摘要：為研究青海木里煤田江倉(cāng)礦區(qū)煤炭資源露天開(kāi)采對(duì)區(qū)內(nèi)植被的影響，以及開(kāi)采后區(qū)內(nèi)植被覆蓋度的時(shí)空變化，基于江倉(cāng)礦區(qū)2000～2022年8期Landsat衛(wèi)星影像數(shù)據(jù)，通過(guò)計(jì)算歸一化植被指數(shù)（NDVI），利用像元二分模型估算區(qū)內(nèi)植被覆蓋度及其變化特征。結(jié)果表明：① 空間尺度方面，區(qū)內(nèi)植被覆蓋度呈現(xiàn)西高東低和北高南低、由西北方向至東南方向呈遞減的變化趨勢(shì)；② 時(shí)間尺度方面，2000～2013年間區(qū)內(nèi)露天開(kāi)采煤炭資源導(dǎo)致高植被覆蓋區(qū)域面積占比由57.84%降至16.35%，平均植被覆蓋度由0.733 8降至0.583 6；2013～2018年間植被恢復(fù)效果得到顯著提高，2018年高植被覆蓋區(qū)面積占比和平均植被覆蓋度分別增加至66.29%和0.718 2；至2022年時(shí)低植被覆蓋區(qū)面積占比由14.64%下降至8.46%，高植被覆蓋區(qū)面積占比由16.35%增加至45.58%。研究成果可為以江倉(cāng)礦區(qū)為代表的高寒環(huán)境條件下開(kāi)展礦山排土場(chǎng)植被覆蓋度動(dòng)態(tài)監(jiān)測(cè)提供參考。

關(guān)鍵詞：植被覆蓋度； 排土場(chǎng)植被恢復(fù)； 歸一化植被指數(shù)； 像元二分模型； 高寒礦區(qū)

中圖法分類(lèi)號(hào)：Q948.1;TD824.8 文獻(xiàn)標(biāo)志碼：A

DOI：10.15974/j.cnki.slsdkb.2025.04.019 文章編號(hào)：1006-0081（2025）04-0107-07

0 引 言

對(duì)礦產(chǎn)資源過(guò)度開(kāi)發(fā)，易引發(fā)地表塌陷、礦區(qū)植被破壞和地下水資源污染等問(wèn)題［1］。青海木里煤田江倉(cāng)礦區(qū)地處青藏高原祁連山南麓腹地，黃河重要支流大通河源頭，生態(tài)安全戰(zhàn)略地位突出［2］。該地區(qū)經(jīng)過(guò)多年露天開(kāi)采，大面積高寒草甸表土剝離形成大量的地下凍土、巖土、巖石與煤矸石機(jī)械堆積的排土場(chǎng)［3］，不僅剝離了土壤植被，同時(shí)也產(chǎn)生地表塌陷、龜裂等環(huán)境地質(zhì)問(wèn)題，危害到區(qū)內(nèi)畜牧業(yè)以及礦區(qū)及其周邊居民的生命財(cái)產(chǎn)安全［4］。對(duì)礦山實(shí)施生態(tài)修復(fù)，可有效緩解礦山生態(tài)突出問(wèn)題，而礦山生態(tài)修復(fù)成效、生態(tài)狀況改善則可以通過(guò)植被覆蓋度的動(dòng)態(tài)變化反映［5］。

植被覆蓋變化是監(jiān)測(cè)環(huán)境質(zhì)量的關(guān)鍵指標(biāo)之一，它能準(zhǔn)確反映水文、氣候和人類(lèi)活動(dòng)的變化，特別是在干旱和半干旱地區(qū)［6-7］。植被覆蓋度（Fractional Vegetation Coverage，F(xiàn)VC）通常定義為植物（包括葉、莖、枝）在地表平面的豎向投影面積與所有地表平面面積之間的百分比，作為表達(dá)地表植被群落覆蓋情況的重要量化指標(biāo)，也是生態(tài)環(huán)境變化的重要指示參數(shù)［8］。此外，歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）亦作為常用的植被遙感指數(shù)，能很好反映地表植被的覆蓋和繁茂程度，也是衡量區(qū)域生態(tài)系統(tǒng)的重要信息［9-12］。大量研究表明，礦山不合理開(kāi)采會(huì)改變?cè)摰貐^(qū)植被覆蓋度，且對(duì)當(dāng)?shù)厣鷳B(tài)環(huán)境造成破壞［13］。因此，開(kāi)展高寒干旱凍融環(huán)境下礦山排土場(chǎng)植被恢復(fù)及其生態(tài)環(huán)境動(dòng)態(tài)監(jiān)測(cè)，防治水土流失、滑坡、地裂縫等地質(zhì)災(zāi)害的發(fā)生則是一項(xiàng)重要任務(wù)。

