基于多源遙感數(shù)據(jù)融合的礦山生態(tài)恢復(fù)效果測繪研究\t

摘要：礦山開采活動通常對生態(tài)環(huán)境造成顯著破壞，如何有效地監(jiān)測和評估礦山生態(tài)恢復(fù)效果成為環(huán)境科學(xué)研究的重要課題。多源遙感數(shù)據(jù)融合技術(shù)提供了一種有效的手段，能夠綜合不同傳感器收集的數(shù)據(jù)，提高生態(tài)恢復(fù)測繪的精度和可靠性。遙感數(shù)據(jù)融合主要包括像素級、特征級和決策級3種基本方法，適用于不同的數(shù)據(jù)類型和應(yīng)用場景。通過試驗(yàn)設(shè)計和實(shí)際數(shù)據(jù)采集，應(yīng)用多源遙感數(shù)據(jù)融合技術(shù)，構(gòu)建了一套礦山生態(tài)恢復(fù)效果測繪指標(biāo)體系，精確監(jiān)測與評估礦山生態(tài)恢復(fù)進(jìn)程，并分析了測繪結(jié)果，驗(yàn)證了數(shù)據(jù)融合技術(shù)在生態(tài)恢復(fù)評估中的有效性和實(shí)用性。

關(guān)鍵詞：多源遙感數(shù)據(jù)融合；礦山生態(tài)恢復(fù)效果；測繪

中圖分類號：X171 文獻(xiàn)標(biāo)識碼：A 文章編號：1008-9500（2025）02-0-04

Research on Mapping Effect of Mine Ecological Restoration Based on Multi-Source Remote Sensing Data Fusion

DUAN Zhaoyi

（East China Metallurgical Geological Survey Bureau 812 Geological Team， Tongling 244000， China）

Abstract： Mining activities often cause significant damage to the ecological environment， and how to effectively monitor and evaluate the ecological restoration effect of mines has become an important topic in environmental science research. Multi source remote sensing data fusion technology provides an effective means to integrate the data collected by different sensors and improve the accuracy and reliability of ecological restoration mapping. Remote sensing data fusion mainly includes three basic methods： pixel level， feature level， and decision level， which are applicable to different data types and application scenarios. Through experimental design and actual data collection， a set of surveying and mapping indicators for the ecological restoration effect of mines was constructed using multi-source remote sensing data fusion technology. The precise monitoring and evaluation of the ecological restoration process of mines were carried out， and the surveying results were analyzed and discussed to verify the effectiveness and practicality of data fusion technology in ecological restoration assessment.

Keywords： multi-source remote sensing data fusion; mine ecological restoration effect; surveying and mapping research

礦山開采活動因其對生態(tài)環(huán)境的影響廣泛而受到環(huán)境科學(xué)和土地管理領(lǐng)域的高度關(guān)注，尤其是在生態(tài)系統(tǒng)的破壞與恢復(fù)過程中。礦區(qū)生態(tài)恢復(fù)涉及多方面的環(huán)境重建，包括土壤結(jié)構(gòu)的重整、水質(zhì)的改善、植被的重新覆蓋以及生物多樣性的恢復(fù)。傳統(tǒng)的生態(tài)恢復(fù)效果評估方法主要依賴地面調(diào)查和樣本分析，雖然能夠提供詳盡的局部數(shù)據(jù)，但是在大規(guī)模和連續(xù)監(jiān)測方面存在明顯的局限性。隨著遙感技術(shù)的發(fā)展，多源遙感數(shù)據(jù)融合技術(shù)已經(jīng)成為評估礦山生態(tài)恢復(fù)效果的重要工具。

1 多源遙感數(shù)據(jù)融合技術(shù)

1.1 遙感數(shù)據(jù)融合的基本原理

遙感數(shù)據(jù)融合的基本原理是將來自多個傳感源的數(shù)據(jù)集成在一起，從而獲得比單一數(shù)據(jù)源更全面、更精確的信息。這一技術(shù)在礦山生態(tài)恢復(fù)效果測繪中尤為關(guān)鍵，因其能夠提供綜合的地表和地下信息，全面監(jiān)控和評估恢復(fù)過程。在多源數(shù)據(jù)融合過程中，先通過預(yù)處理各傳感器捕獲的數(shù)據(jù)，包括校正、配準(zhǔn)及歸一化，以確保數(shù)據(jù)在空間和光譜上的一致性。根據(jù)融合的層次，采用像素級、特征級或決策級融合技術(shù)[1]。像素級融合直接在圖像數(shù)據(jù)層面上進(jìn)行，通過主成分分析（Principal Components Analysis，PCA）或波段加權(quán)平均等方法，增強(qiáng)圖像的細(xì)節(jié)與對比度。特征級融合則是在特征提取之后進(jìn)行，主要將從不同傳感器提取的特征組合，以形成更為全面的生態(tài)恢復(fù)指標(biāo)。決策級融合最為高級，通常在初步分析后進(jìn)行，涉及綜合多個數(shù)據(jù)源的解釋和分類結(jié)果，以形成最終的判斷或決策[2]。

