礦區(qū)生態(tài)環(huán)境定量遙感監(jiān)測(cè)研究進(jìn)展與展望

張成業(yè) 李 軍 雷少剛 楊金中 楊 楠

(1.中國(guó)礦業(yè)大學(xué)(北京)地球科學(xué)與測(cè)繪工程學(xué)院，北京 100083;2.中國(guó)礦業(yè)大學(xué)環(huán)境與測(cè)繪學(xué)院，江蘇 徐州 221116;3.中國(guó)自然資源航空物探遙感中心，北京 100083;4.中國(guó)地質(zhì)環(huán)境監(jiān)測(cè)院，北京 100081)

2012年，黨的十八大將生態(tài)文明建設(shè)寫入黨章并作出闡述，更加明確了生態(tài)文明建設(shè)的戰(zhàn)略地位[1]。2018年，十三屆全國(guó)人大五次會(huì)議表決通過(guò)了《中華人民共和國(guó)憲法修正案》，生態(tài)文明被寫入憲法，進(jìn)一步推動(dòng)了新時(shí)代生態(tài)文明建設(shè)的發(fā)展[2]。同年，全國(guó)生態(tài)環(huán)境保護(hù)大會(huì)在京召開(kāi)，正式確立了習(xí)近平生態(tài)文明思想是新時(shí)代生態(tài)文明建設(shè)的根本遵循和最高準(zhǔn)則[3]。近數(shù)十年來(lái)，煤炭、鐵礦、稀土礦等礦產(chǎn)資源的持續(xù)大規(guī)模開(kāi)發(fā)為我國(guó)經(jīng)濟(jì)社會(huì)的高速發(fā)展提供了重要的能源與物質(zhì)條件，然而持續(xù)劇烈的礦產(chǎn)資源開(kāi)采活動(dòng)在礦區(qū)一定范圍內(nèi)引發(fā)了地表沉降、土地破壞、植被退化、土壤質(zhì)量下降、水質(zhì)污染、大氣污染等一系列的生態(tài)環(huán)境問(wèn)題[4-5]，引起了社會(huì)各界的廣泛重視。在此背景下，未來(lái)的礦業(yè)開(kāi)發(fā)活動(dòng)越來(lái)越需要兼顧資源開(kāi)采與生態(tài)環(huán)境保護(hù)治理，而對(duì)礦區(qū)生態(tài)環(huán)境的科學(xué)監(jiān)測(cè)是保護(hù)與治理的前提條件。

當(dāng)前礦區(qū)生態(tài)環(huán)境監(jiān)測(cè)數(shù)據(jù)主要由人工實(shí)地調(diào)查與采樣、地面?zhèn)鞲衅髡军c(diǎn)觀測(cè)、遙感觀測(cè)等手段獲取。從時(shí)空尺度和分辨率來(lái)看，礦區(qū)生態(tài)環(huán)境演變現(xiàn)象的時(shí)間范圍從數(shù)年到數(shù)十年不等，且高強(qiáng)度開(kāi)采引發(fā)的生態(tài)環(huán)境變化更為劇烈;空間影響范圍從數(shù)千米到數(shù)十千米，且具有連續(xù)性。換言之，礦區(qū)高強(qiáng)度開(kāi)采背景下的生態(tài)環(huán)境監(jiān)測(cè)需要大面積連續(xù)、長(zhǎng)時(shí)間持續(xù)、高空間分辨率、高時(shí)間分辨率的觀測(cè)數(shù)據(jù)。然而，從時(shí)間范圍和分辨率來(lái)說(shuō)，人工實(shí)地采樣與調(diào)查數(shù)據(jù)、地面?zhèn)鞲衅髡军c(diǎn)觀測(cè)數(shù)據(jù)的時(shí)間范圍多為幾年甚至近幾個(gè)月數(shù)據(jù)，且大多時(shí)間分辨率比較低，僅個(gè)別傳感器網(wǎng)絡(luò)存在數(shù)年的高頻次觀測(cè);從空間范圍和分辨率來(lái)說(shuō)，人工實(shí)地采樣與調(diào)查數(shù)據(jù)、地面?zhèn)鞲衅髡军c(diǎn)觀測(cè)數(shù)據(jù)的范圍為百米級(jí)至千米級(jí)，且受觀測(cè)位置制約，主要是空間點(diǎn)位離散數(shù)據(jù)。因此，人工實(shí)地采樣與調(diào)查數(shù)據(jù)、地面?zhèn)鞲衅髡军c(diǎn)觀測(cè)數(shù)據(jù)與礦區(qū)生態(tài)環(huán)境演變現(xiàn)象存在明顯的時(shí)空尺度不匹配問(wèn)題，無(wú)法有效滿足礦區(qū)生態(tài)環(huán)境監(jiān)測(cè)需求。

遙感技術(shù)自20世紀(jì)70年代應(yīng)用以來(lái)持續(xù)積累了數(shù)十年的全球地表觀測(cè)數(shù)據(jù)，時(shí)間分辨率和空間分辨率不斷提升，成為礦區(qū)生態(tài)環(huán)境監(jiān)測(cè)的重要手段[4-7]。近年來(lái)，遙感技術(shù)在數(shù)據(jù)、算法、算力等3個(gè)方面的迅速發(fā)展，為礦區(qū)生態(tài)環(huán)境定量遙感監(jiān)測(cè)帶來(lái)了新的機(jī)遇。從數(shù)據(jù)角度來(lái)說(shuō)，新的衛(wèi)星和傳感器不斷發(fā)射，持續(xù)提供新的遙感數(shù)據(jù)源。我國(guó)國(guó)產(chǎn)高分系列衛(wèi)星實(shí)現(xiàn)組網(wǎng)，高分一號(hào)至高分七號(hào)形成了空間全覆蓋、全天候、全天時(shí)的高分辨率對(duì)地觀測(cè)系統(tǒng)。吉林一號(hào)系列、高景系列、珠海一號(hào)、五米光學(xué)星等衛(wèi)星數(shù)據(jù)不斷助力。從算法角度來(lái)說(shuō)，新傳感器、新數(shù)據(jù)正在引發(fā)新一輪的模型和算法革新，而深度學(xué)習(xí)的迅速崛起更為遙感影像的解譯與反演開(kāi)辟了新的思路，多傳感器組合和模型算法的不斷完善使得定量遙感的應(yīng)用能力得到了進(jìn)一步提升。從算力角度來(lái)說(shuō)，遙感云計(jì)算服務(wù)平臺(tái)(如航天宏圖公司的PIE-Engine、谷歌公司的Google Earth Engine)為數(shù)十年的長(zhǎng)時(shí)間序列海量遙感影像數(shù)據(jù)快速處理提供了十分強(qiáng)大的運(yùn)算能力，極大地縮短了大規(guī)模遙感影像的處理時(shí)間，使得普通用戶在短時(shí)間內(nèi)完成礦區(qū)數(shù)十年遙感影像的處理成為現(xiàn)實(shí)。在這些遙感新數(shù)據(jù)、新技術(shù)、新平臺(tái)的支持下，國(guó)內(nèi)外礦區(qū)生態(tài)環(huán)境定量遙感監(jiān)測(cè)得到了進(jìn)一步的發(fā)展，涌現(xiàn)出了一系列的優(yōu)秀成果[8]。

本研究從礦區(qū)地表要素類型遙感識(shí)別與分類、礦區(qū)植被要素定量遙感監(jiān)測(cè)、礦區(qū)土壤要素定量遙感監(jiān)測(cè)、礦區(qū)水體要素定量遙感監(jiān)測(cè)、礦區(qū)大氣環(huán)境定量遙感監(jiān)測(cè)、礦區(qū)生態(tài)系統(tǒng)參數(shù)遙感監(jiān)測(cè)6個(gè)方面回溯和總結(jié)近年來(lái)國(guó)內(nèi)外礦區(qū)生態(tài)環(huán)境定量遙感監(jiān)測(cè)的研究進(jìn)展，深入剖析礦區(qū)生態(tài)環(huán)境定量遙感監(jiān)測(cè)存在的不足，并展望未來(lái)的研究思路，為該領(lǐng)域后續(xù)研究提供參考。

1 礦區(qū)生態(tài)環(huán)境定量遙感監(jiān)測(cè)研究進(jìn)展

1.1 礦區(qū)地表要素類型遙感識(shí)別與分類

礦區(qū)是人類活動(dòng)與自然環(huán)境相互作用、高度耦合的復(fù)雜場(chǎng)景，在這一場(chǎng)景中有多種地表要素類型[9]。礦區(qū)地表要素類型識(shí)別與分類是礦區(qū)生態(tài)環(huán)境遙感研究最為廣泛的一個(gè)方向，主要的研究?jī)?nèi)容是對(duì)礦區(qū)各類地表要素類型進(jìn)行識(shí)別與歸類，進(jìn)而監(jiān)測(cè)區(qū)域范圍內(nèi)地表要素類型的變化，對(duì)礦區(qū)生態(tài)環(huán)境監(jiān)測(cè)具有重要指示作用[10]。礦區(qū)各類地表要素類型的識(shí)別與分類是礦區(qū)植被、土壤、水體等生態(tài)環(huán)境要素參數(shù)反演與監(jiān)測(cè)的前提，只有識(shí)別出具體要素，方可進(jìn)行相應(yīng)的參數(shù)反演與監(jiān)測(cè)。

礦區(qū)地表要素類型可以劃分為兩大部分，即常見(jiàn)的普通地表要素類型和礦區(qū)特色地表要素類型。普通地表要素與其他行業(yè)遙感場(chǎng)景(如農(nóng)業(yè)遙感、林業(yè)遙感、城市遙感等)的同類地表要素在遙感影像上具有相似的特征，因此對(duì)于這些地表要素的遙感識(shí)別與其他場(chǎng)景區(qū)別較小，在此不再贅述。需要重點(diǎn)關(guān)注的是具有礦區(qū)特色的地表要素類型，如表1所示。需要說(shuō)明的是，由于不同文獻(xiàn)采用的分類體系和對(duì)地表類型的名稱表達(dá)及內(nèi)涵都各有不同，所以本研究對(duì)各文獻(xiàn)中內(nèi)涵相似的地表要素類型進(jìn)行了梳理和歸并，因此表1中出現(xiàn)的不同地表類型并非同一分類體系得出。表1中，先按照地表要素類型進(jìn)行劃分，再按照所采用的遙感數(shù)據(jù)空間分辨率進(jìn)行劃分(30 m量級(jí)、10 m量級(jí)、米級(jí)或亞米級(jí))，并將基于深度學(xué)習(xí)方法的研究成果單獨(dú)列出。由表1可知:現(xiàn)有研究中應(yīng)用最多的是米級(jí)或亞米級(jí)的高空間分辨率數(shù)據(jù)，其次是30 m分辨率的Landsat系列衛(wèi)星多光譜影像，再次是10 m量級(jí)分辨率的Sentinel、SPOT等數(shù)據(jù)。受到空間分辨率限制，MODIS等空間分辨率較低的數(shù)據(jù)鮮有用于礦區(qū)地表要素識(shí)別研究。

表1 礦區(qū)特色地表要素類型識(shí)別Table 1 Identification of characteristic surface types in mining area

本研究對(duì)表1中各要素進(jìn)行如下分析:

