于昊辰, 牟守國, 王小予, 雷科玉

(中國礦業(yè)大學(xué)環(huán)境與測繪學(xué)院, 江蘇 徐州 221116)

煤炭資源高強度開采會損毀大面積土地資源,而當(dāng)前煤礦區(qū)土地復(fù)墾率與植被覆蓋率均較低,易加劇區(qū)域水土流失和土地沙化[1-2]。西方發(fā)達(dá)國家早在20世紀(jì)初便開始開展礦區(qū)土地恢復(fù)工作[3],包括分類種植、廢棄礦山生態(tài)景觀、環(huán)境監(jiān)測與監(jiān)督管理[4-6]等。國外不同學(xué)者也從植被演替方向、肥料使用、土壤改造等方面著手,促進了礦業(yè)廢棄地植被自然恢復(fù)、植被恢復(fù)技術(shù)等領(lǐng)域的研究。而我國礦區(qū)土地復(fù)墾與生態(tài)環(huán)境治理起步較晚,在礦區(qū)植被恢復(fù)方面的研究集中在植被恢復(fù)與重建技術(shù)[7-8]、植被物種篩選[9]、植被恢復(fù)對生態(tài)系統(tǒng)中其他生物因子與非生物因子的影響[10-11]等方面。

干旱半干旱地區(qū)因水資源匱乏、土壤條件貧瘠以及生態(tài)環(huán)境脆弱等原因,受損生態(tài)系統(tǒng)難以通過自我修復(fù)完成植被恢復(fù)。故自然條件下該地煤礦區(qū)土壤恢復(fù)周期一般達(dá)到數(shù)十年以上,而進一步完成生態(tài)恢復(fù)更需數(shù)十年到數(shù)百年的時間。采煤后通過必要的補種措施等進行適當(dāng)人工干預(yù)調(diào)控,能促進煤礦區(qū)人工植被恢復(fù)。而人為干預(yù)煤礦區(qū)植被恢復(fù),無論是在空間、時間上,還是在干預(yù)類型、頻度、強度等方面,都需要綜合全面考慮。當(dāng)前植被恢復(fù)人工干預(yù)的主要研究包括必要性、模式、條件、影響等方面[12-13],但人工如何干預(yù)植被恢復(fù)方面的深入研究較少。中度干擾假說提出,適度人工干擾有利于形成與保護物種多樣性,可促進生態(tài)系統(tǒng)的演化更新與持續(xù)發(fā)展[14]。基于此,筆者以大柳塔煤礦區(qū)為例,根據(jù)1988—2016年研究區(qū)植被狀況劃分人工干預(yù)等級,通過比較不同人工干預(yù)等級下植被覆蓋變化趨勢及恢復(fù)狀況,構(gòu)建人工干預(yù)等級與植被恢復(fù)的關(guān)系模型并提出相應(yīng)措施,試圖為煤礦區(qū)植被恢復(fù)適度人工干預(yù)與調(diào)控以及相似區(qū)域植被恢復(fù)提供借鑒。

1 數(shù)據(jù)與方法

1.1 研究區(qū)域

大柳塔煤礦區(qū)(圖1)位于陜西省榆林市神木縣城西北約52 km處,地理坐標(biāo)為39°13′53″～39°21′32″ N,110°12′23″～110°22′54″ E,面積126.55 km2。研究區(qū)為黃土高原與沙漠過渡區(qū)域,氣候干燥,降水量少,蒸發(fā)量大,地勢西北高東南低,海拔1 000～1 250 m,水系發(fā)育受限。研究區(qū)煤層埋深較淺,長期的采礦活動造成地表塌陷、臺階、地裂縫、植被退化等問題,導(dǎo)致礦區(qū)局部土地沙漠化現(xiàn)象嚴(yán)重,生態(tài)環(huán)境維穩(wěn)性、抗干擾能力和自我恢復(fù)能力較低。

圖1 大柳塔煤礦與不同干預(yù)等級樣點圖位置示意Fig.1 Location of Daliuta coal mine and its samples of different intervention levels (Ⅰ-Ⅳ)

