煤炭在中国能源结构中占据重要地位^［1］。煤矿开采主要有露天开采和井下开采两种方式，露天开采因具有生产空间大、工作环境安全、机械化水平高、矿石利用率高等特点，被广泛应用^［2］。然而露天开采会形成大面积的采坑和排土场，导致当地生态环境遭受破坏。中国露天煤矿大多位于干旱半干旱地区，该类地区降水量少、地表蒸散发强度高、生态系统脆弱，对于环境扰动敏感^［3］。在大规模露天开采与干旱半干旱区弱生态调节性的双重影响下，更加剧开采区的生态问题^［4］。近年，部分露天矿区贯彻落实可持续绿色发展理念，积极推进绿色矿山建设，实施一系列生态整治工程，通过人工干预方式进行矿区修复^［5］。植被是生态系统变化的指向器，绿度则反映研究区植被生长状况。长期监测露天矿区植被绿度，可有效诊断矿区开采过程对当地植被造成的影响以及评价矿区生态修复效果，对指导矿区修复工作具有重要的理论价值和实践意义^［6］。

传统植被监测采用设立观测站和开展野外调查等方式，该类方法适用小范围区域研究。面对大范围植被监测，传统手段资源消耗大、效率低，难以及时发现区域性生态问题^［7］。航天遥感具有成本低、监测覆盖广、时效性高等优点，已成为植被监测的重要技术手段^［8］。并且，随着云计算的发展，遥感数据的云处理与云分析成为可能^［9］。目前，众多学者通过构建遥感光谱指数来监测矿区植被状况。根据光谱指数的选择方法，主要分为两大类^［10］。第一类利用单一光谱指数进行矿区生态状况监测：徐尚昭等^［11］利用2005—2019年Landsat遥感影像，反演大宝山矿区植被覆盖度，分析探讨煤矿开采对研究区总体生态环境质量所造成的影响；吴秦豫等^［12］通过1 km分辨率下NDVI指数，对鄂尔多斯市1998—2019年煤矿区植被退化与改善程度进行研究，量化21年间该区植被变化；王义等^［13］从植被变化趋势、稳定性与未来变化等方面，对神东矿区植被进行时空动态分析，支持了神东矿区生态修复工作的进一步开展。使用单一光谱指数能够量化矿区植被变化情况，但单一指数信息有限，对矿区生态系统的刻画存在一定局限。第二类使用综合光谱指数监测：彭金艳等^［14］构建遥感绿色指数模型，从宏观上掌握了义马矿区生态系统动态发展过程，为矿区生态环境修复提供重要依据；Yang等^［15］使用改进遥感生态指数（K-RSEI），定量分析了江西省“三南”地区矿区开采对周边环境造成的破坏。相较前者，这类方法能够更全面地反映矿区生态状况。

不论使用单一光谱指数还是综合指数对矿区生态进行监测，上述研究均使用归一化植被指数（Normalized Difference Vegetation Index，NDVI）来表征研究区植被绿度。而据惠嘉伟等^［16］的研究，矿区内部开采区裸地光谱曲线与部分干旱区植被光谱曲线形状类似，利用NDVI进行矿区绿度监测，易将煤矿覆盖的裸地区域识别为低中生长状况的植被区域，导致矿区绿度被高估。相较NDVI，增强植被指数（Enhanced Vegetation Index，EVI）因具有弱化背景噪声的特点，提高了对区域植被监测的灵敏度，可以更准确地反映矿区植被绿度变化^［17］。同时，既往研究大多将遥感数据下载到本地预处理后再进行分析，流程烦琐。Google Earth Enginne （GEE）遥感云平台，可以在线访问和处理海量遥感数据，省去遥感数据预处理过程，便于进行长时序植被绿度动态分析，提升矿区生态监测效率^［18］。

本文以锡林浩特市胜利煤田乌兰图嘎锗矿露天矿区与胜利西二号矿区为研究区域，在GEE平台上使用Landsat卫星遥感数据计算1995—2023年该区EVI时间序列，系统分析植被绿度的空间分布特征及其时空演变规律；同时，引入变异系数探讨露天开采对EVI稳定性的影响；最后，根据生态修复工程实施前后EVI差值定量评价修复措施所取得的成效，旨在为矿区生态修复的科学决策与精准实施提供科学参考。

