基于遥感绿色指数的矿区生态环境质量评价研究——以义马矿区为例.pdf

彭金艳,王世东,潘金胤.基于遥感绿色指数的矿区生态环境质量评价研究 以义马矿区为例J.矿业科学学报,2023,8(5):704-713.DOI:10.19606/ki.jmst.2023.05.012Peng Jinyan,Wang Shidong,Pan Jinyin.Study on ecological quality evaluation of mining area based on remote sensing green indexTaking Yima min-ing area as an exampleJ.Journal of Mining Science and Technology,2023,8(5):704-713.DOI:10.19606/ki.jmst.2023.05.012基于遥感绿色指数的矿区生态环境质量评价研究 以义马矿区为例彭金艳,王世东,潘金胤河南理工大学测绘与国土信息工程学院,河南焦作 454000收稿日期:2023-03-09 修回日期:2023-04-05基金项目:国家自然科学基金(U22A20620,U21A20108);河南理工大学自然科学基金(B2023-21)作者简介:彭金艳(1999),女,河南永城人,硕士研究生,主要从事资源环境遥感方面的研究工作。Tel:[phone],E-mail:2423954350 通信作者:王世东(1978),男,河南清丰人,博士,教授,主要从事资源环境遥感、土地利用与土地复垦等方面的研究工作。Tel:[phone],E-mail:摘 要:矿区的开采活动对区域的生态环境质量具有很大影响。为了更加客观准确地评价矿区生态环境质量,构建了一种适用于研究矿区生态环境质量的遥感绿色指数(RSGI)模型,并初次将模型应用于义马矿区的生态环境质量评价。基于 1991 年、2011 年、2021 年的 Landsat 遥感影像,利用ENVI5.3 软件对遥感影像进行监督分类、计算遥感绿色指数,从时间和空间上对义马矿区近30 年生态环境质量进行评价;并运用皮尔逊相关系数分析了矿区生态环境质量与矿区各生态要素之间的相关性。结果表明:19912021 年总体的生态环境质量以优为主,绿色空间面积均达到 80%以上;1991 年、2011 年和2021 年义马矿区 RSGI 数值分别为0.90、0.91 和 0.89,其生态环境质量呈现先增长后缓慢下降,总体上处于下降趋势;19912021 年间,生态环境质量变化明显的是城镇以及矿区,大部分城镇和矿区生态环境质量呈现下降趋势,说明义马矿区生态环境质量的变化与矿业开发活动密切相关;遥感绿色指数高的地方,其耕地、林地、草地所占面积比重比较大,建筑物和不透水表面面积占比较小,遥感绿色指数与各指标之间有显著的相关性。研究结果为义马矿区生态环境修复与绿色矿山建设提供重要的科学依据。关键词:遥感绿色指数;生态环境质量;皮尔逊相关系数;义马矿区中图分类号:X 821 文献标志码:A文章编号:2096-2193(2023)05-0704-10Study on ecological quality evaluation of mining area based on remotesensing green indexTaking Yima mining area as an examplePeng Jinyan,Wang Shidong,Pan JinyinSchool of Surveying and Mapping and Land Information Engineering,Henan University of technology,Jiaozuo Henan 454000,ChinaAbstract:Mining and development of mining area poses significant impact on regional ecological quali-ty.This study proposed a new remote sensing green index(RSGI)model more tailored for evaluating theecological quality in the mining area by taking the Yima mining area as an example for analysis.Themodel was first applied to the ecological quality evaluation of the Yima mining area.Based on Landsatremote sensing images in 1991,2011 and 2021,ENVI5.3 software was used to supervise the classifica-tion of remote sensing images and calculate