基于多光譜遙感生態環境調查的黃河中游礦群地表覆蓋及景觀格局研究

李 莉,張 祺,仇 豐,王韶伊

(1.神東煤炭集團有限責任公司 生態環境管理中心,陜西 榆林 719315; 2.中國電建集團華東勘測設計研究院有限公司 生態環境工程院,浙江 杭州 311122; 3.浙江華東生態環境工程研究院,浙江 杭州 311122)

相比露天采煤,井下采煤對生態環境的直接影響小,但也會產生地表沉陷、地下水位下降、水土流失等問題,從而間接影響地表覆蓋及景觀格局;煤炭企業、公益組織和地方政府在礦區的生態修復投入,會減緩荒漠化進程,加速受損植被的恢復。

多光譜遙感衛星在評價礦區地表覆蓋類型和植被覆蓋率等指標方面已有較多應用。劉英[1]使用多顆衛星的影像研究了礦群礦區12年間地表植被和淺層土壤濕度,研究發現礦井采區植被覆蓋率小于非采區,可能原因是開采活動降低了淺層土壤含水率;隨后,劉英等[2]進一步研究植被覆蓋度時序變化與驅動因素發現,含水率和降雨量分別是影響植被覆蓋度最主要的土壤理化因子和氣候因子。李宏韜等[3]研究了礦區歸一化植被指數(NDVI)和增強型植被指數(EVI)10年間的變化規律,發現植被覆蓋情況改善的區域超過90%。李蕊等[4-5]在更大的時間尺度上,選用不同指標研究礦區植被覆蓋,均認為生態環境質量在過去10余年有提高。植被覆蓋是水土流失的影響因素之一,王麗云等[6]使用遙感數據和數字高程模型(DEM)研究了礦區13年間水土流失動態變化,發現土壤侵蝕由高強度向低強度轉移,水土流失面積減小值超過礦區總面積的1/3。綜合使用多種遙感數據,可以得到生態系統服務功能,劉英等[7]研究了礦區的生態系統服務功能,得到其時空分布規律及空間聚類特征,并解釋了成因,提出了生態治理建議。王鐵生等[8]提出了“偽綠化面積”的概念,指的是硬化地面覆土植草不透水的綠地,進而提出了使用多光譜數據判定偽綠化面積的方法,并在鄭州市金水區進行驗證。

已有研究多采用美國MODIS等免費數據,分辨率多為30 m,高分辨率的研究成果依然較少;此外,遙感得到的地表覆蓋及景觀格局成果對生態環保工程的指導不夠直接。本文針對已有研究的不足,選取黃河中游礦群為研究對象,使用高分六號多光譜衛星影像結合現場調查,從生態功能的角度研究該礦群地表覆蓋及景觀格局。

1 研究區概況及數據來源

研究區選取礦群核心區,位于陜西省榆林市神木市與內蒙古自治區鄂爾多斯市伊金霍洛旗交界處,烏蘭木倫河兩岸,研究范圍是多個礦井的外包線,與劉英等[2]一致,如圖1所示。

遙感數據來自高分六號衛星,搭載了離軸TMA全反射式相機,包含藍、綠、紅、近紅外4個譜段,全色空間分辨率優于2 m,覆蓋寬度大于90 km,是中國第一顆具備“紅邊”波段傳感器的衛星,也是世界上第一顆具備“紅邊”波段的寬視場多光譜中高分辨率衛星,在農林領域具有優勢[9-11]。遙感影像于2022年5月30日拍攝,中心點經緯度E110.4°、N39.5°,編號為L1A1120214256,影像覆蓋了整個研究區,拍攝時天氣晴朗,幾乎無云。

原始數據經過輻射定標、正射校正和快速大氣校正等預處理,投影到2000國家大地坐標系?，F場調查采用踏勘和無人機航拍結合的方式,驗證遙感成果的有效性,補充必要的細節。調查時間為2022年6月1—5日。

2 研究方法

2.1 地表覆蓋類型及植被覆蓋度

采用分類回歸樹算法(Classification and Regression Tree,CART)地表覆蓋類型分為裸地、人造地表、水域、草地、灌木和林地6類。CART屬于機器學習中的專家系統,作為一種基礎方法,廣泛用于多個領域,在地理信息學方面,常用于地物識別[12]和精確分類[13-14]。本研究使用ENVI軟件預設的CART模塊,優化了移動窗口尺寸參數。

植被覆蓋度采用歸一化植被指數(Normalized Difference Vegetation Index,NDVI)表征,在地表覆蓋類型的基礎上采用像元二分模型計算得出。NDVI利用植被吸收紅光、反射近紅外光的特性計算得出,常用于評估作物長勢[15]和植被覆蓋度[16-19]。本研究使用ENVI軟件預設的NDVI功能。

