貴州省煤礦區(qū)植被指數(shù)變化及其影響因子分析

李俊剛,閆慶武①,熊集兵,2,3,黃園園

(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.國(guó)土環(huán)境與災(zāi)害監(jiān)測(cè)國(guó)家測(cè)繪地理信息局重點(diǎn)實(shí)驗(yàn)室,江蘇 徐州　221116;3.江蘇省資源環(huán)境信息工程重點(diǎn)實(shí)驗(yàn)室,江蘇 徐州　221116)

?

貴州省煤礦區(qū)植被指數(shù)變化及其影響因子分析

李俊剛1,閆慶武1①,熊集兵1,2,3,黃園園1

(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.國(guó)土環(huán)境與災(zāi)害監(jiān)測(cè)國(guó)家測(cè)繪地理信息局重點(diǎn)實(shí)驗(yàn)室,江蘇 徐州221116;3.江蘇省資源環(huán)境信息工程重點(diǎn)實(shí)驗(yàn)室,江蘇 徐州221116)

摘要：基于遙感和空間分析技術(shù),利用MODIS數(shù)據(jù)對(duì)2000—2014年貴州省煤炭資源開(kāi)采對(duì)植被的影響進(jìn)行監(jiān)測(cè)分析。采用最大值合成、平均值和一元線性回歸分析等方法研究貴州省煤礦區(qū)植被變化特征,并運(yùn)用地理探測(cè)器分析高程、坡度、坡向、土壤、多年平均降水量、多年平均氣溫和煤炭年產(chǎn)量對(duì)礦區(qū)植被變化的影響。結(jié)果表明,貴州省煤礦區(qū)NDVI值均大于0.77,整體生長(zhǎng)狀況較好，但低于全省平均水平,其中大型煤礦植被指數(shù)均值明顯低于中、小型煤礦;在全省NDVI值處于上升趨勢(shì)的情況下,大多數(shù)礦區(qū)(79.22%)植被也處于改善趨勢(shì),依然有部分礦區(qū)(13.42%)植被呈現(xiàn)退化趨勢(shì);全省總體而言,煤炭產(chǎn)量對(duì)礦區(qū)植被變化的解釋力在7個(gè)因子中處于第3位,在遵義、畢節(jié)和六盤(pán)水市,其解釋力分別排第4、5和5位,對(duì)植被變化解釋力最大的是自然環(huán)境因子中的降水、土壤和坡度。

關(guān)鍵詞：煤礦;歸一化植被指數(shù);地理探測(cè)器;貴州省

礦區(qū)植被變化是自然環(huán)境因素與人類生產(chǎn)活動(dòng)共同作用的結(jié)果,對(duì)礦區(qū)植被變化進(jìn)行研究可以分析煤炭開(kāi)采活動(dòng)對(duì)礦區(qū)生態(tài)環(huán)境的影響。歸一化植被指數(shù)(NDVI,INDV)作為宏觀反映煤礦區(qū)地表植被信息的重要信息源,已被作為我國(guó)煤礦區(qū)植被覆蓋及其生長(zhǎng)活力定性和定量評(píng)價(jià)的重要指標(biāo)之一[1]。已有諸多研究通過(guò)分析礦區(qū)植被指數(shù)的變化監(jiān)測(cè)煤炭生產(chǎn)活動(dòng)對(duì)礦區(qū)生態(tài)環(huán)境的影響[2-4]。貴州省是我國(guó)西南地區(qū)重要煤炭基地,該地區(qū)植被受氣溫、降水和地形等因子影響較大[5],同時(shí)與環(huán)境政策、農(nóng)業(yè)政策和農(nóng)村經(jīng)濟(jì)狀況密切相關(guān)[6],植被生長(zhǎng)具有明顯的空間差異和季節(jié)性差異[7],植物類型較多,恢復(fù)能力較強(qiáng),煤礦規(guī)模較小且位于山區(qū),煤炭開(kāi)采活動(dòng)對(duì)植被的影響未引起足夠重視。筆者通過(guò)NDVI指數(shù)研究貴州省610個(gè)煤礦區(qū)植被生長(zhǎng)情況及變化趨勢(shì),從而反映自然環(huán)境較好的中國(guó)西南地區(qū)煤炭資源開(kāi)采對(duì)生態(tài)環(huán)境的影響。

