文章快速检索  
  高级检索
国产高分影像在矿业城市生态安全性评价中的应用——以黑龙江省七台河市为例
丁宇雪1, 周向斌2, 初炜钰3, 毛龙1, 孙迪4, 孙瑞棋4     
1. 黑龙江省地质调查研究总院, 哈尔滨 150036;
2. 黑龙江省地质科学研究所, 哈尔滨 150036;
3. 哈尔滨工程大学核科学与技术学院, 哈尔滨 150020;
4. 黑龙江地理信息工程院, 哈尔滨 150081
摘要: 为了实现矿业城市生态安全性评价,利用BJ2、GF1、ZY3等国产高分辨率卫星影像数据,采用遥感技术手段,基于GIS平台,构建景观安全评价体系。通过获取2017年度研究区内各土地资源类型分布现状数据,进行景观指数(破碎度、分离度、优势度、干扰度、脆弱度、生态风险度)计算,逐网格剖析后采用普通Kriging插值法(半变异函数)对研究区域的景观生态安全度进行定量分析与评价。结果表明:研究区内大部分地区景观生态安全处于中、中高和高水平,面积为538 951.58 hm2,占研究区面积的86.75%,呈现由矿产资源集中开采区向其外部、平原区向低山丘陵区安全等级逐渐升高,生态环境逐渐转好的趋势;低、中低安全区总面积为82 342.18 hm2,占研究区面积的13.25%,景观生态安全仍存在较大问题,需引起地方政府关注。
关键词: 国产高分影像    矿产资源开发    生态安全评价    黑龙江省七台河市    
Application of High Resolution Remote Sensing Images in Ecological Safety Assessment of Mining Cities in China: An Example of Qitaihe County in Heilongjiang Province
Ding Yuxue1, Zhou Xiangbin2, Chu Weiyu3, Mao Long1, Sun Di4, Sun Ruiqi4     
1. Heilongjiang Institute of Geological Survey, Harbin 150036, China;
2. Heilongjiang Geological Science Institute, Harbin 150036, China;
3. School of Nuclear Science and Technology, Harbin Engineering University, Harbin 150020, China;
4. Heilongjiang Geographic Information Engineering Institute, Harbin 150081, China
Abstract: In order to assess the ecological safety of mining cities, by using domestic high-resolution satellite image data such as BJ2, GF1, ZY3 and remote sensing technology, the landscape safety evaluation system was constructed based on a GIS platform. The distribution status data of various natural resources and terrain factors in the study area in 2017 were obtained to calculate various landscape indexes(fragmentation index, splitting index, landscape dominance index, disturbance degree, vulnerable degree, and ecological risk). After grid analysis, the general Kriging interpolation method (semi-variogram implicit function) was used to quantitatively analyze and evaluate the landscape safety index of the whole research area. The results show that the landscape ecological security is at the middle and high level in most parts of this area, which is 538 951.58 hm2, accounting for 86.75% of the total landscape. From the mining concentrated area to its exterior plains, low mountains, and hilly areas, the ecological environment is gradually improving, as shown by the upward trend of the security level. The total area of the low, middle and low security areas in the study area is 82 342.18 hm2, accounting for 13.25% of the land area; Its landscape ecological security is still a big issue and needs the attention of local governments.
Key words: high resolution satellite images of China    exploitation of mineral resources    evaluation on ecological security    Qitaihe County in Heilongjiang Province    

0 引言

我国矿产资源丰富,开采历史久远,矿业经济发达,但是随着矿产资源的开发规模扩大和强度增大,一系列的矿山环境问题也变得越来越突出,造成的损失和负面影响也越来越大。首先,矿山开发占用了大量的土地资源,占用和损坏的土地面积不断扩张,对地表景观、地质遗迹、人文景观造成了一定影响和破坏;其次,矿产开发活动加大了崩塌、滑坡、泥石流以及地面塌陷(塌陷坑、地裂缝)等地质灾害发生的概率,不同程度地威胁着周边人民生产、生活乃至生命安全;另外,矿产开发活动引起的粉尘污染、水体污染、土壤污染等会造成区域性生态环境污染。近年来,国家大力提倡生态环境保护,各级地方政府多措并举,大力推进矿山复绿工程、矿山环境恢复治理、打造绿色生态矿山,但由于历史欠账过多,这个过程势必需要较为漫长的时间。因此,摸清土地资源地类与矿山开发占损土地现状,开展生态环境风险、安全性评价,提供数据基础,以便有针对性地开展矿山环境管理、矿业秩序维护、归还昔日的绿水青山,是目前各个矿产资源开发城市的必由之路[1-2]

