EN中文

Remote Sensing for Natural Resources >

2025 , Vol. 37 >Issue 3: 65 - 75

DOI: https://doi.org/10.6046/zrzyyg.2024040

Remote sensing monitoring and spatiotemporal variation analysis of vegetation cover under coal mining activities in the Shendong mining area from 1986 to 2023

  • WANG Yi , 1 ,
  • ZHANG Yicong 2 ,
  • CHENG Yang 1 ,
  • XU Lianhang 1 ,
  • GUO Junting 3 ,
  • WANG Hui 2 ,
  • LI Jun , 2 ,
  • DU Shouhang 2
Expand
  • 1. China Energy Shendong Coal Group Co., Ltd., Yulin 719315, China
  • 2. College of Geoscience and Surveying Engineering, China University of Mining and Technology - Beijing, Beijing 100083, China
  • 3. State Key Laboratory of Water Resources Protection and Utilization in Coal Mining, Beijing 100011, China

Received date: 2024-01-23

  Revised date: 2024-04-25

  Online published: 2026-06-03

Fold

Abstract

The Shendong mining area is a significant coal-producing area in China. Against the backdrop of climatic amelioration and large-scale coal mining, vegetation in the Shendong mining area has been influenced negatively by coal mining and positively by climatic amelioration and ecological restoration. Long time-series quantitative monitoring and assessment of vegetation cover in the mining area using remote sensing techniques play a significant role in local ecological quality management and ecological conservation. Based on Landsat satellite imagery data, this study conducted a long time-series monitoring of the normalized difference vegetation index (NDVI) in the Shendong mining area over a nearly 40-year period from 1986 to 2023. This monitoring focused on the interannual variations, variation trends, stability, and future variations of vegetation cover in the mining area. Moreover, this study performed a segmented quantitative analysis, taking 2008 (the onset of large-scale coal mining) as a demarcation point. The results indicate that climatic amelioration over the past nearly four decades has facilitated vegetation growth in the Shendong mining area. Despite the negative impacts of large-scale coal mining on surface vegetation, more favorable climatic conditions and ecological restoration efforts in the mining area have ensured a continuous improvement in vegetation cover, with a higher restoration rate observed locally. The Shendong mining area was characterized by improved vegetation cover across different stages,with the improved area exceeding 80 %. Large-scale coal mining caused limited vegetation deterioration, predominantly occurring in the open-pit mining area. In contrast, the vegetation restoration project in the underground mining area effectively ensured a favorable environment for vegetation growth. The vegetation cover in the Shendong mining area remained relatively stable at different stages. During large-scale coal mining, significant vegetation cover fluctuations occurred primarily in the stopes and waste dumps of the open-pit mining area. The underground mining area exhibited relatively stable vegetation cover overall, except for the land used for industrial and mining construction. Concerning future variations of vegetation cover, the Shendong mining area exhibited a relatively limited capability to maintain its current state. Due to large-scale mining activities, 3.92 % of the area underwent continuous degradation, which was primarily observed in the stopes of the open-pit mining area. This highlighted the urgent need for artificial ecological restoration in the stopes. The results of this study provide a reliable data reference for the supervision of ecological quality in the Shendong mining area, facilitating the more scientific and efficient establishment of a comprehensive ecological prevention and control system.

Key words： Shendong mining area; vegetation deterioration and restoration; long time-series monitoring; spatiotemporal variation analysis

Cite this article

WANG Yi , ZHANG Yicong , CHENG Yang , XU Lianhang , GUO Junting , WANG Hui , LI Jun , DU Shouhang . Remote sensing monitoring and spatiotemporal variation analysis of vegetation cover under coal mining activities in the Shendong mining area from 1986 to 2023[J]. Remote Sensing for Natural Resources, 2025 , 37(3) : 65 -75 . DOI: 10.6046/zrzyyg.2024040

