岫巖偏嶺礦區(qū)植被修復(fù)生態(tài)環(huán)境監(jiān)測評估

周斌 李雨鴻 李輯 李晶 王婷 劉東明

?

岫巖偏嶺礦區(qū)植被修復(fù)生態(tài)環(huán)境監(jiān)測評估

周斌 李雨鴻 李輯 李晶 王婷 劉東明

（遼寧省生態(tài)氣象和衛(wèi)星遙感中心，沈陽 110166）

植被修復(fù)對于礦區(qū)生態(tài)重建和礦區(qū)生態(tài)環(huán)境改善具有重要意義，為了解決傳統(tǒng)現(xiàn)場檢測方式對大礦群區(qū)而言費(fèi)時(shí)費(fèi)力的問題，利用高分辨率遙感衛(wèi)星影像對礦區(qū)生態(tài)恢復(fù)成效進(jìn)行了評估。文章基于“高分二號”衛(wèi)星遙感影像研究，采用監(jiān)督分類和人工修正后處理的方法，對礦區(qū)植被修復(fù)生態(tài)環(huán)境進(jìn)行了監(jiān)測和評估，分析了2016年和2018年岫巖縣偏嶺鎮(zhèn)礦區(qū)生態(tài)環(huán)境恢復(fù)情況，結(jié)果表明：2016年~ 2018年偏嶺鎮(zhèn)植被的復(fù)墾面積為0.041 4km2，增加礦區(qū)面積0.073 6km2。以無人機(jī)考察方式選取典型地塊赴現(xiàn)場進(jìn)行提取精度評價(jià)，植被和礦區(qū)面積的遙感圖像識別精度分別達(dá)到92.1%和98.4%。礦山地質(zhì)環(huán)境恢復(fù)治理取得一定成效，但總的植被面積增加尚不明顯，需進(jìn)一步開展治理工作。

生態(tài)環(huán)境監(jiān)測 植被修復(fù) 礦區(qū) 遙感影像 “高分二號”衛(wèi)星

0 引言

岫巖縣隸屬于遼寧省鞍山市，偏嶺鎮(zhèn)位于岫巖縣西北部邊緣，鎮(zhèn)內(nèi)菱鎂產(chǎn)量及品質(zhì)居全國之首，世界第二。石灰石品質(zhì)和貯量居亞洲首位。豐富的礦藏資源在創(chuàng)造了大量的經(jīng)濟(jì)效益和顯著的社會(huì)效益的同時(shí)，采礦廢石、選礦尾礦、廢渣、廢液等，在其堆放或排放過程中，占用了大量的土地，導(dǎo)致植被覆蓋面積減少[1]，造成礦區(qū)及周邊地區(qū)的土壤、大氣、地表水及地下水污染等環(huán)境問題[2]。礦產(chǎn)資源開發(fā)方式簡單粗放，引發(fā)的礦山地質(zhì)環(huán)境問題日趨嚴(yán)重[3-5]，給所在地區(qū)的生態(tài)環(huán)境造成嚴(yán)重破壞和巨大威脅[6-7]。

