Please wait a minute...
 
自然资源遥感  2025, Vol. 37 Issue (3): 54-64    DOI: 10.6046/zrzyyg.2024038
  矿山生态环境遥感监测专栏 本期目录 | 过刊浏览 | 高级检索 |
基于Google Earth Engine的不同开采模式下矿区土地利用变化生态环境效应
林欣源1(), 程扬健1, 谢伟2, 李传庆3, 聂闻2()
1.福州大学先进制造学院,晋江 362200
2.中钢集团马鞍山矿山研究总院股份有限公司,马鞍山 243000
3.安徽理工大学地球与环境学院,淮南 232001
Exploring the ecological effects of land use changes in mining areas under different mining modes based on the Google Earth Engine
LIN Xinyuan1(), CHENG Yangjian1, XIE Wei2, LI Chuanqing3, NIE Wen2()
1. School of Advanced Manufacturing, Fuzhou University, Jinjiang 362200, China
2. Sinosteel Ma’anshan General Institute of Mining Research Co., Ltd., Ma’anshan 243000, China
3. School of Earth and Environment, Anhui University of Science and Technology, Huainan 232001, China
全文: PDF(6971 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 为探究不同开采模式下矿区土地利用变化的生态环境效应,该文以淮南市顾桥煤矿(井工开采)和马鞍山市南山铁矿(露天开采)为研究区,基于谷歌地球引擎(Google Earth Engine,GEE)云计算平台,耦合绿度、热度、干度、湿度构建遥感生态指数(remote sensing ecological index,RSEI),对2种不同开采模式矿区的生态环境质量进行评价,并分别分析其2000—2020 年间土地利用变化和生态环境质量之间动态演变规律。结果表明: ①井工开采和露天开采矿区的耕地占比最大,井工开采矿区水域面积扩大显著,露天开采矿区以耕地、林地减少和建设用地增加为主; ②2个矿区生态环境质量整体维持一般及良好态势,顾桥煤矿RSEI值分别为 0.60,0.82,0.71,0.65和0.68,南山铁矿RESI值分别为0.58,0.59,0.59,0.63和0.64,不同土地利用类型中,建设用地和水体部分生态环境较差,林地和耕地生态环境较优; ③井工开采模式矿区地表沉降,耕地向水域转变,导致生态环境质量变差,而露天开采模式矿区剥离土体,林地和耕地面积减少以及建设用地增加是露天矿生态环境变差的原因。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
林欣源
程扬健
谢伟
李传庆
聂闻
关键词 ： 井工开采,  露天开采,  谷歌地球引擎,  土地利用变化,  遥感生态指数    
Abstract：

To investigate the ecological and environment effects of land-use changes under different mining modes, this study utilized the Google Earth Engine (GEE) cloud computing platform to construct a remote sensing ecological index (RSEI) by integrating the greenness, heat, dryness, and wetness indicators. The RSEI was utilized to assess the ecological quality of two mining areas with different mining modes: the Guqiao Coal Mine in Huainan City (underground mining) and the Nanshan Iron Mine in Ma’anshan City (open-pit mining). Through a comparative analysis of relevant data from 2000 to 2020, this study analyzed the dynamic evolutionary patterns between land use changes and ecological quality in the two mining areas. The results indicate that cultivated land occupied the largest proportion in both mining areas. The underground mining area was characterized by a significantly expanded water area, whereas the open-pit mining area featured reduced cultivated and forest lands and increased construction land. Both mining areas exhibited overall good-to-fair ecological quality. Specifically, the RSEI values for the Guqiao Coal Mine were 0.60, 0.82, 0.71, 0.65, and 0.68, while those for the Nanshan Iron Mine were 0.58, 0.59, 0.59, 0.63, and 0.64. Among various land use types, construction land and water bodies displayed relatively poor ecological conditions, whereas forest and cultivated lands exhibited more favorable conditions. The underground mining area showed surface subsidence and the transition of cultivated land to water areas, leading to deteriorating ecological quality. In contrast, the open-pit mining area showed soil stripping, shrinking forest and cultivated lands, and construction land expansion, contributing significantly to the declining ecological quality.
