黑岱沟和哈尔乌素矿区2000—2020年生态环境质量时空格局与演变特征分析

常铭, 孟淑英, 周毅, 赵鹏, 赵玉霞, 张子凡

(1.国能数智科技开发(北京)有限公司, 北京 100011; 2.中国科学院生态环境研究中心城市与区域生态国家重点实验室, 北京 100085; 3.中国地质调查局自然资源综合调查指挥中心, 北京 100055; 4.佛罗伦萨大学建筑学院, 佛罗伦萨 50121)

黑岱沟和相邻的哈尔乌素露天煤矿作为国家能源集团准能集团的大型露天煤矿处于中国生态重点保护区域、黄河流域的中游核心地区,自煤矿开发以来,逐年高产的煤矿开采量对国家煤炭行业的发展起到了积极的促进作用,但同时随着开采力度的加大,煤矿开采也会带来部分负面环境效益影响,包括影响当地植被的覆盖情况、植被生产力水平,也会潜在引发如水土流失、土地荒漠化、土壤盐渍化、地面沉降、地面塌陷、泥石流等众多生态环境问题[1-4]。近年来对于大型露天煤矿的生态修复和保护研究工作也已成为国内外学者研究的重大生态热点问题,但研究方向重点围绕着时序分析、生态功能、植被组合、土壤微生物研究等内容[5-10],对大型露天煤矿的长时序生态环境质量研究工作相对较为薄弱,导致露天煤矿无法即时掌握自身生态环境整体情况,调整生态修复工作方向。

遥感技术具有覆盖范围大、时序长、数据类型丰富、分辨率高、周期短等优点[11-12],进入21世纪,国内外学者利用遥感技术手段开展了大量的生态环境领域相关工作[13]。侯湖平[2]将1987—2008年矿区植被净初级生产力(net primary productivity, NPP)变化引入到矿区生态监测评价中,并构建了矿区尺度的NPP模型。胡振琪等[14]通过分析1993—2006年榆林地区土地利用/覆被变化(land use/ land cover change, LUCC)变化,实现了地区的土地利用类型的数量和空间变化特征研究。徐佳等[15]通过分析神东矿区2000—2017年植被NDVI变化,得出矿区植被时空变化状况,进而得出矿区生态环境治理情况。单一指标评价方法存在对遥感影像数据利用不充分、无法全面反映生态环境状况等问题[16],近年来部分学者采用构建指数模型的方式开展了区域生态环境评价工作,主要包括遥感生态指数(remote sensing ecological index, RSEI)[17]、生态环境质量指数(ecological index, EI)[18-19]和综合指数[20-21]。相比于EI指数和综合指数,RSEI指数模型评价体系更为客观,且由于其每个指标均能生成可视化数据图像,而被国内外学者广泛使用。

基于Google Earth Engine(GEE)遥感云平台开展大尺度区域的RSEI指数的生态质量评价被广泛应用[22]。相比传统的基于ENVI软件进行的RSEI计算分析,可以较好地改善生态遥感数据缺失、色差和时间不一致的问题[23];可以极大地节省时间计算成本,包括前期影像预处理和影像去云、镶嵌、指标计算统计等相关工作[24-25],但在矿区尺度上利用GEE平台开展基于RSEI指数的生态环境质量时空分析工作比较薄弱。因此,现利用GEE平台的优越性,通过分析2000—2020年Landsat系列遥感影像数据,计算黑岱沟和哈尔乌素矿区RSEI指数,进而得到21年来矿区的生态环境时空变化特征,并总结矿区生态环境治理成果,进一步保证地区自然-经济共同发展的双赢局面。

