吳志杰, 王猛猛, 陳紹杰, 鄒丹

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

吳志杰1,2, 王猛猛2, 陳紹杰1, 鄒丹1

1. 龍巖學院資源工程學院, 福建 龍巖 364012
2. 中國科學院遙感與數(shù)字地球研究所, 北京 100094

資源過度開采對區(qū)域的負環(huán)境效應日益顯著, 不斷造成嚴重的資源、環(huán)境與災害問題。以福建省永定礦區(qū)為研究區(qū), 利用遙感生態(tài)指數(shù)(Remote sensing ecology index, RSEI), 基于Landsat-7和Landsat-8影像數(shù)據(jù)分析永定礦區(qū)2002—2014年的生態(tài)狀況、時空變化特征及其驅動因素。結果表明: 1)RSEI適用于煤礦區(qū)的生態(tài)環(huán)境監(jiān)測; 2)自2002年到2014年RSEI均值從0.705降至0.699, 雖然RSEI均值降幅不大, 但RSEI變化空間分異明顯, 盆地四周生態(tài)質量在提高, 而煤礦區(qū)、石灰石礦區(qū)、工業(yè)園區(qū)和村鎮(zhèn)建筑區(qū)生態(tài)質量在降低; 3)植被覆蓋度與RSEI之間有較好的對應關系, 植被覆蓋變化是影響生態(tài)質量變化的關鍵因素。

遙感生態(tài)指數(shù); 生態(tài)變化; 礦區(qū); 永定

1 引言

資源過度開采對區(qū)域的負環(huán)境效應日益顯著,不斷造成嚴重的資源、環(huán)境與災害問題, 主要表現(xiàn)在土地退化、地表沉陷、土壤污染與理化特性變化、水資源污染與枯竭、植被破壞和粉塵污染等。遙感技術具有大范圍、長時間序列監(jiān)測的優(yōu)勢, 被越來越多地應用于礦區(qū)生態(tài)環(huán)境監(jiān)測[1]。通過礦區(qū)生態(tài)環(huán)境參數(shù)的遙感定量反演, 定期定量地對礦區(qū)進行生態(tài)環(huán)境變化監(jiān)測就顯得越來越重要[2]。目前, 針對煤礦區(qū)環(huán)境的監(jiān)測主要側重于大型煤礦區(qū)的土地利用變化、地表沉陷、植被破壞、熱環(huán)境影響等單一生態(tài)要素遙感反演[2–8], 但對規(guī)模小而礦點多的小礦井集中區(qū)的生態(tài)遙感監(jiān)測還比較缺乏。事實上, 相對于大型礦區(qū), 小礦井集中區(qū)的生態(tài)環(huán)境狀況由于缺乏完善的監(jiān)管體系, 而對人類生活的影響更為顯著。許多研究采用權重法將各生態(tài)因子加權組合形成綜合遙感生態(tài)評價指數(shù)[9–13]。徐涵秋于2013年提出一種完全基于遙感信息、集成多種生態(tài)因子的遙感生態(tài)指數(shù)(Remote Sensing Ecology Index, RSEI)[14],用于區(qū)域生態(tài)環(huán)境遙感評價, 既可用于水土流失區(qū)生態(tài)變化遙感監(jiān)測[15–16], 又可用于城市生態(tài)環(huán)境遙感綜合評價[17–21]。該指數(shù)的優(yōu)勢在于無需事先人為確定生態(tài)因子的權重, 而是利用主成分分析(Principal Component Analysis, PCA)方法, 根據(jù)各個生態(tài)因子對各主分量的貢獻度自動地確定, 計算結果具很強的客觀性和穩(wěn)定性。遙感生態(tài)指數(shù)與《生態(tài)環(huán)境狀況評價技術規(guī)范》的EI指數(shù)具有很好的可比性, 可進行像元級別的生態(tài)變化評估。

