采矿扰动下芦岭矿土地利用景观格局分析与预测

孙立颖，张世文，董祥林

(1.安徽理工大学空间信息与测绘工程学院，安徽 淮南 232001；2.安徽理工大学地球与环境学院，安徽 淮南 232001；3.淮北矿业(集团)有限责任公司通防地测部，安徽 淮北 235000)

“富煤、贫油、少气”是我国能源结构的主要特点，其中煤炭资源在一次能源中的生产、消费结构占比分别为76%和66%，因此煤炭资源在未来相当长时间内仍然担负促进经济发展及维护国家能源安全的重任。长时间、大范围及高强度的煤炭开采势必会引发矿区大量生态环境问题，如地面沉降、土地损毁、塌陷积水、生态失衡、景观破坏等。因此，急需准确快速的分析预测矿区土地利用景观格局的动态变化情况，以期为土地复垦、生态修复及水土资源的有效利用提供科学依据。

矿区作为一个特殊复杂的地理区域，其土地利用及景观格局演变是以煤矿开采为原动力的时空变化过程，围绕此现象，国内外学者展开大量研究；此外，一些学者从自然环境、经济发展、距离约束等角度选取驱动因子探究矿区土地利用变化的影响机制。总体而言，当前对矿区土地利用景观格局演变及驱动机制方面的研究已日渐完善，但是对某一因素影响下区域土地利用演变趋势的研究还相对较少。

鉴于此，本文以芦岭煤矿为研究对象，基于3S技术对矿区采动影响下2000～2018a土地利用变化进行快速监测及空间统计分析，结合景观生态学理论探究景观格局演变规律，基于CA-Markov模型模拟采矿扰动影响下矿区2025a土地利用格局，研究结果可为矿区土地复垦、土地资源集约高效利用及生态修复提供参考。

1 研究区概况

芦岭煤矿位于安徽省宿州市东南20km处，地处淮北平原中部，区内地势平坦，是典型的平原高潜水位矿区，其地理坐标为117°07′30″～117°13′10″ E，33°30′40″～33°34′30″ N(见图1)。矿区气候为暖温带半湿润季风气候，冬季寒冷干燥，夏季高温多雨，多年平均气温14.6 ℃，年平均降水量为865mm。芦岭煤矿于1969a开始投产，矿井生产能力核定为230×10t/a，2017a矿井实际生产能力在220×10t左右。根据矿山地质环境现状调查，现状地表塌陷面积大，采空塌陷影响面积约122 436km,积水区面积约59 325km，积水最大深度13m。

图1 研究区高程

2 数据来源及研究方法

2.1 数据来源及处理

从地理空间数据云(http://www.gscloud.cn//)上获取研究区2000a、2005a、2010a Landsat 5 TM数据，2015a、2018a Landsat 8 OLI数据及DEM数据。

基于ENVI 5.3进行辐射校正、裁剪、大气校正等预处理工作，综合考虑矿区地物的光谱、纹理特征及塌陷信息并结合Goolgle Earth上的高分辨率卫星影像，建立监督分类的训练样本，采用支持向量机(SVM)的分类方法对影像分类，最终将研究区的地类分为耕地、建筑用地、非塌陷水域和塌陷水域。根据开采沉陷的基本原理及对研究区塌陷积水的实地调研，本文将位于塌陷区内且随着塌陷范围扩大而不断增加的不规则成片分布水域解译为塌陷水域，其他为非塌陷水域。最后结合研究区2m分辨率的卫星遥感影像，通过选择与训练样本不重合的感兴趣区来建立验证样本，通过ENVI软件下的Confusion Matrix Using Ground Truth ROIS对训练样本和验证样本中的地类一一进行对比，最终求得5期影像的Kappa系数达95%以上，满足研究需求。

2.2 研究方法

1)土地利用转移矩阵 土地利用转移矩阵是一个行列数均为研究区地类的矩阵，它是土地利用动态转化模型， 可以很好地说明各土地类型之间相互转化的情况，从中可以看出各土地利用类型的补给来源、转移方向及转移速率，对于分析土地利用的时空变化情况具有重要意义。

