EN中文

Journal of Geo-information Science >

2023 , Vol. 25 >Issue 8: 1655 - 1668

DOI: https://doi.org/10.12082/dqxxkx.2023.230026

Analysis of Pattern Evolution of Coal Mine Areas in Inner Mongolia from the Perspective of the Green Development Concept

  • ZHANG Junyao , 1, 2 ,
  • YANG Xiaomei 1, 2 ,
  • WANG Zhihua , 1, 2, * ,
  • YANG Haikun 3 ,
  • ZHANG Bochun 4 ,
  • WAN Qing 1 ,
  • LEI Mei 1, 2
Expand
  • 1. State Key Laboratory of Resources and Environmental Information System, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
  • 2. University of Chinese Academy of Sciences, Beijing 100049, China
  • 3. Zhongke Landscape (Beijing) Science and Technology Information Co., Ltd., Beijing 100071, China
  • 4. China Siwei Surveying and Mapping Technology Co., Ltd., Beijing 100089, China
*WANG Zhihua, E-mail:

Received date: 2023-01-18

  Revised date: 2023-02-18

  Online published: 2023-07-14

Supported by

National Key Research and Development Program of China(2018YFC1800100)

LREIS Independent Innovation Project(KPI001)

Fold

Abstract

As an important basic energy of our country, coal has been rapidly consumed due to extensive exploitation and utilization in recent years, meanwhile, it destroys the surrounding ecological environment, which further aggravates the contradiction between the exploitation of resources and environmental protection. Remote sensing technology, with its all-weather, full coverage, and multi-scale advantages, provides convenience for monitoring the environmental damage caused by coal mine development and utilization. However, from the perspective of green development concept, new requirements are put forward for the monitoring of coal mine resources and surrounding ecological environment. It not only requires long time series dynamic monitoring to provide data support for the analysis of temporal and spatial evolution of the ecological environment in the coal mine area and the surrounding areas, but also requires the identification of fine types within the coal mine area to further clarify the development and management trend. Therefore, based on GF-6 images, Landsat series images, and Google Earth historical high-resolution images, this study extracted the spatial distribution of four types of coal mine areas, including open pits, coal overlying areas, dump, and reclamation areas, from 2007 to 2019 in typical coal mine areas of Inner Mongolia by means of human-computer interaction. This paper analyzed the spatiotemporal evolution pattern of the coal mine area from two aspects: the trend of coal mine mining and management and the influence of coal mine mining and management on surrounding land use. The results show that the coal mine area was in the stage of centralized mining before 2010, and the main land cover type of the surrounding areas occupied was grassland. After 2010, the environmental treatment work was gradually carried out, and the mining intensity gradually slowed down. With the increasing strength of environmental treatment, the trend of treatment exceeded the trend of mining after 2015. In general, the mining and management of coal mine area has undergone a transformation from "mining coal mine by encroaching on grassland → type conversion within mining area → managed mining area to reclamation area". The impact on the surrounding ecological environment has mostly realized a transformation from "mining before treatment" to "mining while treatment". This research shows that the combination of multi-source remote sensing images can realize the long-term dynamic monitoring of coal mine areas including internal fine types from the perspective of green development concept, and the conclusions related to mining and treatment can provide technical support for the effectiveness assessment of policy implementation and the optimization adjustment of policy evolution.

Key words： multi-source image; Inner Mongolia coal mining region; evolution of pattern; temporal and spatial analysis; green development; remote sensing interpretation; dynamic monitoring; spatiotemporal pattern

Cite this article

ZHANG Junyao , YANG Xiaomei , WANG Zhihua , YANG Haikun , ZHANG Bochun , WAN Qing , LEI Mei . Analysis of Pattern Evolution of Coal Mine Areas in Inner Mongolia from the Perspective of the Green Development Concept[J]. Journal of Geo-information Science, 2023 , 25(8) : 1655 -1668 . DOI: 10.12082/dqxxkx.2023.230026

1 引言

煤炭是世界上储量最多、分布最广的常规能源[1]，常用于燃料和工业过程，煤炭发电在中国占总发电量的60%以上[2]。近年来石油及天然气价格大幅上涨，导致全球煤炭需求快速增加[3]。由于煤炭具有不可再生的耗竭性，粗放式的开发利用进一步导致资源的快速消耗，与此同时对周围的生态环境产生破坏，包括景观破坏、土壤污染、水体流失、废物堆积等[4]。有研究表明露天煤矿的开采占用了大量农田并对周围植被造成了直接性的破坏[5]，平均每开采1万吨煤炭造成草原或农田塌陷0.2 hm2[6]。因此，如何平衡资源开发与环境保护的矛盾进一步实现煤炭资源的绿色发展是当前需要重点关注的问题[7]。
“绿色发展”一词早在《2002中国人类发展报告：绿色发展，必选之路》[8]，即进入人们的视野[9]。随着对可持续发展和生态文明建设重要性的深入认识，党的“十二五”规划把绿色发展和建设节约型社会纳入下阶段国家发展的重点[10]。“十四五” 规划明确提出要加快发展方式绿色转型，坚持生态优先、绿色发展[11]。由此可见“绿色发展”已经成为贯穿我国建设发展的主基调。煤炭作为我国能源安全的重要保障，是绿色发展中的重要一环。为了加快煤炭行业的绿色转型，我国颁布了《国务院关于促进煤炭工业健康发展的若干意见》[12]、《煤炭工业“十四五”高质量发展指导意见》[13]等相关法规和政策，与此同时，加强对煤矿资源的监测力度有利于政策实施的有效性评估和政策演进的优化调整[14]。
绿色发展理念视角下对煤矿资源及周边生态环境的监测提出了新要求。区别于传统的空间范围识别与监测，绿色发展理念强调通过监测识别煤矿区的开采与治理趋势及其对周边生态环境的影响，不仅要求长时序的动态监测来为煤矿区及周边生态环境的时空演变分析提供数据支撑，还要求识别煤矿区域内部的精细类型（如露天采矿区、复垦区等）进一步明确开发与治理的趋势[15]。相比于传统通过野外实地考察的监测方式，遥感技术不仅可以提供大面积连续、长时间序列、 多源多分辨率的观测数据，还可以提供全面、快速、连续识别的技术支持，使得矿区的监测更便捷高效[16]。
目前对煤矿区的监测研究主要有2种类型：① 基于高分辨率遥感影像对某一特定时间的煤矿区内部精细类型和空间格局进行识别[17-18]，如Giang等[19]基于高分辨率的无人机影像利用U-Net 卷积网络对2019年越南某矿区进行了含6种类型的土地覆盖分类。Qin等[20]以中国中部廖家坪矿田为例，利用高分一号遥感影像和随机森林分类器绘制了2020年含7种类型的土地覆盖分类图；② 基于低中分辨率遥感影像对某一时段内煤矿区的空间范围和周围生态环境开展监测[21⇓-23]，如Vorovencii 等[24]利用1988—2017年的Landsat影像绘制了罗马尼亚九谷矿区的露天采矿范围。Yang等[25]利用1989—2014年的Landsat影像和 LandTrendr 算法检测了露天矿区的植被扰动和恢复动态。上述研究表明，利用遥感影像数据结合机器学习或深度学习等算法是实现煤矿区空间范围和格局演变监测分析的有效手段。然而，当前识别煤矿区内部精细类型的研究大都只针对单个时期开展，而多时期煤矿区动态监测的研究大都只针对煤矿区外部轮廓范围开展，总体上表现出了煤矿区内部类型精细程度与监测时序长短的矛盾。
为了满足绿色发展理念视角下对煤矿区遥感监测的要求，实现在识别煤矿区内部精细类型的同时开展长时序的格局演变监测，本研究在我国煤炭资源富集的代表地区内蒙古选取了典型煤矿区域，结合中高分辨率的多源遥感影像，利用多源影像的优势互补和人机交互的方法提取了2007—2019年的煤矿区空间范围数据，包括了露天采矿场、排土场、覆煤区和复垦区4种精细类型，对不同时间段煤矿区内部类型的面积变化进行统计，明确煤矿区的时空范围变化。在此基础上，结合相同时段的土地利用数据，对各时间段的土地利用类型转移面积进行统计。进一步在绿色发展的视角下，将煤矿区内部类型归纳为开采区域和治理区域，明确煤矿区各时期的开采和治理趋势，以及开采与治理对周围土地利用和生态环境的影响。进而在绿色发展理念视角下，通过煤矿区开采与治理相关结论为政策实施的有效性评估和政策演进的优化调整提供技术支撑范例。

