李 晶 李生財(cái) 郭 偉 閆星光 張 瑞

(中國(guó)礦業(yè)大學(xué)(北京)地球科學(xué)與測(cè)繪工程學(xué)院,北京 100083)

隨著人類社會(huì)的不斷發(fā)展,資源開發(fā)、城市擴(kuò)張等已經(jīng)使得諸多地區(qū)和全球性生態(tài)環(huán)境問題日益突出,如資源短缺、大氣污染、土壤污染、水土流失等。尤其對(duì)于黃河流域生態(tài)脆弱區(qū),生態(tài)環(huán)境保護(hù)工作迫切性持續(xù)增強(qiáng)[1]。準(zhǔn)確監(jiān)測(cè)區(qū)域生態(tài)環(huán)境質(zhì)量狀況及變化趨勢(shì),對(duì)于加強(qiáng)生態(tài)環(huán)境治理和支撐區(qū)域規(guī)劃、應(yīng)對(duì)全球環(huán)境變化以及實(shí)現(xiàn)區(qū)域可持續(xù)發(fā)展目標(biāo)等具有重要意義。

山西省位于黃河流域黃土高原區(qū),區(qū)域內(nèi)地形起伏大,加之降水比較集中,地面植被覆蓋度相對(duì)較低,境內(nèi)侵蝕嚴(yán)重,徑流多泥沙,水土流失面積達(dá)10.8萬(wàn)km2,為全國(guó)水土流失最為嚴(yán)重的區(qū)域之一[2]。近年來,隨著城市擴(kuò)張、工礦開發(fā)、氣候變化等的持續(xù)擾動(dòng),進(jìn)一步加劇了山西省的生態(tài)環(huán)境問題。山西省作為我國(guó)重要的煤炭基地,長(zhǎng)時(shí)間、大范圍、高強(qiáng)度的煤炭資源開采對(duì)地表最直接的影響是挖損、沉陷或壓占,在局部范圍內(nèi)會(huì)加速土壤侵蝕,加劇植被破壞、生態(tài)系統(tǒng)受損等[3-6]。為推進(jìn)區(qū)域生態(tài)保護(hù)修復(fù)和促進(jìn)人地協(xié)調(diào)發(fā)展,亟需在山西省及其煤炭國(guó)家規(guī)劃礦區(qū)(以下簡(jiǎn)稱“煤炭礦區(qū)”)開展生態(tài)環(huán)境監(jiān)測(cè)和系統(tǒng)性研究。

近年來,遙感技術(shù)已在生態(tài)環(huán)境監(jiān)測(cè)領(lǐng)域得到廣泛應(yīng)用。徐涵秋[7]提出一種完全基于遙感信息的生態(tài)指數(shù)(Remote Sensing Ecology Index,RSEI),并對(duì)福州主城區(qū)進(jìn)行了生態(tài)環(huán)境質(zhì)量評(píng)價(jià)。遙感生態(tài)指數(shù)RSEI的優(yōu)勢(shì)之一在于不需要人為確定各生態(tài)指標(biāo)的權(quán)重,通過主成分分析(Principal Component Analysis,PCA),自動(dòng)確定各個(gè)指標(biāo)對(duì)各主成分的貢獻(xiàn)度,計(jì)算結(jié)果具有很強(qiáng)的客觀性和穩(wěn)定性[8]。目前,針對(duì)煤炭礦區(qū),一些學(xué)者應(yīng)用該指數(shù)對(duì)特定礦區(qū)進(jìn)行了生態(tài)環(huán)境質(zhì)量分析[9-13],在礦區(qū)生態(tài)環(huán)境監(jiān)測(cè)應(yīng)用方面取得了一定的進(jìn)展,但少有考慮特定研究區(qū)的具體地質(zhì)環(huán)境和人為干擾特征等因素。李粉玲等[14]采用遙感生態(tài)指數(shù)RSEI對(duì)黃土高原溝壑區(qū)的生態(tài)環(huán)境質(zhì)量進(jìn)行了評(píng)價(jià),類似研究未充分顧及不同區(qū)域生態(tài)環(huán)境的地域特點(diǎn)。對(duì)此,一些學(xué)者提出了多種改進(jìn)的遙感生態(tài)指數(shù)。王杰等[15]針對(duì)特定的干旱區(qū),基于遙感生態(tài)指數(shù)RSEI,將鹽度和土地退化度指標(biāo)共同參與進(jìn)行主成分分析,構(gòu)建了干旱遙感生態(tài)指數(shù)ARSEI。宋美杰等[16]提出利用貢獻(xiàn)度對(duì)主成分分量進(jìn)行相加求和改進(jìn)RSEI,分析了錫林郭勒草原的生態(tài)狀況。楊羽佳等[17]基于遙感生態(tài)指數(shù)RSEI,加入人類活動(dòng)強(qiáng)度指標(biāo)(IPOI),結(jié)合AHP層次分析,分析了蘇州市的生態(tài)環(huán)境狀況。朱冬雨等[18]考慮礦區(qū)不同損毀特征用地(采掘場(chǎng)、沉陷區(qū)、排土場(chǎng)等)具有不同的生態(tài)影響范圍,提出了基于遙感生態(tài)指數(shù)和移動(dòng)窗口評(píng)價(jià)單元的改進(jìn)生態(tài)指數(shù)MW-RSEI,并將其應(yīng)用于礦區(qū)生態(tài)環(huán)境評(píng)價(jià)。

