方良成，陳永春,2，安士凱,2，徐燕飛,2，趙月嬌，王 寧，李志輝，趙 萍

近十年淮南礦區(qū)地表熱環(huán)境時(shí)空演變分析

方良成1，陳永春1,2，安士凱1,2，徐燕飛1,2，趙月嬌3，王 寧3，李志輝3，趙 萍3

(1. 淮南礦業(yè)(集團(tuán))有限責(zé)任公司，安徽 淮南 232001；2. 平安煤炭開采工程技術(shù)研究院有限責(zé)任公司，安徽 淮南 232001；3. 合肥工業(yè)大學(xué) 資源與環(huán)境工程學(xué)院，安徽 合肥 230009)

地表溫度是描述陸表過程和反映地表特征的重要參數(shù)。研究礦區(qū)地表溫度的時(shí)空演變特征，對于理解煤礦開采活動(dòng)對礦區(qū)生態(tài)環(huán)境的影響具有重要意義?；茨系V區(qū)是我國東部典型的高潛水位煤礦區(qū)，為了探究該區(qū)域地表溫度的時(shí)空異質(zhì)性與開采擾動(dòng)的關(guān)系，利用2008—2018年5期Landsat影像進(jìn)行地表溫度的反演和下墊面信息提取，結(jié)合熱力景觀格局指數(shù)和城市熱島比例指數(shù)的計(jì)算，分析近十年來淮南礦區(qū)地表熱環(huán)境的時(shí)空演變特征。結(jié)果表明：淮南礦區(qū)地表溫度分布格局及其變化與下墊面結(jié)構(gòu)及其變化密切相關(guān)。2008—2018年間，淮南礦區(qū)地表溫度總體以中溫區(qū)為主，其次是次低溫和次高溫區(qū)，高溫區(qū)和低溫區(qū)面積及其占比相對較低。由于城鎮(zhèn)和礦井建設(shè)，以及煤礦開采產(chǎn)生的煤矸石堆積和開采沉陷積水，建設(shè)用地和水域面積不斷增加，植被面積不斷減少，相應(yīng)的低溫區(qū)、次高溫和高溫區(qū)增長，中溫和次低溫區(qū)減少，總體上城市熱島比例指數(shù)不斷增加，熱島效應(yīng)不斷加?。坏蜏貐^(qū)斑塊破碎度和復(fù)雜度不斷減小，優(yōu)勢度不斷增大。其他溫度級斑塊破碎度和復(fù)雜度，景觀團(tuán)聚程度和連通性，多樣性和均勻度變化分為2008—2013、2013—2015和2015—2018三個(gè)階段，其中2013—2015年人類干擾強(qiáng)度較大，斑塊破碎度和復(fù)雜度增大，景觀團(tuán)聚程度和連通性，多樣性和均勻度減小。研究成果為淮南礦區(qū)生態(tài)環(huán)境的恢復(fù)治理和城市產(chǎn)業(yè)規(guī)劃提供了科學(xué)依據(jù)。

Landsat；地表溫度；熱島效應(yīng)；熱力景觀格局；淮南礦區(qū)

煤炭開采引發(fā)的礦區(qū)生態(tài)環(huán)境問題一直受到國內(nèi)外學(xué)者的廣泛關(guān)注。煤礦開采活動(dòng)對下墊面的人為改造和破壞所導(dǎo)致地表熱力學(xué)性質(zhì)的改變，以及人為熱排放、大氣污染、礦區(qū)基礎(chǔ)設(shè)施建設(shè)等因素，都將使礦區(qū)熱環(huán)境空間格局發(fā)生演變。研究礦區(qū)熱環(huán)境的空間分布特征及其演變規(guī)律，可以在一定程度上揭示煤礦開采的生態(tài)擾動(dòng)，為礦區(qū)的生態(tài)環(huán)境治理恢復(fù)，礦業(yè)城市的發(fā)展規(guī)劃提供重要的依據(jù)。

