高潜水位煤矿区开采扰动的长时序过程遥感监测与影响评价

肖 武，陈文琦，何厅厅,赵艳玲,胡振琪

(1.浙江大学 公共管理学院，浙江 杭州 310058；2.中国矿业大学(北京) 土地复垦与生态重建研究所，北京 100083)

中国东部高潜水位地区包含十四大煤炭基地中的5个，即两淮基地、鲁西(兖州)基地、河南基地、冀中基地、蒙东基地(东北部分)，可采煤炭储量 189 亿t左右，含煤面积超过6 955 km。该区域80%以上为高产粮田，采煤沉陷后地表易积水，导致厚冲积层形成的优质耕地变为水域，农田生态系统严重受损，直接威胁国家粮食安全和生态安全。煤炭开采导致地表沉陷积水，是中国东部高潜水位平原煤矿区土地生态变化的主要特征之一，掌握煤炭开采影响下的地表水变化，有助于定量评估煤炭开采对土地、生态与社会的综合影响效应。

实地调查是监测地面变化与沉陷积水和影响评估最准确的方法，但是受到沉陷积水空间分布大和过程时间长的限制，无法回溯历史不同开采阶段煤炭开采对土地利用的定量变化与影响。由于遥感影像更新频率高、影像容易获取以及大面积监控等特征，遥感技术已广泛应用于森林退化、城市扩展、水体变化、耕地抛荒等大范围资源变化监测。对于矿区来说，矿区土地变化监测可以分为露天开采和地下开采，露天矿区主要集中在利用植被指数监测采矿活动对地表的扰动,如李晶等利用时序NDVI实现了对草原矿区植被扰动的监测，贾铎等与李恒凯等分别基于SSA-Mann Kendall与多源时序NDVI对草原露天矿区与稀土矿区的土地损毁与恢复过程进行了分析。对地下开采的矿区，多是对不同时期进行人工解译，然后比较解译结果来监测采矿活动对地表的扰动与影响，比如郝成元和杨志茹、刘培等分别利用MODIS数据与CA_Markov模型对潞安矿区NPP与徐州矿区地表热环境进行了分析，此外，雷达数据也被广泛的应用于地下开采矿区的地表形变观测。然而，这种多期影像人工解译分类的方法工作量大且分类误差极易累积，选择特定年份某一时间节点的数据，往往只能代表在这一瞬时状态地表的植被与土地利用状态，无法表征某一时间阶段内的特征，这给非线性且高时空异质性的事件监测带来困难。在研究过程中，由于受到天气条件比如云量与卫星过境时间等多因素影响，各年之间的数据也难以选择在每一年的同一时间进行，这也给监测结果的可信度与可比较性带来挑战。对于高潜水位矿区地面扰动遥感监测来说，如何准确快速的获取地表积水的时空规律是关键，李晶等在比较改进归一化差异水体指数法、单波段阈值法、谱间关系法、K-T变换4种水体提取方法的精度及优缺点基础上，采用基于阈值分割的改进归一化差异水体指数法提取了兖州煤田1990—2014年的水体信息并分析了其时空变化特征。但是地面水体变化受到多种因素的影响(人工挖掘鱼塘、降水量等)，在缺乏地下采矿信息的情况下，如何根据单一的遥感影像数据，分辨采煤沉陷导致的地面积水与人为活动导致的地面挖损水体，以及消除由于水文年际变化(丰水年与枯水年)导致的噪音，成为遥感提取采煤沉陷水体的重大阻碍与难题。受气候条件以及采煤引起的地表沉陷程度的影响，沉陷区域的积水面积在年内和年间是变化的。因此，用单景影像代表年内的积水面积是不合理的，通过比较多景影像检测矿区年间积水面积变化，存在一定的局限性。