1 研究区概况

选取黑岱沟和哈尔乌素露天煤矿作为研究区,两矿区紧密相连,属同一地质构造单元,其地处准噶尔煤田中部,位于晋陕蒙交界地区,行政区划隶属于内蒙古自治区鄂尔多斯市准格尔旗薛家湾镇管辖。矿区北距呼和浩特市127 km、薛家湾镇 13 km,西距鄂尔多斯市东胜区约120 km[26-28],如图1(a)和图1(b)所示。地理坐标111°10′00″E～111°22′30″E、39°39′45″N～39°48′15″N,如图1(c)所示。两矿区地处黄土高原地区,整体地形南高北低,海拔标高在 1 100～1 300 m,属中温带半干旱大陆性季风气候区,矿区的临近水系为黄河一级支流。黑岱沟煤矿自1995年开始投入开采,预计可采原煤储量 1 436 Mt,设计服务年限为75年;哈尔乌素煤矿2006年开始投入正式开采,预计可采原煤储量 1 730 Mt,设计服务年限为79年[28]。

图1 研究区概况Fig.1 Overview of the study region

2 数据来源与研究方法

2.1 研究数据与预处理

为构建RSEI指数,获取长时序遥感影像,精细刻画矿区自煤矿开采前到煤矿开采后到目前21年间的生态环境质量演变情况,利用GEE平台庞大存储量和先进运算能力的优势,基于T1级别Landsat 5、7、8地表反射率产品(surface reflectance, SR),选择成像时间在研究区植被生长最茂盛、气候条件相对较好的8月影像作为基础数据,通过GEE平台,基于Landsat云膜、均值合成等算法,合成2000—2020年逐年8月最小云量影像共21幅,影像分辨率30 m,时间分辨率为12个月。

2.2 研究方法

2.2.1 建立遥感生态指数(RSEI)

徐涵秋[17]将能够从遥感影像中提取出来的,绿度(normalized difference vegetation index, NDVI)、湿度(WET)、干度(normalized difference building and soil index, NDSI)、热度(land surface temperature, LST)4个与人类生存环境关系密切的因子,进行波段组合形成的新的影像数据,而后通过主成分分析,即得出RSEI指数,表达式为

RSEI=f(NDVI,WET,NDSI,LST)

(1)

式(1)中:RSEI、NDVI、WET、NDSI、LST分别为遥感指数、绿度指标、湿度指标、干度指标、热度指标,各分指标的计算如下。

1)绿度指标

一般采用可以合理反映植物生物量、叶面积指数以及植被盖度的植被归一化指数(NDVI)代替绿度[29],其具体表达式如下。

NDVI=(ρnir-ρred)/(ρnir+ρred)

(2)

式(2)中:ρnir、ρred分别为近红外波段和红光波段。

2)湿度指标

采用经过缨帽变换的湿度分量来代表研究区土壤和植被的湿度即湿度指标(WET)[30-31],其表达式如下。

WETTM=0.031 5ρblue+0.202 1ρgreen+

0.310 2ρred+0.159 4ρnir-

0.680 6ρswir1-0.610 9ρswir2

(3)

WETOLI=0.151 1ρblue+0.197 3ρgreen+

0.328 3ρred+0.340 7ρnir-

0.711 7ρswir1-0.455 9ρswir2

(4)

式中:ρblue、ρgreen、ρred、ρnir、ρswir1、ρswir2分别为蓝光波段、绿光波段、红光波段、近红外波段、短波红外1波段、短波红外2波段的反射率。

3)干度指标

由于矿区建设用地较多,单独用裸土指数(soil index, SI)不能真实反映研究区干度情况,故采用建筑指数(index of building integrity, IBI)和裸土指数(SI)构建干度指标[32-33],其具体表达式如下。

(5)

IBI={2ρswir1/(ρswir1+ρnir)-[ρnir/(ρnir+

ρred)+ρgreen/(ρgreen+ρswir1)]}×

{2ρswir1/(ρswir1+ρnir)+[ρnir/(ρnir+

ρred)+ρgreen/(ρgreen+ρswir1)]}-1

(6)

NDSI=(SI+IBI)/2

(7)

