黑岱溝和哈爾烏素礦區2000—2020年生態環境質量時空格局與演變特征分析

常銘, 孟淑英, 周毅, 趙鵬, 趙玉霞, 張子凡

(1.國能數智科技開發(北京)有限公司, 北京 100011; 2.中國科學院生態環境研究中心城市與區域生態國家重點實驗室, 北京 100085; 3.中國地質調查局自然資源綜合調查指揮中心, 北京 100055; 4.佛羅倫薩大學建筑學院, 佛羅倫薩 50121)

黑岱溝和相鄰的哈爾烏素露天煤礦作為國家能源集團準能集團的大型露天煤礦處于中國生態重點保護區域、黃河流域的中游核心地區,自煤礦開發以來,逐年高產的煤礦開采量對國家煤炭行業的發展起到了積極的促進作用,但同時隨著開采力度的加大,煤礦開采也會帶來部分負面環境效益影響,包括影響當地植被的覆蓋情況、植被生產力水平,也會潛在引發如水土流失、土地荒漠化、土壤鹽漬化、地面沉降、地面塌陷、泥石流等眾多生態環境問題[1-4]。近年來對于大型露天煤礦的生態修復和保護研究工作也已成為國內外學者研究的重大生態熱點問題,但研究方向重點圍繞著時序分析、生態功能、植被組合、土壤微生物研究等內容[5-10],對大型露天煤礦的長時序生態環境質量研究工作相對較為薄弱,導致露天煤礦無法即時掌握自身生態環境整體情況,調整生態修復工作方向。

遙感技術具有覆蓋范圍大、時序長、數據類型豐富、分辨率高、周期短等優點[11-12],進入21世紀,國內外學者利用遙感技術手段開展了大量的生態環境領域相關工作[13]。侯湖平[2]將1987—2008年礦區植被凈初級生產力(net primary productivity, NPP)變化引入到礦區生態監測評價中,并構建了礦區尺度的NPP模型。胡振琪等[14]通過分析1993—2006年榆林地區土地利用/覆被變化(land use/ land cover change, LUCC)變化,實現了地區的土地利用類型的數量和空間變化特征研究。徐佳等[15]通過分析神東礦區2000—2017年植被NDVI變化,得出礦區植被時空變化狀況,進而得出礦區生態環境治理情況。單一指標評價方法存在對遙感影像數據利用不充分、無法全面反映生態環境狀況等問題[16],近年來部分學者采用構建指數模型的方式開展了區域生態環境評價工作,主要包括遙感生態指數(remote sensing ecological index, RSEI)[17]、生態環境質量指數(ecological index, EI)[18-19]和綜合指數[20-21]。相比于EI指數和綜合指數,RSEI指數模型評價體系更為客觀,且由于其每個指標均能生成可視化數據圖像,而被國內外學者廣泛使用。

基于Google Earth Engine(GEE)遙感云平臺開展大尺度區域的RSEI指數的生態質量評價被廣泛應用[22]。相比傳統的基于ENVI軟件進行的RSEI計算分析,可以較好地改善生態遙感數據缺失、色差和時間不一致的問題[23];可以極大地節省時間計算成本,包括前期影像預處理和影像去云、鑲嵌、指標計算統計等相關工作[24-25],但在礦區尺度上利用GEE平臺開展基于RSEI指數的生態環境質量時空分析工作比較薄弱。因此,現利用GEE平臺的優越性,通過分析2000—2020年Landsat系列遙感影像數據,計算黑岱溝和哈爾烏素礦區RSEI指數,進而得到21年來礦區的生態環境時空變化特征,并總結礦區生態環境治理成果,進一步保證地區自然-經濟共同發展的雙贏局面。