随着云计算技术与时序遥感变化监测算法等相关技术发展，利用可获取的海量遥感卫星过境数据，为实现精细化与高时空分辨率的地面变化检测提供了可能。Google 公司推出的 Google Earth Engine (GEE) 平台当前已收集 MODIS,Landsat,Sentinel 等常用遥感数据集，可利用在线或离线的编程方式获取和处理共享数据，并基于强大的谷歌云平台，利用云计算进行遥感数据分析与处理，避免了传统遥感分析模式带来的数据下载、预处理等繁琐过程，GEE平台在数据分析与处理方面体现出强大的能力，逐步应用于城镇扩张、生态环境质量动态监测、植被覆盖度动态监测等方面。而长时间序列变化监测的方法概括为4种主要类型：光谱变量、影像分类、基于光谱轨迹的分析及数据融合的方法。其中，ZHU等提出的基于光谱轨迹的CCDC(Continue Change Detection and Classification)算法能够通过监测时间序列中的断点信息识别突变事件，最初用在监测土地覆被变化，目前在遥感影像时间序列变化检测领域得到广泛应用，包括城市不透水面变化信息提取、草原景观动态变化等，但对于煤矿区沉陷水体的动态变化识别仍有待进一步研究。

此外，煤矿开采除了导致沉陷积水的产生，该类地区面临的另外一个难题是对周围社会生态环境也带来显著影响，尤其对于该区域内优质耕地的农业生态系统造成严重的损害。煤矿开采在实现经济效益的同时也要考虑社会-生态的可持续发展问题，开采沉陷造成周边农田作物遭受水淹直接影响了作物产量，导致当地农民的利益受到损害，需要识别沉陷影响区域来确定对农作物赔偿和征地复垦范围。传统的方法较多使用实地测量来确定，基于下沉参数的确定进行沉陷预计，并用水准测量或GPS测量进行开采沉陷观测，从而监测煤矿开采沉陷识别影响范围，但是该办法的缺点在于效率低，成本高，且缺乏客观的判别标准。当前已有学者通过测度植被信息、植被碳储量等方式评估矿区开采对农作物生长的影响。对高潜水位矿区而言，地形改变与潜水位的相对变化，直接导致开采沉陷区的表层土壤含水量上升。土壤水分在矿区高强度开采过程中也会受到极大影响，进而导致生态环境恶化。土壤水分作为作物生长的基础条件，与土壤的其他理化性质等共同形成适宜作物生长的土壤环境。土壤长时间处于水分过饱和状态，会导致土壤肥力下降，作物受渍害胁迫，直接影响作物生长甚至危及作物存活。农田大量减产甚至绝产，耕作系统遭到破坏，对当地居民的生产生活产生极大影响。由于水分在土壤中的渗透作用存在距离衰减规律，通过分析开采扰动带来的外缘土壤水分空间变化量化农业用地受损程度与范围，能够有效评估农业生产的影响边界。

因而，为了监测高潜水位煤矿开采的动态扰动以及量化扰动带来的农业生产效用影响，笔者尝试基于GEE云计算平台与CCDC算法，运用Landsat系列遥感光谱数据识别地表水体，监测每期影像中水体动态变化中的突变事件从中提取沉陷水体和回填进行土地复垦的事件，进而分析突变年份斑块形态特征，利用形态学方法提取沉陷积水斑块。在此基础上，运用土壤湿度检测指数(Soil Moisture Monitoring Index,SMMI)、 地表水指数(Land Surface Water Index,LSWI)、可见光-短波红外干旱指数(Visible and Shortwave Infrared Drought Index,VSDI)3个遥感指数表征区域内土壤水分的空间分布格局，分析沉陷水体周围土壤水分随距离的空间变化规律，识别煤矿开采沉陷对耕地生产影响的边界，以此量化开采扰动带来的农业生产效用的影响，从而为高潜水位采煤塌陷区沉陷积水的时序遥感监测与沉陷影响范围评估提供新思路。

