Ecological environmental assessment of Gobi desert open-pit mine based on time series model
-
摘要:
矿区生态环境评价中常采用单景、多景遥感数据来进行评价,但这2种数据存在时间不一致性和评估不准确性的缺点。为实现矿区生态环境的准确监测,以戈壁荒漠露天矿及其周边环境为研究对象,采用CFmask算法+Tmask算法获取纯净像元反射率。经时间序列模型合成研究区年度遥感数据,采用压力-状态-响应模型对其进行长时间序列生态环境评价。结果表明:①基于时间序列模型预测的地表反射率值与对应局部区域的卫星观测地表反射率值差异较小且其真彩色影像视觉差异较小,非纯净像元位置处预测反射率与周边纯净像元地表反射率真彩色影像视觉差异较小。以2022年各波段纯净像元反射率观测值与预测值验证精度,结果显示观测值与预测值显著相关(相关系数均大于0.6)。实地考察数据与经时间序列预测数据得到的生态环境指数的相关性(R2=0.450)优于单景生态指数(R2=0.347)、多景生态指数(R2=0.386)。② 2013—2021年研究区整体生态环境较差,呈南高北低、西高东低的空间格局,且随着时间增加,南部生态环境退化较为严重。矿区内生态环境变化较矿区外生态环境变化稳定,矿区外生态环境退化较快。③生态差、生态中、生态优面积的年变化速率分别为0.005/a、0.002/a、−0.007/a。各生态等级状况随时间呈现景观破碎度减小、景观异质性减小、聚合度增加态势,生态优斑块流向生态中、生态差斑块,生态差等级逐渐成为研究区生态环境主要生态等级。矿区内各等级占比稳定,矿区外生态差占比逐年增加。在对研究区进行生态修复时应尽量避免在半阳坡方向种植作物,且在阴坡、半阴坡、阳坡、半阳坡方向种植作物时均应避免坡度大于17.5°。
Abstract:Single and multi-scene remote sensing data have been usually adopted to evaluate the ecological environment in mining areas, whereas these two types of data always presented the drawbacks of inconsistent time and inaccurate evaluation. To achieve the accurate monitoring of ecological environment in mining areas, the open-pit mine in Gobi desert and its surrounding environment was selected as the research object, and CFmask algorithm+Tmask algorithm were used to obtain pure pixel reflectance. The annual remote sensing data of study area was synthesized by the time series model, and then the pressure-state-response model was used for long-term ecological environment evaluation. The results show that: ① The difference between the predicted surface reflectance values based on time series model and the surface reflectance values observed by the satellite in the corresponding local area was small, while the difference between the true color image vision was relatively small. Meanwhile, the difference between the predicted reflectance value of the impeccable pixel position and the surface reflectance value of the surrounding pure pixel in true color image vision was small. The accuracy was verified by comparing the observed and predicted values of pure pixel reflectance of each band in the study area in 2022, and the results showed that the observed values were significantly correlated with the predicted values (with the correlation coefficients greater than 0.6). The correlation between the field investigation data and the ecological environment index obtained from the time series prediction data (R2=0.450) was better than that of the single-scene ecological index (R2=0.347) and the multi-scene ecological index (R2=0.386). ② From 2013 to 2021, the overall ecological environment of the study area was poor, presenting a spatial pattern of high in the south and low in the north, high in the west and low in the east. With the increasing time, the ecological environment in the south deteriorated more seriously. The change of ecological environment inside the mining area was more stable than that outside the mining area, with the ecological environment outside the mining area degenerating rapidly. ③ The annual change rates of poor, moderate and superior ecological areas were 0.005 /a, 0.002/a and −0.007/a, respectively. The status of each ecological grade performed a trend of decreasing landscape fragmentation, decreasing landscape heterogeneity, and increasing convergence over time. The ecological superiority patch moved towards ecological medium and poor patches, and the ecological poor grade gradually became the main ecological grade of the ecological environment in the study area. The proportion of each grade within the mining area was stable, while the proportion of ecological poor level outside the mining area increased year by year. When ecological restoration would be conducted in the research area, crops planting should be avoided in the direction of semi-sunny slopes as much as possible. Moreover, it is recommended to avoid planting crops with slopes greater than 17.5° in the direction of shady slopes, semi-shady slopes, sunny slopes and semi-sunny slopes.