式中:ρswir1、ρred、ρblue、ρgreen、ρnir分别为短波红外1波段、红光波段、蓝光波段、绿光波段、和近红外波段的反射率。

4)热度指标

采用地表温度代表热度指标[34],首先需要将像元灰度值转化为传感器处的辐射亮度值,通过普朗克公式对比辐射率计算得出地表温度[17, 35-36],其具体表达式如下。

L=gainDN+bias

(8)

T=K2/ln(K1/L+1)

(9)

LST=T/[1+(λT/ρ)lnε]

(10)

式中:L、DN、gain和bias分别为热红外波段的像元在传感器处的辐射值、热红外波段的增益值和偏置值以及像元灰度值,其中gain和bias可从影像的头文件中获取;T、K1和K2为传感器处亮度温度值、定标参数;λ、ρ和ε为热红外波段中心波长、反射率、地面比辐射率。

由于各因子表达的环境要素不同,且存在量纲差异,因此需要对以上指数进行归一化处理,使计算的RSEI值在0～1,表达式为

NI=(I-Imin)/(Imax-Imin)

(11)

式(11)中:NI为归一化指标;I为原始指标;Imin为指标I的最小值;Imax为指标I的最大值。之后将归一化的生态指标进行主成分分析(principal component analysis, PCA)运算,得到主成分PC1和PC2,为使PC1、PC2中较大的数值能够反映研究区生态环境质量,可进行如下处理,获得RSEI0,为使结果对比更加直观,对RSEI再次进行归一化处理,其值越接近1代表生态环境质量越好。具体表达式如下。

RSEI0=PC1{f(NDVI,WET,NDSI,LST)}+

PC2{f(NDVI,WET,NDSI,LST)}

(12)

(13)

式中:RSEImin为生态指数最小值;RSEImax为生态指数最大值。以上运算均可在GEE中通过编写主成分分析脚本(PCA,JavaScript)计算。

2.2.2 矿区RSEI重心迁移

利用Arcgis 10.5平台绘制两矿区生态环境质量节点时期、不同等级RSEI重心坐标,直观得出两矿区21年来RSEI的迁移方向和距离,验证矿区生态治理的重心分布,并绘制重心变化迁移曲线。具体计算表达式[37]如下。

(14)

(15)

3 结果与分析

3.1 矿区各生态指标结果分析

通过分析矿区扰动区及恢复区21年来以上4个指标及RSEI值的平均值变化情况(图2),表明该区域2000—2020年生态环境质量总体变化情况为前期略有下降,后期整体提升。从2000—2005年煤矿开采初期,其生态破坏情况比较严重,整体生态环境质量较低,其中2002年生态环境质量最差(RSEI平均值为0.36),之后至2005年逐渐变好;2005—2015年,煤矿开始注重生态环境治理,其生态环境质量整体是稳步上升的趋势,2015年达到最好状况(RSEI平均值为0.57);2015—2020年,其生态环境质量整体较高,比较稳定,至2020年RSEI平均值为0.54。从4个生态指标的均值演变来看,NDVI走势和RSEI基本一致,总体呈上升趋势,其中,2002年为最低点(NDVI平均值为0.34),2015年为最高点(NDVI平均值为0.59),NDVI与RSEI总体呈显著正相关关系[图2(a)];WET走势与RSEI大体一致,总体呈上升趋势,其中,2002年达到最低点(WET平均值为0.33),2016年达到最高点(WET平均值为0.63),二者整体呈正相关关系[图2(b)];NDSI与RSEI走向相反,总体呈下降趋势,其中2002年达到最高点(NDSI平均值为0.56),2013年为最低点(NDSI平均值为0.35),二者呈显著负相关关系[图2(c)];LST走向与RSEI大体相反,其整体波动较大[图2(d)],其中2005年达到最高点(LST平均值为0.52),2017年达到最低点(LST平均值为0.37)。为更直观地得出RSEI与各指标间的相关性,利用Arcgis 10.5在每一年度的遥感影像中随机生产点10个,共得到210个点的RSEI值与各分指标值,并进行线性拟合(图3)。结果显示NDVI、WET、NDSI、LST这4个指标与RSEI的R2值分别为0.255、0.01、0.31、0.004,即NDVI、NDSI是影响RSEI的主要指标。