1 研究区概况

兖州煤田位于山东省济宁市境内，位于兖州、曲阜、邹城和任城4县区交界处，煤田南北跨度26.0 km，东西跨度17.6 km，总面积375.4 km(图1)。矿区煤层在300 m以下，已开采煤层厚度大约在1～10 m，大多数为缓倾斜煤层，适用大型机械开采。矿区煤炭资源丰富，探明储量30.14亿t，可采储量17.12亿t，自20世纪90年代开始进入大规模开发时期，目前矿区内有北宿、兴隆庄、鲍店、杨村、东滩、南屯等大中型矿井。该地区均采取竖井开拓、地下开采的方式开展作业，主要使用长壁采煤法、条带式采煤法、水平分层采煤法等采矿方法。由于地区的潜水位较高，在长期的煤炭开采作业下，地面形成大面积沉陷积水区，矿区生态系统受到严重影响，大量优质耕地遭到破坏，对地区居民的生产、生活产生了极大影响。

图1 研究区概况

研究区内地形平坦，水系遍布，主要流经河流有泗河、白马河、沙河、泥河等。气候温和，属于温带大陆性季风气候。四季分明，降雨集中，雨热同期，平均气温为13.6～14.9 ℃，平均降水量在580～747 mm。地区土壤肥沃，光照充足，耕性良好，主要种植作物有小麦、玉米等，是重要的粮食产区。

2 数据与方法

2.1 研究所采用的数据及预处理

为了识别采煤沉陷与复垦的动态过程，需要获取长时序的遥感影像，因而本研究选取了Google Earth Engine(GEE)平台上提供的Landsat 5,7,8的大气地表反射率TOA数据，空间分辨率为30 m，如图2所示，在1986—2017年内研究区共有1 430景可用数据。为了能够更加精细准确地反映地表水体与土壤水分的空间分布，笔者运用了空间分辨率为10 m的Sentinel-2遥感影像数据，并获取更丰富的光谱信息。所有图像已经过几何校正处理，利用GEE平台提供的云掩膜算法移除高于50%的高云量数据，将掩膜后所有数据作为可用数据，再进行影像裁剪等预处理工作。

图2 研究所采用Landsat影像数据概况

2.2 研究方法

笔者以识别开采扰动以及影响范围评估为目的，首先利用Landsat数据生成每期影像水体指数轨迹数据，运用CCDC算法动态拟合每一像素的轨迹曲线，识别具有突变特征的像素。在此基础上，监测沉陷积水和回填后土地复垦的区域并识别年份，运用形态学方法识别煤矿开采导致地表沉陷积水范围，并进行精度验证。最后对于提取的沉陷积水斑块进一步构建缓冲区，分析缓冲区土壤水分空间分布的距离规律，从而识别开采扰动的影响边界，研究具体技术路线如图3所示。

图3 研究技术流程

..基于CCDC算法的沉陷水体动态监测

煤矿开采会造成地表覆被的显著变化，而高潜水位煤矿区的特征在于开采所导致的地表沉陷可能会形成大量的沉陷水体。众多学者研究表明，运用遥感光谱信息能够有效提取地表水体，其中调整归一化水体指数(MNDWI)，改进了NDWI提取水体的能力，对水体识别更为敏锐，能够将水体与植被、土壤和建筑物等较好区分，被广泛运用于水体的识别提取研究中，因而笔者运用MNDWI指数来表征区域内水体的变化，有

(1)

其中，为影像中的绿光波段；为影像中的中红外波段。MNDWI>0时，该像元为水体，MNDWI<0时为非水体。

而沉陷水体并非在某个时间点突然出现，通过时序遥感数据能够观察MNDWI指数的变化，从而监测区域内开采扰动带来的沉陷水体变化。高潜水位矿区地表沉陷引起水体变化包括3个阶段。第1阶段，开采前MNDWI指数较低且稳定(说明：本研究排除煤炭开采区域地表属于水域的情况，这种情况地表沉陷会增加水域深度，但对环境的影响有限，故研究仍有意义)。第2阶段，开采引起地表下沉，塌陷程度不足不会出现积水。随着塌陷程度的加重，将逐步出现积水，MNDWI指数随之上升。第3阶段，对于出现的沉陷积水，如果没有展开复垦修复工程，MNDWI指数将继续维持高位，若通过修复工程对水体进行填平修复，MNDWI指数将降到低值，但是回填后土地复垦区域再次塌陷可能导致指数回升。高潜水矿区开采沉陷积水轨迹也会受降水、遥感影像质量等影响，但是煤炭开采沉陷和土地复垦工作是矿区地表水体变化轨迹的主导因素。煤矿扰动积水变化所产生的MNDWI指数的变化过程如图4所示。

