2. 南京农业大学中国土地问题研究中心, 江苏 南京 210095
2. China Land Problem Research Center, Nanjing Agricultural University, Nanjing 210095, China
煤炭资源是国家和社会发展的重要基础和基本保障。我国是一个多煤少油的国家, 国家关于煤炭行业发展的“十三五”规划中指出, 煤炭仍将长期是我国的主体能源[1]。目前, 由于东中部地区煤炭资源开发与环境保护之间的矛盾日益尖锐, 煤炭资源的开发重心不断向西部地区转移[1]。煤炭在保障国民经济快速发展的同时, 不可避免地会造成矿区内土地退化, 植被破坏, 大气、水体、土壤污染, 尤其是西部地区生态环境较为脆弱, 大规模的采矿活动会引起一系列诸如生态系统退化、生物多样性丧失等生态环境问题[2-6], 会对西部地区的生态环境和经济社会可持续发展造成严重影响。这些生产-生活-生态之间的矛盾严重制约着矿区资源开发与经济社会的可持续发展, 因此, 需要及时、准确、高效的监测方法来确保长期监测的可行性及对突发事件的及时处理, 为煤矿区生态环境综合治理和社会可持续发展提供技术方法和决策参考。
传统的监测方式以人工现场实地调研为主, 需要在矿区内建立固定的观测站并派专人定期观测, 费时费力, 成本高, 难度大, 获取数据量有限且更新速度慢, 无法达到长期精准监测的目的, 很难满足地方政府和相关部门的实际监测需求。随着遥感技术的发展, 传统监测方式已逐渐被遥感监测方式所替代。遥感技术因其具有的宏观性、时效性、客观性、数据稳定和标准统一等特点, 被广泛应用于煤矿区开采活动和生态环境变化的动态监测[7-14]。
彭苏萍等[9]利用多时相TM影像数据, 采用主成分分析法, 较好地提取煤矿区积水塌陷动态变化信息; 王晓红等[15]系统对比了多源遥感数据对矿产资源开发状况及其引发的环境问题的监测效果与性能, 最终发现高分辨率影像在监测硐采矿区时的性价比最高; 蔡博峰等[16]以霍林河一号露天矿为例, 基于遥感方法, 结合地面实地踏勘和样方调查及室内GIS分析, 针对矿区生态变化特征构建生态变化监测和评价方法; 于颂等[4]利用决策树分类对平朔露天煤矿的土地利用变化情况进行遥感监测, 取得了较好的效果; 汤傲[17]利用多光谱及雷达影像数据, 测度了乌海矿区的生态受损情况, 并提出了相应的生态修复策略。
尽管目前已有以上多种遥感监测应用研究, 但仍缺少有关界定露天矿区覆煤地表范围的研究, 笔者以云南开远小龙潭露天煤矿为研究区, 基于矿区典型地物水体、植被、裸地和煤堆的光谱特征以及Landsat 8遥感数据的波段特性, 提出了归一化差异煤矿指数(normalized difference coal mine index, NDCMI), 并结合地物样本NDCMI值设定阈值区分煤堆与背景地物信息。根据矿山开采和堆积方式, 采用实地调研、遥感解译、统计分析和历史对比相结合的方法, 提高识别精度, 以期为有关部门的监测工作提供方法上的借鉴。
1 研究区概况小龙潭矿区位于云南省红河哈尼族彝族自治州开远市小龙潭镇辖区内, 是目前云南省最大的现代化露天煤矿, 同时也是国家批准建设的13个大型煤炭基地——云贵基地的重点矿区之一, 是云南省重要的能源生产基地。小龙潭矿区下辖小龙潭和布沼坝2个露天矿, 分布在南盘江两侧。小龙潭矿区所处地区为典型的山间盆地。该盆地是一个东北—西南向的坝子, 东西宽约3 km, 南北长7 km, 其中, 含煤面积大约为9 km2。
2 数据与研究方法 2.1 数据来源与处理由于小龙潭矿区位于亚热带地区的山间盆地, 理想数据的获取较为困难。考虑到云量和季节的影响, 采用Landsat 8遥感影像(https://www.usgs.gov)作为数据源, 其空间分辨率为30 m, 并选取2013—2018年的6期遥感影像, 具体信息见表 1。
