李全生，許亞玲，李 軍，張成業(yè)，郭俊廷，佘長超，宋子恒，王 菲

(1.煤炭開采水資源保護與利用國家重點實驗室，北京 102209；2.中國礦業(yè)大學(北京)地球科學與測繪工程學院，北京 100083；3.國家能源投資集團有限責任公司，北京 100011；4.北京低碳清潔能源研究院，北京 102211；5.神華北電勝利能源有限公司，內(nèi)蒙古 錫林浩特 026015)

礦區(qū)生態(tài)系統(tǒng)是一個受氣候環(huán)境、地形地貌、農(nóng)牧活動、城鎮(zhèn)擴張以及采礦等工業(yè)活動綜合影響的復(fù)雜耦合系統(tǒng)，其生態(tài)系統(tǒng)具有時空累積性和多因素綜合驅(qū)動的典型特征。傳統(tǒng)觀念認為，礦區(qū)生態(tài)的退化主要是采礦活動引起，然而近幾十年的實踐表明，開采活動確實會對礦區(qū)生態(tài)產(chǎn)生影響，但影響范圍和程度有限。為科學分析采礦對生態(tài)系統(tǒng)的影響，量化采礦對生態(tài)系統(tǒng)的時間累積效應(yīng)和空間累積效應(yīng)，并對礦區(qū)生態(tài)系統(tǒng)進行有效修復(fù)和防治，迫切需要一種在多因素綜合作用下分離出采礦活動造成的生態(tài)影響的方法。

在眾多生態(tài)要素中，植被是最重要的要素之一，綜合表征了一個地區(qū)生態(tài)環(huán)境狀況，因此煤炭開采活動對植被的影響成為學者們關(guān)注的重點。國內(nèi)外學者對此展開了較多的研究，主要分為兩大類方法。一類是基于地面調(diào)查采樣數(shù)據(jù)的研究，例如許傳陽等、王銳等通過實地調(diào)查礦區(qū)地表土壤物化性質(zhì)、植被光合速率、植被產(chǎn)量等研究了沉陷裂縫對作物的影響。楊金芳等、馬守臣等、顧鑫等通過實地采樣研究了礦區(qū)特有的礦井水、煤炭腐殖酸等對植被的影響。另一類方法是利用遙感技術(shù)監(jiān)測隨采礦過程推進時的植被狀態(tài)變化，例如，王雙明等基于Landsat影像通過擬合TVDI變化趨勢線反解煤炭開采活動對礦區(qū)生態(tài)的影響邊界。YANG等利用多時相Landsat影像定義開采擾動模板，并對煤炭開采的草地擾動進行識別。此外，還有許多學者將實地采樣與遙感影像結(jié)合起來，評價采礦過程在不同開采尺度和階段對不同植被類型的影響。

然而，現(xiàn)有研究均假定直接監(jiān)測到的植被狀態(tài)變化代表了采礦的影響，但事實上，植被狀態(tài)變化是自然條件、采礦及其他人類活動等綜合作用的結(jié)果，因此當前研究鮮有將采礦活動和其他因素產(chǎn)生的生態(tài)擾動分離開，導(dǎo)致無法揭示采礦活動單獨對植被的影響規(guī)律和特性。

針對上述問題，筆者基于長時序的植被遙感監(jiān)測數(shù)據(jù)、氣候氣象數(shù)據(jù)、人類活動數(shù)據(jù)等多源信息，提出了一種提取和量化煤炭開采對植被影響的方法，即提取采礦干擾兩階段法TS-EMD(Two Stage-Extracting Mining Disturbance)。首先，利用采礦前的長時序多源數(shù)據(jù)構(gòu)建植被變化的驅(qū)動模型；然后，利用上述模型預(yù)測無采礦活動條件下的植被演變過程，進而與遙感監(jiān)測的采礦活動背景下實際的植被演變進行對比，提取出采礦活動對植被變化的影響。以內(nèi)蒙古自治區(qū)勝利礦區(qū)為研究區(qū)，利用TS-EMD方法在勝利礦區(qū)提取和量化了煤炭開采活動對植被的影響，剖析了采礦影響的時空分布差異和生態(tài)累積效應(yīng)，并揭示了不同采礦階段的演變規(guī)律，為礦區(qū)的生態(tài)環(huán)境保護和生態(tài)修復(fù)決策提供理論數(shù)據(jù)支持。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)概況