随着我国航空航天技术的飞速发展,国产卫星遥感影像的空间分辨率得到了大幅度提高,尤其是优于2 m的高分辨率卫星影像(以下简称“高分影像”)纹理清晰、可解译程度高,已广泛应用于土地利用动态监测、矿山开发动态监测、城市环境调查、地质灾害调查等诸多领域[3]。但是利用国产高分影像解译矢量直接进行景观生态风险、安全指数评价的研究还仅仅处于一个初级阶段,并未得到有效推广,大多数景观指数计算还都局限在传统的利用栅格图像统计运算的方式上。由于矢量数据与栅格转换过程中势必产生像元误差,因此,间接降低了景观生态风险和安全性评价的数据精度。

本文以黑龙江省七台河市(别称焦煤之都)为例,综合运用景观生态学与统计分析学原理,基于地类分布现状矢量信息,构建景观安全评价体系,采用逐网格剖析,利用半变异函数统计模型预测整个研究区域的景观生态安全状况;以期为地方政府绿色发展指数统计、矿山地质环境管理、矿业秩序维护、治理矿山地质灾害等工作提供技术支撑及决策依据。

1 研究区域

七台河市地处黑龙江省东部,完达山山脉西端,东、西、南三面环山,北邻广袤的三江平原,总面积约6 212.94 km2, 地理坐标为130°00′E—131°55′ E,45°30′N—46°20′ N。所辖1县3区,分别是勃利县、桃山区、茄子河区和新兴区(图 1)。七台河市交通便利,勃七铁路、鹤大高速(G11)、依七(G201)高速纵横南北,S308省道横贯东西。七台河市是20世纪50年代一座新兴的煤炭工业城市,是我国重要的煤炭生产基地,是国家保护性开采的3个稀有煤田之一,以煤种齐全、储量大、煤质优良而闻名,已探明储量17亿t,远景储量37亿t,与鹤岗、双鸭山、鸡西市等3座以煤炭开采为主的地级城市合称为黑龙江省的四大煤城。根据收集矿业权统计数据显示,截止2017年,七台河市共有采矿权134个,按归属权划分,部发采矿权为5个,省发采矿权为111个,市发采矿权为14个,县发采矿权为4个;按资源分类划分,能源矿产(全部为煤矿)采矿权为113个,建材及其他非金属矿产采矿权为21个,其中煤矿采矿权占有比例为84.33%。

图 1 七台河市地理位置图 Fig. 1 Geographical location map of Qitaihe City
2 数据源选择及矢量数据获取 2.1 遥感数据源选择

本次研究使用的遥感影像数据源全部选择国产高分影像数据,主要包含北京二号(BJ2)、高分二号(GF2)、高分一号(GF1)、实践九号(SJ9)、资源三号(ZY3)、资源一号(02C)卫星影像数据等[1], 数据时相为201705—201710,空间分辨率均优于2 m,云层覆盖率小于5%,影像范围包含七台河市全域,覆盖面积约6 212.94 km2。所使用各类型影像的分布区域、数据特点及可解译程度如表 1所示。

表 1 国产高分影像数据源类型一览表 Table 1 Data types of domestic high resolution remote sensing images
影像分辨率 数据类型 分布区域 影像数据特点及可解译程度 分布比例/%
优于1 m BJ2 新兴区和桃山区全域、茄子河区与勃利县中部,分布面积大且较为集中 可解译程度高,色彩层次丰富,数据纹理清晰,可清晰识别地物,解译精度可达到1∶10 000以上 49
GF2 补充影像,仅分布于茄子河区南部,面积较小
优于2 m GF1 茄子河区、勃利县东部及中南部 可解译程度较高,色彩层次相对丰富,数据纹理较清晰, 地物识别程度较好,解译精度可达到1∶20 000以上 51
SJ9 勃利县西部
ZY3 茄子河区与勃利县西部
02C 补充影像,分布区域较分散,面积小
2.2 土地资源类型划分

