0 引 言
我国煤炭开采每年造成的土地挖损面积约5 000 hm2，土地沉陷面积更是以每年7000 0 hm2的幅度递增，严重损害地表[1-2]。据统计，当前煤炭产量的60%以上来自西部，是煤炭产业的主战场[3]。2020年党中央、国务院印发了《关于新时代推进西部大开发形成新格局的指导意见》，西部平衡发展需求更紧迫，对其美好生态环境的要求亦愈发严格。然而，西部地区煤炭开采不可避免地会造成土地退化，对脆弱的生态环境产生巨大压力[4]。煤炭开采与环境保护间的矛盾由来已久，如何调和二者矛盾备受学术界关注。煤矿区土地退化是指受煤炭开采、自然因素等多种引力作用影响，使矿区及周边土地生产力衰退的动态演变过程[5]，通常表现为植被退化[6-7]、沙漠化[8]、土壤侵蚀[9]等。国内外学者已围绕土地退化的概念[10-11]、类型[12]、影响因素[13-14]等展开深入研究，并取得一定成果。煤炭开采会引发挖损、压占、塌陷等地表损伤，高强度扰动矿区的土地生态系统，加快土地退化速度[15-16]。彭苏萍[3]指出黄河流域中上游的煤炭开采会损伤生态环境，加速植被退化、沙漠化、水土流失，导致资源与环境的恶性循环。卞正富等[5]界定了矿山、矿区、煤矿区土地退化的含义，总结了矿区土地退化的程度、分布、成因等，论述了新疆不同开采方式、采煤的环境效应，提出掌握岩层移动规律是实现煤炭资源绿色开采、减缓土地退化的根本途径[17]。胡振琪[1]指出煤炭开采会引发一系列环境问题，易造成西部煤矿区生态恶化，给人类带来负面影响。目前，研究煤矿区土地退化多以遥感监测[18-20]为主，用于长时序、大范围的植被退化[21]、土地利用变化[22]、土地质量退化[23]等土地退化外在表征方面。研究多通过构建评价指标体系探讨土地退化程度[8, 24]，但并不系统。
基于此，运用遥感监测手段，根据西部12个煤矿区所处的气候环境、土壤、植被等状况，建立诊断指标评价体系，采用线性回归趋势分析法探讨煤矿区土地退化程度与空间分布状况，研究结果可为绿色矿山建设与矿区生态修复提供科技支撑，对实现煤炭工业与生态保护的协同发展意义重大。
1 研究区概况
研究区包含我国西部新疆、内蒙古、宁夏、甘肃、陕西、云南和贵州等7个省及自治区，依据研究区所处区域生物气候带特征、水土资源特点，按照TD/T 1036—2013《土地复垦质量控制标准》土地复垦类型区划分方法，对6个井工矿区和6个露天矿区所在的北方草原区、黄土高原区、西南山地丘陵区和西北干旱区展开煤矿区土地退化的相关研究。基于矿区、矿山概念的界定，即矿区是由众多矿山区域以及矿山范围外的自然区域组成，矿山是单一煤矿开采及影响区域[5]，对矿山尺度与自然尺度进行对比，分析煤炭开采对环境的影响以及矿山尺度的土地损伤程度面积与年降水量关系。西部典型煤矿区信息见表1，西部典型煤矿区分布如图1所示。
表1 西部典型煤矿区信息
Table 1 Information sheet of typical coal mine areas in Western China
编号分区矿区名称位置年降水量/mm采矿方式面积/km2AB北方草原区平庄矿区内蒙古赤峰市386.7露天943.41胜利矿区内蒙古锡林浩特市261.1露天341.19CDEFGHI黄土高原区榆神矿区陕西榆林市、神木县383.4井工6 866.00石嘴山矿区宁夏石嘴山市178.2露天2 491.74灵武矿区宁夏灵武市192.9井工3 003.71旬耀矿区陕西耀州区、旬邑县、淳化县586.0井工1 127.66华亭矿区甘肃华亭县、崇信县607.0井工630.06神东矿区陕西榆林市和内蒙古鄂尔多斯市435.7井工906.54准格尔矿区内蒙古准格尔旗东部408.0露天111.76JK西南山地丘陵区盘县矿区贵州盘州市1 399.3井工4 045.61小龙潭矿区云南开远市814.7露天67.64L西北干旱区准东矿区新疆昌吉州159.1露天373.18
图1 西部典型煤矿区分布
Fig.1 Distribution of typical coal mine areas in Western China
2 西部煤矿区土地退化数据来源与研究方法