在获取多期遥感影像之后, 首先对遥感影像进行辐射定标、大气校正、几何精校正等预处理工作[18], 然后根据目视解译结果与实地调研情况将预处理后的影像进一步裁剪得到研究区影像(图 1)。
地物的反射率随着波长变化而变化, 构成了地物自身独特的波谱, 从而为遥感影像的判断提供依据, 这也是比值型遥感指数的构建原理。目前利用比值运算创建的指数很多, 常见的有归一化植被指数(NDVI)和归一化水体指数(NDWI)等[19-20]。比值型指数创建的基本原理是在多光谱波段内, 找出目标物与其他地物之间的波谱差异, 并利用比值算法拉大其差距, 使目标地物在经过指数处理后所得到的影像上实现亮度的增强, 而其他地物则作为背景, 亮度被削弱, 从而达到突出目标地物的目的。
通过目视解译与实地调研, 将露天煤矿常见的地物分为水体、植被、裸地和煤堆4类。在遥感影像上分别选取地物样本并分析其光谱特征, 可以发现在可见光波段和红外波段上4类地物具有较大差异, 具体特征见图 2。
水体的反射主要发生在蓝绿光波段, 在其他波段范围内吸收都较强, 所以水体在可见光波段和红外波段上整体反射率不高。植被的光谱特征有较为明显的规律, 主要分为3个部分:可见光波段范围内反射率较低; 近红外波段反射率明显升高; 中红外波段范围内反射率呈降低趋势。通过目视解译与实地调研发现, 小龙潭矿区裸地属于裸岩石砾地, 其反射率在可见光波段到近红外波段范围内一直呈上升趋势, 在中红外波段上有一个峰值, 随后下降。在可见光波段范围内煤堆整体反射率较低, 与水体较为接近; 在红外波段呈上升趋势, 且在中红外波段处有一个峰值, 随后下降, 与裸地的特征较为相似。
在露天煤矿的实际生产中, 岩石、土块等与煤堆可能会掺杂在同一片地域范围内。因此, 为了识别矿区内煤块的分布, 首先需要将其与水体、植被区分开来。在Landsat 8遥感影像的样本地物光谱中, 可以发现水体和植被的波段5反射率(Rb5)高于波段6(Rb6), 而煤块和裸地则相反; 同时, 水体、植被和煤块的反射率在波段1到波段4范围内, 增幅不明显, 而裸地在此范围内则有较大增幅。基于以上2个特性, 为了区分煤块与水体、植被和裸地的光谱差异, 构建了归一化差异煤矿指数(INDCM):
$ \begin{array}{l} {I_{{\rm{NDCM}}}} = \left( {{R_{{\rm{b1}}}}-{R_{{\rm{b4}}}}} \right)/\left( {{R_{{\rm{b1}}}} + {R_{{\rm{b4}}}}} \right) + \left( {{R_{{\rm{b5}}}}-} \right.\\ \;\;\;\;\;\;\;\;\;\;\;\;\left. {{R_{{\rm{b6}}}}} \right)/\left( {{R_{{\rm{b5}}}} + {R_{{\rm{b6}}}}} \right)。\end{array} $ | (1) |
式(1)中, Rb1、Rb4、Rb5和Rb6分别为Landsat 8数据蓝光波段、红光波段、近红外波段和中红外波段反射率。
3 结果与分析 3.1 阈值提取在所选取的Landsat 8影像中分别取波段1、波段4、波段5和波段6, 计算小龙潭矿区2013—2018年NDCMI, 得到小龙潭矿区近6 a来的NDCMI灰度图像(图 3)。
NDCMI值分布在-1~1之间, 煤堆所处的像元, NDCMI值较高, 呈现高亮色调, 样本最高值可达0.62;而水体、植被和裸地3类地物分布的区域, NDCMI值较低, 呈现低暗色调, 在河流附近和森林中间没有煤堆分布, 样本最小值可达-0.50。综合分析所选取4类地物样本像元的NDCMI值, 其频率分布直方图大体呈现正态分布趋势(图 4)。根据各地物样本的NDCMI值, 并参考其频率分布直方图的特征值, 将图 4变化为正态分布形式, 结果见图 5。