根据《第二次全国土地调查技术规程》[4],结合七台河市土地资源利用现状、区域分布特点和植被覆盖情况,将研究区内土地资源划分为耕地、园地、林地、草地、水域、城镇及工矿用地、未利用地等7类。

2.3 矢量数据获取

本次研究的数据基础为2017年度七台河市各类土地资源类型分布现状数据,即通过遥感解译手段所获取的各地类分布现状矢量数据。研究过程中以2017年度国产高分影像数据(分辨率优于2 m或优于1 m)为数据源,基于GIS平台,采用人机交互解译与野外实地调查验证相结合的方式,建立各地类的解译标志之后,辅以三维景观[5]及面向对象的分类技术,将遥感影像放大到能够最精准识别地物的尺度上开展大比例尺解译,实现研究区域全覆盖各地类信息提取,如图 2所示。经野外实地调查验证,最终的解译矢量成果无论是在图斑边界圈取的准确性,还是地类类型划分的正确性方面均能达到较精准的程度。野外实地核查结果显示,耕地图斑解译正确率为94.9%, 园地图斑解译正确率为89.9%, 林地图斑解译正确率为93.8%, 草地图斑解译正确率为91.1%, 水域图斑解译正确率为94.9%, 城镇及工矿用地图斑解译正确率为90.3%, 未利用地图斑解译正确率为89.2%, 正确率均达到89.2%以上,为此次研究奠定了准确的数据基础。图 3为研究区内各地类分布现状遥感解译矢量成果图。

图 2 利用国产高分影像对研究区内各地类解译结果 Fig. 2 Interpretation factors in the study area using domestic high resolution remote sensing images
图 3 研究区地类分布现状遥感解译图 Fig. 3 Distribution status map of natural resources factor in the study area
3 研究方法

全面收集研究区以往调查成果资料,包括矿产资源分布、自然资源分布、矿业权和数字高程模型等数据,基于国产高分影像,利用遥感技术手段获取各地类的分布现状数据,采用逐网格剖析方法,分别计算各子区景观生态风险指数以确定生态安全等级,构建统计模型预测整个研究区域的生态安全状况,实现定量分析与评价。

3.1 子区划分

为了更精准地研究七台河地区土地资源地类对整个区域生态安全的影响水平,笔者采用逐网格剖析法,根据研究区域的土地面积和占地形态,将其分割成独立的评价子区,并以其作为评价单元。各地类空间分布的不均衡以及其破碎程度的千差万别,使得每个评价子区单元均具有其独有的异质性,再通过各个子区的生态安全水平的异质性来确定整个研究区域的同质性[6]。综合分析遥感解译矢量成果和各类区域背景资料可达到的精度水平,将研究区分割成1 709个2 km×2 km的正方形单元网格,每个网格作为一个子区域[7]

3.2 指数选择

生态风险指数由那些与干扰息息相关,能够充分反映生态系统概念及过程、可用于度量生态终点的景观格局指标(景观破碎度、分离度、优势度、干扰度和脆弱度)等组合而成。其能够清晰地、定量化地描述各种景观类型所代表的生态系统在受到危害性和不确定性因素的作用后可能导致的结果,便于预测和评价[8]。因此,本次研究首先计算出每一个子区域的景观破碎度、景观分离度、景观优势度、景观干扰度、景观脆弱度等5个指数值,然后利用它们构建出每一个子区域的景观生态风险指数[9-13],从而搭建了景观结构与综合性区域生态风险之间的经验联系,来判断每一个风险区域的生态损失程度,各类景观指数计算公式、选择依据及生态学意义见表 2

