面向生态修复的云冈区植被遥感变化监测
(自然资源部第一大地测量队, 西安 710054)
摘要: 煤矿开采会改变土地养分条件, 影响地表植被生长, 针对大同煤田腹地的山西云冈区缺乏植被覆盖时空变化分析研究的问题, 深度挖掘遥感数据的植被指数信息, 进行植被时间序列统计分析。基于2019年至2022年的Landsat8 OLI影像, 提取归一化植被指数、植被覆盖度、绿度变化率, 从植被指数中挖掘出云冈区的长时序植被覆盖类型、植被覆盖度、植被覆盖度变化, 从而研究云岗区植被的分布特征、变化趋势。试验结果表明: (1) 矿区地表植被以耕地、灌木及乔木为主体, 总体植被覆盖度较高, 以口泉断裂带划分的西北部山区和东南部平原区植被变化趋势差异较大, 从2019年至2022年西北部山区的优势地表植被类型从灌木、乔木逐渐向灌草转变, 植被覆盖度从高、中高向中转变, 东南部平原区地表植被覆盖类型变化不大, 植被覆盖度轻微退化。 (2) 从2019年至2022年, 云岗区植被覆盖度退化面积40%, 基本不变面积37%, 发生改善面积23%。采矿、耕地收割对植被有明显消极影响, 矿区复绿、耕地种植对植被有明显积极影响。下一步, 需持续监测云岗区植被动态变化, 并研究植被变化与矿山开采、生态修复的关系, 为指导全区生态建设提供数据支撑。
关键词: 归一化植被指数, 植被覆盖度, 变化监测, Landsat8, 云冈区
引用格式: 张雅洁, 徐伟航, 姜宇昕. 面向生态修复的云冈区植被遥感变化监测[J]. 交叉科学学报, 2025, 2(1): 1-9.
文章类型: 研究性论文
收稿日期: 2024-10-04
接收日期: 2024-10-13
出版日期: 2025-03-28
0 引言
我国煤炭资源丰富且集中在西北地区，其生态环境本底较为脆弱，加上矿山开采的人为破坏，导致区域植被退化严重，为了推进地区生态修复工作，进行植被变化监测迫在眉睫。常用的植被变化监测方法主要有直接观察法，实地调查法、遥感技术，生化分析法，其中遥感技术能够快速、大面积获取数据，提取出反映植被生长状况的多种植被参数，是植被监测的有效手段[1]。
近年来国内外学者进行了很多植被变化监测研究，Yang等利用TM卫星影像，研究了澳大利亚卡拉煤矿的植被覆盖扰动及恢复状况[2];Arzu利用多时相TM数据评估了土耳其矿区的植被长势，分析了不同植被指数的差异性[3];祁帅等利用2018年、2020年的高分1号卫星影像，采用内判与外调相结合的方法，监测内蒙古境内露天煤矿的土地复绿情况[4];谭学玲等以2005—2016年的MODIS NDVI数据为基础，采用像元二分法、线性回归趋势线法和地形面积差异修正系数法，从地形、土地利用、采矿活动三个方面分析榆神府矿区的植被覆盖情况[5];陈秋计等从无人机正射影像中提取差异植被指数，监测河南省露天矿的苗木长势[6]。查阅文献发现针对云冈区的研究主要有地质分析、土地退化评价、矿区废石综合利用等，而对云冈区植被覆盖度、植被长势的研究非常少，故有必要进行大同市云岗区植被的长时序变化监测与分析。
1 研究区域与数据
1.1 研究区概况
以山西省大同市西南部的云冈区为研究区，总面积737.81km2，由口泉断裂带划分成西北部山区和东南部平原区，如图1所示，云冈区作为全国最大产煤区之一，除煤炭外，石灰岩、白云岩、高岭岩等矿产资源也很丰富，西北部山区以旱生草本、禾本科杂草、灌丛等自然植物为主，东南部平原区以人工种植的耕地为主，随着矿产开采导致土地破坏，对植被的生长也产生了深远影响，故迫切需要准确掌握云冈区植被的动态变化情况。
1.2 数据来源与处理
从OLI陆地成像仪上获取2019年8月、2020年9月、2021年8月、2022年7月的云冈区Landsat8 OLI卫星影像数据，影像信息如表1所示。利用ENVI软件对原始多光谱影像进行辐射定标、大气校正、正射校正，对原始全色影像进行辐射定标、正射校正，融合得到7个波段、30m分辨率的影像，并用云冈区矢量边界剪裁影像，得到最终的研究区卫星数据。
表1 Landsat 8遥感影像信息
Table 1 Landsat 8 remote sensing image information