the green index of remote sensing.The ecological quality of第 8 卷 第 5 期2023 年 10 月矿 业 科 学 学 报JOURNAL OF MINING SCIENCE AND TECHNOLOGYVol.8 No.5Oct.2023Yima Mining area in the past 30 years was evaluated from the perspective of time and space.Pearsoncorrelation coefficient is used to analyze the correlation between ecological quality and ecological factorsin mining area.Results showed that:From 1991 to 2021,the overall ecological quality was satisfacto-ry,with the green space area reached more than 80%.In 1991,2011 and 2021,the RSGI values ofYima mining area were 0.90,0.91 and 0.89,respectively.The ecological quality of Yima mining areashowed initial increase and then a slow decline,and the overall ecological quality exhibits in adownward trend.From 1991 to 2021,there were significant changes of eco-quality in towns and min-ing areas,with a downward trend observed in most regions.This indicates that the changes of eco-qualityin Yima mining area is closely related to mining activities.Areas with high remote sensing green in-dex demonstrate larger proportion of cultivated land,forest land and grassland,and smaller proportion ofbuildings and impervious surface area.There is a significant correlation between remote sensing greenindex and other indexes.The research results provide reference for eco-environmental restoration andgreen mine construction in Yima mining area.Key words:remote sensing green index;ecological quality;Pearson product-moment correlation coeffi-cient;Yima mining area 生态环境质量与人类生存和发展息息相关,是长期以来众多学者研究的重点1-2。矿区生态环境质量的研究可为矿区合理开采提供建议。义马矿区矿产资源十分丰富,开采方式主要以露天开采为主。矿区的快速发展为国家经济发展和建设做出了重大贡献,同时也带来了一些生态问题。例如,矿业开发引起的不合理开挖以及土地占用,包括矿山建筑、露天开采和尾矿库等,使当地生态环境质量发生了很大改变。因此,利用遥感技术对矿区进行生态环境监测,准确客观获取生态变化的情况及其分布状况,对于生态修复措施的科学制定具有重要意义3。遥感技术在获取区域监测数据方面具有速度快、监测范围广、成本低、效率高等优势4,利用遥感技术监测林地、草地、湿地、耕地及城市等生态系统5-7已经得到学术界的认可。目前,采用遥感技术对矿区进行生态环境质量评价的方法主要有两种:一是采用单一指标的方式进行生态环境质量评价。例如,邢龙飞等8通过研究胜利矿区的植被覆盖度的时空变化来分析矿区生态环境的状况;郑优男等9通过研究淮南矿区的土地利用变化对矿区生态环境质量进行分析;李方方10、孙从建等11通过结合多种植被的指数研究矿区的生态环境状况。但是,这种方法难以全面地揭示生态环境系统性的变化。二是将多个生态因子进行整合,对区域生态环境质量进行综合的评价。其最具有代表性的就是徐涵秋12提出的完全基于遥感技术、指标比较容易获得、没有人为权重设定、并且结果可视化的遥感生态指数(RSEI)。RSEI 不仅可以把各指标进行有效的集成,还可以定量地描述生态环境质量变化程度,比单个指标分析更加具有优势。