1 研究區概況

選取黑岱溝和哈爾烏素露天煤礦作為研究區,兩礦區緊密相連,屬同一地質構造單元,其地處準噶爾煤田中部,位于晉陜蒙交界地區,行政區劃隸屬于內蒙古自治區鄂爾多斯市準格爾旗薛家灣鎮管轄。礦區北距呼和浩特市127 km、薛家灣鎮 13 km,西距鄂爾多斯市東勝區約120 km[26-28],如圖1(a)和圖1(b)所示。地理坐標111°10′00″E～111°22′30″E、39°39′45″N～39°48′15″N,如圖1(c)所示。兩礦區地處黃土高原地區,整體地形南高北低,海拔標高在 1 100～1 300 m,屬中溫帶半干旱大陸性季風氣候區,礦區的臨近水系為黃河一級支流。黑岱溝煤礦自1995年開始投入開采,預計可采原煤儲量 1 436 Mt,設計服務年限為75年;哈爾烏素煤礦2006年開始投入正式開采,預計可采原煤儲量 1 730 Mt,設計服務年限為79年[28]。

圖1 研究區概況Fig.1 Overview of the study region

2 數據來源與研究方法

2.1 研究數據與預處理

為構建RSEI指數,獲取長時序遙感影像,精細刻畫礦區自煤礦開采前到煤礦開采后到目前21年間的生態環境質量演變情況,利用GEE平臺龐大存儲量和先進運算能力的優勢,基于T1級別Landsat 5、7、8地表反射率產品(surface reflectance, SR),選擇成像時間在研究區植被生長最茂盛、氣候條件相對較好的8月影像作為基礎數據,通過GEE平臺,基于Landsat云膜、均值合成等算法,合成2000—2020年逐年8月最小云量影像共21幅,影像分辨率30 m,時間分辨率為12個月。

2.2 研究方法

2.2.1 建立遙感生態指數(RSEI)

徐涵秋[17]將能夠從遙感影像中提取出來的,綠度(normalized difference vegetation index, NDVI)、濕度(WET)、干度(normalized difference building and soil index, NDSI)、熱度(land surface temperature, LST)4個與人類生存環境關系密切的因子,進行波段組合形成的新的影像數據,而后通過主成分分析,即得出RSEI指數,表達式為

RSEI=f(NDVI,WET,NDSI,LST)

(1)

式(1)中:RSEI、NDVI、WET、NDSI、LST分別為遙感指數、綠度指標、濕度指標、干度指標、熱度指標,各分指標的計算如下。

1)綠度指標

一般采用可以合理反映植物生物量、葉面積指數以及植被蓋度的植被歸一化指數(NDVI)代替綠度[29],其具體表達式如下。

NDVI=(ρnir-ρred)/(ρnir+ρred)

(2)

式(2)中:ρnir、ρred分別為近紅外波段和紅光波段。

2)濕度指標

采用經過纓帽變換的濕度分量來代表研究區土壤和植被的濕度即濕度指標(WET)[30-31],其表達式如下。

WETTM=0.031 5ρblue+0.202 1ρgreen+

0.310 2ρred+0.159 4ρnir-

0.680 6ρswir1-0.610 9ρswir2

(3)

WETOLI=0.151 1ρblue+0.197 3ρgreen+

0.328 3ρred+0.340 7ρnir-

0.711 7ρswir1-0.455 9ρswir2

(4)

式中:ρblue、ρgreen、ρred、ρnir、ρswir1、ρswir2分別為藍光波段、綠光波段、紅光波段、近紅外波段、短波紅外1波段、短波紅外2波段的反射率。

3)干度指標

由于礦區建設用地較多,單獨用裸土指數(soil index, SI)不能真實反映研究區干度情況,故采用建筑指數(index of building integrity, IBI)和裸土指數(SI)構建干度指標[32-33],其具體表達式如下。

(5)

IBI={2ρswir1/(ρswir1+ρnir)-[ρnir/(ρnir+

ρred)+ρgreen/(ρgreen+ρswir1)]}×

{2ρswir1/(ρswir1+ρnir)+[ρnir/(ρnir+

ρred)+ρgreen/(ρgreen+ρswir1)]}-1

(6)

NDSI=(SI+IBI)/2

(7)