2 研究区概况和数据源

2.1 研究区概况

本研究区位于内蒙古鄂尔多斯市东胜区东北部，地理坐标为109°99'E—110°18'E，39°82'N—39°97'N。研究区地理位置如图1所示。内蒙古自治区是世界最大的“露天煤矿”之乡，区域内煤层面积大且分布范围广，经勘查全区已发现各类矿产地4100多处，矿产约135种，约占全国约发现矿种的79%[26]，是国家西煤东运、北煤南运的重要生产基地[27]。同时内蒙古自治区拥有约占全国22%和12%的草地和森林资源，是我国的绿色生态屏障[28]。东胜区作为煤田主要储量区域，在该区域内开展研究具有一定的代表性。东胜区位于鄂尔多斯高原中东部，所处地质构造位置是一长期稳定发展的大型沉积盆地，矿产均为沉积矿产。储量最多的是煤[29]。本研究区地处黄土丘陵地区，地势西高东低，植被稀疏，属干旱、半沙漠的高原大陆性气候区，平均海拔在1 300 m左右。研究区内煤矿以露天开采为主，与矿产开发相关的生态破坏现象以草场退化和耕地被占用为主，其次为水土流失和土地沙化等[30]。经查阅相关资料，位于研究区附近的白家梁-巴隆图煤矿于2016年12月左右开发[31]，另外从历史影像上观察发现，2007年前研究区未发现有开发痕迹，所以本研究的时序范围设置为2007—2019年。参考1985—2021年中国逐年土地覆盖数据集数据（annual China Land Cover Dataset, CLCD）[32]，2007—2019年研究区的土地利用情况如图2所示。研究区内主要的土地利用类型为草地，伴有耕地、裸地以及少量的不透水和林地。
图1 研究区示意图

Fig. 1 Schematic diagram of the research area

图2 煤矿区时序土地利用类型

Fig. 2 Temporal land use type map of coal mining area

2.2 研究数据

本研究使用了覆盖2007、2010、2015和2019年4个时间段的多源遥感影像，用于研究区内煤矿范围的识别。影像数据具体包括分辨率为2 m的 GF-6号卫星影像，分辨率为30 m的Landsat-5和Landsat-8卫星影像，以及等级为Level 16的谷歌地球（Google Earth）历史高分影像。其中GF-6卫星于2018年6月2日发射，该卫星搭载了2 m全色/8 m多光谱的高分辨率相机（Pan and Multi-Spectral, PMS）和16 m的宽幅多光谱相机（Wide Field of View, WFV），影像幅宽可达90 km，具备高空间分辨率和宽覆盖范围的双重优点。Landsat-5卫星于1984年3月1日发射，携带了多光谱扫描仪（Multispectral Scanner, MSS）和专题制图仪（Thematic Mapper, TM），Landsat-8卫星于2013年2月11号发射，携带了陆地成像仪（Operational Land Imager ，OLI）和热红外传感器（Thermal Infrared Sensor，TIRS）。Landsat系列卫星具有覆盖范围广和运行时间长的优点。各影像数据的详细信息及优缺点如表1所示，通过结合多源遥感影像数据，综合利用互补的优势，进一步实现含内部精细类型的长时序煤矿区动态监测。
表1 多源遥感影像详细信息

Tab. 1 Multi-source remote sensing image details table

卫星 空间分辨率 影像时间/年 优点 缺点
GF-6 2 m 2019 空间分辨率高，搭载全色多光谱相机，
反映地物边界清晰		 非开源数据，单时相
Landsat-5& Landsat-8 30 m 2007、2010、2015 时间覆盖范围广，多时相，开源数据，
可避免云干扰		 分辨率相对较低，地物边界识别困难
Google Earth历史高分影像 Level 16 2007、2010、2015 时间覆盖范围广，开源数据，空间分辨
率高，反映地物边界清晰		 可获取时相少，易受云
干扰
另外本研究使用了分辨率为30 m的1985—2021年中国逐年土地覆盖数据集数据（Annual China Land Cover Dataset, CLCD）[32]，用于分析煤矿的格局演变信息。该数据基于Google Earth Engine平台上335 709景Landsat影像制作而成，包含1985—2021中国逐年土地覆盖信息，总体精度达80%。

