基于Landsat影像的高寒礦區排土場植被覆蓋度動態監測

摘要：為研究青海木里煤田江倉礦區煤炭資源露天開采對區內植被的影響，以及開采后區內植被覆蓋度的時空變化，基于江倉礦區2000～2022年8期Landsat衛星影像數據，通過計算歸一化植被指數（NDVI），利用像元二分模型估算區內植被覆蓋度及其變化特征。結果表明：① 空間尺度方面，區內植被覆蓋度呈現西高東低和北高南低、由西北方向至東南方向呈遞減的變化趨勢；② 時間尺度方面，2000～2013年間區內露天開采煤炭資源導致高植被覆蓋區域面積占比由57.84%降至16.35%，平均植被覆蓋度由0.733 8降至0.583 6；2013～2018年間植被恢復效果得到顯著提高，2018年高植被覆蓋區面積占比和平均植被覆蓋度分別增加至66.29%和0.718 2；至2022年時低植被覆蓋區面積占比由14.64%下降至8.46%，高植被覆蓋區面積占比由16.35%增加至45.58%。研究成果可為以江倉礦區為代表的高寒環境條件下開展礦山排土場植被覆蓋度動態監測提供參考。

關鍵詞：植被覆蓋度； 排土場植被恢復； 歸一化植被指數； 像元二分模型； 高寒礦區

中圖法分類號：Q948.1;TD824.8 文獻標志碼：A

DOI：10.15974/j.cnki.slsdkb.2025.04.019 文章編號：1006-0081（2025）04-0107-07

0 引 言

對礦產資源過度開發，易引發地表塌陷、礦區植被破壞和地下水資源污染等問題［1］。青海木里煤田江倉礦區地處青藏高原祁連山南麓腹地，黃河重要支流大通河源頭，生態安全戰略地位突出［2］。該地區經過多年露天開采，大面積高寒草甸表土剝離形成大量的地下凍土、巖土、巖石與煤矸石機械堆積的排土場［3］，不僅剝離了土壤植被，同時也產生地表塌陷、龜裂等環境地質問題，危害到區內畜牧業以及礦區及其周邊居民的生命財產安全［4］。對礦山實施生態修復，可有效緩解礦山生態突出問題，而礦山生態修復成效、生態狀況改善則可以通過植被覆蓋度的動態變化反映［5］。

植被覆蓋變化是監測環境質量的關鍵指標之一，它能準確反映水文、氣候和人類活動的變化，特別是在干旱和半干旱地區［6-7］。植被覆蓋度（Fractional Vegetation Coverage，FVC）通常定義為植物（包括葉、莖、枝）在地表平面的豎向投影面積與所有地表平面面積之間的百分比，作為表達地表植被群落覆蓋情況的重要量化指標，也是生態環境變化的重要指示參數［8］。此外，歸一化植被指數（Normalized Difference Vegetation Index，NDVI）亦作為常用的植被遙感指數，能很好反映地表植被的覆蓋和繁茂程度，也是衡量區域生態系統的重要信息［9-12］。大量研究表明，礦山不合理開采會改變該地區植被覆蓋度，且對當地生態環境造成破壞［13］。因此，開展高寒干旱凍融環境下礦山排土場植被恢復及其生態環境動態監測，防治水土流失、滑坡、地裂縫等地質災害的發生則是一項重要任務。

