基于改進(jìn)遙感生態(tài)指數(shù)的礦區(qū)生態(tài)環(huán)境監(jiān)測(cè)及驅(qū)動(dòng)因素分析

馬鵬飛,張安兵,2,王賀封,2①,辛?xí)?劉粉粉 (.河北工程大學(xué)礦業(yè)與測(cè)繪工程學(xué)院,河北 邯鄲 05608;2.邯鄲市自然資源空間信息重點(diǎn)實(shí)驗(yàn)室,河北 邯鄲 05608;.河北工程大學(xué)地球科學(xué)與工程學(xué)院,河北 邯鄲 05608)

生態(tài)環(huán)境具有脆弱性,其動(dòng)態(tài)變化與人類活動(dòng)、自然環(huán)境變化和社會(huì)經(jīng)濟(jì)發(fā)展有密切的聯(lián)系。社會(huì)經(jīng)濟(jì)快速發(fā)展和人類資源開發(fā)活動(dòng)導(dǎo)致土地破壞、植被變化、大氣污染、水污染等各種生態(tài)環(huán)境問題頻發(fā)[1]。為了踐行“綠水青山就是金山銀山”的發(fā)展理念,平衡人類活動(dòng)與自然環(huán)境對(duì)生態(tài)環(huán)境質(zhì)量的影響顯得尤為重要。因此,進(jìn)行區(qū)域生態(tài)環(huán)境動(dòng)態(tài)監(jiān)測(cè)和科學(xué)評(píng)價(jià)對(duì)生態(tài)環(huán)境保護(hù)和經(jīng)濟(jì)社會(huì)可持續(xù)發(fā)展具有重要現(xiàn)實(shí)意義[2-4]。

生態(tài)環(huán)境質(zhì)量是指在一定時(shí)空范圍內(nèi)生態(tài)系統(tǒng)的內(nèi)在要素和外在環(huán)境綜合影響表現(xiàn)出的地域差異,反映了生態(tài)環(huán)境的優(yōu)劣程度[5]。早期生態(tài)環(huán)境質(zhì)量評(píng)價(jià)的資料大部分來自于人工統(tǒng)計(jì)、調(diào)查和單點(diǎn)監(jiān)測(cè),耗費(fèi)大量人力、物力和時(shí)間[6]。遙感技術(shù)的出現(xiàn)提升了生態(tài)環(huán)境監(jiān)測(cè)水平,并以其大范圍、可用于長(zhǎng)時(shí)間序列監(jiān)測(cè)等優(yōu)勢(shì)被越來越多的學(xué)者應(yīng)用于區(qū)域生態(tài)環(huán)境監(jiān)測(cè)[7-9]。目前區(qū)域生態(tài)環(huán)境監(jiān)測(cè)方法呈現(xiàn)多樣化,更多的學(xué)者采用單一的指標(biāo)進(jìn)行生態(tài)環(huán)境監(jiān)測(cè)研究[10-11],在表征某一方面的生態(tài)特征上取得豐碩的成果,但難以解釋地區(qū)的整體生態(tài)環(huán)境質(zhì)量狀況。也有學(xué)者使用多指標(biāo)對(duì)生態(tài)環(huán)境進(jìn)行監(jiān)測(cè),如WU等[12]使用主客觀權(quán)重法、層次分析法和模糊綜合評(píng)價(jià)法,通過主客觀權(quán)重的結(jié)合,為生態(tài)評(píng)價(jià)模型確定合理權(quán)重,選用15個(gè)影響因子對(duì)三峽庫(kù)區(qū)進(jìn)行生態(tài)環(huán)境評(píng)價(jià);MARULL等[13]利用領(lǐng)土脆弱性指數(shù)、自然遺產(chǎn)指數(shù)以及生態(tài)連通性指數(shù)等構(gòu)建了土地適宜性指數(shù)(LSI),用來評(píng)估城市環(huán)境質(zhì)量狀況。遙感生態(tài)指數(shù)(remote sensing ecological index, RSEI,IRSE)完全基于遙感信息,其綠度、濕度、干度和熱度4個(gè)指標(biāo)都與人類社會(huì)息息相關(guān)且較易得到[14-15],利用主成分分析(PCA)方法對(duì)數(shù)據(jù)進(jìn)行降維處理,保留重要的特征,優(yōu)勢(shì)在于不用人為確定指標(biāo)的權(quán)重,各個(gè)指標(biāo)根據(jù)自身的性質(zhì)確定對(duì)各主分量的貢獻(xiàn)度,計(jì)算結(jié)果具有很強(qiáng)的客觀性和穩(wěn)定性[16]。李冠穩(wěn)等[17]使用RSEI指數(shù),采用Sen+Mann-Kendall檢驗(yàn)和Hurst指數(shù)等方法對(duì)黃河流域近20 a的生態(tài)系統(tǒng)質(zhì)量變化趨勢(shì)進(jìn)行了分析,認(rèn)為遙感生態(tài)指數(shù)作為關(guān)鍵指標(biāo)能夠綜合反映生態(tài)系統(tǒng)質(zhì)量狀況;王杰等[18]針對(duì)干旱區(qū)的特殊環(huán)境對(duì)RSEI進(jìn)行改進(jìn),使用鹽度指標(biāo)代替干度指標(biāo),結(jié)果表明改進(jìn)后的指數(shù)在干旱區(qū)的應(yīng)用比RSEI更具有針對(duì)性和適用性;萬虹麟等[19]考慮空氣污染對(duì)生態(tài)環(huán)境的影響,在RSEI基礎(chǔ)上增加了反映大氣環(huán)境質(zhì)量的PM2.5濃度的差值指數(shù) (DI)[20],構(gòu)建了新型遙感生態(tài)指數(shù)(new remote sensing ecological index,NRSEI,IRSE,new),對(duì)滄州市生態(tài)環(huán)境質(zhì)量進(jìn)行評(píng)價(jià),認(rèn)為不管在主成分分析后的第一主成分貢獻(xiàn)率上,還是在遙感生態(tài)指數(shù)與各指標(biāo)的相關(guān)度上,IRSE,new均比IRSE更能綜合代表生態(tài)環(huán)境質(zhì)量狀況。

