矿区植被覆盖度时空变化遥感监测研究

2023-07-04徐尚昭陈斌周阳阳王晨光

安徽农业科学 2023年5期

徐尚昭陈斌周阳阳王晨光

摘要以广东省大宝山矿区为研究对象，结合研究区2005—2019年Landsat TM/ETM/OLI多时相遥感数据，采用归一化植被指数算法和地统计空间分析方法，对研究区2005—2019年植被覆盖度时空变化特征进行系统分析。结果表明，近15年大宝山矿区不同等级植被覆盖度变化时空差异显著，其中2005年总体植被覆盖度最高，中等及以上植被覆盖度区域面积为24.84 km2，占比为78.13%；2019年中等及以上植被覆盖度区域面积达到最小值，仅为20.77 km2，占比65.34%。整体来看，中等以下植被覆盖度区域面积呈现增加态势，中等及以上植被覆盖度面积逐渐减小，一定程度上表明矿区总体生态环境质量状况有所下降。

关键词植被覆盖度；时空变化；多时相；遥感监测；大宝山矿区

中图分类号 P237 文献标识码 A 文章编号 0517-6611（2023）05-0046-05

doi： 10.3969/j.issn.0517-6611.2023.05.012

开放科学（资源服务）标识码（OSID）：

Research on Remote Sensing Monitoring of Temporal and Spatial Changes of Vegetation Coverage in Mining Area—Taking Dabaoshan Mining Area in Guangdong Province as an Example

XU Shang-zhao1，2，CHEN Bin1，2，ZHOU Yang-yang1，2 et al

（1.Research Institute No.290， CNNC/Guangdong Provincial Key Laboratory of Environmental Protection and Nuclear Radiation Tracking Research，Shaoguan，Guangdong 512029;2.Guangdong Provincial Engineering Technology Research Center of Radioactive Eco-environmental Protection ， Shaoguan，Guangdong 512029）

Abstract Taking Dabaoshan mining area in Guangdong Province as the research object， combined with Landsat TM/ETM/OLI multi-temporal remote sensing data of the study area from 2005 to 2019， the normalized vegetation index algorithm and geostatistical spatial analysis method were used to systematically analyze the spatiotemporal change characteristics of vegetation coverage in the study area from 2005 to 2019.The results showed that the temporal and spatial variation of vegetation coverage at different levels in Dabaoshan mining area is significant in the past 15 years.Among them， the overall vegetation coverage was the highest in 2005， and the area of medium and above medium vegetation coverage was 24.84 km2， accounting for 78.13%. In 2019， the area of medium and above medium vegetation coverage area reached the minimum， only 20.77 km2， accounting for 65.34%. On the whole， the area of medium and below-medium vegetation coverage areas showed an increasing trend， and the area of medium and above-medium vegetation coverage gradually decreased， indicating to a certain extent that the overall ecological environment quality of the mining area was declining.

Key words Vegetation coverage;Temporal and spatial variation;Multi-temporal;Sensing monitoring;Dabaoshan mining area

礦山生态环境监测是践行国家“生态文明思想”的必然要求，也是实现矿区生态环境可持续发展的迫切需要。矿山开采活动对矿区周边生态环境造成的破坏在短期内难以修复，因此如何在开采矿产自然资源的同时保护生态环境是建立绿色矿山和实现矿区可持续发展亟待解决的关键问题之一。

当前，基于卫星遥感数据开展矿山资源监测和生态环境评价的研究并不少见。如张焜等［1］基于2008—2010年3期SPOT5遥感数据，对察尔汗盐湖区矿产地质环境及资源开发状况进行了监测研究；于博文等［2］基于高分卫星数据，对京津矿山进行了遥感地质调查与监测研究；杨伟光等［3］选用WorldView-2遥感数据，对罗布莎矿山开发状况和矿山地质生态环境现状进行了系统分析，并进一步揭示了矿山周边环境变化原因；何芳等［4］利用2010和2013年2期高分影像，对木里煤矿区地质环境问题和承载力进行了调查研究，并对矿区生态环境承载力进行了评价；Sun等［5］基于NOAA/AVHRR遥感数据，对近30年来我国117个大城市植被覆盖变化特征进行了系统分析。从研究内容上来看，现有研究多集中以矿山生态环境监测治理［6-8］、矿山占地变化监测［9-10］、矿山地质灾害［11-14］、矿山生态修复与治理［15-19］等研究为主；从研究方法上来看，现有研究以无人机技术［20-22］、激光雷达技术［23-24］、摄影测量［25］等技术方法为主。