(1)露天采場(chǎng)。露天采場(chǎng)識(shí)別是對(duì)礦區(qū)特色地表類型識(shí)別最為廣泛的一類研究，常見(jiàn)的數(shù)據(jù)識(shí)別方法主要是目視解譯和機(jī)器學(xué)習(xí)方法。董伯山等[19]研究表明:利用面向?qū)ο蟮闹С窒蛄繖C(jī)方法和GF-2高分辨率遙感影像在特定場(chǎng)景下能夠達(dá)到99.26%的識(shí)別精度，但是方法的普適性需要進(jìn)一步提升。

(2)中轉(zhuǎn)場(chǎng)地。對(duì)礦區(qū)中轉(zhuǎn)場(chǎng)地的識(shí)別主要采用高分辨率遙感影像和目視解譯方法[18，22，24，31-32]。個(gè)別研究采用Landsat數(shù)據(jù)和隸屬度函數(shù)，能達(dá)到73.91%的精度[14]。

(3)固體廢棄物。近年來(lái)，采用Landsat數(shù)據(jù)和高分辨率影像數(shù)據(jù)進(jìn)行礦區(qū)固體廢棄物識(shí)別的研究成果較豐富，最高精度達(dá)到97.07%[13]。然而，采用Sentinel影像數(shù)據(jù)識(shí)別固體廢棄物涉及較少，以其優(yōu)于Landsat數(shù)據(jù)的空間分辨率而言，理論上能夠應(yīng)用于礦區(qū)固體廢棄物識(shí)別。

(4)礦區(qū)建筑。礦區(qū)建筑與城鎮(zhèn)場(chǎng)景的建筑在遙感影像上具有差異。礦區(qū)建筑的遙感解譯識(shí)別方法通常有最大似然法分類、目視解譯、決策樹(shù)分類法[18，22，24，26，31-32，34-35]，近年來(lái)出現(xiàn)了深度神經(jīng)網(wǎng)絡(luò)法識(shí)別礦區(qū)建筑的相關(guān)成果[15]。

(5)矸石堆、煤堆。矸石堆、煤堆在米級(jí)/亞米級(jí)高分辨率遙感影像上和30m分辨率遙感影像上均可得到有效識(shí)別。例如，河南理工大學(xué)盧小平團(tuán)隊(duì)[35]綜合機(jī)載LiDAR和0.5 m分辨率的光學(xué)高分辨率數(shù)據(jù)在特定場(chǎng)景中對(duì)矸石堆和煤堆的識(shí)別精度分別達(dá)到了99.66%、93.25%。HE等[36]采用 Landsat 8的30 m分辨率影像對(duì)矸石堆、煤堆進(jìn)行識(shí)別，精度達(dá)到90.97%。

(6)尾礦庫(kù)。尾礦庫(kù)是金屬/非金屬礦山中常見(jiàn)的特色地表要素類型，由于尾礦庫(kù)是一個(gè)具有高勢(shì)能的危險(xiǎn)源，目前遙感識(shí)別研究成果較豐富，根據(jù)表1分析，尾礦庫(kù)遙感識(shí)別精度達(dá)到80%～98.74%。

(7)礦山恢復(fù)治理區(qū)。近年來(lái)，主要采用米級(jí)/亞米級(jí)的高分辨率遙感數(shù)據(jù)識(shí)別礦山恢復(fù)治理區(qū)。在ZY-3數(shù)據(jù)支持下，目前目視解譯方法的識(shí)別精度可以達(dá)到90%～98%[31]。

(8)塌陷區(qū)。塌陷區(qū)并不是單一地物類型，是一個(gè)由多種地表要素類型組成的小尺度復(fù)雜場(chǎng)景，在光學(xué)影像上標(biāo)志性特征不顯著，利用光學(xué)遙感影像對(duì)其進(jìn)行準(zhǔn)確識(shí)別存在一定的難度，因而研究成果較少。當(dāng)前研究主要是綜合塌陷區(qū)在遙感影像上的色調(diào)、紋理等常規(guī)特征，采用高分辨率影像和目視解譯方法實(shí)現(xiàn)一定程度的識(shí)別[22，26，31]。很多學(xué)者應(yīng)用遙感手段監(jiān)測(cè)礦山開(kāi)采導(dǎo)致的地表沉降或變形[48-51]，取得了豐富的成果。早在1996年，CARNEC等[52]使用DInSAR技術(shù)監(jiān)測(cè)到法國(guó)Gardanne地區(qū)的煤礦最大沉降為42 mm。PERSKI等[53-54]使用D-InSAR對(duì)波蘭西里西亞礦區(qū)的地表沉陷情況進(jìn)行了監(jiān)測(cè)，論證了D-InSAR的技術(shù)優(yōu)勢(shì)。在國(guó)內(nèi)，吳立新等[55]對(duì)D-In-SAR監(jiān)測(cè)礦區(qū)開(kāi)采沉陷的技術(shù)特點(diǎn)和優(yōu)勢(shì)進(jìn)行了分析，提出了亟須解決的關(guān)鍵問(wèn)題。中國(guó)礦業(yè)大學(xué)雷少剛團(tuán)隊(duì)[56-58]利用D-InSAR技術(shù)監(jiān)測(cè)山區(qū)重復(fù)采動(dòng)引起的地表沉陷規(guī)律;針對(duì)我國(guó)西部礦區(qū)高強(qiáng)度采煤導(dǎo)致的大量級(jí)、大梯度的地表形變，采用InSAR與Pixel-tracking相結(jié)合的方法實(shí)現(xiàn)了精細(xì)化監(jiān)測(cè);基于SBAS和混沌理論實(shí)現(xiàn)了對(duì)大型露天煤礦的排土場(chǎng)沉降監(jiān)測(cè)及預(yù)測(cè)，并提出了露天礦區(qū)排土場(chǎng)下沉系數(shù)的概念。中國(guó)礦業(yè)大學(xué)鄧喀中、范洪冬團(tuán)隊(duì)[59-60]使用ERS2/1影像對(duì)某采區(qū)進(jìn)行D-InSAR監(jiān)測(cè)得到采區(qū)的下沉值，并用實(shí)測(cè)值對(duì)所得結(jié)果進(jìn)行了修正;針對(duì)采空區(qū)上方地基穩(wěn)定性評(píng)價(jià)缺乏地表變形監(jiān)測(cè)資料等問(wèn)題，研究了一種基于多軌道SAR影像的老采空區(qū)地表三維形變監(jiān)測(cè)方法。2021年，師蕓等[61]使用SBAS-InSAR技術(shù)進(jìn)行開(kāi)采沉陷監(jiān)測(cè)，提出了一種自適應(yīng)遺傳算法優(yōu)化的支持向量回歸算法。此外，Li-DAR、地面測(cè)量等技術(shù)也是礦區(qū)地表形變測(cè)量的常用手段。

從方法上來(lái)看(表1)，當(dāng)前礦區(qū)特色地表要素識(shí)別所采用的方法主要有:①遙感影像目視解譯;②常規(guī)監(jiān)督學(xué)習(xí)分類方法(例如最大似然法、支持向量機(jī)、隨機(jī)森林、決策樹(shù)等);③深度學(xué)習(xí)方法。對(duì)高空間分辨率影像進(jìn)行目視解譯能夠獲得較高的識(shí)別精度，是目前國(guó)家部委業(yè)務(wù)部門對(duì)礦區(qū)特色地表類型業(yè)務(wù)化識(shí)別和產(chǎn)品生產(chǎn)的主要方法[22，26，31-32，42，47]。但是，該方法耗時(shí)、耗力、成本高。近年來(lái)，深度學(xué)習(xí)在礦區(qū)特色地表類型識(shí)別應(yīng)用中嶄露頭角，表現(xiàn)出強(qiáng)大的識(shí)別能力。但是基于深度學(xué)習(xí)的礦區(qū)特色地表要素遙感識(shí)別的研究較薄弱，相關(guān)研究主要集中在露天采場(chǎng)(開(kāi)采區(qū)域)和尾礦庫(kù)識(shí)別方面。主要包括:利用Sentinel-2衛(wèi)星影像和深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)CNN(Convolutional Neural Network)對(duì)采區(qū)和尾礦庫(kù)進(jìn)行識(shí)別[15-16];利用國(guó)產(chǎn)米級(jí)高分辨率影像和CNN進(jìn)行露天采場(chǎng)識(shí)別[27-30];利用高分辨率影像和CNN對(duì)尾礦庫(kù)開(kāi)展目標(biāo)檢測(cè)工作，主要是自動(dòng)識(shí)別和標(biāo)記尾礦庫(kù)位置，使用的算法主要有YOLO V4算法[43]和單次多框檢測(cè)器網(wǎng)絡(luò)算法(Single Shot Detector，SSD)[44-45]。本研究團(tuán)隊(duì)利用深度學(xué)習(xí)U-net網(wǎng)絡(luò)模型和GF-6數(shù)據(jù)實(shí)現(xiàn)了尾礦庫(kù)空間范圍的識(shí)別，精確率顯著高于最大似然法、隨機(jī)森林、支持向量機(jī)等傳統(tǒng)方法[46]?？傮w來(lái)說(shuō)，深度學(xué)習(xí)雖然在露天采場(chǎng)、尾礦庫(kù)遙感識(shí)別方面得到了應(yīng)用，但是在礦區(qū)特色地表要素遙感識(shí)別方面，還有進(jìn)一步提升的空間。

1.2 礦區(qū)植被要素定量遙感監(jiān)測(cè)

植被是礦區(qū)生態(tài)環(huán)境監(jiān)測(cè)研究中最受關(guān)注、研究最多的要素。當(dāng)前利用定量遙感手段監(jiān)測(cè)礦區(qū)植被要素的參數(shù)主要包括植被指數(shù)、植被覆蓋度、植被類型、植被葉綠素含量、重金屬含量、葉面積指數(shù)、植被凈初級(jí)生產(chǎn)力、植被生物量等。近年來(lái)，礦區(qū)植被要素定量遙感監(jiān)測(cè)研究總結(jié)如表2所示。

表2 礦區(qū)植被要素定量遙感監(jiān)測(cè)的主要研究Table 2 Major studies on quantitative remote sensing for monitoring vegetation in mining area

1.2.1 礦區(qū)植被指數(shù)遙感監(jiān)測(cè)

植被指數(shù)是將遙感不同波段進(jìn)行組合運(yùn)算得到的一類指標(biāo)，目前在礦區(qū)最為常用的是歸一化差值植被指數(shù)NDVI(Normalized Difference Vegetation Index)[107]。NDVI值的大小是目標(biāo)區(qū)域植被狀態(tài)的綜合反映，受到多種因素影響。對(duì)于遙感純凈植被像元而言，葉綠素含量、葉片結(jié)構(gòu)、植被水分、冠層結(jié)構(gòu)等因素均會(huì)影響NDVI值;對(duì)于混合像元而言，除了上述因素外，植被的覆蓋比例也是影響像元NDVI的重要因素。當(dāng)前對(duì)礦區(qū)植被NDVI指數(shù)的監(jiān)測(cè)研究主要可以分為兩類:①直接采用現(xiàn)有的遙感NDVI產(chǎn)品，例如MODISNDVI產(chǎn)品、AVHRR NDVI3g產(chǎn)品以及GEE提供的Landsat衛(wèi)星NDVI產(chǎn)品[62-65];但是，MODISNDVI產(chǎn)品和AVHRR NDVI3g產(chǎn)品的空間分辨率較低。②采用遙感影像數(shù)據(jù)直接進(jìn)行波段運(yùn)算，并對(duì)計(jì)算得到的NDVI結(jié)果根據(jù)應(yīng)用需要在一定時(shí)間范圍內(nèi)進(jìn)行最大值合成[66-73]。此外，一些其他的遙感植被指數(shù)也被用于礦區(qū)植被監(jiān)測(cè)[74]。