峰峰礦區(qū)是因煤而興的資源型老礦區(qū),過去很長(zhǎng)時(shí)間依靠“采、挖、燒”來提高經(jīng)濟(jì)效益,生態(tài)環(huán)境問題突出。近幾十年來,政府部門對(duì)環(huán)境逐漸重視,出臺(tái)了相應(yīng)政策,加大環(huán)境修復(fù)與治理,研究區(qū)生態(tài)環(huán)境得到了一定程度改善。監(jiān)測(cè)區(qū)域生態(tài)環(huán)境質(zhì)量變化、評(píng)價(jià)相關(guān)治理措施效果以及分析環(huán)境質(zhì)量影響因素具有重要的現(xiàn)實(shí)指導(dǎo)意義。研究區(qū)位于河北省邯鄲市,區(qū)域空氣污染較為嚴(yán)重,在遙感生態(tài)指數(shù)(RSEI)的基礎(chǔ)上加入PM2.5濃度指標(biāo),構(gòu)建新型遙感生態(tài)指數(shù),對(duì)研究區(qū)2001—2020年生態(tài)環(huán)境狀況進(jìn)行評(píng)價(jià),以期為研究區(qū)生態(tài)環(huán)境保護(hù)和經(jīng)濟(jì)社會(huì)可持續(xù)發(fā)展提供一定的科學(xué)參考。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

研究區(qū)地處河北省邯鄲市(36°14′～36°34′ N,113°53′～114°26′ E),面積約為1 041 km2,礦產(chǎn)資源豐富。海拔從西向東呈降低趨勢(shì),西側(cè)與太行山區(qū)相鄰,中部為太行山與華北平原過渡地帶,東部為華北平原,氣候?qū)贉貛Т箨懶约撅L(fēng)氣候區(qū),四季分明。2000—2019年磁縣年均氣溫為14.04 ℃,年均降水量為504.68 mm;峰峰礦區(qū)年均氣溫為14.74 ℃,年均降水量為496.52 mm。峰峰礦區(qū)以煤礦而聞名,整個(gè)礦區(qū)井田范圍包括峰峰礦區(qū)和磁縣行政區(qū)域,具體研究邊界范圍及高程如圖1所示。

圖1 研究區(qū)概況Fig.1 Overview of the study area

1.2 數(shù)據(jù)來源與預(yù)處理

采用2001—2020年Landsat影像數(shù)據(jù)和30 m空間分辨率的數(shù)字高程模型數(shù)據(jù),均來自地理空間數(shù)據(jù)云(http:∥www.gscloud.cn),影像數(shù)據(jù)信息如表1所示。Landsat遙感影像選取時(shí)間主要集中在8月底及9月初的植被生長(zhǎng)季[21],該時(shí)間段影像質(zhì)量較好,同時(shí)云量較低。土地利用數(shù)據(jù)來源于國(guó)家基礎(chǔ)地理信息中心研制的2000、2010和2020年3期30 m空間分辨率的土地覆蓋產(chǎn)品數(shù)據(jù)GlobeLand30 (http:∥www.globallandcover.com),把土地利用數(shù)據(jù)重分類為5類(圖2)。

表1 遙感影像數(shù)據(jù)Table 1 Remote sensing image data

圖2 2000、2010和2020年研究區(qū)土地利用分類Fig.2 Land use classification of the study area in 2000, 2010 and 2020