式中:ρswir1、ρred、ρblue、ρgreen、ρnir分別為短波紅外1波段、紅光波段、藍光波段、綠光波段、和近紅外波段的反射率。

4)熱度指標

采用地表溫度代表熱度指標[34],首先需要將像元灰度值轉化為傳感器處的輻射亮度值,通過普朗克公式對比輻射率計算得出地表溫度[17, 35-36],其具體表達式如下。

L=gainDN+bias

(8)

T=K2/ln(K1/L+1)

(9)

LST=T/[1+(λT/ρ)lnε]

(10)

式中:L、DN、gain和bias分別為熱紅外波段的像元在傳感器處的輻射值、熱紅外波段的增益值和偏置值以及像元灰度值,其中gain和bias可從影像的頭文件中獲取;T、K1和K2為傳感器處亮度溫度值、定標參數;λ、ρ和ε為熱紅外波段中心波長、反射率、地面比輻射率。

由于各因子表達的環境要素不同,且存在量綱差異,因此需要對以上指數進行歸一化處理,使計算的RSEI值在0～1,表達式為

NI=(I-Imin)/(Imax-Imin)

(11)

式(11)中:NI為歸一化指標;I為原始指標;Imin為指標I的最小值;Imax為指標I的最大值。之后將歸一化的生態指標進行主成分分析(principal component analysis, PCA)運算,得到主成分PC1和PC2,為使PC1、PC2中較大的數值能夠反映研究區生態環境質量,可進行如下處理,獲得RSEI0,為使結果對比更加直觀,對RSEI再次進行歸一化處理,其值越接近1代表生態環境質量越好。具體表達式如下。

RSEI0=PC1{f(NDVI,WET,NDSI,LST)}+

PC2{f(NDVI,WET,NDSI,LST)}

(12)

(13)

式中:RSEImin為生態指數最小值;RSEImax為生態指數最大值。以上運算均可在GEE中通過編寫主成分分析腳本(PCA,JavaScript)計算。

2.2.2 礦區RSEI重心遷移

利用Arcgis 10.5平臺繪制兩礦區生態環境質量節點時期、不同等級RSEI重心坐標,直觀得出兩礦區21年來RSEI的遷移方向和距離,驗證礦區生態治理的重心分布,并繪制重心變化遷移曲線。具體計算表達式[37]如下。

(14)

(15)

3 結果與分析

3.1 礦區各生態指標結果分析

通過分析礦區擾動區及恢復區21年來以上4個指標及RSEI值的平均值變化情況(圖2),表明該區域2000—2020年生態環境質量總體變化情況為前期略有下降,后期整體提升。從2000—2005年煤礦開采初期,其生態破壞情況比較嚴重,整體生態環境質量較低,其中2002年生態環境質量最差(RSEI平均值為0.36),之后至2005年逐漸變好;2005—2015年,煤礦開始注重生態環境治理,其生態環境質量整體是穩步上升的趨勢,2015年達到最好狀況(RSEI平均值為0.57);2015—2020年,其生態環境質量整體較高,比較穩定,至2020年RSEI平均值為0.54。從4個生態指標的均值演變來看,NDVI走勢和RSEI基本一致,總體呈上升趨勢,其中,2002年為最低點(NDVI平均值為0.34),2015年為最高點(NDVI平均值為0.59),NDVI與RSEI總體呈顯著正相關關系[圖2(a)];WET走勢與RSEI大體一致,總體呈上升趨勢,其中,2002年達到最低點(WET平均值為0.33),2016年達到最高點(WET平均值為0.63),二者整體呈正相關關系[圖2(b)];NDSI與RSEI走向相反,總體呈下降趨勢,其中2002年達到最高點(NDSI平均值為0.56),2013年為最低點(NDSI平均值為0.35),二者呈顯著負相關關系[圖2(c)];LST走向與RSEI大體相反,其整體波動較大[圖2(d)],其中2005年達到最高點(LST平均值為0.52),2017年達到最低點(LST平均值為0.37)。為更直觀地得出RSEI與各指標間的相關性,利用Arcgis 10.5在每一年度的遙感影像中隨機生產點10個,共得到210個點的RSEI值與各分指標值,并進行線性擬合(圖3)。結果顯示NDVI、WET、NDSI、LST這4個指標與RSEI的R2值分別為0.255、0.01、0.31、0.004,即NDVI、NDSI是影響RSEI的主要指標。

