塵福艷 郭仲皓 張英海 徐凱磊 江曉光

(西安煤航遙感信息有限公司，陜西省西安市，710100)

隨著我國社會經(jīng)濟飛速發(fā)展，國民的生活水平獲得較大程度的提高。在經(jīng)濟飛速發(fā)展的同時，我國正面臨著生態(tài)破壞、環(huán)境污染、土地退化等一系列環(huán)境問題[1-3]。當前，衛(wèi)星遙感對地觀測系統(tǒng)以其快速、實時的優(yōu)點已經(jīng)在生態(tài)環(huán)境領域得到廣泛的應用。利用各種生態(tài)環(huán)境因子對整個礦區(qū)的生態(tài)環(huán)境進行監(jiān)測和評價，已成為生態(tài)環(huán)境保護的重要組成部分。陜北煤炭區(qū)的開采在一定程度上導致了地面的塌陷，進而影響了當?shù)氐纳鷳B(tài)環(huán)境，因此十分有必要開展監(jiān)測和評價。2015年，原國家環(huán)境保護部以行業(yè)標準的形式頒發(fā)了《生態(tài)環(huán)境狀況評價技術規(guī)范》(HJ 192-2015)，推出了基于遙感技術的生態(tài)環(huán)境狀況指數(shù)EI，旨在對我國縣級以上生態(tài)環(huán)境提供一種年度綜合評價標準[4]。筆者以陜北煤礦區(qū)-楊伙盤礦區(qū)的生態(tài)環(huán)境為例，對研究區(qū)的生態(tài)環(huán)境質(zhì)量進行監(jiān)測和綜合評價。

1 研究區(qū)概況

楊伙盤煤礦位于陜西省神木縣店塔鎮(zhèn)，屬于陜北神府礦區(qū)新民開采區(qū)。西北部為黑拉畔煤礦和孫營岔一礦，東北部為石巖溝煤礦，東南部為榆家梁煤礦，長度約為6.6 km，寬度約為4.4 km，面積約為26.92 km2，楊伙盤煤礦交通位置示意如圖1所示。

圖1 楊伙盤煤礦交通位置示意

由圖1可以看出，該礦區(qū)交通條件較好，西(安)-包(頭)鐵路、210國道西(安)-包(頭)公路從礦區(qū)西側(cè)通過，神(木北)-朔(州)鐵路以及府店一級公路均從礦區(qū)南部黃羊城溝內(nèi)通過，緊鄰礦井工業(yè)場地。地處我國西部內(nèi)陸，為典型的中溫帶干旱、半干旱大陸性季風氣候。氣候特點為冬天極度寒冷，春天大風為主，夏天炎熱，秋天涼爽，晝夜溫差懸殊，四季冷熱多變。常年干旱少雨，年蒸發(fā)量較大。全年無霜期較短，一般10月初上凍，次年4月初解凍。

楊伙盤煤礦地處陜北黃土高原北部，地貌單元屬黃土丘陵溝壑區(qū)，地形總趨勢東北高、西南低，煤礦內(nèi)溝谷縱橫切割，梁峁連綿起伏、坡陡壁峭、植被稀少，水土流失嚴重，煤層與基巖廣泛裸露于溝谷之中，風成沙丘屢見不鮮，河流階地零星分布于黃羊城河谷及各大支溝之中，為極不對稱的一級階地[5]。

楊伙盤煤礦經(jīng)過多年的開采形成大面積的采空區(qū)，已經(jīng)對生態(tài)環(huán)境造成了較為嚴重的影響。煤礦采空區(qū)上部地表出現(xiàn)較大面積的塌陷，已開采的工作面地表均有塌陷。塌陷形態(tài)以地裂縫為主，形成有規(guī)律的近乎平行的大小和深度不等的地表裂縫，直接威脅到采空區(qū)地表的正?；顒雍偷V井安全生產(chǎn)。煤礦區(qū)的地表水主要來自于水庫和黃羊城河，但目前也由于礦區(qū)的多處井工開采利用和降水偏少，水位已明顯下降。水庫因淤積和失修，水已流失下滲，部分分支水庫已基本干涸，導致楊伙盤煤礦的生態(tài)環(huán)境形勢較為嚴峻。