氣溫與降水?dāng)?shù)據(jù)來源于國(guó)家氣象科學(xué)數(shù)據(jù)中心(https:∥data.cma.cn)。城鎮(zhèn)化率數(shù)據(jù)來源于《邯鄲統(tǒng)計(jì)年鑒》。為減少各種因素對(duì)遙感數(shù)據(jù)的影響,對(duì)獲取的影像數(shù)據(jù)進(jìn)行條帶去除、輻射定標(biāo)、大氣校正等預(yù)處理,以提高分析精度;為了避免大面積水體對(duì)實(shí)驗(yàn)結(jié)果的影響,采用徐涵秋[22]提出的改進(jìn)的歸一化差異水體指數(shù) (MNDWI),對(duì)每一期影像的水體進(jìn)行提取并剔除,得到扣除水體面積的研究區(qū)范圍。

2 研究方法

2.1 新型遙感生態(tài)指數(shù)(NRSEI)

新型遙感生態(tài)指數(shù)在遙感生態(tài)指數(shù)基礎(chǔ)上增加了PM2.5濃度指標(biāo),采用綠度、濕度、干度、熱度和PM2.5濃度5個(gè)指標(biāo)進(jìn)行模型構(gòu)建。

2.1.1綠度指標(biāo)

在植被指數(shù)中,歸一化植被指數(shù)(NDVI,INDV)[23]應(yīng)用最為廣泛,選用其作為綠度指標(biāo)。

INDV=(ρNIR-ρRed)/(ρNIR+ρRed)。

(1)

式(1)中,ρNIR和ρRed分別為近紅外波段和紅光波段的反射率。

2.1.2濕度指標(biāo)

纓帽變換得到的濕度分量(WET)可較好地反映水體、植被和土壤的水分狀態(tài),選用濕度分量作為濕度指標(biāo)[24],對(duì)Landsat TM和Landsat ETM+數(shù)據(jù)采用式(2)計(jì)算,Landsat OLI采用式(3)計(jì)算。

WET=0.031 5ρBlue+0.202 1ρGreen+0.310 2ρRed+0.159 4ρNIR-0.680 6ρSWIR1-0.610 9ρSWIR2,

(2)

WET=0.151 1ρBlue+0.197 3ρGreen+0.328 3ρRed+0.340 7ρNIR-0.711 7ρSWIR1-0.455 9ρSWIR2。

(3)

式(2)～(3)中,ρBlue、ρGreen、ρRed、ρNIR、ρSWIR1和ρSWIR2分別代表3個(gè)陸地衛(wèi)星的藍(lán)光、綠光、紅光、近紅外、短波紅外1和短波紅外2的波段反射率。

2.1.3干度指標(biāo)

研究區(qū)中有城市建筑用地和裸地,這些用地取代綠色植被從而導(dǎo)致地面“干化”,對(duì)生態(tài)環(huán)境造成破壞,為此采用建筑物指數(shù)(IBI)[25]和裸土指數(shù)(IBS)[26]的平均值作為干度指標(biāo)(INDBS):

INDBS=(IBS+IBI)/2,

(4)

(5)

IBI=[2ρSWIR1/(ρSWIR1+ρNIR)-ρNIR/(ρNIR+ρRed)-ρGreen/(ρGreen+ρSWIR1)]/[2ρSWIR1/(ρSWIR1+ρNIR)+ρNIR/(ρNIR+ρRed)+ρGreen/(ρGreen+ρSWIR1)]。

(6)

2.1.4熱度指標(biāo)

溫度變化程度可以表征當(dāng)?shù)厣鷳B(tài)環(huán)境好壞,用地表溫度(LST)來表示熱度指標(biāo)。地表溫度反演方法有輻射傳輸方程法[27]、單窗算法[28]、劈窗算法[29]等。筆者選用輻射方程傳輸法(RTE)反演地表溫度,其原理是假定地面為朗伯體,輻射傳輸方程[30]為

Iλ=BTετ+Ra↑+(1-ε)Ra↓τ。

(7)

式(7)中,Iλ為傳感器觀測(cè)到波長(zhǎng)為λ的熱輻射強(qiáng)度,W·Sr-1;BT為T溫度下熱輻射強(qiáng)度,W·μm-1·m-2;ε為地表比輻射率;τ為大氣透射率;Ra↑為大氣上行輻射;Ra↓為大氣下行輻射。采用普朗克定律中關(guān)于物體熱輻射強(qiáng)度與波長(zhǎng)、溫度之間的關(guān)系式計(jì)算熱度指標(biāo),即

LST=K2/ln(1+K1/BT)-273.15。

(8)

式(8)中,LST為熱度指標(biāo);K1與K2為常數(shù),如表2所示。BT可由下式推得:

表2 熱度指標(biāo)中常數(shù)K1與K2的值Table 2 The values of K1 and K2 in ground temperature model

BT=[Iλ-Ra↑-(1-ε)τRa↓]/ετ。

(9)

式(9)中,大氣上行輻射Ra↑和大氣下行輻射Ra↓可在美國(guó)宇航局(NASA)提供的全球大氣參數(shù)數(shù)據(jù)庫(kù)(https:∥atmcorr.gsfc.nasa.gov)中輸入影像基本信息獲得。