地表溫度是地表熱量狀況和交換過程的重要表征，也是人類活動(dòng)強(qiáng)度的指示因子[1]。遙感技術(shù)具有宏觀、快速和動(dòng)態(tài)觀測等優(yōu)勢，國內(nèi)外學(xué)者根據(jù)不同熱紅外遙感數(shù)據(jù)的特點(diǎn)，提出了多種地表溫度遙感反演算法，大致可歸納為單通道算法、多通道算法和劈窗算法三大類[2]。由于Landsat衛(wèi)星熱紅外數(shù)據(jù)具有覆蓋范圍廣、重訪周期短、空間分辨率高、時(shí)間序列長等優(yōu)點(diǎn)，在煤礦區(qū)地表溫度分異及其生態(tài)擾動(dòng)效應(yīng)分析中得到了廣泛的應(yīng)用。眾多學(xué)者利用多期Landsat影像分別對我國西部生態(tài)環(huán)境脆弱的干旱半干旱露天煤礦和大型地下開采煤礦的地表熱環(huán)境擾動(dòng)進(jìn)行了分析。相應(yīng)的研究表明，煤礦開發(fā)劇烈改變了地表溫度分布狀況與局地氣候，地表溫度的時(shí)空異質(zhì)性與擾動(dòng)類型和生產(chǎn)階段密切關(guān)聯(lián)[3-7]。相對西部煤礦，我國東部地區(qū)經(jīng)濟(jì)發(fā)達(dá)、人口密集，地下煤炭開采是引起礦區(qū)生態(tài)系統(tǒng)退化的主要原因。由于潛水位高，地面塌陷直接導(dǎo)致地表積水、土壤鹽漬化等現(xiàn)象。地下開采引起的礦山固體廢棄物壓占和土地沉陷是主要的土地破壞形式[8]。邱文瑋等[9]利用1995—2010年4期Landsat影像研究我國東部徐州九里礦區(qū)生態(tài)擾動(dòng)對地表溫度的影響，研究表明礦區(qū)煤炭開采過程中造成的生態(tài)擾動(dòng)對地表溫度具有十分顯著的影響，礦區(qū)土地利用結(jié)構(gòu)、植被覆蓋和地表溫度具有很強(qiáng)的相關(guān)性；劉培等[10]采用CA_Markov模型綜合模擬與預(yù)測徐州礦區(qū)土地覆蓋及熱環(huán)境時(shí)空變化特征；李晶等[11]以兗州煤田為研究區(qū)，從像元尺度分析積水沉陷區(qū)周邊地表溫度的空間分異特征，研究表明，地表溫度隨距積水區(qū)邊緣距離的增加先降低，而后趨于穩(wěn)定。

淮南礦區(qū)是我國華東地區(qū)重要的煤糧復(fù)合生產(chǎn)基地，多煤層重復(fù)開采引起的地面沉陷具有疊加沉陷明顯，沉陷面積大、積水深的特點(diǎn)，礦區(qū)地表由陸生向水–陸復(fù)合生態(tài)系統(tǒng)演變，導(dǎo)致了突出的生態(tài)環(huán)境問題。一些學(xué)者分別利用遙感技術(shù)對淮南礦區(qū)的采煤沉陷、土地利用、植被凈初級生產(chǎn)力、水環(huán)境、生態(tài)環(huán)境質(zhì)量及其演變等問題展開研究[12-16]，但對其熱環(huán)境效應(yīng)的研究尚未有報(bào)道。因此，筆者基于2008—2018年5期Landsat數(shù)據(jù)進(jìn)行地表溫度的反演和下墊面信息的提取，通過熱力景觀格局指數(shù)和熱島比例指數(shù)的計(jì)算，分析近十年間淮南煤礦開采和治理以來礦區(qū)地表熱環(huán)境的時(shí)空演變特征，以期為淮南礦區(qū)生態(tài)環(huán)境治理及建設(shè)規(guī)劃提供科學(xué)的決策依據(jù)。

1 淮南礦區(qū)概況及數(shù)據(jù)

1.1 礦區(qū)概況

淮南礦區(qū)位于安徽省中北部，地理范圍為東經(jīng)116°21′21″～117°11′59″，北緯32°32′45″～33°00′24″，東西長180 km，南北寬15～25 km，面積約3 200 km2，如圖1所示。氣候?qū)倥瘻貛Ш蛠啛釒У倪^渡地帶，年平均氣溫偏高。境內(nèi)地勢平坦，河網(wǎng)眾多，以淮河為界，以北為潘謝新礦區(qū)，以南為老礦區(qū)，長期的煤炭開采形成了大面積的積水塌陷，屬于我國東部典型的高潛水位礦區(qū)。

1.2 數(shù)據(jù)來源及預(yù)處理

根據(jù)近十年來淮南礦區(qū)煤礦開采和治理狀況以及數(shù)據(jù)可獲得情況，選用2008—2018年的5期Landsat系列影像，每期2景，行列號分別為121/37和122/37。10景影像成像質(zhì)量較好，基本無云，季相相近，具體情況見表1。受數(shù)據(jù)可獲得性和質(zhì)量限制，各期影像的成像時(shí)間存在一定的時(shí)間差異。徐涵秋等[17]認(rèn)為不同時(shí)相的影像數(shù)據(jù)反映溫度的強(qiáng)度不同，但并不會(huì)影響溫度的空間分布。數(shù)據(jù)下載自地理空間數(shù)據(jù)云，且均已經(jīng)進(jìn)行系統(tǒng)幾何校正，數(shù)據(jù)的預(yù)處理主要包括輻射定標(biāo)、大氣校正、影像配準(zhǔn)、鑲嵌和裁剪。

