Characteristics of microbial communities in water bodies of ecologically fragile coal mining areas and indications for mine water filling
-
摘要:
我国生态脆弱矿区水资源整体匮乏，但局部地区矿井涌水却异常巨大。对生态脆弱矿区异常矿井充水水源识别，对矿区生态环境保护意义重大。研究以涌水量超过1 000 m3/h的榆树湾煤矿为背景，在分析矿井涌水量特征的基础上，采集了研究区主要含水层和矿井涌水点的30个水样，开展了水样高通量微生物测序研究。对测序结果采用Alpha多样性分析、Beta多样性分析及微生物构成差异分析，系统研究了矿井水体中微生物群落特征，分析了矿井充水来源。研究结果表明：高通量测试结果通过了Coverage指数检验，验证了其用于矿井充水识别的可行性。但人类活动密切接触的水样显示出微生物更加丰富，需要在取样中有效规避。榆树湾煤矿浅表松散含水层中微生物丰富度和多样性都较高，以新鞘脂菌属（Novosphingobium）、梭杆菌属（Fusobacterium）和硫属（Sulfuricum）等微生物丰度最高；直罗组为代表的基岩含水层微生物丰富度较低，但微生物多样性较高，以丛毛单胞菌属（Comamonas）、蛲虫属（Vermiphilaceae）和巴氏杆菌（Paeniglutamicibacter）等微生物丰度最高。所有水样中最为优势的门类为变形菌门，占比达到35.5%～89.7%。Alpha多样性、PCoA和NSDM分析揭示了榆树湾矿井充水水源主要来自松散含水层和直罗组含水层。但Beta多样性分析发现，随着直罗组静储量的释放，松散层中离石组黄土充水比例进一步增大。综合分析显示，榆树湾煤矿目前为基岩含水层快速释水+离石组含水层持续释水模式的充水模式，矿井涌水统计分析结果验证了这一结论。研究为相似化学成分含水层充水识别，提供了新的方法。
Abstract:The overall water resources in ecologically fragile mining areas in our country are scarce, but in some areas, mine water inflow is exceptionally large. The identification of abnormal mine water sources in ecologically fragile mining areas is of great significance for the protection of the ecological environment in the mining areas. This study takes the Yushuwan coal mine with a water inflow exceeding 1000 m3/h as the research background. Based on the analysis of the characteristics of mine water inflow, 30 water samples were collected from the main aquifers and mine water inflow points in the study area, and high-throughput microbial sequencing of water samples was conducted. The sequencing results were analyzed using Alpha diversity analysis, Beta diversity analysis, and differential analysis of microbial composition to systematically study the characteristics of microbial communities in mine water bodies and analyze the sources of mine water filling. The research results indicate that the high-throughput test results have passed the Coverage index test, verifying its feasibility for identifying mine water filling. However, water samples that have close contact with human activities show a greater abundance of microorganisms, which need to be effectively avoided in sampling. The abundance and diversity of microorganisms in the shallow loose aquifer of Yushuwan Coal Mine are relatively high, with the highest abundance being found in genera such asNovosphingobium,Fusobacterium, andSulfuricum. The microbial richness of the bedrock aquifer represented by the Zhiluo Formation is relatively low, but the microbial diversity is high, with the highest microbial abundance being found in genera such asComamonas,Vermiphilaceae, andPaeniglutamicacter. The most dominant phylum among all water samples isProteobacteria, accounting for 35.5% to 89.7%. Alpha diversity, PCoA, and NSDM analysis revealed that the water inflow in the Yushu Bay mine is mainly composed of loose layers and Zhiluo Formation. However, Beta diversity analysis found that with the release of static reserves in the Zhiluo Formation, the water source for filling the loose layer of Lishi loess further increases. Comprehensive analysis shows that the Yushuwan coal mine currently adopts a water filling mode of rapid release of bedrock aquifer and continuous release of Lishi Formation aquifer. The statistical analysis results of mine water inflow confirm this conclusion. The statistical analysis results of mine water inflow confirm this conclusion. This study provides a new method for identifying water filling in aquifers with similar chemical compositions.