2)景观格局分析 景观格局是指景观的空间结构特征，景观指数高度浓缩了景观格局信息，可以定量反演景观的空间配置及结构组成等信息，有助于更好地理解景观的时空变化特征。根据景观指数的生态学意义及本文研究目的，从景观水平和景观类型水平两方面选取香农多样性指数(SHDI)、香农均匀性指数(SHEI)、蔓延度指数(CONTAG)、聚合指数(AI)、斑块个数(NP)、斑块密度(PD)、最大斑块指数(LPI)、景观类型面积(CA)分析矿区景观格局变化情况。

3)CA-Markov CA-Markov模型是元胞自动机模型(CA)与马尔科夫模型(Markov)的结合体，同时兼备两种模型的优点，能够从空间和数量上对土地利用变化进行模拟，有效地提高了运算效率和准确性。

以2000a和2005a的土地利用数据为基础，借助Markov模块，生成2000～2005a的转移矩阵，结合MCE及Collection Editor模块生成适宜性图集文件。基于CA-Markov模型预测2010a的土地利用变化，在精度满足要求的前提下，再以2010a为起始年，预测2025a的土地利用变化情况。其中MCE包括限制因素和驱动因素两块，驱动因素的选择是预测的关键，参照已有研究结果及本文的研究目的，从自然因素和开采因素两个方面选取高程、坡度、距工矿用地距离及距塌陷水域距离作为驱动因子，采用层次分析法生成各地类的适宜性图集。由于芦岭矿当前还没有完善的开采计划并且煤矿在实施资源开采计划时可能存在人为主观的影响，如越界开采、越层开采等造成与实际开采计划不符，故本文未将开采计划作为驱动因素。

3 结果与分析

3.1 土地利用变化分析

芦岭矿区的土地利用类型相对单一，主要是以耕地为主(见图2)。随着煤矿的不断开采，各地类面积占比变化如下：塌陷水域面积由2000a的16.7%增加到2018a的30.4%，18a间增加了13.7%，主要分布在矿区的西南和西北区域；耕地面积占比相对减少，由2000a的47.4%减少到了2018a的36%；建筑用地呈现先减后增又减的态势，在研究期间共减少了8.2%；非塌陷水域面积占比在研究期间增加了5.9%(见表1)。

图2 芦岭矿区2000～2018a土地利用类型图

表1 芦岭矿区各土地利用类型面积占比 %

由表2可以看出在2000～2015a间各地类发生频繁转换：耕地主要是以转出为主， 主要转化成了建筑用地和塌陷水域， 转出总量达2.36km， 这与煤矿开采导致地表沉陷及城镇扩张有关， 与此同时， 受耕地占补平衡影响，在2015～2018a间有0.80km的建筑用地转为耕地； 建筑用地在2005～2015a间主要是以转入为主， 新增的建筑用地主要来源于耕地， 转入面积总和为1.72km，这段时间矿区经济高速发展， 使得建筑用地大幅度增加； 塌陷水域在研究期间一直以转入为主， 转入总量为2.65km，其中耕地、建筑用地及非塌陷水域转入的面积分别为1.05km、1.14km、1.31km；非塌陷水域在研究期间主要以转入为主，转入面积达1.13km。

表2 芦岭矿区土地利用转移矩阵 km2

年份类型耕地建筑用地塌陷水域非塌陷水域总计2010～2015耕地6.500.240.000.056.80建筑用地0.974.620.080.456.12塌陷水域0.290.274.350.475.38非塌陷水域0.140.360.060.471.03总计7.905.494.491.4419.33转出面积1.10-0.63-0.890.41—2015～2018耕地6.130.800.010.026.97建筑用地0.354.320.070.084.82塌陷水域0.090.325.170.305.88非塌陷水域0.230.680.130.631.68总计6.806.125.381.0319.33转出面积-0.171.30-0.50-0.65—

3.2 土地利用景观格局分析

1)景观水平格局变化分析 从景观多样性、景观蔓延度与聚合度两个方面分析芦岭矿区景观水平上的景观格局变化(见图3)。由图3可知，2000～2018a SHDI和SHEI指数变化趋势基本一致，呈持续增加的态势，表明研究区内各景观类型朝对等化的趋势发展，景观格局趋于多样化、均衡化；CONTAG和AI指数在这18年里总体呈下降趋势，表明矿区景观之间的连通性降低、景观破碎化程度日益严重。