|
波段 |
波段名 |
波长(μm) |
分辨率(m) |
|
1 |
气溶胶 |
0.44 |
30 |
|
2 |
蓝 |
0.48 |
30 |
|
3 |
绿 |
0.56 |
30 |
|
4 |
红 |
0.65 |
30 |
|
5 |
近红 |
0.86 |
30 |
|
6 |
SWIR1 |
1.6 |
30 |
|
7 |
SWIR2 |
2.2 |
30 |
2 研究方法
为了监测云冈区逐年的植被生长状况，分析植被生长发育的空间分布、时序变化特征，以归一化植被指数(Normalized Difference Vegetation Index，NDVI)、植被覆盖度(Fractional Vegetation Coverage，FVC)、绿度变化率(The greenness rate of change，C)作为监测指标，利用彩色密度分割法对植被指数分级，得到基于植被指数的空间分布图，进行2019年、2020年、2021年、2022年的植被变化时间序列统计分析，研究方法如图2所示。
图1 云冈区平面布置图
Fig.1 Plan layout of the Yungang District
图2 植被覆盖变化分析方法
Fig.2 Vegetation cover change analysis method
归一化植被指数能很好地反映植被覆盖情况、植物生长量以及生态系统中各种参数的变化[7]，健康绿色植被在近红外波段、红光波段反射差异大，NDVI值高。如公式(1)，式中ρNIR、ρRED分别为近红外波段、红光波段的反射值。NVDI取值范围0~1。基于NDVI图进行色彩密度分割，选取最佳阈值，可将地表覆盖类型划分成5类，如表2所示，并生成矿区地表覆盖类型图。
NDVI=
(1)
植被覆盖度是植被的枝、茎、叶垂直向下的投影面积占统计区域总面积的百分比，是刻画地面植被覆盖程度的一个重要参数[8,9]。如公式(2)，式中NDVImax和NDVImin分别为植被NDVI的最大值和最小值。FVC取值范围0~100%。可将矿区的植被覆盖度划分为5个等级，如表3所示，并生成植被覆盖度分布图。
FVC=
(2)
绿度变化率可量化FVC在的变化趋势，如公式(3)，式中FVCj为第j年的 FVC 值，FVCi为第i年的 FVC 值[10]。可将矿区的植被变化趋势划分为7个等级，如表4所示，并生成矿区植被覆盖度变化图。
C=FVCj-FVCi(3)
表2 地表覆盖类型分级
Table 2 Classification of land cover types
|
NDVI |
<0.01 |
0.01~0.15 |
0.15~0.3 |
0.3~0.4 |
>0.4 |
|
地物类型 |
水体 |
裸地及建筑 |
低密度灌草 |
高密度灌草 |
耕地、灌木及乔木 |
表3 植被覆盖度分级
Table 3 Classification of vegetation coverage
|
FVC |
0~20% |
20%~40% |
40%~60% |
60%~80% |
80%~100% |
|
植被覆盖度 |
低 |
中低 |
中 |
中高 |
高 |
表4 植被覆盖度变化分级
Table 4 Classification of Vegetation Coverage Changes
|
C |
C≤-30% |
-30%<C≤-15% |
-15%<C≤-5% |
-5%<C≤5% |
|
植被变化趋势 |
明显退化 |
一般退化 |
轻微退化 |
基本不变 |
|
C |
5%<C≤15% |
15%<C≤30% |
C>30% |
|
|
植被变化趋势 |
轻微改善 |
一般改善 |
明显改善 |
|
3 结果与分析
3.1 归一化植被指数空间分布与时序统计