在應(yīng)用植被指數(shù)分析礦區(qū)生態(tài)環(huán)境方面，中國(guó)礦業(yè)大學(xué)(北京)李晶團(tuán)隊(duì)針對(duì)勝利礦區(qū)30 a來(lái)的時(shí)序NDVI指數(shù)建立了CV-max擾動(dòng)識(shí)別模型，證明了利用NDVI和裸煤光譜特征提取開(kāi)采擾動(dòng)信息的可行性[70];在陳巴爾虎旗綜合運(yùn)用多元線性回歸、空間相關(guān)關(guān)系、偏最小二乘回歸等方法分析了草原NDVI變化的驅(qū)動(dòng)因子，并討論了采礦活動(dòng)對(duì)草原植被變化的影響[108];在寶日希勒礦區(qū)利用NDVI提出了識(shí)別干旱半干旱區(qū)采煤擾動(dòng)的新方法[109]。中國(guó)礦業(yè)大學(xué)張紹良團(tuán)隊(duì)[68]利用NDVI證明了LandTrendr算法具備探測(cè)礦區(qū)地表植被擾動(dòng)與恢復(fù)動(dòng)態(tài)變化的能力。中國(guó)科學(xué)院生態(tài)環(huán)境研究中心付曉團(tuán)隊(duì)[110]利用RCG(Rate of Change in Greenness)和CV(Coefficient of Variation)分析了錫林浩特市2001—2013年NDVI的時(shí)空特性以及采礦活動(dòng)的影響。但是，NDVI等植被指數(shù)只是一個(gè)相對(duì)定量的遙感指標(biāo)，并不是一個(gè)絕對(duì)的物理量，沒(méi)有物理單位，而且取值大小受到很多因素的綜合影響，因此僅依靠植被指數(shù)可能無(wú)法準(zhǔn)確、客觀、詳細(xì)地反映礦區(qū)植被要素的狀態(tài)。

1.2.2 礦區(qū)植被覆蓋度遙感監(jiān)測(cè)

遙感反演的植被覆蓋度FVC(Fractional Vegetation Cover)被定義為每個(gè)像元中植被(包括葉、莖、枝等)在地面的垂直投影面積占像元總面積的比例[111]。FVC值大小直接反映了目標(biāo)區(qū)域內(nèi)植被面積的多少，是礦區(qū)生態(tài)環(huán)境監(jiān)測(cè)的關(guān)鍵指標(biāo)。

當(dāng)前在礦區(qū)植被覆蓋度遙感監(jiān)測(cè)研究中，使用最為廣泛的方法是像元二分模型[75-76]。該模型假定地面像元以植被和土壤兩種地物按照線性混合的方式存在，且像元的NDVI值僅受植被覆蓋度影響，即純凈土壤像元的NDVI值最低，純凈植被像元的NDVI值最高，像元的NDVI值與植被覆蓋度線性相關(guān)。在數(shù)據(jù)方面，以 Landsat系列數(shù)據(jù)為主，MODIS、GF系列、NDVI3g產(chǎn)品數(shù)據(jù)也有使用，因此反演的FVC空間分辨率由30 m至8 km不等。在此水平的空間分辨率條件下，礦區(qū)地表FVC較強(qiáng)的空間異質(zhì)性與像元二分模型簡(jiǎn)單的地面場(chǎng)景假設(shè)之間存在矛盾，因此更多的數(shù)據(jù)源和方法也在礦區(qū)FVC遙感反演中得到了應(yīng)用。例如，從數(shù)據(jù)源角度來(lái)說(shuō)，北京林業(yè)大學(xué)水土保持學(xué)院在礦區(qū)利用高分辨率無(wú)人機(jī)光學(xué)遙感圖像避免了混合像元的影響，直接識(shí)別植被像素，獲取了區(qū)域范圍內(nèi)的植被覆蓋情況[77-78]。從方法角度來(lái)說(shuō)，中國(guó)地質(zhì)大學(xué)(北京)白中科、周偉[79-80]在安太堡露天礦區(qū)分別建立了植被指數(shù)與植被覆蓋度的線性回歸模型，實(shí)現(xiàn)了植被覆蓋度反演;江西理工大學(xué)李恒凱團(tuán)隊(duì)[81]利用線性光譜解混的方法實(shí)現(xiàn)了嶺北稀土礦區(qū)植被覆蓋度的反演。在應(yīng)用植被覆蓋度分析礦區(qū)生態(tài)環(huán)境方面，中國(guó)礦業(yè)大學(xué)(北京)李晶團(tuán)隊(duì)[112-115]分別運(yùn)用一元線性回歸趨勢(shì)檢驗(yàn)(T檢驗(yàn)、F檢驗(yàn))和Sen+Mann-Kendall方法，在寶日希勒礦區(qū)、勝利礦區(qū)以及黃河流域礦區(qū)，對(duì)植被覆蓋度的時(shí)間變化趨勢(shì)和空間異質(zhì)特性進(jìn)行了分析，為科學(xué)認(rèn)識(shí)采礦活動(dòng)對(duì)植被覆蓋度的影響機(jī)理奠定了基礎(chǔ)。

1.2.3 礦區(qū)植被類型遙感監(jiān)測(cè)

礦區(qū)不同的土質(zhì)、水分、養(yǎng)分條件能夠生長(zhǎng)不同的植被類型，因此植被類型能夠在一定程度上反映礦區(qū)生態(tài)環(huán)境驅(qū)動(dòng)因素在空間上的差異性。當(dāng)前，礦區(qū)植被類型遙感監(jiān)測(cè)主要采用了兩類數(shù)據(jù)，即高空間分辨率影像數(shù)據(jù)和高光譜影像數(shù)據(jù)。對(duì)于高空間分辨率影像數(shù)據(jù)來(lái)說(shuō)，不同的植被類型具有不同的空間紋理特征，例如WorldView-2和WorldView-3的米級(jí)高分辨率數(shù)據(jù)被用于礦區(qū)植被類型識(shí)別[82-84]，達(dá)到了較高的識(shí)別精度;對(duì)高光譜影像數(shù)據(jù)來(lái)說(shuō)，不同植被類型的光譜反射率曲線存在差異，例如中國(guó)礦業(yè)大學(xué)雷少剛團(tuán)隊(duì)[85]利用機(jī)載高光譜數(shù)據(jù)實(shí)現(xiàn)了礦區(qū)植被類型識(shí)別，與地面實(shí)際信息的匹配度總體達(dá)到77.41%。從文獻(xiàn)調(diào)研來(lái)看，中等空間分辨率的多光譜影像(例如Landsat系列)對(duì)礦區(qū)植被類型的識(shí)別鮮有報(bào)道，可能是該類數(shù)據(jù)的空間分辨率和光譜分辨率無(wú)法有效滿足礦區(qū)植被類型識(shí)別的需求。

1.2.4 礦區(qū)植被葉綠素含量遙感監(jiān)測(cè)

目前，礦區(qū)植被葉綠素含量遙感監(jiān)測(cè)研究較薄弱，采用的遙感數(shù)據(jù)主要是地面光譜測(cè)量數(shù)據(jù)和無(wú)人機(jī)多光譜遙感數(shù)據(jù)。江西理工大學(xué)李恒凱團(tuán)隊(duì)[93-95]利用地面實(shí)測(cè)光譜數(shù)據(jù)對(duì)礦區(qū)復(fù)墾植被的葉綠素含量進(jìn)行了反演，取得了較高的精度。胡振琪、肖武團(tuán)隊(duì)[96]利用無(wú)人機(jī)多光譜遙感數(shù)據(jù)反演了高潛水位礦區(qū)沉陷地玉米葉綠素含量，精度達(dá)到83.4%。

1.2.5 礦區(qū)植被重金屬含量遙感監(jiān)測(cè)

現(xiàn)階段，植被重金屬含量遙感監(jiān)測(cè)還處在探索階段，吉林大學(xué)陳圣波團(tuán)隊(duì)、中國(guó)地質(zhì)大學(xué)(北京)劉湘南團(tuán)隊(duì)、中國(guó)礦業(yè)大學(xué)(北京)楊可明團(tuán)隊(duì)在機(jī)理和方法上均開(kāi)展了大量的探索和研究，為該方向的發(fā)展奠定了很好的研究基礎(chǔ)[116-118]。具體到礦區(qū)植被重金屬含量定量反演而言，主要還停留在使用地面光譜測(cè)量數(shù)據(jù)階段[87-91]，衛(wèi)星遙感定量反演有個(gè)別案例研究[92]，但是尚未完全展開(kāi)。近年來(lái)，本研究團(tuán)隊(duì)分析了重金屬銅脅迫下的植被光譜變化特征規(guī)律，發(fā)展了重金屬銅脅迫下的植被葉片光譜輻射傳輸模型[120]，針對(duì)窄波段光譜數(shù)據(jù)提出了銅脅迫植被指數(shù)CSVI(Copper-stressed Vegetation Index)[121]，并在江西德興銅礦的植被重金屬脅迫信息提取中實(shí)現(xiàn)了成功應(yīng)用[122]，但是基于星載遙感數(shù)據(jù)的植被重金屬含量反演尚未實(shí)現(xiàn)。

1.2.6 礦區(qū)植被葉面積指數(shù)遙感監(jiān)測(cè)

葉面積指數(shù)LAI(Leaf Area Index)[123]被廣泛定義為單位地表面積內(nèi)葉片或光合作用截獲面積總和的1/2。近年來(lái)，礦區(qū)植被葉面積指數(shù)遙感監(jiān)測(cè)研究較薄弱，代表性的成果有中國(guó)礦業(yè)大學(xué)雷少剛團(tuán)隊(duì)[97]利用無(wú)人機(jī)遙感數(shù)據(jù)，基于葉面積指數(shù)LAI與植被指數(shù)的相關(guān)關(guān)系實(shí)現(xiàn)了排土場(chǎng)邊坡植被LAI的反演。

1.2.7 礦區(qū)植被凈初級(jí)生產(chǎn)力遙感監(jiān)測(cè)

植被凈初級(jí)生產(chǎn)力(Net Primary Productivity，NPP)是指單位面積的綠色植被在單位時(shí)間內(nèi)所積累的有機(jī)物質(zhì)量(即植被除去自身呼吸所消耗有機(jī)物以后剩余的有機(jī)物質(zhì)量)[100]。礦區(qū)植被凈初級(jí)生產(chǎn)力能夠在一定程度上反映礦區(qū)的生態(tài)系統(tǒng)功能?，F(xiàn)有研究中，利用遙感手段監(jiān)測(cè)礦區(qū)植被凈初級(jí)生產(chǎn)力主要有兩種思路:①直接采用現(xiàn)有的植被凈初級(jí)生產(chǎn)力遙感產(chǎn)品，例如 MODIS的 NPP數(shù)據(jù)產(chǎn)品[98]和GLOPEM-CEVSA NPP數(shù)據(jù)產(chǎn)品[99]。但是現(xiàn)有的NPP遙感產(chǎn)品空間分辨率較低，例如MODIS的NPP產(chǎn)品為1 km空間分辨率，對(duì)于礦區(qū)應(yīng)用來(lái)說(shuō)需要進(jìn)行降尺度研究[98]。②利用高空間分辨率遙感影像和CASA模型對(duì)礦區(qū)植被NPP進(jìn)行反演。例如，東北大學(xué)劉善軍團(tuán)隊(duì)[100]利用GF-1衛(wèi)星影像建立了小尺度的CASA-NPP估算模型，對(duì)伊敏露天礦的植被NPP進(jìn)行了監(jiān)測(cè)，取得了良好效果。中國(guó)科學(xué)院生態(tài)環(huán)境研究中心付曉團(tuán)隊(duì)[124]在錫林浩特市利用普通最小二乘回歸和slope參數(shù)分析了MODIS的時(shí)序NPP產(chǎn)品數(shù)據(jù)，并從采礦活動(dòng)影響角度對(duì)結(jié)果進(jìn)行了解釋。譚琨團(tuán)隊(duì)[101]融合 GF-1、ZY-1 02C、ZY-03等衛(wèi)星影像對(duì)蔚縣礦區(qū)植被NPP進(jìn)行了時(shí)空變化分析，但多源高分辨率數(shù)據(jù)的融合增加了礦區(qū)監(jiān)測(cè)頻次。

