岫岩偏岭矿区植被修复生态环境监测评估

周斌 李雨鸿 李辑 李晶 王婷 刘东明



岫岩偏岭矿区植被修复生态环境监测评估

周斌 李雨鸿 李辑 李晶 王婷 刘东明

（辽宁省生态气象和卫星遥感中心，沈阳 110166）

植被修复对于矿区生态重建和矿区生态环境改善具有重要意义，为了解决传统现场检测方式对大矿群区而言费时费力的问题，利用高分辨率遥感卫星影像对矿区生态恢复成效进行了评估。文章基于“高分二号”卫星遥感影像研究，采用监督分类和人工修正后处理的方法，对矿区植被修复生态环境进行了监测和评估，分析了2016年和2018年岫岩县偏岭镇矿区生态环境恢复情况，结果表明：2016年~ 2018年偏岭镇植被的复垦面积为0.041 4km2，增加矿区面积0.073 6km2。以无人机考察方式选取典型地块赴现场进行提取精度评价，植被和矿区面积的遥感图像识别精度分别达到92.1%和98.4%。矿山地质环境恢复治理取得一定成效，但总的植被面积增加尚不明显，需进一步开展治理工作。

生态环境监测 植被修复 矿区 遥感影像 “高分二号”卫星

0 引言

岫岩县隶属于辽宁省鞍山市，偏岭镇位于岫岩县西北部边缘，镇内菱镁产量及品质居全国之首，世界第二。石灰石品质和贮量居亚洲首位。丰富的矿藏资源在创造了大量的经济效益和显著的社会效益的同时，采矿废石、选矿尾矿、废渣、废液等，在其堆放或排放过程中，占用了大量的土地，导致植被覆盖面积减少[1]，造成矿区及周边地区的土壤、大气、地表水及地下水污染等环境问题[2]。矿产资源开发方式简单粗放，引发的矿山地质环境问题日趋严重[3-5]，给所在地区的生态环境造成严重破坏和巨大威胁[6-7]。

利用实地考察方式开展土地利用变化的研究工作必然要动用大量的人力、物力，且完成任务所耗费的周期较长、效率低[8]，遥感监测具有大面积同步观测、时效性强、数据量丰富、不受地面条件限制等优势。近几年，遥感技术应用在生态环境遥感调查与监测领域已经积累了丰富的经验，已成为矿区生态环境监管的重要手段[9-10]。文献[11]的研究表明WordView-3影像能够很好地识别出苏莫查干敖包地区铀矿勘查工作；文献[12]以SPOT-5遥感影像为数据源，为快速准确探明印度尼西亚加里曼丹地区红土型铝土矿提供了新思路；文献[13]以格陵兰岛科瓦内湾的Landsat8、ASTER数据为基础，在现代成矿理论支撑下甄别找矿异常信息，圈定了格陵兰岛科瓦内湾找矿预测区。随着遥感图像技术的不断提高，世界上主要发达国家和部分发展中国家都已经或正在发展各自的空间高分辨率对地观测卫星系统[14]，但国外高分遥感影像的价格不菲，不适用于在国内开展常年的常规监测评价。我国于2014年发射升空的“高分二号”（GF-2）遥感卫星，其影像具有1m的空间分辨率，有能力取代部分国外卫星遥感数据，成为我国矿山监测的主要数据源之一[15-17]，但国内高分卫星投入使用时间不长，相关研究结果较少。本文的研究是利用偏岭地区2016年GF-2卫星的3景影像和2018年GF-2卫星的2景影像及实地无人机调研分析结果，通过辐射定标、大气校正、正射校正、图像融合、图像裁剪等得到2016年和2018年共2年偏岭地区的遥感影像图，将得到的遥感影像图进行地物的遥感解译分类，统计计算该地区各时相的矿区植被面积，对该地区的植被覆盖变化监测研究工作进行了全局性分析，以期为今后开展相关工作奠定基础。

