半干旱煤炭開采沉陷區(qū)植被擾動(dòng)響應(yīng)的時(shí)間特征

陶文曠，雷少剛

(1.中國(guó)礦業(yè)大學(xué)環(huán)境與測(cè)繪學(xué)院，江蘇 徐州 221116；2.中國(guó)礦業(yè)大學(xué)國(guó)土資源研究所，江蘇 徐州　221116)

?

半干旱煤炭開采沉陷區(qū)植被擾動(dòng)響應(yīng)的時(shí)間特征

陶文曠1，雷少剛2①

(1.中國(guó)礦業(yè)大學(xué)環(huán)境與測(cè)繪學(xué)院，江蘇 徐州 221116；2.中國(guó)礦業(yè)大學(xué)國(guó)土資源研究所，江蘇 徐州221116)

摘要：利用2005—2012年MODIS影像和TM影像的月均歸一化差分植被指數(shù)(NDVI)時(shí)間序列數(shù)據(jù)以及神東礦區(qū)大柳塔地區(qū)氣象數(shù)據(jù)，采用基于Loess算法的時(shí)間序列季節(jié)和趨勢(shì)成分分解法(STL)、時(shí)滯互相關(guān)分析和改進(jìn)后的殘差分析等方法，探討大柳塔地區(qū)2005—2012年植被NDVI隨降雨和溫度變化而變化的時(shí)間規(guī)律，以及植被NDVI因采礦等人類活動(dòng)而變化的時(shí)間規(guī)律。結(jié)果表明：大柳塔地區(qū)植被NDVI對(duì)降雨和溫度變化的響應(yīng)滯后時(shí)間為1個(gè)月，與最近2個(gè)月降雨和的相關(guān)性最高；開采對(duì)植被NDVI具有負(fù)面影響，植被NDVI響應(yīng)滯后時(shí)間短于1個(gè)月。

關(guān)鍵詞：大柳塔礦區(qū)；氣候變化；人類活動(dòng)；時(shí)間特征

煤炭開采在促進(jìn)區(qū)域經(jīng)濟(jì)飛速增長(zhǎng)的同時(shí)也嚴(yán)重破壞了礦區(qū)生態(tài)環(huán)境。礦產(chǎn)資源的開發(fā)和利用不可避免地占用和破壞了大量土地和植被,并由此引發(fā)一系列生態(tài)環(huán)境問(wèn)題[1]。根據(jù)相關(guān)研究,煤炭開發(fā)活動(dòng)對(duì)礦區(qū)生態(tài)環(huán)境的主要影響包括地表沉陷、土地荒漠化、土壤質(zhì)量下降、地表及地下水污染、植被破壞、生態(tài)系統(tǒng)退化、生物多樣性喪失、景觀破壞以及農(nóng)作物減產(chǎn)等多個(gè)方面[2]。全國(guó)礦山占用的土地面積為581萬(wàn)hm2,因煤炭開采導(dǎo)致的大面積塌陷達(dá)180余處,累計(jì)破壞土地面積為11.5萬(wàn)hm2,并且以200 hm2·a-1的速度逐年遞增,占全國(guó)土地破壞面積的10%[3];2005年礦井水排放量約為45.4億t,重復(fù)利用率不足50%,2007年礦井水排放量達(dá)46億t,2010年礦井水排放量約為52億t[4];我國(guó)因采礦直接破壞的森林面積累計(jì)達(dá)106萬(wàn)hm2,破壞草地面積為26.3萬(wàn)hm2[5]。植被是生態(tài)完整性損失類的主要指標(biāo)(植被破壞面積、植被覆蓋度、生物豐度、自然生產(chǎn)力等),可表征礦區(qū)土地退化狀況[6],故筆者將著手于生態(tài)環(huán)境問(wèn)題中的植被影響變化方面的研究。目前,國(guó)內(nèi)外有關(guān)植被動(dòng)態(tài)變化方面的研究主要集中在植被覆蓋度與氣候因子的關(guān)系[7-10]、年際氣候變化和人類活動(dòng)對(duì)大范圍歸一化差分植被指數(shù)(NDVI,INDV)的影響[11-13],而開采活動(dòng)對(duì)植被變化的影響研究主要停留在定性描述上[14],有必要對(duì)小范圍區(qū)域月際尺度下植被對(duì)氣候因子和開采活動(dòng)的響應(yīng)規(guī)律進(jìn)行定量分析。因此,筆者依據(jù)多源遙感影像開展礦區(qū)植被動(dòng)態(tài)研究,探索礦區(qū)氣候變化與人為活動(dòng)影響下的植被變化規(guī)律,旨在為生態(tài)環(huán)境脆弱區(qū)煤炭資源開發(fā)過(guò)程中生態(tài)地質(zhì)環(huán)境的保護(hù)與修復(fù)提供借鑒。