利用實(shí)地考察方式開展土地利用變化的研究工作必然要?jiǎng)佑么罅康娜肆?、物力，且完成任?wù)所耗費(fèi)的周期較長、效率低[8]，遙感監(jiān)測具有大面積同步觀測、時(shí)效性強(qiáng)、數(shù)據(jù)量豐富、不受地面條件限制等優(yōu)勢。近幾年，遙感技術(shù)應(yīng)用在生態(tài)環(huán)境遙感調(diào)查與監(jiān)測領(lǐng)域已經(jīng)積累了豐富的經(jīng)驗(yàn)，已成為礦區(qū)生態(tài)環(huán)境監(jiān)管的重要手段[9-10]。文獻(xiàn)[11]的研究表明WordView-3影像能夠很好地識別出蘇莫查干敖包地區(qū)鈾礦勘查工作；文獻(xiàn)[12]以SPOT-5遙感影像為數(shù)據(jù)源，為快速準(zhǔn)確探明印度尼西亞加里曼丹地區(qū)紅土型鋁土礦提供了新思路；文獻(xiàn)[13]以格陵蘭島科瓦內(nèi)灣的Landsat8、ASTER數(shù)據(jù)為基礎(chǔ)，在現(xiàn)代成礦理論支撐下甄別找礦異常信息，圈定了格陵蘭島科瓦內(nèi)灣找礦預(yù)測區(qū)。隨著遙感圖像技術(shù)的不斷提高，世界上主要發(fā)達(dá)國家和部分發(fā)展中國家都已經(jīng)或正在發(fā)展各自的空間高分辨率對地觀測衛(wèi)星系統(tǒng)[14]，但國外高分遙感影像的價(jià)格不菲，不適用于在國內(nèi)開展常年的常規(guī)監(jiān)測評價(jià)。我國于2014年發(fā)射升空的“高分二號”（GF-2）遙感衛(wèi)星，其影像具有1m的空間分辨率，有能力取代部分國外衛(wèi)星遙感數(shù)據(jù)，成為我國礦山監(jiān)測的主要數(shù)據(jù)源之一[15-17]，但國內(nèi)高分衛(wèi)星投入使用時(shí)間不長，相關(guān)研究結(jié)果較少。本文的研究是利用偏嶺地區(qū)2016年GF-2衛(wèi)星的3景影像和2018年GF-2衛(wèi)星的2景影像及實(shí)地?zé)o人機(jī)調(diào)研分析結(jié)果，通過輻射定標(biāo)、大氣校正、正射校正、圖像融合、圖像裁剪等得到2016年和2018年共2年偏嶺地區(qū)的遙感影像圖，將得到的遙感影像圖進(jìn)行地物的遙感解譯分類，統(tǒng)計(jì)計(jì)算該地區(qū)各時(shí)相的礦區(qū)植被面積，對該地區(qū)的植被覆蓋變化監(jiān)測研究工作進(jìn)行了全局性分析，以期為今后開展相關(guān)工作奠定基礎(chǔ)。

1 數(shù)據(jù)源介紹

1.1 數(shù)據(jù)選取

從中國資源衛(wèi)星應(yīng)用中心的《陸地觀測衛(wèi)星數(shù)據(jù)服務(wù)平臺(tái)》查詢篩選了2016年9月和2018年9月GF-2衛(wèi)星影像數(shù)據(jù)，最終確定全覆蓋本研究地點(diǎn)高品質(zhì)圖像數(shù)據(jù)。由于受GF-2衛(wèi)星運(yùn)轉(zhuǎn)軌道位置、幅寬以及岫巖偏嶺鎮(zhèn)面積的大小等因素的影響，單一一景影像無法全覆蓋本研究區(qū)域，因此選擇圖像時(shí)在保證研究區(qū)域全覆蓋的情況下，盡量采用時(shí)間相近、影像數(shù)量少的原則，分別對影像數(shù)據(jù)進(jìn)行前期處理，最后確定選取2016年3景影像和2018年GF-2的2景影像，如表1所示。