1 数据源介绍

1.1 数据选取

从中国资源卫星应用中心的《陆地观测卫星数据服务平台》查询筛选了2016年9月和2018年9月GF-2卫星影像数据，最终确定全覆盖本研究地点高品质图像数据。由于受GF-2卫星运转轨道位置、幅宽以及岫岩偏岭镇面积的大小等因素的影响，单一一景影像无法全覆盖本研究区域，因此选择图像时在保证研究区域全覆盖的情况下，尽量采用时间相近、影像数量少的原则，分别对影像数据进行前期处理，最后确定选取2016年3景影像和2018年GF-2的2景影像，如表1所示。

1.2 数据处理方法

本文利用ENVI5.3，分别对2016年和2018年GF-2卫星的影像进行多光谱和全色影像数据的正射校正、图像融合、快速大气校正、图像镶嵌和图像裁剪工作，进行数据的预处理。易康eCognition Developer 软件是全球第一个面向对象、模拟人类大脑认知原理、进行智能化影像信息解译、分类信息提取的专业工具。本文在eCognition Developer 64 9.0软件中进行面向对象分割，结合目视解译的方法对图像分割与合并，通过不同地物的遥感解译标志，选取训练样本进行图像分类，建立了矿区、植被和其他3种类别。在ARCGIS 10.0中将分类结果通过目视解译方法，结合遥感影像，修改错误分类后输出栅格地图。将野外实地调查收集的矿区植被生态环境地质要素结果作为参考依据，用于评价提取精度。

表1 2016年和2018年岫岩偏岭镇GF-2数据参数

Tab.1 GF-2 data parameters of Pianling, Xiuyan in 2016 and 2018

注：1）PMS1和PMS2为两个不同的传感器；2）MSS为多光谱影像；3）PAN为全色影像。

2 结果与分析

2.1 偏岭数字正射影像图（Digital Orthphoto Map，DOM）

研究区为辽宁省鞍山市岫岩县偏岭镇，通过对GF-2卫星的数据（表1）预处理后，得到偏岭镇的2016年和2018年的DOM影像，如图1所示。

图1 岫岩偏岭镇DOM影像

由于两年DOM影像在原始影像的颜色上存在一定的色差，因此在预处理后的两年影像上也存在相同的问题，并没有对其进行调整。这主要是考虑如果对其颜色进行调整，在细节差别的识别性上势必会弱化一些地区，进而导致影像在后期进行地物识别时的准确性；而这一年度间的色差并不会对影像分类结果造成影响，因此2016年和2018年的两景DOM影像在视觉上有明暗的差异。

2.2 偏岭植被矿区分布情况

通过利用eCognition Developer 64 9.0软件运用面向对象并结合目视解译的方法进行图像分类得到2016年9月和2018年同一时期偏岭镇植被矿区分布图（图2），从图中可以看出：1）偏岭大部地区被植被所覆盖；2）矿区主要分布在中部，另外在东南部地区也有零星矿区存在；3）建筑主要集中在各矿区；4）道路纵横错落有致；5）2016年和2018年的植被矿区分布图的放大图（图4）上可以看到部分区域植被和矿区面积两年间发生了很大变化。

图2 2016年和2018年偏岭镇植被矿区分布图

为统计分析岫岩偏岭矿区植被修复情况，通过对2016年和2018年偏岭镇高分遥感影像图进行地物分类，得到该地矿区、植被和其他地物类型的面积统计表，如表2所示。该表显示矿区总面积在2018年面积较大，占地2.66km2，植被总面积在2016年分布较广，占地233.58km2。2018年比2016年矿区面积增加0.07km2，植被面积减少0.01km2，其他地物类型减少0.06km2。