1研究區(qū)概況

分礦區(qū)和工作面2種尺度進(jìn)行研究。礦區(qū)尺度所選區(qū)域?yàn)榇罅V區(qū),該礦區(qū)位于陜西省榆林市神木縣大柳塔鎮(zhèn)以及烏蘭木倫河以西中雞鎮(zhèn)境內(nèi),地理坐標(biāo)為北緯39°27′～110°15′,東經(jīng)110°05′～110°20′[15],地處毛烏素沙地邊緣,北部為風(fēng)沙灘地,南部和西部為典型蓋沙黃土丘陵地貌區(qū),地勢(shì)北高南低,中間高東西低,海拔為1 000～1 250 m,屬中溫帶半干旱大陸性季風(fēng)氣候區(qū),干旱少雨多風(fēng)沙。區(qū)內(nèi)土地類型為沙地、喬灌木林地、天然草地和裸巖地等。以沙蒿、沙柳和檸條為代表的沙生植被組合主要生長(zhǎng)于半固定沙地、固定沙地和沙地沙丘間低地[16]。近年來(lái),煤炭開采極大地促進(jìn)了大柳塔地區(qū)的經(jīng)濟(jì)發(fā)展,然而,該地區(qū)為半干旱半沙漠的高原地區(qū),氣候干燥,地下水貧乏,植被稀少,沙漠化嚴(yán)重,煤炭工業(yè)的大規(guī)模開發(fā)促使本來(lái)就脆弱的生態(tài)環(huán)境更加惡化。

工作面尺度選取大柳塔礦區(qū)22615和22103綜采工作面,基本情況分別為:(1)大柳塔礦區(qū)22615綜采工作面，傾向長(zhǎng)度為339.2 m,走向長(zhǎng)度為1 457.5 m,煤層傾角為1～3°,上覆基巖厚度在9.2～12.5 m之間,煤層平均厚度為5.15 m,選擇2011年9月工作面推進(jìn)位置正上方100 m×100 m區(qū)域?yàn)檠芯繀^(qū)域。(2)大柳塔礦區(qū)22103綜采工作面，傾向長(zhǎng)度為310.6 m,走向長(zhǎng)度為1 560.4 m,煤層傾角為1～3°,煤層厚度為3.81～4.21 m,工作面設(shè)計(jì)采高為3.75 m,選擇2011年7月工作面推進(jìn)位置正上方100 m×100 m區(qū)域?yàn)檠芯繀^(qū)域。

2材料與方法

2.1數(shù)據(jù)來(lái)源與預(yù)處理

MODIS影像為美國(guó)國(guó)家航空航天局(NASA)提供的中、低分辨率遙感數(shù)據(jù),空間分辨率為250、500和1 000 m,是當(dāng)前世界上新一代“圖譜合一”的光學(xué)遙感儀器,其高時(shí)間分辨率特性為動(dòng)態(tài)監(jiān)測(cè)提供基礎(chǔ),其產(chǎn)品分5個(gè)等級(jí)44種。該文所用MODIS NDVI為250 m分辨率的16 d合成數(shù)據(jù),產(chǎn)品號(hào)為MOD13Q1,為陸地2級(jí)標(biāo)準(zhǔn)數(shù)據(jù)產(chǎn)品,已經(jīng)過(guò)定標(biāo)和定位,格式為國(guó)際標(biāo)準(zhǔn)EOS-HDF格式。選取時(shí)段為2005—2012年,平均每年23景。其中,2005年為24景,2008和2010年各為22景,其余年份均為每年23景,共183景數(shù)據(jù),獲取時(shí)間間隔為16 d。用于整個(gè)大柳塔地區(qū)NDVI時(shí)間序列的計(jì)算與統(tǒng)計(jì)。

TM影像為L(zhǎng)andsat衛(wèi)星搭載的中、高分辨率衛(wèi)星遙感數(shù)據(jù),空間分辨率為30 m,重訪周期為16 d,選取云量較少、圖像清晰、成像時(shí)間相近的數(shù)據(jù),經(jīng)輻射定標(biāo)、大氣校正和幾何校正等預(yù)處理,根據(jù)式(1)計(jì)算INDV值:

