石嘴山矿区地表环境动态变化遥感监测

尚 慧，倪万魁，2

(1．长安大学地质工程与测绘学院，西安 710054;2．冻土工程国家重点实验室，兰州 730050)

0 引言

矿业开发在为经济建设做出重要贡献的同时，也使矿区的生态环境遭到了严重破坏，因此，对矿产资源开发状况及由此引发的环境问题进行有效监测就显得尤为重要。遥感技术具有视野宽、信息量大和快速等特点，可以从宏观上掌握研究对象的特征，在资源开发和环境监测等问题的研究中越来越受到关注。运用遥感技术对矿山环境进行监测可获取大面积同步观测数据，并且不受地理条件的限制［1］;其获取信息的手段多，可选用不同波段和多种传感器获取地物信息;速度快、周期短，可在较短时间内对同一地区进行重复监测，发现地物的动态变化;可大大节省人力、财力、物力和时间，具有很高的经济效益和社会效益［2］。运用遥感技术对矿产开发引起的环境问题进行监测已经是必然趋势［3－8］。目前遥感监测矿山地表环境常用的方法主要为:采用图像目视判读、人机交互分类与计算机自动分类相结合的方法，通过提取矿山被破坏区域的分布信息，分析矿山开采对植被和土地的影响乃至矿产资源开发对整个矿区生态环境的影响;采用多时相遥感图像，通过对不同波段组合图像监督分类，得到较高精度的分类结果图，比较不同时相分类结果图，定量分析矿区生态环境的变化。本文以石嘴山矿区为例，根据矿区开采特点及治理恢复情况，选取20世纪70年代(1970s)—2009年间3个时相的遥感图像，从图像预处理、解译标志建立、人机交互解译和GIS空间分析等关键技术方面探讨了遥感技术在矿山地表环境动态变化监测中的应用效果。通过对解译结果的对比分析，实现了对矿山地表环境的动态变化监测，实时掌握了矿区地表环境的变化特征，为矿区地质环境治理恢复提供了基础依据。

1 研究区概况

石嘴山矿区位于宁夏回族自治区石嘴山市惠农区，地处宁夏北部，黄河西岸，隔黄河与内蒙古自治区相望［9］，处于 E 106°45'39″～106°47'21″，N 39°13'50″～39°15'44″之间(图1)。该矿区主要包括原石嘴山一矿和二矿，矿种为煤矿，开采方式为井下开采。矿区内出露地层主要有长城系、蓟县系、寒武系、石炭系、二叠系、三叠系、新近系和第四系，主要含煤地层为上石炭统太原组和下二叠统山西组［9］。

图1 研究区位置Fig．1 Location of the studied area

石嘴山矿区已有50多a的开采历史，形成了大面积的塌陷坑。其中位于矿区南侧、沿北东向展布、破坏最为严重的7个塌陷坑，占地面积为9．1 km2，一般沉陷深8～10 m，最大深度达24．39 m。矿区内土地、植被遭受严重破坏，岩层开裂，乱石遍布，煤矸石自燃，污水横流，部分地区常年积水，局部区域成为城市垃圾堆积场，生态环境污染严重。矿区及周边居住着约15 600户近4万人口。随着城市规模的逐步扩大，采煤引起的沉陷区逐渐靠近惠农区中心，不断恶化的生态环境给城市交通和居民生活等造成了极大不便［10］。自2004年以来，对石嘴山矿区已进行了8 a的生态环境治理，目前矿区环境已得到很大改善，大幅度提高了植被覆盖率，减少了水土流失，采矿荒弃的土地逐渐成为城市的绿色屏障，基本消除了矿区地质灾害隐患，改善了矿区居民生存环境，提升了矿区居民生活质量。