內(nèi)蒙古自治區(qū)錫林郭勒盟錫林浩特市，位于43.03°N—44.87°N，115.3°E—117.1°E，如圖1所示。

圖1 研究區(qū)地理位置

錫林浩特市的地勢南高北低，海拔970～1 212 m，屬于中溫帶半干旱大陸性氣候。轄區(qū)內(nèi)草原、礦產(chǎn)等自然資源富集，是國家重要的綠色畜產(chǎn)品生產(chǎn)加工輸出基地與煤電基地。

筆者以2020年的勝利一號和西二露天礦區(qū)邊界以外5 km為研究區(qū)，探索區(qū)域內(nèi)采礦活動對周邊植被的影響。

根據(jù)煤炭開采數(shù)據(jù)，將1995—2003年作為無采礦活動階段，將2004—2020年作為有采礦活動階段。

1.2 數(shù)據(jù)來源與處理

本研究使用的主要數(shù)據(jù)有遙感數(shù)據(jù)、氣候數(shù)據(jù)、放牧數(shù)據(jù)、煤炭開采數(shù)據(jù)和基礎(chǔ)地理信息數(shù)據(jù)。其詳細信息見表1。

表1 研究數(shù)據(jù)集

Landsat數(shù)據(jù)主要用于土地利用分類和植被覆蓋度反演。根據(jù)國家現(xiàn)行土地利用分類標準(GB/T 21010—2017)及勝利礦區(qū)的區(qū)域特點，將土地利用類型分為工礦用地、城鎮(zhèn)建設(shè)用地、草地、林地、耕地、裸地、水體7類?？傮w實地采樣數(shù)量為260，采用神經(jīng)網(wǎng)絡(luò)方法對所選取的訓練樣本進行訓練，然后對勝利礦區(qū)的遙感影像進行信息提取，并對分類結(jié)果目視判讀，研究區(qū)工礦用地和城鎮(zhèn)建設(shè)用地較為集中，城鎮(zhèn)建設(shè)用地集中在研究區(qū)東南角，通過遙感影像對其進行人工修正，最后得到勝利礦區(qū)26 a的土地利用分類，利用混淆矩陣對分類結(jié)果進行精度評價，分類總體精度為93.47%，部分年份分類結(jié)果如圖2所示。

圖2 土地利用分類結(jié)果

反演植被覆蓋度需要對Landsat數(shù)據(jù)做時間和云量篩選、去云處理、指數(shù)計算、鑲嵌、裁剪等處理。首先選擇研究區(qū)云量小于5%的影像，時間周期按照每年7月1日至9月1日進行篩選，利用GEE(Google Earth Engine)遙感云計算平臺對Landsat數(shù)據(jù)進行去云處理，在線計算研究區(qū)1995—2020年逐年的歸一化差值植被指數(shù)(Normalized Difference Vegetation Index，NDVI)，利用最大值合成算法獲取NDVI最大值空間分布結(jié)果。植被覆蓋度(Fractional Vegetation Cover，F(xiàn)VC)指一個區(qū)域內(nèi)植被在地面的垂直投影面積占區(qū)域總面積的比例，筆者利用像元二分模型計算FVC，如式(1)所示。筆者得到了1995—2020年共26 a逐年的FVC遙感監(jiān)測數(shù)據(jù)，部分年份結(jié)果如圖3所示。

圖3 FVC遙感監(jiān)測結(jié)果

(1)

其中，F(xiàn)VC為像元的植被覆蓋度；NDVI為該像元的歸一化植被指數(shù)；NDVI，NDVI分別為影像中純凈植被像元和純凈裸土像元的NDVI。本研究以植被完全覆蓋區(qū)域生長旺季觀測值的95%代表NDVI，以完全處于裸土狀態(tài)、無植被覆蓋區(qū)域全年NDVI觀測值的95%代表NDVI。根據(jù)氣象站點數(shù)據(jù)，研究時段無極端天氣變化情況。地形數(shù)據(jù)需要按研究區(qū)邊界鑲嵌裁剪。放牧數(shù)據(jù)為錫林浩特市歷年以嘎查(村)和分場為統(tǒng)計單元的牛、羊和馬等牲畜頭數(shù)。根據(jù)錫林浩特市林草局草畜平衡政策，將牛和馬的數(shù)量換算成羊的數(shù)量，并以單位面積內(nèi)羊的數(shù)量將放牧數(shù)據(jù)空間化，部分年份的結(jié)果如圖4所示。

