《工程科学学报》录用稿,https://doi.org/10.13374/i,issn2095-9389.2021.08.03.002©北京科技大学2020 工程科学学报 DOI: 归一化植被指数(NDVI)在 草原霹天煤矿区的适用性分析 惠嘉伟),白中科12,区,刘凯杰),王子昊) 1)中国地质大学(北京)土地科学技术学院,北京1000832)自然资源部土地整治重点实验室,北京1000353)自然资源部矿区生态修 复工程技术创新中心,北京100083 ☒通信作者,E-mail:baik@cugb.edu.cn 摘要煤炭生产不可避免地会对生态环境造成影响,在煤炭生产中,生态环境监测是经济可持续发展的重要环节。 目前煤矿生态监测的最常见的方法是基于NDVI的植被覆盖度计算。在对于露天的植被监测实验中,基于NDVI 的植被覆盖度计算结果出现了的误差。为了研究该误差区域的形成原因,为草原矿区生态监测提供合适的方法,本 文利用Sentinel-2数据采取遥感波段反演的方法计算了研究区的NDVI。并采取实证对比的方法对胜利、平朔和矿区的 NDVI分布特征进行了研究。结果表明:NDVI在具有一定植被覆盖的区域能够良好的反映地表植被覆盖情况,但 在矿区内部被煤炭覆盖的区域可能会出现一定程度的误差。误差现象在两个研究区均会出现,且在胜利矿区影响更 加严重。该误差现象出现的原因是由于NDVI的归一化算法的不足导致了仅使用NDVI为参数无法区分光谱曲线具 有相似特征的煤炭覆盖区域和中低覆盖草地。建议在矿区植被监测中将相关区域进行掩膜处理或更换植被指数以避 免该现象的影响。 关键词NDVI:遥感植被监测:胜利矿区:平朔矿 分类号TG142.71 Applicability analysis of Normalized Difference Vegetative Index (NDVI)in grassland open-pit COa mine HUI Jia-wei,BAI Zhong-ke23)LUI Kai-jiei",WANG Zi-hao 1)School of Land Science andTechnology,China University of Geosciences,Beijing 100083,China;2112190035@cugb.edu.cn (J.H.); yebaoying@cugb.edu.cn(B.Y.).2112T90034@cugb.edu.cn(Z.W.) 2)Key Lab of Land Consolidation and Rehabilitation,the Ministry of Natural Resources,Beijing 100035,China 3)Technology Innovat Cepter of Ecological Restoration Engineering in Mining Area,the Ministry of Natural Resources,Beijing 10008,China Corresponding author,E-mail:baizk@cugb.edu.cn ABSTRACT Coal production will inevitably affect the ecological environment.It has become the consensus of all major countries that vegetation restoration should be carried out in coal mining areas.Monitoring the vegetation in the mining area is an important part of the vegetation restoration work in the mining area,and plays an important role in the design, implementation,management and maintenance of the vegetation work in the mining area.At present,the most common method of coal mine ecological monitoring is the calculation of vegetation coverage based on NDVI.In the process of vegetation monitoring for open-pit mines in the grassland,it was found that the calculation of vegetation coverage based on
工程科学学报 DOI: 归一化植被指数(NDVI)在 草原露天煤矿区的适用性分析 惠嘉伟 1),白中科 1,2,3) ,刘凯杰 1) ,王子昊 1) 1)中国地质大学(北京)土地科学技术学院,北京 100083 2)自然资源部 土地整治重点实验室,北京 100035 3)自然资源部 矿区生态修 复工程技术创新中心,北京 100083 通信作者,E-mail: baizk@cugb.edu.cn 摘 要 煤炭生产不可避免地会对生态环境造成影响,在煤炭生产中,生态环境监测是经济可持续发展的重要环节 。 目前煤矿生态监测的最常见的方法是基于 NDVI 的植被覆盖度计算。在对于露天矿的植被监测实验中,基于 NDVI 的植被覆盖度计算结果出现了的误差。为了研究该误差区域的形成原因,为草原矿区生态监测提供合适的方法,本 文利用 Sentinel-2 数据采取遥感波段反演的方法计算了研究区的 NDVI。并采取实证对比的方法对胜利、平朔矿区的 NDVI 分布特征进行了研究。结果表明:NDVI 在具有一定植被覆盖的区域能够良好的反映地表植被覆盖情况,但 在矿区内部被煤炭覆盖的区域可能会出现一定程度的误差。误差现象在两个研究区均会出现,且在胜利矿区影响更 加严重。该误差现象出现的原因是由于 NDVI 的归一化算法的不足导致了仅使用 NDVI 为参数无法区分光谱曲线具 有相似特征的煤炭覆盖区域和中低覆盖草地。建议在矿区植被监测中将相关区域进行掩膜处理或更换植被指数以避 免该现象的影响。 关键词 NDVI;遥感植被监测;胜利矿区;平朔矿区;Sentinel-2 分类号 TG142.71 Applicability analysis of Normalized Difference Vegetative Index (NDVI) in grassland open-pit coal mine HUI Jia-wei1) , BAI Zhong-ke1,2,3) ,LUI Kai-jiei1) , WANG Zi-hao1) 1)School of Land Science and Technology, China University of Geosciences, Beijing 100083, China; 2112190035@cugb.edu.cn (J.H.); yebaoying@cugb.edu.cn (B.Y.); 2112190034@cugb.edu.cn (Z.W.) 2)Key Lab of Land Consolidation and Rehabilitation, the Ministry of Natural Resources, Beijing 100035, China 3)Technology Innovation Center of Ecological Restoration Engineering in Mining Area, the Ministry of Natural Resources, Beijing 100083, China Corresponding author, E-mail: baizk@cugb.edu.cn ABSTRACT Coal production will inevitably affect the ecological environment. It has become the consensus of all major countries that vegetation restoration should be carried out in coal mining areas. Monitoring the vegetation in the mining area is an important part of the vegetation restoration work in the mining area, and plays an important role in the design, implementation, management and maintenance of the vegetation work in the mining area. At present, the most common method of coal mine ecological monitoring is the calculation of vegetation coverage based on NDVI. In the process of vegetation monitoring for open-pit mines in the grassland, it was found that the calculation of vegetation coverage based on 《工程科学学报》录用稿,https://doi.org/10.13374/j.issn2095-9389.2021.08.03.002 ©北京科技大学 2020 录用稿件,非最终出版稿
