天津市蓟州区典型矿山生态修复遥感监测与评价
doi: 10.20008/j.kckc.202503010
王瑶 , 高洪生 , 王国琦 , 胡海博 , 刘永涛 , 王永立 , 王然
天津市地质调查研究院,天津 300191
基金项目: 本文受天津市规划和自然资源局项目“天津市矿山地质生态环境动态监测与生态修复效应评价”(地矿任[2022]5号)资助
Remote sensing monitoring and evaluation of typical mine ecological restoration in Jizhou District, Tianjin
WANG Yao , GAO Hongsheng , WANG Guoqi , HU Haibo , LIU Yongtao , WANG Yongli , WANG Ran
Tianjin Institute of Geological Survey, Tianjin 300191 , China
摘要
本文以天津市蓟州区4个典型露天矿山为例,分别为建筑用白云岩的蓟州区大兴峪北矿区和东后子峪矿区、建筑用花岗岩的蓟州区盘山正门道路东侧矿区、水泥用灰岩的蓟州区铁岭子矿区,利用无人机进行航拍,获取 2022年 5—7月和 8—11月矿山 2期高分辨率遥感影像,查明矿山生态修复进展情况。采用层次分析-模糊综合评价方法对矿山生态修复效应进行综合评价,选取了地形地质条件、土壤物理指标、土壤化学性状、土壤重金属性状、植被恢复性状、景观恢复特性 6类评价二级指标和 28项具体指标,构建了三级评价指标体系。运用模糊数学理论构造隶属度函数,利用层次分析法确定了各指标的权重,实现了对矿山生态修复效应综合评价。研究结果表明,蓟州区大兴峪北建筑用白云岩矿区最好,其次为蓟州区东后子峪建筑用白云岩矿区和蓟州区铁岭子水泥用灰岩矿区,最后为蓟州区盘山道路东侧建筑用花岗岩矿区,评价结果与实际情况较为吻合,该研究可为矿山生态修复治理工作提供技术支撑和决策依据。
Abstract
In this paper, four typical open-pit mines in Jizhou District of Tianjin are taken as examples, namely the Daxingyubei Mining Area and the Donghouziyu Mining Area of Jizhou District, the construction granite mining area on the east side of Panshan scenic entrance Road in Jizhou District, and the Tielingzi Mining Area of Jizhou District, a limestone mine for cement. Aerial photography was carried out by drones to obtain high-resolution remote sensing images of the second phase of the mine from May to July and August to November 2022 to find out the progress of mine ecological restoration. The analytic hierarchy process-fuzzy comprehensive evaluation method was used to comprehensively evaluate the effect of mine ecological restoration, and six types of secondary evaluation indexes and 28 specific indicators were selected, including topographic and geological conditions, soil physical indicators, soil chemical properties, soil heavy metal properties, vegetation restoration properties, and landscape restoration characteristics, and a three-level evaluation index system was constructed. The fuzzy mathematical theory was used to construct the membership degree function, and the analytic hierarchy process was used to determine the weight of each index, so as to realize the comprehensive evaluation of the ecological restoration effect of the mine. The results show that the Daxingyubei building dolomite mining area in Jizhou District is the best, followed by the Donghouziyu construction dolomite mining area in Jizhou District, the Tielingzi cement limestone mining area in Jizhou District, and finally the granite mining area for construction on the east side of Panshan Road in Jizhou District. The evaluation results are consistent with the actual situation, and this study can provide technical support and decision-making basis for mine ecological restoration and governance.