3 研究方法

在绿色发展理念视角下，本研究结合多源遥感影像，采用人机交互的方式提取了内蒙古典型煤矿区2007—2019年4个时相的空间范围数据，并结合对应时期的土地利用数据，对煤矿区开采与治理的时空发展趋势及其对周边土地利用和生态环境的影响展开了分析，具体的技术流程如图3所示。
图3 研究技术流程

Fig. 3 Research technology flow chart

3.1 数据预处理

GF-6影像预处理基于ENVI5.5软件平台完成，主要包括辐射定标、大气校正、几何校正与影像融合等步骤。其中，正射校正采用RPC几何校正模型，采用影像自带的RPC参数完成模型参数优化解算；大气校正采用基于MODTRAN5 辐射传输模型的FLAASH模块完成；最后，采用Gram-Schmidt算法将全色波段和多光谱波段融合以生成分辨率2 m的多光谱融合影像，该算法能够较好保持影像的纹理和光谱信息，信息失真程度小。
Landsat-5和Landsat-8影像预处理在Google Earth Engine (GEE) 平台上完成。首先分别选用经过大气校正和几何校正的Landsat 5 T1_SR和Landsat 8 T1_SR数据，利用 “pixel_qa”波段消除云层对图像质量的影响。然后通过median函数利用中值合成的方式生成对应年份的遥感影像，再利用研究区的矢量范围对影像进行裁剪。

3.2 煤矿区内部地物解译标志

典型煤矿区内部主要由露天采场、覆煤区、排土场和复垦区等地物类型组成。本研究通过对矿场内部各类典型地物的颜色、形状、纹理等影像特征进行目视判别，结合现场实地调研，建立了煤矿区内部典型地物的解译标志特征，解译标志详细介绍见表2。通过建立地物解译标志，可以有效统一不同时期对地物的认知和解译结果。
表2 煤矿区地物解译标志介绍与示例

Tab. 2 Introduction and examples of ground feature interpretation signs in coal mine area

地物名称 定义 影像特征描述 遥感影像示例
露天采场 指进行剥离和采矿的工作场所
 采坑内有明显道路；采坑有明显条纹和层次感，与周围有明显的“凹”界限；有的采矿坑有明显的积水，显暗色调
排土场 用于堆放在矿物开采过程中产生的
固体废物的场所		 堆包痕迹明显，通常呈现凸起的形态；在影像上呈现近似梯形或近似圆形的图斑，一般呈现灰色或者白色
覆煤区 用于堆放煤矿的场所 分布在露天采坑内或者是洗煤厂附近，在影像中一般呈现黑色
复垦区 在煤矿区造成的土地破坏区域周围，
经过整治恢复植被的区域		 条理明显，通常在排土场种植植被，明显区别于其他植被覆盖区域，颜色随季节变化有所不同

3.3 时序煤矿区空间范围提取

时序煤矿区空间范围提取分为2个步骤：① 利用人机交互的方式提取2019年煤矿区空间范围； ② 在2019年空间范围数据的辅助下，对历史时期的空间范围展开回溯。
2019年的煤矿区空间范围是基于分辨率2 m的GF-6号遥感影像利用深度学习模型采用人机交互的方式提取。如表3所示，首先结合已建立的地物解译标志制作深度学习模型训练所用样本，样本切片设置为512像元×512像元大小。由于利用深度学习方法实现煤矿区内部地物类型的提取需要大量的训练样本，而露天采场、覆煤区等地物存在空间覆盖面积大、数量少的特点，且国内外学者虽然有所研究，但是公开的数据集少，故本研究采用图像旋转、图像翻转及彩色变化等图像畸变处理进行样本扩增。使用的深度学习模型为DeepLab系列的DeepLab v3+模型，该模型于2018年由Google团队提出，使用了新的主干网络Xception。该网络总体架构为编码-解码结构，该结构可以更好的恢复物体的边缘信息。在编码过程中还使用了Atrous Spatial Pyramid Pooling module (ASPP)模块，可以捕获多尺度信息。本研究以pytorch为框架、pycharm为编译器，通过python语言编程实现DeepLab v3+网络，硬件环境为3个11 G显存的NVIDIA RTX 2080 Ti GPU及Intel Xeon Gold5118 CPU。不同地物类型相应的模型训练参数如表4所示。将基于DeepLab v3+模型获取的结果进行人工目视检查和校正，将漏识别区域和错误识别区域进行修改（表3），最终获得煤矿区包含4种内部类型的2019年的空间范围。
表3 训练样本与提取结果示意图

Tab. 3 Diagram of training sample and extraction result

地物类型 遥感影像 样本示例 人工目视检查
露天采矿场
覆煤区
排土场
复垦区

注：绿色为正确识别区域，蓝色为漏识别区域，红色为错误识别区域。

表4 网络超参数设置

Tab. 4 Network hyperparameter Settings

露天采场识别模型
超参数设置		 覆煤区识别模型
超参数设置		 排土场识别模型
超参数设置		 复垦区识别模型
超参数设置
损失函数 Cross-entropy loss Focal loss Focal loss Cross-entropy loss
优化函数 Adam
学习率 0.000 5 0.000 1 0.000 1 0.000 25
学习率优化方式 随步数衰减
历史时期的煤矿区空间范围回溯方法首先在30 m的Landsat系列影像上叠加已提取的2019年数据，在2019年数据约束下明确历史时期的大致煤矿区分布范围。然后将获得的历史时期大致分布范围叠加在谷歌地球历史高分影像上，进一步细化斑块边界并确定斑块的属性。由于谷歌历史影像时相较少，且容易出现局部有云和影像颜色不均匀的情况，通过结合Landsat系列影像进行进一步评判。通过上述方法，最终获得2019、2015、2010和2007年共4期煤矿区包含4种内部类型的空间范围数据。

