基于ZY-3卫星数据的神东煤矿区土地退化人为影响因素调查与评价

姚维岭，余江宽，路云阁

(中国国土资源航空物探遥感中心，北京　100083)



基于ZY-3卫星数据的神东煤矿区土地退化人为影响因素调查与评价

姚维岭①，余江宽，路云阁

(中国国土资源航空物探遥感中心，北京100083)

摘要：基于ZY-3卫星数据，建立煤矿区土地退化人为影响专题因素遥感解译标志，对神东煤矿区土地退化人为影响因素开展遥感监测。运用层次分析法构建土地退化人为因素影响强度评价指标体系，采用综合评分法计算研究区土地退化人为因素影响强度指数。结果表明：土地压占破坏是造成神东煤矿区土地退化的首要人为影响因素，人类矿业活动对该区土地退化的影响程度已达“强烈”级别。为定量估算神东煤矿区矿业开发对土地资源的占用破坏数量并预测矿区土地退化发展趋势，提出1种煤矿区土地占用破坏率的计算方法。研究表明，ZY-3卫星数据完全满足井工开采煤矿区土地退化因素调查对高分辨率卫星数据的需求。今后需加强煤矿开发秩序的有效监管和矿山环境遥感动态监测，以防人为因素对土地退化的影响程度日益加深。

关键词：土地退化；人为影响因素；调查；评价；ZY-3；神东煤矿区

土地退化是煤矿区最重要的生态环境问题之一,煤矿开采活动中形成的挖损、压占、塌陷和污染等直接造成矿区土地数量减少和土地质量下降。罗明等[1]将国内外学者对土地退化的研究内容归纳为土地退化机理、类型划分、评价与监测以及防治与生态重建等方面。沈渭寿等[2]在参照国际经验的基础上,将土地退化类型和土地退化程度进行较为细致、科学的划分。在土地退化因素调查方面,李海东等[3]针对矿区土地退化因素调查提出了一套指标体系与方法建议。土地退化的理论研究多围绕其概念及类型展开。在实证研究方面,卞正富[4]、吴立新等[5]和马世斌等[6]分别开展了煤矿区土地复垦与生态重建、煤矿地质灾害和煤矿矿山地质环境评价等相关研究,所选区域具有一定的典型性和代表性。从技术方法角度来看,李锐[7]较早地将遥感数据应用于土地退化评价中。诸多学者利用多源、多时相、多分辨率遥感数据和不同GIS平台并结合定性(或定量)评价方法,针对某一特定区域土地退化问题开展研究[8-12]。应用于土地退化研究的技术方法和手段日益丰富。

土地退化是自然与人为因素综合作用的结果。自然因素仅为外在条件,而不合理的人类活动,如过牧、过樵、滥伐和工矿建设等才是导致土地退化的主要原因[13]。神东煤矿区是我国西部典型的井工开采煤矿区,矿业开采导致的生态环境破坏问题严重。该矿区土地退化问题也引起人们关注,如马保东等[14]采用MODIS和SPOT-VGT NDVI数据对部分煤矿区开展土壤湿度和植被变化监测。纵观以往研究,土地退化的理论研究多围绕其概念、类型和内涵展开,研究区多具典型性和代表性,所采用的技术方法日新月异。目前,神东煤矿区土地退化问题研究在空间尺度上涉及矿区范围较小;在技术方法上多以中、低分辨率遥感数据应用为主,国产高分辨率卫星数据应用较少;在研究对象方面,以土壤水分、植被盖度等自然要素为主,对以人为影响因素为主的分析较少。

1研究目的及区域概况

1.1研究目的

鉴于目前神东煤矿区土地退化研究现状,拟从人类矿业活动对土地退化的影响角度出发,以国产ZY-3高分辨率遥感卫星数据应用为技术方法,以综合评分法和层次分析法为评价方法,开展较大空间尺度的神东煤矿区土地退化人为影响因素的遥感监测与评价研究。获取研究区遥感监测本底数据,研究人类矿业活动对神东煤矿区土地退化的影响范围及强度。为矿区今后持续开展遥感动态监测、指导矿山环境恢复治理和获取土地退化规律性认识提供参考。

