基于多光谱遥感生态环境调查的黄河中游矿群地表覆盖及景观格局研究

李 莉,张 祺,仇 丰,王韶伊

(1.神东煤炭集团有限责任公司 生态环境管理中心,陕西 榆林 719315; 2.中国电建集团华东勘测设计研究院有限公司 生态环境工程院,浙江 杭州 311122; 3.浙江华东生态环境工程研究院,浙江 杭州 311122)

相比露天采煤,井下采煤对生态环境的直接影响小,但也会产生地表沉陷、地下水位下降、水土流失等问题,从而间接影响地表覆盖及景观格局;煤炭企业、公益组织和地方政府在矿区的生态修复投入,会减缓荒漠化进程,加速受损植被的恢复。

多光谱遥感卫星在评价矿区地表覆盖类型和植被覆盖率等指标方面已有较多应用。刘英[1]使用多颗卫星的影像研究了矿群矿区12年间地表植被和浅层土壤湿度,研究发现矿井采区植被覆盖率小于非采区,可能原因是开采活动降低了浅层土壤含水率;随后,刘英等[2]进一步研究植被覆盖度时序变化与驱动因素发现,含水率和降雨量分别是影响植被覆盖度最主要的土壤理化因子和气候因子。李宏韬等[3]研究了矿区归一化植被指数(NDVI)和增强型植被指数(EVI)10年间的变化规律,发现植被覆盖情况改善的区域超过90%。李蕊等[4-5]在更大的时间尺度上,选用不同指标研究矿区植被覆盖,均认为生态环境质量在过去10余年有提高。植被覆盖是水土流失的影响因素之一,王丽云等[6]使用遥感数据和数字高程模型(DEM)研究了矿区13年间水土流失动态变化,发现土壤侵蚀由高强度向低强度转移,水土流失面积减小值超过矿区总面积的1/3。综合使用多种遥感数据,可以得到生态系统服务功能,刘英等[7]研究了矿区的生态系统服务功能,得到其时空分布规律及空间聚类特征,并解释了成因,提出了生态治理建议。王铁生等[8]提出了“伪绿化面积”的概念,指的是硬化地面覆土植草不透水的绿地,进而提出了使用多光谱数据判定伪绿化面积的方法,并在郑州市金水区进行验证。

已有研究多采用美国MODIS等免费数据,分辨率多为30 m,高分辨率的研究成果依然较少;此外,遥感得到的地表覆盖及景观格局成果对生态环保工程的指导不够直接。本文针对已有研究的不足,选取黄河中游矿群为研究对象,使用高分六号多光谱卫星影像结合现场调查,从生态功能的角度研究该矿群地表覆盖及景观格局。

1 研究区概况及数据来源

研究区选取矿群核心区,位于陕西省榆林市神木市与内蒙古自治区鄂尔多斯市伊金霍洛旗交界处,乌兰木伦河两岸,研究范围是多个矿井的外包线,与刘英等[2]一致,如图1所示。

遥感数据来自高分六号卫星,搭载了离轴TMA全反射式相机,包含蓝、绿、红、近红外4个谱段,全色空间分辨率优于2 m,覆盖宽度大于90 km,是中国第一颗具备“红边”波段传感器的卫星,也是世界上第一颗具备“红边”波段的宽视场多光谱中高分辨率卫星,在农林领域具有优势[9-11]。遥感影像于2022年5月30日拍摄,中心点经纬度E110.4°、N39.5°,编号为L1A1120214256,影像覆盖了整个研究区,拍摄时天气晴朗,几乎无云。

原始数据经过辐射定标、正射校正和快速大气校正等预处理,投影到2000国家大地坐标系。现场调查采用踏勘和无人机航拍结合的方式,验证遥感成果的有效性,补充必要的细节。调查时间为2022年6月1—5日。

2 研究方法

2.1 地表覆盖类型及植被覆盖度

采用分类回归树算法(Classification and Regression Tree,CART)地表覆盖类型分为裸地、人造地表、水域、草地、灌木和林地6类。CART属于机器学习中的专家系统,作为一种基础方法,广泛用于多个领域,在地理信息学方面,常用于地物识别[12]和精确分类[13-14]。本研究使用ENVI软件预设的CART模块,优化了移动窗口尺寸参数。

植被覆盖度采用归一化植被指数(Normalized Difference Vegetation Index,NDVI)表征,在地表覆盖类型的基础上采用像元二分模型计算得出。NDVI利用植被吸收红光、反射近红外光的特性计算得出,常用于评估作物长势[15]和植被覆盖度[16-19]。本研究使用ENVI软件预设的NDVI功能。