表2 2016年和2018年岫岩偏岭镇地物分类面积统计表

Tab.2 Object classification area of Pianling, Xiuyan in 2016 and 2018 km2

注：“2018比2016增加”为2018年与2016年该类地物面积的差值。

2.3 偏岭植被矿区分布变化情况

为具体详查岫岩偏岭矿区和植被面积的分布变化情况，本研究以2018年DOM影像作为基准，将2016年的分类结果同2018年分类结果进行比较偏岭地区植被矿区分布变化情况如图3所示，在岫岩偏岭地区2018年比2016年存在增多的植被和矿区地区，这种地类的变化主要在岫岩偏岭的中西部地区。通过统计分析其矢量数据得到2016年和2018年偏岭植被的复垦面积0.041 4km2，矿区面积增加0.073 6km2，这说明在当地部门对矿山地质环境恢复治理取得一定成效。

图3 植被矿区分布变化情况分布图

为进一步观察分析这种变化特点，将变化较明显的一个典型地块进行放大，得到偏岭局部（位于偏岭中部）植被矿区变化放大图，如图4所示。

图4 偏岭局部植被矿区变化放大图

在图4的偏北部的1和2地区2018年比2016年的矿区面积增加了，植被面积减少了；而在偏南部地区的3和4地区植被面积增加，矿区面积减少。也就是说2016年～2018年一部分地块植被覆盖面积增加的同时，另一些地块的矿区面积不断扩增，这导致尽管存在新增植被面积的情况，但是偏岭地区总的植被面积增加不明显，尚需进一步开展治理工作。

2.4 实地调研情况

为验证本研究方法对地物分类的准确性，我们进行了实地调研并用无人机进行了图片采集，调研点信息如表3所示。实地考察地点是鞍山市岫岩满族自治县偏岭镇的青花集团部分矿区，该集团为该地区的几大矿区的重点企业之一，在GF-2影像上具有典型的地物特点，在人工目视解译过程中争议较大，因此选取该地开展调研查证工作。

表3 2018年11月16日偏岭镇调研信息表

Tab.3 Survey Information Sheet on November 16, 2018 in Pianling

将本次实地考察地点的2018年高分影像图（图5）、2018年识别解译的植被矿区分布图（图6）和无人机航拍图片（图7）进行对比分析，本研究对该地2018年遥感影像图地物类型分类结果表明，该地区的矿区面积为0.049 km2，植被面积为0.154 km2。经实地调研考察，该地区的矿区面积为0.046 km2，植被面积为0.157 km2。因此，遥感图像对该地区矿区和植被面积的识别精度分别达到92.1%和98.4%。此误差的原因主要是在进行对影像图的人工目视识别时分类有误造成的，这与对该地的熟识程度和对遥感影像的分割分类经验有关。

图5 高分遥感影像DOM实地调研测点放大图

注：绿色为植被，蓝色为矿区

图7 偏岭镇测点无人机航拍照片

3 结束语

对于高分辨率影像来说，由于地物类别内部的光谱响应变异增大，传统的基于像元的遥感影像分类方法已不适合高分遥感图像分类[18]。目前通常采用直接目视解译分类方法，这种方法尽管分类的精度较高，但也需要耗费大量的时间和精力。因此，本文采用eCognition软件进行面向对象的分割与分类理论的方法, 这种方法不仅可以有效解决高分辨率影像的分类问题[19-20]，而且节约了大量的时间，提高了工作效率。

尽管GF-2遥感卫星的空间分辨率优于1m[15]，但人工对图像地物判别还存在一定的差异误差，导致本研究结果的具体数字会产生一定偏差。本研究选取遥感影像中的疑似地点开展实地考察，利用无人机影像进一步对GF-2数据进行进一步订正，同时开展了该地区的精度验证，为今后开展高分辨率图像分析工作提供了良好的经验。

我国能源行业不仅为我国带来了经济效益，同时也带来了环境问题和资源问题[21-22]，随着人们对经济发展的需求，矿区面积依然在不断扩增。本研究结果表明：岫岩地区矿区的快速扩张侵占了大量的林地，然而矿区的复垦面积有限，对当地生态系统的稳定性造成了一定的威胁。同时我们也看到随着人们对生态环境的不断重视，政府在近几年采取各种方法减缓对环境的破坏，地物类型变化逐渐趋于平缓，自然环境不断修复改善，人民生态意识逐渐增强。