0 引言
20世纪 60 年代,西方发达国家相继发射卫星,矿山环境的监测与保护得到了遥感技术的推进。 Stanislaw(1998)综合遥感影像及航空遥感相片,监测了华沙某煤矿区环境、土地等方面的变化情况。 Ferrier(1999)通过 EEPW 分析了西班牙地区铜矿矿业活动与地面沉降之间的关系以及环境变化的趋势。通过自组织人工神经网络,Charou et al.(2020) 综合利用多时相、多源影像,完成了矿山开采与污染信息的提取与分类。Snapir et al.(2020)依据金矿与周围植被的光谱特征,通过 K 均值聚类法研究监测了金矿的开采变化情况,并绘制了其造成的污染范围。
在中国,遥感技术在矿山地质方向的应用起步不如西方国家早,但是发展迅速。基于高光谱特征,甘甫平等(2004)直接、有效地识别了矿区的污染类型与分布特征。李成尊等(2005)采用国外遥感影像进行矿业活动造成的地质灾害的解译与考察,并对其影像特征等进行了综合分析与评价。褚进海等(2009)利用中分辨率遥感影像进行矿山监测,识别地裂缝等矿业活动引发的地质灾害。基于多时相遥感影像,陈绪钰(2011)通过矿山生态环境解译法,监测并分析了当地矿山及周边环境变化。基于高分辨率遥感数据,安志宏等(2011)精确并实时地提取了矿山开发和环境信息,并针对矿山开采与矿产利用,综合分析了其中存在的问题。马国胤等(2017)根据矿山遥感监测的主要地物目标影像特征,构建了一套规范的解译标志。张自发等 (2021)利用 Sentinel-1A 哨兵雷达数据获取地面沉降信息,并与 GPS 监测记录的沉降数据进行对比,证实了D-InSAR可用于监测矿区、矿山的地面沉降情况。齐风友(2024)详述了卫星遥感技术在地形地貌勘查中的应用,包括 DEM 产品的获取、坐标系转换、地形图生成及高清卫星影像的调用。这项技术不仅加速了地貌特征的获取,还扩展到岩体识别和矿产资源监测等多个领域。
自工业化以来,西方部分国家便已意识到矿山地质环境问题的危害,对矿山环境恢复治理的重视程度逐渐提升。Cendrero et al.(1992)根据问题的不同方面选择评价因子,并综合指标进行分析、评价研究区环境的整体质量。Hamidi et al.(2020)运用模糊层次分析法,评价了开矿工程施工区域周边岩土情况以及不确定性地质。Suh et al.(2022)以韩国太白市的煤矿矿区为研究区,采用遥感与DEM等多种类型数据,完成了基于层次分析法的环境多标准评价。规范化、定量化是矿山地质环境评价工作应当重视的方面。彭高辉和陈守余(2004)通过模糊 ISODATA 聚类法实现问题从地质变量空间向评价空间的转换,并基于此进行地质环境评价测试。陈桥等(2016)基于层次分析法,从生态学、地理学、环境学等方面考虑矿山环境,提出了一套规范的定量评价体系。王海庆(2010)采用缓冲区法等多种方法评价研究区的矿山地质环境,并对比分析了各类方法的异同点与优缺点。李东等(2015)结合 BP 神经网络与SVM算法,成功建立了较为客观的矿山地质环境评价新体系。李思发等(2014)综合 RS 与 GIS 技术、层次分析法对贵州大湾煤矿区开展了矿山环境研究,定性且定量地评价了该区域的矿山地质环境现状。陈旭(2024)以西藏某露天铜矿为例,通过地质分区和岩石物理力学试验获取参数,并用极限平衡法评估地质环境,为矿山安全操作提供了依据。