黃土高原特有的地理環(huán)境決定了其易于水土流失的現(xiàn)狀,礦山開采活動(dòng)[19]有可能加重這種趨勢(shì)。本研究在綠度、濕度、干度、熱度因子的基礎(chǔ)上,提出了一種結(jié)合土壤侵蝕因子的改進(jìn)型遙感生態(tài)指數(shù)(Modified Remote Sensing Ecology Index,MRSEI)?；贕EE云計(jì)算平臺(tái)[20],采用Landsat TM/OLI數(shù)據(jù),對(duì)山西省煤炭礦區(qū)進(jìn)行生態(tài)環(huán)境分析,為實(shí)現(xiàn)區(qū)域可持續(xù)發(fā)展和制定資源環(huán)境協(xié)調(diào)開采政策及相關(guān)治理規(guī)劃提供科學(xué)依據(jù),也為礦山生態(tài)智能開采等提供區(qū)域數(shù)據(jù)支撐。

1 研究區(qū)概況

黃河流域是我國(guó)重要的生態(tài)屏障和能源走廊,據(jù)統(tǒng)計(jì),我國(guó)14個(gè)大型煤炭基地有9個(gè)分布在黃河流域,煤炭開采活動(dòng)與黃河流域礦區(qū)周邊生態(tài)變化息息相關(guān)[21]。山西省是黃河流經(jīng)的重要區(qū)域,地處黃河中游,位于34°34′N～40°43′N和110°14′E～114°33′E區(qū)域,在太行山與黃河北干流域峽谷之間,地處華北西部的黃土高原東翼,總面積為15.68萬(wàn)km2。同時(shí),山西省是我國(guó)重要的煤炭生產(chǎn)基地,這一區(qū)域原生生態(tài)脆弱,而煤炭開采在一定程度上不可避免地加劇了所在區(qū)域的生態(tài)環(huán)境惡化過程?！锻恋貜?fù)墾規(guī)定》頒布實(shí)施后,尤其是黨的十八大以來,礦山企業(yè)積極履行土地復(fù)墾責(zé)任,但仍然存在大量歷史遺留礦山廢棄地和部分新增礦山損毀土地尚未治理。

2 數(shù)據(jù)及來源

本研究所用數(shù)據(jù)包括遙感影像數(shù)據(jù)、DEM數(shù)據(jù)、氣象數(shù)據(jù)、土壤數(shù)據(jù)、土地利用數(shù)據(jù)等。

2.1 遙感影像數(shù)據(jù)

Landsat TM/ETM+/OLI數(shù)據(jù)來源于美國(guó)地質(zhì)調(diào)查局(United States Geological Survey,USGS),在GEE平臺(tái)集成,空間分辨率為30 m,使用的是經(jīng)過輻射校正和大氣校正后的地表反射率(Surface Reflectance,SR)數(shù)據(jù),已完成幾何精校正[22]。

2.2 土壤侵蝕計(jì)算數(shù)據(jù)

