基于RSEI的喀斯特地貌山...态环境评价——以思南县为例_李健.pdf

第 46 卷 第 6 期2023 年 6 月测绘与空间地理信息GEOMATICS SPATIAL INFOMATION TECHNOLOGYVol 46，No 6Jun，2023收稿日期:20210906作者简介:李健(1995)，男，仡佬族，贵州石阡人，测绘工程专业硕士研究生，主要研究方向为遥感技术与应用。基于 SEI 的喀斯特地貌山区生态环境评价 以思南县为例李健1，钟倩2，张雍1(1 福州大学 数字中国研究院(福建)，福建 福州 350108;2 长江大学 地球科学学院，湖北 武汉 430000)摘要:以 1995、2010、2020 年 Landsat TM/OLI 3 期影像为主要数据源，针对典型的喀斯特地貌山区，借助遥感生态指数(SEI)，对贵州省思南县 25 年的生态环境状况进行监测和定量评价。结果表明:1)19952020 年，思南县 SEI 均值从 0 546 到 0 616，呈逐渐上升的趋势。利用 SEI 差值分析，19952020 年生态等级增加面积所占比例为 39 76%，远远大于生态等级降低所占比例(9 06%)，即环境改善的程度远大于环境恶化的程度。2)思南县的生态环境受气候变化和人为活动的共同作用，SEI 等级增加的区域主要在思南县乌江沿岸，得益于退耕还林和乌江流域生态修复，等级降低的区域主要集中在城镇周围，主要原因是近年来政府脱贫政策的实施，大量基础设施建设影响了周围生态环境。关键词:喀斯特地貌;SEI;思南县中图分类号:P237文献标识码:A文章编号:16725867(2023)06013604Evaluation of Ecological Environment in KarstMountains Based on SEI:Taking Sinan County as an ExampleLI Jian1，ZHONG Qian2，ZHANG Yong1(1 Academy of Digital China(Fujian)，Fuzhou University，Fuzhou 350108，China;2 School of Geosciences，Yangtze University，Wuhan 430000，China)Abstract:Taking the Landsat TM/OLI Phase III images in 1995，2010，and 2020 as the main data source，for typical karst geomor-phic areas，with the help of the emote Sensing Ecological Index(SEI)，the 25year ecological environment status of Sinan countyin Guizhou province was monitored and quantified evaluation The results show that:(1)From 1995 to 2020，the average SEI of Si-nan county has gradually increased from 0 546 to 0 616 Using the SEI difference analysis，the percentage of the increase in the ec-ological level from 1995 to 2020 is 39 76%，which is far greater than the percentage of the decrease in the ecological level(9 06%)，the degree of environmental improvement is much greater than the degree of environmental deterioration(2)The ecological environ-ment of Sinan county is affected by climate change and human activities The areas where the SEI level increases are mainly alongthe Wujiang iver in Sinan county Thanks to the conversion of farmland to forests and ecological restoration of the Wujiang iver Ba-sin，the areas with lower levels are mainly concentrated around the town The main reason is that the government s poverty alleviationpolicy has been implemented in recent years and a large amount of infrastructure construction，which has affected the surrounding eco-logical environmentKey words:karst landform;SEI;Sinan county0引言随着社会的发展，人类活动与生态环境的关系日益密切，由此给全球生态系统造成了很大破坏，生态环境问题日趋严重1。