NDVI would cause serious errors.In order to study the reasons for the formation of the error zone and provide a suitable method for ecological monitoring of grassland mining areas,Sentinel-2 data was used to calculate the NDVI of the study area using the method of remote sensing band inversion.In addition.the method of empirical comparison was used to study the NDVI distribution characteristics of the Shengli and Pingshuo mining areas.This phenomenon has also appeared in other research results.The results show that NDVI can well reflect the surface vegetation coverage in areas with certain vegetation coverage,but there will be serious error areas in the areas covered by coal in the mining area.The error phenomenon will appear in both study areas,and the impact will be more serious in the Shengli mining area.The reason for this error phenomenon is due to the insufficiency of NDVI's normalization algorithm,which makes it impossible to distinguish between coal-covered areas and low-to-medium-covered grasslands with similar characteristics in spectral curves.We suggest to mask the relevant areas or replace the vegetation index in the vegetation monitoring of the mining area to avoid the impact of this phenomenon KEY WORDS NDVI;remote sensing ecological monitoring;Shengli Coal Mine;Pingshuo Coal entinel-2 煤炭在我国能源消费结构中占据主体地位,煤炭生产是我国重要的能源产业。2020年,全国 原煤产量达39亿吨,较上年增加1.4%。大量的煤炭开采不可避免地会对矿区的生态环境造成严重 的破坏:)。对采煤矿区应当进行植被恢复已经成为各主要国家的共识间。对矿区植被进行监测是 矿区植被恢复工作的重要组成部分,对矿区植被工作的设计实施与管理维护都具有重要作用。 归一化植被指数(NDVI)是目前在生态监测工作中最常用的植被指数。NDVI虽然可以反 映地表植被覆盖情况,但其作为一个指数并不具有明确的肆态学含义。目前的研究中,大多采用植 被指数转换模型将NDVⅥ转化为植被覆盖度后用路类生态监测工作。但植被转化模型的本质是 对NDVⅥ进行线性运算,其反映植被分布的功能O完全相同。NDVI植被覆盖度模型被广泛 运用于矿区植被监测工作-。 K NDVI的特点是对于低植被覆盖度非常敏感,但在植被覆盖度很高时,其检测能力逐渐下降 阿。随着遥感技术的发展,各波段反射率被以不同形式进行组合来消除外在的影响因素,如遥感器定 标、大气、观测和照明几何条件等,发展形成了多种植被指数阿。其中有很多植被指数是基于 NDVⅥI的原理或形式进行改进而来的,邱洁等采用植被恢复光谱指数(NBR)对幕府山矿区植被恢 复工作进行了监测和评价I;徐霞等构建了温度植被干旱指数(TVDI)与NDVI相配合对布尔台 矿区进行了生态监测:Wei Wang等基于GRNDVI对巴音孟克纳源矿区的植被采矿及恢复过程进行 了监测与评价1。 因为NDVI在矿区生态监测卫作中的广泛使用,所以有必要对其在不同自然区域下的适用程度 和误差进行研究。对区植被监测方法的完善具有借鉴意义,对矿区植被监测工作具有参考价值。 1.研究区概况 胜利矿区位于内蒙古自治区锡林浩特市西侧,煤炭年产量2000万t,是全国储量最大的褐煤煤 田。本文研究域主要为胜利煤矿西二号露天矿及周边矩形自然植被,地理坐标为11552'43”E- 115°5828"E,43°55'58"N-435920"N,总面积约42.36km2。研究区周边地貌以高平原为主,属于 中温带干旱半干旱大陆性气候,年均降水量309mm,主要植被为温带干旱草原。 本文使用平朔矿区安家岭露天矿、安太堡露天矿采坑、排土场及周边自然植被形成的矩形区域 作为对比研究,地理坐标为1121747"E-11226'23"E,3926'36"N-3931'41"N,总面积约 108.34km2。平朔矿区位于山西省朔州西北侧,属于温带半千旱季风气候区,年均降雨量450mm。 研究区内地貌多为黄土低山丘陵,地带性植被为温带半干旱草原和半湿润森林草原。研究区位置见 图1
NDVI would cause serious errors. In order to study the reasons for the formation of the error zone and provide a suitable method for ecological monitoring of grassland mining areas, Sentinel-2 data was used to calculate the NDVI of the study area using the method of remote sensing band inversion. In addition, the method of empirical comparison was used to study the NDVI distribution characteristics of the Shengli and Pingshuo mining areas. This phenomenon has also appeared in other research results. The results show that NDVI can well reflect the surface vegetation coverage in areas with certain vegetation coverage, but there will be serious error areas in the areas covered by coal in the mining area. The error phenomenon will appear in both study areas, and the impact will be more serious in the Shengli mining area. The reason for this error phenomenon is due to the insufficiency of NDVI's normalization algorithm, which makes it impossible to distinguish between coal-covered areas and low-to-medium-covered grasslands with similar characteristics in spectral curves. We suggest to mask the relevant areas or replace the vegetation index in the vegetation monitoring of the mining area to avoid the impact of this phenomenon. KEY WORDS NDVI; remote sensing ecological monitoring; Shengli Coal Mine; Pingshuo Coal Mine; Sentinel-2 煤炭在我国能源消费结构中占据主体地位,煤炭生产是我国重要的能源产业。