基于遥感与GIS技术的陕北煤矿区生态环境质量评价——以杨伙盘矿区为例

尘福艳 郭仲皓 张英海 徐凯磊 江晓光

(西安煤航遥感信息有限公司，陕西省西安市，710100)

随着我国社会经济飞速发展，国民的生活水平获得较大程度的提高。在经济飞速发展的同时，我国正面临着生态破坏、环境污染、土地退化等一系列环境问题[1-3]。当前，卫星遥感对地观测系统以其快速、实时的优点已经在生态环境领域得到广泛的应用。利用各种生态环境因子对整个矿区的生态环境进行监测和评价，已成为生态环境保护的重要组成部分。陕北煤炭区的开采在一定程度上导致了地面的塌陷，进而影响了当地的生态环境，因此十分有必要开展监测和评价。2015年，原国家环境保护部以行业标准的形式颁发了《生态环境状况评价技术规范》(HJ 192-2015)，推出了基于遥感技术的生态环境状况指数EI，旨在对我国县级以上生态环境提供一种年度综合评价标准[4]。笔者以陕北煤矿区-杨伙盘矿区的生态环境为例，对研究区的生态环境质量进行监测和综合评价。

1 研究区概况

杨伙盘煤矿位于陕西省神木县店塔镇，属于陕北神府矿区新民开采区。西北部为黑拉畔煤矿和孙营岔一矿，东北部为石岩沟煤矿，东南部为榆家梁煤矿，长度约为6.6 km，宽度约为4.4 km，面积约为26.92 km2，杨伙盘煤矿交通位置示意如图1所示。

图1 杨伙盘煤矿交通位置示意

由图1可以看出，该矿区交通条件较好，西(安)-包(头)铁路、210国道西(安)-包(头)公路从矿区西侧通过，神(木北)-朔(州)铁路以及府店一级公路均从矿区南部黄羊城沟内通过，紧邻矿井工业场地。地处我国西部内陆，为典型的中温带干旱、半干旱大陆性季风气候。气候特点为冬天极度寒冷，春天大风为主，夏天炎热，秋天凉爽，昼夜温差悬殊，四季冷热多变。常年干旱少雨，年蒸发量较大。全年无霜期较短，一般10月初上冻，次年4月初解冻。

杨伙盘煤矿地处陕北黄土高原北部，地貌单元属黄土丘陵沟壑区，地形总趋势东北高、西南低，煤矿内沟谷纵横切割，梁峁连绵起伏、坡陡壁峭、植被稀少，水土流失严重，煤层与基岩广泛裸露于沟谷之中，风成沙丘屡见不鲜，河流阶地零星分布于黄羊城河谷及各大支沟之中，为极不对称的一级阶地[5]。

杨伙盘煤矿经过多年的开采形成大面积的采空区，已经对生态环境造成了较为严重的影响。煤矿采空区上部地表出现较大面积的塌陷，已开采的工作面地表均有塌陷。塌陷形态以地裂缝为主，形成有规律的近乎平行的大小和深度不等的地表裂缝，直接威胁到采空区地表的正常活动和矿井安全生产。煤矿区的地表水主要来自于水库和黄羊城河，但目前也由于矿区的多处井工开采利用和降水偏少，水位已明显下降。水库因淤积和失修，水已流失下渗，部分分支水库已基本干涸，导致杨伙盘煤矿的生态环境形势较为严峻。

2 数据源与研究方法

2.1 数据源及数据预处理

选用2018年7月25日的分辨率为30 m×30 m的Landsat 8 OLI的遥感影像和2018年8月份-2019年3月份的共44景Sentinel 1A影像为数据源。在利用卫星遥感影像数据之前，对Landsat 8 OLI影像进行了大气校正、辐射定标以保证数据的标准化应用。Sentinel 1A的雷达数据通过SARscape平台导入，结合轨道精密文件进行格式转换，同时结合工作区范围进行裁剪出工作区域。

2.2 评价指标提取与方法

2.2.1 土地利用现状

按照研究区的范围进行影像数据和文献等各种资料的搜集，再加之用到的Landsat 8 OLI影像数据中各特征物的光谱特征，结合研究区域中的影像特征和其他实地调查的土地利用信息数据，来进行土地利用信息解译标志的建立，然后采用监督分类的方法完成遥感影像的分类，2018年研究区土地利用现状信息提取图如图2所示。

由图2可以看出，2018年研究区的土地利用现状是裸土占的比例较大，达到了51.71%；而草地占了28.42%，对生态环境有一定的促进作用；林地在全区占到了17.02%，仅次于草地；建筑用地占2.86%。

2.2.2 植被指数

植被的分布和覆盖程度直接影响着区域生态系统的发育情况和健康状况，归一化植被指数NDVI是目前使用最为广泛的植被指数。归一化植被指数在植被盖度的反演中相对于其它植被指数具有对植被检测灵敏度较高、检测范围相对较宽、能够减少由太阳高度角与大气辐射产生的噪声等优点。植物叶绿素因为光合作用而吸收红光，因此长势越旺盛的植被吸收的红光越多，相应的反射的近红外光也就越多。所以归一化植被指数能反映植物生物量的状况，NDVI值越大植物长势越好。NDVI的阈值在-1～1之间，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值表示有植被覆盖，且随覆盖度增大而增大[6]。