[1] 王倜, 张雪华, 王春辉. 林区砂金废弃矿区生态复原技术研究[J]. 林业科技, 1996, 21(4): 13-14. WANG Chou, ZHANG Xuehua, WANG Chunhui. The Forest Ecological Restoration of Abandoned Mining Area of Placer Gold[J]. Forestry Science and Technology, 1996, 21(4): 13-14. (in Chinese)

[2] 张海波. 丹东市铅锌矿尾矿库周边地区土壤重金属污染状况与防治对策[J]. 农业与技术, 2013, 33(3): 14-15. ZHANG Haibo. Heavy Metal Pollution Status and Control Countermeasures in the Surrounding Area of Tailing Lead-zinc Mine Tailings Reservoir[J]. Agriculture and Technology, 2013, 33(3): 14-15. (in Chinese)

[3] 闫军, 杨雪茹, 李樵民. 北山成矿带矿山开发占地遥感监测[J]. 宁夏工程技术, 2018, 17(3): 257-259. YAN Jun, YANG Xueru, LI Qiaomin. Monitoring of Mine Development Land of Beishan Metallogenic Belt by Remote Sensing Technology[J]. Ningxia Engineering Technology, 2018, 17(3): 257-259. (in Chinese)

[4] 张晓德, 刘桂香, 王梦圆, 等. 开矿对锡林浩特市草原景观的影响[J]. 中国草地学报, 2018, 40(3): 102-109. ZHANG Xiaode, LIU Guixiang, WANG Mengyuan, et al. Influences of Mining in Grassland on Grassland Landscape of Xilinhot City in Recent 20 Years[J]. Chinese Journal of Grassland, 2018, 40(3): 102-109. (in Chinese)

[5] 马梅, 张圣微, 魏宝成. 锡林郭勒草原近30年草地退化的变化特征及其驱动因素分析[J]. 中国草地学报, 2017, 39(4): 86-93. Ma Mei, Zhang Shengwei, Wei Baocheng. Temporal and Spatial Pattern of Grassland Degradation and Its Determinats for Recent 30 years Xilingol[J]. Chinese Journal of Grassland, 2017, 39(4): 86-93. (in Chinese)

[6] 熊俊丽. 分析矿产资源开发对其生态环境影响[J]. 世界有色金属, 2018(17): 110-112. XIONG Junli. Analysis of The Impact of Mineral Resources Development on Its Ecological Environment[J]. World Nonferrous Metals, 2018(17): 110-112. (in Chinese)

[7] 王志华, 何国金, 张兆明. 福建省罗源县石材矿开采区高分遥感十年变化监测[J]. 遥感信息, 2014, 29(6): 41-46. WANG Zhihua, HE Guojin, ZHANG Zhaoming. Ten-year Change Monitoring on Stone Mining Areas in Luoyuan County of Fujian Province Based on High Resolution Satellite Imagery[J]. Remote Sensing Information, 2014, 29(6): 41-46. (in Chinese)

[8] 熊恬苇, 江丰, 齐述华. 赣南6县稀土矿区分布及其植被恢复的遥感动态监测[J]. 中国水土保持, 2018(1): 40-44.XIONG Tianwei, JIANG Feng, QI Shuhua. Remote Sensing Dynamic Monitoring on Rare Earth Mining Area and Its Vegetation Restoration of 6 Counties in Southern Jiangxi[J]. Soil and Water Conservation in China, 2018(1): 40-44. (in Chinese)

[9] 陈玲, 梁树能, 周艳, 等. 国产高分卫星数据在高海拔地区地质调查中的应用潜力分析[J]. 国土资源遥感, 2015, 27(1): 140-145. CHEN Ling, LIANG Shuneng, ZHOU Yan, et al. Potential of Applying Domestic High-resolution Remote Sensing Data to Geological Survey in High Altitudes[J]. Remote Sensing for Land and Resources, 2015, 27(1): 140-145. (in Chinese)

