基于遥感生态指数的金川镍矿区生态环境质量变化分析*

冉茂莹，王卫红,3，王雪丽，刘晨阳，朱鹏飞

(1.西南科技大学 环境与资源学院，四川 绵阳 621010;2.国家遥感中心绵阳科技城分部，四川 绵阳 621010;3.四川航遥智测科技有限公司,四川 绵阳 621010)

0 引言

金川被誉为中国的“镍都”，金川镍矿经历60余年的开发建设，已经成为世界级大型多金属硫化铜镍矿之一[1]。近十年来，随着该镍矿资源的大规模、高强度开采，在支撑当地经济发展的同时，给矿区周围的生态环境造成了不利影响[2-3]。

生态环境质量动态监测和评价的方法较多，其中遥感技术具有速度快、监测范围广、实效性强及周期性重复观测等优势[4-10]。使用遥感技术在城市、森林、农田、流域、湿地等区域采用单一的生态质量指数能很好地反映其某一方面的生态特征，但对整体生态环境质量的评价缺少客观性和全面性[11-14]。徐涵秋[15]首次提出了遥感生态指数(Remote Sensing Ecology Index,RSEI)，利用主成分分析法集成了绿度、湿度、干度和热度4个因素，用于快速监测评价区域的生态质量。此后，遥感生态指数被广泛应用于矿区生态环境质量评价中[16-21]，如：吴志杰等[22]利用遥感生态指数对永定矿区的生态变化进行了监测与评价；李蕊等[23]采用遥感生态指数对神州矿区进行了生态环境质量的时空变化特征分析。

甘肃省河西走廊为中国半漠内陆盐土分布地带，研究区位于其东端，土壤多为沙土，实地考察结果显示，研究区内土壤多含盐碱，因此在选择生态因子指标时，增加了盐度因子，以监测研究区内盐碱地的变化趋势以及对生态环境的影响。本文对RSEI进行了改进，采用绿度、湿度、干度、热度和盐度5个因子进行耦合分析，据此对金川矿区进行生态环境质量评价。

1 研究区概况与数据来源

1.1 研究区概况

研究区位于甘肃省河西走廊东端，金昌市北部，龙首山北麓，阿拉善台地南缘，地理坐标为东经101°07′45″～102°18′32″、北纬38°27′00″～38°32′18″。研究区属大陆性温带干旱气候，降水量少，光照充足，蒸发量大，昼夜和四季温差显著。研究区内植被稀少,植物大多数为骆驼蓬、猪尾草、虎尾草、披针叶野决明，多分布于干旱地区及盐碱沙地，人工植被多为细叶结缕草、榉树以及一些耕地作物。研究区内有金川镍矿开采区、矿物堆放场、一般固废填埋场、金川国家矿山公园以及一些植被。研究区范围如图1所示。

图1 研究区范围

1.2 数据来源与处理

本研究遥感数据使用 2000-2020年的Landsat 5 TM、Landsat 8 OLI数据。考虑金川矿区处于西北干旱区，本研究主要以夏季的遥感影像数据为主，主要集中在6月附近，包括2000年6月8日、2005年6月6日、2010年6月4日的Landsat 5 TM，2015年6月18日和2020年5月30日的Landsat 8 OLI共5期数据，空间分辨率为30 m，云量均低于7%，影像质量佳。使用ENVI软件对遥感影像进行几何校正、辐射定标、大气校正、裁剪等预处理。

2 研究方法

2.1 遥感生态指数构建

1)绿度因子

归一化植被指数 (NDVI) 是植物生长状态的最佳指示因子，能够较好地反映植被的覆盖和生长情况，其与植被分布密度呈线性相关，对生态起正面作用。NDVI监测植被的生长状态，间接反映该地区的生态脆弱性[24]，计算公式为

NDVI=(b4-b3)/(b4+b3)，

(1)

式中：b4、b3分别表示TM和OLI影像近红外、红波段的反射率值。

2)湿度因子

湿度因子是反映地表含水率的指标，缨帽变换后的湿度分量与植被、土壤密切相关[25]。不同传感器下的计算公式不同，Landsat 5 TM和Landsat 8 OLI的计算公式分别为

WETTM=[b1×0.031 5+b2×0.202 1+b3×0.301 2+b4×0.159 4+b5×(-0.680 6)+b7×(-0.610 9)],

(2)

WETOLI=[b1×0.151 1+b2×0.197 3+b3×0.328 3+b4×0.340 7+b5×(-0.711 7)+b7×(-0.455 9)],

(3)