1.2 數(shù)據(jù)處理方法

本文利用ENVI5.3，分別對2016年和2018年GF-2衛(wèi)星的影像進(jìn)行多光譜和全色影像數(shù)據(jù)的正射校正、圖像融合、快速大氣校正、圖像鑲嵌和圖像裁剪工作，進(jìn)行數(shù)據(jù)的預(yù)處理。易康eCognition Developer 軟件是全球第一個(gè)面向?qū)ο蟆⒛M人類大腦認(rèn)知原理、進(jìn)行智能化影像信息解譯、分類信息提取的專業(yè)工具。本文在eCognition Developer 64 9.0軟件中進(jìn)行面向?qū)ο蠓指?，結(jié)合目視解譯的方法對圖像分割與合并，通過不同地物的遙感解譯標(biāo)志，選取訓(xùn)練樣本進(jìn)行圖像分類，建立了礦區(qū)、植被和其他3種類別。在ARCGIS 10.0中將分類結(jié)果通過目視解譯方法，結(jié)合遙感影像，修改錯(cuò)誤分類后輸出柵格地圖。將野外實(shí)地調(diào)查收集的礦區(qū)植被生態(tài)環(huán)境地質(zhì)要素結(jié)果作為參考依據(jù)，用于評價(jià)提取精度。

表1 2016年和2018年岫巖偏嶺鎮(zhèn)GF-2數(shù)據(jù)參數(shù)

Tab.1 GF-2 data parameters of Pianling, Xiuyan in 2016 and 2018

注：1）PMS1和PMS2為兩個(gè)不同的傳感器；2）MSS為多光譜影像；3）PAN為全色影像。

2 結(jié)果與分析

2.1 偏嶺數(shù)字正射影像圖（Digital Orthphoto Map，DOM）

研究區(qū)為遼寧省鞍山市岫巖縣偏嶺鎮(zhèn)，通過對GF-2衛(wèi)星的數(shù)據(jù)（表1）預(yù)處理后，得到偏嶺鎮(zhèn)的2016年和2018年的DOM影像，如圖1所示。

圖1 岫巖偏嶺鎮(zhèn)DOM影像

由于兩年DOM影像在原始影像的顏色上存在一定的色差，因此在預(yù)處理后的兩年影像上也存在相同的問題，并沒有對其進(jìn)行調(diào)整。這主要是考慮如果對其顏色進(jìn)行調(diào)整，在細(xì)節(jié)差別的識別性上勢必會(huì)弱化一些地區(qū)，進(jìn)而導(dǎo)致影像在后期進(jìn)行地物識別時(shí)的準(zhǔn)確性；而這一年度間的色差并不會(huì)對影像分類結(jié)果造成影響，因此2016年和2018年的兩景DOM影像在視覺上有明暗的差異。

2.2 偏嶺植被礦區(qū)分布情況

通過利用eCognition Developer 64 9.0軟件運(yùn)用面向?qū)ο蟛⒔Y(jié)合目視解譯的方法進(jìn)行圖像分類得到2016年9月和2018年同一時(shí)期偏嶺鎮(zhèn)植被礦區(qū)分布圖（圖2），從圖中可以看出：1）偏嶺大部地區(qū)被植被所覆蓋；2）礦區(qū)主要分布在中部，另外在東南部地區(qū)也有零星礦區(qū)存在；3）建筑主要集中在各礦區(qū)；4）道路縱橫錯(cuò)落有致；5）2016年和2018年的植被礦區(qū)分布圖的放大圖（圖4）上可以看到部分區(qū)域植被和礦區(qū)面積兩年間發(fā)生了很大變化。

圖2 2016年和2018年偏嶺鎮(zhèn)植被礦區(qū)分布圖

為統(tǒng)計(jì)分析岫巖偏嶺礦區(qū)植被修復(fù)情況，通過對2016年和2018年偏嶺鎮(zhèn)高分遙感影像圖進(jìn)行地物分類，得到該地礦區(qū)、植被和其他地物類型的面積統(tǒng)計(jì)表，如表2所示。該表顯示礦區(qū)總面積在2018年面積較大，占地2.66km2，植被總面積在2016年分布較廣，占地233.58km2。2018年比2016年礦區(qū)面積增加0.07km2，植被面積減少0.01km2，其他地物類型減少0.06km2。