圖2 2000—2020年礦區各生態指標均值和RSEI均值變化Fig.2 Changes of average ecological index and RSEI in mining area from 2000 to 2020

圖3 2000—2020年礦區各生態指標與RSEI擬合關系Fig.3 Fitting relationship between ecological indexes and RSEI in mining area from 2000 to 2020

為更好地討論不同時間階段的生態環境質量改變情況,提取2000年、2005年、2010年、2015年、2020年5個時間節點的4個生態指標進行PCA分析,其生態指標主成分分析結果顯示(表1),PC1貢獻率雖然較大但不足75%,選取PC1和PC2建立遙感生態指數,PC1與PC2貢獻率之和均大于80%,表明其包含了NDVI、WET、NDSI、LST 4個指標的主體信息,可以作為主要評價指標。同時4個指標中,正值以NDVI影響較大,負值以NDSI影響更為顯著,表明植被生長情況和企業建設活動對礦區生態環境質量影響最大,與礦區真實情況符合。

表1 礦區各生態指標主成分分析結果統計值Table 1 Statistical value of principal component analysis of ecological indexes in mining area

3.2 2000—2020年礦區生態環境質量空間分布特征

為更直觀得出研究區生態環境質量的空間分布特征,依據徐涵秋[17]提出的等級劃分標準,將RSEI值按等間隔劃分為5個等級,分別為Ⅰ級(差;0～0.2)、Ⅱ級(較差;0.2～0.4)、Ⅲ級(一般;0.4～0.6)、Ⅳ級(良好;0.6～0.8)、Ⅴ級(優;0.8～1.0)。2000年、2005年、2010年、2015年、2020年的RSEI等級分布如圖4所示,結果顯示,礦區周邊的生態環境質量要優于礦區內部,煤礦的露天開采對局部區域生態的破壞明顯,2000—2020年部分開采區域及周邊排土場區域的生態質量得到了明顯的改善,說明露天煤礦的恢復治理短期效果明顯,長期來看只要能做到及時治理,并不會對區域的生態環境質量有太大影響。

統計5個年度礦區擾動面積及RSEI等級面積占比(表2),礦區擾動面積逐年增加,各RSEI等級面積占整個礦區的比值每年不同。其中,2000年,Ⅰ、Ⅱ級面積占比較大為33.21%;至2005年,礦區北部生態環境質量得到改善,但是礦區內部生態環境質量下降,Ⅰ、Ⅱ級面積占比整個礦區的32.33%;至2010年,礦區生態環境質量整體改善,Ⅲ、Ⅳ、Ⅴ級面積占比69.04%,相比于2005年提升了3.74%;至2015年,礦區生態環境質量持續改善,Ⅲ、Ⅳ、Ⅴ級面積占比69.79%;至2020年,礦區內部部分開采區生態環境質量存在改善,Ⅲ、Ⅳ、Ⅴ級面積占比提升,達到71.10%。礦區自2000—2020年,Ⅰ、Ⅱ級面積占比整體呈下降趨勢,Ⅲ、Ⅳ、Ⅴ級面積占比整體呈上升趨勢,RSEI等級優良地區面積占比后期略有下降。

表2 礦區不同等級RSEI面積變化表Table 2 Area change table of different grade RSEI in mining area

3.3 礦區生態環境質量演變特征

嶺回歸(ridge regression)又稱為脊回歸,是一種專門用于共線性數據分析的有偏估計回歸方法,實際上是最小二乘估計的一種改良,其對病態數據的擬合能力要強于最小二乘法?；贕EE平臺,使用嶺回歸函數,以每5年為一周期,對研究區RSEI進行擬合,通過擬合結果斜率(scale)大小表征其生態環境質量演化趨勢(圖5),其中,scale大于0表示生態環境質量改善,且值越大改善效果越好,小于0表示生態環境質量惡化,且值越小惡化越嚴重。

