基于遥感生态指数的神府矿区生态环境评价

doi:10.13474/j.cnki.11-2246.2021.0203

测绘通报 ›› 2021, Vol. 0 ›› Issue (7): 23-28.doi: 10.13474/j.cnki.11-2246.2021.0203

基于遥感生态指数的神府矿区生态环境评价

范德芹¹, 邱玥¹, 孙文彬¹, 赵学胜¹, 麦霞梅², 胡颖文¹

1. 中国矿业大学(北京)地球科学与测绘工程学院, 北京 100083;
2. 国家国防科技工业局重大专项工程中心, 北京 100101

收稿日期:2021-05-12 修回日期:2021-05-24 发布日期:2021-08-04
通讯作者: 邱玥。E-mail:qiuyue1993@hotmail.com
作者简介:范德芹(1982-),女,博士,讲师,主要从事植被与生态遥感研究。E-mail:kinly129@163.com
基金资助:
国家自然科学基金（41601456）

Evaluating ecological environment based on remote sensing ecological index in Shenfu mining area

FAN Deqin¹, QIU Yue¹, SUN Wenbin¹, ZHAO Xuesheng¹, MAI Xiamei², HU Yingwen¹

1. College of Geoscience and Surveying Engineering, China University of Mining and Technology-Beijing, Beijing 100083, China;
2. The Earth Observation Systems and Data Center, State Administration of Science, Technology and Industry for National Defence, PRC, Beijing 100101, China

Received:2021-05-12 Revised:2021-05-24 Published:2021-08-04

摘要/Abstract

摘要： 采用遥感技术对矿区生态环境进行监测与评价，对矿区生态环境的保护和可持续发展具有重要意义。本文首先提出了一种遥感生态指数（RSEI）改进方案，除了采用原模型的绿度指标、湿度指标、热度指标及干度指标4个生态指标外，引入植被净初级生产力（NPP）指标，并对矿区生态环境进行各单生态指标评价分析，然后采用改进后的遥感生态指数，对神府矿区2000—2016年的生态环境变化进行综合评价。评价结果表明，2000—2016年，神府矿区的遥感生态指数呈整体升高趋势，RSEI增幅约为0.1/10 a，大部分区域植被生产力逐渐增强，生态环境得到恢复，生态环境质量逐渐提升。

关键词: 遥感生态指数, 矿区, 生态环境, 评价

Abstract: Monitoring and evaluating the ecological environment with the help of remote sensing technology is of great significance for the sustainable development of mining area. In this paper, an improved scheme of remote sensing ecological index (RSEI) is proposed. Based on the original model which contains four ecological indexes (NDVI, WET, LST, NDSI), the net primary productivity (NPP) of vegetation is introduced to characterize the ecosystem function of mining area. The ecological environment of the mining area is evaluated and analyzed by every single ecological index using the five ecological indexes. Using the improved remote sensing ecological index, the ecological environment changes of Shenfu mining area from 2000 to 2016 are evaluated. The evaluation results show that the remote sensing ecological index of Shenfu mining area shows an overall upward trend from 2000 to 2016 (0.1/10 a), and the vegetation productivity in most areas increases gradually, which means that the ecosystem function recovers gradually, and the ecological environment quality improves gradually.

Key words: RSEI, mining area, ecological environment, evaluation

中图分类号:

P237

范德芹, 邱玥, 孙文彬, 赵学胜, 麦霞梅, 胡颖文. 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, 0(7): 23-28.

FAN Deqin, QIU Yue, SUN Wenbin, ZHAO Xuesheng, MAI Xiamei, HU Yingwen. Evaluating ecological environment based on remote sensing ecological index in Shenfu mining area[J]. Bulletin of Surveying and Mapping, 2021, 0(7): 23-28.