表2 2016年和2018年岫巖偏嶺鎮(zhèn)地物分類面積統(tǒng)計(jì)表

Tab.2 Object classification area of Pianling, Xiuyan in 2016 and 2018 km2

注：“2018比2016增加”為2018年與2016年該類地物面積的差值。

2.3 偏嶺植被礦區(qū)分布變化情況

為具體詳查岫巖偏嶺礦區(qū)和植被面積的分布變化情況，本研究以2018年DOM影像作為基準(zhǔn)，將2016年的分類結(jié)果同2018年分類結(jié)果進(jìn)行比較偏嶺地區(qū)植被礦區(qū)分布變化情況如圖3所示，在岫巖偏嶺地區(qū)2018年比2016年存在增多的植被和礦區(qū)地區(qū)，這種地類的變化主要在岫巖偏嶺的中西部地區(qū)。通過統(tǒng)計(jì)分析其矢量數(shù)據(jù)得到2016年和2018年偏嶺植被的復(fù)墾面積0.041 4km2，礦區(qū)面積增加0.073 6km2，這說明在當(dāng)?shù)夭块T對礦山地質(zhì)環(huán)境恢復(fù)治理取得一定成效。

圖3 植被礦區(qū)分布變化情況分布圖

為進(jìn)一步觀察分析這種變化特點(diǎn)，將變化較明顯的一個(gè)典型地塊進(jìn)行放大，得到偏嶺局部（位于偏嶺中部）植被礦區(qū)變化放大圖，如圖4所示。

圖4 偏嶺局部植被礦區(qū)變化放大圖

在圖4的偏北部的1和2地區(qū)2018年比2016年的礦區(qū)面積增加了，植被面積減少了；而在偏南部地區(qū)的3和4地區(qū)植被面積增加，礦區(qū)面積減少。也就是說2016年～2018年一部分地塊植被覆蓋面積增加的同時(shí)，另一些地塊的礦區(qū)面積不斷擴(kuò)增，這導(dǎo)致盡管存在新增植被面積的情況，但是偏嶺地區(qū)總的植被面積增加不明顯，尚需進(jìn)一步開展治理工作。

2.4 實(shí)地調(diào)研情況

為驗(yàn)證本研究方法對地物分類的準(zhǔn)確性，我們進(jìn)行了實(shí)地調(diào)研并用無人機(jī)進(jìn)行了圖片采集，調(diào)研點(diǎn)信息如表3所示。實(shí)地考察地點(diǎn)是鞍山市岫巖滿族自治縣偏嶺鎮(zhèn)的青花集團(tuán)部分礦區(qū)，該集團(tuán)為該地區(qū)的幾大礦區(qū)的重點(diǎn)企業(yè)之一，在GF-2影像上具有典型的地物特點(diǎn)，在人工目視解譯過程中爭議較大，因此選取該地開展調(diào)研查證工作。

表3 2018年11月16日偏嶺鎮(zhèn)調(diào)研信息表

Tab.3 Survey Information Sheet on November 16, 2018 in Pianling

將本次實(shí)地考察地點(diǎn)的2018年高分影像圖（圖5）、2018年識別解譯的植被礦區(qū)分布圖（圖6）和無人機(jī)航拍圖片（圖7）進(jìn)行對比分析，本研究對該地2018年遙感影像圖地物類型分類結(jié)果表明，該地區(qū)的礦區(qū)面積為0.049 km2，植被面積為0.154 km2。經(jīng)實(shí)地調(diào)研考察，該地區(qū)的礦區(qū)面積為0.046 km2，植被面積為0.157 km2。因此，遙感圖像對該地區(qū)礦區(qū)和植被面積的識別精度分別達(dá)到92.1%和98.4%。此誤差的原因主要是在進(jìn)行對影像圖的人工目視識別時(shí)分類有誤造成的，這與對該地的熟識程度和對遙感影像的分割分類經(jīng)驗(yàn)有關(guān)。

圖5 高分遙感影像DOM實(shí)地調(diào)研測點(diǎn)放大圖

注：綠色為植被，藍(lán)色為礦區(qū)