2.2 景觀格局

景觀格局指景觀的空間結構特征,常用景觀格局指數表征,指數的空間自相關性和聚類特征也屬于景觀格局的范疇。

2.2.1 景觀格局指數

選取拼塊密度、香農多樣性、蔓延度、邊緣密度最大拼塊占景觀面積比例和景觀形狀指數6個指標,反映礦群景觀格局,見表1。景觀格局的基本組成單元是斑塊,指不同于周圍背景的、相對均質的非線性區域。PD反映斑塊密度,單位面積內斑塊越多,景觀異質性越強,例如整齊劃一的林場斑塊密度較低,而錯落有致的天然林斑塊密度較高。SHDI反映香農多樣性,強調稀有斑塊對景觀多樣性的貢獻,景觀多樣性和生物多樣性正相關,該指標在生態學領域有廣泛應用。CONTAG反映蔓延度,取值0～100%,蔓延度越高說明優勢斑塊的連續性越好。ED反映邊緣密度,表征斑塊邊緣破碎度。LPI反映最大斑塊占景觀面積比例。LSI是景觀形狀指數,等于某斑塊形狀與相同面積的圓或正方形之間的偏離程度,取值為1到無窮大。

表1 景觀格局指數Tab.1 Landscape pattern index

這些指標使用fragstats軟件計算。

2.2.2 空間自相關和聚類分析

對于訴訟中進行的調解，德國行政法院又將其分為“第三方調解”和“法院內部調解”。?所謂“第三方調解”系行政訴訟受理法院將該爭議案件交由法院以外的第三方調解，且多數由律師擔任調解人;所謂“法院內部調解”系在行政訴訟受理法院內部，由主審法官將該案件交由不直接審理的其他法官調解，這種調解方式被稱為德國的“法官調解”制度，在該制度下，法官將同時扮演審判者和調解者的角色。

使用莫蘭指數表征空間自相關性,使用ArcGIS軟件計算6種地表覆蓋類型和植被覆蓋率的莫蘭指數分布。

聚類分析是局部空間自相關性分析,與全局空間自相關不同,聚類分析將整個研究區劃分成很多網格,研究網格與其周圍網格屬性的特征,得到高—低值聚類圖。

3 結果與討論

3.1 地表覆蓋類型

經過現場調查驗證,遙感解譯結果可以較好地解決“同物異譜”和“同譜異物”問題,也有助于深入理解遙感成果的地理意義。解譯得到的地表覆蓋類型如圖2所示。高分辨率的衛星影像解譯后展現出豐富的細節,沖溝中樹木形成的紋理,草原上零星的林地,河道中的江心洲、橋梁都能被識別;整個研究區被河道分成東西兩部分,河道被水壩分成幾段,裸露的河床部分被判定為人造地表,部分被判定為裸地,差別主要在于透水性;河道周圍城鎮、公路密集,形成大量的人造地表。部分典型場景的衛星影像、地表覆蓋類型和無人機航拍照片對比如圖3所示。該區域屬于哈拉溝生態環境示范基地,包含水域、試驗田、林地、建筑物等多種地表覆蓋類型,所有類型都被正確識別,礦群地表覆蓋類型解譯精度較高。

礦群面積占比最大的是草地,占38.4%,其次為灌木,占24.7%,兩者合計超過63.1%。草地和灌木都有大面積的連續區域,而林地零星分布在草地和灌木中,面積占比11.8%,林地比較集中的區域是人造地表附近、沖溝和季節性河流的河床。

人造地表占總面積的9.2%,主要分布在河流兩岸和露天礦坑。裸地占比15.4%,主要位于山坡、露天礦坑和歷史采礦跡地。

3.2 植被覆蓋度

植被覆蓋度指植被(包括葉、莖、枝)在地面的垂直投影面積占統計區總面積的百分比。礦群植被覆蓋度如圖4所示。整體而言,烏蘭木倫河東岸植被覆蓋度較低,存在連續的低覆蓋度區塊;烏蘭木倫河西岸,植被覆蓋度分布較隨機,除了南邊的礦坑和河邊的集鎮,沒有連續的覆蓋度較低的區塊。

圖4 黃河中游礦群植被覆蓋度Fig.4 Vegetation coverage of the mineral group in the middle reaches of Yellow River