2 数据源及其预处理

2．1 数据源选择

井下开采煤矿环境监测主要涉及被破坏和压占土地(表现为煤矸石和煤堆压占破坏土地)信息的提取以及其他地物(耕地、荒地、植被、城镇居民地等)信息的提取［11］，而上述地物只有在高分辨率的遥感图像上才能有较好地反映，因此要取得好的监测效果，需采用高分辨率遥感数据［12］。由于自2004年以来，已经对石嘴山矿区的矿山地质环境进行了部分治理恢复，因此，为了更好地体现动态监测的效果，本次研究选用覆盖石嘴山矿区1970s的1∶10 000航空遥感正射影像图(矿山遥感监测基准)、2003年SPOT5卫星图像(矿山地质环境治理恢复前)和2009年RapidEye卫星图像(矿山地质环境部分治理恢复后)进行地类解译，对3个时相的地类变化进行分析，从而达到对环境动态监测的目的。3个时相的遥感数据投影方式均为高斯–克吕格投影(加带号、向东偏移500 km)，6度分带;图像的空间分辨率航空遥感正射影像为1 m，SPOT5卫星为2．5 m，RapidEye为5 m，均可满足矿山地表环境动态变化监测的要求。

2．2 图像预处理

遥感图像在获取过程中，存在着辐射变形和几何变形［13］。为了比较客观、准确地反映地物的实际情况，必须消除这些变形。遥感卫星地面站在接收信号后一般已经进行过粗略的几何纠正，但是这种纠正还不能满足专业解译和综合分析的要求，需进一步进行几何精纠正［14］。进行解译前，对航空遥感图像进行了正射纠正，对SPOT5和RapidEye卫星图像进行了几何精纠正处理，纠正采用ERDAS软件，基准数据是DEM数据和1∶10 000地形图［15］。纠正后的3种遥感图像的像元点位误差(表1)均可满足本次解译要求。在此基础上，对3时相影像进行了空间几何配准，以满足动态变化分析和空间叠加处理的要求。

表1 几何纠正后图像像元点位绝对误差Tab．1 Absolute error of pixel points after geometric correction

SPOT5的绿通道采用绿光波段B绿与红外波段B红外的加权算术平均值B1，3来代替，即B1，3=(B绿×3+B红外)/4。最终 SPOT5 采用 R(B红)，G(B1，3)，B(B绿);RapidEye采用 R(B红)，G(B绿)，B(B蓝)制作彩色合成图像，其结果与实际地物颜色相符。

3 遥感图像解译

3．1 解译标志建立

根据研究区遥感图像能直接反映和判别地物信息的影像特征［16］，通过野外实地调查、验证，建立城镇居民点、其他建筑物、耕地、煤矸石山、煤堆、植被覆盖区、水体和荒地等8种地物的解译标志。利用这些解译标志能直接在图像上识别地物分布状况，也能通过已识别出的地物或现象进行相互关系的推理分析，进一步解译其他不易在遥感图像上直接解译的目标。

1)城镇居民点。城镇居民点主要为城市和城镇居民用地。其影像多呈方块状或团块状，城区居民用地排列较整齐且集中分布;塌陷区居民用地分布较分散，影像结构粗糙，几何特征与周围其他地物的界线明显，容易分辨。城镇居民用地在航空遥感图像上呈深灰色或者白色;在SPOT5和RapidEye卫星图像上则呈青灰色或灰白色(图2)。

图2 城镇居民点解译标志Fig．2 Interpretation keys of the residential area

2)其他建筑物。其主要包括煤矿工业广场建筑、各类工厂厂房、砖厂建筑等。煤矿工业广场建筑物排列整齐，成排分布，形状为矩形，纹理细腻，广场中间为空地，且周围有煤矸石山或煤堆，房屋屋顶一般呈蓝色或红色;各类工厂厂房形状为矩形，分布于城镇居民地中间，尺寸明显大于周围居民地建筑物，在SPOT5和RapidEye图像中屋顶一般呈蓝色;砖厂建筑形状多为矩形，周围一般为荒地，分布零散，与荒地有明显界线，航片上边界呈灰白色，SPOT5图像中呈灰褐色，RapidEye图像中呈粉红色(图3)。

图3 其他建筑物解译标志Fig．3 Interpretation keys of the other buildings

3)耕地。根据实地调查，研究区耕地主要种植小麦等旱地农作物。其影像呈块状，成片分布，周围一般为荒地或居民地;作物生长季节有植被的色调特征反映，航空图像中呈深灰色或灰白相间;SPOT5图像中呈深绿色或灰黄色，纹理粗糙;RapidEye图像中呈墨绿或浅绿色，与周围居民地或荒地界线清晰(图4)。

