基于改进遥感生态指数的矿区生态环境监测及驱动因素分析

马鹏飞,张安兵,2,王贺封,2①,辛会超,刘粉粉 (.河北工程大学矿业与测绘工程学院,河北 邯郸 05608;2.邯郸市自然资源空间信息重点实验室,河北 邯郸 05608;.河北工程大学地球科学与工程学院,河北 邯郸 05608)

生态环境具有脆弱性,其动态变化与人类活动、自然环境变化和社会经济发展有密切的联系。社会经济快速发展和人类资源开发活动导致土地破坏、植被变化、大气污染、水污染等各种生态环境问题频发[1]。为了践行“绿水青山就是金山银山”的发展理念,平衡人类活动与自然环境对生态环境质量的影响显得尤为重要。因此,进行区域生态环境动态监测和科学评价对生态环境保护和经济社会可持续发展具有重要现实意义[2-4]。

生态环境质量是指在一定时空范围内生态系统的内在要素和外在环境综合影响表现出的地域差异,反映了生态环境的优劣程度[5]。早期生态环境质量评价的资料大部分来自于人工统计、调查和单点监测,耗费大量人力、物力和时间[6]。遥感技术的出现提升了生态环境监测水平,并以其大范围、可用于长时间序列监测等优势被越来越多的学者应用于区域生态环境监测[7-9]。目前区域生态环境监测方法呈现多样化,更多的学者采用单一的指标进行生态环境监测研究[10-11],在表征某一方面的生态特征上取得丰硕的成果,但难以解释地区的整体生态环境质量状况。也有学者使用多指标对生态环境进行监测,如WU等[12]使用主客观权重法、层次分析法和模糊综合评价法,通过主客观权重的结合,为生态评价模型确定合理权重,选用15个影响因子对三峡库区进行生态环境评价;MARULL等[13]利用领土脆弱性指数、自然遗产指数以及生态连通性指数等构建了土地适宜性指数(LSI),用来评估城市环境质量状况。遥感生态指数(remote sensing ecological index, RSEI,IRSE)完全基于遥感信息,其绿度、湿度、干度和热度4个指标都与人类社会息息相关且较易得到[14-15],利用主成分分析(PCA)方法对数据进行降维处理,保留重要的特征,优势在于不用人为确定指标的权重,各个指标根据自身的性质确定对各主分量的贡献度,计算结果具有很强的客观性和稳定性[16]。李冠稳等[17]使用RSEI指数,采用Sen+Mann-Kendall检验和Hurst指数等方法对黄河流域近20 a的生态系统质量变化趋势进行了分析,认为遥感生态指数作为关键指标能够综合反映生态系统质量状况;王杰等[18]针对干旱区的特殊环境对RSEI进行改进,使用盐度指标代替干度指标,结果表明改进后的指数在干旱区的应用比RSEI更具有针对性和适用性;万虹麟等[19]考虑空气污染对生态环境的影响,在RSEI基础上增加了反映大气环境质量的PM2.5浓度的差值指数 (DI)[20],构建了新型遥感生态指数(new remote sensing ecological index,NRSEI,IRSE,new),对沧州市生态环境质量进行评价,认为不管在主成分分析后的第一主成分贡献率上,还是在遥感生态指数与各指标的相关度上,IRSE,new均比IRSE更能综合代表生态环境质量状况。

峰峰矿区是因煤而兴的资源型老矿区,过去很长时间依靠“采、挖、烧”来提高经济效益,生态环境问题突出。近几十年来,政府部门对环境逐渐重视,出台了相应政策,加大环境修复与治理,研究区生态环境得到了一定程度改善。监测区域生态环境质量变化、评价相关治理措施效果以及分析环境质量影响因素具有重要的现实指导意义。研究区位于河北省邯郸市,区域空气污染较为严重,在遥感生态指数(RSEI)的基础上加入PM2.5浓度指标,构建新型遥感生态指数,对研究区2001—2020年生态环境状况进行评价,以期为研究区生态环境保护和经济社会可持续发展提供一定的科学参考。