傳統(tǒng)的植被監(jiān)測(cè)方法盡管精確度較高，但其監(jiān)測(cè)覆蓋范圍相對(duì)較小且耗費(fèi)大量人力物力，利用遙感技術(shù)可對(duì)植被狀況實(shí)現(xiàn)大范圍、長(zhǎng)時(shí)間且高效的監(jiān)測(cè)，目前已成為植被覆蓋度監(jiān)測(cè)的重要方法［14］。國(guó)內(nèi)外學(xué)者基于遙感數(shù)據(jù)對(duì)不同地區(qū)植被覆蓋相關(guān)方面開(kāi)展大量研究，并取得了較為豐碩的成果。王克鈺等［15］基于無(wú)人機(jī)可見(jiàn)光影像，選擇EXG、EXG-EXR、VDVI和NGRDI 4種可見(jiàn)光植被指數(shù)，將植被指數(shù)時(shí)序圖交點(diǎn)法和樣本統(tǒng)計(jì)法相結(jié)合進(jìn)行閾值分割，從而提取植被覆蓋度并對(duì)提取結(jié)果精度進(jìn)行驗(yàn)證，結(jié)果表明，VDVI的提取精度最高，為95.83%，Kappa系數(shù)為0.92。鐘靜等［16］以湖北西部山體區(qū)域?yàn)檠芯繀^(qū)域，基于2000～2020年的MOD13Q1 NDVI遙感數(shù)據(jù)，利用像元二分模型計(jì)算植被覆蓋度，結(jié)果表明，區(qū)內(nèi)植被覆蓋度總體呈上升趨勢(shì)，平均植被覆蓋度增加0.025。李鵬傲等［17］以河南為研究區(qū)，基于2010～2019年的MODIS NDVI數(shù)據(jù)，通過(guò)像元二分模型估算植被覆蓋度和利用一元線(xiàn)性回歸獲取變化趨勢(shì)，使用Pearson相關(guān)系數(shù)法探討區(qū)內(nèi)植被指數(shù)和植被覆蓋度的時(shí)空變化，結(jié)果表明，2010～2019年的年度最大NDVI均值存在波動(dòng)現(xiàn)象，呈微弱下降趨勢(shì)，且較高和中等植被覆蓋度占比較大。阿卜杜熱合曼·吾斯曼等［18］以新疆博斯騰湖蘆葦沼澤濕地為研究區(qū)，基于2017～2022年間Sentinel-2遙感影像和野外實(shí)測(cè)樣點(diǎn)數(shù)據(jù)，采用像元二分法提取植被覆蓋度和分析其時(shí)空分布特征，結(jié)果表明，2017～2022年間濕地平均面積約為1.6×105 hm2，其中植被面積約占31.22%。 Liu等［19］采用二元像素模型、線(xiàn)性回歸等方法，對(duì)黃河流域植被覆蓋率進(jìn)行時(shí)空分析，結(jié)果表明，2003～2020年，黃河流域植被覆蓋度（FVC）以每年0.19%的平均速度增長(zhǎng)。Li等［20］基于1990～2020年云南中部城市群的NDVI時(shí)間序列數(shù)據(jù)，使用Theil-Sen中位數(shù)和Mann-Kendal檢驗(yàn)方法，分析了植被覆蓋的時(shí)間和空間變化，結(jié)果表明：云南中部城市群的植被覆蓋從西向東、從南向北逐漸減少，中高和高植被覆蓋超過(guò)55%；1990～2020年期間，東部和北部地區(qū)觀察到顯著改善，增加了22.49%，核心區(qū)域顯示出嚴(yán)重的退化，覆蓋率接近1.56%。