Key words： underground mining    open-pit mining    Google Earth Engine (GEE)    land use change    remote sensing ecological index (RSEI)
收稿日期: 2024-01-20      出版日期: 2025-07-01
ZTFLH:  TP79  
基金资助:中国工程院战略研究与咨询项目“周边国家矿产资源状况及开发利用合作战略研究”(2024-XZ-28);国家重点研发项目“非煤矿山重大安全风险智能预警技术及示范”(2021YFC3001300)
通讯作者: 聂闻(1982-),男,博士,研究员,主要从事地质矿山灾害预测预警研究。Email: wen.nie@vip.tom.com。
作者简介: 林欣源(1999-),女,硕士研究生,主要从事环境监测和评价研究。Email: lxyfuz@163.com。
引用本文:   
林欣源, 程扬健, 谢伟, 李传庆, 聂闻. 基于Google Earth Engine的不同开采模式下矿区土地利用变化生态环境效应[J]. 自然资源遥感, 2025, 37(3): 54-64.
LIN Xinyuan, CHENG Yangjian, XIE Wei, LI Chuanqing, NIE Wen. Exploring the ecological effects of land use changes in mining areas under different mining modes based on the Google Earth Engine. Remote Sensing for Natural Resources, 2025, 37(3): 54-64.
链接本文:  
https://www.gtzyyg.com/CN/10.6046/zrzyyg.2024038      或      https://www.gtzyyg.com/CN/Y2025/V37/I3/54
Fig.1  研究区地理位置
Fig.2  研究方法流程图
分类特征 特征信息 波段信息
光谱特征 Landsat5 TM Bblue,Bgreen,Bred,BNIR,BSWIR1,BSWIR2
Landsat8 OLI/TIRS Bblue,Bgreen,Bred,BNIR,BSWIR1,BSWIR2
光谱指数 NDVI[8],NDBI[14],MNDWI[14]
地形特征 SRTM DEM 高度、坡度
Tab.1  多维分类特征集
指数 计算公式 解释
NDVI ( B N I R - B r e d ) / ( B N I R + B r e d ) 式中:BNIR,Bred,Bblue,Bgreen,BSWIR1,BSWIR2 分别为近红外、红光、蓝光、绿光、短波红外1和2波段的反射率[16-17];SI[18]和IBI[19]分别为裸土指数和建筑指数;λ为TIR波段的中心波长;T为传感器探测到的亮温温度; ε为地表比辐射率;ρ = 1.438 × 10-2 m·K。
WET W E T T M = 0.0315 B b l u e + 0.2021 B g r e e n + 0.3102 B r e d + 0.1594 B N I R - 0.6806 B S W I R 1 - 0.6109 B S W I R 2 W E T O L I = 0.1511 B b l u e + 0.1973 B g r e e n + 0.3283 B r e d + 0.3407 B N I R - 0.7117 B S W I R 1 - 0.4559 B S W I R 2
NDBSI ( S I + I B I ) / 2
LST T / [ 1 + ( λ T / ρ ) l n ε ] - 273.15
Tab.2  遥感指数计算公式
特征变量 顾桥煤矿 南山铁矿
2000年 2005年 2010年 2015年 2020年 2000年 2005年 2010年 2015年 2020年
Bblue 4.62 4.81 6.73 5.93 5.82 6.22 6.20 2.64 5.47 4.67
Bgreen 7.44 7.21 4.74 5.21 5.12 6.40 6.72 5.32 6.43 4.12
Bred 5.47 6.65 3.82 5.49 9.88 6.00 6.36 2.49 4.14 4.48
BNIR 4.80 9.20 8.55 14.68 14.25 2.65 2.36 5.33 3.52 3.88
