基于遙感生態指數的霍林河礦區生態修復變化分析

李偉 李思慧 金鑫

摘? 要：基于遙感生態指數（RSEI）方法，對2016—2022年霍林河礦區生態指數變化進行分析，從而為礦區生態修復提供科學依據。應用2016—2022年Landsat 8數據，提取綠度（NDVI）、濕度（WET）、干度（NDBSI）和熱度（LST）4項指標，運用主成分分析方法構建遙感生態指數（RSEI）。結果表明綠度和濕度與RSEI正相關，干度、熱度與RSEI負相關；自2018年開始霍林河礦區遙感生態指數（RSEI）明顯提升；生態修復治理區域即排土場區域遙感生態指數（RSEI）提升最為顯著，生態修復效果明顯。

關鍵詞：遙感生態指數；主成分分析；生態質量

中圖分類號：TP391；X87? 文獻標識碼：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年環境保護部發布《生態環境狀況評價技術規范》（HJ 192—2015）[1]，修訂了2006年國家環境保護總局發布的《生態環境狀況評價技術規范（試行）》（HJ/T 192—2006）[2]，新版技術規范修訂了生態環境狀況指數（ecological index， EI），但構成EI指數的各個指標在數據的可獲取性和評價結果時空分析等方面仍存有不足[3]。在遙感技術廣泛應用背景下，2013年徐涵秋[4，5]基于Landsat 8影像應用主成分方法通過耦合綠度、濕度、熱度和干度４個遙感生態指標來構建遙感生態指數（remote sensing ecologyindex， RSEI），該指數具有易獲得、非人為設定權重、結果可視化的特點，能夠快速定量地評價區域生態環境，因此該方法在生態環境評價中得到廣泛應用。

礦區生態環境研究早期主要集中在土地利用/土地覆被（LUCC）及礦區生態環境評價方面。如：徐嘉興等[6]從生態系統穩定與干擾程度2個方面構建景觀生態質量評價模型，分析評價了賈汪礦區的景觀生態質量及變化；趙玉靈[7]應用層次分析法（AHP）對15個評價因子進行計算權重和排序，建立礦山地質環境質量評價指標體系，綜合評定礦山地質環境等級。由于遙感生態指數具有基于遙感信息的動態特性，許多學者應用遙感生態指數（RSEI）在礦區生態質量監測評價中取得了較好的效果。劉英等采用RSEI及改進的CASA模型監測平朔礦區生態環境變化趨勢[8]；吳志杰等利用RSEI分析永定礦區生態狀況、時空變化特征及驅動因素[9]；韓琳等基于RSEI對寶日希勒礦區生態修復效果進行評估[10]。本文基于RSEI指數，利用多時相Landsat 8遙感數據，分析了霍林河礦區RSEI的時空變化情況，為礦區生態修復評估提供科學依據。

1? 數據與研究區概況

1.1? 研究區概況

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

1.2? 數據來源及預處理

為避免指數在計算過程中受季節變化影響，應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，數據源為美國地質勘探局（USGS）官網，行列號為122/028，空間分布率30 m。應用ENVI遙感圖像處理軟件對影像進行輻射定標、大氣校正預處理，并使用礦區的矢量邊界對影像進行裁剪。

2? 研究方法

2.1? 遙感生態指數（RSEI）模型

2013年徐涵秋提出RSEI模型，該模型通過耦合植被指數、濕度分量、地表溫度和土壤指數4個評價指標，用主成分分析方法來構建遙感生態指數（RSEI），把4個評價指標的主要信息集中到1-2個主成分上，通過數據集降維將原評價指標集中到新的綜合變量（指標）。該模型的優點是客觀合理，指標權重不受人為影響，同時可視化的生態質量評價更易于進行時空變化分析。

2.2? 遙感生態指數（RSEI）計算

2.2.1? 分量指標計算

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

3? 研究結果與分析

3.1? 霍林河礦區RSEI構建主成分分析

運用式（9）對綠度、濕度、熱度、干度4個指標進行歸一化、并進行主成分分析，得出主成分分析結果如表1所示，表1略去2017、2019、2021年份，由計算得知2016—2022年第一主成分PC1貢獻率最低值年份為2017年60.87%，最高值年份為2022年78.16%，PC1集中了4個指標的大部特征，選擇PC1來表示RSEI0。

2016—2021年，主成分分析PC1與NDVI、WET正相關，與LST、NDBSI負相關；而2022年主成分分析PC1與NDVI、WET負相關，與LST、NDBSI正相關；分別應用式（10）、（11）計算RSEI0，最后由式（12）得出2016—2022年遙感生態指數RSEI，值越接近1代表生態環境質量越優，越接近0越差。