-
0. 引 言
煤炭作为我国的主体能源,在社会经济发展中具有举足轻重的作用。经过几十年来的持续开发,我国中东部地区浅部煤炭资源逐步枯竭,已经进入了下组煤开采阶段[1],且采掘深度以8~12 m/a的速度延伸[2],下组煤开采过程中受到煤层底板灰岩含水层的突水威胁不断加大[3-4]。据统计华北地区20%的煤炭资源受底板岩溶水的威胁,部分老矿区受底板突水威胁的煤炭资源甚至高达50%~85% [5-6]。煤层底板广泛发育有岩溶裂隙带、断层和陷落柱等导水通道[7-9],随着矿井开采深度和开采规模的不断加大,开采过程中煤层底板处于“三高一扰动”的复杂应力环境[10],陷落柱、断层或岩溶裂隙带等导水通道在釆动影响下,极易与下伏奥灰强富水充水含水层连通,发生严重突水淹井事故,甚至造成人员伤亡[11-12]。
导水通道导致的突水具有隐蔽性、突发性和破坏性强的特点[13],围绕煤层底板突水机理与导水通道探查治理,相关学者做了大量的研究[14-17]。董书宁等[18]综合考虑华北型煤田煤层埋深、底板承受水压与底板岩层结构组合等判识指标,确定了底板水害治理模式的选择准则。赵庆彪[19]在对邯邢矿区下组煤开采受奥灰水威胁的基础上,指出隐伏构造的隐蔽性和难以探知性是导致底板突水的根本原因,提出通过近水平钻孔探查隐伏构造,并根据浆液的漏失量判断隐伏构造的位置,但并没有总结出定向钻进探查导水通道需遵循的原则。赵家巍等[20]从开釆扰动、隐伏构造、承压水作用角度分析,根据典型突水矿井地质条件及突水原因分析,建立了含隐伏导水通道的概化力学模型,进而推导出煤层底板渗流路径的扩展规律。董书宁等[21]从宏观上构建煤层底板水害超前区域治理理论框架与技术体系,针对隐伏导水通道提出了判识指标和判识方法,但未对各定性指标钻遇不同导水通道时的变化进行详细描述,没有进一步利用定量指标的变化提出导水通道导水性大小的分级体系。郑士田[22]在潘集二矿导水通道重大突水事故中利用地面定向钻进技术对突水点快速探查,准确查明了陷落柱形态并成功封堵导水通道。王进尚等[23]以递进导升及断裂力学原理为基础,建立了断层递进导升简化断裂力学模型,得出底板隐伏断层在采动影响下,随着工作面的不断推进,当导升高度达到底板破坏区的最小安全距离时会发生突水。顾大钊等[24]指出,为了实现对矿井水源、水量、通道等水文地质信息的准确勘探和预测,有必要研究地下水赋存的准确探测技术。此外,物探方法也被广泛应用在导水通道的探查[25-26],但主要以探查大型导水通道为主,中小型垂向导水通道的识别精度仍不够高。总的来说,以上工作尚没有提出系统详细的导水通道类型识别体系,也未形成能够表征通道导水性大小的分级体系。
通过分析导水通道的特征与地面区域探查技术的优点,提出了导水通道精准探查的原则。分析探查工程中岩屑、钻时、钻井液漏失量和压水试验透水率等指标,形成系统的导水通道类型分类体系和导水性分级体系,为快速准确识别导水通道提供了科学依据,进而为煤层底板水害的治理提供指导。
1. 导水通道探查设计原则
煤层底板导水通道主要有以下特征[27-29]:①通道类型多样,有岩溶裂隙型、断层型、陷落柱型及复合型导水通道;②褶曲轴部、岩溶发育区域以及大型断层附近有利于导水通道的发育;③一般位置不明,常规物探手段难以准确探查;④底板导水通道所引发的突水具有突发性、水量大、危害性强的特点。
由于煤层底板导水通道的以上特点,对其探查方法要具有针对性和适用性,目前地面定向钻进是快速准确探查导水通道最常用的手段。可以利用多分支水平孔技术面状超前探查区域导水通道,再根据导水通道类型与导水性的不同采取对应的注浆治理工艺将其改造为隔水层段,以满足煤矿安全开采需求[30],导水通道探查设计应服从以下原则:
1)轨迹合理。在设计时应避开采空区及井下巷道,避免影响对导水通道的判断。各钻孔设计方位应尽可能与裂隙的优势发育方向斜交。
2)目标层合理。在物探基础上,探查目标层应选择在导水通道最发育的含水层,层厚6~10 m为宜且经过治理后能够满足突水系数的要求。
3)探查区域最大化。定向孔应设计多级分支对区域内的导水通道进行全面探查,钻孔间距不大于浆液扩散半径的2倍,既满足探查精度又保证治理效果。
2. 导水通道多元信息判识
结合地面定向钻进技术的特点,在探查导水通道过程中揭露地层起伏或构造时,岩屑、钻时、钻井液漏失量等直观指标和压水试验透水率、注浆参数等验证性指标均与正常地层条件下有显著差异。结合淮北矿区、淮南矿区、邢台矿区、黄河北煤田等工程实践与理论分析[8,18,31-32],将多源信息判识指标分为定性和定量2大类,据此对导水通道进行分类,对导水性进行分级,为准确识别各类导水通道提供科学依据。
2.1 导水通道定性判识指标
2.1.1 岩屑指标
1)岩屑变化标准曲线如图1所示,在煤层底板灰岩含水层顺层钻进过程中,若岩屑在进尺超过5 m范围,灰岩占比逐渐变化为其他岩性(泥岩、砂岩等),不调整轨迹继续钻进后又恢复灰岩岩性,说明揭露岩溶裂隙带或地层存在微小起伏,定义该类型为“岩屑−Ⅰ”型。
2)在煤层底板灰岩含水层顺层钻进过程中,若岩屑在进尺5 m范围以内从灰岩突变为其他岩性,通过调整钻孔轨迹后岩性中灰岩占比又恢复为100%,且孔内无明显异响声,表明揭露的是断层构造,定义该类型为“岩屑−Ⅱ”型。
3)在煤层底板灰岩含水层顺层钻进过程中,若岩屑从灰岩占比由100%突变为泥岩、砂质泥岩、煤等混杂岩性,甚至出现黄铁矿、方解石等煤层伴生物质或钻井液失返,无法获得岩屑,同时孔内有明显异响声,表明揭露陷落柱,定义该类型为“岩屑−Ⅲ”型。
2.1.2 钻时指标
由于不同岩石的硬度具有差异性,用单位长度岩层所用的钻进时间可判别岩性的变化[33]。我国华北型煤田煤系地层主要有泥岩、砂岩、灰岩和煤层。一般而言,煤层底板常见的岩层中,泥岩硬度低,砂岩中等,灰岩最高,因此单位长度钻进泥岩钻时短、砂岩次之,而灰岩钻时最长。钻时变化标准曲线如图2所示。