BSWIR1 3.12 4.09 7.05 5.40 10.18 3.54 1.79 2.37 2.78 5.43
BSWIR2 8.46 10.61 8.70 7.49 11.46 8.05 1.46 5.14 5.39 5.32
NDVI 3.68 6.35 6.73 1.70 6.11 3.28 1.58 5.29 1.08 3.39
NDBI 6.01 6.46 8.21 5.37 8.69 5.58 5.46 5.34 6.44 4.86
MNDWI 6.32 3.62 8.20 6.56 7.67 2.88 6.99 2.46 2.32 5.19
Slope 1.45 5.09 1.69 0.52 4.80 2.01 1.97 3.23 6.33 3.03
Elevation 4.22 4.49 4.22 2.92 1.51 3.38 3.16 5.38 4.05 3.08
Tab.3  顾桥煤矿和南山铁矿特征变量重要性
Fig.3  顾桥煤矿和南山铁矿土地利用分类精度
年份 耕地 水域 建设用地
2000年 114.54 7.82 25.24
2005年 100.22 11.22 36.16
2010年 95.50 15.65 36.46
2015年 83.69 18.89 45.02
2020年 89.15 21.70 36.75
Tab.4  顾桥煤矿各土地利用类型面积
年份 耕地 林地 水域 建设用地
2000年 100.98 66.59 6.36 24.85
2005年 98.40 74.14 3.38 22.86
2010年 104.56 40.75 8.95 44.53
2015年 80.90 48.30 2.78 66.79
2020年 78.32 62.02 5.96 52.48
Tab.5  南山铁矿各土地利用类型面积
Fig.4  顾桥煤矿土地利用分类结果
Fig.5  南山铁矿土地利用分类结果
指标 顾桥煤矿 南山铁矿
2000年 2005年 2010年 2015年 2020年 2000年 2005年 2010年 2015年 2020年
NDVI 0.585 0.654 0.790 0.647 0.672 0.501 0.733 0.783 0.704 0.712
WET 0.310 0.298 0.191 0.252 0.251 0.341 -0.447 0.058 0.148 0.206
LST -0.123 -0.227 0.034 -0.060 -0.203 -0.406 0.058 -0.416 -0.087 -0.252
NDBSI -0.739 -0.657 -0.581 -0.718 -0.667 -0.684 0.508 -0.459 -0.689 -0.622
特征值 0.049 0.037 0.056 0.029 0.031 0.048 0.007 0.042 0.026 0.048
贡献率/% 70.95 77.89 74.18 71.22 76.94 75.98 79.60 82.70 77.81 85.07
Tab.6  顾桥煤矿和南山铁矿4个指标PC1载荷
Fig.6  2000—2020年顾桥煤矿和南山铁矿RSEI
Fig.7-1  顾桥煤矿生态质量分级及面积统计
Fig.7-2  顾桥煤矿生态质量分级及面积统计
Fig.8  南山铁矿生态质量分级及面积统计
趋势等级 顾桥煤矿 南山铁矿
面积/km2 占比/% 面积/km2 占比/%
显著下降 5.46 3.7 22.67 10.9
下降 6.94 4.7 36.18 18.2
无明显变化 2.95 2.0 43.73 22.0
上升 120.59 81.7 76.33 38.4
显著上升 11.66 7.9 19.87 10.5
Tab.7  2000—2020年顾桥煤矿和南山铁矿RSEI趋势变化面积占比
Fig.9  2000—2020年顾桥煤矿和南山铁矿RSEI趋势分析
Fig.10  顾桥煤矿和南山铁矿土地利用转移类型生态贡献率
[1] 刘英, 许萍萍, 毕银丽, 等. 新疆戈壁煤矿露天开采对生态环境扰动定量分析[J]. 煤炭学报, 2023, 48(2):959-974.
Liu Y, Xu P P, Bi Y L, et al. Quantitative analysis of coal mining disturbance on environment in Xinjiang Gobi open-pit mining area[J]. Journal of China Coal Society, 2023, 48(2):959-974.