3.4 煤矿区时空格局演变分析

煤矿区的时空格局演变分析从2个方面展开，首先针对提取的时序煤矿区空间范围数据，通过统计面积和重心变化来反映煤矿区的时空发展趋势；其次将煤矿区空间范围数据与获取的对应时期的30 m空间分辨率土地利用数据相叠加，通过不同类型的转移面积变化，反映煤矿区开发与治理对周围生态环境的影响。
对于煤矿区的时空发展趋势分析，首先基于提取的时序煤矿区空间范围数据，统计各时间段露天采矿场、排土场、覆煤区和复垦区4种类型的面积并计算各年均变化幅度，分析各类型的时空发展趋势。其中年均变化幅度S的计算公式如下：
S = A i b - A i a T
式中： A i b为类型i在第二时段的面积； A i a为类型i在第一时段的面积；T为2个时段间隔的年份数量。然后将露天采矿场、排土场和覆煤区归纳为开采区域，将复垦区归纳为治理区域，分别统计开采区域和治理区域在各时段的面积和年均变化幅度，并以面积作为权重，计算开采区域和治理区域在各时段的面积重心，分析面积变化方向的趋势。
对于煤矿区开发与周围土地利用的相互影响分析，首先将煤矿区的时序空间范围数据与对应时期的土地利用数据相叠加，统计不同时间段内煤矿区的土地利用转换类型和面积占比，然后以开采区域和治理区域为单元统计土地利用转换的类型和面积。通过上述2个方面的分析，可以明确煤矿区内各类型的时空变化，进一步探明开采区域和治理区域的面积重心迁移规律，说明开采和治理的发展趋势；结合对煤矿区开采和治理过程对周围土地利用的影响分析，阐述煤矿区时空格局演变规律。

4 结果与分析

4.1 时序煤矿区空间范围及变化分析

4.1.1 时序煤矿区内部类型空间范围变化

2007—2019年研究区内煤矿空间分布范围如 图4所示，不同时间段内不同类型的分布面积如表5所示，年均变化幅度如表6所示。从图4和表6中可知，2007年，研究区内的煤矿开采刚刚开始，主要有两处露天采矿场，排土场的面积与露天采矿场面积相同，另分布有小面积的覆煤区。2010年，煤矿开采区域快速扩增，露天采矿场的分布范围大幅增加，年均变化幅度达到4.52 km2/a，位于西北部的露天采矿区域扩张明显，与此同时排土场的面积也明显增加，年均变化幅度达到3.37 km2/a，覆煤区面积也有增长但仍占总体较小比例。2015年，研究区内监测到复垦区，面积占总煤矿区的40.78%，主要分布在露天采矿场周围，露天采矿场、排土场和覆煤区的面积虽保持增长但增速减缓，3种类型的年均变化幅度总计为1.61 km2/a。2019年，复垦区面积持续扩增，占总煤矿区面积的51.40%，且年均变化幅度相较上一时期的5.14 km2/a增长至5.50 km2/a，露天采矿场的年均变化幅度相较上一时期的0.71 km2/a增长至1.41 km2/a，排土场和覆煤区的面积虽有增长但增速持续减缓，年均变化幅度相较上一时期的0.50 km2/a和0.40 km2/a分别下降至0.37 km2/a和0.17 km2/a。
图4 煤矿区时序空间范围分布

Fig. 4 Spatial distribution diagram of coal mine area

表5 煤矿区空间分布面积时序变化

Tab. 5 Temporal changes of coal mine spatial distribution area （km2）

年份 开采区域面积 治理区域面积 总计
露天采矿场 覆煤区 排土场 小计 复垦区 小计
2007 0.86 0.31 0.86 2.03 0 0 2.03
2010 14.43 3.86 10.96 29.25 0 0 29.25
2015 17.98 5.87 13.45 37.30 25.69 25.69 62.99
2019 23.6 6.56 14.93 45.09 47.68 47.68 92.77
表6 煤矿区空间分布年均变化幅度

Tab. 6 Annual variation of spatial distribution in coal mining areas （km2/a）

区域 类型 年均变化幅度
2007—2010年 2010—2015年 2015—2019年
开采区域 露天采矿场 4.52 0.71 1.41
覆煤区 1.18 0.40 0.17
排土场 3.37 0.50 0.37
小计 9.07 1.61 1.95
治理区域 复垦区 0 5.14 5.50
小计 0 5.14 5.50
总计 9.07 6.75 7.45
从年均变化幅度情况来看，各类型面积在2007—2019年保持持续增长趋势。其中对于露天采矿场、覆煤区和排土场，2007—2010年的年均增幅最大，随后露天采矿场的年均增幅经历了先大幅下降后小幅上升的过程，而覆煤区和排土场的年均增幅则在2007—2010年后保持持续下降趋势。对于复垦区，其年均增幅在2010—2019年持续上升。

4.1.2 开采与治理趋势分析

进一步分析研究区开采和治理的时序空间分布面积变化表明：开采区域面积在2007—2019年持续增加，年均增幅在2007—2010年内最高，随后年均增幅经历了先大幅下降后小幅上升的过程，开采重心在2007—2010年北移，后在2010—2019年持续向东南方向迁移。治理区域面积在2010年后才监测到，年均变化幅度在2010—2015年大幅上涨后保持小幅增加趋势，治理重心向东南方向迁移。从煤矿区的空间范围分布图中可以看出，在2010—2015年，治理区域重点发生在西北部和中部偏东的露天采矿场和排土场周围，在2015—2019年，治理区域面积比例逐渐超越开采区域面积，围绕着开采区域持续增加。通过上述分析表明，在2010年以前该区域的煤矿在集中开采阶段，在2010年后逐渐开始开展煤矿区治理工作，并在2015年后治理趋势超越开采趋势，煤矿区的面积发展重心经历了先向北后向东南方迁移的过程。

4.2 煤矿区时空格局演变分析

将煤矿区时序空间范围与对应时期的土地利用数据叠加，得到不同时段内煤矿区内部类型与各土地利用类型之间的转换情况，进一步分析该区域的格局演变。由于转换类型的组合较多，按照转换面积排序后存在部分转换面积很小的转换类型，对照数据检查后发现是土地利用数据的椒盐像素造成，因此在后续的分析中只展示各时段内面积排序累加至总面积95%之前的转换类型，剩余占总面积5%左右的类型定义为其他类型。

