基于Sentinel-2的荒漠化礦區(qū)生態(tài)環(huán)境監(jiān)測

吳群英，苗彥平，陳秋計，侯恩科，李繼業(yè)

1.陜西陜煤陜北礦業(yè)有限公司，陜西 榆林 719000；2.陜煤神木紅柳林礦業(yè)有限公司，陜西 神木 719316；3.西安科技大學 測繪科學與技術學院，陜西 西安 710054；4.西安科技大學 地質(zhì)與環(huán)境學院，陜西 西安 710054)

隨著我國能源戰(zhàn)略西移，西部荒漠化地區(qū)正成為重要的煤炭生產(chǎn)基地。礦產(chǎn)資源開采不可避免地對生態(tài)環(huán)境造成影響，制約了區(qū)域生態(tài)文明的建設。如何快速準確地獲取生態(tài)環(huán)境信息，為綠色礦山建設提供數(shù)據(jù)支撐，成為當前迫切需要解決的關鍵問題之一。近年來，遙感技術的發(fā)展為礦區(qū)生態(tài)環(huán)境監(jiān)測提供了便捷有效的工具。馬雄德[1]等采用1989，2002，2011年3期TM遙感數(shù)據(jù)，分析了榆神府礦區(qū)土地荒漠化現(xiàn)狀及動態(tài)變化，探討了人類活動和氣候因素對礦區(qū)土地荒漠化發(fā)展變化的影響；LIU Shiliang[2]等基于Sen + Mann–Kendall方法，提取了礦區(qū)2006—2015年的NDVI指數(shù)，研究了荒漠化地區(qū)采礦活動對植被的影響；LEI Shaogang[3]等基于MODIS和TM影像數(shù)據(jù)，分析了礦區(qū)1978—2005年的NDVI變化情況；劉雪冉[4]等基于2000，2005和2010年的3期Landsat 4/5 TM遙感影像，分析了荒漠化地區(qū)土地覆蓋空間分布格局及時空變化趨勢；伍超 群[5]等以Landsat影像為數(shù)據(jù)源，基于像元二分模型估算木里礦區(qū)1990—2016年植被覆蓋度，監(jiān)測其動態(tài)變化及時空發(fā)展規(guī)律；徐軒[6]等采用Landsat數(shù)據(jù)分析新疆五彩灣礦區(qū)及周邊荒漠植被的時空變化特征，并定量分析礦區(qū)植被長勢對氣候變化、礦區(qū)擴張的響應；KAMGA M A[7]等利用1987—2017年的Landsat影像分析礦區(qū)開采對土地利用/覆蓋的影響。

已有研究成果多基于Landsat及MODIS等遙感數(shù)據(jù)，受制于衛(wèi)星影像的時空分辨率，監(jiān)測應用受到一定的影響。歐洲航空局2015和2017年發(fā)射的Sentinel-2A和Sentinel-2B多光譜遙感衛(wèi)星具有空間分辨率為10 m的3個可見光波段以及1個近紅外波段，以及60和20 m的近紅外和短波紅外波段等共計13個波段，雙軌衛(wèi)星同時運行，時間分辨率縮短至5 d[8-11]；Sentinel-2較高的空間分辨率、光譜分辨率及時間分辨率為遙感衛(wèi)星數(shù)據(jù)在荒漠化礦區(qū)遙感監(jiān)測中的應用提供了更多的可能性。

本文以榆神礦區(qū)內(nèi)某大型煤礦為研究區(qū)域，以2016和2019年的Sentinel-2數(shù)據(jù)為基礎，通過纓帽變換，構建基于多光譜遙感影像的生態(tài)環(huán)境指標體系和評價模型，對礦區(qū)生態(tài)環(huán)境質(zhì)量進行監(jiān)測和評價，為綠色礦山建設及區(qū)域生態(tài)文明提升，提供了指導。