圖1 淮南礦區(qū)地理位置及礦井分布

表1 遙感影像基本情況

2 研究方法

2.1 地表溫度的反演

目前，Landsat熱紅外遙感數(shù)據(jù)地表溫度反演的算法主要有大氣校正法(又稱熱輻射傳輸方程方法)、單窗算法、普適性單通道算法[18-22]。本文采用大氣校正方法進(jìn)行地表溫度的反演，其基本原理為借助大氣輻射傳輸方程，在將大氣影響去除的前提下，將衛(wèi)星所觀測到地表熱輻射強(qiáng)度轉(zhuǎn)化為相應(yīng)的地表溫度[23]。

根據(jù)熱紅外波段輻射傳輸方程，傳感器接收到的熱紅外輻射由3部分組成：大氣向上熱輻射、地表地物透過大氣傳遞的真實(shí)地表熱輻射、大氣向下熱輻射再經(jīng)由地表反射后透過大氣傳遞到傳感器的輻射，方程如下：

采用淮南市氣象站當(dāng)天實(shí)測最高最低氣溫(2008年未查到歷史天氣)對地表溫度反演結(jié)果進(jìn)行驗(yàn)證，將各年份溫度值按從小到大排列，統(tǒng)計(jì)反演溫度平均值、累積頻率分別為5%、95%的像素溫度，結(jié)果見表2。

表2 地表溫度反演精度分析

由表2反演的地表溫度平均值和累積頻率為5%、95%的溫度值可知，高值和低值占比極少，絕大部分溫度符合實(shí)際溫度，因此，可以據(jù)此反演結(jié)果進(jìn)行相關(guān)分析。根據(jù)陳松林等[25]的研究，均值–標(biāo)準(zhǔn)差法對溫度等級分級數(shù)的敏感性比等間距法小，在熱島的空間分布和溫度變異的細(xì)節(jié)等方面表現(xiàn)力更強(qiáng)，同時(shí)該方法在一定程度上能避開時(shí)相的差異。因此，為進(jìn)行不同年份溫度對比及城市熱島景觀格局指數(shù)和城市熱島比例指數(shù)的計(jì)算，采用均值–標(biāo)準(zhǔn)差法將各期次地表溫度反演結(jié)果劃分為低溫、次低溫、中溫、次高溫、高溫5級，結(jié)果如圖2所示，統(tǒng)計(jì)各等級面積及占比見表3。

圖2 淮南礦區(qū)各年份地表溫度分級

表3 地表溫度分級結(jié)果統(tǒng)計(jì)

2.2 熱力景觀格局指數(shù)計(jì)算

陳云浩等[26]借鑒景觀生態(tài)學(xué)的研究方法，提出熱力景觀的觀點(diǎn)并用于研究城市熱環(huán)境空間格局，創(chuàng)建了熱力景觀空間格局的定量評價(jià)體系。為探究研究區(qū)熱力景觀格局時(shí)空變化規(guī)律，對各年份溫度等級分類圖進(jìn)行熱力景觀格局指數(shù)的計(jì)算，包括類別水平和景觀水平上的熱力景觀格局指數(shù)。前者包括斑塊密度(Patch density，PD)、景觀形狀指數(shù)(Landscape shape index, LSI)、最大斑塊指數(shù)(Large patch index，LPI)；后者包括蔓延度(Contagion index, CONTAG)、連通性(Cohesion Index，COHESION)、香農(nóng)多樣性指數(shù)(Shannon’s diversity index，SHDI)、香農(nóng)均勻度(Shannon’s evenness index，SHEI)。PD是單位面積上的斑塊數(shù)量，用于反映景觀類型的破碎程度；LSI通過計(jì)算區(qū)域內(nèi)某斑塊形狀與相同面積的圓或正方形之間的偏離程度來測定斑塊形狀的復(fù)雜程度；LPI指最大斑塊在整個(gè)景觀中所占的比例，用于確定景觀中的優(yōu)勢斑塊類型；CONTAG描述景觀不同斑塊類型的團(tuán)聚程度或延展趨勢；COHESION反映斑塊在景觀中的聚集和分散狀態(tài)，景觀的連通性程度；SHDI反映景觀異質(zhì)性，SHDI增大，說明斑塊類型增加或各斑塊類型在景觀中呈均衡化趨勢分布；SHEI反映了景觀多樣性，取值[0,1]，值越接近于1時(shí)表明景觀中斑塊類型分布越均勻，不存在明顯的優(yōu)勢類型。各指數(shù)計(jì)算結(jié)果分別見表4和表5。