1 研究区概况与数据来源

1.1 研究区概况

研究区地处河北省邯郸市(36°14′～36°34′ N,113°53′～114°26′ E),面积约为1 041 km2,矿产资源丰富。海拔从西向东呈降低趋势,西侧与太行山区相邻,中部为太行山与华北平原过渡地带,东部为华北平原,气候属温带大陆性季风气候区,四季分明。2000—2019年磁县年均气温为14.04 ℃,年均降水量为504.68 mm;峰峰矿区年均气温为14.74 ℃,年均降水量为496.52 mm。峰峰矿区以煤矿而闻名,整个矿区井田范围包括峰峰矿区和磁县行政区域,具体研究边界范围及高程如图1所示。

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

1.2 数据来源与预处理

采用2001—2020年Landsat影像数据和30 m空间分辨率的数字高程模型数据,均来自地理空间数据云(http:∥www.gscloud.cn),影像数据信息如表1所示。Landsat遥感影像选取时间主要集中在8月底及9月初的植被生长季[21],该时间段影像质量较好,同时云量较低。土地利用数据来源于国家基础地理信息中心研制的2000、2010和2020年3期30 m空间分辨率的土地覆盖产品数据GlobeLand30 (http:∥www.globallandcover.com),把土地利用数据重分类为5类(图2)。

表1 遥感影像数据Table 1 Remote sensing image data

图2 2000、2010和2020年研究区土地利用分类Fig.2 Land use classification of the study area in 2000, 2010 and 2020

气温与降水数据来源于国家气象科学数据中心(https:∥data.cma.cn)。城镇化率数据来源于《邯郸统计年鉴》。为减少各种因素对遥感数据的影响,对获取的影像数据进行条带去除、辐射定标、大气校正等预处理,以提高分析精度;为了避免大面积水体对实验结果的影响,采用徐涵秋[22]提出的改进的归一化差异水体指数 (MNDWI),对每一期影像的水体进行提取并剔除,得到扣除水体面积的研究区范围。

2 研究方法

2.1 新型遥感生态指数(NRSEI)

新型遥感生态指数在遥感生态指数基础上增加了PM2.5浓度指标,采用绿度、湿度、干度、热度和PM2.5浓度5个指标进行模型构建。

2.1.1绿度指标

在植被指数中,归一化植被指数(NDVI,INDV)[23]应用最为广泛,选用其作为绿度指标。

INDV=(ρNIR-ρRed)/(ρNIR+ρRed)。

(1)

式(1)中,ρNIR和ρRed分别为近红外波段和红光波段的反射率。

2.1.2湿度指标

缨帽变换得到的湿度分量(WET)可较好地反映水体、植被和土壤的水分状态,选用湿度分量作为湿度指标[24],对Landsat TM和Landsat ETM+数据采用式(2)计算,Landsat OLI采用式(3)计算。

WET=0.031 5ρBlue+0.202 1ρGreen+0.310 2ρRed+0.159 4ρNIR-0.680 6ρSWIR1-0.610 9ρSWIR2,

(2)

WET=0.151 1ρBlue+0.197 3ρGreen+0.328 3ρRed+0.340 7ρNIR-0.711 7ρSWIR1-0.455 9ρSWIR2。

(3)

式(2)～(3)中,ρBlue、ρGreen、ρRed、ρNIR、ρSWIR1和ρSWIR2分别代表3个陆地卫星的蓝光、绿光、红光、近红外、短波红外1和短波红外2的波段反射率。

2.1.3干度指标

研究区中有城市建筑用地和裸地,这些用地取代绿色植被从而导致地面“干化”,对生态环境造成破坏,为此采用建筑物指数(IBI)[25]和裸土指数(IBS)[26]的平均值作为干度指标(INDBS):

INDBS=(IBS+IBI)/2,

(4)

(5)

IBI=[2ρSWIR1/(ρSWIR1+ρNIR)-ρNIR/(ρNIR+ρRed)-ρGreen/(ρGreen+ρSWIR1)]/[2ρSWIR1/(ρSWIR1+ρNIR)+ρNIR/(ρNIR+ρRed)+ρGreen/(ρGreen+ρSWIR1)]。

(6)

2.1.4热度指标

温度变化程度可以表征当地生态环境好坏,用地表温度(LST)来表示热度指标。地表温度反演方法有辐射传输方程法[27]、单窗算法[28]、劈窗算法[29]等。笔者选用辐射方程传输法(RTE)反演地表温度,其原理是假定地面为朗伯体,辐射传输方程[30]为

Iλ=BTετ+Ra↑+(1-ε)Ra↓τ。

(7)