-
0. 引 言
随着生态文明建设的不断推进，我国环境治理已经进入到由量变转换到质变的关键时期，水资源作为煤炭开发的刚性约束，将倒逼煤炭产业绿色发展水平进一步提升。毛乌素沙地内分布有陕北、神东煤炭基地，而沙地富煤少水、生态脆弱，煤炭资源规模化开发带来的地下水系统受损、生态环境损伤等问题，破坏区域生态功能的同时加剧了生态退化进程[1-3]。煤炭资源与水资源协调开发问题已经成为制约矿区绿色高质量发展的重要因素[4]。经过多年研究，我国学者在“保水采煤”、绿色开采相关领域进行了卓有成效的理论探索与工程实践[5-9]，极大地丰富了生态脆弱区资源开发理论体系，同时特殊环境下采煤技术水平也得到了长远的发展。随着煤炭开采逐渐迈向深部，针对于毛乌素沙地周边深埋煤层资源开发现状及生态损伤特征，马立强等[10]提出以保护生态地下水位及水害防治一体化的高效保水开采理论及方法；苗霖田等[11]基于钻孔地层数据对榆神府矿区煤−水−岩−环耦合特征、采煤生态损伤特征进行了分析，提出以云计算、大数据分析为依托的智能一体化综合治理技术；李全生等[12]对岩层采动裂隙的形成机理与演化规律进行了研究，探讨了采动裂隙在保水开采方面的应用潜力。统筹采煤技术现状、采动损害特征方面，张会军[13]提出涵盖绿色开采、动态修复、源头减灾、矿灾安全预警于一身的生态开采新模式。现有研究多集中于采煤理论技术创新、水资源优化管理方面，对于资源开发过程中煤炭资源与水资源相互影响关系、各主控因素对煤−水协调发展综合效益的控制、影响作用的相关研究较少。因此本文基于绿色开采理念，结合矿区生态特征、煤炭开采现状，探究毛乌素沙地深埋煤层矿区煤−水协调共采影响因素，辨识并分析相关主控因子作用方式及影响程度，以期为毛乌素沙地深埋煤层矿区绿色高质量发展提供参考。
1. 研究区概况
研究区位于神东煤炭基地呼吉尔特矿区（图1），该矿区地处毛乌素沙地东部，地势西北高、东南低，受地势影响，地下水总体自西北流向东南。矿区地层倾角1°～3°，褶皱、断层发育程度低，属构造简单型，有利于矿区煤炭资源集约化开发。区域属温带大陆性气候，干旱少雨且蒸发量大，降水分布不均，年均蒸发量2 221.6 mm，而年均降水量仅为396 mm；矿区地表属高原沙漠地貌特征，全部由第四系风积沙覆盖；降水稀少蒸发强烈的气候背景是造成区域生态脆弱的重要因素。截至目前，矿区内葫芦素煤矿、门克庆煤矿、母杜柴登煤矿、巴彦高勒煤矿均已投入生产，采用立井多水平开拓方式，主采煤层为3−1及2煤层，采煤工作面采用长壁一次采全高综合机械化采煤法，全部垮落法管理顶板。
呼吉尔特矿区所在鄂尔多斯盆地为陆相沉积盆地，由于陆相沉积过程中物源多、相带窄、相变快等特点，使得矿区内延安组煤系顶板内包含上百层砂泥岩互层结构，富水性强、弱地层交错分布，矿区内无区域性稳定隔水层。以门克庆煤矿为例，煤矿含煤地层延安组顶部地层为湖泊相沉积，在地质沉积作用下，湖泊开始沉积，随着湖水变浅，湖泊面积开始缩小，最终形成真武洞砂岩，分布于2-1煤与2-2中煤之间；延安组沉积后，受早期燕山运动影响，南部区域2-1煤层因侵蚀强烈而缺失，使得直罗组地层不整合与延安组各个层位上，其岩石结构上细下粗，称为七里镇砂岩。该含水层富水性不均一、局部较强且水压较大，加之隔水层的局部缺失使得煤层与主要含水层的距离过近，在采动裂隙影响下，矿井安全生产受顶板水害威胁严重且矿井涌水量与地勘预测值产生较大差异，水文地质条件较为复杂。
矿区内主要含煤地层为侏罗系延安组，煤系地层埋深较大，延安组、直罗组砂岩含水层是矿井主要充水水源，在局部区域出现富水性不均一、水压较大等现象，煤层开采过程中，顶板水害风险对安全生产造成一定影响。根据2021年矿区所辖煤矿数据，平均每采1 t煤将产生1.2 t矿井水，受制于主客观条件，矿井水综合利用率偏低，加之大规模高强度开采带来的采动损害对区域水资源、生态环境的影响，区域煤炭资源与水资源的综合开发较不协调。
2. 影响因素分析
2.1 采煤驱动地下水状态演变规律
研究采煤驱动下地下水系统演变规律，需要首先明晰采煤过程对地下水系统的影响过程，如图2所示。煤炭资源未开发时，地下水系统处于一种动态平衡状态，由于没有煤层开采的扰动，地下水径−补−排关系较为稳定，采煤区水文地质单元处于天然的自然循环状态，因此各含水层的水量、水压、渗流速度等参数变化较小，同一含水层水化学性能、水生态环境趋于稳定。
煤炭资源开采过程中，采空区作为“临空面”，促使地层原生应力场、裂隙场发生改变，同时对地下水渗流场也产生扰动[14]。采煤活动破坏了地层原有应力平衡，岩层移动与破断产生竖向及层间裂隙，区域内“三带”的发育使得位于含水层与煤层之间的隔水岩组产生裂隙，原生裂隙与次生裂隙的结合加剧了隔水层隔水能力的损伤。当导水裂隙切穿隔水岩层，隔水岩组隔水性遭到削弱，原有地下水径−补−排关系受到影响而发生改变，导水裂隙发育为地下水水平径流向垂向径流提供了运移通道及储水空间[15]，使得顶板砂岩弱含水层地下水渗流至采空区，汇流界面向下转移，加强了含水层与其他地层的水力联系，促进了渗流场再分布[16]。极易引发含水层失水，造成矿井涌水量增加，进一步致使地下水位下降，采煤区水文地质单元由稳定自然循环状态向非稳定采煤扰动状态转变，同时导水通道、含水介质及水力坡度的改变，使得地下水循环过程发生变化，一定程度上影响到矿井水水质的形成及演化[17]。
资源开发完成后，大量设备撤出矿井，矿山内部应力环境、覆岩水文地质条件、地下水环境质量及重金属污染物分布相较于原生状态发生重大变化。在采煤工作停止后的一段时间内，采煤扰动、人为疏排等因素造成的地下水系统非稳态将逐渐向新的稳定状态转变。由于井下排水工作停止，矿井涌水随着闭坑时间的延长开始积蓄，水位开始上升，受采动破裂岩体间摩擦力等因素影响，可能引发采空区变形失稳等其他次生灾害，可能对临近生产矿井造成威胁，同时区域水动力逐渐弱化，部分封闭采空区内水化学反应的持续进行加剧了矿井水质的劣化。
综合来看，伴随着煤炭资源开采工作的开展直至结束，采区地下水系统呈现出一定生命周期特征，由采前天然循环状态向采煤扰动状态转变，并在开采结束后进入采后稳定状态，采煤区地下水位而随之产生变化。对于呼吉尔特矿区来说，由于煤层埋深较大，采煤活动主要影响侏罗系相关含水层，对于白垩系及第四系含水层的影响相对较小；而毛乌素沙地北部浅埋煤层矿区，由于煤层埋深较浅，采动裂隙影响范围涉及到地表，局部出现地裂缝、沉陷等现象，浅部含水层及地表生态也将受到影响。
2.2 采区地下水位监测试验
