Analyzing the Ecological Environment of Mining Area by Using Moving Window Remote Sensing Ecological Index
-
摘要: 矿山环境问题日益加剧，矿区生态环境监测与评价是矿区管理必不可少的内容。前人通过遥感生态指数（remote sensing ecology index, RSEI）对矿区生态环境进行评价得到了有效的结果，但计算遥感生态指数时没有考虑到在自然条件下生态环境的影响是区域性的，且矿区所处地理位置不同会对矿区及其周边的环境造成不同的效应。针对大面积地物类型复杂的研究区域，提出了基于遥感生态指数和移动窗口评价单元的改进生态指数——基于移动窗口的遥感生态指数（moving window-based remote sensing ecological index，MW-RSEI）。结果显示，研究区域MW-RSEI均值为0.522，绿度和湿度对环境起正效应，干度和热度起负效应，其中矿山地貌景观破坏区域生态环境等级差和等级较差的占整体矿山地貌景观破坏区域面积的85.40%。提出的MW-RSEI符合地理学第一定律，其结果与RSEI结果具有一致性，同时显示了更多的矿区周边生态环境的渐变信息，印证了生态环境中的耗散结构理论，可以为矿区生态环境监测与评价提供有效的依据。Abstract:Objectives Mine environmental problems are intensifying, and the environmental monitoring and evaluation of the mining area is an indispensable part of mine management. Previous researches have obtained effective results by evaluating the mining ecological environment through the remote sensing ecological index (RSEI). However, the calculation does not take into account that the environmental influence is regional under natural conditions of RSEI, and the geo-graphical location of the mining area has different effects on its surrounding ecological environment. The main purpose of this research is to propose a new remote sensing ecological index that is more in line with the ecological response mechanism based on the characteristics of the ecological environment of the mining area.Methods Aiming at the complex research area of large area feature type, this paper presents an improved ecological index named moving window-based remote sensing ecological index (MW-RSEI) which based on RSEI and moving window evaluation unit. MW-RSEI divides the ecological environment into four influencing factors: Greenness, wetness, dryness and heat. Each pixel in the study area is taken as the research object, and the extended window of the pixel is taken as the calculation range of each factor. The experiment assigns weight to the center pixel of each window through principal component analysis.Results The MW-RSEI and RSEI models were used to calculate in the study area, the results show that the mean value of MW-RSEI and RSEI in the study area were 0.522 and 0.459, the greenness and wetness had positive effect on the environment, and the dryness and heat had negative effects. Based on the MW-RSEI model, mine geomorphology destroys the regional ecological environment grade is worst and poor accounted for 85.40% of the overall area. MW-RSEI in line with the first law of geography. Its results are consistent with RSEI, and it shows more gradient information of the ecological environment around the mining area, which confirms the theory of dissipative structure in the ecological environment.Conclusions MW-RSEI refines the local characteristics of the ecological environment, and it can provide an effective basis for ecological environment monitoring and evaluation in mining areas.
