李 莉,張 祺,仇 豐,王韶伊

(1.神東煤炭集團(tuán)有限責(zé)任公司 生態(tài)環(huán)境管理中心,陜西 榆林 719315; 2.中國(guó)電建集團(tuán)華東勘測(cè)設(shè)計(jì)研究院有限公司 生態(tài)環(huán)境工程院,浙江 杭州 311122; 3.浙江華東生態(tài)環(huán)境工程研究院,浙江 杭州 311122)

相比露天采煤,井下采煤對(duì)生態(tài)環(huán)境的直接影響小,但也會(huì)產(chǎn)生地表沉陷、地下水位下降、水土流失等問題,從而間接影響地表覆蓋及景觀格局;煤炭企業(yè)、公益組織和地方政府在礦區(qū)的生態(tài)修復(fù)投入,會(huì)減緩荒漠化進(jìn)程,加速受損植被的恢復(fù)。

多光譜遙感衛(wèi)星在評(píng)價(jià)礦區(qū)地表覆蓋類型和植被覆蓋率等指標(biāo)方面已有較多應(yīng)用。劉英[1]使用多顆衛(wèi)星的影像研究了礦群礦區(qū)12年間地表植被和淺層土壤濕度,研究發(fā)現(xiàn)礦井采區(qū)植被覆蓋率小于非采區(qū),可能原因是開采活動(dòng)降低了淺層土壤含水率;隨后,劉英等[2]進(jìn)一步研究植被覆蓋度時(shí)序變化與驅(qū)動(dòng)因素發(fā)現(xiàn),含水率和降雨量分別是影響植被覆蓋度最主要的土壤理化因子和氣候因子。李宏韜等[3]研究了礦區(qū)歸一化植被指數(shù)(NDVI)和增強(qiáng)型植被指數(shù)(EVI)10年間的變化規(guī)律,發(fā)現(xiàn)植被覆蓋情況改善的區(qū)域超過90%。李蕊等[4-5]在更大的時(shí)間尺度上,選用不同指標(biāo)研究礦區(qū)植被覆蓋,均認(rèn)為生態(tài)環(huán)境質(zhì)量在過去10余年有提高。植被覆蓋是水土流失的影響因素之一,王麗云等[6]使用遙感數(shù)據(jù)和數(shù)字高程模型(DEM)研究了礦區(qū)13年間水土流失動(dòng)態(tài)變化,發(fā)現(xiàn)土壤侵蝕由高強(qiáng)度向低強(qiáng)度轉(zhuǎn)移,水土流失面積減小值超過礦區(qū)總面積的1/3。綜合使用多種遙感數(shù)據(jù),可以得到生態(tài)系統(tǒng)服務(wù)功能,劉英等[7]研究了礦區(qū)的生態(tài)系統(tǒng)服務(wù)功能,得到其時(shí)空分布規(guī)律及空間聚類特征,并解釋了成因,提出了生態(tài)治理建議。王鐵生等[8]提出了“偽綠化面積”的概念,指的是硬化地面覆土植草不透水的綠地,進(jìn)而提出了使用多光譜數(shù)據(jù)判定偽綠化面積的方法,并在鄭州市金水區(qū)進(jìn)行驗(yàn)證。

已有研究多采用美國(guó)MODIS等免費(fèi)數(shù)據(jù),分辨率多為30 m,高分辨率的研究成果依然較少;此外,遙感得到的地表覆蓋及景觀格局成果對(duì)生態(tài)環(huán)保工程的指導(dǎo)不夠直接。本文針對(duì)已有研究的不足,選取黃河中游礦群為研究對(duì)象,使用高分六號(hào)多光譜衛(wèi)星影像結(jié)合現(xiàn)場(chǎng)調(diào)查,從生態(tài)功能的角度研究該礦群地表覆蓋及景觀格局。

1 研究區(qū)概況及數(shù)據(jù)來源

研究區(qū)選取礦群核心區(qū),位于陜西省榆林市神木市與內(nèi)蒙古自治區(qū)鄂爾多斯市伊金霍洛旗交界處,烏蘭木倫河兩岸,研究范圍是多個(gè)礦井的外包線,與劉英等[2]一致,如圖1所示。

遙感數(shù)據(jù)來自高分六號(hào)衛(wèi)星,搭載了離軸TMA全反射式相機(jī),包含藍(lán)、綠、紅、近紅外4個(gè)譜段,全色空間分辨率優(yōu)于2 m,覆蓋寬度大于90 km,是中國(guó)第一顆具備“紅邊”波段傳感器的衛(wèi)星,也是世界上第一顆具備“紅邊”波段的寬視場(chǎng)多光譜中高分辨率衛(wèi)星,在農(nóng)林領(lǐng)域具有優(yōu)勢(shì)[9-11]。遙感影像于2022年5月30日拍攝,中心點(diǎn)經(jīng)緯度E110.4°、N39.5°,編號(hào)為L(zhǎng)1A1120214256,影像覆蓋了整個(gè)研究區(qū),拍攝時(shí)天氣晴朗,幾乎無云。