研究區(qū)半固定沙地、固定沙丘和沙地沙丘間低地面積較大,其主要植被類型為沙生植被,以沙柳為主;另外在洼地、河流灘地和湖泊周圍有少量濕地植物,大多淺根耐旱。根據(jù)其自然地理特點及對照實驗設(shè)定,查詢研究區(qū)衛(wèi)星云圖與相關(guān)自然地理資料,綜合考慮影響植被恢復(fù)過程各因素,解譯遙感影像圖,分析在植被恢復(fù)過程中人工干預(yù)痕跡及程度差異,確定干預(yù)等級Ⅰ～Ⅵ樣點的具體位置(圖1)?；谇叭藢θ斯じ深A(yù)相關(guān)研究[15],結(jié)合實地調(diào)研與遙感影像解譯,劃分各樣點對應(yīng)的干預(yù)等級(表1)。依據(jù)大柳塔煤礦人工植被特點[16],其主要人工植被為成排的沙柳,間有少量沙蒿,故主要參考人工種植沙柳的面積比例與成排程度劃分樣點干預(yù)等級。

表1人工干預(yù)等級Ⅰ～Ⅵ劃分標(biāo)準(zhǔn)

Table1Classificationdescriptionofhumaninterventionlevels(Ⅰ-Ⅵ)

干預(yù)等級樣點描述干預(yù)程度 Ⅵ人工栽植沙柳面積近60%,且成排栽植強度干預(yù) Ⅴ人工栽植沙柳面積約40%,且成排栽植較強干預(yù) Ⅳ人工栽植沙柳面積約25%,基本成排栽植中等干預(yù) Ⅲ人工栽植沙柳面積約15%,基本成排栽植較輕干預(yù) Ⅱ人工栽植沙柳面積低于10%,未成排栽植輕度干預(yù) Ⅰ基本無人工栽植沙柳,基本不受人類干預(yù)微度干預(yù)

1.2 數(shù)據(jù)來源與處理

選用遙感影像主要為美國陸地衛(wèi)星影像Landsat TM/OLI,其中Landsat TM影像是包含7個波段的Landsat-5遙感影像數(shù)據(jù),Landsat OLI為包括9個波段以及高分辨率全色波段的Landsat-8遙感影像數(shù)據(jù)。處理分析1988—2016年間7期無云、霧、條帶等影響，植被生長狀況良好的遙感影像(表2),并作圖像預(yù)處理,包括遙感圖像波段合成、輻射校正和裁剪等。

表2研究數(shù)據(jù)

Table2Researchdata

獲取時間數(shù)據(jù)類型數(shù)據(jù)標(biāo)識 1988-09-24Landsat 5 TMLT51270331988268BJC00 1992-07-17Landsat 5 TMLT51270331992199BJC01 1995-09-12Landsat 5 TMLT51270331995255CLT00 1998-07-02Landsat 5 TMLT51270331998183ULM00 2005-09-07Landsat 5 TMLT51270332005250BJC00 2010-08-20Landsat 5 TMLT51270332010232IKR00 2016-09-21Landsat 8 OLILC81270332016265LGN00

1.3 NDVI提取與植被覆蓋度計算

提取植物光譜中的近紅外(對樹葉健康狀況最敏感)與紅外波段(被植被葉綠素強吸收)2個波段值,運用ENVI 5.3軟件運算,基于光譜信息提取研究時點NDVI值(INDV)并分級,計算公式為

(1)

式(1)中,ρNIR為近紅外波段地表反射率;ρR為可見光紅波段地表反射率。

采用衛(wèi)亞星等[17]提出的分級法處理分析圖像數(shù)據(jù),可較直觀準(zhǔn)確地反映研究區(qū)土地覆蓋類型變化規(guī)律。由于研究樣點區(qū)域范圍較小,根據(jù)NDVI值將樣點研究區(qū)域分為3類:NDVI值在>0.5～1之間的區(qū)域為a類(植被生長狀況較好);NDVI值在0.3～0.5之間的為b類(植被生長狀況一般);NDVI值<0.3為c類(植被生長狀況較差)。其中高等級土地單元比低等級的植被生長狀況好(a>b>c)。

提取NDVI值后,運用像元二分模型法估算植被覆蓋度,計算公式為

(2)

式(2)中,FC為植被覆蓋度,取值范圍為0～1;INDV,soil為像元內(nèi)完全裸土或無植被覆蓋的NDVI值;INDV,veg為像元內(nèi)完全被植被所覆蓋的NDVI值。