礦群不同地類占比及其植被覆蓋度均值和貢獻率見表2。裸地、草地、灌木3種地類的植被覆蓋度均值差異較小,為0.42～0.45。主要原因是受物候影響,草木剛發芽,枝葉還不旺盛,投影面積較小,對植被覆蓋度貢獻有限。林地的植被覆蓋度達到0.58,屬于中度閉郁,與現場調查的結果一致,林地以11.8%的面積占比貢獻了14.3%的植被覆蓋度;草地是面積最大的地類,也因此貢獻了最多的植被覆蓋度,草地對整個研究區的植被覆蓋度貢獻最大,草地的生長難以受到地下水補給,主要由降水補給,從地類和植物生長特點方面解釋了劉英等[2]“降雨量是植被NDVI波峰值的最敏感氣候因子”的規律。

表2 礦群地類和植被覆蓋度統計Tab.2 Statistics of mineral group land types and vegetation coverage

3.3 景觀格局

表3 景觀格局指數之間的相關系數Tab.3 Correlation coefficients between landscape pattern indices

3.3.1 香農多樣性指數分析

礦群香農多樣性指數如圖5所示。圖5中,藍色區域多樣性較差,景觀單一,連續的藍色區域值得重點修復;紅色區域景觀多樣性好,生態功能也更豐富。香農多樣性指數的空間分布呈現以下規律:①礦群西北部,存在香農多樣性指數較高的葉脈狀連通區域,結合地表覆蓋和植被覆蓋率可知,該區域為沖溝中的零星林地,面積占比較小,對植被覆蓋率的貢獻有限,但對景觀多樣性貢獻很大,推知生態價值較高。②烏蘭木倫河兩岸香農多樣性指數較高,但未能形成連續的線形區域,河流被水閘分成幾段,沒有生態流量下泄,沿河生態帶的建設也應該是生態修復的重點。③整個礦群散布若干香農多樣性指數較低的區域,多為坡地。

圖5 礦群香農多樣性指數(SHDI)Fig.5 Shannon diversity index(SHDI) of the mineral group

3.3.2 植被覆蓋度聚類分析

植被覆蓋度的空間分布規律反映了自然景觀格局,全局空間自相關分析得到的莫蘭散點圖,散點多位于第一和第三象限,第一象限表明高—高聚類,第三象限表明低—低聚類?？臻g相關性常用莫蘭指數表征,莫蘭指數在-1～1,大于0表示空間正相關,數值越大相關性越大。研究區植被覆蓋度的莫蘭指數0.656,空間正相關性較大。

進一步分析植被覆蓋度的空間聚類特性,進行聚類分析(局部空間自相關分析),得到LISA聚類地圖,如圖6所示。紅色區域為高—高聚類,表明空間區域的植被覆蓋度之間正向影響,區域集中在烏蘭木倫河西岸和東岸南部區域,對應的地表覆蓋類型為灌木和草地,是潛在的生態源地,說明上灣、哈拉溝、大柳塔采煤沉陷區治理、礦區微生物修復等工程[20-23]初顯成效。藍色區域為低—低聚類,表明空間區域的植被覆蓋度之間負向影響,植被連通性差,生態治理實踐中應防止低—低聚類區域蔓延,低—低聚類區域集中在烏蘭木倫河東岸中部和北部,以及西岸廢棄礦坑和聚居區。烏拉木倫河兩岸植被覆蓋度聚類特征不同的原因可能是受東南季風影響,西岸處于東南季風的迎風坡,且西北部高山有利于阻擋暖濕氣流,東岸處于東南季風的背風坡,降水相對較少,不利于植被生長。聚類不顯著的區域可能是裸地和林草地相間,植被覆蓋天然分布較隨機,也可能是人類影響導致景觀格局破碎;低—高聚類和高—低聚類多處于過渡區域,不具有明顯的生態學意義。

圖6 SD中心礦區植被覆蓋度LISA聚類地圖Fig.6 LISA cluster map of vegetation coverage in SD central mineral group

4 結論

黃河流域能源基地受到采煤影響,是水土保持的重點區域,高分辨率多光譜遙感成果為礦群生態環境規劃提供技術支撐,得到以下主要結論。

(1)黃河中游礦群最主要的植被類型是灌木和草本植物互生形成的灌木草地,占總面積的63.1%,喬木林占比11.8%,主要呈帶狀,沿沖溝、沉陷區、河流分布,在地表形成“綠脈”,香農多樣性指數高,是天然的生態廊道。

(2)該礦群地表水資源利用程度高,主要河流烏蘭木倫河渠化程度高,部分河段蓄水形成水庫,部分河床裸露。

(3)該礦群植被覆蓋度均值0.45,烏蘭木倫河西岸和東岸南部植被覆蓋度主要呈現高—高聚類特征,空間區域之間正向影響,是潛在的生態源地;烏蘭木倫河東岸地處東南季風的背風坡,降水相對西岸較少,不利于植被生長,大部分區域呈現低—低聚類特征。