稀土开采产生大量堆积尾砂，出现强烈水土流失过程，伴生严重水环境和地质植被修复是尾砂地灾害防治的常见手段。评价矿区植被恢复效果及成因可为尾砂治理措施的规划设计提供理论依据。

一、引言

稀土开采产生大量堆积尾砂，出现强烈水土流失过程，伴生严重水环境和地质灾害。采用工程和非工程措施结合手段开展稀土尾砂地植被修复是尾砂地灾害防治的常见手段。评价矿区植被恢复效果及成因可为尾砂治理措施的规划设计提供理论依据。本文以江西省寻乌县离子型轻稀土尾砂区为研究区，收集研究区1989-2015 年 Landsat 数据和寻乌站气象数据，实地调查研究区典型尾砂适生植被和堆积尾砂的地物波谱数据，解算典型植被的 NDVI 值，分析矿区 NDVI 的年际和年内时程变化规律，定量评价 NDVI 时程变化对矿区植被恢复和气候变化的响应，探讨响应机理。

二、研究区概况

本文研究区为江西省寻乌县离子型轻稀土尾砂区，地处江西省东南方，是江西、福建、广东的交汇处。

图1 研究区地理位置

研究区由于稀土矿开采活动，自然植被破坏严重，现多以人工植被为主，乔木以桉树和油茶为主，同时存有樟树、马尾松、竹子和木荷等植被，草本植物有芒萁、芭茅、芒草等。寻乌县稀土矿区整体矿区和双茶亭矿区都是采用生物治理和工程治理相结合的模式，分别种植以油茶、桉树为主的植被配置模式，林下种植适合稀土尾砂生长的混合草种。

（a）桉树

（b）油茶

图1 不同矿区植被配置模式

三、NDVI 数据来源与预处理

3.1 数据处理

本文选用的遥感影像数据为 Landsat TM/OLI 数据。根据遥感数据的云量和质量情况，共选取1989-2015 年共 48 期影像数据，所选择的遥感影像质量良好，研究区内没有云覆盖。

表1 TM 和 OLI 波段信息

3.2 预处理

由于遥感影像在成像的过程中，受到众多其它因素影响，如：电磁波与大气之间的作用、卫星飞行速度的变化等，因此在遥感数据获取过程中会产生误差，这些误差会降低数据的质量，从而影响图像分析的精度。因此本文对 Landsat TM/OLI 影像数据进行的包括辐射定标、大气校正预处理。

图2 研究区大气校正后的光谱

四、地物波谱数据来源与预处理

本文于冬季、夏季两个时期对研究区内的尾砂和植被地物波谱数据进行观测，采用莱森光学生产的iSpecField-WNIR系列便携式地物波谱仪对研究区尾砂和植被冠层光谱反射率进行测量提取。经过预处理后，各地物地物波谱数据见图3。

图3 十种典型地物光谱曲线

五、基于 Landsat 数据的 NDVI 时程变化

NDVI 是植被指数中运用广泛的一种，它能很好地反映了植被生长状态以及植被空间分布情况，与植被分布密度呈线性相关。许多研究表明 NDVI 与植被覆盖度、叶面积指数（LAI）和光合作用等植被参数有关，NDVI 的时间变化曲线能有效地表现出植被的季节变化、年际变化和人为活动影响变化。因此，在监测废弃矿区植被恢复情况的过程中 NDVI 起到有效地作用。

研究区 NDVI 时程变化分析分为两个部分进行，部分为整体矿区 NDVI 时程变化分析，第二部分选取植被修复时间较早的“稀土尾砂试验区”双茶亭矿区分析NDVI 时程变化规律。