從理論上講,裸土INDV,soil取值應(yīng)接近0,INDV,veg取值應(yīng)接近1。但因大氣、地表濕度和土壤類型等因素影響,INDV,veg值會隨著空間不同而發(fā)生變化;另外,因Landsat TM/OLI影像空間分辨率為30 m,單像元實地面積為900 m2,而研究區(qū)內(nèi)純植被面積大于900 m2的區(qū)域較少,因此INDV,veg取值不為1。INDV,veg和INDV,soil一般取一定置信度范圍內(nèi)植被覆蓋度的最大值和最小值,并根據(jù)經(jīng)驗估算[18]。結(jié)合1988—2016年干預(yù)等級Ⅰ～Ⅵ各樣點NDVI值與對比試驗設(shè)定,對其取值分別確定為0.01與0.6[19]。運用ENVI 5.3軟件中Band Math模塊計算得出像元值介于[0,1]的植被覆蓋度圖。依據(jù)前人研究[20]并結(jié)合研究區(qū)實際,將植被覆蓋度劃分為5個等級:Fc≤0.1,無植被覆蓋(裸地或水體,N);0.1

1.4 植被恢復(fù)適度人工干預(yù)與調(diào)控模型

運用SPSS 22.0軟件對1988—2016年T值與干預(yù)等級分別進行線性、指數(shù)、對數(shù)、二次以及三次線性方程擬合,確定擬合方程及相關(guān)系數(shù)?？紤]普遍實用性,通過修正方差改進煤礦區(qū)植被恢復(fù)適度人工干預(yù)與調(diào)控模型。

2 結(jié)果

2.1 NDVI值變化

運用ENVI 5.3與Excel 2016軟件統(tǒng)計并整理a、b、c類區(qū)域像元數(shù),得出不同時期不同植被等級所占面積及其比例(表3)。在1988年,c類區(qū)域NDVI值所占比例均較高,除Ⅳ級干擾為84.8%外,其余均達(dá)90%以上,說明研究初始年NDVI值均較低。而隨著年份的推移,c類區(qū)域逐漸向a和b類區(qū)域轉(zhuǎn)移。特別是2016年,Ⅰ～Ⅳ級干預(yù)的c類區(qū)域面積比例均低于1%。另外,與初始1988年相比,Ⅳ和Ⅲ級干預(yù)a類區(qū)域面積比例增幅最大,分別為66.0和53.5百分點;而Ⅵ、Ⅴ、Ⅱ、Ⅰ級干預(yù)b類區(qū)域面積比例增幅最大,依次為63.7、59.7、52.6和74.7百分點。

2.2 植被覆蓋度變化

根據(jù)植被覆蓋度劃分等級,運用ENVI軟件中Density Sliced功能對植被覆蓋度圖進行密度分割,得到1988—2016年研究區(qū)干預(yù)等級Ⅰ～Ⅵ的植被覆蓋度等級圖(圖2)。

表31988—2016年干預(yù)等級Ⅰ～Ⅵ的各區(qū)域NDVI面積占比

Table3TheproportionofNDVIareaintheinterventionlevels(Ⅰ-Ⅵ) %

干預(yù)等級1988年1992年1995年1998年2005年2010年2016年 abcabcabcabcabcabcabc Ⅵ0.00.0100.00.00.0100.00.021.878.20.01.498.62.894.72.50.086.813.217.463.718.9 Ⅴ0.58.990.60.110.889.11.215.283.51.814.184.11.847.850.40.968.530.725.068.66.5 Ⅳ0.015.284.80.025.874.20.038.761.30.031.069.117.167.415.40.095.74.366.033.10.9 Ⅲ0.06.493.61.020.878.32.257.540.31.335.063.741.258.80.019.880.20.053.546.20.3 Ⅱ0.07.093.00.011.888.30.749.350.00.016.483.60.793.06.30.398.90.840.159.60.3 Ⅰ0.01.898.20.01.698.40.02.597.50.02.897.20.613.585.90.944.354.823.576.50.0

a、b、c分別表示NDVI值>0.5～1、0.3～0.5、<0.3的區(qū)域。

圖2 1988—2016年干預(yù)等級Ⅰ～Ⅵ植被覆蓋度等級圖Fig.2 Vegetation coverage grade map of intervention grade Ⅰ-Ⅵ in 1988-2016

