廢棄礦區(qū)環(huán)境恢復狀況遙感監(jiān)測研究*

崔慧珍，關勝況，王冰琰

(河南理工大學，河南 焦作454000)

隨著經(jīng)濟的快速增長，對煤炭資源的需求不斷增大，由于沒有土地復墾及再利用規(guī)劃，產生了大量的礦區(qū)廢棄地［1－3］。礦區(qū)廢棄地是一種極端裸地、植被稀少、水土流失嚴重，造成礦區(qū)水體、土壤和大氣的嚴重污染，引發(fā)一系列經(jīng)濟、生態(tài)、社會等方面的問題。如何在礦區(qū)廢棄地上進行快速、高效的生態(tài)恢復與重建己成為當前生態(tài)環(huán)境保護所面臨的緊迫任務。Larsson等［4］分別從TM、MSS和SPOT衛(wèi)星圖像數(shù)據(jù)估算植被指數(shù)，并建立了阿拉伯森林地區(qū)植被指數(shù)與覆蓋率的關系模型。Ji等［5］提出監(jiān)測植被生長狀態(tài)的歸一化植被指數(shù)(NDVI)，該指數(shù)常被用來進行區(qū)域和全球的植被狀態(tài)研究，同時也為廢棄礦區(qū)植被覆蓋變化的監(jiān)測提供了依據(jù)。

國內利用遙感技術進行對礦區(qū)環(huán)境調查和監(jiān)測也取得了較大的成就。甘甫平等［6］根據(jù)植被在685 nm附近的最大吸收深度相對地劃分植被污染程度。2009年，韓云霞等［7］研究了露天煤礦開采形成的廢棄地對生態(tài)環(huán)境的影響。本文以雙鴨山市廢棄礦區(qū)為研究對象，基于MODIS數(shù)據(jù)，利用NDVI對當?shù)刂脖贿M行了定量分析。采用分類方法對土地利用進行了時間和空間特征分析，取得了較好的監(jiān)測效果。

1 計算原理

本文采用的MODIS(Moderate－resolution Imaging Spectroradiometer)數(shù)據(jù)是搭載在Terra和Aqua兩顆衛(wèi)星上的中分辨率成像光譜儀，是美國地球觀測系統(tǒng)(EOS)計劃中用于觀測全球生物和物理過程的重要儀器。它具有36個中等分辨率水平的光譜波段，每1～2 d對地球表面觀測一次，獲取陸地和海洋溫度、初級生產率、陸地表面覆蓋、云、汽溶膠、水汽和火情等目標的圖像。

植被指數(shù)的種類非常多，選擇植被指數(shù)的基本原則是:不能存在飽和現(xiàn)象，應最大限度地反映地表植被的分布情況，排除大氣等因素的干擾。植被指數(shù)的計算模型較多，有比值植被指數(shù)RV、差值植被指數(shù)DVI、歸一化植被指數(shù)NDVI以及近幾年倍受關注的增強植被指數(shù)EVI等。由于NDVI對植被覆蓋度的檢測范圍較寬，有較好的時相和空間適應性，其一直被用來監(jiān)測植被變化情況，是遙感估算植被覆蓋度研究中最常用的植被指數(shù)［8－11］。因此，本文使用NDVI植被指數(shù)，既能很好地反映地表綠色植被的分布情況，而且部分消除了由天氣變化、傾斜、觀測姿態(tài)所造成的誤差。

根據(jù)植被的反射光譜特征，通常使用植被的紅光、近紅外波段的反射率和其他因子的組合所獲得的植被指數(shù)來提取植被信息。歸一化植被指數(shù)最初是由Rouse等［12］提出。歸一化植被指數(shù)(Normalized Difference Vegetation Index，簡稱NDVI)，又稱標準化植被指數(shù)。其計算公式為:

式中:NIR為近紅外通道反射率;R為紅色通道反射率。歸一化植被指數(shù)與植被分布的密度呈線性相關，它是植物生長狀態(tài)及植被空間分布密度的最佳指示因子。