图4 耕地解译标志Fig．4 Interpretation keys of the cultivated land

4)煤矸石山。煤矿开采区的煤矸石山在图像上较易识别，通过颜色、位置和形状可与其他地物区分。煤矸石山一般为灰色，形状似圆锥，影像边缘呈圆形，立体感强，呈由圆心向周围发散型的辐射状，从煤矸石山底到山顶的运输轨道呈一条黑线，较易识别。另外，煤矸石山一般分布在煤矿附近，周围为荒地。在2009年RapidEye图像中大的煤矸石山已被清理，只在原来的煤矸石山位置留了小部分煤矸石，结合野外实地调查，可解译出残留的煤矸石，呈深灰色，与周围裸地界线明显(图5)。

图5 煤矸石山解译标志Fig．5 Interpretation keys of the gangue

5)煤堆。煤堆颜色为黑色，纹理单一，一般高于地面，有很强的立体感，大都分布于矿井附近或分散于荒地中，大型的形状较规则，呈圆形或方形，有专门的堆置场地，边界清晰;小型煤堆比较杂乱，边界不规则，颜色呈深灰色，通过形态特征分析可与周围地物区分(图6)。

图6 煤堆解译标志Fig．6 Interpretation keys of the coal pile

6)植被覆盖区。本文植被覆盖区主要指研究区内耕地以外的生长木、草本植物的土地。乔木等植被覆盖区一般位于主要道路两旁或者城镇居民地中间，有立体感，呈条状或块状分布，边界清楚;灌木林与草地一般呈片状分布，纹理比乔木等植被覆盖区细腻，色调均匀，周围常为荒地或者居民地，边界清晰。在航空图像上呈灰黑色，SPOT5图像中呈深灰色，RapidEye图像中呈绿色(图7)。

图7 植被覆盖区解译标志Fig．7 Interpretation keys of the vegetation coverage area

7)水体。水体主要为矿坑废水和自然形成的积水坑。其影像边界光滑，多呈不规则状，色彩均一，为黑色或黑绿色，有明显的界线，色调均匀，影像细腻。矿坑废水一般都分布在矿井附近，面积较大，色调明显区别于周围地物;自然形成的积水坑面积较小，一般散布于荒地中(图8)。

8)荒地。荒地主要包括裸露地、砂石地及废弃耕地等，成片分布，形状不规则，纹理粗糙，呈不均匀浅灰色或灰褐色调，与其他地物分界清晰(图9)。研究区内大部分地类属于荒地。

图8 水体解译标志Fig．8 Interpretation keys of the water

图9 荒地解译标志Fig．9 Interpretation keys of the wasteland

3．2 地类解译

根据已建立的解译标志，结合野外调查资料和数据，基于ArcGIS软件，采用人机交互方式分别对3个时相的遥感图像进行解译;根据解译结果勾绘图斑线，并对图斑进行地类属性标注，生成矢量文件;通过修改、编辑和完善，最终生成3个时相的矿区地类现状图。通过1970s与2003年的地类现状图叠加分析，标注变化图斑，从而生成石嘴山矿区1970s—2003年的地类动态变化图(图10(a));同理，得到2003—2009年的地类动态变化图(图10(b))。

图10 石嘴山矿区地类变化图Fig．10 Maps of land changes in Shizuishan mining area

4 动态变化分析

利用ArcGIS软件的叠加分析功能，统计出各地类的相互转化情况，得到地类变化矩阵(表2，3)，该表显示，从1970s—2003年地类变化总面积为4．906 38 km2，2003—2009年地类变化总面积为4．857 51 km2。

1)城镇居民点。从1970s—2009年，城镇居民点呈现有增无减的趋势，其中1970s—2003年间的增长幅度远大于2003—2009年间，说明该时间段内城市扩张速度较快。城镇居民点的变化有以下2个特点:①1970s—2003年间增加的城镇居民点大部分由耕地和荒地转化而来(达到了新增面积的90%)，其次由其他建筑物、植被覆盖区和水体转换而来。说明在城市扩张过程中，受侵占最严重的地类为周边耕地和未利用的荒地，主要是因为这些土地地势相对平坦，并且紧邻城市已建成区，交通成本相对较低。2003—2009年间新增城镇居民点大部分由其他建筑物和荒地转化而来，增速大大减缓，主要是开发未利用的荒地。②城镇居民点在不断增加的同时，也有部分转化成为其他建筑物、荒地和植被覆盖区，其中其他建筑物和荒地由塌陷区居民地拆迁形成，植被覆盖区由拆迁后的植被恢复、绿化形成。