图2 2018年研究区土地利用现状信息提取图

此次选取归一化植被指数NDVI来对目标区域进行分析，其算式见式(1)：

(1)

式中：NDVI——归一化植被指数；

NIR——近红外波段反射值；

Red——可见光红色波段反射值。

2018年研究区植被覆盖信息提取图如图3所示。

图3 2018年研究区植被覆盖信息提取图

2.2.3 土壤侵蚀

由于本研究区河流较少且靠近毛乌素沙漠，土壤侵蚀一般是风力侵蚀。根据矿区实际情况，选择RUSLE(The Revised Universal Soil Loss Equation)作为土壤侵蚀信息提取模型[7-8]。RUSLE模型是美国农业部于1997年在通用土壤流失模型USLE(The Universal Soil Loss Equation)的基础上修订建立并正式实施的一种适用范围更广的修正模型，其计算表达式见式(2)：

A=R·K·LS·C·P

(2)

式中：A——预测土壤侵蚀量，主要指由降雨和径流引起的坡面细沟或细沟间侵蚀的年均土壤流失量；

R——降雨侵蚀力因子，反映降雨引起土壤流失的潜在能力；

K——土壤可蚀性因子，衡量土壤抗蚀性的指标，用于反映土壤对侵蚀的敏感性；

LS——坡长坡度因子 (无量纲)，其中L为坡长因子，被定义为坡长的幂函数；S为坡度因子。LS表示在其他条件不变的情况下，某给定坡长和坡度的坡面上土壤流失量与标准径流小区典型坡面上土壤流失量的比值，它对土壤侵蚀起加速作用；

C——覆盖与管理因子 (无量纲)，是指在其他因子相同的条件下，在某一特定作物或植被覆盖下的土壤流失量与耕种后连续休闲地的流失量的比值；

P——水土保持措施因子(无量纲)，是指采取水土保持措施后土壤流失量与顺坡种植的土壤流失量的比值。

考虑到研究区较小，在研究区范围内模型中R因子和K因子可视为均一数值，P因子未见相关资料，因此本项目模型通过计算LS因子以及C因子对矿区土壤侵蚀状况进行相应定性分析，2018年研究区土壤侵蚀信息提取图如图4所示。

2.2.4 土壤类型

研究区内土壤主要分为黄绵土、风沙土、粗骨土及栗钙土这4类土壤。研究区主要以黄绵土为主，占研究区面积的 77.02%，在全区都有分布且范围较为广泛；其次为风沙土，占研究区的 14.78%，风沙土主要分布在研究区的中部，由于地势高更易形成风沙土；粗骨土主要分布在研究区的北部，沿着有坡度的边缘形成，占6.34%；栗钙土较少，占研究区的1.89%。研究区内的土壤类型分布图如图5所示。

图4 2018年土壤侵蚀信息提取图

图5 研究区内土壤类型分布图

2.2.5 坡度

坡度信息是通过对数字高程模型进行信息提取本区范围内的坡度信息，坡度信息不同则生物群落种类和栖息方式都不同，在很大程度上决定这个区域的生物物种的丰富程度。利用地理信息系统技术对杨伙盘地区的高程模型进行坡度的信息提取，此方法可以通过Arcgis的空间分析功能里面的坡度模块来进行提取，Arcgis软件在地理空间分布分析及地理信息提取处理等方面具有巨大的优势，是GIS的一个全面的平台，通过对地理数据或遥感数据进行分析处理获取地理数据的位置信息、空间分布特征或运动状态等具有实际效用的产品、要素、数据等[6]。研究区坡度图如图6所示。

2.2.6 地面塌陷

SBAS方法是对获取的SAR影像序列进行自由干涉组合，从而得到一系列短基线差分干涉相位图，这些差分干涉图能够很好地克服时空失相关的影响。同时，采用最小费用流的相位解缠方法对差分和滤波后的干涉相位图进行相位解缠。然后对解缠后的结果进行轨道精炼和残余相位去除，根据计算的高相关性的点来构建方程组矩阵，利用矩阵奇异值分解方法估算出线性形变速率和高程误差。然后再对残余相位进行分离和将残余相位中的噪声相位予以去除，得到非线性形变相位。最后将线性形变相位和非线性形变相位叠加，得到最终准确的形变结果[9]，研究区沉降量如图7所示。

图6 研究区坡度图

图7 研究区沉降量

2.2.7 水体指数

水体因对入射能量(太阳光)具有强吸收性，所以在大部分遥感传感器的波长范围内，总体上呈现出很弱的反射率，并随着波长的增加而进一步减弱，其在近红外、短波红外的波长范围内几乎吸收全部的入射能量[10]。水体提取的方法多种多样，在比较不同水体提取方法的基础上，最终选用改进的归一化水体指数(MNDVI)的方法来对杨伙盘煤矿区的水体进行提取。MNDWI水体提取方法是通过绿波段和短波红外波段构建，该指数在含不同水体类型的遥感影像中进行了大量的实验，大部分获得了比NDVI更好的效果。MNDVI可以进一步增强水体与其他类别的反差，抑制建筑物和土壤的背景噪音，有利于水体信息的准确提取。MNDVI的计算公式见式(3)：