-
矿产资源过度开采对区域的负环境效应日益显著，造成严重的资源与环境问题，主要表现在土壤、水体、大气等方面[1]。近年来，卫星遥感技术因其具有大范围、长时间序列、多信息、多平台监测等优点[2]被广泛应用于矿区生态环境研究中[3-4]。
2006年，中国推出了利用遥感技术的生态环境指标生态环境指数（ecological index，EI）[5]，该指标在生态环境监测上得到了广泛的运用[6-7]。2013年，在考虑到EI权重的合理性、归一化系数的设定、指标的易获取性和生态状况可视化等问题的情况下，又提出一种完全基于遥感信息、集成多种生态因子的遥感生态指数（remote sensing ecology index，RSEI）[8]，该指数用绿度、湿度、干度和热度4个分量反映区域的生态环境状况，通过主成分分析（principal components analysis，PCA）对各个指标赋以权重，计算结果具有很强的客观性、稳定性和可视性。RSEI将一维的EI值转换为二维的面表示，很好地表现了生态环境在空间上的分布，该指数已被成功运用于城市[9-10]、湿地[10]和矿区[1, 11]等生态环境的评价中。
关于RSEI的研究层出不穷[12-14]，但在RSEI构建时并没有考虑到自然情况下生态环境的影响具有区域性，以明确的边界框定范围是不合理的[15]。对矿区生态环境而言，采矿虽然是非常严重的地质环境破坏行为，但对于大面积研究区采矿仍然属于小范围事件。而且，以包含建城区、耕地、水域等复杂地物的研究区作为对象会对矿区产生的影响造成掩膜，无法突显采矿对环境的破坏。再者，采矿活动属于一个空间性的活动，距离采矿区的远近对生态环境有重要影响[16]，地理学第一定律也表示任何事物都相关，只是相近的事物关联更紧密[17]。
为了更好地反映区域范围内的生态环境状况，本文结合景观生态学中尺度的思想[18]提出一种基于移动窗口的遥感生态指数（moving window-based remote sensing ecological index，MW-RSEI），该指数充分考虑评价单元与周围地物的联系[19]，排除空间距离较远的区域对该区域生态环境评价的影响。
1 研究数据与数据源
1.1 研究区域概况
河南省是中国的矿产大省，在全国已探明储量的156种矿产中，河南省有72种[20]，郑州市作为河南省省会城市拥有大量矿产资源，矿产开发的同时给其带来了严重的生态环境污染。
本文选择河南省郑州市境内900 km2的矿区作为研究对象。该区域以新密市主城区作为依托，西依伏羲山余脉，北接二七区西南角，南止禹州市北部山脉，内包含林地、耕地、建城区等多类地物类型。同时，该研究区分布了丰富的矿产资源，包含煤矿、石料矿、铁矿和铝土矿4类矿种。丰富的矿产资源使研究区矿山地质环境灾害众多，破坏总面积达到28.46 km2，其中，对生态环境破坏最为严重的露天采场面积达到16.28 km2，占研究区总矿山地质环境灾害面积的57.20%。本研究区范围广、地物类型复杂，同时，伴随严重的矿山地质环境灾害问题，这为验证MW-RSEI在矿区生态环境中的应用提供了有效的平台。
1.2 数据源及预处理
本文以2017年4月28日获取的一景Landsat 8（OLI/TIRS）遥感影像作为主要数据源，辅助结合2017年河南省矿权和矿山地质环境灾害调查资料进行实验。首先利用ENVI 5.3对影像进行预处理，具体包括几何校正、辐射定标、大气校正等，然后裁剪出研究区域用于RSEI各项因子的计算。
2 研究方法
2.1 遥感生态指数
遥感生态指数是将区域的生态环境用绿度、湿度、干度和热度4个分量表示，分量分别由归一化植被指数、缨帽变化的湿度分量、建筑指数与土壤指数合成的干度指标和地表温度表示[8]。将4个分量分别归一化后进行主成分分析，各个指标对第一主成分（first principal component，PC1）贡献值为其权重，RSEI结果为各分量的加权和。计算公式为：
$$ {I}_{\mathrm{R}\mathrm{S}\mathrm{E}\mathrm{I}}={C}_{1}\times {F}_{G}+{C}_{2}\times {F}_{W}+{C}_{3}\times {F}_{H}+{C}_{4}\times {F}_{D} $$ (1) 式中，$ {I}_{\mathrm{R}\mathrm{S}\mathrm{E}\mathrm{I}} $为遥感生态指数计算结果；$ {F}_{G} $为绿度；$ {F}_{W} $为湿度；$ {F}_{H} $为热度；$ {F}_{D} $为干度；Ci为各指标权重，i=1，2，3，4。
主成分分析法是环境评价中一个重要的综合指标构建方法，它用尽量少的综合指标代替众多的原始数据，各指标在主成分方向上的贡献即为该指标的权重[21]。将权重与指标相乘得到RSEI，即该研究区域生态环境分布归一化后的RSEI数值越大，说明该区域生态环境越优。
2.2 基于移动窗口的综合指标构建
由于矿区对生态环境的影响具有一定的范围，MW-RSEI从景观生态学中引入尺度的概念。在生态学中尺度的变化对景观格局的定量分析会产生不同程度的影响，因此，在生态环境评价中选择合适的分析尺度是非常必要的[19, 22]。利用移动窗口设置研究区域范围在景观研究中已有大量运用[23-24]，实验结果表明，设置窗口更符合自然界的物理扩散效应，有利于生态环境监测与评价。
MW-RSEI原理如图 1所示。
![]()
