露天煤礦草原區植被指數與氣象水文要素關系

張 雁，黃選明，陳 實，石炳興

(1.中煤科工集團西安研究院有限公司，陜西 西安 710077；2.西北農林科技大學 水利與建筑工程學院，陜西 西安 712100；3.國家能源集團大雁公司，內蒙古 呼倫貝爾 021122)

研究區為地處內蒙古呼倫貝爾草原區的某露天煤礦，礦坑在開采過程中長期疏排地下水，造成地下水位不斷下降。地下水位持續下降對煤礦周邊草原區生態植被的改變及生態環境影響程度關系到露天礦的綠色與可持續發展，因此，有必要開展煤礦周邊植被生長的主要影響因素及地下水對植被生長的影響程度研究。

在我國不同地區，植被生長的主要影響因素不盡相同，國內學者對此開展了大量研究。曹艷萍等[1]認為華北平原植被蓋度好轉主要受人類活動和降水等因素共同影響；信忠保等[2]認為黃土高原植被蓋度變化主要受降水影響；羅敏等[3]認為塔里木河流域平原區和中低山區植被生長受降水和溫度共同作用，高山區植被生長主要受溫度控制，平原綠洲區植被變化主要受人類活動影響；宋鵬飛等[4]認為黑河流域植被生長受氣溫影響程度最大；李麗紅等[5]認為山西省植被蓋度受降水變化影響較大，受溫度變化影響較小；梁艷等[6]、穆少杰等[7]認為降水是驅動草地植被年際變化的主要因素；多名學者[8-11]研究認為呼倫貝爾地區30 多年的植被蓋度呈逐年波動改善趨勢，年際間的變化主要受降水影響，但同時也與氣候變暖相關，氣溫回升造成呼倫貝爾草原生長季節延長以及返青期提前。

植被生長與地下水關系密切，馬玉蕾等[12]研究表明土壤含水量隨地下水位埋深增加而減小，土壤鹽漬化隨地下水位埋深變淺而加重，地下水位埋深過大或過淺，均會造成不同程度的植被退化甚至死亡；陳亞寧等[13]認為隨地下水位埋深加大，物種多樣性指數降低，植物種類減少，群落結構向簡單生態系統退化，地下水位的不斷下降和土壤含水率的喪失是引起植被退化的主導因子；馬興旺等[14]認為地下水位埋深小于2 m 時會造成地表土壤積鹽過重；程東會等[15]認為在毛烏素沙漠地區，地下水位埋深不是旱生植被蓋度的控制因素，植被生長的水分來自降雨產生的包氣帶水；范磊等[16]認為以沙蒿為代表的耐干旱植被物種，生長基本不依賴地下水，植被蓋度也與潛水位埋深無關，在潛水位埋深較大的情況下也能保持較大蓋度。

諸多學者還研究了不同區域適合植被生長的生態水位，歸納總結如下：華北平原地區適合植被生長的地下水位埋深為2～10 m[17]；新疆塔里木河流域、焉耆盆地等地區為4～5 m[18-22]；甘肅、寧夏、河西走廊等地區為5 m 以內[23-26]；內蒙古鄂爾多斯、烏審旗、呼倫貝爾等地區為6～8 m[27-32]；青海柴達木盆地為4.5 m 以內[33]；毛烏素沙漠區為6 m 以內[16]；東北地區西部為4 m 以內[34-35]。地下水位超過上述埋深后，植被以旱生植物為主，其生長將不受地下水位的影響。

研究植被蓋度通常采用植被指數法，植被指數已廣泛用來定性和定量評價植被覆蓋及其生長活力，目前已經發布了超過150 種植被指數模型，其中歸一化植被指數法(NDVI)[36]是應用最廣泛的方法。本文利用GIS/RS 數據，基于聯合熵與互信息技術，采用歸一化植被指數法研究2013—2019 年研究區植被變化與氣象要素的關系，分析了研究區植被生長與地下水的關系。

1 研究區植被類型與植被指數變化趨勢

1.1 研究區概況和植被類型

研究區地處我國內蒙古呼倫貝爾草原區，大興安嶺西側，氣候類型為中溫帶大陸性草原氣候，研究范圍南北長7 km，東西寬5.5 km，面積為38.5 km2。露天煤礦自2010 年開采以來，地下水位最大降深超過50 m，對剝采范圍內的植被和生態環境造成一定的破壞，部分區域植被有所退化。

根據調研，研究區內植被類型主要包括3 大類，即草甸植被、草原植被和沼澤植被。草甸植被主要為低濕地草甸，分布在扎尼河濕地、海拉爾河灌叢外地勢較高的階地上；草原植被主要是草甸草原，廣泛分布于研究區內的低山丘陵區和河流階地區；沼澤植被分布在海拉爾河濕地和扎尼河濕地，有木本沼澤和草本沼澤，在木本沼澤外圍還有山荊子與灌叢鑲嵌分布；局部有沙地植被，沙地植被主要以針茅、羊草、冷蒿、沙柳等為主。研究區范圍與植被類型分布如圖1 所示。