圖4 放牧數(shù)據(jù)空間化結(jié)果

1.3 研究區(qū)樣點選取

根據(jù)土地利用分類數(shù)據(jù)，提取研究區(qū)1995—2020年草地、林地部分(耕地由于人工灌溉不考慮在內(nèi))，城鎮(zhèn)建設(shè)用地等土地利用類型不參與樣點選取，以避免干擾。在研究區(qū)內(nèi)每隔400 m選取一個樣點，樣點分布如圖5所示。

圖5 研究區(qū)樣點

2 研究方法

勝利礦區(qū)植被覆蓋度受到自然條件、人類活動等多種驅(qū)動因素的耦合影響，在礦區(qū)擴張、采煤強度提高的前提下，會導(dǎo)致植被和社會經(jīng)濟結(jié)構(gòu)發(fā)生改變，進而導(dǎo)致牲畜數(shù)量變化而對植被影響產(chǎn)生變化，因此為避免其耦合影響，以單位面積羊的數(shù)量作為放牧強度因子參與時空地理加權(quán)回歸，可以剔除由煤炭開采—植被變化—社會經(jīng)濟結(jié)構(gòu)變化—牲畜數(shù)量變化—植被變化鏈式反應(yīng)的影響。在數(shù)據(jù)處理階段，通過逐步回歸方法對氣溫、降水、放牧、人口、GDP、煤炭開采等眾多因子進行篩選，得到對FVC影響最大的4個因子：氣溫、降水、放牧、煤炭開采，因此重點對這4個因子進行分析。這些因子在不同地理位置、不同時間的影響程度不同，存在地理空間異質(zhì)性與時間異質(zhì)性。在復(fù)雜的礦區(qū)生態(tài)場景中，植被受多種因素的耦合影響，為了分析煤炭開采對植被變化的單獨影響，本文提出一種提取和量化煤炭開采對植被單獨影響的方法，即提取采礦干擾兩階段法TS-EMD。該方法具體實現(xiàn)步驟如圖6所示。

圖6 提取采礦干擾兩階段法

第1步：在1995—2003年無煤炭開采活動時期，利用長時序逐年的FVC、降水、氣溫、放牧等數(shù)據(jù)，選取地理時空加權(quán)回歸模型(Geographically and Temporally Weighted Regression，GTWR)，建立降水、氣溫、放牧3種驅(qū)動因素與FVC的定量關(guān)聯(lián)關(guān)系。研究區(qū)小范圍內(nèi)氣溫、降水在空間尺度上可近似看作是均一的，但在時間尺度上是變化的。GTWR在權(quán)重矩陣中集成了時間和空間信息，以捕獲空間和時間的異質(zhì)性，即在某一樣本點位置處搜索其時空范圍內(nèi)的鄰近樣本點共同參與回歸以構(gòu)建該點的模型，這樣可以充分反映氣溫、降水的變化(尤其是時間上的變化)導(dǎo)致的植被覆蓋度的變化。GTWR建模方法如式(2)所示。

FVC=(,,)+(,,)+

(,,)+(=1,2,…,)

(2)

其中，F(xiàn)VC為第個樣本點處的植被覆蓋度;為降水量，mm;為氣溫，℃；為放牧量，頭/km；(,,)為時刻(,)位置處各自變量的系數(shù)；為樣本總數(shù)；為誤差項。