1研究區(qū)概況

貴州省位于中國(guó)西南地區(qū)東南部,地理坐標(biāo)為北緯24°37′～29°13′,東經(jīng)103°36′～109°35′,處于云貴高原東斜坡,地勢(shì)西高東低,平均海拔1 100 m左右,以高原山地和丘陵為主,占土地總面積的92.5%,巖溶地貌發(fā)育典型,喀斯特面積約1 091萬(wàn) hm2,占全省土地面積的61.9%,氣候溫暖濕潤(rùn),全省大部分地區(qū)平均氣溫15 ℃左右,年均降水量1 100～1 300 mm。礦產(chǎn)資源種類眾多，分布廣泛，門(mén)類齊全，儲(chǔ)量豐富,全省已發(fā)現(xiàn)礦產(chǎn)資源123種,全省各類礦山企業(yè)總數(shù)為7 461個(gè)。按礦山規(guī)模劃分,大型礦山18個(gè),占礦山總數(shù)的0.2%;中型礦山99個(gè)，占1.3%；其余均為小型礦山,占98.5%。煤礦礦山1 975個(gè),其中大型11個(gè),中型25個(gè),小型1 939 個(gè)。煤炭資源不僅儲(chǔ)量大,而且煤種齊全，煤質(zhì)優(yōu)良,2005年末保有量居全國(guó)第2位。

2數(shù)據(jù)來(lái)源與處理

研究采用的數(shù)據(jù)為2000、2002、2004、2006、2008、2010、2012和2014年6—9月MODIS數(shù)據(jù)(MOD13A3和MOD13Q),數(shù)據(jù)格式為EOS-HDF,空間分辨率為1和0.25 km,地圖投影格式為正弦曲線投影,使用美國(guó)國(guó)家航空航天局(NASA)提供的MRT(MODIS Reprojection Tools)軟件對(duì)時(shí)間跨度為15 a的貴州省NDVI數(shù)據(jù)進(jìn)行格式和地圖投影轉(zhuǎn)換,將HDF格式轉(zhuǎn)化為T(mén)iff格式,將Sinusoidal地圖投影轉(zhuǎn)換為Albers Equal Area投影。將貴州省國(guó)土資源廳提供的1∶50萬(wàn)《貴州省礦產(chǎn)資源開(kāi)發(fā)利用現(xiàn)狀圖》矢量化,得到610個(gè)煤礦區(qū)基本信息,包括煤炭年產(chǎn)量和開(kāi)采規(guī)模等。土壤類型數(shù)據(jù)、年平均氣溫和多年平均降水量數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http:∥www.resdc.cn),數(shù)字高程模型(DEM)來(lái)源于中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心國(guó)際科學(xué)數(shù)據(jù)鏡像網(wǎng)站(http:∥www.gscloud.cn),并由DEM生成坡度和坡向數(shù)據(jù)。利用ArcGIS軟件的空間分析模塊提取煤礦區(qū)的植被指數(shù)、高程、坡度、坡向、土壤、多年平均降水和多年平均氣溫等信息,根據(jù)統(tǒng)計(jì)學(xué)原理以610個(gè)礦區(qū)作為樣本分析貴州省煤炭開(kāi)采對(duì)礦區(qū)植被的影響。貴州省煤礦區(qū)分布示意見(jiàn)圖1。

圖1　貴州省煤礦區(qū)分布示意

3研究方法

3.1最大值合成法

MVC(maximum value composites)能大限度地消除云等其他因素的影響,增加了對(duì)短期大氣氣溶膠、懸浮顆粒物和太陽(yáng)天頂角等的校正[8]。根據(jù)貴州省植被生長(zhǎng)的特點(diǎn),利用該方法取6—9月NDVI最大值合成年最大值,可以減弱區(qū)域氣候?qū)χ脖簧L(zhǎng)周期的影響,計(jì)算公式為

