青海木里煤田地表温度变化及其影响因素分析

doi:10.7522/j.issn.1000-0240.2023.0074

青海木里煤田地表温度变化及其影响因素分析

郭俊钰^,¹^,², 祁元^,¹, 王宏伟¹, 张金龙¹, 杨瑞¹, 曹永攀¹

1.中国科学院西北生态环境资源研究院，甘肃兰州 730000

2.中国科学院大学，北京 100049

Variation of land surface temperature and its influencing factors in Muli Coalfield， Qinghai Province

GUO Junyu^,¹^,², QI Yuan^,¹, WANG Hongwei¹, ZHANG Jinlong¹, YANG Rui¹, CAO Yongpan¹

1.Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, China

2.University of Chinese Academy of Sciences, Beijing 100049, China

通讯作者: 祁元，研究员，主要从事遥感与GIS研究. E-mail： qiyuan@lzb.ac.cn

收稿日期: 2022-08-16 修回日期: 2022-11-29

基金资助:

国家重点研发计划项目. 2019YFC0507404

Received: 2022-08-16 Revised: 2022-11-29

作者简介 About authors

郭俊钰，硕士研究生，主要从事生态遥感与地表温度研究.E-mail：guojunyu@nieer.ac.cn , E-mail：guojunyu@nieer.ac.cn

摘要

在中国煤炭是一种重要的能源，大规模的开采活动严重破坏了周边的生态环境，而高原高寒地区煤矿开采对地表温度的时空影响规律有待深入研究。地表温度作为一种重要的地表参数对地表能量和水分平衡研究均具有重要意义，也可以反映区域生态环境的变化。本文以Landsat 5/8影像为数据源，利用面向对象的方法和普适性单通道算法分别得到了7期土地利用/覆盖数据和地表温度数据，研究了1990—2021年木里煤田聚乎更矿区从开采到生态修复过程的地表温度变化特征和影响因素。结果表明：利用面向对象的方法得到7期土地利用/覆盖数据很好地反映了聚乎更矿区的几个阶段，分别为缓慢开采期（1990年、2002年），快速开采期（2005年、2009年），缓慢修复期（2015年、2019年）和快速修复期（2021年）；矿坑、建成区、排土场、堆煤场等煤矿土地类型地表温度最高，高寒草甸次之，高寒沼泽草甸地表温度较低，水体温度最低，裸地则在特高温和低温均有分布；草甸区地表温度影响因素的解释力大小排序为NDVI>反照率>坡向>海拔>坡度，矿区地表温度影响因素的解释力大小排序为坡向>反照率>NDVI>海拔>坡度，修复区地表温度影响因素的解释力大小排序为NDVI>反照率>海拔>坡向>坡度。研究工作有助于揭示高原矿区地表温度的变化规律，对于评估木里煤田生态修复效果具有重要的参考价值。

关键词： 地表温度 ; NDVI ; 反照率 ; 海拔 ; 坡度 ; 坡向 ; 木里煤田

Abstract

Coal is an important energy source in China， and large-scale mining activities have seriously damaged the surrounding ecological environment. However， the spatial and temporal effects of coal mining in plateau and alpine regions on land surface temperature （LST） require further in-depth research. As an important surface parameter， LST is important for the study of surface energy and water balance， and can also reflect the changes of regional ecological environment. In this paper， we use Landsat 5/8 images as the data sources to obtain 7 periods of land use/cover data and LST data using object-oriented methods and single-channel algorithm， respectively， to study the spatial and temporal characteristics of LST changes from mining to ecological restoration in the Juhugeng mining area of the Muli Coalfield from 1990 to 2021. The results showed that： The 7-period land use/cover data obtained by using the object-oriented method well reflect the several stages of the Juhugeng mining area： slow mining period （1990， 2002）， fast mining period （2005， 2009）， slow recovery period （2015， 2019） and fast-fix period （2021）. The LST of coal mine land types such as open pits， slag， built-up areas and coal pile is the highest， followed by the LST of alpine meadows， and alpine swamp meadows have lower LST. The water body has the lowest LST. Bare ground is distributed in ultra-high LST and low LST. The order of explanatory power of the influencing factors of LST in the meadow area is： NDVI > albedo> slope aspect > elevation > slope gradient， and the order of explanatory power of the influencing factors of LST in the mining area is： slope aspect > albedo > NDVI > elevation > slope gradient. The order of explanatory power of the influencing factors of LST in the restoration area is： NDVI > albedo > elevation > slope aspect > slope gradient. This research work helps to understand the spatial and temporal variation of LST in the plateau mining area， and has important reference value for evaluating the ecological restoration effect of the Muli Coalfield.