4.2.1 煤矿区类型时空演变分析

从图5可看出，在2007—2010年（图5(a)和表7），主要的转换类型为草地→露天采矿场，占总转换面积的47.22%，其次又有31.54%的面积由草地转换为排土场，11.58%的面积由草地转换为覆煤区，上述3种转换面积占总转换面积的近90%，主要集中分布在煤矿区的西北部，表明在该时段内有大量开采面积来源于侵占周围草地。在2010—2015年（图5(b)和表7），转换类型明显增多，面积最多的仍是草地→露天采矿场，占总转换面积的21.01%，相较于上一时段转换发生的区域向南移动，其次是草地→复垦区和露天采矿场→复垦区，二者占总转换面积的近30%，集中在研究区域中部附近，而草地→排土场的面积占比下降至8.68%，与草地→露天采矿场的面积共占总面积的近30%，相比上一时间段大幅下降，上述表明在该时段内煤矿区的开采力度有所减缓，与此同时治理力度大幅增加。在该时段内，排土场→排土场、排土场→复垦区、草地→覆煤区和露天采矿场→排土场4种转换类型占总面积的另20%左右，表明该时段内除了侵占草地继续扩张煤矿区面积外，之前时段已开采区域仍有部分保留使用。在2015—2019年（图5(c)和表7），面积最多的类型为复垦区→复垦区，占比24.88%，表明在之前的复垦区在该时段内都有较大程度的保留，其次为草地→露天采矿场，占比15.44%，相较于上一时段又有明显下降。草地→复垦区面积占比仅10%，与复垦区→复垦区类型占总转换面积的近35%，相较于上一时段有明显增加，表明该时段内煤矿开采的力度有所下降，而治理力度只增不减。另外露天采矿场→露天采矿场、排土场→排土场、露天采矿场→复垦区和排土场→复垦区4种转换类型占总面积的另30%左右，表明上一时段的煤矿开采区域在被保留使用的同时，也有部分区域转换为复垦区。
图5 不同时间段内煤矿区的土地利用类型转换

Fig. 5 Land use type conversion in coal mining areas in different time periods

表7 不同时段内煤矿区内部类型转换比例

Tab. 7 Proportion of type conversion inside coal mine area in different time periods

时段/年 转换类型 比例/% 时段/年 转换类型 比例/%
2007—2010 草地→露天采矿场 47.22 2015—2019 复垦区→复垦区 24.88
草地→排土场 31.54 草地→露天采矿场 15.44
草地→覆煤区 11.58 草地→复垦区 9.92
排土场→排土场 2.91 露天采矿场→露天采矿场 8.01
露天采矿场→排土场 1.87 排土场→排土场 7.01
其他 4.88 露天采矿场→复垦区 6.84
2010—2015 草地→露天采矿场 21.01 排土场→复垦区 6.45
草地→复垦区 17.97 草地→排土场 2.90
露天采矿场→复垦区 12.81 覆煤区→覆煤区 2.78
草地→排土场 8.68 露天采矿场→排土场 2.51
排土场→排土场 5.27 草地→覆煤区 1.74
排土场→复垦区 5.16 覆煤区→排土场 1.45
草地→覆煤区 4.87 露天采矿场→覆煤区 1.13
露天采矿场→排土场 4.03 裸地→复垦区 1.06
露天采矿场→露天采矿场 3.47 复垦区→排土场 1.03
排土场→草地 3.42 覆煤区→复垦区 0.73
覆煤区→覆煤区 2.08 复垦区→覆煤区 0.66
覆煤区→排土场 1.39 耕地→排土场 0.60
裸地→复垦区 1.07 其他 4.87
排土场→覆煤区 0.91
裸地→露天采矿场 0.86
覆煤区→草地 0.79
露天采矿场→草地 0.78
排土场→露天采矿场 0.71
其他 4.71
其中在2010—2019年出现草地→复垦区类型的原因可能是在该时段内有部分草地被侵占为露天采矿场、覆煤区或排土场等开采区域，而后快速治理修复为复垦区，由于监测时间的有限性忽略了中间的转换过程，进而呈现为草地→复垦区类型。

4.2.2 开采与治理对周围环境影响分析

将露天采矿场、覆煤区和排土场归纳为开采区域，复垦区归纳为治理区域，则由草地转向采矿场将被表示为草地→开采区域，由排土场转向复垦区将被表示为开采区域→治理区域，同理可得其他类型。从不同时段内开采区域和治理区域内转换类型的面积和比例角度而言（表8），在2007—2010年由草地转换为开采区域的面积达到了94.98%，且没有监测到治理面积，表明该时段煤矿区开采主要侵占了原有草地面积，且处于集中开采阶段。在2010—2015年草地向开采区域转换面积仍然最多，占比36.27%，其次是开采区域→治理区域和草地→治理区域，二者面积占比近38%，开采区域内部转化面积占比18.74%，总体而言转向开采区域的面积仍然较多，占比55.91%，一部分来自于原有区域的继续利用，一部分源自于侵占草地面积，但侵占面积幅度较上一时段明显减小；转向治理区域面积占比44.09%，表明该时段内煤矿区治理工作已大幅开展。在2015—2019年治理区域内部转化面积占比最大达26.15%，其次是开采区域内部转化面积占比24.07%，二者面积占总转换面积的近50%，表明上一时段的开采和治理工作近一半保持延续状态，草地→开采区域、开采区域→治理区域和草地→治理区域3种类型占总面积的另45%左右，总体而言转向治理区域的面积已超过开采区域，占比52.43%，表明该时段内治理力度超过开采强度。
表8 不同时段内开采区域和治理区域内转换类型的面积和比例

Tab. 8 The area and proportion of conversion types in the mining area and the management area at different time periods