式中：WETTM和WETOLI分别代表Landsat 5和 Landsat 8的湿度分量，b1、b2、b5、b7分别表示TM和OLI影像的蓝波段、绿波段、中红外波段1、中红外波段2的反射率值。

3)干度因子

裸露的土壤如岩石、沙地、裸土和城市用地会出现土壤干化，从而对生态系统带来负面影响。因为研究区存在部分裸土和城区建筑物，因此采用以裸土指数(SI)和建筑指数(IBI)的均值为代表的NDBSI表示干度因子，计算公式分别为

SI=[(b11×1.0+b4)-(b8+b2)]/[(b11×1.0+b4)+(b8+b2)],

(4)

(5)

NDBSI=(SI+IBI)/2,

(6)

式中：b8、b11分别代表TM和OLI影像的中红外1、中红外2波段的反射率值。

4)盐度因子

干旱地区降水少，日照时间长，土壤中水分稀少，盐碱不断累积于土壤表层，导致土壤盐碱化严重。矿区开挖破坏植被表层，土壤盐碱化后进一步抑制植物生长，导致植被类型向盐生植物和荒漠类型转变，最终导致生态环境恶化[26]。因此加入盐度指数(SI-T)[27]作为构建RSEI的指标之一，以此定量分析矿区土壤盐渍化对生态环境质量的影响，计算公式为

SI-T=100×(b3/b4)。

(7)

5)热度因子

热度指标代表地表温度。本文使用大气矫正法对Landsat影像数据进行温度反演，首先估计大气对地表热辐射的影响,然后把这部分热辐射从卫星传感器所观测到的热辐射总量中减去,从而得到地表热辐射强度,再将其转化为相应的地表温度[28]。计算公式如下：

L=gain×DN+bias，

(8)

T=K2/ln(K1/L+1) ，

(9)

LST=T/[1+(λT/ρ)ln∈]，

(10)

式中，L为 TM 热红外波段在传感器处的辐射值，T为传感器处温度，LST为地表温度，gain、bias和DN分别代表热红外波段的增益值、热红外波段的偏置值与像元的灰度值，K1和K2为定标参数，λ为热红外波段中心波长，ρ=1.438×10-2m·K，∈为地表比辐射率。

2.2 RSEI的构建

由于5个生态因子的指数量纲不同，需对其作归一化处理；然后将5个因子耦合进行主成分分析，获取PC1～PC5,进一步计算PC1生成遥感生态指数RSEI，对PC1进行正负转置处理得到初始值RSEI0,再对RSEI0进行归一化处理得到最终的遥感生态指数RSEI，其值越大，表明生态环境质量越好，反之表示生态环境质量越差。

RSEI0=1

-{PC1[f(NDVI,WET,NDBSI,LST,SI-T)]},

(11)

(12)

式中：RSEI0-max、RSEI0-min分别为RSEI初始值的最大值和最小值。

3 结果分析

3.1 质量评价分析

表1是不同年份的各指标第一主成分分析结果。

表1 不同年份的各指标第一主成分分析结果

由表1可知：每年的第一主成分贡献率都大于90%，说明较好地集中了5个指标中的大部分属性特征；NDVI和WET对RSEI的贡献度为正，LST、NDBSI和SI-T对RSEI的贡献度为负，即绿度和湿度对遥感生态指数起正向作用，干度、热度和盐度对遥感生态指数起负向作用。

表2是不同年份的各指标均值。由表2可知：绿度指数一直在增加，表明研究区植被覆盖率变大；干度指数呈波动状态，在2010年达到最大值0.367，之后呈下降趋势；湿度指数在2005年时最大，为0.244，之后总体呈下降趋势；热度指数变化不大，均为0.3左右；而盐度指数总体呈增加趋势，到2020年时达到最大值0.051，相较其他指数，其所占比重较小。RSEI从0.366增至0.596，表明研究区生态环境质量在逐渐提升。

表2 不同年份的各指标均值

3.2 金川矿区生态环境质量的时空变化

根据参考文献[28]的生态等级划分方法，对金川矿区生态环境质量做进一步划分，将RSEI以0.2为间隔分为5个等级，分别表示5种生态状况，即：差(1级，0.1～0.2)，代表生态环境恶劣；较差(2级，0.2～0.4)，代表有较低植被覆盖率，生物多样性差；中等(3级，0.4～0.6)，代表有一定的植被覆盖率，有限制活动因素但适宜人类生活；良好(4级，0.6～0.8)，植被覆盖率高，生物多样性良好，适宜人类生活；优(5级，0.8～1.0)，植被覆盖率较高，非常适宜人类生活。图2是生态环境分级图，表3为各等级面积及其占比。