1.2 歸一化植被指數(NDVI)

歸一化植被指數(Normalized Difference Vegetation Index，NDVI)能夠反映植被生長狀況，是監測植被覆蓋動態變化的有力工具，被廣泛應用于植被覆蓋時空變化研究中，可通過遙感(RS)或地理信息系統(GIS)獲取NDVI 數據，并對植被時空變化進行研究，采用的遙感數據為SPOT-5 衛星遙感數據和LANDSTA 系列數據，NDVI 可以表示為：

式中：NIR 為近紅外波段；R 為紅光波段；p為反射率。

基本數據處理流程為數據加載 根據研究范圍進行數據裁剪 提取導出數據 導入MATLAB軟件進行計算。

圖1 露天煤礦及周邊范圍與植被類型分布Fig.1 Area and vegetation type distribution of open-pit coal mine

1.3 植被指數變化趨勢

基于GIS 和RS 數據，提取研究區2013—2019年的NDVI 數據，其均值為0.1～0.4，2013 年NDVI值最小(0.10)，2019 年NDVI 值最大(0.33)，呈逐漸增加狀態，平均增速約為每年0.03。根據國際分級標準(表1)，研究區植被覆蓋情況由稀疏級別逐漸過渡到適中級別。

表1 NDVI 國際分級標準Table 1 NDVI international classification standard

繪制2013—2019 每年7 月初研究區的NDVI值空間分布圖(圖2)，同樣看出研究區植被覆蓋率呈逐年增加趨勢，尤其從2017 年開始，NDVI＞0.2的區域明顯增多，在2019 年，約50%的范圍內NDVI值在0.3 以上，覆蓋級別達到適中植被級別。

為研究整個區域NDVI 時空趨勢變化，需計算每個象元NDVI 年際變化趨勢，在此利用趨勢分析法逐個象元分析NDVI 變化趨勢，趨勢分析法計算公式為：

式中：θslope為象元NDVI 變化趨勢；i為年份；n為總年數；NDVIi為第i年的NDVI 值。θslope的分級標準見表2。

繪制2013—2019 年研究區NDVI 變化趨勢空間分布圖(圖3)。

由圖3 可知，2013—2019 年該地區70%以上區域NDVI 值都呈輕度或顯著增加狀態，輕度增加區主要集中在露天礦剝采區北部，顯著增加區主要在河流流域和礦坑東北角；NDVI 值輕度降低和基本不變的區域主要分布在礦區中部的剝采區及礦坑西部的排土場，這些區域目前為非植被覆蓋區。

2 聯合熵與互信息

熵(Entropy)是表示隨機變量不確定性的度量，熵值越大，表示事件發生的不確定性越大，基本表達式為：

式中：H(X)表示變量X的熵值，bit；X表示變量；pi表示第i次事件發生的概率。

聯合熵(Joint Entropy)[37-38]就是度量一個聯合分布的隨機系統的不確定度，用公式表示為：

式中：H(X,Y)表示變量X、Y的聯合熵值，bit；X、Y表示變量；m、n表示X、Y的取值個數；pij表示變量X、Y的聯合概率分布。

如果變量X與Y相互獨立，則H(X,Y)=H(X)+H(Y)，聯合熵達到最大值，而變量間的相關性為0。變量間的相關性可以利用互信息(Mutual Information)[39-40]來表征，互信息I(X,Y)可以用公式表示為：

其關系可用圖4 表示。

圖2 研究區2013—2019 年每年7 月的NDVI 空間分布Fig.2 NDVI spatial distribution of the study area in July from 2013 to 2019

表2 θslope 分級標準Table 2 Grading standard ofθslope

圖3 研究區2013—2019 年NDVI 變化趨勢Fig.3 Variation trend of NDVI in the study area from 2013 to 2019

同理，三維聯合熵的計算公式可以表示為：

圖4 聯合熵與互信息關系Fig.4 Schematic diagram of joint entropy and mutual information

3 研究區植被指數與氣象水文要素關系

選擇氣溫(T)、降水(P)、地下水位埋深(G)作為氣象水文要素，基于聯合熵理論，分別計算NDVI與上述變量兩兩組合之間的互信息，即分別計算I(P,T;NDVI)，I(P,G;NDVI)與I(T,G;NDVI)，研究NDVI與氣象水文要素的響應關系。

3.1 氣象水文要素信息

3.1.1 氣溫變化趨勢

收集了研究區2013—2019 年氣溫數據，年均氣溫的變化曲線如圖5 所示。2013—2019 年年均氣溫整體呈增加趨勢，增加速度約為0.21 ℃/a，其中，2015 年年均溫度最高，為0.48℃。

圖5 研究區2013—2019 年年均氣溫變化趨勢Fig.5 Variation trend of annual average temperature(2013-2019)