RSEI 耦合了绿度、湿度、干度、热度4 个生态因子,可以有效地对城市生态环境质量进行综合评定。目前,众多学者采用RSEI 对矿区生态环境质量进行评价,也有很多学者对其进行改进。李昊宸等13采用 RSEI 方法对中梁山矿区20002020 年生态环境质量进行评估,并与综合指数法评估结果进行对比;胡思汉等14利用RSEI 对弓长岭地区生态状况进行评价,从宏观上掌握弓长岭地区的生态环境发展动态变化;李晶等15根据矿区的生态影响因子,在 RSEI 绿度、湿度、干度、热度因子的基础上提出了一种结合土壤侵蚀的因子改进型 RSEI,对山西省煤炭矿区进行生态环境质量分析;Tang 等16利用 RSEI 对矿区生态扰动进行评价研究,采用最大似然法提取铜陵市土地覆盖时空分类,并在此基础上利用景观指数定量分析了研究区生态环境质量及其变化特征。综上所述,目前国内外对矿区生态环境质量研究利用的模型多是基于 RSEI 进行研究。RSEI 尽管能较客观地进行矿区生态环境质量评价,但存在模型因子较多、计算较复杂的问题。因此,结合矿区生态环境影响因素,本文基于遥感技术构建了一种新的遥感绿色指数(Remote Sensing Green Index,RSGI)对义马矿区进行生态环境质量评价,并进一步分析多种矿区生态要素对遥感绿色指数的相关程度。RSGI 比传统的遥感生态指数计算更为简单和高效,且能够客观分析矿区生态环境质量。研究成果可为矿区进行绿色矿山建设和可持续发展提供科学依据与参考。705第 5 期彭金艳等:基于遥感绿色指数的矿区生态环境质量评价研究 以义马矿区为例1 研究区概况及数据来源1.1 研究区概况义马矿区范围西起三门峡市开发区、东至孟津县城、南始伊川县鸣皋镇、北抵黄河南岸,地处北纬341710350237,东经 11108571122929,总占地面积为 2 078.78 km2,属典型的温带大陆性干旱气候,四季分明(图 1)。义马矿区属低山丘陵地貌,整体地势呈西高东低、南高北低,个别地段地形复杂,山岭起伏,沟谷发育。义马矿区包含义马煤田、陕渑煤田、宜洛煤田和新安煤田。矿区的开发对相应地区经济腾飞带来了方便,但是同时对区域的生态环境质量产生了严重的影响。例如,北露天矿设计开采储量 22.50 Mt,近 60 年累计生产原煤 30.47 Mt,为义马市创造了巨大的经济效益。但北露天矿治理总面积 5.86 km2,其中矿坑面积 2.081 km2,矿坑最深处约 100 m,这对当地的生态环境质量带来了严重的影响。图 1 研究区地理位置Fig.1 Geographical location of the study area1.2 数据来源本研究所采用的数据源为 Landsat 系列遥感影像,从“地 理 空 间 数 据 云”网 站(http:/ 1991 年 Landsat5 TM 数据、2011 年 Land-sat5 TM 数据和 2021 年 Landsat8 OLI 数据。考虑季节性因素对指数造成一定的影响,本研究选出的3 幅遥感影像日期分别为 1991 年 5 月 14 日、2011年 4 月 19 日和 2021 年 4 月 30 日,空间分辨率为30 m,云量均小于 5%,这时期冬小麦颜色由绿色向黄色过渡,便于与其他植被进行区分,可以使实验结果的可比性得到比较好的保证。对义马矿区遥感影像进行数据预处理,包括辐射定标、大气校正、几何校正、镶嵌和裁剪等17-18,从而减少不同时段影像在地形、光照以及大气等方面的差异,以 及 保 证 影 像 间 空 间 叠 加 分 析 的 准确性19。利用 ENVI5.3 软件运用监督分类和人工目视解译的方法对义马矿区进行土地利用分类,并提取出建筑物、不透水表面、林地、草地、耕地、裸地、河流或湖泊 7 个要素,不透水表面包括各种道路以及广场等一些面积比较大的表面,并规定绿色空间面积包括林地、草地和耕地。对分类结果进行精度检验,计算 Kappa 系数,1991 年、2011 年和 2021 年的Kappa 系数分别为 0.83、0.89、0.85,均在 0.80 以上,分类精度分别为 93.1%、92.5%、96%,分类效果较好20-21。2 研究方法2.1 遥感绿色指数构建遥感绿色指数模型基于 Da Silva 等22的方法,根据研究区实际情况改进后所构建。对于矿区来说,绿色空间、建筑物以及不透水表面占据了矿区绝大部分空间,而开采区域会对土地造成一定的损害,无法生长作物,形成裸地,对矿区生态环境有一定的影响。因此,遥感绿色指数模型加入裸地要素,利用矿区内部建筑物、不透水表面、裸地和绿色空间 4 种要素进行遥感绿色指数模型的构建,计算出从 0 到 1 的自然和人为区域之间的比例,并以此结果对区域的生态环境质量进行分级。构建的遥感绿色指数计算公式如下:RSGI=(GIP+GBP)/2(1)GIP=S绿/(S绿+S不透水+0.7S裸)GBP=S绿/(S绿+S建筑物)式中,RSGI 为遥感绿色指数;S绿为绿色空间面积;S不透水为不透水表面面积;S建筑物为建筑物面积;S裸为裸地面积。