Keywords： land surface temperature ; NDVI ; albedo ; elevation ; slope gradient ; slope aspect ; Muli Coalfield

PDF (8888KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

郭俊钰, 祁元, 王宏伟, 张金龙, 杨瑞, 曹永攀. 青海木里煤田地表温度变化及其影响因素分析[J]. 冰川冻土, 2023, 45(3): 980-992 doi:10.7522/j.issn.1000-0240.2023.0074

GUO Junyu, QI Yuan, WANG Hongwei, ZHANG Jinlong, YANG Rui, CAO Yongpan. Variation of land surface temperature and its influencing factors in Muli Coalfield， Qinghai Province[J]. Journal of Glaciology and Geocryology, 2023, 45(3): 980-992 doi:10.7522/j.issn.1000-0240.2023.0074

0 引言

尽管绿色能源发展迅速，但煤炭在一定时期内仍然是社会经济发展不可缺少的不可再生能源。煤炭的大量开采导致了植被退化、水土流失、滑坡、地表水和地下水系统紊乱等一系列生态环境问题，严重影响了区域的可持续发展^［1-2］。出于经济社会发展的需要，生态环境脆弱的祁连山区域也进行了一定的煤炭开采，如木里煤田。木里煤田的开采、矿区的生产和生活等人类活动造成了煤矿区高寒草甸、大通河水系和多年冻土的大面积破坏。地表温度作为地表能量和水分平衡的最重要参数之一，对于研究区域蒸散发、气候变化、水分循环、植被监测、城市气候和生态环境具有重要意义^［3］。

卫星遥感反演地表温度通常用来获取区域尺度的地表温度时空分布^［4］。Landsat因具有较高的空间分辨率和长时间连续对地观测的优点成为应用最多的热红外数据之一，目前国内外学者针对Landsat热红外数据提出了不同的地表温度反演算法，主要有单通道算法和分裂窗算法两类^［5］。由于Landsat 8 TIRS 11波段的定标不确定性较大，美国地质调查局建议不要使用分裂窗算法来反演地表温度^［6］。目前常用的单通道算法有基于辐射传输方程的算法^［7］、单窗算法^［8］和普适性单通道算法^［9］。辐射传输方程的计算精度较高，但是难以获取实时的大气廓线数据，单窗算法需要气温以计算大气平均作用温度^［8］，因此降低了适用性。而普适性单通道算法需要的实时大气参数较少而被广泛使用^［9］。

矿区人类活动改变了原有的土地利用方式，使得矿区地表温度发生了变化，对矿区生态环境和地表能量平衡都产生了一定的扰动。目前对矿区地表温度研究主要为以下几个方面：①分析地表温度与生物物理参数（NDVI、NDWI、NDBI等）相关性^［10-12］，②景观格局对地表温度的影响^［13］，③煤火的时空分布和变化特征^［14-15］。青藏高原由于高寒、干旱、缺氧的气候特征，生态环境本底敏感而更具脆弱性，矿区开采对生态环境的破坏更加难以恢复。目前，针对青藏高原矿区地表温度的变化及其影响因素的研究较少。

为了更好地为高原煤矿提供生态服务，本文以木里煤田聚乎更矿区为研究区域，基于1990—2021年7期生长季Landsat 5/8影像，分析地表温度的时空动态及其影响因素，为木里煤田生态环境变化监测提供参考。

1 研究区与数据

1.1　研究区概况

木里煤田位于青海省海北与海西交界处的大通河上游盆地中，处祁连山脉的中南部地区，总体上呈东南低，西北高的趋势。区内地势起伏不大，海拔高度为3 800~4 300 m。矿区地处高海拔高寒地带，气候寒冷，昼夜温差变化大，四季不分明，10月至翌年4月为冰冻期，属于典型的高原大陆性气候。矿区土壤主要为草甸沼泽土，其母质为湖积、洪积物，质地为中壤，土层厚度>50 cm。区域内为多年冻土区，冻土厚度为50~90 m左右，最大融化深度小于3 m^［16-17］。

木里煤田的开采始自20世纪70—80年代，2002年以前木里煤田处于小规模开采阶段。2003—2014年处于大规模开采阶段，其中，2009年哈木铁路开通运营后，煤炭转运更加便捷，矿区面积迅速扩大。2014年8月按照青海省政府的统一部署，木里煤田停止一切开采活动，进入生态环境综合整治阶段^［18］。2015—2020年木里煤田开展了生态环境整治工作，对排土场进行边坡修整与种草复绿，但大部分区域治理效果较差。2020年8月，聚乎更五号井违法违规开采活动引发舆论关注，青海省政府对此高度重视，启动了木里煤田新一轮的生态修复工作。2021年6月底，木里生态修复工程第二阶段“渣土改良与种草复绿工程”的设计批复覆土复绿任务按时保质完成并通过验收^［19-21］。本文以木里煤田聚乎更矿区为研究区域（图1），由于一号井、二号井、四号井和六号井未进行开发，所以不在研究范围。研究区右下方的矩形框为地表温度验证区。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 研究区位置