近年来,中国矿产资源节约集约与综合利用工作稳步推进。自然资源部印发《“十四五”历史遗留矿山地质环境修复行动计划》,开展全国历史遗留矿山核查,加强重点流域和重点区域历史遗留矿山地质环境生态修复,部署实施第一批历史遗留矿山生态修复示范工程;建立完善绿色勘查标准体系,开展年度绿色矿山实地抽查核查,高质量推进绿色矿山建设。本文研究了天津市蓟州区不同矿山区域的生态修复效果,采用遥感监测技术和多层次评价模型进行了详细分析。通过高精度的无人机遥感数据,本研究不仅获取了矿山区域的植被覆盖率和土地利用现状,还通过植被覆盖度变化和单木参数变化,评估了生态修复的进展和效果。研究的创新点包括:(1)多技术整合:结合大疆 M300RTK+赛尔 102S 无人机、多光谱遥感和机载激光雷达技术,提供了一个多层次、高精度的生态监测模型;(2)综合评价模型:采用层次分析法和模糊综合评价法,建立了包括地形地质条件、土壤物理化学性状、植被恢复和景观恢复特性在内的详细评价体系;(3) 实时动态监测:实现了对生态修复效果的动态监测和长期跟踪,提高了评估的时效性和准确性。这些方法和技术的应用,为矿山生态修复提供了科学的评估依据和决策支持,展示了环境科学与遥感技术结合的前沿应用。
1 研究区基本情况
1.1 自然地理概况
蓟州区大兴峪北白云岩矿生态修复后矿区土地类型主要为林地、草地,林地为阔叶和针叶混交林,优势树种有刺柏、椿树、栾树、松树、黄栌、毛桃等,草地植被有天人菊、碱蓬、狗尾、蒿、葎草等。
官庄镇东后子峪白云岩矿生态修复主要用于林地,林地为阔叶和针叶混交林,优势树种有榆树、柳树、桃树、椿树、松树、黄栌等,林下种植爬山虎,野生草本草地植被有碱蓬、狗尾、蒿、葎草等。
盘山正门道路东侧花岗岩矿区生态修复后土地利用类型主要为林地、耕地,林地为阔叶和针叶混交林,优势树种有侧柏、松树、火炬树、杨树、杏树、柳树等,自然生草本有蒿、狗尾、小蓬草、水蓼、卷柏等。
蓟州区铁岭子矿区生态修复工程尚在进行中,已完成的修复区主要用于果园,优势树种有桃树、核桃树、梨树等,野生草本植物丰富有狗尾、鸢尾、竹节草、胡枝子、紫地丁、一叶萩、胡枝子、地稍瓜、小花鬼针草等。
1.2 矿产资源
截至目前,初步探明蓟州区境内有矿藏 30 余种。金属矿产有锰矿、铁矿、金矿、钼矿、钨矿。非金属矿产有水泥灰岩矿、紫砂陶黏土矿、白云岩矿、大理石矿、麦饭石矿、钾长石矿、硅石矿、海泡石矿、粉石英矿等。其中,锰硼矿在国内首次发现,对矿物学和矿床研究具有重要意义。大理石、叠层石、麦饭石、紫砂陶土和盘山麦饭石矿泉水等,质优量丰,有广阔的开发前景,其中紫砂陶土品质国内一流,储量 60 亿 t,且出露地表,易于开采。盘山麦饭石矿泉水,有 10 余种对人体有益的微量元素,是世界上一流的矿泉水资源。
蓟州区内的 4 个典型矿山中,大兴峪北矿区和官庄镇东后子峪矿区主要以建筑用白云岩矿山为主,盘山正门道路东侧矿区以建筑用花岗岩矿山为主,蓟州区铁岭子矿区以水泥用灰岩矿山为主。
2 研究区矿山环境遥感监测
2.1 遥感监测
本次遥感监测采用大疆 M300RTK+赛尔 102S、大疆精灵4 RTK多光谱无人机、大疆禅思L1机载激光雷达等新型测绘技术对矿山进行不同层次航拍,获取矿山2期高分辨率遥感影像。将航拍影像导入专业软件进行处理,生成正射影像、三维倾斜模型、三维点云等,获取矿区地形地貌、土地利用现状、地表植被现状信息,动态监测工程防治措施的治理效果,更好地推动修复区可持续发展。本文利用其对蓟州区大兴峪北矿区、蓟州区东后子峪矿区、蓟州铁岭子矿区、蓟州盘山正门道路东侧矿区 4 个典型矿山生态修复区开展生态修复遥感监测与修复评价。
具体来说对东后子峪白云岩矿区、盘山正门道路东侧花岗岩矿区、铁岭子石灰岩矿区、大兴峪北白云岩矿区 4 个典型生态修复矿山航摄利用飞马 D2000 无人机搭载飞马 OP4000 相机,相对航高 160 m,地面分辨率优于 2 cm,航向重叠度为 80%,旁向重叠度为70%。
对东后子峪白云岩矿区、盘山正门道路东侧花岗岩矿区、铁岭子石灰岩矿区、大兴峪北白云岩矿区 4 个典型生态修复矿山航摄利用大疆 M300RTK 无人机搭载长光禹辰MS600Pro多光谱相机获取,采用仿地飞行模式,航向重叠度 80%,旁向重叠度 70%,飞行高度 150 m,地面分辨率 15 cm。飞行前进行灰板拍摄,若飞行时间超过30 min,则飞行前后均对灰板进行拍摄。
对东后子峪白云岩矿区、盘山正门道路东侧花岗岩矿区、铁岭子石灰岩矿区、大兴峪北白云岩矿区4个典型生态修复矿山航摄利用飞马D2000无人机搭载飞马 Lidar2000 轻型机载激光雷达系统进行数据采集,单航线获取 113 个/m2 地物点,旁向重叠度60%,飞行高度100 m。