[2] 王晓辉, 耿宜佳. 淮南煤矿区土地利用变化分析[J]. 安徽农业科学, 2015, 43(36):295-298.
Wang X H, Geng Y J. Land use changes in Huainan coal mining area[J]. Journal of Anhui Agricultural Sciences, 2015, 43(36):295-298.
[3] 张敏. 大型露天煤矿区土地利用时空演变特征及生态影响研究[D]. 北京: 中国地质大学(北京), 2021.
Zhang M. Spatio-temporal evolution characteristics of land use change and ecological impact in a large opencast coal mine area[D]. Beijing: China University of Geosciences, 2021.
[4] 朱冬雨, 陈涛, 牛瑞卿, 等. 利用移动窗口遥感生态指数分析矿区生态环境[J]. 武汉大学学报(信息科学版), 2021, 46(3):341-347.
Zhu D Y, Chen T, Niu R Q, et al. Analyzing the ecological environment of mining area by using moving window remote sensing ecological index[J]. Geomatics and Information Science of Wuhan University, 2021, 46(3):341-347.
[5] 王双明, 杜华栋, 王生全. 神木北部采煤塌陷区土壤与植被损害过程及机理分析[J]. 煤炭学报, 2017, 42(1):17-26.
Wang S M, Du H D, Wang S Q. Analysis of damage process and mechanism for plant community and soil properties at northern Shenmu subsidence mining area[J]. Journal of China Coal Society, 2017, 42(1):17-26.
[6] 范立民, 向茂西, 彭捷, 等. 西部生态脆弱矿区地下水对高强度采煤的响应[J]. 煤炭学报, 2016, 41(11):2672-2678.
Fan L M, Xiang M X, Peng J, et al. Groundwater response to intensive mining in ecologically fragile area[J]. Journal of China Coal Society, 2016, 41(11):2672-2678.
[7] 汪云甲. 矿区生态扰动监测研究进展与展望[J]. 测绘学报, 2017, 46(10):1705-1716.
doi: 10.11947/j.AGCS.2017.20170358
Wang Y J. Research progress and prospect on ecological distur-bance monitoring in mining area[J]. ActaGeodaetica et Cartographica Sinica, 2017, 46(10):1705-1716.
[8] 徐涵秋. 城市遥感生态指数的创建及其应用[J]. 生态学报, 2013, 33(24):7853-7862.
Xu H Q. A remote sensing urban ecological index and its application[J]. ActaEcologica Sinica, 2013, 33(24):7853-7862.
[9] Liu H, Jiang Y, Misa R, et al. Ecological environment changes of mining areas around Nansi Lake with remote sensing monitoring[J]. Environmental Science and Pollution Research International, 2021, 28(32):44152-44164.
[10] Nie X, Hu Z, Zhu Q, et al. Research on temporal and spatial resolution and the driving forces of ecological environment quality in coal mining areas considering topographic correction[J]. Remote Sensing, 2021, 13(14):2815.
[11] Tang H, Fang J, Xie R, et al. Impact of land cover change on a typical mining region and its ecological environment quality evaluation using remote sensing based ecological index (RSEI)[J]. Sustainability, 2022, 14(19):12694.
[12] Breiman L. Randomforests[J]. Machine Learning, 2001, 45(1):5-32.
[13] 国家质量监督检验检疫总局, 中国国家标准化管理委员会. GB/T 21010—2017 土地利用现状分类[S]. 北京: 中国标准出版社, 2017.
General Administration of Quality Supervision,Inspection and Quarantine of the People’s Republic of China, Standardization Administration of the People’s Republic of China. GB/T 21010—2017 Current land use classification[S]. Beijing: Standards Press of China, 2017.
[14] 姚金玺, 王浪, 李建忠, 等. 青海诺木洪地区多源遥感及多特征组合地物分类[J]. 农业工程学报, 2022, 38(3):247-256.