5.1整体矿区NDVI时程变化

计算 NDVI 平均值，诊断 NDVI 时序趋势，揭示整体矿区 NDVI 时程变化规律，见图4。

图4 整体矿区 NDVI 时程变化

图4表明：1989-2015 年整体矿区 NDVI 值曲线表明整体年 NDVI 值呈显著性下降趋势。NDVI 时程变化可分为三个阶段，阶段为稳定期，时间为 1989-2005 年，此阶段NDVI 变化趋势不显著，整体稀土矿区存在一定的开采，但是整体 NDVI 值未大幅度减小；第二阶段为剧烈开采期，时间为 2006-2008 年，此阶段NDVI 呈显著下降趋势，稀土矿区进行剧烈的采矿活动，人类活动对稀土矿区影响较大，严重破坏了矿区植被，导致 NDVI 值迅速下降；第三阶段为植被修复期，时间为 2009-2015年，此阶段 NDVI 呈显著下降趋势，整个时间段 NDVI 呈现较低值。寻乌县 2009 年对稀土矿区进行植被修复治理，使研究区内的 2009 年和2010 年的植被数量有所增加，对于整体矿区恢复效果一般。

5.2双茶亭矿区 NDVI 时程变化

在整体矿区 NDVI 影像数据中提取以种植桉树为主的双茶亭矿区 NDVI，计算NDVI 平均值，诊断 NDVI 时序趋势，揭示双茶亭矿区 NDVI 时程变化规律，见图5

图5 双茶亭矿区 NDVI 时程变化

按照整体矿区 NDVI 变化阶段对双茶亭矿区 NDVI 时程变化进行分析，结果表明：1989-2015 年双茶亭矿区 NDVI 值在 0.17-0.65 间变化，平均值为 0.4；稳定期 NDVI 值呈显著下降趋势，稀土开采对双茶亭矿区内植被存在一定影响，植被呈现减少趋势；剧烈开采期 NDVI 值NDVI 呈显著下降趋势，和整体矿区情况类似，剧烈稀土开采活动严重破坏双茶亭矿区内植被，导致植被迅速减少；植被修复期 NDVI 呈显著上升趋势，双茶亭植被修复效果较好，对比整体矿区可得，油茶配置模式植被修复治理效果较差，桉树配置模式效果较好。

六、基于地物波谱的典型地物 NDVI 特征值分析

基于研究区各典型地物的地物波谱特性，利用红光波段和近红外波段的平均反射率计算相应地物的 NDVI，见图6。图6 表明：在研究区典型地物中，尾砂相应NDVI 值为 0.03，芒萁为 0.69，芭茅为 0.53，芒草为 0.52，油茶为 0.69，木荷为 0.8，竹子为 0.79，马尾松为 0.75，桉树为 0.6，樟树为 0.52，其中木荷 NDVI 值，尾砂 NDVI 值最小，尾砂存在一定的背景值。由于研究区地物波谱数采集时间分别属于冬季和夏季，则获取各地物波谱特性计算出的 NDVI 会有一定的波动范围，其中波动范围较大的为芒萁、芭茅和芒草，这三种植被属草本类植被，说明对于 NDVI，草本类植被受季节变化影响较大，乔木类植被对相对较小，即草本NDVI 在年内变化更为剧烈，乔木类植被 NDVI 年内较为稳定。

图6 典型地物 NDVI

七、矿区 NDVI 对气候变化和植被恢复的响应成效

气候变化是导致地表植被变化的重要因素之一，而且它对植被产生的影响也是因地而异。本章节通过对寻乌气象站的降水、气温、日照时数、风速和相对湿度等气象数据的整理，计算潜在蒸散发和干燥度，分析研究区降水、潜在蒸散发和干燥度的时间变化特征，并以干燥度作为气候变化对 NDVI 变化的评价指标，对 NDVI 变化原因进行分析。

7.1 降水量时程变化

本文基于 1989-2015 年寻乌站日降水数据，计算年降水数据，分析降水年际变化规律，见图7。

图7 年降水量变化

为了更加详细分析降水量的变化，按照 NDVI 变化阶段将 1989-2015 年分为三个阶段，分别为稳定期、剧烈开采期和植被修复期，并计算各个阶段降水量距平值，见表 5.1。

表2 平均降水量距平值

表2 表明：处于稳定期和植被修复期时，降水量和 NDVI 都保持相对稳定的状态；处于剧烈开采期时，将降水量作为矿区水分输入因子，矿区水分输入因子表现为增长状态，然而 NDVI 表现为剧烈下降状态。