2.2 植被覆盖度变化特征
2.2.1 官庄镇东后子峪矿区
本研究利用无人机在 5—7 月和 8—11 月进行航拍,2022年度的 2期遥感监测显示(表1),研究区植被覆盖度从 62.3% 下降至 47.2%,呈明显下降趋势。低覆盖度面积增加了8.75 hm2,达到30.40 hm2; 中低覆盖度面积增加了3.14 hm2,达到11.13 hm2;中等覆盖度面积显著增加了 23.53 hm2,达到 33.97 hm2。相反,中高覆盖度面积减少了 5.99 hm2,为 2.10 hm2,高覆盖度面积大幅减少了 29.43 hm2,为 1.05 hm2
12022年官庄镇东后子峪矿区植被覆盖度变化统计
2.2.2 大兴峪北矿区
研究区植被覆盖度从 88.6% 下降到 73.7%。低覆盖度面积增加了 4.88 hm2,达到 8.34 hm2,中低覆盖度面积增加了 4.32 hm2,达到 7.88 hm2,而中等覆盖度面积显著增加了28.86 hm2,达到36.23 hm2。同时,中高覆盖度面积减少了7.36 hm2,为4.69 hm2,高覆盖度面积大幅减少了 30.70 hm2,为 4.46 hm2表2)。
22022年大兴峪北矿区植被覆盖度变化统计
2.2.3 盘山正门道路东侧矿区
研究区植被覆盖度从 91.1% 降至 69.3%,呈现下降趋势。低覆盖度面积增加了 1.23 hm2,达到 1.98 hm2,中低覆盖度面积增加了 3.28 hm2,达到 4.39 hm2,中等覆盖度显著增加了 7.67 hm2,达到 11.93 hm2。相反,中高覆盖度面积减少了 2.54 hm2,为 1.60 hm2,高覆盖度面积大幅减少了 9.65 hm2,为 0.83 hm2表3)。
32022年盘山正门道路东侧矿区植被覆盖度变化统计
2.2.4 铁岭子矿区
研究区植被覆盖度从78%下降到54.5%。低覆盖度面积增加了 14.47 hm2,达到 33.91 hm2,中低覆盖度面积增加了 20.73 hm2,达到 34.29 hm2,中等覆盖度面积大幅增加了55.93 hm2,达到76.51 hm2。同时,中高覆盖度面积减少了 13.69 hm2,为 3.98 hm2,高覆盖度面积显著减少 77.44 hm2,为 1.06 hm2表4)。
42022年铁岭子矿区植被覆盖度变化统计
2.3 矿山单木参数变化特征
机载激光雷达数据解译显示,不同矿区的树木提取量、平均高度、冠幅直径及面积有所不同,且野外实地测量与数据解译的匹配率较高。蓟州区大兴峪北矿区(图1)第一期提取 10435 树,平均高 5.13 m,冠幅2.74 m,面积8.77 m2,匹配率77.1%。第二期 11734 树,平均高 5.62 m,冠幅 2.65 m,面积 6.96 m2,匹配率 85.30%。蓟州区东后子峪矿区(图2)第一期提取 18397 树,平均高 5.56 m,冠幅 2.9 m,面积 9.22 m2,匹配率 76.2%。第二期 19402树,平均高 5.31 m,冠幅 2.63 m,面积 7.05 m2,匹配率 86.2%。盘山正门道路东侧矿区(图3)第一期32836树,平均高 3.52 m,冠幅 1.69 m,面积 4.18 m2,匹配率 79%。第二期 36084 树,平均高 3.56 m,冠幅 1.43 m,面积 2.75 m2,匹配率 86.4%。铁岭子矿区(图4)第一期 45725 树,平均高 4.46 m,冠幅 2.54 m,面积 7.94 m2,匹配率 81.5%。第二期 46021 树,平均高 5.13 m,冠幅2.89 m,面积8.46 m2,匹配率86.5%。
1蓟州区大兴峪北矿区激光雷达点云提取单木参数对比
a—第一期(2022-7-21);b—第二期(2022-11-4)
2蓟州区东后子峪矿区激光雷达点云提取单木参数对比
