基于遙感技術的露天礦區土地復墾效益評價

張寅玲，白中科,2，陳曉輝，曹銀貴

(1.中國地質大學(北京)，北京 100083；2.國土資源部土地整治重點實驗室，北京100035)

煤礦區域集煤炭資源開采與利用、土地資源占用與破壞為一體，煤礦區域土地復墾成為中國土地復墾的重點區域[1]。2006年國務院發布的《國家中長期科學和技術發展規劃綱要》中提出，要重點開發礦產開采區等典型生態脆弱區生態系統的動態監測技術，構建生態系統功能綜合評估及技術評價體系。因此，除了在礦區范圍內進行土地資源利用監測[2]、生物多樣性監測[3]、植被監測[4]和水土流失監測[5]外，土地復墾效益監測作為土地復墾管理的主要內容[6]也成為必不可少的環節。

露天礦區作為一個特殊的地理區域，在挖損、壓占、占用和復墾的人工強烈擾動下，逐步由自然生態系統轉變為人工生態系統自然系統轉變為自然系統與人工系統并存的模式。礦區土地復墾工作完成后，復墾效益需要經歷一段時間后才能得以顯現。以資源開采為原動力的人類擾動造成的生態和環境問題主要表現為：地表形態改變[7]、植被破壞[8]、熱環境效應增強[9]、土壤結構破壞[10]等，而礦區土地復墾工作則旨在通過地貌重塑、土壤重構以及植被重建等恢復礦區的生態系統服務功能。然而，在土地復墾工作完成后，復墾效益需要經歷一段時間后才能得以顯現。目前，礦區土地復墾效益監測多集中于單項指標的監測，常用的復墾效益指標為作物生長、植被覆蓋等因素。在自然群落和人工群落的后期演替過程中，植物種和植物群落的生長與布局仍然受到諸如氣候、土壤、地形等環境因素的影響[11]，因此基于多項指標進行復墾效益的動態監測顯得十分必要。2006年頒發的《生態環境狀況評價技術規范》[12]中推出主要基于遙感技術的生態環境狀況指數EI，被廣泛應用于生態環境的年度綜合評價。本研究以EI指數為參考，根據露天礦區的特點提出選取了地形高程、植被指數、地表溫度和土壤濕度4個重要指標作為擬建復墾效益指數的評價指標，這4個指標除了代表自然因素外，在某種程度上還表征了人為開采活動對礦區地形條件和水熱條件的影響，因此在某種程度上也可用于礦區土地復墾效益的評價。

衛星遙感技術以其宏觀、實時、快速的特點，在評價指標的空間測度和動態監測方面得到廣泛應用。基于遙感技術獲取多個評價指標，打破了以往單項指標監測的局限性，以期作為實地測量指標的輔助指標來實時、快速、定量、長期地評價和監測復墾效益。

1 研究區概況

平朔礦區屬于寧武煤田的北部區域，區域含煤面積380km2，地質儲量127.5 Mt，露天可采儲量60 Mt，是我國主要的煤炭生產基地。至2013年，平朔露天煤礦的開采擾動范圍達到67km2，其中已復墾區域約為14.6km2。礦區采掘均實行“剝離-采礦-復墾”的一體化工藝流程，復墾工藝的實施主要指排土場區域的植被復墾。排土場作為大型露天礦山中特有的人工地貌，經人工和機械平整后形成平臺與邊坡，最后在平臺與邊坡上通過植被種植進行生態恢復與生態重建工作。本研究選取了平朔露天礦區安太堡礦山的兩個外排土場，即西排和南排作為研究區域，面積約3.71km2。

2 數據與方法

2.1 研究數據

遙感影像統一選用Landsat TM影像，獲取時間為2001年8月20日，2005年7月30日和2010年7月12日，分別代表了復墾初期、復墾中期和復墾近期。根據研究區范圍對影像數據進行裁剪后，最終得到西排和南排的基礎影像。

2.2 指標構建

2.2.1 地形高程(DEM)

平朔露天礦區地測部實地測量得到了2010年1∶1萬的地形圖，經ArcGIS轉換生成分辨率為30m的DEM數據。排土場完成排棄后，其地形高程不再受煤礦開采活動的影響發生改變，因此研究區域在2001年、2005年和2010年具有相同的地形高程數據。

2.2.2 植被指數(NDVI)