图 1 基于移动窗口综合指标的构建原理Figure 1. Construction Principle of Comprehensive Index of Moving Window首先，基于移动窗口的综合指标是通过对研究区域绿度、湿度、干度和热度4项指标分布图进行区域划分，以每个行列号为（i，j）的像元为中心构建N$ \times $N（N为奇数）的评价区间；然后，对每个评价区间单独进行主成分分析，得到的第一主成分分量值赋给中心像元，作为窗口中心像元（i，j）的生态环境指标的权重[19]，其计算表达式为：
$$ W(i, j)={P}_{\mathrm{P}\mathrm{C}1\left(N\right)}\left(i, j\right) $$ (2) 式中，$ W(i, j) $表示第i行、第j列的像元的权重，是指标对生态环境的贡献率；$ {P}_{\mathrm{P}\mathrm{C}1\left(N\right)}\left(i, j\right) $表示以第i行、第j列为中心进行主成分分析得到的第一主成分值，N表示窗口边长的像元个数。当窗口研究区域内地物发生变化时，绿度、湿度、干度和热度4项指标大小随之发生变化，各个指标对生态环境的贡献度也发生改变。遍历研究区域每个像元，得到研究区各个像元生态环境指标的权重分布。
根据国家法规[25]和前人研究成果[26]，本研究选取矿界外扩2 000 m为评价单元窗口，即以每个像素为中心点外扩4 000 $ \mathrm{m}\times $4 000 m（133$ \times $133像元）的区域作为评价区间，N值取133。由于窗口存在一定的宽度，研究区域边缘的像素将不具备作为窗口中心点运算的能力，研究区域由900 km2（1 000$ \times $1 000像元）缩小到678.08 km2（868$ \times $868像元）。为更好地分析生态环境的优劣，需设定第一主成分的阈值，占比高的区域有更高的确信度。
3 结果与讨论
3.1 基于移动窗口的遥感生态指数
基于移动窗口法构建的MW-RSEI综合指标第一主成分占比为68.0%~90.3%，均值为83.8%，4项生态指标权重值范围如表 1所示。
表 1 MW-RSEI指标荷载值Table 1. MW-RSEI Index Weight生态环境指标 PPC1(133) 最小值 最大值 均值 方差 FG 0.618 0.889 0.769 0.043 FW 0.188 0.578 0.417 0.057 FD -0.437 -0.320 -0.381 0.019 FH -0.580 -0.130 -0.281 0.067 由于是按区域逐一进行主成分分析，所以各指标权重因地理位置、区域地物类型不同而有所变化，相邻的像元间有公共的窗口区间，得到各生态环境指标的权重为连续变化的面值。权重绝对值的大小表示在窗口区域内各项生态环境指标对该中心点生态环境的作用大小。
由表 1可知，绿度和湿度对PC1的荷载值为正值，表明绿度因子和湿度因子对生态起正环境效应；干度和热度对PC1的荷载值为负值，表明干度因子和热度因子对生态起负环境效应；综合指标构建中绿度权重的绝对值明显高于其他3项指标权重的绝对值，表明绿度因子在该区域环境生态影响中起到较大的作用。
通过ArcGIS地图代数工具将绿度、湿度、干度和热度4个分量与综合指标的权重相乘，得到研究区域MW-RSEI分布。MW-RSEI均值为0.522，标准差为0.183，研究区生态环境整体处于中等偏上水平。为了更好地考察生态环境变化，将归一化后的MW-RSEI结果分为5类等级[6]，如图 2（a）所示。
由图 2可见，在矿区和建城区的生态环境偏差，林地和耕地区域生态环境偏好。
结合2017年河南省矿山地形地貌破坏图斑，其中，MW-RSEI等级为差的面积为621.45 hm2，等级为较差的面积为1 531.44 hm2，等级为中等的面积为328.86 hm2，等级为良的面积为39.60 hm2，等级为较优的面积为0.63 hm2。其中，生态环境等级为差和较差的区域占整个矿区的85.40%。同时，受矿山开采的影响，矿区周边的环境比相同地物条件远离矿区的生态环境差。
3.2 RSEI与MW-RSEI生态环境评价对比
针对RSEI的综合指标构建得到的第一主成分占比结果为80.9%，因为传统方法直接对整个大研究区域进行一次性主成分分析，所以得到的各个指标的权重为单个的值，如表 2所示。
表 2 指标值及RSEI结果Table 2. Indicator Values and RSEI Results生态环境指标 指标均值 标准差 PC1荷载值 FG 0.782 0.116 0.750 FW 0.762 0.072 0.409 FD 0.176 0.058 -0.374 FH 0.560 0.076 -0.360 IRSEI 0.495 0.209 基于移动窗口法得到的权重值与传统方法得到的权重值趋势相同：传统主成分分析得到的荷载值在移动窗口主成分分析的荷载值范围内，改进的综合指标构建结果根据区域特征发生小幅度变化。研究区域RSEI值0.495与MW-RSEI均值0.522基本一致，两种方法得到的各个指标具有相同的物理意义并与实际相符，表明移动窗口综合指标的构建具有可靠性。
对RSEI结果进行分级，如图 2（b）所示。对比RSEI和MW-RSEI结果可见，在矿山地貌景观破坏周围，图 2（a）生态环境等级逐渐变化，从矿区向外环境等级逐渐变好；图 2（b）矿区周边生态环境等级变化跨度大，因为RSEI注重地物本身的特性，没有考虑到周边环境受矿山开采的影响。对比RSEI和MW-RSEI结果在矿区周围的差异可以得到，矿区生态环境在评价时均处于偏差状态，其周边环境对矿区生态均成正效应，矿区和城市对周边环境起负效应。因此，以窗口方式评价环境时，两种不同地类的连接处会因为周边地物性质的不同而发生变化。
生态环境各级别占比如图 3所示。
![]()
图 3 RSEI与MW-RSEI分级面积对比Figure 3. Comparison of Area Classification Between RSEI and MW-RSEI由图 3可知，研究区域生态环境等级集中于较差、中等、良3个等级，且中等和良级别的区域比重较大。生态环境较差、中等、良和优4个等级占比变化的百分比绝对值分别为2.02%、2.72%、3.44%和0.71%，均小于5.00%，生态环境等级差区域的百分比变化为7.46%。