1)与岩屑录井较为类似,在地层起伏条件下岩性发生渐变,因此由灰岩地层到其他地层过渡时,钻时录井表现为钻时逐渐减小,调整钻孔轨迹后钻时快速恢复,钻时变化范围不大于2 min/m,以此趋势单次或反复出现,定义该类型为“钻时−Ⅰ”型。
2)若钻时迅速减小但钻具并未放空(钻具放空时钻时为0),持续钻进后钻时仍未有明显增加,调整钻探轨迹后钻时缓慢恢复原速率,钻时变化范围大于2 min/m,定义该类型为“钻时−Ⅱ”型。
3)若钻时突然减小为0,说明钻具在该处放空,该类型为“钻时−Ⅲ”型。
钻时与岩屑的变化可以直观地定性判识揭露通道的类型,但对于不同通道导水性的分级需要定量指标进行判识。
2.2 导水通道定量判识指标
2.2.1 钻井液漏失量
探查过程中揭露不同发育程度导水通道时钻井液消耗量具有明显差别,如揭露陷落柱往往会发生钻井液全部漏失现象[18]。因此,钻井液漏失量可以作为通道导水性判识的重要指标,揭露导水通道后若钻井液漏失量≤30 m3/h,表明揭露的导水通道空间有限,发育范围较小,该通道导水性定义为“漏失−Ⅰ”型,如图3中①与④区域;若钻井液漏失量>30 m3/h,甚至钻井液失返,表明揭露的导水通道较“漏失−Ⅰ”型空间大,发育范围大,导水性好,该通道导水性定义为“漏失−Ⅱ”型,如图3中②与③区域。
2.2.2 压水试验透水率
钻孔压水试验是将清水压入钻孔试验段,根据一定时间内压入的水量和施加压力大小的关系,测定岩体相对透水性的试验。通过压水试验可以测定并评价岩体透水性能,从而分析岩体完整性和发育程度,反映揭露导水通道的导水情况[34]。压水试验的结果用透水率的大小反映。
在揭露导水通道后进行压水试验,若压水试验获得的透水率≤10 Lu,说明通道连通性差,通道导水性定义为“透水−Ⅰ”型,如图3中①与②区域;若压水试验获得的透水率>10 Lu,或压水压力为0,表明揭露的导水通道较“透水−Ⅰ”型通道连通性强,导水能力好,通道导水性定义为“透水−Ⅱ”型,如图3中③与④区域。
2.3 导水通道分类体系
根据导水通道类型和导水性对其进行科学分类是指导煤层底板水害治理的重要前提条件。前文总结出岩屑、钻时、钻井液漏失量和压水试验透水率4个主要判识指标,其中岩屑和钻时用于定性判识导水通道的类型,钻井液漏失量和透水率用于定量确定导水通道的导水性。
1)导水通道类型分类体系。结合2.1节中岩屑和钻时指标提出目标含水层中通道类型的分类体系,见表1。
表 1 导水通道类型分类体系Table 1. Classification system of water-conducting channel types岩屑类型 钻时类型 导水通道类型 岩屑−Ⅰ型 钻时−Ⅰ型 非导水通道 岩屑−Ⅰ型 钻时−Ⅱ型 岩溶裂隙带 岩屑−Ⅱ型 钻时−Ⅱ型 小型断层 岩屑−Ⅱ型 钻时−Ⅲ型 大中型断层 岩屑−Ⅲ型 钻时−Ⅱ型 半胶结陷落柱 岩屑−Ⅲ型 钻时−Ⅲ型 未胶结或局部胶结陷落柱 2)导水性分级体系。钻井液漏失量和透水率指标可以定量的对导水通道导水性进行分类,进而指导导水通道的治理。根据我国现阶段主要底板水害治理区揭露导水通道时以上指标的情况[12,20],提出钻井液漏失量30 m3/h,压水试验透水率10 Lu作为导水性分级的界限。据此对导水通道的导水性能建立双因素综合分级体系,见表2。
表 2 导水通道导水性分级体系Table 2. Classification of hydraulic conductivity of water-conducting channel漏失量类型 透水率类型 导水性 漏失−Ⅰ型 透水−Ⅰ型 一级 漏失−Ⅰ型 透水−Ⅱ型 二级 漏失−Ⅱ型 透水−Ⅰ型 三级 漏失−Ⅱ型 透水−Ⅱ型 四级 一级导水性:漏失量≤30 m3/h,透水率≤10 Lu。表现为钻井液漏失量小或无消耗,压水压力在短时间内上升,说明通道发育空间有限,通道间连通性差,导水性弱,不需要专门进行注浆加固。
二级导水性:漏失量≤30 m3/h,透水率>10 Lu。表现为钻井液漏失量小,压水试验时水压上升缓慢,说明通道发育空间有限,但通道间连通性好,导水性一般,注浆加固过程中注浆材料选择水泥、粉煤灰等常规材料即可。
三级导水性:漏失量>30 m3/h,透水率≤10 Lu。表现为钻井液漏失量大,压水压力在短时间内上升,说明通道发育空间大,但通道间连通性差,导水性一般,注浆加固过程中注浆材料选择水泥、粉煤灰等常规材料即可。
四级导水性:漏失量>30 m3/h,透水率>10 Lu。表现为钻井液漏失量大或失返,压水试验水压上升缓慢,说明通道发育空间大,且通道间连通性好,导水性强,注浆加固过程中注浆材料除水泥、粉煤灰等常规材料,还应加入粗砂等骨料,对导水通道进行快速封堵。
3. 工程示例
3.1 工程背景
华北型煤田某典型煤矿位于安徽省淮北市,东部有较大的复背斜,中部为复向斜,井田构造较为复杂。主采山西组6号煤层,煤层回采受到底板太原组薄层灰岩含水层和奥陶系灰岩含水层威胁。煤层底板共发育12层太原组薄层灰岩(L1~L12),平均厚度1.32~12.17 m,岩溶发育程度差异极大,Ⅲ631工作面曾发生过陷落柱突水,经物探解析区内发育多条断层并存在底板低阻异常区,底板导水通道的存在严重威胁着矿井的安全生产。
3.2 导水通道探查概况
结合第1节导水通道探查原则,利用地面定向钻进技术针对Ⅲ63采区部分工作面进行导水通道探查。D1、D2、D3孔组实钻轨迹如图4所示。D4孔组实钻轨迹如图5所示。
3.3 导水通道识别与分类
3.3.1 导水断层
在D1孔组和D2孔组的探查过程中,根据判识标准识别出了导水断层4条,与采掘过程中实揭的断层SF1~SF4位置基本一致,位置如图4所示。
以D1主孔为例进行分析。岩屑指标方面:D1主孔于井深739 m开始沿L3灰岩含水层钻进,灰岩含量100%,自1 020 m岩屑由灰白色灰岩突变为灰黑色灰岩且夹杂泥岩颗粒,1 022 m岩屑完全变为泥岩,调整钻孔轨迹,1 058 m岩性恢复为灰白色灰岩。岩性变化期间没有发生异响。岩屑变化过程与图1中岩屑-Ⅱ型标准曲线基本一致,据此判定1 020 m附近存在断层。