Fig. 1 Location of the study area

1.2　数据来源

因需要精细化地反映矿区开采和修复对地表温度的影响，本文选用具有长时间观测，且分辨率较高的Landsat影像进行分析。Landsat 5和Landsat 8影像从美国地质调查局网站（https：//earthexplorer.usgs.gov）获取，Landsat影像行列号为134/034，选用的影像均在生长季，日期分别为1990年8月30日、2002年8月15日、2005年8月23日、2009年7月17日、2015年9月4日、2019年7月29日和2021年8月19日。根据木里煤矿的开发历史，有2002年、2009年、2015年和2021年四个矿区发展的关键时间节点，因此本文中选用的这7幅影像亦可充分反映矿区开采和修复的状况。Landsat影像主要用于反演地表温度，提取研究区土地利用/覆盖、NDVI和反照率。MOD11A1地表温度产品和MOD05_L2水汽产品来自LAADS DAAC网站（https：//ladsweb.modaps.eosdis.nasa.gov/search/）。NCEP再分析数据来源于NOAA Physical Sciences Laboratory （PSL）（https：//psl.noaa.gov/）。MOD11A1地表温度产品空间分辨率为1 km，用于验证Landsat反演的地表温度。MOD05_L2水汽产品空间分辨率为1 km，NCEP再分析数据空间分辨率为2.5°，是利用Landsat反演地表温度所需的大气水汽含量。SRTM DEM数据从美国地质调查局网站（https：//earthexplorer.usgs.gov）获取，数据采集时间为2000年，ASTER Digital Elevation Model V003从EARTHDATA获取（https：//search.earthdata.nasa.gov/search/），该产品是基于两幅不同角度的图像，采用立体对和摄影测量相结合的方法进行高程测量，数据采集时间为2015年4月19日和2021年4月24日。因矿区开采和修复对地形改变较大，本文采用了开采前、开采后和修复后三个时间段的DEM，以分析矿区不同发展阶段地形要素对地表温度的影响。

2 研究方法

2.1　地表温度反演算法

采用Jiménez-Muñoz等^［22］改进的普适性单通道算法计算地表温度，公式为

T_{s} = γ [ε^{- 1} (ψ_{1} L_{s e n s o r} + ψ_{2}) + ψ_{3}] + δ

（1）

式中：T_s为地表温度；γ和δ通过计算α和β获得，见式（2）；ε为地表比发射率；L_sensor为传感器观测到的辐射亮度；ψ₁、ψ₂、ψ₃根据大气水汽含量ω来确定，如式（5）所示。

γ = \frac{1}{β}

，

δ = - \frac{α}{β}

（2）

α = B (T_{0}) \{1 - \frac{C_{2}}{T_{0}} [\frac{λ^{4}}{C_{1}} B (T_{0}) + \frac{1}{λ}]\}

（3）

β = \frac{C_{2} B (T_{0})}{T_{0}^{2}} [\frac{λ^{4}}{C_{1}} B (T_{0}) + \frac{1}{λ}]

（4）

上述式中：T₀为亮度温度（K），如式（8）所示；λ为等效波长； $C_{1}$ =1.9104×10⁸， $C_{2}$ =1.43877×10⁴。

[\begin{matrix} ψ_{1} \\ ψ_{2} \\ ψ_{3} \end{matrix}] = [\begin{matrix} C_{11} & C_{12} & C_{13} \\ C_{21} & C_{22} & C_{23} \\ C_{31} & C_{32} & C_{33} \end{matrix}] [\begin{matrix} ω^{2} \\ ω \\ 1 \end{matrix}]

（5）

C_{L 5} = [\begin{array}{l} 0.14714 & - 0.15583 & 1.12340 \\ - 1.18360 & - 0.37607 & - 0.52894 \\ - 0.04554 & 1.87190 & - 0.39071 \end{array}]

（6）

C_{L 8} = [\begin{array}{l} 0.04019 & 0.02916 & 1.01523 \\ - 0.38333 & - 1.50294 & 0.20324 \\ 0.00918 & 1.36072 & - 0.27514 \end{array}]

（7）

上述式中： $C_{i j}$ 为不同传感器的系数。Landsat 5的系数如式（6）所示，Landsat 8的系数如式（7）所示。2000年以前的大气水汽含量ω通过NCEP再分析数据获得，2000年以后的通过MOD05水汽产品获得。

2.1.1　亮度温度反演

Landsat热红外波段可以由下列公式转换为亮度温度 $T_{0}$ ^［22-23］。

T_{0} = {K_{2}}_{} / l n (\frac{K_{1}}{L_{s e n s o r}} + 1)

（8）

式中：L_sensor为大气上界太阳辐射亮度（W·m^-2·sr^-1·μm^-1）；K₁和K₂为热红外波段的定标常数。对于Landsat 5 TM 6波段， $K_{1} = 607.76$ W·m^-2·sr^-1·μm^-1， $K_{2} = 1 260.56$ W·m^-2·sr^-1·μm^-1；对于Landsat 8 TIRS 10波段， $K_{1} = 774.89$ W·m^-2·sr^-1·μm^-1， $K_{2} = 1 321.08$ W·m^-2·sr^-1·μm^-1。