傳統的植被監測方法盡管精確度較高，但其監測覆蓋范圍相對較小且耗費大量人力物力，利用遙感技術可對植被狀況實現大范圍、長時間且高效的監測，目前已成為植被覆蓋度監測的重要方法［14］。國內外學者基于遙感數據對不同地區植被覆蓋相關方面開展大量研究，并取得了較為豐碩的成果。王克鈺等［15］基于無人機可見光影像，選擇EXG、EXG-EXR、VDVI和NGRDI 4種可見光植被指數，將植被指數時序圖交點法和樣本統計法相結合進行閾值分割，從而提取植被覆蓋度并對提取結果精度進行驗證，結果表明，VDVI的提取精度最高，為95.83%，Kappa系數為0.92。鐘靜等［16］以湖北西部山體區域為研究區域，基于2000～2020年的MOD13Q1 NDVI遙感數據，利用像元二分模型計算植被覆蓋度，結果表明，區內植被覆蓋度總體呈上升趨勢，平均植被覆蓋度增加0.025。李鵬傲等［17］以河南為研究區，基于2010～2019年的MODIS NDVI數據，通過像元二分模型估算植被覆蓋度和利用一元線性回歸獲取變化趨勢，使用Pearson相關系數法探討區內植被指數和植被覆蓋度的時空變化，結果表明，2010～2019年的年度最大NDVI均值存在波動現象，呈微弱下降趨勢，且較高和中等植被覆蓋度占比較大。阿卜杜熱合曼·吾斯曼等［18］以新疆博斯騰湖蘆葦沼澤濕地為研究區，基于2017～2022年間Sentinel-2遙感影像和野外實測樣點數據，采用像元二分法提取植被覆蓋度和分析其時空分布特征，結果表明，2017～2022年間濕地平均面積約為1.6×105 hm2，其中植被面積約占31.22%。 Liu等［19］采用二元像素模型、線性回歸等方法，對黃河流域植被覆蓋率進行時空分析，結果表明，2003～2020年，黃河流域植被覆蓋度（FVC）以每年0.19%的平均速度增長。Li等［20］基于1990～2020年云南中部城市群的NDVI時間序列數據，使用Theil-Sen中位數和Mann-Kendal檢驗方法，分析了植被覆蓋的時間和空間變化，結果表明：云南中部城市群的植被覆蓋從西向東、從南向北逐漸減少，中高和高植被覆蓋超過55%；1990～2020年期間，東部和北部地區觀察到顯著改善，增加了22.49%，核心區域顯示出嚴重的退化，覆蓋率接近1.56%。

綜上可知，國內外學者已較多使用衛星遙感對氣候溫和、降雨量相對較充足、海拔相對較低地區的植被覆蓋度開展研究，其結果表明植被覆蓋度可準確直觀地顯示植被的生長變化情況。相比較而言，地處高海拔的青藏高原高寒礦區植被恢復監測方面的研究則相對較少。鑒于此，本研究以Landsat TM/OLI 多時相影像作為數據源，結合像元二分模型，對位于青藏高原東北部的青海木里煤田江倉礦區開采前后其地表植被覆蓋度進行長時序遙感監測；在此基礎上，分析開采后植被覆蓋度時空變化特征，進一步評價區內煤炭開采對地表植被的破壞情況和人工種植植被生態恢復效果，以為高寒礦區排土場開展植被生態恢復以及坡面地質災害防治提供科學依據和數據支撐。

1 研究區概況

本研究選取位于青海海北剛察縣與海西天峻縣交界處的江倉礦區作為研究區，地理坐標為東經99°27′～99°37′、北緯38°02′～38°10′，東西長約18 km，南北寬約5 km，面積約90 km2，其地理位置如圖1所示。研究區地處青藏高原東北部高寒地帶，海拔3 800～4 200 m，年平均氣溫為-2.8 ℃，年平均降雨量為277 mm，年平均蒸發量為1 544.84 mm，晝夜溫差變化大，四季不分明，屬于典型高原大陸性氣候［21-22］。由于煤炭資源露天開采、建筑物和道路等基礎設施建設，自然地貌景觀、高寒沼澤草甸和植被破壞嚴重，生態環境脆弱。

根據已有研究［23］可知，江倉礦區于2004 年開始露天開采，采后形成多個大面積的礦坑和排土場，導致礦區地貌景觀、植被資源遭到嚴重破壞，帶來嚴重的礦山生態環境問題；區內開采后的礦坑和由煤矸石、渣土等廢棄物堆積形成的排土場分布位置遙感影像如圖2所示。

2 數據與方法

2.1 數據介紹

本研究選用源自地理空間數據云的2000，2004，2007，2010，2013，2014，2018，2022年等8期Landsat遙感影像作為研究數據源，時間分辨率為16 d，空間分辨率為30 m。由于區內冬季積雪時間較長，其他月份的 NDVI 數據存在空值與低質量數據，為有效降低云、大氣、雪等對影像的影響，時間選在植被生長旺盛且云覆蓋量小于10%的6～9月。本研究使用的Landsat原始遙感影像數據信息如表1所示。

2.2 數據預處理

本研究采用ArcGIS 10.8和ENVI 5.6軟件對影像進行預處理。首先進行輻射定標，然后進行FLAASH大氣校正。最后，以研究區SHP矢量邊界對預處理后的遙感影像進行裁剪，獲得江倉礦區的多光譜遙感影像并用于計算NDVI值。NDVI能消除部分與太陽高度角、衛星觀測角、地形、云影等與大氣條件有關的輻射變化，也是植被生長狀態及植被覆蓋度最佳指示因子［24］，其具體計算公式如下［25-26］：