第2步：利用訓練得到式(2)所示的定量關(guān)系，輸入2004—2020年的降水、氣溫、放牧數(shù)據(jù)，可以預(yù)測出沒有煤礦開采情況下研究區(qū)逐年的FVC。事實上，2004—2020年研究區(qū)存在不同強度的煤炭開采活動，所以預(yù)測的FVC與遙感監(jiān)測的實際FVC差值可認為是剔除氣溫、降水、放牧等影響后，由煤炭開采導(dǎo)致的FVC變化量，將其定義為采礦植被覆蓋度擾動量FVC-MD(Fractional Vegetation Cover-Mining Disturbance)。利用FVC-MD可以剖析煤炭開采對植被影響的時空分布差異和演變量化特征，進而發(fā)現(xiàn)煤炭開采對植被影響的客觀規(guī)律。

3 結(jié)果與討論

3.1 植被覆蓋度的時空變化特征

圖7為1995—2020年期間研究區(qū)的平均FVC，其取值在0.38～1.00波動。對這26 a的FVC值進行線性擬合，斜率為-0.011 95，斜率為負說明這26 a間的FVC總體上呈現(xiàn)下降趨勢，植被發(fā)生退化。計算每年的FVC標準差并進行線性擬合，斜率為0.001 61，斜率為正說明礦區(qū)的FVC值標準差總體上呈現(xiàn)上升趨勢，區(qū)域內(nèi)植被覆蓋度的空間異質(zhì)性增強。

圖7 研究區(qū)1995—2020年植被覆蓋度及標準差變化趨勢

為進一步分析勝利礦區(qū)FVC的時空變化特征，采用綠度變化率(RCG)量化FVC在1995—2020年期間的年際變化趨勢。針對植被覆蓋度FVC，計算RCG的方法如式(3)所示，RCG計算結(jié)果如圖8(a)所示。

圖8 1995—2020年植被覆蓋度變化趨勢

(3)

其中，為監(jiān)測年份，取值為1～26；為總年數(shù)，設(shè)為26 a；FVC為第年的FVC值。如果RCG為正值，說明植被覆蓋度存在上升趨勢，相應(yīng)區(qū)域的植被呈現(xiàn)改善狀態(tài)；如果RCG為負值，說明植被覆蓋度存在下降趨勢，相應(yīng)區(qū)域的植被呈現(xiàn)退化狀態(tài)。

根據(jù)RCG的計算結(jié)果，將勝利礦區(qū)的植被變化趨勢劃分為5種類型：極顯著退化(RCG<0,<0.01)、顯著退化(RCG<0,0.01<≤0.05)、變化不顯著(>0.05)、顯著改善(RCG>0,0.01<≤0.05)、極顯著改善(RCG>0,≤0.01)，如圖8(b)所示。

在空間分布上，露天煤礦的采場和錫林浩特市的城區(qū)擴張，對土地有明顯的直接壓占，造成植被破壞，表現(xiàn)為植被的“極顯著退化”；“顯著退化”區(qū)域主要分布在礦區(qū)和城市周邊一定范圍的平原地帶；“顯著改善”和“極顯著改善”的地區(qū)很少，大都零散地分布在城鎮(zhèn)內(nèi)部；其他大片區(qū)域變化為“變化不顯著”。

露天采礦具有特殊的地貌形態(tài)，除了露天采場外，還具有大型外排土場，采場對植被覆蓋的影響是通過壓占土地，直接改變土地利用類型，導(dǎo)致采場處的植被退化為零，影響機理簡單清晰。而外排土場處的植被受到煤炭開采、人工修復(fù)等復(fù)雜影響，根據(jù)勝利礦區(qū)生態(tài)修復(fù)6步法“一排、二覆、三沙障、四種、五灌、六養(yǎng)護”可知，外排土場影響機理較為復(fù)雜，因此將其納入研究，提取了勝利一號礦和西二礦排土場的FVC年際變化曲線，如圖9所示。由于2004年以前不存在排土場，因此1995—2003年統(tǒng)計的是2004年排土場范圍內(nèi)的FVC均值。

圖9 排土場FVC年際變化曲線

整體上看，勝利一號礦和西二礦排土場FVC變化趨勢一致，均表現(xiàn)為先降低后波動上升。2004—2006年排土場區(qū)域由于土地壓占導(dǎo)致植被退化，F(xiàn)VC呈下降趨勢；2007年后FVC逐漸上升，至2013年完成第1輪生態(tài)修復(fù)，勝利一號礦排土場FVC穩(wěn)定在0.4左右，西二礦排土場FVC在0.2～0.4波動，F(xiàn)VC均大于開采前期，說明排土場區(qū)域生態(tài)修復(fù)效果明顯。