煤炭与水资源往往共存于同一地质结构，与地表植被在垂向上形成由地下至地表的煤−水−生态系统，他们共同构成以水资源为纽带的煤层−含水层−地表植被三维空间。水资源作为连接煤炭资源与生态环境的重要桥梁，煤炭开采对其产生了严重的影响，主要表现在2个方面。一方面是采煤驱动下，煤层顶板岩组发生位移或破断，导通含水层产生矿井涌水；另一方面是，出于安全生产考虑的人为疏干以及采动裂隙导通含水层造成的自然疏干会降低地下水位，促使地层应力环境发生改变，随之可能产生的沉陷区会影响地表植被的原生生存环境。因此，为进一步分析矿区煤炭资源开发对地下水位的影响程度，分别针对第四系、白垩系、侏罗系含水层地下水位进行观测，以此来明晰采煤活动对地下水资源及地表生态植被可能产生的影响。
为了准确覆盖呼吉尔特矿区及周边采煤影响区，依托矿区所在旗县—乌审旗境内国控井、区控井，同时布设野外观测井，实现对第四系含水层准确观测，观测频率根据井位与矿区所处距离的远近从每周一次到每季度一次不等。根据野外实测数据，结合境内国控井、区控井长系列数据，分别绘制2018—2022共5年的地区第四系含水层水位标高变化情势图，如图3所示。
![]()
图 3 乌审旗2018—2022年第四系地下水位变化情况Figure 3. Changes of quaternary groundwater level in Usen Banner from 2018 to 2022截止2018年，呼吉尔特矿区内葫芦素煤矿、门克庆煤矿、母杜柴登煤矿、巴彦高勒煤矿均已正式投入运行，部分煤矿早已开展煤炭开采工作，因此本研究通过分析矿区所在区域第四系含水层水位变化，来探索煤炭资源开发对当地生产生活具有重要供水意义的第四系含水层的影响作用。
从2018—2022年5年矿区第四系地下水位变化情况来看，降幅仅为15～20 cm，采煤活动对于第四系地下水位影响较小，而这种降幅更可能与图克镇与乌兰陶勒盖镇日趋增加的植被覆盖率、基本稳定的农业用水、降水蒸发、城镇供水等因素有关。结合2022年最近测试数据，对比前几年情况，矿区内煤矿所在区域第四系地下水位未发生大幅度的下降，因此基本认为采煤对第四系水位影响不大。
进一步，通过收集矿区内4座投产煤矿内水文长观孔观测数据，绘制呼吉尔特矿区煤矿水文长观孔布置图（图4），开展采煤区白垩系、侏罗系地下水位观测。
![]()
图 4 呼吉尔特矿区煤矿水文长观孔布置Figure 4. Hujite mining area coal mine hydrology long view hole layout通过对呼吉尔特矿区部分煤矿水文长观孔数据进行整理分析，可以发现含水层水位变化与开采位置存在一定关系。进一步研究水位数据随开采时间的变化过程，结果如图5所示，可以看出采煤活动对于不同含水层的影响是显著不同的：白垩系含水层受影响较小或不受影响；侏罗系延安组及直罗组受到采煤活动较为严重，也是矿井涌水的主要来源，成为造成矿区煤−水资源开发不协调的原因。
![]()
图 5 呼吉尔特矿区部分煤矿水文长观孔实测数据Figure 5. Hujite mining area coal mine hydrology long view hole layout根据矿区统计数据，2019、2020、2021年矿区矿井涌水量分别为2 886万m3、2 972万m3、3 480万m3，矿区富水系数1.10～1.35，部分煤矿在地质等多种因素影响下，富水系数较高，如母杜柴登煤矿2021年富水系数达到2.14。大量矿井水的产生，引发相应地层地下水位的下降，如果能将矿井水全部综合利用，对于增加区域生产水源、改善取水用水结构、提高水资源承载能力将起到重要作用。
2.3 影响因子分析
得益于优良的煤质，呼吉尔特矿区煤炭资源开发强度正在逐年提高，从而产生了大量的矿井水；与此同时，矿区周边区域分布着大量以煤炭为核心原材料的能源重化工产业，其生产需水量巨大。区域产业发展面临着矿井水无效浪费及工业用水需求巨大的突出矛盾，再加之地区水资源匮乏、生态环境脆弱的实际情况，那么实现矿区煤−水协调发展成为保障矿区绿色高质量发展的一个重要内容。
立足于矿区生态环境现状，综合考虑区域资源开发潜力和水资源匮乏实际，从系统论角度出发，研究矿区煤−水协调发展的首要环节，是深入挖掘影响区域煤−水协调发展的多方面因素，从而探讨各因素相互作用方式及影响程度，为矿区煤−水绿色高质量发展提供支撑。在综合分析煤−水资源相互影响关系过程中，系统把握煤炭开发中矿井水的来源、产生、利用、影响几方面内容，从地质载体、资源赋存、采煤技术、生态环境、安全生产、社会经济6个角度选取关键代表词作为评价指标，对呼吉尔特矿区煤炭资源与水资源协调开发程度进行评价。
在总结归纳前人研究成果的基础上，查阅相关文献，合理选定相关影响因子并分析不同因子间相互作用关系，从而建立包含6个系统、23个评价指标的深埋煤层矿区煤−水协调共采影响指标体系，以此为基础分析不同影响因子间相互作用程度。客观把握内部元素自身属性及相互关联机制，将深埋煤层矿区煤−水协调共采影响指标体系分别划分为水文地质系统、自然资源系统、采动影响系统、生态环境系统、煤矿灾害系统、社会经济系统。各系统分属指标及其结构如图6所示。
![]()
图 6 深埋煤层矿区煤−水协调共采影响指标体系Figure 6. Influence index system of coal-water coordinated co-mining in deep coal seam mining area3. 因子影响程度确定
煤−水协调共采综合效益影响因素繁多且互扰机制复杂，部分影响因素由于自身性质独特，会对其他系统的相关因素产生影响。为了探索呼吉尔特矿区煤−水协调开发综合效益提升的具体路径，因此将影响矿区煤−水复杂系统的多方面因素按照其系统分类，利用“多锥共底”模型明确各影响因素对其他因素的影响程度，进一步确定各影响因子对系统的综合影响程度。
3.1. “多锥共底”模型
当系统内部元素存在着复杂的耦合关系时，在层次分析法（Analytic Hierarchy Process，AHP）基础之上发展而来的网络分析法（Analytic Network Process，ANP）成为更加有效的决策分析工具[18-19]。但是SAATY在网络分析法常用软件Super Decisions（2.0.8版本）的使用说明中指出，在利用网络分析法决策过程中，如果仅有2个元素集需要加权时，软件默认2个加权矩阵设定为等权矩阵，与其采用的两两比较的方式构建加权矩阵形成矛盾[20]。网络分析法对于系统内部元素的自依赖关系判断以及不同元素集间相对重要性判断过程中存在着一定的主观随意性及武断性[21]，容易形成一种“相对于甲来比较甲和乙”的错误主观判断形式。李春好等[22]把握复杂评价与决策问题的突出特点，不再承认静态条件下系统存在元素自依赖关系，提出尖锥网络分析法（Cone-ANP），基于不同元素间的内在联系划分锥顶元素、锥底元素，利用元素间依赖、反馈关系，并结合不失一般性的权重计算方法对元素权重排序进行计算。
需要说明的是，在系统结构分析过程中，不可避免的会出现单一锥顶元素同时支配不同系统的多个锥底元素或者单一锥底元素同时受多个锥顶元素支配的情况，形成“多锥共底”的特殊结构（图7），图中e0a、e0b为锥顶元素，em、en、eo、ep、eq、er为锥底元素，并且eo、ep同时被e0a、e0b两锥顶元素同时支配。这种结构使得权重计算变得复杂，不利于复杂问题的决策分析与计算。因此，有必要在科学合理的基础上对尖锥网络分析法中的部分规则进行调整，以适应实际问题的特殊情况。为后续分析计算方便，将上述特殊结构称为“多锥共底”模型。从结构上来看，“多锥共底”模型是以不同因素间关联机制为基础，形成一种“多棱”椎体结构，突破尖锥网络分析法原有“系统内成锥”的限制[23]，重视单一因子与其他方面相关因子的关联机制，这将进一步加强各相关因素的联系。从数理特征分析，“多锥共底”模型实质上增加了锥顶元素权重计算的限定条件，当影响因素个数不变的前提下，限定条件的增加势必提升计算的难度，但同时使计算结果更加符合决策者的决策偏好。