式中：ρNIR和ρR分別代表近紅外波段和紅外波段反射率數值。

2.3 像元二分模型估算植被覆蓋度及其異常值處理

像元二分模型是計算植被覆蓋度較為成熟且常用的方法［27-28］，像元二分模型提取FVC的原理是假設圖像中的一個像元由植被與非植被覆蓋地表兩部分構成，且每個組分對遙感傳感器所觀測到的信息均有貢獻，因此可將遙感信息分解建立像元分解模型，從而估算植被覆蓋度［29］。像元的植被覆蓋度即為綠色植被部分所占像元面積的比率［30］，因其具有計算簡單和結果可靠的特點，為廣泛使用的估算植被覆蓋度模型［31］。在實際應用中，基于NDVI像元二分模型得到估算植被覆蓋度的公式為［32］

式中：FVC取值范圍通常為［0，1］；NDVIsoil為無植被覆蓋區域的NDVI值，NDVIveg為植被覆蓋區域的NDVI值，NDVIveg理論取值為1，但因空間分布不均和植被類型差異等影響因素的存在，該值往往隨時間空間變化［33］。因此，為有效減小誤差和排除極端值，將NDVIsoil和NDVIveg設立一個置信區間，本研究根據區內植被實際情況和設定置信度區間為5%～95%，區間最小值為NDVIsoil，區間最大值為NDVIveg，讀取對應的像元值，分別確定為區內有效的NDVIsoil值和NDVIveg值［34］。然后，利用像元二分模型計算得出區內8個不同時期排土場植被覆蓋度。本研究所采用有效的NDVIsoil值和NDVIveg值如表2所示。

3 結果與分析

3.1 平均植被覆蓋度變化分析

由圖3可知，研究區內總體表現出平均植被覆蓋度在2000～2022年呈輕微波動，至2013年急劇下降后顯著上升再輕微下降的變化趨勢。其中，區內2000年平均植被覆蓋度為0.733 8，說明2000年植被覆蓋情況良好；2004～2010年開采期間，區內平均植被覆蓋度出現輕微波動，反映出在此期間盡管煤炭資源開采對區內原生草甸植被造成破壞，但是礦坑周圍由采后形成的大量廢渣和松散土體構成的排土場區域植被恢復生長狀況良好，總體表現為平均植被覆蓋度下降幅度相對不顯著；至2013年區內露天煤礦資源開采期間，平均植被覆蓋度由0.733 8下降至0.583 6，該結果反映出區內經過10 a左右露天開采后，地表的植被受到顯著破壞。

自2014年區內開展礦山生態環境治理和植被種植以來，2022年平均植被覆蓋度由2013年的0.583 6增至0.670 1，反映出研究區內自實施植被生態恢復以來，位于露天采礦坑兩側排土場分布區植被覆蓋度表現出顯著增加的趨勢，說明了區內排土場開展植被種植對礦區植被覆蓋度的提高和生態環境的改善具有顯著的作用。

3.2 不同等級植被覆蓋度變化分析

為進一步有效地分析區內植被覆蓋度變化特征，計算得到區內5種不同等級植被覆蓋度面積（S）所占比例（P）結果，如表3、圖4所示。

由表3、圖4可知，區內煤礦資源露天開采前（2000年），中高、高植被覆蓋區域占比為86.62%，低、中低植被覆蓋區域僅為13.38%，反映出研究區內植被覆蓋狀態良好。與2000年的礦區開采前相比較，2013年區內表現出低、中低、中、中高植被覆蓋明顯升高的趨勢，低、中低、中、中高植被覆蓋面積比例分別由4.74%增加至14.64%、由1.72%增加至2.88%、由6.92%增加至17.53%、由28.78%增加至48.61%；高植被覆蓋區域占比則表現出顯著下降，由57.84%降至16.35%。由此可見，研究區內經過露天開采后，其地表植被破壞情況較為嚴重；相應地，在2013～2018年，區內2014年實施植被恢復以來，排土場植被恢復效果良好，至2018年，區內高植被覆蓋區域面積占比由16.35%增加至66.29%，其平均植被覆蓋度由0.583 6增加至0.718 2。接近區內開采前2000年平均植被覆蓋度（0.733 8）的水平。