1.2区域概况

研究区位于陕北沙漠高原东南部及陕北沙漠高原与黄土高原的过渡带,地跨陕西省榆林地区的神木县北部和府谷县西部以及内蒙古自治区伊金霍洛旗东部和准格尔旗西南部,南北长约38～90 km,东西宽约35～55 km,总面积约为4 500 km2。研究区地层基底由古生界、中生界砂岩煤系地层和新生界第三系上新统红土构成,第四系黄土覆盖其上。就地形地貌而言,研究区西部为毛乌素沙漠东缘,地势西高东低,地形较平坦,海拔为900～1 400 m,以活动沙丘、沙垄及片沙为主,沙丘、沙地之间湖泊和海子星罗棋布,滩地交错。研究区东部为黄土梁峁区,沟壑纵横,地形破碎,梁峁顶面海拔为800～1 800 m,切割深度为100～400 m。神东煤矿区煤矿资源丰富,采矿权数量多,其中大、中型煤矿占63%以上。该地区多年来持续的矿业开发活动在取得巨大经济效益的同时,也造成了严重的土地资源破坏。

2研究方法与技术流程

2.1研究方法

采用ZY-3遥感影像为数据源,建立煤矿区土地退化人为影响因素遥感解译标志,通过人机交互解译、图像自动化信息提取与图斑验证相结合的方法,解译神东煤矿区由于人为采矿扰动造成土地资源退化的专题因素,获取本底调查数据。解译内容包括矿山开发状况、矿山环境和矿山地质灾害3大类要素。最后,利用遥感技术监测本底数据与采矿权等辅助数据,构建矿区土地退化人为因素影响强度评价指标体系,对土地退化人为因素影响强度等级进行划分。利用层次分析法和综合评价法对研究区目前土地退化人为因素影响强度进行评价。

2.2技术流程

包括ZY-3数据获取、遥感图像处理、解译标志建立、土地退化人为影响因素信息提取、室内精度检查、监测本底数据和采矿权数据分析、构建评价指标体系以及开展土地退化人为因素影响强度综合评价等。技术流程见图1。

2.2.1数据获取

采用ZY-3测绘卫星数据为遥感数据源,数据时相分别为2012年5月30日、8月2日、11月23日和12月3日。ZY-3正视全色影像空间分辨率为2.1 m,多光谱影像空间分辨率为5.8 m,覆盖工作区遥感数据共10景,有效覆盖面积为4 500 km2,数据级别为1A级。数据处理按照正射校正、影像融合和图像增强等国产卫星数据处理基本流程[15]进行。除遥感数据外,还采用了地形图,矿产资源分布图,交通、水系和采矿权等非遥感信息源作为遥感解译的辅助数据。相关数据处理均按照行业技术规范的精度要求[16]开展。

2.2.2土地退化人为影响因子解译标志

建立解译标志是遥感信息提取的必要步骤。根据处理后的神东煤矿区ZY-3遥感数据,结合采矿权等非遥感数据资料和矿山地物类型的专家判别经验知识进行综合分析和逻辑推理,最终建立研究区土地退化人为影响因子遥感解译标志。解译标志涵盖煤矿地物的色调、形状、大小、阴影、纹理、图案、位置和布局等影像要素特征。部分典型专题因素遥感影像特征见图2,相应解译标志见表1。

(a)井口;(b)采场;(c)排土场;(d)煤堆;(e)恢复治理;(f)塌陷地。

表1典型人为影响专题因素遥感解译标志

Table 1Remote sensing interpretation marks for typical the matic artificial influencing factors