在西南喀斯特地貌山区，存在土地退化、水土流失以及石漠化等生态环境问题。该区域人类活动密集，经济、文化相对落后，脆弱的生态环境使得该区域生态环境明显退化，限制了西部地区的可持续发展2。因此，科学监测和评价人类活动对喀斯特地貌山区生态环境状况的影响及时空变化特征，对于保护生态环境和促进人与自然的和谐，推动社会经济可持续性发展具有重要的理论和现实意义。近些年来，大多数学者利用遥感技术对生态环境进行监测和评价成为该技术应用的一部分，如用常见的归一化植被指数(NDVI)实现对植被的监测3，利用热红外传感器反演地表温度4，以及用归一化水体指数(NDWI)对水环境评价5 等，在生态环境评价方面，很多学者通过综合指数法6、模糊评价法7、生态环境状况指数8 等方法对生态环境进行评价。其中，单一的指标已经很难完全反映区域的生态状况，而多指标需要人为设置权重，主观随意性大，或者无法进行可视化、评价结果复杂多样，让人难以理解。2013 年徐涵秋9 利用主成分分析技术建立了以绿度、湿度、温度和干度 4 个因子为主的遥感生态环境指数(emote Sensing Ecological Index，SEI)，该方法获取方便、过程快捷、结果客观可靠，已被广泛用于城市、自然保护区、沙漠等区域的生态环境质量评价，但利用GIS 和 S 技术对喀斯特地貌山区生态环境状况评价的研究较少。黔东地区的铜仁市思南县是我国典型的喀斯特地貌区域，处于乌江流域的核心地带，随着城镇化步伐的加快，脆弱的喀斯特生态环境与有限的资源对社会的可持续性发展带来了挑战。因此，利用 SEI 模型对思南县长时间的生态环境状况进行监测和评价，以期保护与改善喀斯特山区生态环境、优化国土空间格局和推动乡村振兴战略提供科学依据。1研究区域概况思南县位于我国贵州省东北部，隶属于铜仁市，地势东南、西南高，北部稍低，最高海拔在 1 400 m 以上。思南县地处武陵山腹地，乌江流域的中心地带，东与国家级自然保护区梵净山毗邻，南与“温泉、矿泉水之乡”石阡县接壤，西与历史名城遵义交界，航运便利，北可经乌江至涪陵直达重庆。境处云贵高原向湘西丘陵过渡的大斜坡地带的北部边缘，河流交错纵横，拥有典型的喀斯特地貌，乌江喀斯特国家地质公园景区覆盖县内多个乡镇，是我国西南地区喀斯特地貌研究的理想场所。2数据源与研究方法2 1数据来源与预处理本文选用思南县境内 19952020 年 Landsat TM/OIL遥感影像为数据源，云量小于 2%。为了保证研究的一致性和可比性，每年同期影像时相不超过 2 周，影像获取时间分别为 1995 年 11 月 8 日和 2010 年 11 月 1 日 TM 影像，以及 2020 年 11 月 12 日 Landsat8 OLI 影像，影像行列号为 126/41，空间分辨率为 30 m，3 期下载自地理空间数据云网(http:/www gscloud cn/)。3 期影像均进行辐射定标、大气校正、裁剪等预处理操作。2 2遥感生态指数计算2 2 1生态指标的计算遥感生态指数(emote Sensing Ecological IndexSEI)是徐涵秋在 2013 年提出的一种完全基于遥感技术的综合生态评价指标，无须人为设定权重，结果可视化程度较高。徐涵秋等9 选取了 4 个常用的能够反映生态环境质量并可通过遥感波段进行检索的生态要素，即绿度(G)、湿度(W)、干度(D)和温度(T)。SEI=F(G，W，D，T)(1)其中，选取 4 个常用的遥感生态指标来反映上述生态要素，即归一化植被指数(NDVI)、湿度指数(WET)、土壤指数(SI)和建筑指数(IBI)、地表温度(LST)来分别表示式中的 G、W、D、T。4 个指标计算如下:1)绿度指标(NDVI)。NDVI 通常与植被覆盖情况、生物量和冠层叶面积指数密切相关，常用于表征植被相关信息1011。NDVI=B4 B3B4+B5(2)式中，B4、B3分别表示近红外波段和红光波段的反射率。2)湿度指标(WET)。喀斯特地貌区域水土保持能力较差，属于干旱性缺水区域，湿度特征占一定的比例。缨帽变换中的湿度分量能够较好反映土壤和植被的湿度状况，已被大量用于生态环境评价中12。