基于Landsat影像准东矿区土壤湿度分布特征研究.pdf

扫码阅读下载赵晓帆,曾强.基于 Landsat 影像准东矿区土壤湿度分布特征研究J.矿业安全与环保,2023,50(5):137-143.ZHAO Xiaofan,ZENG Qiang.Study on soil moisture distribution characteristics in Zhundong mining area based on Landsat imagesJ.Mining Safety&Environmental Protection,2023,50(5):137-143.DOI:10.19835/j.issn.1008-4495.2023.05.022基于 Landsat 影像准东矿区土壤湿度分布特征研究赵晓帆1,2,3,曾 强1,2,3(1.新疆大学 生态与环境学院,新疆 乌鲁木齐 830017;2.新疆大学 干旱生态环境研究所,新疆 乌鲁木齐 830017;3.教育部绿洲生态重点实验室,新疆 乌鲁木齐 830017)摘要:为研究准东矿区土壤湿度时空分布特征及变化趋势,选取 20012021 年 11 期的 Landsat 遥感影像,计算归一化植被指数和地表温度,并以 NDVI-LST 特征空间为基础构造 TVDI 模型,反演准东矿区土壤湿度并进行分级,得到准东矿区各级土壤湿度面积,并采用灰色预测 GM(1,1)模型对土壤湿度分布进行了预测。结果表明:20012021 年,准东矿区总体土壤湿度较低,以四级和五级土壤湿度为主,两者面积总和占矿区总面积的 85%以上;北部和东部区域土壤湿度较高,中部和西南部区域土壤湿度较低;矿区内一级、二级、三级土壤湿度面积年际变化不大,在 02 000 km2波动;四级、五级土壤湿度面积变化表现出互为相反趋势。灰色预测 GM(1,1)结果表明:20232039 年,在 01 000 km2内,一级土壤湿度面积略有增大,二级土壤湿度面积逐渐减小并趋于 0,三级土壤湿度面积逐年下降,四级土壤湿度面积呈现逐年上升趋势,五级土壤湿度面积稳定在3 000 km2左右,表明该矿区土壤湿度整体呈减小趋势。关键词:准东矿区;Landsat 数据;反演;土壤湿度;GM(1,1)模型中图分类号:TD88;X87 文献标志码:A 文章编号:1008-4495(2023)05-0137-07收稿日期:2022-08-01;2022-10-04 修订基金项目:新疆科技厅自然科学基金重点项目(2022D01D26);新疆科技厅“煤火灾害治理”天山创新团队项目(2021D14018)作者简介:赵晓帆(1998),女,山东济宁人,硕士研究生,主要从事矿区生态环境影响方面的研究。E-mail:xiaofan98vv 。通信作者:曾 强(1969),男,湖南湘乡人,教授,博士生导师,主要从事脆弱生态区煤炭资源开采生态环境影响机制与控制方面的研究。E-mail:mkszq 。Study on soil moisture distribution characteristics in Zhundong mining area based on Landsat imagesZHAO Xiaofan1,2,3,ZENG Qiang1,2,3(1.School of Ecology and Environment Science,Xinjiang University,Urumqi 830017,China;2.Institute for Ecology and Environment,Xinjiang University,Urumqi 830017,China;3.Key Laboratory of Oasis of Ministry of Education,Xinjiang University,Urumqi 830017,China)Abstract:In order to investigate the spatial and temporal distribution characteristics and the variation trends of soil moisture in Zhundong mining area,11 periods of Landsat remote sensing images from 2001 to 2021 were selected to calculate the normalized vegetation index and surface temperature.Based on normalized difference vegetation index(NDVI)-land surface temperature(LST)characteristic space,the temperature vegetation dryness index(TVDI)model was constructed to invert and classify the soil moisture