7.2 潜在蒸散发时程变化分析

潜在蒸散发是指在水分充足条件下的地表和植物表面的蒸散发能力。本文基于 1989-2015 年寻乌站气象数据，利用公式计算潜在蒸散发量，分析潜在蒸散发的年际变化过程，见图8。

图8 年潜在蒸散发变化

图8 表明：1989-2015 年寻乌县年潜在蒸散发量波动大，增长幅度较大的年段分别为1997-1998 年和 2002-2004 年，下降幅度较大的年段分别为 1991-1994 年、1996-1997年和 2004-2006 年。为了更加详细分析潜在蒸散发的变化，按照 NDVI 变化阶段将 1989-2015 年分为三个阶段，分别为稳定期、剧烈开采期和植被修复期，并计算各个阶段潜在蒸散发距平值，见表3。

表3 潜在蒸散发距平值

表3 表明在剧烈开采期平均降水量距平值为正且为值，年均潜在蒸散发距平值为负，即研究区水分输入因子大，输出因子小，而同时期 NDVI 出现剧烈下降，那原因在于人类活动，即对稀土进行开采。

7.3 NDVI 时程变化对气候变化和植被恢复的响应及成因

7.3.1 干燥度时程变化

干燥度（K）用于表示区域内干湿程度的指标，其定义为潜在蒸散发与降水量的比值。

图9 干燥度变化

图9 表明：1989-2015 年寻乌县干燥度整体较为稳定。2001 年内变化较大，呈现迅速上升的趋势，之后 2002-2005 年迅速下降，整体变化幅度为 1.56；对应稳定期、剧烈开采期和植被修复期的平均干燥度分别为 1.29、1.26 和 1.22。

7.3.2 整体矿区 NDVI 时程变化对气候变化和植被恢复的响应

为了更好地分析干燥度和 NDVI 的变化关系，将此干燥度数据和整体矿区 NDVI组合分析，绘制干燥度-NDVI 双累积曲线，见图10。

图10 整体矿区干燥度与 NDVI 双累积曲线

与上文分析过程一致，以 NDVI 变化的三个阶段为基础，分析整体矿区 NDVI 与干燥度的关系，见表4。

表4 整体矿区不同时期双累积曲线分析

（1）在稳定期时，NDVI 较干燥度的变化率为 0.323，在进入剧烈开采期后平均干燥度减小了 0.03，因此干燥度对 NDVI 的影响为-0.0097，而实际上 NDVI 由稳定期进入剧烈开采期，平均 NDVI 减小了 0.14，因此人类活动带来的 NDVI 指数减小总计为 0.1303。

（2）在剧烈开采期时，NDVI指数较干燥度的变化率为 0.187，在进入植被修复期后平均干燥度减小了 0.04，因此干燥度对 NDVI 指数的影响为-0.0075，而实际上 NDVI 由剧烈开采期进入植被修复期，平均 NDVI 减小了 0.1，因此人类活动带来的 NDVI 减小总计为0.0925。

7.3.3 双茶亭矿区 NDVI 时程变化对气候变化和植被恢复的响应

双茶亭矿区干燥度-NDVI 双累积曲线见图11。

图11 双茶亭矿区干燥度与 NDVI 双累积曲线

以 NDVI 变化的三个阶段为基础，分析双茶亭矿区 NDVI 与干燥度的关系，见表5。

表5 双茶亭矿区不同时期双累积曲线分析

（1）稳定期 NDVI 较干燥度的变化率为 0.321，在进入剧烈开采期后平均干燥度减小了 0.03，因此干燥度对 NDVI 的影响为-0.0096，而实际上 NDVI由稳定期进入剧烈开采期，平均 NDVI 减小了 0.16，因此人类活动带来的 NDVI 指数减小总计为 0.1504。

（2）在剧烈开采期时，NDVI 指数较干燥度的变化率为 0.176，在进入植被修复期后平均干燥度减小了 0.04，因此干燥度对 NDVI 指数的影响为-0.007，而实际上 NDVI 由剧烈开采期进入植被修复期，平均 NDVI 增加了 0.11，因此人类活动带来的 NDVI 增加总计为 0.117。