图2 2000-2020年生态环境分级图

表3 生态环境质量等级统计

由图2可知，生态环境质量变化较大的有生态公园、固废处理厂及人工植被，其中生态环境质量差的区域主要是矿物加工厂及固废处理厂，生态环境良好的主要是一些绿化区。2000年以来，金川镍矿产量呈递增趋势，2000-2005年期间矿石产量增加了3倍以上，但是生态环境基本无变化。2000-2005年，金川矿区的生态环境恢复治理处于起步阶段，生态环境质量一般；2005-2010年，生态环境质量变化不大。2009年开始，金川集团针对矿山恢复治理投入了23.18亿元，实施了“蓝天碧水”工程，2010年对矿区的露天矿和废石场进行了绿化，生态环境有了明显改善，矿区还建设了矿山公园，并对已关闭的矿坑和尾矿库进行复垦，这都对生态环境起到了正向作用。

由表3可知：从2010年起，生态环境质量较差的区域面积逐渐减小，中等及以上区域面积增大；2020年与2000年相比，生态环境质量中等及以上的面积增加了16.3个百分点，质量较差的面积减小了22.8个百分点，质量优良的面积增加了2.4个百分点。由此可见，矿山生态环境的保护和恢复治理效果显著，金川矿区周围的生态环境质量明显改善。

3.3 RESI的建模与分析

为进一步定量分析矿区生态环境变化，以RSEI为因变量，NDVI、NDBSI、LST、WET、SI-T为自变量建立多元回归方程。在研究区随机采样，共采集3 800个点。各年份的回归模型分别为

RSEI2000=0.785 9+0.020 1X1-0.248 0X2+0.400 4X3-0.481 1X4-0.006 1X5(R2=0.979),

(13)

RSEI2005=0.561 4+0.021 1X1-0.208 9X2+0.436 5X3-0.532 0X4-0.012 2X5(R2=0.999),

(14)

RSEI2010=0.792 6+0.030 6X1-0.523 0X2+0.234 9X3-0.482 8X4-0.001 2X5(R2=0.998),

(15)

RSEI2015=1.042 0+0.174 0X1-0.421 6X2+0.013 8X3-0.588 8X4-0.001 8X5(R2=0.998),

(16)

RSEI2020=0.885 2+0.203 3X1-0.582 0X2+0.168 2X3-0.803 7X4-0.011 2X5(R2=0.999),

(17)

式中：X1、X2、X3、X4、X5分别代表NDVI、NDBSI、WET、LST、SI-T的值。

式(13)-式(17)的R2均大于0.9，拟合度较好。NDVI和WET为正向指标，SI-T、NDBSI和LST为负向指标。从回归方程可以看出：正向指标中，NDVI在逐年增大，WET在波动，2010年后NDVI所占比重大于WET；负向指标中，LST所占比重最大，NDBSI次之，SI-T相对影响较弱。总体上，LST指标系数绝对值最大，其次是NDVI和NDBSI。根据回归模型预测，RSEI升高，可提高NDVI或者降低LST、NDBSI。因此在后续的矿区生态环境治理中，增加植被、降低裸土面积或者减少土壤硬化均可以改善环境。

以2020年为例，图3是各指标的散点在三维特征空间的分布状况，以此分析各指标与RSEI之间的关系。

图3 生态环境质量三维关系

从图3(a)可以看出，NDVI和WET的值越大，RSEI也增大，表明NDVI和WET对生态环境质量起正向作用，植被覆盖率越大、水分越多的区域生态环境质量越高；从图3(b)、图3(c)可以看出，NDBSI、LST和SI-T越大，RSEI值越低，表明这3个指标对生态环境质量起负向作用，建筑物多或者裸土多、土壤盐度高以及温度较高的地区生态环境质量较差。

4 结论

基于遥感影像数据，采用主成分分析法耦合绿度、湿度、干度、热度、盐度5个因子构建改进的RSEI模型，对2000-2020年的金川镍矿区及周围生态环境质量进行了评价，得到如下主要结论：

a.本文采取的5个指标中，NDVI和WET对生态环境质量起正向作用，LST、NDBSI和SI-T对生态环境质量起负向作用，2000-2020年金川镍矿区RSEI均值从0.366增至0.596，表明生态环境质量逐渐提高。

b.2020年与2000年相比，生态环境质量中等及以上的面积增加了16.3个百分点，质量较差的面积减小了22.8个百分点，质量优良的面积增加了2.4个百分点，生态环境质量有了显著改善。

c.多元回归分析结果表明，植被、地表温度、裸土和建筑物是影响矿区生态环境的重要因素，而地表温度起决定性作用，未来应从减少裸土面积、增加植被面积等方面来持续改善生态环境质量。