地表比輻射率的估計(jì)參考覃志豪等[31]提出的水面、裸地和城鎮(zhèn)比輻射率的計(jì)算方法得出。

εsurface=0.962 5+0.061 4FV-0.046 1FV2,

(10)

εbuilding=0.958 9+0.086 0FV-0.067 1FV2。

(11)

式(10)～(11)中,εsurface為自然裸土表面地表比輻射率;εbuilding為城鎮(zhèn)的地表比輻射率;FV為植被覆蓋度,公式為

FV=(INDV-INDV,S)/(INDV,V-INDV,S)。

(12)

式(10)中,INDV,S和INDV,V分別為沒有植被覆蓋和純植被覆蓋的像元NDVI值,分別取其經(jīng)驗(yàn)值,為0.05和0.70。

2.1.5PM2.5濃度指標(biāo)

馮海英等[20]發(fā)現(xiàn),PM2.5濃度對(duì)紅光波段和近紅外波段較為敏感,根據(jù)2個(gè)波段的關(guān)系構(gòu)建顆粒物差值指數(shù)(ID),用以表征PM2.5濃度變化。

ID=ρRed-ρNIR。

(13)

2.1.6新型遙感生態(tài)指數(shù)

構(gòu)建NRSEI時(shí),為避免不同年份指標(biāo)的可比性問題及各指標(biāo)之間的量綱影響,采用離差標(biāo)準(zhǔn)化方法對(duì)5個(gè)指標(biāo)進(jìn)行歸一化處理,計(jì)算公式為

IN,i=(Ii-Imin)/(Imax-Imin)。

(14)

式(14)中,IN,i為歸一化處理后的指標(biāo)值;Ii為指標(biāo)原始值;Imin為某個(gè)指標(biāo)在所有年份中的最小值;Imax為某個(gè)指標(biāo)在所有年份中的最大值。

把上式處理后的結(jié)果按年份對(duì)指標(biāo)波段合成后進(jìn)行主成分分析,得到PC1及相關(guān)的統(tǒng)計(jì)結(jié)果(表3)。綠度、濕度與干度、熱度、PM2.5濃度符號(hào)相反,如果PC1中的綠度和濕度載荷值為正,則PC1就是IRSE,new0,若為負(fù)值,則采用“1-PC1”還原得到初始的IRSE,new0[32]。由于最終要對(duì)比不同年份的生態(tài)環(huán)境質(zhì)量,需對(duì)初始的新型遙感生態(tài)指數(shù)進(jìn)行離差標(biāo)準(zhǔn)化運(yùn)算,計(jì)算公式為

表3 主成分分析結(jié)果Table 3 Principal component analysis results

(15)

式(15)中,IRSE,new為新型遙感生態(tài)指數(shù)最終值;IRSE,new0為初始的新型遙感生態(tài)指數(shù)值;IRSE,new0_min為初始的新型遙感生態(tài)指數(shù)最小值;IRSE,new0_max為初始的新型遙感生態(tài)指數(shù)最大值。處理后的新型遙感生態(tài)指數(shù)值范圍為[0,1],值越大表明生態(tài)環(huán)境越好。

2.2 趨勢(shì)分析

采用一元線性回歸趨勢(shì)分析方法計(jì)算遙感影像的變化趨勢(shì)[33],回歸方程中的斜率表示年際變化,一般用最小二乘法求解。計(jì)算公式為

(16)

式(16)中,θslope為IRSE,new的回歸斜率,θslope>0代表隨時(shí)間變化生態(tài)環(huán)境呈增加趨勢(shì),θslope=0代表在該時(shí)間段內(nèi)生態(tài)環(huán)境無變化,θslope<0代表生態(tài)環(huán)境隨時(shí)間增加而變差;n為研究時(shí)段總年數(shù),a;IRSE,new,i為第i年平均IRSE,new值。

3 結(jié)果與分析

3.1 新型遙感生態(tài)指數(shù)的主成分分析

主成分分析結(jié)果如表3所示,2001、2004、2006、2009、2012、2016、2018和2020年的NRSEI第1主成分貢獻(xiàn)率分別為78.56%、76.55%、74.09%、80.63%、80.58%、84.31%、80.50%和85.66%。參考劉栩位等[34]的研究成果,第1主成分貢獻(xiàn)率在70%以上即可較好地集中5項(xiàng)指標(biāo)的大部分屬性特征。對(duì)5個(gè)指標(biāo)經(jīng)過主成分分析變換后,5種指標(biāo)的載荷綠度、濕度與干度、熱度、PM2.5濃度符號(hào)相反,這與生態(tài)學(xué)一般規(guī)律相符。因此,采用第1主成分提取的NRSEI可以較全面真實(shí)地反映研究區(qū)的生態(tài)環(huán)境狀況。