0 引言

神东矿区是我国最大的煤炭生产区域之一,在大规模煤炭开采和气候条件改善的共同影响下,矿区内植被受到煤炭开采负作用和气候改善及生态修复正作用2类影响。一方面长时间、高强度的煤炭开采活动,给生态环境带来了地表扰动、水土流失、植被退化等不容忽视的负面影响,另一方面气温和降水等气候条件的改善与人为生态修复措施的实施,促进了植被的生长。传统的植被调查和观测方法难以满足长时序、高频次和大面积的观测需求。随着卫星遥感技术的发展,利用遥感卫星快速、准确地反演矿区长时序植被指数并开展时空变化特征分析,对当地生态环境质量监管与生态修复方案决策有着重要的现实意义[1-2]。
为实现神东矿区植被的遥感识别与动态监测,许多专家学者开展了相关研究,当前神东矿区的植被监测研究主要可以分为2类: ①利用遥感影像计算植被或生态指数,例如基于长时序Landsat影像数据,岳辉等[3]采用遥感生态指数(remote sensingbased ecological index,RSEI)动态监测神东矿区及各个主要矿井生态环境时空动态演变特征;刘英等[4]分析了神东矿区不同年份开采区和非开采区植被覆盖度的时序变化,并对植被覆盖度的变化趋势及年际波动程度进行评估,分析了影响其变化的驱动因素;徐佳等[5]从时间尺度和空间尺度研究了神东矿区植被覆盖变化特征和影响因素,并对未来变化趋势进行了预测;李蕊等[6]利用主成分分析法构建了RSEI,并分析其重心迁移情况与时空变化规律;李军等[7]应用归一化植被指数(normalized difference vegetation index,NDVI),并在此基础上综合考虑煤矿分布特点与生态扰动类型,量化了煤炭开采对植被扰动的距离;基于GF-1卫星影像及实地调查,王小燕等[8]反演了神东矿区的植被覆盖度,并结合土地利用数据对植被覆盖时空动态变化情况进行了分析。②直接利用公开发布的NDVI产品,例如基于GIMMS NDVI3g+数据集,杨顺等[9]分析了神东矿区植被的时空变化特征及其对气候的响应;基于MODIS NDVI数据,刘英等[10]在采用像元二分法的基础上,利用一元线性回归和重标极差分析法,分析出了神东矿区植被空间格局变化,并预测其未来的变化趋势。以往的研究为神东矿区的植被监测与评价打下了良好的基础,但缺乏对气候条件改善和人类活动扰动的多维度协同分析,难以系统、完整地反映神东矿区1986—2023年近40 a来植被扰动及恢复的总体特征。
针对上述问题,本研究基于Google Earth Engine(GEE)云计算平台,利用Landsat卫星影像定量反演了神东矿区1986—2023年长时序的NDVI值,并从植被年际变化、变化趋势、稳定性和未来变化4个维度,对神东植被变化进行时空动态分析,为神东矿区生态质量环境监测与管理提供可靠的数据参考。

1 研究区概况与数据源

1.1 研究区概况

神东矿区位于陕北黄土高原和毛乌素沙漠的过渡地段[11],地理范围为38°54'~39°37'N,109° 42'~110°41'E。自2008年来,随着煤炭开采活动的大规模开展,神东矿区城镇化建设迅速,工矿用地面积快速增加。2013年后,神东矿区煤炭开采与生态修复工作开始同步推进,截至2023年,形成了千万吨矿井群生产格局[12],原煤生产量占全国的6%,是我国第一个2亿吨商品煤的生产基地,承担了保障我国能源安全的重大责任[13]。然而,神东矿区属于大陆性半干旱气候区,年均降水量约400 mm,水资源稀少,地表植被种类较为单一,是国家级水土流失和生态治理的重点监督区[14]。受脆弱的生态本底、城镇建设、煤炭产业活动的综合影响,神东矿区面临着保障国家能源安全与保护生态环境双重任务的挑战。
神东矿区同时存在着大量井工矿和露天矿,煤炭开采方式的不同导致2种矿区内的植被覆盖变化存在较大差异,因此需要分别对其开展时空变化分析。因此,按照煤炭开采方式的不同,利用矿权边界将神东矿区进一步划分为井工矿区和露天矿区,如图1所示。
图1 研究区地理位置示意图

Fig.1 Geographic location of the study area

1.2 数据源及其预处理

本研究选用1986—2023年期间的Landsat系列卫星地表反射率数据集(surface reflectance,SR),分别为Landsat5 TM,Landsat7 ETM+和Landsat8 OLI。空间分辨率为30 m,该数据制备过程中已完成辐射校正、大气校正和除云等预处理。利用GEE平台,通过红外和近红外波段遥感影像计算各期影像的NDVI,并采用最大合成法对一年中的多期NDVI数据进行最大化处理,进一步消除卫星影像成像时间和运行轨道不同等因素的干扰,获得各年NDVI最大值,作为当年NDVI的研究数据。同时,利用高分辨率影像进行验证分析,用以区分不同地表区域内植被变化的特征。

2 技术方法

2.1 NDVI提取

NDVI受到植被生长过程中多种因素的综合影响,能够综合反映目标区域的植被状态,是矿区最为常用的植被监测指标之一。NDVI的计算用到近红外波段和可见光红光波段,其计算公式为:
N D V I = N I R - R N I R + R
式中:NIR为近红外波段地表反射率;R为红光波段地表反射率。

2.2 植被覆盖变化趋势分析

采用一元线性回归分析和最小二乘法,以时间为自变量[15],每年的NDVI为因变量,以煤炭大规模开采的时间(2008年)为分界线,逐像元分别拟合第一阶段(1986—2007年)以及第二阶段(2008—2023年)的斜率Slope,获取矿区NDVI的分阶段变化趋势并开展综合分析,Slope计算公式为:
S l o p e = n ∑ i = 1 n ( i × N D V I i ) - ∑ i = 1 n i ∑ i = 1 n N D V I i n ∑ i = 1 n i 2 - ( ∑ i = 1 n i ) 2
式中:Slope为一个单独像元线性回归方程的斜率,可以反映出研究区植被覆盖度的年际变化趋势;n为参与计算的总年份数;NDVIi为像元的第i年NDVI。当Slope>0时,表示该像元在研究时间段内NDVI呈上升趋势,数值越大表明上升得越快;当Slope<0时,表示该像元在研究时间段内NDVI呈下降趋势;Slope绝对值大小说明植被覆盖变化的强烈程度。
为了进一步验证植被覆盖变化的显著性,本文参考李晶等的方法[16-17],选择了常用的显著性水平阈值,并通过F检验法对各阶段NDVI变化趋势进行显著性分析,以实现神东矿区NDVI恢复状况的进一步评价,F检验公式为:
F = n - 2 U Q
$U=\sum_{i=1}^{n}\left(\hat{y}_{i}-\bar{y}\right)^{2}$,
$Q=\sum_{i=1}^{n}\left(y_{i}-\hat{y}_{i}\right)^{2}$,
式中:U为误差平方和;Q为回归平方和;n是参与计算的总年份数; y i为第i年像元的NDVI值;$\hat{y}_{i}$为第i年像元NDVI的拟合值; y ¯为监测分析年份所有像元的NDVI均值。分级标准如表1所示[18]。
表1 显著性检验结果分级标准