表 2 景观指数计算公式、选择依据及生态学意义 Table 2 Calculation formula, selection basis and ecological significance of landscape index
名称 计算公式 选择依据及生态学意义
景观破碎度指数(Ic)
式中:Ni为地类i的斑块数;Si为地类i的面积,hm2
表述整个地类或某一地类在给定时间和给定性质上的破碎化程度,即在自然或人为干扰作用下,地类由单一、均质和连续的整体趋向于复杂、异质和不连续的斑块镶嵌体的过程。此值越大,表明地类单元内部的稳定性越低,对应的地类生态系统管理性也越低
景观分离度指数(Is)
式中,S为地类总面积,hm2
表述某一地类中不同元素或斑块个体分布的分离程度。此值越大,表明地类在地域分布上越分散,地类分布越复杂,破碎化程度也越高
景观优势度指数(Ip)
式中:Qi为地类i的频度, , 其中Di为地类i对应子区域的样方数,D为总样方数;Mi为地类i的密度,, 其中N为总斑块数;Li为地类i的面积比例, ,其中Sd为样方总面积,hm2
表述某一地类或几种地类在景观中重要地位,其大小直接反映了斑块对地类格局形成和变化影响的大小
景观干扰度指数(Ie) Ie=aIc+bIs+cIp。(表注①) 反映不同地类景观所代表的生态系统受到干扰(人类活动等)的程度
景观脆弱度指数(If) If采用专家咨询法并归一化之后取得数值。(表注②) 表示地类所代表的生态系统在受到外界干扰时的易损程度,其值大小与其在地类自然演替过程中所处的阶段有关,一般情况之下,处于初级演替阶段、食物链结构简单、生物多样性指数小的生态系统较为脆弱
景观生态风险指数(Ier) n为用地类型数量 表示一采样子区内综合生态损失的相对大小,以便通过采样的方法将景观空间结构转化为空间化的生态风险变量
  注: ①景观干扰度指数中的abc,分别用来表示景观破碎度、景观分离度和景观优势度指数的权重,并且a+b+c=1,根据七台河地区地类分布特征,结合前人成果资料,其值分别赋予a=0.5,b=0.3,c=0.2。②研究区域中各类地类景观脆弱程度由低到高依次归纳为城镇及工矿用地、林地、园地、草地、耕地、水域、未利用地,进行归一化后其景观脆弱度指数分别赋予:城镇及工矿用地0.043 48、林地与园地均为0.086 96,草地0.130 43,耕地0.173 91,水域0.217 39,未利用地0.260 87[9, 13-14]
3.3 生态安全等级划分

景观生态安全程度通常用景观生态安全指数Ies进行评判[6],景观生态安全指数为景观生态风险指数(计算公式见表 2)的倒数。也就是说景观生态风险指数低,生态安全指数就高,其生态安全程度就高,反之,其生态安全程度就低。通过查阅相关资料,结合研究区域土地资源特点,根据Ies值将生态安全程度划分为5个等级,依次为低安全(Ies≤2)、中低安全(2<Ies≤3)、中等安全(3<Ies≤4)、中高安全(4<Ies≤5.5)、高安全(Ies>5.5)。

3.4 统计分析模型构建

先利用景观生态风险指数的计算结果取倒数计算出各个子区采样网格中心点的景观安全指数值;再采用统计模型——普通Kriging插值法(半变异函数)对整个研究区域的景观安全度进行预测,编制完成研究区景观生态安全分析等级图。其中半变异函数公式为

式中:γ (h)为半方差;h为样本间隔距离;n(h)为样本间距为h时的样点对总数;Z为某一系统属性的随机变量;x为空间位置;Z(xi)和Z(xi+h)分别为随机变量在xixi+h点的取值。以半方差γ(h)为纵坐标,样本间距h为横坐标,即可获得半方差图[15]

4 结果分析

基于解译矢量的计算几何统计,对以上各类景观指数的逐一计算,得到了研究区各地类的分布现状数据、景观指数计算结果数据,见表 3

表 3 各地类分布现状数据及景观指数计算结果 Table 3 Distribution data of various landform factors and calculation results of landscape index
地类类型 Ni Si/hm2 Ic Is Ip Ie
耕地 10 997 302 198.32 0.036 39 0.136 76 0.583 68 0.175 96
园地 823 2 046.16 0.402 22 5.525 60 0.073 62 1.873 51
林地 6 538 267 596.10 0.024 43 0.119 09 0.518 84 0.151 71
草地 4 905 11 171.16 0.439 08 2.470 81 0.311 70 1.023 12
水域 1 896 9 988.33 0.189 82 1.718 09 0.180 29 0.646 39
城镇及工矿用地 3 643 27 930.01 0.130 43 0.851 68 0.245 73 0.369 87
未利用地 289 363.69 0.794 64 18.422 22 0.045 03 5.932 99
4.1 各地类分布现状