此外，2018～2022年，由于區內人類活動增多和牧民放牧等諸方面原因，高植被覆蓋度區域面積占比則呈明顯下降，即由66.29%降至45.58%，中植被覆蓋和中高植被覆蓋區域面積占比上升明顯，分別由3.12%增加至16.03%和14.41%增加至26.32%，但平均植被覆蓋度波動較小，說明研究區內采后植被覆蓋度整體恢復效果良好。

3.3 植被覆蓋度時空分布特征

通過使用ENVI 5.6和ArcGIS 10.8軟件計算區內植被覆蓋度，并得到2000，2004，2007，2010，2013，2014，2018，2022年區內露天開采前和開采后排土場及周邊區域植被覆蓋度分布和變化特征，如圖5所示。

由圖5可知，區內露天開采區域所形成的礦坑和排土場與其周邊區域原生草甸植被覆蓋度之間存在較大差異，主要表現在露天開采區域主要處于低植被覆蓋和中低植被覆蓋區域，空間分布上植被覆蓋度整體表現出西高東低、北高南低的特征，且以區內1號井、2號井、4號井和5號井等4個井田為界，表現出自西北方向至東南方向遞減的變化趨勢。

與2000年的植被覆蓋度相比較，2004年區內位于東南部區域的植被覆蓋度呈輕微下降趨勢，如圖5（b）所示；至2010年，露天開采造成區內地表形成1號井、2號井、4號井和5號井等4個露天礦坑，且開采后產生的煤矸石廢棄物在礦區周圍堆積形成不同規模排土場，使得礦坑及周圍植被覆蓋度顯著降低，而其他未形成排土場堆積影響的原生草甸區域植被覆蓋情況良好，且大部分屬于中高植被覆蓋和高植被覆蓋區域；至2013年，區內經過近10 a露天開采，地表植被嚴重破壞，形成的露天礦坑和排土場使低植被覆蓋區面積明顯增大，如圖5（e）所示；同時，礦區開采期間，采礦對礦坑外圍原生草甸區域植被亦產生顯著影響，表現在高植被覆蓋區域面積呈大幅度下降，中植被覆蓋和中高植被覆蓋區域面積則明顯上升，區內整體植被覆蓋度呈顯著下降的變化趨勢；直至2014年，區內停止開采并開展礦山排土場植被生態恢復以來，至2018年，區內礦坑周圍排土場及周邊區域植被覆蓋度得到明顯提升，反映出開展植被種植修復是區內植被覆蓋度增加的主要因素；最后，至2022年，區內排土場低植被覆蓋區域面積明顯減少，礦坑周圍區域植被覆蓋度顯著增大，表明區內排土場通過人工種草復綠效果顯著，結果如圖5（h）所示。上述結果反映出研究區內排土場經過近10 a的人工植被生態修復，排土場及其周邊植被覆蓋度均得到顯著性提高。

4 結 論

（1） 2000～2022年，研究區內地表平均植被覆蓋度整體表現出先輕微波動，至2013年急劇下降后顯著上升再輕微下降的變化趨勢；具體表現為2013年露天開采后區內植被平均覆蓋度由0.733 8急劇下降至0.583 6，2018年的平均覆蓋度顯著上升至0.718 2，至2022年時平均植被覆蓋度輕微下降至0.670 1。

（2） 與2000年開采前相比較，2013年開采后，區內低、中低植被覆蓋區域面積占比由6.46%增加至17.52%，高植被覆蓋區域面積占比由57.84%降低至16.35%；至2022年時，區內低植被覆蓋區域面積占比由14.64%下降至8.46%、高植被覆蓋區域面積占比由16.35%增加至45.58%。該結果說明區內經過露天開采后其地表植被破壞情況較為嚴重，通過人工植被種植恢復，植被生長良好且恢復效果較為顯著。

（3） 2000～2022年區內地表植被覆蓋度空間分布上整體表現出西高東低，北高南低，且由西北方向至東南方向呈遞減的變化趨勢。

參考文獻：

［1］ 張嵩，馬保東，陳玉騰，等.超貧磁鐵礦區植被覆蓋度變化的遙感監測［J］.測繪與空間地理信息，2018，41（6）：126-128，131.