3.2 礦區(qū)生態(tài)環(huán)境空間變化分析

生態(tài)環(huán)境空間變化監(jiān)測(cè)主要針對(duì)同一等級(jí)NRSEI的空間分布及空間變化情況進(jìn)行分析。為了系統(tǒng)探討研究區(qū)的生態(tài)環(huán)境變化,根據(jù)已有的分級(jí)標(biāo)準(zhǔn)[33],將NRSEI分為5個(gè)等級(jí),分別為差(0～0.2)、較差(>0.2～0.4)、中等(>0.4～0.6)、較優(yōu)(>0.6～0.8)和優(yōu)(>0.8～1.0),得出不同年份NRSEI的空間分布結(jié)果(圖3),并對(duì)各等級(jí)面積占比進(jìn)行統(tǒng)計(jì)(表4)。對(duì)8個(gè)年份的NRSEI進(jìn)行趨勢(shì)分析,將變化結(jié)果劃分為嚴(yán)重退化、輕微退化、穩(wěn)定不變、輕微改善和明顯改善5個(gè)等級(jí)(圖4),并對(duì)各等級(jí)面積占比進(jìn)行統(tǒng)計(jì)(表5)。

表4 2001—2020年不同生態(tài)質(zhì)量等級(jí)區(qū)域面積占比Table 4 Proportion of ecological quality in each grade from 2001 to 2020 %

表5 新型遙感生態(tài)指數(shù)變化趨勢(shì)Table 5 NRSEI change trend table

圖3 2001—2020年新型遙感生態(tài)指數(shù)(NRSEI)分級(jí)Fig.3 Classification of NRSEI from 2001 to 2020

圖4 新型遙感生態(tài)指數(shù)(NRSEI)空間變化趨勢(shì)Fig.4 Spatial variation trend of NRSEI

2001—2020年生態(tài)環(huán)境差和較差等級(jí)的面積占比呈上升趨勢(shì),由最初的9.81%逐漸上升為15.23%,這些區(qū)域主要呈面狀分布,集中于研究區(qū)中部、東部城區(qū)及零星的鄉(xiāng)鎮(zhèn)、礦區(qū),該地區(qū)人口密度大,建筑物占比高,經(jīng)濟(jì)活動(dòng)強(qiáng);中等等級(jí)的生態(tài)環(huán)境區(qū)域大多分布在研究區(qū)西部,以緩丘和低山為主,土地利用類型多為林地和草地;礦區(qū)生態(tài)環(huán)境較優(yōu)等級(jí)的面積占比較大,2001、2006、2012、2016、2018和2020年均超過50%,主要分布于研究區(qū)東部偏南地區(qū),該區(qū)域?yàn)槠皆瓍^(qū),以耕地為主;結(jié)合影像選擇的時(shí)間為8月底或9月初,該時(shí)段夏播玉米長(zhǎng)勢(shì)正旺,且玉米又常以連作為主[35],這使得耕地區(qū)域的綠度指標(biāo)較高,而西部地區(qū)海拔較高,坡度較陡,影響自然植被生長(zhǎng)[36],相對(duì)綠度偏低。

礦區(qū)NRSEI變化趨勢(shì)以穩(wěn)定不變和輕微改善為主,其中穩(wěn)定不變區(qū)域面積為289.62 km2,占總面積的28.20%;輕微改善區(qū)域面積為357.04 km2,占總面積的34.77%。輕微改善和明顯改善區(qū)域主要集中在研究區(qū)的西部,這部分地區(qū)為半干旱山地,人類活動(dòng)較少,受到修山修地和植樹造林的影響,2009年之后植被覆蓋度上升趨勢(shì)明顯[37-38],綠度增加,干度減少,從而使得西部地區(qū)生態(tài)環(huán)境明顯改善。嚴(yán)重退化區(qū)域面積為88.93 km2,占總面積的8.66%,主要分布在研究區(qū)的中部和東部城鎮(zhèn)建成區(qū),該地區(qū)地形較為平緩,人類活動(dòng)較為頻繁,城鎮(zhèn)建成區(qū)擴(kuò)張使不透水面面積增多,從而使干度指標(biāo)增加,生態(tài)環(huán)境變差。

3.3 礦區(qū)生態(tài)環(huán)境時(shí)間變化分析

對(duì)每個(gè)年份的NRSEI進(jìn)行差值處理,得出2001—2004、2004—2006、2006—2009、2009—2012、2012—2016、2016—2018、2018—2020和2001—2020年這8個(gè)時(shí)段的礦區(qū)生態(tài)環(huán)境變化情況(圖5)和礦區(qū)生態(tài)環(huán)境等級(jí)變化區(qū)域面積占比(表6)。為了消除水體對(duì)結(jié)果的影響,對(duì)水體進(jìn)行了裁剪處理,并對(duì)各時(shí)段水體與陸地轉(zhuǎn)化區(qū)域進(jìn)行NRSEI分級(jí),統(tǒng)計(jì)得到各時(shí)段水體變化情況及水體與陸地轉(zhuǎn)化區(qū)域的NRSEI各等級(jí)面積占比,其中“+”表示水體變多,“-”表示水體變少,用以分析水體與陸地轉(zhuǎn)化處的等級(jí)變化(表7)。

