锡林郭勒盟大型露天煤矿区地质环境时空演化评价

Spatio-temporal evolution evaluation of geological environment of large open-pit coal mine areas in Xilin Gol league

摘要

内蒙古锡林郭勒盟大型露天煤矿区经过20多年的开发,产生了一系列矿山地质环境问题,矿区地质环境在一定程度上遭到破坏,因此,开展大型露天煤矿区地质环境时空演化评价可为矿区生态地质环境修复提供参考。本文对锡林郭勒盟3个大型矿区进行地质环境时空演化评价。首先通过现场调查,明确了研究区主要的矿山地质环境问题,包括植被覆盖度下降、土地压占(排土场和工业场地)、地形地貌景观破坏(露天采坑)和含水层破坏等4类;其次利用遥感影像定量获取了2000—2020年之间的矿山地质环境问题信息,并建立了矿山地质环境评价指标体系;然后应用层次分析法确定了矿山地质环境评价指标的权重,并通过基于GIS的影响指数模型对矿山地质环境影响进行了评价和区划,探讨了矿山地质环境时空演化规律。研究结果表明:(1)3个大型矿区植被覆盖度下降区域的面积、排土场压占土地面积和露天采坑破坏地形地貌景观面积随时间不断增加;(2)大型矿区采矿对地质环境的影响划分为无影响区、轻微影响区、一般影响区、较强影响区和强烈影响区5个等级分区;(3)3个大型矿区地质环境时空演化规律基本相同,不同影响区的空间分布特征和面积随时间变化的规律不同。

关键词

露天煤矿区 / 地质环境 / 植被覆盖度 / 层次分析法 / 影响指数模型 / 时空演化评价

Key words

open-pit coal mine areas / geological environment / vegetation coverage / hierarchical analysis / impact index model / spatial and temporal evolution evaluation

0 引言

我国是一个富煤、贫油、少气的国家,长期以来煤炭资源在我国一次性能源生产结构中占到70%以上,因此,在未来很长一段时间内煤炭资源是我国的主体能源^[1]。大规模开发煤炭资源在保障了国民经济快速发展的同时也造成了一系列的地质环境问题^[2⇓-4]。主要的地质环境问题有地面沉陷^[5]、滑坡^[6-7]、土地压占^[8-9]、地形地貌景观破坏^[10-11]、含水层破坏^[12-13]和植被退化^[11]等。由此可见,开展矿区地质环境时空演化评价的研究非常必要。

近些年来,学者们主要通过融合RS、GIS和层次分析法等技术手段和方法评价地质环境的质量或者人类活动对地质环境的影响^{[14⇓⇓⇓-18]}。地质环境评价的流程如下:首先,通过现场调查和遥感数据等方法获取地质环境评价指标的特征,利用遥感数据获得了地表高程、坡度和归一化植被指数等评价因子信息^{[14⇓⇓⇓-18]};然后,构建地质环境评价指标体系,通过Fisher判别分析方法、层次分析法以及主成分分析等方法计算地质环境指标的权重^[14,17-18],其中层次分析法模型结构简单、概念清晰、层次分明,被广泛用于评价指标权重的计算^{[19⇓⇓-22]};最后,建立地质环境评价模型,并基于GIS强大的数据处理和空间分析功能,开展地质环境评价和分区^[15,18]。目前矿山地质环境评价缺乏考虑露天矿山开采对含水层破坏的影响,以及排土场、露天采坑对地质环境影响程度的差异,并且缺乏对多矿区地质环境时空演化特征对比分析^[22-23]。

针对以上问题,本文以锡林郭勒盟的胜利矿区、白音华矿区和贺斯格乌拉矿区这3个大型露天煤矿区为研究对象进行地质环境时空演化评价。首先在矿区现场调查的基础上,通过对2000—2020年之间21景遥感影像进行解译,获取了研究区主要矿山地质环境问题的特征;然后,构建了以植被覆盖度下降、土地压占(排土场和工业场地,本文提到的排土场均为外排土场)、地形地貌景观破坏(露天采坑)和含水层破坏为一级指标的矿山地质环境评价指标体系,并利用层次分析法确定地质环境问题二级指标的权重;最后,应用基于GIS的影响指数模型进行了矿区地质环境影响分区,分析了3个矿区地质环境时空演化规律。