图2 2000—2020年矿区各生态指标均值和RSEI均值变化Fig.2 Changes of average ecological index and RSEI in mining area from 2000 to 2020

图3 2000—2020年矿区各生态指标与RSEI拟合关系Fig.3 Fitting relationship between ecological indexes and RSEI in mining area from 2000 to 2020

为更好地讨论不同时间阶段的生态环境质量改变情况,提取2000年、2005年、2010年、2015年、2020年5个时间节点的4个生态指标进行PCA分析,其生态指标主成分分析结果显示(表1),PC1贡献率虽然较大但不足75%,选取PC1和PC2建立遥感生态指数,PC1与PC2贡献率之和均大于80%,表明其包含了NDVI、WET、NDSI、LST 4个指标的主体信息,可以作为主要评价指标。同时4个指标中,正值以NDVI影响较大,负值以NDSI影响更为显著,表明植被生长情况和企业建设活动对矿区生态环境质量影响最大,与矿区真实情况符合。

表1 矿区各生态指标主成分分析结果统计值Table 1 Statistical value of principal component analysis of ecological indexes in mining area

3.2 2000—2020年矿区生态环境质量空间分布特征

为更直观得出研究区生态环境质量的空间分布特征,依据徐涵秋[17]提出的等级划分标准,将RSEI值按等间隔划分为5个等级,分别为Ⅰ级(差;0～0.2)、Ⅱ级(较差;0.2～0.4)、Ⅲ级(一般;0.4～0.6)、Ⅳ级(良好;0.6～0.8)、Ⅴ级(优;0.8～1.0)。2000年、2005年、2010年、2015年、2020年的RSEI等级分布如图4所示,结果显示,矿区周边的生态环境质量要优于矿区内部,煤矿的露天开采对局部区域生态的破坏明显,2000—2020年部分开采区域及周边排土场区域的生态质量得到了明显的改善,说明露天煤矿的恢复治理短期效果明显,长期来看只要能做到及时治理,并不会对区域的生态环境质量有太大影响。

统计5个年度矿区扰动面积及RSEI等级面积占比(表2),矿区扰动面积逐年增加,各RSEI等级面积占整个矿区的比值每年不同。其中,2000年,Ⅰ、Ⅱ级面积占比较大为33.21%;至2005年,矿区北部生态环境质量得到改善,但是矿区内部生态环境质量下降,Ⅰ、Ⅱ级面积占比整个矿区的32.33%;至2010年,矿区生态环境质量整体改善,Ⅲ、Ⅳ、Ⅴ级面积占比69.04%,相比于2005年提升了3.74%;至2015年,矿区生态环境质量持续改善,Ⅲ、Ⅳ、Ⅴ级面积占比69.79%;至2020年,矿区内部部分开采区生态环境质量存在改善,Ⅲ、Ⅳ、Ⅴ级面积占比提升,达到71.10%。矿区自2000—2020年,Ⅰ、Ⅱ级面积占比整体呈下降趋势,Ⅲ、Ⅳ、Ⅴ级面积占比整体呈上升趋势,RSEI等级优良地区面积占比后期略有下降。

表2 矿区不同等级RSEI面积变化表Table 2 Area change table of different grade RSEI in mining area

3.3 矿区生态环境质量演变特征

岭回归(ridge regression)又称为脊回归,是一种专门用于共线性数据分析的有偏估计回归方法,实际上是最小二乘估计的一种改良,其对病态数据的拟合能力要强于最小二乘法。基于GEE平台,使用岭回归函数,以每5年为一周期,对研究区RSEI进行拟合,通过拟合结果斜率(scale)大小表征其生态环境质量演化趋势(图5),其中,scale大于0表示生态环境质量改善,且值越大改善效果越好,小于0表示生态环境质量恶化,且值越小恶化越严重。