表4 類別水平景觀格局指數(shù)計(jì)算結(jié)果

表5 景觀水平景觀格局指數(shù)計(jì)算結(jié)果

2.3 城市熱島比例指數(shù)計(jì)算

徐涵秋等[17]提出城市熱島比例指數(shù)(URI)來定量化表達(dá)城市熱島強(qiáng)度，該指數(shù)先后被生態(tài)環(huán)境部和住房城鄉(xiāng)建設(shè)部用作評價(jià)城市生態(tài)環(huán)境和評估城市環(huán)境績效的指標(biāo)，得到了權(quán)威認(rèn)可。其計(jì)算公式如下：

各年份計(jì)算結(jié)果見表6。

表6 城市熱島比例指數(shù)計(jì)算結(jié)果

2.4 下墊面分類

地表溫度與下墊面類型緊密相關(guān)，為了分析下墊面結(jié)構(gòu)變化對熱環(huán)境的影響，本文采用支持向量機(jī)方法將下墊面分為植被、水體和建設(shè)用地(包括城鎮(zhèn)和工礦用地、道路和裸地)三大類，結(jié)合Google Earth影像和GF2影像，采用隨機(jī)抽樣的方法進(jìn)行人機(jī)交互驗(yàn)證，各年份分類精度均為89%以上。各類別面積統(tǒng)計(jì)見表7，各期影像分類結(jié)果如圖3所示。

表7 各下墊面類型面積及其占比

3 結(jié)果分析

3.1 地表溫度空間分布及其變化

由表4繪制2008—2018年各溫度級面積占比年際變化折線圖，如圖4所示。由圖4可知，研究區(qū)地表溫度以中溫區(qū)為主，其面積占比在2008—2011年上升，2011—2015年下降，2015—2018年又恢復(fù)至近2008年水平；其次是次低溫和次高溫區(qū)，二者交錯(cuò)上升或下降；高溫區(qū)和低溫區(qū)面積占比相對較低，前者總體呈下降趨勢，2015年有較明顯的上升，后者總體呈上升趨勢，2015年明顯下降。經(jīng)查閱歷史天氣發(fā)現(xiàn)，2015年影像獲取前多為多云和雨水天氣，地面濕潤，因而反演溫度相對偏低。

將圖2和圖3疊加可知，中溫區(qū)、次低溫區(qū)的下墊面主要是以耕地為主的植被區(qū)，低溫區(qū)主要是水體，高溫和次高溫區(qū)主要為建設(shè)用地。根據(jù)表4和表7繪制2008—2018年各下墊面類型面積占比和溫度級面積占比變化折線圖，如圖5所示。由圖5可見，2008—2018年，總體上下墊面結(jié)構(gòu)變化表現(xiàn)為建設(shè)用地和水體增長，植被減少，相應(yīng)的，低溫區(qū)和水體的變化趨勢一致，中溫與次低溫之和與植被的變化趨勢一致，次高溫與高溫之和與建設(shè)用地變化趨勢一致。其中，2008—2011年，由于城鎮(zhèn)建設(shè)及新建礦井的投產(chǎn)，以及礦井及其周邊基礎(chǔ)設(shè)施的建設(shè)，建設(shè)用地和水體面積大幅增長，植被面積大幅下降；2011—2018年，各類別面積及其占比存在小幅波動(dòng)，這一方面也與成像時(shí)間對解譯結(jié)果的影響有關(guān)。綜合表6也發(fā)現(xiàn)，研究區(qū)城市熱島比例指數(shù)總體呈上升趨勢，熱島效應(yīng)日趨顯著。其中， 2008—2013年有較明顯的上升，2013—2015年小幅下降，2015—2018年又有所上升。