根据遥感绿色指数对研究区生态环境质量进行等级划分(表 1)。低生态环境质量表示该区域生态条件比较恶劣,人类生活受到限制,主要位于一些城镇和城市人口密集的地方;较低生态环境质量表示植被覆盖度较差,存在着较多限制人类生活的因素;良生态环境质量表示植被覆盖度较高,适合人类生活;较高生态环境质量表示植被覆盖度较高,适合人类生活;高生态环境质量表示植被覆盖度高,生态系统稳定。706矿 业 科 学 学 报第 8 卷表 1 生态环境质量等级划分Table 1 Classification of ecological andenvironmental quality生态环境质量等级遥感绿色指数值范围低0.00 0.30较低良0.30 0.500.50 0.75较高0.75 0.90高0.90 1.002.2 皮尔逊相关系数分析采用皮尔逊相关系数(PCC)可以分析矿区内部要素的相关性。采用 RSGI、GIP、GBP、建筑密度、不透水表面密度、裸地密度、草本密度、森林空间密度、河流密度等指标进行皮尔逊相关系数分析。在自然科学领域中,皮尔逊相关系数广泛用于度量两个变量 X 和 Y 之间的相关程度,其值介于-1 与 1 之间23。皮尔逊相关性系数越接近于正1、负 1,相关性越强;越接近于 0,相关性越差24。显著性(双尾)比级别数越小,相关性越显著;比级别数大,相关性不显著25。两个变量之间的总体相关系数 定义为两个变量之间的协方差和标准差的商:X,Y=cov(X,Y)XY=E(X-X)(Y-Y)XY(2)估算样本的协方差和标准差,可得到皮尔逊相关系数:r=1n-1ni=1Xi-XX()Xi-YX()(3)式中,X、X、Xi-XX分别为样本平均值、样本标准差、对 Xi样本的标准分数。3 结果与分析3.1 土地利用时空格局分析义马矿区 1991 年、2011 年和 2021 年土地利用类型统计见表 2。由表 2 可以看出,义马矿区及区域耕地是主要的土地类型,1991 年、2011 年和 2021 年耕地面积均占区域总面积的 50%以上,矿区总面积为 2 079.29 km2。30 年来耕地面积减少 39.92 km2,林地面积增加 71.27 km2;林地的面积变化趋势为先减少再增加,说明地方开始重视矿区生态问题,进行大量的植树造林、修复生态环境;建筑物的面积随着社会的不断发展,总体为增加趋势,增加了 35.77 km2;水域面积增加,一方面因开采煤矿沉陷积水区增加,另一方面小浪底水库在 2009 年建成,义马矿区 30年水域面积增加比例最大,增加了 25.33 km2;裸地面积减少 24.4 km2,不透水表面的面积整体趋势为增加,增加了 27.39 km2,其他土地利用类型面积变化不大。矿区土地利用随着区域经济的发展,耕地会被开发或占用,所以耕地面积有所减少,但仍然是区域最主要的土地类型。随着社会经济的发展,不断地建设房屋以及道路,建筑物和不透水表面的面积整体上呈增加趋势。表 2 1991 年、2011 年、2021 年土地利用类型统计Table 2 Statistics of land use types in 1991,2011 and 2021土地利用类型1991 年面积/km2比例/%2011 年面积/km2比例/%2021 年面积/km2比例/%建筑物278.1813.38281.7113.55285.9413.75不透水表面24.351.2024.351.1851.742.49河流或湖泊31.051.5055.022.6556.382.71草地328.9415.82327.2115.74241.5111.62林地270.8813.03268.2112.90362.1516.48耕地1 076.9951.801 074.3351.671 037.0750.81裸地68.903.3148.662.3444.492.14总计2 079.29100.002 079.29100.002 079.29100.00 根据 1991 年到 2021 年土地利用图像(图 2),获得了义马矿区不同土地利用类型的转移矩阵和面积变化(图 3)。其中,19912011 年,主要以裸地和林草地转为河流或湖泊为主,同时部分建筑物707第 5 期彭金艳等:基于遥感绿色指数的矿区生态环境质量评价研究 以义马矿区为例转为耕地,其他地类之间面积变化较小;20112021 年,主要以林地转为耕地和草地为主,部分建筑物转为草地,但是由于有耕地对建筑物的补偿,所以建筑物的面积有所增加,耕地的面积减少。总之,19912021 年间,主要面积变化为耕地向建筑物和不透水表面转移,但因草地对耕地的补偿,草地面积减少,建筑物和不透水表面面积增加,这也是导致义马矿区生态环境质量下降的原因。