鑒于此, 本文將區(qū)域遙感生態(tài)指數(shù)(RSEI)應用于礦區(qū)生態(tài)狀況與變化遙感評估, 快速客觀地對閩西永定礦區(qū)進行定量生態(tài)環(huán)境遙感評價, 分析礦區(qū)高速發(fā)展期內(nèi)生態(tài)狀況的時空變化特點及其原因,為礦區(qū)進一步保護好生態(tài)環(huán)境提供科學的依據(jù)。

2 研究區(qū)與遙感數(shù)據(jù)

2.1研究區(qū)概況

永定縣隸屬于福建省龍巖市, 全境群山起伏,最高海拔1503 m, 相對落差1400 m, 氣候屬亞熱帶海洋性季風氣候, 年均氣溫20.1 ℃, 年降雨量達1800 mm。礦產(chǎn)資源豐富, 發(fā)現(xiàn)礦產(chǎn)種類36種, 無煙煤、石灰石、紅色花崗巖儲量豐富。其中, 煤炭和石灰石開采區(qū)全部散布于東北部的6個鄉(xiāng)鎮(zhèn), 包括高陂鎮(zhèn)、虎崗鄉(xiāng)、培豐鎮(zhèn)、坎市鎮(zhèn)、撫市鎮(zhèn)和龍?zhí)舵?zhèn)。本文以該縣東北部6個鄉(xiāng)鎮(zhèn)政區(qū)范圍為研究區(qū), 稱為永定礦區(qū), 地理坐標為北緯24°45′—25°05′,東經(jīng)116°43′—117°04′, 土地面積612 km2, 區(qū)內(nèi)煤炭生產(chǎn)礦井規(guī)模小而分布點多。截止2013年底有51家煤礦, 均采用地下開采方式, 累計年產(chǎn)量最高達400萬噸; 還有大量石灰石露天采礦區(qū)。

2.2遙感數(shù)據(jù)與預處理

為動態(tài)監(jiān)測礦區(qū)生態(tài)狀況及其變化, 遙感數(shù)據(jù)采用Landsat-8和Landsat-7 ETM+多光譜和熱紅外衛(wèi)星影像數(shù)據(jù), 分別為2014年10月17日Landsat-8 OLI和TIRS、2002年10月8日Landsat-7 ETM+。在影像預處理方面, 首先, 以2014年Landsat-8 OLI影像為基準, 采用最鄰近像元重采樣法對2002年Landsat-7 ETM+影像進行配準, 配準精度小于0.5個像元; 其次, 運用IACM大氣校正模型將Landsat7 ETM+的像元DN值轉換成表觀反射率[22]; 對于Landsat8 OLI, 則使用美國USGS提供的輻射定標公式將像元DN值轉換為表觀反射率。

3 研究方法

3.1遙感生態(tài)指數(shù)

遙感生態(tài)指數(shù)(RSEI)將綠度分量(NDVI)、濕度分量(Wet)、干度分量(NDSI)和熱度分量(LST) 4個遙感指數(shù)波段組合成新的指數(shù)影像后, 并進行主成分分析, 然后將其第一主成分歸一化處理, 即可生成RSEI指數(shù)[17]。各生態(tài)指標的計算方法如下:

(1) 計算對生態(tài)起正面作用的綠度分量和濕度分量。采用歸一化差值植被指數(shù)(NDVI)來表示綠度分量(也稱為綠度指數(shù)), 其模型為:

對于Landsat-7 ETM+影像數(shù)據(jù), 采用經(jīng)纓帽變換的濕度分量(Wet)來代表濕度分量, 其模型為式(2);而對于Landsat-8 OLI影像數(shù)據(jù), 其濕度分量(Wet)的模型應為式(3):

式中,iρ表示相應波段的光譜反射率。

(2) 計算對生態(tài)起負面作用的干度分量(NDSI)和熱度分量(LST)。干度分量(也稱為干度指數(shù))采用指數(shù)型建筑指數(shù)(IBI)和裸土指數(shù)(SI)的平均值來表示, 其中SI和IBI模型可參考文獻[23]和[24], 不再贅述。熱度分量(也稱為熱度指數(shù))采用地表溫度(LST)來表示。干度指數(shù)和熱度指數(shù)的模型分別為:

式中, T=k2/ln(k1/L +1), L=gain×DN+bias, LST為地表溫度, ε為地表比輻射率, IBI為指數(shù)型建筑指數(shù), SI為裸土指數(shù), 其它定標參數(shù)見表1(數(shù)據(jù)來源于影像的頭文件)。

(3) RSEI的計算過程

將上述4個遙感指數(shù)歸一化處理后, 合成由4個指數(shù)波段組成的新影像, 再進行主成分分析; 對第一主成分進一步處理生成遙感生態(tài)指數(shù)(RSEI), 其值越大表示生態(tài)質量越好, 反之, 表示生態(tài)質量越差。

若使用ER mapper遙感圖像處理軟件進行主成分分析, 對第一主成分(PC1)需按以下表達式生成初始遙感生態(tài)指數(shù)(RSEI0), 再進行歸一化處理獲得遙感生態(tài)指數(shù)(RSEI)。式中, RSEI0min為初始生態(tài)指數(shù)最小值, RSEI0max為初始生態(tài)指數(shù)最大值。

若使用ENVI遙感圖像處理軟件進行主成分分析, 其第一主成分值越大表示生態(tài)質量越好, 其值越小表示生態(tài)質量越差, 因此, 直接將第一主成分歸一化處理生成遙感生態(tài)指數(shù)(RSEI), 其表達式為:

式中, PC1min為第一主成分最小值, PC1max為第一主成分最大值。

實驗證明, 上述兩種軟件處理結果一致。遙感生態(tài)指數(shù)(RSEI)最大優(yōu)勢為無需人為事先確定各生態(tài)指標的權重, 確保計算結果的客觀性和可靠性。本研究遙感圖像處理采用ENVI5.1軟件。

3.2遙感生態(tài)信息提取

本研究區(qū)為永定縣東北部6個鄉(xiāng)鎮(zhèn)政區(qū)范圍(永定礦區(qū)), 圖1a為福建省永定縣域Landsat-8衛(wèi)星影像, 其北部紅色框所示位置為永定礦區(qū)。圖1b和圖1c分別為永定礦區(qū)2002年Landsat-7和2014年的Landsat-8衛(wèi)星影像。根據(jù)公式1–5和公式7提取永定礦區(qū)2002年和2014年遙感生態(tài)指數(shù)(RSEI)。采用ENVI軟件Change Detection功能提取生態(tài)變化信息。由于植被是研究區(qū)最主要的地表覆蓋類型, 對生態(tài)保護起到至關重要的作用, 為對比分析植被覆蓋度與生態(tài)指數(shù)變化的關系, 運用NDVI像元二分模型估算植被覆蓋度方法[25], 獲取2002年和2014年植被覆蓋度信息。

表1 地表溫度(LST)遙感反演參數(shù)表Tab. 1 Parameters for land surface temperature retrieval from imagery

4 結果與討論

4.1礦區(qū)典型地物生態(tài)指標分析

從研究區(qū)各生態(tài)指數(shù)統(tǒng)計表(表2)可以看出, 兩個年份的第一主成分(PC1)和第二主成分(PC2)對RSEI的貢獻率均較大, 合計超過84%。其中, 第一主成分對RSEI的貢獻度, 2002年為62.39%, 2014年為75.92%, 說明第一主成分包含大部分影像信息特征; 同時, 4個生態(tài)因子對PC1的貢獻比較穩(wěn)定, NDVI和Wet指標在PC1的值均為正值, 表明綠度因子和濕度因子對生態(tài)起正環(huán)境效應, 而NDSI和LST指標在PC1的值均為負值, 表明干度因子和熱度因子對生態(tài)起負環(huán)境效應。