钻时指标方面:如图6所示,D1主孔在从739 m进入太原组灰岩后正常钻时为6~8 min/m,钻进至1 020 m钻时突然加快到2~4 min/m,1 058 m钻时恢复到6~8 min/m,钻时变化期间没有发生钻具突然放空的现象,且钻时变化范围大于2 min/m,继续钻进,1 058~1 190 m钻时为6~8 min/m,期间也没有发生钻具突然放空的现象。钻时变化趋势与图2中钻时−Ⅱ型标准曲线基本一致。
根据以上分析,D1主孔岩屑和钻时变化类型为岩屑−Ⅱ型和钻时−Ⅱ型,结合表1定性识别出1020 m附近存在小型断层。
根据2.2节的判识指标,D1主孔在1 020 m附近钻探过程中钻井液漏失量为2 m3/h,属于“漏失−Ⅰ”型;压水试验透水率为7.39 Lu,属于“透水−Ⅰ”型。根据表2确定出该处断层导水性为一级,是发育空间有限,通道间连通性差的小型断层,不需要专门进行注浆加固。继续钻进至终孔1 190 m岩性为纯灰岩,未发生漏失。
3.3.2 导水岩溶裂隙带
在D2孔组和D3孔组的探查过程中,根据判识标准识别出了导水裂隙发育带2处(图4)。
以D3-2孔为例进行分析。岩屑指标方面:D3-2孔自孔深600 m处沿L3灰岩含水层钻进,灰岩含量100%,从860 m开始灰岩比例逐渐下降,到1 008 m岩屑完全变为泥岩,在1 026 m岩屑中灰岩含量增加至20%,至1 060 m恢复为纯灰岩。岩性变化期间没有发生异响,继续钻进至终孔1 200 m仍为灰岩岩性。岩屑变化过程如图7所示,与图1中岩屑−Ⅱ型标准曲线基本一致,判定1 008 m附近揭露岩溶裂隙带。
钻时指标方面:如图7所示,D3-2孔从600 m进入太原组灰岩正常钻时为6~8 min/m,钻进至1 008 m钻时突然加快到3 min/m,1 008~1 060 m钻时2~4 min/m,调整轨迹后1 061 m钻时恢复为6~8 min/m,钻时变化范围大于2 min/m,钻时变化期间没有发生钻具突然放空的现象。钻时变化趋势与钻时−Ⅰ型判识标准基本一致。钻时变化趋势与图2中钻时−Ⅱ型判识标准基本一致。继续钻进至终孔1 200 m,钻时为6~8 min/m,期间也没有发生钻具突然放空的现象。
根据以上分析,D3-2孔岩屑和钻时变化类型为岩屑−Ⅰ型和钻时−Ⅱ型,结合表1定性识别出1 008~1 026 m范围存在岩溶裂隙带。结合D3孔组其他钻孔情况,判识D3孔组末端存在岩溶裂隙发育带。
根据2.2节的判识指标,D3-2孔在1 008 m附近钻探过程中钻井液未发生明显漏失,为“漏失−Ⅰ”型;进行压水试验,透水率为0.355 Lu,为“透水−Ⅰ”型。根据表2识别出该处通道导水性为一级,是发育空间有限,通道间连通性差的岩溶裂隙发育带,不需要专门进行注浆加固。继续钻进至终孔1 200 m岩性为纯灰岩,未发生漏失。
3.3.3 导水陷落柱
某工作面回采至135 m时发生底板出水,水呈浑浊状,稳定水量约170 m3/h,推测工作面发育有隐伏导水通道。在D4孔组探查过程中,根据判识标准识别出1个导水陷落柱,位置如图5所示。
D4-1孔自孔深680 m处沿L3灰岩含水层钻进,灰岩含量100%,正常钻时7 min/m左右,钻进至765 m钻井液发生大量漏失,漏失量大于50 m3/h,岩屑颗粒大小不一,岩性杂乱。钻进至779 m钻井液失返,无法获取岩屑。孔内发生“噼啪”声异响,继续顶漏钻进至788 m钻井液仍失返并发生塌孔卡钻现象,起钻准备注浆。779~788 m钻时加快至2 min/m,未出现钻具放空现象。D4-1孔岩屑变化符合岩屑−Ⅲ型标准曲线,钻时变化趋势与图2中钻时−Ⅱ型判识标准基本一致。判定779~788 m进入陷落柱边缘裂隙带。
根据以上分析,D4-1孔岩屑和钻时变化类型为岩屑−Ⅲ型和钻时−Ⅱ型,结合表1定性识别出779~788 m范围存在半胶结陷落柱。D4孔组其他钻孔对疑似陷落柱位置继续进行探查,在附近位置同样发生钻井液全漏与钻时突然加快的现象。
根据2.2节的判识指标,D4-1孔在779~788 m钻井液发生失返,为“漏失−Ⅱ”型;进行压水试验,压力为0,为“透水−Ⅱ”型。根据表2识别出该处通道导水性为四级,是发育空间大,通道导水性强的陷落柱。治理过程中注浆材料除水泥外,还应选用骨料对其进行封堵。
4. 结 论
1)根据煤层底板导水通道的特征,利用地面定向钻进区域探查技术的优点,提出导水通道超前钻探设计应服从轨迹合理、目标层合理和探查区域最大化的原则。
2)确定了导水通道多元信息判识指标为:以岩屑和钻时为主的定性指标与以钻井液漏失量和压水试验透水率为主的定量指标。以此为基础提出了导水通道类型定性分类体系,又根据钻井液漏失量是否大于30 m3/h和压水试验透水率是否大于10 Lu建立了导水性分级体系。
3)通过分析华北型煤田某典型煤矿的水文地质条件与水害特征,结合探查设计原则,实施了该煤矿部分工作面导水通道探查工程,利用导水通道判识指标和多元信息识别技术在研究区内准确识别出4条导水断层,2处岩溶裂隙发育带和1个导水陷落柱,并确定了它们的导水性等级。
-
表 1 数据简介
Table 1 Data introduction
数据集 分辨率 数值来源 地表反射率产品数据(Landsat 8 OLI/TIRS Level 2,
Collection 2, Tier 1)30 m Google earth engine 平台(https://code.earthengine.google.com/) 夜间灯光年度产品数据(NPP/VIIRS ) 500 m 地球观测组(Earth Observation Group ,EOG) (https://eogdata.mines.edu/products/vnl/) 地形数据(ASTER GDEM) 30 m 地理空间数据云(https://www.gscloud.cn/) 地表反射率产品数据(MODIS MYD13Q1) 250 m 美国航天局地球数据(https://search.earthdata.nasa.gov) 地表温度产品数据(MODIS MYD11A2) 1000 m 美国航天局地球数据(https://search.earthdata.nasa.gov) 中国近地表日气温数据集(1979—2018) 0.1° 国家青藏科学数据中心(https://data.tpdc.ac.cn/home) 表 2 土地利用程度−韦弗指数