3.2 無采礦時的植被變化驅(qū)動過程

將FVC與降水、氣溫分別進行了相關(guān)性分析和顯著性檢驗，見表2。在降水方面，F(xiàn)VC與當年7月份的降水量相關(guān)系數(shù)最高，達到0.863。在氣溫方面，F(xiàn)VC與7—9月積溫的相關(guān)性最高，達到-0.942。因此，筆者選擇7月份的降水量與7—9月積溫作為驅(qū)動因子。式(2)中的放牧因子采用換算后的羊數(shù)量。利用GTWR模型方法建立研究區(qū)1995—2003年FVC與降水、氣溫、放牧等驅(qū)動因子的定量關(guān)系，結(jié)果如圖10所示。

表2 FVC與降水、氣溫的相關(guān)性

由于時空異質(zhì)性的存在，每一個位置在不同年份都有各自對應(yīng)的驅(qū)動模型，利用交叉驗證法計算得到總體的建模精度為84.7%。

本模型是用1995—2003年的數(shù)據(jù)構(gòu)建，為了驗證模型的預(yù)測精度，利用訓練得到的GTWR模型預(yù)測同一區(qū)域1991年和1992年的FVC，并與實際FVC做比較，計算得到總體預(yù)測精度為78.3%。

圖10(a)，(b)分別為1996，1997，1999年驅(qū)動模型中降水和氣溫的系數(shù)分布。由圖10(a)可知，研究區(qū)FVC與降水均呈正相關(guān)(系數(shù)均為正值)，中部地區(qū)降水的系數(shù)較高，植被受降水影響較大；降水的系數(shù)從1996—1999年逐漸增大，說明降水影響程度逐漸加大。由圖10(b)可知，研究區(qū)FVC與氣溫均呈負相關(guān)(系數(shù)均為負值)，北部地區(qū)氣溫的系數(shù)絕對值較高，說明北部地區(qū)FVC受氣溫影響較大，而東、西部受氣溫影響較?。磺遗c降水影響相似，從1996—1999年氣溫影響程度逐漸加大。

圖10(c)為部分樣點的植被FVC變化的驅(qū)動方程，同一個樣點在不同時期具有不同的回歸方程，該方程可以用于預(yù)測在無采礦背景下的FVC值。例如：1997年1號樣點回歸方程為：FVC=1.983-0.000 624+0.001 84-0.024 0，表示1997年在該位置處，降水量每升高10 mm，F(xiàn)VC會上升0.018 4，即植被覆蓋度增加1.84%；氣溫每上升5 ℃，F(xiàn)VC會下降0.12，即植被覆蓋度減少12%；每平方千米增加10只羊，F(xiàn)VC會減少0.006 24，即植被覆蓋度減少0.624%。2號樣點位于錫林浩特城區(qū)邊界，沒有放牧活動，F(xiàn)VC僅受氣溫和降水因子影響。上述結(jié)果表明，GTWR方法能夠建立植被FVC與降水量、氣溫、放牧量之間的定量關(guān)系，從而為采礦活動背景下剔除降水、氣溫和放牧活動對FVC的影響提供定量模型基礎(chǔ)。

圖10 GTWR建模獲取的FVC與降水量、氣溫、放牧量之間的定量關(guān)系

3.3 采礦植被覆蓋度擾動量(FVC-MD)提取及其時空分布規(guī)律

3.3.1 FVC-MD提取結(jié)果

使用TS-EMD第2步方法，輸入2004—2009年的實際降水、氣溫、放牧數(shù)據(jù)，預(yù)測在沒有煤炭開采情況下研究區(qū)逐年的FVC，并與遙感監(jiān)測到的有煤炭開采情況下的實際FVC比較，即可提取得到植被變化采礦影響——采礦植被覆蓋度擾動量FVC-MD。

以2015年為例展示FVC-MD提取過程：圖11(a)是由模型預(yù)測得到的2015年研究區(qū)每個樣點的FVC，圖11(b)為遙感監(jiān)測到的實際FVC，2者做差運算即可得到2015年的FVC-MD，如圖11(c)所示。