考虑到两种综合指标构建方式得到的生态环境等级会发生变化，为更方便观察两类指数的差异，构建RSEI与MW-RSEI等级变化的转移矩阵，以RSEI面积为基础建立等级变化百分比，如表 3所示。
表 3 以RSEI为基础的MW-RSEI等级变化占比/%Table 3. Proportion of MW-RSEI Level Change Based on RSEI/%生态环境等级 MW-RSEI 差 较差 中等 良 优 RSEI 差 32.68 66.15 1.16 0.01 0.00 较差 2.34 58.95 37.76 0.95 0.00 中等 0.11 6.89 65.08 27.84 0.08 良 0.01 0.54 18.13 76.26 5.06 优 0.01 0.02 4.42 48.13 47.43 MW-RSEI结果主体与RSEI结果相同，部分等级有小范围的波动。在生态环境等级较差、中等和良的区域，等级不发生改变的占绝大多数，这3个等级的波动以原等级为中心向两边逐步减少，其中，生态等级较差转换为中等的比例较高为37.76%，可见该区域生态环境较差区域易受周边环境影响向好的方向发展。等级为优和差的区域变化明显，分别有48.13%和66.15%向中间等级靠拢，这是极端生态环境状态对局部性扰动产生响应，从而出现涨落的现象[26-27]，符合耗散结构理论。矿区生态环境偏差，在周边环境影响下易向稳定状态发展，即向中等等级靠拢。
对比MW-RSEI和RSEI结果发现，研究区域等级整体向好的方向变化，这表明该区域在计算RSEI时生态环境等级会受少部分偏差环境影响，使得整个研究区生态环境均值降低；在计算MW-RSEI时，少部分生态环境偏差区域只会对其周边环境造成影响，不会拉低偏远区域的生态环境值。针对矿区这种总占比小但环境破坏严重的特殊研究对象，窗口的运用可以更好地突出矿山开采对周边生态环境的影响，做到有针对性的检测与评价。
3.3 窗口尺度适应性讨论
MW-RSEI的建立可以一定程度上减小过远地物对研究对象的影响，保证地物生态环境评价的准确性。在同一影像下，RSEI的结果与研究区域划分的面积大小有关系。当研究区大小发生变化时，同一像元的RSEI也会发生改变。MW-RSEI的结果只与其为中心窗口的小范围地物有关联，在确定了研究单元后，获得的最终生态环境评价指数将不会改变。
需要提出的是，基于移动窗口的遥感生态指数不仅可以运用在矿山生态环境评价中，而且适用于其他类型的生态环境评价。本研究在窗口的构建上仍存在进一步提升的空间，窗口大小的设置需要根据研究的地物类型进行改变，各个指标的重要性应以中心点向外辐射减小，窗口存在PC1无法表达主要信息的区域等。针对矿区生态环境监测，本研究采用的窗口大小为规则规定的大小，存在一定的普适性，但对每个具体的矿山无法体现其特殊性。如林区和城区的矿山开采对环境的影响范围会有所不同，露天和地下等开采类型对周边环境影响也会有所不同。研究发现，该方法在窗口减小到一定尺度时会出现权重正负号变向的问题，关于MW-RSEI试用尺度还有待进一步探明。
4 结语
本文在RSEI的基础上提出基于移动窗口的改进的遥感生态指数，MW-RSEI考虑到某个区域的生态环境与其周围地物的联系，排除空间距离较远的区域对该区域生态环境评价的影响。改进的方式是在RSEI的综合指标创立时利用移动窗口法确定一个像元与其一定范围内像元的关系，得到该像元各项生态环境指标的权重。该方法对研究区域范围较大和研究区域地物类型较混杂时的RSEI计算有一定的优化作用。针对矿区生态环境的特殊性，MW-RSEI减少了研究区域大环境对矿区小环境带来的干扰，同时针对不同地理位置与环境背景的矿区进行区别讨论，为矿区生态环境评价提供有效的依据。
-
![]()
图 1 基于移动窗口综合指标的构建原理
Figure 1. Construction Principle of Comprehensive Index of Moving Window
![]()
图 3 RSEI与MW-RSEI分级面积对比
Figure 3. Comparison of Area Classification Between RSEI and MW-RSEI
表 1 MW-RSEI指标荷载值
Table 1 MW-RSEI Index Weight
生态环境指标 PPC1(133) 最小值 最大值 均值 方差 FG 0.618 0.889 0.769 0.043 FW 0.188 0.578 0.417 0.057 FD -0.437 -0.320 -0.381 0.019 FH -0.580 -0.130 -0.281 0.067 
下载: 导出CSV
表 2 指标值及RSEI结果
Table 2 Indicator Values and RSEI Results
生态环境指标 指标均值 标准差 PC1荷载值 FG 0.782 0.116 0.750 FW 0.762 0.072 0.409 FD 0.176 0.058 -0.374 FH 0.560 0.076 -0.360 IRSEI 0.495 0.209
下载: 导出CSV
表 3 以RSEI为基础的MW-RSEI等级变化占比/%
Table 3 Proportion of MW-RSEI Level Change Based on RSEI/%
生态环境等级 MW-RSEI 差 较差 中等 良 优 RSEI 差 32.68 66.15 1.16 0.01 0.00 较差 2.34 58.95 37.76 0.95 0.00 中等 0.11 6.89 65.08 27.84 0.08 良 0.01 0.54 18.13 76.26 5.06 优 0.01 0.02 4.42 48.13 47.43
下载: 导出CSV
-