专题因素代码因子名称直接解译标志间接解译标志矿山开发状况(a)井口煤矿开采图斑整体为深黑色,井口在影像上呈现斑点状,具高度特征,多和采煤运输管道相连矿井附近一般有煤堆,矿山建筑和煤矸石堆。地下硐口往往需要借助矿区道路辅助判别(b)采场纹理、色调与周边差异显著,地形一般低于周围地物。在影像上煤矿采坑呈黑色,异于周边地物,采坑边坡显示阶梯弧形、环形纹理大型采场内道路交错复杂,正在利用的采场色调黑亮,关闭采场由于杂草等植被的覆盖,颜色相对稍暗,呈褐色(c)排土场在矿山附近就近堆放,具高度特征。排土场多沿山谷堆放,影像上多成环形分布,环形边缘区域有放射性纹理在采矿山的排土场,由于多期次排放,呈现明显的扇形或阶梯特征。有断头路通达,颜色与周围环境对比鲜明(d)煤堆煤堆在影像上呈锥形或不规则多边形,深黑或黑褐色,高度特征明显附近有运煤车辆等设施和少量矿山建筑分布矿山环境(e)恢复治理方式有开采坑回填和排土场绿化等,显示为排土场或开采坑有排列规则的植被覆盖或规范的固坡工程效果较好的工程在影像上表现为人为纹理较强的园林用地,植被行列明显,与周围天然植被区别明显矿山地质灾害(f)塌陷地色调深黑,较周边地物色调深,图斑连片状或串珠状,形态不规则。地下井工开采区采空塌陷较常见采空塌陷通常表现出比周围地形低的负地形,并伴随崩塌、地裂缝等矿山地质灾害的产生

2.2.3土地退化人为影响专题因素信息提取及精度检查

在确立解译标志的基础上,采用人机交互解译方式,利用ZY-3融合后全分辨率遥感数据,在GIS平台上开展信息提取工作。为验证遥感解译标志和信息提取的可靠性并补充遗漏,信息提取后需进行精度检查。遥感解译和信息提取精度检查以室内检查为主。根据DZ/T 0266/2014《矿产资源开发遥感监测技术规范》[16]要求,在解译结果中随机抽取图斑总数10%(128个)的解译图斑,邀请2名矿山环境遥感监测业内专家进行抽样检查。专家检查结果表明,抽样检查图斑属性判别的正确率分别为98.44%和97.65%。在信息提取精度方面,以空间分辨率优于2 m的同期(2012年)土地卫片核查数据为本底,对抽查部分图斑进行再提取,并将2次信息提取结果进行对比。结果表明2次提取的专题因素图斑面积平均误差小于1%。

3土地退化人为因素影响强度综合评价

3.1专题因素解译结果

共解译煤矿开采点365处,煤矿开采面54处。按影响因素类别统计,矿山开发土地占用面积约为16 453 hm2,采煤塌陷地面积为3 519 hm2,土地恢复治理面积为5 055 hm2。对信息提取结果的进一步统计显示,共解译属于人为影响专题因素的土地压占面积为25 027 hm2。按照文献[16]的分类方法,煤矿矿山开发占用土地可分为采场、中转场地(煤堆、洗煤厂、选煤厂)、固体废弃物(排土场、尾矿库、煤矸石堆)和矿山建筑4大类。从信息提取结果统计数据来看,这4类占地要素中以矿山固体废弃物堆放场地所造成的土地压占比例为最高,达40%。遥感解译和信息提取后神东煤矿区土地退化人为影响专题因素分布见图3。

3.2土地退化人为因素影响强度评价指标体系

构建一个合理的土地退化影响强度评价指标体系往往需要考虑较多的驱动因素,包括人为因素、自然因素和社会经济因素,其中人为因素是主要驱动因素。通过构建人为因素影响强度评价指标体系,期望直接探讨煤矿矿山开发活动与土地退化两者之间的机理联系。所选取的神东煤矿区土地退化人为因素影响强度指标因子均选自与该矿区人类矿业开发活动密切相关的指标。该指标体系所含指标选取方式直接、具体,计算后的指标值具有标准化特点。结合研究实际,在充分考虑数据可获得性基础上,选取相关指标因子并建立如下评价指标体系(表2)。

图3　神东煤矿区土地退化人为影响专题因素分布

表2土地退化人为因素影响强度评价指标体系

Table 2Intensity evaluation system for influences of artificial factors on land degradation

指标内涵计算公式E1土地挖损、压占情况煤矿矿山占地面积/总占地面积E2采矿扰动造成的采空塌陷煤矿采空塌陷面积/煤矿开发占地总面积E3矿山规模状况大、中型煤矿数量/全部煤矿数量E4矿山开采强度在采矿山年产量/全部矿山年产量E5矿山生产利用状态正在利用矿山数量/煤矿山总数量E6煤矿资源分布情况煤矿矿权面积/工作区面积E7矿山恢复治理情况煤矿恢复治理面积/煤矿开发占地总面积