WETTM=0 031B1+0 202B2+0 31B3+0 159B40 680B5 0 610B7(3)WETOLI=0 151B1+0 197B2+0 328B3+0 347B40 711B5 0 456B7(4)式中，B1、B2、B3、B4、B5、B7分别代表了 TM 影像 1、2、3、4、5、7 波段和 OLI 影像中的 2、3、4、5、6、7 波段。3)干度指标(NDBSI)。研究区域有裸土石林、城镇乡村分布，故采用裸土指数 SI13 和建筑指数 IBI14 来表示。NDBSI=IBI+SI2(5)IBI=2SWII2SWII+NINI(NI+ed)+Green(Green+SWII)()/2SWII2SWII+NI+NI(NI+ed)+Green(Green+SWII)()(6)SI=(SWII+NI)(SWII+Blue)/(SWII+NI)(SWII+Blue)(7)式中，SWII，NI，ed，Green，Blue，依次表示 TM 和 OLI影像的短波红外 1、近红外、红、绿、蓝波段的反射率。731第 6 期李健等:基于 SEI 的喀斯特地貌山区生态环境评价4)地表温度(LST)。原始影像经过辐射定标将其 DN值转化为辐射亮度，代入普朗克公式计算传感器处的亮温值，计算 LST。L=gain DN+bias(8)T=K2/(ln(k1L+1)(9)LST=T1+Tln 273 15(10)式中，DN 表示像元灰度值;gain、bais 为热红外波段的偏移值;L 为辐射亮度;K1、K2表示定标参数;T 表示传感器处的温度;为比辐射率，参考文献 15计算方法，为 1 438102mK;为热红外中心波长。2 2 2水体掩膜及后处理由于研究区域地处乌江中下游，大小河流交错，水域占一定比例，在湿度指标中有一定占比，会降低裸土、岩石、建筑等其他干燥地物在 WET 上的优势，使得计算的湿度指标不能真实地反映植被和土壤湿度16。故此，本文将水体进行掩膜处理。采用归一化水体指数(NDWI)进行水体掩膜提取。NDWI=GreenNIGreen+NI(11)式中，Green、NI分别为绿光波段反射率、近红外波段反射率。此外，为了统一生态指标的量纲，如果直接进行主成分分析，会导致各指标权重失衡，需要对它们进行标准化处理，使其值到 0，1。=IiIminImax+Imin(12)式中，为标准化后的某一指标;Ii是某一指标在像元 i 处的值;Imin、Imax这个指标的最小值和最大值。2 2 3主成分分析主成分分析可去除波段间的多余信息，将多波段影像信息中有效波段提取出来。本文基于 ENVI 5 3 软件中的主成分模块对标准化的 NDVI、WET、NDSI、LST 4 个指标进行处理，最后得到主成分分析信息的统计结果，见表 1。1995、2010、2020 年 3 年中，各年第一主成分(PC1)和第二主成分(PC2)的累计贡献率分别为 91 65%、90 75%和 98 12%，均大于 85%，表明前 2 个主成分 PC1和 PC2集中了大部分特征。SEI 指数通过前 2 个主成分加权求和而来，并取各自的主成分的贡献率为权重，见式(13)。SEI=2i=1(iPCi)(13)式中，i为第 i 主成分所对应的特征值贡献率;PCi为主成分。为了能够很好地比较 3 期遥感影像之间的差异，对各期影像 SEI 指数进行标准化处理，使其值在 0，1 区间，SEI 值越接近 1 则表明生态环境越好，越接近于0，生态环境越差。表 1主成分分析指标Tab 1Indexes of principal component analysis年份指标PC1PC2PC3PC41995 年NDVIWETNDSILST特征值贡献率(%)0 3960 8650 2240 4470 05775 5410 7400 2150 3560 5290 01215 6240 5130 4090 2430 7150 0067 3780 4340 1960 8740 0980 0011 4562010 年NDVIWETNDSILST特征值贡献率(%)0 4450 7430 4430 2310 01564 5990 3120 1310 5060 7930 00626 1560 4960 2460 6230 5520 0028 2510 6770 6080 3990 1130 0000 0982020 年NDVIWETNDSILST特征值贡献率(%)0 2680 9530 1360 0450 01273 6890 1690 0790 9560 2270 00424 4350 0470 0640 2170 9730 0001 8350 9470 2870 1420 0050 0000 0003结果分析3 1思南县 SEI 分级评价1995、2010、2020 年 思 南 县 的 SEI 均 值 分 别 是0 546、0 559、0 616，呈逐渐上升的趋势，表明研究区域的生态环境质量不断地改善，并且在 19952010 年这 15 年间 SEI 的均值增长幅度远小于 20102020 年这 10 年间的增长值。