式(7)中,Iλ为传感器观测到波长为λ的热辐射强度,W·Sr-1;BT为T温度下热辐射强度,W·μm-1·m-2;ε为地表比辐射率;τ为大气透射率;Ra↑为大气上行辐射;Ra↓为大气下行辐射。采用普朗克定律中关于物体热辐射强度与波长、温度之间的关系式计算热度指标,即

LST=K2/ln(1+K1/BT)-273.15。

(8)

式(8)中,LST为热度指标;K1与K2为常数,如表2所示。BT可由下式推得:

表2 热度指标中常数K1与K2的值Table 2 The values of K1 and K2 in ground temperature model

BT=[Iλ-Ra↑-(1-ε)τRa↓]/ετ。

(9)

式(9)中,大气上行辐射Ra↑和大气下行辐射Ra↓可在美国宇航局(NASA)提供的全球大气参数数据库(https:∥atmcorr.gsfc.nasa.gov)中输入影像基本信息获得。

地表比辐射率的估计参考覃志豪等[31]提出的水面、裸地和城镇比辐射率的计算方法得出。

εsurface=0.962 5+0.061 4FV-0.046 1FV2,

(10)

εbuilding=0.958 9+0.086 0FV-0.067 1FV2。

(11)

式(10)～(11)中,εsurface为自然裸土表面地表比辐射率;εbuilding为城镇的地表比辐射率;FV为植被覆盖度,公式为

FV=(INDV-INDV,S)/(INDV,V-INDV,S)。

(12)

式(10)中,INDV,S和INDV,V分别为没有植被覆盖和纯植被覆盖的像元NDVI值,分别取其经验值,为0.05和0.70。

2.1.5PM2.5浓度指标

冯海英等[20]发现,PM2.5浓度对红光波段和近红外波段较为敏感,根据2个波段的关系构建颗粒物差值指数(ID),用以表征PM2.5浓度变化。

ID=ρRed-ρNIR。

(13)

2.1.6新型遥感生态指数

构建NRSEI时,为避免不同年份指标的可比性问题及各指标之间的量纲影响,采用离差标准化方法对5个指标进行归一化处理,计算公式为

IN,i=(Ii-Imin)/(Imax-Imin)。

(14)

式(14)中,IN,i为归一化处理后的指标值;Ii为指标原始值;Imin为某个指标在所有年份中的最小值;Imax为某个指标在所有年份中的最大值。

把上式处理后的结果按年份对指标波段合成后进行主成分分析,得到PC1及相关的统计结果(表3)。绿度、湿度与干度、热度、PM2.5浓度符号相反,如果PC1中的绿度和湿度载荷值为正,则PC1就是IRSE,new0,若为负值,则采用“1-PC1”还原得到初始的IRSE,new0[32]。由于最终要对比不同年份的生态环境质量,需对初始的新型遥感生态指数进行离差标准化运算,计算公式为

表3 主成分分析结果Table 3 Principal component analysis results

(15)

式(15)中,IRSE,new为新型遥感生态指数最终值;IRSE,new0为初始的新型遥感生态指数值;IRSE,new0_min为初始的新型遥感生态指数最小值;IRSE,new0_max为初始的新型遥感生态指数最大值。处理后的新型遥感生态指数值范围为[0,1],值越大表明生态环境越好。

2.2 趋势分析

采用一元线性回归趋势分析方法计算遥感影像的变化趋势[33],回归方程中的斜率表示年际变化,一般用最小二乘法求解。计算公式为

(16)

式(16)中,θslope为IRSE,new的回归斜率,θslope>0代表随时间变化生态环境呈增加趋势,θslope=0代表在该时间段内生态环境无变化,θslope<0代表生态环境随时间增加而变差;n为研究时段总年数,a;IRSE,new,i为第i年平均IRSE,new值。

3 结果与分析

3.1 新型遥感生态指数的主成分分析

主成分分析结果如表3所示,2001、2004、2006、2009、2012、2016、2018和2020年的NRSEI第1主成分贡献率分别为78.56%、76.55%、74.09%、80.63%、80.58%、84.31%、80.50%和85.66%。参考刘栩位等[34]的研究成果,第1主成分贡献率在70%以上即可较好地集中5项指标的大部分属性特征。对5个指标经过主成分分析变换后,5种指标的载荷绿度、湿度与干度、热度、PM2.5浓度符号相反,这与生态学一般规律相符。因此,采用第1主成分提取的NRSEI可以较全面真实地反映研究区的生态环境状况。