MNDVI，i=maxINDV,ij。

(1)

式(1)中,INDV,ij為i年j月的NDVI最大值;MNDVI，i為第i年的NDVI最大值,是一年內(nèi)植被生長(zhǎng)最豐盛時(shí)期的NDVI值。

3.2均值分析

根據(jù)煤礦生產(chǎn)規(guī)?？梢詣澐譃榇笮?、中型和小型煤礦3類,研究不同類型煤礦的NDVI變化情況,計(jì)算公式為

(2)

式(2)中,ENDVI為某生產(chǎn)規(guī)模類型中所有礦區(qū)MNDVI,i平均值;n為該生產(chǎn)規(guī)模類型煤礦區(qū)總數(shù)。

3.3趨勢(shì)分析

一元線性回歸可模擬植被的綠度變化率[8],其值為某時(shí)間段內(nèi)的季節(jié)合成NDVI年際變化的最小次方線性回歸方程的斜率。采用該方法來(lái)模擬多年最大化NDVI的變化趨勢(shì),其計(jì)算公式為

(3)

式(3)中,S為模擬植被變化的一元線性回歸方程的斜率;S<0說(shuō)明2000—2014年NDVI呈減少趨勢(shì),反之則呈增加趨勢(shì)。

3.4地理探測(cè)器

為了分析貴州省煤礦區(qū)NDVI變化的主導(dǎo)因子,利用地理探測(cè)器對(duì)高程、坡度、坡向、多年平均氣溫、多年平均降水量、土壤和煤炭開(kāi)采量7個(gè)因子進(jìn)行分析,計(jì)算7個(gè)因子對(duì)煤礦區(qū)植被變化的影響。利用NDVI的一元線性回歸系數(shù)作為煤礦區(qū)植被生長(zhǎng)變化的表征指標(biāo),利用地理探測(cè)器算法來(lái)研究自然因素(高程、坡度、坡向、土壤、年均降水量、年均氣溫)和人為因素(煤炭年產(chǎn)量)對(duì)煤礦區(qū)NDVI變化趨勢(shì)的影響程度,其模型為

(4)

式(4)中,PD,H為影響因子D對(duì)植被變化表征指標(biāo)空間分布的解釋力,解釋力越大，說(shuō)明該因子的影響越明顯;nD,i為子區(qū)域i內(nèi)煤礦區(qū)樣本數(shù);n為研究區(qū)域總樣本數(shù);σH2為總區(qū)域的離散方差;σHD,i2為子區(qū)域的離散方差。若D對(duì)植被變化指標(biāo)具有解釋力,則σHD,i會(huì)很小。當(dāng)σHD,i→0,則接近植被變化趨勢(shì)系數(shù)完全由該因子決定的理想狀態(tài),此時(shí)PD,H=1。

4結(jié)果與分析

4.1貴州省與煤礦區(qū)NDVI均值變化

如圖2所示,煤礦區(qū)與貴州省NDVI年最大值的均值都大于0.75,說(shuō)明植被生長(zhǎng)狀況良好。2000—2012年煤礦區(qū)NDVI均值低于全省NDVI均值,說(shuō)明煤礦區(qū)植被生長(zhǎng)狀況低于全省平均水平,但差距不大;2012—2014年煤礦區(qū)與全省NDVI均值持平或超過(guò)全省平均水平。