2.1 西部煤矿区土地退化数据来源
研究数据包括Landsat 8 OLI影像数据、世界土壤数据库(HWSD)、数字高程模型DEM数据等，用于植被覆盖度、沙漠化、石漠化土壤侵蚀等信息的提取。遥感影像选取2013、2015、2017年7～9月期间云量少、图像清晰、植被茂盛、成像时间相近的数据，将其按WGS 84坐标系进行统一，运用ENVI 5.3和ArcGIS 10.6软件对遥感影像进行预处理及信息计算。
2.2 西部煤矿区土地退化研究方法
2.2.1 土地退化评价指标测算
1)土地损毁测算。根据煤炭开采对煤矿区土地造成的最直接损伤，选取挖损、压占、塌陷作为土地损毁指标，结合野外勘探、遥感影像数据等建立遥感解译标志，解译标志包括煤矿地物的形状、大小、色调、阴影、位置等征[5]。采用室内目视解译和图斑验证相结合的方法，统计2013～2017年研究区因采矿扰动造成的土地损毁数据。
2)土地利用状况测算。土地利用类型是描述土地退化的重要指标之一。以Landsat 8 OLI影像为基础，结合目视解译、实地调研并辅以Google Earth、ZY-3、GF-1的影像选取样本区(ROI)，运用支持向量机法解译矿区土地利用类型[24]。影像分类精度均达到最低容许解译精度0.7，研究区土地利用类型可分为建设用地、草地、林地、耕地、水域、湿地、戈壁和荒漠(沙地、裸岩等)。
3)植被覆盖度测算。植被覆盖度是研究土地退化的重要指标。基于像元二分模型，依据公式提取归一化植被指数(NDVI)计算植被覆盖度[20]，
NDVI=(NIR+RED)/(NIR-RED)
(1)
式中：NDVI为每个像元的归一化植被指数；NIR为近红外波段，μm；RED为红外波段，μm。
(2)
式中：Fc为植被覆盖度，%；NDVImin为NDVI最小值；NDVImax为NDVI最大值。
参照HJ/T192—2015《生态环境状况评价技术规范》，确定植被覆盖度等级为裸土地、低覆盖度、中覆盖度、较高覆盖度、高覆盖度。
4)沙漠化、石漠化测算。沙漠化是主要发生在干旱区、干旱半干旱区和半湿润区的土地退化现象。构建地表反照率—归一化植被指数(Albedo-NDVI)特征空间，提取煤矿区沙漠化信息[13]，将煤矿区分为无沙漠化、轻度沙漠化、中度沙漠化、重度沙漠化和极重度沙漠化。地表反照率计算公式如下：
Albedo=0.356b1+0.13b2+0.373b3+0.085b4+
0.072b5-0.001 8
(3)
式中：Albedo为地表反照率；b1为海岸波段，μm；b2为绿波段，μm；b3为红外波段，μm；b4为近红外波段，μm；b5为热红外波段，μm。
DDI=-1/(a×NDVI)-Albedo
(4)
式中：DDI为沙漠化差值指数；a为线性公式斜率。
石漠化主要发生在我国西南地区，是人为扰动、气候变化导致植被消失的类似沙漠化的土地退化现象。从Landsat 8 OLI遥感影像数据中提取NDVI、归一化退化指数(NDDI)、归一化湿度指数(NDMI)和地表温度，运用主成分分析法构建石漠化现状评价模型[26]，并分为无石漠化、轻度石漠化和中度石漠化、重度石漠化、极重度石漠化。像元i拉伸后的灰度计算公式如下，
(5)
式中：X′i为像元i拉伸后的灰度；Xi为像元i的原始灰度；Xmax为原始像元i的最大灰度；Xmin为原始像元i的最小灰度。
石漠化指数计算公式如下，
SD=a1Y1+a2Y2+…+anYn
(6)
式中：SD为石漠化指数；Yi为第i个主成分；an为第n个主成分的贡献率，%；n为总年数。
5)土壤侵蚀测算。土壤侵蚀是土地退化重要的表现形式。基于Landsat 8 OLI遥感影像数据、HWSD数据、DEM高程数据、降水数据等，使用水土流失方程(RUSLE)模型计算研究区3个时相的土壤侵蚀模数[27]，并分为无侵蚀、轻度侵蚀、中度侵蚀、强度侵蚀和极强度侵蚀5个级别。预测土壤侵蚀量计算如下，
A=RKLSCP
(7)
式中：A为预测土壤侵蚀量，t/(hm2·a)；R为降雨侵蚀力因子；K为土壤可蚀性因子；L为坡长因子；S为坡度因子；C为植被覆盖因子；P为水土保持措施因子。
2.2.2 土地退化评价