(3)

式中：MNDVI——归一化水体指数；

MIR——近红外波段反射值;

Green——绿波段反射值。

2018年研究区水体信息提取图如图8所示。

图8 2018年研究区水体信息提取图

2.3 综合指数的构建

由于土地利用现状、植被覆盖度、土壤侵蚀、土壤类型、地面塌陷、坡度和水体指数这7个指标的量纲和单位有所不同，取值的范围缺乏可比性，且评价指标和生态环境的良好成都呈现出关系的方向不同，因此需要对每个指标值进行归一化来处理消除量纲差异对计算结果的影响。归一化的指标范围均为0～1之间。归一化之后指标计算见式(4)和式(5)：

式中：Result——指标归一化之后的值；

DN——指标原始数据的数值；

DNmin——指标原始数据的最小值；

DNmax——指标原始数据的最大值。

生态环境因子进行归一化之后，结合层次分析法和综合指数法来对生态环境质量进行评价。层次分析法将得到各个生态环境因子的权重值，表明各特征因子对生态环境所产生影响的重要性。权重的计算是通过层次分析法在MATLAB软件中计算出来的，不但综合了专家打分法的优势，且加入了一定的数学模型来对研究区进行定量分析，完善了定性与定量的不足，较适合定性指标和定量指标并存的矿山生态环境质量评价领域。通过计算得到评价因子对生态环境现状影响程度排序为植被覆盖度>地面塌陷>土地利用现状>水体指数>土壤侵蚀强度>土壤类型>坡度。通过特征指数值计算，取其置信区间0.31～0.80，舍弃极端的最大值和最小值。在Arcgis中利用重分类函数，采用自然断点法，按照数值由小到大将生态环境质量数值划分为差(0.31～0.48)、较差(0.48～0.56)、中(0.56～0.62)、良(0.62～0.66)、优(0.66～0.80)这5个等级。生态环境质量数值越大，说明生态环境质量越好。

3 结果与分析

综合指数法选取对生态环境造成影响的因子，再对各个因子的影响进行综合分析评价，得出生态环境的现状。这种由单一到整体的评价方法，克服了单因素评价的片面性，可以较全面的进行定量评价。综合指数法根据生态系统是由多因子组成的多层次的复杂体系和开放体系，系统内部和外部环境之间有着错综复杂的相互联系和相互作用，从关注的各个环境因子出发，对每个因子的影响都有所交待，且通过分值直接表达影响，过程直观、结论明确且易于理解。将研究区的生态环境质量分为差、较差、一般、良、优共5个等级，生态环境好坏评价分级标准见表1。

表1 生态环境好坏评价分级标准

研究区2018年生态环境质量空间分布图如图9所示，研究区2018年生态环境影响评价结果见表2。

图9 研究区2018年生态环境质量空间分布图

表2 研究区2018年生态环境影响评价结果

由图9和表2可以看出，生态环境质量状况为优的区域主要包括研究区南部和西部。该区内人类工程活动弱、人口稀少，多为草地和林地，植被覆盖率高，没有煤矿开采现象，因此不存在地质灾害，生态环境质量状况较好。

生态环境质量状况为良的区域也主要是研究区南部和西部。大部分毗邻生态环境质量状况为优的区域，该区地质环境条件良好，植被较发育，多为草地、耕地，区内人口相对稀少，人类工程活动程度较弱，地质灾害不发育。

生态环境质量状况为一般的区域主要分布在研究区中东部，属于全区都较为发育区域，该区内地质环境条件相对较差，高程相对较高，土壤侵蚀强度大且植被覆盖度低。

生态环境质量状况为较差的区域主要分布在研究区中东部，该区内地质环境条件较差，人类工程活动强烈，地质灾害发育，土壤侵蚀强度较大，植被覆盖度低。

生态环境质量状况为差的区域主要分布在杨伙盘煤矿区的个别地方，人类工程活动强烈，尤其是煤炭开采活动造成地面塌陷情况较严重的地区，该区内地质环境条件较差，土壤侵蚀强度较大，植被覆盖度低。

4 结论

笔者基于遥感卫星和雷达数据，利用层次分析法合理的考虑了各生态环境因子对生态环境的影响程度，确定了各个因子的权重，以杨伙盘煤矿区为例对生态环境状况和空间分布状况进行了分析。研究分析方法克服了以往生态环境质量评价因子难以可视化表达的缺点，通过遥感数据和雷达数据的信息提取和相互之间的耦合关系，能够客观定量地揭示杨伙盘煤矿区的生态环境质量的空间分布与变化特征，对杨伙盘生态环境建设的未来规划和管理具有重要的参考价值。

从权重的计算结果中可以看出，生态环境因子中的植被覆盖度占比最大，其次为地面塌陷、土地利用现状、水体指数、土壤侵蚀强度、土壤类型、坡度，这说明杨伙盘的生态环境质量主要是受到植被覆盖度和地面塌陷的影响。