(1)

式(1)中,RNI為近紅外波段反射率;R為紅波段反射率;INDV范圍為-1～1。但由于云雨等天氣因素的干擾很難保證每月1景有效的TM觀測(cè)數(shù)據(jù),采用ESTARFM數(shù)據(jù)融合算法補(bǔ)全缺失的數(shù)據(jù),經(jīng)驗(yàn)證,補(bǔ)全影像與實(shí)際影像相似度最高可達(dá)95%[17-19],其分辨率較高，可用于各工作面上方研究區(qū)域的INDV時(shí)間序列的計(jì)算與統(tǒng)計(jì)。

氣象數(shù)據(jù)來(lái)源于中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)提供的2005—2012年大柳塔區(qū)域逐月氣溫和降水?dāng)?shù)據(jù)。工作面矢量圖則利用礦區(qū)已有的井上下對(duì)照?qǐng)D得到。

2.2分析方法

2.2.1趨勢(shì)和周期分析

采用基于Loess算法的時(shí)間序列季節(jié)和趨勢(shì)成分分解法(season and trend decomposition using Loess,STL)[20]分析降雨、溫度和NDVI的時(shí)間序列數(shù)據(jù),目的在于分析降雨、溫度序列數(shù)據(jù)和NDVI序列數(shù)據(jù)的變化趨勢(shì)以及周期性,觀察降雨、溫度等氣候因子與NDVI變化趨勢(shì)是否具有一致性。STL分解法的數(shù)學(xué)模型表達(dá)式為

yt=Tt+Pt+t。

(2)

式(2)中,yt為t時(shí)刻觀測(cè)值；Tt為反映該時(shí)間序列多年發(fā)展趨勢(shì)的趨勢(shì)項(xiàng);Pt為反映時(shí)間序列要素多年發(fā)展周期性的周期項(xiàng);t為隨機(jī)波動(dòng)項(xiàng),反映了時(shí)間序列要素的隨機(jī)特征,一般為高斯白噪聲,即符合標(biāo)準(zhǔn)正態(tài)分布。STL方法是一個(gè)遞歸的過(guò)程,每次遞歸要分別進(jìn)行3次Loess和滑動(dòng)平均過(guò)程。Loess過(guò)程是基于距離越近、相關(guān)性越強(qiáng)的假設(shè),賦予不同位置的點(diǎn)不同權(quán)重并進(jìn)行局部加權(quán)回歸。該過(guò)程需要選定局部回歸的窗口長(zhǎng)度(u)、回歸方程階數(shù)(d)和權(quán)重函數(shù)(W),常采用立方權(quán)重函數(shù):

(3)

具體各項(xiàng)的詳細(xì)檢驗(yàn)與提取方法見文獻(xiàn)[21-22]。

2.2.2相關(guān)性和滯后性分析

生長(zhǎng)期內(nèi)NDVI對(duì)氣候水、熱因素的變化響應(yīng)呈現(xiàn)出不同程度的滯后現(xiàn)象[23],為進(jìn)一步探明植被生長(zhǎng)對(duì)水、熱因素響應(yīng)的滯后特征,采用時(shí)滯互相關(guān)分析計(jì)算生長(zhǎng)期內(nèi)植被生長(zhǎng)對(duì)月平均降雨量、月積雨、月均溫和月積溫的滯后期[24]。首先,假設(shè)生長(zhǎng)期內(nèi)水、熱因素(月平均降雨量、月積雨、月均溫和月積溫)xt與生長(zhǎng)期內(nèi)月平均NDVI的時(shí)間序列yt在時(shí)滯為k時(shí)彼此相關(guān),互相關(guān)系數(shù)為

rk(x,y)=ck(x,y)/δxδy+k。

(4)

式(4)中,ck(x,y)為樣本的協(xié)方差,表示樣本的均方差,其計(jì)算公式為

(5)

(6)

(7)

式(5)～(7)中,

(8)

(9)