Tab.1 Classification rules of significance test results

变化趋势 变化率 显著性水平
严重退化
轻微退化		 Slope<0 a< 0.01
0.01 <a<0.05
变化不明显 — a> 0.05
轻微改善
明显改善		 Slope>0 0.01 <a<0.05
a< 0.01

2.3 植被修复水平度量

为量化神东矿区煤炭大面积开采后植被修复状况,参考White等提出的方法[19]。以煤炭大规模开采前2 a(即2006年、2007年)植被的NDVI均值作为参考基准进行度量,采用差值法对大规模开采前后的NDVI进行差值计算,得到该段时期内NDVI的变化量,差值法公式为[20-21]:
Δ N D V I j - i = N D V I j - N D V I i
式中:ΔNDVIj-i为研究时段内NDVI的差值;NDVIj为研究时段末(2023年)的NDVI;NDVIi为该像元在2006和2007年NDVI的均值。当ΔNDVIj-i>0时,表明该像元处的生态修复工作使植被生长较自然状态更好;当ΔNDVIj-i<0时,表明该像元处的生态修复工作未使植被生长达到自然状态水平;当ΔNDVIj-i=0时,该像元处生态修复工作使植被生长恢复到自然状态水平。获取ΔNDVIj-i后,利用Jenks自然断点分级法将NDVI差值由低到高依次分为严重退化区、轻微退化区、无变化区、轻微改善区以及明显改善区。

2.4 植被覆盖变化稳定性分析

变异系数(coefficient of variation,CV)是用于衡量植被覆盖波动程度的一个统计量,可以消除测量尺度和量纲的影响,可反映植被年际变化的稳定性。CV越小,植被年际变化越平稳;CV越大,数据越分散,植被年际变化越大。利用CV分别计算神东矿区不同阶段NDVI年际变化的稳定性[22-23]。CV计算公式为:
C V = 1 X 1 n - 1 ∑ i = 1 n ( x i - x ¯ ) 2
式中:CV为NDVI的变异系数;xi为第i年NDVI; x ¯为研究时段NDVI均值。获得CV后,利用Jenks自然断点分级法,将1986—2023年神东矿区的变异系数由低到高依次分为极低、较低、中度、较高和极高波动区5个等级[24-25]。

2.5 植被覆盖未来趋势预测

对于经历过煤炭大规模开采的第二阶段,利用基于 R/S 算法的 Hurst 指数预测神东煤炭基地NDVI未来变化趋势[26-27]。即通过分析时间序列信息长期依赖性和自相关性,定量描述其变化趋势的可持续性。其基本原理为:
设定时间序列{NDVI(t)},t=1,2,…,n。对于任一正整数τ≥1,依次定义均值 N D V I ( τ ) ¯、累计离差X(t,τ)、极差R(τ)及标准差S(τ),公式分别为:
N D V I ( τ ) ¯ = 1 τ ∑ t = 1 τ N D V I ( τ )
X ( t , τ ) = ∑ t = 1 τ ( N D V I ( τ ) - N D V I ( τ ) ¯ )
R ( τ ) = m a x 1 ≤ t ≤ τ X ( t , τ ) - m i n 1 ≤ t ≤ τ X ( t , τ )
$S(\tau)=\left[\frac{1}{\tau} \sum_{t=1}^{\tau}(N D V I(t)-N D V I(\tau))^{2}\right]^{\frac{1}{2}}$。
对比R(t)/S(t)≌R/S,若存在R/S∝tH,则表明分析的时间序列存在Hurst现象,H为Hurst指数,可以反映时间序列的随机性或持续性特征。H值有3种取值形式: ①H=0.5,表明时间序列变化呈随机型,不存在长期相关性; ②0<H<0.5,表明时间序列变化具有反持续性,H值越接近于0,反持续性越强; ③0.5<H<1,表明时序变化具有持续性,即植被未来变化与过去变化趋势一致,H值越接近于1,持续性越强。