1 研究区概况

锡林郭勒盟位于内蒙古自治区中部干旱与半干旱草原区,生态地质环境脆弱,该区是一个以高平原为主体,兼有多种地貌的地区,盆地错落其间。研究区属于温带大陆性气候,主要气候特征为冬季漫长严寒,春季风大少雨,夏季温热短促,秋季气温剧降,多年平均降水量约为300 mm,其中4—9月降雨量占全年降雨量的85%,且降水量自东南向西北递减^[22,24],主要土地类型为草地。

本文选择锡林郭勒盟内3个大型露天煤矿区为研究对象,自东向西分别是胜利矿区、白音华矿区和贺斯格乌拉矿区(图1),这3个矿区都位于二连聚煤盆地之中,该盆地是在海西期褶皱基底上形成的中生代断陷盆地,盆地内构造较简单,呈向斜盆状。研究区的地层岩性由新到老主要为第四系中细砂、黏土及砂砾石等,新近系砂砾石和黏土等,白垩系下统粗砂岩、细砂岩、粉砂岩及泥岩等,可采煤层赋存在白垩系下统地层中。含水层主要有第四系孔隙潜水含水层和白垩系砂岩裂隙承压含水岩组;隔水层主要有第四系、新近系黏土层和煤系地层中的泥岩隔水层。

研究区煤炭资源从2005年开始进行大规模开发,根据现场调查,矿区主要的地质环境问题包括植被覆盖度下降、土地压占、地形地貌景观破坏和含水层破坏等。露天煤矿在开采过程中采坑破坏地形地貌景观,含水层结构以及地表植被。露天煤矿在开采过程中疏排地下水,降低了矿坑周围的地下水水位。露天矿区工业场地和外排土场压占土地,并且破坏地表植被。论文在充分研究3个大型矿区地质环境问题特征的基础上,探究矿区地质环境演化的特征,研究成果对我国内蒙东部大型露天矿区地质环境的评价与治理提供参考。

2 材料与方法

2.1 遥感影像数据

本文主要通过遥感影像数据定量提取矿区地质环境信息,以2000年的遥感影像数据解译3个矿区小规模开发阶段的矿区地质环境信息,以2005年、2008年、2011年、2014年、2017年和2020年遥感影像数据解译3个矿区大规模开发阶段的矿区地质环境信息。遥感影像数据来源于地理空间数据云(https://www.gscloud.cn)和美国地质调查局网站(https://earthexplorer.usgs.gov),累计下载21景遥感数据。在考虑云量的基础上,尽量选取6—9月份的遥感影像,遥感影像的处理流程主要包括多光谱影像的辐射定标、大气校正和正射校正,并使用真彩色合成遥感影像。需要说明的是,2003年后的Landat7系列影像存在部分影像缺失和重叠问题,已经进行了条带修复。本文获取的遥感影像数据信息见表1。

2.2 遥感影像解译方法

遥感影像解译方法主要包括人机交互解译、遥感影像信息自动提取、基于面向对象的遥感影像信息提取和多源数据协同提取等方法^[25-26]。本文在矿区遥感解译中使用人机交互解译和多源数据协同相结合的方法提取土地压占和露天采坑破坏地形地貌景观的信息,其中土地压占分为排土场压占土地和工业场地压占土地。在解译过程中通过影像中地貌的形状、大小、明暗、颜色、纹理及位置进行判断,并结合谷歌地球历史高清卫星影像综合判断其所属类型。

在解译过程中,露天采坑可以观察到明显的灰色和黑色斑块,通过露天采坑边帮条状纹理识别露天采坑边界;排土场通常分布于露天采坑周围,颜色相对采坑较浅易于解译,并且排土场呈台阶式层状分布;工业场地解译标志为周围截然不同的蓝色屋顶和斑块分布。

矿区地表植被是矿区表层生态环境重要组成部分,并且植被覆盖度(FVC)是遥感信息观测中易于提取的因素,因此利用植被覆盖度定量表征地表生态环境的变化^[27]。FVC是指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分数,它可以利用归一化差分植被指数(NDVI)进行获取。FVC和NDVI之间存在显著的线性关系,因此,可通过象元二分法模型计算植被覆盖度^[28],由下式计算:

(1)FVC= \frac{\mathrm{N}\mathrm{D}\mathrm{V}\mathrm{I}-\mathrm{N}\mathrm{D}\mathrm{V}{\mathrm{I}}_{\mathrm{s}\mathrm{o}\mathrm{i}\mathrm{l}}}{\mathrm{N}\mathrm{D}\mathrm{V}{\mathrm{I}}_{\mathrm{v}\mathrm{e}\mathrm{g}}-\mathrm{N}\mathrm{D}\mathrm{V}{\mathrm{I}}_{\mathrm{s}\mathrm{o}\mathrm{i}\mathrm{l}}}

式中:FVC为植被覆盖度,无量纲;NDVI_veg表征植被完全覆盖的区域,无量纲;NDVI_soil表征裸土或者无植被覆盖的区域,无量纲。

公式(1)中的NDVI主要用来描述植被生长发育状况,它是通过遥感影像获得的近红外波段的反射率值和红波段的反射率值计算得到,见公式(2)。

(2)NDVI= \frac{\mathrm{N}\mathrm{I}\mathrm{R}-R}{\mathrm{N}\mathrm{I}\mathrm{R}+R}

式中:NIR为近红外波段的反射率值,无量纲;R为红波段的反射率值,无量纲。

根据累计百分数,选择5%~95%作为置信区间,累计占比小于5%的区域为无植被覆盖,95%以上的区域全植被覆盖。植被覆盖度下降由下式计算:

(3)

S=1-FVC

式中S为植被覆盖度下降,无量纲。

2.3 矿山地质环境影响评价模型

2.3.1 评价指标体系

在现场矿山地质环境问题调查的基础上,本文将植被覆盖度下降、土地压占、地形地貌景观破坏和含水层破坏4个指标确定为矿山地质环境问题的一级指标,其中植被覆盖度下降既是一级指标也是二级指标,含水层破坏包括潜水含水层和承压含水层水位下降、潜水含水层和承压含水层结构破坏4个二级指标,土地压占包括工业场地压占和排土场压占2个二级指标,地形地貌景观破坏既是一级指标也是二级指标,由此可见,矿山地质环境问题4个一级指标下面包含8个二级指标,指标之间的层级关系如图2所示。

2.3.2 权重确定

层次分析法在地质环境综合评价领域中广泛应用,主要用于计算评价指标的权重。层次分析法确定权重的流程依次为:(1)建立矿山地质环境问题一级指标判断矩阵;(2)构建矿山地质环境问题二级指标判断矩阵;(3)通过一级指标和二级指标的判断矩阵获得矿山地质环境问题二级指标的权重,各二级指标的权重之和为其对应的一级指标的权重;(4)计算随机一致性比率CR值,判断一致性检验是否通过。

2.3.3 影响指数模型

为了消除评价指标量纲对评价结果的影响,必须对数据进行归一化处理,使得数据具有可比性和统计意义^[29],归一化的公式如下:

(4)S_i= \frac{a+(b-a)[x_i-\mathrm{m}\mathrm{i}\mathrm{n}(x_i\left)\right]}{\left[\mathrm{m}\mathrm{a}\mathrm{x}\right(x_i)-\mathrm{m}\mathrm{i}\mathrm{n}(x_i\left)\right]}

式中:S_i为归一化处理后的数据;a,b分别为归一化处理的上限与下限,分别为0和1;x_i为未归一化的数据;min(x_i)和max(x_i)分别为x_i的最大值和最小值。

本文应用影响指数模型评价矿山地质环境,通过选择评价区某一栅格为计算单元,计算各评价因子与对应权重的乘积并求和,具体公式如下:

(5) \mathrm{Q} = \stackrel{n}{\sum _{k=1}} W_k S_k

式中:Q为该栅格的影响指数;W_k为第k个评价因子的权重;S_k为第k个评价因子的归一化数据;n为评价因子数量。此外,植被覆盖度梯度为某点植被覆盖度与周围相比最大的变化速率,单位1/m。

3 地质环境问题特征

3.1 植被覆盖度下降

如图3所示,胜利矿区在2000—2005年植被覆盖度下降区域的面积变化较小(图3a,b),在2008年之后植被覆盖度下降区域的面积迅速增大,这是由于2008年之后共有4个露天煤矿进行开采,露天采坑和工业场地破坏了地表植被,导致植被覆盖度较低(图3c-g)。从2014年起胜利矿区通过生态修复措施使得排土场部分区域的植被覆盖度提高,呈现出植被覆盖度提高区域的面积随时间增加的特征(图3e-g)。胜利矿区植被覆盖度以露天采坑为中心向四周以不同梯度上升,已经完成生态修复的排土场和采坑之间植被覆盖度上升较快(图3h)。