圖2　2000—2014年貴州省和煤礦區(qū)NDVI均值曲線

從不同生產(chǎn)規(guī)模礦區(qū)植被變化曲線(圖3)可以看出,3種類型煤礦區(qū)NDVI在2000年相差不大,2002—2014年大型煤礦區(qū)植被生長(zhǎng)狀況明顯低于中、小型煤礦區(qū),而且中、小型煤礦區(qū)NDVI都呈現(xiàn)不同程度的上升趨勢(shì),大型礦區(qū)在經(jīng)過(guò)2010年的短暫上升后處于連續(xù)下降趨勢(shì)。該現(xiàn)象的原因主要為:2000—2014年全省氣候條件較好,NDVI整體處于上升趨勢(shì),同時(shí)全省范圍內(nèi)實(shí)施礦山復(fù)綠工程以及土地復(fù)墾重點(diǎn)工程,對(duì)部分礦區(qū)土地進(jìn)行修復(fù),將部分占用、損毀和受地質(zhì)災(zāi)害破壞的土地復(fù)墾為耕地、林地和草地,使煤礦區(qū)植被覆蓋度有明顯改善;另一方面,由于近幾年貴州省開(kāi)展礦業(yè)資源整合工作,小型煤礦基本全部處于停產(chǎn)狀態(tài),煤炭生產(chǎn)活動(dòng)對(duì)礦區(qū)植被的影響減弱,植被有一定程度的自我恢復(fù)能力,而大型煤礦則承擔(dān)了更多的煤炭生產(chǎn)任務(wù),導(dǎo)致大型煤礦區(qū)NDVI均值在2014年出現(xiàn)最小值。

圖3　2000—2014年不同生產(chǎn)規(guī)模煤礦區(qū)NDVI均值曲線

4.2煤礦區(qū)植被變化趨勢(shì)分析

用一元線性回歸分析方法計(jì)算610個(gè)煤礦15 a內(nèi)NDVI值變化趨勢(shì),根據(jù)回歸趨勢(shì)線的斜率將煤礦區(qū)植被變化分為7個(gè)等級(jí)(表1)。

表1NDVI變化趨勢(shì)分級(jí)標(biāo)準(zhǔn)[2]

Table1Standard for grading of NDVI variation trends

曲線斜率植被變化程度<-0.0090嚴(yán)重退化-0.0090～<-0.0045中度退化-0.0045～<-0.0010輕微退化-0.0010～<0.0010基本不變0.0010～<0.0045輕微改善0.0045～<0.0090中度改善≥0.0090明顯改善

對(duì)植被指數(shù)回歸趨勢(shì)線斜率進(jìn)行統(tǒng)計(jì),結(jié)果見(jiàn)表2。從表2可知,2000—2014年貴州省煤礦區(qū)植被生長(zhǎng)趨勢(shì)良好,研究礦區(qū)中有79.22%的煤礦區(qū)植被呈改善趨勢(shì),呈退化趨勢(shì)的礦區(qū)占13.42%。從礦山生產(chǎn)規(guī)模來(lái)看,大型煤礦區(qū)中植被退化較嚴(yán)重的礦區(qū)所占比例較大,而中、小型煤礦中植被有所改善的礦區(qū)所占比例分別為88.1%和79.3%,遠(yuǎn)大于植被退化的礦區(qū)。

表2煤礦區(qū)NDVI變化趨勢(shì)統(tǒng)計(jì)

Table 2Statistics of NDVI variation trends in coal mining areas

煤礦規(guī)模占煤礦區(qū)總數(shù)的比例/%嚴(yán)重退化中度退化輕微退化基本不變輕微改善中度改善明顯改善大型0.160.330.160 0.160.160.49中型000.3300.330.651.47小型2.133.606.717.3614.7325.8735.36總計(jì)2.293.937.207.3615.2226.6837.32