Yao J X, Wang L, Li J Z, et al. Multi-source remote sensing and multi-feature combination ground object classification in Nuomuhongareas,Qinghai Province of China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2022, 38(3):247-256.
[15] Nichol J. Remote sensing of urban heat islands by day and night[J]. Photogrammetric Engineering & Remote Sensing, 2005, 71(5):613-621.
[16] Crist E P. A TM Tasseled Cap equivalent transformation for reflectance factor data[J]. Remote Sensing of Environment, 1985, 17(3):301-306.
[17] Baig M H A, Zhang L, Shuai T, et al. Derivation of a tasselled cap transformation based on Landsat8 at-satellite reflectance[J]. Remote Sensing Letters, 2014, 5(5):423-431.
[18] Rikimaru A, Roy P S, Miyatake S. Tropical forest cover density mapping[J]. Tropical Ecology, 2002, 43(1):39-47.
[19] Xu H. A new index for delineating built-up land features in satellite imagery[J]. International Journal of Remote Sensing, 2008, 29(14):4269-4276.
[20] Sen P K. Estimates of the regression coefficient based on Kendall’s Tau[J]. Journal of the American Statistical Association, 1968, 63(324):1379-1389.
[21] Kendall M G. Rank correlation methods[J]. The Economic Journal, 1948,59:575-577.
[22] 杨保华, 杨清华, 陈剑虹. 关于《生态环境状况评价技术规范(试行)》中土地退化指数的权重及计算方法的探讨[J]. 生态与农村环境学报, 2011, 27(3):103-107.
Yang B H, Yang Q H, Chen J H. Weight of land(soil) degradation indices and optimization of their calculation in “technical criteria for evaluation of ecological environment(trial)”[J]. Journal of Ecology and Rural Environment, 2011, 27(3):103-107.
[23] 黄望望, 姜春露, 陈星, 等. 淮南新集矿区主要充水含水层水化学特征及成因[J]. 地球与环境, 2020, 48(4):432-442.
Huang W W, Jiang C L, ChenX, et al. Chemical characteristics and genesis of deep groundwater in the Xinji mining area[J]. Earth and Environment, 2020, 48(4):432-442.
[24] 何庆. 露天煤矿复垦区生态系统服务功能评价与权衡研究[D]. 杨凌: 西北农林科技大学, 2023.
He Q. The evaluation of ecosystem service function and its trade-off in reclamation area of opencast coal mine[D]. Yangling: Northwest A & F University, 2023.
[25] 李晓文, 方创琳, 黄金川, 等. 西北干旱区城市土地利用变化及其区域生态环境效应——以甘肃河西地区为例[J]. 第四纪研究, 2003, 23(3):280-290,348-349.
Li X W, Fang C L, Huang J C, et al. The urban land use transformations and associated effects on eco-environment in Northwest China arid region:A case study in HexiRegion,Gansu Province[J]. Quaternary Sciences, 2003, 23(3):280-290,348-349.
[26] 宗慧琳, 张晓伦, 袁希平, 等. 利用GEE进行1990—2022年小江流域生态环境质量时空格局与演变趋势分析[J]. 环境科学, 2024, 45(7):4122-4136.
Zong H L, Zhang X L, Yuan X P, et al. Xiaojiang river basin ecological environmental quality spatiotemporal pattern and evolutionary trend analysis using GEE from 1990 to 2022[J]. Environmental Science, 2024, 45(7):4122-4136.
[27] 雷少刚, 卞正富. 西部干旱区煤炭开采环境影响研究[J]. 生态学报, 2014, 34(11):2837-2843.
Lei S G, Bian Z F. Research progress on the environment impacts from underground coal mining in arid western area of China[J]. ActaEcologica Sinica, 2014, 34(11):2837-2843.
[28] 刘硕, 李小光, 宋建伟, 等. 长山沟露天矿集中区土地利用时空变化的遥感监测与分析[J]. 水土保持通报, 2021, 41(4):121-127,2.
