張 雁,黃選明,陳 實(shí),石炳興
(1.中煤科工集團(tuán)西安研究院有限公司,陜西 西安 710077;2.西北農(nóng)林科技大學(xué) 水利與建筑工程學(xué)院,陜西 西安 712100;3.國(guó)家能源集團(tuán)大雁公司,內(nèi)蒙古 呼倫貝爾 021122)
研究區(qū)為地處內(nèi)蒙古呼倫貝爾草原區(qū)的某露天煤礦,礦坑在開(kāi)采過(guò)程中長(zhǎng)期疏排地下水,造成地下水位不斷下降。地下水位持續(xù)下降對(duì)煤礦周邊草原區(qū)生態(tài)植被的改變及生態(tài)環(huán)境影響程度關(guān)系到露天礦的綠色與可持續(xù)發(fā)展,因此,有必要開(kāi)展煤礦周邊植被生長(zhǎng)的主要影響因素及地下水對(duì)植被生長(zhǎng)的影響程度研究。
在我國(guó)不同地區(qū),植被生長(zhǎng)的主要影響因素不盡相同,國(guó)內(nèi)學(xué)者對(duì)此開(kāi)展了大量研究。曹艷萍等[1]認(rèn)為華北平原植被蓋度好轉(zhuǎn)主要受人類活動(dòng)和降水等因素共同影響;信忠保等[2]認(rèn)為黃土高原植被蓋度變化主要受降水影響;羅敏等[3]認(rèn)為塔里木河流域平原區(qū)和中低山區(qū)植被生長(zhǎng)受降水和溫度共同作用,高山區(qū)植被生長(zhǎng)主要受溫度控制,平原綠洲區(qū)植被變化主要受人類活動(dòng)影響;宋鵬飛等[4]認(rèn)為黑河流域植被生長(zhǎng)受氣溫影響程度最大;李麗紅等[5]認(rèn)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?。涣浩G等[6]、穆少杰等[7]認(rèn)為降水是驅(qū)動(dòng)草地植被年際變化的主要因素;多名學(xué)者[8-11]研究認(rèn)為呼倫貝爾地區(qū)30 多年的植被蓋度呈逐年波動(dòng)改善趨勢(shì),年際間的變化主要受降水影響,但同時(shí)也與氣候變暖相關(guān),氣溫回升造成呼倫貝爾草原生長(zhǎng)季節(jié)延長(zhǎng)以及返青期提前。
植被生長(zhǎng)與地下水關(guān)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(guò)大或過(guò)淺,均會(huì)造成不同程度的植被退化甚至死亡;陳亞寧等[13]認(rèn)為隨地下水位埋深加大,物種多樣性指數(shù)降低,植物種類減少,群落結(jié)構(gòu)向簡(jiǎn)單生態(tài)系統(tǒng)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(dǎo)因子;馬興旺等[14]認(rèn)為地下水位埋深小于2 m 時(shí)會(huì)造成地表土壤積鹽過(guò)重;程?hào)|會(huì)等[15]認(rèn)為在毛烏素沙漠地區(qū),地下水位埋深不是旱生植被蓋度的控制因素,植被生長(zhǎng)的水分來(lái)自降雨產(chǎn)生的包氣帶水;范磊等[16]認(rèn)為以沙蒿為代表的耐干旱植被物種,生長(zhǎng)基本不依賴地下水,植被蓋度也與潛水位埋深無(wú)關(guān),在潛水位埋深較大的情況下也能保持較大蓋度。
諸多學(xué)者還研究了不同區(qū)域適合植被生長(zhǎng)的生態(tài)水位,歸納總結(jié)如下:華北平原地區(qū)適合植被生長(zhǎng)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(qū)為4~5 m[18-22];甘肅、寧夏、河西走廊等地區(qū)為5 m 以內(nèi)[23-26];內(nèi)蒙古鄂爾多斯、烏審旗、呼倫貝爾等地區(qū)為6~8 m[27-32];青海柴達(dá)木盆地為4.5 m 以內(nèi)[33];毛烏素沙漠區(qū)為6 m 以內(nèi)[16];東北地區(qū)西部為4 m 以內(nèi)[34-35]。地下水位超過(guò)上述埋深后,植被以旱生植物為主,其生長(zhǎng)將不受地下水位的影響。
研究植被蓋度通常采用植被指數(shù)法,植被指數(shù)已廣泛用來(lái)定性和定量評(píng)價(jià)植被覆蓋及其生長(zhǎng)活力,目前已經(jīng)發(fā)布了超過(guò)150 種植被指數(shù)模型,其中歸一化植被指數(shù)法(NDVI)[36]是應(yīng)用最廣泛的方法。本文利用GIS/RS 數(shù)據(jù),基于聯(lián)合熵與互信息技術(shù),采用歸一化植被指數(shù)法研究2013—2019 年研究區(qū)植被變化與氣象要素的關(guān)系,分析了研究區(qū)植被生長(zhǎng)與地下水的關(guān)系。
研究區(qū)地處我國(guó)內(nèi)蒙古呼倫貝爾草原區(qū),大興安嶺西側(cè),氣候類型為中溫帶大陸性草原氣候,研究范圍南北長(zhǎng)7 km,東西寬5.5 km,面積為38.5 km2。露天煤礦自2010 年開(kāi)采以來(lái),地下水位最大降深超過(guò)50 m,對(duì)剝采范圍內(nèi)的植被和生態(tài)環(huán)境造成一定的破壞,部分區(qū)域植被有所退化。
根據(jù)調(diào)研,研究區(qū)內(nèi)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(shì)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(qū)內(nèi)的低山丘陵區(qū)和河流階地區(qū);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(qū)范圍與植被類型分布如圖1 所示。