1.2.8 礦區(qū)植被生物量遙感監(jiān)測(cè)

植被生物量是指單位面積內(nèi)植被有機(jī)物質(zhì)總量(干重)[102]。礦區(qū)地表植被生物量是反映采礦活動(dòng)對(duì)環(huán)境影響以及礦區(qū)生態(tài)修復(fù)質(zhì)量的重要參數(shù)。目前，礦區(qū)生態(tài)系統(tǒng)的植被生物量遙感監(jiān)測(cè)主要依賴經(jīng)驗(yàn)?zāi)Ｐ?，即通過(guò)觀測(cè)數(shù)據(jù)建立遙感特征參數(shù)與生物量的定量關(guān)系模型，具體建模方法可以分為線性回歸模型[102-104]與人工智能方法(如神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林等)[103，105-106]。例如，東北大學(xué)劉善軍、包妮沙團(tuán)隊(duì)[102，104]綜合利用 WorldView-3和 Sentinel-1影像基于回歸模型建立了礦區(qū)植被生物量高精度反演方法。胡振琪、肖武團(tuán)隊(duì)[106]采用無(wú)人機(jī)影像基于隨機(jī)森林算法實(shí)現(xiàn)了井工礦區(qū)地表生物量估算與分析。中國(guó)礦業(yè)大學(xué)張紹良團(tuán)隊(duì)[103]對(duì)上述兩類方法估算礦區(qū)植被生物量都進(jìn)行了研究，取得了較高的精度。

1.3 礦區(qū)土壤要素定量遙感監(jiān)測(cè)

礦區(qū)土壤要素定量遙感監(jiān)測(cè)的主要研究歸納如表3所示，主要研究?jī)?nèi)容為反演和監(jiān)測(cè)礦區(qū)土壤水分含量、土壤重金屬含量、土壤養(yǎng)分含量、土壤侵蝕量、土壤顆粒度、地表溫度等參數(shù)。事實(shí)上，地表溫度并不單指礦區(qū)土壤要素，為便于論述，本研究將其歸入土壤要素參數(shù)。

表3 礦區(qū)土壤要素定量遙感監(jiān)測(cè)的主要研究Table 3 Major studies on quantitative remote sensing for monitoring soil in mining area

續(xù)表

1.3.1 礦區(qū)土壤水分含量遙感監(jiān)測(cè)

土壤水分含量(又稱土壤濕度、土壤含水量)通常采用體積含水量或質(zhì)量含水量來(lái)表示。體積含水量是指單位體積的土壤中所含有的水分體積(單位m3/m3);質(zhì)量含水量是指單位質(zhì)量的土壤中所含有的水分質(zhì)量(單位g/g)。當(dāng)前在礦區(qū)生態(tài)環(huán)境領(lǐng)域，利用遙感手段反演和監(jiān)測(cè)土壤水分含量的方法可以分成3類:

(1)基于主動(dòng)微波遙感輻射傳輸機(jī)理的方法。該方法主要機(jī)理是主動(dòng)微波遙感觀測(cè)到的后向散射系數(shù)受到土壤介電常數(shù)影響，而土壤介電常數(shù)與土壤含水量高度相關(guān)，兩者存在模型關(guān)系。河南理工大學(xué)馬超團(tuán)隊(duì)[125]利用Sentinel-1、Radarsat-2等微波遙感數(shù)據(jù)實(shí)現(xiàn)了神東礦區(qū)2012年和2016年逐月頻次的土壤含水量反演。本研究團(tuán)隊(duì)[141]采用微波遙感土壤含水量降尺度方法實(shí)現(xiàn)了礦區(qū)長(zhǎng)時(shí)間序列的土壤含水量反演與變化分析。

(2)基于光學(xué)遙感和熱紅外遙感的統(tǒng)計(jì)回歸法。這類方法主要原理是在相同的植被覆蓋條件下土壤含水量與地表溫度之間存在相關(guān)關(guān)系。近年來(lái)，在礦區(qū)土壤水分含量遙感監(jiān)測(cè)中應(yīng)用最為廣泛的是溫度植被干旱指數(shù)TVDI(Temperature Vegetation Dryness Index)模型，該指數(shù)基于光學(xué)遙感數(shù)據(jù)得到的NDVI和熱紅外遙感數(shù)據(jù)得到的地表溫度而構(gòu)建，與土壤含水量高度相關(guān)[175]。在礦區(qū)，少數(shù)研究利用TVDI反演了礦區(qū)土壤水分含量，并給出了精度評(píng)價(jià)[128];多數(shù)研究直接采用TVDI數(shù)值進(jìn)行相對(duì)的時(shí)空分析，但未進(jìn)一步計(jì)算土壤水分含量[127，129-131]。近年來(lái)，吳立新團(tuán)隊(duì)的劉英等[134-135]基于土壤濕度監(jiān)測(cè)指數(shù)(Soil Moisture Monitoring Index，SMMI)構(gòu)建了尺度化土壤濕度監(jiān)測(cè)指數(shù)S-SMMI(Scaled SMMI)，在神東礦區(qū)土壤濕度遙感監(jiān)測(cè)中取得了很好的應(yīng)用效果。此外，山東科技大學(xué)王萍團(tuán)隊(duì)[132]基于植被調(diào)整垂直干旱指數(shù)VAPDI(Vegetation Adjusted Perpendicular Vegetation Index)對(duì)會(huì)寶嶺鐵礦區(qū)和鳳凰山鐵礦區(qū)進(jìn)行了土壤濕度監(jiān)測(cè)。

(3)基于光學(xué)遙感數(shù)據(jù)和機(jī)器學(xué)習(xí)的方法。ARANCIBIA等[140]利用Sentinel-2光學(xué)遙感數(shù)據(jù)和人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)、支持向量機(jī)(Support Vector Machine，SVM)、隨機(jī)森林(Random Forest，RF)對(duì)增厚的尾礦壩土壤濕度劃分了等級(jí)，但未計(jì)算土壤水分含量。

1.3.2 礦區(qū)土壤重金屬含量遙感監(jiān)測(cè)

礦區(qū)土壤重金屬含量的定量遙感監(jiān)測(cè)主要采用3類數(shù)據(jù)，即地面光譜測(cè)量數(shù)據(jù)、機(jī)載高光譜遙感影像數(shù)據(jù)、星載遙感影像數(shù)據(jù)。地面光譜測(cè)量數(shù)據(jù)是當(dāng)前最常用的數(shù)據(jù)，其優(yōu)勢(shì)在于較高的光譜分辨率和反射率測(cè)量精度[142-151]。其次是機(jī)載高光譜影像數(shù)據(jù)，盡管光譜分辨率和反射率精度不及地面光譜測(cè)量數(shù)據(jù)，但是仍然能夠滿足礦區(qū)土壤重金屬含量的反演要求[142，152-153，176]。相比之下，星載遙感影像數(shù)據(jù)對(duì)礦區(qū)土壤重金屬含量定量反演較為困難，但是仍有一些探索性研究成果問(wèn)世[8，144，154]。

從方法角度來(lái)看，無(wú)論是星機(jī)地何種平臺(tái)的遙感數(shù)據(jù)，主要反演步驟可以分為兩大部分:①?gòu)姆瓷渎使庾V曲線中提取對(duì)所反演的某種重金屬含量敏感的光譜特征，現(xiàn)有研究中常用的方法有一階微分法、主成分分析法等;②將提取的敏感光譜特征與重金屬含量建立定量模型關(guān)系，現(xiàn)有研究中常用的方法有偏最小二乘法、多元線性回歸、神經(jīng)網(wǎng)絡(luò)等[145，177-178]。

長(zhǎng)安大學(xué)韓玲團(tuán)隊(duì)[177]于2019年對(duì)礦區(qū)土壤重金屬污染遙感反演研究進(jìn)行了綜述，對(duì)當(dāng)前的技術(shù)方法進(jìn)行了很好地總結(jié)，并展望了今后的研究趨勢(shì)，具有很好的參考借鑒價(jià)值，本研究對(duì)此不再贅述。值得注意的是，對(duì)比礦區(qū)植被重金屬含量遙感監(jiān)測(cè)(前文1.2.5節(jié))與礦區(qū)土壤重金屬含量遙感監(jiān)測(cè)(本節(jié))的文獻(xiàn)調(diào)研結(jié)果，可以發(fā)現(xiàn)植被重金屬含量遙感監(jiān)測(cè)難度更大，其原因可能在于重金屬的存在可以直接改變土壤光譜，而對(duì)植被而言可能是通過(guò)改變?nèi)~綠素含量、水分含量、葉片結(jié)構(gòu)而間接改變植被光譜，礦區(qū)重金屬對(duì)土壤和植被光譜的影響機(jī)理尚未被有效厘清。

1.3.3 礦區(qū)土壤養(yǎng)分含量遙感監(jiān)測(cè)

礦區(qū)土壤養(yǎng)分含量遙感監(jiān)測(cè)對(duì)象可以細(xì)分為礦區(qū)土壤有機(jī)質(zhì)含量、土壤全氮含量、土壤速效磷含量、土壤有效鉀含量。從數(shù)據(jù)源來(lái)看，主要是地面光譜測(cè)量數(shù)據(jù)[155-157]、星載多光譜和高光譜遙感數(shù)據(jù)[158-162]。從方法上來(lái)說(shuō)與土壤重金屬含量反演相似，主要是由提取光譜特征和構(gòu)建定量模型兩個(gè)步驟組成。值得注意的是，吉林大學(xué)陳圣波團(tuán)隊(duì)[162]利用星載Hyperion高光譜影像數(shù)據(jù)在較為復(fù)雜的礦區(qū)場(chǎng)景下實(shí)現(xiàn)了江西德興銅礦土壤有機(jī)質(zhì)含量的反演，取得了良好的效果。新疆大學(xué)夏楠等[158]利用Landsat 8多光譜遙感影像在荒漠礦區(qū)實(shí)現(xiàn)了土壤有機(jī)質(zhì)反演，荒漠礦區(qū)地表均一性強(qiáng)，相對(duì)于江西德興銅礦而言場(chǎng)景較為簡(jiǎn)單，因此通過(guò)多光譜遙感可以實(shí)現(xiàn)土壤有機(jī)質(zhì)反演。

1.3.4 礦區(qū)土壤侵蝕量遙感監(jiān)測(cè)