2.1.2　地表比辐射率的估算

为了提高地表温度遥感反演的精度，使用Sobrino地表比辐射率方法^［24］，水体的比辐射率为0.995^［25］。

ε = \{\begin{array}{l} 0.979 - 0.035 ρ_{R e d}, & 0 < N D V I < 0.2 \\ 0.986 + 0.004 {(\frac{N D V I - N D V I_{s}}{N D V I_{v} - N D V I_{s}})}^{2}, & 0.2 \leq N D V I \leq 0.5 \\ 0.99, & N D V I > 0.5 \end{array}

（9）

式中： $ρ_{R e d}$ 为红色波段的反射率；NDVI为归一化植被指数；NDVI_s为完全被裸土或无植被覆盖区域的NDVI值；NDVI_v为完全被植被所覆盖区域的NDVI值，即纯像元植被的NDVI值。取经验值 $N D V I_{v} = 0.5$ ， $N D V I_{s} = 0.2$ 。

2.2　反照率计算

反照率的计算采用梁顺林建立的窄波段反照率向宽波段反照率的转换系数^［26-27］。假设地表为朗伯面，Landsat的光谱反射率可视为窄波段反照率^［28］。公式为

A = 0.356 α_{1} + 0.130 α_{3} + 0.373 α_{4} + 0.085 α_{5} + 0.072 α_{7} - 0.0018

（10）

式中：α₁、α₃、α₄、α₅、α₇分别为Landsat数据Blue、Red、NIR、SWIR 1、SWIR 2波段的反射率。

2.3　土地利用/覆盖分类

本文采用面向对象的分类方法提取研究区土地利用/覆盖数据。面向对象分类不是以单个像素，而是以均质像素组成的影像对象为分析单元。综合利用影像的光谱、形状、纹理等特征，使得分类结果避免“椒盐”现象的产生^［29］。面向对象的影像分析技术的核心是分割和分类，首先根据像元之间的光谱异质性将影像分割成有意义的影像对象，然后基于特征空间对影像对象进行归类^［30］。本文利用eCognition影像分析平台，采用多尺度分割和阈值分类的方法对木里煤田聚乎更矿区的土地利用/覆盖进行分类，最后根据野外考察情况进行目视解译修改。研究区土地利用/覆盖分为矿坑、排土场、堆煤场、建成区、人工草地、高寒草甸、高寒沼泽化草甸、水体和裸地等8个类型（表1）。

表1 土地利用/覆盖分类定义

Table 1 Definition of land cover/use classification

地物	定义
水体	湖泊和河流
高寒沼泽化草甸	沼泽与草甸的过渡类型
高寒草甸	寒冷环境条件下发育在高原和高山的一种草地类型
裸地	裸土和裸岩
矿坑	露天开矿挖掘的坑和坑道
建成区	被建筑物覆盖的土地类型
排土场	矿山采矿排弃物集中排放的场所
人工草地	人工栽培而成的草地

新窗口打开| 下载CSV

2.4　地表温度分级

由于Landsat影像数据时间不一致，且地表温度受气象因素影响大，为消除季节、气象条件的影响，使不同时期的地表温度具有可比性，采用均值减去标准差^［31］的方法将地表温度划分为低温、较低温、次中温、中温、次高温、高温、特高温7个温度强度等级^［32］，温度等级是表示该区域相对的高温和低温，划分标准如表2所示。

表2 地表温度等级划分标准

Table 2 The classification criteria of land surface temperature （LST）

温度等级	温度范围
低温	$T_{n i} < T_{m e a n} - 1.5 S$
较低温	$T_{m e a n} - 1.5 S \leq T_{n i} < T_{m e a n} - S$
次中温	$T_{m e a n} - S \leq T_{n i} < T_{m e a n} - 0.5 S$
中温	$T_{m e a n} - 0.5 S \leq T_{n i} < T_{m e a n} + 0.5 S$
次高温	$T_{m e a n} + 0.5 S \leq T_{n i} < T_{m e a n} + S$
高温	$T_{m e a n} + S \leq T_{n i} < T_{m e a n} + 1.5 S$
特高温	$T_{n i} \geq T_{m e a n} + 1.5 S$

注：T_ni 为第i个像元的地表温度；T_mean为研究区域地表温度的平均值，S为标准差。

新窗口打开| 下载CSV

2.5　变化趋势率计算

为了研究地表温度、NDVI和反照率的时空动态规律，采用最小二乘法逐像素拟合地表温度、NDVI和反照率的变化趋势率，其表达式^［33］为

θ_{s l o p e} = \frac{n \sum_{i = 1}^{n} x_{i} t_{i} - \sum_{i = 1}^{n} x_{i} \sum_{i = 1}^{n} t_{i}}{n \sum_{i = 1}^{n} t_{i}^{2} - {(\sum_{i = 1}^{n} t_{i})}^{2}}

