基于3S技術(shù)的淮北市景觀動態(tài)變化及環(huán)境因素分析——以淮北市臨渙礦為例.pdf

1、隨著“3S”技術(shù)即地理信息系統(tǒng)(GIS)、遙感(RS)、全球定位系統(tǒng)(GPS)的不斷發(fā)展，其應(yīng)用范圍也不斷擴大，基于3S技術(shù)的景觀動態(tài)研究也越來越趨于成熟。調(diào)查資源的管理與發(fā)展是“3S”技術(shù)最早最深入的領(lǐng)域之一，并且隨著煤礦產(chǎn)業(yè)的不斷進(jìn)步，采煤塌陷區(qū)景觀成為景觀類型中備受關(guān)注的類型，采煤塌陷區(qū)對周圍的生物、植物等都有嚴(yán)重的危害性，破壞生態(tài)平衡，研究礦區(qū)塌陷區(qū)的景觀動態(tài)變化，對于政府治理政策與可持續(xù)發(fā)展都有重要意義。
　　為了完善采

2、煤塌陷區(qū)污染治理與礦區(qū)生態(tài)建設(shè)，本文以淮北市臨渙礦塌陷區(qū)為研究區(qū)域，完成了以下幾項內(nèi)容:
　　1.研究區(qū)遙感影像的預(yù)處理及解譯
　　對該礦區(qū)2004年的IKONOS影像和2014年的WorldView-3影像進(jìn)行圖像幾何校正、大氣校正、圖像增強后，將預(yù)處理后的影像通過ENVI軟件與eCongnition軟件結(jié)合RS、GIS、GPS技術(shù)及實地調(diào)查等進(jìn)行分割與監(jiān)督分類，最終獲得了兩種軟件的分類結(jié)果與精度:
　　a.對比總分

3、類精度與Kappa指數(shù):eCongnition軟件的2014年遙感影像的總分類精度為88％，Kappa指數(shù)為0.905，2004年的總分類精度為81％，Kappa指數(shù)為0.823，均高于ENVI的總分類精度與Kappa指數(shù);
　　b.對比各景觀類型分類精度:ENVI軟件中綠地、道路、居民區(qū)分類精度高于其他類型的精度，而eCongnition軟件的分類精度在耕地、塌陷區(qū)、粉煤灰與矸石山的分類上表現(xiàn)出色，塌陷區(qū)的分類精度2004年與2

4、014年達(dá)到了83.47％與87.34％，而ENVI軟件中塌陷區(qū)的分類精度2004年與2014年只有70.37％與81.42％?？梢奅NVI在城市、綠地等的城市相關(guān)類型分類出色，而eCongnition采用先分割后分類的方法，在礦區(qū)土地利用的分類上精度更高，更適合本研究域的景觀類型分類。通過對比選擇eCongnition軟件的影像解譯結(jié)果，得到景觀類型動態(tài)變化圖與景觀類型轉(zhuǎn)移矩陣。
　　2.研究區(qū)景觀分類指標(biāo)體系的建立
　　

5、參照《土地利用動態(tài)遙感監(jiān)測規(guī)程》和我國現(xiàn)行的《土地利用現(xiàn)狀分類》(2007年9月發(fā)布)，并結(jié)合臨渙礦區(qū)的景觀格局特征與現(xiàn)有文獻(xiàn)中的礦區(qū)景觀類型分類等因素，將研究區(qū)分成8個一級和16個二級景觀類型，合并整理為具有臨渙礦區(qū)研究特色的10種景觀類型:綠地、耕地、工礦用地、粉煤灰、矸石山、居民區(qū)、道路、河流、塌陷區(qū)、裸地。本文分類方法與以往研究的不同之處是將塌陷區(qū)、粉煤灰和矸石山單獨進(jìn)行分類對比，這對于臨渙礦十年景觀動態(tài)變化與塌陷區(qū)的變化有直觀

6、的認(rèn)識。因塌陷區(qū)土地高低不平，反映在影像上是不規(guī)則的區(qū)域;此外，淺灰色的粉煤灰堆積成的小山和白色矸石山都很容易在影像上辨別，這些特征都便于對塌陷區(qū)、粉煤灰和矸石山進(jìn)行分類處理。
　　3.研究區(qū)景觀動態(tài)變化分析
　　2004-2014年臨渙礦塌陷區(qū)不同景觀類型間的轉(zhuǎn)化主要是耕地面積轉(zhuǎn)化為塌陷區(qū)、居民建設(shè)用地，煤矸石與粉煤灰的面積也有顯著增加;耕地、居民地及工礦用地景觀系統(tǒng)的變化主要發(fā)生在中部、西南部與東北部，這與該地區(qū)人類活動