图4 2种扰动情境下的MNDWI指数变化示意

为了监测开采扰动的动态过程，笔者运用CCDC算法监测地表水体的时序变化。CCDC算法是一种基于时间序列的动态变化监测和分类方法，该算法将每个像素所有可用的Landsat观测数据均运用于估计时间序列模型，并使用这些模型来预测未来的观测数据。如果新的连续观测值超出预期范围，则标记一个断点并将序列进行分割，然后从断点开始重新模拟一个新的时间序列模型，因而变化前后会生成2个时间序列。将这一过程重复直至拟合所有观测值，最终识别研究时段内所有水体的突变事件。CCDC算法可以统计在时间序列中发现的断点信息，包括突变事件出现总量、突变事件光谱指数的变化幅度与断点出现的时间，通过检测长时序的开采扰动事件为沉陷水体识别提供支撑。

..沉陷水体识别与制图

根据CCDC算法对MNDWI轨迹的分割结果，可以获得一系列的MNDWI片段。为了准确地识别沉陷水体，选择需要确定变化幅度阈值来准确识别水体。通过实验的方法，笔者选择100个沉陷水体作为样本点，设置参数在[0.1,0.5]区间内，并以0.05为间隔，测算监测沉陷水体准确性最佳的阈值。基于实验结果判断：MNDWI指数增加幅度大于0.2，并且突变后的指数大于0，则被认定为出现沉陷水体。与此同时，笔者用同样的方法判定水体修复的突变情况。即认为出现恢复水体的条件为：MNDWI指数减少幅度大于0.2，并且突变后的MNDWI指数小于0。在识别沉陷水体与恢复水体的基础上，进一步判断扰动与修复时间。如果所识别的相同变化方向的断点仅出现一次，那么将这一突变时间点作为沉陷水体的出现年份，对于恢复水体也是如此。当出现多个连续同向突变的片段，将扰动的最短时间点作为沉陷水体出现时间，将最长的片段作为恢复水体的时间。

对于沉陷积水和人工池塘的区分方式，考虑到地下煤炭开采空间形式分为纵向多煤层开采和横向单煤层多工作面开采，对地表的扰动空间形态表现为“单中心”向外扩张和沿开采走向“带状”蔓延，“带状”形态强于“单中心”，扰动时间表现为多周期连续发生。沉陷积水年份图斑呈现“时间多样、空间上大面积连续出现且轮廓不规整等特征”。工程水体人工挖掘周期短，面积相对较小且不随时间扩充，多以“孤岛”形式存在。笔者采取形态学识别方式，利用图斑的“时间一致性”和“分维度指数”剔除面积<4个单位像元的斑块并提取年份<2的水体斑块，计算提取斑块的分维度，分维度≥0.5作为工程水体，从而获取范围内沉陷积水区斑。

..数据验证与分析

笔者利用集成概率积分法的沉陷预计软件(Mining Subsidence Prediction System，MSPS)预测矿区的地表沉陷区域，计算结果与积水年份斑块叠加，验证本文所用方法在识别采煤扰动区域的位置精度。为了验证沉陷积水年份和修复年份图斑的精度，考虑到难以获取高空间分辨率的公开遥感数据，笔者以年为单位进行突变时间的精度验证。笔者在1990—2017年每年选择40个样点，经历沉陷积水和回填恢复的样点比例为5∶3。利用Google Earth上时序影像数据交互目视标定样点的沉陷积水年份和恢复年份，其中700个样点经历沉陷积水，375个样点经历沉陷积水恢复(1993年之前未发现回填恢复区域，选取样点的时间段定为1993—2017年)，共1 075个样点。通过将样本标签与算法识别结果进行比较，计算采矿扰动沉陷积水和复垦恢复检测的用户精度(User’s Accuracy，UA)、生产者精度(Producer’s Accuracy，PA)、总体精度(Overall Accuracy，OA)和Kappa系数，验证变化检测及精度。