如图4所示,白音华矿区在2000—2005年植被覆盖度下降区域的面积变化较小(图4a,b),在2008年之后植被覆盖度下降区域的面积迅速增大,这是由于2008年之后共有4个露天煤矿进行开采,露天采坑和工业场地破坏了地表植被,导致植被覆盖度较低(图4c-g)。2014—2020年白音华矿区对排土场进行了生态修复,白音华排土场部分区域植被覆盖度显著提高(图4e-g)。白音华矿区植被覆盖度同样以露天采坑为中心向四周以不同梯度上升,已经完成生态修复的排土场和采坑之间植被覆盖度上升较快(图4h)。

如图5所示,贺斯格乌拉矿区在2000—2008年植被覆盖度下降区域的面积变化较小(图5a-c),在2008年之后植被覆盖度下降区域的面积迅速增大,这是由于在2008年之后共有2个露天煤矿进行开采,露天采坑和工业场地破坏了地表植被,导致植被覆盖度较低(图5c-g)。2017年之后贺斯格乌拉矿区通过生态修复措施使得排土场部分区域植被覆盖度提升(图5f,g)。同样,贺斯格乌拉矿区植被覆盖度以露天采坑为中心向四周以不同梯度上升,已经完成生态修复的排土场和采坑之间植被覆盖度上升较快(图5h)。

3.2 土地压占

如图6所示,胜利矿区工业场地和排土场压占土地的面积从2000—2020年不断增大,工业场地2005年、2008年、2011年、2014年、2017年和2020年压占土地的面积分别为0.3 km²、2.0 km²、6.1 km²、8.5 km²、9.5 km²和9.0 km²;排土场2000年、2005年、2008年、2011年、2014年、2017年和2020年压占土地的面积分别为0.05 km²、0.4 km²、9.7 km²、16.4 km²、27.9 km²、27.7 km²和32.8 km²。胜利矿区工业场地压占土地的面积呈现随时间先增长后会稳定的特征,排土场压占土地的面积呈现随时间持续增加的特征。

白音华矿区露天开采时间晚于胜利矿区,如图7所示,白音华矿区工业场地和排土场压占土地的面积从2008—2020年不断增大,工业场地2008年、2011年、2014年、2017年和2020年压占土地的面积分别为1.3 km²、4.3 km²、6.0 km²、7.8 km²和7.7 km²;排土场2008年、2011年、2014年、2017年和2020年压占土地的面积分别为7.8 km²、16.9 km²、24.1 km²、30.1 km²和38.8 km²。同样,白音华矿区工业场地压占土地的面积呈现随时间先增长后会稳定的特征,排土场压占土地的面积呈现随时间持续增加的特征。

如图8所示,贺斯格乌拉矿区工业场地和排土场压占土地的面积从2008—2020年不断增大,工业场地2008年、2011年、2014年、2017年和2020年压占土地的面积分别为0.3 km²、1.8 km²、2.6 km²、2.6 km²和3.1 km²;排土场2008年、2011年、2014年、2017年和2020年压占土地的面积分别为1.3 km²、5.8 km²、8.6 km²、9.3 km²和9.5 km²。同样,贺斯格乌拉矿区工业场地压占土地的面积呈现随时间先增长后会稳定的特征,排土场压占土地的面积呈现随时间持续增加的特征。

3.3 地形地貌景观破坏

如图6所示,胜利矿区露天采坑破坏地形地貌景观的面积从2000—2020年不断增大,露天采坑2000年、2005年、2008年、2011年、2014年、2017年和2020年破坏地形地貌景观的面积分别为1.4 km²、1.3 km²、6.1 km²、13.4 km²、19.9 km²、21.6 km²和27.3 km²。如图7所示,白音华矿区露天采坑破坏地形地貌景观的面积从2008—2020年不断增大,露天采坑2000年、2005年、2008年、2011年、2014年、2017年和2020年破坏地形地貌景观的面积分别为0.1 km²、0.1 km²、5.3 km²、9.7 km²、17.1 km²、21.9 km²和28.9 km²。如图8所示,贺斯格乌拉矿区露天采坑破坏地形地貌景观的面积从2008—2020年不断增大,露天采坑2008年、2011年、2014年、2017年和2020年面积分别为0.8 km²、2.7 km²、5.4 km²、5.7 km²和7.8 km²。总体而言,胜利矿区、白音华矿区以及贺斯格乌拉矿区露天采坑破坏地形地貌的面积呈现随时间持续增加的特征。