圖7 偏嶺鎮(zhèn)測點(diǎn)無人機(jī)航拍照片

3 結(jié)束語

對于高分辨率影像來說，由于地物類別內(nèi)部的光譜響應(yīng)變異增大，傳統(tǒng)的基于像元的遙感影像分類方法已不適合高分遙感圖像分類[18]。目前通常采用直接目視解譯分類方法，這種方法盡管分類的精度較高，但也需要耗費(fèi)大量的時(shí)間和精力。因此，本文采用eCognition軟件進(jìn)行面向?qū)ο蟮姆指钆c分類理論的方法, 這種方法不僅可以有效解決高分辨率影像的分類問題[19-20]，而且節(jié)約了大量的時(shí)間，提高了工作效率。

盡管GF-2遙感衛(wèi)星的空間分辨率優(yōu)于1m[15]，但人工對圖像地物判別還存在一定的差異誤差，導(dǎo)致本研究結(jié)果的具體數(shù)字會(huì)產(chǎn)生一定偏差。本研究選取遙感影像中的疑似地點(diǎn)開展實(shí)地考察，利用無人機(jī)影像進(jìn)一步對GF-2數(shù)據(jù)進(jìn)行進(jìn)一步訂正，同時(shí)開展了該地區(qū)的精度驗(yàn)證，為今后開展高分辨率圖像分析工作提供了良好的經(jīng)驗(yàn)。

我國能源行業(yè)不僅為我國帶來了經(jīng)濟(jì)效益，同時(shí)也帶來了環(huán)境問題和資源問題[21-22]，隨著人們對經(jīng)濟(jì)發(fā)展的需求，礦區(qū)面積依然在不斷擴(kuò)增。本研究結(jié)果表明：岫巖地區(qū)礦區(qū)的快速擴(kuò)張侵占了大量的林地，然而礦區(qū)的復(fù)墾面積有限，對當(dāng)?shù)厣鷳B(tài)系統(tǒng)的穩(wěn)定性造成了一定的威脅。同時(shí)我們也看到隨著人們對生態(tài)環(huán)境的不斷重視，政府在近幾年采取各種方法減緩對環(huán)境的破壞，地物類型變化逐漸趨于平緩，自然環(huán)境不斷修復(fù)改善，人民生態(tài)意識逐漸增強(qiáng)。

[1] 王倜, 張雪華, 王春輝. 林區(qū)砂金廢棄礦區(qū)生態(tài)復(fù)原技術(shù)研究[J]. 林業(yè)科技, 1996, 21(4): 13-14. WANG Chou, ZHANG Xuehua, WANG Chunhui. The Forest Ecological Restoration of Abandoned Mining Area of Placer Gold[J]. Forestry Science and Technology, 1996, 21(4): 13-14. (in Chinese)

[2] 張海波. 丹東市鉛鋅礦尾礦庫周邊地區(qū)土壤重金屬污染狀況與防治對策[J]. 農(nóng)業(yè)與技術(shù), 2013, 33(3): 14-15. ZHANG Haibo. Heavy Metal Pollution Status and Control Countermeasures in the Surrounding Area of Tailing Lead-zinc Mine Tailings Reservoir[J]. Agriculture and Technology, 2013, 33(3): 14-15. (in Chinese)

[3] 閆軍, 楊雪茹, 李樵民. 北山成礦帶礦山開發(fā)占地遙感監(jiān)測[J]. 寧夏工程技術(shù), 2018, 17(3): 257-259. YAN Jun, YANG Xueru, LI Qiaomin. Monitoring of Mine Development Land of Beishan Metallogenic Belt by Remote Sensing Technology[J]. Ningxia Engineering Technology, 2018, 17(3): 257-259. (in Chinese)