时段/年 转换类型 面积/km2 比例/%
2007—2010 草地→开采区域 15.67 94.98
开采区域内部转化 0.83 5.02
小计 转向开采区域 16.49 100.00
2010—2015 草地→开采区域 13.70 36.27
开采区域→治理区域 7.13 18.87
草地→治理区域 7.13 18.86
开采区域内部转化 7.08 18.74
开采区域→草地 1.98 5.24
裸地→治理区域 0.43 1.13
裸地→开采区域 0.34 0.90
小计 转向开采区域 21.12 55.91
转向治理区域 16.66 44.09
2015—2019 治理区域内部转化 13.87 26.15
开采区域内部转化 12.77 24.07
草地→开采区域 11.20 21.10
开采区域→治理区域 7.82 14.74
草地→治理区域 5.53 10.43
治理区域→开采区域 0.94 1.77
裸地→治理区域 0.59 1.11
耕地→开采区域 0.33 0.63
小计 转向开采区域 25.24 47.57
转向治理区域 27.82 52.43
综上所述，研究区内的煤矿开采强度在2007—2019年逐渐放缓，开采区域侵占草地面积在2010年后逐渐减少，且开采区域内部类型的转换面积逐渐增加；治理工作在2010年后得到开展且治理力度不断增强，治理区域在2015年前主要从已开采区域转化而来，在2015年后原有的治理区域完好保留的同时，开采区域仍不断向治理区域转化。上述表明本研究区煤矿开采对周围土地利用侵占的主要用地类型为草地，侵占强度逐年减缓，与此同时在2010年后开启了相关治理工作，治理区域面积主要从已开采区域转换而来且面积逐年增加。综上所述，煤矿区开采与治理对周围环境的影响发生了从“侵占草地开采煤矿→煤矿区内部类型转换→治理开采区域为复垦区”的转变。

5 结论与讨论

在绿色发展理念的视角下，本研究结合多源遥感影像，在内蒙古典型煤矿区提取了2007—2019年的空间范围数据，包含露天采矿场、排土场、覆煤区和复垦区4种类型。进一步将露天采矿场、排土场和覆煤区归纳为开采区域，复垦区归纳为治理区域。通过对不同时期内煤矿区各类型的空间范围和面积变化明确煤矿开采与治理的趋势，结合同时期的土地利用数据分析煤矿区各类型的转移变化，进一步明确煤矿开采与治理对周围土地利用与生态环境的影响。主要得到以下2个结论：
（1）在煤矿区的开采与治理趋势方面：开采区域面积在2007—2019年持续增加，年均增幅经历了大幅增长-大幅下降-小幅上升的过程；治理区域面积在2010年后才监测到，年均增幅在2010—2015年大幅上涨后保持小幅增加趋势。总体而言，煤矿区在2010年以前处于集中开采阶段，在2010年后逐渐开始开展治理工作，且2015年后治理趋势超过开采趋势，煤矿区的面积发展重心经历了先向北后向东南方迁移的过程。
（2）在煤矿区的开采与治理对周围土地利用和生态环境的影响方面：煤矿区集中开采阶段内（2010年前），露天采矿场面积的快速扩张侵占了周边大量草地，与此同时露天开采形成的废弃地如排土场和覆煤区也直接暴露于周边环境，占压了大量土地，占压范围内的草地受到严重扰动。2010年后开展了矿区治理工作，开采强度逐渐放缓的同时治理力度不断增强，对周边草地的侵占面积逐渐减少的同时开采区域内部类型的转换面积逐渐增加。随着治理工作的开展，治理区域在2015年前主要从已开采区域转化而来，在2015年后原有的治理区域完好保留的同时，开采区域仍不断向治理区域转化。总体而言，煤矿区开采与治理发生了从“侵占草地开采煤矿→开采区域内部类型转换→治理开采区域为复垦区”的转变，对周边生态环境的影响大都实现了从“先开采后治理”到“边开采边治理”的转变。
随着绿色发展理念在我国生态文明建设中的深入落实，煤矿相关的系列政策条例颁布和实施进一步推动了煤矿的综合利用发展和生态修复治理。2005年《国务院关于全面整顿和规范矿产资源开发秩序的通知》[33]、2010年《矿山地质环境保护规定》[34]、2015年《煤炭清洁高效利用行动计划（2015—2020年）》[35]，“绿色矿山”[36]、“绿色开采”[37]逐渐成为矿山建设的目标，呈现出建设规范科学、生态修复治理力度不断增强的趋势。本研究分析得到的开采与治理趋势相关结论与上述政策的时间发展趋势相吻合，证明了结合多源遥感数据在绿色发展理念视角下的煤矿区监测有助于政策实施有效性的评估。
在绿色发展理念视角下，遥感技术因为全天候、全覆盖、多尺度的优势成为监测煤矿区域时空发展变化的重要手段，研究使用的数据向多源、多分辨率遥感影像相结合的方向发展。高分辨率影像中包含丰富的纹理信息和几何结构，可以有效识别煤矿区域内部精细的地物类型和边界；中低分辨率影像重访周期短，具有丰富的历史时序数据，可以有效对煤矿区域的历史空间范围和分布信息开展回溯分析。本研究基于2 m分辨率的GF-6号影像提取了内蒙古典型煤矿区2019年包含4种内部类型的空间范围，并以此为边界参考和约束，基于30 m分辨率的Landsat系列卫星进行了煤矿区2007、2010和2015年3个历史时期空间范围的历史回溯，同时结合谷歌高分影像，对历史时期煤矿区的内部类型边界进行细化。在绿色发展理念视角下开展了含有煤矿区内部精细类型的长时序格局演变监测分析，明确了开采与治理趋势及其对周边生态环境的影响，有效实现了绿色理念视角下对煤矿区监测的要求。下一步应该在当前遥感大数据和云计算平台的发展趋势下，结合深度学习等人工智能算法，在矿区自动识别、地质灾害调查、环境恢复治理等方面开展煤炭资源监测的实时动态分析和系统研究，为实现煤炭资源开发利用与环境保护、生态建设相协调的目标提供科学支撑。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
黄庆享. 煤炭资源绿色开采[J]. 陕西煤炭, 2008, 27(1):18-21.

[Huang Q X. Green mining of coal resources[J]. Shaanxi Coal, 2008, 27(1):18-21.] DOI:10.3969/j.issn.1671-749X.2008.01.004

DOI

[2]
Liu P K, Gao P B, Zhang C. How to promote energy transition with market design: A review on China's electric power sector[J]. Frontiers in Energy Research, 2021, 9:709272. DOI:10.3389/fenrg.2021.709272

DOI

[3]
Shealy M, Dorian J P. Growing Chinese coal use: Dramatic resource and environmental implications[J]. Energy Policy, 2010, 38(5):2116-2122. DOI:10.1016/j.enpol.2009.06.051.