綜上可知，國(guó)內(nèi)外學(xué)者已較多使用衛(wèi)星遙感對(duì)氣候溫和、降雨量相對(duì)較充足、海拔相對(duì)較低地區(qū)的植被覆蓋度開(kāi)展研究，其結(jié)果表明植被覆蓋度可準(zhǔn)確直觀地顯示植被的生長(zhǎng)變化情況。相比較而言，地處高海拔的青藏高原高寒礦區(qū)植被恢復(fù)監(jiān)測(cè)方面的研究則相對(duì)較少。鑒于此，本研究以L(fǎng)andsat TM/OLI 多時(shí)相影像作為數(shù)據(jù)源，結(jié)合像元二分模型，對(duì)位于青藏高原東北部的青海木里煤田江倉(cāng)礦區(qū)開(kāi)采前后其地表植被覆蓋度進(jìn)行長(zhǎng)時(shí)序遙感監(jiān)測(cè)；在此基礎(chǔ)上，分析開(kāi)采后植被覆蓋度時(shí)空變化特征，進(jìn)一步評(píng)價(jià)區(qū)內(nèi)煤炭開(kāi)采對(duì)地表植被的破壞情況和人工種植植被生態(tài)恢復(fù)效果，以為高寒礦區(qū)排土場(chǎng)開(kāi)展植被生態(tài)恢復(fù)以及坡面地質(zhì)災(zāi)害防治提供科學(xué)依據(jù)和數(shù)據(jù)支撐。

1 研究區(qū)概況

本研究選取位于青海海北剛察縣與海西天峻縣交界處的江倉(cāng)礦區(qū)作為研究區(qū)，地理坐標(biāo)為東經(jīng)99°27′～99°37′、北緯38°02′～38°10′，東西長(zhǎng)約18 km，南北寬約5 km，面積約90 km2，其地理位置如圖1所示。研究區(qū)地處青藏高原東北部高寒地帶，海拔3 800～4 200 m，年平均氣溫為-2.8 ℃，年平均降雨量為277 mm，年平均蒸發(fā)量為1 544.84 mm，晝夜溫差變化大，四季不分明，屬于典型高原大陸性氣候［21-22］。由于煤炭資源露天開(kāi)采、建筑物和道路等基礎(chǔ)設(shè)施建設(shè)，自然地貌景觀、高寒沼澤草甸和植被破壞嚴(yán)重，生態(tài)環(huán)境脆弱。

根據(jù)已有研究［23］可知，江倉(cāng)礦區(qū)于2004 年開(kāi)始露天開(kāi)采，采后形成多個(gè)大面積的礦坑和排土場(chǎng)，導(dǎo)致礦區(qū)地貌景觀、植被資源遭到嚴(yán)重破壞，帶來(lái)嚴(yán)重的礦山生態(tài)環(huán)境問(wèn)題；區(qū)內(nèi)開(kāi)采后的礦坑和由煤矸石、渣土等廢棄物堆積形成的排土場(chǎng)分布位置遙感影像如圖2所示。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)介紹

本研究選用源自地理空間數(shù)據(jù)云的2000，2004，2007，2010，2013，2014，2018，2022年等8期Landsat遙感影像作為研究數(shù)據(jù)源，時(shí)間分辨率為16 d，空間分辨率為30 m。由于區(qū)內(nèi)冬季積雪時(shí)間較長(zhǎng)，其他月份的 NDVI 數(shù)據(jù)存在空值與低質(zhì)量數(shù)據(jù)，為有效降低云、大氣、雪等對(duì)影像的影響，時(shí)間選在植被生長(zhǎng)旺盛且云覆蓋量小于10%的6～9月。本研究使用的Landsat原始遙感影像數(shù)據(jù)信息如表1所示。

2.2 數(shù)據(jù)預(yù)處理

本研究采用ArcGIS 10.8和ENVI 5.6軟件對(duì)影像進(jìn)行預(yù)處理。首先進(jìn)行輻射定標(biāo)，然后進(jìn)行FLAASH大氣校正。最后，以研究區(qū)SHP矢量邊界對(duì)預(yù)處理后的遙感影像進(jìn)行裁剪，獲得江倉(cāng)礦區(qū)的多光譜遙感影像并用于計(jì)算NDVI值。NDVI能消除部分與太陽(yáng)高度角、衛(wèi)星觀測(cè)角、地形、云影等與大氣條件有關(guān)的輻射變化，也是植被生長(zhǎng)狀態(tài)及植被覆蓋度最佳指示因子［24］，其具體計(jì)算公式如下［25-26］：