圖3 淮南礦區(qū)各年份下墊面信息提取結(jié)果

圖4 2008—2018年各溫度級面積占比變化

圖5 2008—2018年各下墊面類型面積占比和溫度級面積占比對比

3.2 景觀格局變化

根據(jù)熱力景觀格局指數(shù)計(jì)算結(jié)果(表4)繪制各溫度等級斑塊類別水平上景觀格局指數(shù)年際變化如圖6所示。由圖6可知，斑塊類別水平上，2008—2018年，總體上低溫區(qū)斑塊密度PD和景觀形狀指數(shù)LSI呈不斷下降趨勢，最大斑塊指數(shù)LPI呈上升趨勢，說明低溫區(qū)破碎度和復(fù)雜度減小，優(yōu)勢度增大，這與煤礦開采沉陷積水的不斷擴(kuò)張有關(guān)。其他溫度級斑塊密度PD和景觀形狀指數(shù)LSI的變化大體可以分為3個(gè)階段，表現(xiàn)為2008—2013年下降，2013—2015年上升，2015—2018年下降趨勢。說明其他溫度級在2008—2013年破碎度和復(fù)雜度減小，2013—2015年人類干擾強(qiáng)度增大，破碎度和復(fù)雜度增大，2015—2018年又趨于減小。中溫區(qū)的最大斑塊指數(shù)LPI明顯高于其他溫度級，在2008—2011年明顯上升，2011—2015年大幅下降，之后又有所回升，說明十年間中溫區(qū)在整個(gè)熱力景觀格局中占主導(dǎo)地位，2011年優(yōu)勢度達(dá)到最大，2011—2015年優(yōu)勢度明顯下降。其他溫度級LPI總體表現(xiàn)為2008—2013年上升；2013—2015年，除次低溫區(qū)LPI大幅上升外，均明顯下降；2015—2018年又有所上升。說明其他溫度級優(yōu)勢度在2008—2013年增加，2013—2015年下降，2015—2018年又有所上升，次低溫區(qū)在2015年優(yōu)勢度顯著增大。

由表5可知，景觀水平上蔓延度指數(shù)、連通性指數(shù)、多樣性指數(shù)和均勻度變化也大體分為3個(gè)階段：2008—2013年增加，2013—2015年減小，2015—2018年增大，說明2008—2013年優(yōu)勢斑塊的聚集程度和連通性增強(qiáng)，各斑塊類型在景觀中呈均衡化趨勢分布，均勻度增大；2013—2015年人類干擾增強(qiáng)，斑塊的聚集程度和連通性減弱，斑塊多樣性和均勻度減小，2015—2018年，斑塊的聚集程度和連通性又有所增大、多樣性和均勻度增大。

圖6 2008—2018年斑塊類別水平上景觀格局指數(shù)變化

4 結(jié)論

a. 2008—2018年，淮南礦區(qū)地表溫度總體以中溫區(qū)為主，其次是次低溫和次高溫區(qū)，高溫區(qū)和低溫區(qū)面積占比相對較低。中溫區(qū)、次低溫區(qū)的下墊面主要是以耕地為主的植被區(qū)，低溫區(qū)主要是水體，高溫和次高溫區(qū)主要為建設(shè)用地。

b.城鎮(zhèn)和礦區(qū)建設(shè)，以及煤礦開采活動(dòng)所引起的下墊面性質(zhì)的改變是礦區(qū)溫度分異及其變化的重要原因。2008—2018年，由于城鎮(zhèn)和礦井建設(shè)，以及煤礦開采所產(chǎn)生的煤矸石堆積和地面沉陷積水的擴(kuò)張，下墊面結(jié)構(gòu)變化總體表現(xiàn)為建設(shè)用地和水體面積及其占比增大，植被減少，相應(yīng)的低溫區(qū)、次高溫和高溫區(qū)增長，中溫和次低溫減少，其中，2008—2011年變化較為明顯，2011—2018年小幅波動(dòng)。但總體上城市熱島比例指數(shù)不斷增加，熱島效應(yīng)不斷加劇，但煤礦開采形成的積水沉陷對緩解熱島效應(yīng)起到了積極的作用。

c.十年間中溫區(qū)一直在淮南礦區(qū)熱力景觀格局中占主導(dǎo)地位，2011年優(yōu)勢度達(dá)到最大，2011—2015年優(yōu)勢度明顯下降。低溫區(qū)斑塊破碎度和復(fù)雜度減小，優(yōu)勢度增大。其他溫度級在2008—2013年斑塊破碎度和復(fù)雜度減小，景觀團(tuán)聚程度和連通性、均衡性和均勻度增加；2013—2015年人類干擾強(qiáng)度增大，斑塊破碎度和復(fù)雜度增大，景觀團(tuán)聚程度和連通性、多樣性和均勻度減??；2015—2018年，斑塊破碎度和復(fù)雜度減小，景觀團(tuán)聚程度和連通性、多樣性和均勻度增大。

[1] 張寅玲. 露天礦區(qū)遙感監(jiān)測及復(fù)墾區(qū)生態(tài)效應(yīng)評價(jià)：以平朔露天礦區(qū)為例[D]. 北京：中國地質(zhì)大學(xué)(北京)，2014.

ZHANG Yinling. Open cast mine monitoring and ecological effect assessment through remote sensing：A case study from Pingshuo[D]. Beijing：China University of Geosciences(Beijing)，2014.