3 结果与分析

3.1 神东矿区植被年际变化分析

图2展示了神东矿区在1986—2023近40 a间NDVI均值及标准差的年际变化。从图可以看出,神东矿区NDVI均值整体上呈现波动上升趋势。按煤炭开采强度,可将1986—2023年分为2个阶段:第一阶段(1986—2007年)是低强度煤炭开采活动时期,第二阶段(2008—2023年)是大规模煤炭开采时期。在第一阶段,NDVI上升速率为0.032/10 a,其中1986—1993年整体变化较为平缓,在1994—1999年经历了一次快速的“上升-下降”的变化,NDVI均值于1996年达到0.389;此后,NDVI均值继续保持上升趋势,到2007年基本与1996年持平。在这期间,NDVI的标准差持续保持在较低的水平。综合上述现象,可以推断煤炭开采未对神东矿区地表植被造成明显的扰动,而此期间的气候条件有助于植被生长。在第二阶段,NDVI标准差相比第一阶段明显增加,波动也更剧烈,说明煤炭开采活动和生态修复活动对植被的扰动交织在一起。而NDVI整体上仍呈上升趋势,上升速率为0.048/10 a,较第一阶段增长速率更快,可以推断虽然受到煤炭大规模开采的扰动,但更适宜的气候条件与矿区生态修复工作推动了植被覆盖逐年向好。
图2 1986—2023年NDVI均值年际变化

Fig.2 Inter-annual variation of mean NDVI during 1986—2023

3.2 煤炭开采对植被变化趋势的影响

图3展示了神东矿区第一阶段(1986—2007年)NDVI变化趋势的空间分布。由图可知,在第一阶段,神东矿区呈改善趋势(Slope>0)的区域占94.35%,其中显著改善的区域面积占到了51.33%,植被改善区域广泛分布于研究区范围内。植被退化的区域面积较小,主要分布于乌兰木伦河流域沿线的城市建设区域。综合上述现象可以推断,在低强度煤炭开采时期,神东矿区植被以自然生长为主,矿区内NDVI整体受气候条件改善影响而呈上升趋势。
图3 1986—2007年植被变化趋势空间分布

Fig.3 Spatial distribution of the change trend of vegetation from 1986 to 2007

图4展示了神东矿区第二阶段(2008—2023年)NDVI变化趋势的空间分布。结果表明,神东矿区植被呈改善趋势(Slope>0)的区域仍超过80%,植被改善区域以非矿区和井工矿区域为主。但需要注意的是,井工矿区有42.96%的区域改善趋势未通过显著性检验(将其归类为变化不明显),进一步对比不同井工矿之间的差异发现,在大柳塔、哈拉沟等矿区内,植被显著改善区域所占比例高于整个神东矿区井工矿平均水准。实地调研发现,上述区域建立了国家级植被修复应用的示范区,可以推断,气候的改善和人为的植被养护能够对地表植被有着积极的作用。与此同时,大规模采矿活动对矿区植被造成了一定程度的负影响。一方面,相较于第一阶段,显著改善区域的面积下降了29.61%;另一方面,植被退化区域增多且空间异质性明显。统计不同区域内数据发现,矿区内植被退化面积所占比例高于矿区外区域,矿区内的植被退化又以露天矿区为主,露天矿区面积占研究区总面积的6.17%,植被退化面积却占到了所有植被退化面积的23%,植被退化区域主要分布于露天矿区的采区及排土场范围内。
图4 2008—2023年植被变化趋势空间分布

Fig.4 Spatial distribution of the change trend of vegetation from 2008 to 2023

利用NDVI长时序曲线对Slope趋势分析的结果进行分析,在一定程度上中和煤炭开采的负向扰动以及生态修复工作的正向扰动对植被造成的突变。为进一步量化研究时段结束时(2023年)与大规模煤炭开采前2 a(即2006和2007年)神东矿区植被NDVI均值的退化及修复状况,利用差值法计算的结果如图5所示。结果表明,相较于煤炭大规模开采前,当前(2023年)神东矿区植被改善的区域占49.81%,变化不明显的区域占34.31%,广泛分布于井工矿区和非矿区。退化的区域占总面积的15.88%,露天矿范围内植被退化的区域占比明显高于井工矿及非矿区。综合上述现象和实地调研结果可以推断,适宜的气候条件促进了神东矿区植被的向好发展。大规模的煤炭开采对地表植被造成的损毁有限,且这种损毁主要发生于露天矿区,井工矿区的植被修复工程能够有效保障区域内的植被覆盖继续向好发展。
图5 2023年相比大规模煤炭开采前植被变化的空间分布

Fig.5 Spatial distribution of the vegetation change in 2023 compared with before large-scale coal mining

3.3 煤炭开采对植被稳定性的影响

图6和图7分别展示了第一阶段和第二阶段神东矿区的NDVI稳定性(CV)及分类。整体而言,在第一阶段内,神东矿区NDVI变化较为稳定,较高或极高波动区的面积仅占0.23%。在第二阶段,NDVI稳定性变化较为明显。一方面,研究区整体的稳定性显著降低,NDVI变化波动较高或极高区域的面积占总面积的7.70%,约为第一阶段的33倍;另一方面,植被稳定性的空间异质性明显,波动较大的区域集中分布于露天采场及乌兰木伦河流域。其中,露天矿区范围内属于较高或极高波动区的面积占比为38.73%,露天矿内的极高波动区占所有极高波动区的41.22%,主要分布于露天采场及部分未经历过修复的排土场区域内,说明露天开采对地表造成的挖损和压占,在短时间内造成NDVI的显著变化,一定程度上导致了NDVI稳定性的降低。与之相比,井工矿区范围内NDVI变化仍较平缓,仅有6.70%的区域属于较高或极高波动区,且集中分布于工矿用地。未受到工矿建设用地影响的区域NDVI仍较为稳定,说明神东矿区井工开采未对地表造成显著的破坏,植被生长状况相对稳定。
图6 1986—2007年植被稳定性空间分布