[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 https://www.cnki.com.cn/Article/CJFDTOTAL-STKX201605027.htm Wu Zhijie, Wang Mengmeng, Chen Shaojie, et al. Monitoring and Evaluation of Ecological Environments Spatio-Temporal Variation in Mine Based on RSEI in Yongding Mine[J]. Ecological Science, 2016, 35(5): 200-207 https://www.cnki.com.cn/Article/CJFDTOTAL-STKX201605027.htm
[2] 李德仁. 摄影测量与遥感学的发展展望[J]. 武汉大学学报·信息科学版, 2008, 33(12): 5-9 http://ch.whu.edu.cn/article/id/1785 Li Deren. Development Prospect of Photogrammetry and Remote Sensing[J]. Geomatics and Information Science of Wuhan University, 2008, 33(12): 5-9 http://ch.whu.edu.cn/article/id/1785
[3] Yang Y J, Erskine P D, Lechner A 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(20): 353-362 http://www.sciencedirect.com/science/article/pii/S0959652618300611
[4] Li N, Yan C Z, Xie J L. Remote Sensing Monito-ring Recent Rapid Increase of Coal Mining Activity of an Important Energy Base in Northern China, a Case Study of Mu Us Sandy Land[J]. Resources Conservation and Recycling, 2015, 94: 129-135 doi: 10.1016/j.resconrec.2014.11.010
[5] 国家环保总局. 中华人民共和国环境保护行业标准(试行): HJ/T192-2006 [S]. 北京: 中国环境科学出版社, 2006 State Environmental Protection Administration. Environmental Protection Industry Standards of the Peoples Republic of China (Trial Implementation): HJ/T192-2006[S]. Beijing: China Environmental Science Press, 2006
[6] 姚尧, 王世新, 周艺, 等. 生态环境状况指数模型在全国生态环境质量评价中的应用[J]. 遥感信息, 2012, 27(3): 93-98 https://www.cnki.com.cn/Article/CJFDTOTAL-YGXX201203021.htm Yao Yao, Wang Shixin, Zhou Yi, et al. The Application of Ecological Environment Index Model on the National Evaluation of Ecological Environment Quality[J]. Remote Sensing Information, 2012, 27(3): 93-98 https://www.cnki.com.cn/Article/CJFDTOTAL-YGXX201203021.htm
[7] 张芸. 西部煤炭矿区生态环境状况定量评价[J]. 山东煤炭科技, 2016(5): 207-208 https://www.cnki.com.cn/Article/CJFDTOTAL-MTSD201605091.htm Zhang Yun. The Western Coal Mining Area Ecological Environment Situation of Quantitative Evaluation[J]. Shandong Coal Science and Technology, 2016(5): 207-208 https://www.cnki.com.cn/Article/CJFDTOTAL-MTSD201605091.htm
[8] 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 https://www.cnki.com.cn/Article/CJFDTOTAL-ZGHJ201305023.htm Xu Hanqiu. A Remote Sensing Index for Assessment of Regional Ecological Changes[J]. China Environmental Science, 2013, 33(5): 889-897 https://www.cnki.com.cn/Article/CJFDTOTAL-ZGHJ201305023.htm
[9] Xu H Q, Wang M Y, Shi T T, et al. Prediction of Ecological Effects of Potential Population and Impervious Surface Increases Using a Remote Sensing Based Ecological Index (RSEI)[J]. Ecological Indicators, 2018, 93: 730-740 doi: 10.1016/j.ecolind.2018.05.055
