1995—2023年锡林浩特露天煤矿矿区植被绿度时空演变特征

doi:10.7522/j.issn.1000-694X.2025.00155

摘要/Abstract

摘要：

露天煤矿的开采活动及后续生态修复工程直接影响植被的生长状况与空间分布。开展矿区植被状况监测对于评估修复工程成效、指导后续生态治理具有重要意义。本研究选定锡林郭勒盟乌兰图嘎锗矿矿区与胜利西二号矿区作为研究区，利用Google Earth Engine云平台计算1995—2023年EVI时间序列数据，采用Sen+MK分析研究区植被绿度空间格局、时空演变趋势，运用变异系数分析研究区植被稳定性，基于生态修复工程实施前后EVI差值对生态修复效果进行评估。结果表明：（1）1995—2023年研究区EVI空间格局受矿区开采活动影响，呈现南部高、北部低的特征，低值区随露天开采范围向北扩张。（2）EVI整体呈下降趋势，29年间年均下降0.0039，2017年和2019年降至最低。空间上，77.7%区域下降，最大年降幅0.0089；22.3%区域上升，最大年上升为0.0072。（3）EVI稳定性差异显著：变异系数均值为0.44，范围为0.2~1.0，呈中部高、四周低格局。高波动区域占12.1%，较高波动区占24.6%。（4）生态修复工程成效明显，自2015年起实施修复工程，至2023年已有86.1%排土场区域恢复，13.9%区域仍退化，主要分布在采矿干扰带。

关键词: 露天矿区, 生态修复, 遥感监测, EVI

Abstract:

Open-pit coal mining activities and subsequent ecological restoration projects directly affect the growth and spatial distribution of vegetation. Monitoring vegetation conditions in mining areas is crucial for evaluating the effectiveness of restoration efforts and guiding future ecological management. In this study， the Wulantuga germanium open-pit mining area and the Shengli West No.2 open-pit coal mine in Xilingol League， Inner Mongolia， China were selected as the study area. Using the Google Earth Engine （GEE） cloud platform， we calculated the EVI time-series data from 1995 to 2023. The Sen's slope estimator and Mann-Kendall （MK） test were employed to analyze the spatial patterns and spatiotemporal evolution of vegetation greenness. The coefficient of variation was used to assess vegetation stability over the 29-year period， and the differences in EVI before and after ecological restoration were used to evaluate restoration effectiveness. The results show that：（1） From 1995 to 2023， the spatial pattern of EVI was significantly influenced by mining activities， evolving from a distribution of high in the south and low in the north， with low-value zones expanding northward along with the open-pit mining area. （2） Overall， EVI exhibited a decreasing trend， with an average annual decline rate of 0.0039， reaching the lowest levels in 2017 and 2019. Spatially， 77.7% of the area showed decline （maximum 0.0089）， while 22.3% showed an increase （maximum 0.0072）. （3） EVI stability varied significantly， with an average coefficient of variation of 0.44 （ranging from 0.2 to 1.0）， displaying a pattern of high in the center and low on the periphery. Highly fluctuating areas accounted for 12.1%， and moderately fluctuating areas accounted for 24.6%. （4） Ecological restoration efforts achieved notable results： since their implementation in 2015， 86.1% of the dump areas have shown vegetation recovery by 2023， while 13.9% of areas， mainly the mining disturbance zones， remain degraded.

Key words: open-pit mining area, ecological restoration, remote sensing monitoring, EVI

中图分类号:

Q948

赵美玲, 白宇, 季达, 范志睿, 杨广鑫, 陈丙昊, 罗亚勇. 1995—2023年锡林浩特露天煤矿矿区植被绿度时空演变特征[J]. 中国沙漠, 2026, 46(2): 113-121.

Meiling Zhao, Yu Bai, Da Ji, Zhirui Fan, Guangxin Yang, Binghao Chen, Yayong Luo. Spatio-temporal evolution characteristics of vegetation greenness in open-pit coal mine area of Xilinhot from 1995 to 2023[J]. Journal of Desert Research, 2026, 46(2): 113-121.

图/表 9

图1 研究区范围注：影像资料来源于哨兵二号；基于自然资源部标准地图服务网站标准地图（审图号：GS（2024）0650号）制作，底图边界无修改

Fig.1 Study area

表1 数据说明

Table 1 Data description

数据集名称	空间分辨率/m	时间范围	波段信息
Landsat-5 SR	30	1995—2011年	Band1蓝光(0.45~0.52 µm)
			Band3红光(0.63~0.69 µm)
			Band4近红外(0.77~0.90 µm)
Landsat-8 SR	30	2013—2023年	Band2蓝光(0.45~0.51 µm)
			Band4红光(0.64~0.67 µm)
			Band5近红外(0.85~0.88 µm)

图2 1995—2023年研究区EVI的空间分布

Fig.2 Spatial distribution of EVI in the study area from 1995 to 2023

图3 1995—2023年研究区EVI变化趋势

Fig.3 EVI trends in study area from 1995 to 2023

图4 1995—2023年研究区EVI变化趋势与显著性

Fig.4 EVI change trend and significance in the study area from 1995 to 2023

图5 1995—2023年研究区EVI变异系数与分级

Fig.5 EVI coefficient and grades of variation in the study area from 1995 to 2023

表2 研究区变异系数分级面积占比

Table 2 Proportion of variation degree in the study area

变异系数分级	面积占比/%
高波动	12.1
较高波动	24.6
中等波动	21.9
较低波动	24.5
低波动	16.9

图6 西二矿内、外排土场2023年EVI与2015年EVI差值

Fig.6 Assessment of ecological restoration effect in the inner and outer dumping sites of the West No.2 Mine