研究区内耕地面积为302 198.32 hm2,占研究区面积的48.64%,林地面积为267 596.10 hm2,占研究区面积的43.07%;耕地和林地资源总面积占研究区面积的91.71%, 说明研究区内以此2类地类为主。其破碎度、分离度指数远小于其余5类地类,证明这2类地类均质、连续且整体结构趋于简单,地类单元内部稳定性较高,其分布状态亦应是集中连片的。从遥感解译成果图(图 3)中可以看出:耕地资源集中连片分布于研究区中部山间谷地及北部三江平原地带,林地资源集中连片分布于研究区东、西、南三面的低山丘陵地带。这2类地类的优势度指数远高于其余5类地类,说明其在整体地类景观中的地位较高,是研究区中对景观格局影响程度最大的2类地类。

研究区内园地面积为2 046.16 hm2,占研究区面积的0.33%;草地面积为11 171.16 hm2,占研究区面积的1.80%;未利用地面积为363.69 hm2,占研究区面积的0.06%。此3类地类的破碎度指数较高, 分离度指数较大,说明其分布状态为小块随机散落分布,整体趋向于异质和不连续,地类单元内部稳定性低,但是草地优势度又较高,仅次于耕地和林地,说明其在整体地类景观中的地位较高,对研究区景观格局的变化影响程度仅略低于耕地和林地。

研究区内水域面积为9 988.33 hm2,占研究区面积的1.60%;城镇及工矿用地面积27 930.01 hm2,占研究区面积的4.50%,由于研究区具有煤矿开采集中城市的特点,城镇及工矿用地面积较大,包含矿山占损土地面积8 600.73 hm2(其中采场481.42 hm2,固体废弃物1 156.56 hm2,矿山建筑315.61 hm2,塌陷地3 812.78 hm2,中转场地2 834.36 hm2),占研究区面积的1.38%,为了保持此次评价体系的整体性, 将以上矿山占损土地亚类统一合并为城镇及工矿用地大类开展计算。水域和城镇及工矿用地的破碎度指数、分离度指数均处于中等水平,尤其是城镇及工矿用地,其分离度指数远小于水域、草地、园地和未利用地,证明其分布状态并非小块随机散落的,而是有一定趋势性和连续性的;同时城镇及工矿用地的优势度指数远高于水域、未利用地、园地,说明其在整体地类景观中的地位相对较高,对研究区景观格局的变化有较大影响。

4.2 生态安全评价

根据各个子区域的景观生态风险指数(Ier)值,利用普通克里金半变异函数统计模型分析处理,结果(图 4)显示研究区内低安全区面积为4 306.40 hm2, 占研究区面积的0.69%;中低安全区面积为78 035.78 hm2, 占研究区面积的12.56%;中等安全区面积为261 257.72 hm2, 占研究区面积的42.05%;中高安全区面积为149 853.57 hm2, 占研究区面积的24.12%;高安全区面积为127 840.29 hm2, 占研究区面积的20.58%。研究区的景观生态安全状态以中、中高和高安全为主。

图 4 研究区景观生态安全等级 Fig. 4 Landscape eco-security grade map of the study area

低安全区主要分布于茄子河、桃山、新兴3区交汇处的桃山水库附近,地类类型以水域、耕地、林地、草地为主,其西侧靠近七台河市核心城镇居民区, 东侧和南侧为大面积的煤矿集中开采区,并伴随有多处采空塌陷地质灾害,人为干扰程度较大,破坏了大面积的耕地资源,使得该区域地类破碎度增高。从以上分析结果可知,耕地资源是本区域中对整体景观格局影响最大的地类之一,其导致该处生态景观风险度较高,景观生态安全等级呈现低水平。