3.1.2 降水量變化趨勢

研究區多年平均降水量為383.7 mm，除2013年降水(619.1 mm)較多外，2014—2019 年降水量整體保持平穩，年平均降水量為370.43 mm(圖6)，降水量年內分布不均勻，主要集中在夏季6～9 月份。

圖6 研究區2013—2019 年降水量變化趨勢Fig.6 Rainfall variation trend in the study area(2013-2019)

3.1.3 地下水位埋深變化趨勢

選擇研究區水7、抽3、水6 這3 個水文觀測孔(圖1)，繪制2011—2019 年第四系含水層水位埋深變化曲線，如圖7 所示。3 個觀測孔的初始水位埋深分別為6.80、9.65、17.80 m，受礦坑疏排地下水影響，至2019 年初，水位埋深分別為14.20、15.11、72.28 m，由于水6 孔靠近疏排中心，因此，水位埋深有大幅下降。

圖7 研究區2011—2019 年地下水位埋深變化趨勢Fig.7 Variation trend of the depth groundwater table(2011-2019)

3.2 NDVI 與氣象水文要素的互信息

采用2013—2019 年的NDVI 序列、降水、氣溫和地下水位埋深序列數據，計算NDVI 與氣象水文要素的互信息，考慮到變量為離散值，因此，首先需將序列劃分為等間距區間，劃分原則為n=1+3.3lg(N/a)，N表示樣本長度，n為區間數，所選樣本長度為7 a (2013—2019 年)，n=3.79，在此取值為4。所有變量值都落在4 個等間距區間。為計算方便，落在第1 區間的值記為1，落在第2 區間的值記為2，依次類推，落在第4 區間的值記為4，然后利用經驗概率公式，計算聯合概率。NDVI 與上述3 要素的互信息空間分布結果分別如圖8—圖10 所示。

圖8 為NDVI 與氣溫和降水量的互信息分布，互信息值均在1.2 左右，但在排土場和剝采區的無植被區及西北部的草甸植被和沼澤植被區，互信息值小于0.8，個別區域小于0.5，從中反映出草甸植被和沼澤植被生長受河流水位影響較大，草原區植被受氣溫和降水影響較大。

圖8 NDVI 與氣溫和降水量的互信息空間分布Fig.8 Spatial distribution of mutual information between NDVI and temperature,NDVI and rainfall

圖9 為NDVI 與氣溫和地下水位埋深的互信息分布，互信息值主要在0.8～1.0，集中在研究區中部的草原植被區，無植被區的互信息值在0.5 以下，西北部的草甸植被和沼澤植被區的互信息基本在1.0～ 1.5，表明草甸植被和沼澤植被受地下水埋深和氣溫的影響較草原植被大。

圖10 為NDVI 與降水量和地下水位埋深的互信息分布，互信息值大多在0.5～0.8，集中在研究區中部的草原植被區，而東北部等區域草甸植被區和沼澤植被區的互信息值普遍大于1.0，進一步驗證草甸植被區和沼澤植被區受地下水位埋深的影響較草原植被大。

圖9 NDVI 與氣溫和地下水位埋深的互信息空間分布Fig.9 Spatial distribution of mutual information between NDVI and air temperature,NDVI and groundwater table depth

圖10 NDVI 與降水量和地下水位埋深的互信息空間分布Fig.10 Spatial distribution of mutual information between NDVI and rainfall,NDVI and groundwater table depth

4 研究區植被生長與地下水埋深的關系

根據前人研究和對鄰近礦區調研結果，在干旱半干旱地區，草地植被適宜生長的地下水位埋深范圍為2～6 m。目前研究區地下水位埋深均在6 m 以下，此時地下水無法通過毛細管作用到達植被根系供給植被吸收，植被生長主要依靠由降雨產生的包氣帶水，植被群落也逐漸過渡為旱生植被類型。研究區每年10 月至次年4 月，均有積雪覆蓋，氣溫回暖后，積雪融水促進植被初期生長，植被返青期提前，6—9 月主要依靠大氣降水生長。因此，在研究區特定的氣候條件下，植被生長與地下水位埋深關系不密切。

5 結論

a.內蒙古呼倫貝爾某露天煤礦周邊植被蓋度呈逐年好轉趨勢，植被指數由2013 年的0.10 逐漸增加至2019 年的0.33，年均增長約0.03，覆蓋級別由稀疏植被過渡到適中植被。

b.研究區NDVI 與氣溫和降水量的互信息值基本在1.2 左右，與氣溫和地下水位埋深、降水量和地下水埋深的互信息值均在1.0 以下，表明研究區植被生長與氣溫和降水量關系密切，與地下水位埋深相關性弱。

c.研究區氣候變暖和穩定的降水量是植被蓋度逐漸增加的主要原因；礦區目前疏排水強度下引起的地下水位下降不會造成周邊草原植被干枯死亡。

d.推測該區植被種群和多樣性會隨地下水位的變化而逐漸發生改變，鑒于研究區尺度有限，對于該結論還需進一步收集資料開展深入研究。

請聽作者語音介紹創新技術成果等信息，歡迎與作者進行交流

OSID 碼