原始數(shù)據(jù)經(jīng)過輻射定標(biāo)、正射校正和快速大氣校正等預(yù)處理,投影到2000國(guó)家大地坐標(biāo)系?，F(xiàn)場(chǎng)調(diào)查采用踏勘和無人機(jī)航拍結(jié)合的方式,驗(yàn)證遙感成果的有效性,補(bǔ)充必要的細(xì)節(jié)。調(diào)查時(shí)間為2022年6月1—5日。

2 研究方法

2.1 地表覆蓋類型及植被覆蓋度

采用分類回歸樹算法(Classification and Regression Tree,CART)地表覆蓋類型分為裸地、人造地表、水域、草地、灌木和林地6類。CART屬于機(jī)器學(xué)習(xí)中的專家系統(tǒng),作為一種基礎(chǔ)方法,廣泛用于多個(gè)領(lǐng)域,在地理信息學(xué)方面,常用于地物識(shí)別[12]和精確分類[13-14]。本研究使用ENVI軟件預(yù)設(shè)的CART模塊,優(yōu)化了移動(dòng)窗口尺寸參數(shù)。

植被覆蓋度采用歸一化植被指數(shù)(Normalized Difference Vegetation Index,NDVI)表征,在地表覆蓋類型的基礎(chǔ)上采用像元二分模型計(jì)算得出。NDVI利用植被吸收紅光、反射近紅外光的特性計(jì)算得出,常用于評(píng)估作物長(zhǎng)勢(shì)[15]和植被覆蓋度[16-19]。本研究使用ENVI軟件預(yù)設(shè)的NDVI功能。

2.2 景觀格局

景觀格局指景觀的空間結(jié)構(gòu)特征,常用景觀格局指數(shù)表征,指數(shù)的空間自相關(guān)性和聚類特征也屬于景觀格局的范疇。

2.2.1 景觀格局指數(shù)

選取拼塊密度、香農(nóng)多樣性、蔓延度、邊緣密度最大拼塊占景觀面積比例和景觀形狀指數(shù)6個(gè)指標(biāo),反映礦群景觀格局,見表1。景觀格局的基本組成單元是斑塊,指不同于周圍背景的、相對(duì)均質(zhì)的非線性區(qū)域。PD反映斑塊密度,單位面積內(nèi)斑塊越多,景觀異質(zhì)性越強(qiáng),例如整齊劃一的林場(chǎng)斑塊密度較低,而錯(cuò)落有致的天然林斑塊密度較高。SHDI反映香農(nóng)多樣性,強(qiáng)調(diào)稀有斑塊對(duì)景觀多樣性的貢獻(xiàn),景觀多樣性和生物多樣性正相關(guān),該指標(biāo)在生態(tài)學(xué)領(lǐng)域有廣泛應(yīng)用。CONTAG反映蔓延度,取值0～100%,蔓延度越高說明優(yōu)勢(shì)斑塊的連續(xù)性越好。ED反映邊緣密度,表征斑塊邊緣破碎度。LPI反映最大斑塊占景觀面積比例。LSI是景觀形狀指數(shù),等于某斑塊形狀與相同面積的圓或正方形之間的偏離程度,取值為1到無窮大。

表1 景觀格局指數(shù)Tab.1 Landscape pattern index

這些指標(biāo)使用fragstats軟件計(jì)算。

2.2.2 空間自相關(guān)和聚類分析

對(duì)于訴訟中進(jìn)行的調(diào)解，德國(guó)行政法院又將其分為“第三方調(diào)解”和“法院內(nèi)部調(diào)解”。?所謂“第三方調(diào)解”系行政訴訟受理法院將該爭(zhēng)議案件交由法院以外的第三方調(diào)解，且多數(shù)由律師擔(dān)任調(diào)解人;所謂“法院內(nèi)部調(diào)解”系在行政訴訟受理法院內(nèi)部，由主審法官將該案件交由不直接審理的其他法官調(diào)解，這種調(diào)解方式被稱為德國(guó)的“法官調(diào)解”制度，在該制度下，法官將同時(shí)扮演審判者和調(diào)解者的角色。

使用莫蘭指數(shù)表征空間自相關(guān)性,使用ArcGIS軟件計(jì)算6種地表覆蓋類型和植被覆蓋率的莫蘭指數(shù)分布。

聚類分析是局部空間自相關(guān)性分析,與全局空間自相關(guān)不同,聚類分析將整個(gè)研究區(qū)劃分成很多網(wǎng)格,研究網(wǎng)格與其周圍網(wǎng)格屬性的特征,得到高—低值聚類圖。