2020 年,全国 原煤产量达 39 亿吨,较上年增加 1.4%。大量的煤炭开采不可避免地会对矿区的生态环境造成严重 的破坏[1,2]。对采煤矿区应当进行植被恢复已经成为各主要国家的共识[3]。对矿区植被进行监测是 矿区植被恢复工作的重要组成部分,对矿区植被工作的设计实施与管理维护都具有重要作用[4]。 归一化植被指数(NDVI)[5]是目前在生态监测工作中最常用的植被指数[6]。NDVI 虽然可以反 映地表植被覆盖情况,但其作为一个指数并不具有明确的生态学含义。目前的研究中,大多采用植 被指数转换模型将[7] NDVI 转化为植被覆盖度后用于各类生态监测工作。但植被转化模型的本质是 对 NDVI 进行线性运算,其反映植被分布的功能与 NDVI 完全相同。NDVI-植被覆盖度模型被广泛 运用于矿区植被监测工作[7-12]。 NDVI 的特点是对于低植被覆盖度非常敏感,但在植被覆盖度很高时,其检测能力逐渐下降 [6]。随着遥感技术的发展,各波段反射率被以不同形式进行组合来消除外在的影响因素, 如遥感器定 标、大气、观测和照明几何条件等,发展形成了多种植被指数[6]。其中有很多植被指数是基于 NDVI 的原理或形式进行改进而来的,邱洁等采用植被恢复光谱指数(NBR)对幕府山矿区植被恢 复工作进行了监测和评价[12];徐霞等构建了温度植被干旱指数(TVDI)与 NDVI 相配合对布尔台 矿区进行了生态监测;Wei Wang 等基于 GRNDVI 对巴音孟克纳源矿区的植被采矿及恢复过程进行 了监测与评价[13]。 因为 NDVI 在矿区生态监测工作中的广泛使用,所以有必要对其在不同自然区域下的适用程度 和误差进行研究。对矿区植被监测方法的完善具有借鉴意义,对矿区植被监测工作具有参考价值。 1.研究区概况 胜利矿区位于内蒙古自治区锡林浩特市西侧,煤炭年产量 2000 万 t,是全国储量最大的褐煤煤 田。本文研究区域主要为胜利煤矿西二号露天矿及周边矩形自然植被,地理坐标为 115°52′43″E - 115°58′28″E,43°55′58″N - 43°59′20″N,总面积约 42.36km2。研究区周边地貌以高平原为主,属于 中温带干旱半干旱大陆性气候,年均降水量 309mm,主要植被为温带干旱草原。 本文使用平朔矿区安家岭露天矿、安太堡露天矿采坑、排土场及周边自然植被形成的矩形区域 作为对比研究,地理坐标为 112°17′47″E - 112°26′23″E ,39°26′36″N - 39°31′41″N ,总面积约 108.34km2。平朔矿区位于山西省朔州西北侧,属于温带半干旱季风气候区,年均降雨量 450mm。 研究区内地貌多为黄土低山丘陵,地带性植被为温带半干旱草原和半湿润森林草原。研究区位置见 图 1。 录用稿件,非最终出版稿
白然植被 修复 圆1研究区位置 Fig.1 Location of the study area 2.数据来源与研究方法 2.1数据来源 ▣ 本文采取遥感波段反演的方式计算各植被指数,选取的遥感卫星为Siel-2系列卫星。 Sentinel-2卫星分为Sentinel-2A和Sentinel-.2B两颗卫星,重访周期为5象。Sentinel-2卫星携带一枚 多光谱成像仪(MSI),具有13个光谱波段,空间分辨率为10m,20m和60m,具有三个红边波段, 适合植被健康监测。本文选取胜利矿区2019年至2020年7、89月共6景遥感数据进行植被情况 监测,并选取平朔矿区2景遥感数据进行对比与讨论,遥感数据的详细信息见表1。遥感数据来源 为欧洲航天局(htps:scihub.copernicus.eu/dhus/件home,选间时间:202L年7月20日)。 遥感数据预处理包括辐射定标、大气校正等,预处理步骤主要借助SNAP和Sen2Cor软件(欧 洲航天局,2020)进行。然后根据研究区范围将其裁剪为合适大小的区域。 表1遥感数据信息 Table 1 Remote sensing data information 研究区 卫星 成像时间 空间分辨率 胜利露天矿 Sentinel-2A 2019年07月07日 10m 胜利露天矿 Sentinel-2B 2019年08月21日 10m 胜利露天矿 Sentinel-2A 2019年09月15日 10m 胜利露天矿 Sentinel-2A 2020年07月14日 10m 胜利露天矿 Sentinel-2A 2020年08月25日 10m 胜利露天矿 Sentinel-2A 2020年9月19日 10m 平朔露天矿 Sentinel-2B 2020年9月17日 10m 平朔露天矿 Sentinel-2A 2019年10月8日 10m 2.2研究方法/y 2.2.1.NDVI计锋 本文使用遥感被段反演的方法计算研究区的NDVI值。计算公式为: NDVI= IR-R NIR+R 其中,NDVI为归一化植被指数;NIR、R分别为地物在近红外、红波段的反射率,在本文使 用的Sentinel-2数据中,二者分别为波段8和波段4。 2.2.2.矿区生态监测 采用植被指数转换模型将NDVI转化为可比性较强的植被覆盖度。公式为:
图 1 研究区位置 Fig.1 Location of the study area 2.数据来源与研究方法 2.1 数据来源 本文采取遥感波段反演的方式计算各植被指数,选取的遥感卫星为 Sentinel-2 系列卫星。 Sentinel-2 卫星分为 Sentinel-2A 和 Sentinel-2B 两颗卫星,重访周期为 5 天。Sentinel-2 卫星携带一枚 多光谱成像仪(MSI),具有 13 个光谱波段,空间分辨率为 10m,20m 和 60m,具有三个红边波段, 适合植被健康监测。本文选取胜利矿区 2019 年至 2020 年 7、8、9 月共 6 景遥感数据进行植被情况 监测,并选取平朔矿区 2 景遥感数据进行对比与讨论,遥感数据的详细信息见表 1。遥感数据来源 为欧洲航天局( https://scihub.copernicus.eu/dhus/#/home ,访问时间: 2021 年 7 月 20 日)。 遥感数据预处理包括辐射定标、大气校正等,预处理步骤主要借助 SNAP 和 Sen2Cor 软件(欧 洲航天局,2020)进行。然后根据研究区范围将其裁剪为合适大小的区域。 表 1 遥感数据信息 Table 1 Remote sensing data information 研究区 卫星 成像时间 空间分辨率 胜利露天矿 Sentinel-2A 2019 年 07 月 07 日 10m 胜利露天矿 Sentinel-2B 2019 年 08 月 21 日 10m 胜利露天矿 Sentinel-2A 2019 年 09 月 15 日 10m 胜利露天矿 Sentinel-2A 2020 年 07 月 14 日 10m 胜利露天矿 Sentinel-2A 2020 年 08 月 25 日 10m 胜利露天矿 Sentinel-2A 2020 年 9 月 19 日 10m 平朔露天矿 Sentinel-2B 2020 年 9 月 17 日 10m 平朔露天矿 Sentinel-2A 2019 年 10 月 8 日 10m 2.2 研究方法 2.2.1.NDVI 计算 本文使用遥感波段反演的方法计算研究区的 NDVI 值。计算公式为: NDVI= NIR−R NIR+R 其中,NDVI 为归一化植被指数;NIR、R 分别为地物在近红外、红波段的反射率,在本文使 用的 Sentinel-2 数据中,二者分别为波段 8 和波段 4。 2.2.2.矿区生态监测 采用植被指数转换模型将 NDVI 转化为可比性较强的植被覆盖度。公式为: 录用稿件,非最终出版稿