[10] 王瑞军, 董双发, 孙永彬, 等. 基于高分一号卫星数据新疆索拉克地区控矿地质单元遥感解译与应用[J]. 国土资源遥感, 2017, 29 (s1): 137-144. WANG Ruijun, DONG Shuangfa, SUN Yongbin, et al. Remote Sensing Interpretation and Application of the Geological Unit of Suolake Area in Xinjiang Based on GF-1 Satellite Data[J]. Remote Sensing for Land and Resources, 2017, 29 (s1): 137-144. (in Chinese)

[11] 张元涛, 潘蔚, 余长发, 等. WorldView-3 影像在内蒙古苏莫查干敖包地区铀矿勘查中的应用[J]. 铀矿地质, 2019, 35(2): 114-121. ZHANG Yuantao, PAN Wei, YU Changfa, et al. Application of WorldView-3 Image in Uranium Exploration in Sumoqagan Obo, Inner Mongolia[J]. Uranium Geology, 2019, 35(2): 114-121. (in Chinese)

[12] 张文龙, 侯昭华, 李领军, 等. SPOT5 在印尼加里曼丹铝土矿遥感调查中的应用[J]. 地质与勘探, 2015, 51(1): 157-164. ZHANG Wenlong, HOU Zhaohua, LI Lingjun, et al. Application of SPOT5 Data to the Remote Sensing Survey of a Bauxite Deposit in the Kalimantan Area of Indonesia[J]. Geology and Exploration, 2015, 51(1): 157-164. (in Chinese)

[13] 陈超, 朱志敏, 王璠. 格陵兰岛科瓦内湾遥感异常提取及找矿预测[J]. 世界有色金属, 2019(2): 76-78. CHEN Chao, ZHU Zhimin, WANG Fan. Remote Sensing Anomaly Extraction and Prospecting Prediction in Kovane Bay, Greenland[J]. World Nonferrous Metals, 2019(2): 76-78. (in Chinese)

[14] 高峰, 安培浚. 国际空间和对地观测技术发展战略新动向[J]. 遥感技术与应用, 2008, 23(6): 686-696. GAO Feng, AN Peijun. The New Trends of Development Strategy on the International Space and Earth Observation Technology[J]. Remote Sensing Technology and Application, 2008, 23(6): 686-696. (in Chinese)

[15] 安志宏, 吴春明, 孙禧勇, 等. 基于“高分二号”卫星影像的砂金矿区环境地质调查[J]. 航天返回与遥感, 2017, 38 (6): 107-112. AN Zhihong, WU Chunming, SUN Xiyong, et al. Study on Environmental Geology Investigation in Gold Placer-mining Area Using GF-2 Imagery[J]. Spacecraft Recovery & Remote Sensing, 2017, 38 (6): 107-112. (in Chinese)

[16] 孙攀, 董玉森, 陈伟涛, 等. 高分二号卫星影像融合及质量评价[J]. 国土资源遥感, 2016, 28(4): 108-113. SUN Pan, DONG Yusen, CHEN Weitao, et al. Research on Fusion of GF-2 Imagery and Quality Evaluation[J]. Remote Sensing of Land and Resources, 2016, 28(4): 108-113. (in Chinese)

[17] 董佰山, 杨耘, 崔琴芳. 基于高分二号的矿区土地利用精细分类与分析[J]. 甘肃科学学报, 2019, 31(1): 81-85. Dong Baishan, Yang Yun, Cui Qinfang. Detailed Classification and Analysis Based on Separator No.2 Land Use in Mining Area[J]. Journal of Gansu Sciences, 2019, 31(1): 81-85. (in Chinese)

[18] 王海晖, 彭嘉雄, 吴巍, 等. 多源遥感图像融合效果评价方法研究[J]. 计算机工程与应用, 2003, 39(25): 33-37. WANG Haihui, PENG Jiaxiong, WU Wei, et al. A Study of Evaluation Methods on Performance of the Multi-source Remote Sensing Image Fusion[J]. Computer Engineering and Applications, 2003, 39(25): 33-37. (in Chinese)

[19] BLASCHKE T. Object Based Image Analysis for Remote Sensing[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2010, 65(1): 2-16.