导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks

链接本文: http://tb.chinasmp.com/CN/10.13474/j.cnki.11-2246.2021.0203

http://tb.chinasmp.com/CN/Y2021/V0/I7/23

参考文献

[1] 吴志杰,王猛猛,陈绍杰,等. 基于遥感生态指数的永定矿区生态变化监测与评价[J]. 生态科学, 2016, 35(5):200-207.
[2] 尹建平. 基于遥感生态指数的平朔露天矿生态环境评价[J]. 露天采矿技术, 2021, 36(1):45-47.
[3] 刘雪. 基于GIS的矿山环境质量评价——以新疆五彩湾煤矿为例[D]. 北京:中国地质大学(北京), 2018.
[4] 华正坤. 基于遥感影像的平朔矿区植被动态监测研究[D]. 北京:中国地质大学(北京), 2013.
[5] 彭燕,何国金,张兆明,等. 赣南稀土矿开发区生态环境遥感动态监测与评估[J]. 生态学报, 2016, 36(6):1676-1685.
[6] 杜培军,郑辉,张海荣. 欧共体MINEO项目对我国采矿环境影响综合监测的启示[J]. 煤炭学报, 2008, 33(1):71-75.
[7] LIAN X G, LIU X Y, GE L L, et al. Time-series unmanned aerial vehicle photogrammetry monitoring method without ground control points to measure mining subsidence[J]. Journal of Applied Remote Sensing, 2021, 15(2):24505.
[8] 赵鹏. 新街台格庙矿区开发初期土地利用动态遥感监测[J]. 国土资源遥感, 2015, 27(4):144-149.
[9] 刘培,杜培军,逄云峰. 基于遥感和CA Markov模型的煤矿区热环境与土地覆盖变化模拟评价[J]. 煤炭学报, 2012, 37(11):1847-1853.
[10] 吴立新,马保东,刘善军. 基于SPOT卫星NDVI数据的神东矿区植被覆盖动态变化分析[J]. 煤炭学报, 2009, 34(9):1217-1222.
[11] LIU X Y, ZHOU W, BAI Z K. Vegetation coverage change and stability in large open-pit coal mine dumps in China during 1990-2015[J]. Ecological Engineering, 2016, 95:447-451.
[12] 周夏飞,朱文泉,马国霞,等. 稀土矿开采导致的植被净初级生产力损失遥感评估——以江西省赣州市为例[J]. 遥感技术与应用, 2016, 31(2):307-315.
[13] 白淑英,朱倩文,沈渭寿,等. 白云鄂博矿区生态退化研究[J]. 生态与农村环境学报, 2016, 32(3):367-373.
[14] 侯春华,李富平,冯一帆,等. 基于NDVI-DFI的矿业开发密集区地表热环境分异效应分析[J]. 农业工程学报, 2020, 36(3):160-168.
[15] 马丽丽,田淑芳,王娜. 基于层次分析与模糊数学综合评判法的矿区生态环境评价[J]. 国土资源遥感, 2013, 25(3):165-170.
[16] 赵玉灵. 基于层次分析法的矿山环境评价方法研究——以海南岛为例[J]. 国土资源遥感, 2020, 32(1):148-153.
[17] 王占军,张悦国,石嵩云,等. 基于理想点法的矿区生态环境敏感性评价[J]. 水土保持通报, 2015, 35(2):225-230.
[18] 李莹莹. 基于遥感技术的甘肃礼县金矿区生态环境评价应用研究[D]. 长沙:中南大学, 2014.
[19] 王金满,郭凌俐,白中科,等. 黄土区露天煤矿排土场复垦后土壤与植被的演变规律[J]. 农业工程学报, 2013, 29(21):223-232.
[20] 范立民,马雄德,李永红,等. 西部高强度采煤区矿山地质灾害现状与防控技术[J]. 煤炭学报, 2017, 42(2):276-285.
[21] 肖武,张文凯,吕雪娇,等. 西部生态脆弱区矿山不同开采强度下生态系统服务时空变化——以神府矿区为例[J]. 自然资源学报, 2020, 35(1):68-81.
[22] 徐涵秋. 区域生态环境变化的遥感评价指数[J]. 中国环境科学, 2013, 33(5):889-897.
[23] GOWARD S N, XUE Y K, CZAJKOWSKI K P. Evaluating land surface moisture conditions from the remotely sensed temperature/vegetation index measurements:an exploration with the simplified simple biosphere model[J]. Remote Sensing of Environment, 2002, 79(2):225-242.
[24] POTTER C S, RANDERSON J T, FIELD C B, et al. Terrestrial ecosystem production:a process model based on global satellite and surface data[J]. Global Biogeochemical Cycles, 1993, 7(4):811-841.
[25] 朱文泉,潘耀忠,张锦水. 中国陆地植被净初级生产力遥感估算[J]. 植物生态学报, 2007, 31(3):413-424.
[26] ZHU W Q, PAN Y Z, HE H, et al. Simulation of maximum light use efficiency for some typical vegetation types in China[J]. Chinese Science Bulletin, 2006, 51(4):457-463.
[27] BAIG M H A, ZHANG L F, SHUAI T, et al. Derivation of a tasselled cap transformaton based on Landsat 8 at-satellite reflectance[J]. Remote Sensing Letters, 2014, 5(5):423-431.
[28] NICHOL J. Remote sensing of urban heat islands by day and night[J]. Photogrammetric Engineering & Remote Sensing, 2005, 71(5):613-622.
[29] XU H Q. A new index for delineating built-up land features in satellite imagery[J]. International Journal of Remote Sensing, 2008, 29(14):4269-4276.