DOI

[4]
O'Connor D, Hou D Y, Ok Y S, et al. Mercury speciation, transformation, and transportation in soils, atmospheric flux, and implications for risk management: A critical review[J]. Environment International, 2019, 126:747-761. DOI:10.1016/j.envint.2019.03.019

DOI PMID

[5]
Sandhu H S, Wratten S D, Cullen R. The role of supporting ecosystem services in conventional and organic arable farmland[J]. Ecological Complexity, 2010, 7(3):302-310. DOI:10.1016/j.ecocom.2010.04.006

DOI

[6]
姚晓军. 煤炭开发区域的生态承载力研究[D]. 西安: 西北大学, 2008.

[Yao X J. Research on the ecological carrying capacity for the region of coal exploitation[D]. Xi'an: Northwest University, 2008.]

[7]
王永芹. 当代中国绿色发展观研究[D]. 武汉: 武汉大学, 2014.

[Wang Y Q. A study of the concept of green development in contemporary China[D]. Wuhan: Wuhan University, 2014.]

[8]
联合国开发计划署驻华代表处. 中国人类发展报告2002:绿色发展必选之路[M]. 北京: 中国财经出版社, 2002.

[United nations development programme in China. China human development report 2002: the path to Green Development[M]. Beijing: Chinese financial and economic publishing house, 2002.]

[9]
中国人民政治协商会议全国委员会. “十二五”规划:绿色发展、建设资源节约型、环境友好型社会[EB/OL].(2011-03-05)[2023-01-17]. http://www.cppcc.gov.cn/2011/10/12/ARTI1318404684625309.shtml.

[National Committee of the Chinese People's Political Consultative Conference. The 12th Five-Year Plan: Green development, resource-saving and environment-friendly society[EB/OL]. (2011-03-05) [2023-01-17]. http://www.cppcc.gov.cn/2011/10/12/ARTI1318404684625309.shtml.]

[10]
中华人民共和国国家发展和改革委员会. “十四五”规划《纲要》解读文章之加快发展方式绿色转型[EB/OL].(2021-12-25)[2023-01-17]. https://www.ndrc.gov.cn/fggz/fzzlgh/gjfzgh/202112/t20211225_1309715.html.

[National Development and Reform Commission of the People's Republic of China. Accelerating the green transformation of development mode in the outline of the 14th Five-Year Plan[EB/OL].(2021-12-25)[2023-01-17]. https://www.ndrc.gov.cn/fggz/fzzlgh/gjfzgh/202112/t20211225_1309715.html.]

[11]
中华人民共和国生态环境部. “十三五”规划纲要全文发布,绿色理念成未来5年发展主基调[EB/OL].(2016-03-21)[2023-01-17]. https://www.mee.gov.cn/xxgk/hjyw/201603/t20160321_333874.shtml.

[Ministry of Ecology and Environment, PRC. The full text of the 13th Five-Year Plan was released, making the concept of green development the main theme for the next five years[EB/OL]. (2016-03-21) [2023-01-17]. https://www.mee.gov.cn/xxgk/hjyw/201603/t20160321_333874.shtml.]

[12]
中国政府网. 国务院关于促进煤炭工业健康发展的若干意见[EB/OL].(2008-03-28)[2023-01-30]. http://www.gov.cn/zhengce/content/2008-03/28/content_2588.htm.

[China government net. Several opinions of the state council on promoting the healthy development of the coal industry[EB/OL]. (2008-03-28)[2023-01-30]. http://www.gov.cn/zhengce/content/2008-03/28/content_2588.htm.]

[13]
中国煤炭工业协会. 《煤炭工业“十四五”高质量发展指导意见》[EB/OL].(2021-06-03)[2023-01-30]. http://www.coalchina.org.cn/index.php?m=content&c=index&a=show&catid=464&id=129818.

[China national coal industry association. Guidelines on high-quality development of coal industry in the 14th Five-Year Plan[EB/OL].(2021-06-03)[2023-01-30]. http://www.coalchina.org.cn/index.php?m=content&c=index&a=show&catid=464&id=129818.]

[14]
张成业, 李军, 雷少刚, 等. 矿区生态环境定量遥感监测研究进展与展望[J]. 金属矿山, 2022(3):1-27.

[Zhang C Y, Li J, Lei S G, et al. Progress and prospect of the quantitative remote sensing for monitoring the eco-environment in mining area[J]. Metal Mine, 2022(3):1-27.] DOI:10.19614/j.cnki.jsks.202203001

DOI

[15]
Song W, Song W, Gu H H, et al. Progress in the remote sensing monitoring of the ecological environment in mining areas[J]. International Journal of Environmental Research and Public Health, 2020, 17(6):1846. DOI:10.3390/ijerph17061846

DOI

[16]
Werner T T, Mudd G M, Schipper A M, et al. Global-scale remote sensing of mine areas and analysis of factors explaining their extent[J]. Global Environmental Change, 2020, 60:10 2007. DOI:10.1016/j.gloenvcha.2019.102007

DOI

[17]
Asner G P, Llactayo W, Tupayachi R, et al. Elevated rates of gold mining in the Amazon revealed through high-resolution monitoring[J]. Proceedings of the National Academy of Sciences of the United States of America, 2013, 110(46):18454-18459. DOI:10.1073/pnas.1318271110

DOI PMID

[18]
Yan S Y, Liu G, Deng K Z, et al. Large deformation monitoring over a coal mining region using pixel-tracking method with high-resolution Radarsat-2 imagery[J]. Remote Sensing Letters, 2016, 7(3):219-228. DOI:10.1080/2150704X.2015.1126683

DOI

[19]
Giang T L, Dang K B, Toan Le Q, et al. U-net convolutional networks for mining land cover classification based on high-resolution UAV imagery[J]. IEEE Access, 2020, 8:186257-186273. DOI:10.1109/ACCESS.2020.3030112

DOI

[20]
Qin Y Z, Cao L, Darvishi Boloorani A, et al. High-resolution mining-induced geo-hazard mapping using random forest: A case study of liaojiaping orefield, central China[J]. Remote Sensing, 2021, 13(18): 3638. DOI:10.3390/rs13183638

DOI

[21]
Yang X T, Yao W Q, Li P F, et al. Changes of SOC content in China's Shendong coal mining area during 1990-2020 investigated using remote sensing techniques[J]. Sustainability, 2022, 14(12):7374. DOI:10.3390/su14127374

