李偉 李思慧 金鑫

摘? 要：基于遙感生態(tài)指數(shù)（RSEI）方法，對2016—2022年霍林河礦區(qū)生態(tài)指數(shù)變化進(jìn)行分析，從而為礦區(qū)生態(tài)修復(fù)提供科學(xué)依據(jù)。應(yīng)用2016—2022年Landsat 8數(shù)據(jù)，提取綠度（NDVI）、濕度（WET）、干度（NDBSI）和熱度（LST）4項(xiàng)指標(biāo)，運(yùn)用主成分分析方法構(gòu)建遙感生態(tài)指數(shù)（RSEI）。結(jié)果表明綠度和濕度與RSEI正相關(guān)，干度、熱度與RSEI負(fù)相關(guān)；自2018年開始霍林河礦區(qū)遙感生態(tài)指數(shù)（RSEI）明顯提升；生態(tài)修復(fù)治理區(qū)域即排土場區(qū)域遙感生態(tài)指數(shù)（RSEI）提升最為顯著，生態(tài)修復(fù)效果明顯。

關(guān)鍵詞：遙感生態(tài)指數(shù)；主成分分析；生態(tài)質(zhì)量

中圖分類號：TP391；X87? 文獻(xiàn)標(biāo)識碼：A? 文章編號：2096-4706（2023）09-0137-05

Abstract： Based on the Remote Sensing Ecological Index （RSEI） method， this paper analyzes the ecological index changes in Huolinhe mining area from 2016 to 2022， so as to provide a scientific support for the ecological restoration of the mining area. The Landsat 8 data from 2016 to 2022 are used to extract four indicators， such as NDVI， WET， NDBSI and LST. The Remote Sensing Ecological Index （RSEI） is constructed by using the principal component analysis method. The results show that NDVI and WET are positively correlated with RSEI， while NDBSI and LST are negatively correlated with RSEI. Since 2018， the RSEI of Huolinhe mining area has improved significantly. The RSEI of ecological restoration and management area， namely waste disposal site， has improved the most significantly， and the ecological restoration has achieved obvious effect.

Keywords： RSEI; principal component analysis; ecological quality

0? 引? 言

2015年環(huán)境保護(hù)部發(fā)布《生態(tài)環(huán)境狀況評價(jià)技術(shù)規(guī)范》（HJ 192—2015）[1]，修訂了2006年國家環(huán)境保護(hù)總局發(fā)布的《生態(tài)環(huán)境狀況評價(jià)技術(shù)規(guī)范（試行）》（HJ/T 192—2006）[2]，新版技術(shù)規(guī)范修訂了生態(tài)環(huán)境狀況指數(shù)（ecological index， EI），但構(gòu)成EI指數(shù)的各個(gè)指標(biāo)在數(shù)據(jù)的可獲取性和評價(jià)結(jié)果時(shí)空分析等方面仍存有不足[3]。在遙感技術(shù)廣泛應(yīng)用背景下，2013年徐涵秋[4，5]基于Landsat 8影像應(yīng)用主成分方法通過耦合綠度、濕度、熱度和干度４個(gè)遙感生態(tài)指標(biāo)來構(gòu)建遙感生態(tài)指數(shù)（remote sensing ecologyindex， RSEI），該指數(shù)具有易獲得、非人為設(shè)定權(quán)重、結(jié)果可視化的特點(diǎn)，能夠快速定量地評價(jià)區(qū)域生態(tài)環(huán)境，因此該方法在生態(tài)環(huán)境評價(jià)中得到廣泛應(yīng)用。