NDVI-NDVImin f= NDVImox-NDVImin 其中,∫为植被覆盖度:NDVI为归一化植被指数:NDVI为裸地的NDVI值:NDVI为完 全植被覆盖地区的NDVI值。 每个研究区的两期植被覆盖度进行差值处理,即可得到在这两个年份之间研究区内植被覆盖的 变化的空间分布。 2.2.3NDVI特性研究 采取实证对比的方式验证NDVI在矿区植被监测工作中表现出的特征,收集平朔矿区的同来源 近似时间的遥感影像,并采用相同的方法计算平朔矿区植被覆盖变化。以验证NDVI在其他地区的 矿区植被覆盖监测工作中是否会表现出相同的特征。 3.结果 3.1胜利矿区植被整监澜 图2是胜利矿区2019年、2020年的植被覆盖度。由图2可知, 2Q19年胜利矿区植被覆盖度情 况总体较差,研究区2019年7、8、9月NDV1均值分别为0.136、0.182和0.163:2020年7、8、9 月NDVI均值分别为0.186、0.261和0.240。胜利矿区8、9月植被覆盖度均值分别为0.421、0.438 和0.421:2020年7、8、9月植被覆盖度均值分别为0.442、0.510和0490。基于NDVI的植被覆盖 度可以反映胜利矿区的月际植被变化及年际植被变化:就份而言8月至9月是研究区植被覆盖 最高的时间短,7月相对较低。就年际而言,2019年至2020年-研究区内矿山、排土场及周边自 然植被覆盖度均出现了明显的上升,从2019至2020东研究区生态环境出现了明显的改善。 植被密度的空间分布方面,植被覆盖度较低的域全要分布在研究区中部及北部排土场及采坑 边缘区域。植被覆盖度较高的区域主要分布在矿区南部及西南部的排土场区域,成规则的条带状分 布,具有明显的人工干预的特征。矿区周边的自然植被的植被覆盖度明显低于矿区南部条带状复垦 区域,这表明人工干预可以有效恢复矿区生态质量。矿区南部具有较高的植被覆盖度的人工复垦区 域在2020年出现了明显的扩张,其扩张范围在8月最为明显。由矿区南部植被优化区域的位置可 以判断研究区的土地复垦与植被修复工作是自南向北进行的。 (b) (c) 图例 Lo 0 (d) (c) () 图2胜利矿区2019、2020年夏季植被覆盖度分布 (a)2019年7月(b)2019年8月(c)2019年9月(d)2020年7月(e)2020年8月(f)2020年9月 Fig.2 Distribution of vegetation coverage in the summer of 2019 and 2020 in Shengli Coal Mine
f= NDVI−NDVI min NDVImax−NDVI min 其中,f 为植被覆盖度;NDVI 为归一化植被指数;NDVI min为裸地的 NDVI 值;NDVI max为完 全植被覆盖地区的 NDVI 值。 每个研究区的两期植被覆盖度进行差值处理,即可得到在这两个年份之间研究区内植被覆盖的 变化的空间分布。 2.2.3.NDVI 特性研究 采取实证对比的方式验证 NDVI 在矿区植被监测工作中表现出的特征,收集平朔矿区的同来源 近似时间的遥感影像,并采用相同的方法计算平朔矿区植被覆盖变化。以验证 NDVI 在其他地区的 矿区植被覆盖监测工作中是否会表现出相同的特征。 3.结果 3.1 胜利矿区植被覆盖监测 图 2 是胜利矿区 2019 年、2020 年的植被覆盖度。由图 2 可知,2019 年胜利矿区植被覆盖度情 况总体较差,研究区 2019 年 7、8、9 月 NDVI 均值分别为 0.136、0.182 和 0.163;2020 年 7、8、9 月 NDVI 均值分别为 0.186、0.261 和 0.240。胜利矿区 8、9 月植被覆盖度均值分别为 0.421、0.438 和 0.421;2020 年 7、8、9 月植被覆盖度均值分别为 0.442、0.510 和 0.490。基于 NDVI 的植被覆盖 度可以反映胜利矿区的月际植被变化及年际植被变化:就月份而言,8 月至 9 月是研究区植被覆盖 最高的时间短,7 月相对较低。就年际而言,2019 年至 2020 年,研究区内矿山、排土场及周边自 然植被覆盖度均出现了明显的上升,从 2019 至 2020 年研究区生态环境出现了明显的改善。 植被密度的空间分布方面,植被覆盖度较低的区域主要分布在研究区中部及北部排土场及采坑 边缘区域。植被覆盖度较高的区域主要分布在矿区南部及西南部的排土场区域,成规则的条带状分 布,具有明显的人工干预的特征。矿区周边的自然植被的植被覆盖度明显低于矿区南部条带状复垦 区域,这表明人工干预可以有效恢复矿区生态质量。矿区南部具有较高的植被覆盖度的人工复垦区 域在 2020 年出现了明显的扩张,其扩张范围在 8 月最为明显。由矿区南部植被优化区域的位置可 以判断研究区的土地复垦与植被修复工作是自南向北进行的。 图 2 胜利矿区 2019、2020 年夏季植被覆盖度分布 (a)2019 年 7 月(b)2019 年 8 月(c)2019 年 9 月(d)2020 年 7 月(e)2020 年 8 月(f)2020 年 9 月 Fig.2 Distribution of vegetation coverage in the summer of 2019 and 2020 in Shengli Coal Mine 录用稿件,非最终出版稿
(a)July 2019 (b)August 2019 (c)September 2019 (d)July 2020 (e)August 2020 (f)September 2020 3.2植被體误楚区域 经过植被覆盖分布与遥感影像的对比,可以得到植被覆盖度在空间分布中的一个异常现象。在 矿区及排土场内部出现了两个较为明显的植被覆盖度较高的区域。此现象在2019年7、8、9月及 2020年9月的研究均较为明显,在2020年7、8月的对应区域也有类似现象,但并不明显。采用目 视解译的方式对这两个区域的范围进行大致圈定。这个植被覆盖度计算结果远高于周边自然植被, 与矿区南部人工干预下的植被恢复区域水平相当。异常现象与遥感影像对比见图3。 图3基于NDVI的植被覆盖度误差区域示意(2020年9月19日,真彩色合成) Fig.3 Schematic diagram of vegetation coverage error areabased onNDVI(September 19,2020,true color synthesis) 结合目视解译可知,基于NDVⅥ的植被覆盖度识别丕作在自然植被、未修复排土场和已修复排 土场等具有植被覆盖的区域识别比较准确。但在部贷无植被覆盖的区域,识别结果是完全错误的。 这些区域具有以下特征:(1)集中于矿坑内部被煤炭完全覆盖的地区。(2)因为被煤炭完全覆盖, 其光谱特征在可见光波段往往反射率极低,在遥感影像中呈现为黑色。(3)根据矿坑形状特点, 这些区域的形状一般比较规则,或具有一定的纹理特征。(4)数值不稳定,植被覆盖度计算结果 易出现大幅度异常的上升或下又 3.3“NDVI的矿区归一化误差” 借助ENVI5.3抽样测定误差区域、人工恢复区域和自然植被的光谱曲线,以确定上述误差区域 出现的原因。不同区域的部分死谱曲线见图4,因为本文涉及的Sentinel-.2数据的红、近红外波段 的波长分别为665nm和842nm,所以只截取了500nm至1000nm的光谱曲线。 0.40 023 0.03 0.20 0.15 0.2 0.02 0.i0 0.05 700 Wavelength (nm) Wavelength (nim) wavelength fnm) (a) (b) (c) 图4胜利矿区各区域抽样光谱曲线(a)误差区域(b)人工恢复区域(c)自然植被区域 Fig.4 The sampling spectrum curve of each area in Shengli mining area (a)error area (b)artificial restoration area(c)natural vegetation area
(a) July 2019 (b) August 2019 (c) September 2019 (d) July 2020 (e) August 2020 (f) September 2020 3.2 植被覆盖误差区域 经过植被覆盖分布与遥感影像的对比,可以得到植被覆盖度在空间分布中的一个异常现象。在 矿区及排土场内部出现了两个较为明显的植被覆盖度较高的区域。此现象在 2019 年 7、8、9 月及 2020 年 9 月的研究均较为明显,在 2020 年 7、8 月的对应区域也有类似现象,但并不明显。采用目 视解译的方式对这两个区域的范围进行大致圈定。这个植被覆盖度计算结果远高于周边自然植被, 与矿区南部人工干预下的植被恢复区域水平相当。异常现象与遥感影像对比见图 3。 图 3 基于 NDVI 的植被覆盖度误差区域示意(2020 年 9 月 19 日,真彩色合成) Fig.3 Schematic diagram of vegetation coverage error area based on NDVI (September 19, 2020, true color synthesis) 结合目视解译可知,基于 NDVI 的植被覆盖度识别工作在自然植被、未修复排土场和已修复排 土场等具有植被覆盖的区域识别比较准确。但在部分无植被覆盖的区域,识别结果是完全错误的。 这些区域具有以下特征:(1)集中于矿坑内部被煤炭完全覆盖的地区。(2)因为被煤炭完全覆盖, 其光谱特征在可见光波段往往反射率极低,在遥感影像中呈现为黑色。(3)根据矿坑形状特点, 这些区域的形状一般比较规则,或具有一定的纹理特征。(4)数值不稳定,植被覆盖度计算结果 容易出现大幅度异常的上升或下降。 3.3 “NDVI 的矿区归一化误差” 借助 ENVI5.3 抽样测定误差区域、人工恢复区域和自然植被的光谱曲线,以确定上述误差区域 出现的原因。不同区域的部分光谱曲线见图 4,因为本文涉及的 Sentinel-2 数据的红、近红外波段 的波长分别为 665nm 和 842nm,所以只截取了 500nm 至 1000nm 的光谱曲线。 图 4 胜利矿区各区域抽样光谱曲线(a)误差区域(b)人工恢复区域(c)自然植被区域 Fig.4 The sampling spectrum curve of each area in Shengli mining area (a) error area (b) artificial restoration area (c) natural vegetation area 录用稿件,非最终出版稿