由图 5可知, 煤堆与非煤堆地物的分界线位于NDCMI值为0.36处, 因此, 将NDCMI值为0.36作为煤块覆盖区与非煤覆盖区分布的区分界限, 将矿区分为煤块覆盖区和非煤覆盖区2个部分。通过目视解译与实地调研可知, 小龙潭矿区煤块覆盖区即为采煤作业区, 因此, NDCMI值为0.36也是采煤作业区与周围地物的区分界限。
3.2 时间变化特征分析经NDCMI计算处理之后的遥感影像为单波段灰度影像, 通过密度分割将煤堆从影像上的背景地物中分离出来, 单独分析, 而分界标志就是前文所述的NDCMI值为0.36处。提取NDCMI值大于0.36的采煤区之后的影像见图 6。
从现场调研结果来看, 煤堆覆盖范围大体就是矿区开采范围, 所以将煤堆覆盖范围默认为开采范围, 根据以上得到的6期影像的煤堆覆盖范围变化和现状, 并结合表 2可知,2013—2018年小龙潭矿区开采面积变化大体分为3个阶段:(1)2013—2014年, 开采面积大幅上升, 由88.65万m2增至137.43万m2; (2)2014—2016年, 开采面积小幅下降; (3)2016年至今, 开采面积缓慢上升, 目前已达138.51万m2。但是, 小龙潭矿区下辖小龙潭露天矿和布沼坝露天矿, 两者的变化趋势与整体变化趋势存在差异。
其中, 小龙潭露天矿开采面积除2013—2014年呈现增长态势外, 其后至今都呈递减趋势, 已从28.62万m2减少至16.65万m2; 而布沼坝露天矿开采面积则除了在2016年略微减少外, 总体呈现增长态势, 由60.03万m2猛增至121.86万m2。
3.3 空间变化特征分析选取小龙潭矿区2013和2018年两期的开采情况进行对比分析发现, 小龙潭露天矿开采面积减少42%, 而布沼坝露天矿开采面积则增加1.03倍。将小龙潭矿区开采活动状态变化分为停止开采、新增开采和继续开采3类, 其面积分别为346 292、845 325和539 991 m2, 其空间分布见图 7。
根据2013和2018年小龙潭矿区开采范围在空间上的对比情况(图 7), 结合表 3所列的3类开采状态面积变化, 可以看出2013—2018年小龙潭矿区的煤炭开采活动整体呈现自东北向西南、从小龙潭露天矿向布沼坝露天矿转移的趋势, 其中, 小龙潭露天矿东南部开采活动大幅减少, 而西北部开采面积变化不明显; 同时, 布沼坝露天矿北部开采活动略微减少, 而在中部和东南部开采活动大幅增加, 加大了布沼坝露天矿周围的环境压力。
鉴于露天煤矿区煤堆与其他地物难以区分的问题, 提出了利用Landsat 8的蓝光波段、红光波段、近红外波段和中红外波段构建归一化差异煤矿指数(NDCMI)的露天煤矿区煤堆与其他地物的分类方法, 并在云南开远的小龙潭矿区加以应用, 得到以下结论:
(1) 在理论上, 煤堆的光谱特征在可见光波段范围内, 整体反射率较低, 与水体较为接近; 在红外波段处呈上升趋势, 且在中红外波段处有一个峰值, 随后下降, 与裸地特征较为相似。据此提出利用地物反射光谱曲线特征区分露天煤矿区煤堆与其他地物的指标。
(2) 在方法上, 基于煤矿区典型地物水体、植被、裸地和煤堆的光谱特征以及Landsat 8遥感数据的波段特性, 提出了NDCMI, 并结合地物样本NDCMI值设定阈值区分煤堆与背景地物信息, 实现煤矿区的识别和监测。
(3) 在实践上, 该方法在小龙潭矿区煤堆的识别与提取方面具有较强的适用性。小龙潭矿区开采面积在5 a之内增长56%, 尤其是布沼坝露天矿开采面积增加1.03倍, 而小龙潭露天矿开采面积却减少42%, 大大增加了布沼坝露天矿周围生态环境的压力。
同时, 也要认识到NDCMI的不足, 不能仅仅满足于实现煤堆与其他地物的区分, 还需要进一步研究有效提取矿区各类地物的新方法, 探索NDCMI能否有效识别井工煤矿地物信息。
[1] |
中华人民共和国国家发展和改革委员会.国家发展改革委员会、国家能源局关于印发煤炭工业发展"十三五"规划的通知[EB/OL].(2016-12-22)[2018-03-05]. http://www.ndrc.gov.cn/zcfb/zcfbtz/201612/t20161230_833687.html.