E1为挖损压占指数;E2为采空塌陷指数;E3为矿山规模指数;E4为开采强度指数;E5为生产状态指数;E6为矿权覆盖指数;E7为恢复治理指数。

3.3神东煤矿区土地退化人为因素影响强度评价

3.3.1评价方法

采用综合评分法计算神东煤矿区土地退化人为因素影响强度综合指数(ILD),计算公式为

ILD=E1×W1+E2×W2+E3×W3+E4×W4+

E5×W5+E6×W6-E7×W7。

(1)

式(1)中,E1～E6为由于人类采矿活动造成的各项土地退化人为影响指标因子的标准化分值,均介于0～1之间,分值越高表明对土地退化的影响度越高,可能导致的土地退化情形越严重;E7为矿山环境恢复治理因子标准化分值,亦介于0～1之间,与E1～E6相反,它表示通过恢复治理措施促使矿区土地退化趋势发生好转;W1～W7为E1～E7各指标相对应的权重。

在参考HJ 192—2015《生态环境状况评价技术规范》[17]中对生态环境状况分级标准的基础上,征求业内专家意见,将神东煤矿区土地退化人为因素影响强度(ILD)划分为较弱(<0.2)、中度(0.2～<0.4)、较强(0.4～<0.6)、强烈(0.6～<0.8)和完全退化(≥0.8)5个等级。指标权重的计算采用层次分析法,包括建立层次结构模型、构造判断矩阵、计算权向量和一致性检验4个主要步骤。

3.3.2建立层次结构模型

由于主要研究人为因素对煤矿区土地退化的影响,因此目标层为土地退化人为因素影响强度综合评价,唯一准则层为人类矿业开发活动,指标层为所构建的土地退化人为因素影响强度评价指标因子E1～E7。

3.3.3构建判断矩阵

同一层次内n个指标相对重要性的判断由若干位专家完成。据骆正清等[18]研究,对单一准则下的排序,各种标度法都具有保序性,使用1～9标度最好。由于准则层唯一,故采用1～9位标度法作为确定指标间相互比较的标度值。根据前文指标体系构造7阶判断矩阵(表3)。

表3人为因素影响强度评价指标因子权重计算判断矩阵

Table 3Comparison matrix of weight calculation of index factors for intensity evaluation of influences of the artificial factors on land degradation

指标E1E2E3E4E5E6E7E11154357E21143247E31/51/411/21/312E41/41/3211/223E51/31/232135E61/41/3111/212E71/71/71/21/31/51/21

E1为挖损压占指数;E2为采空塌陷指数;E3为矿山规模指数;E4为开采强度指数;E5为生产状态指数;E6为矿权覆盖指数;E7为恢复治理指数。

3.3.4权重计算及一致性检验

将判断矩阵E的各行向量进行几何平均,然后归一化,得到权重向量。设E的最大特征根为λmax,其相应的特征向量为W,则有E×W=λmax×W。计算得出λmax=7.34。一致性检验公式为RC=IC/IR,其中,RC为随机一致性比例;IC为一致性指标;IR为与IC同阶的平均随机一致性指标。由此计算得到该矩阵RC=0.046<0.10,表明该判断矩阵符合一致性检验要求,不需做调整。

3.3.5评价结果

根据ZY-3遥感影像信息提取的土地退化人为影响专题因素本底数据,参考采矿权等辅助数据,计算得到各指标因子分值。按照层次分析法计算获得指标因子权重。最后得到各指标因子综合分值(表4)。

表4土地退化人为因素影响强度评价指标因子分值和权重

Table 4Score and weight of index factors for evaluation of influences intensity of the artificial factors on land degradation

指标分值权重综合分值E10.94240.31960.3012E20.21390.26910.0576E30.85330.15370.1312E40.65640.09080.0596E50.63590.05580.0355E60.49380.07760.0383E70.30720.03340.0102