图5 矿区不同时期生态环境质量演变特征图Fig.5 Characteristic map of eco-environmental quality evolution in different periods in mining area

可以看出,矿区生态环境质量转变存在明显的空间异质性,2000—2020年,整体生态环境变化趋势为恶化→变好→稳定。2000—2005年,矿山内部生态环境质量显著下降[图5(a)];2005—2010年,矿山南部生态环境质量明显下降,北部区域生态环境质量下降趋势减缓[图5(b)];2010年后,矿区部分生态环境质量有所好转,同时开采区域生态环境质量趋于稳定[图5(c)];2015年后,研究区西南部生态环境质量明显好转,开采区域较稳定[图5(d)]。

根据结果统计,2000—2005年,矿区生态环境质量恶化区域面积占矿区实际扰动面积74%以上,该时间段为矿山开采初期,原有地表植被等被大量破坏,导致开采区生态环境质量恶化;2005—2010年,矿区生态环境质量恶化区域占矿区实际扰动面积51%,保持稳定区域占30%,改善面积占19%,该时段矿山向南部快速扩张,因此南部生态环境质量急剧下降,原北部矿区生态环境质量恶化减缓,矿区北部周边位置生态环境质量指数有所回升;2010—2015年矿区生态环境质量改善面积占41%,主要位于矿区西部与北部周边及中部部分区域,恶化区域占比24%,主要位于矿区东部新开采区位置。2015—2020年,生态环境质量恶化和改善的面积分别占17%与36%,其中,西部、中部的部分区域生态环境质量持续优化,东部开采区质量变化平稳,部分位置生态环境质量有所恶化。

3.4 RSEI重心转移情况

2000—2020年矿区RSEI重心迁移情况如图6所示,可以得出,I级重心迁移幅度较大[图6(a)],2000—2010年其生态环境质量差的重心位置从黑岱沟矿区向哈尔乌素矿区转移,与实际哈尔乌素矿区自2006年才开始开采相一致,2010—2020年,Ⅰ级重心逐步向东南部转移,与哈尔乌素矿区开采区向东南部转移一致。Ⅱ级重心迁移与I级重心迁移轨迹走向大体一致[图6(b)],2020年其生态环境质量较差的重心位置向黑岱沟矿区东南部偏移,并与黑岱沟矿区开采位置的转移方向一致。Ⅲ、Ⅳ级重心迁移轨迹相近[图6(c)、图6(d)],其中2000—2010年重心迁移幅度较大,2010—2020年其生态环境质量一般和良好的重心向矿区东北方向偏移,与黑岱沟复垦的排土场的方向一致。Ⅴ级重心迁移幅度较大的年限为2015—2020年[图6(e)],其生态环境质量变优的方向为哈尔乌素矿区的西部,其位置正为哈尔乌素矿区复垦的排土场位置,表明其排土场的复垦效果良好,生态环境质量得到了很大的改善。整体来看21年来,矿区范围内生态环境质量改善区域偏向于排土场所在位置,其恶化位置偏向东南方向即矿区新的开采区位置。

4 讨论

4.1 RSEI指数评价模型的准确性验证

矿区地处晋、陕、蒙交界处的黄土地区,矿区生态环境质量的变化与企业生产建设活动及植被盖度关系密切,符合实际情况。通过RSEI得出的矿区生态环境质量变化情况与通过无人机航空影像数据解译分类得到的监测结果相一致,即2010年前,矿区以开发扩张为主,生态环境质量恶化情况与开发方向基本保持一致,虽在后期部分排土场因自然复绿生态环境质量有所回升,但恶化区域面积占主要地位;2010年后,矿区开展了一系列恢复治理工作,通过演化趋势可以看出,前期恢复治理效果显著,恶化面积占比大幅下降,并在2015年后保持住了开采与复垦并重,整体生态环境质量趋于稳定,其中黑岱沟煤矿治理更注重矿区的北部,哈尔乌素矿区更注重西部的恢复治理。同时,2000—2010年RSEI的分析结果也与黄丹等[26]通过1999—2011年分析的地物类型解译得到的矿区恢复治理成果相吻合,即矿区东南部为建设活动主要地区,涵盖开采区、裸土区、煤矸石堆场等,西北部为植被修复区。以上说明RSEI指数在黑岱沟矿区和哈尔乌素矿区中可以作为评价其生态环境质量演变的一个重要指标。