[4] 張曉德, 劉桂香, 王夢圓, 等. 開礦對錫林浩特市草原景觀的影響[J]. 中國草地學(xué)報(bào), 2018, 40(3): 102-109. ZHANG Xiaode, LIU Guixiang, WANG Mengyuan, et al. Influences of Mining in Grassland on Grassland Landscape of Xilinhot City in Recent 20 Years[J]. Chinese Journal of Grassland, 2018, 40(3): 102-109. (in Chinese)

[5] 馬梅, 張圣微, 魏寶成. 錫林郭勒草原近30年草地退化的變化特征及其驅(qū)動(dòng)因素分析[J]. 中國草地學(xué)報(bào), 2017, 39(4): 86-93. Ma Mei, Zhang Shengwei, Wei Baocheng. Temporal and Spatial Pattern of Grassland Degradation and Its Determinats for Recent 30 years Xilingol[J]. Chinese Journal of Grassland, 2017, 39(4): 86-93. (in Chinese)

[6] 熊俊麗. 分析礦產(chǎn)資源開發(fā)對其生態(tài)環(huán)境影響[J]. 世界有色金屬, 2018(17): 110-112. XIONG Junli. Analysis of The Impact of Mineral Resources Development on Its Ecological Environment[J]. World Nonferrous Metals, 2018(17): 110-112. (in Chinese)

[7] 王志華, 何國金, 張兆明. 福建省羅源縣石材礦開采區(qū)高分遙感十年變化監(jiān)測[J]. 遙感信息, 2014, 29(6): 41-46. WANG Zhihua, HE Guojin, ZHANG Zhaoming. Ten-year Change Monitoring on Stone Mining Areas in Luoyuan County of Fujian Province Based on High Resolution Satellite Imagery[J]. Remote Sensing Information, 2014, 29(6): 41-46. (in Chinese)

[8] 熊恬葦, 江豐, 齊述華. 贛南6縣稀土礦區(qū)分布及其植被恢復(fù)的遙感動(dòng)態(tài)監(jiān)測[J]. 中國水土保持, 2018(1): 40-44.XIONG Tianwei, JIANG Feng, QI Shuhua. Remote Sensing Dynamic Monitoring on Rare Earth Mining Area and Its Vegetation Restoration of 6 Counties in Southern Jiangxi[J]. Soil and Water Conservation in China, 2018(1): 40-44. (in Chinese)

[9] 陳玲, 梁樹能, 周艷, 等. 國產(chǎn)高分衛(wèi)星數(shù)據(jù)在高海拔地區(qū)地質(zhì)調(diào)查中的應(yīng)用潛力分析[J]. 國土資源遙感, 2015, 27(1): 140-145. CHEN Ling, LIANG Shuneng, ZHOU Yan, et al. Potential of Applying Domestic High-resolution Remote Sensing Data to Geological Survey in High Altitudes[J]. Remote Sensing for Land and Resources, 2015, 27(1): 140-145. (in Chinese)

[10] 王瑞軍, 董雙發(fā), 孫永彬, 等. 基于高分一號衛(wèi)星數(shù)據(jù)新疆索拉克地區(qū)控礦地質(zhì)單元遙感解譯與應(yīng)用[J]. 國土資源遙感, 2017, 29 (s1): 137-144. WANG Ruijun, DONG Shuangfa, SUN Yongbin, et al. Remote Sensing Interpretation and Application of the Geological Unit of Suolake Area in Xinjiang Based on GF-1 Satellite Data[J]. Remote Sensing for Land and Resources, 2017, 29 (s1): 137-144. (in Chinese)

[11] 張?jiān)獫? 潘蔚, 余長發(fā), 等. WorldView-3 影像在內(nèi)蒙古蘇莫查干敖包地區(qū)鈾礦勘查中的應(yīng)用[J]. 鈾礦地質(zhì), 2019, 35(2): 114-121. ZHANG Yuantao, PAN Wei, YU Changfa, et al. Application of WorldView-3 Image in Uranium Exploration in Sumoqagan Obo, Inner Mongolia[J]. Uranium Geology, 2019, 35(2): 114-121. (in Chinese)