土壤侵蝕量一般指一定時(shí)間內(nèi)的土壤流失量，是礦區(qū)生態(tài)環(huán)境的關(guān)鍵指標(biāo)。在礦區(qū)土壤侵蝕量遙感監(jiān)測(cè)研究中，描述土壤侵蝕量的參數(shù)并不統(tǒng)一，例如土壤侵蝕強(qiáng)度、土壤侵蝕模數(shù)等。目前代表性成果有:中國(guó)礦業(yè)大學(xué)卞正富、雷少剛團(tuán)隊(duì)[97]利用無(wú)人機(jī)影像實(shí)現(xiàn)了勝利礦區(qū)土壤侵蝕的定量遙感提取;國(guó)家能源集團(tuán)和中國(guó)礦業(yè)大學(xué)(北京)相關(guān)學(xué)者參照《全國(guó)土壤侵蝕遙感調(diào)查技術(shù)規(guī)程》對(duì)神華呼倫貝爾礦區(qū)土壤侵蝕強(qiáng)度進(jìn)行了變化分析[163];此外，也有學(xué)者采用土壤侵蝕模數(shù)(即每年每公頃的土壤流失量)對(duì)礦區(qū)土壤侵蝕進(jìn)行了監(jiān)測(cè)[164-165]。

1.3.5 礦區(qū)土壤顆粒度遙感監(jiān)測(cè)

目前，礦區(qū)土壤顆粒度遙感監(jiān)測(cè)方面的研究尚處在起步探索階段。東北大學(xué)劉善軍、包妮沙團(tuán)隊(duì)[166]利用地面實(shí)測(cè)熱紅外光譜數(shù)據(jù)對(duì)呼倫貝爾礦區(qū)復(fù)墾區(qū)域的土壤顆粒度(particle-size)建立了定量預(yù)測(cè)模型，預(yù)測(cè)精度較理想，為礦區(qū)土壤顆粒度遙感監(jiān)測(cè)奠定了基礎(chǔ)，對(duì)后續(xù)研究有較好的參考價(jià)值。

1.3.6 礦區(qū)地表溫度遙感監(jiān)測(cè)

地表溫度是表征地表過(guò)程變化的重要特征物理量，綜合反映了土壤—植被—大氣系統(tǒng)的能量流動(dòng)與物質(zhì)交換結(jié)果，是研究地表生態(tài)環(huán)境的關(guān)鍵參數(shù)，被國(guó)際地圈生物圈計(jì)劃(International Geosphere-Biosphere Programme，IGBP)列為“優(yōu)先測(cè)定的參數(shù)”之一，而熱紅外遙感是高時(shí)效準(zhǔn)確獲取區(qū)域或全球尺度地表溫度的唯一手段[179]。中國(guó)礦業(yè)大學(xué)卞正富、雷少剛團(tuán)隊(duì)[167]利用MODIS地表溫度產(chǎn)品數(shù)據(jù)對(duì)神東礦區(qū)地表溫度突變進(jìn)行了監(jiān)測(cè)和影響分析。江西理工大學(xué)李恒凱團(tuán)隊(duì)[168-169]針對(duì)礦區(qū)場(chǎng)景對(duì)比分析了單窗算法、單通道算法、Artis算法、輻射傳輸方程法等熱紅外遙感反演地表溫度的主流方法，并根據(jù)試驗(yàn)結(jié)果推薦單窗算法作為稀土礦區(qū)地表溫度反演方法。此外，近年來(lái)一些學(xué)者利用Landsat系列數(shù)據(jù)和輻射傳輸方程法，以及降尺度等手段對(duì)礦區(qū)地表溫度開(kāi)展了監(jiān)測(cè)分析[171-174]，取得了良好效果。

1.4 礦區(qū)水體要素定量遙感監(jiān)測(cè)

礦區(qū)生態(tài)環(huán)境監(jiān)測(cè)中的水體要素可以分為兩類，一是礦區(qū)的地表水體，二是礦區(qū)的地下水體。對(duì)于地表水體而言，又可分為兩種，一種是礦區(qū)開(kāi)采前就已經(jīng)存在的地表水體，另一種是礦產(chǎn)資源開(kāi)采造成的地表水體，即采礦過(guò)程中直接排出的水資源形成的地表水體或者是開(kāi)采過(guò)程中地表沉陷造成的地表積水。礦區(qū)水體要素定量遙感監(jiān)測(cè)研究總結(jié)如表4所示。

表4 礦區(qū)水體要素定量遙感監(jiān)測(cè)的主要研究Table 4 Major studies on quantitative remote sensing for monitoring water in mining area

1.4.1 礦區(qū)地表水體定量遙感監(jiān)測(cè)

在礦區(qū)地表水體要素定量遙感監(jiān)測(cè)方面，當(dāng)前研究最多的是利用遙感手段對(duì)礦區(qū)地表水體進(jìn)行識(shí)別與面積監(jiān)測(cè)。

在礦區(qū)地表水體識(shí)別中，應(yīng)用最為廣泛的方法是水體指數(shù)法。先計(jì)算NDWI(Normalized Difference Water Index)[180，182]、MNDWI(Modified NDWI)[181，184]、NCIWI(New Combined Index of NDVI and NIR for Water body Identification)[183]、AWEInsh(Automated Water Extraction Index)[183]、E-MNDWI(Enhanced MNDWI)[185]等水體指數(shù)，通過(guò)設(shè)置水體指數(shù)的閾值實(shí)現(xiàn)礦區(qū)地表水體像元的識(shí)別與提取。在水體指數(shù)方法中，人為設(shè)置水體指數(shù)的閾值是影響水體識(shí)別精度的關(guān)鍵因素。

近年來(lái)也有一些其他方法用于礦區(qū)地表水體識(shí)別。安徽理工大學(xué)王月等[186]利用神經(jīng)網(wǎng)絡(luò)方法在15 a的時(shí)間尺度上對(duì)淮南礦區(qū)沉陷區(qū)積水進(jìn)行了遙感監(jiān)測(cè)。劉虎等[187]利用支持向量機(jī)實(shí)現(xiàn)了30多年來(lái)礦區(qū)水體面積逐年的變化分析，時(shí)間跨度大、頻次高，為南四湖生態(tài)環(huán)境保護(hù)提供了重要的科學(xué)依據(jù)。此外需要特別注意的是，在礦區(qū)水體遙感識(shí)別中，將沉陷引發(fā)的積水與其他水體進(jìn)行區(qū)分的問(wèn)題得到了進(jìn)一步解決。MILLAN等[188]采用星載遙感數(shù)據(jù)目視解譯和機(jī)載高光譜遙感數(shù)據(jù)光譜角分類相結(jié)合的方法實(shí)現(xiàn)了對(duì)采礦活動(dòng)引發(fā)沉陷積水的監(jiān)測(cè)。肖武團(tuán)隊(duì)[189-190]充分發(fā)揮GEE云計(jì)算平臺(tái)的優(yōu)勢(shì)，提出了基于AWFI(Annual Water Frequency Index)軌跡的沉陷積水識(shí)別方法。

除了礦區(qū)地表水體識(shí)別與面積監(jiān)測(cè)以外，近年來(lái)一些學(xué)者也對(duì)礦區(qū)地表水體的煤粉濃度[191]、熱異常[192]、沉陷區(qū)積水水深[193]、水污染等級(jí)[194-195]、水質(zhì)參數(shù)[196-197]、礦井水酸性[198]等其他屬性參數(shù)開(kāi)展了探索性研究，推動(dòng)了礦區(qū)水體定量遙感監(jiān)測(cè)技術(shù)的進(jìn)步。尤其是，東北大學(xué)劉善軍團(tuán)隊(duì)[191]利用實(shí)驗(yàn)室實(shí)測(cè)光譜對(duì)水體中的煤粉濃度建立了反演模型，為后續(xù)利用遙感影像反演礦區(qū)水體煤粉濃度奠定了基礎(chǔ)。中國(guó)礦業(yè)大學(xué)吳侃團(tuán)隊(duì)[193]基于Landsat 5衛(wèi)星數(shù)據(jù)實(shí)現(xiàn)了礦區(qū)積水區(qū)水深反演，取得了較高精度，證明了多光譜遙感影像監(jiān)測(cè)礦區(qū)積水深度的可行性。值得關(guān)注的是，2019年國(guó)際頂級(jí)期刊——《美國(guó)科學(xué)院院報(bào)》(Proceedings of the National Academy of Sciences of the United States of America，PNAS)介紹了金礦開(kāi)采對(duì)熱帶雨林河流懸沙的影響，并采用長(zhǎng)時(shí)序(34 a)的Landsat系列數(shù)據(jù)反演了河流水體懸沙濃度[197]。

1.4.2 礦區(qū)地下水定量遙感監(jiān)測(cè)

礦產(chǎn)資源開(kāi)采對(duì)礦區(qū)地下水可能存在擾動(dòng)影響。雖然大多遙感技術(shù)主要是對(duì)礦區(qū)地表生態(tài)環(huán)境進(jìn)行監(jiān)測(cè)，但是仍有少量礦區(qū)地下水方面的研究采用了遙感手段。中國(guó)礦業(yè)大學(xué)(北京)蔣金豹團(tuán)隊(duì)[199]利用GRACE(Gravity Recovery and Climate Experiment)重力衛(wèi)星數(shù)據(jù)對(duì)鄂爾多斯、山西以及陜西北部地區(qū)的高強(qiáng)度煤炭開(kāi)采條件下的地下水儲(chǔ)量變化進(jìn)行了驅(qū)動(dòng)分析。中國(guó)礦業(yè)大學(xué)李文平團(tuán)隊(duì)[200]對(duì)植被遙感數(shù)據(jù)與地下水埋深數(shù)據(jù)進(jìn)行了定量分析。ADIAT等[201]基于衛(wèi)星遙感等多源數(shù)據(jù)，利用邏輯回歸法對(duì)尼日利亞Ilesa金礦的地下水理化參數(shù)進(jìn)行了預(yù)測(cè)分析。

1.5 礦區(qū)大氣環(huán)境定量遙感監(jiān)測(cè)

礦區(qū)大氣要素定量遙感監(jiān)測(cè)的主要研究歸納內(nèi)容如表5所示。由表5可知:礦區(qū)大氣要素定量遙感監(jiān)測(cè)要素相對(duì)于礦區(qū)其他生態(tài)環(huán)境要素來(lái)說(shuō)較少，主要是反演和監(jiān)測(cè)礦區(qū)大氣的氣溶膠光學(xué)厚度AOD(Aerosol Optical Depth，AOD)、PM2.5 與 PM10、粉塵。

表5 礦區(qū)大氣環(huán)境定量遙感監(jiān)測(cè)的主要研究Table 5 Major studies on quantitative remote sensing for monitoring atmospheric environment in mining areas

1.5.1 礦區(qū)大氣AOD與PM2.5、PM10定量遙感監(jiān)測(cè)

大氣中懸浮的固液態(tài)細(xì)小顆粒物所形成的膠體分散系統(tǒng)統(tǒng)稱為氣溶膠，其顆粒物直徑為0.001～100 μm[202-203]。氣溶膠光學(xué)厚度AOD是指垂直方向輻射傳輸路徑上氣溶膠消光系數(shù)的積分[203]。煤炭等礦產(chǎn)資源在開(kāi)采和加工過(guò)程中，能夠產(chǎn)生顆粒物，對(duì)大氣環(huán)境造成一定的影響[205]。礦區(qū)氣溶膠光學(xué)厚度AOD能夠反映礦區(qū)大氣環(huán)境污染情況，是監(jiān)測(cè)礦區(qū)大氣環(huán)境質(zhì)量的重要指標(biāo)之一。當(dāng)前，在礦區(qū)大氣AOD反演與監(jiān)測(cè)方面，主要有兩種思路:

(1)直接采用現(xiàn)有的大氣氣溶膠數(shù)據(jù)產(chǎn)品。郭華東院士團(tuán)隊(duì)和中國(guó)地質(zhì)大學(xué)(北京)周偉團(tuán)隊(duì)分別采用MODIS的MOD04_L2產(chǎn)品和MCD19A2產(chǎn)品對(duì)礦區(qū)的大氣AOD進(jìn)行了時(shí)空分析[202-203]。

(2)利用多光譜遙感數(shù)據(jù)對(duì)礦區(qū)大氣AOD進(jìn)行自行反演。安徽大學(xué)吳艷蘭團(tuán)隊(duì)[205]利用GF-1衛(wèi)星數(shù)據(jù)對(duì)礦區(qū)大氣AOD進(jìn)行了反演，主要方法為暗目標(biāo)法和深藍(lán)算法?；贛ODIS的AOD產(chǎn)品數(shù)據(jù)，新疆大學(xué)郭婉臻等[204]反演了準(zhǔn)東礦區(qū)的PM2.5和PM10，并進(jìn)行了時(shí)空分析。

直接采用大氣氣溶膠數(shù)據(jù)產(chǎn)品的優(yōu)勢(shì)在于數(shù)據(jù)充足，可以進(jìn)行長(zhǎng)時(shí)序、高頻次的礦區(qū)大氣AOD、PM2.5、PM10的時(shí)空分析，但是現(xiàn)有數(shù)據(jù)產(chǎn)品的空間分辨率較低(1～10 km)。自行反演的思路可以達(dá)到較高的空間分辨率，但是受到數(shù)據(jù)源限制，在長(zhǎng)時(shí)序、高頻次監(jiān)測(cè)方面存在不足。

1.5.2 礦區(qū)粉塵遙感監(jiān)測(cè)

與礦區(qū)大氣AOD監(jiān)測(cè)不同，礦區(qū)粉塵監(jiān)測(cè)是從另一個(gè)角度反映礦產(chǎn)資源開(kāi)采加工過(guò)程中產(chǎn)生的顆粒物對(duì)環(huán)境的污染。中國(guó)礦業(yè)大學(xué)雷少剛團(tuán)隊(duì)[211]在煤礦粉塵環(huán)境監(jiān)測(cè)方面開(kāi)展了深入研究，分析了煤礦粉塵的來(lái)源，介紹了實(shí)地測(cè)量、數(shù)值模擬、高光譜遙感監(jiān)測(cè)等方法，揭示了粉塵運(yùn)移規(guī)律，為礦區(qū)粉塵環(huán)境研究提供了參考。僅從遙感角度來(lái)看，當(dāng)前利用遙感手段對(duì)礦區(qū)粉塵進(jìn)行監(jiān)測(cè)大致有2種思路:

(1)通過(guò)多光譜或高光譜遙感監(jiān)測(cè)植被光譜變化實(shí)現(xiàn)對(duì)粉塵的間接監(jiān)測(cè)。礦區(qū)植被受到粉塵污染脅迫后，其生理特性變化會(huì)導(dǎo)致光譜特征變化[211]。在此原理的基礎(chǔ)上，東北大學(xué)馬保東等[208-209]基于Landsat衛(wèi)星數(shù)據(jù)，利用反射率特征以及NDVI等植被指數(shù)對(duì)河北露天礦區(qū)粉塵進(jìn)行了監(jiān)測(cè)，取得了較好效果。KAYET等[210]基于 Hyperion高光譜數(shù)據(jù)和Landsat數(shù)據(jù)，利用NDVI等植被指數(shù)對(duì)露天鐵礦粉塵進(jìn)行了監(jiān)測(cè)。GORAZD等[207]基于HyMap機(jī)載高光譜遙感數(shù)據(jù)，利用植被紅邊位置REP(Red Edge Position)和expSIPI(exponential transformation of the Structure Insensitive Pigment Index)指數(shù)對(duì)礦區(qū)粉塵影響進(jìn)行了監(jiān)測(cè)。

(2)通過(guò)混合像元分解方法對(duì)揚(yáng)塵風(fēng)積物進(jìn)行直接監(jiān)測(cè)。中國(guó)地質(zhì)大學(xué)(武漢)張志團(tuán)隊(duì)[206]假定地物光譜是由“揚(yáng)塵風(fēng)積物—植被—陰影和水體”混合而成，采用線性混合像元分解方法對(duì)礦區(qū)粉塵進(jìn)行了監(jiān)測(cè)。從文獻(xiàn)調(diào)研結(jié)果來(lái)看，無(wú)論是光譜變化特征還是光譜混合模型，都存在多解性問(wèn)題，當(dāng)前礦區(qū)粉塵的遙感監(jiān)測(cè)尚處在起步探索階段。

1.6 礦區(qū)生態(tài)系統(tǒng)參數(shù)遙感監(jiān)測(cè)

礦區(qū)生態(tài)系統(tǒng)參數(shù)是包括植被、土壤、水體、大氣等多個(gè)要素在內(nèi)的生態(tài)系統(tǒng)狀態(tài)或功能的綜合體現(xiàn)[212]，目前對(duì)礦區(qū)生態(tài)系統(tǒng)參數(shù)遙感監(jiān)測(cè)的研究主要關(guān)注生態(tài)系統(tǒng)固碳功能量、生態(tài)系統(tǒng)服務(wù)價(jià)值、遙感生態(tài)指數(shù)(Remote Sensing Ecology Index，RSEI)、景觀指數(shù)等。礦區(qū)生態(tài)系統(tǒng)參數(shù)定量遙感監(jiān)測(cè)研究?jī)?nèi)容如表6所示。

表6 礦區(qū)生態(tài)系統(tǒng)參數(shù)定量遙感監(jiān)測(cè)的主要研究Table 6 Major studies on quantitative remote sensing for monitoring ecosystem parameters in mining areas

1.6.1 礦區(qū)生態(tài)系統(tǒng)固碳功能量遙感監(jiān)測(cè)

固碳功能量是指單位時(shí)間單位面積上生態(tài)系統(tǒng)凈吸收二氧化碳的量，是生態(tài)系統(tǒng)最具環(huán)境效益的功能之一。在“碳中和”“碳達(dá)峰”的政策背景下，開(kāi)展礦區(qū)生態(tài)系統(tǒng)固碳功能量監(jiān)測(cè)對(duì)礦區(qū)的碳源碳匯量化研究具有重要意義[235]。當(dāng)前，針對(duì)礦區(qū)生態(tài)系統(tǒng)固碳量的研究主要是分別計(jì)算植被碳匯量和土壤碳匯量。對(duì)于植被碳匯量的計(jì)算，一些研究采用CASA模型先計(jì)算NPP再換算為碳匯量[213]，也可以直接采用碳密度法[213-215]進(jìn)行計(jì)算。土壤碳匯量一般采用碳密度法[213-215]進(jìn)行計(jì)算。此外，也有學(xué)者[216]綜合機(jī)載LiDAR數(shù)據(jù)、Planet Dove影像、Sentinel-1 SAR等多源數(shù)據(jù)，利用深度學(xué)習(xí)技術(shù)對(duì)礦區(qū)地表二氧化碳排放也開(kāi)展了探索性研究。

1.6.2 礦區(qū)生態(tài)系統(tǒng)服務(wù)價(jià)值遙感監(jiān)測(cè)

生態(tài)系統(tǒng)具有生產(chǎn)有機(jī)質(zhì)、固碳釋氧、物質(zhì)循環(huán)、涵養(yǎng)水源等多種服務(wù)功能，為了對(duì)多種服務(wù)功能進(jìn)行統(tǒng)一量化和對(duì)比分析，需要將各類服務(wù)功能折算為資產(chǎn)價(jià)值。礦區(qū)生態(tài)系統(tǒng)價(jià)值是對(duì)礦區(qū)生態(tài)環(huán)境的服務(wù)功能較為全面的定量評(píng)估結(jié)果，能夠綜合反映生態(tài)系統(tǒng)服務(wù)功能的狀態(tài)。肖武團(tuán)隊(duì)[217-218]采用生態(tài)系統(tǒng)生產(chǎn)總值(Gross Ecosystem Product，GEP)核算的基本思路對(duì)神東礦區(qū)、神府礦區(qū)的生態(tài)系統(tǒng)服務(wù)價(jià)值進(jìn)行了計(jì)算，揭示了礦區(qū)生態(tài)系統(tǒng)服務(wù)價(jià)值的時(shí)空變化規(guī)律。此外，Costanza方法是目前在礦區(qū)生態(tài)系統(tǒng)價(jià)值計(jì)算中應(yīng)用較多的方法之一，該方法與GEP核算的思路基本相似，近年來(lái)有多個(gè)團(tuán)隊(duì)采用該方法對(duì)礦區(qū)生態(tài)系統(tǒng)價(jià)值進(jìn)行了計(jì)算和分析，對(duì)礦區(qū)生態(tài)系統(tǒng)價(jià)值變化取得了一定的新認(rèn)識(shí)[219-222]。

1.6.3 礦區(qū)遙感生態(tài)指數(shù)(RSEI)

自福建大學(xué)徐涵秋[236]提出遙感生態(tài)指數(shù)RSEI以來(lái)，該指數(shù)在礦區(qū)生態(tài)環(huán)境質(zhì)量監(jiān)測(cè)中得到了較為廣泛應(yīng)用。一部分研究在礦區(qū)直接計(jì)算RSEI，并進(jìn)行礦區(qū)RSEI值的時(shí)空變化分析，從而監(jiān)測(cè)礦區(qū)生態(tài)環(huán)境質(zhì)量的變化[187，224-227]，驗(yàn)證了RSEI在礦區(qū)生態(tài)環(huán)境監(jiān)測(cè)中的可行性。中國(guó)地質(zhì)大學(xué)(武漢)陳濤團(tuán)隊(duì)[222-223]考慮礦區(qū)生態(tài)環(huán)境的區(qū)域性差異，對(duì)RSEI進(jìn)行了改進(jìn)，提出了移動(dòng)窗口遙感生態(tài)指數(shù)(Moving Window-based RSEI，MWRSEI)，結(jié)果表明，改進(jìn)的指數(shù)能夠獲取更多的礦區(qū)周邊生態(tài)環(huán)境漸變信息。胡振琪、李晶團(tuán)隊(duì)[237]利用長(zhǎng)時(shí)序遙感得到的RSEI對(duì)采煤生態(tài)累積效應(yīng)進(jìn)行了定量分析。

1.6.4 礦區(qū)景觀指數(shù)遙感監(jiān)測(cè)