图 2 1991 年、2011 年、2021 年义马矿区土地利用分类Fig.2 Classification of land use in YimaMining area in 1991,2011 and 2021图 3 1991 年、2011 年、2021 年土地利用空间变化Fig.3 Spatial changes of land use in1991,2011and 2021708矿 业 科 学 学 报第 8 卷3.2 义马矿区生态环境质量时空变化分析3.2.1 时间变化分析计算得到义马矿区 1991 年、2011 年、2021 年的 RSGI 值分别为 0.90、0.91 和 0.89。为了能够更客观地研究该地区的生态变化,根据生态环境质量 RSGI 值分级标准,对研究区的实际状况进行生态等级划分,制出 3 个年份的遥感绿色指数分级图(图 4),并统计各年份的生态环境质量等级面积及其所占比例(表 3)。图 4 1991、2011、2021 年义马矿区 RSGI 等级分布Fig.4 RSGI grade distribution of YimaMining area in 1991,2011 and 2021结合义马矿区实际的地形地貌,生态环境质量等级较高的区域主要位于山上植被覆盖区以及房屋建筑物比较少的地方,生态环境质量较差的区域主要位于义马矿区的中心位置以及东北部、小浪底镇附近。19912021 年义马矿区生态治理等级总体上以优为主,生态环境质量较好所占面积比例达到 90%以上。其中,19912011 年低生态环境质量所占比例没有什么变化,高生态环境质量所占面积有所下降,降低了 9.06%,但较高生态环境质量所占面积比例增加 12.58%,所以义马矿区整体生态环境质量是增长趋势;20112021 年低生态环境质量面积增加 0.05%,高生态环境质量面积减少 3.02%。总体上看,19912021 年低生态环境质量面积减少 0.05%,高生态环境质量面积所占比例由原来的 76.85%减少到 64.77%,高生态环境质量所占面积大幅度下降,义马矿区 30 年间整体生态环境质量呈下降趋势。表 3 19912021 年生态环境质量等级面积和比例Table 3 Area and proportion of ecological andenvironmental quality grades from 1991 to 2021RSGI等级1991 年面积/km2占比/%2011 年面积/km2占比/%2021 年面积/km2占比/%低3.800.183.800.184.760.23较低0.990.040.990.050.000.00良91.614.4118.320.8818.320.88较高385.0518.52646.5931.10709.5434.12高1 597.8476.851 409.5967.791 346.6764.773.2.2 空间变化分析为更好地了解义马矿区生态环境质量的变化情况,利用 ArcGIS 软件对每年的绿色指数进行差值运算,差值小于-50 记为-2,在-50,-10)之间记为-1,-10,+10)之间记为 0,+10,+50)之间记为+1、大于+50 记为+2,将得到的结果分为5 种变化类型,分别是 2 种生态改善类型(+1、+2)、生态不变(0)以及 2 种生态退化类型(-1、-2),统计结果见表 4;并根据 5 种不同的生态变化类型,制出 19912021 年遥感绿色指数变化极差图(图 5)。由表 4 可以看出,19912021 年义马矿区总体生态环境质量不变的面积占比为 52.36%,生态环境质量退化的面积占比为 37.92%,生态环境质量改善的面积占比仅为 9.72%,表明经过 30 年的城市建设发展以及矿业开发,该地区总体的生态环境质量相较于1991 年发生退化现象。其中,1991709第 5 期彭金艳等:基于遥感绿色指数的矿区生态环境质量评价研究 以义马矿区为例表 4 生态环境质量等级和面积统计Table 4 Statistical of ecological environment quality level and area年份生态变化类型变化极差面积/km2变化比例/%总变化/%生态改善+2+179.90122.273.845.889.7219912011生态不变01 573.8175.6975.69生态退化-1-2179.34123.978.635.9614.59生态改善+2+144.26100.802.134.856.9820112021生态不变01 308.7762.9462.94生态退化-1-2562.8262.6427.073.0130.0819912021生态改善生态不变生态退化+2+10-1-279.90122.271 088.78570.95217.393.845.8852.3627.4610.469.7252.3637.92图 5 1991、2011、2021 年 RSGI 变化极差Fig.5 Extremely poor RSGI changes in 1991,2011 and 2021710矿 业 科 学 学 报第 8 卷2011 年生态环境质量不变的面积占比为 75.69%,生态环境质量退化的面积占比为 14.59%,生态环境质量改善的面积占比为 9.72%,表明义马矿区生态环境质量有轻微退化;20112021 年生态环境质量不变的面积占比为 62.94%,生态环境质量退化的面积占比为 30.08%,生态环境质量改善的面积占比仅为 6.98%,表明义马矿区的生态环境质量在这 10 年总体上退化较为严重。