DEM數(shù)據(jù)為ASTGTM DEM的數(shù)字高程模型,來源于地理空間數(shù)據(jù)云(http:∥www.gscloud.cn/search);氣象數(shù)據(jù)為中國(guó)國(guó)家級(jí)地面氣象站基本氣象要素日值數(shù)據(jù)集(V3.0),來源于國(guó)家科學(xué)氣象信息中心(http:∥data.cma.cn/);土壤可蝕性因子(K)柵格數(shù)據(jù)來源于國(guó)家科技資源共享服務(wù)平臺(tái)——國(guó)家地球系統(tǒng)科學(xué)數(shù)據(jù)中心黃土高原分中心(http:∥loess.geodata.cn);植被覆蓋數(shù)據(jù)在GEE平臺(tái)集成,為年度NDVI最大合成數(shù)據(jù);土地利用數(shù)據(jù)為全球地理信息公共產(chǎn)品Globe Land 30數(shù)據(jù)(http:∥globeland-30.org/)。除了氣象數(shù)據(jù)外,其他4類數(shù)據(jù)的空間分辨率均為30 m。

3 研究方法

3.1 RUSLE模型

RUSLE是經(jīng)過修正的通用土壤流失方程,自1997年提出以來被廣泛采用,其模型結(jié)構(gòu)相對(duì)簡(jiǎn)單[23]。本研究采用該模型作為研究區(qū)土壤侵蝕因子的定量計(jì)算模型,公式為

式中,A為年平均土壤侵蝕模數(shù),t/(km2·a);R為降雨侵蝕力因子,MJ·mm/(hm2·h·a);K為土壤可蝕性因子,t/[(MJ·mm/h·hm2·a)·hm];L和S分別為坡長(zhǎng)和坡度因子;C為地表植被覆蓋和管理因子;P為水土保持措施因子。

根據(jù)模型定義可知:土壤侵蝕模數(shù)取值越大,所在區(qū)域的土壤侵蝕強(qiáng)度就越大;土壤侵蝕模數(shù)取值越小,所在區(qū)域的土壤侵蝕強(qiáng)度就越小。

3.1.1 坡長(zhǎng)坡度因子(LS)

坡度和坡長(zhǎng)是地形地貌主要的地理特征因素。通常大尺度區(qū)域的坡度坡長(zhǎng)因子利用DEM數(shù)據(jù)進(jìn)行提取。坡度因子S的計(jì)算公式為

式中,S為坡度因子;θ為坡度,(°)。

坡長(zhǎng)因子L的計(jì)算公式為

式中,L、m分別為坡長(zhǎng)因子、坡長(zhǎng)指數(shù),m一般在黃土高原取值為0.5[24];l為坡長(zhǎng),m。

3.1.2 降雨侵蝕力因子(R)

R因子是降水對(duì)土壤侵蝕影響的反映指標(biāo),利用年平均降水量估算區(qū)域的降雨侵蝕力[25]。計(jì)算公式為

式中,pi為第i月的降雨量,mm;p′為年平均降雨量,mm;n為有侵蝕性降雨的月份數(shù);F為模型修正參數(shù);R為年平均降雨侵蝕力,MJ·mm/(hm2·h·a);α和β為模型參數(shù),根據(jù)已有成果[25],取α=0.183 3,β=1.995 7。

根據(jù)山西省和周邊共109個(gè)站點(diǎn)的日降水量數(shù)據(jù),使用Arc GIS10.3軟件進(jìn)行克里金插值,得到研究區(qū)2000、2010和2020年的R值分布圖。

3.1.3 地表植被覆蓋和管理因子(C)

水土流失的抑制程度受植被覆蓋度或田間管理措施的影響。NDVI指數(shù)與地表植被覆蓋度密切相關(guān),可以在單位像元內(nèi)綜合反映植被覆蓋形式、類型和生長(zhǎng)狀況。土壤侵蝕與植被覆蓋度之間存在顯著的負(fù)指數(shù)關(guān)系,其拐點(diǎn)約為78.3%。蔡崇法等[26]提出了一種新的計(jì)算方法,通過觀察自然降雨和人工模擬降雨條件下試驗(yàn)區(qū)的植被覆蓋率來估算因子C。計(jì)算公式為