圖11 FVC-MD提取結(jié)果示意(以2015年為例)

3.3.2 FVC-MD時空變化特征

圖12展示了2004—2020年的FVC-MD分布。從時間上看，2004—2009年，西二、三礦還沒有開采，高擾動(FVC-MD的高值)主要集中在勝利一號礦附近；2009—2015年，西二、三礦周邊FVC-MD升高，說明該區(qū)域植被受煤炭開采影響逐漸增大；2016和2017年，研究區(qū)中部部分地區(qū)FVC-MD降低，說明礦區(qū)生態(tài)修復(fù)顯見成效。2019年后，由于采礦活動的繼續(xù)加大以及采礦對植被影響的時間累積效應(yīng)，F(xiàn)VC-MD逐漸增大，到2020年大面積區(qū)域的FVC-MD達到0.4。從空間上看，F(xiàn)VC-MD高值多集中在采場周邊有限范圍內(nèi)，低值主要分布在離礦較遠的區(qū)域。西二、西三礦南側(cè)FVC-MD值總體上高于北側(cè)，勝利一號礦東側(cè)FVC-MD值總體上高于西側(cè)，說明煤炭開采對植被的擾動在不同方向上可能存在異質(zhì)性。圖12中的綠色區(qū)域表示FVC的實際值高于無采礦條件下的預(yù)測值，主要位于礦區(qū)西北方向的山地和東北方向錫林河的河谷濕地，其主要原因如下：本文的放牧數(shù)據(jù)是從錫林浩特市紙質(zhì)統(tǒng)計年鑒資料中獲取，空間化后的最小統(tǒng)計單元為嘎查(村級)和分場。在山地和河谷濕地區(qū)域，放牧強度采用了其所在嘎查和分場的均值來量化表達，但是本研究經(jīng)過實地核查發(fā)現(xiàn)這些區(qū)域的放牧活動很少；換言之，在山地和河谷濕地區(qū)域，放牧強度量化值偏高，會導(dǎo)致FVC的預(yù)測值偏低，此外，其他小型人類活動也會對預(yù)測精度造成影響。因此，從數(shù)據(jù)本身以及建模方法考慮，尚有進一步改善之處：一是采用了放牧數(shù)據(jù)參與建模，放牧數(shù)據(jù)以嘎查(村級)為統(tǒng)計單位，空間分辨率低，會對建模精度產(chǎn)生一定影響，但就建模精度84.7%來看仍能滿足建模要求，在離礦區(qū)較遠的局部區(qū)域(山地和河谷)，通過改善放牧數(shù)據(jù)的空間分辨率將有助于進一步提升植被覆蓋度預(yù)測精度。二是兩階段法TS-EMD模型采用線性回歸，假定氣溫和降水與植被覆蓋度之間呈線性相關(guān)，且作用效果不隨時間發(fā)生變化，但各影響因子相互耦合，影響模式復(fù)雜，在后續(xù)研究中還可采用非線性建模進一步研究。此外，用歷史數(shù)據(jù)建模預(yù)測未來從而分離出采礦因素的影響需要一些理想化的假設(shè)，假定在研究時段內(nèi)，除了參與建模的影響因子外，其他條件均不變，由于現(xiàn)實與理想假設(shè)的偏差可能會引入誤差。本文重點關(guān)注采礦對植被的單獨影響，各因素之間的差異性研究也十分必要，需要在后續(xù)的研究中更加深入的探討。

圖12 FVC-MD時空分布

圖13為研究區(qū)FVC-MD均值、開采原煤量隨時間的變化關(guān)系，根據(jù)開采原煤量的年際變化將整個采礦周期分為3個階段，2004—2011年為第1階段(開采量迅速攀升)，F(xiàn)VC-MD均值隨著開采量的增大上升，于2011年達到0.27。2012—2016年為第2階段(開采量呈下降趨勢)，在此期間，F(xiàn)VC-MD均值在0.17～0.25波動，原因可能在于：當前開采量下降對擾動量的負影響與歷史采礦生態(tài)累積效應(yīng)的正影響共同作用。2017—2020年為第3階段(開采量回升)，隨著煤炭行業(yè)的回溫，開采量繼續(xù)增大，F(xiàn)CV-MD也繼續(xù)增加，且速率增快。