4.3地理探測(cè)器分析

將煤炭年開(kāi)采量作為礦區(qū)生產(chǎn)活動(dòng)的指標(biāo),高程、坡度、坡向、土壤、多年平均氣溫和多年平均降水作為自然環(huán)境因子指標(biāo),利用地理探測(cè)器分析人為因素和自然因素對(duì)礦區(qū)植被變化的影響。地理探測(cè)器是針對(duì)離散數(shù)據(jù)的算法,除土壤類型數(shù)據(jù)外,其他6個(gè)因子都是連續(xù)變量,需要對(duì)連續(xù)數(shù)據(jù)離散化。根據(jù)已有的研究成果,地理探測(cè)器算法中選擇非監(jiān)督分類的最優(yōu)化結(jié)果對(duì)連續(xù)數(shù)據(jù)離散化,能夠克服數(shù)據(jù)離散化過(guò)程中的任意性和主觀性[9]。筆者采用等距離法(EI)、百分位數(shù)值法(QV)、自然斷點(diǎn)法(NB)、幾何間隔法(GI)和標(biāo)準(zhǔn)差法(SD)對(duì)數(shù)據(jù)進(jìn)行分組,考慮到樣本數(shù)量,使用前4種方法將樣本分為2～10組,標(biāo)準(zhǔn)差分類采用1和0.5倍標(biāo)準(zhǔn)差進(jìn)行分組;利用地理探測(cè)器計(jì)算各個(gè)分組的解釋力大小,然后選擇解釋力最大的分類方法和組數(shù)作為該因子的最佳離散結(jié)果。以全省煤礦區(qū)多年平均氣溫為例(表3),解釋力最大的分組是采用百分?jǐn)?shù)值法分10組,所以選擇該組作多年平均氣溫的離散化方案,分組間斷點(diǎn)為11.3、12.2、12.4、13.1、13.5、14.0、14.3、14.5和14.8 ℃,其解釋力為0.022。

表3不同分組方法對(duì)多年平均氣溫的解釋力

Table 3Contribution of mean annual temperature of years to variation of vegetation in coal mining areas relative to sorting method

方法2組3組4組5組6組7組8組9組10組11組EI0.0050.0040.0080.0050.0110.0030.0080.0090.010QV0.0060.0040.0160.0090.0120.0130.0150.0190.022NB0.0020.0040.0100.0060.0070.0090.0090.0100.010GI0.0050.0040.0060.0150.0080.0100.0120.0150.015SD0.0090.007

EI為等距離法;QV為百分位數(shù)值法;NB為自然斷點(diǎn)法;GI為幾何間隔法;SD為標(biāo)準(zhǔn)差法,1倍和0.5倍標(biāo)準(zhǔn)差分別為5和11組。

采用以上方法分別對(duì)煤炭年產(chǎn)量、高程、坡度、坡向和多年平均降水量數(shù)據(jù)進(jìn)行分組,同時(shí)選擇煤礦數(shù)量較多的遵義市、畢節(jié)市和六盤(pán)水市作為研究單元,研究貴州全省以及不同地區(qū)煤炭開(kāi)采量和自然環(huán)境因子對(duì)植被變化的影響程度(表4)。從全省范圍來(lái)看,影響礦區(qū)植被變化的主要因子從大到小依次為多年平均降水、坡度、煤炭年產(chǎn)量、多年平均氣溫、坡向、土壤和高程,煤炭年產(chǎn)量影響比較明顯,但影響最大的是多年平均降水。不同地區(qū)影響礦區(qū)植被變化的主要因子各不相同,遵義市各因子解釋力從大到小依次為土壤、坡度、坡向、煤炭年產(chǎn)量、高程、多年平均氣溫和多年平均降水,六盤(pán)水市各因子解釋力從大到小依次為坡度、多年平均氣溫、土壤、坡向、煤炭年產(chǎn)量、多年平均降水和高程,畢節(jié)市各因子解釋力從大到小依次為土壤、多年平均降水、高程、多年平均氣溫、煤炭年產(chǎn)量、坡向和坡度,土壤類型對(duì)遵義市和畢節(jié)市煤礦區(qū)植被影響最大,對(duì)六盤(pán)水市煤礦區(qū)植被影響最大的因子則是坡度。就煤炭年產(chǎn)量因子而言,在全省范圍內(nèi)對(duì)礦區(qū)植被的解釋力排在第3位,在遵義市、六盤(pán)水市和畢節(jié)市分別排在第4、5和5位。