由图4(b)可知,人工恢复区域具有植被所具有的典型的“绿峰”和“红谷”,在近红外波 段反射率迅速增高。由图4(©)可知,因为植被覆盖度较人工恢复区域较低,受到土壤背景值的 影响更大,所以草原自然植被并没有“红谷”现象,而是反射率随着波长增大不断增大,与误差区 域的光谱曲线类似。由图4(a)可知,误差区域在可见光、近红外波段的反射率仅为其他区域反射 率的十分之一,且随着波长增大,其反射率也在逐渐增高,表现出除拐点外与自然植被近似的光谱 特征。 绿色植物光谱曲线在可见光波段有一个小的反射峰,两侧有两个吸收带,即在蓝和红波段为低 谷,这是因为叶绿素对蓝光和红光吸收作用强,而对绿光反射作用强。在近红外波段有一反射的 “陡坡”。NDVI的设计就是基于绿色植物在红波段和近红外波段的“陡坡”,利用地物在红波 段和近红外波段的反射率之差(NIR-R)反映地表覆盖情况,并利用地物在红波段和近红外波段的 反射率之和(NIR+R)进行归一化,归一化过程的设计目的是为了消除季节性秀阳角度的差异,并 最小化大气衰减的影响。 选取“NDVI的矿区归一化误差”最明显的时间阶段,2020年9月及2019年8月,分别在三个 区域抽样计算NR-R和NR+R的均值,结果见表2。由表2可知,NR大到小依次为:人工恢 复区域、自然植被和误差区域。N+R从大到小依次为:自然植被人士恢复区域和误差区域 NR-R的结果与实际植被覆盖基本相符,但归一化过程改变了不同区域间NIR-R的相对大小,导致 误差区域的NDVI值出现明显异常。同时,误差区域的NIR-R和RR相对其他区域都非常小, 导致该区域基于NDVI的植被覆盖度的年际变化非常不稳定,容易在上述区域出现研究区内植被覆 盖度变化的最值。 结果表明:因为煤矿地表覆盖特性,NDVI在草原煤矿植被监测工作中有可能在裸煤覆盖区域 呈现误差的计算结果,主要表现为矿坑内部NDV值是常偏高,被识别为中高植被覆盖区域。本文 将这种现象称为“NDVI的矿区归一化误差” 表2不同区域NDyI计算参数均值 Table 2 Calculation parameters of NDVI in different areas Error Artificial Natural Error Artificial Natural zone (2020 recovery vegetation (2 zone (2019 recovery vegetation (2 area (2020 1020) ) area(2019) 019) NIR 0.030 0.195/ 0.321 0.050 0.360 0.461 R 0.016 0065 0.207 0.014 0.153 0.095 NIR-R 0.014 X130 0.114 0.018 0.104 0.183 NIR+R 0.046 0259 0.527 0.032 0.257 0.278 NDVI 0.313 0.501 0.216 0.287 0.432 0.206 综上,对DV的矿区归一化误差”出现的原因进行总结,主要有: (1)煤矿矿坑内部裸 地区域的光谱曲线与低覆盖植被的光谱曲线具有相似的特征,近红外波段的反射率均远大于红波段: (2)NDVⅥ的明→化过程改变了煤矿矿坑内部裸地区域和低覆盖植被区域的NR-R值的相对大小, 导致出现了矿坑内部裸地的NDVI值大于草地NDVI值的现象。 4.讨论 4.1胜利矿区与平期矿区NDVI特3对比 为了验证“NDVI的矿区归一化误差”的科学性,有必要在其他矿区进行相同的实验验证。 选取时间相近的Sentinel-.2平朔露天矿遥感影像,采用相同的方式计算NDVI,结果见图5
由图 4(b)可知,人工恢复区域具有植被所具有的典型的“绿峰”和“红谷”,在近红外波 段反射率迅速增高[14]。由图 4(c)可知,因为植被覆盖度较人工恢复区域较低,受到土壤背景值的 影响更大,所以草原自然植被并没有“红谷”现象,而是反射率随着波长增大不断增大,与误差区 域的光谱曲线类似。由图 4(a)可知,误差区域在可见光、近红外波段的反射率仅为其他区域反射 率的十分之一,且随着波长增大,其反射率也在逐渐增高,表现出除拐点外与自然植被近似的光谱 特征。 绿色植物光谱曲线在可见光波段有一个小的反射峰,两侧有两个吸收带,即在蓝和红波段为低 谷,这是因为叶绿素对蓝光和红光吸收作用强,而对绿光反射作用强。在近红外波段有一反射的 “陡坡”[15]。NDVI 的设计就是基于绿色植物在红波段和近红外波段的“陡坡”,利用地物在红波 段和近红外波段的反射率之差(NIR-R)反映地表覆盖情况,并利用地物在红波段和近红外波段的 反射率之和(NIR+R)进行归一化,归一化过程的设计目的是为了消除季节性太阳角度的差异,并 最小化大气衰减的影响[5]。 选取“NDVI 的矿区归一化误差”最明显的时间阶段,2020 年 9 月及 2019 年 8 月,分别在三个 区域抽样计算 NIR-R 和 NIR+R 的均值,结果见表 2。由表 2 可知,NIR-R 从大到小依次为:人工恢 复区域、自然植被和误差区域。NIR+R 从大到小依次为:自然植被、人工恢复区域和误差区域 NIR-R 的结果与实际植被覆盖基本相符,但归一化过程改变了不同区域间 NIR-R 的相对大小,导致 误差区域的 NDVI 值出现明显异常。同时,误差区域的 NIR-R 和 NIR+R 相对其他区域都非常小, 导致该区域基于 NDVI 的植被覆盖度的年际变化非常不稳定,容易在上述区域出现研究区内植被覆 盖度变化的最值。 结果表明:因为煤矿地表覆盖特性,NDVI 在草原煤矿植被监测工作中有可能在裸煤覆盖区域 呈现误差的计算结果,主要表现为矿坑内部 NDVI 值异常偏高,被识别为中高植被覆盖区域。本文 将这种现象称为“NDVI 的矿区归一化误差”。 表 2 不同区域 NDVI 计算参数均值 Table 2 Calculation parameters of NDVI in different areas Error zone(2020 ) Artificial recovery area(2020) Natural vegetation(2 020) Error zone(2019 ) Artificial recovery area(2019) Natural vegetation(2 019) NIR 0.030 0.195 0.321 0.050 0.360 0.461 R 0.016 0.065 0.207 0.014 0.153 0.095 NIR-R 0.014 0.130 0.114 0.018 0.104 0.183 NIR+R 0.046 0.259 0.527 0.032 0.257 0.278 NDVI 0.313 0.501 0.216 0.287 0.432 0.206 综上,对“NDVI 的矿区归一化误差”出现的原因进行总结,主要有:(1)煤矿矿坑内部裸 地区域的光谱曲线与低覆盖植被的光谱曲线具有相似的特征,近红外波段的反射率均远大于红波段 ; (2)NDVI 的归一化过程改变了煤矿矿坑内部裸地区域和低覆盖植被区域的 NIR-R 值的相对大小, 导致出现了矿坑内部裸地的 NDVI 值大于草地 NDVI 值的现象。 4.讨论 4.1 胜利矿区与平朔矿区 NDVI 特征对比 为了验证“NDVI 的矿区归一化误差”的科学性,有必要在其他矿区进行相同的实验验证。 选取时间相近的 Sentinel-2 平朔露天矿遥感影像,采用相同的方式计算 NDVI,结果见图 5。 录用稿件,非最终出版稿