［2］ 楊鑫光，李志煒，王克宙，等.基于OCVOR優化模型的高寒受損煤礦區人工恢復效果評價研究［J］.中國草地學報，2024，46（3）：38-46.

［3］ 金立群，李希來，孫華方，等.高寒礦區排土場不同坡向植被和土壤特征研究［J］.土壤，2020，52（4）：831-839.

［4］ 黨鵬翔.木里煤礦聲波增雨生態修復試驗及其效果評估［D］.西寧：青海大學，2023.

［5］ 馬磊，李成，司洪濤，等.礦山公園植被恢復動態監測及影響因素——以渝北銅鑼山為例［J］.中國水土保持科學（中英文），2023，21（6）：111-120.

［6］ 付珺琳，徐堅，趙登忠，等.基于Landsat影像的千將坪滑坡植被覆蓋度變化監測［J］.水利水電快報，2023，44（3）：101-106.

［7］ RAID A，MEHAI K，SACO P M，et al.Monitoring and mapping vegetation cover changes in arid and semi-arid areas using remote sensing technology：a review［J］.Remote Sensing，2022，14（20）：5143.

［8］ 陳黔.基于Google Earth Engine的中國北方四大沙地灌木覆蓋度估算［D］.貴陽：貴州師范大學，2019.

［9］ LV W，HU X，LI X，et al.Multi-model comprehensive inversion of surface soil moisture from Landsat images based on Machine Learning Algorithms［J］.Sustainability，2024，16（9）：3509

［10］ ZHANG Y，WANG T，YOU Y，et al.A novel estimation method of grassland Fractional vegetation cover based on multi-sensor data fusion［J］.Computers and Electronics in Agriculture，2024，225：109310.

［11］ WANG H，LIU G，LI Z，et al.Driving force and changing trends of vegetation phenology in the Loess Plateau of China from 2000 to 2010［J］.Journal of Mountain Science，2016，13（5）：844-856.

［12］ 呂偉濤，胡夏嵩，劉昌義，等.黃河上游龍羊峽至積石峽段流域植被對氣候變化的響應［J］.草地學報，2024，32（6）：1923-1935.

［13］ 程方平，陳坤，張祥春，等.礦山開采對生態環境的影響評價［J］.安全與環境學報，2011，11（1）：113-117.

［14］ 劉曉菲.基于長時序多源遙感數據的植被覆蓋度反演與變化檢測研究［D］.徐州：中國礦業大學，2014.

［15］ 王克鈺，李希來，李國榮，等.基于可見光影像的木里礦區排土場植被覆蓋度提取研究［J］.青海大學學報，2024，42（3）：17-24，46，111.

［16］ 鐘靜，皇永波，郭明強.近20年鄂西地區植被覆蓋度時空變化特征分析［J］.地理空間信息，2023，21（2）：50-55.

［17］ 李鵬傲，姜永濤，張珍珍，等.河南省植被覆蓋度時空變化及其原因分析［J］.地理空間信息，2023，21（11）：76-80.

［18］ 阿卜杜熱合曼·吾斯曼，玉素甫江·如素力，張旭輝，等.基于Sentinel-2影像的博斯騰湖蘆葦沼澤濕地信息提取與動態監測研究［J］.海洋湖沼通報，2023，45（4）：88-96.

［19］ LIU C，ZHANG X，WANG T，et al.Detection of vegetation coverage changes in the Yellow River Basin from 2003 to 2020［J］.Ecological Indicators，2022，138：108818.

［20］ LI Y，SONG Y，CAO X，et al.Temporal-spatial changes in vegetation coverage under climate change and human activities：a case study of central Yunnan urban agglomeration，China［J］.Sustainability，2024，16（2）：661.

［21］ 閆聰，胡夏嵩，李希來，等.高寒礦區排土場植被恢復對邊坡土體物理力學性質影響研究［J］.工程地質學報，2022，30（2）：383-393.

［22］ 楊幼清，胡夏嵩，李希來，等.高寒礦區軟弱基底排土場邊坡穩定性數值模擬［J］.地質與勘探，2020，56（1）：198-208.

［23］ 才永吉.基于RS與GIS技術的江倉礦區生態環境監測與評價［D］.西寧：青海大學，2016.

［24］ 張珍珍，熊康寧，黃登紅.近30年來梵凈山植被覆蓋時空變化及影響因素分析［J］.水土保持研究，2018，25（2）：183-189，389.