图3 景观格局指数对比

2)景观类型格局变化分析 选取NP、PD、CA、LPI来分析矿区在2000～2018a景观类型上的格局变化特征(见图4)。由图4可以看出，耕地的NP总体呈上升趋势，而PD、LPI则呈相反趋势，总体在减少。这表明耕地正朝着破碎化程度发展，原因是采矿活动导致地表形变，同时改变了地下潜水位的赋存条件产生塌陷积水，使部分耕地变为塌陷水域或水田，景观类型面积有所减少。建筑用地的NP增加、PD和LPI减少是由于大范围塌陷积水使周边人居环境遭到破坏，故建筑用地分布较为分散、破碎化程度高。

塌陷水域的景观类型面积不断增加，NP和PD有所减少。采矿活动导致矿区内频繁出现大范围塌陷积水，地域分布不集中，LPI在2000～2005a降低，2005～2018a升高表明塌陷水域经历了由小破碎到大破碎的过程。

非塌陷水域的NP在2000～2018a持续增加、PD相对减少、CA总体上升，表明受煤矿开采影响，一部分塌陷水域演变为非塌陷水域。

图4 景观类型格局指数对照

3.3 CA-Markov模型的土地利用预测分析

以2000～2005a的土地利用数据为基础，预测2010a的土地利用变化。基于IDRISI中的Cross Tab模块对预测值和遥感解译值进行精度验证，经验证其Kappa系数为0.954 7。对预测和解译的土地利用图进行叠加分析，提取栅格位置一致的区域并赋值为0，不一致的区域赋值为1(见图5)，用栅格一致的单元数比上研究区总栅格数，求得模拟精度为81%。文献[18-19]及上述研究成果可知，模拟预测精度满足要求且CA-Markov模型具有较高的可信度。

图5 2015a芦岭矿区土地利用对照及误差检验

以2005～2010a的土地利用数据为基础，预测2025a采矿扰动下土地利用变化情况(见图6)。由图6和表3可知，与2010a各地类的面积相比， 模拟预测15年后各土地利用类型的面积总体呈“两增两减”趋势，即建筑用地和塌陷水域面积较2010a有所增加，面积占比分别增加至32.71%和39.42%，而耕地和非塌陷水域面积呈现相对减少趋势， 面积占比减少至23.25%和4.62%。至2025a，塌陷水域成为芦岭矿区主要的土地利用类型，其次是建筑用地，耕地优势度下降。

图6 2025a土地利用类型及模拟预测趋势

表3 2025a矿区土地利用类型面积及所占比例

4 结论

本文以多时相遥感数据为基础，采用3S技术、景观格局指数分析法及CA-Markov模型将采矿扰动作为影响因素分析预测矿区土地利用景观格局时空演变特征。

(1)受煤矿开采影响，矿区土地利用类型发生剧烈变化和频繁转换。其中耕地面积大幅度减少，研究期间共减少了11.4%，主要转化成了建筑用地和塌陷水域；与之相反，塌陷水域大幅增加，18a间面积占比增加了13.7%，逐渐成为矿区主要的土地利用类型；建筑用地在研究期间有所减少，总体减少了8.2%；非塌陷水域增加5.9%。

(2)采矿活动在影响土地利用变化的同时，也影响着矿区景观格局变化。18年间，耕地、建筑用地的PD、LPI减少，斑块呈破碎化发展态势；塌陷水域在此期间经历了由小破碎到大破碎的过程，景观类型面积持续上升；非塌陷水域在矿区内分布较集中；采矿活动使矿区景观格局朝着向多样性、均衡性发展。

(3)与2010a各地类面积相比，15年后芦岭矿区塌陷水域和建筑用地面积总体呈增加趋势，而耕地和非塌陷水域面积呈相对减少趋势，至2025a塌陷水域占据矿区绝大部分区域，大范围塌陷水域制约了土地产出，降低了煤矿区土地生产力，水土资源的时空匹配遭到破坏。因此，对于采矿扰动下的平原高潜水位矿区，应及时实施行之有效的土地复垦方案，最大限度地减少煤矿开采造成的矿山环境问题，有效遏制对矿区水土地资源及地质地貌景观的破坏，维护矿区生态平衡，促进矿区土地资源高效集约发展。