研究區(qū)地表覆蓋類型有植被、城鎮(zhèn)建筑、煤炭和石灰石礦山、裸土地和水體等地物。一般而言, 非礦區(qū)地表建筑或裸土反射率較高, 在影像上呈亮色調; 與此相反, 煤礦區(qū)地表由于被黑色煤粉塵所覆蓋, 其地表反射率較低, 呈暗色調。因此, 需要考慮遙感生態(tài)指數(shù)(RSEI)在煤礦區(qū)的適用性問題。從圖2可以看出, 植被的綠度指數(shù)和濕度指數(shù)明顯高于干度指數(shù)和熱度指數(shù); 煤礦山、石灰石礦山、城鎮(zhèn)建筑和裸土地等4種地物的生態(tài)指標變化曲線基本一致, 其NDVI均值都明顯低于植被的NDVI均值, 而其NDSI均值明顯高于植被的NDSI均值, 類似地,其LST均值明顯高于植被的LST均值; 此外, 這4種地物的RSEI均值都大大低于植被區(qū)域的RSEI均值。表明煤礦山、石灰石礦山、城鎮(zhèn)建筑和裸土都對生態(tài)起負面作用。因此, 基于水土流失區(qū)的構建的遙感生態(tài)指數(shù)(RSEI)也適用于對煤礦區(qū)生態(tài)環(huán)境監(jiān)測。

圖1 研究區(qū)遙感影像圖Fig. 1 Satellite images of study area in 2002 and 2014

表2 研究區(qū)各生態(tài)指標統(tǒng)計值Tab. 2 Principal component value of each ecological index in study area

圖2 典型地物生態(tài)指數(shù)變化曲線圖Fig. 2 Curve of ecological index for typical features

4.2礦區(qū)生態(tài)狀況分析

從表3可以看出, 永定礦區(qū)的RSEI均值從2002年的0.705下降至2014年0.699, 反映出研究區(qū)總體生態(tài)環(huán)境質量有所降低, 但降幅不大; 干度指數(shù)(NDSI)和熱度指數(shù)(LST)的特征值絕對值之和均大于綠度指數(shù)(NDVI)和濕度指數(shù)(Wet)特征值之和,表征干度和熱度對生態(tài)的破壞作用強于綠度和濕度對生態(tài)的改善作用。若從第一主成分的載荷看,對生態(tài)起正面效應的綠度和濕度指數(shù)中, 綠度指數(shù)的貢獻率更大, 表明植被對提高生態(tài)質量的作用更大。

表3 永定縣4個生態(tài)指標和遙感生態(tài)指數(shù)統(tǒng)計Tab. 3 Statistics of 4 ecological indicators and RSEI in Yongding

為了更好地考察生態(tài)狀況變化, 參照文獻[14]和[15]提供的生態(tài)等級劃分方法, 進一步將RSEI值按等間隔分成5個等級, 表示5種生態(tài)狀況, 即差(1級: 0—0.2)、較差(2級: 0.2—0.4)、中(3級: 0.4—0.6)、良好(4級: 0.6—0.8)和優(yōu)(5級: 0.8—1)5個生態(tài)等級。制作遙感生態(tài)指數(shù)分級圖(圖3a—3b), 并求取各等級面積及其所占比例(表4)。

