0 引言

煤炭是中国一次能源的重要组成部分，煤炭开采在为国民经济发展做出一定贡献的同时也引发了矿山地质环境问题（刘军等，2019；文卓等， 2019），随着生态文明体制改革的深入，中国矿山生态修复工作越来越得到重视（许晓明等，2022）。近年来，中国的矿山生态环境修复呈现了较快的发展态势（殷亚秋等，2020），修复效果监测是目前研究热点。李聪聪等（2021）基于卫星遥感方法和无人机遥感方法完成对木里煤田聚乎更矿区的生态环境修复监测；许晓明等（2017）建立面向矿区的遥感综合生态指数（REM），分析了抚顺西露天矿的矿区生态环境变化情况；韩琳等（2022）构建遥感生态指数（RSEI）并分析宝日希勒露天矿区 RSEI的变化规律，从而分析研究区环境治理和生态修复效果。前人多通过建立一系列植被指数分析植被生长变化情况开展修复监测，对修复矿区土地生产力（杨辉等，2020）变化的研究较少。本文基于GEE平台，利用植被降水利用率（王静等，2020）开展长时间序列下安太堡煤矿排土场的土地生产力变化监测，分析其修复效果，为排土场修复效果监测开展方法探索。

1 研究区概况与数据源

1.1 研究区概况

安太堡煤矿位于朔州市区和平鲁区的交界处，黄土高原北部，地处东经 113°50'～116°30'、北纬 39°30'～42°10'（樊文华等，2011）。安太堡露天煤矿 1987 年 9 月 10 日建成并投产，煤层厚达 30 m，储量126亿 t，剥离采用单一的单斗-卡车开采工艺，采煤为单斗铲-卡车-半固定破碎站-带式运输机工艺，排土场修复模式为“开采-运输-排土-修复”边开采边修复的新型矿区修复模式（张根和闫杰，2017）。

本文研究对象为安太堡煤矿中的内排土场 （1）、南排土场（2）、西排土场（3）和西扩排土场（4） （下文依次简称内排、南排、西排和西扩，图1）。4个排土场总面积约779.8 hm²，各排土场的修复周期和修复植被类型如表1 所示（谢苗苗等，2019）。内排早期为露天矿坑后于 1998 年完成首次修复为乔木林地，剩余部分在 2001 年修复为草地和灌草地；南排是最早形成和开展修复的排土场，于1990年修复为林地和草地；西排早期处于排弃阶段，分别于 1994年和1996年经过两次修复为灌木林地和耕地； 西扩早期为自然林地，未被开发利用，于2006、2008 年分两次进行修复，以荒地、草地、耕地为主（表1）。

1.2 数据来源与预处理

本研究中用于计算 RUE 的关键影像数据来自 Google Earth Engine（GEE）云平台提供的覆盖安太堡煤矿排土场生长季的 Landsat-5 地表反射率数据集（LAND-SAT_LT05_C01_T1_SR）、Landsat-8 地表反射率数据集（LANDSAT_LC08_C01_T1_SR）和 CHIRPS Daily（UCSB-CHG/CHIRPS/DAILY）数据集，共计615景数据，包括安太堡煤矿排土场1990— 2021 年 491 景 Landsat 遥感影像及 124 景降水量数据，Landsat 影像均经过辐射校正和大气校正； CHIRPS Daily数据集用于下载覆盖研究区的降雨量数据，其将 0. 05°分辨率的卫星图像与 in-situ 站点数据结合，创建网格化的降雨时间序列，用于趋势分析和季节性干旱监测。

为较大程度反映研究对象真实变化状况，选取每年植被生长季（6—9 月份）的遥感数据（491 景） 和降雨量数据（124 景），该时间段内天气晴朗、云量较少（曹阳等，2021）；生长季平均值与整年的研究效果相比，在一定程度上削弱过度均一化程度。安太堡煤矿排土场矢量边界范围在 GEE 平台绘制。

2 研究方法

2.1 长时序修复排土场生长季平均 RUE 数据集构建

在利用遥感数据进行矿区修复土地变化遥感监测时，国内外学者较多利用各种遥感指数来反映矿区植被的动态变化（表面特征）和矿区修复土地生产力（内在特征），其中植被降水利用率（RUE）在监测土地生产力变化及相关研究中被广泛应用。 RUE 是指地面净初级生产力（Net Primary Production，NPP）与降水量（P）之间的比值，根据前人的研究结果显示，其在一定程度上能够作为土地生产力动态变化的内在表征；而植被归一化指数（Normalized Difference Vegetation Index， NDVI）与 NPP 二者间具有很大的线性关系（张艳芳和王姝，2017）。因此本研究选取生长季平均 NDVI 代替生长季平均 NPP来计算生长季平均RUE。