式中,C為植被覆蓋與作物管理因子;f為植被覆蓋度。

植被覆蓋度f(wàn)的計(jì)算公式為

式中,NDVI為年度最大合成NDVI值;NDVIsoil為裸土或無植被覆蓋區(qū)域的NDVI值;NDVIveg為完全被植被所覆蓋像元的NDVI值。

3.1.4 水土保持措施因子(P)

水土保持措施是防治土壤侵蝕的有效方式,通常需要實(shí)地考察來確定不同土地利用類型的P因子值,一般取值為0～1。P因子可以表示水土保持措施對(duì)土壤侵蝕的抑制作用,所以P值越小,說明水土保持措施對(duì)土壤侵蝕的抑制作用越突出[27]。目前,國(guó)內(nèi)在土壤侵蝕預(yù)報(bào)研究中尚未提出對(duì)P因子的賦值標(biāo)準(zhǔn),本研究參考現(xiàn)有成果[24],利用不同的土地利用類型估算了P值,結(jié)果見表1。

表1 研究區(qū)不同土地利用類型的P值Table 1 P values for different land use types in the study area

通過以上對(duì)RUSLE模型中各因子的計(jì)算,得出山西省土壤侵蝕所需的各個(gè)因子分布圖。在此基礎(chǔ)上,利用土壤侵蝕模型,計(jì)算出土壤侵蝕模數(shù)。

3.2 MRSEI模型構(gòu)建

3.2.1 綠度指標(biāo)

歸一化植被指數(shù)(NDVI)是當(dāng)前應(yīng)用最為普遍的植被指數(shù),能夠有效地反映植物生長(zhǎng)狀況。NDVI取值區(qū)間為[-1,1],值越大,表明植被覆蓋度越高[28]。因此,本研究使用歸一化植被指數(shù)(NDVI)作為綠度指標(biāo)參與計(jì)算,公式為

式中,ρnir為近紅外波段的反射率;ρred為紅波段的反射率。

3.2.2 濕度指標(biāo)

濕度指標(biāo)WET與植被和土壤的含水量緊密相連[28],取值區(qū)間為[-1,1],值越大,表明濕度越高。濕度指標(biāo)可以由K-T變化中的WET分量來代表,Landsat不同傳感器影像數(shù)據(jù)WET分量的計(jì)算公式為

式中,ρblue、ρgreen、ρred、ρnir、ρswir1分別為藍(lán)波段、綠波段、紅波段、近紅外波段和短波紅外1的反射率。

3.2.3 熱度指標(biāo)

熱度指標(biāo)LST用地表溫度來表示,取值越大,表明地表溫度越高。本研究通過對(duì)亮度溫度進(jìn)行修正處理來獲取地表溫度,計(jì)算公式為

式中,LTIR為熱紅外波段的輻射定標(biāo)值;gain為增益;bias為偏置;T為亮度溫度;K1和K2為定標(biāo)系數(shù);LST為熱度指標(biāo);λ為熱紅外波段的中心波長(zhǎng);ε為地表比輻射率。

地表比輻射率采用SOBRINO等[29]提出的NDVI閾值法來計(jì)算,公式為

式中,ε為地表比輻射率;f為植被覆蓋度。

3.2.4 干度指標(biāo)

建筑物和裸土?xí)斐赏恋馗苫?嚴(yán)重影響流域的生態(tài)環(huán)境。NDBSI取值區(qū)間為[-1,1],值越大,表明干化程度越高。本研究采用建筑物指數(shù)(IBI)和裸土指數(shù)(SI)的平均值來構(gòu)建干度指標(biāo)(NDBSI)。計(jì)算公式分別為

式中,ρblue、ρgreen、ρred分別為藍(lán)波段、綠波段、紅波段的反射率;ρnir、ρswir1分別為近紅外波段、短波紅外1的反射率。

3.2.5 MRSEI指數(shù)構(gòu)建

常見的生態(tài)因子集成方式有簡(jiǎn)單相加、相乘、分組求均值后再相加、加權(quán)求和等,但各生態(tài)因子間的相關(guān)性及權(quán)重設(shè)定的主觀性會(huì)影響該類整合方法的穩(wěn)定性[7]。主成分分析(PCA)是一種通過正交線性變換將多個(gè)變量壓縮出少數(shù)主要變量的技術(shù),可以將多維數(shù)據(jù)的信息集中到少數(shù)的變量中,這些少數(shù)的變量都具有一定的特征信息。本研究構(gòu)建MRSEI指數(shù)時(shí)采用PCA法對(duì)5個(gè)生態(tài)因子進(jìn)行集成。為避免量綱不統(tǒng)一造成權(quán)重失衡,在進(jìn)行PCA運(yùn)算之前,將各生態(tài)因子歸一化為[0,1]區(qū)間上的數(shù)值,計(jì)算公式為