3 結(jié)果與討論

3.1 地表覆蓋類型

經(jīng)過現(xiàn)場(chǎng)調(diào)查驗(yàn)證,遙感解譯結(jié)果可以較好地解決“同物異譜”和“同譜異物”問題,也有助于深入理解遙感成果的地理意義。解譯得到的地表覆蓋類型如圖2所示。高分辨率的衛(wèi)星影像解譯后展現(xiàn)出豐富的細(xì)節(jié),沖溝中樹木形成的紋理,草原上零星的林地,河道中的江心洲、橋梁都能被識(shí)別;整個(gè)研究區(qū)被河道分成東西兩部分,河道被水壩分成幾段,裸露的河床部分被判定為人造地表,部分被判定為裸地,差別主要在于透水性;河道周圍城鎮(zhèn)、公路密集,形成大量的人造地表。部分典型場(chǎng)景的衛(wèi)星影像、地表覆蓋類型和無人機(jī)航拍照片對(duì)比如圖3所示。該區(qū)域?qū)儆诠瓬仙鷳B(tài)環(huán)境示范基地,包含水域、試驗(yàn)田、林地、建筑物等多種地表覆蓋類型,所有類型都被正確識(shí)別,礦群地表覆蓋類型解譯精度較高。

礦群面積占比最大的是草地,占38.4%,其次為灌木,占24.7%,兩者合計(jì)超過63.1%。草地和灌木都有大面積的連續(xù)區(qū)域,而林地零星分布在草地和灌木中,面積占比11.8%,林地比較集中的區(qū)域是人造地表附近、沖溝和季節(jié)性河流的河床。

人造地表占總面積的9.2%,主要分布在河流兩岸和露天礦坑。裸地占比15.4%,主要位于山坡、露天礦坑和歷史采礦跡地。

3.2 植被覆蓋度

植被覆蓋度指植被(包括葉、莖、枝)在地面的垂直投影面積占統(tǒng)計(jì)區(qū)總面積的百分比。礦群植被覆蓋度如圖4所示。整體而言,烏蘭木倫河?xùn)|岸植被覆蓋度較低,存在連續(xù)的低覆蓋度區(qū)塊;烏蘭木倫河西岸,植被覆蓋度分布較隨機(jī),除了南邊的礦坑和河邊的集鎮(zhèn),沒有連續(xù)的覆蓋度較低的區(qū)塊。

圖4 黃河中游礦群植被覆蓋度Fig.4 Vegetation coverage of the mineral group in the middle reaches of Yellow River

礦群不同地類占比及其植被覆蓋度均值和貢獻(xiàn)率見表2。裸地、草地、灌木3種地類的植被覆蓋度均值差異較小,為0.42～0.45。主要原因是受物候影響,草木剛發(fā)芽,枝葉還不旺盛,投影面積較小,對(duì)植被覆蓋度貢獻(xiàn)有限。林地的植被覆蓋度達(dá)到0.58,屬于中度閉郁,與現(xiàn)場(chǎng)調(diào)查的結(jié)果一致,林地以11.8%的面積占比貢獻(xiàn)了14.3%的植被覆蓋度;草地是面積最大的地類,也因此貢獻(xiàn)了最多的植被覆蓋度,草地對(duì)整個(gè)研究區(qū)的植被覆蓋度貢獻(xiàn)最大,草地的生長(zhǎng)難以受到地下水補(bǔ)給,主要由降水補(bǔ)給,從地類和植物生長(zhǎng)特點(diǎn)方面解釋了劉英等[2]“降雨量是植被NDVI波峰值的最敏感氣候因子”的規(guī)律。

表2 礦群地類和植被覆蓋度統(tǒng)計(jì)Tab.2 Statistics of mineral group land types and vegetation coverage

3.3 景觀格局

表3 景觀格局指數(shù)之間的相關(guān)系數(shù)Tab.3 Correlation coefficients between landscape pattern indices