Fig.6 Spatial distribution of vegetation stability from 1986 to 2007

图7 2008—2023年植被稳定性空间分布

Fig.7 Spatial distribution of vegetation stability from 2008 to 2023

3.4 煤炭开采活动下植被未来变化趋势预测

神东矿区第二阶段NDVI的Hurst指数如图8(a)所示,图中信息表明,Hurst指数呈反持续性(即Hurst<0.5)的区域占59.20%,表明总体上神东矿区维持现有状态的能力较为脆弱。Hurst指数与植被变化趋势空间分布特征进行叠加统计的结果如图8(b)所示,表明神东矿区未来呈改善趋势的区域占14.04%;未来保持变化不明显的区域占57.61%,这些区域广泛分布于非矿区,以及石圪台、哈拉沟、大柳塔等井工矿区范围内。综合上述现象可以推断,在气候条件改善和生态修复的共同作用下,神东矿区内大部分植被仍能保持稳定态势甚至逐渐向好。尽管如此,研究区范围内仍有28.31%的区域未来呈退化趋势,其中有3.92%的区域表现为持续退化。结合遥感影像分析,这些区域主要分布于露天矿采场区域。可以推断,露天开采对于生态扰动是显著的,在不加以人工干预的情况下难以实现植被的恢复,因此亟须开展人工生态修复工作。
图8 植被覆盖未来变化趋势

Fig.8 Future change trend of vegetation cover

4 讨论

本研究通过对神东矿区大规模煤炭开采前(1986—2007)和开采后(2008—2023)2个阶段的植被NDVI变化情况进行分析,探讨了不同阶段植被NDVI的变化情况。结果表明,在长时序、高强度的煤炭开采进程中,神东矿区植被没有出现大面积显著退化,大部分区域保持了煤炭开采前的状态,甚至在部分区域得到了进一步的恢复改善,这与前人关于神东矿区的研究结果相吻合[28]。第一,NDVI时间序列在第二阶段(2008—2023年)出现标准差相比第一阶段明显增加,波动也更剧烈的现象,这与前文所述神东矿区于2013年后大规模开展生态修复活动相关,生态修复区域的植被改善与露天开采、工矿用地等植被损毁区域NDVI之间的差值扩大,进而导致了整个研究区范围内的NDVI标准差增大。第二,在煤炭大规模开采的背景下,超80%的区域植被仍呈改善趋势,在大柳塔、哈拉沟等井工矿区内,植被改善更为明显,可以推断这与神东煤炭集团开展生态修复工作息息相关。资料表明,针对井工矿开采导致沉陷、裂缝等问题,神东煤炭集团自1990年起30余年来投入大量环保绿化资金,累计生态治理面积达330 km2,治理面积是开发面积的1.4倍,生态修复率高于我国平均水平,充足的资金保障了生态修复的有效开展[29]。第三,在煤炭大规模开采的第二阶段,井工矿区仅有6.70%的区域属于较高或极高波动区,显著优于露天矿区,这得益于开采技术的持续改进:一方面,神东煤炭集团通过采用最大化减少地表沉陷的长壁综合机械化、超大工作面开采、充填开采等绿色开采工艺,尽可能地减少了煤炭地下开采对地表植被、土壤和地下水的破坏,减小了裂缝损伤面积,提高了矿区生态脆弱区域的自修复能力和稳定性;另一方面,通过探索微生物复垦技术,有效攻克了沉陷区土壤贫瘠、干旱缺水和裂隙伤根3大难题,加快了植被恢复速度[30-31]。第四,在煤炭大规模开采的影响下,神东矿区内大部分植被未来仍能保持稳定态势甚至部分区域逐渐向好,可以看出神东矿区生态修复政策的成效逐渐呈现,神东矿区以布尔台等井工矿区为主,创立了“三期三圈”的生态治理总体布局,综合利用工程措施和生物措施,以生物固沙为主、工程防护为辅的方式进行封育管护,营造了持续利用的矿区生态系统,建成了大柳塔历史上首个国家AAA级旅游景区——煤海塞罕坝中心公园,建立了沙棘、野樱桃和文冠果等百万株级别的生态基地产业园,极大程度地提升了矿区生态系统的稳定性,为植被的良好发展打下了坚实的基础[32-34]。
煤炭开采不可避免地会对区域生态环境造成一系列的影响,因此,对矿区开展长时序、高精度的监测并进行时空变化分析,对区域生态系统修复工作具有十分重要的意义,本文利用Slope趋势分析、稳定性分析、Hurst指数等方法,快速、自动化地获取了神东矿区1986—2023近40 a间的变化趋势,并对其未来发展进行了预测,但仍然存在以下不足: ①本文所用方法依赖于植被指数长时序的变化趋势,未曾逐像元地提取植被指数时序轨迹变化的关键信息(如损毁时间、损毁程度等); ②本文的研究局限于单一的植被因素,难以系统、全面地表达生态系统整体的变化趋势。针对上述问题,未来研究中需要综合植被、土壤、水体、大气等多种生态因素,提取各生态因素时序轨迹变化的关键信息,以此对区域生态环境开展系统、全面的研究。