式中,Yi表示歸一化后的生態(tài)因子值;Ii為生態(tài)因子的原始像元值;Imax為生態(tài)因子的全局最大像元值;Imin為生態(tài)因子的全局最小像元值。

主成分分量的計(jì)算公式為

式中,PCi為第i個(gè)像元獲取的主成分分量;NDVI為歸一化植被指數(shù);WET為濕度;NDBSI為建筑和裸土指數(shù);LST為地表溫度;Erosion為土壤侵蝕模型的歸一化因子。

本研究提取第一主成分分量來構(gòu)建改進(jìn)型遙感生態(tài)指數(shù)MRSEI。在主成分分析結(jié)果中,只有當(dāng)對(duì)生態(tài)起正面作用的綠度(NDVI)和濕度(WET)指標(biāo)在PC1的載荷為負(fù)值時(shí),才用1減去PC1,公式為

式中,PC1為第一主成分分量。

為便于度量和比較,可進(jìn)一步將MRSEI歸一化到[0,1]區(qū)間。當(dāng)MRSEI值越靠近1時(shí),說明生態(tài)環(huán)境質(zhì)量越好;MRSEI值越靠近0時(shí),說明生態(tài)環(huán)境質(zhì)量越差。

4 結(jié)果分析

4.1 模型檢驗(yàn)

山西省3個(gè)年份5項(xiàng)指標(biāo)的主成分PC1分析結(jié)果見表2。由表2可知:2000、2010和2020年第一主成分特征值的貢獻(xiàn)率分別為84.57%、71.82%和75.26%。這說明PC1集中了5個(gè)指標(biāo)的大部分特征。2000年和2010年,在PC1中,代表綠度的NDVI和代表濕度的WET的主成分載荷為正值,表明它們?cè)谏鷳B(tài)環(huán)境方面發(fā)揮了正向作用,而代表熱度、干度和土壤侵蝕的LST、NDBSI和Erosion的主成分載荷為負(fù)值,表明它們對(duì)生態(tài)環(huán)境產(chǎn)生了負(fù)面影響,與現(xiàn)實(shí)相符。2020年,主成分對(duì)應(yīng)系數(shù)情況與2000年和2010年相反,因此,需要進(jìn)行“1-PC1”處理后,結(jié)果NDVI和WET均為正值,而NDBSI、LST和Erosion均為負(fù)值。

表2 主成分分析結(jié)果Table 2 Results of principal component analysis results

4.2 MRSEI與RSEI對(duì)比分析

為了進(jìn)一步驗(yàn)證MRSEI的適用性,選取山西省呂梁市離柳礦區(qū)的部分區(qū)域進(jìn)行分析。2020年采用RSEI與MRSEI兩種指數(shù)在煤炭礦區(qū)生態(tài)環(huán)境的監(jiān)測(cè)效果對(duì)比如圖1所示。圖1局部細(xì)節(jié)和關(guān)鍵區(qū)域差異表明,相較于RSEI,MRSEI顯示的空間信息更為豐富,與地面覆蓋真實(shí)情況較為匹配。A1、A2和A3區(qū)域分別是東江煤業(yè)、臨縣勝利煤礦和離石西山晉邦德煤礦所在區(qū)域,靠近黃土高原東側(cè),礦山開采疊加地質(zhì)環(huán)境使得土壤侵蝕較為嚴(yán)重。根據(jù)RUSLE模型計(jì)算,將土壤侵蝕強(qiáng)度分為微度、輕度、中度、強(qiáng)、極強(qiáng)和劇烈5個(gè)等級(jí),A1、A2和A3區(qū)域侵蝕“強(qiáng)”及以上的面積占比分別為76.95%、80.15%和67.49%。與RSEI相比,MRSEI可以完整地展示土壤侵蝕的分布形態(tài),土壤侵蝕等級(jí)越高的區(qū)域,MRSEI值越低,越可以較為精準(zhǔn)地表達(dá)煤炭礦區(qū)地表的真實(shí)狀態(tài)。