基于云冈区的NDVI值对不同地表覆盖类型划分，生成地表覆盖类型分布图，如图3所示，分析可知云冈区内大部分区域为耕地、灌木及乔木，裸地及建筑集中分布于口泉断裂带沿线的矿区、东南部平原区的村庄，云冈区水资源先天不足，地表水储量较少，灌草呈放射状散布于全区，从2019年至2022年西北部山区的灌木及乔木逐渐向灌草转变明显。NDVI值频率分布图如图4所示，分析可知，NDVI值在0至0.93之间变化，第一阶段(2019年、2020年)植被频率峰值均处于0.4至0.6之间，约占26%，说明第一阶段云冈区地表植被以耕地、灌木及乔木为主，第二阶段(2021年、2022年)植被频率峰值均处于0.3至0.5之间，约占23%，说明从第一阶段到第二阶段云冈区NDVI峰值向低移动，地表植被主要类型由耕地、灌木及乔木向高密度灌草转变。统计地表覆盖类型面积比例，得到云冈区不同地表覆盖类型面积比例随时间序列的变化，如表5所示，分析可知，从2019年至2022年，云冈区的地表水体面积占比均不足1%，裸地及建筑占比5%左右且变化不大，低密度灌草逐年增长了6.25%，高密度灌草逐年增长了13.19%，耕地、灌木及乔木逐年降低了20.24%。
图3 地表覆盖类型图
Fig.3 Land cover type map
图4 NDVI值频率分布图
Fig.4 Frequency distribution of NDVI values
表5 地表覆盖类型面积占比时序统计表
Table 5 Temporal statistics of area proportions for land cover types
|
年份 |
水体 |
裸地及建筑 |
低密度灌草 |
高密度灌草 |
耕地、灌木及乔木 |
|
2019 |
0.15% |
4.00% |
10.10% |
10.56% |
75.19% |
|
2020 |
0.31% |
5.97% |
12.15% |
14.14% |
67.43% |
|
2021 |
0.26% |
5.79% |
14.43% |
19.4% |
60.12% |
|
2022 |
0.13% |
4.82% |
16.35% |
23.75% |
54.95% |
3.2 植被覆盖度空间分布与时序统计
基于云冈区的FVC值对不同植被覆盖度划分，生成地表植被覆盖度分布图，如图5所示，口泉断裂带沿线矿区、东南部平原区分布建筑及裸地处的植被覆盖度较低，从第一阶段(2019年、2020年)到第二阶段(2021年、2022年)西北部山区从高、中高植被覆盖度向中植被覆盖度转换明显。分析可知云冈区内处于中高植被覆盖度、高植被覆盖度的面积比例达到60%左右，可见云冈区的植被覆盖度整体较优。统计植被覆盖度类型面积比例，得到云冈区不同植被覆盖度面积比例随时间序列的变化，如表6所示，从2019年到2022年低植被覆盖度总面积减少了7.4km2，与2019年相比仅减少了1%;中低植被覆盖度总面积增加了14.8km2，与2019年相比增加了2%;中植被覆盖度总面积增加73.8km2，与2019年相比增加了10%;中高植被覆盖度总面积减少了29.5km2，与2019年相比减少了4%;高植被覆盖度总面积减少了51.6km2，与2019年相比减少了7%。2019年至2022年低、中低覆盖度变化相对较小，基本保持稳定，中植被覆盖度面积增加10%，中高、高植被覆盖度面积减少11%，说明矿区存在由高植被覆盖度向中植被覆盖度轻微退化的现象。
3.3 植被覆盖度变化趋势的空间分布
基于云冈区绿度变化率值对不同植被覆盖度变化趋势划分，生成地表植被覆盖度变化趋势图，如图6所示，分析可知云冈区内植被覆盖度大面积轻微退化，均匀片状分布基本不变，放射状分布轻微改善。植被覆盖度变化面积占比如图7所示，分析可知云冈区改善面积169.7km2，占比23%，植被覆盖度基本不变面积273km2，占比37%，发生退化面积295.1km2，占比40%。云冈区的明显改善主要集中在进行了复垦、复绿的矿区边坡、排土场，种植农作物的耕地，云冈区的明显退化主要集中在挖损绿地取土的采掘场、收割农作物的耕地。
图5 地表植被覆盖度分布图
Fig.5 Spatial distribution of vegetation coverage
表6 植被覆盖度面积占比时序统计表
Table 6 Temporal statistics of area proportions for vegetation coverage