表2 1970s—2003年地类变化矩阵Tab．2 Matrix of the land changes from 1970s to 2003 (10 －2 km2)

表3 2003—2009年地类变化矩阵Tab．3 Matrix of the land changes from 2003 to 2009 (10 －2 km2)

2)其他建筑物。从1970s—2003年其他建筑物增速仅次于煤堆和水体，变化比率高达118．34%，主要由荒地、耕地和植被覆盖区转化而来，占新增面积的88%。其他建筑物主要为工厂厂房、砖厂面积的增加，由开发荒地或占用耕地与植被覆盖区形成，其中工厂厂房主要建于耕地和植被覆盖区中，砖厂建于荒地中。2003—2009年间其他建筑物面积呈减少趋势，主要转化为城镇居民点和荒地，其次转化为植被覆盖区、煤堆和水体，是由部分工厂厂房拆除转化而来。

3)耕地。耕地呈现持续减少的趋势，其中1970s—2003年间的耕地面积减少最多，主要转化为荒地和城镇居民点，其中转化为荒地的面积最大(达1．705 km2，占转化总面积的76%)，其次为城镇居民点和植被覆盖区，主要是由于该时间段内有大量耕地被废弃或闲置，或者被城市扩张中的城镇居民点建设所占用。2003—2009年间耕地同样主要转化为荒地(占转化总面积的80%)，其次为其他建筑物和煤堆，除大部分耕地被废弃、闲置外，仍有部分耕地被工厂建厂房或者煤堆占用。耕地在减少的同时，也有部分其他建筑物、城镇居民点和荒地转化为新的耕地，但远小于耕地面积的减少量。

4)煤矸石山。煤矸石山的面积从1970s—2003年间呈增长趋势，主要由荒地转化而来，占转化总面积的93%。煤矸石山主要分布在石嘴山一、二矿工业广场附近，由于在该时间段内对煤矸石从未进行过清理，从遥感图像上可以看到煤矸石山的面积和高度都有所增加，矿区环境遭到了严重破坏。2003—2009年间煤矸石山面积呈明显减少趋势(减少比率为71．96%)，主要转化为荒地。主要原因是由于自2004年以来对石嘴山矿区进行了地质环境治理恢复，清运了所有的矸石山，只在一、二矿工业广场附近还残留有小部分煤矸石山的遗迹，矿区环境得到了很大改善。

5)煤堆。煤堆呈现有增无减的趋势，其中1970s—2003年间煤堆面积增加比率居所有地类的首位(高达637．81%)，主要由荒地转化而来，说明该时间段内矿区的开采力度大，开采出的煤主要堆积于工业广场及矿井周围;2003—2009年间煤堆除主要由荒地、耕地和植被覆盖区转化而来，增幅明显低于1970s—2003年间;另外，还有部分煤堆转化为荒地、煤矸石山和其他建筑物，说明该时间段内的煤矿开采力度有所减弱，在矿区地质环境治理恢复过程中，对煤的堆放进行了统一规划。

6)植被覆盖区。从1970s—2003年植被覆盖区面积呈减少趋势，主要转化为荒地和其他建筑物(占转化总面积的77%)，其次为耕地和城镇居民点。植被覆盖区主要被城市化建设中的城镇居民点和其他建筑物占用，大部分变为荒地，说明该时间段内矿区生态环境遭到破坏;2003—2009年间矿区植被覆盖面积呈大幅度增长趋势，增加比率居所有地类首位(高达1 976．02%)，主要由荒地和城镇居民点转化而来，其次由其他建筑物和水体转化而来。对石嘴山矿区进行地质环境治理恢复时，拆除了分布于7个主要塌陷坑内的居民房，并对部分煤矸石和建筑垃圾进行回填，依地势覆土绿化，建成了矿山地质公园，使矿区植被覆盖率大大提高，减少了水土流失。