7、強度大及煤礦開采強度增大有密切的關(guān)系;塌陷區(qū)面積的變化主要是以中部104hm2的塌陷區(qū)為中心，四周均勻塌陷，北部與東部較為嚴(yán)重，這與臨渙煤礦開采的地理位置有密切關(guān)系。
　　4.研究區(qū)景觀指數(shù)變化分析
　　本文在基于景觀生態(tài)學(xué)理論基礎(chǔ)上，將本文選取的17個評價分析指數(shù)、2種相關(guān)性關(guān)系進(jìn)行劃分:
　　a.斑塊類型水平指數(shù)(class-level):斑塊數(shù)(NP)、最大斑塊指數(shù)(LPI)、斑塊密度(PD)、景觀類型面積(CA

8、)、景觀類型百分比(PLAND)、景觀形狀指數(shù)(LSI)、板塊結(jié)合度指數(shù)(COHESION);
　　b.景觀水平指數(shù):景觀形狀指數(shù)(LSI)、聚集度(AI)、斑塊個數(shù)(NP)、最大斑塊指數(shù)(LPI)、平均斑塊分維數(shù)(FRAC_MN)、香濃多樣性指數(shù)(SHDI)、蔓延度指數(shù)(CONTAG)、斑塊聚合度指數(shù)(AI)、散布與并列指數(shù)(IJI)、香濃均勻度指數(shù)(SHEI)。
　　景觀指數(shù)分析結(jié)果表明:斑塊個數(shù)(NP)巨幅增長，正是由

9、于不斷的煤礦開發(fā)，2004年許多的農(nóng)村居民地得以開發(fā)，耕地減少，建設(shè)用地增加，大片的景觀均有不同程度的破碎化。從斑塊密度(PD)來看，耕地、綠地、居民區(qū)等的密度都有所增加，這與該地區(qū)采煤塌陷區(qū)塌陷和建設(shè)用地擴大導(dǎo)致的零星分布的耕地與裸地所致，而道路與河流的斑塊個數(shù)與密度在10年的短期跨度上也基本保持不變。香農(nóng)均度指數(shù)(SHEI)與香農(nóng)多樣性指數(shù)(SHDI)都呈現(xiàn)明顯的增長趨勢，說明了臨渙礦在這十年間的各種景觀類型占總體景觀類型的比例差距

10、也大幅增加，整體的景觀異質(zhì)性上升后，礦區(qū)區(qū)域總體上呈現(xiàn)了更加均衡化發(fā)展的趨勢。其他指數(shù)的變化同樣也反映了礦區(qū)景觀的變化及共原因。
　　5.研究區(qū)環(huán)境影響因素分析
　　本文分析了3種自然因子對于10年景觀動態(tài)變化影響極低后，通過選取8種人文環(huán)境影響因子，最終提取出第一、第二主成分的特征值分別為5.587、1.076，累計貢獻(xiàn)率達(dá)83.3％，說明這兩個主成分可以解釋導(dǎo)致臨渙礦區(qū)景觀格局發(fā)生變化的驅(qū)動力。而第一主成分與房屋面積、人

11、均GDP、總?cè)丝凇⒚旱V年產(chǎn)量、固定資產(chǎn)投資有較大的正相關(guān)性，載荷最小為0.804，與綠地面積、糧食畝產(chǎn)量有負(fù)相關(guān)性，載荷均不小于0.552;第二主成分與綠地面積、糧食畝產(chǎn)量成正相關(guān)性，載荷為0.515，與耕地面積成負(fù)相關(guān)性，載荷為0.188。
　　綜上所述，第一主成分為耕地面積，其主要反映了煤礦開發(fā)、農(nóng)業(yè)發(fā)展和城市化的影響，第二主成分居民建設(shè)用地的面積主要反映了政策調(diào)整的影響。因此可以將臨渙礦的景觀動態(tài)變化驅(qū)動力概括:煤礦開發(fā)、農(nóng)