4.2 GEE平台在矿山生态环境评价中的优势

企业的生产建设活动对矿区生态环境影响很大,因此矿区的生态环境质量相比于大区域尺度其动态变化比较快,因此若想及时掌握企业的生态环境治理效果,并根据实际情况及时调整生态治理政策,则需及时完成对矿区生态环境的评价工作。传统的基于遥感技术手段的生态环境评价,往往只是基于单时相的遥感影像,且影像前期处理工作较多、周期较长,达不到随时获取,随时评价的目的。通过GEE平台,可以无需下载、随时调用多元遥感影像,包括高分、航空、多光谱(Landsat、Sentinel等)以及气候、高程等数据集,并且每日进行更新和扩展[38],且前期影像预处理工作也可在GEE平台上进行,利用GEE平台做矿区尺度的生态环境评价工作具有极大的优势。研究中的RSEI指数也是利用GEE平台计算得来,省去了传统RSEI建模所需要的大量的影像下载和预处理流程。获得的主成分分析值PC1与PC2贡献率之和超过80%,说明其集中了4个生态指标的关键特征,计算的结果也与监测成果和前人地物解译分类所反映的生态状况相一致[26]。综上,说明GEE平台计算RSEI指数不仅节省时间,且评价效果较好,评价结果可靠,对于矿山的生态环境质量评价具有一定实用价值。

4.3 矿区生态环境质量时空演变因素探讨

准噶尔煤田地处黄河中游核心区域,整个煤田的生态环境质量的改变既与各矿区生态恢复治理的措施关系密切,同时更与国家对黄河流域生态环境治理的政策,包括一系列如长期实施的退耕还林还草、水土流失治理等生态工程密不可分。其矿区较远位置的生态环境质量的改善即是国家政策的宏观影响所导致的。

矿区生态环境质量转变的主要区域为排土场和开采区区域,将矿区周边的排土场进行编号明确如图7所示。结合2000—2020年各期生态环境质量空间分布特征、演变特征、前人研究成果[26]以及21年来矿区生态环境监测成果可以得出,1号排土场自2005年开始生态环境质量得到改善,植被开始恢复,到2008年其生态环境恢复情况已达到了较为理想的状态,该排土场的生态修复基本完成,之后其生态状况一直保持良好,至2020年其植被覆盖度达到近80%[图8(a)];2号排土场2000—2008年生态环境质量逐步改善,修复面积和植被盖度逐年增加,至2020年其植被覆盖度高达90%[图8(b)];3号排土场2005—2010年生态环境质量得到了较大的改善,其中2008年生态环境状改变最大,2010—2020年其植被覆盖度也在不断提高,至2020年覆盖度达到近80%[图8(c)];4号排土场生态环境质量的主要恢复期为2010—2016年,2016年后其生态修复也在进行,植被盖度逐年提升,但整体修复情况不如1～3号排土场,至2020年其植被覆盖度达65%[图8(d)];5号排土场是矿区面积最大的排土场,自2000—2020年其面积逐年增加,生态恢复治理情况较为复杂,其东南边缘部分恢复治理在2005—2008年比较显著,且至2020年该区域生态环境质量一直比较良好,其余区域由于目前并未停止使用,并处于开发和治理并重阶段,其生态环境质量存在波动,但整体趋势依然是向好,至2020年整体植被覆盖度在60%～70%[图8(e)]。6号排土场是哈尔乌素矿区唯一的排土场,自2006年投入使用以来便处于随排随复垦的状态,且逐步向东南方向扩大,西北方向生态环境质量逐年改善显著,至2020年其整体植被覆盖度达到近60%[图8(f)]。矿区生态环境质量差和较差区域主要是受矿区开采区向东南方向转移影响。此外,21年来矿区周边RSEI值波动也比较明显,可能是受天气影响引起的某些生态指标如NDVI、NDSI值改变所导致的,因此以RSEI作为评判矿区生态环境质量也具有一定的局限性。