（11）

式中：θ_slope为斜率；n为总年份数量； $x_{i}$ 为第i年的值； $t_{i}$ 为年份。

2.6　地理探测器

地理探测器是探测和利用空间分异性的工具。本文采用地理探测器中的分异及因子探测。分异及因子探测可以探测NDVI、反照率、海拔、坡度和坡向在多大程度上解释了地表温度的空间分异性，用q值进行度量，表达式^［34］为

q = 1 - \frac{\sum_{h = 1}^{L} N_{h} σ_{h}^{2}}{N σ^{2}} = 1 - \frac{S S W}{S S T}

（12）

S S W = \sum_{h = 1}^{L} N_{h} σ_{h}^{2}

（13）

S S T = N σ^{2}

（14）

式中：h=1，2，3，…；L为NDVI、反照率、海拔、坡度和坡向的分层； $N_{h}$ 和 $N$ 分别为层h和全区的单元数； $σ_{h}^{2}$ 和 $σ^{2}$ 分别为层h和全区地表温度的方差；SSW、SST分别为层内方差之和、全区总方差。

3 结果与分析

3.1　地表温度精度验证及分级结果

基于普适性单通道算法获得了7期木里煤田聚乎更矿区地表温度数据。采用交叉验证^［35］的方法，选取研究区中相对平坦，地表性质均一的2 km×2 km区域进行地表温度验证，将MODIS四个像元大小的区域取平均值与Landsat反演的地表温度重采样至1 km的结果进行对比（见图1）。结果表明两者差值在0.2~1.9 ℃之间（表3），利用Landsat数据反演的地表温度符合精度要求。

表3 MOD11A1与Landsat地表温度对比

Table 3 Comparison of LST between MOD11A1 and Landsat

日期（年-月-日）	MODIS温度/℃	Landsat温度/℃	差值/℃
2002-08-15	21.6	19.6	1.9
2005-08-23	18.9	18.2	0.7
2009-07-17	20.9	21.3	0.4
2015-09-04	18.1	17.8	0.3
2019-07-29	20.1	21.5	1.4
2021-08-19	17.8	18.0	0.2

新窗口打开| 下载CSV

基于地表温度分级（图2），可以发现1990年和2002年高温和特高温区主要在东北和西南方向的山坡上，低温区和较低温区主要在中部和西北部。随着开采面积的扩大，高温和特高温区主要分布在矿区，在经过2020年的生态修复后，矿区的高温和特高温区大部分转换为低温、较低温和次中温区。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 研究区地表温度分级

Fig. 2 LST （land surface temperature） grading of the study area

3.2　土地利用/覆盖时空变化

利用面向对象的分类方法得到矿区土地利用/覆盖图（图3）。综合聚乎更矿区的开发历史和遥感影像特征、土地利用/覆盖结果分别代表以下几个阶段：缓慢开采期（1990年、2002年），快速开采期（2005年、2009年），缓慢修复期（2015年、2019年）和快速修复期（2021年）。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 研究区土地利用/覆盖

Fig. 3 Land use/cover of the study area

从图3可以看出，1990—2021年聚乎更矿区高寒沼泽化草甸和高寒草甸呈持续减少趋势，其中高寒沼泽化草甸减少的面积最大，从1990年的72.82 km²减少至2021年的47.55 km²。高寒草甸减少的面积次之，从1990年的49.81 km²减少至2021年的40.54 km²。矿坑、排土场、建成区、堆煤场1990—2014年持续增加，在2014年达到最大值，2014年开展修复治理后面积逐渐减少。矿坑、建成区、排土场、堆煤场等煤矿土地类型从1990年的0.87 km²增加至2015年的29.87 km²，2015年后，面积逐渐减少，至2021年为11.03 km²。随着开采范围的扩大，矿坑内形成大量采坑积水，水体面积持续增加，由1990年的0.59 km²增加至2021年的3.15 km²。人工草地自2014矿区停产治理后出现，从2014年开始持续增加，2020年专项恢复治理后，聚乎更矿区65%的区域已实现植被复绿，人工草地面积达到24.74 km²。