3.2 矿区生态环境空间变化分析

生态环境空间变化监测主要针对同一等级NRSEI的空间分布及空间变化情况进行分析。为了系统探讨研究区的生态环境变化,根据已有的分级标准[33],将NRSEI分为5个等级,分别为差(0～0.2)、较差(>0.2～0.4)、中等(>0.4～0.6)、较优(>0.6～0.8)和优(>0.8～1.0),得出不同年份NRSEI的空间分布结果(图3),并对各等级面积占比进行统计(表4)。对8个年份的NRSEI进行趋势分析,将变化结果划分为严重退化、轻微退化、稳定不变、轻微改善和明显改善5个等级(图4),并对各等级面积占比进行统计(表5)。

表4 2001—2020年不同生态质量等级区域面积占比Table 4 Proportion of ecological quality in each grade from 2001 to 2020 %

表5 新型遥感生态指数变化趋势Table 5 NRSEI change trend table

图3 2001—2020年新型遥感生态指数(NRSEI)分级Fig.3 Classification of NRSEI from 2001 to 2020

图4 新型遥感生态指数(NRSEI)空间变化趋势Fig.4 Spatial variation trend of NRSEI

2001—2020年生态环境差和较差等级的面积占比呈上升趋势,由最初的9.81%逐渐上升为15.23%,这些区域主要呈面状分布,集中于研究区中部、东部城区及零星的乡镇、矿区,该地区人口密度大,建筑物占比高,经济活动强;中等等级的生态环境区域大多分布在研究区西部,以缓丘和低山为主,土地利用类型多为林地和草地;矿区生态环境较优等级的面积占比较大,2001、2006、2012、2016、2018和2020年均超过50%,主要分布于研究区东部偏南地区,该区域为平原区,以耕地为主;结合影像选择的时间为8月底或9月初,该时段夏播玉米长势正旺,且玉米又常以连作为主[35],这使得耕地区域的绿度指标较高,而西部地区海拔较高,坡度较陡,影响自然植被生长[36],相对绿度偏低。

矿区NRSEI变化趋势以稳定不变和轻微改善为主,其中稳定不变区域面积为289.62 km2,占总面积的28.20%;轻微改善区域面积为357.04 km2,占总面积的34.77%。轻微改善和明显改善区域主要集中在研究区的西部,这部分地区为半干旱山地,人类活动较少,受到修山修地和植树造林的影响,2009年之后植被覆盖度上升趋势明显[37-38],绿度增加,干度减少,从而使得西部地区生态环境明显改善。严重退化区域面积为88.93 km2,占总面积的8.66%,主要分布在研究区的中部和东部城镇建成区,该地区地形较为平缓,人类活动较为频繁,城镇建成区扩张使不透水面面积增多,从而使干度指标增加,生态环境变差。

3.3 矿区生态环境时间变化分析

对每个年份的NRSEI进行差值处理,得出2001—2004、2004—2006、2006—2009、2009—2012、2012—2016、2016—2018、2018—2020和2001—2020年这8个时段的矿区生态环境变化情况(图5)和矿区生态环境等级变化区域面积占比(表6)。为了消除水体对结果的影响,对水体进行了裁剪处理,并对各时段水体与陆地转化区域进行NRSEI分级,统计得到各时段水体变化情况及水体与陆地转化区域的NRSEI各等级面积占比,其中“+”表示水体变多,“-”表示水体变少,用以分析水体与陆地转化处的等级变化(表7)。

表6 2001—2020年新型遥感生态指数等级变化区域面积占比Table 6 The change rates of NRSEI grade area from 2001 to 2020 %

表7 水体变化及新型遥感生态指数不同等级区域面积占比Table 7 Water body area changes and proportion of NRSEI grade area %

图5 2001—2020年生态环境质量等级变化Fig.5 Variation of ecological environment quality standards from 2001 to 2020