(0) |
[2] |
周伟, 白中科, 袁春, 等. 东露天煤矿区采矿对土地利用和土壤侵蚀的影响预测[J]. 农业工程学报, 2007, 23(3): 55-60. [ ZHOU Wei, BAI Zhong-ke, YUAN Chun, et al. Estimation of Influence of Dong Open-Cast Coal Mine Area on Soil Erosion and Land Use[J]. Transactions of the Chinese Society of Agricultural Engineering, 2007, 23(3): 55-60. DOI:10.3321/j.issn:1002-6819.2007.03.011] (0) |
[3] |
胡振琪, 龙精华, 王新静. 论煤矿区生态环境的自修复、自然修复和人工修复[J]. 煤炭学报, 2014, 39(8): 1751-1757. [ HU Zhen-qi, LONG Jing-hua, WANG Xin-jing. Self-Healing, Natural Restoration and Artificial Restoration of Ecological Environment for Coal Mining[J]. Journal of China Coal Society, 2014, 39(8): 1751-1757.] (0) |
[4] |
于颂, 王飞红, 杨爱民. 平朔露天煤矿土地利用变化的遥感监测[J]. 测绘通报, 2015(4): 86-90. [ YU Song, WANG Fei-hong, YANG Ai-min. Remote Sensing Monitoring of Land Use Change in Pingshuo Open-Pit Mine[J]. Bulletin of Surveying and Mapping, 2015(4): 86-90.] (0) |
[5] |
LI N, YAN C Z, XIE J L. Remote Sensing Monitoring Recent Rapid Increase of Coal Mining Activity of an Important Energy Base in Northern China, a Case Study of Mu Us Sandy Land[J]. Resources, Conservation and Recycling, 2015, 94: 129-135. DOI:10.1016/j.resconrec.2014.11.010 (0) |
[6] |
KARAN S K, SAMADDER S R, MAITI S K. Assessment of the Capability of Remote Sensing and GIS Techniques for Monitoring Reclamation Success in Coal Mine Degraded Lands[J]. Journal of Environmental Management, 2016, 182: 272-283. (0) |
[7] |
RATHORE C S, WRIGHT R. Monitoring Environmental Impacts of Surface Coal Mining[J]. International Journal of Remote Sensing, 1993, 14(6): 1021-1042. DOI:10.1080/01431169308904394 (0) |
[8] |
SCHMIDT H, GLAESSER C. Multitemporal Analysis of Satellite Data and Their Use in the Monitoring of the Environmental Impacts of Open Cast Lignite Mining Areas in Eastern Germany[J]. International Journal of Remote Sensing, 1998, 19(12): 2245-2260. DOI:10.1080/014311698214695 (0) |
[9] |
彭苏萍, 王磊, 孟召平, 等. 遥感技术在煤矿区积水塌陷动态监测中的应用:以淮南矿区为例[J]. 煤炭学报, 2002, 27(4): 374-378. [ PENG Su-ping, WANG Lei, MENG Zhao-ping, et al. Monitoring the Seeper Subside in Coal District by the Remote Sensing:Example From Huainan Coal District[J]. Journal of China Coal Society, 2002, 27(4): 374-378. DOI:10.3321/j.issn:0253-9993.2002.04.009] (0) |
[10] |
陈龙乾, 郭达志, 胡召玲, 等. 徐州矿区土地利用变化遥感监测及塌陷地复垦利用研究[J]. 地理科学进展, 2004, 23(2): 10-15. [ CHEN Long-qian, GUO Da-zhi, HU Zhao-ling, et al. A Study on Remote Sensing Monitoring Land Use Change and Reclamation Measures of Subsided Land in Xuzhou Coal Mining Area[J]. Process in Geography, 2004, 23(2): 10-15. DOI:10.3969/j.issn.1007-6301.2004.02.002] (0) |
[11] |