同时参照 2010 贵州省环境状况公报 2020 贵州省生态环境状况公报(由于国家环保局在 2006 年才开始颁发 生态环境状况评价技术规范，故 1995 年思南县生态环境状况指数(EI)没有进行统计)，思南县域的生态环境状况指数 EI 皆为良(55EI75)，将 SEI 均值乘以100 后，基本符合实际情况，验证了本模型在喀斯特地区的区域生态环境状况评价具有一定的合理性和可行性。为进一步分析 19952020 年思南县环境质量和空间格局变化(如图 1 所示)，将每年的 SEI 划分为 5 个等级17(见表 2)，分别为优(0 81 0)、良(0 60 8)、中(0 40 6)、较差(0 20 4)和差(0 00 2)。19952020 年思南县内差和较差 2 个等级的生态环境所占比例在逐步下降，从占比的 16 12%下降到 2010 年的 7 42%，2020 年只占 4 28%，25 年间下降的比例达到了 11 84%，说明全省从 2000 年启动退耕还林政策以来，生态环境逐渐变好;此外，19952010 年和 20102020 年研究区域优良等级的占比稳步提升，分别增长了 1 26%和 19 92%，在 20102020 年间增长尤为显著，说明思南县生态践行831测绘与空间地理信息2023 年“绿水青山就是金山银山”的理念深入人心，环保问题得到重视，环保工作落实到位。图 119952020 年思南县 SEI 等级空间分布Fig 1SEI leveled spatial distribution of Sinancounty from 1995 to 20203 2生态环境质量变化特征思南县 19952020 年 SEI 生态等级变化统计结果见表 3。通过 ArcGIS 统计分析结果表明，思南县生态等级保持不变的面积为 1 131 851 km2，约占 51 17%，主要分布在海拔较高的地方，该区域生态环境相对较稳定。同时期生态等级增加的面积为 879 387 3 km2，约占39 76%，分布在县中部区域;生态等级面积减少的区域面积为 200 550 6 km2，约占 9 07%，分布在城镇周围，主要是 19952020 年间，该县城镇化步伐加快，建设用地增多，破坏了原有的生态环境。思南县 25 年间生态等级增加面积所占百分比与下降的百分比相比高出约 30 7%，说明研究区域内的生态环境质量呈逐步改善的趋势。表 2思南县 19952020 年各生态等级面积和比例Tab 2Area and proportion of different grades in Sinan county from 1995 to 2020生态质量等级1995 年2010 年2020 年面积(km2)占比(%)面积(km2)占比(%)面积(km2)占比(%)差9 1260 4181 428 30 0650 922 50 042较差342 978 315 718161 020 87 36693 345 34 286中1 044 880 247 8851 209 355 255 322838 65638 509良703 941 332 261804 142 836 7861 135 114 252 121优81 114 33 71710 066 50 4600 4605 042总计2 182 040 11002 186 013 61002 177 843 4100表 319952020 年思南县 SEI 生态等级变化Tab 3Changes of SEI ecological level in Sinancounty from 1995 to 2020类别面积(km2)占比(%)增加879 383 739 759 1不变1 131 85151 173 55减少200 550 69 067 354结束语遥感生态指数 SEI 经过主成分分析的方法集成了绿度、湿度、干度、温度，综合反映了思南县生态环境的质量变化。从 19952020 年间，SEI 均值逐渐增大，1995、2010、2020 年分别为 0 546、0 559、0 616，尤其是在20102020 年间均值变化比 19952010 间同比增大了0 057。同时，在 19952020 年间，约 39 76%的土地向高生态等级转移，仅 9 06%向次生态等级转移，说明思南县生态环境在不断改善，这不仅得益于 2000 年以来实施的退耕还林政策，更是环保问题得到了人们的重视，以及新时代以来思南县实施的一系列环保政策。思南县生态环境质量的改变是自然和人为因素共同的结果，在林地、湿地保护、荒漠化治理以及全球气候变化的综合影响下，思南县乌江沿岸生态等级提高，而城镇周围等级降低，这可能是近几年来全面脱贫政策，政府基础设施投资力度加大，人均住房面积增加，建设用地扩张，以及村村通硬化路等建设的影响，沿途一定程度破坏了生态环境。在后续发展的同时，应当遵循自然规律，保护优先，合理规划和利用自然资源。