a—第一期(2022-7-21);b—第二期(2022-11-4)
3蓟州区盘山正门道路东侧矿区激光雷达点云提取单木参数对比
a—第一期(2022-7-21);b—第二期(2022-11-4)
4蓟州区铁岭子矿区激光雷达点云提取单木参数对比
a—第一期(2022-7-21);b—第二期(2022-11-4)
3 研究区矿山生态修复评价
3.1 评价体系
本文采用层次分析法作为筛选评价指标因子的方法。结合蓟州区矿山类型、生态修复目标及生态学理论,将层次模型分为 3 个层次,目标层、准则层和指标层(表5)。本研究的目标层是矿山生态修复效果评价,是分析最终要达到的目标;准则层共6 个指标,是实现总目标的分步骤;指标层是对准则层的具体量化,包括28个指标。
5矿山生态修复评价指标
3.2 评价指标量化
3.2.1 地形地质条件
随着高强度采矿活动,蓟州山区矿山2008年政策性关闭后留下大量危岩和固体废弃物,未进行有效治理,增加了崩塌、滑坡、泥石流等地质灾害的风险。废弃矿山的不稳定斜坡、软弱夹层和节理裂隙在重力和自然因素影响下,可能导致地面剥落或滑坡;且矿区堆放废渣可能阻塞沟谷,特大暴雨时易引发泥石流。地形地质条件分为地形坡度和矿山地质灾害2个指标(表6),其中地形坡度影响地质灾害的发生和植被生长,而矿山地质灾害反映了安全隐患消除后的地质安全状况。
3.2.2 土壤物理性状
土壤物理性状涵盖有效土层厚度与土壤容重 (表7),有效土层厚度关乎植物生长的土壤深度,土壤容重则影响土壤的结构和功能,如孔隙度和保水能力,进而影响植被的成长。
3.2.3 土壤化学性状
土壤化学性状涵盖土壤酸碱度、全盐量、有机质和养分(表8),直接和间接影响植被生长。有机质是土壤的重要营养成分,影响氮、磷、钾等养分的提供能力。氮、磷、钾是植物生长的关键矿物元素,分别对植物生长发育和代谢活动起着至关重要的作用。
3.2.4 土壤重金属性状
土壤重金属性状包括 Zn、Cu、Cr、Cd、Pb、Ni、 Hg、As共8种元素(表9),土壤中的重金属会对植物产生一定的毒害作用,引起株高、主根长度、叶面积等一系列生理特征的改变。
3.2.5 植被恢复特性
植被恢复特性包括植被覆盖度、林木高度和冠幅面积(表10),直接反映植被生长状况和林分结构。
3.2.6 景观恢复特性
景观恢复特性由修复工程覆盖度、土地复垦率和景观协调程度组成(表11),评价修复措施的实施、土地利用效率和修复后景观与自然环境的和谐度。
6地形地质条件评级标准
7土壤物理性状评级标准
8土壤化学性质评级标准
9土壤重金属评级标准
10植被恢复特性评级标准
11景观恢复特性评级标准
3.3 评价指标权重确认
3.3.1 确定判断矩阵
本文采用专家打分法构建判断矩阵。共邀请 10位生态环境和林业方面的专家(副教授及以上),要求参与打分的专家按照 1~9 标度对各指标进行两两比较并打分(表12),最后综合专家意见构建和计算矩阵。
3.3.2 权重计算和一致性检验
分别计算废弃露天矿山生态修复影响因素中6 个准则层28个指标层的权重,同时计算判断矩阵的最大特征根 λ,检验各判断矩阵的一致性。本文权重计算借助 YAAHP 软件来完成。由表13可知,矿山生态修复影响指标中,植被覆盖度(C23)指标占主导地位,即矿山植被覆绿情况直接反映了矿山生态修复成效。
12标度及其含义
13评价指标权重一览
3.4 模糊综合评价
(1)建立评价因素集
建立综合评价要素集U,U={u1,u2,u3,u4,u5,u6}= {地形地质条件指标,土壤物理性状指标,土壤化学性状指标,土壤重金属指标,植被恢复特性指标,景观恢复特性指标}。
(2)确定评价等级
设评价等级 V={V1,V2,V3,V4,V5}={好,较好,中等,差,较差}作为评价因素的评语集。为了能够科学地评价废弃矿山生态修复效应,评价指标标准的确定参考了相关国家标准、地方标准和行业标准。
(3)各指标隶属度的确定
