2）：225-242.

[18]徐涵秋，杜丽萍.遥感建筑用地信息的快速提取[J].地球信息科学学报，2010，12（4）：574-579.XU Hanqiu，DU Liping.Rapid extraction of remote sensing building land information[J].Journal of Geo-Information Science，2010，12（4）：574-579.

[19]覃志豪.用陆地卫星TM6数据演算地表温度的单窗算法[J].地理学报，2001，56（4）：456-466.QIN Zhihao.A single-window algorithm for calculating land surface temperature using land satellite TM6 data[J].Acta Geographica Sinica，2001，56（4）：456-466.

[20]RUNNING S W，NEMANI R R，PETERSON D L，et al.Mapping regional forest evapotranspiration and photosynthesis by coupling satellite data with ecosystem simulation[J].Ecology，1989（70）：1090-1101.

[21]朱文泉，潘耀忠，張锦水.中国陆地植被净初级生产力遥感估算[J].植物生态学报，2007，31（3）：413-424.ZHU Wenquan，PAN Yao Zhong，ZHANG Jinshui.Remote sensing estimation of net primary productivity of terrestrial vegetation in China[J].Chinese Journal of Plant Ecology，2007，31（3）：413-424.

[22]XIAO W，LYU X，ZHAO Y，et al.Ecological resilience assessment of an arid coal mining area using index of entropy and linear weighted analysis：A case study of Shendong Coalfield，China[J].Ecological Indicators，2020，109：105843.

[23]ZHAO W，WEI L，XU J，et al.Theory of liner weight evaluation and cluster analysis with application[J].Pure and Applied Mathematics，2002，4（3）：121-125.

[24]吴志杰，王猛猛，陈绍杰等.基于遥感生态指数的永定矿区生态变化监测与评价[J].生态科学，2016，35（5）：200-207.WU Zhijie，WANG Mengmeng，CHEN Shaojie，et al.Monitoring and evaluation of ecological changes in Yongding mining area based on remote sensing ecological index[J].Ecological Science，2016，35（5）：200-207.

[25]

程苗苗，王辉，马刚，等.基于遥感影像的平朔矿区碳汇变化及预测研究[J].中国矿业，2020，29（3）：80-87.CHENG Miaomiao，WANG Hui，MA Gang，et al.Research on carbon sink changes and prediction in Pingshuo mining area based on remote sensing images[J].China Mining，2020，29（3）：80-87.

[26]偶星.基于CASA模型的平朔矿区复垦土地NPP研究[D].北京：中国地质大学（北京），2009.OU Xing.Research on NPP of reclaimed land in Pingshuo mining area based on CASA model[D].Beijing：China University of Geosciences（Beijing），2009.