歸一化植被指數(shù)(Normalized Difference Vegetation Index,NDVI)能夠反映植被生長(zhǎng)狀況,是監(jiān)測(cè)植被覆蓋動(dòng)態(tài)變化的有力工具,被廣泛應(yīng)用于植被覆蓋時(shí)空變化研究中,可通過(guò)遙感(RS)或地理信息系統(tǒng)(GIS)獲取NDVI 數(shù)據(jù),并對(duì)植被時(shí)空變化進(jìn)行研究,采用的遙感數(shù)據(jù)為SPOT-5 衛(wèi)星遙感數(shù)據(jù)和LANDSTA 系列數(shù)據(jù),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(shù)據(jù)處理流程為數(shù)據(jù)加載 根據(jù)研究范圍進(jìn)行數(shù)據(jù)裁剪 提取導(dǎo)出數(shù)據(jù) 導(dǎo)入MATLAB軟件進(jìn)行計(jì)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
基于GIS 和RS 數(shù)據(jù),提取研究區(qū)2013—2019年的NDVI 數(shù)據(jù),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(tài),平均增速約為每年0.03。根據(jù)國(guó)際分級(jí)標(biāo)準(zhǔn)(表1),研究區(qū)植被覆蓋情況由稀疏級(jí)別逐漸過(guò)渡到適中級(jí)別。
表1 NDVI 國(guó)際分級(jí)標(biāo)準(zhǔn)Table 1 NDVI international classification standard
繪制2013—2019 每年7 月初研究區(qū)的NDVI值空間分布圖(圖2),同樣看出研究區(qū)植被覆蓋率呈逐年增加趨勢(shì),尤其從2017 年開(kāi)始,NDVI>0.2的區(qū)域明顯增多,在2019 年,約50%的范圍內(nèi)NDVI值在0.3 以上,覆蓋級(jí)別達(dá)到適中植被級(jí)別。
為研究整個(gè)區(qū)域NDVI 時(shí)空趨勢(shì)變化,需計(jì)算每個(gè)象元NDVI 年際變化趨勢(shì),在此利用趨勢(shì)分析法逐個(gè)象元分析NDVI 變化趨勢(shì),趨勢(shì)分析法計(jì)算公式為:
式中:θslope為象元NDVI 變化趨勢(shì);i為年份;n為總年數(shù);NDVIi為第i年的NDVI 值。θslope的分級(jí)標(biāo)準(zhǔn)見(jiàn)表2。
繪制2013—2019 年研究區(qū)NDVI 變化趨勢(shì)空間分布圖(圖3)。
由圖3 可知,2013—2019 年該地區(qū)70%以上區(qū)域NDVI 值都呈輕度或顯著增加狀態(tài),輕度增加區(qū)主要集中在露天礦剝采區(qū)北部,顯著增加區(qū)主要在河流流域和礦坑?xùn)|北角;NDVI 值輕度降低和基本不變的區(qū)域主要分布在礦區(qū)中部的剝采區(qū)及礦坑西部的排土場(chǎng),這些區(qū)域目前為非植被覆蓋區(qū)。
熵(Entropy)是表示隨機(jī)變量不確定性的度量,熵值越大,表示事件發(fā)生的不確定性越大,基本表達(dá)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(fā)生的概率。
聯(lián)合熵(Joint Entropy)[37-38]就是度量一個(gè)聯(lián)合分布的隨機(jī)系統(tǒng)的不確定度,用公式表示為:
式中:H(X,Y)表示變量X、Y的聯(lián)合熵值,bit;X、Y表示變量;m、n表示X、Y的取值個(gè)數(shù);pij表示變量X、Y的聯(lián)合概率分布。
如果變量X與Y相互獨(dú)立,則H(X,Y)=H(X)+H(Y),聯(lián)合熵達(dá)到最大值,而變量間的相關(guān)性為0。變量間的相關(guān)性可以利用互信息(Mutual Information)[39-40]來(lái)表征,互信息I(X,Y)可以用公式表示為:
其關(guān)系可用圖4 表示。
圖2 研究區(qū)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(jí)標(biāo)準(zhǔn)Table 2 Grading standard ofθslope
圖3 研究區(qū)2013—2019 年NDVI 變化趨勢(shì)Fig.3 Variation trend of NDVI in the study area from 2013 to 2019
同理,三維聯(lián)合熵的計(jì)算公式可以表示為:
圖4 聯(lián)合熵與互信息關(guān)系Fig.4 Schematic diagram of joint entropy and mutual information
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(lián)合熵理論,分別計(jì)算NDVI與上述變量?jī)蓛山M合之間的互信息,即分別計(jì)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(yīng)關(guān)系。