对于定性指标,可以采用等级比重法确定隶属度。对于定量指标,其取值是连续变化的,隶属函数采用公式法确定。线性插分法最重要的步骤是要在某连续区间上确定若干个分界点,再利用线性插分公式对定量指标进行处理,最后便可得到相应的模糊评价矩阵。设评价指标的集合为 X={x1,x2,x3,···,xn},评价标准的集合为 V={v1,v2,v3,···,vn},则某标准vj的隶属度函数可按下式进行计算:
r1=1,xiv1v2-xiv2-v1,v1<xi<v20,xi>v2r2=1-r1,v1<xiv2v3-xiv3-v2,v2<xi<v30,xiv1 xiv3rj=1-rj-1,vj-1<xivjvj+1-xivj+1-vj,vj<xi<vj+10,xivj-1 xivj+1
(1)
式(1)中,xi是某指标的实际测定值,vj为该指标的评价标准,且 vj-1vj+1rj为该评价标准下的隶属度的值,且j=1n rj=1
则定量指标的隶属度矩阵为:
R=R11R21..Rm=r11r12···r1nr21r22···r2n·········rm1rm2···rmn
(2)
式(2)中,rij=μ(ui,vj)(0≤rij≤1)表示因素ui对vj的模糊隶属度,显然 rij的值越大,表示隶属程度越高。矩阵 R 中第 iRi =(ri1,ri2,···rin)为第 i个因素 ui的单个因素评价,它是v上的模糊子集。
对于一级指标的综合评价,就是对某一相同类型的所有指标进行综合评价。若对第 i 个类型第 j 个因素进行综合评价(i=1,2,3,···n,j=1,2,3,···m),其结果是属于评价结果 V 中第 k 个元素的隶属度值 rijk,则一级指标的综合评价的隶属度矩阵为:
Ri=ri11ri12ri13···ri1nri21ri22ri23···ri2n························rim1rim2rim3···rimn
(3)
因此第 i 类因素的模糊综合评价结果的集合为:
Bi=Wi×Ri=wi1,wi2,wi3···win×ri11ri12ri13···ri1nri21ri22ri23···ri2n·····················rim1rim2rim3···rimn=bi1,bi2,bi3···bin
(4)
式(4)中,Bi是指第 B 层元素中第 i 个指标的树枝较于B+1层元素的模糊运算的结果,bi是指第B层元素中第i个指标较于i−1层元素的权重计算结果, Ri为隶属度矩阵。
对于二级指标的综合评价,是指在指标层间进行模糊综合评价,以减小各指标间的互相影响,其模糊综合评价结果的集合为:
Bi=Wi×B1,B2,B3···BnT=w1,w2,w3···wn×B1,B2,B3···BnT
(5)
指标的隶属度越接近于 1,则说明该指标越隶属于该模糊集合。对于正向指标(数值越大,则说明修复效果越好),按照下式计算:
rim(j+1)=vimj-ximjvimj-vim(j+1)
(6)
对于负向指标(数值越小,则说明生态修复效果越好),按照下式计算:
rim(j+1)=ximj-vimjvim(j+1)-vimj
(7)
准则层指标的评价矩阵为 R=(R1,R2,R3,R4, R5,R6),将各准则层下相应指标的权重矩阵和隶属度矩阵相乘,可得各准则层的隶属度。
3.5 评价结果
从评价结果来看(表14),蓟州区大兴峪北建筑用白云岩矿区最好,其次为蓟州区东后子峪建筑用白云岩矿区,蓟州区盘山道路东侧建筑用花岗岩矿区排在最后,其原因是尚未开展大规模的矿山生态修复工作。据矿山生态修复进展,蓟州区东后子峪建筑用白云岩矿区为近年来完成修复的矿山,蓟州区大兴峪北建筑用白云岩矿区为多年前完成修复的矿山,蓟州区铁岭子水泥用灰岩矿区2022年刚刚开展矿山修复任务,蓟州区盘山道路东侧建筑用花岗岩矿区尚未开展矿山生态修复工程,评价结果基本符合矿山生态修复实际进展状况。
14天津市蓟州区矿山生态修复评价结果