中低安全区主要分布于研究区内倭肯镇以北、抢垦乡以东、长兴乡以西的倭肯河流域及其周边岸线,桃山水库低安全区外围,小五站镇、大四站镇、北兴农场也有一定面积的中低安全区分布。地类类型以水域、耕地、林地、草地为主,一方面中低安全区内仍有大量的矿山占损土地伴随采空塌陷地质灾害分布,另一方面倭肯河流域中低安全区内的耕地以河流滩涂上开垦出的零散水田为主,占用了原有的成片沼泽湿地,增大了地类的破碎度。因此,过多的人为干扰致使此部分区域内地类分离度增加,受干扰程度加大,景观生态风险度升高,景观生态安全等级呈较低水平。

中等安全区面积较大且连片集中分布,包含研究区中部低山丘陵与平原地形的过渡地带、北部三江平原的大部分地区,其内地类以耕地、水域为主。中等安全区地势相对较为平坦,农田化水平较高,囊括了七台河市约90%的耕地资源,虽然中等安全区内耕地分布面积较大,且集中连片,但是其中夹杂的矿山占损土地、采空塌陷地质灾害等还是降低了其景观生态环境抗干扰能力,抑制了景观自然恢复能力,景观生态安全等级不易提升,处于中级水平。

中高安全区与高安全区连片分布于研究区域的边缘地带,其中:中高安全区多分布于低山丘陵区与平原接壤的边缘地带,其地类类型以林地、耕地、草地为主,仅个别区域夹杂有矿山占损土地,地势微起伏,生态系统保持得较为原始,受破坏程度较低,受到干扰后景观自然恢复能力较强,景观生态安全等级较高;高安全区多分布于低山丘陵的山体区域,地势较高,其内地类类型以山区林地、林间沟谷、草地为主,几乎无矿山占损土地与耕地出现,程度很低,生态环境问题不突出,景观自然恢复能力强,景观生态安全等级高。

总之,持续了几十年的人类矿产资源开发活动诱发了研究区内生态环境问题,其降低了整体生态安全性,抑制了自然景观恢复能力,是影响生态环境风险等级的主要因素。尽管近年来国家及地方政府均投入了大量的人力、物力进行恢复治理,但是由于“历史欠账”过多,生态修复过程漫长,矿产资源开发城市的生态环境死角仍然存在。如图 5为桃山水库低生态安全区周边分布的大片矿山开发占损土地。另外,倭肯河流域周边岸线沼泽湿地农田化,占草种田行为,不同程度地降低了土地资源优势度指数,也将给该区域的生态环境带来一定的风险[16]

图 5 研究区内低生态安全区周边分布的大片矿山开发占损土地 Fig. 5 Large area of mine development land around the low ecological security area in the study area
5 结论与建议

1) 国产高分影像数据色彩层次丰富,数据纹理清晰,地类可解译程度较高,以其做为数据源获取的解译矢量成果为此次研究奠定了精准的数据基础。同时基于矢量数据开展的景观指数计算避免了传统栅格数据处理后所产生的像元误差,提升了本次研究成果的准确性。

2) 2017年度研究区内耕地和林地面积占研究区面积的91.71%,这2类地类单元内部稳定性好,优势度指数高;园地、草地、未利用地3类地类的破碎度指数较高, 分离度指数较大,地类单元内部稳定性差;水域、城镇及工矿用地2类地类的破碎度指数、分离度指数均处于中等水平,其中城镇及工矿用地分离度指数远小于水域、草地、园地和未利用地,证明其分布状态并非小块随机散落,而是有一定的趋势性和连续性,对研究区景观格局的变化影响程度较大。

3) 研究区内大部分地区的景观生态安全等级处于中高水平,中、中高和高安全区占研究区面积的86.75%,呈现由矿山开发集中区向其外部、平原区向低山丘陵区安全等级逐渐升高、生态环境逐渐转好的趋势;但是,区内仍有一定面积的低、中低安全区存在, 其占研究区面积的13.25%,总体景观生态安全仍存在较大问题,需引起地方政府关注。