![]()
图 7 “多锥共底”模型尖锥分析结构Figure 7. Pyramidal analysis structure diagram of “multi-cone common base” model尖锥元素集，一般由具有一定相似性质并能影响决策的元素构成，由此将指标体系中的6大系统划分为6个独立的元素集。但是考虑到部分系统内因素存在对其他系统内部的相关因素具有一定的影响作用，因此，本文在符合尖锥网络分析法的基础上对尖锥分析结构的成锥规则进行调整。将整个指标体系看作一个整体，形成单一元素集，在强调部分指标对其他指标的支配作用的同时，研究任一指标对其他指标的影响作用，最终依据不同影响指标间依赖、反馈关系构建尖锥分析结构。同时结合实际情况，充分考虑“多锥共底”特殊情景，建立“多锥共底”模型，适时利用权重分解原理及复合权重综合原理进行计算。
3.2 系统结构分析
资源开发过程中，采动因素是诱发矿区灾害、促进经济发展的重要驱动力，而资源绿色开发水平往往由地区生态环境来表现，地质要素与资源要素在此过程中更加突出其原生性特征，对采矿引发的诸多变化更多的体现为被动性影响。基于此，分别邀请相关领域专家、高校科研学者、一线生产人员参与分析结构搭建，建立关系判断矩阵，以“0”表征两元素间不存在直接的支配关系，以“1”表征两元素间存在直接的支配关系，进一步划定不同阶段锥顶元素与锥底元素，形成尖锥分析结构。
根据划分结果，考虑地质要素与自然资源要素的原生性特点，因此在确定尖锥结构过程中，认为在地质系统、自然资源系统中并不存在锥顶元素对其他锥底元素存在直接的支配关系。
以采动系统矿井涌水量为例，矿井涌水量的大小与导水裂隙带发育高度直接相关[24]，进一步来讲，区域含煤岩组上覆含水层富水性及隔水层稳定性决定了矿井涌水的来源[25-28]；而井田地质构造又从地层的角度决定了井田环境地质承载力；同时采煤方法及开采工艺的选择、工作面参数的设定也会对涌水量产生一定的影响[29]；岩层的运移破断破坏了含水层原有结构[30]，加剧了地下水资源向矿井涌水的转变，因此，划定矿井涌水量为锥顶元素，其他相关元素为其所属锥底元素。基于上述分析原理，合理划定指标体系内部锥顶元素及锥底元素，进而确定深埋煤层矿区煤−水协调共采影响指标体系“多锥共底”模型尖锥分析结构，如图8所示。
![]()
图 8 煤−水协调共采影响指标体系“多锥共底”分析结构Figure 8. Analysis structure of the influence index system of coal-water coordinated co-mining “multi-cone co-bottom”3.3 权重计算方法结果比对
相较于尖锥网络分析法指标权重计算过程，“多锥共底”模型更加考虑某一元素集的锥顶元素对于其他元素集的锥底元素的影响作用[23]，因此相较于尖锥网络分析法，在锥顶元素相对于不同锥底元素的相对权重计算过程产生差别，因此使得权重计算结果也产生偏差。
假设目前存在e01、e11、e12、e13、e21、e22、e23共7个指标，其分析结构如下图所示（图9）。其中元素集1中e01对e11、e12、e13存在支配作用，元素集2中无锥顶元素，e21、e22、e23之间存在相互作用关系。假定此时锥顶元素e01对元素集1内部的e11、e12、e13的关系箭线不存在，此时e11、e12、e13、e21、e22、e23均不存在自依赖关系，决策者仅需针对每个元素分别与除它以外其他元素进行两两比较判断，基于AHP权重计算方法得到权重向量。假设这些元素权重向量结果如矩阵A所示。
![]()
图 9 算例指标所形成的网络分析结构Figure 9. The network analysis structure formed by the calculation example indicators$$ A = \begin{array}{*{20}{c}} {}&{\begin{array}{*{20}{c}} {{{{e}}_{11}}}&{\;\;\;{{{e}}_{12}}}&{\;\;{{{e}}_{13}}}&{\;\;{{{e}}_{21}}}&{\;\;{{{e}}_{22}}}&{\;\;{{{e}}_{23}}} \end{array}} \\ {\begin{array}{*{20}{c}} {{{{e}}_{11}}} \\ {{{{e}}_{12}}} \\ {{{{e}}_{13}}} \\ {{{{e}}_{21}}} \\ {{{{e}}_{22}}} \\ {{{{e}}_{23}}} \end{array}}&{\left[ {\begin{array}{*{20}{c}} 0&{0.15}&{0.04}&{0.14}&{0.09}&{0.19} \\ {0.24}&0&{0.16}&{0.31}&{0.29}&{0.25} \\ {0.15}&{0.36}&0&{0.26}&{0.42}&{0.43} \\ {0.21}&{0.26}&{0.14}&0&{0.04}&{0.04} \\ {0.16}&{0.03}&{0.39}&{0.21}&0&{0.09} \\ {0.24}&{0.2}&{0.27}&{0.08}&{0.16}&0 \end{array}} \right]} \end{array} $$ (1) 如果将上述分析结构中的各个元素看作某个随机变量的状态值，各元素的权重排序看作变量的状态概率，则矩阵A的各个列向量可以看作变量（对应的元素）由某状态向其他状态演变的传递概率向量。更进一步，矩阵A可以认为是内部元素的传递概率矩阵，具有马尔可夫性。基于此，由马尔可夫随即过程理论可知，e11、e12、e13、e21、e22、e23锥底元素极限排序权重向量为：
$$ \mathrm{[0.1023，0.1917，0.2558，0.1203，0.1622，0.1676]}^{ \mathrm{T}} $$ 3.3.1 当系统结构中不存在锥顶元素
1）尖锥网络分析法：假设此时分析结构中不存在任何锥顶元素，即不存在元素e01，那么对于尖锥网络分析法，此时矩阵B1退化为单位矩阵。
$$ {B_1} = \left[ {\begin{array}{*{20}{c}} {{B_{11}}}&{} \\ {}&{{B_{12}}} \end{array}} \right] = {\left[ {\begin{array}{*{20}{c}} 1&{}&{} \\ {}& \ddots &{} \\ {}&{}&1 \end{array}} \right]_{6 \times 6}} $$ (2) 由Q1=A1B1=AB1，对矩阵Q1取极限得各元素极限排序的权重向量为：
$$ \mathrm{[0.1023，0.1917，0.2558，0.1203，0.1622，0.1676]}^{ \mathrm{T}} $$ 2）网络分析法：由于e11、e12、e13、e21、e22、e23等6个锥底元素之间不存在自依赖关系，那么可以根据矩阵A的权重信息及ANP超矩阵构造方法，得到ANP超矩阵$ {A'_1} $。由于ANP超矩阵$ {A'_1} $列之和不为1，因此依据ANP方法对分块矩阵进行等值加权，得到加权超矩阵$ {A''_1} $。