圖13 FVC-MD與原煤量年際變化曲線

3.3.3 FVC-MD距離衰減特性

以2020年勝利一號礦采場邊界為起點，沿西北方向劃定一條樣區(qū)，如圖14所示，統(tǒng)計區(qū)域內(nèi)不同時間階段(2004—2011年、2012—2016年、2017—2020年)的FVC-MD均值，提取統(tǒng)計結(jié)果。圖15為勝利一號露天礦采場西北方向各個開采階段里FVC-MD與離礦距離關(guān)系，可以看出FVC-MD與離礦的距離呈現(xiàn)明顯的負相關(guān)，最優(yōu)擬合曲線為對數(shù)函數(shù)曲線，3個階段擬合均大于0.8。由圖15可知，隨著離礦距離的增長，采礦對植被覆蓋度的擾動量降低，且降低速率變緩。從第1階段到第3階段，依次變大(0.83<0.86<0.94)，說明隨著采煤時間的推移，F(xiàn)VC-MD與離礦距離之間的對數(shù)函數(shù)關(guān)系越來越顯著。

圖14 樣區(qū)示意

圖15 FVC-MD與離礦距離的關(guān)系

第1階段FVC-MD最大值為0.36，然后隨距離逐漸降低，在距離礦邊界4.5 km處趨于穩(wěn)定，穩(wěn)定值在0.08附近；第2階段FVC-MD最大值為0.47，在距離礦邊界5.2 km處趨于穩(wěn)定，穩(wěn)定值為0.1；第3階段，F(xiàn)VC-MD最大值為0.57，在距離礦邊界6.7 km處還未達到穩(wěn)定狀態(tài)。上述結(jié)果說明，隨著時間的推移，越靠后的階段FVC-MD越高、衰減距離越遠，采礦對植被影響表現(xiàn)出一定的時間累積效應(yīng)。

3.3.4 FVC-MD的方向異質(zhì)性

為探究采礦影響在不同方向上的差異，以每個階段的最大采場邊界為中心、1.3 km為間隔向外依次建立緩沖區(qū)，按照不同礦、不同方向?qū)⒕彌_區(qū)劃分為16個子樣區(qū)(圖16)，方向為北方向(E)、西北方向(NW)、西方向(W)、西南方向(SW)、南方向(S)、東南方向(SE)、東方向(E)、東北方向(NE)。其中勝利一號礦的東南方向和東方向第2，3階段由于被城鎮(zhèn)擴張而出現(xiàn)土地壓占，因此不做分析。統(tǒng)計勝利一號礦和西二礦不同方向(不同子樣區(qū))、不同階段的FVC-MD均值，并以雷達圖的形式展示，如圖17所示。

圖16 緩沖區(qū)與子樣區(qū)示意

由圖17可以看出，在距離礦邊界同一距離下，采礦對植被的影響程度在不同方向上表現(xiàn)為不同的特征。勝利一號礦表現(xiàn)為：以南北方向為分界，西方向FVC-MD小于東方向；西二礦表現(xiàn)為：以東北—西南方向分界，西北方向FVC-MD明顯小于東南方向，其中南方向植被受采礦影響最嚴重；隨著時間的推移，2個礦區(qū)越靠后的階段FVC-MD越大。

圖17 不同方向FVC-MD的雷達

同時，F(xiàn)VC-MD在任意方向都表現(xiàn)出隨離礦距離衰減的特性。其中在第2，3階段，勝利一號礦的西南方向在距礦邊界2.6～3.9 km內(nèi)FVC-MD大于1.3～2.6 km的區(qū)域，這是由于2.6～3.9 km的區(qū)域靠近西二礦，同時受到勝利礦和西二礦的疊加影響，F(xiàn)VC-MD較高。同理，西二礦的東北方向也是如此。