山区建筑用白云岩矿山生态修复后,地质灾害隐患得到合理处置,地质环境系统恢复,结构和功能完整。蓟州区白云岩矿区土壤中性偏碱,有机质和部分养分含量较低,但保肥能力中等。大兴峪矿区植被生长良好,成为旅游点,而东后子峪矿区植被覆盖度较低,新植树木生长缓慢。铁岭子水泥用灰岩矿区生态修复中,土壤条件相对较好,植被覆盖高。盘山正门道路东侧花岗岩矿区人工修复效果良好,果树生长状况优于林树,但土壤质量较差,影响由土层厚度、容重和养分含量低引起。
3.6 矿山生态修复建议
矿山生态修复及修复模式是一个涉及到地质、水土保持、生态、地理等多学科的综合治理工程,矿山植被恢复后其生态系统具有复杂的结构和功能,其修复效果会随着时间的变化而变化。本研究中仅蓟州区大兴峪矿区生态修复时间后经历时间较长,基本趋于稳定,而其他矿区则刚完成或者刚开始进行矿山生态修复,是趋于稳定还是衰退,需要长期对恢复效应的监测。在蓟州区4个典型矿山生态修复过程中,推荐建立一个长期、综合的监测系统,运用遥感技术和先进的数据分析方法(如 AI 和机器学习)连续追踪生态变化,确保能够及时调整修复策略以应对季节性变化和长期生态趋势。针对不同矿区的具体地质和生态条件,制定差异化的修复方案,如在稳定的矿区加强生物多样性的保护,在新修复的矿区着重土壤稳定和侵蚀防治。同时,结合生态修复项目开展生态旅游和教育活动,促进当地社区经济发展,提升居民的生态意识和参与度。加强科研机构合作,争取政府及国际资助,确保项目的科学支持和资金需求。
由于近期完成生态修复的矿山植被对季节响应的特殊性,对从春季开始生长到夏季茂盛期,再到秋季衰败,一年内植被覆盖度的变化主要反映为矿区植被的季节性变化特征,并不能反映矿区植被的真实状况,今后应建立长期时间尺度上的监测指标,对各个指标进行连续复查,以便对矿山生态修复评价提供充分的数据支撑。
4 结论
(1)无人机遥感监测数据显示,2期植被覆盖率变化最小的为蓟州区大兴峪北矿区,表明矿区植被已达到稳定状态。这种稳定性可能与矿区的生态修复效果成熟有关,同时也受到季节变化的影响。此外,未进行大规模树木种植的情况使得植被变化主要由自然季节性因素驱动,而非人工植被干预。
(2)根据调查监测数据,建立了目标层、准则层和指标层 3 层矿山生态修复效应评价指标体系,采用模糊综合评价方法对蓟州区4个典型生态修复矿山进行了评价。评价结果显示,蓟州区大兴峪北建筑用白云岩矿区生态修复效果最佳,地质环境稳定,生态系统功能完整。
(3)本研究采用层次分析法和模糊综合评价法,优点在于能够综合多个因素,并通过设定的权重和隶属函数,精确地反映出矿山生态恢复的不同方面。虽然这种评价方法依赖于专家打分和主观判断确定权重,可能引入一定的主观性,尽管如此,这种方法仍适用于复杂环境的多参数评估,能够为矿山生态修复提供全面的分析和合理的决策依据。
1蓟州区大兴峪北矿区激光雷达点云提取单木参数对比
2蓟州区东后子峪矿区激光雷达点云提取单木参数对比
3蓟州区盘山正门道路东侧矿区激光雷达点云提取单木参数对比
4蓟州区铁岭子矿区激光雷达点云提取单木参数对比
12022年官庄镇东后子峪矿区植被覆盖度变化统计
22022年大兴峪北矿区植被覆盖度变化统计
32022年盘山正门道路东侧矿区植被覆盖度变化统计
42022年铁岭子矿区植被覆盖度变化统计
5矿山生态修复评价指标
6地形地质条件评级标准
7土壤物理性状评级标准
8土壤化学性质评级标准
9土壤重金属评级标准
10植被恢复特性评级标准
11景观恢复特性评级标准
12标度及其含义
13评价指标权重一览
14天津市蓟州区矿山生态修复评价结果
Cendrero A, Francis E, Jrdd T. 1992. Geoenvironmental units as a basis for the assessment, regulation and management of the Earth's sur-face[J]. Lecture Notes in Earth Sciences, Berlin Springer Verlag, 42.