歸一化植被指數NDVI為對地表植被活動的一種簡單、經驗的度量，與植被分布密度呈線性相關，可作為指示大尺度植被覆蓋的指標[13]。因此，選用NDVI來表征植被生長狀況，見式(1)。

NDV1=(NIR-R)/(NIR+R)

(1)

式中：R和NIR分別對應了Landsat TM數據的第3波段(0.63～0.69)和第4波段(0.76～0.90)的反射率。

2.2.3 地表溫度(LST)

地表溫度是地表熱量狀況和熱量交換過程的重要表征，獲取區域下墊面的地表溫度特征，可以為區域熱環境的研究提供有效數據[14]。利用Landsat數據的熱紅外波段得到該波段的星上亮溫數據式(2)、式(3)。

Lλ=GAINS×DN+BIASES

(2)

Tk=K2/ln(K1/Lλ+1)

(3)

式中：Lλ為熱紅外波段的輻射強度值；DN為像元灰度值；GAIN和BIASES分別為增益值和偏置值，可以從影像頭文件中獲得；K1=607.66(w·m-2sr-1μm-1)；K2=1260.56(K)；Tk為亮度溫度。

根據Jimenez-Munoz和Sobrino[15]提出的普適性單通道算法，通過地表比輻射率，大氣水汽含量，將亮度溫度轉換為地表溫度Ts(式(4))。

Ts=γ[ε-1(φ1Lλ+φ2)+φ3]+δ

(4)

其中，Ts為地表溫度LST(單位：K)；ε為地表比輻射率；λ為熱紅外波段的有效波長(11.457)；γ與δ是與普朗克公式進行線性展開有關的變量；φ1，φ2，φ3為大氣參數，與波長和大氣含水量有關。

2.2.4 土壤濕度(TVDI)

土壤水分作為侵蝕過程[16]、植物生長[17]、植被恢復[18]和土地評價的主要影響因子，對區域農業生產、植被恢復以及土地利用配置的研究具有重要意義[19]。利用Sandholt[20]提出的溫度植被干旱指數(TVDI)的概念估算土壤表層的水分狀況(式(5))。

(5)

式中：Tsmin表示所有像元中的最小地表溫度，對應的是濕邊；Ts表示影像中任意像元的地表溫度；Tsmax=a+b*NDVI為某一NDVI值所對應的最高溫度，對應的是干邊，則a、b為干邊擬合方程的系數。TVDI值越高，代表土壤濕度越低。

2.3 數據處理

2.3.1 無量綱化處理

由于選取的4個指標的量綱不統一，為了消除量綱對評價結果的影響，需要對評價指標進行標準化處理式(6)。

ai=(xi-xmin)/(xmax-xmin)

(6)

式中：ai為評價指標i的標準化值，xi為評價指標i像元對應的值，xmax和xmin分別對應指標i中的最大值和最小值。

2.3.2 標準離差法

在Matlab軟件支持下，提取研究區域中任意像元的4個指標值用于構建復墾效益指數的樣本數據。選取的樣本需要均勻分布在整個研究區域，樣本數據分別來源于2001年、2005年和2010年3期數據。其中西排568個樣本，南排468個樣本。

標準離差法是客觀賦權法中的一種，通過計算無量綱化樣本值的標準差進一步估算各指標權重(式(7))。當指標的標準差越大時，表明該指標值的變異程度越大，進行綜合評價時所起的作用越大，因此權重也越大。當指標的標準差越小時，表明該指標值的變異程度越小，進行綜合評價時提供的信息量越小，因此權重也越小。

(7)

式中：Sj為j個指標的無量綱化樣本值的標準差；Wj代表第j個指標的權重值；m為指標數。最后確定各評價因子的權重(表1)。

2.3.3 多指標加和法

類比三角法圖法的礦山復墾評價原理[21]，多指標加和方法首先將各指標的無量綱測度值劃分為高、中、低三個等級(表2)，假設高等為1分，中等為0分，低等-1分，通過指標的空間疊加，RSREI的最終得分在[-4，4]之間，標準化處理后最終范圍為[0，1]，最后參照單個指標的等級劃分標準，最終確定復墾效益指數的等級。