3.3　地表温度对土地利用/覆盖分类变化的响应

土地利用/覆盖类型的变化是研究区地表温度发生显著变化的重要影响因素。从图3和图4可以看出，高寒草甸和高寒沼泽化草甸是矿区的主要土地覆盖类型。受海拔和坡向影响，高寒草甸的地表温度差异化分布明显，在各温度分级均占有一定比例，1990年和2002年从较低温到特高温的占比在20%~75%之间，高温区占比最高，次中温区占比最少。高寒沼泽化草甸主要分布在地势低洼的区域，地表积水，土壤含水量饱和，地表温度主要为次中温、中温和次高温，1990年和2002年从次中温到次高温的占比在24%~77%之间，次中温区占比最多，次高温区占比最少。随着矿区范围扩大，高寒草甸和高寒沼泽化草甸在相应温度等级所占的百分比逐渐变小，高寒草甸2019年在次高温、高温和特高温区的占比相比1990年分别降低了20.68%、57.69%和48.76%，高寒沼泽化草甸2019年在中温和次高温区的占比相比1990年分别降低了24.94%和32.13%。2020年经过专项治理后，高寒草甸在高温和特高温区占比相对2019年增加了17.83%和14.69%，高寒沼泽化草甸在次高温区占比相对2019年增加了21.14%。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 地表温度与土地利用/覆盖的关系

Fig. 4 Relationship between LST and land use/cover

矿坑、建成区、排土场、堆煤场等煤矿土地类型大部分区域地表温度都相对较高，随着开采范围扩大逐渐取代高寒草甸和高寒沼泽化草甸成为次高温、高温和特高温区的主要土地类型，其在次高温区、高温和特高温区的占比也越来越大。经过专项治理后，在次高温、高温和特高温区的占比下降。矿坑、建成区、排土场、堆煤场等煤矿土地类型2002年在次高温、高温和特高温区占比分别为2.58%、8.05%和19.39%，2015年在高温和特高温区占比分别为80.97%、80.37%，在2019年分别为64.41%、93.57%，2020年经过专项治理后比例下降为34.15%、34.73%。

人工草地在2014年进行矿区修复后面积百分比逐渐上升。2020年专项治理后，人工草地在各个温度等级的占比增加迅速，人工草地在较低温和次中温区占比分别为39.91%、29.12%，在中温、次高温、高温和特高温的占比在12.15%~16.43%之间。

矿区发展前，裸地受阴阳坡的影响，主要处于低温、较低温和特高温，其在1990年低温、较低温和特高温区占比分别为44.22%、25.64%和41.75%。之后受煤炭开采和矿坑积水影响，裸地在特高温区和低温区百分比下降，2019年次低温区为24.38%，其他温度等级占比仅在2.67%~7.50%之间。在2020年专项治理后，裸地在特高温区的占比回升至34.96%。

水体在1990—2009年主要分布在低温区，在低温区所占的百分比为41%~47%之间。2014年停止开采活动后，矿坑受自然和人为双重因素影响形成积水，水体面积迅速增加，水体在低温区和较低温区所占的百分比也急剧上升。水体在低温区所占百分比由2015年的35.60%上升至2019年的97.23%，较低温区所占百分比由2015年的9.03%上升至2019年的24.76%。2021年水体在低温区和较低温区占比相对于2019年有所降低，低温区为82.71%，较低温区为19.48%。

综上所述，矿坑、建成区、排土场、堆煤场等煤矿土地类型地表温度最高，高寒草甸次之，高寒草甸湿地地表温度较低，水体温度最低，裸地则在特高温和低温均有分布。人类活动导致了矿区土地利用/覆盖类型发生了快速变化，随着开采范围扩大，矿坑、建成区、排土场、堆煤场等煤矿土地类型成为研究区内主要的土地利用/覆盖类型，NDVI、反照率、地形等地表特性发生改变，地表温度整体呈上升趋势。2020年专项治理后，高寒草甸、高寒沼泽化草甸和裸地在次高温、高温和特高温区占比有所回升，朝着1990年和2002年近乎自然状态下地表温度分布格局的方向发展，说明研究区地表温度整体上有所下降。

3.4　地表温度、NDVI和反照率的变化趋势分析

由于矿区的开采和修复活动对地表温度、NDVI和反照率产生了剧烈变化，本节研究地表温度、NDVI和反照率的变化趋势。因矿区于2015年开始修复治理，以2015年为时间节点，将1900—2015年定为开采期，2015—2021年定为修复期，分别对开采期和修复期的地表温度、NDVI和反照率进行变化趋势分析，结果如图5所示。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 地表温度、NDVI和反照率的变化率

Fig. 5 Change rates of LST， NDVI and albedo： LST change rates during 1990—2015（a）and 2015—2021（b）， NDVI change rates during 1990—2015（c） and 2015—2021（d），and albedo change rates during 1990—2015（e） and 2015—2021（f）

通过图5（a）可以看出，矿区在1990—2015年呈升温趋势，大部分区域升温速率≥1（由于影像不连续，不是以年为间距，所得变化率不是年变化率，故未加单位；下同）。而临近矿区东面和东南方向的草甸区升温趋势也较明显，升温速率在≥0.5~1之间。矿区外大部分区域升温趋势并不明显，升温速率在≥0~0.5之间。从图5（b）可知，矿区经过修复治理后，在2015—2021年呈降温趋势，经过修复的区域降温速率大部分<-1，而经过修复治理的区域地表温度的变化速率在≥-0.5~0.5之间。在矿区的北面，西面和南面增温速率均≥1，矿区东侧因海拔较低，植被生长较好，大部分区域增温速率在≥0~0.5之间。因此，在开采区的地表温度显著上升，在修复区的地表温度显著下降。而在矿区外的大部分区域，以及2015—2021年未进行修复的矿区，因地表温度受影像获取时间、影像获取前期的天气影响而出现的波动较大，其变化主要受自然影响，并不能显著的表现人类活动带来的地表温度变化。