1 研究區(qū)概況及數(shù)據(jù)預處理

1.1 研究區(qū)概況

研究區(qū)位于陜西省神木市西南部，毛烏素沙漠東南緣，干旱少雨，年蒸發(fā)量較大。地表大部分地域被第四系風積半固定沙丘和固定沙丘所覆蓋，以風蝕風積沙漠丘陵地貌為主。礦區(qū)水系不發(fā)育，無地表河流，僅有一些海子，蓄水量隨著季節(jié)的變化而變化。主要植被群落類型為沙柳、油蒿所構成的灌叢和灌草叢，屬典型的沙生植被。同時在一些流動沙丘上分布有以一、二年生沙地先鋒植物構成的植物群聚。在村落和農(nóng)田附近，零星或成行栽培的旱柳、小葉楊等作為人工固沙或防風之用。井田內(nèi)延安組賦存有可采煤層7層，共劃分為2個煤組。上煤組含3層煤，含煤地層平均厚度101.11 m；下煤組含4層煤，含煤地層平均厚度82.73 m，煤組之間平均距離63.52 m。礦井采用緩坡斜井開拓，初期設計生產(chǎn)能力為15 Mt/a，服務年限為72.5 a，采用大采高綜采一次采全高開采工藝。研究區(qū)2016年6月8日和2019年6月8日Sentinel-2影像如圖1所示。

圖1 研究區(qū)影像Fig.1 Image of study area

1.2 數(shù)據(jù)源及其預處理

Sentinel-2遙感影像來源于歐洲航空局的數(shù)據(jù)共享網(wǎng)站(https：//scihub.copernicus.eu)和中國的地理空間數(shù)據(jù)云網(wǎng)站(http：//www.gscloud.cn/)。遙感數(shù)據(jù)為已經(jīng)過輻射校正和幾何校正處理的Level-1C產(chǎn)品。本研究采用SNAP-Sen2Cor軟件對影像數(shù)據(jù)進行大氣校正，獲得地物真實反射率。利用ENVI5.5進行波段重組，將20 m空間分辨率的短波紅外數(shù)據(jù)通過3次卷積法內(nèi)插法重采樣至10 m分辨率。根據(jù)礦區(qū)范圍的包絡矩形對影像進行裁剪。其他數(shù)據(jù)主要包括搜集的礦區(qū)地形地質(zhì)圖、DEM數(shù)據(jù)和土地利用現(xiàn)狀圖。為了驗證Sentinel-2的纓帽變換結果，將其與同期的Landsat-8的纓帽變換結果進行對比分析，為后期多源數(shù)據(jù)聯(lián)合監(jiān)測提供了參考。Landsat-8的成像時間為2019年6月10日，數(shù)據(jù)來源于對地觀測數(shù)據(jù)共享計劃(http：//ids.ceode.ac.cn)。數(shù)據(jù)處理流程如圖2所示。

圖2 研究技術流程Fig.2 Technique workflow

2 研究方法

2.1 纓帽變換

纓帽變換(Tasselled Cap transformation)是根據(jù)多光譜遙感中土壤、植被等信息在多維光譜空間中的信息分布結構，對圖像進行正交變換。變換后的主要分量為“土壤亮度(SBI)”、“植被綠度(GVI)”和“濕度(WET)”，分別反映了土壤巖石、植被及土壤和植被中的水分信息，可應用于生態(tài)環(huán)境監(jiān) 測[12-18]。纓帽變換依賴于傳感器本身的波段設置和特性，不同傳感器的變換系數(shù)并不能通用[15]，ENVI5.5版本提供了Landsat系列衛(wèi)星的纓帽變換工具，暫無Sentinel-2的處理工具。本研究采用Index DataBase網(wǎng)站(https：//www.indexdatabase.de)公布的Tasselled Cap公式[19-22]，計算Sentinel-2數(shù)據(jù)的SBI、GVI、WET等分量，其轉換矩陣公式為

式中，B2，B3，B4，B8，B11，B12為Sentinel-2對應的波段值。

然后，將計算結果與同期Landsat-8的纓帽變換結果進行對比分析，研究結果的一致性。

2.2 綜合評價方法

遙感生態(tài)指數(shù)RSEI(Remote Sensing Based Ecological Index)是基于遙感信息，集成反映生態(tài)環(huán)境最為直觀的多重指標，用于對區(qū)域生態(tài)環(huán)境進行快速監(jiān)測與評價[16-18]。本研究基于纓帽變換的結果，選擇綜合指數(shù)法構建RSEI，然后利用自然斷點法，將礦區(qū)生態(tài)環(huán)境質(zhì)量劃分為1～5個級別， 分別為差、較差、中等、良和優(yōu)，描述生態(tài)環(huán)境質(zhì)量空間分布狀況。具體過程如下：