E1为挖损压占指数;E2为采空塌陷指数;E3为矿山规模指数;E4为开采强度指数;E5为生产状态指数;E6为矿权覆盖指数;E7为恢复治理指数。

利用矿区土地退化人为因素影响强度综合指数公式计算得出神东煤矿区ILD=0.62。按对人为因素影响强度等级的划分标准,神东煤矿区人类矿业活动对土地退化的影响程度已达“强烈”级别。统计表明,煤矿采矿权覆盖面积占研究区总面积的81.56%,煤矿矿山挖损压占土地面积占各类矿山挖损压占土地总面积的94.24%。神东煤矿区人类矿业开发活动的影响范围及其对土地退化的影响程度可见一斑。

为定量估算神东煤矿区煤矿开采对土地资源的占用和破坏程度,预测矿区未来土地退化的发展趋势,提出一种煤矿开采土地占用破坏率(RLO)的计算方法。RLO表示在煤矿区平均每开采10 kt煤,可能会引起占用和破坏土地资源面积,计算公式为

(2)

式(2)中,A为研究区煤矿开采挖损、压占土地总面积,hm2;P为单个煤矿矿山年度设计开采量,10 kt·a-1;Y为单个煤矿矿山开采年限,a。研究区A值为16 453 hm2,煤矿总产量为1 073 810 kt,据此计算得到神东煤矿区RLO值为0.15,表明该矿区平均每开采10 kt煤,可能需要占用破坏0.15 hm2土地资源。

3.4土地退化的成因分析

通过上述研究可知,神东煤矿区土地退化主要受到人类矿业活动的影响。采矿活动造成的土地挖损和固体废弃物压占是引起矿区土地退化的主要诱因。神东煤矿区本身自然环境恶劣,是一个风蚀面积大、植被种类单调、植被覆盖度低和生态环境极度脆弱的地区。长期以来的矿业开发活动对该区土地退化的影响不仅表现在对原始地貌的破坏,还表现在对整个矿区生态环境系统的损害。由人为因素主导的高强度矿业开发活动往往伴随着大规模的地下开采、地表砍伐植被和剥离表土等,造成地面塌陷、环境污染和土地损毁等严重后果,从而加剧该区植被破坏和水土流失过程,促使矿区生态环境发生演变。

4结论

以神东煤矿区土地退化人为影响因素为视角,利用国产ZY-3卫星数据进行遥感解译和信息提取,获取了研究区土地退化人为影响因素调查本底数据。统计表明,神东煤矿区矿山固体废弃物堆放占压土地面积占总面积的40%,是造成矿区土地压占的第1要素。层次分析法权重计算结果进一步表明,由人类矿业活动引起的土地挖损、压占破坏是造成以神东煤矿区为代表的井工开采煤矿区土地退化的首要人为影响因素。

综合评分法的评价结果显示,神东煤矿区人为因素对土地退化的影响已经达到“强烈”级别。笔者提出的煤矿开采土地占用破坏率的计算方法有助于对矿区土地的占用破坏现状和发展趋势进行分析,同时为今后矿山环境恢复治理提供决策参考。初步研究结果表明,以人为因素为主导的高强度的矿业开发活动加剧了神东煤矿区土地退化过程。

研究表明,国产高分辨率ZY-3卫星数据是井工开采煤矿区土地退化因素调查的可靠数据源。今后矿区的矿业开发活动占用、破坏土地的行为需要得到进一步规范和有序监管,必要时需开展遥感动态监测。受条件和水平所限,笔者对煤矿区土地退化的人为影响因素研究还主要基于土地数量变化,对土地质量因素考虑甚少,相关指标因子的选取还有待于优化和完善。

致谢: 感谢两位审稿专家在稿件修改和完善过程中提出了诸多宝贵意见与建议。

参考文献：

[1]罗明,龙花楼.土地退化研究综述[J].生态环境,2005,14(2):287-293.

[2]沈渭寿,曹学章,沈发云.中国土地退化的分类与分级[J].生态与农村环境学报,2006,22(4):88-93.[3]李海东,沈渭寿,司万童,等.中国矿区土地退化因素调查:概念、类型与方法[J].生态与农村环境学报,2015,31(4):445-451.

[4]卞正富.国内外煤矿区土地复垦研究综述[J].中国土地科学,2000,14(1):6-11.