SEI 利用遥感影像高效、客观地揭示了思南县的生态环境质量空间分布与变化特征，对于喀斯特地貌山区的生态环境评价有一定借鉴意义。尽管计算过程中较为全面地选取了 4 个与生态环境相关的因子，但喀斯特地貌山区的生态环境是一个复杂的过程，全面且定量地评价需要选择更多因子。故而，在今后研究中，可以将气象、灾害、人类活动等新指标考虑进去，以便更精准地监测喀斯特地貌山区的生态环境变化。参考文献:1王桥，刘思含 国家环境遥感监测体系研究与实现J 遥感学报，2016，20(5):11611169 2李先琨，何成新，蒋忠诚 岩溶脆弱生态区生态恢复、重建的原理与方法 J 中国岩溶，2003(1):1217 3汪桂生，仇凯健 利用 MODIS NDVI 进行淮南矿区植被覆盖度动态监测 J 测绘通报，2018(6):3440 4朱晓琳 基于 Landsat 8 热红外数据的山区和云下地表温度遥感反演方法研究D 哈尔滨:中国农业科学院，2021 5Amgoth A，Ponnamma H，V J K Monitoring of dynam-ic wetland changes using NDVI and NDWI based landsatimageryJ emote Sensing Applications:Society andEnvironment，2021，23:100 547 6高艺宁，赵萌莉，王宏亮，等 景观生态视角下草地生态质量的空间差异及其影响因素:以内蒙古四子王旗为例 J 生态学报，2019，39(14):5 2885 300 7刘德晶，邓立斌，陈端吕，等 模糊综合评价法在九万山自然保护区综合评价中的应用 J 中南林业科技大学学报，2015，35(7):711(下转第 143 页)931第 6 期李健等:基于 SEI 的喀斯特地貌山区生态环境评价图 5雄安新区 2035 年 GDP 模拟结果Fig 5GDP simulation results of XionganNew Area in 20355结束语雄安新区是承担着国家重大战略任务的新区。深入研究其未来的经济发展状况，对于高起点高标准建设雄安新区打造推动高质量发展的全国样板，建设现代化经济体系的新引擎具有重要意义。本研究通过 InVEST 模型与 Dinamica EGO 模型模拟了新区 2035 年生境质量约束下的建设用地变化，基于 SASI 模型探究了新区的交通基础设施建设在特定人口规模下对于经济发展的影响，细致量化了不同情景下新区各镇的 GDP 发展情况，为雄安新区未来的产业转移、人口迁移、规划建设提供参考依据。得到了如下结论:本研究的研究成果也可应用于其他地区，为不同城市的生境质量评价、土地利用变化模拟及交通基础设施的建设对于区域发展的影响提供案例参考。为决策者评估城市增长对于生态环境的影响提供科学依据，同时也丰富了 SASI 模型的应用范围，有助于理解在不同规划政策影响下的城市增长对于区域发展的影响。参考文献:1ZHOU L，DANG X，SUN Q，et al Multiscenario simula-tion of urban land change in Shanghai by random forestand CAMarkov modelJ Sustainable Cities and Socie-ty，2020(55):102 045 2LIANG X，LIU X，LI X，et al Delineating multiscenariourban growth boundaries with a CAbased FLUS modeland morphological methodJ Landscape and UrbanPlanning，2018(177):4763 3郝晓敬，张红，徐小明，等 晋北地区土地利用覆被格局的演变与模拟 J 生态学报，2020，40(1):257265 4李娜，薛俊强 基于最优 AIMA 模型的我国 GDP 增长预测 J 统计与决策，2013(9):2326 5HASSANI H，UA A，SILVA E S，et al Monthly forecas-ting of GDP with mixedfrequency multivariate singularspectrum analysisJ International Journal of Forecas-ting，2019，35(4):1 2631 272 6SCHUMACHE C Factor forecasting using internationaltargeted predictors:The case of German GDPJ Eco-nomics letters，2010，107(2):9598 7HALL L S，KAUSMAN P，MOISON M L The habi-tat concept and a plea for standard terminologyJ Wild-life Society