[2] 朱貞榕，程朋根，桂新，等. 地表溫度反演的算法綜述[J]. 測繪與空間地理信息，2016，39(5)：70–75.

ZHU Zhenrong，CHENG Penggen，GUI Xin，et al. Overview of surface temperature inversion algorithm[J]. Geomatics & Spatial Information Technology，2016，39(5)：70–75.

[3] 謝苗苗，白中科，付梅臣，等. 大型露天煤礦地表擾動(dòng)的溫度分異效應(yīng)[J]. 煤炭學(xué)報(bào)，2011，36(4)：643–647.

XIE Miaomiao，BAI Zhongke，F(xiàn)U Meichen，et al. Effects of land disturbance on surface temperature in large opencast coal mine[J]. Journal of China Coal Society，2011，36(4)：643–647.

[4] 劉靜. 安太堡露天煤礦排土場地表溫度影響因素研究[D]. 北京：中國地質(zhì)大學(xué)(北京)，2016.

LIU Jing. The research to the influential factors of the surface temperature in Antaibao opencast coal mine[D]. Beijing：China University of Geosciences(Beijing)，2016.

[5] 岳輝，劉英. 神東礦區(qū)主要礦井采區(qū)和非采區(qū)地表溫度季節(jié)差異分析[J]. 煤炭技術(shù)，2018，37(11)：165–167.

YUE Hui，LIU Ying. Analysis of land temperature difference between mining district and non-mining district of main mine in Shendong mining area[J]. Coal Technology，2018，37(11)：165–167.

[6] 劉英，岳輝. 基于礦井尺度的神東礦區(qū)地表溫度分布研究[J]. 煤炭工程，2018，50(7)：101–106.

LIU Ying，YUE Hui. Study on surface temperature distribution in Shendong mining area based on mine scale[J]. Coal Engineering，2018，50(7)：101–106.

[7] 張寶林，池夢雪，郭佳，等. 我國北方草原區(qū)煤炭露采地表熱環(huán)境擾動(dòng)分析[C]//中國環(huán)境科學(xué)學(xué)會(huì)科學(xué)技術(shù)年會(huì)論文集(第三卷)，西安：中國環(huán)境科學(xué)學(xué)會(huì)，2019：2540–2545.

ZHANG Baolin，CHI Mengxue，GUO Jia，et al. Analysis of surface thermal environment disturbance of coal exposed mining in steppe area of north China[C]//Proceedings of Science and Technology Annual Conference of Chinese Society for Environmental Sciences(Vol.3). Xi’an：Chinese Society for Environmental Sciences，2019：2540–2545.

[8] 雷少剛. 荒漠礦區(qū)關(guān)鍵環(huán)境要素的監(jiān)測與采動(dòng)影響規(guī)律研究[D]. 徐州：中國礦業(yè)大學(xué)，2009.

LEI Shaogang. Monitoring and analyzing the mining impacts on key environmental elements in desert area[D]. Xuzhou：China University of Mining and Technology，2009.

[9] 邱文瑋，侯湖平. 基于 RS 的礦區(qū)生態(tài)擾動(dòng)地表溫度變化研究[J]. 礦業(yè)研究與開發(fā)，2013，33(2)：68–71.

QIU Wenwei，HOU Huping. Study of surface temperature variation caused by ecological disturbance in the mining area based on RS[J]. Mining Research and Development，2013，33(2)：68–71.

[10] 劉培，杜培軍，逄云峰. 基于遙感和CA_Markov模型的煤礦區(qū)熱環(huán)境與土地覆蓋變化模擬評價(jià)[J]. 煤炭學(xué)報(bào)，2012，37(11)：1847–1853. LIU Pei，DU Peijun，PANG Yunfeng. Analysis and simulation of land cover and thermal environment in mining area based on remote sensing data and CA_Markov model[J]. Journal of China Coal Society，2012，37(11)：1847–1853.

[11] 李晶，苗輝，楊震，等. 兗州煤田地表溫度空間分異特征[J]. 煤炭學(xué)報(bào)，2018，43(9)：2595–2604.

LI Jing，MIAO Hui，YANG Zhen，et al. Spatial variation of land surface temperature in Yanzhou coalfield[J]. Journal of China Coal Society，2018，43(9)：2595–2604.

[12] 李金超，高飛，陶庭葉，等. 基于InSAR技術(shù)的淮南礦區(qū)DEM重建及精度分析[J]. 地球物理學(xué)進(jìn)展，2019，34(2)：435–441.

LI Jinchao，GAO Fei，TAO Tingye，et al．DEM reconstruction and accuracy analysis of Huainan mining area based on InSAR technology[J]. Progress in Geophysics，2019，34(2)：435–441.