7)水体。矿区内水体面积呈现有增无减的趋势，其中从1970s—2003年间的增长幅度最大(高达303．27%)，仅次于煤堆，主要由荒地转化而来。矿区的水体大部分为矿坑废水，自然形成的水坑较少，其中石嘴山一矿的矿坑废水面积最大，面积增长最快。在矿山地质环境治理过程中，对矿坑废水进行处理后，水体景观有了显著改善。

8)荒地。从1970s—2003年荒地面积呈增加趋势，主要由植被覆盖区和耕地转化而来，是水土流失、土地沙化及耕地闲置的结果;2003—2009年间荒地面积呈减少趋势，主要转化为植被覆盖区和其他建筑物，这是由矿区绿化和工厂厂房及砖厂的增加而形成的。与此同时，也有耕地、其他建筑物和城镇居民点转化成荒地，这是由耕地闲置、塌陷坑内的居民房拆除造成的。

综上所述，1970s—2003年间变化面积最大的为耕地，呈持续减少的趋势，主要转化为荒地和城镇居民点;城镇居民点和其他建筑物增速最快，说明城镇范围在快速膨胀，并且煤堆、水体的面积增幅也较大，此段时间内研究区的采矿活动对生态环境的影响突出。2003—2009年间植被覆盖区面积增幅最快，主要由荒地和城镇居民点转化而来，而荒地、煤矸石山及水体的面积此段时间内明显减少，矿区的生态环境有了很大改善。但是遥感监测也发现，耕地呈继续减少趋势，而煤堆则有增长势头，表明石嘴山矿区生态环境恢复建设工作仍然十分艰巨。

5 结论

1)矿区的地表环境在近40 a间发生了较大变化，1970s—2003年间耕地和植被覆盖区面积急剧减小，向荒地及城镇居民点的转化尤为明显，这主要是由城市化进程中基础设施建设及水土流失造成。其他地类如煤堆、水体、煤矸石山等用地面积都呈快速增长的趋势，主要由荒地转化而来，是采矿活动导致矿区的环境遭到严重破坏。

2)2003—2009年间，植被覆盖区面积的增速最快，主要由荒地和城镇居民点转化而来，而煤矸石山、荒地等地类面积都有明显减少，这种变化与矿区的地质环境治理恢复时间段相吻合，矿区环境得到了很大改善。

3)虽然近年石嘴山矿区的地质环境有了明显恢复和改善，但是建设石嘴山矿区美好生态环境任重而道远，在后续的矿山地质环境治理过程中建议对煤和煤矸石的堆放进行详细规划，避免占用和破坏土地资源，防止次生地质灾害的发生;新建其他类矿山(如砖瓦粘土矿)时禁止压占耕地;已拆除的塌陷区内的居民用地应尽快进行绿化。

4)本文采用的人机交互方式进行矿区地类解译的方法虽然有效减少了解译误差，但与矿区的实际情况仍有一定程度的差距，因此在矿区地表环境动态监测中如何实现更高精度的解译，应作进一步探讨。

［1］ 丁艳梅．三峡库区土地利用/植被覆盖变化的遥感监测［D］．山东:山东科技大学，2006．Ding Y M．The monitoring of land use/vegetation cover change in Three Gorges Reservoir area based on remote sensing［D］．Shandong:Shandong University of Science and Technology，2006．

［2］ 陈述彭，童庆禧，郭华东．遥感信息机理研究［M］．北京:科学出版社，1998:84－113．Chen SP，Tong Q X，Guo H D．Research on the mechanism of remote sensing information［M］．Beijing:Science Press，1998:84－113．

［3］ 漆小英，晏明星．多时相遥感数据在矿山扩展动态监测中的应用［J］．国土资源遥感，2007，19(3):85－88．Qi X Y，Yan M X．Dynamic monitoring of mining area expansion based on multi temporal remote sensing images［J］．Remote Sensing for Land and Resources，2007，19(3):85－88．

［4］ 聂洪峰，杨金中，王晓红，等．矿产资源开发遥感监测技术问题与对策研究［J］．国土资源遥感，2007，19(4):11－13．Nie H F，Yang JZ，Wang X H，et al．The problems in the remote sensing monitoring technology for the exploration of mineral resources and the countermeasures［J］．Remote Sensing for Land and Resources，2007，19(4):11－13．