2013年11月，党的十八届三中全会明确指出：“必须建立生态文明制度体系”。绿色矿山是一种全新的矿山发展理念和模式，贯穿创新、协调、绿色、开放和共享五大发展理念。大宝山矿位于广东省韶关市，始建于1958年5月，1966年10月建成开始投入生产，由于长期开采，周围植被覆盖度急剧下降，生态环境质量遭受严峻挑战。基于上述思考，该研究结合2005—2019年Landsat TM/ETM/OLI遥感影像，对大宝山矿区植被覆盖度进行反演，并对矿区植被覆盖时空分异特征进行系统分析，以期为矿区生态环境遥感监测研究和矿区植被生态恢复提供科学依据和理论参考。

1 资料与方法

1.1 研究区概况

大宝山矿区位于广东省韶关市曲江区与翁源县两县交界处（图1），始建于1958年，是广东省露天开采的大型多金属矿山，也是我国南方钢铁工业和有色金属工业的重要原料基地。大宝山矿区地处亚热带季风性气候区，雨热同期，年均气温17 ℃，年降水量在2 000 mm以上。区域内矿产自然丰富多样，蕴含有铁、铜、硫、铅和锌等17种矿产资源。土壤类型以红壤为主，植被类型以典型常绿落叶林为主。自1966年矿区建成投入生产以后，矿区生态环境质量急剧下降，矿区大量原生植被遭到破坏，随之带来一系列生态环境污染问题，严重制约了矿区生态环境可持续发展。为解决大宝山矿区周边环境污染问题，2013年按照省政府批示，当地相关主管部门开始对矿区周边环境进行综合整治工作。

1.2 数据来源及预处理

为最大程度上减少云量干扰后续植被覆盖度反演结果，该研究选取2005—2019年7—9月份天气晴朗无云或者云量较少的Landsat 卫星影像，用于后续植被覆盖度反演提取研究。通过筛选对比分析，最终选取研究区2005、2013和2019年3景Landsat TM/ETM/OLI遥感影像，空间分辨率为30 m。影像数据来源于地理空间数据云平台（http：//www.gscloud.cn/），然后通過几何校正配准等预处理工作，裁剪得到研究区多时段遥感影像。

1.3 分析方法

1.3.1 归一化植被指数。

植被指数是用来表征地表绿色植被覆盖度高低的一项量化指标，通常由搭载热红外和近红外的卫星遥感数据反演计算得到，由于它仅依赖影像像元光谱信息，因此应用较为广泛。归一化植被指数是将植被指数进行归一化，它可以在统一阈值范围内表征植被覆盖度大小，通常在-1～1，具体计算公式如下：

NDVI= NIR-R NIR+R （1）

式中，NDVI为归一化植被指数，NIR为传感器的近红外波段的反射率，R为热红外波段的反射率。通常绿色植被覆盖区NDVI在0.2～0.8，值越大表示地表植被覆盖度越高。

1.3.2 植被覆盖度。

为更加直观反映出研究区周边植被覆盖度变化特征，该研究采用像元二分法来计算研究区植被覆盖度大小。像元二分法是将地表植被看成是由植被和裸土2种土地利用类型组成，即研究区内地物像元均可以用植被或者裸土之一来表示，具体计算公式如下：

fc= NDVI-NDVIveg NDVIveg-NDVIsoil （2）

式中，NDVIveg表示植被覆盖区域的NDVI，NDVIsoil为无植被覆盖的裸土地表NDVI。

NDVIsoil= Fgmax×NDVImin-Fgmin×NDVImax Fgmax-Fgmin （3）

NDVIveg= 1-Fgmax×NDVImin-Fgmin×NDVImax Fgmax-Fgmin （4）

式中，Fgmax、Fgmin分别表示研究区植被覆盖度的最大值和最小值，其值通常在0～1。该研究采用植被覆盖度均值来表示研究区植被覆盖度的年际和空间变化特征，具体计算公式如下：

fci= n j=1 fcij n （5）

式中，fci为研究区第i年植被覆盖度的均值；fcij表示第i年中第j个像元的植被覆盖度；n表示研究区像元总数。参照已有研究［26］并结合研究区实际，将植被覆盖度划分成5个等级，具体如表1所示。