通过图5（c）可知，人类活动对植被的破坏使1990—2015年NDVI值在矿区呈显著下降趋势，大部分区域下降速率在≥-0.2~-0.1之间，矿区的其他区域下降速率在≥-0.1~0之间。在研究区东北部和西南部，NDVI沿道路呈现片状区域的下降趋势，下降速率在≥-0.1~0之间，这部分区域主要受人类活动的干扰而出现植被退化现象。通过图5（d）可以看出，通过种草修复治理的区域NDVI呈显著上升趋势，上升速率在0.2以上，通过人工湖治理的区域NDVI值显著下降，下降速率<-0.2。1900—2021年矿区外大部分区域NDVI值并无明显变化，变化速率在≥0~0.1之间。

从图5（e）中可以看出，矿区大部分区域在1990—2015年反照率呈显著下降趋势，而在矿坑北侧反照率呈现上升趋势，矿区外反照率并无明显变化。从图5（f）中可知，经过修复治理后，大部分通过种草修复的区域反照率显著上升，在矿坑北侧反照率呈现下降趋势，而通过修建人工湖治理的区域反照率显著下降，矿区未修复区域反照率变化不大。虽然矿区1990—2015年地表温度呈上升趋势，但是在反照率变化趋势不一致的地方使得其地表温度在空间分布上也有差异。在矿区相同的坡向上，反照率越高的区域地表温度相对越低。

3.5　地表温度影响因素分析

为探究在矿区开采和修复的不同阶段各类因素对地表温度的影响，以2015年的矿区范围提取2002年草甸区和2015年矿区的影响因子，2021年修复治理的范围提取修复区的影响因子进行对比分析，基于地理探测器的分异及因子探测对反照率NDVI、坡向、海拔和坡度进行了计算，结果如表4所示。从q值的大小来看，草甸区地表温度的影响因素解释力大小排序为：NDVI>反照率>坡向>海拔>坡度，矿区地表温度的影响因素解释力大小排序为：坡向>反照率>NDVI>海拔>坡度，修复区地表温度的影响因素解释力大小排序为：NDVI>反照率>海拔>坡向>坡度。

表4 地表温度影响因素的地理探测结果

Table 4 Geographical detection results of influencing factors of LST

区域	反照率	NDVI	坡向	海拔	坡度
草甸区（2002年）	0.2368（2）	0.2452（1）	0.0561（3）	0.0492（4）	0.0239（5）
矿区（2015年）	0.0637（2）	0.0560（3）	0.0970（1）	0.0486（4）	0.0037（5）
修复区（2021年）	0.0518（2）	0.0640（1）	0.0393（4）	0.0506（3）	0.0076（5）

注：表中数值为q值，其后的括号内为q值排名。

新窗口打开| 下载CSV

根据q值可以看出，草甸区NDVI和反照率对地表温度的解释力远大于坡向、海拔和坡度。草甸区主要为高寒沼泽化草甸和高寒草甸，因此其地表温度的空间分异主要由两种草甸类型的特性所决定。由于高寒沼泽化草甸含水量较大，反照率较低，植被生长较好，地表温度较低，而高寒草甸土壤水分含量低，植被生长状况较差，地表温度也高。因此草甸区坡向、海拔和坡度对地表温度的解释力较弱，而NDVI和反照率的解释力较强。

矿区坡向对地表温度的解释力最大，其次为反照率。矿区受煤矿开采、修建道路和房屋使得地表由草甸转换为矿坑、排土场、建成区、堆煤场等煤矿土地类型，因此NDVI的解释力下降。在裸露的地表下，阳坡辐射收入多，地表温度高，阴坡辐射收入少，地表温度低，是造成矿区地表温度空间差异的主要因素。在相同的坡向下，太阳辐射收入相同，反照率低的区域，吸收的太阳辐射多，温度也高，反照率低的区域则反之。

修复区NDVI、反照率和海拔对地表温度的解释力较强，坡向和坡度的解释力较弱。因2021年是大面积生态修复的第一年，修复区草地的生长状况主要受覆土情况、草种选择和人工养护情况的影响，NDVI和反照率受植被生长状况密切相关，所以解释力较强，坡向和坡度难以影响植被生长状况，因此其对地表温度空间差异的影响较弱。

综上，由于人类活动的干扰，矿区和修复区的地表性质与天然的草甸区相比发生了巨大的改变，使得各类影响因素对地表温度的解释力也随之改变。因此在矿区开采和修复的不同阶段，应该采用不同的策略对各类影响因素施加影响，达到降低地表温度的目的。