4) 本次研究结果基于一期国产高分影像数据,对于景观生态安全的区域变化规律未做相应分析与评价,还需在今后的研究中进一步探索和完善;景观脆弱度指数的权重赋值方法采取了专家咨询法,尽管充分借鉴了专家们的丰富经验,但在某种程度上存在着一定的主观因素,可能导致评价结果的客观性不足。

参考文献
[1]
于博文, 田淑芳, 赵永超, 等. 高分一号卫星在京津矿山遥感监测中的应用[J]. 现代地质, 2017, 31(4): 843-850.
Yu Bowen, Tian Shufang, Zhao Yongchao, et al. Application of GF-1 Satellite in Remote Sensing Monitoring on Mine Exploitation in Beijing and Tianjin[J]. Geoscience, 2017, 31(4): 843-850. DOI:10.3969/j.issn.1000-8527.2017.04.018
[2]
杨显华, 黄洁, 田立, 等. 基于高分辨率遥感数据的矿山环境综合治理研究: 以冕宁牦牛坪稀土矿为例[J]. 国土资源遥感, 2015, 27(4): 115-121.
Yang Xianhua, Huang Jie, Tian Li, et al. A Discussion on Comprehensive Governance of Mine Environment Based on High Resolution Remote Sensing Data: A Case of Maoniuping REE Deposit, Mianning County[J]. Remote Sensing for Land and Resources, 2015, 27(4): 115-121.
[3]
王立娟, 靳晓, 贾虎军, 等. 基于国产高分卫星数据的矿山环境变化检测[J]. 国土资源遥感, 2018, 30(3): 151-158.
Wang Lijuan, Jin xiao, Jia Hujun, et al. Change Detection for Mine Environment Based on Domestic High Resolution Satellite Images[J]. Remote Sensing for Land and Resources, 2018, 30(3): 151-158.
[4]
第二次全国土地调查技术规程: TD/T 1014-2007[S]. 北京: 中国标准出版社, 2007.
The Second National Land Survey Technical Specification: TD/T 1014-2007[S]. Beijing: Standards Press of China, 2007.
[5]
仲伟敬, 邢立新, 潘军, 等. 基于DEM数据的地貌类型快速划分系统研究[J]. 吉林大学学报(信息科学版), 2018, 36(5): 388-396.
Zhong Weijing, Xing Lixin, Pan Jun, et al. Study on Fast Partitioning System of Geomorphic Types Based on DEM Data[J]. Journal of Jilin University (Information Science Edition), 2018, 36(5): 388-396.
[6]
任金铜, 杨可明, 陈群利, 等. 贵州草海湿地区域土地利用景观生态安全评价[J]. 环境科学与技术, 2018, 41(5): 158-165.
Ren Jintong, Yang Keming, Chen Qunli, et al. Evaluationon Ecological Security of Land Use Landscape in Guizhou Caohai Wetland[J]. Environmental Science & Technology, 2018, 41(5): 158-165.
[7]
宋冰洁, 周忠学. 西安都市圈道路网络化对景观格局的影响[J]. 吉林大学学报(地球科学版), 2017, 47(5): 1521-1532.
Song Bingjie, Zhou Zhongxue. Influence of Road Network on Landscape Pattern in Xi'an Metropolitan Zone[J]. Journal of Jilin University(Earth Science Edition), 2017, 47(5): 1521-1532.
[8]
裴欢, 魏勇, 王晓妍, 等. 耕地景观生态安全评价方法及其应用[J]. 农业工程学报, 2014, 30(9): 212-219.
Pei Huan, Wei Yong, Wang Xiaoyan, et al. Method of Cultivated Land Landscape Ecological Security Evaluation and Its Application[J]. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(9): 212-219. DOI:10.3969/j.issn.1002-6819.2014.09.026
[9]
王涛, 肖武, 王铮, 等. 煤矿开采对景观格局的影响及生态风险分析[J]. 中国矿业, 2016, 25(12): 71-75.
Wang Tao, Xiao Wu, Wang Zheng, et al. Analysis of the Influence of Coal Mining on Landscape Pattern and Ecological Risk[J]. China Mining Magazine, 2016, 25(12): 71-75.
[10]