2 结果与分析

2.1 NDVI时空变化特征

在ENVI 5.3中，通过公式（1）计算得到研究区各时期NDVI空间分布图（图2），研究发现大宝山矿区NDVI高值区域主要分布在东部的林地区域，NDVI

低值区域主要分布在西北部矿山开发核心区的裸土区域。2005—2019年研究区NDVI最大值和平均值均呈现逐渐下降趋势，其中2005年NDVI最大值、平均值均达到最大，分别为0.677 1、0.395 9，2019年NDVI最大值、平均值均最小，分别为0.527 5、0.245 6，这表明研究区植被NDVI整体呈现下降趋势，反映出研究区植被覆盖度呈现下降趋势。

2.2 植被覆盖度时间变化特征

通过NDVI进一步计算得到研究区植被覆盖度，总体来看，大宝山矿区不同等级植被覆盖度变化差异明显（表2），各时期中等及以上植被覆盖度面积占研究区总面积的65%以上。其中2005年总体植被覆盖度最高，中等及以上植被覆盖度区域面积为24.84 km2，占比为78.13%；2019年中等及以上植被覆盖度区域面积达到最小值，仅为20.77 km2，占比65.33%。2005—2019年研究区低和中低植被覆盖度区域面积均呈逐渐增加态势，2019年面积均达到最大值，分别为7.27、3.75 km2；中等覆盖度区域面积呈现先增加后减小态势，2013年面积达到最大值，为662 km2，2005年面积最小，仅为3.40 km2。而中高覆盖度和高覆盖度区域面积均呈现减小态势，2019年中高和高覆盖度面积均达到最小值，分别为7.75、6.75 km2，占比分别为2438%、21.23%。这表明矿区生态环境质量状况有所下降。

2.3 植被覆盖度空间变化特征

从图3可以看出，研究区不同时期内不同覆盖度等级之间变化存在明显差异。从空间分布上来看，植被覆盖度高值区主要分布在东部的林地区域，这里位于矿区开采周边，林地较多；而西北部位于采矿核心区，地表因长期采矿，多形成裸土地，因此植被覆盖度较低。2019年研究区东北部出现植被覆盖度低值区，这是由于为了处理尾矿残渣，凡洞村建立了尾矿库，形成大面积水库水面，从而产生植被覆盖度低值区。为进一步揭示研究区不同等级植被覆盖度之间的转移变化特征，采用转移矩阵计算2005—2019年大宝山矿区各植被覆盖度等级面积变化转移特征（表3）。研究发现2005—2019年除各等级自身转移面积较大外，高覆盖度—中高覆盖度转移面积最大，为3.35 km2，其次为中高覆盖度—中覆盖度、高覆盖度—中覆盖度和中高覆盖度—中低覆盖度区域，转移面积分别为304、1.82和1.46 km2。低覆盖度—高覆盖度区域转移面积最小，其次为中低覆盖度—高覆盖度和低覆盖度—中高覆盖度区，转移面积分别为0.01、0.05 km2。综上所述，研究区植被覆盖中高及高植被覆盖度区域转出面积大于转入面积，表明研究区生态环境状况呈现下降趋势。

3 结论与讨论

该研究基于2005、2013和2019年3期Landsat卫星影像，对广东省大宝山矿区植被覆盖度进行了反演，并对矿区植被覆盖度时空变化进行定性和定量化分析。结果表明，2005—2019年大宝山矿区整体植被覆盖度较低，整体呈现“采矿核心区低，周边高”的分布态势，且各时段中等及以上植被覆盖度面积占比均在65%以上。

（1）2005—2019年大宝山矿区NDVI最大值和平均值均呈现逐渐下降趋势，其中2005年NDVI最大值和平均值均最大，分别为0.677 1、0.395 9，2019年NDVI最大值和平均值均最小，分别为0.527 5、0.245 6，表明矿区生态环境质量有所下降。

（2）2005—2019年研究区低和中低覆盖度面积均呈现逐渐增加态势，2019年面积达到最大值，分别为7.27和3.75 km2，这与矿区2013年后开始实施矿区保护修复工作密切相关。中等覆盖度区域面积呈现先增加后减小态势，2013年面积达到最大值，为6.62 km2。而中高和高覆盖度区域面积均呈现减小态势，2019年面积达到最小值，分别为7.75、675 km2，占比分别达24.38%、24.24%。