2.2 景观格局

景观格局指景观的空间结构特征,常用景观格局指数表征,指数的空间自相关性和聚类特征也属于景观格局的范畴。

2.2.1 景观格局指数

选取拼块密度、香农多样性、蔓延度、边缘密度最大拼块占景观面积比例和景观形状指数6个指标,反映矿群景观格局,见表1。景观格局的基本组成单元是斑块,指不同于周围背景的、相对均质的非线性区域。PD反映斑块密度,单位面积内斑块越多,景观异质性越强,例如整齐划一的林场斑块密度较低,而错落有致的天然林斑块密度较高。SHDI反映香农多样性,强调稀有斑块对景观多样性的贡献,景观多样性和生物多样性正相关,该指标在生态学领域有广泛应用。CONTAG反映蔓延度,取值0～100%,蔓延度越高说明优势斑块的连续性越好。ED反映边缘密度,表征斑块边缘破碎度。LPI反映最大斑块占景观面积比例。LSI是景观形状指数,等于某斑块形状与相同面积的圆或正方形之间的偏离程度,取值为1到无穷大。

表1 景观格局指数Tab.1 Landscape pattern index

这些指标使用fragstats软件计算。

2.2.2 空间自相关和聚类分析

对于诉讼中进行的调解，德国行政法院又将其分为“第三方调解”和“法院内部调解”。㉒所谓“第三方调解”系行政诉讼受理法院将该争议案件交由法院以外的第三方调解，且多数由律师担任调解人;所谓“法院内部调解”系在行政诉讼受理法院内部，由主审法官将该案件交由不直接审理的其他法官调解，这种调解方式被称为德国的“法官调解”制度，在该制度下，法官将同时扮演审判者和调解者的角色。

使用莫兰指数表征空间自相关性,使用ArcGIS软件计算6种地表覆盖类型和植被覆盖率的莫兰指数分布。

聚类分析是局部空间自相关性分析,与全局空间自相关不同,聚类分析将整个研究区划分成很多网格,研究网格与其周围网格属性的特征,得到高—低值聚类图。

3 结果与讨论

3.1 地表覆盖类型

经过现场调查验证,遥感解译结果可以较好地解决“同物异谱”和“同谱异物”问题,也有助于深入理解遥感成果的地理意义。解译得到的地表覆盖类型如图2所示。高分辨率的卫星影像解译后展现出丰富的细节,冲沟中树木形成的纹理,草原上零星的林地,河道中的江心洲、桥梁都能被识别;整个研究区被河道分成东西两部分,河道被水坝分成几段,裸露的河床部分被判定为人造地表,部分被判定为裸地,差别主要在于透水性;河道周围城镇、公路密集,形成大量的人造地表。部分典型场景的卫星影像、地表覆盖类型和无人机航拍照片对比如图3所示。该区域属于哈拉沟生态环境示范基地,包含水域、试验田、林地、建筑物等多种地表覆盖类型,所有类型都被正确识别,矿群地表覆盖类型解译精度较高。

矿群面积占比最大的是草地,占38.4%,其次为灌木,占24.7%,两者合计超过63.1%。草地和灌木都有大面积的连续区域,而林地零星分布在草地和灌木中,面积占比11.8%,林地比较集中的区域是人造地表附近、冲沟和季节性河流的河床。

人造地表占总面积的9.2%,主要分布在河流两岸和露天矿坑。裸地占比15.4%,主要位于山坡、露天矿坑和历史采矿迹地。

3.2 植被覆盖度

植被覆盖度指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比。矿群植被覆盖度如图4所示。整体而言,乌兰木伦河东岸植被覆盖度较低,存在连续的低覆盖度区块;乌兰木伦河西岸,植被覆盖度分布较随机,除了南边的矿坑和河边的集镇,没有连续的覆盖度较低的区块。

图4 黄河中游矿群植被覆盖度Fig.4 Vegetation coverage of the mineral group in the middle reaches of Yellow River