$${ {A''_1} = \left[ {\begin{array}{*{20}{c}} 0 & {0.1471} & {0.1000} & {0.0986} & {0.0563} & {0.1092} \\ {0.3077} & 0 & {0.4000} & {0.2183} & {0.1813} & {0.1437} \\ {0.1923} & {0.3529} & 0 & {0.1831} & {0.2625} & {0.2471} \\ {0.1721} & {0.2653} & {0.0875} & 0 & {0.1000} & {0.1538} \\ {0.1311} & {0.0306} & {0.2438} & {0.3621} & 0 & {0.3462} \\ {0.1967} & {0.2041} & {0.1688} & {0.1379} & {0.4000} & 0 \end{array}} \right] }$$ (3) 对矩阵$ {A''_1} $取极限得到各元素极限排序的权重向量为：
$$ \mathrm{[0.0936，0.2000，0.2064，0.1338，0.1812，0.1850]}^{ \mathrm{T}} $$ 对比尖锥网络分析法与网络分析法计算结果发现，在不存在锥顶元素的情况下，尖锥网络分析法与前文马尔可夫随机理论得出的权重结果完全一致，而网络分析法在免除元素集自依赖关系影响的基础上，子矩阵分块加权方法同样会导致计算结果与客观结果发生一定程度的偏离。由此，可以基本认为，在不存在锥顶元素的复杂问题综合决策上，尖锥网络分析法具备一定的科学合理性。
3.3.2 当系统结构中存在锥顶元素
1）尖锥网络分析法：假设此时分析结构中存在1个锥顶元素，即元素集1中e10为锥顶元素，对元素集内部e11、e12、e13存在依赖、反馈作用，元素集2中不存在锥顶元素。假定锥底元素e11、e12和e13相对于锥顶元素e10的相对权重分别为$ {\delta _{11}} $=$ \gamma $，$ {\delta _{12}} $=$ \gamma $，$ {\delta _{13}} $=$ 1 - 2\gamma $[$ \gamma \in $（0,1）]，进而得到矩阵B2。
$${ {B_2} = \left[ {\begin{array}{*{20}{c}} {{B_{21}}} & {} \\ {} & {{B_{22}}} \end{array}} \right] = \left[ {\begin{array}{*{20}{c}} \gamma & \gamma & \gamma & 0 & 0 & 0 \\ \gamma & \gamma & \gamma & 0 & 0 & 0 \\ {1 - 2\gamma } & {1 - 2\gamma } & {1 - 2\gamma } & 0 & 0 & 0 \\ 0 & 0 & 0 & 1 & 0 & 0 \\ 0 & 0 & 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 0 & 0 & 1 \end{array}} \right] }$$ (4) 此时矩阵Q2=A2B2=AB2，对矩阵Q2取极限得到各锥底元素权重分布。由于锥顶元素对锥底元素具有依赖、支配关系，进而得到全体元素的权重分布，此时权重之和必大于1，将各元素权重归一化得到元素最终权重。
2）网络分析法：基于上述步骤确定的锥底元素相对于锥顶元素的相对权重，结合矩阵A及ANP超矩阵构造方法，进而确定加权超矩阵$ {A''_2} $，对矩阵$ {A''_2} $取极限得到各元素极限排序的权重向量，见表1。
表 1 网络分析法元素极限排序权重Table 1. Planning and design phase taper element set$ \gamma $
$ \gamma \in $（0,1）元素 e01 e11 e12 e13 e21 e22 e23 任意值 0 0.0936 0.2000 0.2064 0.1338 0.1812 0.1850 $$ {A''_2} = \left[ {\begin{array}{*{20}{c}} 0&0&0&0&0&0&0 \\ \gamma &0&{0.15/0.51}&{0.04/0.20}&{0.14/0.71}&{0.09/0.80}&{0.19/0.87} \\ \gamma &{0.24/0.39}&0&{0.16/0.20}&{0.31/0.71}&{0.29/0.80}&{0.25/0.87} \\ {1 - 2\gamma }&{0.15/0.39}&{0.36/0.51}&0&{0.26/0.71}&{0.42/0.80}&{0.43/0.87} \\ 0&{0.21/0.61}&{0.26/0.49}&{0.14/0.80}&0&{0.04/0.20}&{0.04/0.13} \\ 0&{0.16/0.61}&{0.03/0.49}&{0.39/0.80}&{0.21/0.29}&0&{0.09/0.13} \\ 0&{0.24/0.61}&{0.20/0.49}&{0.27/0.80}&{0.08/0.29}&{0.16/0.20}&0 \end{array}} \right] $$ (5) 基于尖锥网络分析法，对矩阵$ {A''_2} $取极限得到各元素极限排序的权重向量，见表2。以下将对存在锥顶元素情况下尖锥网络分析法及网络分析法权重计算结果进行对比。
表 2 尖锥网络分析法元素极限排序权重Table 2. Planning and design phase taper element set元素 自变量参数$ \gamma $ 0.1 0.2 0.3 0.4 e01 0.3414 0.3484 0.3558 0.3634 e11 0.0594 0.0609 0.0624 0.064 e12 0.1405 0.1350 0.1293 0.1233 e13 0.1405 0.1526 0.1641 0.1761 e21 0.0644 0.0713 0.0785 0.0860 e22 0.1370 0.1198 0.1020 0.0834 e23 0.1158 0.1120 0.1080 0.1038 通过观察表1、表2的权重结果，发现2种方法对于同一问题所给出的权重极限排序存在一定差别。与尖锥网络分析法相比，网络分析法不能完全反映参数$ \gamma $对权重计算结果所产生的影响，更重要的是，网络分析法并不能够像尖锥网络分析法，反映锥顶元素e10在分析结构中的作用，仅给出了锥顶元素e10权重值为“0”的结果，这与前文描述的元素影响关系明显不符。
综合2种计算情境下，尖锥网络分析法及网络分析法所得权重结果，可以发现尖锥网络分析法具备反映不同影响因子间相互作用关系的特点，其计算结果与马尔可夫随机过程理论所得结果基本一致，对于本文研究内容具有较好的适应性。而“多锥共底”模型的算法基础，是脱胎于尖锥网络分析法并加以改进，因此其权重结果会与原权重结果产生一定的差异。