3.3.1 香農(nóng)多樣性指數(shù)分析

礦群香農(nóng)多樣性指數(shù)如圖5所示。圖5中,藍(lán)色區(qū)域多樣性較差,景觀單一,連續(xù)的藍(lán)色區(qū)域值得重點(diǎn)修復(fù);紅色區(qū)域景觀多樣性好,生態(tài)功能也更豐富。香農(nóng)多樣性指數(shù)的空間分布呈現(xiàn)以下規(guī)律:①礦群西北部,存在香農(nóng)多樣性指數(shù)較高的葉脈狀連通區(qū)域,結(jié)合地表覆蓋和植被覆蓋率可知,該區(qū)域?yàn)闆_溝中的零星林地,面積占比較小,對(duì)植被覆蓋率的貢獻(xiàn)有限,但對(duì)景觀多樣性貢獻(xiàn)很大,推知生態(tài)價(jià)值較高。②烏蘭木倫河兩岸香農(nóng)多樣性指數(shù)較高,但未能形成連續(xù)的線形區(qū)域,河流被水閘分成幾段,沒有生態(tài)流量下泄,沿河生態(tài)帶的建設(shè)也應(yīng)該是生態(tài)修復(fù)的重點(diǎn)。③整個(gè)礦群散布若干香農(nóng)多樣性指數(shù)較低的區(qū)域,多為坡地。

圖5 礦群香農(nóng)多樣性指數(shù)(SHDI)Fig.5 Shannon diversity index(SHDI) of the mineral group

3.3.2 植被覆蓋度聚類分析

植被覆蓋度的空間分布規(guī)律反映了自然景觀格局,全局空間自相關(guān)分析得到的莫蘭散點(diǎn)圖,散點(diǎn)多位于第一和第三象限,第一象限表明高—高聚類,第三象限表明低—低聚類。空間相關(guān)性常用莫蘭指數(shù)表征,莫蘭指數(shù)在-1～1,大于0表示空間正相關(guān),數(shù)值越大相關(guān)性越大。研究區(qū)植被覆蓋度的莫蘭指數(shù)0.656,空間正相關(guān)性較大。

進(jìn)一步分析植被覆蓋度的空間聚類特性,進(jìn)行聚類分析(局部空間自相關(guān)分析),得到LISA聚類地圖,如圖6所示。紅色區(qū)域?yàn)楦摺呔垲?表明空間區(qū)域的植被覆蓋度之間正向影響,區(qū)域集中在烏蘭木倫河西岸和東岸南部區(qū)域,對(duì)應(yīng)的地表覆蓋類型為灌木和草地,是潛在的生態(tài)源地,說明上灣、哈拉溝、大柳塔采煤沉陷區(qū)治理、礦區(qū)微生物修復(fù)等工程[20-23]初顯成效。藍(lán)色區(qū)域?yàn)榈汀途垲?表明空間區(qū)域的植被覆蓋度之間負(fù)向影響,植被連通性差,生態(tài)治理實(shí)踐中應(yīng)防止低—低聚類區(qū)域蔓延,低—低聚類區(qū)域集中在烏蘭木倫河?xùn)|岸中部和北部,以及西岸廢棄礦坑和聚居區(qū)。烏拉木倫河兩岸植被覆蓋度聚類特征不同的原因可能是受東南季風(fēng)影響,西岸處于東南季風(fēng)的迎風(fēng)坡,且西北部高山有利于阻擋暖濕氣流,東岸處于東南季風(fēng)的背風(fēng)坡,降水相對(duì)較少,不利于植被生長(zhǎng)。聚類不顯著的區(qū)域可能是裸地和林草地相間,植被覆蓋天然分布較隨機(jī),也可能是人類影響導(dǎo)致景觀格局破碎;低—高聚類和高—低聚類多處于過渡區(qū)域,不具有明顯的生態(tài)學(xué)意義。

圖6 SD中心礦區(qū)植被覆蓋度LISA聚類地圖Fig.6 LISA cluster map of vegetation coverage in SD central mineral group

4 結(jié)論

黃河流域能源基地受到采煤影響,是水土保持的重點(diǎn)區(qū)域,高分辨率多光譜遙感成果為礦群生態(tài)環(huán)境規(guī)劃提供技術(shù)支撐,得到以下主要結(jié)論。

(1)黃河中游礦群最主要的植被類型是灌木和草本植物互生形成的灌木草地,占總面積的63.1%,喬木林占比11.8%,主要呈帶狀,沿沖溝、沉陷區(qū)、河流分布,在地表形成“綠脈”,香農(nóng)多樣性指數(shù)高,是天然的生態(tài)廊道。

(2)該礦群地表水資源利用程度高,主要河流烏蘭木倫河渠化程度高,部分河段蓄水形成水庫(kù),部分河床裸露。

(3)該礦群植被覆蓋度均值0.45,烏蘭木倫河西岸和東岸南部植被覆蓋度主要呈現(xiàn)高—高聚類特征,空間區(qū)域之間正向影響,是潛在的生態(tài)源地;烏蘭木倫河?xùn)|岸地處東南季風(fēng)的背風(fēng)坡,降水相對(duì)西岸較少,不利于植被生長(zhǎng),大部分區(qū)域呈現(xiàn)低—低聚類特征。