总体而言,胜利矿区、白音华矿区和贺斯格乌拉矿区地质环境问题的特征是相同的,3个大型矿区植被覆盖度下降区域的面积、排土场压占土地面积、露天采坑破坏地形地貌景观的面积呈现出随时间不断增加的特征,工业场地压占土地的面积呈现先增加后稳定的特征,植被覆盖度以露天采坑为中心向四周以不同梯度上升。

3.4 含水层破坏

含水层破坏包括含水层水位下降和含水层结构破坏,露天开采直接导致含水层结构破坏,并且露天矿排水导致含水层水位下降。含水层结构分为潜水含水层结构破坏与承压含水层结构破坏,破坏面积由遥感解译获得,由于矿区潜水水位埋深较浅,潜水含水层结构破坏面积约等于采坑破坏地形地貌的面积,承压含水层结构破坏面积约等于采坑坑底的面积,潜水含水层结构破坏面积大于承压含水层结构破坏面积,具体结果见表2。

露天采矿排水对潜水水位的影响范围可用公式(6)计算,露天采矿对承压水水位的影响范围可用公式(7)计算^[30],露天矿排水造成含水层水位下降的范围由公式(6)和公式(7)计算得到,计算结果见表3和表4。

(6)R₁=2S \sqrt{HK}

(7)R₂=10S \sqrt{K}

式中:R₁和R₂为影响半径,m;S为地下水水位降深设计值,m;H为含水层厚度,m;K为渗透系数,m/d

4 矿区地质环境演化评价

4.1 评价指标权重与影响分区阈值

4.1.1 评价指标权重

通过矿山地质环境问题一级指标之间两两相互比较,建立一级指标判断矩阵(表5),判断矩阵构建的依据如下:相对于含水层破坏、土地压占和地形地貌景观破坏,植被覆盖度下降是一种可恢复的因素,不会对地质环境造成显著的影响;相对于土地压占和地形地貌景观破坏,含水层破坏并不会直接改变地表生态环境;相较于土地压占,采坑破坏地形地貌景观对地质环境的影响更为显著。通过矿山地质环境问题二级指标之间两两相互比较,建立二级指标判断矩阵(表6、表7),相对于含水层结构破坏,含水层水位下降是可恢复的;相对于工业场地,排土场对于地质环境影响程度更高。

表5判断矩阵CR值为0.046<0.1,表6的判断矩阵为二阶矩阵(RI值为0,无法计算CR值),但二阶数据均满足一致性检验,表7的判断矩阵CR值为0.023<0.1,因此计算的权重具有一致性。根据地质环境问题一级指标判断矩阵和二级指标判断矩阵,就可以计算出地质环境问题一级和二级指标的权重(表8)。

4.1.2 影响分区阈值

基于GIS软件的空间分析功能,通过地质环境评价模型计算得到了研究区每一个栅格单元的影响指数,并利用自然断点法确定了矿区地质环境影响分区的阈值,具体如下:无影响区(0<Q≤0.03),轻微影响区(0.03<Q≤0.14),一般影响区(0.14<Q≤0.26),较强影响区(0.26<Q≤0.38),强烈影响区(0.38<Q≤0.71)。

4.2 地质环境演化结果与讨论

4.2.1 胜利矿区地质环境演化

如图9所示,胜利矿区无影响区主要分布在矿区外部,无影响区分布于矿区地质环境问题影响范围之外。轻微影响区主要分布在露天采坑周边,少量分布于工业场地,轻微影响区分布于含水层水位下降的范围内,轻微影响区的成因是承压含水层、潜水含水层水位下降和工业场地压占,轻微影响区的面积呈现出随时间先增加后平稳的特征。一般影响区分布较为分散,工业场地及排土场均有分布,一般影响区的成因是植被覆盖度下降、含水层水位下降、工业场地压占和排土场压占,面积呈现出随时间不断增加的特征。较强影响区分布于排土场,较强影响区的成因是植被覆盖度下降、含水层水位下降和排土场压占,面积呈现出随时间先增加后平稳的特征。强烈影响区分布于采坑,强烈影响区的成因包括植被覆盖度下降、含水层结构破坏和水位下降、地形地貌景观破坏,面积呈现出随时间不断增加的特征。总体而言,采矿对胜利矿区的影响程度以采坑为中心向四周下降。