2 研究區(qū)概況

雙鴨山市因盛產煤而馳名中外，雙鴨山(見圖1)位于黑龍江省東北部，東隔烏蘇里江與俄羅斯比金市相望，南與七臺河市、雞西市毗鄰，西與佳木斯市相連，北臨遼闊的三江平原，南面是連綿的群山。

3 礦區(qū)植被覆蓋分析

本文采用了2000年和2009年的MODIS數(shù)據(jù)，先對1波段和2波段進行定標計算出反射率，分別記為L1和L2。歸一化植被指數(shù)NDVI的計算公式為:

式中:A為增益;DN為波段常數(shù);B為偏移。在HDFView中的可查詢到MODIS數(shù)據(jù)的 A、B值。利用ERDAS中的 Modeler模塊編寫 model可以計算出NDVI值。目前常見的MODIS影像有36個光譜通道，所給 MODIS 數(shù)據(jù)中，第一波段(0.62 ～0.67 μm)為葉綠素主要吸收的紅外波段，第二波段(0.841～0.876 μm)是近紅外波段，對綠色植被差異敏感，是植被通用的波段，因此選擇這2個波段計算植被指數(shù)。

圖1 雙鴨山地區(qū)地理位置圖

由式(2)對第一、第二波段進行輻射定標，根據(jù)式(3)計算兩期的NDVI(見圖2、圖3)，然后對其進行重投影并截取研究區(qū)區(qū)域，并對研究區(qū)的NDVI值進行分級比較(見圖4、圖5)。

由圖4、圖5中的NDVI分級圖分別對2000年和2009年的NDVI值進行統(tǒng)計分析，統(tǒng)計結果如表1所示。

圖2 2000年NDVI圖

圖3 2009年NDVI圖

圖4 2000年NDVI分級圖

圖5 2009年NDVI分級圖

表1 2000年和2009年NDVI累積概率分布表

由圖4、圖5中的NDVI兩期的分級圖和表1中的兩期NDVI可知，2009年與2000年相比較，NDVI值在－1～0之間的低植被區(qū)面積明顯減少，而從0～1的中植被區(qū)和高植被區(qū)面積明顯增加，研究區(qū)的環(huán)境治理恢復有明顯的效果。NDVI和植被覆蓋度具有相關性，所以可以算出2009年的植被覆蓋度。

4 土地利用變化分析

與監(jiān)督分類和專家分類相比，非監(jiān)督分類過程的自動化條件和變量程度較高，人為干預較少。因此，本文采用了非監(jiān)督方法進行分類，非監(jiān)督分類運用算法是完全按照像元的光譜特性進行統(tǒng)計分類。使用該方法時，原始圖像的所有波段都參與分類運算，分類結果往往是各類像元數(shù)大體等比例。對所截取的研究區(qū)評價待估價對象對評，調出非監(jiān)督分類對話框顯示分類圖像，打開分類圖像屬性表調整字段顯示順序，給各個類別賦予相應的顏色，確定類別的專題意義和準確程度(見圖6、圖7)。

圖6 2000年分類圖

圖7 2009年分類圖

圖6、圖7中，綠色代表森林，藍色代表水體，棕色代表居民區(qū)，粉色代表植被，紫色代表裸地。根據(jù)其分類對2000年和2009年的土地利用變化狀況進行統(tǒng)計(見表2)。

通過表2可知，2000年和2009年的土地利用狀況有所轉變。隨著人口的增長，居民區(qū)的覆蓋范圍有所增加，森林和水體覆蓋率有微小的改變，裸地面積有所減少，但是整體植被覆蓋范圍有所增加。在這9年中，廢棄礦區(qū)環(huán)境恢復有一定的效果，植被恢復取得了一定的成績。

表2 土地利用變化表

5 結論

本文通過研究區(qū)的自然地理、地質環(huán)境、土壤植被狀況的了解，確定了研究方法。利用研究區(qū)2000年和2009年的MODIS數(shù)據(jù)，對其第一、第二波段進行輻射定標，并通過NDVI，獲得了植被覆蓋度在時間和空間上的變化特征。最后由非監(jiān)督方法分類分析得出結論:

(1)與2000年相比，2009年雙鴨山礦區(qū)及周邊地區(qū)的NDVI值在0～1中的植被區(qū)和高植被區(qū)面積明顯增加，而－1～0之間的低植被區(qū)面積有所減少。

(2)通過NDVI分級圖和植被覆蓋度的變化圖可看出植被恢復效果明顯，雖然在居民區(qū)植被有輕微破壞，但是礦區(qū)植被覆蓋度有所增加，這是由于雙鴨山市政府在這9年中對礦區(qū)環(huán)境的重視和制定廢棄礦區(qū)環(huán)境恢復的相關政策的原因。

(3)通過對雙鴨山采取非監(jiān)督方法進行分類，得到了2000年和2009年土地利用變化狀況，可以清楚地得出環(huán)境恢復的區(qū)域，從而能夠準確地制定計劃，方便其他礦區(qū)的環(huán)境恢復工作。

由于沒有獲取到研究區(qū)植被覆蓋度和土地利用現(xiàn)狀的實測數(shù)據(jù)，因此對植被覆蓋度和土地利用變化的估算結果只是進行了粗略的驗證，如果能實地測量植被覆蓋度和調查土地利用狀況會使估算結果的精度驗證更高。由于時間原因本文在利用數(shù)據(jù)方面時，只分析了兩期的MODIS數(shù)據(jù)，如果能夠分析2000年至2009年的9年數(shù)據(jù)，效果會更佳。

［1］ 蔡博峰，劉春蘭，陳操操，等.內蒙古霍林河一號露天礦生態(tài)環(huán)境的遙感監(jiān)測與評價［J］.煤炭工程，2009(6):96－98.

［2］ 龐春雨.廢棄礦區(qū)建筑可持續(xù)利用研究［J］.煤炭技術，2013，32(8):154－155.

［3］ 張合兵，郝成元，張小虎.潞安礦區(qū)凈初級生產力和土地覆被變化及成因［J］.水土保持通報，2013，33(1)221－224.

［4］ Larsson H.Linear regressions for canopy cover estimation in Acacia woodlands using Landsat－TM，－MSS and SPOT HRV XS data［J］.Remote Sensing，1993，14(11):2129 －2136.

［5］ Ji L，Peters A J.Assessing vegetation response to drought in the northern Great Plains using vegetation and drought indices［J］.Remote Sensing of Environment，2003，87(1):85 －98.

［6］ 韓云霞，李民贊，李道亮.基于光譜學與遙感技術的礦區(qū)廢棄地土壤特性參數(shù)分析［J］.吉林大學學報:工學版，2009(1):48.

［7］ 郝成元，楊志茹.基于MODIS數(shù)據(jù)的潞安礦區(qū) NPP時空格局［J］.煤炭學報，2011，36(11):1840－1844.

［8］ CHEN Yanli，LONG Buju，PAN Xuebiao，et al.Differences between MODIS NDVI and AVHRR NDVI in monitoring grasslands change［J］.Journal of Remote Sensing，2010，15(4):831 －845.

［9］ 陳燕麗，龍步菊，潘學標，等.基于 MODIS NDVI和氣候信息的草原植被變化監(jiān)測［J］.應用氣象學報，2010，21(2):229－236.

［10］ 沙莎，郭鈮，李耀輝，等.三套NDVI長時間序列植被指數(shù)的對比—以瑪曲為例［J］.干旱氣象，2013，31(4):657－665.

［11］ 胡硯霞，黃進良，王立輝.基于MODIS NDVI時序數(shù)據(jù)的丹江口庫區(qū)物候格局研究［J］.中國農業(yè)資源與區(qū)劃，2012，33(4):25－33.

［12］ Rouse J W，Haas R H，Schell J A，et al.Monitoring vegetation systems in the Great Plains with ERTS［J］.NASA special publication，1974，351:309.