7.3.4 NDVI 时程变化对气候变化和植被恢复的响应成因

影响 NDVI 指数的关键因素是人类活动（稀土开采、修复措施）和气候因素（干燥度），双累积曲线分析结果可得人类活动为影响 NDVI 的主要因素，稀土尾砂修复治理效果使剧烈开采稀土对植被产生的破坏性影响减弱，整体矿区 NDVI 受尾砂修复治理效果的影响为 0.0378，双茶亭矿区 NDVI 受尾砂修复治理效果的影响为 0.2674。

对比整体矿区和双茶亭矿区人类活动对 NDVI 的影响差异，表明整体矿区工程性措施和油茶配置模式植被修复措施的尾砂修复治理效果较差，桉树配置模式修复效果较好，在之后尾砂治理过程中，整体矿区应采用以桉树为主的植被配置模式进行植被修复措施更为科学合理。

八、结论

（1）1989-2015 年整体矿区 NDVI 值呈现显著性下降趋势。整体 NDVI 可分为三个阶段，稳定期（1989-2005 年）、剧烈开采期（2006-2008 年）和植被修复期（2009-2015 年）。在稳定期，整体矿区 NDVI 变化趋势不显著，呈波动变化，平均 NDVI 为 0.43，双茶亭矿区 NDVI 呈显著下降趋势，平均 NDVI 为 0.44。在剧烈开采期，整体矿区 NDVI 呈显著下降趋势，平均 NDVI 为 0.29，双茶亭矿区 NDVI 呈显著下降趋势，平均 NDVI 为 0.28。在植被修复期，整体矿区 NDVI 呈显著下降趋势，平均 NDVI 为 0.19，双茶亭矿区呈显著上升趋势，平均 NDVI 为 0.39。

（2）实测尾砂、芒萁、芭茅、芒草、油茶、木荷、竹子、马尾松、桉树和樟树的地物波谱特性计算相应地物 NDVI 值，结果分别为：0.03，0.69，0.53，0.52，0.69，0.8，0.79，0.75，0.6，0.52，其中木荷 NDVI 值，尾砂 NDVI 值最小，尾砂存在一定的背景值；草本植物芒萁、芭茅和芒草 NDVI 年内变化范围较大，说明相对于乔木类植被，草本植物受季节影响大。

（3）1989-2015 年降水量变化趋势不显著，呈波动变化。结合 NDVI 在各自时期的变化情况分析可得，NDVI 下降原因为水分输出因子（潜在蒸散发）过大和人类活动对植被的破坏过于严重。

（5）1989-2015 年潜在蒸散发变化趋势不显著，呈现波动变化。结合 NDVI 和降水量在各自时期的变化情况分析可得，人类活动在剧烈开采期对植被的影响大。

（6）1989-2015 年干燥度整体较稳定。由数据此可得人类活动为影响 NDVI 的主要因素；稀土尾砂修复治理效果使剧烈开采稀土对植被产生的破坏性影响减弱，整体矿区NDVI 受尾砂修复治理效果的影响为 0.0378，双茶亭矿区 NDVI 受尾砂修复治理效果的影响为 0.2674。对比整体矿区和双茶亭矿区人类活动对 NDVI 的影响差异，表明整体矿区工程性措施和油茶配置模式植被修复措施的尾砂修复治理效果较差，桉树配置模式修复效果较好，在之后尾砂治理过程中，整体矿区应采用以桉树为主的植被配置模式进行植被修复措施更为科学合理。

推荐：

地物光谱仪iSpecField-HH/NIR/WNIR

地物光谱仪是莱森光学专门用于野外遥感测量、土壤环境、矿物地质勘探等领域的明星产品，的光路设计，噪声校准技术、可以实时自动校准暗电流，采用了固定全息光栅一次性分光，测试速度快，最短积分时间最短可达20μs，操作灵活、便携方便、光谱测试速度快、光谱数据准确，广泛应用于遥感测量、农作物监测、森林研究、海洋学研究和矿物勘察等各领域。