in Zhundong mining area,and the soil moisture area at all grades was obtained.The grey prediction GM(1,1)model was used to predict the soil moisture distribution.The results show that from 2001 to 2021,the total soil moisture in Zhundong mining area is low,mainly the grade 4 and the grade 5 soil moisture,and areas of the two accounts for more than 85%of the total area;the soil moisture was higher in the northern and eastern regions,and lower in the central and southwestern regions;there is a little annual variation of soil moisture for the grade 1,the grade 2 and the grade 3 areas,and fluctuates within the range of 0 km2 to 2 000 km2;the changes of soil moisture for the grade 4 and the grade 5 areas show opposite trend.The results of the GM(1,1)prediction show that from 731第 50 卷 第 5 期2023 年 10 月 矿业安全与环保Mining Safety&Environmental Protection Vol.50 No.5Oct.20232023 to 2039,the grade 1 area of soil moisture will increases slightly within the range of 0 km2 to 1 000 km2,the grade 2 area of soil moisture will gradually decrease and tends to 0 km2,the grade 3 area of soil moisture will decrease annually,the grade 4 area of soil moisture shows an increasing trend,and the grade 5 area of soil moisture stays stable at about 3 000 km2.This indicates an overall decreasing trend for soil moisture in this mining area.Keywords:Zhundong mining area;Landsat Data;inversion;soil moisture;GM(1,1)model 由煤炭开采活动引发的生态环境问题,会对区域土壤资源造成一定破坏1。土壤水分与植被生长、分布、演替过程息息相关,其含量影响区域性气候变化。矿区表层土壤水分的变化还可表征煤炭开采扰动情况。准东矿区属脆弱干旱生态区,地表植被覆盖率低,矿区开发活动对土壤湿度扰动研究可为评价其生态环境影响提供一定基础。土壤含水量的获取有田间实测法、土壤水分模型法和遥感方法。相较于传统方法,遥感方法能对大范围土壤水分进行动态监测,目前应用最为广泛。该方法包含可见光近红外遥感,热红外遥感与微波遥感2-3。矿区开采活动引发的地表沉陷积水通过遥感影像进行监测4。ZHAO Tianjie 等5对微波遥感反演土壤湿度算法进行了相关研究,给出当前理解各反演土壤湿度算法的定量依据;LI Zhaoliang等6分析多种获取土壤湿度的理论与算法,指出卫星遥感观测为区域及全球尺度获得土壤湿度 SM 时空数据提供了独特的手段;吴善玉等7基于 Sentinel-1、Sentinel-2 遥感数据及地面实测数据,构建 BP 神经网络对西班牙萨拉曼卡地区土壤湿度进行了反演;YI Zhiyu 等8基于遥感影像和土壤湿度对山西省煤炭开采活动引发的沉降进行监测。