從表4可以發(fā)現(xiàn), 雖然2002年至2014年總體生態(tài)指數(shù)變化不大, 但區(qū)域內(nèi)部的生態(tài)變化差異較明顯。2002年永定礦區(qū)總體的生態(tài)狀況以良好(4級)為主, 其面積占比超過79%, 中等及以下生態(tài)等級和優(yōu)秀等級面積占比基本相當, 各占10%。2014年總體生態(tài)狀況還是以良好(4級)為主, 但其所占面積比例由2002年的79%下降至2014年的56%, 面積減少了145 km2, 占研究區(qū)面積的四分之一; 優(yōu)等級的面積增加一倍, 而較差生態(tài)等級的面積卻增加了6倍之多。這是由于優(yōu)等級增加部分都處于海拔較高的區(qū)域, 基本不受人類活動影響, 由原先中等生態(tài)等級變成優(yōu)生態(tài)等級, 雖然生態(tài)優(yōu)等級的面積只增加一倍, 但絕對面積卻增加了81 km2; 同時, 由于2002年至2014年間新增的煤礦山、石灰石開發(fā)及工業(yè)園建設而導致開發(fā)區(qū)域的生態(tài)等級均由好變差, 生態(tài)較差等級的面積由2002年的4.31 km2變成2014年的28.19 km2(圖3中用紅色方框或黑色方框圈定部分)。

4.3礦區(qū)生態(tài)環(huán)境動態(tài)變化分析

采用ENVI軟件Change Detection功能檢測2002-2014年RSEI的變化信息, 生成生態(tài)變化圖(圖3c)。經(jīng)過變化檢測, 總共發(fā)現(xiàn)了7種變化類別, 包括3種生態(tài)改善類別(用+1級、+2級、+3級表示)、3種生態(tài)退化類別(用–1級、–2級、–3級表示)和生態(tài)未變化類別(用0表示)(表5)。并未檢測到生態(tài)質量從最優(yōu)下降到最差等級, 也未檢測到生態(tài)質量從最差等級直接改善到優(yōu)等級。

圖3 2002、2014年永定礦區(qū)生態(tài)遙感指數(shù)及生態(tài)變化(黑色框標識為煤礦區(qū), 紅色框標識為石灰石礦區(qū))Fig. 3 RSEI and its variation in Yongding mine from 2002 and 2014 (The black box is marked as the coal mine, and the red frame is marked as the limestone mine.)

表4 永定礦區(qū)各生態(tài)級別面積和比例Tab. 4 Area and proportion of each ecological level in study area

從表5可以看出, 自2002年至2014年生態(tài)未發(fā)生變化的面積占比為65.02%; 生態(tài)改善的面積占比為18.06%, 只提高1個生態(tài)等級的占18%, 主要分布于研究區(qū)邊界海拔較高的區(qū)域, 因人類活動干擾較少, 使得生態(tài)質量有所改善; 而生態(tài)退化的面積占比16.92%, 其生態(tài)質量降低1個等級的占13.90%, 下降2個等級以上的約占3%。

圖3a-3b分別為2002年和2014年的生態(tài)狀況分級圖, 圖3c為生態(tài)變化圖, 紅色調代表生態(tài)退化區(qū), 綠色代表生態(tài)改善區(qū)。從圖3可以表現(xiàn)出2002—2014年生態(tài)狀況變化的空間分布特征, 研究區(qū)中盆地四周的生態(tài)質量有所改善, 而盆地內(nèi)的生態(tài)質量卻在退化, 生態(tài)退化的位置主要分布于三類區(qū)域:一是中北部新建的工業(yè)園區(qū), 二是由紅線框標識的煤礦區(qū)和石灰石礦區(qū), 三是新建的村鎮(zhèn)居住用地。因此, 煤炭采運、水泥建材生產(chǎn)、工業(yè)園區(qū)和村鎮(zhèn)建設工程是區(qū)域生態(tài)變化的主要驅動力。

4.4礦區(qū)植被覆蓋度變化與生態(tài)狀況的關系

為考察礦區(qū)生態(tài)狀況變化與植被覆蓋度的關系,將植被覆蓋度信息按20%間隔將植被覆蓋度均分成5個等級, 即植被覆蓋度低(0—20%)、較低(20%—40%)、中等(40%—60%)、較高(60%—80%)和高(80%—100%)。并仿照土地利用動態(tài)變化矩陣的方法, 生成生態(tài)指數(shù)等級與植被覆蓋度等級之間的轉換矩陣(表6)。