基于遥感生态指数的神府矿区生态环境评价

Evaluating ecological environment based on remote sensing ecological index in Shenfu mining area

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	周昱辰, 喜文飞, 曹逸凡, 郭峻杞, 庄永在, 王瑞亭, 洪文玉. 联合SBAS-InSAR与ConvLSTM神经网络方法的红河断裂带北段震后滑坡易发性评价[J]. 测绘通报, 2026, 0(4): 104-111,133.
[2]	王炎, 肖海平, 张欣杰. 面向赣江流域的生态修复时空特征遥感评估[J]. 测绘通报, 2025, 0(8): 70-75,82.
[3]	李文东, 叶禹, 李霞, 魏伟, 辛存林. 融合SBAS-InSAR形变与机器学习模型的滑坡易发性评价[J]. 测绘通报, 2025, 0(7): 126-131,146.
[4]	王楠, 陈敏, 刘加敏, 吴辉. 面向高质量发展背景下的珠三角城市群自然资源生态风险评价及其时空跃迁特征分析[J]. 测绘通报, 2025, 0(7): 164-168.
[5]	吴辉, 张卉冉, 朱维强. 基于多波束测深技术的海底地形三维建模方法进展与趋势[J]. 测绘通报, 2025, 0(6): 6-11,17.
[6]	陈子谋, 王新驰, 郭靖. 黄石市生态环境质量时空变化及驱动因子分析[J]. 测绘通报, 2025, 0(4): 145-151.
[7]	郭捷, 张功海, 宋烨炜, 白宇兴, 胡纪元, 王杰, 吴文豪, 葛子轩. 联合Sentinel-1A升降轨的DS-InSAR金川矿区形变提取[J]. 测绘通报, 2025, 0(3): 1-7.
[8]	张楠, 陈胜华, 孙彩霞. 阳泉市煤矿区生境质量时空变化及驱动因素分析[J]. 测绘通报, 2025, 0(3): 27-32.
[9]	张广伟. 一种探地雷达与深度学习的隧道衬砌健康评价方法[J]. 测绘通报, 2025, 0(3): 122-126,149.
[10]	沈显名, 李素敏, 郭军, 毛嘉骐, 严胜航, 戴祚敏, 彭翔. 基于坡向约束的高寒矿区边坡InSAR三维形变分析[J]. 测绘通报, 2025, 0(2): 77-82.
[11]	张永亮, 宋锋, 王惠林, 廖响林, 陈吉. 黏菌优化算法实现主干路最优串联融合[J]. 测绘通报, 2025, 0(2): 143-149.
[12]	马耀昌, 王进, 董秀军, 叶飞, 冯国正. 面向水旱灾害的激光点云综合精度评价[J]. 测绘通报, 2025, 0(2): 175-179,184.
[13]	李剑, 郑婵玉, 江涛, 夏乐, 陈志锋, 兰建梅. 南岭北麓湖南段历史遗留矿山生态环境问题及生态修复工程规划[J]. 测绘通报, 2025, 0(12): 139-143,172.
[14]	潘磊, 周松, 李亚男, 饶加旺. 融合多源时空数据的改进型生态环境评价指数模型研究与实践[J]. 测绘通报, 2025, 0(12): 144-149,177.
[15]	李春意, 郭亚星, 丁来中, 崔希民, 郑月松. 特高压输电通道地表形变解译及杆塔受损定量评价[J]. 测绘通报, 2025, 0(11): 8-14.