基于前文所述理论思想与计算方法，将研究区内4座煤矿煤−水协调发展相关影响因子权重分别算出。为确保计算结果能够在一定程度上代表毛乌素沙地矿区平均水平，因此将4座煤矿综合权重结果平均化，梳理整合后得到以下权重结果图。为了更好地表现不同权重计算方法间权重结果的差异，本文利用相同数据，分别利用网络分析法、尖锥网络分析法以及“多锥共底”模型3种方法进行指标权重计算，3种权重计算方法计算结果如图10所示。
基于上述分析，网络分析法由于容易形成“相对于甲来比较甲和乙”的特殊比较形式、超矩阵分块加权方法、元素集自依赖关系等原因，使得权重计算结果偏离本文研究目标，因此本文重点分析尖锥网络分析法与“多锥共底”模型权重计算结果。综合来看尖锥网络法与“多锥共底”模型权重计算结果，2种方法所算的指标权重趋势变化基本相同，但是各个指标的权重存在差别，特别是锥顶元素的权重结果，出现较大差别，从而影响系统权重。而出现这种情况的原因，主要是因为“多锥共底”模型相较于尖锥网络分析法更加注重某一元素集锥顶元素，与其他元素集锥底元素的相关关系上，而尖锥网络分析法更加关注元素集内部锥顶元素与锥底元素的相关关系，对于锥顶元素与外部锥底元素的相互作用并未过多考虑。对于煤炭资源开发来说，涉及因素较多且各方面因素存在复杂的耦合关系，那么共底这种情况更适合运用“多锥”模型来解决问题。
由指标权重层面可以看出，矿井涌水量是影响矿区煤炭资源与水资源协调开发的关键因素，其权重占比最大；而矿井水利用率是反映区域资源综合利用水平的关键指标，权重占比次之；植被覆盖率作为区域生态环境水平的直接反馈，其权重占比也较大；由于深埋煤层的水文条件及地质构造，存在一定矿井水害发生的风险，因此作为考核煤矿安全生产能力的矿井水害风险与百万吨死亡率权重也相对较大。上述5个影响因子受不同分系统的多个因素支配，其权重占比较高，其他指标在相互作用下，权重分布较为平均。从系统权重层面来看，在保障煤矿安全生产的前提下，进一步提高矿区煤−水协调发展的关键在于优化提升采煤技术、加强防灾减灾能力建设、重视矿区生态环境平衡及采煤伴生资源的绿色高效利用4个方面。
相比于Cone-ANP方法，“多锥共底”模型计算结果表现出以下特点：① 锥顶元素在本系统及其他系统多个锥底元素共同作用下，权重相对较大，进一步突出其支配作用；② 锥顶元素与锥底元素权重差距明显，这与Cone-ANP方法锥顶元素权重仅考虑与本系统锥底元素的依赖、反馈关系有关，使得部分因素、系统权重分布与“多锥共底”模型产生差别。因此，对于内部影响因素繁多且关联机制纷乱的复杂问题决策时，利用“多锥共底”模型进行分析，具有一定的效果。
4. 结 论
1）基于深埋煤层矿区采动影响特征、水资源承载能力分析了呼吉尔特矿区采煤驱动下地下水演化过程，并通过对水文地质要素、自然生态环境、开采技术水平、煤矿致灾机制等方面的系统分析，总结归纳了区域煤−水−生态的内在联系及互馈机理；构建了刻画研究区煤−水协调发展的6大类23个主控因子指标体系，为多因素融合条件下的协同发展关系研究奠定了基础。
2）为避免“相对于甲来比较甲和乙”的主观判断失误，同时结合煤−水协调共采影响指标内部元素繁多且关联机制复杂的特点，在Cone-ANP方法基础上对成锥规则进行改进，形成“多锥共底”模型。基于此模型并根据内部元素的相互作用关系，搭建深埋煤层煤−水协调共采影响指标体系“多锥共底”分析结构，以此计算各影响因素权重分布，将其计算结果与网络分析法、尖锥网络分析法计算结果相对比，证明“多锥共底”模型更能突出关键因子对其他系统影响因子的支配作用，更加符合实际情况。
3）深埋煤层矿区煤−水协调共采影响指标体系是基于地区水文地质条件、生态环境特征，资源开发现状、开采技术水平、经济发展布局等基础而制定的，对提高区域煤−水-生态综合效益的协同发展水平具有一定的借鉴意义。随着地质勘探技术、保水采煤方法、水资源保护方案、生态环境治理能力的提升和优化，煤−水双资源协调共采影响指标体系的元素构成、元素间关联机制及耦合机理将随之进一步修改及完善，确保实现深埋煤层矿区煤炭资源与水资源协调发展的生态社会效益最大化，同时将采煤带来的生态负效应降到最低。通过本次研究，已经得到呼吉尔特矿区煤−水协调共采的部分关键指标，未来将围绕上述关键指标开展重点研究，探讨不同指标阈值情境下，煤炭资源开发效率与水资源保护效果间的均衡点，找寻区域资源开发与保护的平衡方案，促进地区煤炭资源绿色高效开发。
-
![]()
图 2 榆树湾煤矿2-2号煤开采导水裂隙发育预测
Figure 2. Prediction of development of water conducting fractures during mining of coal seams 2-2 in Yushuwan Coal Mine
![]()
图 3 榆树湾煤矿萨拉乌苏组水位动态观测曲线
Figure 3. Dynamic observation curve of water level in Sarawusu Formation of Yushuwan Coal Mine
![]()
图 6 Alpha多样性分析结果
注：箱线图中：箱的上下端线，上下四分位数(Interquartile range，IQR)；中位线，中位数；上下边缘，最大最小内围值(1.5倍的IQR)；在上下边缘外部的点，表示异常值。多样性指数标签下的数字为Kruskal-Wallis检验的P值。
Figure 6. Alpha diversity analysis results
![]()
图 10 各水平微生物分类单元数统计
Figure 10. Statistical of number of microbial classification units at different levels
![]()
图 11 门分类水平物种组成柱状图
Figure 11. Bar chart of species composition at the phylum classification level
表 1 研究区水样点
Table 1 Water sampling points in research area
序号 水源点 备注 S1 20101采空区 老采空区涌出混合水 S2 2号风井地面民井 松散层 S3 20113回采面 新采煤面涌出混合水 S4 20119地面民井 松散层 S5 20118井下钻孔 直罗组 S6 20104地面民井 松散层+直罗组 S7 斜井土层涌水点 离石组 S8 二号副斜井涌水点 离石组 S9 综采6井 老采空区涌出混合水 S10 地面水源井 松散层+直罗组 
下载: 导出CSV
表 2 榆树湾煤矿矿井涌水量与采空区面积关系
Table 2 Relationship between water inflow and goaf area in Yushuwan Coal Mine
年份 累计采空面积/km2 涌水量/（m3·h−1） 2015 10.37 703 2016 11.88 719 2017 13.36 857 2018 14.66 889 2019 16.27 931 2020 16.81 947 2021 18.10 940 2022 19.92 1096
下载: 导出CSV
-
[1] 范立民,孙 强,马立强,等. 论保水采煤技术体系[J]. 煤田地质与勘探,2023,51(1):196−204. FAN Limin,SUN Qiang,MA Liqiang,et al. Technological system of water-conserving coal mining[J]. Coal Geology & Exploration,2023,51(1):196−204.