5 结论与展望

本研究基于GEE遥感云计算平台,实现了神东矿区近40 a煤炭开采活动背景下植被变化长时序遥感监测,并从年际变化、趋势分析、稳定性分析和未来趋势预测4个维度,结合实地调研和矿区生态修复政策分阶段对植被覆盖的时空动态变化展开分析。主要得到以下结论:
1)从年际变化上来说,1986—2023年近40 a来气候的改善促进了神东矿区的植被覆盖,在煤炭大规模开采阶段,虽然对地表植被造成了一定程度的负影响,但更适宜的气候条件与矿区生态修复工作促进了植被覆盖继续向好甚至部分区域恢复速率更高。
2)从植被变化趋势方面来说,神东矿区植被在不同阶段内都以改善为主,植被改善区域的面积占比均超过80%。在第二阶段,大规模的煤炭开采对地表植被造成的损毁程度有限,且这种损毁主要发生于露天矿区,井工矿区的植被修复工程能够有效保障区域内的植被生长环境。
3)就植被覆盖稳定性而言,神东矿区植被在不同阶段均较为稳定,在煤炭大规模开采阶段,研究区整体稳定性降低且空间异质性更为明显,波动较大区域集中分布于露天矿区的采场及排土场内,较高或极高波动区的面积占露天矿面积的38.73%,井工矿区内除工矿建设用地外整体仍较为稳定。
4)从未来变化趋势角度来看,神东矿区维持现有状态的能力较脆弱。受大规模采矿活动影响,有3.92%的区域表现为持续退化,这些区域主要分布于露天矿采场区域。说明露天开采对于生态的损毁是显著的,在不加以人工干预的情况下难以实现植被的恢复,因此亟须开展生态修复工作。
总体而言,随着气候条件的改善和生态修复力度加强,神东矿区长期以来植被发展逐渐向好,变化趋势稳定且未来仍以改善为主,表明神东矿区生态修复和生态治理成效显著,井工矿区及矿区外的植被得到有效保护和发展。但露天矿区内植被损毁明显,虽得到了一定程度的修复,但存在着植被退化的趋势,未来仍需巩固和加大修复力度。研究成果有望为神东矿区生态质量环境监测提供可靠的数据参考,有助于更科学和高效地建立生态环境综合防治体系,进一步提高神东矿区的生态治理水平。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
李军, 彭苏萍, 张成业, 等. 矿区生态环境定量遥感监测评价技术框架与应用[J]. 矿业科学学报, 2022, 7(1):9-25,88.

Li J, Peng S P, Zhang C Y, et al. Quantitative remote sensing-based monitoring and evaluation of the ecological environment in mining areas:Technology framework and application[J]. Journal of Mining Science and Technology, 2022, 7(1):9-25,88.

[2]
张成业, 李军, 雷少刚, 等. 矿区生态环境定量遥感监测研究进展与展望[J]. 金属矿山, 2022(3):1-27.

Zhang C Y, Li J, Lei S G, et al. Progress and prospect of the quantitative remote sensing for monitoring the eco-environment in mining area[J]. Metal Mine, 2022(3):1-27.

[3]
岳辉, 刘英, 朱蓉. 基于遥感生态指数的神东矿区生态环境变化监测[J]. 水土保持通报, 2019, 39(2):101-107,114.

Yue H, Liu Y, Zhu R. Monitoring ecological environment change based on remote sensing ecological index in Shendong mining area[J]. Bulletin of Soil and Water Conservation, 2019, 39(2):101-107,114.

[4]
刘英, 雷少刚, 陈孝杨, 等. 神东矿区植被覆盖度时序变化与驱动因素分析及引导恢复策略[J]. 煤炭学报, 2021, 46(10):3319-3331.

Liu Y, Lei S G, Chen X Y, et al. Temporal variation and driving factors of vegetation coverage in Shendong central mining area based on the perspective of guided restoration[J]. Journal of China Coal Society, 2021, 46(10):3319-3331.

[5]
徐佳, 王略, 王义, 等. 2000—2017年神东矿区植被NDVI时空动态[J]. 水土保持研究, 2021, 28(1):153-158.

Xu J, Wang L, Wang Y, et al. Spatiotemporal dynamic variation of vegetation NDVI in Shendong mining area from 2000 to 2017[J]. Research of Soil and Water Conservation, 2021, 28(1):153-158.

[6]
李蕊, 陈国清, 李玮贤, 等. 基于遥感生态指数的神东矿区1995—2020年生态环境质量的时空变化特征分析[J]. 水土保持通报, 2021, 41(3):143-151.

Li R, Chen G Q, Li W X, et al. Spatiotemporal analysis of eco-environmental benefits in Shenfu-Dongsheng mining area during 1995—2020 based on RSEI[J]. Bulletin of Soil and Water Conservation, 2021, 41(3):143-151.