..土壤水分的遥感提取

传统的土壤水分获取方法主要是针对局部区域的实验测量，但是遥感技术的发展提供了大区域尺度监测土壤水分的新方式。基于遥感数据的土壤水分反演方式已有较为成熟的研究，众多学者通过高光谱的丰富信息构建估算模型模拟土壤水分的空间分布。研究表明遥感影像的波段信息包括可见光、近红外波段以及微波波段等，与地表土壤水分具有较强的相关性。土壤的反射率特征受到土壤中含水量的显著影响，光学遥感影像由于较高的空间分辨率，能够较为精细反映区域内土壤水分的相对情况，因而笔者选取SMMI,LSWI,VSDI三个遥感指数反演土壤水分。刘英等基于SWIR和NIR波段构造了SMMI指数，并在实验中表明在矿区地区土壤水分变化测度也有着可靠表现。同时已有研究表明XIAO等提出的LSWI指数是通过选取水分的敏感光谱构建植被指数反馈植物叶片的含水量进而表征土壤水分情况。VSDI由ZHANG等提出，并通过验证表明与实测土壤水分高度相关。LSWI指数与VSDI指数对土壤水分呈现正相关的关系，也就是随着土壤水分的增加，指数越高，而SMMI指数与土壤水分呈负相关关系，3个指数的具体计算式为

(2)

(3)

VSDI=1-(-)+(-)

(4)

式中，为影像中的近红外波段；为影像中的近红外波段；为影像中的红光波段；为影像中的蓝光波段。

..开采沉陷对农作物影响边界分析

高潜水位煤矿经历开采扰动后，地表沉陷以及生成的众多积水区成为了对农作物生长造成持续损害的影响源，对周围的土壤水分产生极大影响。但是由于水分在土壤中的渗透作用有限，通过分析土壤水分的变化可以识别影响边界。

由于小面积的沉陷水体易受季节性影响，影响评估结果的稳定性，因而笔者根据2017年的开采沉陷水体空间分布，以10 ha为阈值，选取单个积水区域面积大于10 ha的28个沉陷水体为研究对象，分析伴随沉陷水体向外距离的延伸，周围土壤水分的变化趋势。为了避免季节性影响，基于2017年Sentinel-2的合成影像，选取的矿区内沉陷水体区域为开采扰动中心向外做射线，以30 m为间隔距离对每个水体做缓冲区分析。考虑到区域的总体范围以及沉陷水体之间的间距较小，为了避免水体之间相互影响，共构建了750 m范围的25个缓冲区。根据3种指数反演土壤水分的结果，计算不同距离缓冲区内土壤水分的均值，随着距积水区域的距离增加，基于距离衰减规律分析开采沉陷对农作物生长的影响程度变化，可以确定煤炭开采对周边农业生态系统的影响边界。

然而，缓冲区内土壤水分仍受到人类活动以及复杂因素影响，为了排除其他影响因素的干扰，本研究将缓冲区进一步做如下处理：① 由于建设用地斑块具有不透水的特性，缓冲区内建设用地图斑的土壤水分值不具备研究意义，因而剔除缓冲区内建设用地斑块；② 通过遥感影像目视观察，鉴于研究区西面有河流经过并在河岸建设堤坝，一定程度组织了沉陷水体对土壤水分的渗透，因而将西面沿河一侧沉陷水体缓冲区不纳入研究范围。③ 对于研究区其他较小面积的水体，由于相邻的积水空间内也存在一定的交互作用，为了排除无关变量的干扰，去除研究区内的其余水体数据。