式（1）中：P为生长季平均降水量；NDVI代表生长季平均植被净初级生产力。

通过 GEE 平台基于 31 年覆盖安太堡煤矿排土场的 Landsat 系列数据集在线编写函数计算得到生长季平均 NDVI 数据；调用 ImageCollection filterDate、mean和Export. image. to Drive等函数进而得到共计31期研究区生长季平均降雨量数据，运用 ArcGIS 软件，对降水量数据进行重采样，得到空间分辨率为 30 m（与遥感影像空间分辨率保持一致） 的 1990—2021 年期间 6—9 月降水量的栅格数据 （表2）。根据公式（1）获取研究区 1990—2021 年的安太堡煤矿排土场生长季平均RUE栅格图。

2.2 RUE指数动态变化分析

（1）时间序列分析法。对1990—2021年的生长季平均RUE长时间序列建立一元线性回归方程，分析研究区生长季植被降水利用率变化的趋势，计算公式如下：

式（2）中：S 为 RUE 年际变化率；m 为修复监测年数；V_i表示第 i年的平均 RUE。S>0表示植被平均 RUE随着时间的变化有增加的趋势。

（2）稳定性评价。变异系数CV可用于衡量长时间研究序列指标的离散程度（张赫林等，2017），很多学者运用变异系数研究地理空间数据的空间差异性（闫赛佳等，2020）。本文引入变异系数分析安太堡煤矿排土场生长季平均 RUE 在像元尺度下随时间变化的稳定程度，计算公式如下：

式（3）中：Cv 为 RUE 的变异系数；M_RUE表示第 i 年对应的指标值。

（3）Sen 趋势分析和 Mann-Kendall（M-K）显著性检验。采用非参数趋势度 Sen 和 Mann-Kendall （M-K）结合的方法分析生长季平均 RUE 的变化趋势，两种方法相结合可减少数据异常值的影响，几乎不受测量误差和离群数据的干扰，适用于长时间序列数据的趋势分析（王亚晖等，2022）。计算公式为：

式（4）中：Q_RUE为 RUE 的变化趋势；i，j（ 1990≤i<j ≤2021）为指数的时间序数；RUE_i，RUE_j分别表示第 i，j年对应的RUE值。当Q_RUE>0时，说明指标呈增长趋势；反之呈下降趋势。

式（5）~（7）中：S为检验统计量；Z_MK为标准化后的检验统计量；n 为研究指数的总序列数。本文采用双边变化趋势检验，选择显著性水平α = 0. 05，则临界值Z_MK-α/2 = ±1.96。

3 结果与分析

平朔矿区多在开始修复 3～5 a后，将已经修复好的土地返给农民继续耕作，排土场修复5 a内仍处于人工管护修复阶段，因此，自修复开始 5 a前后属于两个不同的阶段，而修复排土场一般在 10 a后重建生态系统才能达到稳定（谢苗苗等，2022），因此本文根据修复变化规律，将修复周期分为人工管护 （0～5 a），自然波动（0～5 a），自然平稳（10 a后）3个修复阶段，分阶段研究能更准确分析指标的细节变化特征。

3.1 安太堡煤矿不同排土场生长季平均 RUE的时间分布特征

安太堡煤矿内、南、西和西扩排土场在 1998— 2021 年、1990—2021 年、1994—2021 年和 2006— 2021 年生长季平均 RUE 的年际变化如图2 所示。内排、南排、西排和西扩排土场在修复全周期中的生长季平均RUE呈明显的波动增加趋势，各排土场的 RUE 多年均值和增加速率见图2；内、南、西和西扩排土场均在 2015 年生长季平均 RUE 出现最大峰值，最大值依次为 0. 0132、0. 0112、0. 0114、0. 0079； 内、南和西排土场 2014年均出现较明显 RUE 谷值，依次为 0. 0057、0. 0052、0. 0045，推测受降雨量影响，年降雨量很大，但短时降雨影响植被水分吸收受阻（位贺杰等，2016），导致植被降水利用率较低。