Bulletin，1997，25(1):173182 8SUAJ U，PUNEET D Conversion of forestlands to blue-berries:Assessing implications for habitat quality in Ala-baha river watershed in Southeastern Georgia，UnitedStates J Land Use Policy，2019(89):104 229 9NELLEMAN C，KULLEED L，VISTNES I，et al GLO-BIO:Global methodology for mapping human impacts onthe biosphere M S l :UNEPDEWA，2001 10MCKINNEY M L Urbanization，biodiversity，and conser-vation J BioScience，2002(52):883890 11FOMAN oad ecology:science and solutionsM Washington，DC:Island Press，2003 12LI F X，WANG L Y，CHEN Z J，et al Extending theSLEUTH model to integrate habitat quality into urbangrowth simulationJ Journal of Environmental Manage-ment，2018(217):486498 13YANG J X，GONG J，TANG W W，et al Patchbased cel-lular automata model of urban growth simulation:Integra-ting feedback between quantitative composition and spatialconfigurationJ Computers，Environment and UrbanSystems，2020(79):101 402 14PEEZVEGA A，MAS J F，LIGMANNZIELINSKA Aet al Comparing two approaches to land use/cover changemodeling and their implications for the assessment ofbiodiversity loss in a deciduous tropical forestJ Envi-ronmental Modelling Software，2012，29(1):1123 15ZHENG Q，YANG X，WANG K，et al Delimiting urbangrowth boundary through combining land suitability evalu-ation and cellular automataJ Sustainability，2017，9(12):2 213 16吴萃芸 基于 CAMarkov 的郧阳中心城区建设用地扩张模拟研究 D 武汉:湖北大学，2016 编辑:刘莉鑫(上接第 139 页)8张沛，徐海量，杜清，等 综合治理前后和田河流域生态环境状况变化及原因探讨J 水土保持研究，2016，23(4):174178，184 9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):889897 10孟琪，武志涛，杜自强，等 京津风沙源区不同分区植被覆盖度变化及归因分析J 应用生态学报，2021，32(8):2 8952 905 11刘婷 不同空间尺度森林 LAI 遥感估算及真实性检验 D 哈尔滨:东北林业大学，2019 12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(7):2328 13IKIMAU A，OY P S MIYATAKE S Tropical forestcover densitymappingJ Tropical Ecology，2002，43(1):3947(下转第 147 页)341第 5 期何旭东等:雄安新区土地利用变化及其经济影响预测研究矿产资源开发利用数据、监控数据及违法图斑等数据的图文一体化展示、二三维一体化展示、三维可视化展示，并提供 GIS 常用的地图操作工作和空间查询统计功能。图文一体化展示是以矿山基础地理信息数据为底图，叠加矿产资源开发利用相关的空间数据，并与空间数据的属性信息、照片等信息关联，通过点选可以查看该空间数据的详细信息，如点击开发利用违法图斑数据，可以查看图斑数据的属性信息、违法案件的现场照片、处罚文件等信息。二三维一体化展示是通过分屏的方式同时查看二维数据和三维模型数据。