Charou E, Stefouli M, Dimitrakopoulos D, Vasiliou E, Mavrantza O D. 2020. Using remote sensing to assess impact of mining activities on land and water resources[J]. Mine Water & the Environment, 29(1): 45-52.
Ferrier G. 1999. Application of imaging spectrometer data in identifying environmental pollution caused by mining at Rodaquilar, Spain[J]. Remote Sensing of Environment, 68(2): 125-137.
Hamidi J K, Shahriar K, Rezai B, Rostami J, Bejari H. 2020. Risk as-sessment based selection of rock TBM for adverse geological condi-tions using Fuzzy-AHP[J]. Bulletin of Engineering Geology & the Environment, 69(4): 523-532.
Snapir B, Simms D M, Waine T W. 2020. Mapping the expansion of galamsey gold mines in the cocoa growing area of Ghana using opti-cal remote sensing[J]. International Journal of Applied Earth Obser-vation & Geoinformation, 58: 225-233.
Stanislaw C M. 1998. Satellite and airborne remote sensing data for monitoring of an open-cast mine[J]. IAPRS, 23(4): 395-402.
Suh J W, Park H D, Choi Y, Kwon H H, Yoon S H, Go W R. 2022. GISbased subsidence risk assessment due to underground mining ac-tivities at Taeback province in Korea[J]. Journal of Geological Re-search, 45(3): 123-138.
安志宏, 王晓红, 代路, 贺伟. 2011. 基于高分辨率卫星遥感数据的白云鄂博矿山开发调查研究[J]. 地质与勘探,47(3):462-468.
陈桥, 胡克, 雒昆利, 李福来, 赵伟. 2016. 基于AHP法的矿山生态环境综合评价模式研究[J]. 中国矿业大学学报,35(3):377-383.
陈旭. 2024. 基于极限平衡法的某露天采场边坡稳定性分析研究[J]. 矿产勘查,15(S1):64-70.
陈绪钰. 2011. 基于多时相遥感数据的矿山生态环境动态变化研究[J]. 金属矿山,40(10):127-130,143.
褚进海, 彭鹏, 李郑, 贾丽萍. 2009. 遥感技术在矿山遥感调查与监测中的应用[J]. 安徽地质,19(3):194-199.
甘甫平, 刘圣伟, 周强. 2004. 德兴铜矿矿山污染高光谱遥感直接识别研究[J]. 地球科学,29(1):119-126.
李成尊, 聂洪峰, 汪劲, 王晓红. 2005. 矿山地质灾害特征遥感研究[J]. 国土资源遥感,17(1):45-48,78.
李东, 周可法, 孙卫东, 王金林, 于浩, 刘慧. 2015. BP 神经网络和 SVM在矿山环境评价中的应用分析[J]. 干旱区地理,38(1):128-134.
李思发, 李亮, 赵伟立, 芦正艳. 2014. 基于RS和GIS的贵州大湾煤矿区矿山地质环境评价[J]. 工程地球物理学报,11(5):731-735.
马国胤, 谈树成, 赵志芳. 2017. 基于高分辨率遥感影像的矿山遥感监测解译标志研究[J]. 云南地理环境研究,29(5):59-68.
彭高辉, 陈守余. 2004. 模糊 ISODATA 聚类在矿山环境评价中的应用[J]. 安全与环境工程,11(1):6-8.
齐风友. 2024. 卫星遥感技术在矿产勘查设计中的应用[J]. 矿产勘查,15(S1):371-375.
王海庆. 2010. 基于GIS和RS的矿山地质环境评价方法比选[J]. 国土资源遥感,(3):92-96.
张自发, 张广学, 房振, 娄明明. 2021. D-InSAR技术在矿区沉陷监测中的应用[J]. 北京测绘,34(12):1785-1789.