[12] 張文龍, 侯昭華, 李領(lǐng)軍, 等. SPOT5 在印尼加里曼丹鋁土礦遙感調(diào)查中的應(yīng)用[J]. 地質(zhì)與勘探, 2015, 51(1): 157-164. ZHANG Wenlong, HOU Zhaohua, LI Lingjun, et al. Application of SPOT5 Data to the Remote Sensing Survey of a Bauxite Deposit in the Kalimantan Area of Indonesia[J]. Geology and Exploration, 2015, 51(1): 157-164. (in Chinese)

[13] 陳超, 朱志敏, 王璠. 格陵蘭島科瓦內(nèi)灣遙感異常提取及找礦預(yù)測[J]. 世界有色金屬, 2019(2): 76-78. CHEN Chao, ZHU Zhimin, WANG Fan. Remote Sensing Anomaly Extraction and Prospecting Prediction in Kovane Bay, Greenland[J]. World Nonferrous Metals, 2019(2): 76-78. (in Chinese)

[14] 高峰, 安培浚. 國際空間和對地觀測技術(shù)發(fā)展戰(zhàn)略新動(dòng)向[J]. 遙感技術(shù)與應(yīng)用, 2008, 23(6): 686-696. GAO Feng, AN Peijun. The New Trends of Development Strategy on the International Space and Earth Observation Technology[J]. Remote Sensing Technology and Application, 2008, 23(6): 686-696. (in Chinese)

[15] 安志宏, 吳春明, 孫禧勇, 等. 基于“高分二號”衛(wèi)星影像的砂金礦區(qū)環(huán)境地質(zhì)調(diào)查[J]. 航天返回與遙感, 2017, 38 (6): 107-112. AN Zhihong, WU Chunming, SUN Xiyong, et al. Study on Environmental Geology Investigation in Gold Placer-mining Area Using GF-2 Imagery[J]. Spacecraft Recovery & Remote Sensing, 2017, 38 (6): 107-112. (in Chinese)

[16] 孫攀, 董玉森, 陳偉濤, 等. 高分二號衛(wèi)星影像融合及質(zhì)量評價(jià)[J]. 國土資源遙感, 2016, 28(4): 108-113. SUN Pan, DONG Yusen, CHEN Weitao, et al. Research on Fusion of GF-2 Imagery and Quality Evaluation[J]. Remote Sensing of Land and Resources, 2016, 28(4): 108-113. (in Chinese)

[17] 董佰山, 楊耘, 崔琴芳. 基于高分二號的礦區(qū)土地利用精細(xì)分類與分析[J]. 甘肅科學(xué)學(xué)報(bào), 2019, 31(1): 81-85. Dong Baishan, Yang Yun, Cui Qinfang. Detailed Classification and Analysis Based on Separator No.2 Land Use in Mining Area[J]. Journal of Gansu Sciences, 2019, 31(1): 81-85. (in Chinese)

[18] 王海暉, 彭嘉雄, 吳巍, 等. 多源遙感圖像融合效果評價(jià)方法研究[J]. 計(jì)算機(jī)工程與應(yīng)用, 2003, 39(25): 33-37. WANG Haihui, PENG Jiaxiong, WU Wei, et al. A Study of Evaluation Methods on Performance of the Multi-source Remote Sensing Image Fusion[J]. Computer Engineering and Applications, 2003, 39(25): 33-37. (in Chinese)

[19] BLASCHKE T. Object Based Image Analysis for Remote Sensing[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2010, 65(1): 2-16.