［5］ 祝 燕，张 志，张 芹，等．矿山环境遥感动态监测中的相对辐射校正方法研究［J］．国土资源遥感，2010，22(3):47－50．Zhu Y，Zhang Z，Zhang Q，et al．A study of relative radiometric normalization for dynamic monitoring of environment impacts of mining activities［J］．Remote Sensing for Land and Resources，2010，22(3):47－50．

［6］ 张 磊，吴炳方．关于土地覆被遥感监测的几点思考［J］．国土资源遥感，2011，23(1):15－20．Zhang L，Wu B F．A discussion on land over mapping［J］．Remote Sensing for Land and Resources，2011，23(1):15－20．

［7］ 王钦军，陈 玉，蔺启忠．矿山地面塌陷的高分辨率遥感识别与边界提取［J］．国土资源遥感，2011，23(3):113－116．Wang Q J，Chen Y，Lin Q Z．Surface collapse identification and its boundary extraction using high resolution remote sensing［J］．Remote Sensing for Land and Resources，2011，23(3):113－116．

［8］ 王 琰，舒 宁，龚 龑．高分辨率遥感影像土地利用变化检测方法研究［J］．国土资源遥感，2012，24(1):43－47．Wang Y，Shu N，Gong Y．A study of land use change detection based on high resolution remote sensing images［J］．Remote Sensing for Land and Resources，2012，24(1):43－47．

［9］ 张新荣，陈琢如，杨旭东，等．石嘴山市志［M］．银川:宁夏人民出版社，2001:3－4．Zhang X R，Chen Z R，Yang X D，et al．Shizuishan annals［M］．Yinchuan:Ningxia People’s Press，2001:3－4．

［10］ 张 梁，李 云，舒 记，等．石嘴山市惠农采煤沉陷区矿山地质环境治理规划:2010—2012年［R］．石嘴山:石嘴山市惠农区人民政府，2010:23－26．Zhang L，Li Y，Shu J，et al．Treatment planning for mining geo－environment of Huinong Subsidence Area from 2010 to 2012［R］．Shizuishan:The People’s Government of Huinong District，2010:23－26．

［11］ 雷利卿，岳燕珍，孙九林，等．遥感技术在矿区环境污染监测中的应用研究［J］．环境监测，2002(2):33－36．Lei LQ，Yue Y Z，Sun JL，etal．Research on the application of remote sensing techniques in monitoring environmental pollution in coal mine［J］．Environment Protection，2002(2):33－36．

［12］ 王晓红，聂洪峰，杨清华，等．高分辨率卫星数据在矿山开发状况及环境监测中的应用效果比较［J］．国土资源遥感，2004，16(1):15－20．Wang X H，Nie H F，Yang Q H，et al．The different monitoring effects of QuickBird and SPOT5 data in mine exploitation［J］．Remote Sensing for Land and Resources，2004，16(1):15－20．

［13］ 冯彦平．矿山开采影响下的环境遥感监测与评价［D］．山东:山东科技大学，2010:26－27．Feng Y P．The remote sensing monitoring and assessment of environment under the influence of mining［D］．Shandong:Shandong University of Science and Technology，2010:26－27．

［14］ 刘 智，黄 洁，邵怀勇，等．RapidEye卫星影像在1∶50000矿山开发遥感调查中的应用研究［J］．国土资源遥感，2010，22(1):127－129．Liu Z，Huang J，Shao H Y，et al．The application of RapidEye satellite images to1 ∶50 000 remote sensing survey formine exploitation［J］．Remote Sensing for Land and Resources，2010，22(1):127－129．

［15］ 党安荣，王晓栋，陈晓峰，等．ERDAS IMAGINE遥感图像处理方法［M］．北京:清华大学出版社，2003:69－81．Dang A R，Wang X D，Chen X F，et al．ERDAS IMAGINE method of RS image processing［M］．Beijing:Tsinghua University Press，2003:69－81．

［16］ 杨清华，齐建伟，孙永军．高分辨率卫星遥感数据在土地利用动态监测中的应用研究［J］．国土资源遥感，2001，13(4):20－27．Yang Q H，Qi JW，Sun Y J．The application of high resolution satellite remotely sensed data to land use dynamic monitoring［J］．Remote Sensing for Land and Resources，2001，13(4):20－27．