冯萤雪, 史芳, 曹颖. 矿业棕地公园生态安全格局建构与评价分析[J]. 哈尔滨工业大学学报, 2017, 49(10): 177-181.
Feng Yingxue, Shi Fang, Cao Ying. Ecological Security Pattern Tectonics and Evaluation Analysis of Mining Brownfield Parks[J]. Journal of Harbin Institute of Technology, 2017, 49(10): 177-181.
[11]
索新文, 陈果, 卜璞. 基于3S的矿区景观格局演变研究: 以冷水江市闪星锡矿山为例[J]. 中国矿业, 2018, 27(1): 95-99.
Suo Xinwen, Chen Guo, Bu Pu. Study on the Landscape Pattern Evolution of Mining Area Based on 3S Technology[J]. China Mining Magazine, 2018, 27(1): 95-99.
[12]
武慧智, 姜琦刚, 李远华, 等. 松嫩流域湿地景观动态变化[J]. 吉林大学学报(地球科学版), 2015, 45(1): 327-334.
Wu Huizhi, Jiang Qigang, Li Yuanhua, et al. Dynamic Change of Wetland Landscape Pattern in Songhuajiang-Nenjiang River Basin[J]. Journal of Jilin University(Earth Science Edition), 2015, 45(1): 327-334.
[13]
刘春艳, 张科, 刘吉平. 1976-2013年三江平原景观生态风险变化及驱动力[J]. 生态学报, 2018, 38(11): 3729-3740.
Liu Chunyan, Zhang Ke, Liu Jiping. A Longterm Site Study for the Ecological Risk Migration of Landscapes and Its Driving Forces in the Sanjiang Plain from 1976 to 2013[J]. Acta Ecologica Sinica, 2018, 38(11): 3729-3740.
[14]
刘舒, 姜琦刚, 朱航, 等. 基于Hyb-F组合滤波算法的向海自然保护区NDVI时间序列重构[J]. 吉林大学学报(工学版), 2018, 48(3): 957-967.
Liu Shu, Jiang Qigang, Zhu Hang, et al. Reconstruction of Landsat NDVI Time Series of Xianghai Natural Deserve Based on a Hybrid Filtering Algorithm Hyb-F[J]. Journal of Jilin University(Engineering and Technology Edition), 2018, 48(3): 957-967.
[15]
李昭阳, 张楠, 汤洁, 等. 吉林省煤矿区景观生态风险分析[J]. 吉林大学学报(地球科学版), 2011, 41(1): 207-214.
Li Zhaoyang, Zhang Nan, Tang Jie, et al. Analysis on the Landscape Ecological Risk of Jilin Coal Mining Area[J]. Journal of Jilin University(Earth Science Edition), 2011, 41(1): 207-214.
[16]
丁宇雪, 毛龙, 周向斌, 等. 基于高分影像的松嫩低平原地区生态环境问题解析: 以黑龙江省肇源县为例[J]. 吉林大学学报(地球科学版), 2020, 50(4): 1240-1248.
Ding Yuxue, Mao Long, Zhou Xiangbin, et al. Analysis of Eco-Environmental Problems in Songnen Low Plain Based on High-Score Image: A Case Study of Zhaoyuan County of Heilongjiang Province[J]. Journal of Jilin University(Earth Science Edition), 2020, 50(4): 1240-1248.
http://dx.doi.org/10.13278/j.cnki.jjuese.20190172
吉林大学主办、教育部主管的以地学为特色的综合性学术期刊
0

文章信息

丁宇雪, 周向斌, 初炜钰, 毛龙, 孙迪, 孙瑞棋
Ding Yuxue, Zhou Xiangbin, Chu Weiyu, Mao Long, Sun Di, Sun Ruiqi
国产高分影像在矿业城市生态安全性评价中的应用——以黑龙江省七台河市为例
Application of High Resolution Remote Sensing Images in Ecological Safety Assessment of Mining Cities in China: An Example of Qitaihe County in Heilongjiang Province
吉林大学学报(地球科学版), 2021, 51(2): 533-542
Journal of Jilin University(Earth Science Edition), 2021, 51(2): 533-542.
http://dx.doi.org/10.13278/j.cnki.jjuese.20190172

文章历史

收稿日期: 2019-08-28

相关文章

工作空间