马保东, 陈绍杰, 吴立新, 等. 基于SPOT-VGT NDVI的矿区植被遥感监测方法[J]. 地理与地理信息科学, 2009, 25(1): 84-87. [ MA Bao-dong, CHEN Shao-jie, WU Li-xin, et al. Vegetation Monitoring Method in Mining Area Based on SPOT-VGT NDVI[J]. Geography and Geo-Information Science, 2009, 25(1): 84-87.] (0) |
[12] |
杨金中, 秦绪文, 聂洪峰, 等. 全国重点矿区矿山遥感监测综合研究[J]. 中国地质调查, 2015, 2(4): 24-30. [ YANG Jin-zhong, QIN Xu-wen, NIE Hong-feng, et al. Comprehensive Research on Remote Sensing Monitoring of the National Concentration Zones of the Important Mine[J]. Geological Survey of China, 2015, 2(4): 24-30.] (0) |
[13] |
裴文明.淮南潘谢矿区生态环境动态监测及预警研究[D].南京: 南京大学, 2016. PEI Wen-ming.Eco-Environment Dynamic Monitoring and Prewarning Study in Panxie Coal Mining Area, Huainan[D].Nanjing: Nanjing University, 2016. (0) |
[14] |
YE B Y, LIU L. Remote Sensing Monitoring Land Use Change in Donglutian Coal Mine, Shuozhou City[J]. IOP Conference Series:Earth and Environmental Science, 2017, 52(1): 012110. DOI:10.1088/1742-6596/52/1/012110 (0) |
[15] |
王晓红, 聂洪峰, 杨清华, 等. 高分辨率卫星数据在矿山开发状况及环境监测中的应用效果比较[J]. 国土资源遥感, 2004(1): 15-18. [ WANG Xiao-hong, NIE Hong-feng, YANG Qing-hua, et al. The Different Monitoring Effects of Quickbird and Spot-5 Data in Mine Expolitation[J]. Remote Sensing for Land & Resources, 2004(1): 15-18. DOI:10.3969/j.issn.1001-070X.2004.01.004] (0) |
[16] |
蔡博峰, 刘春兰, 陈操操, 等. 露天煤矿生态环境遥感监测与评价方法研究:以霍林河一号露天矿为例[J]. 中国矿业, 2009, 18(6): 61-64. [ CAI Bo-feng, LIU Chun-lan, CHEN Cao-cao, et al. Ecological Monitoring and Evaluation of Open-Cast Coal Mines Based on Remote Sensing:A Case Study of Huolin River 1st Open-Pit Mine[J]. China Mining Magazine, 2009, 18(6): 61-64. DOI:10.3969/j.issn.1004-4051.2009.06.018] (0) |
[17] |
汤傲.基于遥感的干旱半干旱矿区生态环境监测及修复策略研究: 以乌海矿区为例[D].徐州: 中国矿业大学, 2017. TANG Ao.Research on Ecological Monitoring and Restoration in Arid and Semi-Arid Mining Area Based on Remote Sensing: A Case Study in Wuhai Mining Area[D].Xuzhou: China University of Mining and Technology, 2017. (0) |
[18] |
徐涵秋, 唐菲. 新一代Landsat系列卫星:Landsat 8遥感影像新增特征及其生态环境意义[J]. 生态学报, 2013, 33(11): 3249-3257. [ XU Han-qiu, TANG Fei. Analysis of New Characteristics of the First Landsat 8 Image and Their Eco-Environmental Significance[J]. Acta Ecological Sinica, 2013, 33(11): 3294-3257.] (0) |
[19] |
ROUSE J W, HAAS R H, SCHELL J A, et al.Monitoring Vegetation Systems in the Great Plains With ERTS[C]//NASA.Goddard Space Flight Center 3d ERTS-1 Symp, 1974, 1: 309-317.
(0) |
[20] |
MCFEETERS S K. The Use of Normalized Difference Water Index (NDWI) in the Delineation of Open Water Features[J]. International Journal of Remote Sensing, 1996, 17(7): 1425-1432. DOI:10.1080/01431169608948714 (0) |