表6 2001—2020年新型遙感生態(tài)指數(shù)等級(jí)變化區(qū)域面積占比Table 6 The change rates of NRSEI grade area from 2001 to 2020 %

表7 水體變化及新型遙感生態(tài)指數(shù)不同等級(jí)區(qū)域面積占比Table 7 Water body area changes and proportion of NRSEI grade area %

圖5 2001—2020年生態(tài)環(huán)境質(zhì)量等級(jí)變化Fig.5 Variation of ecological environment quality standards from 2001 to 2020

2001—2020年的8個(gè)時(shí)段中,生態(tài)環(huán)境質(zhì)量等級(jí)不變的地區(qū)面積占比分別為68.94%、62.67%、54.41%、55.16%、71.33%、65.76%、65.86%和63.19%,表明在研究區(qū)內(nèi)大范圍地區(qū)等級(jí)變化不大。2001—2004年變差面積占比大于變好面積,礦區(qū)生態(tài)環(huán)境變差;2004—2006年變好面積比變差的多324.61 km2,表明生態(tài)環(huán)境較上一階段轉(zhuǎn)好;2006—2012年生態(tài)環(huán)境先變差后變好;2012—2016年生態(tài)環(huán)境變好面積占比為11.94%,變差的占比為16.73%;2016—2018年生態(tài)環(huán)境變差面積小于變好的,較上一階段有所變好;2018—2020年生態(tài)環(huán)境變好面積較變差的多37.30 km2。由圖5可以看出,研究區(qū)中部和東部環(huán)境改善很大,說明這一時(shí)段內(nèi)生態(tài)環(huán)境變好,與李婧等[39]的研究結(jié)果具有相似性?？傮w來說,生態(tài)環(huán)境質(zhì)量呈現(xiàn)波動(dòng)變化,2009年之前生態(tài)環(huán)境變化趨勢(shì)為波動(dòng)變差,2009—2020年為變好趨勢(shì)。

裁剪出的水體面積在2016年最大,為51.77 km2;2009年最小,為22.50 km2。2016年降水量為766.30 mm,2009年降水量為412.5 mm,表明水體面積的大小與當(dāng)年降水量具有一定的直接關(guān)系。由表7可知,2006—2009、2009—2012、2012—2016、2016—2018、2018—2020和2001—2020年這6個(gè)時(shí)間段水體變化面積均超過10 km2,NRSEI較優(yōu)等級(jí)占比均比較差多。另外2001—2020年中等及以上等級(jí)面積占比較大,差和較差等級(jí)占比較低,表明水體生態(tài)環(huán)境指數(shù)等級(jí)普遍為中等偏優(yōu)級(jí)別,整體生態(tài)環(huán)境良好。

4 驅(qū)動(dòng)因素分析

4.1 氣候因素對(duì)生態(tài)環(huán)境影響分析

選取氣溫和降水2個(gè)氣象因子分析氣象因素對(duì)礦區(qū)生態(tài)環(huán)境質(zhì)量變化的影響?？紤]到影像選取的時(shí)間和降水植被的延遲作用,采用8月的降水?dāng)?shù)據(jù)。表8為年均氣溫和月均降水與NRSEI均值變化情況。

表8 2000—2020年氣象因素與新型遙感生態(tài)指數(shù)(NRSEI)均值變化Table 8 Meteorological factors and change of average NRSEI in the study area from 2000 to 2020

2000—2020年研究區(qū)年均氣溫呈波動(dòng)增長(zhǎng)趨勢(shì),變化率為0.11 ℃·(10 a)-1;其中2018年年均氣溫最高,2012年最低,分別為15.25和13.45 ℃;2001—2004、2009—2012、2012—2016、2016—2018和2018—2020年5個(gè)階段中氣溫曲線走勢(shì)與NRSEI均值呈相反方向變化,分析認(rèn)為在植被生長(zhǎng)季,綠度指標(biāo)與氣溫呈負(fù)相關(guān),而綠度指標(biāo)與NRSEI呈正相關(guān),從而導(dǎo)致氣溫與NRSEI均值呈負(fù)相關(guān),這與白慧敏等[40]研究植被生長(zhǎng)季華北地區(qū)氣溫與綠度指標(biāo)呈負(fù)相關(guān)這一結(jié)論相符。8個(gè)時(shí)段中降水量最高的是2016年,為2 081.07 mm,最低的是2001年,為1 206.45 mm,降水量增多會(huì)影響草地和農(nóng)作物長(zhǎng)勢(shì)。除建設(shè)用地外,其他區(qū)域2012年NRSEI相對(duì)2009年變好,主要表現(xiàn)為降水增加、氣溫降低,使得林地和草地綠度增加,相應(yīng)區(qū)域生態(tài)環(huán)境等級(jí)變好;2016—2018年降水量減少,同時(shí)氣溫升高,導(dǎo)致2018年NRSEI均值比2016年小?？傮w來看,生態(tài)環(huán)境質(zhì)量的變化跟氣候因素存在一定的關(guān)系。