圖1 2020年區(qū)域RSEI與MRSEI的結(jié)果對(duì)比Fig.1 Comparison of regional RSEI and MRSEI results in 2020

為了進(jìn)一步分析RSEI與MRSEI應(yīng)用效果的差異,采用信息熵進(jìn)一步定量化對(duì)比分析局部細(xì)節(jié)信息。信息熵被用來度量圖像的信息量,當(dāng)熵值增大時(shí),表示圖像中復(fù)雜程度較高,所含的信息量越大。對(duì)選取的區(qū)域利用MATLAB軟件計(jì)算圖像的信息熵,RSEI與MRSEI的信息熵分別為1.38、1.563;對(duì)整個(gè)山西省而言,RSEI與MRSEI的信息熵分別為1.698、1.719。結(jié)果表明,MRSEI與RSEI相比,前者圖像的復(fù)雜程度更高,所包含的信息量更大,更能反映煤炭礦區(qū)的真實(shí)生態(tài)狀況。綜上分析,MRSEI可以有效集成新加入的Erosion因子,增強(qiáng)了其在生態(tài)脆弱區(qū)生態(tài)環(huán)境分析中的適用性。

4.3 模型相關(guān)性檢驗(yàn)

通過計(jì)算各指標(biāo)間的相關(guān)性系數(shù),來檢驗(yàn)MRSEI的適用性,相關(guān)系數(shù)越接近1,表明改進(jìn)的生態(tài)指數(shù)的綜合代表程度越高,適宜性越好。計(jì)算公式為

式中,表示平均相關(guān)度;p、q、r、s是進(jìn)行相關(guān)性分析的指標(biāo);n為相關(guān)性分析指標(biāo)數(shù)量;Xp、Xq、Xr和Xs分別表示各指標(biāo)之間的相關(guān)性系數(shù)。

為了進(jìn)一步分析RSEI的綜合代表性,對(duì)MRSEI和5個(gè)生態(tài)指標(biāo)進(jìn)行了相關(guān)性分析,結(jié)果見表3。通過計(jì)算各指標(biāo)間的相關(guān)系數(shù),在95%置信水平P值均小于0.05,通過顯著性檢驗(yàn)?？梢钥闯?平均相關(guān)度最大的為MRSEI,3 a的平均值為0.876,在2000年達(dá)到最大值0.895,第2位是LST,3個(gè)年份的平均值為0.841,NDVI、WET、NDBSI和Erosion的相關(guān)度較低,分別為0.804、0.799、0.689和0.362。從單個(gè)因子來看,各因子互相之間的平均相關(guān)度最高的為L(zhǎng)ST,在2000年達(dá)到最大值0.871,改進(jìn)的遙感生態(tài)指數(shù)MRSEI與這5個(gè)因子的各年份平均相關(guān)度都大于0.860,其最大值比單因子最高LST的0.871高出了2.7%,明顯可以看出,改進(jìn)的生態(tài)指數(shù)除了綜合了各因子的信息外,還比單獨(dú)因子更具代表性,能更好地代表區(qū)域綜合生態(tài)狀況。在改進(jìn)的生態(tài)指數(shù)MRSEI與各單一因子的相關(guān)分析中,NDVI和WET與MRSEI呈正相關(guān),NDBSI、LST和Erosion與MRSEI呈負(fù)相關(guān),進(jìn)一步說明MRSEI具有較好的適用性。

表3 相關(guān)性分析結(jié)果Table 3 Results of correlation analysis

4.4 山西省及煤炭礦區(qū)生態(tài)環(huán)境靜態(tài)比較

采取等差分級(jí)的方法,以0.2為間隔,將MRSEI依次分為差、較差、中等、良、優(yōu)5個(gè)等級(jí)。山西省及其煤炭礦區(qū)各生態(tài)級(jí)別面積占比見圖2。從時(shí)序生態(tài)級(jí)別面積變化來看,2000—2010年山西省生態(tài)環(huán)境“優(yōu)良”面積占比減少了1.57%,生態(tài)環(huán)境為“差”“較差”“中等”的面積比例則相應(yīng)略有增加;2010—2020年,生態(tài)環(huán)境級(jí)別為“優(yōu)”“良”的面積占比增加了26.16%,生態(tài)環(huán)境“差”“較差”“中等”的面積比例相應(yīng)減少;2000—2020年,生態(tài)環(huán)境為“優(yōu)”“良”的面積占比由17.96%增加至42.55%,生態(tài)級(jí)別為“差”“較差”“中等”的面積占比相應(yīng)減少。