采用可见光近红外技术表征土壤水分是一种简便有效的方法:李姝蕊9、杨丽萍10等基于 Landsat8 影像数据分别反演了黑河流域和居延泽地区的土壤水分变化;马保东等11利用 MODIS 数据和热惯量法对神东矿区地表土壤水分进行了反演;SANDHOLT I 等12基于Ts-NDVI 特征空间,提出用于评价土壤湿度的简化温度植被干旱指数(Temperature Vegetation Dryness Index,TVDI),这是一种基于光学与热红外遥感数据进行植被覆盖区域表层土壤水分反演的方法;赵杰鹏等13改进了 SANDHOLT 等提出的 TVDI 模型,能更好地进行大范围土壤水分的遥感估算;杨玲14、王 丽 霞15、徐 霞16、黄 海17等 基 于 MODIS 或Landsat 地表温度和植被指数数据,构建 Ts-NDVI 特征空间,获取温度植被干旱指数 TVDI,分别揭示了西辽河流域、香格里拉、布尔台矿区和黄土矿区的土壤湿度时空分布格局和主要影响要素;张喆等18研究指出 NDVI-LST 特征空间更适用于植被生长初期、中期的中低植被覆盖时反演土壤湿度。基于 Landsat 系列遥感卫星影像数据,构建温度植被干旱指数(TVDI)模型反演准东矿区 20012021 年的土壤湿度,并对土壤湿度状况进行分级,分析了准东矿区土壤湿度时空分布格局及变化状况。同时,采用 GM(1,1)灰色模型预测矿区未来年份土壤湿度变化情况。研究结果可为评价该矿区矿业开发活动对生态环境的影响提供一定基础。1 研究区概况准东矿区位于准噶尔盆地东部阜康市至木垒哈萨克自治县的狭长地带,北纬 4400 4515,东经88429036,面积 15 334 km2。准东矿区包括五彩湾、将军庙、大井、西黑山和老君庙 5 个矿区,目前开采方式多为露天开采。准东矿区地理位置如图 1所示。高程/m高：1 1 9 4低：3 9 1井工开采露天开采02 55 0 k mN8 9?0 E9 0?0 E9 1?0 E8 9?0 E9 0?0 E9 1?0 E4 5?0 N4 4?0 N4 5?0 N4 4?0 N图 1 研究区地理位置准东矿区生态环境脆弱,属温带大陆性气候,降水量少,蒸发量大,气候干燥。地表植被较为稀疏,荒漠广布,生物种群少,其自我修复能力较弱,具有明显的干旱区特征。研究区土壤类型主要为灰棕模土、石膏灰棕模土、荒漠风沙土和荒漠碱土,表层土壤含水率在 10%以下19。2 数据来源及处理2.1 数据来源2.1.1 遥感数据考虑植被生长情况和云量等气象因素的影响,研究数据需覆盖整个研究区。从美国地质勘探831Vol.50 No.5Oct.2023 矿业安全与环保Mining Safety&Environmental Protection 第 50 卷 第 5 期2023 年 10 月局(USGS)网站(https:/glovis.usgs.gov/)和地理数据空间云网站(http:/ 2001、2003、2005、2007、2009、2011 年 Landsat5 TM 和2013、2015、2017、2019、2021 年 Landsat8 OIL_TIRS,每年 79 月的遥感影像,共 11 年 22 幅作为计算准东矿区 TVDI 的遥感数据。2.1.2 气象数据从气象大数据系统获取距离矿区最近气象站点(奇台县站)20012021 年逐年气象数据,包括降水量、气温等。2.2 数据处理运用 ENVI 软件对相应年份的 Landsat 系列影像,依次进行辐射定标、大气校正、影像拼接和裁剪,完成图像预处理工作。2.2.1 归一化植被指数 NDVI 反演归一 化 植 被 指 数 INDV(Normalized Difference Vegetation Index,NDVI),是由近红外波段和可见光红光波段计算得到表征植被的一种指数形式。其计算方式如下:INDV=(RNI-R)(RNI+R)(1)式中:RNI为近红外波段光谱值;R 为可见光红光波段光谱值。2.2.2 地表温度 LST 反演利用 Landsat 数据反演地表温度(Land Surface Temperature,LST)的方法有多种,包括基于辐射传输方程的算法、单窗算法、单通道算法和分裂窗算法等。考虑到 TIRS(Thermal Infrared Sensor,红外热传感器)波段的定标偏差20和反演精度、普适性问题,采用覃志豪等21改进的单窗算法,反演地表温度 TLS:TLS=a(1-C-D)+b(1-C-D)+C+DT6-DTaC(2)式中:a 和 b 为普朗克方程相关经验系数;Ta为大气平均作用温度,K;T6为卫星上遥感器所观测到的亮度温度,K;C 和 D 为中间变量。其中:T6=K2lnK1E(Ts)()+1(3)C=(4)D=(1-)1+(1-)(5)式中:K1、K2为卫星发射前预设辐射常量;E 为中间变量;为地表比辐射率;为当天的大气透射率。2.3 构造 TVDI 模型反演矿区土壤湿度准东矿区植被覆盖稀疏,属于低植被覆盖区,以NDVI-LST 特征空间为基础,构造温度植被干旱指数 ITVD(Temperature Vegetation Dryness Index,TVDI)模型反演准东矿区土壤湿度的时空变化情况:ITVD=TLS-TLSminTLSmax-TLSmin(6)TLSmax=a1+b1INDV(7)TLSmin=a2+b2INDV(8)式中:TLSmax为给定 NDVI 值条件下的地表温度最高值,对应 NDVI-LST 特征空间的“干边”(ITVD=1);TLSmin为地表温度最低值,对应 NDVI-LST 特征空间的“湿边”(ITVD=0);a 和 b 为系数,可由 NDVI-LST特征区间“干边”“湿边”拟合得到。