運用ENVI統(tǒng)計干預(yù)等級Ⅰ～Ⅵ在不同時期各植被覆蓋等級所對應(yīng)的像元數(shù),整理統(tǒng)計結(jié)果可得植被覆蓋等級所占面積及比例,并對各植被覆蓋等級賦予相應(yīng)權(quán)重,計算不同干預(yù)等級下植被覆蓋度的加權(quán)平均值T。干預(yù)等級Ⅵ時，各植被覆蓋等級面積與T值見表4。各研究時點不同干預(yù)等級下T值見表5。

3 討論

3.1 NDVI值與植被覆蓋度變化分析

3.1.1NDVI值變化分析

1988—2016年,研究區(qū)域各類別植被覆蓋區(qū)域面積存在一定變化。相同氣候、降水等自然條件下,不同干預(yù)等級的植被覆蓋變化趨勢相近;早期a類區(qū)域面積接近于0,隨著時間的推移,c類區(qū)域面積逐漸減少,a、b類區(qū)域面積逐漸增多,其中絕大部分增加的植被覆蓋面積均屬于b類;2010—2016年間,a類區(qū)域面積增幅十分明顯。而不同干預(yù)等級下NDVI變化存在差異,分析各研究時點不同干預(yù)等級下NDVI變化,可發(fā)現(xiàn)一定干預(yù)等級下,隨干預(yù)等級增加，c類區(qū)域面積所占比例逐漸減少,a、b類區(qū)域逐漸增加,但干預(yù)等級達(dá)到某一強度值后,隨干預(yù)等級增加，c類區(qū)域面積所占比例總體呈增加趨勢,a、b類區(qū)域呈下降趨勢;在2005與2010年,隨干預(yù)等級增加,c類區(qū)域面積占比出現(xiàn)2次下降。

表4干預(yù)等級Ⅵ時不同植被覆蓋等級面積與T值

Table4AreaandTvalueofvegetationcoverageatinterventionlevelⅥ hm2

植被覆蓋等級1988年1992年1995年1998年2005年2010年2016年 F0.000.600.776.136.1312.1713.45 H3.213.745.4516.7711.759.759.45 M5.629.3610.141.116.132.091.11 L15.1810.317.650.000.000.000.00 N0.000.000.000.000.000.000.00 T1)14.9218.7321.0431.0530.0032.1032.57

F為高植被覆蓋; H為較高植被覆蓋; M為中植被覆蓋; L為低植被覆蓋; N為無植被覆蓋(裸地或水體);T為植被覆蓋度的加權(quán)平均值。1)單位為%。

表51988—2016年不同干預(yù)等級T值匯總

Table5TvalueofinterventionlevelsⅠ-Ⅵin1988-2016%

干預(yù)等級1988年1992年1995年1998年2005年2010年2016年 Ⅵ14.9218.7321.0431.0530.0032.1032.57 Ⅴ15.1717.5520.8428.5729.6531.7632.46 Ⅳ16.4119.7124.3530.5331.4932.3133.54 Ⅲ12.7217.4823.0130.3631.3232.5433.43 Ⅱ11.2113.6518.1425.4428.7731.0632.71 Ⅰ7.789.4611.9918.9325.3628.0330.80

T為植被覆蓋度的加權(quán)平均值。

3.1.2植被覆蓋度變化分析

1988—2016年間,相同程度的人工干預(yù)等級下,隨著時間推移植被覆蓋均有明顯好轉(zhuǎn),植被覆蓋度總體呈現(xiàn)上升趨勢;且隨著干預(yù)等級增加,T值大體呈現(xiàn)倒“U”型趨勢,即隨著干預(yù)等級的增加,T值呈現(xiàn)先增加后降低的趨勢,但是干預(yù)等級超過某一值時,也出現(xiàn)了植被覆蓋度升高的現(xiàn)象;2010年干預(yù)等級為Ⅲ、Ⅳ、Ⅵ級時,植被覆蓋度基本已達(dá)區(qū)域最佳值。