2.2.3殘差分析和改進(jìn)后的殘差分析

基于EVANS等[25]和GEERKEN等[26]提出的殘差分析法進(jìn)行人類活動(dòng)和自然影響的分離,該方法是對(duì)每個(gè)柵格像元的NDVI與氣候指標(biāo)做回歸分析,從而得到每個(gè)像元NDVI的預(yù)測(cè)值,該預(yù)測(cè)值可以視為氣候因子對(duì)NDVI的影響,然后利用遙感觀測(cè)的NDVI真實(shí)值減去NDVI預(yù)測(cè)值,就得到人類活動(dòng)對(duì)NDVI的影響,從而剝離開氣候變化和人類活動(dòng)分別對(duì)植被變化的影響[13],其表達(dá)式為

ε=INDV，觀測(cè)-INDV，預(yù)測(cè)。

(10)

式(10)中,ε為NDVI中人類活動(dòng)的貢獻(xiàn)部分,即NDVI殘差值,ε>0表示人類活動(dòng)產(chǎn)生正面影響,ε<0表示人類活動(dòng)產(chǎn)生負(fù)面影響,ε≈0表示人類活動(dòng)影響微弱。

其中,氣候指標(biāo)選取采用2.2.2節(jié)所述方法計(jì)算所得的最佳影響指標(biāo):最近2個(gè)月降雨和及上月平均溫度。由于研究區(qū)域較小,可以認(rèn)為研究區(qū)域內(nèi)部氣候條件完全相同,逐個(gè)建立工作面上方研究區(qū)內(nèi)像元NDVI平均值與最近2個(gè)月降雨和及上月平均溫度2個(gè)氣候指標(biāo)的多元線性回歸方程:

Zt=axt+byt+c。

(11)

式(11)中,Zt為t時(shí)間研究區(qū)域內(nèi)NDVI平均值,即NDVI預(yù)測(cè)值;xt和yt為該區(qū)域的氣候指標(biāo);a、b和c為回歸方程系數(shù)。

但該方法對(duì)觀測(cè)值的要求較高,觀測(cè)值數(shù)據(jù)的質(zhì)量直接影響了最終結(jié)果的質(zhì)量,如觀測(cè)當(dāng)天的薄云等影像采集質(zhì)量問(wèn)題有可能導(dǎo)致完全錯(cuò)誤的結(jié)果,因此對(duì)該方法稍作改動(dòng),改進(jìn)后表達(dá)式如下。

在開采影響區(qū)域:

ε采區(qū)=INDV，觀測(cè)-INDV，預(yù)測(cè)=ε系統(tǒng)誤差+ε人為影響;

(12)

而在非開采區(qū)域:

ε非采區(qū)=INDV，觀測(cè)-INDV，預(yù)測(cè)=ε系統(tǒng)誤差。

(13)

從而可以得到人類活動(dòng)的貢獻(xiàn)部分(ε人為影響):

ε人為影響=ε采區(qū)-ε非采區(qū)。

(14)

為減少生長(zhǎng)環(huán)境不同所帶來(lái)的影響,采區(qū)與非采區(qū)應(yīng)選取相同或相近的立地條件。立地條件指植被生長(zhǎng)的自然條件,包括土壤、地形、降雨、植被覆蓋率和喬灌草比等,植被立地條件的好壞直接影響著植被的生長(zhǎng)方式。

非采區(qū)的選取參照文獻(xiàn)[27],主要采用地形、植被覆蓋率和喬灌草比3個(gè)影響因素,結(jié)合增加及衰退演變方式,將荒地演變及穩(wěn)定性劃分為16種立地條件,選取與各工作面相同或相近立地條件的非采區(qū)作為對(duì)照。

3結(jié)果與分析

3.12005—2012年大柳塔地區(qū)月平均降雨和溫度變化

由圖1可見,大柳塔地區(qū)2005—2012年月平均降雨波動(dòng)較明顯,每年會(huì)出現(xiàn)2次降雨高峰,春季之后,降雨量逐漸增加,第1次高峰在4—5月期間,緊接著在6月中旬該地區(qū)迎來(lái)干旱期,在8或9月出現(xiàn)另1個(gè)降雨高峰,降雨量達(dá)到一年中的最大值。