2 數(shù)據(jù)源與研究方法

2.1 數(shù)據(jù)源及數(shù)據(jù)預處理

選用2018年7月25日的分辨率為30 m×30 m的Landsat 8 OLI的遙感影像和2018年8月份-2019年3月份的共44景Sentinel 1A影像為數(shù)據(jù)源。在利用衛(wèi)星遙感影像數(shù)據(jù)之前，對Landsat 8 OLI影像進行了大氣校正、輻射定標以保證數(shù)據(jù)的標準化應用。Sentinel 1A的雷達數(shù)據(jù)通過SARscape平臺導入，結(jié)合軌道精密文件進行格式轉(zhuǎn)換，同時結(jié)合工作區(qū)范圍進行裁剪出工作區(qū)域。

2.2 評價指標提取與方法

2.2.1 土地利用現(xiàn)狀

按照研究區(qū)的范圍進行影像數(shù)據(jù)和文獻等各種資料的搜集，再加之用到的Landsat 8 OLI影像數(shù)據(jù)中各特征物的光譜特征，結(jié)合研究區(qū)域中的影像特征和其他實地調(diào)查的土地利用信息數(shù)據(jù)，來進行土地利用信息解譯標志的建立，然后采用監(jiān)督分類的方法完成遙感影像的分類，2018年研究區(qū)土地利用現(xiàn)狀信息提取圖如圖2所示。

由圖2可以看出，2018年研究區(qū)的土地利用現(xiàn)狀是裸土占的比例較大，達到了51.71%；而草地占了28.42%，對生態(tài)環(huán)境有一定的促進作用；林地在全區(qū)占到了17.02%，僅次于草地；建筑用地占2.86%。

2.2.2 植被指數(shù)

植被的分布和覆蓋程度直接影響著區(qū)域生態(tài)系統(tǒng)的發(fā)育情況和健康狀況，歸一化植被指數(shù)NDVI是目前使用最為廣泛的植被指數(shù)。歸一化植被指數(shù)在植被蓋度的反演中相對于其它植被指數(shù)具有對植被檢測靈敏度較高、檢測范圍相對較寬、能夠減少由太陽高度角與大氣輻射產(chǎn)生的噪聲等優(yōu)點。植物葉綠素因為光合作用而吸收紅光，因此長勢越旺盛的植被吸收的紅光越多，相應的反射的近紅外光也就越多。所以歸一化植被指數(shù)能反映植物生物量的狀況，NDVI值越大植物長勢越好。NDVI的閾值在-1～1之間，負值表示地面覆蓋為云、水、雪等，對可見光高反射；0表示有巖石或裸土等，NIR和R近似相等；正值表示有植被覆蓋，且隨覆蓋度增大而增大[6]。

圖2 2018年研究區(qū)土地利用現(xiàn)狀信息提取圖

此次選取歸一化植被指數(shù)NDVI來對目標區(qū)域進行分析，其算式見式(1)：

(1)

式中：NDVI——歸一化植被指數(shù)；

NIR——近紅外波段反射值；

Red——可見光紅色波段反射值。

2018年研究區(qū)植被覆蓋信息提取圖如圖3所示。

圖3 2018年研究區(qū)植被覆蓋信息提取圖

2.2.3 土壤侵蝕

由于本研究區(qū)河流較少且靠近毛烏素沙漠，土壤侵蝕一般是風力侵蝕。根據(jù)礦區(qū)實際情況，選擇RUSLE(The Revised Universal Soil Loss Equation)作為土壤侵蝕信息提取模型[7-8]。RUSLE模型是美國農(nóng)業(yè)部于1997年在通用土壤流失模型USLE(The Universal Soil Loss Equation)的基礎上修訂建立并正式實施的一種適用范圍更廣的修正模型，其計算表達式見式(2)：

A=R·K·LS·C·P

(2)