胜利煤田位于内蒙古自治区锡林郭勒盟锡林浩特市北部，呈北东-南西向条带状展布，是目前中国最大的褐煤基地。其中，露天矿区共计7个，包括乌兰图嘎锗矿矿区、胜利西一号矿区、胜利西二号矿区、胜利西三号矿区、胜利东一号矿区、胜利东二号矿区、胜利东三号矿区。本文研究区域为乌兰图嘎锗矿矿区（乌煤）与胜利西二号矿区（西二矿），且根据矿区资料，将研究区分为开采区、排土场区与其余用地（建筑用地、管道设施用地等）。研究区（43°56′—44°00′N，115°53′—115°59′E）位于胜利煤田西侧，总占地面积约为21.84 km²，平均海拔988.3 m（图1）。该地区属中温带草原气候，四季分明，夏季炎热多雨、冬季寒冷干燥，年平均气温2.6 ℃，年降水量263.5 mm^［19］。研究区优势植物主要包括柠条（Caragana korshinskii）、小叶锦鸡儿（Caragana microphylla）、怪柳（Tamarix chinensis）、山杏（Prunus armeniaca）、丁香（Syringa spp）等乔灌木和紫花苜蓿（Medicago sativa）、沙打旺（Astragalus adsurgens）、猪毛菜（Salsola collina）、狗尾草（Setaria viridis）、草木樨（Melilotus officinalis）等草本。土壤类型主要有栗钙土，并伴有砂岩，土壤pH值平均为9.11，呈碱性，土壤肥力较差，有机质含量较低。

在GEE平台Landsat 5、Landsat 8地表反射率数据集中，选取研究区1995—2023年植被长势较好（7—9月）、含云量较低（<10%）、质量较高的遥感影像作为研究数据。表1总结了研究所使用数据集名称、空间分辨率、时间范围等信息。

在Landsat地表反射率数据处理中，利用质量控制波段（QA波段）进行云掩膜处理，并对空缺值采用均值滤波进行填充，以保证数据的完整性和可用性^［20］。随后，结合谷歌地球影像资料及企业提供的矿区开采范围和分布等信息，在 ArcGIS 10.8中完成研究区边界矢量化，并将结果上传至 GEE 平台进行影像拼接、裁剪。由于Landsat 7卫星搭载的传感器于2003年发生故障，影像出现条带缺失。鉴于此，本文将2012年研究区的EVI数据以2011年与2013年数据的平均值替代，以保证数据完整性。

增强植被指数是一种改良植被指数，通过引入蓝光波段，有效减少来自大气、土壤等背景噪声的不利影响^［21］。此外，EVI对植被生长状况和生态修复过程中的绿度响应更加敏感，被广泛应用于干旱半干旱区植被动态监测中^［22］：

式中：ρnir为近红外波段地表反射率；ρred为红光波段地表反射率；ρblue为蓝光波段地表反射率。

Theil-Sen趋势分析是一种拟合性良好的非参数统计表征时间序列数据变化趋势方法，该方法计算序列的中值，对于异常值敏感性较低^［23］。

式中：median为中位数函数；xi和xj分别代表EVI数据集中第i年和第j年份的值；1<i<j；β为Sen趋势度，用来表示序列趋势上升和下降的程度。当β>0时，表示该像元序列EVI指数呈现上升的趋势；当β<0时，表示EVI序列呈下降趋势。

Mann-Kendall非参数检验，无需使数据服从特定的概率分布模型，受极端值干扰小，适用于非正态分布的时间数据序列趋势的显著性检验。对于时间序列X=x1,x2,x3,…,xn，n为时间序列长度：

式中：xi和xj分别代表时间序列中第i年和第j年的EVI。方差计算公式为：

对S进行标准化，得到统计检验值ZMK：

ZMK>0时，表明该像元处EVI时间序列上升，ZMK<0时，则表明EVI时间序列减小；|ZMK|越大，表示此序列变化趋势越显著。

变异系数在本研究中用来描述EVI时间序列数据的相对波动程度：

式中：CV是变异系数；σevi是像元时间序列标准差；μevi是像元时间序列平均值。变异系数越大，则代表该像元范围植被变化程度越剧烈；变异系数越小，则代表该像元范围植被较为稳定^［24］。为更好地探明研究区植被时间序列的波动特征，通过自然断点法，根据1995—2023年变异系数将研究区划分为低波动区域、较低波动区域、中等波动区域、较高波动区域与高波动区域。

1995—2023年研究区EVI空间分布特征受矿区开采规划影响，呈现显著空间差异，反映露天开采区的分布与范围变化。1995年，研究区未受露天开采扰动，植被生长状况较好且EVI分布均匀；到2000年，研究区EVI值整体较低，植被普遍发育较差，尽管EVI空间分布相对均匀，但乌煤二采区南部EVI值低于周边地区，出现露天开采痕迹；2005—2010年露天开采区向南扩张，扩张区域位于乌煤二采区、乌煤外排土场、其余用地，以及西二矿外排土场，研究区南部形成明显EVI低值聚集区，而北部尚未开采，EVI值相对较高；2010—2023年矿区在原开采区基础上逐步向北扩张，延伸至西二矿内排土区、西二矿采区，且研究区EVI低值聚集区向北部推移，到2023年，研究区EVI值呈南高北低分布（图2）。