圖5 礦區不同時期生態環境質量演變特征圖Fig.5 Characteristic map of eco-environmental quality evolution in different periods in mining area

可以看出,礦區生態環境質量轉變存在明顯的空間異質性,2000—2020年,整體生態環境變化趨勢為惡化→變好→穩定。2000—2005年,礦山內部生態環境質量顯著下降[圖5(a)];2005—2010年,礦山南部生態環境質量明顯下降,北部區域生態環境質量下降趨勢減緩[圖5(b)];2010年后,礦區部分生態環境質量有所好轉,同時開采區域生態環境質量趨于穩定[圖5(c)];2015年后,研究區西南部生態環境質量明顯好轉,開采區域較穩定[圖5(d)]。

根據結果統計,2000—2005年,礦區生態環境質量惡化區域面積占礦區實際擾動面積74%以上,該時間段為礦山開采初期,原有地表植被等被大量破壞,導致開采區生態環境質量惡化;2005—2010年,礦區生態環境質量惡化區域占礦區實際擾動面積51%,保持穩定區域占30%,改善面積占19%,該時段礦山向南部快速擴張,因此南部生態環境質量急劇下降,原北部礦區生態環境質量惡化減緩,礦區北部周邊位置生態環境質量指數有所回升;2010—2015年礦區生態環境質量改善面積占41%,主要位于礦區西部與北部周邊及中部部分區域,惡化區域占比24%,主要位于礦區東部新開采區位置。2015—2020年,生態環境質量惡化和改善的面積分別占17%與36%,其中,西部、中部的部分區域生態環境質量持續優化,東部開采區質量變化平穩,部分位置生態環境質量有所惡化。

3.4 RSEI重心轉移情況

2000—2020年礦區RSEI重心遷移情況如圖6所示,可以得出,I級重心遷移幅度較大[圖6(a)],2000—2010年其生態環境質量差的重心位置從黑岱溝礦區向哈爾烏素礦區轉移,與實際哈爾烏素礦區自2006年才開始開采相一致,2010—2020年,Ⅰ級重心逐步向東南部轉移,與哈爾烏素礦區開采區向東南部轉移一致。Ⅱ級重心遷移與I級重心遷移軌跡走向大體一致[圖6(b)],2020年其生態環境質量較差的重心位置向黑岱溝礦區東南部偏移,并與黑岱溝礦區開采位置的轉移方向一致。Ⅲ、Ⅳ級重心遷移軌跡相近[圖6(c)、圖6(d)],其中2000—2010年重心遷移幅度較大,2010—2020年其生態環境質量一般和良好的重心向礦區東北方向偏移,與黑岱溝復墾的排土場的方向一致。Ⅴ級重心遷移幅度較大的年限為2015—2020年[圖6(e)],其生態環境質量變優的方向為哈爾烏素礦區的西部,其位置正為哈爾烏素礦區復墾的排土場位置,表明其排土場的復墾效果良好,生態環境質量得到了很大的改善。整體來看21年來,礦區范圍內生態環境質量改善區域偏向于排土場所在位置,其惡化位置偏向東南方向即礦區新的開采區位置。

4 討論

4.1 RSEI指數評價模型的準確性驗證

礦區地處晉、陜、蒙交界處的黃土地區,礦區生態環境質量的變化與企業生產建設活動及植被蓋度關系密切,符合實際情況。通過RSEI得出的礦區生態環境質量變化情況與通過無人機航空影像數據解譯分類得到的監測結果相一致,即2010年前,礦區以開發擴張為主,生態環境質量惡化情況與開發方向基本保持一致,雖在后期部分排土場因自然復綠生態環境質量有所回升,但惡化區域面積占主要地位;2010年后,礦區開展了一系列恢復治理工作,通過演化趨勢可以看出,前期恢復治理效果顯著,惡化面積占比大幅下降,并在2015年后保持住了開采與復墾并重,整體生態環境質量趨于穩定,其中黑岱溝煤礦治理更注重礦區的北部,哈爾烏素礦區更注重西部的恢復治理。同時,2000—2010年RSEI的分析結果也與黃丹等[26]通過1999—2011年分析的地物類型解譯得到的礦區恢復治理成果相吻合,即礦區東南部為建設活動主要地區,涵蓋開采區、裸土區、煤矸石堆場等,西北部為植被修復區。以上說明RSEI指數在黑岱溝礦區和哈爾烏素礦區中可以作為評價其生態環境質量演變的一個重要指標。