式中：A——預測土壤侵蝕量，主要指由降雨和徑流引起的坡面細溝或細溝間侵蝕的年均土壤流失量；

R——降雨侵蝕力因子，反映降雨引起土壤流失的潛在能力；

K——土壤可蝕性因子，衡量土壤抗蝕性的指標，用于反映土壤對侵蝕的敏感性；

LS——坡長坡度因子 (無量綱)，其中L為坡長因子，被定義為坡長的冪函數(shù)；S為坡度因子。LS表示在其他條件不變的情況下，某給定坡長和坡度的坡面上土壤流失量與標準徑流小區(qū)典型坡面上土壤流失量的比值，它對土壤侵蝕起加速作用；

C——覆蓋與管理因子 (無量綱)，是指在其他因子相同的條件下，在某一特定作物或植被覆蓋下的土壤流失量與耕種后連續(xù)休閑地的流失量的比值；

P——水土保持措施因子(無量綱)，是指采取水土保持措施后土壤流失量與順坡種植的土壤流失量的比值。

考慮到研究區(qū)較小，在研究區(qū)范圍內(nèi)模型中R因子和K因子可視為均一數(shù)值，P因子未見相關資料，因此本項目模型通過計算LS因子以及C因子對礦區(qū)土壤侵蝕狀況進行相應定性分析，2018年研究區(qū)土壤侵蝕信息提取圖如圖4所示。

2.2.4 土壤類型

研究區(qū)內(nèi)土壤主要分為黃綿土、風沙土、粗骨土及栗鈣土這4類土壤。研究區(qū)主要以黃綿土為主，占研究區(qū)面積的 77.02%，在全區(qū)都有分布且范圍較為廣泛；其次為風沙土，占研究區(qū)的 14.78%，風沙土主要分布在研究區(qū)的中部，由于地勢高更易形成風沙土；粗骨土主要分布在研究區(qū)的北部，沿著有坡度的邊緣形成，占6.34%；栗鈣土較少，占研究區(qū)的1.89%。研究區(qū)內(nèi)的土壤類型分布圖如圖5所示。

圖4 2018年土壤侵蝕信息提取圖

圖5 研究區(qū)內(nèi)土壤類型分布圖

2.2.5 坡度

坡度信息是通過對數(shù)字高程模型進行信息提取本區(qū)范圍內(nèi)的坡度信息，坡度信息不同則生物群落種類和棲息方式都不同，在很大程度上決定這個區(qū)域的生物物種的豐富程度。利用地理信息系統(tǒng)技術對楊伙盤地區(qū)的高程模型進行坡度的信息提取，此方法可以通過Arcgis的空間分析功能里面的坡度模塊來進行提取，Arcgis軟件在地理空間分布分析及地理信息提取處理等方面具有巨大的優(yōu)勢，是GIS的一個全面的平臺，通過對地理數(shù)據(jù)或遙感數(shù)據(jù)進行分析處理獲取地理數(shù)據(jù)的位置信息、空間分布特征或運動狀態(tài)等具有實際效用的產(chǎn)品、要素、數(shù)據(jù)等[6]。研究區(qū)坡度圖如圖6所示。

2.2.6 地面塌陷

SBAS方法是對獲取的SAR影像序列進行自由干涉組合，從而得到一系列短基線差分干涉相位圖，這些差分干涉圖能夠很好地克服時空失相關的影響。同時，采用最小費用流的相位解纏方法對差分和濾波后的干涉相位圖進行相位解纏。然后對解纏后的結(jié)果進行軌道精煉和殘余相位去除，根據(jù)計算的高相關性的點來構建方程組矩陣，利用矩陣奇異值分解方法估算出線性形變速率和高程誤差。然后再對殘余相位進行分離和將殘余相位中的噪聲相位予以去除，得到非線性形變相位。最后將線性形變相位和非線性形變相位疊加，得到最終準確的形變結(jié)果[9]，研究區(qū)沉降量如圖7所示。

圖6 研究區(qū)坡度圖

圖7 研究區(qū)沉降量

2.2.7 水體指數(shù)