EVI高值区域分布于乌煤外排土场南部、西二矿外排土场南部、西二矿采区北部，以及其他用地南部等研究区边缘地带；低值区域集中在研究区中心（图2H）。其中，西二矿内排土场平均EVI值最低，为0.12；乌煤二采区与乌煤内排土场EVI均值为0.13，表明此三地露天开采强度高。相反，乌煤外排土场平均EVI最高，达0.15，其余用地次之，为0.14，表明这两处区域开采强度较低，或由于自2015年起实施了生态恢复工程，植被得到一定程度恢复，使得平均EVI较高。

1995—2023年研究区EVI呈下降趋势，年下降为0.0039（图3）。研究区EVI平均值为0.14，最大值出现在1998年，为0.28；最低值出现在2017年与2019年，均为0.08。根据研究区EVI空间分布结果（图 2），1995—2005年该区露天开采程度低，可初步推断1999—2000年的气候波动是导致区域植被绿度下降的主要因素。此后，该区EVI值有所回升，但未恢复到1998年前平均水平。2005—2020年，研究区进入大规模露天开采阶段，EVI 整体呈下降趋势，其中在2017年和2019年降至历史最低，表明露天开采扰动强度达到最高峰。自2015年生态修复工程实施以来，EVI开始出现缓慢回升迹象，反映出该区植被状况有所恢复。

从空间上看，研究区EVI值整体呈负向变化，平均年下降为0.0036（图4）。EVI值下降区域位于乌煤二采区、乌煤一采区、乌煤外排土场、西二矿采区南部、西二矿内排土场以及西二矿外排土场北部。其中，显著下降区域占研究区总面积的38.1%，非显著下降区域占39.6%，最大年降低为0.0089。少数区域EVI呈正向变化，主要位于矿区边缘区域，其中显著上升区域与非显著上升区域面积仅占研究区面积的1.2%与21.1%，最大年上升为0.0072。

变异系数能够有效反映矿区不同类型地表扰动对植被稳定性的影响。EVI时间序列平均变异系数为0.44，取值0.2~1.0，表明区域植被绿度在多年间波动明显，整体稳定性偏低。在空间上呈现中部高、四周低的规律（图5A）。变异系数较大区域主要为乌煤二采区、乌煤一采区南部、乌煤内排土场、西二矿采区南部、西二矿内排土场、西二矿外排土场以及其余区域北部，该类区域长期受露天开采扰动，EVI波动剧烈；而乌煤外排土场、乌煤一采区北部、西二矿开采区北部、其余地区南部等地区受开采扰动较小，且部分区域实施生态修复工程，变异系数较小，EVI稳定性较好。

较高波动区域占比最大，达24.6%，高波动区域占比最小，为12.1%。较低波动、中等波动、低波动区域占比从高到低分别占24.5%、21.9%、16.9%（表2）。总体来看，波动性较高区域集中在开采区及排土场等人为扰动强烈区域，低波动区域多分布于远离开采区的边缘地带（图5B）。这进一步验证了露天采矿活动对植被稳定性造成的显著影响。

自2015年起，西二矿内、外排土场采取了一系列的生态恢复措施。2023年EVI与2015年EVI差值大于0的区域占86.1%，表明西二矿内外排土场大部分区域绿度在2015—2023年有所恢复，植被修复效果明显。相反，差值小于0的区域占13.9%，主要分布于西二矿内排土场北部。该类区域靠近西二矿现开采区，至今仍持续受露天开采的扰动，植被恢复进程相对缓慢（图6）。结果表明，在生态修复工程的实施下，矿区排土场植被呈恢复趋势。

矿区开采活动剧烈，导致区域植被稀疏，裸地占比大，而裸地光谱与干旱或稀疏植被的光谱曲线类似，NDVI容易将裸地区域误判为低生长植被，导致绿度被高估，且矿区裸露或半裸土分布广泛，NDVI易受土壤亮度和颜色干扰，降低植被指数对植被生长状况的敏感性。EVI则能缓解土壤背景和大气散射的影响，在矿区植被状况监测中表现出更好的稳定性。本研究利用GEE平台利用Landsat系列遥感数据，计算1995—2023年锡林浩特市胜利煤田乌兰图嘎锗矿矿区与胜利西二号矿区EVI时间序列，对该区植被状况进行快速监测。