[10] 王丽春, 焦黎, 来风兵, 等. 基于遥感生态指数的新疆玛纳斯湖湿地生态变化评价[J]. 生态学报, 2019, 39(8): 2 963-2 972 https://www.cnki.com.cn/Article/CJFDTOTAL-STXB201908032.htm Wang Lichun, Jiao Li, Lai Fengbing, et al. Evaluation of Ecological Changes Based on a Remote Sen-sing Ecological Index in a Manas Lake Wetland, Xinjiang[J]. Acta Ecologica Sinica, 2019, 39(8): 2 963-2 972 https://www.cnki.com.cn/Article/CJFDTOTAL-STXB201908032.htm
[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 https://www.cnki.com.cn/Article/CJFDTOTAL-STTB201902016.htm Yue Hui, Liu Ying, Zhu Rong. 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 https://www.cnki.com.cn/Article/CJFDTOTAL-STTB201902016.htm
[12] 宋美杰, 罗艳云, 段利民. 基于改进遥感生态指数模型的锡林郭勒草原生态环境评价[J]. 干旱区研究, 2019, 36(6): 1 521-1 527 https://www.cnki.com.cn/Article/CJFDTOTAL-GHQJ201906022.htm Song Meijie, Luo Yanyun, Duan Limin. Evaluation of Ecological Environment in the Xilin Gol Steppe Based on Modified Remote Sensing Ecological Index Model[J]. Arid Zone Research, 2019, 36(6): 1 521-1 527 https://www.cnki.com.cn/Article/CJFDTOTAL-GHQJ201906022.htm
[13] 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]. Urumuqi: Xinjiang University, 2018
[14] 王行风. 煤矿区生态环境累积效应研究[D]. 徐州: 中国矿业大学, 2010 Wang Xingfeng. Study on Eco-environmental Cumulative Effects in Coal Mining Area: Case Studies in Luan Mining Area[D].Xuzhou: China University of Mining and Technology, 2010
[15] Castilla-Gómez J, Herrera-Herbert J. Environmental Analysis of Mining Operations: Dynamic Tools for Impact Assessment[J]. Minerals Engineering, 2015, 76(15): 87-96 http://www.sciencedirect.com/science/article/pii/S0892687514003641
[16] Tobler W. A Computer Movie Simulating Urban Growth in the Detroit Region[J]. Economic Geography, 1970, 46(1): 234-240 doi: 10.2307/143141
[17] 李保杰, 渠爱雪, 纪亚洲. 基于最佳分析粒度的矿区景观格局分析[J]. 武汉大学学报·信息科学版, 2016, 41(7): 939-945 doi: 10.13203/j.whugis20140269 Li Baojie, Liang Aixue, Ji Yazhou. Landscape Pattern Analysis for Mining Area Based on Optimal Grain Size[J]. Geomatics and Information Science of Wuhan University, 2016, 41(7): 939-945 doi: 10.13203/j.whugis20140269
[18] 吴俊, 孟庆岩, 占玉林, 等. 一种基于移动窗口的城市绿度遥感度量方法[J]. 地球信息科学学报, 2016, 18(4): 544-552 https://www.cnki.com.cn/Article/CJFDTOTAL-DQXX201604014.htm Wu Jun, Meng Qingyan, Zhan Yulin, et al. A Measure of Urban Green Index in Urban Areas Based on Moving Window Method[J]. Journal of Geo-information Science, 2016, 18(4): 544-552 https://www.cnki.com.cn/Article/CJFDTOTAL-DQXX201604014.htm
[19] 朱桂香. 生态补偿: 河南矿产资源开发与环境修复的需求[J]. 中国国土资源经济, 2010, 23(5): 25-27 https://www.cnki.com.cn/Article/CJFDTOTAL-ZDKJ201005010.htm Zhu Guixiang. Ecological Compensation: The Need for Mineral Resources Exploitation and Environmental Restoration of Henan Province[J]. Natural Resource Economics of China, 2010, 23(5): 25-27 https://www.cnki.com.cn/Article/CJFDTOTAL-ZDKJ201005010.htm