式中：ρNIR和ρR分別代表近紅外波段和紅外波段反射率數(shù)值。

2.3 像元二分模型估算植被覆蓋度及其異常值處理

像元二分模型是計(jì)算植被覆蓋度較為成熟且常用的方法［27-28］，像元二分模型提取FVC的原理是假設(shè)圖像中的一個(gè)像元由植被與非植被覆蓋地表兩部分構(gòu)成，且每個(gè)組分對(duì)遙感傳感器所觀測(cè)到的信息均有貢獻(xiàn)，因此可將遙感信息分解建立像元分解模型，從而估算植被覆蓋度［29］。像元的植被覆蓋度即為綠色植被部分所占像元面積的比率［30］，因其具有計(jì)算簡(jiǎn)單和結(jié)果可靠的特點(diǎn)，為廣泛使用的估算植被覆蓋度模型［31］。在實(shí)際應(yīng)用中，基于NDVI像元二分模型得到估算植被覆蓋度的公式為［32］

式中：FVC取值范圍通常為［0，1］；NDVIsoil為無(wú)植被覆蓋區(qū)域的NDVI值，NDVIveg為植被覆蓋區(qū)域的NDVI值，NDVIveg理論取值為1，但因空間分布不均和植被類(lèi)型差異等影響因素的存在，該值往往隨時(shí)間空間變化［33］。因此，為有效減小誤差和排除極端值，將NDVIsoil和NDVIveg設(shè)立一個(gè)置信區(qū)間，本研究根據(jù)區(qū)內(nèi)植被實(shí)際情況和設(shè)定置信度區(qū)間為5%～95%，區(qū)間最小值為NDVIsoil，區(qū)間最大值為NDVIveg，讀取對(duì)應(yīng)的像元值，分別確定為區(qū)內(nèi)有效的NDVIsoil值和NDVIveg值［34］。然后，利用像元二分模型計(jì)算得出區(qū)內(nèi)8個(gè)不同時(shí)期排土場(chǎng)植被覆蓋度。本研究所采用有效的NDVIsoil值和NDVIveg值如表2所示。

3 結(jié)果與分析

3.1 平均植被覆蓋度變化分析

由圖3可知，研究區(qū)內(nèi)總體表現(xiàn)出平均植被覆蓋度在2000～2022年呈輕微波動(dòng)，至2013年急劇下降后顯著上升再輕微下降的變化趨勢(shì)。其中，區(qū)內(nèi)2000年平均植被覆蓋度為0.733 8，說(shuō)明2000年植被覆蓋情況良好；2004～2010年開(kāi)采期間，區(qū)內(nèi)平均植被覆蓋度出現(xiàn)輕微波動(dòng)，反映出在此期間盡管煤炭資源開(kāi)采對(duì)區(qū)內(nèi)原生草甸植被造成破壞，但是礦坑周?chē)刹珊笮纬傻拇罅繌U渣和松散土體構(gòu)成的排土場(chǎng)區(qū)域植被恢復(fù)生長(zhǎng)狀況良好，總體表現(xiàn)為平均植被覆蓋度下降幅度相對(duì)不顯著；至2013年區(qū)內(nèi)露天煤礦資源開(kāi)采期間，平均植被覆蓋度由0.733 8下降至0.583 6，該結(jié)果反映出區(qū)內(nèi)經(jīng)過(guò)10 a左右露天開(kāi)采后，地表的植被受到顯著破壞。

自2014年區(qū)內(nèi)開(kāi)展礦山生態(tài)環(huán)境治理和植被種植以來(lái)，2022年平均植被覆蓋度由2013年的0.583 6增至0.670 1，反映出研究區(qū)內(nèi)自實(shí)施植被生態(tài)恢復(fù)以來(lái)，位于露天采礦坑兩側(cè)排土場(chǎng)分布區(qū)植被覆蓋度表現(xiàn)出顯著增加的趨勢(shì)，說(shuō)明了區(qū)內(nèi)排土場(chǎng)開(kāi)展植被種植對(duì)礦區(qū)植被覆蓋度的提高和生態(tài)環(huán)境的改善具有顯著的作用。

3.2 不同等級(jí)植被覆蓋度變化分析

為進(jìn)一步有效地分析區(qū)內(nèi)植被覆蓋度變化特征，計(jì)算得到區(qū)內(nèi)5種不同等級(jí)植被覆蓋度面積（S）所占比例（P）結(jié)果，如表3、圖4所示。