4.2.2 白音华矿区地质环境演化

如图10所示,白音华矿区无影响区主要分布在矿区外部,无影响区分布于矿区地质环境问题影响范围之外。轻微影响区主要分布在露天采坑周边,少量分布于工业场地,轻微影响区分布于含水层水位下降的范围内,轻微影响区的成因是承压含水层、潜水含水层水位下降和工业场地压占,白音华矿区潜水含水层水位下降影响的面积较小,轻微影响区的面积呈现出随时间先增加后平稳的特征。一般影响区分布较为分散,工业场地及排土场均有分布,一般影响区的成因是植被覆盖度下降、含水层水位下降、工业场地压占和排土场压占,面积呈现出随时间不断增加的特征。较强影响区分布于排土场,较强影响区的成因是植被覆盖度下降、含水层水位下降和排土场压占,面积呈现出随时间不断增加特征。强烈影响区主要分布于露天采坑,强烈影响区的成因包括植被覆盖度下降、含水层结构破坏和水位下降、地形地貌景观破坏,面积呈现出随时间不断增加的特征。总体而言,采矿对白音华矿区的影响程度以采坑为中心向四周下降。

4.2.3 贺斯格乌拉矿区地质环境演化

如图11所示,贺斯格乌拉矿区无影响区主要分布在矿区外部,无影响区分布于矿区地质环境问题影响范围之外。轻微影响区主要分布在露天采坑周边,少量分布于工业场地,轻微影响区分布于含水层水位下降的范围内,轻微影响区的成因为承压含水层、潜水含水层水位下降和工业场地压占,轻微影响区的面积呈现出随时间先增加后平稳的特征。一般影响区分布较为分散,工业场地及排土场均有分布,一般影响区的成因是植被覆盖度下降、含水层水位下降、工业场地压占和排土场压占,面积呈现出随时间先增加后平稳的特征。较强影响区分布于排土场,较强影响区的成因是植被覆盖度下降、含水层水位下降和排土场压占,面积呈现出随时间不断增加的特征。强烈影响区主要分布于露天采坑,强烈影响区的成因包括植被覆盖度下降、含水层结构破坏和水位下降、地形地貌景观破坏,面积呈现出随时间不断增加的特征。总体而言,采矿对贺斯格乌拉矿区的影响程度以采坑为中心向四周下降。

4.2.4 讨论

总体而言,胜利矿区、白音华矿区和贺斯格乌拉矿区地质环境时空演化规律是相同的,无影响区、轻微影响区、一般影响区、较强影响区和强烈影响区的分布、成因和面积变化特征如表9所示。其中工业场地被划分为轻微影响区和一般影响区两个区域,原因在于工业场地植被覆盖度的非一致性,部分工业场地的植被覆盖度较高,地质环境影响程度相对较低,属于轻微影响区;另一部分工业场地的植被覆盖度较低,地质环境影响程度相对较高,属于一般影响区。同样的,排土场被划分为一般影响区和较强影响区两个区域,原因在于部分排土场进行了生态修复措施,使得排土场的植被覆盖度有所提升,植被覆盖度较高的排土场为一般影响区,植被覆盖度较低的排土场为较强影响区。

前人在矿区生态地质环境的研究成果表明采矿活动对生态地质环境的影响程度与矿业开发的密集程度高度相关^[31-32]。与前人在矿区地质环境评价中采用大范围提取地质环境因子不同^[33],本研究在矿业开发密集区域,通过遥感解译,更加精确地揭示了地质环境问题演化特征。

矿区植被覆盖度受到矿区采矿活动的剧烈影响,表现为在采坑和工业场地区域植被覆盖度的下降,排土场植被覆盖度则呈现上升和下降两种趋势,因为部分排土场区域采用了生态修复措施,植被覆盖度得到明显提升。与以往的锡林郭勒盟矿区植被研究相比,本研究不仅详细厘清了矿区不同区域植被覆盖度的演化特征,并探讨了排土场植被覆盖度上升的原因^[34]。