[13] 張銀，陳誠，易齊濤，等. 淮南礦區(qū)土地利用變化對區(qū)域景觀格局的影響[J]. 地球環(huán)境學(xué)報(bào)，2019，10(5)：503–513.

ZHANG Yin，CHEN Cheng，YI Qitao，et al. Impact of land use change in Huainan coalmine area on regional landscape pattern[J]. Journal of Earth Environment，2019，10(5)：503–513.

[14] 裴文明，張慧，姚素平，等. 淮南礦區(qū)不同類型沉陷水域水質(zhì)遙感反演和時(shí)空變化分析[J]. 煤田地質(zhì)與勘探，2018，46(3)：85–90.

PEI Wenming，ZHANG Hui，YAO Suping，et al. Remote sensing inversion and analysis on spatial-temporal variation of water quality in different types of subsided water logged zones in Huainan mining area[J]. Coal Geology & Exploration，2018，46(3)：85–90.

[15] 陳廣洲，李鑫海，焦利鋒，等. 2000–2012年淮南煤礦區(qū)植被凈初級生產(chǎn)力的時(shí)空變化特征[J]. 生態(tài)環(huán)境學(xué)報(bào)，2017，26(2)：196–203.

CHEN Guangzhou，LI Xinhai，JIAO Lifeng，et al. Spatial-temporal variation of vegetation net primary productivity in Huainan coal mine area from 2000 to 2012[J]. Ecology and Environmental Sciences，2017，26(2)：196–203.

[16] 耿宜佳. 淮南煤礦區(qū)生態(tài)環(huán)境綜合評價(jià)研究[D]. 合肥：合肥工業(yè)大學(xué)，2016.

GENG Yijia. The research of Huainan mining area ecological environment comprehensive evaluation[D]. Hefei：Hefei University of Technology，2016.

[17] 徐涵秋，陳本清. 不同時(shí)相的遙感熱紅外圖像在研究城市熱島變化中的處理方法[J]. 遙感技術(shù)與應(yīng)用，2003，18(3)：129–133.

XU Hanqiu，CHEN Benqing. An image processing technique for the study of urban heat island changes using different seasonal remote sensing data[J]. Remote Sensing Technology and Application，2003，18(3)：129–133.

[18] JIMENEZ-MUNOZ J C，ROSSELLO J C，SOBRINO J，et al. Revision of the single-channel algorithm for land surface temperature retrieval from landsat thermal-infrared data[J]. IEEE Transactions on Geoscience and Remote Sensing，2009，47(1)：339–349.

[19] 覃志豪，ZHANG Minghua，KARNIELI A，et al. 用陸地衛(wèi)星TM6數(shù)據(jù)演算地表溫度的單窗算法[J]. 地理學(xué)報(bào)，2001，56(4)：456–466.

QIN Zhihao，ZHANG Minghua，KARNIELI A，et al. Mono-window algorithm for retrieving land surface temperature from landsat TM6 data[J]. Acta Geographica Sinica，2001，56(4)：456–466.

[20] 丁鳳，徐涵秋. TM熱波段圖像的地表溫度反演算法與實(shí)驗(yàn)分析[J]. 地球信息科學(xué)學(xué)報(bào)，2006，8(3)：125–130.

DING Feng，XU Hanqiu. Comparison of two new algorithms for retrieving land surface temperature from Landsat TM thermal band[J]. Geo-Information Science，2006，8(3)：125–130.

[21] ROZENSTEIN O，QIN Zhihao，DERIMIAN Y，et al. Derivation of land surface temperature for landsat-8 TIRS using a split window algorithm[J]. Sensors，2014，14(4)：5768–5780.

[22] JIMENEZ-MUNOZ J C，SOBRINO J A，SKOKOVIC D，et al. Land surface temperature retrieval methods from Landsat-8 thermal infrared sensor data[J]. IEEE Geoscience and Remote Sensing Letters，2014，11(10)：1840–1843.

[23] LIU Chunguang，SHI Jiancheng，WANG Tianxing，et al. Mathematical assessment of the effects of substituting the band radiative transfer equation(RTE) for the spectral RTE in the applications of earth’s surface temperature retrievals from space borne infrared imageries[J]. Remote Sensing，2019，11(3)：226.

[24] 覃志豪，李文娟，徐斌，等. 陸地衛(wèi)星 TM6 波段范圍內(nèi)地表比輻射率的估計(jì)[J]. 國土資源遙感，2004(3)：28–32.

QIN Zhihao，LI Wenjuan，XU Bin，et al. The estimation of land surface emissivity for Landsat TM6[J]. Remote Sensing for Land & Resources，2004(3)：28–32.