1995—2023年，研究区EVI空间分异明显，一方面反映了区域植被生长状况的差异，另一方面也揭示了矿区开采范围与强度的空间格局。高值区主要分布在开采强度较低或实施生态恢复的区域，如乌煤外排土场和其余用地等研究区边缘地带，而低值区集中在矿区中心及排土场。在矿区范围内，人类露天开采活动对植被分布具有主导作用，这与刘英等^［25］的研究结果吻合。EVI平均每年下降0.0039，与刑龙飞等^［26］的研究结果相似。近年随绿色矿山建设推进，研究区EVI值出现回升，反映出一定的恢复潜能，说明人为生态修复工程干预可在一定程度上改善露天开采所造成的植被退化。空间上，研究区EVI整体呈负向变化，下降区域位于研究区内部，少数正向变化区域位于矿区边缘。29年间研究区EVI变异系数分布进一步说明了煤矿开采对植被所产生的影响，与EVI趋势分布类似，变异系数分布在空间上呈现中部高、四周低的规律。结合有关矿区有关资料分析，矿区内部植被受常年露天开采的影响，呈现退化趋势与不稳定性，且露天开采年份越长，强度越大，退化与不稳定特征越显著。而研究区边缘植被相对稳定，但受开采活动所带来的影响，植被生长受到抑制，加剧了该区生态系统的脆弱性^［27］。研究区位于缓坡丘陵过渡带，地势相对平坦，具备一定生态修复潜力。研究表明，矿区重点修复区域西二矿内外排土场修复效果明显，截至2023年约86.1%的区域较2015年有所改善。

气候变化与人类活动共同作用对矿区植被的生长产生了复杂的影响。气候因素对植被生长起到重要作用，但高强度的露天开采活动对植被的影响更为明显^［28］。研究期间，区域降水量波动性强（图7），极端干旱年份（如2001年和2017年）的EVI呈现明显的降低，但开采区边缘EVI并没有显著下降，说明采矿活动明显降低区域植被覆盖度。矿区生态修复工程在此类区域的效果受历史破坏程度的制约，需要更长期的治理措施。例如，土壤结构的重建、补播绿化以及水资源管理等可能是未来工作的重点方向^［29］。修复工程的实施可能放大气候因子的作用，而采矿活动则削弱气候变化的潜在正向效应^［30］。这表明，未来的矿区治理需要综合考虑气候变化与人类活动的协同作用，采取因地制宜的生态恢复策略^［31］。近年来，自然基础解决方案（Nature-based Solutions，NBS）作为一种可持续的生态修复路径，在露天矿区修复中得到关注。其旨在参照开采区域附近自然景观演变规律，使修复区域与周边景观相融合^［32］。实施过程中需明确近自然修复的核心要素与路径，统筹地貌-水文-土壤-植被的系统修复，重建生态结构与功能的整体协调性。

本研究从矿区植被绿度监测的角度出发，利用遥感云平台，以更高的空间分辨率对研究区植被生长状况进行快速监测，并通过 EVI 时空演变特征与波动性有效评估矿区植被破坏与恢复情况。然而，该研究却未对驱动因素进行深入的定性或定量分析。未来研究可在此基础上，结合气候变化、土壤条件及开采强度等多因素，开展机制分析与量化评估，以更全面理解矿区生态演变及恢复潜力。

1995—2023年研究区EVI取值0~0.46。受矿区开采影响，该区29年间植被空间分布明显改变。EVI低值区域由乌煤二采区向南部乌煤外排土场等区域扩张，继而向北部西二矿内、外排土场、西二矿采区迁移。其中EVI高值区域分布于研究区边缘地带，而低值区域则集中于研究区中心。

1995—2023年，研究区EVI整体呈下降趋势，年下降0.0039，且在2017年与2019年降至最低。随西二矿排土场生态修复工程开展，近年EVI有所回升。在空间上，研究区EVI主要呈负向变化，平均年下降为0.0036。下降区域主要位于研究区中部，占研究区总面积的77.7%，最大年下降为0.0089；上升区域主要位于研究区边缘，占22.3%，最大年上升0.0072。

1995—2023年，EVI时间序列平均变异系数为0.44，取值0.2~1。变异系数在空间上呈现中部高、四周低的特征，与趋势分布类似。其中，较高波动区域占比最大，达24.6%，高波动区域占比最小，为12.1%。较低波动、中等波动、低波动区域占比从高到低分别占24.5%、21.9%、16.9%。这表明，受露天开采影响，研究区大部分区域植被变动剧烈。

研究区排土场生态恢复工程成效明显改善了过往开采对当地植被造成的破坏。自2015年，西二矿内、外排土场依照实施生态恢复措施，截至2023年，共有86.1%的区域呈现恢复状态；其余13.9%的区域呈退化，该类区域毗邻西二矿现开采区。总体来看，矿区开采在带来能源供给的同时也削弱了生态系统功能。通过持续推进绿色矿山建设，尤其是加强排土场的综合修复，并适度利用气候变化的潜在有利条件，有望逐步改善矿区生态环境质量。