图例 图例 High 0.90 High 0.93 L0w:-0.54 :-0.57 (a) (b) 图5平朔矿区NDVI分布(a)2019年(b)2020年 Fig.5 NDVI distribution in Pingshuo mining area(a)2019(b)020 与遥感影像对比,平朔露天矿的NDVI的高值主要分布在已经实施植被恢复工程多年的矿区西 侧排土场处,低值主要分布在未实施植被恢复工作的排土场内部和建设用地处,新复垦排土场的 NDVI值介于二者之间。 针对胜利矿区出现的误差区域,平朔矿区并没有明显的然范围误差区域。但通过与遥感影像的 对比,在未修复排土场内部同样具有少量具有明显线性纹理特征的异常区域,这些异常区域大多为 采煤运输通道或采煤矿坑作业面,地表没有植被生长,完全被煤炭覆盖呈现黑色。但这些区域的 NDVI值明显高于周边具有少量植被的未修复排土场 已修复草地接近。部分异常区域与人工修 复草地区域对比见图6。 图6(c)、(d)和(e)中的具有明显纹理的黄色条带状区域即为上文提到的误差区域,其 NDVI值明显高于周边,与图6()中相近。纹理特征与遥感影像中完全被煤炭覆盖的道路、矿 坑完全一致。但不同于胜利矿区,平朔矿区的误差区域呈线状纹理分布,宽度较小无法划定边界, 所以采用抽样的方式计算误差区域即其他区域的NDVI均值。在误差区域、植被人工恢复完成区域、 近期植被恢复区域及自然植被⑧域分别客抽取十个样点测定其NDVI均值,结果为:误差区域 0.283、近期植被恢复区域0.294 植被恢复完成区域0.802、自然植被区域0.825。误差区域和以低 密度草地为主的近期植被恢 域的NDVI值相近,远低于以林地为主的植被恢复完成区域和自然 植被区域。 录用
图 5 平朔矿区 NDVI 分布(a)2019 年(b)2020 年 Fig.5 NDVI distribution in Pingshuo mining area (a) 2019 (b) 2020 与遥感影像对比,平朔露天矿的 NDVI 的高值主要分布在已经实施植被恢复工程多年的矿区西 侧排土场处,低值主要分布在未实施植被恢复工作的排土场内部和建设用地处,新复垦排土场的 NDVI 值介于二者之间。 针对胜利矿区出现的误差区域,平朔矿区并没有明显的大范围误差区域。但通过与遥感影像的 对比,在未修复排土场内部同样具有少量具有明显线性纹理特征的异常区域,这些异常区域大多为 采煤运输通道或采煤矿坑作业面,地表没有植被生长,完全被煤炭覆盖呈现黑色。但这些区域的 NDVI 值明显高于周边具有少量植被的未修复排土场,与已修复草地接近。部分异常区域与人工修 复草地区域对比见图 6。 图 6(c)、(d)和(e)中的具有明显纹理的黄色条带状区域即为上文提到的误差区域,其 NDVI 值明显高于周边,与图 6(a)中相近。其纹理特征与遥感影像中完全被煤炭覆盖的道路、矿 坑完全一致。但不同于胜利矿区,平朔矿区的误差区域呈线状纹理分布,宽度较小无法划定边界, 所以采用抽样的方式计算误差区域即其他区域的 NDVI 均值。在误差区域、植被人工恢复完成区域、 近期植被恢复区域及自然植被区域分别各抽取十个样点测定其 NDVI 均值,结果为:误差区域 0.283、近期植被恢复区域 0.294、植被恢复完成区域 0.802、自然植被区域 0.825。误差区域和以低 密度草地为主的近期植被恢复区域的 NDVI 值相近,远低于以林地为主的植被恢复完成区域和自然 植被区域。 录用稿件,非最终出版稿
d 图例 图62020年平朔矿区NDVI误差区域与人工修复区域对比(a美2020年平朔矿区NDVI分布 (b)近期植被恢复区域(c)误差区域示例1(d)误差区域示例2伦误差区域示例3 Fig.6 Comparison of NDVI error area and manual restoration area in Pingshuo mining area in 2020 (a)NDVI distribution in Pingshuo mining area in 2020(b)recent vegetation restoration area (c)error area example 1(d) error area example 2(e)ertor Areaexample 3 分别对四个区域抽样分析其光谱曲线,结果见。对比分析图4与图7各区域的光谱曲线的 特征。两个地区的误差区域的光谱曲线类似,在可见光和近红外波段反射率总体较低。随着波长增 加,其反射率逐渐增大,在近红外波段达到最高随后出现波动,近红外波段的反射率远大于红波段。 平朔矿区近期植被恢复区域和胜利矿区的自然植被区域在可见光至近红外波段光谱曲线特征相近, 二者自然植被均以低密度草地为主,受到土壤背景的影响,导致其“绿峰”和“红谷”现象均不明 显。总体上呈现随着波长增加反射率逐渐增大,近红外波段反射率远大于红波段的特征,这个特征 与误差区域十分相似。只依据DⅥ的植被覆盖度测算容易导致误差区域被判定为低密度草地。 035 30 .I5 025 20 Q0 Wavelength (n (el 图7平朔矿区各区域抽样光谱曲线 误差区域(b)植被恢复完成区域(℃)近期植被恢复区域(d)自然植被区域 Fig.7 Sampling spectrum curve of each area in Pingshuo mining area (a)Error area(b)Vegetation restoration completed area(c)Recent vegetation restoration area(d)Natural vegetation area 综上,“NDVI的矿区归一化误差”导致的误差区域在胜利矿区和平朔矿区均存在。误差区域 的光谱曲线与受到土壤背景值影响的草地光谱曲线特征类似,计算得到二者的NDVI值也相近。导 致在基于NDVⅥI的矿区植被监测工作中,误差区域(被煤炭完全覆盖的裸地)与草地容易产生混淆。 对于不同研究区域,该现象的影响程度不同。胜利矿区位于干旱草原区,研究区内主要植被为牧草, 植被覆盖度不高。误差区域容易被误判为草地,被归类为研究区内植被覆盖度较高的区域,对矿区 植被监测工作影响较大。平朔矿区位于季风区,研究区内优势植被为乔木、灌木,植被覆盖度较高
图 6 2020 年平朔矿区 NDVI 误差区域与人工修复区域对比(a)2020 年平朔矿区 NDVI 分布 (b)近期植被恢复区域(c)误差区域示例 1(d)误差区域示例 2(e)误差区域示例 3 Fig.6 Comparison of NDVI error area and manual restoration area in Pingshuo mining area in 2020 (a) NDVI distribution in Pingshuo mining area in 2020 (b) recent vegetation restoration area (c) error area example 1 (d) error area example 2 (e) error Area example 3 分别对四个区域抽样分析其光谱曲线,结果见图 7。对比分析图 4 与图 7 各区域的光谱曲线的 特征。两个地区的误差区域的光谱曲线类似,在可见光和近红外波段反射率总体较低。随着波长增 加,其反射率逐渐增大,在近红外波段达到最高随后出现波动,近红外波段的反射率远大于红波段 。 平朔矿区近期植被恢复区域和胜利矿区的自然植被区域在可见光至近红外波段光谱曲线特征相近, 二者自然植被均以低密度草地为主,受到土壤背景的影响,导致其“绿峰”和“红谷”现象均不明 显。总体上呈现随着波长增加反射率逐渐增大,近红外波段反射率远大于红波段的特征,这个特征 与误差区域十分相似。只依据 NDVI 的植被覆盖度测算容易导致误差区域被判定为低密度草地。 图 7 平朔矿区各区域抽样光谱曲线 (a)误差区域(b)植被恢复完成区域(c)近期植被恢复区域(d)自然植被区域 Fig.7 Sampling spectrum curve of each area in Pingshuo mining area (a) Error area (b) Vegetation restoration completed area (c) Recent vegetation restoration area (d) Natural vegetation area 综上,“NDVI 的矿区归一化误差”导致的误差区域在胜利矿区和平朔矿区均存在。误差区域 的光谱曲线与受到土壤背景值影响的草地光谱曲线特征类似,计算得到二者的 NDVI 值也相近。导 致在基于 NDVI 的矿区植被监测工作中,误差区域(被煤炭完全覆盖的裸地)与草地容易产生混淆。 对于不同研究区域,该现象的影响程度不同。胜利矿区位于干旱草原区,研究区内主要植被为牧草 , 植被覆盖度不高。误差区域容易被误判为草地,被归类为研究区内植被覆盖度较高的区域,对矿区 植被监测工作影响较大。平朔矿区位于季风区,研究区内优势植被为乔木、灌木,植被覆盖度较高 。 录用稿件,非最终出版稿
