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