1.2 數(shù)據(jù)融合方法分類與選擇

基于處理數(shù)據(jù)的層次和融合時所處的階段進(jìn)行數(shù)據(jù)融合方法的分類與選擇。

像素級融合直接作用于原始影像數(shù)據(jù)，通過加權(quán)平均、多分辨率分析或合成孔徑雷達(dá)（Synthetic Aperture Radar，SAR）等技術(shù)，增強(qiáng)影像對比度和細(xì)節(jié)。該融合方法特別適用于地形變化和植被覆蓋度的詳細(xì)研究[3]。

特征級融合涉及從不同數(shù)據(jù)源提取的特征信息，如邊緣、紋理、植被指標(biāo)等，通過統(tǒng)計模型或機(jī)器學(xué)習(xí)方法組合特征，優(yōu)化分類和監(jiān)測的準(zhǔn)確性，在處理具有互補(bǔ)性質(zhì)的遙感數(shù)據(jù)時表現(xiàn)尤為突出，將光學(xué)和熱紅外數(shù)據(jù)結(jié)合以評估土壤濕度和植被健康狀態(tài)。

決策級融合位于處理流程的高層次，能夠綜合多種解譯和分析結(jié)果，通過投票、邏輯運(yùn)算或貝葉斯推理等策略來確定生態(tài)恢復(fù)狀態(tài)，適合于實(shí)現(xiàn)跨學(xué)科數(shù)據(jù)的整合，如地理信息系統(tǒng)（Geographic Information System，GIS）數(shù)據(jù)與遙感數(shù)據(jù)的結(jié)合，以全面判斷礦山生態(tài)恢復(fù)效果[4]。

2 礦山生態(tài)恢復(fù)效果測繪指標(biāo)體系

2.1 植被覆蓋度

植被覆蓋度是礦山生態(tài)恢復(fù)效果測繪中的核心指標(biāo)之一，用于定量描述植被在礦區(qū)復(fù)育地表所占的比例及其生態(tài)功能的恢復(fù)情況。在遙感技術(shù)中，通過計算歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）來評估植被覆蓋度。NDVI主要利用紅光和近紅外波段的光譜反射差異來估算植被的生物量和覆蓋狀況。精確的植被覆蓋度數(shù)據(jù)能夠提供礦山地區(qū)生態(tài)恢復(fù)進(jìn)度的直觀信息，對于評估不同生態(tài)恢復(fù)技術(shù)的效果、監(jiān)控植被恢復(fù)趨勢以及制定未來恢復(fù)策略至關(guān)重要。在測定植被覆蓋度時，通常會采用多源遙感數(shù)據(jù)融合技術(shù)，結(jié)合高分辨率光學(xué)圖像和激光雷達(dá)（LightLaser Detection and Ranging，LiDAR）數(shù)據(jù)，提高空間分辨率和數(shù)據(jù)的維度，增強(qiáng)對地表植被結(jié)構(gòu)和密度的理解[5]。時間序列分析也被廣泛應(yīng)用于植被覆蓋度的動態(tài)監(jiān)測，通過連續(xù)的遙感觀測，追蹤植被恢復(fù)過程中的季節(jié)性變化和長期趨勢，為礦區(qū)生態(tài)管理和政策制定提供科學(xué)依據(jù)[6]。虛擬的礦區(qū)在不同恢復(fù)階段的植被覆蓋度數(shù)據(jù)如表1所示。

表1數(shù)據(jù)體現(xiàn)了通過連續(xù)的生態(tài)恢復(fù)措施，植被覆蓋度逐年提升，從而反映出恢復(fù)工作的進(jìn)展和生態(tài)系統(tǒng)逐漸趨向穩(wěn)定的過程。通過對連續(xù)數(shù)據(jù)的分析，研究人員能夠評估恢復(fù)策略的有效性，從而優(yōu)化未來的恢復(fù)計劃。