4.2 GEE平臺在礦山生態環境評價中的優勢

企業的生產建設活動對礦區生態環境影響很大,因此礦區的生態環境質量相比于大區域尺度其動態變化比較快,因此若想及時掌握企業的生態環境治理效果,并根據實際情況及時調整生態治理政策,則需及時完成對礦區生態環境的評價工作。傳統的基于遙感技術手段的生態環境評價,往往只是基于單時相的遙感影像,且影像前期處理工作較多、周期較長,達不到隨時獲取,隨時評價的目的。通過GEE平臺,可以無需下載、隨時調用多元遙感影像,包括高分、航空、多光譜(Landsat、Sentinel等)以及氣候、高程等數據集,并且每日進行更新和擴展[38],且前期影像預處理工作也可在GEE平臺上進行,利用GEE平臺做礦區尺度的生態環境評價工作具有極大的優勢。研究中的RSEI指數也是利用GEE平臺計算得來,省去了傳統RSEI建模所需要的大量的影像下載和預處理流程。獲得的主成分分析值PC1與PC2貢獻率之和超過80%,說明其集中了4個生態指標的關鍵特征,計算的結果也與監測成果和前人地物解譯分類所反映的生態狀況相一致[26]。綜上,說明GEE平臺計算RSEI指數不僅節省時間,且評價效果較好,評價結果可靠,對于礦山的生態環境質量評價具有一定實用價值。

4.3 礦區生態環境質量時空演變因素探討

準噶爾煤田地處黃河中游核心區域,整個煤田的生態環境質量的改變既與各礦區生態恢復治理的措施關系密切,同時更與國家對黃河流域生態環境治理的政策,包括一系列如長期實施的退耕還林還草、水土流失治理等生態工程密不可分。其礦區較遠位置的生態環境質量的改善即是國家政策的宏觀影響所導致的。

礦區生態環境質量轉變的主要區域為排土場和開采區區域,將礦區周邊的排土場進行編號明確如圖7所示。結合2000—2020年各期生態環境質量空間分布特征、演變特征、前人研究成果[26]以及21年來礦區生態環境監測成果可以得出,1號排土場自2005年開始生態環境質量得到改善,植被開始恢復,到2008年其生態環境恢復情況已達到了較為理想的狀態,該排土場的生態修復基本完成,之后其生態狀況一直保持良好,至2020年其植被覆蓋度達到近80%[圖8(a)];2號排土場2000—2008年生態環境質量逐步改善,修復面積和植被蓋度逐年增加,至2020年其植被覆蓋度高達90%[圖8(b)];3號排土場2005—2010年生態環境質量得到了較大的改善,其中2008年生態環境狀改變最大,2010—2020年其植被覆蓋度也在不斷提高,至2020年覆蓋度達到近80%[圖8(c)];4號排土場生態環境質量的主要恢復期為2010—2016年,2016年后其生態修復也在進行,植被蓋度逐年提升,但整體修復情況不如1～3號排土場,至2020年其植被覆蓋度達65%[圖8(d)];5號排土場是礦區面積最大的排土場,自2000—2020年其面積逐年增加,生態恢復治理情況較為復雜,其東南邊緣部分恢復治理在2005—2008年比較顯著,且至2020年該區域生態環境質量一直比較良好,其余區域由于目前并未停止使用,并處于開發和治理并重階段,其生態環境質量存在波動,但整體趨勢依然是向好,至2020年整體植被覆蓋度在60%～70%[圖8(e)]。6號排土場是哈爾烏素礦區唯一的排土場,自2006年投入使用以來便處于隨排隨復墾的狀態,且逐步向東南方向擴大,西北方向生態環境質量逐年改善顯著,至2020年其整體植被覆蓋度達到近60%[圖8(f)]。礦區生態環境質量差和較差區域主要是受礦區開采區向東南方向轉移影響。此外,21年來礦區周邊RSEI值波動也比較明顯,可能是受天氣影響引起的某些生態指標如NDVI、NDSI值改變所導致的,因此以RSEI作為評判礦區生態環境質量也具有一定的局限性。