[2] 李 涛,高 颖,闫敬旺,等. 采煤地裂缝 MICP 修复规律及影响因素实验研究[J]. 煤田地质与勘探,2023,51(11):99−108. doi: 10.12363/issn.1001-1986.23.04.0200 LI Tao,GAO Ying,YAN Jingwang,et al. MICP restoration law of coal mining induced ground fissures and its influencing factors[J]. Coal Geology & Exploration,2023,51(11):99−108. doi: 10.12363/issn.1001-1986.23.04.0200
[3] 范立民,马雄德,蒋泽泉,等. 保水采煤研究30年回顾与展望[J]. 煤炭科学技术,2019,47(7):1−30. FAN Limin,MA Xiongde,JIANG Zequan,et al. Review and thirty years prospect of research on water-preserved coal mining[J]. Coal Science and Technology,2019,47(7):1−30.
[4] 张东升,李文平,来兴平,等. 我国西北煤炭开采中的水资源保护基础理论研究进展[J]. 煤炭学报,2017,42(1):36−43. ZHANG Dongsheng,LI Wenping,LAI Xingping,et al. Development on basic theory of water protection during coal mining in northwest of China[J]. Journal of China Coal Society,2017,42(1):36−43.
[5] 李文平,王启庆,李小琴. 隔水层再造:西北保水采煤关键隔水层N2红土工程地质研究[J]. 煤炭学报,2017,42(1):88−97. LI Wenping,WANG Qiqing,LI Xiaoqin. The engineering geological study of N2 laterite located in key aquifuge concerning coal mining with water protection in northwest China[J]. Journal of China Coal Society,2017,42(1):88−97.
[6] 李 涛,王苏健,韩 磊,等. 生态脆弱矿区松散含水层下采煤保护土层合理厚度[J]. 煤炭学报,2017,42(1):98−105. LI Tao,WANG Sujian,HAN Lei,et al. Reasonable thickness of protected loess under loose aquifer in ecologically fragile mining area[J]. Journal of China Coal Society,2017,42(1):98−105.
[7] 胡振琪,袁冬竹. 黄河下游平原煤矿区采煤塌陷地治理的若干基本问题研究[J]. 煤炭学报,2021,46(5):1392−1403. HU Zhenqi,YUAN Dongzhu. Research on several fundamental issues of coal mining subsidence control in plain coal mining area of the Lower Yellow River[J]. Journal of China Coal Society,2021,46(5):1392−1403.
[8] 曾一凡,武 强,赵苏启,等. 我国煤矿水害事故特征、致因与防治对策[J]. 煤炭科学技术,2023,51(7):1−14. ZENG Yifan,WU Qiang,ZHAO Suqi,et al. Characteristics,causes,and prevention measures of coal mine waterhazard accidents in China[J]. Coal Science and Technology,2023,51(7):1−14.
[9] 顾爱民. 基于水力学与水化学耦合的矿井涌(突)水水源识别技术研究[D]. 廊坊:华北科技学院,2023:53−68. GU Aimin. Research on mine water inrush water sourceidentification technology based on the coupling of hydraulics and hydrochemistry [D]. Langfang:North China Institute of Science and Technology,2023:53−68.
[10] 付成祥. 基于统计分析法的唐山矿水害规律及防治技术[J]. 煤矿安全,2022,53(3):208−212. FU Chengxiang. Water disaster law and prevention technology of Tangshan Mine based on statistical analysis[J]. Safety in Coal Mines,2022,53(3):208−212.
[11] 杨 飞,石志远,郑士田,等. 基于Piper图的离子库分区和突水水源动态转化及判别[J]. 现代矿业,2022,38(7):250−254,262. YANG Fei,SHI Zhiyuan,ZHENG Shitian,et al. Partition of ion bank based on the Piper diagram and dynamic transformation and discrimination of mine water inrush source[J]. Modern Mining,2022,38(7):250−254,262.
[12] 贺亮亮,吕广罗,胡安焱,等. 基于水化学特征分析的矿井突水水源判别[J]. 中国煤炭地质,2022,34(6):34−39. HE Liangliang,LYU Guangluo,HU Anyan,et al. Mine water bursting water source discrimination based on hydrochemical features analysis[J]. Coal Geology of China,2022,34(6):34−39.
[13] 赵 静. 基于水化学和模糊综合评判的突水水源判别[J]. 陕西煤炭,2022,41(4):99−103. ZHAO Jing. Discriminant of mine water inrush source based on water chemistry and fuzzy comprehensive evaluation[J]. Shaanxi Coal,2022,41(4):99−103.
[14] 朱赛君,姜春露,毕 波,等. 基于组合权-改进灰色关联度理论的矿井突水水源识别[J]. 煤炭科学技术,2022,50(4):165−172. ZHU Saijun,JIANG Chunlu,BI Bo,et al. Identification of mine inrush source based on combination weight theory of improved grey relational degree[J]. Coal Science and Technology,2022,50(4):165−172.