(1) 指標歸一化處理

根據(jù)各指標值與生態(tài)環(huán)境的相關性，對其初始的計算結果，采用相應方法進行歸一化處理。

對于正相關指標，歸一化處理公式為

對于負相關指標，歸一化處理公式為

式中，yi為歸一化后的指標分值；xi，xmin，xmax分別為指標的初始值、最小值和最大值。

(2) RSEI計算

利用式(4)的加權法計算RSEI，即

式中，wi為各評價指標權重。

(3) 權重的確定

利用特爾斐法確定各指標的權重，結果見表1。

表1 評價指標權重Table 1 Weight of evaluation factors

3 結果分析

3.1 不同影像的纓帽變換結果對比分析

纓帽變換已在Landsat影像中得到成功應用，結果具有較高的可信度，可用于考察Sentinel-2影像纓帽變換的結果。通過對研究區(qū)兩類影像的計算結果進行對比分析(表2)，結果表明各指標的均值和標準差較為接近，相關性較高，說明Sentinel-2影像纓帽變換的結果具有一定的可靠性。

表2 不同影像的纓帽變換結果對比分析Table 2 Comparative analysis of the results of different images after Tasselled Cap

3.2 指標變化分析

(1) GVI：根據(jù)纓帽變換結果(表3)，研究區(qū)2016年的GVI均值為0.3516，標準差0.1886；2019年的GVI均值為0.3725，標準差0.1894。相比2016年，2019年的GVI均值提高了0.0209，標準差變化不大，說明2019年植被長勢較2016年有所提高，但平均植被綠度依然偏低。從分布頻率上來看，低分值比例明顯減少。

表3 2016及2019年評價指標對比分析Table 3 Comparative analysis of evaluation indicators in 2016 and 2019

(2) WET：根據(jù)纓帽變換結果(表3)，研究區(qū)2016年的WET均值為0.4160，標準差0.1928；2019年的WET均值為0.3681，標準差0.2056。相比2016年，2019年的WET均值減少了0.0479，標準差增加0.0128，說明研究區(qū)2019年同期土壤及植被的水分減少較多。從頻率分布來看，中等分值的比例有所減少，而低值區(qū)和高值區(qū)比例有所提高。通過調(diào)查氣象歷史數(shù)據(jù)，發(fā)現(xiàn)2016年6月3日至6月5日，當?shù)赜行∮辏虼?，土壤濕度較大。2019年6月僅5 d有小雨，都在6月8日以后，導致研究區(qū)土壤含水量較低。

(3) SBI：根據(jù)纓帽變換結果(表3)，研究區(qū)2016年的SBI均值為0.5101，標準差0.2427；2019年的SBI均值為0.5551，標準差0.2140。相比2016年，2019年的SBI均值增加了0.0450，標準差減少0.0287。說明2019年同期研究區(qū)裸露的地面有所增加。通過調(diào)查分析，主要原因是礦區(qū)開發(fā)建設增加了不透水面積，另外新開發(fā)未投入使用的耕地，也增加了土地裸露。從頻率分布來看，中等分值的比例有所增加，而低值區(qū)和高值區(qū)比例有所減少。各指標的詳細空間分布如圖3所示。

圖3 2016及2019年纓帽變換結果分布Fig.3 Spatial distribution of the result of Tasselled Cap in 2016 and 2019

3.3 綜合質(zhì)量變化分析

RSEI值越大表明生態(tài)環(huán)境質(zhì)量狀況越好，由表4可知，研究區(qū)2016年RSEI的平均分值為0.4018，標準差0.1721；2019年RSEI的平均分值為0.3865，標準差0.1734。兩期平均值都偏低，等級屬于較差級別。2019年的平均值有所下降，區(qū)域差異有所增大，主要原因是裸露地面增加，土壤及植被水分減少。從等級分布來看，中等級別的面積減少較多，其他級別面積均出現(xiàn)不同程度的增加，增加較多的是較差級別的類型。從空間分布來看，礦山開發(fā)的地面場地、道路以及土地整治活動對區(qū)域生態(tài)環(huán)境影響較為嚴重。結合區(qū)域的植被覆蓋來看，研究區(qū)東南部屬于農(nóng)業(yè)用地區(qū)，生態(tài)環(huán)境質(zhì)量較好。西北部主要是流動沙丘，植被稀少，土地荒漠化嚴重，植被覆蓋率15%以下，生態(tài)環(huán)境質(zhì)量較差。中部主要是固定及半固定沙丘，植被覆蓋率35%左右。生態(tài)環(huán)境質(zhì)量以中等和較差為主。詳細空間分布如圖4所示。