［25］ 周喆，胡夏嵩，劉昌義，等.基于GEE的黃河上游生態環境質量動態監測與評價：以龍羊峽至積石峽段為例［J］.生態學雜志，2023，42（10）：2545-2554.

［26］ ZHOU Z，LI H，HU X，et al.Spatiotemporal evolution and spatial analysis of ecological environmental quality in the Longyangxia to Lijiaxia Basin in China based on GEE［J］.Sensors，2024，24（16）：5167-5167.

［27］ 王曉蕾，石守海，陳江朝霞.黃河流域植被覆蓋度變化及驅動因素［J］.中國環境科學，2022，42（11）：5358-5368.

［28］ 肖英才，胡文敏，黃熠和，等.洞庭湖區山水林田湖草生態變化及修復對策研究［J］.人民長江，2023，54（7）：47-54.

［29］ 王潤科，王建，趙澤斌，等.基于MOD13Q1數據的天水市植被覆蓋度時空變化分析［J］.遙感技術與應用，2024，39（4）：987-999.

［30］ 李雁楠，林富明，李鐵男.基于遙感分析技術的河岸帶植被覆蓋度監測分析研究［J］.測繪與空間地理信息，2023，46（增1）：27-29.

［31］ 王星，霍艾迪，呂繼強，等.塔里木河干流植被覆蓋度動態變化及驅動因素分析［J］.農業工程學報，2023，39（8）：284-292.

［32］ WANG T，ZHANG J.Remote sensing image characteristics and typical area analysis of Taiyuan Xishan Ecological Restoration Area［J］.Sensors，2023，23（4）：2108-2108.

［33］ 陳峰.基于Landsat TM/OIL的濟寧市植被覆蓋度動態變化分析［J］.河南科技，2021，40（22）：129-133.

［34］ 葛利玲，王璐.融合多源遙感數據的南陽市淅川縣植被動態演變研究［J/OL］.自然資源遙感，1-11（2024-08-21）［2025-03-03］.http：//kns.cnki.net/kcms/detail/10.1759.P.20240821.1355.003.html.

（編輯：李 晗）

Dynamic monitoring of vegetation coverage in alpine mining dump based on Landsat imagery

DENG Taiguo，HU Xiasong，LIU Changyi，WU Zhijie，HE Dequan，LEI Haochuan

（School of Geological Engineering，Qinghai University，Xining 810016，China）

Abstract： In order to study the impact of open-pit mining of coal resources on vegetation in Jiangcang mining area of Muli coalfield in Qinghai Province，and study the temporal and spatial variation of vegetation coverage after mining，this study used Normalized Vegetation Index （NDVI） to estimate the vegetation coverage and its change characteristics in the area based on the Landsat satellite image data of eight time phases in Jiangcang mining area from 2000 to 2022.The results showed that in terms of spatial scale，the vegetation coverage in the area showed a trend of high in the west and the north and low in the east and the south，and decreased from the northwest to the southeast.In terms of time scale，during the period of 2000 to 2013，the proportion of high vegetation coverage area and average vegetation coverage in the region decreased from 57.84% to 16.35% and 0.733 8 to 0.583 6 due to open-pit mining of coal resources.The effect of vegetation restoration was significantly improved from 2013 to 2018，which showed that the proportion of high vegetation coverage area and average vegetation coverage increased to 66.29% and 0.718 2，respectively.By 2022，the proportion of low vegetation coverage area decreased from 14.64% to 8.46%，and the proportion of high vegetation coverage area increased from 16.35% to 45.58%.The results of this study can provide a reference for the dynamic monitoring of vegetation coverage in mine dump under the alpine environment represented by Jiangcang mining area.

Key words： vegetation coverage； dump vegetation restoration； Normalized Vegetation Index （NDVI）； pixel binary model； alpine mining area

收稿日期：2024-12-02

基金項目：國家自然科學基金項目（42267024）

作者簡介：鄧太國，男，碩士研究生，研究方向為生態遙感和地理信息系統應用。E-mail：616834346@qq.com

作者簡介：劉昌義，男，講師，碩士，主要從事地質工程等方面的研究工作。E-mail：1358128151@qq.com

引用格式：鄧太國，胡夏嵩，劉昌義，等.基于Landsat影像的高寒礦區排土場植被覆蓋度動態監測［J］.水利水電快報，2025，46（4）：107-113.