景觀格局指各景觀組成單元的類型、數(shù)目及空間分布與配置情況，景觀指數(shù)是指能夠高度濃縮景觀格局信息并反映景觀格局的組成結(jié)構(gòu)、空間配置等特征的定量指標(biāo)[228-229]?；谶b感數(shù)據(jù)計(jì)算礦區(qū)的景觀指數(shù)，進(jìn)而分析礦區(qū)景觀格局的時(shí)空變化受到了廣泛關(guān)注。景觀指數(shù)有多種，能夠從不同的角度量化景觀格局。當(dāng)前在礦區(qū)生態(tài)環(huán)境研究中使用的景觀指數(shù)有近30種，如表6所示。絕大多數(shù)研究均采用了Landsat系列影像數(shù)據(jù):康薩如拉等[230]基于Landsat5數(shù)據(jù)計(jì)算了黑岱溝露天煤礦1987年以來(lái)的景觀指數(shù)，分析了采礦導(dǎo)致的景觀格局動(dòng)態(tài)變化。劉軒等[231]基于Landsat 7/8數(shù)據(jù)計(jì)算了陽(yáng)泉一礦2000年和2004年的景觀指數(shù)，并分析了其景觀綜合穩(wěn)定性。張艷等[232]基于 Landsat 5數(shù)據(jù)計(jì)算了兗州煤田1987—2014年的景觀指數(shù)，并對(duì)其景觀格局的變化趨勢(shì)進(jìn)行了分析。李保杰等[233]以Landsat系列為數(shù)據(jù)源，確定了賈汪礦區(qū)景觀指數(shù)的最佳分析粒度為60 m。李恒凱等[81]基于Landsat 5/7/8數(shù)據(jù)對(duì)嶺北稀土礦區(qū)進(jìn)行了景觀指數(shù)計(jì)算和景觀格局分析。常小燕等[228]基于Landsat 5/8數(shù)據(jù)對(duì)微山縣采煤塌陷區(qū)的19個(gè)景觀指數(shù)進(jìn)行了計(jì)算，分析了其景觀格局的尺度效應(yīng)及變化特征。中國(guó)礦業(yè)大學(xué)雷少剛團(tuán)隊(duì)[229]基于Landsat 5/8數(shù)據(jù)計(jì)算了錫林浩特市勝利礦區(qū)的景觀指數(shù)，分析了其景觀格局的演變。個(gè)別研究采用了高分辨率光學(xué)遙感數(shù)據(jù)，例如梅昭容等[234]基于CBERS-02B、ZY-3、GF-2等高分辨率數(shù)據(jù)計(jì)算了昆明某露天礦區(qū)的景觀指數(shù)，結(jié)合移動(dòng)窗口法分析了采礦背景下的區(qū)域景觀格局時(shí)空演變模式。

2 礦區(qū)生態(tài)環(huán)境定量遙感監(jiān)測(cè)研究不足與展望

通過(guò)上述文獻(xiàn)歸納與分析可以發(fā)現(xiàn)，近年來(lái)礦區(qū)生態(tài)環(huán)境定量遙感監(jiān)測(cè)取得了長(zhǎng)足的進(jìn)步:國(guó)產(chǎn)GF-6、珠海一號(hào)衛(wèi)星、無(wú)人機(jī)遙感數(shù)據(jù)等新興遙感數(shù)據(jù)得到了較為廣泛的應(yīng)用，提升了監(jiān)測(cè)的時(shí)空分辨率;礦區(qū)地表要素識(shí)別以及生態(tài)環(huán)境要素參數(shù)的反演方法和監(jiān)測(cè)技術(shù)得到了優(yōu)化改進(jìn)，提升了識(shí)別和反演的精度;一些定量遙感反演和監(jiān)測(cè)難度較高的參數(shù)得到了有益的探索;深度學(xué)習(xí)和遙感云計(jì)算平臺(tái)(GEE)在礦區(qū)應(yīng)用中嶄露頭角。但是，在取得這些成果的同時(shí)，也需認(rèn)識(shí)到礦區(qū)生態(tài)環(huán)境定量遙感監(jiān)測(cè)領(lǐng)域仍有較大的發(fā)展和提升空間。

2.1 現(xiàn)有研究存在的不足

2.1.1 礦區(qū)地表要素遙感識(shí)別的自動(dòng)化和智能化程度較低

近年來(lái)，盡管在礦區(qū)地表要素類型遙感識(shí)別與分類方面涌現(xiàn)出不少成果，但是相較于遙感在其他行業(yè)場(chǎng)景中的應(yīng)用來(lái)說(shuō)，在礦區(qū)場(chǎng)景應(yīng)用的自動(dòng)化與智能化程度較低。具體表現(xiàn)在以下3個(gè)方面:

(1)深度學(xué)習(xí)在礦區(qū)地表要素遙感識(shí)別中未完全展開(kāi)應(yīng)用。當(dāng)前針對(duì)礦區(qū)地表要素類型遙感識(shí)別與分類基本停留在目視解譯和常規(guī)的自動(dòng)化解譯算法階段(如支持向量機(jī)、隨機(jī)森林等)，識(shí)別精度不高、模型泛化能力差。以深度學(xué)習(xí)為代表的前沿智能識(shí)別技術(shù)在礦區(qū)地表要素類型識(shí)別中仍然處于起步階段，這些少量的研究只涉及個(gè)別地表要素類型，很多特色地表要素類型如煤堆、矸石堆、排土場(chǎng)、復(fù)墾區(qū)等，鮮見(jiàn)深度學(xué)習(xí)識(shí)別的應(yīng)用研究成果報(bào)道。

(2)缺乏不同遙感影像分辨率條件下的礦區(qū)地表要素分類體系標(biāo)準(zhǔn)。遙感影像的空間分辨率不同，其對(duì)礦區(qū)地表要素的區(qū)分能力也不相同;對(duì)于相同分辨率的遙感影像而言，礦區(qū)地表要素的可分性應(yīng)該相似。但是在當(dāng)前礦區(qū)地表要素類型遙感識(shí)別與分類的研究中，在相同空間分辨率的遙感影像數(shù)據(jù)條件下，其識(shí)別與分類的類別體系各不相同。此外，相同內(nèi)涵的地表要素在不同文獻(xiàn)研究中名稱不同，例如:露天采場(chǎng)與露天開(kāi)采區(qū);或者相同名稱的地表要素在不同文獻(xiàn)研究中具有不同的內(nèi)涵，例如:開(kāi)采區(qū)域(Mining Area)在不同文獻(xiàn)中的定義有所區(qū)別。綜上，在礦區(qū)遙感領(lǐng)域，礦區(qū)地表要素的名稱與內(nèi)涵定義具有一定的隨意性，缺乏不同遙感影像分辨率條件下的礦區(qū)地表要素分類體系標(biāo)準(zhǔn)以及各個(gè)類別名稱的內(nèi)涵定義。

(3)缺少礦區(qū)場(chǎng)景下典型地表要素類型的大規(guī)模高分辨率影像樣本庫(kù)。當(dāng)前，國(guó)內(nèi)外有很多公開(kāi)的高分辨率影像樣本庫(kù)，例如WHU-RS(Wuhan University-Remote Sensing)數(shù)據(jù)集、DOTA(A Large-scale Dataset for Object Detection in Aerial Images)數(shù)據(jù)集、GF-2 Dataset for 3DFGC(3D FCN with Global Pooling Module and Channel Attention Module)等，以及近期中科院空天信息創(chuàng)新研究院發(fā)布的百萬(wàn)級(jí)遙感圖像細(xì)粒度目標(biāo)識(shí)別數(shù)據(jù)。上述高分辨率影像樣本集涵蓋了城市、農(nóng)田、機(jī)場(chǎng)等多個(gè)場(chǎng)景，在多個(gè)行業(yè)領(lǐng)域的地物識(shí)別中發(fā)揮了關(guān)鍵作用。然而，在礦區(qū)場(chǎng)景下，由于缺少典型地表要素的大規(guī)模高分辨率影像樣本庫(kù)，現(xiàn)有研究進(jìn)行地表要素遙感識(shí)別仍然依賴于人工選擇樣本、自行構(gòu)建一個(gè)很小的訓(xùn)練樣本數(shù)據(jù)集，嚴(yán)重制約了礦區(qū)地表要素識(shí)別精度以及算法在不同研究區(qū)不同影像上的泛化能力，限制了前沿先進(jìn)智能算法(例如深度學(xué)習(xí))的大規(guī)模應(yīng)用。

2.1.2 定量遙感在礦區(qū)生態(tài)環(huán)境監(jiān)測(cè)中的應(yīng)用廣度和深度有待提升

相較于定量遙感在農(nóng)業(yè)、林業(yè)領(lǐng)域的廣泛且深入的應(yīng)用而言，在礦區(qū)生態(tài)環(huán)境監(jiān)測(cè)中定量遙感的應(yīng)用廣度和深度還有差距。具體表現(xiàn)在以下兩個(gè)方面:

(1)若干重要的生態(tài)要素參數(shù)鮮見(jiàn)礦區(qū)定量遙感研究。當(dāng)前，定量遙感技術(shù)在農(nóng)業(yè)、林業(yè)等領(lǐng)域中已經(jīng)成功反演了很多生態(tài)要素參數(shù)，但是現(xiàn)有的礦區(qū)生態(tài)環(huán)境遙感研究只對(duì)一部分要素參數(shù)開(kāi)展了反演與監(jiān)測(cè)分析，仍有一部分重要的生態(tài)要素參數(shù)很少在礦區(qū)定量遙感研究中出現(xiàn)。例如，對(duì)于植被而言，礦區(qū)植被覆蓋度研究較多，而礦區(qū)植被葉綠素含量、葉面積指數(shù)只有少量個(gè)案研究，礦區(qū)植被水分含量、氮素含量的遙感反演與監(jiān)測(cè)更是鮮見(jiàn)研究報(bào)道。然而這些參數(shù)在農(nóng)業(yè)、林業(yè)等行業(yè)場(chǎng)景的定量遙感反演已經(jīng)比較常見(jiàn)，且對(duì)礦區(qū)生態(tài)環(huán)境監(jiān)測(cè)同樣具有重要意義。此外，還有一些礦區(qū)生態(tài)環(huán)境監(jiān)測(cè)所需的關(guān)鍵參數(shù)，利用遙感進(jìn)行高精度、高空間分辨率的反演比較困難，例如植被重金屬含量、大氣PM2.5與PM10，需要在礦區(qū)場(chǎng)景下進(jìn)一步深入研究。綜上所述，現(xiàn)階段礦區(qū)生態(tài)要素參數(shù)的遙感反演與監(jiān)測(cè)研究還不夠廣泛。

(2)礦區(qū)生態(tài)要素參數(shù)的定量遙感反演與監(jiān)測(cè)方法有待深入改進(jìn)。隨著定量遙感算法的不斷深入發(fā)展，很多生態(tài)要素參數(shù)都有較為成熟且前沿的算法，然而當(dāng)前礦區(qū)生態(tài)要素參數(shù)的定量遙感反演方法還比較傳統(tǒng)且簡(jiǎn)單，制約了反演精度與普適性的提升。例如，對(duì)于礦區(qū)植被參數(shù)而言，葉綠素含量和葉面積指數(shù)反演大多采用簡(jiǎn)單的經(jīng)驗(yàn)統(tǒng)計(jì)模型，鮮見(jiàn)基于植被輻射傳輸物理模型的反演成果。土壤含水量以TVDI的相對(duì)定量監(jiān)測(cè)或者經(jīng)驗(yàn)統(tǒng)計(jì)模型反演為主，礦區(qū)主被動(dòng)微波遙感協(xié)同的土壤含水量本地化高精度反演成果鮮有報(bào)道。然而，無(wú)論是植被輻射傳輸模型，還是主被動(dòng)微波遙感土壤含水量模型，其物理機(jī)理清楚、模型的穩(wěn)定性與普適性好，是不容忽視的礦區(qū)生態(tài)要素參數(shù)高精度反演方法。因此，現(xiàn)有的礦區(qū)生態(tài)要素參數(shù)的定量遙感反演與監(jiān)測(cè)方法有待深入改進(jìn)。