分解結(jié)果圖(圖2)包括3個(gè)部分,季節(jié)分圖反映該時(shí)間序列的周期信息,趨勢(shì)分圖為長(zhǎng)期趨勢(shì),即該時(shí)間序列的發(fā)展方向,隨機(jī)分圖為噪聲部分。圖2的3個(gè)分圖中,最右側(cè)均有高度不等的細(xì)長(zhǎng)矩形條,該長(zhǎng)條是反映各分圖中指標(biāo)值大小的一個(gè)可視化度量,它們對(duì)應(yīng)的數(shù)值大小是一致的,也就是說(shuō),數(shù)據(jù)分圖中很小的長(zhǎng)條對(duì)應(yīng)的數(shù)值大小幅度與趨勢(shì)分圖中最大坐標(biāo)差是一致的?？梢钥闯?該地區(qū)降雨量在2005—2010年平穩(wěn)上升,2011年突然降低,2012年回升,但總體變化很小,可以得出該地區(qū)近年來(lái)降雨量除2011年以外呈小幅上升趨勢(shì)。

圖1　大柳塔地區(qū)降雨時(shí)序

每個(gè)分圖中最右側(cè)的細(xì)長(zhǎng)矩形條是反映各

由圖3可見,大柳塔地區(qū)2005—2012年月平均溫度波動(dòng)較明顯,12或1月達(dá)到年溫度最小值,溫度均勻上升,在每年6、7或8月達(dá)到年溫度最大值。

2005—2012年期間,最高溫度為23.8 ℃,最低溫度為-13.7 ℃。由STL分解圖(圖4)可以看出,該地區(qū)在2005—2012年期間溫度均值基本保持穩(wěn)定,呈緩慢下降趨勢(shì),波動(dòng)不大,且無(wú)異常變化年?？梢缘贸?該地區(qū)2005—2012年溫度變化趨勢(shì)為緩慢下降,但下降幅度小。

圖3　大柳塔地區(qū)溫度時(shí)序

每個(gè)分圖中最右側(cè)的細(xì)長(zhǎng)矩形條是反映各

3.22005—2012年大柳塔地區(qū)月均NDVI變化

由圖5～6可見,大柳塔地區(qū)NDVI均值呈緩慢上升趨勢(shì),部分年份NDVI值在1和12月下降幅度較大,可以解釋為該地區(qū)大面積降雪所致,其變化特點(diǎn)與溫度和降雨的月均變化總體趨勢(shì)一致,其峰值和低谷值出現(xiàn)時(shí)間也一致。

NDVI均值對(duì)每年6月的降雨低谷有所反應(yīng),出現(xiàn)圖6中所示NDVI上升過(guò)程中的“開叉口”,2010和2012年沒有出現(xiàn)反應(yīng),可以解釋為溫度的上升使該地區(qū)更加適宜植被生長(zhǎng),且此時(shí)正處于植物快速生長(zhǎng)期,因此NDVI持續(xù)上升,并未對(duì)短暫的干旱期做出反應(yīng)。

圖5　大柳塔地區(qū)NDVI時(shí)序

每個(gè)分圖中最右側(cè)的細(xì)長(zhǎng)矩形條是反映各

3.3NDVI對(duì)氣候變化響應(yīng)的滯后特征

由表1～2可以看出,該地NDVI對(duì)水、熱響應(yīng)的滯后期約為1個(gè)月,對(duì)水、熱響應(yīng)的最敏感因素為上月平均溫度和最近2個(gè)月降雨和;就對(duì)水、熱因素響應(yīng)的敏感度差異而言,NDVI對(duì)溫度的響應(yīng)更加敏感,但與對(duì)降雨的響應(yīng)敏感程度相差不大,原因是該地區(qū)屬于西北半干旱高原氣候,同時(shí)缺乏水、熱2種資源,因此2種氣候因素的升高都會(huì)導(dǎo)致植物光合作用效率提高,從而導(dǎo)致NDVI升高。

3.4NDVI對(duì)人類活動(dòng)影響的滯后特征

氣候變化和人類活動(dòng)是導(dǎo)致植被變化的2大驅(qū)動(dòng)力,系統(tǒng)評(píng)價(jià)兩者在植被生長(zhǎng)變化中的相對(duì)作用對(duì)于深入理解礦區(qū)植被生長(zhǎng)變化驅(qū)動(dòng)力作用機(jī)理以及開展礦區(qū)重建工作具有重要意義[28]。由于該地區(qū)較貧瘠,導(dǎo)致人類活動(dòng)較少,主要的人類活動(dòng)即為煤炭開采活動(dòng)。基于改進(jìn)后的殘差分析法進(jìn)行人類活動(dòng)和自然影響的分離,剝離開氣候變化和人類活動(dòng)分別對(duì)植被NDVI變化的影響。2個(gè)工作面上方研究區(qū)內(nèi)像元NDVI平均值與最近2個(gè)月降雨和及上月平均溫度2個(gè)氣候指標(biāo)的多元線性回歸系數(shù)以及相關(guān)系數(shù)見表3?？梢钥闯?各回歸方程均通過(guò)置信度95%的顯著性檢驗(yàn)。