為了探究采礦在不同方向上對植被擾動差異產(chǎn)生的原因，以40 m為間隔將研究區(qū)地形劃分為如圖18(a)所示的7個高程帶，統(tǒng)計每個高程帶內(nèi)的FVC-MD均值，如圖18(b)所示。FVC-MD與海拔高程整體上呈明顯的負相關(guān)關(guān)系，高程越高，F(xiàn)VC-MD越小。7個高程帶中，950～990 m平均FVC-MD最高，值為0.165，高程1 190～1 320 m區(qū)域平均FVC-MD最低，值為0.089，其間1 150～1 190 m高程帶FVC-MD有所上升，值為0.115。結(jié)合不同方向FVC-MD特征以及FVC-MD隨高程變化特征可知，海拔高程可能是導(dǎo)致采礦在不同方向上對植被擾動差異產(chǎn)生的主要原因，地勢低的區(qū)域植被受煤炭開采影響較嚴重。此外，其他土壤濕度和其他小型人類活動也會導(dǎo)致采礦在不同方向上對植被擾動產(chǎn)生差異。

圖18 研究區(qū)FVC-MD與海拔高程的關(guān)系

3.3.5 FVC-MD的空間累積效應(yīng)

為了量化分析多個礦對植被影響在空間上的累積效應(yīng)，按圖19所示的樣區(qū)測線計算每個階段內(nèi)的FVC-MD均值，結(jié)果如圖20所示，沿西二礦-勝利一號礦的樣區(qū)測線，F(xiàn)VC-MD空間變化特性表現(xiàn)為：靠

圖19 樣區(qū)示意

圖20 西二礦-勝利一號礦樣線FVC-MD變化

近礦邊界的位置FVC-MD高，隨距離遞減，在兩礦中間位置FVC-MD增大，存在高擾動區(qū)。

在第1階段，疊加影響區(qū)的FVC-MD在0～0.2，在距西二礦2.29～4.25 km，距勝利一號礦采場邊界3.27～5.22 km存在植被高擾動區(qū)；第2階段FVC-MD在0.04～0.40，在距西二礦1.63～3.59 km，距勝利一號礦采場邊界2.61～4.57 km存在植被高擾動區(qū)；第3階段疊加影響區(qū)FVC-MD在0.22～0.49，兩礦之間植被退化量均較高；由此可以看出，隨著時間的推移，F(xiàn)VC-MD在增大，高擾動區(qū)的范圍也在擴大。由于單礦對植被覆蓋度的擾動量與離礦距離呈對數(shù)函數(shù)關(guān)系，擬合大于0.8。而西二礦和勝利一號礦2個采場之間的FVC-MD變化曲線在數(shù)學上恰巧吻合2個對數(shù)函數(shù)的疊加，因此這種現(xiàn)象很可能是由于采礦活動在空間上的累積效應(yīng)引起的，但要想完全確認這種因果關(guān)系，需在后續(xù)研究中做更加深入的空白對比研究。高擾動區(qū)雖然離各個礦都有一定距離，但由于2個礦在空間上對該區(qū)域的疊加影響，植被受采礦影響較為嚴重，需要重點關(guān)注。

4 結(jié)論與展望

(1)提出的采礦干擾提取兩階段法—TS-EMD方法，能夠剔除降水、氣溫、放牧等多因素對植被的耦合影響，提取并量化煤炭開采對植被的單獨影響，即煤炭開采對植被覆蓋度的擾動量FVC-MD，在一定程度上解決了如何從礦區(qū)植被變化的多因素耦合影響中單獨提取并量化煤炭開采影響的問題。

(2)驗證并量化了采礦活動對植被覆蓋度影響的距離衰減特性，發(fā)現(xiàn)FVC-MD與到礦坑的距離呈顯著的對數(shù)關(guān)系。高擾動量多集中在礦坑附近，離礦坑越遠，擾動量越低。

(3)采礦活動對植被覆蓋度的擾動量存在方向異質(zhì)性，即在距離礦邊界同一距離下，F(xiàn)VC-MD在不同方向上具有顯著的差異，地形可能是方向異質(zhì)性的主要原因。

(4)從數(shù)學定量建模角度揭示了采礦擾動量的空間累積效應(yīng)，兩礦中間的位置盡管離2個礦都有一定距離，但是疊加影響導(dǎo)致中間位置存在高擾動區(qū)，且高擾動區(qū)范圍隨著時間推移在擴張。