表5 2002-2014年礦區(qū)生態(tài)變化統(tǒng)計表Tab. 5 Change of ecological situation in study area from 2002 to 2014

從生態(tài)指數(shù)等級與植被覆蓋度等級的關系矩陣(表6)可以看出, 植被覆蓋度等級與生態(tài)指數(shù)等級之間有較好的對應關系: RSEI為差或較差等級時, 植被覆蓋度屬低或較低等級; RSEI為良好等級時, 植被覆蓋度屬高或較高等級; 而RSEI為優(yōu)等級, 植被覆蓋度必為高等級, 反之, 植被覆蓋度為高等級, RSEI卻未必屬優(yōu)等級。由此可見, 若要提高生態(tài)質量, 不僅要提高植被覆蓋度, 而且要降低區(qū)域的干度和熱度。2014年生態(tài)狀況優(yōu)等級的面積比2002年增加了81 km2, 由原來植被覆蓋度最高等級區(qū)域的生態(tài)改善而來。同時, 生態(tài)指數(shù)中等以下(含中等)的面積卻增加了64 km2, 由原來植被覆蓋度高等級或較高等級區(qū)域的生態(tài)退化造成的。

因此, 植被覆蓋度變化是反映生態(tài)質量變化的關鍵因素, 提高地表植被覆蓋度是提高區(qū)域生態(tài)質量的重要手段。

5 總結

資源過度開采對區(qū)域的負環(huán)境效應日益顯著,將區(qū)域遙感生態(tài)指數(shù)(RSEI)應用于礦區(qū)生態(tài)狀況與變化遙感監(jiān)測, 能夠快速客觀地對永定礦區(qū)2002—2014年的生態(tài)變化進行定量遙感評價, 研究結果表明:

1) 基于水土流失區(qū)構建的遙感生態(tài)指數(shù)(RSEI)也適用于對煤礦區(qū)進行生態(tài)環(huán)境監(jiān)測。雖然煤礦區(qū)地表呈暗色調, 其地表反射率較低, 但其熱紅外輻射卻較高, 使煤礦區(qū)的干度指數(shù)和熱度指數(shù)值較高,煤礦山、石灰石礦山與城鎮(zhèn)建筑或裸露地表類似, 都對生態(tài)起負面作用。利用遙感生態(tài)指數(shù)(RSEI)可以對煤礦區(qū)生態(tài)環(huán)境及其動態(tài)變化進行監(jiān)測。

表6 2002年和2014年遙感生態(tài)指數(shù)與植被覆蓋度的關系矩陣Tab. 6 Relationship matrix of RSEI and FVC in 2002 and 2014

2) 一般傳統(tǒng)的生態(tài)環(huán)境調查與評估法只能提供區(qū)域(如縣域、鎮(zhèn)域)范圍內(nèi)的生態(tài)指數(shù)均值, 而利用遙感生態(tài)指數(shù)(RSEI)可以從像元的微觀角度來監(jiān)測生態(tài)環(huán)境變化, 并且可以進行可視化制圖, 不失為一種高效直觀的生態(tài)環(huán)境監(jiān)測方法。研究區(qū)的遙感生態(tài)指數(shù)均值從2002年的0.705降至2014年的0.699, 雖然生態(tài)指數(shù)均值降幅不大, 但生態(tài)指數(shù)變化空間分異明顯, 盆地四周生態(tài)質量在提高, 而煤礦區(qū)、石灰石礦區(qū)、工業(yè)園區(qū)和村鎮(zhèn)建筑區(qū)生態(tài)質量在降低。今后, 還可以將高分辨率影像與Landsat衛(wèi)星影像相結合, 進一步監(jiān)測礦區(qū)內(nèi)部的生態(tài)狀況與動態(tài)變化。