[5]吴立新,高均海,葛大庆,等.基于D-InSAR的煤矿区开采沉陷遥感监测技术分析[J].地理与地理信息科学,2004,20(2):22-27.

[6]马世斌,李生辉,安萍,等.青海省聚乎更煤矿区矿山地质环境遥感监测及质量评价[J].国土资源遥感,2015,27(2):139-145.

[7]李锐.遥感技术与土地退化评价[J].水土保持学报,1989,3(2):65-71.

[8]许宁,郭旭东,田淑芳,等.基于遥感和GIS的土地利用分类方法及其在土地退化程度分析中的应用:以陕西横山雷龙湾地区为例[J].生态学报,2008,28(11):5410-5417.

[9]杜子涛,杨小明,颜树强,等.奈曼旗土地退化遥感监测研究[J].农业工程学报,2012,28(3):154-161.

[10]张东海,任志远,王晓峰,等.基于MODIS数据的陕西黄土高原植被覆盖度变化特征及其驱动分析[J].生态与农村环境学报,2013,29(1):29-35.[11]王文丽,董治宝,颜长珍.基于景观结构方法的若尔盖高原土地退化趋势研究[J].干旱区资源与环境,2014,28(10):117-122.

[12]杨超,王金亮.流域土地退化研究综述[J].云南师范大学学报(自然科学版),2015,35(1):73-78.

[13]杨朝飞.中国土地退化及其防治对策[J].中国环境科学,1997,17(2):13-17.

[14]马保东,陈绍杰,吴立新,等.基于SPOT-VGT NDVI的矿区植被遥感监测方法[J].地理与地理信息科学,2009,25(1):84-87.

[15]路云阁,刘采,王姣.基于国产卫星数据的矿山遥感监测一体化解决方案:以西藏自治区为例[J].国土资源遥感,2014,26(4):86-89.

[16]DZ/T 0266—2014,矿产资源开发遥感监测技术规范[S].

[17]HJ 192—2015,生态环境状况评价技术规范[S].

[18]骆正清,杨善林.层次分析法中几种标度的比较[J].系统工程理论与实践,2004(9):51-60.

(责任编辑： 李祥敏)

Investigation and Assessment of Artificial Influencing Factors of Land Degradation in Shendong Coal Mining Area Based on ZY-3 Satellite Data.

YAO Wei-ling, YU Jiang-kuan, LU Yun-ge

(China Aero Geophysical Survey and Remote Sensing Center for Land and Resources, Beijing 100083, China)

Abstract:Based on the ZY-3 satellite data related to the Shendong coal mining area, the matic remote sensing interpretation marks were established for artificial influencing factors of land degradation in the area, the factors monitored via remote sensing, a comprehensive intensity evaluation index system built up for the factors with the AHP method, and strength indices of the factors worked out with the comprehensive evaluation method. It turned out that land occupation by waste was the major form of land degradation caused by artificial influencing factors, and the influence of mining activities on land degradation in this area had reached the level of “strong”. To estimate quantity of the land resources occupied or to be occupied by waste and predict the trend of the land degradation as a result of development of the mining area, an algorithm was proposed for calculation of land occupation and damage rate in the coal mining area. The research shows that the ZY-3 satellite data are adequate to completely satisfy the requirements of the survey of land degradation caused by underground coal mining for high resolution satellite remote-sensing data, and it is essential to intensify orderly and effective management of coal mining and to monitor dynamics of the environment of the mining area via remote-sensing in order to stop the aggravating trend of the influence of the artificial factors on land degradation.

Key words:land degradation；artificial influencing factor；investigation and assessment；ZY-3；Shendong coal mining area

收稿日期：2015-11-12

基金项目：国家科技基础性工作专项(2014FY110800);中国地质调查局地质调查项目(12120115061901)

中图分类号：X87；TD167

文献标志码：A

文章编号：1673-4831(2016)03-0355-06

DOI：10.11934/j.issn.1673-4831.2016.03.003

作者简介：姚维岭(1986—),男，安徽庐江人,工程师,硕士,从事GIS应用、矿产资源开发与矿山环境保护方面的研究。E-mail: prekestolen@126.com

① 通信作者E-mail: prekestolen@126.com