由表3、圖4可知，區(qū)內(nèi)煤礦資源露天開(kāi)采前（2000年），中高、高植被覆蓋區(qū)域占比為86.62%，低、中低植被覆蓋區(qū)域僅為13.38%，反映出研究區(qū)內(nèi)植被覆蓋狀態(tài)良好。與2000年的礦區(qū)開(kāi)采前相比較，2013年區(qū)內(nèi)表現(xiàn)出低、中低、中、中高植被覆蓋明顯升高的趨勢(shì)，低、中低、中、中高植被覆蓋面積比例分別由4.74%增加至14.64%、由1.72%增加至2.88%、由6.92%增加至17.53%、由28.78%增加至48.61%；高植被覆蓋區(qū)域占比則表現(xiàn)出顯著下降，由57.84%降至16.35%。由此可見(jiàn)，研究區(qū)內(nèi)經(jīng)過(guò)露天開(kāi)采后，其地表植被破壞情況較為嚴(yán)重；相應(yīng)地，在2013～2018年，區(qū)內(nèi)2014年實(shí)施植被恢復(fù)以來(lái)，排土場(chǎng)植被恢復(fù)效果良好，至2018年，區(qū)內(nèi)高植被覆蓋區(qū)域面積占比由16.35%增加至66.29%，其平均植被覆蓋度由0.583 6增加至0.718 2。接近區(qū)內(nèi)開(kāi)采前2000年平均植被覆蓋度（0.733 8）的水平。

此外，2018～2022年，由于區(qū)內(nèi)人類(lèi)活動(dòng)增多和牧民放牧等諸方面原因，高植被覆蓋度區(qū)域面積占比則呈明顯下降，即由66.29%降至45.58%，中植被覆蓋和中高植被覆蓋區(qū)域面積占比上升明顯，分別由3.12%增加至16.03%和14.41%增加至26.32%，但平均植被覆蓋度波動(dòng)較小，說(shuō)明研究區(qū)內(nèi)采后植被覆蓋度整體恢復(fù)效果良好。

3.3 植被覆蓋度時(shí)空分布特征

通過(guò)使用ENVI 5.6和ArcGIS 10.8軟件計(jì)算區(qū)內(nèi)植被覆蓋度，并得到2000，2004，2007，2010，2013，2014，2018，2022年區(qū)內(nèi)露天開(kāi)采前和開(kāi)采后排土場(chǎng)及周邊區(qū)域植被覆蓋度分布和變化特征，如圖5所示。

由圖5可知，區(qū)內(nèi)露天開(kāi)采區(qū)域所形成的礦坑和排土場(chǎng)與其周邊區(qū)域原生草甸植被覆蓋度之間存在較大差異，主要表現(xiàn)在露天開(kāi)采區(qū)域主要處于低植被覆蓋和中低植被覆蓋區(qū)域，空間分布上植被覆蓋度整體表現(xiàn)出西高東低、北高南低的特征，且以區(qū)內(nèi)1號(hào)井、2號(hào)井、4號(hào)井和5號(hào)井等4個(gè)井田為界，表現(xiàn)出自西北方向至東南方向遞減的變化趨勢(shì)。

與2000年的植被覆蓋度相比較，2004年區(qū)內(nèi)位于東南部區(qū)域的植被覆蓋度呈輕微下降趨勢(shì)，如圖5（b）所示；至2010年，露天開(kāi)采造成區(qū)內(nèi)地表形成1號(hào)井、2號(hào)井、4號(hào)井和5號(hào)井等4個(gè)露天礦坑，且開(kāi)采后產(chǎn)生的煤矸石廢棄物在礦區(qū)周?chē)逊e形成不同規(guī)模排土場(chǎng)，使得礦坑及周?chē)脖桓采w度顯著降低，而其他未形成排土場(chǎng)堆積影響的原生草甸區(qū)域植被覆蓋情況良好，且大部分屬于中高植被覆蓋和高植被覆蓋區(qū)域；至2013年，區(qū)內(nèi)經(jīng)過(guò)近10 a露天開(kāi)采，地表植被嚴(yán)重破壞，形成的露天礦坑和排土場(chǎng)使低植被覆蓋區(qū)面積明顯增大，如圖5（e）所示；同時(shí)，礦區(qū)開(kāi)采期間，采礦對(duì)礦坑外圍原生草甸區(qū)域植被亦產(chǎn)生顯著影響，表現(xiàn)在高植被覆蓋區(qū)域面積呈大幅度下降，中植被覆蓋和中高植被覆蓋區(qū)域面積則明顯上升，區(qū)內(nèi)整體植被覆蓋度呈顯著下降的變化趨勢(shì)；直至2014年，區(qū)內(nèi)停止開(kāi)采并開(kāi)展礦山排土場(chǎng)植被生態(tài)恢復(fù)以來(lái)，至2018年，區(qū)內(nèi)礦坑周?chē)磐翀?chǎng)及周邊區(qū)域植被覆蓋度得到明顯提升，反映出開(kāi)展植被種植修復(fù)是區(qū)內(nèi)植被覆蓋度增加的主要因素；最后，至2022年，區(qū)內(nèi)排土場(chǎng)低植被覆蓋區(qū)域面積明顯減少，礦坑周?chē)鷧^(qū)域植被覆蓋度顯著增大，表明區(qū)內(nèi)排土場(chǎng)通過(guò)人工種草復(fù)綠效果顯著，結(jié)果如圖5（h）所示。上述結(jié)果反映出研究區(qū)內(nèi)排土場(chǎng)經(jīng)過(guò)近10 a的人工植被生態(tài)修復(fù)，排土場(chǎng)及其周邊植被覆蓋度均得到顯著性提高。