TLS越接近“湿边”,ITVD越小,土壤湿度越高;TLS越接近“干边”,ITVD越大,土壤湿度越低。利用 ITVD值作为不同土壤湿度分级指标,结合准东矿区实际情况,将土壤湿度划分为 5 个等级,分别为:一级(0 ITVD 0.76)、二级(0.76 ITVD0.82)、三级(0.82ITVD0.88)、四级(0.88ITVD0.94)和五级(0.94ITVD1.00)。等级越低,土壤湿度越高;等级越高,土壤湿度越低,即五级土壤湿度最低。2.4 GM(1,1)灰色模型预测灰色预测模型(Grey Forecast Model)是基于一阶常微分方程建立的,故称为一阶一元灰色模型,记为 GM(1,1)。该方法利用已知少量、不完全的数据,通过构建数学模型,对未来的趋势做出预测。其原理如下:设初始非负数据序列为:X(0)=X(0)(i),i=1,2,n(9)式中 n 为序列长度。首先对 X(0)进行一次累加,生成一次累加序列 X(1):X(1)=X(1)(k),k=1,2,n(10)参数向量 a:a =a,uT(11)a =BTB()-1BTYn(12)灰色序列矩阵 B:B=-12(X(1)(1)+X(1)(2)1-12(X(1)(2)+X(1)(3)1-12(X(1)(n-1)+X(1)n)1(13)931第 50 卷 第 5 期2023 年 10 月 矿业安全与环保Mining Safety&Environmental Protection Vol.50 No.5Oct.2023Yn=(X(0)(2),X(0)(3),X(0)n)T(14)离散响应量 X(1)(k):X(1)(k)=X(0)(1)-ua()e-a(k-1)+ua(15)将 X(1)(k)进行累加还原得到原始数据预测值:X(0)(k)=X(1)(k)-X(1)(k-1)(16)3 结果分析与讨论3.1 矿区土壤湿度时空变化利用 ENVI 软件对 20012021 年、每 2 年 1 期的遥感影像进行处理,计算各年土壤湿度情况并进行分级,得到矿区 20012021 年不同等级土壤湿度分布情况,如图 2 所示。一级二级三级四级五级N8 9?0 E9 0?0 E9 1?0 E4 5?0 N4 4?0 N土壤湿度等级4 5?0 N4 4?0 N4 5?0 N4 4?0 N4 5?0 N4 4?0 N4 5?0 N4 4?0 N4 5?0 N4 4?0 N4 5?0 N4 4?0 N4 5?0 N4 4?0 N4 5?0 N4 4?0 N4 5?0 N4 4?0 N4 5?0 N4 4?0 N8 9?0 E9 0?0 E9 1?0 E8 9?0 E9 0?0 E9 1?0 E8 9?0 E9 0?0 E9 1?0 E8 9?0 E9 0?0 E9 1?0 E8 9?0 E9 0?0 E9 1?0 E8 9?0 E9 0?0 E9 1?0 E8 9?0 E9 0?0 E9 1?0 E8 9?0 E9 0?0 E9 1?0 E8 9?0 E9 0?0 E9 1?0 E8 9?0 E9 0?0 E9 1?0 ENNNNNNNNNN（a）2 0 0 1 年（b）2 0 0 3 年（c）2 0 0 5 年（d）2 0 0 7 年（e）2 0 0 9 年（f）2 0 1 1 年（g）2 0 1 3 年（h）2 0 1 5 年（i）2 0 1 7 年（j）2 0 1 9 年（k）2 0 2 1 年图 2 准东矿区 20012021 年不同等级土壤湿度分布图 由图 2 可知,20012021 年,准东矿区内各年土壤湿度 ITVD值均为 01。中部和西南部地区土壤湿度较低,多为五级土壤湿度状态,呈现浅蓝色;北部和东部区域土壤湿度较高,呈现深蓝色;研究区内一至三级土壤湿度面积总体变化不大,五级土壤湿度面积有缩小趋势,四级土壤湿度面积逐年有所增加。可知,矿区内土壤湿度总体较低,目前稍有改善,这与矿区煤炭开采过程相应的生态环境保护措施有关。对准东矿区 5 种等级(一至五级)的土壤湿度面积(S1,S2,S3,S4,S5)进行统计,其年降水量与不同等级土壤湿度面积见表 1。表 1 准东矿区年降水量与不同等级土壤湿度面积年份S1/km2占比/%S2/km2占比/%S3/km2占比/%S4/km2占比/%S5/km2占比/%降水量/mm200100148.7281.222 841.02923.419 148.00175.37175.26200300628.2765.189 235.36476.132 267.62418.69208.7920054.7680.043.3470.03153.0711.2610 672.70387.961 298.92510.71240.79200739.2760.3213.9200.111 702.10114.038 851.39172.951 527.21812.59339.60041Vol.50 No.5Oct.2023 矿业安全与环保Mining Safety&Environmental