礦區(qū)生態(tài)環(huán)境研究早期主要集中在土地利用/土地覆被（LUCC）及礦區(qū)生態(tài)環(huán)境評價(jià)方面。如：徐嘉興等[6]從生態(tài)系統(tǒng)穩(wěn)定與干擾程度2個(gè)方面構(gòu)建景觀生態(tài)質(zhì)量評價(jià)模型，分析評價(jià)了賈汪礦區(qū)的景觀生態(tài)質(zhì)量及變化；趙玉靈[7]應(yīng)用層次分析法（AHP）對15個(gè)評價(jià)因子進(jìn)行計(jì)算權(quán)重和排序，建立礦山地質(zhì)環(huán)境質(zhì)量評價(jià)指標(biāo)體系，綜合評定礦山地質(zhì)環(huán)境等級。由于遙感生態(tài)指數(shù)具有基于遙感信息的動態(tài)特性，許多學(xué)者應(yīng)用遙感生態(tài)指數(shù)（RSEI）在礦區(qū)生態(tài)質(zhì)量監(jiān)測評價(jià)中取得了較好的效果。劉英等采用RSEI及改進(jìn)的CASA模型監(jiān)測平朔礦區(qū)生態(tài)環(huán)境變化趨勢[8]；吳志杰等利用RSEI分析永定礦區(qū)生態(tài)狀況、時(shí)空變化特征及驅(qū)動因素[9]；韓琳等基于RSEI對寶日希勒礦區(qū)生態(tài)修復(fù)效果進(jìn)行評估[10]。本文基于RSEI指數(shù)，利用多時(shí)相Landsat 8遙感數(shù)據(jù)，分析了霍林河礦區(qū)RSEI的時(shí)空變化情況，為礦區(qū)生態(tài)修復(fù)評估提供科學(xué)依據(jù)。

1? 數(shù)據(jù)與研究區(qū)概況

1.1? 研究區(qū)概況

霍林河礦區(qū)位于霍林郭勒市境內(nèi)，地處大興安嶺南段脊部，地理坐標(biāo)為東經(jīng)119° 32′ 13″～119° 36′ 42″，北緯45° 26′ 03″～45° 34′ 06″，是一個(gè)山間盆地，盆地內(nèi)部地勢較平坦，東北和西南兩端為低丘陵，中間海拔標(biāo)高930～980 m[11]。礦區(qū)包括北露天煤礦和南露天煤礦兩部分，始建于20世紀(jì)80年代，是全國五大露天煤礦之一，也是我國現(xiàn)代化生產(chǎn)程序最高的大型露天煤礦。

1.2? 數(shù)據(jù)來源及預(yù)處理

為避免指數(shù)在計(jì)算過程中受季節(jié)變化影響，應(yīng)選取植被生長周期相近的遙感影像，本文共選取2016年8月1日、2017年8月20日、2018年9月8日、2019年9月11日、2020年9月13日、2021年9月16日、2022年9月3日，共7景Landsat 8 OLI遙感影像，數(shù)據(jù)源為美國地質(zhì)勘探局（USGS）官網(wǎng)，行列號為122/028，空間分布率30 m。應(yīng)用ENVI遙感圖像處理軟件對影像進(jìn)行輻射定標(biāo)、大氣校正預(yù)處理，并使用礦區(qū)的矢量邊界對影像進(jìn)行裁剪。

2? 研究方法

2.1? 遙感生態(tài)指數(shù)（RSEI）模型

2013年徐涵秋提出RSEI模型，該模型通過耦合植被指數(shù)、濕度分量、地表溫度和土壤指數(shù)4個(gè)評價(jià)指標(biāo)，用主成分分析方法來構(gòu)建遙感生態(tài)指數(shù)（RSEI），把4個(gè)評價(jià)指標(biāo)的主要信息集中到1-2個(gè)主成分上，通過數(shù)據(jù)集降維將原評價(jià)指標(biāo)集中到新的綜合變量（指標(biāo)）。該模型的優(yōu)點(diǎn)是客觀合理，指標(biāo)權(quán)重不受人為影響，同時(shí)可視化的生態(tài)質(zhì)量評價(jià)更易于進(jìn)行時(shí)空變化分析。