4 結(jié) 論

（1） 2000～2022年，研究區(qū)內(nèi)地表平均植被覆蓋度整體表現(xiàn)出先輕微波動(dòng)，至2013年急劇下降后顯著上升再輕微下降的變化趨勢(shì)；具體表現(xiàn)為2013年露天開(kāi)采后區(qū)內(nèi)植被平均覆蓋度由0.733 8急劇下降至0.583 6，2018年的平均覆蓋度顯著上升至0.718 2，至2022年時(shí)平均植被覆蓋度輕微下降至0.670 1。

（2） 與2000年開(kāi)采前相比較，2013年開(kāi)采后，區(qū)內(nèi)低、中低植被覆蓋區(qū)域面積占比由6.46%增加至17.52%，高植被覆蓋區(qū)域面積占比由57.84%降低至16.35%；至2022年時(shí)，區(qū)內(nèi)低植被覆蓋區(qū)域面積占比由14.64%下降至8.46%、高植被覆蓋區(qū)域面積占比由16.35%增加至45.58%。該結(jié)果說(shuō)明區(qū)內(nèi)經(jīng)過(guò)露天開(kāi)采后其地表植被破壞情況較為嚴(yán)重，通過(guò)人工植被種植恢復(fù)，植被生長(zhǎng)良好且恢復(fù)效果較為顯著。

（3） 2000～2022年區(qū)內(nèi)地表植被覆蓋度空間分布上整體表現(xiàn)出西高東低，北高南低，且由西北方向至東南方向呈遞減的變化趨勢(shì)。

參考文獻(xiàn)：

［1］ 張嵩，馬保東，陳玉騰，等.超貧磁鐵礦區(qū)植被覆蓋度變化的遙感監(jiān)測(cè)［J］.測(cè)繪與空間地理信息，2018，41（6）：126-128，131.

［2］ 楊鑫光，李志煒，王克宙，等.基于OCVOR優(yōu)化模型的高寒受損煤礦區(qū)人工恢復(fù)效果評(píng)價(jià)研究［J］.中國(guó)草地學(xué)報(bào)，2024，46（3）：38-46.

［3］ 金立群，李希來(lái)，孫華方，等.高寒礦區(qū)排土場(chǎng)不同坡向植被和土壤特征研究［J］.土壤，2020，52（4）：831-839.

［4］ 黨鵬翔.木里煤礦聲波增雨生態(tài)修復(fù)試驗(yàn)及其效果評(píng)估［D］.西寧：青海大學(xué)，2023.

［5］ 馬磊，李成，司洪濤，等.礦山公園植被恢復(fù)動(dòng)態(tài)監(jiān)測(cè)及影響因素——以渝北銅鑼山為例［J］.中國(guó)水土保持科學(xué)（中英文），2023，21（6）：111-120.

［6］ 付珺琳，徐堅(jiān)，趙登忠，等.基于Landsat影像的千將坪滑坡植被覆蓋度變化監(jiān)測(cè)［J］.水利水電快報(bào)，2023，44（3）：101-106.

［7］ RAID A，MEHAI K，SACO P M，et al.Monitoring and mapping vegetation cover changes in arid and semi-arid areas using remote sensing technology：a review［J］.Remote Sensing，2022，14（20）：5143.

［8］ 陳黔.基于Google Earth Engine的中國(guó)北方四大沙地灌木覆蓋度估算［D］.貴陽(yáng)：貴州師范大學(xué)，2019.