Table 2 Land use degree−Weaver index
土地利用类型 指数 林地 100 草地 200 裸地 300 裸岩石砾地 400 交通运输用地 400 设施占用地 500 露采区 500 排土场 500 表 3 各指标计算公式
Table 3 Calculation formula of each index
指标 计算公式 效应 参考文献 压力指标 LUCC 目视解译 − [22] NTL 大津法(Otsu)、年际连续校正法 − [22] 状态指标 FVC $ \begin{aligned}&\left\{ \begin{aligned} & \mathrm{FVC}=0 & \mathrm{MSAVI} \leqslant 0 \\ &\mathrm{FVC}=\frac{\mathrm{MSAVI-\mathrm{MSAVI}}_{\min }}{\mathrm{MSAVI}_{\max }-\mathrm{MSAVI}_{\min }} & \mathrm{MSAVI}>0\end{aligned} \right. \\&\mathrm{MSAVI}=\frac{2 \rho_{{_\mathrm{N I R}}}+1-\sqrt{\left(2 \rho_{{_\mathrm{N R}}}+1\right)^2-8\left(\rho_{{_\mathrm{N I R}}}-\rho_{\mathrm{red} }\right)}}{2}\end{aligned} $
+[23] BSI ${\text{BSI}} = \dfrac{{\left( {{\rho _{{_\mathrm{SWIR1}}}} + {\rho _{{{_\mathrm{Red}}} }}} \right) - \left( {{\rho _{{_\text{blue}}}} - {\rho _{{{_\mathrm{Red}}} }}} \right)}}{{\left( {{\rho _{{_\mathrm{SWIR1}}}} + {\rho _{{{_\mathrm{Red}}} }}} \right) + \left( {{\rho _{{_\text{blue}}}} - {\rho _{{{_\mathrm{Red}}} }}} \right)}}$ + [24] NGLI $ {\text{NGLI}} = \dfrac{{{\rho _{{_\text{SWIR2}}}} - {\rho _{{_\text{SWIR1}}}}}}{{{\rho _{{_\text{SWIR2}}}} + {\rho _{{_\text{SWIR1}}}}}} $ − [25] 响应指标 LST ${\rho _{{_\mathrm{ST}}}} - 273.15$ − TVDI $ \left\{ \begin{gathered}{\rm TVDI} = \left( {{T_{\text{s}}} - {T_{\min }}} \right)/\left( {{T_{\max }} - {T_{\min }}} \right) \\ {T_{\min }} = {a_{{\mathrm{down}}}}{\rm NDVI}{^3} + {b_{{\mathrm{down}}}}{\rm NDVI}{^2} + {c_{{\mathrm{down}}}}{\rm NDVI} + {d_{{\mathrm{down}}}} \\ {T_{\max }} = {a_{{\mathrm{up}}}}{\rm NDVI}{^3} + {b_{{\mathrm{up}}}}{\rm NDVI}{^2} + {c_{{\mathrm{up}}}}{\rm NDVI} + {d_{{\mathrm{up}}}} \\ \end{gathered} \right. $ − [26] SI $ {\mathrm{SI}}=\sqrt{\text{ }{\rho }_{_\text{Blue}}\text{ }\times \text{ }{\rho }_{_\text{Red}}\text{ }} $ − [27] 注:下标“Blue、Red、NIR、SWIR1、SWIR2”分别为“蓝波段、红波段、近红外波段、短波红外1、短波红外2”;下标“down、up”分别为高温、低温和不同次方NDVI的拟合系数;$\rho_{{_\mathrm{ST}}} $为开尔文温度;“+、−”号表示该指标为“正向指标或负向指标”。 表 4 各波段反射率观测值与预测值相关性
Table 4 Correlation between observed and predicted reflectance values of each band
波段 R2 波段 R2 Blue 0.742** SWIR1 0.883** Green 0.821** SWIR2 0.867** Red 0.851** T 0.615** NIR 0.864** 注:**为均通过了0.01显著性检验。 表 5 各指标权重
Table 5 Weight of each indicator
指标 效应 权重 权重共计 压力指标 LUCC − 0.041 0.042 NTL − 0.001 状态指标 FVC + 0.878 0.878 BSI + 0.000 NGLI − 0.000 响应指标 LST − 0.007 0.073 TVDI − 0.069 SI − 0.000 表 6 矿区内外生态指数统计