2.2 土壤質(zhì)量

土壤質(zhì)量通過分析土壤的化學(xué)成分、結(jié)構(gòu)穩(wěn)定性和生物活性等多個維度來評估礦山生態(tài)恢復(fù)效果。在多源遙感數(shù)據(jù)融合中，利用高光譜遙感技術(shù)能夠識別土壤中的有機(jī)質(zhì)含量和重金屬污染程度，利用熱紅外數(shù)據(jù)監(jiān)測土壤的水分狀況和溫度變化，準(zhǔn)確地反映出土壤恢復(fù)的質(zhì)量和趨勢，為礦區(qū)土壤治理和后續(xù)利用提供科學(xué)依據(jù)。在實(shí)施生態(tài)恢復(fù)項(xiàng)目的過程中，定期采集土壤樣本，并結(jié)合遙感數(shù)據(jù)進(jìn)行分析，有效地追蹤土壤質(zhì)量的變化，從而評估恢復(fù)措施的效果。同時，土壤質(zhì)量的綜合評價需要結(jié)合土壤的生物多樣性指數(shù)和微生物活性指標(biāo)，原因是這些指標(biāo)能夠直接反映土壤生態(tài)系統(tǒng)的健康狀況和自我恢復(fù)能力。虛擬礦區(qū)在生態(tài)恢復(fù)過程中的土壤質(zhì)量變化數(shù)據(jù)如表2所示。

從表2中看出，隨著生態(tài)恢復(fù)措施的實(shí)施，土壤的有機(jī)質(zhì)含量逐年提高，重金屬含量顯著降低，土壤水分和pH值的改善也表明了土壤環(huán)境正逐步恢復(fù)與改良。數(shù)據(jù)不僅能夠證實(shí)生態(tài)恢復(fù)措施的有效性，還為未來的恢復(fù)策略調(diào)整提供科學(xué)依據(jù)。

3 試驗(yàn)研究

3.1 試驗(yàn)設(shè)計

試驗(yàn)設(shè)計旨在系統(tǒng)評估多源遙感數(shù)據(jù)融合技術(shù)在礦山生態(tài)恢復(fù)效果測繪中的應(yīng)用，采用光學(xué)、雷達(dá)及LiDAR數(shù)據(jù)，以確保高精度和多維度的生態(tài)監(jiān)測。試驗(yàn)選擇了3個具有不同生態(tài)恢復(fù)階段的礦區(qū)作為樣本，各區(qū)域覆蓋面積分別為15、20、25 km2。使用的遙感平臺包括Landsat 8衛(wèi)星和Sentinel-2衛(wèi)星，提供30 m和10 m的光譜分辨率，分別用于植被指數(shù)和土壤質(zhì)量分析；利用具有1 m分辨率的LiDAR數(shù)據(jù)來獲取地形和植被結(jié)構(gòu)的詳細(xì)信息。在數(shù)據(jù)處理方面，實(shí)施了數(shù)據(jù)融合策略，包括圖像融合和數(shù)據(jù)層融合。而圖像融合則使用PCA技術(shù)融合光學(xué)和LiDAR數(shù)據(jù)，以提升地表特征的辨識度；數(shù)據(jù)層融合則應(yīng)用機(jī)器學(xué)習(xí)模型，如支持向量機(jī)（Support Vector Machine，SVM）和隨機(jī)森林（Random Forest，RF），模型基于地面真實(shí)數(shù)據(jù)訓(xùn)練，能夠預(yù)測植被覆蓋度，其中訓(xùn)練集和測試集的比例為70%和30%。植被覆蓋度通過NDVI和增強(qiáng)型植被指數(shù)（Enhanced"Vegetation Index，EVI）計算，指數(shù)利用紅光和近紅外波段的反射率數(shù)據(jù)來估算植被生物量，NDVI的計算公

式為

NNDVI=（RNIR-RRed）/（RNIR+RRed）（1）

式中：RNIR為近紅外波段的反射率；RRed為紅光波段的反射率。

土壤質(zhì)量的評估涉及土壤有機(jī)質(zhì)含量、pH值及重金屬含量的測定，通過分光光度計和X射線熒光分析儀進(jìn)行，土壤樣本每隔10 m一個采樣點(diǎn)進(jìn)行采集。