3 研究结果

3.1 结果精度验证

积水年份图斑与采煤沉陷预计软件计算的沉陷区域叠加结果显示(图5)，积水年份图斑与沉陷区域重叠度达到98.12%。积水年份和修复年份识别的总体精度分别为85%,77%，Kappa系数分别为84%,76%。对生产者精度与用户精度而言，积水年份的总体精度均高于修复年份。2者均处于一定程度的波动，生产者精度主要在73%～88%，用户精度主要在74%～92%。年份被识别错误的情况只出现在个别年份，如1997年和2006年，这可能是由于遥感数据的质量不高。总体而言，积水年份验证精度高于修复年份，是因为地表沉陷积水后，回填后土地复垦成本太高，导致出现沉陷积水区域未进行回填后土地复垦，或者只进行小范围回填后土地复垦的情况，笔者运用Landsat数据集的空间分辨率为30 m，可能忽视了小范围的土地复垦现象，增加了修复年份识别的难度。

图5 精度验证分析

3.2 沉陷积水与水体恢复的时序特征

自煤矿开采活动开展以来，研究区域逐渐受到开采带来的扰动，从结果来看，研究区自1990年起开始出现沉陷水体(图6)。总体而言，1990—2017年出现的开采沉陷积水总面积共计3 021.08 ha。从空间上看，沉陷积水主要出现在兴隆庄矿区，沉陷水体面积达到936.14 ha。鲍店矿区与东滩矿区也出现了大量的沉陷积水现象，其余矿区沉陷水体现象较少。积水图斑呈现 “倒锥状”、“椭圆形盆状”等形状，积水年份属性呈现“时间连续、空间片状”等特征。从时间上看，年度积水面积呈现梯度变化趋势，且呈现先增长后减少的趋势，可以大致分为1990—2000,2001—2011,2011—2017三个阶段。其中，在1990—2000年，沉陷积水的面积变化较为平稳，且沉陷水体出现面积较小，该阶段总计出现沉陷水体755.87 ha，占比25.02%。而2001—2011年，沉陷水体面积沉陷显著增长趋势，该阶段沉陷水体共计1 780.09 ha，占比58.92%。其中2006年沉陷积水最为严重，面积最大值达到417.64 ha。而2011年之后，沉陷水体面积迅速缩减并且趋于平缓，年平均积水面积为81.17 ha。

图6 1990—2017年兖州矿区沉陷积水年份分布

沉陷水体面积的变化趋势一定程度上可以反映中国煤炭开采周期的时序特征，即伴随中国经济的发展，煤炭行业在20世纪初年呈现出迅猛发展的势头，但与此同时，开采带来的不可逆的生态问题也让人们意识到生态保护的重要性，2010年以后随着逐步进入深部开采以及重视生态修复，开采扰动的范围相对下降。

矿区沉陷水体的回填复垦活动从1993年开始出现，累计恢复面积为888.37 ha(图7)。沉陷水体土地复垦工作在空间上主要呈现出2种特征：其一是由点到面，从小范围的水体修复出发，将相邻小面积的修复区域拼接从而实现区域的生态修复；其二呈现由外围向内修复的特征，出现圆环状。早期沉陷水体的回填复垦力度较为薄弱，恢复面积较小，呈现零星的空间分布。1993—2005年共回填复垦125.49 ha，占比14.13%。从2006年起，沉陷水体的回填复垦面积呈现显著的增加趋势，可以看到在2013—2015持续地大范围进行生态修复工作，3 a年间充填水体后复垦的面积达到318.88 ha，占比35.89%。