本文在充分考虑前人研究的基础上,增加了利用遥感图像解译矿区土地压占和露天采坑面积,定量表征了植被覆盖度下降、含水层破坏、土地压占和地形地貌景观破坏的时空演化特征,基于矿区地质环境时空演化评价结果,分析了矿区不同影响区分布、成因和面积变化的特征。此外,研究表明矿区植被覆盖度下降与采矿活动和气候有着密切的关系^[34],本文没有考虑气候变化对植被覆盖度下降的影响。

5 结论

本文建立了锡林郭勒盟大型露天煤矿区地质环境影响的评价体系,指标体系由4个地质环境一级指标和8个地质环境二级指标构成,通过遥感和基础地质资料研究了研究区地质环境问题的特征,利用层次分析法确定了评价指标的权重,应用基于GIS的影响指数模型评价了采矿对矿区地质环境的影响,探究了大型矿区地质环境时空演变规律,取得的主要结论如下:

(1)大型矿区地质环境问题的特征是基本相同,植被覆盖度下降区域的面积、排土场压占土地的面积、露天采坑破坏地形地貌景观和含水层破坏的面积呈现出随时间不断增加的特征,工业场地压占土地的面积呈现先增加后稳定的特征,植被覆盖度以露天采坑为中心向四周以不同梯度上升。

(2)大型矿区地质环境影响区的空间分布特征基本相同,轻微影响区主要分布在露天采坑的周边区域,一般影响区主要分布在排土场和工业场地区域,较强影响区主要分布在排土场区域,强烈影响区主要分布在露天采坑区域。

(3)大型矿区地质环境影响区随时间演化的特征基本相同,轻微影响区的面积在2005—2011年间快速增加,在2011年之后基本保持稳定;一般影响区的面积在2008—2020年间持续增加或增加后平稳,较强影响区和强烈影响区面积在2008—2020年间不断增加。

参考文献

[1] 滕吉文, 王玉辰, 司芗, 煤炭、煤层气多元转型是中国化石能源勘探开发与供需之本[J]. 科学技术与工程, 2021, 21(22): 9169-9193.

[2] 范立民, 马雄德, 李永红, 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.

[3] 武强. 我国矿山环境地质问题类型划分研究[J]. 水文地质工程地质, 2003, 30(5): 107-112.

[4] 罗明, 张世文, 魏洪斌, 基于IUCN《矿山生物多样性管理系列指南》的大宝山矿生态修复实践研究[J]. 地学前缘, 2021, 28(4): 90-99.

[5] 余露, 白光宇, 周建伟, 呼伦贝尔某煤矿区地境结构特征及其对草原生态恢复的意义[J]. 安全与环境工程, 2019, 26(4): 29-36.

[6] 郝大海, 姚玉增, 关长庆, 基于高分辨率遥感技术的辽宁大孤山铁矿排土场滑坡灾害评价[J]. 世界地质, 2020, 39(4): 937-945.

[7] YU X Y, MAO X W. A preliminary discrimination model of a deep mining landslide and its application in the Guanwen coal mine[J]. Bulletin of Engineering Geology and the Environment, 2020, 79(1): 485-493.

[8] SHANG H, ZHAN H Z, NI W K, et al. Surface environmental evolution monitoring in coal mining subsidence area based on multi-source remote sensing data[J]. Frontiers in Earth Science, 2022, 10: 790737.

[9] 杨金中, 许文佳, 姚维岭, 全国采矿损毁土地分布与治理状况及存在问题[J]. 地学前缘, 2021, 28(4): 83-89.

[10] XU W X, WANG J M, ZHANG M, et al. Construction of landscape ecological network based on landscape ecological risk assessment in a large-scale opencast coal mine area[J]. Journal of Cleaner Production, 2021, 286: 125523.

[11] 张晓德, 刘桂香, 王梦圆, 开矿对锡林浩特市草原景观的影响[J]. 中国草地学报, 2018, 40(3): 102-109.

[12] 郭二果, 蔡煜, 马静, 草原区露天煤矿开发地下水水质影响评价[J]. 中国煤炭, 2015, 41(1): 123-130.

[13] 李建中, 周爱国, 周建伟, 华北煤田矿山开采导致含水层破坏风险评估: 以淄博洪山煤矿为例[J]. 地球科学, 2020, 45(3): 1027-1040.

[14] SUN X F, SHAO H Y, XIANG X Y, et al. A coupling method for eco-geological environmental safety assessment in mining areas using PCA and catastrophe theory[J]. Natural Resources Research, 2020, 29(6): 4133-4148.