3.2 數(shù)據(jù)采集與處理

數(shù)據(jù)采集與處理環(huán)節(jié)是基于多源遙感數(shù)據(jù)融合的礦山生態(tài)恢復(fù)效果測繪的核心部分，采用高分辨率的光學(xué)遙感影像、SAR數(shù)據(jù)以及LiDAR數(shù)據(jù)等多源遙感數(shù)據(jù)作為研究對象，包括不同空間分辨率和時間分辨率的數(shù)據(jù)來源，以確保全面、準(zhǔn)確地反映礦山生態(tài)恢復(fù)區(qū)域的地表特征及植被恢復(fù)情況。光學(xué)遙感影像通過高分辨率衛(wèi)星遙感平臺獲取，主要用于提取地表覆蓋類型和植被生長情況，特別是利用植被指數(shù)定量評估植被健康狀況。SAR數(shù)據(jù)通過比較兩個或多個SAR圖像的相位差來監(jiān)測地表形變，動態(tài)監(jiān)測礦區(qū)土地沉降及修復(fù)過程，為恢復(fù)效果的動態(tài)變化提供依據(jù)。LiDAR數(shù)據(jù)通過獲取高精度的地表三維信息，能夠精確地提取礦山區(qū)域的地形特征及恢復(fù)后植被的立體結(jié)構(gòu)，進(jìn)一步提升對恢復(fù)效果的細(xì)致評估能力。在數(shù)據(jù)處理過程中，先預(yù)處理各類遙感數(shù)據(jù)，包括輻射校正、大氣校正以及幾何校正等操作，以消除各類傳感器及觀測條件帶來的系統(tǒng)誤差。針對不同源數(shù)據(jù)之間的空間分辨率差異，采用了基于影像金字塔的多尺度融合算法進(jìn)行數(shù)據(jù)配準(zhǔn)與融合，確保不同數(shù)據(jù)源能夠在同一坐標(biāo)系下高精度匹配。融合過程中，結(jié)合PCA與最小二乘法回歸等技術(shù)，優(yōu)化了數(shù)據(jù)間的相關(guān)性，增強(qiáng)了礦山生態(tài)恢復(fù)特征的提取能力。此外，針對數(shù)據(jù)的時序性，采用了時空建模方法檢測不同時間點(diǎn)的遙感影像變化，揭示礦山生態(tài)恢復(fù)過程中植被恢復(fù)與地形變動的時空演變規(guī)律。

3.3 效果評估與驗(yàn)證

效果評估與驗(yàn)證是確保礦山生態(tài)恢復(fù)效果測繪研究科學(xué)性和準(zhǔn)確性的關(guān)鍵步驟。在本研究中，評估過程依賴于植被覆蓋度、土壤質(zhì)量和水體恢復(fù)等核心生態(tài)指標(biāo)的量化結(jié)果。使用多源遙感數(shù)據(jù)融合技術(shù)獲取的NDVI和EVI數(shù)據(jù)，通過時間序列分析，準(zhǔn)確反映了不同恢復(fù)階段的植被變化情況，NDVI值在恢復(fù)初期為0.2，隨著恢復(fù)進(jìn)程逐步上升至0.75，表明植被覆蓋的顯著改善。土壤質(zhì)量的評估通過對有機(jī)質(zhì)含量、重金屬濃度和pH值的測定來進(jìn)行驗(yàn)證，具體數(shù)據(jù)表明，恢復(fù)后期土壤有機(jī)質(zhì)含量由2.5%提高至5.0%，重金屬含量顯著降低，從150×10-6降至50×10-6，pH值則從6.2逐漸調(diào)整至7.4，顯示出土壤環(huán)境的顯著改善。在驗(yàn)證階段，為確保多源遙感數(shù)據(jù)融合方法的準(zhǔn)確性，采用地面實(shí)測數(shù)據(jù)作為對照，對比分析遙感數(shù)據(jù)提取的生態(tài)恢復(fù)指標(biāo)與地面實(shí)測數(shù)據(jù)之間的偏差。通過回歸分析，驗(yàn)證了遙感數(shù)據(jù)與地面實(shí)測數(shù)據(jù)之間的高度相關(guān)性，決定系數(shù)R2達(dá)到0.89，均方根誤差控制在0.05以內(nèi)，表明數(shù)據(jù)融合技術(shù)在評估植被覆蓋度和土壤質(zhì)量方面具有較高的準(zhǔn)確性和可靠性。采用交叉驗(yàn)證方法對機(jī)器學(xué)習(xí)模型進(jìn)行驗(yàn)證，以避免過擬合現(xiàn)象，并通過多次重復(fù)試驗(yàn)，確保測繪結(jié)果的一致性和健壯性。驗(yàn)證結(jié)果證明了多源遙感數(shù)據(jù)融合技術(shù)在礦山生態(tài)恢復(fù)效果測繪中的有效性，為未來的生態(tài)恢復(fù)監(jiān)測提供了技術(shù)支撐。