图7 1995—2023年研究区7—9月降水量

Fig. 7 Average precipitation during May-September in the study area from 1995 to 2023

参考文献 32

[1]	朱训.论矿业与可持续发展［J］.中国矿业，2000（1）：6-11.
[2]	昌正林.我国露天采矿技术发展趋势及展望［J］.现代矿业，2023，39（7）：1-4.
[3]	吴立新，马保东，刘善军.基于SPOT卫星NDVI数据的神东矿区植被覆盖动态变化分析［J］.煤炭学报，2009，34（9）：1217-1222.
[4]	毕银丽，彭苏萍，杜善周.西部干旱半干旱露天煤矿生态重构技术难点及发展方向［J］.煤炭学报，2021，46（5）：1355-1364.
[5]	张绍良，米家鑫，侯湖平，等.矿山生态恢复研究进展：基于连续三届的世界生态恢复大会报告［J］.生态学报，2018，38（15）：5611-5619.
[6]	范沁河，仝学平，焦轶恒，等.基于多源遥感数据融合的神东矿区植被覆盖变化及其驱动力分析［J］.草原与草坪，2024，44（4）：141-153.
[7]	万一，肖让，黎明，等.基于GRNDVI的某矿区近10 a植被修复状况监测与评价［J］.金属矿山，2025（6）：250-257.
[8]	张成业，李军，雷少刚，等.矿区生态环境定量遥感监测研究进展与展望［J］.金属矿山，2022（3）：1-27.
[9]	蒙继华，何荣鹏，林圳鑫.Google Earth Engine在农业管理中的研究现状与展望［J］.地球信息科学学报，2024，26（4）：1002-1018.
[10]	孙灏，高金华，崔希民，等.大型煤炭基地生态系统服务功能遥感评估及演变分析［J］.遥感学报，2024，28（4）：926-939.
[11]	徐尚昭，陈斌，周阳阳，等.矿区植被覆盖度时空变化遥感监测研究：以广东省大宝山矿区为例［J］.安徽农业科学，2023，51（5）：46-50.
[12]	吴秦豫，姚喜军，梁洁，等.鄂尔多斯市煤矿区植被覆盖改善和退化效应的时空强度［J］.干旱区资源与环境，2022，36（8）：101-109.
[13]	王义，张艺藂，程洋，等.1986-2023年间神东矿区煤炭开采活动下植被覆盖遥感监测与时空变化分析［J］.自然资源遥感，2025，37（3）：65-75.
[14]	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.
[15]	Yang W， Zhou Y， Li C.Assessment of ecological environment quality in rare Earth mining areas based on improved RSEI［J］.Sustainability，2023，15：2964.
[16]	惠嘉伟，白中科，刘凯杰，等.归一化植被指数（NDVI）在草原露天煤矿区的适用性分析［J］.工程科学学报，2023，45（1）：54-63.
[17]	陈亮，王学雷，杨超，等.2000-2018年鄂西山区植被EVI时空变化特征及其地形效应［J］.长江流域资源与环境，2021，30（2）：419-426.
[18]	王小娜，田金炎，李小娟，等.Google Earth Engine云平台对遥感发展的改变［J］.遥感学报，2022，26（2）：299-309.
[19]	邹蕴，贺晓，赵金花，等.我国北方草原区露天煤炭开采对周边草原群落的影响：以锡林浩特市西二矿为例［J］.干旱区资源与环境，2019，33（8）：199-203.
[20]	Wulder M A， Roy D P， Radeloff V C，et al.Fifty years of Landsat science and impacts［J］.Remote Sensing of Environment，2022，280：113195.
[21]	Matsushita B， Yang W， Chen J，et al.Sensitivity of the enhanced vegetation index （EVI） and normalized difference vegetation index （NDVI） to topographic effects：a case study in high-density cypress forest［J］.Sensors，2007，7（11）：2636-2651.
[22]	陈春波，李均力，赵炎，等.新疆草地时空动态及其对气候变化的响应：以昌吉回族自治州为例［J］.干旱区研究，2023，40（9）：1484-1497.
[23]	Sen Kumar P.Estimates of the regression coefficient based on Kendall's Tau［J］.Publications of the American Statistical Association，1968，63（324）：1379-1389.
[24]	刘英，雷少刚，陈孝杨，等.神东矿区植被覆盖度时序变化与驱动因素分析及引导恢复策略［J］.煤炭学报，2021，46（10）：3319-3331.
[25]	刘英，侯恩科，岳辉.基于MODIS的神东矿区植被动态监测与趋势分析［J］.国土资源遥感，2017，29（2）：132-137.
[26]	邢龙飞，黄赳，雷少刚，等.锡林浩特市胜利矿区近30 a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.
[27]	王皓，王强民，董书宁，等.西部典型煤矿区采动水文生态效应及修复途径［J］.煤炭学报，2025，50（1）：610-622.
[28]	王市委，张浩斌，郭文兵，等.气候和采矿活动对荒漠化草原露天矿区植被的影响［J］.干旱区研究，2024，41（11）：1921-1935.
[29]	郭俊文，王素萍，郭俊瑞，等.1970-2019年黄河源区气候变化及其对植被净初级生产力的影响［J］.沙漠与绿洲气象，2025，19（2）：135-142.
[30]	贾红磊，安昊东，王晴，等.不同禾本科植物对矿区重金属污染土壤的修复效果研究［J］.陕西科技大学学报，2025，43（1）：23-28.
[31]	王科雯，李晶，王瑞国，等.胜利矿区植被覆盖度时序变化的空间异质性监测［J］.测绘通报，2020（11）：1-6.
[32]	宁璐，崔向新，刘艳萍，等.内蒙古典型草原区露天矿土壤侵蚀机理及防控技术研究进展［J］.北方园艺，2022（22）：132-138.