［9］ LV W，HU X，LI X，et al.Multi-model comprehensive inversion of surface soil moisture from Landsat images based on Machine Learning Algorithms［J］.Sustainability，2024，16（9）：3509

［10］ ZHANG Y，WANG T，YOU Y，et al.A novel estimation method of grassland Fractional vegetation cover based on multi-sensor data fusion［J］.Computers and Electronics in Agriculture，2024，225：109310.

［11］ WANG H，LIU G，LI Z，et al.Driving force and changing trends of vegetation phenology in the Loess Plateau of China from 2000 to 2010［J］.Journal of Mountain Science，2016，13（5）：844-856.

［12］ 呂偉濤，胡夏嵩，劉昌義，等.黃河上游龍羊峽至積石峽段流域植被對(duì)氣候變化的響應(yīng)［J］.草地學(xué)報(bào)，2024，32（6）：1923-1935.

［13］ 程方平，陳坤，張祥春，等.礦山開(kāi)采對(duì)生態(tài)環(huán)境的影響評(píng)價(jià)［J］.安全與環(huán)境學(xué)報(bào)，2011，11（1）：113-117.

［14］ 劉曉菲.基于長(zhǎng)時(shí)序多源遙感數(shù)據(jù)的植被覆蓋度反演與變化檢測(cè)研究［D］.徐州：中國(guó)礦業(yè)大學(xué)，2014.

［15］ 王克鈺，李希來(lái)，李國(guó)榮，等.基于可見(jiàn)光影像的木里礦區(qū)排土場(chǎng)植被覆蓋度提取研究［J］.青海大學(xué)學(xué)報(bào)，2024，42（3）：17-24，46，111.

［16］ 鐘靜，皇永波，郭明強(qiáng).近20年鄂西地區(qū)植被覆蓋度時(shí)空變化特征分析［J］.地理空間信息，2023，21（2）：50-55.

［17］ 李鵬傲，姜永濤，張珍珍，等.河南省植被覆蓋度時(shí)空變化及其原因分析［J］.地理空間信息，2023，21（11）：76-80.

［18］ 阿卜杜熱合曼·吾斯曼，玉素甫江·如素力，張旭輝，等.基于Sentinel-2影像的博斯騰湖蘆葦沼澤濕地信息提取與動(dòng)態(tài)監(jiān)測(cè)研究［J］.海洋湖沼通報(bào)，2023，45（4）：88-96.

［19］ LIU C，ZHANG X，WANG T，et al.Detection of vegetation coverage changes in the Yellow River Basin from 2003 to 2020［J］.Ecological Indicators，2022，138：108818.

［20］ LI Y，SONG Y，CAO X，et al.Temporal-spatial changes in vegetation coverage under climate change and human activities：a case study of central Yunnan urban agglomeration，China［J］.Sustainability，2024，16（2）：661.

［21］ 閆聰，胡夏嵩，李希來(lái)，等.高寒礦區(qū)排土場(chǎng)植被恢復(fù)對(duì)邊坡土體物理力學(xué)性質(zhì)影響研究［J］.工程地質(zhì)學(xué)報(bào)，2022，30（2）：383-393.

［22］ 楊幼清，胡夏嵩，李希來(lái)，等.高寒礦區(qū)軟弱基底排土場(chǎng)邊坡穩(wěn)定性數(shù)值模擬［J］.地質(zhì)與勘探，2020，56（1）：198-208.

［23］ 才永吉.基于RS與GIS技術(shù)的江倉(cāng)礦區(qū)生態(tài)環(huán)境監(jiān)測(cè)與評(píng)價(jià)［D］.西寧：青海大學(xué)，2016.

［24］ 張珍珍，熊康寧，黃登紅.近30年來(lái)梵凈山植被覆蓋時(shí)空變化及影響因素分析［J］.水土保持研究，2018，25（2）：183-189，389.

［25］ 周喆，胡夏嵩，劉昌義，等.基于GEE的黃河上游生態(tài)環(huán)境質(zhì)量動(dòng)態(tài)監(jiān)測(cè)與評(píng)價(jià)：以龍羊峽至積石峽段為例［J］.生態(tài)學(xué)雜志，2023，42（10）：2545-2554.

［26］ ZHOU Z，LI H，HU X，et al.Spatiotemporal evolution and spatial analysis of ecological environmental quality in the Longyangxia to Lijiaxia Basin in China based on GEE［J］.Sensors，2024，24（16）：5167-5167.