虽然误差区域的植被覆盖度被误判为比实际情况稍高,但误判后的结果也仅接近于低覆盖草地,在 研究区内属于低植被覆盖区域,在实践中往往被视为计算误差,并不会造成较大影响。因此, “NDVI的矿区归一化误差”对以草本植物为主的干旱区草原矿区影响较大,且影响区域较为集中, 这些区域植被覆盖度几乎为0,进行掩膜处理并不会对矿区植被监测工作产生较大影响。因此建议 在矿区植被监测的实践中根据上述特点对可能存在的误差区域进行掩膜处理。 4.2其他研究减果中对比 NDVI被广泛运用于矿区生态监测,如果“NDVI的矿区归一化误差”是存在的,那么误差区 域也可能会出现在其他研究成果中。例如:图8是帕提古丽·如则等利用NDVI对准北煤田和什托洛 盖矿区的植被覆盖进行反演的结果与遥感影像的对比。图8(a)(d)是帕提古丽·如则等人文章 中的原图,其使用NDVI对矿区地表覆盖情况进行反演。图8()中红框区域被识别为4级高覆盖 度植被,对比图8(a)中红框区域,二者位置及形状相似,可能是一个“NVI的矿区归一化误 差”区域。 9公 为了验证该结论是否成立,本文选取与原文相同来源的2019年6月1白的准北煤田和什托洛 盖矿区Landsat8OLI数据并计算NDVI,如图8(e)。为了确定该区域的地表覆盖性质,本文选取 了该地区2019年8月27日的Google Earth高清遥感影像,如图8(cX。由图8(c)可知,该区域 的地表覆盖以裸煤为主,形状位置与图8(a)、(d)高度相似。由图8可知,在帕提古丽·如则等 人的准北煤田和什托洛盖矿区的矿区植被覆盖反演过程中,部分影豫中裸煤覆盖区域是研究区内的 NDVI值的高点,出现了典型的“NDVI的矿区归一化误差现象可以证明该现象在矿区生态监 测工作中是存在的并且具有一定的影响。 4.3NDVI适用性分析 综合对比本文研究区域与其他文献的对比,可发现“NDVI的矿区归一化误差”现象随着纬 度的降低逐渐变弱,在本文涉及的三个研究区中以平朔矿区影响最低。随着纬度降低,区域主要植 被类型逐渐向乔木转变,低密度草地逐渐减父,“DⅥ的矿区归一化误差”的影响逐渐减弱,所 以NDVI的植被覆盖监测比较适合中低纬度地区露天煤矿。 此外,还有其他因素会影响NDVI对于露天矿区的反演精度,例如在混合像元现象较为严重的 城镇区域、大范围绿色地物覆盖区域,NDVI的反演精度会受到严重影响。在相关研究区的遥感监 测工作建议更换遥感指数进行 录用高 (b) 图例 12 (d) (e) 图8其他研究成果中的“NDV的矿区归一化误差”现象四
虽然误差区域的植被覆盖度被误判为比实际情况稍高,但误判后的结果也仅接近于低覆盖草地,在 研究区内属于低植被覆盖区域,在实践中往往被视为计算误差,并不会造成较大影响。因此, “NDVI 的矿区归一化误差”对以草本植物为主的干旱区草原矿区影响较大,且影响区域较为集中, 这些区域植被覆盖度几乎为 0,进行掩膜处理并不会对矿区植被监测工作产生较大影响。因此建议 在矿区植被监测的实践中根据上述特点对可能存在的误差区域进行掩膜处理。 4.2 其他研究成果中对比 NDVI 被广泛运用于矿区生态监测,如果“NDVI 的矿区归一化误差”是存在的,那么误差区 域也可能会出现在其他研究成果中。例如:图 8 是帕提古丽·如则等利用 NDVI 对准北煤田和什托洛 盖矿区的植被覆盖进行反演的结果与遥感影像的对比[9]。图 8(a)(d)是帕提古丽·如则等人文章 中的原图,其使用 NDVI 对矿区地表覆盖情况进行反演。图 8(d)中红框区域被识别为 4 级高覆盖 度植被,对比图 8(a)中红框区域,二者位置及形状相似,可能是一个 “NDVI 的矿区归一化误 差”区域。 为了验证该结论是否成立,本文选取与原文相同来源的 2019 年 6 月 1 日的准北煤田和什托洛 盖矿区 Landsat 8OLI 数据并计算 NDVI,如图 8(e)。为了确定该区域的地表覆盖性质,本文选取 了该地区 2019 年 8 月 27 日的 Google Earth 高清遥感影像,如图 8(c)。由图 8(c)可知,该区域 的地表覆盖以裸煤为主,形状位置与图 8(a)、(d)高度相似。由图 8 可知,在帕提古丽·如则等 人的准北煤田和什托洛盖矿区的矿区植被覆盖反演过程中,部分影像中裸煤覆盖区域是研究区内的 NDVI 值的高点,出现了典型的“NDVI 的矿区归一化误差”现象。可以证明该现象在矿区生态监 测工作中是存在的并且具有一定的影响。 4.3 NDVI 适用性分析 综合对比本文研究区域与其他文献的对比,可以发现“NDVI 的矿区归一化误差”现象随着纬 度的降低逐渐变弱,在本文涉及的三个研究区中以平朔矿区影响最低。随着纬度降低,区域主要植 被类型逐渐向乔木转变,低密度草地逐渐减少,“NDVI 的矿区归一化误差”的影响逐渐减弱,所 以 NDVI 的植被覆盖监测比较适合中低纬度地区露天煤矿。 此外,还有其他因素会影响 NDVI 对于露天矿区的反演精度,例如在混合像元现象较为严重的 城镇区域、大范围绿色地物覆盖区域,NDVI 的反演精度会受到严重影响。在相关研究区的遥感监 测工作建议更换遥感指数进行。 图 8 其他研究成果中的“NDVI 的矿区归一化误差”现象[9] 录用稿件,非最终出版稿
(a)原文研究地区(b)Landsat8OLI影像(2019年6月1日,真彩色合成) (c)Google Earth高清影像(2019年8月27日)(d)原文植被覆盖度分布(2019年)(e)NDVI Fig.8 The phenomenon of"NDVI mining area normalization error"in other research results (a)Research area in the citation(b)Landsat 8OLI image(June 1,2019,true color composite)(c)Google Earth image (August 27,2019)(d)Distribution of vegetation coverage in citations(2019)(e)NDVI 5.结论 (1)基于NDVI-植被覆盖度模型是常见的矿区植被监测模型,利用该模型可以比较有效地反 映矿区内已修复排土场等具有一定覆盖度的区域内的植被情况。 (2)矿区内部被煤炭完全覆盖的裸地区域的各波段反射率均远小于中低覆盖草地。但二者的 光谱曲线特征相似,由于NDVI的归一化算法的特性,会导致这两个区域的NDVI值接近。往往容 易将矿区内部被煤炭完全覆盖的裸地区域误判识别为中低覆盖草地,本文称这种现象为“NDVⅥ的 矿区归一化误差”。 公 (3)“NDVI的矿区归一化误差”对干旱区草原矿区的影响比季风区矿区更加严重。对于地 表覆盖以草地为主的草原矿区,建议在以DVI进行遥感生态监测工作中对相关区域进行掩膜处理 或更换其他的植被指数。 参考文献: [1]LIU Yi,LEI S G,CHEN X Y.Temporal variation and driving factors of vegetation coverage in Shendong central mining area based on the perspective of guided restoration.Journal of China Coal Society,2021,46(10):3319 (刘英,雷少刚,陈孝杨陈敏,杨英明,李心慧,张旭阳,龙林丽 申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.煤炭学报.2021,46(10):3319) [2]Patiguri R uze,Chai Shuangqi,Halembek Matexhan,y.Dynamic changes and trends forecast of surface vegetation coverage in Heshituoluogai Mining Area of Northern Junggar Coalfield.China Energy and Environmental Protection,2020,42(12):1-6+28 (帕提古丽·如则,柴双奇,哈力木别克·满太西汗,等.准北煤田和什托洛盖矿区植被覆盖度动态变化与趋势预 测.能源与环保,2020,42(12):1-6t28)_ [3]Jiawei Hui,.Zhongke Bai,.Baoying Ye..Remote Sensing Monitoring and Evaluation of Vegetation Restoration in Grassland Mining Areas-A Case Study of the Shengli Mining Area in Xilinhot City,China.Land 2021,10(7),743 [4]Guofang Wang,Rutian Bi,Wuping Zhang..Temporal and spatial distribution characteristics and influencing factors of vegetation coverage in typical mining areas.Acta Ecologica Sinica,2020,40(17):6046-6056. (王国芳,毕如张吴 等.