[15] 段李宏,戴 磊,张金陵. 基于Fisher判别模型的煤层底板突水水源预测[J]. 工矿自动化,2022,48(4):128−134. DUAN Lihong,DAI Lei,ZHANG Jinling. Prediction of water inrush source of coal seam floor based on Fisher discriminant model[J]. Journal of Mine Automation,2022,48(4):128−134.
[16] 郝 谦,武 雄,穆文平,等. 基于随机森林模型判别矿井涌(突)水水源[J]. 科学技术与工程,2020,20(16):6411−6418. HAO Qian,WU Xiong,MU Wenping, et al. Groundwater source determination of mine inflow or inrush using a random forest model [J]. Science Technology and Engineering,2022,20(16):6411−6418.
[17] 苏 玮,姜春露,查君珍,等. 基于客观组合权-改进集对分析模型的矿井突水水源识别[J]. 煤炭科学技术,2022,50(4):156−164. SU Wei,JIANG Chunlu,CHA Junzhen,et al. Identification of mine inrush source based on objective combined weghts-improved set pair analysis model[J]. Coal Science and Technology,2022,50(4):156−164.
[18] 李 涛,高 颖,马 杰,等. 一种基于微生物测试的煤矿突水水源判别方法[P]. 中国:ZL112881627B,2022. [19] 张 莉,徐智敏,孙亚军,等. 鄂尔多斯某煤矿不同功能区水化学与微生物群落特征及环境响应[J]. 煤炭科学技术,2023,51(12):180−196. ZHANG Li,XU Zhimin,SUN Yajun,et al. Hydrochemistry and microbial community composition characteristics and theirenvironmental response in different zones of a coal mine in Ordos[J]. Journal of China Coal Society,2023,51(12):180−196.
[20] 朱璐璐. 门克庆矿矿井水水质形成的微生物驱动机制与应用[D]. 徐州:中国矿业大学,2023:18−50. ZHU Lulu. Microbial driving mechanism and application of the mine water quality formation in Menkeqing CoalMine [D]. Xuzhou:China University of Mining & Technology,2023:18−50.
[21] 孙亚军,张 莉,徐智敏,等. 煤矿区矿井水水质形成与演化的多场作用机制及研究进展[J]. 煤炭学报,2022,47(1):423−437. SUN Yajun,ZHANG Li,XU Zhimin,et al. Multi-field action mechanism and research progress of coal mine water quality formation and evolution[J]. Journal of China Coal Society,2022,47(1):423−437.
[22] 李文博,冯启言,高 波,等. 徐州权台煤矿井下700 m水平微生物群落分布特征[J]. 生态学杂志,2021,40(2):442−452. LI Wenbo,FENG Qiyan,GAO Bo,et al. Distribution characteristics of microbial communities at a depth of 700 m level of Quantai coal mine in Xuzhou[J]. Chinese Journal of Ecology,2021,40(2):442−452.
[23] 康小兵,李晓雪,饶丽芳,等. 重庆松藻矿区关闭煤矿涌水来源与模式判识研究[J]. 煤炭科学技术,2023,51(10):220−230. KANG Xiaobing,LI Xiaoxue,RAO Lifang,et al. Source identification and pattern study of closed coal mines water inflow in Songzao Mining Area,Chongqing City[J]. Coal Science and Technology,2023,51(10):220−230.
[24] 陈家玉,桂和荣,郭 艳,等. 淮北煤田深层地下水微生物群落特征及其水源示踪意义[J]. 煤炭学报,2023,48(9):3503−3512. CHEN Jiayu,GUI Herong,GUO Yan,et al. Microbial community characteristics of deep groundwater inhuaibei coalfield and its significance in water source tracing[J]. Journal of China Coal Society,2023,48(9):3503−3512.
[25] 范立民,迟宝锁,王宏科,等. 鄂尔多斯盆地北部直罗组含水层研究进展与水害防治建议[J]. 煤炭学报,2022,47(10):3535−3546. FAN Limin,CHI Baosuo,WANG Hongke,et al. Research progress of aquifer of Zhiluo Formation in Northern Ordos Basin and suggestions on water hazard prevention[J]. Journal of China Coal Society,2022,47(10):3535−3546.
[26] 孙 魁,苗彦平,陈小绳,等. 鄂尔多斯盆地北部直罗组赋存特征及富水性研究[J]. 煤炭学报,2022,47(10):3572−3598. SUN Kui,MIAO Yanping,CHEN Xiaosheng,et al. Occurrence characteristics and water abundance of Zhiluo Formation in northern Ordos Basin[J]. Journal of China Coal Society,2022,47(10):3572−3598.
[27] 靳德武,刘 基,许 峰,等. 榆神矿区浅埋煤层减水开采中预疏放标准确定方法[J]. 煤炭学报,2021,46(1):220−229. JIN Dewu,LIU Ji,XU Feng,et al. Method of determining of pre-drainage standard in water-decrease mining of shallow seam in Yushen mining area[J]. Journal of China Coal Society,2021,46(1):220−229.
[28] 李 涛,李文平,常金源,等. 陕北浅埋煤层开采隔水土层渗透性变化特征[J]. 采矿与安全工程学报,2011,28(1):127−131,137. LI Tao,LI Wenping,CHANG Jinyuan,et al. Permeability features of water-resistant clay layer in Northern Shaanxi Province while shallowly buried coal mining[J]. Journal of Mining & Safety Engineering,2011,28(1):127−131,137.
-
期刊类型引用(5)
1. 吕扬，秦天天，任帅峰，王嗣桐，郑静. 榆神矿区直罗组砂岩含水层保护与水害防治研究. 陕西煤炭. 2025(04): 61-66 . 
百度学术
2. 范立民. 神府煤田勘查开发的地质科技创新与贡献. 煤田地质与勘探. 2025(03): 1-22 . 百度学术
3. 王高皓，段生杰，王贝，牛国斌，梁永平，余飞龙，马凯，赵伟仲. 煤层水化学特征对微生物群落结构及代谢功能的影响. 煤田地质与勘探. 2025(05): 104-113 . 百度学术
4. 华照来，范立民，李增林，孙魁，王路，吕扬，马万超，李强. 古河道砂岩含水层水资源保护与水害防治方法. 绿色矿山. 2024(01): 64-74 . 百度学术
5. 姜坤，赵飞，吴访，郝英豪，王泽唐，王超勇. 葫芦素煤矿导水裂隙带发育高度预测与水源分析. 中国矿业. 2024(S1): 377-381 . 百度学术
其他类型引用(0)
计量
- 文章访问数: 338
- HTML全文浏览量: 38
- PDF下载量: 180
- 被引次数: 5