3) 植被覆蓋度等級與生態(tài)指數(shù)等級之間有較好的對應關系, 表明植被覆蓋變化是影響生態(tài)質量變化的關鍵因素。從植被覆蓋度與生態(tài)指數(shù)等級的對比結果來看, 生態(tài)質量越好, 其植被覆蓋度必定越高, 而植被覆蓋度越高, 其生態(tài)質量未必越高。因此, 若要提高區(qū)域的生態(tài)質量, 則既要提高植被覆蓋度, 又要降低區(qū)域的熱度和干度指標, 如減少不透水面、搞好水土保持等, 增強土壤蓄積地表水的能力, 提高土壤和植被含水量, 減少礦業(yè)或工程建設活動對植被破壞或粉塵污染等。

[1] 彭燕, 何國金, 張兆明, 等. 贛南稀土礦開發(fā)區(qū)生態(tài)環(huán)境遙感動態(tài)監(jiān)測與評估[J]. 生態(tài)學報, 2016, 36(6): 1–10.

[2] 杜培軍, 鄭輝, 張海榮. 歐共體MINEO項目對我國采礦環(huán)境影響綜合監(jiān)測的啟示[J]. 煤炭學報, 2008, 33(1): 71–75.

[3] 胡召玲, 杜培軍, 趙昕. 徐州煤礦區(qū)土地利用變化分析[J].地理學報, 2007, 62(11): 1204–1214.

[4] 畢如田, 白中科, 李華, 等. 大型露天煤礦區(qū)土地擾動的時空變化[J]. 應用生態(tài)學報, 2007, 18(8): 1908–1912.

[5] 吳立新, 馬保東, 劉善軍. 基于SPOT衛(wèi)星NDVI數(shù)據(jù)的神東礦區(qū)植被覆蓋動態(tài)變化分析[J]. 煤炭學報, 2009, 34(9): 1217–1222.

[6] 卞正富, 雷少剛, 常魯群, 等. 基于遙感影像的荒漠化礦區(qū)土壤含水率的影響因素分析[J]. 煤炭學報, 2009, 34(4): 520–525.

[7] 劉培, 杜培軍, 逄云峰. 基于遙感和CA Markov模型的煤礦區(qū)熱環(huán)境與土地覆蓋變化模擬評價[J]. 煤炭學報, 2012, 37(11): 1847–1853.

[8] 付新雷. 基于神東中心區(qū)植被覆蓋變化的多時相遙感監(jiān)測[J]. 中國環(huán)境監(jiān)測, 2014, 30(2): 186–190.

[9] 周小成, 汪小欽, 江洪, 等. 九龍江流域生態(tài)環(huán)境質量遙感評價與分析[J]. 地球信息科學學報, 2009, 11(2): 231–236.

[10] 陳強, 陳云浩, 王萌杰, 等. 2001–2010年洞庭湖生態(tài)系統(tǒng)質量遙感綜合評價與變化分析[J]. 生態(tài)學報, 2015, 35(13): 4347–4356.

[11] 凡 宸, 夏北成, 秦建橋. 基于RS和GIS的縣域生態(tài)環(huán)境質量綜合評價模型—以惠東縣為例[J]. 生態(tài)學雜志, 2013, 32(3): 719–725.

[12] 白艷芬, 馬海州, 張寶成, 等. 基于遙感和GIS技術的青海湖環(huán)湖地區(qū)生態(tài)環(huán)境脆弱性評價[J]. 遙感技術與應用, 2009, 24(5): 635–641.

[13] 徐慶勇, 黃玫, 劉洪升, 等. 基于RS和GIS的珠江三角洲生態(tài)環(huán)境脆弱性綜合評價[J]. 應用生態(tài)學, 2011, 22(11): 2987–2995.

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

[15] 徐涵秋. 水土流失區(qū)生態(tài)變化的遙感評估[J]. 農(nóng)業(yè)工程學報, 2013, 29(7): 91–97.

[16] 李粉玲, 常慶瑞, 申健, 等. 黃土高原溝壑區(qū)生態(tài)環(huán)境狀況遙感動態(tài)監(jiān)測—以陜西省富縣為例[J]. 應用生態(tài)學報, 2015, 26(12): 3811–3817.