由图 5 可以看出,19912011 年,位于西部城区生态环境质量发生轻微退化,东边边缘区域以及中心城镇区域生态环境质量发生严重退化现象,小浪底附近区域生态环境质量得到改善,大部分区域生态环境质量未发生变化;20112021 年,义马矿区中间区域整体生态环境质量都发生了轻微退化,只有少部分地区生态环境质量得到改善,这与义马矿区部分地区房屋建设有关。总之,19912021年义马矿区中心城镇区域生态环境质量发生严重退化,大部分城镇区域发生轻微退化,只有小浪底镇附近生态环境质量得到改善。分析生态环境质量变化的原因,19912011年位于义马矿区西部的陕渑煤田以及南部的宜洛煤田生态环境质量发生退化现象,而位于矿区东部的新安煤田生态环境质量得到改善,可能是由于煤田附近种植植被形成的结果;20112021 年,义马矿区 4 个煤田整体生态环境质量发生退化现象,只有位于义马矿区东部的新安煤田生态环境质量未发生变化,可能是矿区大量开采导致地区植被减少造成的;19912021 年,位于东部的新安煤田生态环境质量得到改善,与小浪底水库的建成、附近植被增加有关,而位于西部和中西部的陕渑煤田、义马煤田以及位于南部的宜洛煤田生态环境质量发生退化现象,与矿区大量开采以及城镇现代化建设有关。3.3 矿区生态要素与遥感绿色指数的相关度分析对义马矿区的 RSGI、建筑密度、不透水密度、河流密度、绿色空间密度、裸地密度进行皮尔逊相关性分析,可以得到每个指标之间的相关性(表5)。由表 5 可以看出,绿色指数与裸地密度、建筑密度、和不透水表面都呈现出负相关性,与绿色空间密度呈 0.999 的显著性正相关,绿色指数高的地方一般耕地、林地、草地所占面积占比较大,建筑物和不透水表面面积占比较小;河流密度与裸地密度呈 0.999 的显著性正相关,与建筑密度呈 0.998 的显著性负相关;不透水表面与绿色空间密度呈现0.992 的显著性负相关。综合来看,RSGI 与各指标之间的相关性较高,各指标之间也有一定的相关性,RSGI 可以更简单且综合地反映义马矿区生态环境质量。表 5 19912021 年各指标和 RSGI 指数的相关系数矩阵Table 5 Correlation coefficient matrix of each indicator and RSGI index from 1991 to 2021指标皮尔逊相关性显著性RSGI裸地密度建筑密度不透水密度河流密度绿色空间密度RSGI双尾1-0.942-0.972-0.9850.9550.9990.2190.1500.1090.1910.027裸地密度双尾-0.94210.9940.871-0.999-0.9270.2190.0690.3280.0280.245建筑密度双尾-0.9720.99410.918-0.998-0.9620.1500.0690.2590.0410.177不透水表面密度双尾-0.9850.8710.91810.891-0.9920.1090.3280.2590.3000.082河流密度双尾0.9550.999-0.9980.89110.9420.1910.0280.0410.3000.217绿色空间密度双尾0.999-0.927-0.962-0.9920.94210.0270.2450.1770.0820.217 注:在 0.05 级别(双尾),相关性显著26。4 结 论本文利用监督分类及人工目视解译方法提取出义马矿区内部多种生态要素,构建了一种新的遥感绿色指数,并初次应用于矿区生态环境质量评价;通过皮尔逊相关性分析探究遥感绿色指数与各生态要素间的相关性;计算义马矿区 19912021年的遥感绿色指数,从时间和空间上分别对义马矿711第 5 期彭金艳等:基于遥感绿色指数的矿区生态环境质量评价研究 以义马矿区为例区的生态环境质量进行了评价,得出结论如下:(1)义马矿区 1991、2011、2021 年的 RSGI 均值从 0.900.910.89,表明义马矿区生态环境质量先增加后降低,整体上生态环境质量属于下降趋势,表明随着矿区的不断开采以及城镇化的发展,整体的生态环境质量并未得到明显改变,并有所下降。(2)义马矿区 19912021 年间耕地面积减少39.92 km2,建筑物和不透水表面面积增加,建筑物面积增加了 35.77 km2,不透水表面面积增加27.39 km2,林草地面积得到补偿,义马矿区 30 年间整体林草地面积变化不大。(3)义马矿区绿色指数与裸地密度、建筑密度、不透水表面密度都呈现出负相关性,与绿色空间密度呈 0.999 的显著性正相关;绿色指数高的地方,其耕地、林地、草地所占面积比重比较大,建筑物和不透水表面面积占比较小,绿色指数与各指标之间有显著的相关性。(4)义马矿区生态较好的地区为山区林地草地居多的地方,较差的地区为城镇以及矿区区域。