图7 1993—2017年兖州矿区沉陷积水修复年份分布

3.3 开采沉陷造成的影响范围确定

通过3种土壤水分的反演，并构建缓冲区进行基于距离的土壤水分统计分析。由图8可以看出，3种曲线均出现相似的变化趋势，一定程度上能够反映土壤水分的空间分异。也就是从开采沉陷中心往外，随着距离的增加，土壤水分均呈现递减的趋势。其中，可以看出，从沉陷积水区向外120 m范围内，3个指数均呈现强烈的变化，土壤水分骤减，可以看出，在这一距离内，开采扰动对土壤水分的造成了严重影响，沉陷积水随着土壤渗透作用，显著提高了土壤水分含量，可能导致植物吸水过多而死亡，进而可能对该区域内农业生产和生态环境也带来较大损害，是开采扰动的严重影响区。在120～300 m，土壤水分仍呈现出减少趋势，但变化幅度较之前平缓很多，说明仍处于开采扰动的影响范围中，只是程度较轻。因而，该区域的农业生产一定程度上也难以维持正常水平，未来仍要重视这一区域的生态修复工作。而在沉陷水体的300 m范围之外，3种指数的均处于较为平缓的状态，土壤水分的变化幅度较小，开采沉陷造成的影响接近于无。但是由于在与开采沉陷源距离较远，可能受到外界因素的干扰，例如种植作物的不同、与河流的距离缩短，可能呈现出略有波动的情况。

图8 与沉陷水体不同距离的土壤水分变化

4 结论与展望

(1)兖州矿区开采30 a来共出现沉陷水体3 021.08 ha，呈现先增加后减少的趋势。1990年起矿区开始出现沉陷水体，但早期开采强度不高，沉陷水体面积较少。沉陷水体大量出现在2001—2011年，并在2006年达到峰值，在此阶段出现了高强度的煤矿开采工作，而在这一阶段之后又恢复较低的开采强度。除了控制开采强度，矿区也同步对沉陷水体进行恢复回填，1993—2017年已完成恢复回填水体888.37 ha，其中自2007年起，沉陷水体恢复工程开始大范围开展。目前国家已逐渐意识到自然资源的稀缺性与生态修复的重要性，对矿区开采和复垦都提出了严格的要求，为资源的可持续利用和地区的可持续发展寻找新路径。

(2)运用LSWI,SMMI,VSDI三种遥感指数表征土壤水分，以开采产生的沉陷水体为中心沿射线向外均呈现随距离的增加，扰动效用递减的变化趋势。其中，距离沉陷水体0～120 m为严重影响区，120～300 m为中度影响区，300 m以外可视作几乎无影响区。从沉陷水体扰动角度分析高潜水位矿区开采的影响范围，可以进一步为矿区损毁复垦以及农业生态修复提供支撑。但是本研究仅基于遥感指数反演分析土壤水分的变化趋势，并没有准确量化出真正的土壤水分情况，未来可以依据土壤水分实测数据进行更准确的分析。

(3)在GEE平台上，识别的沉陷积水和回填后土地复垦水体的总体准确度>77%，具有较高的鲁棒性。本研究验证了长时序Landsat数据在监测矿区地表沉陷积水的实用性，绘制的地表沉陷积水变化年份图可为土地修复工作提供科学依据。但是本研究仍存在一定局限性：① 由于本研究采用了30 m分辨率的遥感数据，可能对水体识别的精确程度产生一定影响，难以识别细碎的开采沉陷积水及土地复垦现象；② 研究中运用了1986—2017年可获得的所有Landsat遥感影像，部分年份由于气候原因(例如云、阴影等)影像质量不佳，获取不到足够的影像信息，可能导致沉陷积水及土地复垦水体识别的准确性降低；③ 对于长时序遥感影像的变化监测研究，验证精度存在年份间的波动情况，这是由于基于像素的年度影像分析可能存在识别的地表水体变化年份与相邻年份混淆的情况，同时 “椒盐”现象也造成了一定的噪声干扰。

下一步研究将考虑利用多源遥感影像数据分析矿区开采沉陷水体与复垦水体，从而更加精细地识别沉陷水体的动态变化，以便将该方法应用于其他高潜水位矿区的地表沉陷积水监测，为大范围地表沉陷积水制图提供有力支撑。