2.2? 遙感生態(tài)指數(shù)（RSEI）計(jì)算

2.2.1? 分量指標(biāo)計(jì)算

綠度指標(biāo)由歸一化植被指數(shù)（NDVI）表示，是能夠表征植物生物量、葉面積指數(shù)以及植被覆蓋度等信息的指標(biāo)，計(jì)算公式為式（1），式中ρNir和ρRed分別為Landsat 8 OLI傳感器影像預(yù)處理后的近紅外波段和紅外波段的反射率[12]。

3? 研究結(jié)果與分析

3.1? 霍林河礦區(qū)RSEI構(gòu)建主成分分析

運(yùn)用式（9）對綠度、濕度、熱度、干度4個(gè)指標(biāo)進(jìn)行歸一化、并進(jìn)行主成分分析，得出主成分分析結(jié)果如表1所示，表1略去2017、2019、2021年份，由計(jì)算得知2016—2022年第一主成分PC1貢獻(xiàn)率最低值年份為2017年60.87%，最高值年份為2022年78.16%，PC1集中了4個(gè)指標(biāo)的大部特征，選擇PC1來表示RSEI0。

2016—2021年，主成分分析PC1與NDVI、WET正相關(guān)，與LST、NDBSI負(fù)相關(guān)；而2022年主成分分析PC1與NDVI、WET負(fù)相關(guān)，與LST、NDBSI正相關(guān)；分別應(yīng)用式（10）、（11）計(jì)算RSEI0，最后由式（12）得出2016—2022年遙感生態(tài)指數(shù)RSEI，值越接近1代表生態(tài)環(huán)境質(zhì)量越優(yōu)，越接近0越差。

3.2? 霍林河礦區(qū)遙感生態(tài)質(zhì)量變化分析

將RSEI以0.2為間隔分成5級，分別代表差、較差、中等、良和優(yōu)5個(gè)等級，對應(yīng)的等級編號分別為Ⅰ（0.0～0.2）、Ⅱ（0.2～0.4）、Ⅲ（0.4～0.6）、Ⅳ（0.6～0.8）、Ⅴ（0.8～1.0）。圖1為2016—2022年RSEI分布圖，2016、2017年霍林河礦區(qū)RSEI很差，其中生態(tài)質(zhì)量差、生態(tài)質(zhì)量較差的紅色區(qū)域面積大致占礦區(qū)面積75%的比例；2018、2019年生態(tài)質(zhì)量有所提升，圖中生態(tài)質(zhì)量中等的黃色區(qū)域、生態(tài)質(zhì)量良和生態(tài)質(zhì)量優(yōu)的綠色區(qū)域面積都明顯增多；2020—2022年生態(tài)質(zhì)量保持穩(wěn)定，生態(tài)質(zhì)量較差區(qū)域主要集中在北露天煤礦、南露天煤礦開采區(qū)域，其余地區(qū)生態(tài)質(zhì)量以優(yōu)良為主。

表2為遙感生態(tài)質(zhì)量分級面積統(tǒng)計(jì)表，可以看出2016—2022年霍林河礦區(qū)生態(tài)質(zhì)量良、生態(tài)質(zhì)量優(yōu)的面積占比由6.02%、5.50%上升至14.37%、11.00%；生態(tài)質(zhì)量差的面積占比由49.20%減少至30.23%；生態(tài)質(zhì)量較差的面積占比變化不大，由26.30%降至24.24%，RSEI均值由2016年的0.30上升到2022年的0.43，生態(tài)質(zhì)量明顯提升。