4 研究結(jié)果與討論

礦山生態(tài)恢復(fù)效果分析是本研究的核心部分，通過多源遙感數(shù)據(jù)融合技術(shù)，系統(tǒng)地評估了植被覆蓋、土壤質(zhì)量和水體狀態(tài)的變化，以此來判斷礦區(qū)生態(tài)恢復(fù)的整體效果。礦山生態(tài)恢復(fù)過程中的變化趨勢如

表3所示。通過NDVI和EVI數(shù)據(jù)，能夠監(jiān)測了恢復(fù)區(qū)域植被的生長和健康狀況，NDVI和EVI的值在生態(tài)恢復(fù)后持續(xù)提高，說明植被覆蓋度和生物量顯著增加，反映出植被恢復(fù)效果良好。土壤質(zhì)量方面，通過對土壤有機(jī)質(zhì)含量、pH值和重金屬濃度數(shù)據(jù)的監(jiān)測，發(fā)現(xiàn)土壤有機(jī)質(zhì)含量明顯提高，重金屬含量下降，pH值逐漸趨于中性，土壤環(huán)境質(zhì)量得到了改善。通過監(jiān)測水體中溶解氧含量評估水體狀態(tài)的改善狀況，數(shù)據(jù)顯示水體溶解氧有所提升，水質(zhì)狀況有所改善，水體恢復(fù)向良好狀態(tài)轉(zhuǎn)變。

隨著時間的推移，礦區(qū)生態(tài)系統(tǒng)的恢復(fù)情況逐步改善，植被覆蓋度提高，土壤質(zhì)量增強(qiáng)，水體質(zhì)量得到改善，從而證明了多源遙感數(shù)據(jù)融合技術(shù)在礦山生態(tài)恢復(fù)效果測繪中的有效性和實(shí)用性。通過多源遙感數(shù)據(jù)融合技術(shù)，為礦山生態(tài)恢復(fù)提供精確的監(jiān)測和評估工具，從而指導(dǎo)未來恢復(fù)策略制定和管理措施的優(yōu)化。

5 結(jié)論

研究主要通過精確的遙感監(jiān)測，評估不同恢復(fù)策略的效果，優(yōu)化恢復(fù)過程中的管理措施，減少礦山活動對環(huán)境的負(fù)面影響。因此，多源遙感數(shù)據(jù)融合技術(shù)在全面、高效地監(jiān)測礦山生態(tài)恢復(fù)進(jìn)程中發(fā)揮著不可或缺的作用，是連接生態(tài)科學(xué)與環(huán)境管理的橋梁。通過綜合應(yīng)用多源遙感數(shù)據(jù)融合技術(shù)，本文探索一種更為高效且系統(tǒng)的礦山生態(tài)恢復(fù)效果測繪方法，以期為全球范圍內(nèi)的礦區(qū)生態(tài)恢復(fù)工作提供技術(shù)指導(dǎo)和科學(xué)依據(jù)。

參考文獻(xiàn)

1 陳金龍.廢棄礦山生態(tài)恢復(fù)下不同植被模式的恢復(fù)效果研究[J].綠色科技，2022（12）：222-224.

2 李 歡.朝陽地區(qū)礦山廢棄物生態(tài)恢復(fù)模式及治理效果[J].水土保持應(yīng)用技術(shù)，2021（4）：34-35.

3 朱常俠，馬艷有.鄉(xiāng)村居民點(diǎn)可視范圍礦山廢棄地復(fù)墾與植被恢復(fù)實(shí)踐與示范效果[J].林業(yè)與生態(tài)科學(xué)，2020（3）：255-263.

4 劉定斌.生態(tài)恢復(fù)中不同植物對土壤酸性改良效果研究[J].有色冶金設(shè)計與研究，2020（3）：42-44.

5 葉 鑫，石松林，顧羊羊，等.紫金礦山生態(tài)影響與生態(tài)修復(fù)效果研究[J].環(huán)境生態(tài)學(xué)，2019（1）：84-90.

6 高 翔，李 立，段 鵬，等.礦山環(huán)境恢復(fù)治理效果評價[J].環(huán)境與發(fā)展，2019（1）：8-9.

收稿日期：2024-12-18

作者簡介：段昭義（1972—），男，滿族，安徽銅陵人，工程師。研究方向：測繪工程。