[20] Kwarteng P, Chavez A. Extracting Spectral Contrast in Landsat Thematic Mapper Image Data Using Selective Principal Component Analysis[J]. Photogrammetric Engineering and Remote Sensing, 1989, 55(1): 339-348 http://ci.nii.ac.jp/naid/80004495182
[21] 张玲玲, 赵永华, 殷莎, 等. 基于移动窗口法的岷江干旱河谷景观格局梯度分析[J]. 生态学报, 2014, 34(12): 3 276-3 284 https://www.cnki.com.cn/Article/CJFDTOTAL-STXB201412015.htm Zhang Lingling, Zhao Yonghua, Yin Sha, et al. Gradient Analysis of Dry Valley of Minjiang River Landscape Pattern, Based on Moving Window Method[J]. Acta Ecologica Sinica, 2014, 34(12): 3 276-3 284 https://www.cnki.com.cn/Article/CJFDTOTAL-STXB201412015.htm
[22] Zhang S, York A M, Boone C G, et al. Metho-dological Advances in the Spatial Analysis of Land Fragmentation[J]. The Professional Geographer, 2013, 65(3): 512-526 doi: 10.1080/00330124.2012.700501?tab=permissions&scroll=top
[23] 邹滨, 许珊, 张静. 土地利用视角空气污染空间分异的地理分析[J]. 武汉大学学报·信息科学版, 2017, 42(2): 216-222 doi: 10.13203/j.whugis20150042 Zou Bin, Xu Shan, Zhang Jing. Spatial Variation Analysis of Urban Air Pollution Using GIS: A Land Use Perspective[J]. Geomatics and Information Science of Wuhan University, 2017, 42(2): 216-222 doi: 10.13203/j.whugis20150042
[24] 中华人民共和国生态环境部. 环境影响评价技术导则-煤炭采选工程(HJ 619-2011)[S]. 北京: 中国环境科学出版社, 2020 Ministry of Ecology and Environment of the Peoples Republic of China. Technical Guidelines for Environmental Impact Assessment of Coal Mining Engineering: HJ 619-2011[S]. Beijing: China Environmental Science Press, 2020
[25] 成文连, 刘玉虹, 关彩虹, 等. 生态影响评价范围探讨[J]. 环境科学与管理, 2010, 35(12): 185-189 https://www.cnki.com.cn/Article/CJFDTOTAL-BFHJ201012044.htm Cheng Wenlian, Liu Yuhong, Guan Caihong, et al. The Discussion About the Scope of Ecological Impact Assessment[J]. Environmental Science and Management, 2010, 35(12): 185-189 https://www.cnki.com.cn/Article/CJFDTOTAL-BFHJ201012044.htm
[26] Lawton J H. Are There General Laws in Ecology[J]. Oikos, 1999, 84(2): 177-192 http://beheco.oxfordjournals.org/external-ref?access_num=10.2307/3546712&link_type=DOI
[27] 刘烈武, 宋焕斌. 基于耗散结构理论的矿山生态环境保护探讨[J]. 特区经济, 2013(3): 155-156 https://www.cnki.com.cn/Article/CJFDTOTAL-TAJJ201303054.htm Liu Liewu, Song Huanbin. Probing into Mineral Mountain Environment Protection Based on Dissipative Structure Theory[J]. Special Zone Economy, 2013(3): 155-156 https://www.cnki.com.cn/Article/CJFDTOTAL-TAJJ201303054.htm
-
期刊类型引用(24)
1. 郭舒静，章莉. 基于局地气候分区的武汉市高温灾害风险特征及影响因素研究. 风景园林. 2025(01): 105-113 . 