3.3? 霍林河礦區(qū)生態(tài)修復(fù)變化分析

圖2中a、b部分為2016、2022年霍林河礦區(qū)遙感影像，通過對比兩景影像可看出，北露天煤礦北部外排土場，南露天煤礦西側(cè)西排土場、南側(cè)南排土場、東側(cè)內(nèi)排土場及沿幫排土場等區(qū)域白色排土場轉(zhuǎn)為綠色植被覆蓋變化，說明礦山排土場生態(tài)修復(fù)工程效果良好。圖2中c部分為2016—2022年RSEI變化分級圖，黃色區(qū)域?yàn)闊o顯著變化區(qū)域、綠色區(qū)域?yàn)樽兒脜^(qū)域、紅色區(qū)域?yàn)樽儾顓^(qū)域，圖中綠色變好區(qū)域主要分布在南、北露天煤礦排土場區(qū)域，紅色變差區(qū)域主要分布在南露天煤礦北側(cè)、北露天煤礦南側(cè)新開采礦山區(qū)域。

表3為2016—2022年霍林河礦區(qū)生態(tài)質(zhì)量等級轉(zhuǎn)移矩陣，矩陣中行、列的總計(jì)欄分別對應(yīng)2022年、2016年RSEI各個(gè)分類等級的面積，矩陣中間的數(shù)據(jù)則對應(yīng)兩年間不同RSEI等級的轉(zhuǎn)換情況。由表可知，2016—2022年差等級存在明顯的轉(zhuǎn)出，較差等級轉(zhuǎn)入轉(zhuǎn)出不明顯，中等級、良等級和優(yōu)等級存在較明顯的轉(zhuǎn)入。矩陣中五個(gè)等級的對角線上的值表示RSEI等級不變，對角線上方區(qū)域的數(shù)值為RSEI等級轉(zhuǎn)為低于原RSEI的等級，即為生態(tài)質(zhì)量下降，對角線下方區(qū)域的數(shù)值為RSEI等級轉(zhuǎn)為高于原RSEI的等級，即為生態(tài)質(zhì)量提升。此矩陣對角線下方面積為45.64KM2，RSEI等級提升面積占總變化的75.6%，因此2016—2022年霍林河礦區(qū)生態(tài)質(zhì)量明顯好轉(zhuǎn)。

4? 結(jié)? 論

本文基于2016—2022年同時(shí)期Landsat 8 OLI遙感數(shù)據(jù)，反演獲取綠度、濕度、干度、熱度4個(gè)指標(biāo)，通過主成分分析法構(gòu)建了RSEI。通過對比RSEI的年際變化和計(jì)算等級轉(zhuǎn)移矩陣，全面分析了霍林河礦區(qū)生態(tài)質(zhì)量變化狀況：

1）綠度、濕度、熱度、干度 4個(gè)指標(biāo)所構(gòu)成的遙感生態(tài)指數(shù)，能夠全面快速地反映生態(tài)環(huán)境的變化。從單一生態(tài)指標(biāo)與RSEI的相關(guān)性來看，綠度與濕度指標(biāo)對生態(tài)環(huán)境質(zhì)量的貢獻(xiàn)為正，而干度與熱度指標(biāo)對生態(tài)環(huán)境質(zhì)量的貢獻(xiàn)為負(fù)。

2）2016—2022年霍林河礦區(qū)RSEI分布表明，幾年間霍林河礦區(qū)生態(tài)質(zhì)量顯著提升，生態(tài)質(zhì)量差和較差區(qū)域占比由2016年的75.5%下降至2022年的54.5%，生態(tài)質(zhì)量優(yōu)和良區(qū)域由11.5%提升至25.4%。

3）在RSEI等級變化中，差等級存在明顯的轉(zhuǎn)出，較差等級轉(zhuǎn)入轉(zhuǎn)出不明顯，中、良、優(yōu)等級存在較明顯的轉(zhuǎn)入，RSEI等級提升比例占總變化的75.6%。

4）霍林河礦區(qū)近年來確立建設(shè)人工生態(tài)型礦區(qū)的生態(tài)修復(fù)目標(biāo)，并通過實(shí)施覆土整形、供水系統(tǒng)、水土保持、植被重建等多項(xiàng)礦山修復(fù)治理工程，修復(fù)多個(gè)排土場、廢棄采坑，在礦山生態(tài)修復(fù)治理方面取得良好效果。

參考文獻(xiàn)：

[1] 環(huán)境保護(hù)部.生態(tài)環(huán)境狀況評價(jià)技術(shù)規(guī)范：HJ/T 192—2015 [S].北京：中國環(huán)境科學(xué)出版社，2015.