3.2? 霍林河礦區遙感生態質量變化分析

將RSEI以0.2為間隔分成5級，分別代表差、較差、中等、良和優5個等級，對應的等級編號分別為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RSEI很差，其中生態質量差、生態質量較差的紅色區域面積大致占礦區面積75%的比例；2018、2019年生態質量有所提升，圖中生態質量中等的黃色區域、生態質量良和生態質量優的綠色區域面積都明顯增多；2020—2022年生態質量保持穩定，生態質量較差區域主要集中在北露天煤礦、南露天煤礦開采區域，其余地區生態質量以優良為主。

表2為遙感生態質量分級面積統計表，可以看出2016—2022年霍林河礦區生態質量良、生態質量優的面積占比由6.02%、5.50%上升至14.37%、11.00%；生態質量差的面積占比由49.20%減少至30.23%；生態質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，生態質量明顯提升。

3.3? 霍林河礦區生態修復變化分析

圖2中a、b部分為2016、2022年霍林河礦區遙感影像，通過對比兩景影像可看出，北露天煤礦北部外排土場，南露天煤礦西側西排土場、南側南排土場、東側內排土場及沿幫排土場等區域白色排土場轉為綠色植被覆蓋變化，說明礦山排土場生態修復工程效果良好。圖2中c部分為2016—2022年RSEI變化分級圖，黃色區域為無顯著變化區域、綠色區域為變好區域、紅色區域為變差區域，圖中綠色變好區域主要分布在南、北露天煤礦排土場區域，紅色變差區域主要分布在南露天煤礦北側、北露天煤礦南側新開采礦山區域。

表3為2016—2022年霍林河礦區生態質量等級轉移矩陣，矩陣中行、列的總計欄分別對應2022年、2016年RSEI各個分類等級的面積，矩陣中間的數據則對應兩年間不同RSEI等級的轉換情況。由表可知，2016—2022年差等級存在明顯的轉出，較差等級轉入轉出不明顯，中等級、良等級和優等級存在較明顯的轉入。矩陣中五個等級的對角線上的值表示RSEI等級不變，對角線上方區域的數值為RSEI等級轉為低于原RSEI的等級，即為生態質量下降，對角線下方區域的數值為RSEI等級轉為高于原RSEI的等級，即為生態質量提升。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年霍林河礦區生態質量明顯好轉。

4? 結? 論

本文基于2016—2022年同時期Landsat 8 OLI遙感數據，反演獲取綠度、濕度、干度、熱度4個指標，通過主成分分析法構建了RSEI。通過對比RSEI的年際變化和計算等級轉移矩陣，全面分析了霍林河礦區生態質量變化狀況：

1）綠度、濕度、熱度、干度 4個指標所構成的遙感生態指數，能夠全面快速地反映生態環境的變化。從單一生態指標與RSEI的相關性來看，綠度與濕度指標對生態環境質量的貢獻為正，而干度與熱度指標對生態環境質量的貢獻為負。

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

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

4）霍林河礦區近年來確立建設人工生態型礦區的生態修復目標，并通過實施覆土整形、供水系統、水土保持、植被重建等多項礦山修復治理工程，修復多個排土場、廢棄采坑，在礦山生態修復治理方面取得良好效果。

參考文獻：

[1] 環境保護部.生態環境狀況評價技術規范：HJ/T 192—2015 [S].北京：中國環境科學出版社，2015.

[2] 國家環境保護總局.生態環境狀況評價技術規范（試行）：HJ/T 192—2006 [S].北京：中國環境科學出版社，2006.

[3] 葉有華，梁永賢，沈一青，等.《生態環境狀況評價技術規范（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.區域生態環境變化的遙感評價指數 [J].中國環境科學，2013，33（5）：889-897.

[5] 徐涵秋.城市遙感生態指數的創建及其應用 [J].生態學報，2013，33（24）：7853-7862.

[6] 徐嘉興，李鋼，陳國良，等.土地復墾礦區的景觀生態質量變化 [J].農業工程學報，2013，29（1）：232-239+296.

[7] 趙玉靈.基于層次分析法的礦山環境評價方法研究——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.典型露天礦區生態環境遙感評價 [J].西安科技大學學報，2021，41（4）：682-691.

[9] 吳志杰，王猛猛，陳紹杰，等.基于遙感生態指數的永定礦區生態變化監測與評價 [J].生態科學，2016，35（5）：200-207.

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

[11] 王洪明，李如仁，覃怡婷，等.時間序列InSAR技術在礦區地表形變監測中的應用——以內蒙古霍林河露天礦區為例 [J].中國地質災害與防治學報，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，內蒙古呼倫貝爾人，中級工程師，碩士研究生，主要研究方向：農業與生態氣象衛星遙感應用；通訊作者：李思慧（1984—），女，漢族，內蒙古通遼人，高級工程師，碩士研究生，主要研究方向：農業與生態氣象衛星遙感應用。