由因子解釋力排序可知,影響礦區(qū)植被變化的主要因子是自然環(huán)境因素,但煤炭開(kāi)采活動(dòng)對(duì)植被的影響也不容忽視。由于煤礦區(qū)分布范圍比較廣,地形復(fù)雜,水熱分布差異大,土壤類型多樣,所以不同地區(qū)高程、坡度、坡向、降水、氣溫和土壤的解釋力差異較大。煤炭年產(chǎn)量的解釋力相對(duì)較弱,但其對(duì)NDVI變化的影響也比較明顯。貴州省煤炭開(kāi)采導(dǎo)致的植被破壞以巖體崩塌、滑坡和泥石流為主,地質(zhì)災(zāi)害對(duì)植被的損毀面積占礦區(qū)面積比例小,但破壞嚴(yán)重且恢復(fù)治理難度大。貴州省煤礦多位于山區(qū)且開(kāi)采規(guī)模小,植被生長(zhǎng)所需水分主要靠降水供給,因此由煤炭開(kāi)采引起的地表沉陷變形和地下水位變化對(duì)植被生長(zhǎng)影響較小。

表4不同區(qū)域植被指數(shù)變化的影響因子解釋力

Table 4Contributions of various affecting factors to variation of NDVI relative to coal mining area

區(qū)域煤炭年產(chǎn)量高程坡度坡向多年平均氣溫多年平均降水土壤貴州省0.0250.0150.0380.0190.0220.0470.018遵義市0.1160.0750.1790.1320.0700.0420.497六盤(pán)水市0.0710.0510.1930.1040.1360.0550.104畢節(jié)市0.1100.1750.0540.0710.1680.3060.649

5結(jié)論與建議

利用MODIS數(shù)據(jù),以610個(gè)煤礦區(qū)為樣本分析2000—2014年貴州省煤礦區(qū)植被指數(shù)變化的基本規(guī)律和特征,并對(duì)比分析煤炭年產(chǎn)量和自然環(huán)境因素對(duì)植被變化的影響作用,得出以下結(jié)論:(1)煤礦區(qū)NDVI均值略低于全省NDVI均值,植被整體生長(zhǎng)狀況較好,與全省植被指數(shù)的上升趨勢(shì)基本一致。植被的恢復(fù)和治理效果在中、小型煤礦區(qū)表現(xiàn)比較明顯,大型煤礦區(qū)NDVI值在2012和2014年明顯下降,應(yīng)加強(qiáng)大型煤礦區(qū)的植被恢復(fù)治理工作。(2)在2000—2014年全省NDVI值處于總體上升趨勢(shì)的情況下,依然有約13%的煤礦區(qū)植被處于退化趨勢(shì)。由煤礦區(qū)人為因素(煤炭年產(chǎn)量)與自然環(huán)境因素解釋力的對(duì)比分析發(fā)現(xiàn),自然環(huán)境因素是影響植被變化的主要因素,但不可忽視由煤炭開(kāi)采活動(dòng)引起的巖體崩塌、滑坡和泥石流等地質(zhì)災(zāi)害對(duì)植被的破壞。

基于以上結(jié)論,提出3點(diǎn)建議:(1)貴州省氣候適宜,降水充沛,應(yīng)充分利用該地區(qū)良好的自然環(huán)境條件和植被的自我恢復(fù)能力,以較少的投資成本獲得更好的環(huán)境效益;(2)在煤炭開(kāi)采的同時(shí)要加強(qiáng)對(duì)植被的保護(hù),另外對(duì)巖體和邊坡穩(wěn)定的地質(zhì)災(zāi)害點(diǎn)要及時(shí)開(kāi)展治理工作,并對(duì)損毀的植被進(jìn)行恢復(fù)治理;(3)不同地區(qū)影響礦區(qū)植被變化的因子存在差異,針對(duì)不同的情況應(yīng)制定差異化植被恢復(fù)方案,以便取得更好的效果。

參考文獻(xiàn)：

[1]張宏斌,唐華俊,楊桂霞,等.2000—2008年內(nèi)蒙古草原MODIS NDVI時(shí)空特征變化[J].農(nóng)業(yè)工程學(xué)報(bào),2009,25(9):168-175.

[2]吳立新,馬保東,劉善軍.基于SPOT衛(wèi)星NDVI數(shù)據(jù)的神東礦區(qū)植被覆蓋動(dòng)態(tài)變化分析[J].煤炭學(xué)報(bào),2009,34(9):1217-1222.