三维可视化展示是通过三维地球，实现真三维环境下的矿山三维模型浏览，可以查看矿山地表和地下三维模型、地下巷道三维模型等。4 2开发利用监测监控矿山资源开发利用监测监控主要包括遥感监测、视频监控、产量监控及违法案件监控等。遥感监测是利用不同时序的两期遥感影像数据进行比对，当发现有矿山勘测开采现象时，圈定范围，并对范围内的开采迹象判断其合法性，如是否符合规划要求、是否有采矿证等，同时将疑似违法图斑圈出，为后期动态巡查提供数据支持;视频监控是针对矿山井下开采活动进行实时监控，及时掌握矿产资源采掘情况，从而实时监控矿产资源开采行为是否存在越界行为，同时将视频监控数据连接指挥中心大屏，让管理人员能够直观和及时地了解矿产资源开发利用的实际运行情况;产量监控是根据不同矿山提供的实际产量监控数据，与设计产量进行比对，监控矿山是否存在开采超量的违法行为，同时汇总全省不同矿产产量数据，能够精准掌控全省矿产产量的变化情况;违法案件监控是对矿产资源开发利用违法案件的发现、核查、反馈、处置以及结案全过程监控。4 3开发利用管理矿产资源开发利用管理主要包括开发利用数据采集录入管理、项目业务管理以及开发利用年报管理。开发利用数据采集录入管理是将历年开发利用的方案资料、督察材料以及应用数据进行采集和录入。项目业务管理实现矿产资源开发利用项目从申请、受理、审批、施工到开采，运用工作流方式进行全周期管理。开发利用年报管理是用图表的方式动态展示开发利用年报储量、开发利用年报开采等数据，并可制作统计报表进行年报成果导出。4 4动态巡查管理动态巡查管理是利用移动端 App，一方面对矿山进行日常巡查;另一方面是对遥感监测、上级交代以及举报的矿产资源违法行为进行重点巡查，主要实现了违法案件采集、巡查路径管理及巡查人员管理等功能。5结束语本文利用 GIS、物联网等先进技术，对矿产资源管理中的开发利用工作进行信息化、精细化以及高效化的监管，极大地提高了矿产资源利用的效率，减少了违法违规行为的发生。平台主要完成以下几点工作:一是构建了省市县街道四级矿产资源开发利用网格化监管体系，确保开发利用监管体系全覆盖以及监测监控数据、业务办理四级互联互通，实现了数据共享交换，提高了数据利用效率。二是构建了矿产资源开发利用“一张图”数据库，实现了矿山基础地理信息数据、矿产资源开发利用监测监控和管理相关数据的图文一体化、二三维一体化展示和查询统计，让数据显示更加直观。三是根据矿产资源利用开发业务需求，开发了利用监测监控、利用管理以及动态巡查等功能，实现了矿产资源实时、动态监控和管理，提高了矿产资源开发利用管理水平。参考文献:1冯现辉 浅议矿山环境治理恢复瓶颈及解决方案J 环境与可持续发展，2016，41(3):211213 2李永平，谈树成，赵晓燕 云南省北部地区矿产资源违法开采遥感动态监测研究J 山东国土资源，2018，34(2):4953 3李浩 基于三维 GIS 的山东省矿产资源网格化监管系统的关键技术研究J 山东国土资源，2020，36(5):4448 4伍小玲 基于现代信息技术的矿产资源监管体系建设 J 科技视界，2016(13):272，290 5陈洋，姚茂宣 矿产资源开发利用批后监管系统设计:以贵州省为例 J 国土资源信息化，2018(2):2933，12 6黄莹 矿产资源信息化系统设计探讨J 世界有色金属，2017(9):53，56 7雷德龙，郭殿升，陈崇成，等 基于 MongoDB 的矢量空间数据云存储与处理系统J 地球信息科学学报，2014，16(4):507516 8陈跃辉 矿产资源开发远程综合监管系统设计 J 工矿自动化，2015，41(2):8690 9陆世东，杨文森，尹峰，等 基于 3DGIS 的矿山综合监管系统 J 地理空间信息，2012，10(4):9597，99，182 编辑:任亚茹(上接第 143 页)14XU H Q A new index for delineating builtup land fea-tures insatellite imageryJ International Journal of e-mote Sensing，2008，29(14):42694276 15覃志豪，李文娟，徐斌，等 陆地卫星 TM6 波段范围内地表比辐射率的估计J 国土资源遥感，2004(3):2832，36，41 16王旭，马伯文，李丹，等 基于 FLUS 模型的湖北省生态空间多情景模拟预测J 自然资源学报，2020，35(1):230242 17HUI Jiawei，BAI Zhongke，YE Baoying EcoEnvironmentevaluation of grassland based on remote sensing ecologicalindex:A case in Hulunbuir Area，China J Journal Com-puter and Communications，2021，9(6):203213 编辑:任亚茹741第 6 期顾陈浩:基于 GIS 的矿产资源开发利用监管信息化平台建设研究