表1 各評價指標的權重

表2 評價指標等級劃分

3 結果與分析

3.1 多指標加和法與標準離差法的對比

標準離差法根據表1中各指標的權重，計算得到西排土場和南排土場2001年、2005年和2010年的RSREI值。由于分值的取值范圍不同，經標準化處理后將分值映射到[0,1]區間，并進一步劃分為高[0.7,1]、中[0.3,0.7]、低[0,0.3]三個等級，如圖1所示。該方法根據樣本無量綱值的標準差狀況確定權重，避免了人為權重確定，具有一定的合理性。但是在RSREI的計算過程中，由于每期數據的樣本值不同，使得RSREI的計算公式也不盡相同，這樣即使存在4個指標值相同的像元，也有可能得到不同的RSREI值或復墾效益等級，不適用于時間維度上的動態對比。

多指標加和法根據表2先對各指標進行等級劃分并賦予對應的分值，計算完成后，根據最后的無量綱值再一次進行等級劃分，如圖2所示。該方法認為，當選取的評價指標共同對復墾效益變化起作用時，每一個指標對復墾效益的全局變化具有相同的影響程度，因此該方法能夠通過各評價指標客觀地反映土地復墾效益。由于在RSREI的計算和等級劃分中采用統一的標準，所以在定量評價復墾效益的同時還能進行時間維度上的對比分析。

總的看來，兩種計算結果在空間分布上具有一定的相似性。標準離差法在RSREI的計算過程中，由于每期數據的樣本值不同，使得RSREI的計算公式也不盡相同，這樣即使存在4個指標值相同的像元，也有可能得到不同的RSREI值或復墾效益等級，不適用于時間維度上的動態對比。多指標加和法認為每個評價因子對復墾效益具有相同的影響程度，在RSREI的計算和等級劃分中具有統一的標準，除了可以定量評價復墾效益外，還能進行時間維度上的對比分析。

通過將多指標加和方法與常用的標準離差法相比，發現兩種方法的計算結果在空間分布上具有一定的相似性，同時表明多指標加和法的計算方式是合理的。由于評價方法所選用的研究數據為以往的影像數據，無法通過實地考察對評價結果進行驗證。

圖1 排土場2001年、2005年、2010年復墾效益等級

圖2 排土場2001年、2005年、2010年復墾效益等級

因此為了進一步完善該評價方法，未來將基于影像的過境時間，在同一天進行實地調研，根據調研人員的理論知識和實踐經驗對部分樣點的土地復墾效益進行判別，然后將判別結果用于檢驗遙感影像計算得到的RSREI值，以期得到更為合理的評價模型和方法。

3.2 遙感復墾效益指數的應用

RSREI除了可以定量刻畫復墾效益外，還能對比不同時期的復墾效益變化。利用多指標加和法計算得到研究區域的RSREI值，然后劃分為高、中、低3個復墾效益等級。統計結果表明(表3、表4)，2001～2005年間，西排的復墾效益為高等的所占面積減少了0.07km2，中等所占面積增加了0.11km2，低等所占面積減少了0.04km2。南排的復墾效益為高等的面積增加了0.25km2，中等的面積減少了0.16km2，低等面積減少了0.09km2。2005～2010年間，西排的復墾效益為高等的所占面積增加了0.02km2，中等所占面積減少了0.55km2，低等所占面積了增加了0.53km2。南排復墾效益繼續提高，其中為高等所占面積持續增加，了0.07達到0.47km2，中等所占面積持續下降減少了0.52，減少到0.67km2，低等所占面積增加了0.45km2。

在遙感技術的支持下，除了定量刻畫復墾效益外，還能對不同時期復墾效益的空間變化進行檢測。以綠色代表復墾效益的提高，以藍色代表復墾效益的降低，以灰色代表復墾效益未發生變化(圖3)。2001～2005年間，西排發生變化的面積為1.29km2，約占西排總面積的37.54%，其中復墾效益提高的面積占總面積的33.94%；南排發生變化的面積為0.67km2，約占南排總面積的40.06%，其中復墾效益提高的面積約占總面積的30.53%。2005～2010年間，西排發生變化的面積為1.36km2，約占西排總面積的39.58%，其中復墾效益提高的面積僅占總面積的9.31%；南排發生變化的面積為0.87km2，約占南排總面積的52.29%，其中復墾效益提高的面積占總面積的16.42%。

表3 2001～2005年土地復墾效益等級轉移矩陣/km2

表4 2005～2010年土地復墾效益等級轉移矩陣/km2

圖3 排土場復墾效益變化檢測

4 結論

RSREI指數是綜合考慮了區域的地形條件和水熱條件建立的一個完全基于遙感信息的指數，可以快速長期地評價露天礦區的復墾效益。通過多指標加和的方法對各評價指標進行集成，根據評價指標劃分的高、中、低三個等級，最終確定能夠反映礦區的土地復墾效益的等級狀況。