[25] 陳松林，王天星. 等間距法和均值標(biāo)準(zhǔn)差法界定城市熱島的對比研究[J]. 地球信息科學(xué)學(xué)報(bào)，2009，11(2)：145–150.

CHEN Songlin，WANG Tianxing. Comparison analyses of equal interval method and meant and standard deviation method used to delimitate urban heat island[J]. Journal of Geo-Information Science，2009，11(2)：145–150.

[26] 陳云浩，李曉兵，史培軍，等. 上海城市熱環(huán)境的空間格局分析[J]. 地理科學(xué)，2002，22(3)：317–323.

CHEN Yunhao，LI Xiaobing，SHI Peijun，et al. Study on spatial pattern of urban heat environment in Shanghai City[J]. Scientia Geographica Sinica，2002，22(3)：317–323.

Temporal and spatial evolution of surface thermal environment in Huainan Mining Area in the last decade

FANG Liangcheng1, CHEN Yongchun1,2, AN Shikai1,2, XU Yanfei1,2, ZHAO Yuejiao3, WANG Ning3, LI Zhihui3, ZHAO Ping3

(1.Huainan Mining Industry(Group)Co., Ltd., Huainan232001, China; 2. Ping’an Coal Mining Engineering Technology Research Institute Co.,Ltd., Huainan 232001, China; 3. School of Resources and Environmental Engineering,Hefei University of Technology,Hefei230009, China)

Land surface temperature(LST) is an important parameter to describe land surface processes and reflect land surface characteristics.It is of great significance to study the spatio-temporal evolution characteristics of surface temperature in the mining area in the last decade for understanding the influence of coal mining activities on the ecological environment. Huainan Mining Area is a typical high-phreatic mining area in eastern China. In order to explore the relationship between spatio-temporal heterogeneity of surface temperature and mining disturbance in this area, surface temperature inversion and underlying surface information extraction are carried out by using five periods of Landsat images from 2008 to 2018. Combined with the calculation of thermal landscape pattern index and urban heat island proportion index, the spatial and temporal evolution characteristics of surface thermal environment in Huainan Mining Area are analyzed. The results show that the surface temperature distribution pattern and its change are closely related to the underlying surface structure and its change in Huainan Mining Area. From 2008 to 2018, this mining area is mainly the middle temperature area, followed by the sub-low temperature and sub-high temperature area, with the area and proportion of the high temperature and low temperatures area being relatively low. Due to the construction of towns and mines, as well as the accumulation of coal gangue and mining subsidence water from coal mining, the area of construction land and water area is constantly increasing, and the vegetation area is constantly decreasing. Correspondingly, the low, sub-high and high temperature zones are increasing, and the middle and sub-low temperature zones are decreasing. On the whole, the urban heat island proportion index and the heat island effect are increasing. In the low temperature region, the patch fragmentation and complexity are decreasing and the dominance is increasing. The changes of patch fragmentation and complexity, landscape agglomeration and connectivity, diversity and evenness at other temperatures are divided into three stages: 2008-2013, 2013-2015 and 2015-2018. In 2013-2015, the intensity of human disturbance was higher. And the patch fragmentation and complexity increased, so did the landscape agglomeration and connectivity. The diversity and uniformity were reduced. The research results provide a scientific basis for the restoration and management of ecological environment and urban industrial planning in Huainan Mining Area.

Landsat; surface temperature; heat island effect; thermal landscape pattern; Huainan Mining Area

X87

A

1001-1986(2021)04-0260-09

2021-03-21；

2021-06-23

平安煤炭開采工程技術(shù)研究院有限責(zé)任公司委托項(xiàng)目(W2018JSFW0551)

方良成，1965年生，男，安徽壽縣人，高級工程師，從事礦區(qū)地質(zhì)環(huán)境治理和煤礦防治水工作. E-mail：15350706142@163.com

趙萍，1975年生，女，安徽肥東人，博士，副教授，碩士生導(dǎo)師，從事資源環(huán)境遙感應(yīng)用研究. E-mail：njuzhp@sina.com

方良成，陳永春，安士凱，等. 近十年淮南礦區(qū)地表熱環(huán)境時(shí)空演變分析[J]. 煤田地質(zhì)與勘探，2021，49(4)：260–268. doi: 10.3969/j.issn.1001-1986.2021.04.031

FANG Liangcheng，CHEN Yongchun，AN Shikai，et al. Temporal and spatial evolution of surface thermal environment in Huainan Mining Area in the last decade[J]. Coal Geology & Exploration，2021，49(4)：260–268. doi: 10.3969/j. issn.1001-1986.2021.04.031

(責(zé)任編輯 周建軍)