表1月平均降雨、月平均溫度與NDVI的相關(guān)系數(shù)

Table 1Correlation coefficients of vegetation NDVI with monthly mean rainfall, and monthly mean temperature

滯后時(shí)間月平均降雨月平均溫度0個(gè)月 0.7507 0.80031個(gè)月0.76970.91492個(gè)月0.52200.79143個(gè)月0.15680.46454個(gè)月0.18300.00235個(gè)月-0.4480-0.46106個(gè)月-0.5904-0.8080

滯后時(shí)間為0個(gè)月對(duì)應(yīng)的是當(dāng)月平均降雨(或當(dāng)月平均溫度),滯后時(shí)間為1個(gè)月對(duì)應(yīng)的是上月平均降雨(或上月平均溫度),其他滯后時(shí)間依此類推。

表2降雨和、溫度和與NDVI的相關(guān)系數(shù)

Table 2The correlation coefficient between NDVI and cumulative rainfall, cumulative temperature

時(shí)間降雨和溫度和最近2個(gè)月0.88060.6958最近3個(gè)月0.87780.6785最近4個(gè)月0.78910.6172最近5個(gè)月0.65170.5080最近6個(gè)月0.47400.3570最近7個(gè)月0.27570.1741

最近2個(gè)月降雨和(或溫度和)指當(dāng)月平均降雨量(或溫度)與上月平均降雨量(或溫度)之和,最近3、4、5、6和7個(gè)月降雨和(或溫度和)依此類推。

表32個(gè)工作面NDVI平均值與2個(gè)最佳影響指標(biāo)的多元線性回歸系數(shù)和相關(guān)系數(shù)

Table 3Regression coefficients, correlation coefficients andFvalue of different mining face

工作面名稱系數(shù)a系數(shù)b系數(shù)c復(fù)相關(guān)系數(shù)RF值226150.0012610.0034810.1144100.840.00001020221030.0024020.0036300.1298860.880.00000013

開采當(dāng)年NDVI均值變化和人類影響殘差隨時(shí)間變化見圖7。對(duì)比可以得出,圖7(b)和(f)以及(c)和(g)具有很強(qiáng)的相似性,從而驗(yàn)證筆者觀點(diǎn):單純的觀測(cè)值與預(yù)測(cè)值的殘差并不能代表人類活動(dòng)的影響,該殘差主要由獲取影像的質(zhì)量所決定,可以歸屬為系統(tǒng)誤差,通過(guò)選取相同立地條件的研究區(qū)域,計(jì)算該研究區(qū)域的殘差,并計(jì)算2種殘差之差來(lái)減小該系統(tǒng)誤差。由圖7(d)和(h)可以看出,開采到該地區(qū)前1個(gè)月該地區(qū)人為影響即殘差(ε人為影響)開始增加,該地區(qū)開采當(dāng)月,殘差上升至最大值,之后便逐漸下降,導(dǎo)致該現(xiàn)象的原因?yàn)殚_采的超前影響,即在開采工作面推進(jìn)過(guò)程中,工作面前方的地表受采空區(qū)的影響而下沉,這種現(xiàn)象被稱為超前影響。在開采工作面推進(jìn)到實(shí)驗(yàn)區(qū)域的前1個(gè)月,由于超前影響的存在,研究區(qū)域已經(jīng)開始受到影響,人類影響值開始增加?？梢缘贸?開采對(duì)植被NDVI的擾動(dòng)為導(dǎo)致其下降的負(fù)面影響,植被NDVI下降響應(yīng)的滯后時(shí)間短于1個(gè)月,即開采當(dāng)月人類活動(dòng)對(duì)植被的影響達(dá)到最大值。