典型矿区植被覆盖度时空分布特征及影响因素.生态学报,2020,40(17):6046- 6056.) [5]John Wilson Rouse,Rudiger H Haas,John A Schell,.Monitoring vegetation systems in the Great Plains with ERTS.NASA special publication,1974,351(1974):309. [6 Tian Qingjiu,Min Xiangjun.Research progress of vegetation index.Advances in Earth Science,1998,(04):10-16. (田庆久,闵祥军.植被指数研究进展.地球科学进展,1998.(04):10-16.) [7]Ma Xiaoli,Wang Xingfeng,Chen Ming,et al.Analysis on the Change of the Vegetation Coverage Degree Based on NDVI in Shendong Coal Mine Areas.Journal of Anhui Agricultural Sciences,2011,39(21):12795-12796+12813. (马晓黎,王行风,陈明,等.基于植被指数的神东矿区植被盖度变化分析.安徽农业科学,2011,3921):12795- 12796+12813.) [8](Zhen Na,Li Yuhang,Chen Tao.Study on the dynamic changes of vegetation coverage in mining areas in Yuzhou City from 1992 to 2015.Geospatial Information,2021,19(05):91-95+6. (甄娜,李宇航,陈涛.禹州市1992-2015年矿区植被覆盖度动态变化研究.地理空间信息,2021,1905):91-
(a)原文研究地区(b)Landsat 8OLI 影像(2019 年 6 月 1 日,真彩色合成) (c)Google Earth 高清影像(2019 年 8 月 27 日)(d)原文植被覆盖度分布(2019 年)(e)NDVI Fig.8 The phenomenon of "NDVI mining area normalization error" in other research results [9] (a) Research area in the citation (b) Landsat 8OLI image (June 1, 2019, true color composite) (c) Google Earth image (August 27, 2019) (d) Distribution of vegetation coverage in citations (2019) (e) NDVI 5.结论 (1)基于 NDVI-植被覆盖度模型是常见的矿区植被监测模型,利用该模型可以比较有效地反 映矿区内已修复排土场等具有一定覆盖度的区域内的植被情况。 (2)矿区内部被煤炭完全覆盖的裸地区域的各波段反射率均远小于中低覆盖草地。但二者的 光谱曲线特征相似,由于 NDVI 的归一化算法的特性,会导致这两个区域的 NDVI 值接近。往往容 易将矿区内部被煤炭完全覆盖的裸地区域误判识别为中低覆盖草地,本文称这种现象为“NDVI 的 矿区归一化误差”。 (3)“NDVI 的矿区归一化误差”对干旱区草原矿区的影响比季风区矿区更加严重。对于地 表覆盖以草地为主的草原矿区,建议在以 NDVI 进行遥感生态监测工作中对相关区域进行掩膜处理 或更换其他的植被指数。 参考文献: [1] LIU Yi, LEI S G, CHEN X Y. Temporal variation and driving factors of vegetation coverage in Shendong central mining area based on the perspective of guided restoration. Journal of China Coal Society, 2021,46(10):3319 (刘英,雷少刚,陈孝杨,陈敏,杨英明,李心慧,张旭阳,龙林丽,卞正富.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.煤炭学报,2021,46(10):3319) [2] Patiguri R uze, Chai Shuangqi, Halembek Matexhan,..Dynamic changes and trends forecast of surface vegetation coverage in Heshituoluogai Mining Area of Northern Junggar Coalfield. China Energy and Environmental Protection,2020, 42(12): 1-6+28. (帕提古丽·如则,柴双奇,哈力木别克·满太西汗,等. 准北煤田和什托洛盖矿区植被覆盖度动态变化与趋势预 测. 能源与环保, 2020, 42(12): 1-6+28.) [3] Jiawei Hui,. Zhongke Bai,. Baoying Ye,. Remote Sensing Monitoring and Evaluation of Vegetation Restoration in Grassland Mining Areas—A Case Study of the Shengli Mining Area in Xilinhot City, China. Land 2021, 10(7), 743 [4] Guofang Wang, Rutian Bi, Wuping Zhang,. Temporal and spatial distribution characteristics and influencing factors of vegetation coverage in typical mining areas. Acta Ecologica Sinica, 2020, 40(17): 6046-6056. (王国芳,毕如田,张吴平,等. 典型矿区植被覆盖度时空分布特征及影响因素. 生态学报, 2020, 40(17): 6046- 6056.) [5] John Wilson Rouse,Rüdiger H Haas,John A Schell,等. Monitoring vegetation systems in the Great Plains with ERTS. NASA special publication, 1974, 351(1974): 309. [6] Tian Qingjiu, Min Xiangjun. Research progress of vegetation index. Advances in Earth Science, 1998, (04): 10-16. (田庆久,闵祥军. 植被指数研究进展. 地球科学进展, 1998, (04): 10-16.) [7] Ma Xiaoli, Wang Xingfeng, Chen Ming, et al. Analysis on the Change of the Vegetation Coverage Degree Based on NDVI in Shendong Coal Mine Areas. Journal of Anhui Agricultural Sciences, 2011, 39(21): 12795-12796+12813. (马晓黎,王行风,陈明,等. 基于植被指数的神东矿区植被盖度变化分析. 安徽农业科学, 2011, 39(21): 12795- 12796+12813.) [8] (Zhen Na, Li Yuhang, Chen Tao. Study on the dynamic changes of vegetation coverage in mining areas in Yuzhou City from 1992 to 2015. Geospatial Information, 2021, 19(05): 91-95+6. (甄娜,李宇航,陈涛. 禹州市 1992-2015 年矿区植被覆盖度动态变化研究. 地理空间信息, 2021, 19(05): 91- 录用稿件,非最终出版稿