[7]
李军, 彭传盈, 张成业, 等. 基于大样本的露天开采植被扰动范围一般性统计规律——以神东煤炭基地为例[J]. 煤炭学报, 2023, 48(2):975-985.

Li J, Peng C Y, Zhang C Y, et al. General statistical rules of vegetation disturbance range by open-pit mining based on a large sample:A case study of Shendong coal base[J]. Journal of China Coal Society, 2023, 48(2):975-985.

[8]
王小燕, 王丽云, 马宁. 神东矿区植被覆盖和土壤侵蚀时空动态分析[J]. 人民黄河, 2022, 44(5):124-127.

Wang X Y, Wang L Y, Ma N. Temporal and spatial dynamic analysis of soil erosion in Shendong mining area[J]. Yellow River, 2022, 44(5):124-127.

[9]
杨顺, 马超. 神东矿区GIMMS NDVI3g+(1982—2015)的时空变化及气候响应[C]// 中国煤炭学会土地复垦与生态修复专业委员会第八届全国矿区土地复垦与生态修复学术会议论文集.焦作, 2019:345-350.

Yang S, Ma C. Temporal and spatial changes and climate response of GIMMS NDVI3g+ (1982—2015) in Shendong mining area[C]// Proceedings of the 8th National Academic Conference on Land Reclamation and Ecological Restoration in Mining Areas of the Professional Committee of Land Reclamation and Ecological Restoration of the China Coal Society,Jiaozuo,Henan,China, 2019:345-350.

[10]
刘英, 侯恩科, 岳辉. 基于MODIS的神东矿区植被动态监测与趋势分析[J]. 国土资源遥感, 2017, 29(2):132-137.doi:10.6046/gtzyyg.2017.02.19.

Liu Y, Hou E K, Yue H. Dynamic monitoring and trend analysis of vegetation change in Shendong mining area based on MODIS[J]. Remote Sensing for Land and Resources, 2017, 29(2):132-137.doi:10.6046/gtzyyg.2017.02.19.

[11]
牛鸿波, 田少国, 祖鹏举, 等. 神东矿区煤炭开采对植被净初级生产力的影响[J]. 煤炭科学技术, 2024, 52(7):267-277.

Niu H B, Tian S G, Zu P J, et al. Effect of coal mining on net primary productivity of vegetation in Shendong mining area[J]. Coal Science and Technology, 2024, 52(7):267-277.

[12]
Xu Y L, Guo L, Li J, et al. Automatically identifying the vegetation destruction and restoration of various open-pit mines utilizing remotely sensed images:Auto-VDR[J]. Journal of Cleaner Production, 2023,414:137490.

[13]
李向全, 马剑飞, 付昌昌. 神东煤炭基地1∶50 000活鸡兔幅矿区水文地质图数据集[J]. 中国地质, 2018, 45(s2):13-22,111-123.

Li X Q, Ma J F, Fu C C. Dataset of the 1∶50 000 hydrogeological map of the Huojitu mine area,Shendong coal base[J]. Geology in China, 2018, 45(s2):13-22,111-123.

[14]
王董董, 肖礼, 毕银丽, 等. 神东矿区接种AMF对植物-土壤生态化学计量及养分回收的影响[J]. 煤炭科学技术, 2024, 52(5):354-363.

Wang D D, Xiao L, Bi Y L, et al. Effects of AMF inoculation on plant-soil ecological stoichiometry and nutrient recovery in the Shendong mine[J]. Coal Science and Technology, 2024, 52(5):354-363.

[15]
Stow D, Daeschner S, Hope A, et al. Variability of the seasonally integrated normalized difference vegetation index across the north slope of Alaska in the 1990s[J]. International Journal of Remote Sensing, 2003, 24(5):1111-1117.

[16]
李晶, 闫星光, 闫萧萧, 等. 基于GEE云平台的黄河流域植被覆盖度时空变化特征[J]. 煤炭学报, 2021, 46(5):1439-1450.

Li J, Yan X G, Yan X X, et al. Temporal and spatial variation characteristic of vegetation coverage in the Yellow River Basin based on GEE cloud platform[J]. Journal of China Coal Society, 2021, 46(5):1439-1450.

[17]
陈海喜, 钟九生, 兰安军, 等. 基于地形地貌因子的贵州省NDVI时空变化分析[J]. 贵州科学, 2019, 37(2):36-43.

Chen H X, Zhong J S, Lan A J, et al. Analysis of temporal and spatial variation of NDVI in Guizhou Province based on landform factors[J]. Guizhou Science, 2019, 37(2):36-43.

[18]
王国芳, 毕如田, 张吴平, 等. 典型矿区植被覆盖度时空分布特征及影响因素[J]. 生态学报, 2020, 40(17):6046-6056.

Wang G F, Bi R T, Zhang W P, et al. Temporal and spatial distribution characteristics and influencing factors of vegetation coverage in typical mining areas[J]. Acta Ecologica Sinica, 2020, 40(17):6046-6056.

[19]
White J C, Hermosilla T, Wulder M A, et al. Mapping,validating,and interpreting spatio-temporal trends in post-disturbance forest recovery[J]. Remote Sensing of Environment, 2022,271:112904.