DOI

[22]
Kayet N, Pathak K, Chakrabarty A, et al. Assessment of foliar dust using Hyperion and Landsat satellite imagery for mine environmental monitoring in an open cast iron ore mining areas[J]. Journal of Cleaner Production, 2019, 218:993-1006. DOI:10.1016/j.jclepro.2019.01.305

DOI

[23]
Vidal-Macua J J, Nicolau J M, Vicente E, et al. Assessing vegetation recovery in reclaimed opencast mines of the Teruel Coalfield (Spain) using Landsat time series and boosted regression trees[J]. Science of the Total Environment, 2020, 717:137250. DOI:10.1016/j.scitotenv.2020.137250

DOI

[24]
Vorovencii I. Changes detected in the extent of surface mining and reclamation using multitemporal Landsat imagery: A case study of Jiu Valley, Romania[J]. Environmental Monitoring and Assessment, 2021, 193(1):30. DOI:10.1007/s10661-020-08834-w

DOI PMID

[25]
Yang Y J, Erskine P D, Lechner A M, et al. Detecting the dynamics of vegetation disturbance and recovery in surface mining area via Landsat imagery and LandTrendr algorithm[J]. Journal of Cleaner Production, 2018, 178:353-362. DOI:10.1016/j.jclepro.2018.01.050

DOI

[26]
常振亮, 乐奇. 内蒙古矿产资源开发利用的现状及对策建议[J]. 北方经济, 2005(3):10-12.

[Chang Z L, Le Q. Present situation and countermeasures of mineral resources development and utilization in Inner Mongolia[J]. Northern Economy, 2005(3):10-12.]

[27]
布和朝鲁. 内蒙古煤炭资源开发现状、问题与对策分析[J]. 北方经济, 2007(17):18-20.

[Buhechaolv. Analysis on the present situation, problems and countermeasures of coal resources development in Inner Mongolia[J]. Northern Economy, 2007(17):18-20.]

[28]
冯琰玮, 甄江红, 田桐羽. 基于生态安全格局的国土空间保护修复优化——以内蒙古呼包鄂地区为例[J]. 自然资源学报, 2022, 37(11):2915-2929.

DOI

[Feng Y W, Zhen J H, Tian T Y. Optimization of land protection and restoration based on ecological security pattern: A case study of Hohhot-Baotou-Ordos Region in Inner Mongolia[J]. Journal of Natural Resources, 2022, 37(11):2915-2929.] DOI: 10.31497/zrzyxb.20221111

DOI

[29]
东胜区人民政府[DB/OL].[2022-11-28]. http://www.ds.gov.cn/qq/yxds/zrdl/.

[People's Government of Dongsheng District[DB/OL]. [2022-11-28]. http://www.ds.gov.cn/qq/yxds/zrdl/.]

[30]
莫若平, 武文, 张志敏. 东胜煤田煤质特征及其综合利用方向[J]. 内蒙古煤炭经济, 2002(2):16-18.

[Mo R P, Wu W, Zhang Z M. Characteristics of coal quality in Dongsheng Coalfield and its comprehensive utilization direction[J]. Inner Mongolia Coal Economics, 2002(2):16-18.]

[31]
鄂尔多斯市东胜区煤矿信息表[DB/OL].[2022-11-28]. https://wenku.baidu.com/view/d6590524af45b307e8719732?aggId=25ac664cac1ffc4ffe4733687e21af45b307feed&fr=catalogMain&_wkts_=1669122169860&bdQuery=%E9%84%82%E5%B0%94%E5%A4%9A%E6%96%AF%E4%B8%9C%E8%83%9C%E5%8C%BA%E7%85%A4%E7%9F%BF.

[Coal mine information table of Dongsheng District, Ordos City[DB/OL]. [2022-11-28]. https://wenku.baidu.com/view/d6590524af45b307e8719732?aggId=25ac664cac1ffc4ffe4733687e21af45b307feed&fr=catalogMain&_wkts_=1669122169860&bdQuery=%E9%84%82%E5%B0%94%E5%A4%9A%E6%96%AF%E4%B8%9C%E8%83%9C%E5%8C%BA%E7%85%A4%E7%9F%BF.]

[32]
Yang J, Huang X. The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019[J]. Earth System Science Data, 2021, 13(8):3907-3925. DOI:10.5194/essd-13-3907-2021.

DOI

[33]
中国政府网. 国务院关于全面整顿和规范矿产资源开发秩序的通知[EB/OL].(2005-08-18)[2023-01-30]. http://www.gov.cn/gongbao/content/2005/content_80625.htm.

[China government net. Circular of the state council on comprehensively rectifying and standardizing the order of mineral resources development[EB/OL]. (2005-08-18)[2023-01-30]. http://www.gov.cn/gongbao/content/2005/content_80625.htm.]

[34]
中国政府网. 矿山地质环境保护规定[EB/OL]. (2009-03-02)[2023-01-30]. http://www.gov.cn/gongbao/content/2009/content_1449013.htm

[China government net. Provisions on the protection of geological environment in mines[EB/OL]. (2009-03-02)[2023-01-30]. http://www.gov.cn/gongbao/content/2009/content_1449013.htm.]

[35]
国家能源局. 煤炭清洁高效利用行动计划(2015-2020)[EB/OL]. (2015-04-27)[2023-01-30]. http://www.huiguo.net.cn/case/show/id/903/.

[National Energy Administration. Action plan for clean and efficient use of coal (2015-2020)[EB/OL]. (2015-04-27)[2023-01-30]. http://www.huiguo.net.cn/case/show/id/903/.]

[36]
钱鸣高. 绿色开采的概念与技术体系[J]. 煤炭科技, 2003(4):1-3.

[Qian M G. Technological system and green mining concept[J]. Coal Sci-Tech, 2003(4):1-3.] DOI:10.19896/j.cnki.mtkj.2003.04.001

DOI

[37]
缪协兴, 钱鸣高. 中国煤炭资源绿色开采研究现状与展望[J]. 采矿与安全工程学报, 2009, 26(1):1-14.

[Miao X X, Qian M G. Research on green mining of coal resources in China: Current status and future prospects[J]. Journal of Mining & Safety Engineering, 2009, 26(1):1-14.] DOI: 10.3969/j.issn.1673-3363.2009.01.001

DOI

Options
Outlines

/

〈 〉