［27］ 王曉蕾，石守海，陳江朝霞.黃河流域植被覆蓋度變化及驅(qū)動(dòng)因素［J］.中國(guó)環(huán)境科學(xué)，2022，42（11）：5358-5368.

［28］ 肖英才，胡文敏，黃熠和，等.洞庭湖區(qū)山水林田湖草生態(tài)變化及修復(fù)對(duì)策研究［J］.人民長(zhǎng)江，2023，54（7）：47-54.

［29］ 王潤(rùn)科，王建，趙澤斌，等.基于MOD13Q1數(shù)據(jù)的天水市植被覆蓋度時(shí)空變化分析［J］.遙感技術(shù)與應(yīng)用，2024，39（4）：987-999.

［30］ 李雁楠，林富明，李鐵男.基于遙感分析技術(shù)的河岸帶植被覆蓋度監(jiān)測(cè)分析研究［J］.測(cè)繪與空間地理信息，2023，46（增1）：27-29.

［31］ 王星，霍艾迪，呂繼強(qiáng)，等.塔里木河干流植被覆蓋度動(dòng)態(tài)變化及驅(qū)動(dòng)因素分析［J］.農(nóng)業(yè)工程學(xué)報(bào)，2023，39（8）：284-292.

［32］ WANG T，ZHANG J.Remote sensing image characteristics and typical area analysis of Taiyuan Xishan Ecological Restoration Area［J］.Sensors，2023，23（4）：2108-2108.

［33］ 陳峰.基于Landsat TM/OIL的濟(jì)寧市植被覆蓋度動(dòng)態(tài)變化分析［J］.河南科技，2021，40（22）：129-133.

［34］ 葛利玲，王璐.融合多源遙感數(shù)據(jù)的南陽(yáng)市淅川縣植被動(dòng)態(tài)演變研究［J/OL］.自然資源遙感，1-11（2024-08-21）［2025-03-03］.http：//kns.cnki.net/kcms/detail/10.1759.P.20240821.1355.003.html.

（編輯：李 晗）

Dynamic monitoring of vegetation coverage in alpine mining dump based on Landsat imagery

DENG Taiguo，HU Xiasong，LIU Changyi，WU Zhijie，HE Dequan，LEI Haochuan

（School of Geological Engineering，Qinghai University，Xining 810016，China）

Abstract： In order to study the impact of open-pit mining of coal resources on vegetation in Jiangcang mining area of Muli coalfield in Qinghai Province，and study the temporal and spatial variation of vegetation coverage after mining，this study used Normalized Vegetation Index （NDVI） to estimate the vegetation coverage and its change characteristics in the area based on the Landsat satellite image data of eight time phases in Jiangcang mining area from 2000 to 2022.The results showed that in terms of spatial scale，the vegetation coverage in the area showed a trend of high in the west and the north and low in the east and the south，and decreased from the northwest to the southeast.In terms of time scale，during the period of 2000 to 2013，the proportion of high vegetation coverage area and average vegetation coverage in the region decreased from 57.84% to 16.35% and 0.733 8 to 0.583 6 due to open-pit mining of coal resources.The effect of vegetation restoration was significantly improved from 2013 to 2018，which showed that the proportion of high vegetation coverage area and average vegetation coverage increased to 66.29% and 0.718 2，respectively.By 2022，the proportion of low vegetation coverage area decreased from 14.64% to 8.46%，and the proportion of high vegetation coverage area increased from 16.35% to 45.58%.The results of this study can provide a reference for the dynamic monitoring of vegetation coverage in mine dump under the alpine environment represented by Jiangcang mining area.

Key words： vegetation coverage； dump vegetation restoration； Normalized Vegetation Index （NDVI）； pixel binary model； alpine mining area

收稿日期：2024-12-02

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目（42267024）

作者簡(jiǎn)介：鄧太國(guó)，男，碩士研究生，研究方向?yàn)樯鷳B(tài)遙感和地理信息系統(tǒng)應(yīng)用。E-mail：616834346@qq.com

作者簡(jiǎn)介：劉昌義，男，講師，碩士，主要從事地質(zhì)工程等方面的研究工作。E-mail：1358128151@qq.com

引用格式：鄧太國(guó)，胡夏嵩，劉昌義，等.基于Landsat影像的高寒礦區(qū)排土場(chǎng)植被覆蓋度動(dòng)態(tài)監(jiān)測(cè)［J］.水利水電快報(bào)，2025，46（4）：107-113.