Protection 第 50 卷 第 5 期2023 年 10 月表1(续)年份S1/km2占比/%S2/km2占比/%S3/km2占比/%S4/km2占比/%S5/km2占比/%降水量/mm200994.6780.7811.2800.09114.9620.957 426.06061.204 486.92636.98292.3520112.6920.020.4630.0135.5430.297 798.10164.274 297.17135.41222.502013350.9062.8955.7730.46304.2732.515 113.68842.156 308.21351.99286.51201531.1160.2618.7620.1539.6360.338 325.92268.623 718.47130.64324.1020176.2150.057.5030.0620.2590.1710 707.96488.261 390.92511.46291.34201916.0340.132.8300.039.9590.0810 555.90586.971 552.56712.791 319.782021207.8791.71264.5462.18527.6264.359 111.67375.082 023.85116.681 496.06 由表 1 可知,2001 年和 2003 年的一级、二级土壤湿度面积均为 0;20012021 年,一级土壤湿度面积占总研究区面积5%,其中 2013 年面积最大,达到 350.906 km2;二级土壤湿度面积占比略小于一级土壤湿度面积,最大占比为 2021 年的 2.18%,土壤湿度面积为 264.546 km2;三级土壤湿度面积占研究区总面积 015%,2007 年三级土壤湿度面积最大,为 1 702.101 km2;四级和五级土壤湿度面积在研究区内 面 积 最 大,其 面 积 总 和 占 比 达 85%以 上,2019 年面积总和最大,占总面积99.76%;除2001 年和 2013 年外,研究区内四级土壤湿度面积始终大于五级土壤湿度面积。准东矿区不同等级土壤湿度面积与年降水量变化情况如图 3 所示。2 0 0 02 0 0 52 0 1 02 0 1 52 0 2 02 0 2 51 2 0 0 01 0 0 0 08 0 0 06 0 0 04 0 0 02 0 0 00土壤湿度分级面积/k m21 5 0 01 0 0 05 0 00降水量/m m一级二级三级四级五级降水量年份图 3 不同等级土壤湿度面积与年降水量变化情况由图 3 可知,20012021 年准东矿区年降水量总体呈波动上升趋势,与区域气候变化有关,2019年降水量突增至 1 319.78 mm,2021 年继续增加至1 496.06 mm。20012007 年,降 水 量 增 加 了164.34 mm,五级土壤湿度面积缩小,三级、四级土壤湿度面积增大,总体土壤湿度增大。其中,20072011 年,降水量下降 117.10 mm,三级、四级土壤湿度面积缩小,五级土壤湿度面积增大,总体土壤湿度减小,土壤湿度变化一定程度上受到降水因素影响;20112015 年,降水量增加,五级土壤湿度面积先增大后缩小,四级土壤湿度面积先缩小后增大;20172021 年,降水量有较大增长,但土壤湿度略有降低。矿区内四级、五级土壤湿度面积变化较为明显,呈现出互为相反的变化趋势(见图3),且两者面积变动始终保持在1 00011 000 km2;一级、二级、三级土壤湿度面积处于02 000 km2,年际波动平缓,无明显变化。总体上,准东矿区无明显地表水补给,植被覆盖率低,土壤湿度变化受降水等气象因素影响较大,矿区煤炭开发活动对土壤水分含量分布具有一定影响。研究区内四级、五级土壤湿度面积变化较大程度地表征了区域土壤湿度整体状况,四级土壤湿度面积增大,五级土壤湿度面积减小,土壤湿度年际间变化呈现良好态势。3.2 GM(1,1)灰色模型预测分析以 20012021 年准东矿区各级土壤湿度面积为基础数据,采用 GM(1,1)灰色预测模型进行预测分析。设置一级土壤湿度面积为 M(0)(k),二级土壤湿度面积为 N(0)(k),三级土壤湿度面积为 O(0)(k),四级土壤湿度面积为 P(0)(k),五级土壤湿度面积为Q(0)(k),得到准东矿区各级土壤湿度面积序列:M(1)(k)=1 326.302 416e0.056 019k-1 321.534 416(17)N(1)(k)=-33.546 66e0.977 236k+36.893 66(18)O(1)(k)=-4 163.991 038e-0.187 826k+4 312.719 038(19)P(1)(k)=1 530 862.636 119e0.005 577k-1 528 021.607 119(20)Q(1)(k)=-1 381 509.818 37e-0.002 112k+1 390 657.819 37(21)由式(17)(21)计算可得研究区内 20012039 年一至五级土壤湿度面积预测值。