[20]
李建飞, 李小兵, 周义. 2000—2015年乌兰察布市生长季NDVI时空变化及其影响因素[J]. 干旱区研究, 2019, 36(5):1238-1249.

Li J F, Li X B, Zhou Y. Spatiotemporal variation of NDVI and its affecting factors in Ulanqab City in growing season from 2000 to 2015[J]. Arid Zone Research, 2019, 36(5):1238-1249.

[21]
Zhang C Y, Li F Y, Li J, et al. Assessing the effect,attribution,and potential of vegetation restoration in open-pit coal mines’ dumping sites during 2003—2020 utilizing remote sensing[J]. Ecological Indicators, 2023,155:111003.

[22]
代子俊, 赵霞, 李冠稳, 等. 基于GIMMS NDVI 3g. v1的近34年青海省植被生长季NDVI时空变化特征[J]. 草业科学, 2018, 35(4):713-725.

Dai Z J, Zhao X, Li G W, et al. Spatial-temporal variations in NDVI in vegetation-growing season in Qinghai based on GIMMS NDVI 3g.v1 in past 34 years[J]. Pratacultural Science, 2018, 35(4):713-725.

[23]
Oindo B O, Skidmore A K. Interannual variability of NDVI and species richness in Kenya[J]. International Journal of Remote Sensing, 2002, 23(2): 285-298.

[24]
张华, 安慧敏. 基于GEE的1987—2019年民勤绿洲NDVI变化特征及趋势分析[J]. 中国沙漠, 2021, 41(1):28-36.

DOI

Zhang H, An H M. Analysis of NDVl variation characteristics and trend of Minqin Oasis from 1987 to 2019 based on GEE[J]. Journal of Desert Research, 2021, 41(1): 28-36.

[25]
钟红平, 王宏志. 2007年-2016年湖北省归一化植被指数时空变化特征分析[J]. 华中师范大学学报(自然科学版)

Zhong H P, Wang H Z. Temporal and spatial variation of norma-lized vegetation index in Hubei Province from 2007 to 2016[J]. Journal of Central China Normal University (Natural Sciences), 2018, 52(4):582-588.

[26]
龙爽, 郭正飞, 徐粒, 等. 基于Google Earth Engine的中国植被覆盖度时空变化特征分析[J]. 遥感技术与应用, 2020, 35(2):326-334.

DOI

Long S, Guo Z F, Xu L, et al. Spatiotemporal variations of fractional vegetation coverage in China based on Google Earth Engine[J]. Remote Sensing Technology and Application, 2020, 35(2):326-334.

[27]
康帅直, 穆琪, 赵永华, 等. 黄土高原神府资源开采区生态环境质量时空格局特征[J]. 生态学报, 2023, 43(7):2781-2792.

Kang S Z, Mu Q, Zhao Y H, et al. Temporal and spatial pattern characteristics of ecological environmental quality in Shenfu mining area of Loess Plateau[J]. Acta Ecologica Sinica, 2023, 43(7):2781-2792.

[28]
Xiao W, Zhang W K, Ye Y M, et al. Is underground coal mining causing land degradation and significantly damaging ecosystems in semi-arid areas? A study from an ecological capital perspective[J]. Land Degradation & Development, 2020, 31(15):1969-1989.

[29]
胡振琪. 我国土地复垦与生态修复30年:回顾、反思与展望[J]. 煤炭科学技术, 2019, 47(1):25-35.

Hu Z Q. The 30 years’ land reclamation and ecological restoration in China:Review,rethinking and prospect[J]. Coal Science and Technology, 2019, 47(1):25-35.

[30]
李全生, 贺安民, 曹志国. 神东矿区现代煤炭开采技术下地表生态自修复研究[J]. 煤炭工程, 2012, 44(12):120-122.

Li Q S, He A M, Cao Z G. Study on surface ecological self-repair under modern coal mining technology in Shendong mining area[J]. Coal Engineering, 2012, 44(12):120-122.

[31]
谷海静. 西部脆弱矿区绿色开采技术发展现状及方向[J]. 陕西煤炭, 2022, 41(5):222-225.

Gu H J. Development status and direction of green mining techno-logy in vulnerable mining areas in Western China[J]. Shaanxi Coal, 2022, 41(5):222-225.

[32]
徐清清. 神东矿区生态治理技术评价研究[D]. 徐州: 中国矿业大学, 2022.

Xu Q Q. Research on evaluation of ecological management techno-logy of Shendong mine area[D]. Xuzhou: China University of Mining and Technology, 2022.

[33]
杨俊哲, 陈苏社, 王义, 等. 神东矿区绿色开采技术[J]. 煤炭科学技术, 2013, 41(9):34-39.

Yang J Z, Chen S S, Wang Y, et al. Green mining technology of Shendong mining area[J]. Coal Science and Technology, 2013, 41(9):34-39.

[34]
刘海平, 王义. 神东矿区资源环境治理对策研究及其具体实践[J]. 中国煤炭, 2023, 49(s1):6-14.

Liu H P, Wang Y. Research and practices of countermeasures for resource and environment management in Shendong mining area[J]. China Coal, 2023, 49(s1):6-14.

Options
Outlines

/

〈 〉