水體因?qū)θ肷淠芰?太陽光)具有強吸收性，所以在大部分遙感傳感器的波長范圍內(nèi)，總體上呈現(xiàn)出很弱的反射率，并隨著波長的增加而進一步減弱，其在近紅外、短波紅外的波長范圍內(nèi)幾乎吸收全部的入射能量[10]。水體提取的方法多種多樣，在比較不同水體提取方法的基礎上，最終選用改進的歸一化水體指數(shù)(MNDVI)的方法來對楊伙盤煤礦區(qū)的水體進行提取。MNDWI水體提取方法是通過綠波段和短波紅外波段構建，該指數(shù)在含不同水體類型的遙感影像中進行了大量的實驗，大部分獲得了比NDVI更好的效果。MNDVI可以進一步增強水體與其他類別的反差，抑制建筑物和土壤的背景噪音，有利于水體信息的準確提取。MNDVI的計算公式見式(3)：

(3)

式中：MNDVI——歸一化水體指數(shù)；

MIR——近紅外波段反射值;

Green——綠波段反射值。

2018年研究區(qū)水體信息提取圖如圖8所示。

圖8 2018年研究區(qū)水體信息提取圖

2.3 綜合指數(shù)的構建

由于土地利用現(xiàn)狀、植被覆蓋度、土壤侵蝕、土壤類型、地面塌陷、坡度和水體指數(shù)這7個指標的量綱和單位有所不同，取值的范圍缺乏可比性，且評價指標和生態(tài)環(huán)境的良好成都呈現(xiàn)出關系的方向不同，因此需要對每個指標值進行歸一化來處理消除量綱差異對計算結(jié)果的影響。歸一化的指標范圍均為0～1之間。歸一化之后指標計算見式(4)和式(5)：

式中：Result——指標歸一化之后的值；

DN——指標原始數(shù)據(jù)的數(shù)值；

DNmin——指標原始數(shù)據(jù)的最小值；

DNmax——指標原始數(shù)據(jù)的最大值。

生態(tài)環(huán)境因子進行歸一化之后，結(jié)合層次分析法和綜合指數(shù)法來對生態(tài)環(huán)境質(zhì)量進行評價。層次分析法將得到各個生態(tài)環(huán)境因子的權重值，表明各特征因子對生態(tài)環(huán)境所產(chǎn)生影響的重要性。權重的計算是通過層次分析法在MATLAB軟件中計算出來的，不但綜合了專家打分法的優(yōu)勢，且加入了一定的數(shù)學模型來對研究區(qū)進行定量分析，完善了定性與定量的不足，較適合定性指標和定量指標并存的礦山生態(tài)環(huán)境質(zhì)量評價領域。通過計算得到評價因子對生態(tài)環(huán)境現(xiàn)狀影響程度排序為植被覆蓋度>地面塌陷>土地利用現(xiàn)狀>水體指數(shù)>土壤侵蝕強度>土壤類型>坡度。通過特征指數(shù)值計算，取其置信區(qū)間0.31～0.80，舍棄極端的最大值和最小值。在Arcgis中利用重分類函數(shù)，采用自然斷點法，按照數(shù)值由小到大將生態(tài)環(huán)境質(zhì)量數(shù)值劃分為差(0.31～0.48)、較差(0.48～0.56)、中(0.56～0.62)、良(0.62～0.66)、優(yōu)(0.66～0.80)這5個等級。生態(tài)環(huán)境質(zhì)量數(shù)值越大，說明生態(tài)環(huán)境質(zhì)量越好。

3 結(jié)果與分析

綜合指數(shù)法選取對生態(tài)環(huán)境造成影響的因子，再對各個因子的影響進行綜合分析評價，得出生態(tài)環(huán)境的現(xiàn)狀。這種由單一到整體的評價方法，克服了單因素評價的片面性，可以較全面的進行定量評價。綜合指數(shù)法根據(jù)生態(tài)系統(tǒng)是由多因子組成的多層次的復雜體系和開放體系，系統(tǒng)內(nèi)部和外部環(huán)境之間有著錯綜復雜的相互聯(lián)系和相互作用，從關注的各個環(huán)境因子出發(fā)，對每個因子的影響都有所交待，且通過分值直接表達影響，過程直觀、結(jié)論明確且易于理解。將研究區(qū)的生態(tài)環(huán)境質(zhì)量分為差、較差、一般、良、優(yōu)共5個等級，生態(tài)環(huán)境好壞評價分級標準見表1。