20012039 年,准东矿区一级至五级土壤湿度面积预测结果如表 23所示。141第 50 卷 第 5 期2023 年 10 月 矿业安全与环保Mining Safety&Environmental Protection Vol.50 No.5Oct.2023表 2 准东矿区 20012021 年各级土壤湿度面积基础数据与预测结果土壤湿度等级灰色模型各年土壤湿度面积及预测值2001 年2003 年2005 年2007 年2009 年2011 年2013 年2015 年2017 年2019 年2021 年一级二级三级四级五级原始值/(103 km2)000.0050.0390.0950.0030.3510.0310.0060.0160.208预测值/(103 km2)0.0050.0760.0810.0850.0900.0960.1010.1070.113误差/(103 km2)00.037-0.0140.082-0.2610.0650.0950.091-0.095相对误差/%00.95-0.1527.33-0.742.1015.835.69-0.46原始值/(103 km2)000.0030.0140.0110.0010.0560.0190.0080.0030.265预测值/(103 km2)0.003-0.056-0.148-0.392-1.043-2.771-7.363-19.564-51.982误差/(103 km2)0-0.070-0.159-0.393-1.099-2.790-7.371-19.567-52.247相对误差/%0-4.99-14.45-393.00-19.63-146.84-921.38-6 522.33-197.16原始值/(103 km2)0.1490.6280.1531.7020.1150.0360.3040.0400.0200.0100.528预测值/(103 km2)0.1490.7130.5910.4900.4060.3360.2790.2310.1910.1590.132误差/(103 km2)00.0850.438-1.2120.2910.300-0.0250.1910.1710.149-0.396相对误差/%00.132.86-0.712.538.33-0.084.788.5514.90-0.75原始值/(103 km2)2.8419.235 10.6738.8517.4267.7985.1148.32610.70810.5569.112预测值/(103 km2)2.8418.5618.6098.6578.7058.7548.8038.8528.9028.9529.002误差/(103 km2)0-0.674-2.064-0.1941.2790.9563.6890.526-1.806-1.604-0.110相对误差/%0-0.07-0.19-0.020.170.120.720.06-0.17-0.15-0.01原始值/(103 km2)9.1482.2681.2991.5274.4874.2976.3083.7181.3911.5532.024预测值/(103 km2)9.1482.9152.9092.9022.8962.8902.8842.8782.8722.8662.860误差/(103 km2)00.6471.6101.375-1.591-1.407-3.424-0.8401.4811.3130.836相对误差/%00.291.240.90-0.35-0.33-0.54-0.231.060.850.41表 3 准东矿区 20232039 年各级土壤湿度面积预测结果土壤湿度等级各年土壤湿度面积预测值/(103 km2)2023 年2025 年2027 年2029 年2031 年2033 年2035 年2037 年2039 年一级0.1200.1270.1340.1420.1500.1580.1670.1770.187二级-138.122-367.005-975.168-2 591.121-6 884.871-18 293.801-48 608.482-129 157.664-343 185.005三级0.1090.0900.0750.0620.0510.0430.0350.0290.024四级9.0529.1039.1539.2059.2569.3089.3609.4129.465五级2.8542.8482.8422.8362.8302.8242.8182.8122.806 由表 2 可知,四级、五级土壤湿度面积预测结果较好,最大相对误差为 1.24%;其次是一级、三级土壤湿度面积预测,一级土壤湿度面积预测相对误差最大为 27.33%,三级土壤湿度面积预测相对误差最大为 14.90%;二级土壤湿度面积预测结果存在较大误差,与遥感影像反演中云量产生的影响有关。由表 23 可得准东矿区一级至五级土壤湿度面积变化趋势,如图 4 所示。