19912021 年位于西部和中部的陕渑煤田和义马煤田生态环境质量发生轻微退化,位于南部的宜洛煤田生态环境质量发生严重退化,而位于东部的新安煤田生态环境质量得到改善。参考文献1 梁齐云,苏涛,张灿,等.基于改进遥感生态指数的黄山市生态质量评价研究J.地球物理学进展,2022,37(4):1448-1456.Liang Qiyun,Su Tao,Zhang Can,et al.Research on ec-ological quality evaluation of Huangshan City based onimproved remote sensing ecological indexJ.Progressin Geophysics,2022,37(4):1448-1456.2 刘栩位,周启刚,周浪,等.基于 RSEI 的三峡库区重庆段水土保持生态功能区生态环境质量动态监测J.水土保持研究,2021,28(5):278-286.Liu Xuwei,Zhou Qigang,Zhou Lang,et al.RSEI-baseddynamic monitoring of ecological quality of the soil andwater conservation functional area in the Chongqing sec-tion of the Three Gorges Reservoir areaJ.Research ofSoil and Water Conservation,2021,28(5):278-286.3 刘金珍,刘胜祥,方芳.基于遥感技术的淋溪河流域生态环境质量现状研究J.环境科学与技术,2009,32(5):173-178.Liu Jinzhen,Liu Shengxiang,Fang Fang.Ecological en-vironment quality of Linxi River Basin based on remotesensing technologyJ.Environmental Science&Tech-nology,2009,32(5):173-178.4 张春桂,李计英.基于3S 技术的区域生态环境质量监测研究J.自然资源学报,2010,25(12):2060-2071.Zhang Chungui,Li Jiying.Study on regional eco-environ-mental quality monitoring based on 3S technology J.Journal of Natural Resources,2010,25(12):2060-2071.5 潘宁,王帅,刘焱序,等.土壤水分遥感反演研究进展J.生态学报,2019,39(13):4615-4626.Pan Ning,Wang Shuai,Liu Yanxu,et al.Advances insoil moisture retrieval from remote sensing J.ActaEcologica Sinica,2019,39(13):4615-4626.6 吴冠辰,鲁明星,郑震.基于遥感技术的露天铁矿扩帮生态环境现状评价研究J.矿业研究与开发,2019,39(5):115-118.Wu Guanchen,Lu Mingxing,Zheng Zhen.Evaluation ofecological environment of open-pit iron mine based onremote sensing technology J.Mining Research andDevelopment,2019,39(5):115-118.7Jat M K,Garg P K,Khare D.Monitoring and modellingof urban sprawl using remote sensing and GIS techniquesJ.Int J Applied Earth Observation and Geoinforma-tion,2008,10(1):26-43.8 邢龙飞,黄赳,雷少刚,等.锡林浩特市胜利矿区近30 年植被覆盖度变化研究J.河南理工大学学报:自然科学版,2019,38(3)61-69.Xing Longfei,Huang Jiu,Lei Shaogang,et al.Study onvegetation coverage change of Xilinhots Shengli miningarea in recent 30 yearsJ.Journal of Henan PolytechnicUniversity:Natural Science,2019,38(3)61-69.9郑优男,王晓辉,彭书传.基于 RS 与 GIS 技术分析淮南矿区土地利用变化J.环境工程,2015,33(S1):764-768,782.Zheng Younan,Wang Xiaohui,Peng Shuchuan.Land usechanges in Huainan mining