Liu S, Li X G, Song J W, et al. Remote sensing monitoring and analysis of spatiotemporal changes in Changshangou open pit mine concentration area[J]. Bulletin of Soil and Water Conservation, 2021, 41(4):121-127,2.
[1] 郑嘉鑫, 裴小龙, 宋东阳, 田锐, 赵中秋, 柏航. 时空动态视角下基于ESV与ERI的生态分区识别——以河北省秦皇岛市为例[J]. 自然资源遥感, 2025, 37(3): 233-244.
[2] 孙娅琴, 邸宝刚, 邢宇, 安娜, 张仙. 长江经济带湖北段废弃露天矿山生态修复遥感动态监测和生态修复效果评价[J]. 自然资源遥感, 2025, 37(3): 32-44.
[3] 柴新宇, 吴献文, 陈晓辉, 王玉, 赵星涛. 耦合Markov与FLUS模型的珠三角城市群土地利用多情景模拟预测[J]. 自然资源遥感, 2025, 37(2): 140-147.
[4] 张静, 胡晓佳, 王威, 陈东磊, 黄旭红, 杨俊泉. 张北地区自然资源及生态状况综合评价与分析[J]. 自然资源遥感, 2025, 37(2): 164-172.
[5] 奥勇, 汪雅, 王晓峰, 吴京盛, 张亦恒, 李雪娇. 2001—2020年间河南省郑州市生态环境质量时空变化及驱动因素分析[J]. 自然资源遥感, 2025, 37(1): 102-112.
[6] 陈媛媛, 严铄婷, 颜瑾, 郑思齐, 王昊, 朱杰. 基于Landsat时间序列影像和LandTrendr算法的浙江省丽水市森林扰动监测[J]. 自然资源遥感, 2025, 37(1): 179-187.
[7] 赖仕久, 胡晋山, 康建荣, 王小兵. 煤炭资源型区域生态环境演变研究——以山西省为例[J]. 自然资源遥感, 2024, 36(4): 62-74.
[8] 崔囤月, 王世东, 张学军. 1991—2021年雄安新区土地利用与植被覆盖变化遥感研究[J]. 自然资源遥感, 2023, 35(4): 214-225.
[9] 李光哲, 王浩, 曹银璇, 张晓宇, 宁晓刚. 长株潭城市群生态环境质量时空演变及影响因素分析[J]. 自然资源遥感, 2023, 35(4): 244-254.
[10] 田柳兰, 吕思雨, 毋兆鹏, 王娟娟, 史欣鹏. 乌鲁木齐市土地利用变化及其空间冲突测度[J]. 自然资源遥感, 2023, 35(4): 282-291.
[11] 王静, 王佳, 徐江琪, 黄邵东, 刘东云. 改进遥感生态指数的典型海岸带城市生态环境质量评价——以湛江市为例[J]. 自然资源遥感, 2023, 35(3): 43-52.
[12] 张仙, 李伟, 陈理, 杨昭颖, 窦宝成, 李瑜, 陈昊旻. 露天开采矿区要素遥感提取研究进展及展望[J]. 自然资源遥感, 2023, 35(2): 25-33.
[13] 于森, 贾明明, 陈高, 鲁莹莹, 李毅, 张博淳, 路春燕, 李慧颖. 基于LandTrendr算法海南东寨港红树林扰动研究[J]. 自然资源遥感, 2023, 35(2): 42-49.
[14] 杨潋威, 赵娟, 朱家田, 刘雷, 张平. 基于PLUS和InVEST模型的西安市生态系统碳储量时空变化与预测[J]. 自然资源遥感, 2022, 34(4): 175-182.
[15] 骆泓鉴, 明冬萍, 徐录. 基于GEE的遥感生态指数时序计算[J]. 自然资源遥感, 2022, 34(2): 271-277.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编：100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发