Table 6 Statistics of ecological indexes inside and outside the mining area
年份 矿区内生态指数统计值 矿区外生态指数统计值 均值 标准差 均值 标准差 2013 0.045 0.139 0.091 0.216 2014 0.032 0.105 0.092 0.226 2015 0.025 0.080 0.065 0.172 2016 0.026 0.083 0.060 0.155 2017 0.025 0.081 0.048 0.120 2018 0.027 0.082 0.043 0.100 2019 0.027 0.079 0.039 0.091 2020 0.027 0.078 0.038 0.091 2021 0.033 0.098 0.046 0.117 表 7 各年份分级阈值
Table 7 Grading threshold of each year
年份 阈值1 阈值2 2013 0.547 0.059 2014 0.543 0.055 2015 0.555 0.055 2016 0.557 0.059 2017 0.561 0.059 2018 0.563 0.059 2019 0.561 0.059 2020 0.557 0.059 2021 0.551 0.059 均值 0.555 0.057 表 8 矿区内外各生态等级占比统计
Table 8 Statistics of the proportion of each ecological grade inside and outside the mining area
年份 矿区内各等级占比/% 矿区外各等级占比/% 差 中 优 差 中 优 2013 82.71 14.74 2.54 82.14 11.44 6.42 2014 84.03 14.57 1.39 81.59 11.40 47.02 2015 84.17 14.27 0.76 82.44 13.71 43.84 2016 83.86 15.31 0.83 81.99 1.96 43.05 2017 83.99 15.23 0.78 82.50 15.78 1.72 2018 83.48 15.72 0.749 83.45 15.40 1.15 2019 83.30 15.96 0.74 85.00 14.05 0.95 2020 83.03 16.27 0.70 85.95 13.08 0.97 2021 81.73 17.09 1.18 85.43 12.88 1.69 -
[1] 徐 轩,李均力,包安明,等. 新疆五彩湾矿区开发对荒漠植被的扰动分析[J]. 地球信息科学学报,2019,21(12):1934−1944. XU Xuan,LI Junli,BAO Anming, et al. Disturbance analysis of desert vegetation under the development of Wucaiwan Min-ingArea in Xinjiang[J]. Journal of geo-information science,2019,21(12):1934−1944.
[2] 刘思怡,丁建丽,张钧泳,等. 艾比湖流域草地生态系统环境健康遥感诊断[J]. 草业学报,2020,29(10):1−13. LIU Siyi,DING Jianli,ZHANG Junyong, et al. Remote sensing diagnosis of grassland ecosystem environmental health in the Ebinur Lake Basin[J]. Acta prataculturae sinica,2020,29(10):1−13.
[3] 郑慧玲,王永红,马 卫. 基于PSR模型的珠江三角洲生态环境脆弱性评价[J]. 水土保持通报,2022,42(4):210−217,381. ZHENG Huiling,WANG Yonghong,MA Wei. Evaluation of eco-environmental vulnerability of Pearl River Delta Based on PSR Model[J]. Bulletin of soil and water conservation,2022,42(4):210−217,381.
[4] 姜旭海,韩 玲,白宗璠,等. 内蒙古自治区沙漠化敏感性时空演变格局和趋势分析[J]. 生态学报,2023(1):1−15. JIANG Xuhai,HAN Ling,BAI Zongfan, et al. Analysis of the temporal and spatial evolution pattern and trend of desertification sensitivity in the Inner Mongolia Autonomous Region[J]. Acta ecologica sinica,2023(1):1−15.
[5] 袁 也,武文丽,付宗驰,等. 新疆昆玉市生态安全评价及其时空分异特征研究[J]. 石河子大学学报(自然科学版),2021,39(6):733−740. YUAN Ye,WU Wenli,FU Zongchi, et al. Spatial-temporal dis-crimination for the urban eco-security evaluation in Xinjiang Kunyu[J]. Journal of shihezi university (natural science),2021,39(6):733−740.