1～5号排土场在黑岱沟矿区;6号排土场在哈尔乌素矿区图7 2020年黑岱沟矿区和哈尔乌素矿区影像图Fig.7 Image of Heidaigou and Harwusi mining area in 2020

21年来矿区生态环境的转变说明,“边开采、边治理、边恢复”的复垦模式,对于维护矿区周边生态环境的稳定是可行的,但是同时也需要注意,企业的生产建设活动一旦超过恢复治理的力度,矿区生态环境会极度转变,生态环境质量会直线下降。因此,若想保持矿区生态环境的稳定治理与开采并重是必不可少的,且不能进行以牺牲环境为代价的过度生产建设活动。

5 结论

(1)2000—2020年矿区RSEI指数呈前期略有下降,后期整体上升状态,RSEI指数变化情况与绿度指标(NDVI)、湿度指标(WET)变化趋势相一致,热度指标(LST)与干度指标(NDSI)与其趋势相反,且绿度指标和干度指标为主要影响因子。

(2)矿区5个年度的生态环境质量变化结果显示,2000—2010年,Ⅰ级(生态环境质量差)和Ⅱ级(生态环境质量较差)地区面积占比整个矿区面积比值高达33%左右;2010—2020年,Ⅰ级和Ⅱ级区域面积减少,Ⅲ级(生态环境质量一般)、Ⅳ级(生态环境质量良好)和Ⅴ级(生态环境质量优)面积占比增加,至2020年高达71.10%。且Ⅰ级和Ⅱ级多分布在矿区开采区,Ⅳ和Ⅴ级区域多分布在矿区排土场修复区域和矿区周边植被盖度较高区域,Ⅲ级区域分布范围较为分散。

(3)通过岭回归函数对矿区每5年生态环境质量演变趋势拟合结果得出,2000—2010年为矿区快速开发扩张时期,矿区扰动面积增长了4.0 km2,生态环境状况恶化区域占比较大,两个周期分别为74%与51%;2010年后,随恢复治理工作开展,矿区生态环境质量恶化面积占比大幅下降,至2015年,占比24%,而改善面积上升至41%;2015—2020年,矿区保持开采与复垦并重,整体生态环境质量趋于稳定,改善与恶化面积占比分别为36%与17%,恶化区域主要位于东部新增开采区。

(4)矿区不同时期RSEI不同级别重心迁移结果显示,Ⅰ、Ⅱ级重心迁移轨迹大体一致,且至2020年向哈尔乌素矿区开采区位置转移;Ⅲ、Ⅳ级重心迁移轨迹相近,至2020年向黑岱沟矿区的东北部的排土场方向迁移;Ⅴ级重心迁移主要是围绕排土场方向,且至2020年向哈尔乌素矿区的排土场方向迁移。

(5)相比与传统RSEI计算过程的烦琐,以及需要大量的影像下载和预处理流程,GEE平台可以获取长时序的遥感影像、计算时间较短,能够及时掌握矿区在生态治理方面工作的薄弱点,为矿区下一步生态治理点明方向,且其评价效果较好、结果可靠,可以广泛应用于矿区尺度的生态环境质量时空探讨。

(6)矿区生态环境质量的演变主要与矿区各排土场的复垦和矿区开采区的转移密切相关,开采区所在区域生态环境状况一般较差,复垦区域生态环境质量一般较好,说明RSEI指数受植被生长情况和企业建设活动影响极大。