3.2 安太堡煤矿不同排土场生长季平均 RUE的空间分布特征

内、南、西和西扩排土场在修复全周期和各修复阶段 RUE 空间分布如图3。内排土场人工管护、自然波动及自然平稳等3个修复阶段RUE平均值分别为 0. 0034、0. 0079、0. 0090；南排土场 3 个修复阶段RUE平均值分别为0. 0026、0. 0063、0. 0073；西排土场 3 个修复阶段 RUE 平均值分别为 0. 0038、 0. 0054、0. 0076；西扩土场3个修复阶段RUE平均值分别为 0. 0033、0. 0059、0. 0077。各排土场空间分布呈现相似规律：人工管护阶段中内排土场南部、南排土场东部边缘、西排土场西部边缘和西扩排土场中西部边缘分布RUE高值；自然波动阶段内中部大面积区域增加RUE高值分布，内排土场特征尤为突出；自然平稳阶段内，各排土场几乎全区域均为高值。

3.3 安太堡煤矿不同排土场生长季平均 RUE稳定性的空间格局

各排土场修复全周期和各修复阶段 RUE 的变异系数 CV 分布如图4 所示。根据生长季平均 RUE 的变异系数计算结果和实际情况，将变异划分为12 个等级。修复全周期中内、南、西和西扩4个排土场生长季平均RUE变异系数依次为0.41、0.39、0.38、 0.41，均属于高波动性变化（CV>0.20）（陈登魁等， 2018），其高波动性变化区域占各排土场面积比例分别为 99.14%、99.96%、100%、99.33%。除内排西南、南排东南和西扩南部的边缘区域外其他区域皆为高波动性变化。

由图4 可知除西扩排土场外，其他排土场 RUE 的 CV值在 3修复阶段主要以 CV>0.25（蓝色）、0. 05 <CV<0.15（橘色）和黄色（0.15<CV<0.25）为主。人工管护修复阶段由于刚开始修复，土地生产力极其差，西排RUE高波动性变化区域占排土场比例最大为 98.88%（受矿业活动影响），南排次之为 98.27% （受煤矸石自燃）（谢苗苗等，2022），内排最小为 92.86%；自然波动阶段中各排土场高波动性变化区域占排土场比例显著减少；自然平稳阶段中高波动性变化区域占排土场比例较第二阶段增加但低于第一阶段，推测其受不同年份降雨量波动影响。西扩修复过程缓慢，人工管护、自然波动阶段特征相似二者 CV 高值占比依次为 89.83% 和 88.54%，自然平稳阶段高值占比仅为8.60%。

3.4 安太堡煤矿不同排土场生长季平均 RUE空间变化趋势

为得到安太堡煤矿不同排土场的空间变化趋势，通过 Mtalab 平台实现运用 Sen 和 M-K 检验结合的方法得到4个排土场的生长季平均RUE变化趋势的空间分布图（图5）。根据趋势变化计算结果和实际情况，将变异划分为 9个等级，由图5可得修复全周期中内排、南排、西排和西扩排土场 RUE 的增加趋势占各排土场面积比例均很高，分别是 97.80%、 98.52%、97.53% 和 97.20%，以显著增加趋势为主。

由图5 可知各阶段中内排、南排、西排和西扩 4 个排土场 RUE 增加趋势占各排土场面积比例均大于减少趋势占各排土场面积比例：人工管护阶段中各排土场几乎全范围皆为增加趋势；自然波动阶段中增加趋势占比依次为 56.17%、76.39%、56.25% 和 78.91%，分别位于内排土场北部、南排土场中部、西排土场东部和西扩排土场中部西南部边缘； 自然稳定阶段中减少趋势零星分布于内排土场北部、南排土场西北—东南方向周围区域、西排土场东部和西扩排土场中西部区域。

4 结语

（1）内、南、西排土场随修复阶段变化RUE高值分布范围明显扩大，自然平稳修复阶段尤为明显。各排土场 RUE 高波动性变化区域占各排土场总面积比例呈先减小后增加的特点，波动程度整体减小；各排土场RUE增加趋势占各排土场面积比例均大于减少趋势占各排土场面积的比例，说明排土场修复后的生态系统渐趋稳定。

（2）西扩排土场修复时间晚于其他3个排土场， RUE的高波动性占比变化、增加趋势占比变化相对于其他 3个排土场也存在滞后，从侧面说明 RUE 应用于排土场修复监测的有效性。

（3）RUE 指标可有效反应排土场修复效果，对矿山修复效果监测与评估具有一定参考价值。

本文基于RUE分析了安太堡煤矿4个排土场土地生产力的变化情况，但个别排土场局部阶段的效果较差，单个年份的 RUE 存在不稳定性，因此对于 RUE 指标还需要进一步的研究和讨论。未来进一步结合其他研究土地生产力相关指数多角度监测生态修复效果。

参考文献