3.2 植被恢復(fù)適度人工干預(yù)與調(diào)控模型

運用Excel 2016軟件制作1988—2016年不同干預(yù)等級下T值散點圖(圖3)。通過散點圖可以看出,在Ⅲ、Ⅳ級干預(yù)程度下,各研究時點T值散點分布最為密集;而其他干預(yù)等級下,隨著干預(yù)程度與Ⅲ級和Ⅳ級差距增大,T值散點圖越來越分散。表明干預(yù)等級為中等時更利于植被恢復(fù)。

T為植被覆蓋度的加權(quán)平均值。

不同研究時點T值變化與干預(yù)等級變化趨勢基本一致,但仍存在一定差異。因此需要對各年份T值與干預(yù)等級的相關(guān)關(guān)系分別進行研究。運用SPSS 22.0軟件對1988—2016年T值與干預(yù)等級關(guān)系散點圖分別進行線性、指數(shù)、對數(shù)、二次以及三次線性方程擬合,確定擬合方程及相關(guān)系數(shù),探究煤礦區(qū)植被恢復(fù)人工干預(yù)模型。以1998年為例,T值與干預(yù)等級Ⅰ～Ⅵ方程擬合相關(guān)系數(shù)見表6。

表61998年T值與干預(yù)等級方程擬合相關(guān)系數(shù)

Table6CorrelationcoefficientofequationfittingforTvalueandinterventionlevelin1998

方程擬合模型摘要參數(shù)估計值R2FP值常量b1b2b3 線性0.657.310.0520.462.01 對數(shù)0.8420.360.0120.426.44 二次0.9012.790.0312.527.96-0.85 三次0.9720.700.053.6519.12-4.550.35 指數(shù)0.636.830.060.0620.420.08

比較5種擬合方程,三次方程的決定系數(shù)(R2)最高且均為0.95以上,且顯著性均較好。故說明三次線性方程可較客觀反映植被覆蓋度變化?？紤]普遍實用性,對各三次線性方程作一定的修正改進,構(gòu)建礦區(qū)植被恢復(fù)適度人工干預(yù)與調(diào)控模型。

不管何種干預(yù)等級,2005、2010和2016年研究區(qū)T值都基本達(dá)到閾值,而實際上煤礦區(qū)植被恢復(fù)工作大部分處在治理初期，或已破壞但未開始治理。該研究旨在探究人工如何干預(yù)與調(diào)控,能耗費較低成本且快速實現(xiàn)煤礦區(qū)植被恢復(fù),并為相似區(qū)域生態(tài)恢復(fù)提供理論支撐,故研究時點的重點應(yīng)在植被恢復(fù)初期和中期(1988—1998年)?；诖?以干預(yù)等級為自變量,以T值為因變量,構(gòu)建煤礦區(qū)植被恢復(fù)適度人工干預(yù)模型,公式為

(3)

式(3)中,Tf為結(jié)束年份T值，%;T0為初始年份T值，%;ΔYt為年期修正;yb與ya分別為結(jié)束年份與初始年份;x為人工干預(yù)等級。

為評價模型合理性,估算1988—1998年不同干預(yù)等級下的T值,并與實際T值進行比較,采用下式計算誤差系數(shù)EC(CE):

(4)

式(4)中,VE和VR分別為T的估算值與實測值,%。

據(jù)表7可知,1988—1998年不同干預(yù)等級T估算值與實測值的EC均小于13.5%,平均誤差系數(shù)為-0.12%,平均誤差系數(shù)絕對值低于5.8%,能較為客觀地反映不同人工干預(yù)等級下T值隨時間推移的變化,該模型可應(yīng)用于煤礦區(qū)植被恢復(fù)最佳人工干預(yù)程度的選擇。實際應(yīng)用時,可根據(jù)研究區(qū)域的總土地面積通過式(3)計算T值,利用模型判斷何種人工干預(yù)等級可低耗高效地達(dá)到預(yù)期植被恢復(fù)效果。