（3）2005—2019年除各等级自身转移面积较大外，高覆盖度—中高覆盖度转移面积最大，达3.35 km2，其次为中高覆盖度—中覆盖度、高覆盖度—中覆盖度和中高覆盖度—中低覆盖度区域，转移面积分别为3.04、1.82和1.46 km2。低覆盖度—高覆盖度区域转移面积最小，其次为中低覆盖度—高覆盖度和低覆盖度—中高覆盖度区，转移面积分别为001、0.05 km2。

该研究基于广东省大宝山矿区2005—2019年3期Landsat遥感影像，采用归一化植被指数算法和地统计空间分析方法，对研究区植被覆盖度时空分异特征进行了系统分析，研究结果能为矿区自然生态环境保护和矿区生态修复提供一定的科学依据和理论参考。但是不可否认，该研究基于Landsat TM/ETM/OLI遥感数据，通过植被覆盖度对研究区植被变化特征进行了遥感监测研究，该结果是建立在单一植被覆盖度量化指标因子之上的，而矿区水环境、土壤环境、动植物以及空气质量等均与矿区生态环境状况密切相关，如何借助多源自然和社会经济数据对矿区生态环境开展综合性和交叉性研究，将是今后矿区生态环境遥感监测研究的重要方向。

参考文献

［1］张焜，马世斌，刘丽萍.基于SPOT5数据的盐湖矿产开发及矿山环境遥感监测［J］.国土资源遥感，2012，24（3）：146-153.

［2］于博文，田淑芳，赵永超，等.高分一号卫星在京津矿山遥感监测中的应用［J］.现代地质，2017，31（4）：843-850.

［3］杨伟光，郑有业，刘婷，等.WorldView-2衛星矿山遥感监测：以西藏罗布莎地区为例［J］.现代地质，2018，32（2）：392-397.

［4］何芳，刘瑞平，徐友宁，等.基于遥感的木里煤矿区矿山地质环境监测及评价［J］.地质通报，2018，37（12）：2251-2259.

［5］ SUN J Y，WANG X H，CHEN A P，et al.NDVI indicated characteristics of vegetation cover change in China's metropolises over the last three decades［J］.Environmental monitoring and assessment，2011，179（1/2/3/4）：1-14.

［6］汪洁，殷亚秋，于航，等.基于RS和GIS的浙江省矿山地质环境遥感监测［J］.国土资源遥感，2020，32（1）：232-236.

［7］杨显华，黄洁，田立，等.基于高分辨率遥感数据的矿山环境综合治理研究：以冕宁牦牛坪稀土矿为例［J］.国土资源遥感，2015，27（4）：115-121.

［8］陈伟涛，张志，王焰新.矿山开发及矿山环境遥感探测研究进展［J］.国土资源遥感，2009，21（2）：1-8.

［9］武慧智，何姝珺，马骁.基于遥感数据的河南省栾川矿山占地动态变化［J］.世界地质，2020，39（4）：946-952.

［10］刘立，高俊华，余德清.基于遥感的湖南省礦山占地监测与分析［J］.地理空间信息，2019，17（1）：41-46，11.

［11］吴蔚，李婧玥，王诜.卫星遥感数据在矿山地质灾害调查中的应用［J］.资源信息与工程，2018，33（5）：158-160.

［12］王少林.基于遥感影像的矿山地质灾害形成机理分析［J］.世界有色金属，2017（22）：183，185.

［13］黄皓中，陈建平，郑彦威.基于无人机遥感的矿山地质灾害解译［J］.地质学刊，2017，41（3）：499-503.

［14］廖振威.遥感技术在云南省矿山地质灾害调查中的应用［J］.低碳世界，2017（12）：70-71.

［15］马晓勇，赵娜，刘树敏.浅谈山西国土空间生态修复：以矿山生态修复为例［J］.环境生态学，2019，1（4）：49-53.

［16］陈敏，张大超，朱清江，等.离子型稀土矿山废弃地生态修复研究进展［J］.中国稀土学报，2017，35（4）：461-468.

［17］武强，刘宏磊，陈奇，等.矿山环境修复治理模式理论与实践［J］.煤炭学报，2017，42（5）：1085-1092.