1～5號排土場在黑岱溝礦區;6號排土場在哈爾烏素礦區圖7 2020年黑岱溝礦區和哈爾烏素礦區影像圖Fig.7 Image of Heidaigou and Harwusi mining area in 2020

21年來礦區生態環境的轉變說明,“邊開采、邊治理、邊恢復”的復墾模式,對于維護礦區周邊生態環境的穩定是可行的,但是同時也需要注意,企業的生產建設活動一旦超過恢復治理的力度,礦區生態環境會極度轉變,生態環境質量會直線下降。因此,若想保持礦區生態環境的穩定治理與開采并重是必不可少的,且不能進行以犧牲環境為代價的過度生產建設活動。

5 結論

(1)2000—2020年礦區RSEI指數呈前期略有下降,后期整體上升狀態,RSEI指數變化情況與綠度指標(NDVI)、濕度指標(WET)變化趨勢相一致,熱度指標(LST)與干度指標(NDSI)與其趨勢相反,且綠度指標和干度指標為主要影響因子。

(2)礦區5個年度的生態環境質量變化結果顯示,2000—2010年,Ⅰ級(生態環境質量差)和Ⅱ級(生態環境質量較差)地區面積占比整個礦區面積比值高達33%左右;2010—2020年,Ⅰ級和Ⅱ級區域面積減少,Ⅲ級(生態環境質量一般)、Ⅳ級(生態環境質量良好)和Ⅴ級(生態環境質量優)面積占比增加,至2020年高達71.10%。且Ⅰ級和Ⅱ級多分布在礦區開采區,Ⅳ和Ⅴ級區域多分布在礦區排土場修復區域和礦區周邊植被蓋度較高區域,Ⅲ級區域分布范圍較為分散。

(3)通過嶺回歸函數對礦區每5年生態環境質量演變趨勢擬合結果得出,2000—2010年為礦區快速開發擴張時期,礦區擾動面積增長了4.0 km2,生態環境狀況惡化區域占比較大,兩個周期分別為74%與51%;2010年后,隨恢復治理工作開展,礦區生態環境質量惡化面積占比大幅下降,至2015年,占比24%,而改善面積上升至41%;2015—2020年,礦區保持開采與復墾并重,整體生態環境質量趨于穩定,改善與惡化面積占比分別為36%與17%,惡化區域主要位于東部新增開采區。

(4)礦區不同時期RSEI不同級別重心遷移結果顯示,Ⅰ、Ⅱ級重心遷移軌跡大體一致,且至2020年向哈爾烏素礦區開采區位置轉移;Ⅲ、Ⅳ級重心遷移軌跡相近,至2020年向黑岱溝礦區的東北部的排土場方向遷移;Ⅴ級重心遷移主要是圍繞排土場方向,且至2020年向哈爾烏素礦區的排土場方向遷移。

(5)相比與傳統RSEI計算過程的煩瑣,以及需要大量的影像下載和預處理流程,GEE平臺可以獲取長時序的遙感影像、計算時間較短,能夠及時掌握礦區在生態治理方面工作的薄弱點,為礦區下一步生態治理點明方向,且其評價效果較好、結果可靠,可以廣泛應用于礦區尺度的生態環境質量時空探討。

(6)礦區生態環境質量的演變主要與礦區各排土場的復墾和礦區開采區的轉移密切相關,開采區所在區域生態環境狀況一般較差,復墾區域生態環境質量一般較好,說明RSEI指數受植被生長情況和企業建設活動影響極大。