[15] YANG Z, Li W P, Li X Q, et al. Assessment of eco-geo-environment quality using multivariate data: a case study in a coal mining area of western China[J]. Ecological Indicators, 2019, 107: 105651.

[16] SAEDPANAH S, AMANOLLAHI J. Environmental pollution and geo-ecological risk assessment of the Qhorveh mining area in western Iran[J]. Environmental Pollution, 2019, 253: 811-820.

[17] 张紫昭, 隋旺华. 新疆地区煤矿地质环境影响程度分析评价模型[J]. 煤炭学报, 2017, 42(2): 344-352.

[18] 蒋复量, 周科平, 李长山, 基于层次分析和灰色综合评判的石膏矿山地质环境影响评价[J]. 中国安全科学学报, 2009, 19(3): 125-131.

[19] NGUYEN A K, LIOU Y A, LI M H, et al. Zoning eco-environmental vulnerability for environmental management and protection[J]. Ecological Indicators, 2016, 69: 100-117.

[20] WANG Y, DING Q, ZHUANG D F. An eco-city evaluation method based on spatial analysis technology: a case study of Jiangsu Province, China[J]. Ecological Indicators, 2015, 58: 37-46.

[21] LEMAN N, RAMLI M F, KHIROTDIN R P K. GIS-based integrated evaluation of environmentally sensitive areas (ESAs) for land use planning in Langkawi, Malaysia[J]. Ecological Indicators, 2016, 61(2): 293-308.

[22] 贾晗, 刘军省, 殷显阳. 安徽铜陵硫铁矿集中开采区矿山地质环境评价研究[J]. 地学前缘, 2021, 28(4): 132-141.

[23] LI H K, XU F, LI Q. Remote sensing monitoring of land damage and restoration in rare earth mining areas in 6 counties in southern Jiangxi based on multisource sequential images[J]. Journal of Environmental Management, 2020, 267: 110653.

[24] 王爽, 李庆旭, 张彪. 锡林郭勒盟净初级生产力时空变化及其气候影响[J]. 生态学杂志, 2021, 40(3): 825-834.

[25] 张继贤, 顾海燕, 杨懿, 高分辨率遥感影像智能解译研究进展与趋势[J]. 遥感学报, 2021, 25(11): 2198-2210.

[26] 张凯翔. 露天矿地质环境解译标志体系和信息提取方法的研究及示范应用[D]. 武汉: 中国地质大学(武汉), 2018: 29-95.

[27] SHAO Z F, DING L, LI D, et al. Exploring the relationship between urbanization and ecological environment using remote sensing images and statistical data: a case study in the Yangtze River Delta, China[J]. Sustainability, 2020, 12(14): 5620.

[28] 李苗苗. 植被覆盖度的遥感估算方法研究[D]. 北京: 中国科学院研究生院(遥感应用研究所), 2003: 41-55.

[29] 武强, 王金华, 刘东海, 煤层底板突水评价的新型实用方法Ⅳ: 基于GIS的AHP型脆弱性指数法应用[J]. 煤炭学报, 2009, 34(2): 233-238.

[30] 中华人民共和国环境保护部. 环境影响评价技术导则: 地下水环境: HJ 610—2011[S]. 北京: 中国环境科学出版社, 2011.

[31] HU J M, YE B Y, BAI Z K, et al. Comparison of the vegetation index of reclamtion mining areas calculated by multi-source remote sensing data[J]. Land, 2022, 11(3):11030325.

[32] 白中科, 周伟, 王金满, 再论矿区生态系统恢复重建[J]. 中国土地科学, 2018, 32(11): 1-9.

[33] XU F, LI H K, LI Y S. Ecological environment quality evaluation and evolution analysis of a rare earth mining area under different disturbance conditions[J]. Environmental Geochemistry and Health, 2021, 43(6): 2243-2256.

[34] HUI J W, CHEN Z X, YE B Y, et al. Remote sensing monitoring of the spatial pattern of greening and erowning in Xilin Gol Grassland and its response to climate and human activities[J]. Remote Sensing, 2022, 14(7): 1765.

基金资助

内蒙古科技重大专项(2020ZD0020)

国家自然科学基金项目(42102295)

中央高校基本科研业务费项目(2-9-2020-019)