[2] 國家環(huán)境保護(hù)總局.生態(tài)環(huán)境狀況評價(jià)技術(shù)規(guī)范（試行）：HJ/T 192—2006 [S].北京：中國環(huán)境科學(xué)出版社，2006.

[3] 葉有華，梁永賢，沈一青，等.《生態(tài)環(huán)境狀況評價(jià)技術(shù)規(guī)范（試行）》中若干值得商榷的問題 [J].熱帶地理，2009，29（4）：404-406.

[4] 徐涵秋.區(qū)域生態(tài)環(huán)境變化的遙感評價(jià)指數(shù) [J].中國環(huán)境科學(xué)，2013，33（5）：889-897.

[5] 徐涵秋.城市遙感生態(tài)指數(shù)的創(chuàng)建及其應(yīng)用 [J].生態(tài)學(xué)報(bào)，2013，33（24）：7853-7862.

[6] 徐嘉興，李鋼，陳國良，等.土地復(fù)墾礦區(qū)的景觀生態(tài)質(zhì)量變化 [J].農(nóng)業(yè)工程學(xué)報(bào)，2013，29（1）：232-239+296.

[7] 趙玉靈.基于層次分析法的礦山環(huán)境評價(jià)方法研究——以海南島為例 [J].國土資源遙感，2020，32（1）：148-153.

[8] 劉英，朱蓉，岳輝.典型露天礦區(qū)生態(tài)環(huán)境遙感評價(jià) [J].西安科技大學(xué)學(xué)報(bào)，2021，41（4）：682-691.

[9] 吳志杰，王猛猛，陳紹杰，等.基于遙感生態(tài)指數(shù)的永定礦區(qū)生態(tài)變化監(jiān)測與評價(jià) [J].生態(tài)科學(xué)，2016，35（5）：200-207.

[10] 韓琳，李永峰，巫長悅，等.基于遙感生態(tài)指數(shù)的寶日希勒露天礦區(qū)生態(tài)修復(fù)效果評估 [J].中國礦業(yè)，2022，31（4）：54-61.

[11] 王洪明，李如仁，覃怡婷，等.時(shí)間序列InSAR技術(shù)在礦區(qū)地表形變監(jiān)測中的應(yīng)用——以內(nèi)蒙古霍林河露天礦區(qū)為例 [J].中國地質(zhì)災(zāi)害與防治學(xué)報(bào)，2022，33（2）：71-78.

[12] GOWARD S N，XUE Y，CZAJKOWSKI K P. Evaluating land surface moisture conditions from the remotely sensed temperature/vegetation index measurements [J].Remote Sensing of Environment，2002，79（2）：225–242.

[13] BAIG M H A，ZHANG L F，SHUAI T，et al. Derivation of a Tasselled Cap Transformation Based on Landsat8 At-satellite Reflectance [J].Remote Sensing Letters，2014（5）：423-431.

[14] NICHOL J. Remote sensing of urban heat islands by day and night [J].Photogrammetric Engineering ＆ Remote Sensing，2005，71（5）：613–622.

[15] XU H. A New Index for Delineating Built-up Land Fea-tures in Satellite Imagery [J].International Journal of Re-mote Sensing，2008，29（14）：4269-4276.

作者簡介：李偉（1981—），男，漢族，內(nèi)蒙古呼倫貝爾人，中級工程師，碩士研究生，主要研究方向：農(nóng)業(yè)與生態(tài)氣象衛(wèi)星遙感應(yīng)用；通訊作者：李思慧（1984—），女，漢族，內(nèi)蒙古通遼人，高級工程師，碩士研究生，主要研究方向：農(nóng)業(yè)與生態(tài)氣象衛(wèi)星遙感應(yīng)用。