2.1.3 缺乏中高分辨率、長(zhǎng)時(shí)序、高頻次的多要素參數(shù)同步觀測(cè)與協(xié)同研究

當(dāng)前中高分辨率、長(zhǎng)時(shí)序、高頻次的多要素參數(shù)同步觀測(cè)與協(xié)同分析的研究比較少，不利于發(fā)現(xiàn)礦產(chǎn)資源開(kāi)采活動(dòng)對(duì)生態(tài)環(huán)境影響的過(guò)程機(jī)理。具體表現(xiàn)在以下兩個(gè)方面:

(1)多關(guān)注單一要素參數(shù)，少有多要素參數(shù)同步觀測(cè)與協(xié)同分析。礦產(chǎn)資源開(kāi)采活動(dòng)對(duì)生態(tài)環(huán)境的影響存在多參數(shù)耦合機(jī)制，例如井工開(kāi)采活動(dòng)引起的地表裂縫可能會(huì)導(dǎo)致土壤水分含量降低，進(jìn)而導(dǎo)致植被參數(shù)變化。因此，礦區(qū)生態(tài)環(huán)境定量遙感監(jiān)測(cè)研究需要多要素參數(shù)的同步觀測(cè)與協(xié)同分析。然而，現(xiàn)有研究大多關(guān)注于單一要素參數(shù)的遙感反演與變化分析，對(duì)多個(gè)要素參數(shù)開(kāi)展同步反演與協(xié)同變化分析的相關(guān)成果很少，不利于進(jìn)一步研究礦產(chǎn)資源開(kāi)采活動(dòng)對(duì)生態(tài)環(huán)境演變中多要素參數(shù)之間的影響鏈條和驅(qū)動(dòng)機(jī)理。

(2)很少做到中高分辨率、長(zhǎng)時(shí)序、高頻次的定量監(jiān)測(cè)。礦區(qū)生態(tài)環(huán)境定量遙感與其他行業(yè)領(lǐng)域(如農(nóng)業(yè)、林業(yè)等)相比具有十分顯著的行業(yè)特色，表現(xiàn)為:研究區(qū)域范圍小(通常僅為數(shù)平方千米到數(shù)十平方千米)、地表空間異質(zhì)性強(qiáng)、時(shí)間跨度大(多為20～30 a)、參數(shù)變化劇烈、生態(tài)累積效應(yīng)顯著。因此，礦區(qū)生態(tài)環(huán)境監(jiān)測(cè)需要進(jìn)行中高空間分辨率(區(qū)域范圍小且空間異質(zhì)性強(qiáng))、長(zhǎng)時(shí)間序列(采礦時(shí)間跨度大)、高頻次(參數(shù)變化劇烈且生態(tài)累積效應(yīng)顯著)的參數(shù)定量遙感反演。然而，通過(guò)本研究的文獻(xiàn)調(diào)研與歸納可以發(fā)現(xiàn)(表2至表6)，現(xiàn)有研究很少同時(shí)滿足這3個(gè)要求，同樣不利于進(jìn)一步研究礦產(chǎn)資源開(kāi)采活動(dòng)對(duì)生態(tài)環(huán)境影響的規(guī)律與機(jī)理。中高空間分辨率、長(zhǎng)時(shí)序、高頻次的礦區(qū)生態(tài)環(huán)境要素參數(shù)定量反演與遙感產(chǎn)品生產(chǎn)，仍是亟待解決的問(wèn)題。

2.2 研究機(jī)遇與展望

在剖析現(xiàn)有研究存在不足的基礎(chǔ)上，可以發(fā)現(xiàn)遙感在定量化與智能化方面的迅速發(fā)展為礦區(qū)生態(tài)環(huán)境監(jiān)測(cè)研究帶來(lái)了諸多機(jī)遇。結(jié)合上述分析的不足，本研究認(rèn)為在未來(lái)需要把握的研究機(jī)遇包括以下3個(gè)方面:

(1)礦區(qū)典型要素的大規(guī)模高分樣本庫(kù)構(gòu)建與深度學(xué)習(xí)高精度識(shí)別。深入分析不同的遙感空間分辨率水平下礦區(qū)典型地表要素類型的可分性，建立不同分辨率條件下的礦區(qū)地表要素分類體系，并從遙感影像分類的角度界定各類典型地表要素名稱與內(nèi)涵范圍。在此基礎(chǔ)上，針對(duì)不同的典型地表要素類型分別建立大規(guī)模的高分影像樣本庫(kù)，實(shí)現(xiàn)可共享使用的礦區(qū)場(chǎng)景地表要素分類公共數(shù)據(jù)集。在大規(guī)模樣本庫(kù)的支持下，不斷跟蹤最前沿的深度學(xué)習(xí)目標(biāo)檢測(cè)和語(yǔ)義分割網(wǎng)絡(luò)模型，建立礦區(qū)地表要素類型的高精度識(shí)別模型，并結(jié)合計(jì)算機(jī)人工智能技術(shù)的前沿發(fā)展成果，持續(xù)更新和提升精度。

(2)礦區(qū)場(chǎng)景下的定量遙感物理建模與廣泛深入應(yīng)用。在礦區(qū)生態(tài)要素參數(shù)定量遙感反演方面，應(yīng)該根據(jù)礦區(qū)特色場(chǎng)景和我國(guó)不同氣候條件下礦區(qū)常見(jiàn)的植被類型，有針對(duì)性地建立植被輻射傳輸模型、土壤微波遙感機(jī)理模型等礦區(qū)場(chǎng)景下的定量遙感物理模型。在此基礎(chǔ)上，拓展礦區(qū)定量遙感反演的生態(tài)參數(shù)對(duì)象，進(jìn)一步反演和監(jiān)測(cè)分析礦區(qū)植被葉綠素含量、葉面積指數(shù)、水分含量、氮素含量等關(guān)鍵參數(shù)，并從遙感機(jī)理模型出發(fā)，綜合利用空天地多平臺(tái)遙感數(shù)據(jù)，探索一些高難度參數(shù)的反演;在礦區(qū)場(chǎng)景下的定量遙感物理模型支持下，進(jìn)一步深入優(yōu)化和改進(jìn)反演方法，提升礦區(qū)生態(tài)要素參數(shù)定量反演的精度水平和長(zhǎng)時(shí)序穩(wěn)定性。

(3)中高分辨率、長(zhǎng)時(shí)序、高頻次的礦區(qū)生態(tài)要素參數(shù)體系化同步監(jiān)測(cè)。融合光學(xué)遙感數(shù)據(jù)、熱紅外遙感數(shù)據(jù)、主被動(dòng)微波遙感數(shù)據(jù)、無(wú)人機(jī)航空數(shù)據(jù)、地面觀測(cè)數(shù)據(jù)等礦區(qū)多源大數(shù)據(jù)，構(gòu)建礦區(qū)植被、土壤、水體、大氣、生態(tài)系統(tǒng)參數(shù)的遙感同步反演與監(jiān)測(cè)技術(shù)體系，形成礦區(qū)生態(tài)環(huán)境多要素參數(shù)的中高分辨率、長(zhǎng)時(shí)序、高頻次的“礦區(qū)生態(tài)遙感時(shí)空數(shù)據(jù)群”。通過(guò)“純數(shù)據(jù)驅(qū)動(dòng)”的大數(shù)據(jù)挖掘方法，不依賴先驗(yàn)知識(shí)的采礦對(duì)生態(tài)環(huán)境的影響模式，直接分析開(kāi)采及修復(fù)過(guò)程中生態(tài)環(huán)境要素參數(shù)的協(xié)同演變規(guī)律，有助于發(fā)現(xiàn)礦產(chǎn)資源開(kāi)采活動(dòng)對(duì)生態(tài)環(huán)境影響的驅(qū)動(dòng)鏈條和影響過(guò)程機(jī)理，為現(xiàn)有的礦區(qū)生態(tài)環(huán)境變化研究思路提供有效的補(bǔ)充。

3 結(jié) 論

遙感是礦區(qū)生態(tài)環(huán)境監(jiān)測(cè)的重要手段之一，從礦區(qū)地表要素識(shí)別與變化遙感監(jiān)測(cè)、礦區(qū)植被要素定量遙感監(jiān)測(cè)、礦區(qū)土壤要素定量遙感監(jiān)測(cè)、礦區(qū)水體要素定量遙感監(jiān)測(cè)、礦區(qū)大氣環(huán)境定量遙感監(jiān)測(cè)、礦區(qū)生態(tài)系統(tǒng)參數(shù)遙感監(jiān)測(cè)6個(gè)方面分析了國(guó)內(nèi)外礦區(qū)生態(tài)環(huán)境定量遙感監(jiān)測(cè)的研究進(jìn)展，重點(diǎn)歸納和總結(jié)了不同礦區(qū)地表要素識(shí)別和生態(tài)要素參數(shù)反演所使用的遙感數(shù)據(jù)及其空間分辨率、識(shí)別或反演方法、時(shí)間跨度與監(jiān)測(cè)頻次、所能夠達(dá)到的精度水平。所得結(jié)論如下:

(1)通過(guò)文獻(xiàn)調(diào)研、歸納與分析，發(fā)現(xiàn)近年來(lái)礦區(qū)生態(tài)環(huán)境定量遙感研究在新數(shù)據(jù)、新方法、新技術(shù)等方面取得了長(zhǎng)足的進(jìn)步和豐碩的成果。但也存在著明顯不足:包括礦區(qū)地表要素遙感識(shí)別的自動(dòng)化和智能化不足，定量遙感在礦區(qū)生態(tài)環(huán)境監(jiān)測(cè)中的應(yīng)用廣度和深度有待提升，缺乏中高分辨率、長(zhǎng)時(shí)序、高頻次的多要素參數(shù)同步觀測(cè)與協(xié)同研究等。未來(lái)研究方向有:礦區(qū)典型要素的大規(guī)模高分樣本庫(kù)構(gòu)建與深度學(xué)習(xí)高精度識(shí)別、礦區(qū)場(chǎng)景下的定量遙感物理建模與廣泛深入應(yīng)用、礦區(qū)多要素參數(shù)同步反演與監(jiān)測(cè)技術(shù)體系等。

(2)礦區(qū)生態(tài)環(huán)境遙感監(jiān)測(cè)是一個(gè)研究?jī)?nèi)容十分豐富的領(lǐng)域。本研究主要針對(duì)礦區(qū)地表要素識(shí)別和參數(shù)定量反演開(kāi)展了文獻(xiàn)調(diào)研與綜述，每一部分相對(duì)來(lái)說(shuō)概括性較強(qiáng)，一些重要的研究細(xì)節(jié)讀者可以參閱列出的相關(guān)文獻(xiàn)。對(duì)D-InSAR與LiDAR技術(shù)監(jiān)測(cè)礦區(qū)地表沉降與形變、礦區(qū)生態(tài)環(huán)境質(zhì)量指標(biāo)構(gòu)建與評(píng)價(jià)等方面未有詳細(xì)涉及，這些技術(shù)方法對(duì)于礦區(qū)生態(tài)環(huán)境監(jiān)測(cè)也很重要，未來(lái)建議相關(guān)領(lǐng)域的研究者對(duì)其進(jìn)行必要的綜述分析。