百度学术
2. 赵嘉丽，李兴，孙冰. 基于AWRSEI的岱海流域生态环境质量时空演变及驱动因子分析. 环境科学. 2024(03): 1598-1614 . 百度学术
3. 何洋，赵喜萍. 基于标准化遥感生态指数的汾河流域生态评价与时序分析. 生态学杂志. 2024(02): 564-575 . 百度学术
4. 何柳，赵月，刘伟，陈隽敏，张刚，高佳，杨富淋，孟丹. 基于改进遥感生态指数的尾矿库及周边区域生态环境质量分析. 金属矿山. 2024(08): 206-215 . 百度学术
5. 孔令飞，张锦. 矿山生态修复区生态地表分形分析与评价. 矿业研究与开发. 2024(12): 144-151 . 百度学术
6. 赖仕久，胡晋山，康建荣，王小兵. 煤炭资源型区域生态环境演变研究——以山西省为例. 自然资源遥感. 2024(04): 62-74 . 百度学术
7. 李晶，李生财，郭伟，闫星光，张瑞. 基于改进遥感生态指数的山西省及煤炭矿区生态环境分析. 金属矿山. 2023(01): 30-39 . 百度学术
8. 张伟，杜培军，郭山川，林聪，郑鸿瑞，付萍杰. 改进型遥感生态指数及干旱区生态环境评价. 遥感学报. 2023(02): 299-317 . 百度学术
9. 韦春桃，周永绪，朱菲，宋哲君. 基于GEE的石嘴山地区生态环境质量时空演变特征研究. 测绘工程. 2023(02): 30-39 . 百度学术
10. 徐涵秋，李春强，林梦婧. RSEI应使用主成分分析或核主成分分析?. 武汉大学学报(信息科学版). 2023(04): 506-513 . 百度学术
11. 张洵，岑云峰，高照良，李永红，孙贯芳，刘文博. 2001—2020年黄土高原生态环境质量对气候及土地利用变化的响应. 水土保持通报. 2023(03): 234-244 . 百度学术
12. 孙灏，胡佳琪，蒋金豹，赵艳玲，孙文彬，崔希民. 顾及“岩土差异”和植物多样性的矿区生态环境遥感监测模型. 煤炭学报. 2023(S1): 219-232 . 百度学术
13. 李军，彭苏萍，张成业，杨飞，桑潇. 矿区生态环境定量遥感监测评价技术框架与应用. 矿业科学学报. 2022(01): 9-25+88 . 百度学术
14. 张成业，李军，雷少刚，杨金中，杨楠. 矿区生态环境定量遥感监测研究进展与展望. 金属矿山. 2022(03): 1-27 . 百度学术
15. 毕卫华，钱倬珺，王辉，赵庆合，姜念念，李清彩，花逢春. 基于RSEI模型的平朔矿区生态环境变化研究. 中国矿业. 2022(04): 62-70 . 百度学术
16. 刘英，何雪，岳辉，魏嘉莉. 利用移动窗口卷积神经网络反演土壤湿度. 遥感信息. 2022(02): 16-22 . 百度学术
17. 马晶，李鋆垚，张亚球，蔡宇婷. 基于移动窗口法的城市遥感生态质量评价研究. 红外. 2022(08): 44-52 . 百度学术
18. 魏长婧. 遥感技术在矿业领域的应用现状及发展趋势综述. 北京测绘. 2022(10): 1285-1292 . 百度学术
19. 孔胃，梁勇，吴闯，王长鹏，田家宽，崔健. 基于地理探测器的济南市生态环境评价及影响因素分析. 测绘与空间地理信息. 2022(12): 45-48+52 . 百度学术
20. 万虹麟，霍飞，牛玉芬，张薇，张秦瑞. 顾及PM_(2.5)浓度遥感生态指数模型的沧州市区生态环境质量动态监测分析. 地球物理学进展. 2021(03): 953-960 . 百度学术
21. 周萌，刘友存，孟丽红，焦克勤，李奇，邹心怡. 基于遥感生态指数的东江源区2000-2019年生态环境质量评价. 水土保持通报. 2021(04): 231-240 . 百度学术
22. 王诗源，魏琪力，王倩娜，罗言云. 基于移动窗口法的绿色基础设施时空分异研究——以四川天府新区及协调管控区为例. 西北林学院学报. 2021(05): 246-253 . 百度学术
23. 毕卫华，钱倬珺，王辉，姜念念，黄文亭，花逢春. 基于RSEI的采煤塌陷积水对生态环境的影响研究. 中国矿业. 2021(12): 38-44 . 百度学术
24. 赵管乐，彭培好. 基于RSEI的典例干热河谷区——四川省攀枝花市生态环境变化分析. 山地学报. 2021(06): 842-854 . 百度学术
其他类型引用(30)
计量
- 文章访问数: 1207
- HTML全文浏览量: 295
- PDF下载量: 157
- 被引次数: 54