圖2 山西省及煤炭礦區(qū)各生態(tài)級(jí)別面積占比Fig.2 Percentage of area of each ecological level in Shanxi Province and coal mining areas

與山西省相比,2000—2020年煤炭礦區(qū)的生態(tài)環(huán)境質(zhì)量呈先下降后上升的趨勢(shì),2020年的生態(tài)環(huán)境質(zhì)量最好。2000年,煤炭礦區(qū)生態(tài)環(huán)境等級(jí)以“較差”和“中等”為主,面積占比為89.56%;“優(yōu)”和“良”面積合計(jì)占比為10.44%。2010年,煤炭礦區(qū)生態(tài)環(huán)境等級(jí)仍以“中等”和“較差”為主,面積占比為88.06%。2020年,煤炭礦區(qū)生態(tài)等級(jí)以“中等”和“良”為主,面積合計(jì)占比為89.73%;“差”和“較差”面積占比為9.98%。與2000年相比,煤炭礦區(qū)的生態(tài)環(huán)境狀況正在持續(xù)變好。與整個(gè)山西省相比,煤炭礦區(qū)的生態(tài)環(huán)境相對(duì)較差,但兩者差距從2000年、2010年至2020年逐漸縮小。

2000—2020年,MRSEI值的空間分布如圖3所示。從3期生態(tài)質(zhì)量圖對(duì)比可以看出,山西省生態(tài)質(zhì)量整體上一直是東部高于中部和西部,2020年生態(tài)級(jí)別為“優(yōu)”和“良”的區(qū)域主要分布在陽(yáng)泉、晉中、長(zhǎng)治和晉城市的東部。生態(tài)級(jí)別為“差”和“較差”的區(qū)域主要分布在忻州、大同、朔州和呂梁市的西側(cè)。綜合來看,生態(tài)環(huán)境質(zhì)量較差的地區(qū)主要分布在山西省西部、西北部和中部,中部生態(tài)環(huán)境質(zhì)量后期有所改善,西北部生態(tài)質(zhì)量始終相對(duì)較差。

圖3 2000年、2010年和2020年山西省生態(tài)質(zhì)量變化Fig.3 Ecological quality comparison in Shanxi Province in 2000,2010 and 2020

4.5 生態(tài)環(huán)境時(shí)空變化特征

為了進(jìn)一步分析山西省及其煤炭礦區(qū)生態(tài)環(huán)境變化的時(shí)空分布狀況,將MRSEI的5個(gè)生態(tài)級(jí)別,采用差值法對(duì)3個(gè)年份的生態(tài)環(huán)境進(jìn)行了變化監(jiān)測(cè)[22],結(jié)果見圖4。由圖4可知:2000—2010年,生態(tài)環(huán)境變好的區(qū)域占11.65%,分布在臨汾、運(yùn)城市的部分區(qū)域;生態(tài)環(huán)境變差的區(qū)域占19.92%,分布在呂梁、晉城、長(zhǎng)治、朔州市的大部分區(qū)域。2010—2020年,生態(tài)環(huán)境變好的區(qū)域占41.03%,分布在大同、晉中、陽(yáng)泉、太原、長(zhǎng)治、晉城市的大部分區(qū)域;生態(tài)環(huán)境變差的區(qū)域占5.68%,分布在忻州、呂梁、運(yùn)城市的西南、西北局部區(qū)域。2000—2020年,生態(tài)環(huán)境變好的區(qū)域占35.67%,主要分布在長(zhǎng)治、臨汾、晉中和呂梁等中部區(qū)域。生態(tài)環(huán)境變差的區(qū)域占7.67%,主要分布呂梁、忻州、大同、朔州、運(yùn)城的西部地區(qū)。從變化檢測(cè)的結(jié)果來看,2000—2020年,總體上山西省的生態(tài)環(huán)境先變差而后得到改善。