圖4 遙感生態(tài)環(huán)境綜合指數(shù)(RSEI)空間分布Fig.4 Space distribution of RSEI

表4 生態(tài)因子及RSEI信息統(tǒng)計Table 4 Statistical information about ecological factors and RSEI

4 采礦活動對生態(tài)環(huán)境的影響及改善措施

將礦山的生產(chǎn)活動與區(qū)域生態(tài)環(huán)境變化進行疊加(圖5)，發(fā)現(xiàn)礦山的地面建設活動對生態(tài)環(huán)境影響較嚴重。主要體現(xiàn)在：運煤專線及工業(yè)場地建設對地表擾動較大，地表覆蓋度下降，生態(tài)環(huán)境質(zhì)量產(chǎn)生了退化；沉陷區(qū)自然地表生態(tài)環(huán)境質(zhì)量有所下降，但總體程度有限；采礦造成的村莊拆遷區(qū)，地表 擾動嚴重，生態(tài)環(huán)境質(zhì)量下降明顯。為此，建議礦山企業(yè)采取以下措施，提升礦區(qū)生態(tài)環(huán)境質(zhì)量。

圖5 采礦活動對生態(tài)環(huán)境的影響Fig.5 Impact of mining activities on the ecological environment

(1) 加強運煤專線兩側的植被恢復

在運煤專線兩側營造喬、灌、草結合的多帶式防護林體系，帶間育草，林帶外緣留一定寬度育草固沙。以當?shù)剡m生喬木樹種為主，適當輔以灌木。灌木應選用耐旱樹種。局部風蝕嚴重的地區(qū)，設置置沙障，保障植被恢復效果。

(2) 加強工業(yè)場地綠化

以綠色礦山建設為引領，積極進行場地綠化美化。綠化布局要體現(xiàn)綠水青山就是金山銀山的理念，選擇適合本地生長的植物以及優(yōu)良樹種，利用礦井處理水進行植被管護，實現(xiàn)綠化率達到90%以上。

(3) 拆遷后的村莊及時復墾

拆遷后的村莊地勢較平坦，周邊與旱地相連，建議結合區(qū)域土地利用總體規(guī)劃，及時復墾為耕地，提高土地利用率。

(4) 提升采煤沉陷區(qū)植被覆蓋度

遵循自然生態(tài)規(guī)律，在自修復的基礎上，結合人工誘導技術，配合撒播、灌溉、養(yǎng)護等輔助措施，逐步提升植被覆蓋度，使沉陷區(qū)地表生態(tài)系統(tǒng)盡快步入自我維持和有序發(fā)展的良性軌道[22]。

(5) 改善開采工藝，減少生態(tài)環(huán)境影響

積極推廣對土地損害較小的充填開采、分層開采等采煤技術，采煤前對工作面詳細參數(shù)進行科學設計，盡可能保證采區(qū)煤層上覆巖層不斷裂，減輕采煤對地表土地的損害。采用動態(tài)修復技術，實現(xiàn)邊開采，邊復墾，控制沉陷區(qū)生態(tài)環(huán)境退化。

5 結論

(1) 2016和2019年兩期的礦區(qū)RSEI值均較低，且2019年略有下降，區(qū)域差異有所增大。東南部農(nóng)業(yè)用地區(qū)生態(tài)環(huán)境質(zhì)量較好。西北部流動沙丘較多，自然生態(tài)環(huán)境質(zhì)量差。

(2) 礦山建設與開發(fā)導致局部地區(qū)生態(tài)環(huán)境出現(xiàn)退化。主要體現(xiàn)在地表設施建設擾動了原有自然生態(tài)條件，植被覆蓋度降低；開采沉陷造成部分土地廢棄，也導致生態(tài)環(huán)境質(zhì)量下降。

(3) 針對發(fā)現(xiàn)的問題，建議礦山企業(yè)以綠色礦山建設為契機，優(yōu)化開采工藝，及時開展土地復墾與生態(tài)修復，提升礦區(qū)植被覆蓋度。

由于Sentinel-2歷史數(shù)據(jù)少，近期難以開展長時間跨度的生態(tài)環(huán)境變化監(jiān)測。未來隨著數(shù)據(jù)的積累和礦產(chǎn)資源的開發(fā)進度，將適時開展長時間序列的生態(tài)變化監(jiān)測及應用研究。