矿群不同地类占比及其植被覆盖度均值和贡献率见表2。裸地、草地、灌木3种地类的植被覆盖度均值差异较小,为0.42～0.45。主要原因是受物候影响,草木刚发芽,枝叶还不旺盛,投影面积较小,对植被覆盖度贡献有限。林地的植被覆盖度达到0.58,属于中度闭郁,与现场调查的结果一致,林地以11.8%的面积占比贡献了14.3%的植被覆盖度;草地是面积最大的地类,也因此贡献了最多的植被覆盖度,草地对整个研究区的植被覆盖度贡献最大,草地的生长难以受到地下水补给,主要由降水补给,从地类和植物生长特点方面解释了刘英等[2]“降雨量是植被NDVI波峰值的最敏感气候因子”的规律。

表2 矿群地类和植被覆盖度统计Tab.2 Statistics of mineral group land types and vegetation coverage

3.3 景观格局

表3 景观格局指数之间的相关系数Tab.3 Correlation coefficients between landscape pattern indices

3.3.1 香农多样性指数分析

矿群香农多样性指数如图5所示。图5中,蓝色区域多样性较差,景观单一,连续的蓝色区域值得重点修复;红色区域景观多样性好,生态功能也更丰富。香农多样性指数的空间分布呈现以下规律:①矿群西北部,存在香农多样性指数较高的叶脉状连通区域,结合地表覆盖和植被覆盖率可知,该区域为冲沟中的零星林地,面积占比较小,对植被覆盖率的贡献有限,但对景观多样性贡献很大,推知生态价值较高。②乌兰木伦河两岸香农多样性指数较高,但未能形成连续的线形区域,河流被水闸分成几段,没有生态流量下泄,沿河生态带的建设也应该是生态修复的重点。③整个矿群散布若干香农多样性指数较低的区域,多为坡地。

图5 矿群香农多样性指数(SHDI)Fig.5 Shannon diversity index(SHDI) of the mineral group

3.3.2 植被覆盖度聚类分析

植被覆盖度的空间分布规律反映了自然景观格局,全局空间自相关分析得到的莫兰散点图,散点多位于第一和第三象限,第一象限表明高—高聚类,第三象限表明低—低聚类。空间相关性常用莫兰指数表征,莫兰指数在-1～1,大于0表示空间正相关,数值越大相关性越大。研究区植被覆盖度的莫兰指数0.656,空间正相关性较大。

进一步分析植被覆盖度的空间聚类特性,进行聚类分析(局部空间自相关分析),得到LISA聚类地图,如图6所示。红色区域为高—高聚类,表明空间区域的植被覆盖度之间正向影响,区域集中在乌兰木伦河西岸和东岸南部区域,对应的地表覆盖类型为灌木和草地,是潜在的生态源地,说明上湾、哈拉沟、大柳塔采煤沉陷区治理、矿区微生物修复等工程[20-23]初显成效。蓝色区域为低—低聚类,表明空间区域的植被覆盖度之间负向影响,植被连通性差,生态治理实践中应防止低—低聚类区域蔓延,低—低聚类区域集中在乌兰木伦河东岸中部和北部,以及西岸废弃矿坑和聚居区。乌拉木伦河两岸植被覆盖度聚类特征不同的原因可能是受东南季风影响,西岸处于东南季风的迎风坡,且西北部高山有利于阻挡暖湿气流,东岸处于东南季风的背风坡,降水相对较少,不利于植被生长。聚类不显著的区域可能是裸地和林草地相间,植被覆盖天然分布较随机,也可能是人类影响导致景观格局破碎;低—高聚类和高—低聚类多处于过渡区域,不具有明显的生态学意义。

图6 SD中心矿区植被覆盖度LISA聚类地图Fig.6 LISA cluster map of vegetation coverage in SD central mineral group

4 结论

黄河流域能源基地受到采煤影响,是水土保持的重点区域,高分辨率多光谱遥感成果为矿群生态环境规划提供技术支撑,得到以下主要结论。

(1)黄河中游矿群最主要的植被类型是灌木和草本植物互生形成的灌木草地,占总面积的63.1%,乔木林占比11.8%,主要呈带状,沿冲沟、沉陷区、河流分布,在地表形成“绿脉”,香农多样性指数高,是天然的生态廊道。

(2)该矿群地表水资源利用程度高,主要河流乌兰木伦河渠化程度高,部分河段蓄水形成水库,部分河床裸露。

(3)该矿群植被覆盖度均值0.45,乌兰木伦河西岸和东岸南部植被覆盖度主要呈现高—高聚类特征,空间区域之间正向影响,是潜在的生态源地;乌兰木伦河东岸地处东南季风的背风坡,降水相对西岸较少,不利于植被生长,大部分区域呈现低—低聚类特征。