4.2 坡度對(duì)生態(tài)環(huán)境影響分析

針對(duì)研究區(qū)地勢(shì)情況,對(duì)坡度因子和生態(tài)環(huán)境之間的關(guān)系進(jìn)行研究。選取2001和2020年的NRSEI,結(jié)合土地利用情況,按0°～10°、>10°～30°和>30°～70°不同坡度范圍統(tǒng)計(jì)NRSEI等級(jí)占比和不同年份的NRSEI均值(表9)。

表9 不同坡度情況下新型遙感生態(tài)指數(shù)(NRSEI)不同等級(jí)面積占比Table 9 Proportion of NRSEI grade areas for different slope degrees

0°～10°坡度的土地利用類型大多為耕地、水域和建筑用地,>10°～30°和>30°～70°的土地利用類型大多為草地和林地。2001年0°～10°坡度范圍的NRSEI差等級(jí)與較差等級(jí)面積占比之和為10.50%,均值為0.61;2020年NRSEI差等級(jí)與較差等級(jí)面積占比之和增加到18.45%,均值為0.58,主要表現(xiàn)為城鎮(zhèn)擴(kuò)張、建設(shè)用地增加、耕地面積減少;優(yōu)等級(jí)區(qū)域面積占比從0.70%上升到2.80%,說明個(gè)別區(qū)域生態(tài)環(huán)境改善,這一坡度范圍總體上生態(tài)環(huán)境變差。2001—2020年>10°～30°和>30°～70°的坡度范圍中差和較差等級(jí)面積占比均稍有下降,較優(yōu)等級(jí)面積大幅度增長(zhǎng),表明這一時(shí)期修山措施改善了植被覆蓋狀況,生態(tài)環(huán)境明顯變好。

4.3 人類活動(dòng)對(duì)生態(tài)環(huán)境影響分析

2001—2020年生態(tài)環(huán)境質(zhì)量下降的區(qū)域主要位于擴(kuò)大的城鎮(zhèn)建成區(qū)范圍。隨著社會(huì)經(jīng)濟(jì)發(fā)展,研究區(qū)城鎮(zhèn)化水平不斷提高,其中磁縣城鎮(zhèn)化率由2007年的30.23%提高到2019年的55.03%;峰峰礦區(qū)城鎮(zhèn)化率保持較高的水平,在75%～80%之間;城鎮(zhèn)化水平的提高導(dǎo)致用地結(jié)構(gòu)發(fā)生較大變化。結(jié)合2000、2010和2020年的土地利用數(shù)據(jù)提取出建設(shè)用地變化區(qū)域,對(duì)2001—2010、2010—2020和2000—2020年3個(gè)時(shí)間段的NRSEI進(jìn)行趨勢(shì)分析,結(jié)果如圖6所示。2000—2010年研究區(qū)城市建設(shè)用地面積由115.17增長(zhǎng)至119.21 km2,增長(zhǎng)較為緩慢;2020年城市建設(shè)用地面積為154.97 km2,2010—2020年間增長(zhǎng)較快。應(yīng)該對(duì)城鎮(zhèn)建設(shè)面積增長(zhǎng)過快導(dǎo)致的環(huán)境問題多加防范,通過土地復(fù)墾、增加綠化面積來減少過快城鎮(zhèn)擴(kuò)張帶來的環(huán)境問題。圖6中大部分區(qū)域均處于嚴(yán)重退化狀態(tài),表明生態(tài)環(huán)境總體呈退化趨勢(shì);城市建設(shè)用地的擴(kuò)展一定程度上減少了植被覆蓋面積,使不透水面面積增加,干度、熱度增加,綠度和濕度降低,導(dǎo)致建成區(qū)NRSEI降低。

圖6 城鎮(zhèn)建成區(qū)的新型遙感生態(tài)指數(shù)(NRSEI)變化趨勢(shì)Fig.6 Change trend of NRSEI in urban built-up area