[17] 徐涵秋. 城市遙感生態(tài)指數(shù)的創(chuàng)建及其應用[J]. 生態(tài)學報, 2013, 33(24): 7853–7862.

[18] 徐涵秋, 張好. 海島型城市擴展的生態(tài)效應分析—以廈門島為例[J]. 地理科學, 2015, 35(7): 867–872.

[19] 林鐸, 潘文斌. 莆田市城區(qū)生態(tài)環(huán)境評價研究[J]. 環(huán)境科學與管理, 2014, 39(9): 179–183.

[20] 劉智才, 徐涵秋, 李樂, 等. 基于遙感生態(tài)指數(shù)的杭州市城市生態(tài)變化[J]. 應用基礎與工程科學學報, 2015, 23(4): 728–739.

[21] 溫小樂, 林征峰, 唐菲. 新興海島型城市建設引發(fā)的生態(tài)變化遙感分析—以福建平潭綜合實驗區(qū)為例[J]. 應用生態(tài)學報, 2015, 26(2): 541–547.

[22] 徐涵秋. 基于影像的Landsat TM/ETM+數(shù)據(jù)正規(guī)化技術[J]. 武漢大學學報: 信息科學版, 2007, 32(1): 62–66.

[23] RIKIMARU A, ROY P S, MIYATAKE S. Tropical forest cover density mapping[J]. Tropical Ecology, 2002, 43(1): 39–47.

[24] XU Hanqiu. A new index for delineating built-up land features in satellite imagery[J]. International Journal of Remote Sensing, 2008, 29(14): 4269–4276.

[25] 李苗苗, 吳炳方, 顏長珍, 等. 密云水庫上游植被覆蓋度的遙感估算[J]. 資源科學, 2004, 26(4): 153–159.

Monitoring and evaluation of ecological environment’s spatio-temporal variation in mine based on RSEI — a case of Yongding mine

WU Zhijie1,2, WANG Mengmeng2, CHEN Shaojie1, ZOU Dan1
1.College of Resources Engineering,Longyan University,Longyan364012,China
2.Institute of Remote Sensing and Digital Earth Chinese Academy of Sciences,Beijing100094,China

The over-exploitation of the resources posed obviously negative environmental effects, which has already brought in serious resource, environment and disaster problems. In this study, the remote sensing ecology index (RSEI) of Yongding mine in Fujian Province during 2002 to 2014 was extracted from Landsat-7 and Landsat-8 images, and the ecological situation, the spatial-temporal variation and driving factors of the ecological environment during 2002 to 2014 were analyzed based on the RSEI. The results showed that RSEI was suitable for monitoring ecological environment of the coal mining area, and the mean RSEI value of Yongding mine fell from 0.705 in 2002 to 0.699 in 2014. Although only a small decline in mean RSEI was observed, the RSEI variation obviously presented spatial differentiation, e.g., the ecological environmental quality in the area around the basin was improved while that of coal mines, limestone mines, industrial parks and buildings notably became worse. Moreover, there were strong correlations between RSEI and vegetation coverage, and vegetation coverage was a key factor leading to the variation of ecology environment quality.

RESI; ecological environment variation; mine; Yongding

10.14108/j.cnki.1008-8873.2016.05.027

TP79

A

1008-8873(2016)05-200-08

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[J]. 生態(tài)科學, 2016, 35(5): 200-207.

WU Zhijie, WANG Mengmeng, CHEN Shaojie, et al. Monitoring and evaluation of ecological environment’s spatio-temporal variation in mine based on RSEI in Yongding mine[J]. Ecological Science, 2016, 35(5): 200-207.

2016-01-21;

2016-02-04

福建省自然科學基金項目(2012D104)

吳志杰(1971—), 男, 福建漳州人, 碩士, 副教授, 主要從事亞熱帶環(huán)境與資源遙感研究, E-mail: wuzhijiefj@163.com