圖7　不同工作面上方殘差變化

4結(jié)論

對(duì)2005—2012年降雨和溫度等氣候因子和NDVI時(shí)序數(shù)據(jù)進(jìn)行分解分析,并分別在大柳塔礦區(qū)尺度和工作面尺度上建立氣候因子和NDVI的相關(guān)性,對(duì)殘差分析方法進(jìn)行改進(jìn)并用于分離NDVI變化中的人為影響和氣候影響?？梢缘贸?2005—2012年該區(qū)域降雨和溫度因子總體變化較小,其中降雨呈微弱上升趨勢(shì),溫度呈微弱下降趨勢(shì);在自然影響和開采活動(dòng)的共同影響下,2005—2012年大柳塔地區(qū)植被NDVI呈緩慢上升趨勢(shì),其中氣候因素為正面影響,開采活動(dòng)為負(fù)面影響。月均NDVI與最近2個(gè)月降雨和、上月平均溫度呈顯著正相關(guān),相關(guān)系數(shù)分別為0.880 6和0.914 9,得出月均NDVI對(duì)降雨和溫度因素的響應(yīng)滯后時(shí)間約為1個(gè)月。工作面尺度上的月際NDVI受開采影響,響應(yīng)滯后時(shí)間短于1個(gè)月,即植被NDVI在開采當(dāng)月受到的人為擾動(dòng)最強(qiáng)烈。

參考文獻(xiàn)：

[1]孫慶先,胡振琪.中國(guó)礦業(yè)的環(huán)境影響及可持續(xù)發(fā)展[J].中國(guó)礦業(yè),2003,12(7):23-26

[2]范英宏,陸兆華,程建龍,等.中國(guó)煤礦區(qū)主要生態(tài)環(huán)境問(wèn)題及生態(tài)重建技術(shù)[J].生態(tài)學(xué)報(bào),2003,23(10):2144-2152.

[3]侯曉麗.廢棄煤礦土地復(fù)墾研究[D].重慶:西南大學(xué),2010.

[4]李涇妮.煤炭開采環(huán)境影響研究[D].太原:太原理工大學(xué),2011.

[5]耿殿明,姜福興.我國(guó)煤炭礦區(qū)生態(tài)環(huán)境問(wèn)題分析[J].中國(guó)煤炭,2002,28(7):21-24.

[6]李海東,沈渭?jí)?司萬(wàn)童,等.中國(guó)礦區(qū)土地退化因素調(diào)查:概念、類型與方法[J].生態(tài)與農(nóng)村環(huán)境學(xué)報(bào),2015,31(4):445-451.

[7]韋振鋒,王德光,張翀,等.近12年陜甘寧黃土高原區(qū)植被物候時(shí)空變化特征[J].生態(tài)與農(nóng)村環(huán)境學(xué)報(bào),2014,30(4):423-429.

[8]劉綠柳,肖風(fēng)勁.黃河流域植被NDVI與溫度、降水關(guān)系的時(shí)空變化[J].生態(tài)學(xué)雜志,2006,26(5):477-481，502.

[9]楊建平,丁永建,陳仁升.長(zhǎng)江黃河源區(qū)高寒植被變化的NDVI記錄[J].地理學(xué)報(bào),2005,60(3):467-478.

[10]ROERINK G J,MENENTI M.Assessment of Climate Impact on Vegetation Dynamics by Using Remote Sensing[J].Physics and Chemistry of the Earth,2003,28(3),103-109.

[11]許端陽(yáng),康相武,劉志麗,等.氣候變化和人類活動(dòng)在鄂爾多斯地區(qū)沙漠化過(guò)程中的相對(duì)作用研究[J].中國(guó)科學(xué)(地球科學(xué)),2009,39(4):516-528.

[12]周偉,剛成誠(chéng),李建龍,等.1982—2010年中國(guó)草地覆蓋度的時(shí)空動(dòng)態(tài)及其對(duì)氣候變化的響應(yīng)[J].地理學(xué)報(bào),2014,69(1):15-30.

[13]劉斌,孫艷玲,王中良,等.華北地區(qū)植被覆蓋變化及其影響因子的相對(duì)作用分析[J].自然資源學(xué)報(bào),2015,30(1):12-23.

[14]TOOM1K A,LIBIK V.Oil Stale Mining and Processing Impact on Landscapes in Northeast Estonia[J].Landscape and Urban Planning,1998,41(3):285-292.

[15]趙紅梅,張發(fā)旺,宋亞新,等.大柳塔采煤塌陷區(qū)土壤含水量的空間變異特征分析[J].地球信息科學(xué)學(xué)報(bào),2010,12(6):753-760.

[16]徐友寧,李智佩,陳社斌,等.大柳塔煤礦采煤塌陷對(duì)土地沙漠化進(jìn)程的影響[J].中國(guó)地質(zhì),2008,35(1):157-162.