[20] 陳通利, 黎海波. 面向?qū)ο蟮倪b感影像分類在地理國情普查中的應(yīng)用[J]. 測繪與空間地理信息, 2017, 40(10): 108-110. CHEN Tongli, LI Haibo. Application of Object－Oriented Remote－Sensing Image Classification in the Geographical National Census[J]. Geomatics &Spatial Information Technology, 2017, 40(10): 108-110. (in Chinese)

[21] 袁省之, 孫竹, 張寶生, 等. 石油礦區(qū)可持續(xù)經(jīng)濟(jì)效率評價(jià)體系構(gòu)建及應(yīng)用[J]. 石油科學(xué)通報(bào), 2018, 3(3): 354-368. YUAN Xingzhi, SUN Zhu, ZHANG Baosheng, et al. Evaluation of Sustainable Economic Efficiency in Oilfields[J]. Petroleum Science Bulletin, 2018, 3(3): 354-368. (in Chinese)

[22] 李新春, 彭紅軍, 趙晶. 煤炭資源型城市發(fā)展對策研究[J]. 軟科學(xué), 2006, 20(3): 40-41. LI Xinchun, PENG Hongjun, ZHAO Jing. Studying the Development Strategy for the City of Coal Rescource Type[J]. Soft Science, 2006, 20(3): 40-41. (in Chinese)

Monitoring and Assessment of Vegetation Restoration Ecology Environment in Xiuyan Pianling-mining Area

ZHOU Bin LI Yuhong LI Ji LI Jing WANG Ting LIU Dongming

（Liaoning Provincial Center for Ecological Meteorology and Satellite Remote Sensing, Shenyang 110166, China）

Vegetation restoration has great significance for ecological reconstruction and improvement of ecological environment quality in mining areas. Using high-resolution remote sensing satellite images to evaluate the ecological restoration effect in mining areas solves the problem of time-consuming and labor-intensive traditional on-site detection methods on the dynamic status of large mining areas. Based on the remote sensing image of GF-2 satellite the monitoring and evaluation research on ecological environment of vegetation restoration in mining area was carried out by means of supervised classification and artificial correction post-processing. The ecological environment restoration in the mining area of Pianling Town in Xiuyan County in 2016 and 2018 was analyzed. The analysis result shows that the rising area of vegetation in Pianling is 0.041 4km2and the mining area is increased by 0.073 6km2from 2016 to 2018. The typical area was selected to evaluate the extraction accuracy by the field survey of unmanned aerial vehicle. The accuracy of remote sensing image classification of vegetation and mining area reached 92.1% and 98.4% respectively. The restoration and treatment of geological environment of mining area have achieved some progress initially; nevertheless further treatment work is needed, because the total vegetation area is not increased obviously.

ecological environment monitoring; vegetation restoration; mining area; remote sensing image; GF-2 satellite

VP79

A

1009-8518(2019)03-0103-08

10.3969/j.issn.1009-8518.2019.03.013

周斌，女，1983年生，2013年6月獲中國科學(xué)院沈陽應(yīng)用生態(tài)研究所生態(tài)學(xué)專業(yè)博士學(xué)位，高級工程師。研究方向?yàn)樯鷳B(tài)氣象、資源環(huán)境遙感。E-mail：zhoubin_07biotech@163.com。

李輯，男，1963年生，1988年獲南京氣象學(xué)院氣候?qū)W專業(yè)碩士學(xué)位，正高級工程師。研究方向?yàn)榻y(tǒng)籌管理高分辨率對地觀測系統(tǒng)成果推廣、高分?jǐn)?shù)據(jù)在全省氣象部門衛(wèi)星遙感數(shù)據(jù)應(yīng)用、生態(tài)文明建設(shè)氣象保障服務(wù)。E-mail：cqliji@sina.com。

2019-02-19

國家自然科學(xué)基金項(xiàng)目（41605087)；遼寧省農(nóng)業(yè)領(lǐng)域青年科技創(chuàng)新人才培養(yǎng)計(jì)劃項(xiàng)目（2015030）；遼寧省氣象局科學(xué)技術(shù)研究課題（201907）

（編輯：龐冰）