[6] 夏 楠. 准东矿区生态环境遥感监测及生态质量评价模型研究[D]. 乌鲁木齐:新疆大学,2018. XIA Nan. Study on remote sensing monitoring of eco-environment and assessment model of ecological quality in Zhundong Mining Region[D]. Urumqi:Xinjiang University,2018.
[7] 李 晶,邓晓娟,杨 震,等. 基于时序多光谱影像的干旱草原区开采扰动信息提取方法[J]. 光谱学与光谱分析,2019,39(12):3788−3793. LI Jing,DENG Xiaojuan,YANG Zhen, et al. A method of extracting mining disturbance in arid grassland based on time series multispectral images[J]. Spectroscopy and spectral analysis,2019,39(12):3788−3793.
[8] 刘 英,朱 蓉,岳 辉. 典型露天矿区生态环境遥感评价[J]. 西安科技大学学报,2021,41(4):682−691. LIU Ying,ZHU Rong,YUE Hui. Remote sensing evaluation of ecological environment in typical open-pit mining areas[J]. Journal of xi'an university of science and technology,2021,41(4):682−691.
[9] 范德芹,邱 玥,孙文彬,等. 基于遥感生态指数的神府矿区生态环境评价[J]. 测绘通报,2021,532(7):23−28. FAN Deqin,QIU Yue,SUN Wenbin, et al. Evaluating ecological environment based on remote sensing ecological index in Shenfu mining area[J]. Bulletin of surveying and mapping,2021,532(7):23−28.
[10] 刘 虎,姜 岳,夏明宇,等. 基于30年遥感监测的矿区生态环境变化:以南四湖周边矿区为例[J]. 金属矿山,2021,538(4):197−206. LIU Hu,JIANG Yue,XIA Mingyu, et al. Ecological environment changes of mining area with 30 Years' remote sensing moni-toring:a case study around Nansihu Lake,Shandong Province[J]. Metal Mine,2021,538(4):197−206.
[11] 岳 辉,刘 英,朱 蓉. 基于遥感生态指数的神东矿区生态环境变化监测[J]. 水土保持通报,2019,39(2):101−107,114. YUE Hui,LIU Ying,ZHU Rong, et al. Monitoring ecological environment change based on remote sensing ecological index in Shendong Mining Area[J]. Bulletin of soil and water conservation,2019,39(2):101−107,114.
[12] XIAO Wu,DENG Xinyu,HE Tingting, et al. Mapping annual land disturbance and reclamation in a surface coal mining region using google earth engine and the landtrendr algorithm:A case study of the shengli coalfield in Inner Mongolia,China[J]. Remote sensing,2020,12(10):1612. doi: 10.3390/rs12101612
[13] YANG Yongjun,ERSKINE Peter D,LECHNER Alex M, et al. Detecting the dynamics of vegetation disturbance and recovery in surface mining area via Landsat imagery and LandTrendr algorithm[J]. Journal of cleaner production,2018,178:353−362.
[14] WANG Huihui,XIE Miaomiao,LI Hanting, et al. Monitoring eco-system restoration of multiple surface coal mine sites in China via LANDSAT images using the Google Earth Engine[J]. Land degradation & development,2021,32(10):2936−2950.
[15] ZHU Zhe,WOODCOCK Curtis E. Automated cloud,cloud shadow,and snow detection in multitemporal landsat data an algorithm designed specifically for monitoring land cover change[J]. Remote sensing of environment,2014,152:217−234.
[16] SUN Chao,LI Jialin,LIU Yongchao, et al. Ecological quality assessment and monitoring using a time-series remote sensing-based ecological index (ts-RSEI)[J]. GIScience & remote sensing,2022,59(1):1793−1816.
[17] 康萨如拉,牛建明,张 庆,等. 草原区矿产开发对景观格局和初级生产力的影响:以黑岱沟露天煤矿为例[J]. 生态学报,2014,34(11):2855−2867. KANG Sarula,NIU Jianming,ZHANG Qing, et al. Impacts of mining on landscape pattern and primary productivity in the grassland of Inner Mongolia:a case study of Heidaigou open pit coal mining. Acta ecologica sinica,2014,34( 11) :2855−2867.
[18] 袁婷婷,王志强,汪溪远,等. 准东红沙泉矿区重金属生态风险缓冲区分析[J]. 土壤通报,2020,51(1):227−233. YUAN Tingting,WANG Zhiqiang,WANG Xiyuan, et al. Buffer analysis of heavy metal ecological risk in the Hongshaquan Mining Area of East Junggar Basin[J]. Chinese journal of soil science,2020,51(1):227−233.
[19] 方 舒,毛克彪. 中国近地表日气温数据集(1979-2018)[EB/OL]. 国家青藏高原科学数据中心,https://doi.org/10.5281/zenodo. 5502275. FANG Shu. ,MAO Kebiao. A dataset of daily near-surface air temperature in China from 1979 to 2018[EB/OL]. National tibetan plateau/third pole environment data center,https://doi.org/10.5281/zenodo.5502275.
[20] WU Junjun,WANG Xin,ZHONG Bo, et al. Ecological environment assessment for Greater Mekong Subre-gion based on Pressure-State-Response framework by remote sensing[J]. Ecological indicators,2020,117:106521. doi: 10.1016/j.ecolind.2020.106521
[21] 刘 英,魏嘉莉,毕银丽,等. 红沙泉露天煤矿碳储量时空动态变化分析[J]. 煤炭学报,2022,47(S1):214−224. doi: 10.13225/j.cnki.jccs.XR21.1562 LIU Ying,WEI Jiali,BI Yinli, et al. Spatiotemporal dynamic change analysis of carbon storage in desertification open-pit mine[J]. Journal of china coal society,2022,47(S1):214−224. doi: 10.13225/j.cnki.jccs.XR21.1562
[22] 闫梦川. 基于夜间灯光数据的长江三角洲地区GDP空间化分析[D]. 大连:辽宁师范大学,2022. YAN Mengchuan. Spatial analysis of GDP in the Yangtze River Delta region based on night light data[D]. Dalian:Liaoning Normal University,2022.