4 讨论

本文利用Landsat 5和Landsat 8数据反演了7期聚乎更矿区的地表温度与土地利用/覆盖数据，研究地表温度对土地利用/覆盖变化的响应。结果表明，不同的土地利用/覆被类型反射、吸收太阳辐射差异较大，植被覆盖度差异较大，使得各类土地利用/覆被类型的地表温度差异较大，这点与在城市、矿区的研究结果一致^［36-39］：①煤矿开采、修建道路和房屋使得地表由草甸转换为矿坑、排土场、建成区、堆煤场等煤矿土地类型，使得地表温度升高；生态修复活动使得矿区的植被得以恢复，地表温度降低；②高寒沼泽化草甸虽然反照率较低，但其含水量较大，NDVI值高，因此其平均地表温度仅高于水体；③高寒草甸反照率较高，但是其NDVI值较低，植被生长状况较差，土壤含水量较少，岩土的比热容较小，因此其平均地表温度高于高寒沼泽化草甸；④人工草地由于生长状况差别较大，地表温度差异也大。其NDVI值越高的区域，地表温度越低；⑤水体由于比热容大，热惯量大，地表温度最低；⑥裸地由于无植被覆盖，受地形因素的影响较大，造成其地表温度差异较大。

地表温度与NDVI、反照率的变化趋势研究可以显著地突出矿区开采和修复活动对地表温度、NDVI和反照率的影响。矿区开采和修复活动改变了NDVI和反照率，使地表温度也发生变化。开采期矿区地表温度显著上升，NDVI显著下降，反照率在不同区域呈上升和下降趋势。在反照率上升的区域，地表温度升高的幅度小于反照率下降的区域。修复区地表温度显著下降，NDVI显著上升，反照率呈上升趋势，未修复区域变化不大。但是在矿区外的自然地表，地表温度主要受季相和气候条件的影响而变化，NDVI和反照率变化较小。

针对地表温度影响因素方面，以往研究中主要分析NDVI、NDBI、NDWI等生物物理参数与地表温度的线性关系来反映矿区开采对地表温度的影响^［10-12］，未有研究关注矿区不同阶段NDVI、反照率和地形要素对地表温度影响的大小。本文应用地理探测器的分异及因子探测对NDVI、反照率、海拔、坡度和坡向对解释力进行了分析，结果表明，草甸区NDVI和反照率对地表温度的解释力远大于坡向、海拔和坡度，矿区坡向和反照率对地表温度的解释力较大，NDVI、海拔和坡度解释力次之，修复区NDVI、反照率和海拔对地表温度的解释力较强，坡向和坡度的解释力较弱。其中草甸区、矿区和修复区坡度对地表温度的解释力都是最弱的，远小于其他影响因素。但在考虑地表温度的影响因素方面本文仍有不足，矿区开采和修复对土壤水分也有较大的影响，然而目前土壤水分反演方法在煤矿区域适用性仍需进一步研究。此外，矿区内岩石与土壤性质不同也造成了其吸收太阳辐射能量的差异，导致地表温度的不同。

5 结论

为了研究矿区开采和修复活动对地表温度的影响，本文对聚乎更矿区的地表温度时空变化及其与土地利用/覆盖关系，地表温度、NDVI和反照率的变化趋势，地表温度的影响因素进行了深入分析，得出的结论如下：

（1）利用面向对象的方法得到7期土地利用/覆盖数据很好地反映了聚乎更矿区几个阶段：缓慢开采期（1990年、2002年），快速开采期（2005年、2009年），缓慢修复期（2015年、2019年）和快速修复期（2021年），呈现了矿区开采和修复阶段的土地覆被/利用变化。

（2）基于普适性单通道算法得到的7期地表温度数据精度较好。矿坑、建成区、排土场、堆煤场等煤矿土地类型地表温度最高，高寒草甸次之，高寒沼泽草甸地表温度较低，水体温度最低，裸地则在特高温和低温均有分布。

（3）开采期矿区地表温度显著上升，NDVI显著下降，反照率在不同区域呈上升和下降趋势，修复区地表温度显著下降，NDVI显著上升，反照率主要呈上升趋势，未修复区域变化不大。

（4）草甸区地表温度的影响因素解释力大小排序为：NDVI>反照率>坡向>海拔>坡度，矿区地表温度的影响因素解释力大小排序为：坡向>反照率>NDVI>海拔>坡度，修复区地表温度的影响因素解释力大小排序为：NDVI>反照率>海拔>坡向>坡度。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

Kang

Sarula

， Niu

Jianming

， Zhang

Qing

， et al.

Impacts of mining on landscape pattern and primary productivity in the grassland of Inner Mongolia： a case study of Heidaigou open pit coal mining

［J］. Acta Ecologica Sinica， 2014， 34（11）： 2855-2867.