2001—2020年的8个时段中,生态环境质量等级不变的地区面积占比分别为68.94%、62.67%、54.41%、55.16%、71.33%、65.76%、65.86%和63.19%,表明在研究区内大范围地区等级变化不大。2001—2004年变差面积占比大于变好面积,矿区生态环境变差;2004—2006年变好面积比变差的多324.61 km2,表明生态环境较上一阶段转好;2006—2012年生态环境先变差后变好;2012—2016年生态环境变好面积占比为11.94%,变差的占比为16.73%;2016—2018年生态环境变差面积小于变好的,较上一阶段有所变好;2018—2020年生态环境变好面积较变差的多37.30 km2。由图5可以看出,研究区中部和东部环境改善很大,说明这一时段内生态环境变好,与李婧等[39]的研究结果具有相似性。总体来说,生态环境质量呈现波动变化,2009年之前生态环境变化趋势为波动变差,2009—2020年为变好趋势。

裁剪出的水体面积在2016年最大,为51.77 km2;2009年最小,为22.50 km2。2016年降水量为766.30 mm,2009年降水量为412.5 mm,表明水体面积的大小与当年降水量具有一定的直接关系。由表7可知,2006—2009、2009—2012、2012—2016、2016—2018、2018—2020和2001—2020年这6个时间段水体变化面积均超过10 km2,NRSEI较优等级占比均比较差多。另外2001—2020年中等及以上等级面积占比较大,差和较差等级占比较低,表明水体生态环境指数等级普遍为中等偏优级别,整体生态环境良好。

4 驱动因素分析

4.1 气候因素对生态环境影响分析

选取气温和降水2个气象因子分析气象因素对矿区生态环境质量变化的影响。考虑到影像选取的时间和降水植被的延迟作用,采用8月的降水数据。表8为年均气温和月均降水与NRSEI均值变化情况。

表8 2000—2020年气象因素与新型遥感生态指数(NRSEI)均值变化Table 8 Meteorological factors and change of average NRSEI in the study area from 2000 to 2020

2000—2020年研究区年均气温呈波动增长趋势,变化率为0.11 ℃·(10 a)-1;其中2018年年均气温最高,2012年最低,分别为15.25和13.45 ℃;2001—2004、2009—2012、2012—2016、2016—2018和2018—2020年5个阶段中气温曲线走势与NRSEI均值呈相反方向变化,分析认为在植被生长季,绿度指标与气温呈负相关,而绿度指标与NRSEI呈正相关,从而导致气温与NRSEI均值呈负相关,这与白慧敏等[40]研究植被生长季华北地区气温与绿度指标呈负相关这一结论相符。8个时段中降水量最高的是2016年,为2 081.07 mm,最低的是2001年,为1 206.45 mm,降水量增多会影响草地和农作物长势。除建设用地外,其他区域2012年NRSEI相对2009年变好,主要表现为降水增加、气温降低,使得林地和草地绿度增加,相应区域生态环境等级变好;2016—2018年降水量减少,同时气温升高,导致2018年NRSEI均值比2016年小。总体来看,生态环境质量的变化跟气候因素存在一定的关系。

4.2 坡度对生态环境影响分析

针对研究区地势情况,对坡度因子和生态环境之间的关系进行研究。选取2001和2020年的NRSEI,结合土地利用情况,按0°～10°、>10°～30°和>30°～70°不同坡度范围统计NRSEI等级占比和不同年份的NRSEI均值(表9)。

表9 不同坡度情况下新型遥感生态指数(NRSEI)不同等级面积占比Table 9 Proportion of NRSEI grade areas for different slope degrees

0°～10°坡度的土地利用类型大多为耕地、水域和建筑用地,>10°～30°和>30°～70°的土地利用类型大多为草地和林地。2001年0°～10°坡度范围的NRSEI差等级与较差等级面积占比之和为10.50%,均值为0.61;2020年NRSEI差等级与较差等级面积占比之和增加到18.45%,均值为0.58,主要表现为城镇扩张、建设用地增加、耕地面积减少;优等级区域面积占比从0.70%上升到2.80%,说明个别区域生态环境改善,这一坡度范围总体上生态环境变差。2001—2020年>10°～30°和>30°～70°的坡度范围中差和较差等级面积占比均稍有下降,较优等级面积大幅度增长,表明这一时期修山措施改善了植被覆盖状况,生态环境明显变好。