|
年份 |
低植被覆盖度 |
中低植被覆盖度 |
中植被覆盖度 |
中高植被覆盖度 |
高植被覆盖度 |
|
2019 |
4% |
10% |
17% |
36% |
33% |
|
2020 |
4% |
10% |
14% |
32% |
39% |
|
2021 |
5% |
13% |
28% |
28% |
27% |
|
2022 |
3% |
12% |
27% |
32% |
26% |
图6 植被覆盖度变化趋势图
Fig.6 Vegetation coverage change trends
图7 植被覆盖度变化面积占比图
Fig.7 Proportional area distribution of vegetation coverage changes
4 结论
为了低成本、高效率的进行大面积的植被动态监测，利用四期Landsat8 OLI卫星影像，进行云冈区植被的变化分析。分析的关键在于定量评价植被时空动态演变状况，以三种植被指数结合空间分布、时间序列统计进行植被变化监测，结论如下:(1)口泉断裂带沿线矿区以裸地及建筑为主，植被覆盖度低，从2019年至2022年，复垦、复绿的矿区植被覆盖度明显改善，挖损矿山取土的采掘场植被覆盖度明显退化;西北部山区以灌木及乔木为主，植被覆盖度中高，从2019年至2022年西北部山区的灌木及乔木逐渐向灌草转变，植被覆盖度从高、中高向中转换明显;东南部平原区以建筑、耕地为主，植被覆盖度高，从2019年至2022年东南部平原区地表覆盖类型改变不大，植被覆盖度轻微退化。(2)云冈区大部分区域为耕地、灌木及乔木，植被覆盖度较高，从2019年到2022年，地表植被主要类型由耕地、灌木及乔木向高密度灌草转变，植被覆盖度由高向中轻微转变，全区植被覆盖度发生退化的面积占比40%，基本不变面积占比37%，发生改善的面积占比23%。(3)通过研究云冈区植被变化与地表环境的耦合关系及其协同演变规律，发现云冈区从2019年到2022年存在轻微的植被退化现象，特别是以口泉断裂带为界的西北部山区退化明显，需要持续监测其植被动态变化，用于制定有效的生态修复方案。
利益冲突: 作者声明无利益冲突。
[①] *通讯作者 Corresponding author:张雅洁，yajie_zhang3@126.com
收稿日期:2024-10-04; 录用日期:2024-10-13; 发表日期:2025-03-28
基金项目:2023年度部省合作试点项目“露天矿山生态修复成效评估技术研究”(2023ZRBSHZ003)
参考文献(References)
[1] 杜中曼, 马文明, 周青平, 等. 基于遥感技术的植被识别方法研究进展[J]. 生态科学, 2022, 41(06): 222-229.
https://doi.org/10.14108/j.cnki.1008-8873.2022.06.026.
[2] Yang Y, Erskine P D, Lechner A M, et al. Detecting the dynamics of vegetation disturbance and recovery in surface mining area via Landsat imagery and LandTrendr algorithm[J]. Journal of Cleaner Production, 2018, 178(MAR. 20): 353-362.
https://doi.org/10.1016/j.jclepro.2018.01.050.
[3] Arzu, Erener. Remote sensing of vegetation health for reclaimed areas of Seyitömer open cast coal mine[J]. International Journal of Coal Geology, 2011, 86(1): 20-26.
https://doi.org/10.1016/j.coal.2010.12.009.