20 a間,除城鎮(zhèn)與擴(kuò)建區(qū)域外,研究區(qū)NRSEI改善面積也較大幅度增加,主要是因?yàn)檎块T采取了遏制生態(tài)環(huán)境破壞及加強(qiáng)生態(tài)環(huán)境修復(fù)工程建設(shè)措施,如2003—2007年加大煤礦監(jiān)管力度,取締和關(guān)閉非法煤礦100多個(gè),有效減少了煤泥水、煤塵和有害氣體排放;2007—2008年礦區(qū)啟動(dòng)八大精品工程,營(yíng)造“綠色印象”,其中通過綠色道路工程對(duì)道路進(jìn)行綠化面積累計(jì)達(dá)10余hm2,全民義務(wù)植樹工程造林1 000 hm2,種植各類樹木80余萬株,對(duì)采煤塌陷區(qū)進(jìn)行治理,開發(fā)土地,新增耕地142 hm2,加大了礦區(qū)植被覆蓋率[41];峰峰礦區(qū)區(qū)委提出了“響堂山禁采”,關(guān)閉焦窯和石料廠等小作坊;2016年制定修山、修地、修水以及修氣的全域修復(fù)工程,將裸露的山地變成了“林海山”。但是2016—2018年生態(tài)環(huán)境稍有變差,一方面原因是環(huán)境保護(hù)政策在短時(shí)間內(nèi)沒有明顯成效,另一方面是2016年降水比2018年多,植物生長(zhǎng)旺盛,地面濕度增加;2018年進(jìn)一步開啟礦山治理工程,治理采礦揚(yáng)塵、穩(wěn)固煤矸石山邊坡和綠化矸石山[39],加強(qiáng)生態(tài)環(huán)境建設(shè),利用沉陷區(qū)改造濕地公園(如清泉公園、濱湖生態(tài)濕地等),增加城區(qū)植被覆蓋度,使得2018—2020年礦區(qū)環(huán)境有所改善。

5 結(jié)論

采用8期Landsat影像,在RSEI模型基礎(chǔ)上加入PM2.5濃度指標(biāo),耦合綠度、濕度、干度、熱度和PM2.5濃度5個(gè)指標(biāo)構(gòu)建新型遙感生態(tài)指數(shù),結(jié)果符合生態(tài)學(xué)客觀規(guī)律,能較為真實(shí)地監(jiān)測(cè)研究區(qū)生態(tài)環(huán)境變化狀況。主要結(jié)論如下:

(1)2001—2020年NRSEI等級(jí)以中等和較優(yōu)為主,總體生態(tài)環(huán)境質(zhì)量較好?？臻g上來看,中部和東部生態(tài)環(huán)境嚴(yán)重退化與輕微退化區(qū)域面積占比較大,西部地區(qū)生態(tài)環(huán)境變化趨勢(shì)主要為輕微改善和明顯改善。從時(shí)間上分析,2001—2020年礦區(qū)生態(tài)環(huán)境呈現(xiàn)波動(dòng)變化;2001—2009年生態(tài)環(huán)境表現(xiàn)為先變差后變好再變差,總體趨勢(shì)為變差;2009—2020年生態(tài)環(huán)境先變好后變差再持續(xù)變好,總體趨勢(shì)為變好。

(2)2001—2020年研究區(qū)水體NRSEI變化不大,水體變化與降雨量有直接關(guān)系,水體與陸地變化區(qū)域NRSEI等級(jí)大多為中等偏優(yōu)級(jí)別,生態(tài)環(huán)境良好。

(3)礦區(qū)生態(tài)環(huán)境質(zhì)量受降雨、氣溫、坡度和人類活動(dòng)等因素共同作用影響。溫度降低和降雨增加可促進(jìn)生態(tài)環(huán)境變好;坡度較小區(qū)域城鎮(zhèn)的擴(kuò)展及人類活動(dòng)的影響使得生態(tài)環(huán)境變差,坡度較大區(qū)域生態(tài)環(huán)境質(zhì)量趨于好轉(zhuǎn);同時(shí)政府對(duì)生態(tài)環(huán)境的治理與保護(hù)政策對(duì)生態(tài)環(huán)境改善起到了積極的促進(jìn)作用。

盡管在RSEI基礎(chǔ)上加入的PM2.5濃度指標(biāo)可對(duì)地表生態(tài)環(huán)境質(zhì)量與空氣質(zhì)量進(jìn)行快速監(jiān)測(cè),但煤礦開采對(duì)生態(tài)環(huán)境的影響仍有待進(jìn)一步研究。不同期次影像采用的變換方式不同,各個(gè)指數(shù)的載荷權(quán)重不一致,對(duì)比結(jié)果會(huì)存在一些偏差。為了更全面評(píng)價(jià)研究區(qū)的環(huán)境變化,后續(xù)將以不同期次影像之間如何客觀、正確的對(duì)比為突破口展開研究,重點(diǎn)分析矸石山及其周邊環(huán)境的變化與礦區(qū)生態(tài)環(huán)境之間的關(guān)系,并結(jié)合土壤重金屬含量和不同區(qū)域水質(zhì)參數(shù)來對(duì)礦區(qū)生態(tài)環(huán)境進(jìn)行綜合評(píng)價(jià),以期對(duì)礦區(qū)生態(tài)環(huán)境進(jìn)行更加全面的監(jiān)測(cè)與驅(qū)動(dòng)因素分析。