表7T的估算值與實測值誤差分析

Table7TheerroranalysisofestimationandmeasuredTvalue

%

VE和VR分別為T的估算值與實測值; EC為誤差系數(shù)。**表示估算值與實測值的誤差系數(shù)大于10%。

3.3 措施建議

干預(yù)等級與T值關(guān)系見圖4。

T為植被覆蓋度的加權(quán)平均值。

大柳塔煤礦區(qū)面積共126.55 km2,運用ArcGIS軟件矢量化估算大柳塔煤礦區(qū)村莊與工礦用地面積約為35 km2,要使全區(qū)植被恢復(fù)達(dá)到較好狀態(tài)(植被覆蓋度達(dá)0.35),綜合考慮年期修正影響,最佳人工干預(yù)等級應(yīng)介于Ⅲ～Ⅳ級之間(圖4),因此大柳塔煤礦區(qū)植被恢復(fù)可參照Ⅲ～Ⅳ級干預(yù)開展植被恢復(fù)。即當(dāng)人工栽植沙柳面積比例為15%～25%,且基本成排栽植時,可較低成本、較高效完成煤礦區(qū)植被恢復(fù)。

從干預(yù)等級及其分布情況看,同Ⅴ級與Ⅳ級干預(yù)相比,Ⅲ級與Ⅱ級干預(yù)樣點距村莊與工礦用地較遠(yuǎn),人類活動相對較少;而同Ⅵ級和Ⅰ級干預(yù)相比,Ⅲ級和Ⅱ級干預(yù)樣點距村莊與工礦用地較近,人類活動也相應(yīng)較多。

距離人類活動較近區(qū)域在植被恢復(fù)時投入成本較大,干預(yù)強度較大,其植被恢復(fù)效果會相對較好,但植被恢復(fù)工作不夠經(jīng)濟;距離人類活動區(qū)域較遠(yuǎn)的區(qū)域投入成本較少,植被恢復(fù)效果較差;而Ⅳ級與Ⅲ級干預(yù)植被恢復(fù)效果較好且成本較為適中,因此綜合考慮經(jīng)濟性與恢復(fù)效果,Ⅲ級干預(yù)模式更適于大柳塔礦區(qū),可在開展該地區(qū)植被恢復(fù)工作時作為參考。

另外,大柳塔煤礦區(qū)人工干預(yù)植被恢復(fù)區(qū)域大多集中于村莊附近,且經(jīng)人工干預(yù)后植被恢復(fù)效果均較好,而遠(yuǎn)離村莊區(qū)域基本無人工干預(yù)痕跡。推測這是導(dǎo)致大柳塔煤礦區(qū)總體植被覆蓋狀況不佳的原因之一,建議應(yīng)參考Ⅲ級與Ⅱ級干預(yù),將植被恢復(fù)逐步向距離人類活動區(qū)(村莊、工礦用地等)較適中的區(qū)域轉(zhuǎn)移。

4 結(jié)論

(1)通過比較干預(yù)等級Ⅰ～Ⅵ植被覆蓋度估算值與實際值,檢驗大柳塔煤礦區(qū)植被恢復(fù)人工干預(yù)模型,其平均誤差系數(shù)為-0.12%,平均誤差系數(shù)絕對值低于5.80%,能較為客觀地反映不同人工干預(yù)等級下隨時間推移的T值(植被覆蓋)變化。

(2)人工干預(yù)等級在Ⅳ級與Ⅲ級時能夠較快接近T值閾值(0.35),即人工栽植沙柳面積約在15%～25%且基本成排栽植時,煤礦區(qū)植被恢復(fù)能較快地達(dá)到最佳狀態(tài)。

(3)6個干預(yù)等級中,Ⅲ～Ⅳ級在T值散點分布最為密集,而其他干預(yù)等級下隨著與Ⅲ～Ⅳ級差距增大,T值散點圖逐漸分散,證明中等干預(yù)下植被恢復(fù)穩(wěn)定性更高。

(4) 大柳塔煤礦區(qū)人工干預(yù)植被恢復(fù)多集中于人類活動區(qū)附近,且植被恢復(fù)效果均較好,遠(yuǎn)離村莊區(qū)域基本無人工干預(yù)痕跡。綜合考慮經(jīng)濟性與植被恢復(fù)效果,建議參考Ⅲ級干預(yù),將植被恢復(fù)工作逐步向距人類活動區(qū)適中區(qū)域轉(zhuǎn)移。

致謝: 中國礦業(yè)大學(xué)環(huán)境與測繪學(xué)院李龍博士對英文摘要進行了修改潤色,在此表示衷心感謝。