[4] 祁帅, 乔文光, 张勇. 遥感技术在内蒙古绿色矿山地质环境动态监测中的应用[J]. 测绘通报, 2021(S1): 79-82.
https://doi.org/10.13474/j.cnki.11-2246.2021.0518.
[5] 谭学玲, 闫庆武, 王瑾, 等. 榆神府矿区植被覆盖的动态变化及其影响因素[J]. 生态学杂志, 2018, 37(06): 1645-1653.
https://doi.org/10.13292/j.1000-4890.201806.015.
[6] 陈秋计, 朱小雅, 侯恩科, 等. 矿区复垦林地生态修复无人机监测研究[J]. 煤炭科学技术, 2020, 48(10): 192-197.
https://doi.org/10.13199/j.cnki.cst.2020.10.025.
[7] 王涛, 白红英. 秦岭山地植被NDVI对气候变化与人类活动的响应[J]. 山地学报, 2017, 35(06): 778-789.
https://doi.org/10.16089/j.cnki.1008-2786.000278.
[8] 秦伟, 朱清科, 张学霞, 等. 植被覆盖度及其测算方法研究进展[J]. 西北农林科技大学学报(自然科学版), 2006(09): 163-170.
https://doi.org/10.13207/j.cnki.jnwafu.2006.09.031.
[9] 文帆, 陈秋计, 黄兰等. 1986—2021年彬长矿区植被覆盖度时空变化及其影响因子[J]. 水土保持通报, 2023, 43(06): 304-310.
https://doi.org/10.13961/j.cnki.stbctb.2023.06.036
[10] 杨志. 陕北榆神矿区生态地质环境特征及煤炭开采影响机理研究[D]. 徐州: 中国矿业大学, 2019.
https://doi.org/10.27623/d.cnki.gzkyu.2019.000013.
Remote Sensing Monitoring of Vegetation Change in Yungang Area for Ecological Restoration
(The First Geodetic Surveying Brigade of the Ministry of Natural Resources, Xi’an 710054, China)
Abstract: Coal mining will change the land nutrient conditions and affect the growth of surface vegetation. In view of the lack of analysis and research on the spatio-temporal changes of vegetation coverage in Yungang District, Shanxi Province, in the hinterland of Datong coalfield, deeply explored the vegetation index information from remote sensing data and conducted statistical analysis of vegetation time series. Based on landsat8 oli images from 2019 to 2022, the normalized difference vegetation index (NDVI) , vegetation coverage and greenness change rate were extracted, and the long-term vegetation coverage types, vegetation coverage and vegetation coverage changes in Yungang district were mined from the vegetation index, so as to study the distribution characteristics and changing trend of vegetation in Yungang district. The results show that: (1) the surface vegetation in the mining area is mainly cultivated land, shrubs and trees, and the overall vegetation coverage is high. The vegetation change trends in the Northwest Mountainous Area and the southeast plain area divided by the Kouquan fault zone are quite different. From 2019 to 2022, the dominant surface vegetation types in the Northwest Mountainous area gradually change from shrubs and trees to shrubs and grassland, and the vegetation coverage changes from high to medium-high to medium, and the surface vegetation coverage types in the southeast plain area change little, and the vegetation coverage degrades slightly. (2) From 2019 to 2022, the degraded area of vegetation coverage in Yungang district is 40%, the basically unchanged area is 37%, and the improved area is 23%. Mining and farmland harvesting have a significant negative impact on vegetation, while mining area greening and farmland planting have a significant positive impact on vegetation. In the next step, it is necessary to continuously monitor the dynamic changes of vegetation in Yungang District, and study the relationship between vegetation changes and mining and ecological restoration, to provide data support for guiding the ecological construction of the whole region.
Keywords: Normalized difference vegetation index, vegetation coverage, change monitoring, Landsat8, Yungang District
Citation: ZHANG Yajie, XU Weihang, JIANG Yuxin. Remote sensing monitoring of vegetation change in yungang area for ecological restoration[J]. Acta Interdisciplinary Science, 2025, 2(1): 1-9.