[23] QI Jiaguo,CHEHBOUNI Abdelghani,HUETE Alfredo Ramon, et al. A modified soil adjusted vegetation index[J]. Remote sensing of environment,1994,48(2):119−126. doi: 10.1016/0034-4257(94)90134-1
[24] RIKIMARU A. LAMDSAT TM data processing guide for forest canopy density mapping and monitoring model[C]//ITTO workshop on Utilization of Remote Sensing in Site Assessment and Planning for Rehabilitation of Logged-over Forest. July 30-August 1,Bangkok,Thailand,1996:1−8.
[25] 岳 辉,朱 蓉,刘 英,等. 荒漠化露天矿土壤湿度监测模型的构建:以红沙泉矿区为例[J]. 煤炭科学技术,2022,50(2):300−311. YUE Hui,ZHU Rong,LIU Ying, et al. Construction of soil moisture monitoring model in desertification open-pit mining area:taking Hongshaqian Mining Area as an example[J]. Coal science and technology,2022,50(2):300−311.
[26] MORAN Susan M,HYMER Daniel C,QI Jiaguo, et al. Soil moisture evaluation using multi-temporal synthetic aperture radar (SAR) in semiarid rangeland[J]. Agricultural and forest meteorology,2000,105(1−3):69−80.
[27] Douaoui Abd EI Kader,NICOLAS Hervé,WALTER Christian. Detecting salinity hazards within a semiarid context by means of combining soil and remote-sensing data[J]. Geoderma,2006,134(1/2):217−230. doi: 10.1016/j.geoderma.2005.10.009
[28] YUE H,LIU Y,LI Y,et al. Eco-environmental quality assessment in China’s 35 major cities based on remote sensing ecological index[J]. IEEE Access,2019,7:51295−51311.
[29] 郑招文,肖袁俊,宋文丹,等. 中国植被生长期的时空变化[J]. 应用生态学报,2020,31(12):3979−3988. ZHENG Zhaowen,XIAO Yuanjun,SONG Wendan, et al. Spati-otemporal variation of growing season length of vegetation in China[J]. Chinese journal of applied ecology,2020,31(12):3979−3988.
[30] FOGA Steve,SCARAMUZZA Pat L,GUO Song, et al. Cloud detection algorithm comparison and validation for operational Landsat data products[J]. Remote Sensing of Environment,2017,194:379−390. doi: 10.1016/j.rse.2017.03.026
[31] 王爱霞,马婧婧,龚会蝶,等. 北疆一年生早春短命植物物种丰富度分布格局及其影响因素[J]. 生物多样性,2021,29(6):735−745. doi: 10.17520/biods.2020331 WANG Aixia,MA Jingjing,GONG Huidie, et al. Patterns and drivers of species richness of early spring annual ephemeral plants in northern Xinjiang[J]. Biodiversity Science,2021,29(6):735−745. doi: 10.17520/biods.2020331
[32] 袁素芬,唐海萍,张宏锋. 准噶尔荒漠短命植物分布特征对干扰的响应[J]. 干旱区资源与环境,2014,28(11):122−126. YUAN Sufen,TANG Haiping,ZHANG Hongfeng. Response of distribution characteristics of ephemeral plants to the human disturbance in Dzungaria Desert[J]. Journal of arid land resources and environment,2014,28(11):122−126.
[33] 于昊辰. 新疆荒漠矿区土地生态系统退化评价及调控策略研究[D]. 徐州:中国矿业大学,2022. Yu Haochen. Measurement and regulation strategies of land ecosystem degradation for desert mining area in Xinjiang[D]. Xuzhou:China University of Mining and Technology,2022.
-
期刊类型引用(7)
1. 严红,吴林,李桂臣,宋维斌. 煤矿岩巷TBM快速掘进研究进展与展望. 煤炭工程. 2025(01): 1-7 . 百度学术
2. 张风林,唐彬,沈仁为,李宏亮,张鹏涛,程晋轶,刘震宇,侯俊领. TBM掘进煤矿深井巷道支护方案优化实践. 科技资讯. 2024(14): 103-107 . 百度学术
3. 王永军,孟凡贞,吕文茂,张垚,赵春虎,钟林华,胡东祥. 深部强矿压矿井煤层覆岩爆破卸压机理研究. 中国矿业. 2024(S2): 325-329 . 百度学术
4. 邵文琦,陈大勇,佟治,乔亮,杜浪浪,黄炳香,陈圣贺,高尚占,祁正飞,孙政. 煤矿岩巷掘进技术现状及展望. 中国矿业. 2024(11): 192-205 . 百度学术
5. 吕玉柱,孙鹏,王力强. 韩城矿区岩巷快速施工工艺匹配支护优化研究. 陕西煤炭. 2024(12): 173-177 . 百度学术
6. 满轲,武立文,刘晓丽,宋志飞,李可娜. 基于CNN-LSTM模型的TBM隧道掘进参数及岩爆等级预测. 煤炭科学技术. 2024(S2): 21-37 . 本站查看
7. 张钦,苏金华,慎宏然,胡志飞,徐晓东,李浩,李鹏权,赵春阳,崔宗类. 某矿复杂地层硬岩巷道TBM同步探掘技术研究与实践. 现代矿业. 2023(09): 233-237 . 百度学术
其他类型引用(0)