3.1.1 氣溫變化趨勢(shì)
收集了研究區(qū)2013—2019 年氣溫?cái)?shù)據(jù),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(shì),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(qū)2013—2019 年年均氣溫變化趨勢(shì)Fig.5 Variation trend of annual average temperature(2013-2019)
3.1.2 降水量變化趨勢(shì)
研究區(qū)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(wěn),年平均降水量為370.43 mm(圖6),降水量年內(nèi)分布不均勻,主要集中在夏季6~9 月份。
圖6 研究區(qū)2013—2019 年降水量變化趨勢(shì)Fig.6 Rainfall variation trend in the study area(2013-2019)
3.1.3 地下水位埋深變化趨勢(shì)
選擇研究區(qū)水7、抽3、水6 這3 個(gè)水文觀測(cè)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(gè)觀測(cè)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(qū)2011—2019 年地下水位埋深變化趨勢(shì)Fig.7 Variation trend of the depth groundwater table(2011-2019)
采用2013—2019 年的NDVI 序列、降水、氣溫和地下水位埋深序列數(shù)據(jù),計(jì)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(qū)間,劃分原則為n=1+3.3lg(N/a),N表示樣本長(zhǎng)度,n為區(qū)間數(shù),所選樣本長(zhǎng)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(gè)等間距區(qū)間。為計(jì)算方便,落在第1 區(qū)間的值記為1,落在第2 區(qū)間的值記為2,依次類推,落在第4 區(qū)間的值記為4,然后利用經(jīng)驗(yàn)概率公式,計(jì)算聯(lián)合概率。NDVI 與上述3 要素的互信息空間分布結(jié)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(chǎng)和剝采區(qū)的無(wú)植被區(qū)及西北部的草甸植被和沼澤植被區(qū),互信息值小于0.8,個(gè)別區(qū)域小于0.5,從中反映出草甸植被和沼澤植被生長(zhǎng)受河流水位影響較大,草原區(qū)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(qū)中部的草原植被區(qū),無(wú)植被區(qū)的互信息值在0.5 以下,西北部的草甸植被和沼澤植被區(qū)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(qū)中部的草原植被區(qū),而東北部等區(qū)域草甸植被區(qū)和沼澤植被區(qū)的互信息值普遍大于1.0,進(jìn)一步驗(yàn)證草甸植被區(qū)和沼澤植被區(qū)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
根據(jù)前人研究和對(duì)鄰近礦區(qū)調(diào)研結(jié)果,在干旱半干旱地區(qū),草地植被適宜生長(zhǎng)的地下水位埋深范圍為2~6 m。目前研究區(qū)地下水位埋深均在6 m 以下,此時(shí)地下水無(wú)法通過(guò)毛細(xì)管作用到達(dá)植被根系供給植被吸收,植被生長(zhǎng)主要依靠由降雨產(chǎn)生的包氣帶水,植被群落也逐漸過(guò)渡為旱生植被類型。研究區(qū)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(jìn)植被初期生長(zhǎng),植被返青期提前,6—9 月主要依靠大氣降水生長(zhǎng)。因此,在研究區(qū)特定的氣候條件下,植被生長(zhǎng)與地下水位埋深關(guān)系不密切。
a.內(nèi)蒙古呼倫貝爾某露天煤礦周邊植被蓋度呈逐年好轉(zhuǎn)趨勢(shì),植被指數(shù)由2013 年的0.10 逐漸增加至2019 年的0.33,年均增長(zhǎng)約0.03,覆蓋級(jí)別由稀疏植被過(guò)渡到適中植被。
b.研究區(qū)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(qū)植被生長(zhǎng)與氣溫和降水量關(guān)系密切,與地下水位埋深相關(guān)性弱。
c.研究區(qū)氣候變暖和穩(wěn)定的降水量是植被蓋度逐漸增加的主要原因;礦區(qū)目前疏排水強(qiáng)度下引起的地下水位下降不會(huì)造成周邊草原植被干枯死亡。
d.推測(cè)該區(qū)植被種群和多樣性會(huì)隨地下水位的變化而逐漸發(fā)生改變,鑒于研究區(qū)尺度有限,對(duì)于該結(jié)論還需進(jìn)一步收集資料開(kāi)展深入研究。
請(qǐng)聽(tīng)作者語(yǔ)音介紹創(chuàng)新技術(shù)成果等信息,歡迎與作者進(jìn)行交流
OSID 碼