基于遙感技術得到的RSREI指數，不僅可以定量刻畫礦區的復墾效益，還可以對復墾效益的變化進行時空分析，同時通過復墾效益等級圖實現復墾效益的可視化。同時，該指數不受時間和空間的限制，可以彌補實地觀測獲取指標數值在這些方面的不足。

RSREI指數的構建考慮了區域熱環境效應，因此選取的遙感影像需要包括熱紅外波段。目前具有熱紅外波段的遙感影像包括AVHRR、ASTER、MODIS和Landsat等，最小分比率為30m，因此遙感復墾評價指數主要用于大尺度和中尺度的評價，對于小尺度區域的評價還有待進一步細化。

[1] 卞正富.國內外煤礦區土地復墾研究綜述[J].中國土地科學，2000，14 (1):6-11.

[2] 張正鵬，武文波.基于 GIS 技術的沈陽礦區土地資源利用變化監測[J].煤炭科學技術，2007，35 (10):38-41.

[3] 畢銀麗，李強，邢健，等.基于 WebGIS 的礦區微生物復墾監測與評價系統應用研究[J].礦業工程研究，2009，24 (4):67-70.

[4] 馬保東，陳紹杰，吳立新，等.基于 SPOT-VGT NDVI 的礦區植被遙感監測方法[J].地理與地理信息科學，2009，25 (1):84-87.

[5] 蘇迎春，周廷剛.遙感與 GIS 支持下的南桐礦區水土流失評價與區劃[J].中國巖溶，2012，31 (2):191-197.

[6] 周偉，曹銀貴，白中科，等.煤炭礦區土地復墾監測指標探討[J].中國土地科學，2012，26 (11):68-73.

[7] 胡振琪，陳濤.基于 ERDAS 的礦區植被覆蓋度遙感信息提取研究[J].西北林學院學報，2008，23 (2):164-167.

[8] 耿殿明，姜福興.我國煤炭礦區生態環境問題分析[J].中國煤炭，2002，28 (7):21-24.

[9] 胡文亮，趙萍，董張玉.基于 TM 數據的煤礦區熱環境效應及其生態意義[J].合肥工業大學學報：自然科學版，2010，33 (5):741-744.

[10] 吳立新，梁躍.中國煤礦環境挑戰及戰略對策[J].中國煤炭，1996,(10):15-17.

[11] 張桂蓮，張金屯，郭逍宇.安太堡礦區人工植被在恢復過程中的生態關系[J].應用生態學報，2005，16 (1):151-155.

[12] 國家環保總局.中華人民共和國環境保護行業標準(試行)HJ/T192-2006[S].2006.

[13] 賈寶全.基于TM衛星影像數據的北京市植被變化及其原因分析[J].生態學報，2013，33 (5):1654-1666.

[14] 陳小瑜，林冰，鄭偉民，等.基于 ETM 遙感影像的城市溫度反演及結果分析——以福建省泉州市為例[J].重慶師范大學學報：自然科學版，2013，30 (4):123-127.

[15] Jiménez-Muoz Juan CSobrino José A.A generalized single-channel method for retrieving land surface temperature from remote sensing data[J].Journal of Geophysical Research：Atmospheres (1984-2012)，2003，108 (D22).

[16] 張玉斌，鄭粉莉.近地表土壤水分條件對坡面土壤侵蝕過程的影響[J].中國水土保持科學，2007，5 (2):5-10.

[17] 王力，衛三平，王全九.黃土丘陵區燕溝流域農林草地土壤水庫充失水過程模擬[J].林業科學，2011，47 (1):29-35.

[18] 楊磊，衛偉，莫保儒，等.半干旱黃土丘陵區不同人工植被恢復土壤水分的相對虧缺[J].生態學報，2011，31 (11):3060-3068.

[19] 肖慶文，倪晉仁，李天宏.基于土壤水分分布的土地利用空間優化方法[J].自然資源學報，2005，20 (3):317-325.

[20] Sandholt Inge，Rasmussen Kjeld，Andersen Jens.A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J].Remote Sensing of Environment，2002，79 (2):213-224.

[21] 李福來，雙寶，辛馨.基于三角圖法的礦山復墾評價研究[J].金屬礦山，2009(11):162-165.