[20] 陈通利, 黎海波. 面向对象的遥感影像分类在地理国情普查中的应用[J]. 测绘与空间地理信息, 2017, 40(10): 108-110. CHEN Tongli, LI Haibo. Application of Object－Oriented Remote－Sensing Image Classification in the Geographical National Census[J]. Geomatics &Spatial Information Technology, 2017, 40(10): 108-110. (in Chinese)

[21] 袁省之, 孙竹, 张宝生, 等. 石油矿区可持续经济效率评价体系构建及应用[J]. 石油科学通报, 2018, 3(3): 354-368. YUAN Xingzhi, SUN Zhu, ZHANG Baosheng, et al. Evaluation of Sustainable Economic Efficiency in Oilfields[J]. Petroleum Science Bulletin, 2018, 3(3): 354-368. (in Chinese)

[22] 李新春, 彭红军, 赵晶. 煤炭资源型城市发展对策研究[J]. 软科学, 2006, 20(3): 40-41. LI Xinchun, PENG Hongjun, ZHAO Jing. Studying the Development Strategy for the City of Coal Rescource Type[J]. Soft Science, 2006, 20(3): 40-41. (in Chinese)

Monitoring and Assessment of Vegetation Restoration Ecology Environment in Xiuyan Pianling-mining Area

ZHOU Bin LI Yuhong LI Ji LI Jing WANG Ting LIU Dongming

（Liaoning Provincial Center for Ecological Meteorology and Satellite Remote Sensing, Shenyang 110166, China）

Vegetation restoration has great significance for ecological reconstruction and improvement of ecological environment quality in mining areas. Using high-resolution remote sensing satellite images to evaluate the ecological restoration effect in mining areas solves the problem of time-consuming and labor-intensive traditional on-site detection methods on the dynamic status of large mining areas. Based on the remote sensing image of GF-2 satellite the monitoring and evaluation research on ecological environment of vegetation restoration in mining area was carried out by means of supervised classification and artificial correction post-processing. The ecological environment restoration in the mining area of Pianling Town in Xiuyan County in 2016 and 2018 was analyzed. The analysis result shows that the rising area of vegetation in Pianling is 0.041 4km2and the mining area is increased by 0.073 6km2from 2016 to 2018. The typical area was selected to evaluate the extraction accuracy by the field survey of unmanned aerial vehicle. The accuracy of remote sensing image classification of vegetation and mining area reached 92.1% and 98.4% respectively. The restoration and treatment of geological environment of mining area have achieved some progress initially; nevertheless further treatment work is needed, because the total vegetation area is not increased obviously.

ecological environment monitoring; vegetation restoration; mining area; remote sensing image; GF-2 satellite

VP79

A

1009-8518(2019)03-0103-08

10.3969/j.issn.1009-8518.2019.03.013

周斌，女，1983年生，2013年6月获中国科学院沈阳应用生态研究所生态学专业博士学位，高级工程师。研究方向为生态气象、资源环境遥感。E-mail：zhoubin_07biotech@163.com。

李辑，男，1963年生，1988年获南京气象学院气候学专业硕士学位，正高级工程师。研究方向为统筹管理高分辨率对地观测系统成果推广、高分数据在全省气象部门卫星遥感数据应用、生态文明建设气象保障服务。E-mail：cqliji@sina.com。

2019-02-19

国家自然科学基金项目（41605087)；辽宁省农业领域青年科技创新人才培养计划项目（2015030）；辽宁省气象局科学技术研究课题（201907）

（编辑：庞冰）