[17]趙永光,黃波,汪超亮.基于超分辨率重建的多時(shí)相MODIS與Landsat反射率融合方法[J].遙感學(xué)報(bào),2013,17(3):590-608.

[18]王昆,張麗,王志勇,等.基于半方差函數(shù)的STARFM改進(jìn)模型[J].測(cè)繪科學(xué),2013,24(3):140-142,92.

[19]張開,周紅敏,王錦地,等.融合Landsat ETM+和MODIS數(shù)據(jù)估算高時(shí)空分辨率地表短波反照率[J].遙感學(xué)報(bào),2014,18(3):497-517.

[20]中國(guó)人民銀行調(diào)查統(tǒng)計(jì)局.時(shí)間序列X-12-ARIMA季節(jié)調(diào)整:原理與方法[M].北京:中國(guó)金融出版社,2006:133-149.

[21]黃顯峰,邵東國(guó),陽(yáng)書敏.降雨時(shí)間序列分解預(yù)測(cè)模型及應(yīng)用[J].中國(guó)農(nóng)村水利水電,2007,28(9):6-8.

[22]王妍.中長(zhǎng)期降雨預(yù)測(cè)方法研究[D].合肥:合肥工業(yè)大學(xué),2003.

[23]FABRICANTE I,OESTERHELD M,PARUELO J M.Annual and Seasonal Variation of NDVI Explained by Current and Previous Precipitation Across Northern Pata-Gonia[J].Journal of Arid Environments,2009,73(8):745-753.

[24]李學(xué)梅,任志遠(yuǎn),張翀,等.重慶市NDVI對(duì)水熱條件變化的響應(yīng)及其空間特征[J].水土保持通報(bào),2013,33(4):166-169,175,317.

[25]EVANS J,GEERKEN R.Discrimination Between Climate and Human-Induced Dryland Degradation[J].Journal of Arid Environments,2004,57(3):535-554.

[26]GEERKEN R,IIAIWI M.Assessment of Rangeland Degradation and Development of a Strategy for Rehabilitation[J].Remote Sensing of Environment,2004,90(3):490-504.

[27]申艷琴.半干旱區(qū)煤炭開采對(duì)植被擾動(dòng)規(guī)律的研究[D].徐州:中國(guó)礦業(yè)大學(xué),2014.

[28]許端陽(yáng),李春蕾,莊大方,等.氣候變化和人類活動(dòng)在沙漠化過(guò)程中相對(duì)作用評(píng)價(jià)綜述[J].地理學(xué)報(bào),2011,66(1):68-76.

(責(zé)任編輯： 李祥敏)

Temporal Characteristics of Response of Vegetation to Disturbance of Mining and Subsidence in Semi-Arid Coal Mining Area.

TAOWen-kuang1,LEIShao-gang2

(1.School of Environment Science and Spatial Informatics, China University of Mining and Technology, Xuzhou 221116, China;2.Institute of Land Resources, China University of Mining and Technology, Xuzhou 221116, China)

Abstract:STL(season and trend decomposition using Loess) time sequence decomposition(locally weighted regression scatter smoothing)method, time lag correlation analysis and modified residual analysis were performed of the MODIS images, the mean monthly NDVI(normalized difference vegetation index) time sequence data of TM images and the meteorological data of Daliuta of the Shendong Mining Area of the time period of 2005-2012, to explore laws of the temporal variation of vegetation NDVI in Daliuta with changes in precipitation and temperature during the period from 2005 to 2012 as well as laws of temporal variation of vegetation NDVI in response to human activities, especially mining activities. Results show that the vegetation NDVI in Daliuta responded one month behind the changes in precipitation and temperature, and was the most closely related to rainfall of the past two months; coal mining did have some negative impacts on vegetation NDVI, which responded a bit less than one month later.

Key words:Daliuta mining area;climate change;human activity;temporal characteristics

作者簡(jiǎn)介：陶文曠(1993—),男,安徽馬鞍山人,碩士生,主要從事環(huán)境遙感方面的研究。E-mail: tao129tao@163.com

DOI：10.11934/j.issn.1673-4831.2016.02.005

中圖分類號(hào)：X87

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1673-4831(2016)02-0200-07

通信作者①E-mail: lsgang@126.com

基金項(xiàng)目：教育部新世紀(jì)優(yōu)秀人才支持計(jì)劃(NCET-12-0956);國(guó)家科技基礎(chǔ)性工作專項(xiàng)(2014FY110800)

收稿日期：2015-11-09