[3]王廣軍,胡振琪,杜海清,等.采礦擾動(dòng)下草地荒漠化的遙感分析:以霍林河露天煤礦區(qū)為例[J].遙感學(xué)報(bào),2006,10(6):917-925.

[4]馬超,張曉克,郭增長(zhǎng),等.半干旱山區(qū)采礦擾動(dòng)植被指數(shù)時(shí)空變化規(guī)律[J].環(huán)境科學(xué)研究,2013,26(7):750-758.[5]鄭有飛,劉宏舉,吳榮軍,等.貴州省NDVI變化及其與主要?dú)夂蛞蜃拥南嚓P(guān)性[J].生態(tài)與農(nóng)村環(huán)境學(xué)報(bào),2009,25(1):12-17.

[6]黃雪峰,龔碧凱,黃海峰.基于Landsat的四川盆地NDVI變化研究:以眉山市東坡區(qū)和仁壽縣為例[J].安徽農(nóng)業(yè)科學(xué),2009,37(7):3126-3128.

[7]高江波,吳紹洪,蔡運(yùn)龍.區(qū)域植被覆蓋的多尺度空間變異性:以貴州喀斯特高原為例[J].地理研究,2013,32(12):2179-2188.

[8]宋怡,馬明國(guó).基于SPOT VEGETATION數(shù)據(jù)的中國(guó)西北植被覆蓋變化分析[J].中國(guó)沙漠,2007,27(1):89-93.

[9]CAO Feng,GE Yong,WANG Jin-feng.Optimal Discretization for Geographical Detectors:Based Risk Assessment[J].GIScience & Remote Sensing,2013,50(1):78-92.

(責(zé)任編輯： 許素)

Variation of Vegetation Index in Coal Mining Areas in Guizhou Province and Its Affecting Factors.

LI Jun-gang1,YAN Qing-wu1, XIONG Ji-bing1,2,3, HUANG Yuan-yuan1

(1. School of Environment Science and Spatial Informatics, China University of Mining and Technology, Xuzhou 221116, China;2.National Administration of Surveying, Mapping and Geo-Information (NASG) Key Laboratory of Land Environment and Disaster Monitoring, Xuzhou 221116, China;3.Jiangsu Provincial Key Laboratory of Resources and Environment Information Engineering, Xuzhou 221116, China)

Abstract:With the aid of remote sensing and spatial analysis technology and MODIS data, impacts of coal mining activities on vegetation of Guizhou Province were analyzed. Variations of the vegetation in the coal mining areas of the province were analyzed and characterized with the maximum value composition, average and the unary linear regression analysis methods, and influences of elevation, aspect, slope, soil, mean annual precipitation of years and mean annual temperature of years and annual coal output on the vegetation in the coal mining areas of the province were explored. Results show that the NDVIs of all the coal mining areas of the province were higher than 0.77, which means the vegetation in the mining areas was pretty good in growth, but still poorer than the province′s average. Among the mining areas, large-sized mining areas were obviously lower than medium- and small-sized ones in NDVI; The NDVI of the province on the whole was on a rising trend. In a large proportion (79.22%) of the coal mining areas vegetation was improving, but still in a small portion (13.42%) it was degenerating;Among the seven factors affecting NDVI, coal output ranked third in the province as a whole, but fourth, fifth, and fifth in Zunyi, Bijie and Liupanshui, respectively. The main factors affecting the vegetation in the area were environmental factors like precipitation, soil and slope.

Key words:coal mine;normalized difference vegetation index (NDVI);geographical detector;Guizhou Province

收稿日期：2015-11-11

基金項(xiàng)目：國(guó)家科技基礎(chǔ)性工作專項(xiàng)(2014FY110800)

中圖分類號(hào)：P237；X835

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1673-4831(2016)03-0374-05

DOI：10.11934/j.issn.1673-4831.2016.03.006

作者簡(jiǎn)介：李俊剛(1990—),男,河南安陽(yáng)人,碩士生,從事空間分析與礦區(qū)土地退化方面的研究。E-mail: 13641532579@163.com

① 通信作者E-mail: 3403175@163.com