表1 生態(tài)環(huán)境好壞評價分級標準

研究區(qū)2018年生態(tài)環(huán)境質(zhì)量空間分布圖如圖9所示，研究區(qū)2018年生態(tài)環(huán)境影響評價結(jié)果見表2。

圖9 研究區(qū)2018年生態(tài)環(huán)境質(zhì)量空間分布圖

表2 研究區(qū)2018年生態(tài)環(huán)境影響評價結(jié)果

由圖9和表2可以看出，生態(tài)環(huán)境質(zhì)量狀況為優(yōu)的區(qū)域主要包括研究區(qū)南部和西部。該區(qū)內(nèi)人類工程活動弱、人口稀少，多為草地和林地，植被覆蓋率高，沒有煤礦開采現(xiàn)象，因此不存在地質(zhì)災害，生態(tài)環(huán)境質(zhì)量狀況較好。

生態(tài)環(huán)境質(zhì)量狀況為良的區(qū)域也主要是研究區(qū)南部和西部。大部分毗鄰生態(tài)環(huán)境質(zhì)量狀況為優(yōu)的區(qū)域，該區(qū)地質(zhì)環(huán)境條件良好，植被較發(fā)育，多為草地、耕地，區(qū)內(nèi)人口相對稀少，人類工程活動程度較弱，地質(zhì)災害不發(fā)育。

生態(tài)環(huán)境質(zhì)量狀況為一般的區(qū)域主要分布在研究區(qū)中東部，屬于全區(qū)都較為發(fā)育區(qū)域，該區(qū)內(nèi)地質(zhì)環(huán)境條件相對較差，高程相對較高，土壤侵蝕強度大且植被覆蓋度低。

生態(tài)環(huán)境質(zhì)量狀況為較差的區(qū)域主要分布在研究區(qū)中東部，該區(qū)內(nèi)地質(zhì)環(huán)境條件較差，人類工程活動強烈，地質(zhì)災害發(fā)育，土壤侵蝕強度較大，植被覆蓋度低。

生態(tài)環(huán)境質(zhì)量狀況為差的區(qū)域主要分布在楊伙盤煤礦區(qū)的個別地方，人類工程活動強烈，尤其是煤炭開采活動造成地面塌陷情況較嚴重的地區(qū)，該區(qū)內(nèi)地質(zhì)環(huán)境條件較差，土壤侵蝕強度較大，植被覆蓋度低。

4 結(jié)論

筆者基于遙感衛(wèi)星和雷達數(shù)據(jù)，利用層次分析法合理的考慮了各生態(tài)環(huán)境因子對生態(tài)環(huán)境的影響程度，確定了各個因子的權重，以楊伙盤煤礦區(qū)為例對生態(tài)環(huán)境狀況和空間分布狀況進行了分析。研究分析方法克服了以往生態(tài)環(huán)境質(zhì)量評價因子難以可視化表達的缺點，通過遙感數(shù)據(jù)和雷達數(shù)據(jù)的信息提取和相互之間的耦合關系，能夠客觀定量地揭示楊伙盤煤礦區(qū)的生態(tài)環(huán)境質(zhì)量的空間分布與變化特征，對楊伙盤生態(tài)環(huán)境建設的未來規(guī)劃和管理具有重要的參考價值。

從權重的計算結(jié)果中可以看出，生態(tài)環(huán)境因子中的植被覆蓋度占比最大，其次為地面塌陷、土地利用現(xiàn)狀、水體指數(shù)、土壤侵蝕強度、土壤類型、坡度，這說明楊伙盤的生態(tài)環(huán)境質(zhì)量主要是受到植被覆蓋度和地面塌陷的影響。