4.3 人类活动对生态环境影响分析

2001—2020年生态环境质量下降的区域主要位于扩大的城镇建成区范围。随着社会经济发展,研究区城镇化水平不断提高,其中磁县城镇化率由2007年的30.23%提高到2019年的55.03%;峰峰矿区城镇化率保持较高的水平,在75%～80%之间;城镇化水平的提高导致用地结构发生较大变化。结合2000、2010和2020年的土地利用数据提取出建设用地变化区域,对2001—2010、2010—2020和2000—2020年3个时间段的NRSEI进行趋势分析,结果如图6所示。2000—2010年研究区城市建设用地面积由115.17增长至119.21 km2,增长较为缓慢;2020年城市建设用地面积为154.97 km2,2010—2020年间增长较快。应该对城镇建设面积增长过快导致的环境问题多加防范,通过土地复垦、增加绿化面积来减少过快城镇扩张带来的环境问题。图6中大部分区域均处于严重退化状态,表明生态环境总体呈退化趋势;城市建设用地的扩展一定程度上减少了植被覆盖面积,使不透水面面积增加,干度、热度增加,绿度和湿度降低,导致建成区NRSEI降低。

图6 城镇建成区的新型遥感生态指数(NRSEI)变化趋势Fig.6 Change trend of NRSEI in urban built-up area

20 a间,除城镇与扩建区域外,研究区NRSEI改善面积也较大幅度增加,主要是因为政府部门采取了遏制生态环境破坏及加强生态环境修复工程建设措施,如2003—2007年加大煤矿监管力度,取缔和关闭非法煤矿100多个,有效减少了煤泥水、煤尘和有害气体排放;2007—2008年矿区启动八大精品工程,营造“绿色印象”,其中通过绿色道路工程对道路进行绿化面积累计达10余hm2,全民义务植树工程造林1 000 hm2,种植各类树木80余万株,对采煤塌陷区进行治理,开发土地,新增耕地142 hm2,加大了矿区植被覆盖率[41];峰峰矿区区委提出了“响堂山禁采”,关闭焦窑和石料厂等小作坊;2016年制定修山、修地、修水以及修气的全域修复工程,将裸露的山地变成了“林海山”。但是2016—2018年生态环境稍有变差,一方面原因是环境保护政策在短时间内没有明显成效,另一方面是2016年降水比2018年多,植物生长旺盛,地面湿度增加;2018年进一步开启矿山治理工程,治理采矿扬尘、稳固煤矸石山边坡和绿化矸石山[39],加强生态环境建设,利用沉陷区改造湿地公园(如清泉公园、滨湖生态湿地等),增加城区植被覆盖度,使得2018—2020年矿区环境有所改善。

5 结论

采用8期Landsat影像,在RSEI模型基础上加入PM2.5浓度指标,耦合绿度、湿度、干度、热度和PM2.5浓度5个指标构建新型遥感生态指数,结果符合生态学客观规律,能较为真实地监测研究区生态环境变化状况。主要结论如下:

(1)2001—2020年NRSEI等级以中等和较优为主,总体生态环境质量较好。空间上来看,中部和东部生态环境严重退化与轻微退化区域面积占比较大,西部地区生态环境变化趋势主要为轻微改善和明显改善。从时间上分析,2001—2020年矿区生态环境呈现波动变化;2001—2009年生态环境表现为先变差后变好再变差,总体趋势为变差;2009—2020年生态环境先变好后变差再持续变好,总体趋势为变好。

(2)2001—2020年研究区水体NRSEI变化不大,水体变化与降雨量有直接关系,水体与陆地变化区域NRSEI等级大多为中等偏优级别,生态环境良好。

(3)矿区生态环境质量受降雨、气温、坡度和人类活动等因素共同作用影响。温度降低和降雨增加可促进生态环境变好;坡度较小区域城镇的扩展及人类活动的影响使得生态环境变差,坡度较大区域生态环境质量趋于好转;同时政府对生态环境的治理与保护政策对生态环境改善起到了积极的促进作用。

尽管在RSEI基础上加入的PM2.5浓度指标可对地表生态环境质量与空气质量进行快速监测,但煤矿开采对生态环境的影响仍有待进一步研究。不同期次影像采用的变换方式不同,各个指数的载荷权重不一致,对比结果会存在一些偏差。为了更全面评价研究区的环境变化,后续将以不同期次影像之间如何客观、正确的对比为突破口展开研究,重点分析矸石山及其周边环境的变化与矿区生态环境之间的关系,并结合土壤重金属含量和不同区域水质参数来对矿区生态环境进行综合评价,以期对矿区生态环境进行更加全面的监测与驱动因素分析。