圖4 山西省生態(tài)質(zhì)量變化監(jiān)測(cè)Fig.4 Monitoring of ecological quality variation in Shanxi Province

從煤炭礦區(qū)來看,2000—2010年,生態(tài)環(huán)境變好的區(qū)域占15.86%,生態(tài)環(huán)境變差的區(qū)域占19.05%。2010—2020年,生態(tài)環(huán)境變好的區(qū)域占43.80%,生態(tài)環(huán)境變差的區(qū)域占5.15%。2000—2020年,生態(tài)環(huán)境變好的區(qū)域占43.17%,主要分布在霍州礦區(qū)、河保偏礦區(qū)、武夏礦區(qū)、潞安礦區(qū)和汾西礦區(qū)的中部地區(qū)。生態(tài)環(huán)境變差的區(qū)域占6.58%,主要分布平朔朔南礦區(qū)、軒崗崗縣礦區(qū)、離柳礦區(qū)西部地區(qū),尤其以離柳礦區(qū)相對(duì)嚴(yán)重。

5 結(jié) 論

針對(duì)黃河流域生態(tài)脆弱和強(qiáng)人類活動(dòng)復(fù)合型水土流失易發(fā)區(qū)生態(tài)環(huán)境質(zhì)量動(dòng)態(tài)監(jiān)測(cè)的現(xiàn)實(shí)需求,提出了一種改進(jìn)的生態(tài)指數(shù)MRSEI,并在山西省及其煤炭礦區(qū)進(jìn)行了應(yīng)用。主要取得如下結(jié)論:

(1)改進(jìn)的生態(tài)指數(shù)MRSEI在山西省等生態(tài)脆弱區(qū)的生態(tài)環(huán)境分析中具有較好的適用性。該指數(shù)可以有效集成綠度、濕度、干度、熱度和土壤侵蝕5個(gè)生態(tài)因子的綜合信息,所引入的土壤侵蝕指標(biāo)Erosion使得MRSEI可以綜合考慮土壤侵蝕對(duì)生態(tài)環(huán)境的影響,與現(xiàn)有的遙感生態(tài)指標(biāo)相比可以更好地兼顧區(qū)域環(huán)境特點(diǎn)。

(2)2000—2020年,山西省及其煤炭礦區(qū)的生態(tài)環(huán)境質(zhì)量均呈現(xiàn)先下降后上升的趨勢(shì),盡管煤炭礦區(qū)上升趨勢(shì)相對(duì)更為明顯,但其MRSEI均值始終低于山西省MRSEI均值。另一方面,生態(tài)環(huán)境質(zhì)量變化空間差異特征相對(duì)明顯,生態(tài)環(huán)境質(zhì)量較好的區(qū)域主要分布在山西省東部和南部,較差的區(qū)域主要集中在西部地區(qū)。此外,無論是山西省還是其煤炭礦區(qū),生態(tài)環(huán)境質(zhì)量較好及以上區(qū)域面積占比均增加,而質(zhì)量較差及以下的區(qū)域面積占比均下降,這與氣候暖濕化變化特征及生態(tài)文明政策措施落地實(shí)施等因素密不可分。

(3)本研究提出的一種改進(jìn)型遙感生態(tài)指數(shù)MRSEI,盡管可以相對(duì)客觀地揭示山西省及煤炭礦區(qū)生態(tài)環(huán)境質(zhì)量變化特征,但研究中也存在不足。例如:土壤侵蝕因子分析時(shí)未能獲取3期的DEM數(shù)據(jù),這是導(dǎo)致主成分分析時(shí)土壤侵蝕因子貢獻(xiàn)度較低的一個(gè)原因。此外,氣溫、降水、地形等是導(dǎo)致生態(tài)環(huán)境質(zhì)量變化最基本、影響最廣泛的因素,礦山開發(fā)的影響局限在煤炭國(guó)家規(guī)劃礦區(qū)內(nèi)的有限范圍,城鎮(zhèn)化、工業(yè)化等是影響范圍相對(duì)較廣的人類活動(dòng),上述自然、人為因素對(duì)長(zhǎng)時(shí)序生態(tài)環(huán)境質(zhì)量變化的深刻驅(qū)動(dòng)機(jī)制有待進(jìn)一步研究。