由图 4 可知,20212039 年期间,准东矿区一级土壤湿度面积在 01 000 km2内,略有增大;二级土壤湿度面积逐渐减小并趋于 0;三级土壤湿度面积在01 000 km2,并逐年下降;四级和五级土壤湿度2 0 0 5 2 0 1 0 2 0 1 5 2 0 2 0 2 0 2 5 2 0 3 0 2 0 3 5 2 0 4 01 0 0 0 08 0 0 06 0 0 04 0 0 02 0 0 00土壤湿度分级面积/k m2一级二级三级四级五级年份图 4 准东矿区土壤湿度面积变化趋势241Vol.50 No.5Oct.2023 矿业安全与环保Mining Safety&Environmental Protection 第 50 卷 第 5 期2023 年 10 月面积仍占据研究区主要部分,四级土壤湿度面积呈现逐年上升趋势,五级土壤湿度面积稳定在 3 000 km2左右,逐年有所下降。综上可知,准东矿区未来 17 年总体土壤湿度呈降低趋势。4 结论1)20012021 年,准东矿区各年土壤湿度 ITVD值均为 01,总体土壤湿度较低,以四级、五级土壤湿度为主,占矿区总面积的 85%以上;北部和东部区域土壤湿度较高,中部和西南部地区土壤湿度较低,多为五级土壤湿度状态。2)20012021 年,一级、二级、三级土壤湿度面积年际变化不大,在 02 000 km2内波动;受降水等气象因素影响,四级和五级土壤湿度的面积变动始终保持在 1 00011 000 km2,两者表现出相反的变化趋势。3)基于灰色预测模型的预测结果表明:在预测期内,四级、五级土壤湿度面积仍占据研究区主要部分,四级土壤湿度面积呈现逐年上升趋势,五级土壤湿度面积稳定在 3 000 km2左右,并逐年下降;在 01 000 km2内,一级土壤湿度面积略有增大,二级土壤湿度面积逐渐减小并趋于 0,三级土壤湿度面积逐年下降;准东矿区未来 17 年土壤湿度总体呈下降趋势。参考文献(References):1 曾强,李根生,董敬宣,等.新疆煤炭资源开采典型生态环境问题及对策J.矿业安全与环保,2017,44(1):106-110.2 杨涛,宫辉力,李小娟,等.土壤水分遥感监测研究进展J.生态学报,2010,30(22):6264-6277.3 汪潇,张增祥,赵晓丽,等.遥感监测土壤水分研究综述J.土壤学报,2007,44(1):157-163.4 肖武,陈文琦,何厅厅,等.高潜水位煤矿区开采扰动的长时序过程遥感监测与影响评价J.煤炭学报,2022,47(2):922-933.5 ZHAO T J,HU L,SHI J C,et al.Soil moisture retrievals using L-band radiometry from variable angular ground-based and airborne observationsJ.Remote Sensing of Environment,2020,248:11958.6 LI Z L,LENG P,ZHOU C H,et al.Soil moisture retrieval from remote sensing measurements:Current knowledge and directions for the future J.Earth-Science Reviews,2021,218:103673.7 吴善玉,鲍艳松,李叶飞,等.基于神经网络算法的Sentinel-1 和 Sentinel-2 遥感数据联合反演土壤湿度研究J.大气科学学报,2021,44(4):636-644.8 YI Z Y,LIU M L,LIU X N,et al.Long-term Landsat monitoring of mining subsidence based on spatiotemporal variations in soil moisture:A case study of Shanxi Province,China J.International Journal of Applied Earth Observation and Geoinformation,2021,102:102447.9 李姝蕊,孙昭.基于 Landsat-8 OLI TIRS 对黑河流域的土壤湿度反演研究J.测绘与空间地理信息,2021,44(增刊 1):159-163.10 杨丽萍,侯成磊,赵美玲,等.基于 Landsat-8 影像的干旱区土壤水分含量反演研究J.土壤通报,2021,52(1):47-54.11 马保东,吴立新,刘英,等.基于 MODIS 的神东矿区土壤湿度变化监测J.科技导报,2011,29(35):45-49.12 SANDHOLT I,RASMUSSEN K,ANDERSEN J.A simple interpretation of surface temperature/vegetation index space for assessment of surface moisture status J.Remote Sensing of Environment,2002,79:213