按评价指标影响力从大到小对其重新赋值，得出土地损伤程度，见表2。赋值越大，表明其土地损伤程度越大[24]。参考前人相关研究结果[3,7,9,10,17,19,24,28,29]，得到各研究区的评价指标权重，依据式(1)—式(8)计算出3个时相的土地损伤数据，采用自然断点法将其分为无损伤、轻度损伤、中度损伤、重度损伤和极重度损伤5个等级，采用一元线性回归趋势分析法得出不同时期的土地退化特征，运用自然断点法得到西部煤矿区土地退化程度分级。从4个研究区各选2个井工矿区和2个露天矿区绘制矿山尺度土地损伤程度面积与年降水量关系图，进一步分析土地退化与降水关系。评价单元土地损伤程度计算如下：
(8)
式中：Ui为i评价单元土地损伤程度；Fi为i评价单元土地退化指标f的分级结果；Wf为土地退化指标f权重值。
像元的土地退化斜率计算如下，
(9)
式中：θslope为各像元的土地退化斜率；Idam，i,i为第i年的土地损伤值。
表2 土地损伤程度
Table 2 Land damage degree
土地损伤程度1007550250土地损毁挖损/压占塌陷未损毁区土地利用类型荒漠戈壁/建设用地耕地/草地林地/湿地水域植被覆盖度裸土地低覆盖度中覆盖度较高覆盖度高覆盖度沙漠化/石漠化强度极重度沙漠化/石漠化重度沙漠化/石漠化中度沙漠化/石漠化轻度沙漠化/石漠化无沙漠化/石漠化土壤侵蚀强度极强度侵蚀强度侵蚀中度侵蚀轻度侵蚀无侵蚀
研究区各评价指标对土地损伤影响不一，土地损伤评价指标(f)及权重见表3，排序如下：①北方草原区蒸发量远大于降水量，风速大，易发生沙漠化，侵蚀状况影响较小，土地利用结构简单，植被和沙漠化对土地退化作用重大，权重排序为：土地损毁>植被覆盖度(沙漠化)>土地利用类型(土壤侵蚀)；②黄土高原区土地利用状况对土地退化影响不容忽视，且是我国土壤侵蚀较严重的区域，蒸发量大于降水量，植被覆盖度属中等级别，沙漠化状况较弱，权重排序为：土地损毁>土地利用类型>土壤侵蚀>植被覆盖度>沙漠化；③西南山地丘陵区降雨量大，石漠化尤为严重，易发生土壤侵蚀，植被覆盖度较高，权重排序为：土地损毁>石漠化>土壤侵蚀>植被覆盖度>土地利用类型；④西北干旱区处于戈壁地带，降水量少，蒸发量大，沙漠化严重，植被稀少，土地利用结构简单，权重排序为：土地损毁(沙漠化)>植被覆盖度(土地利用类型)>土壤侵蚀。
表3 土地损伤评价指标及权重
Table 3 Evaluation index and weight of land damage
土地操损伤程度指标(f)权重值(Wf)北方草原区[7,10,24]黄土高原区[3,9,10]西南山地丘陵区[10,19,28]西北干旱区[10,17,29]土地损毁0.300.300.300.30土地利用类型0.100.250.100.15植被覆盖度0.250.150.150.15沙漠化/石漠化0.250.100.250.30土壤侵蚀0.100.200.200.10
3 西部煤矿区土地退化结果与分析
3.1 土地损毁特征
挖损直接剥离地表土层，移除地表植被和土壤，对土地影响极重；压占包括排土场、排矸场、运输道路和采矿工业广场等，损坏原有生态结构，对土地具有严重影响；塌陷会改变原有地形地貌，易造成滑坡等地质灾害，具有不可逆的影响，但塌陷地仍留有植被。图2为西部典型煤矿区土地损毁占地面积，由图2可知，研究区2013年土地损毁面积占矿山总面积的12.12%(490.47 km2)，较2015、2017年分别减少2.10个百分点(84.96 km2)、5.57个百分点(225.41 km2)，损毁面积随煤炭资源的开采呈递增趋势。
其中，2017年6个露天煤矿挖损面积在露天矿山总面积占比较2013年增加4.95个百分点(19.91 km2)；2013～2017年，煤矿区控制工矿用地向外扩张，压占面积小幅度增加1.29个百分点(32.53 km2)；塌陷面积增加5.52个百分点(172.97 km2)，变化明显，这与采矿工业的扩展、煤炭资源的大规模开采密切相关。可见，挖损、压占、塌陷是采煤损毁土地的主要表现形式，也是造成矿区土地退化的主要原因[5]。根据对土地的损伤程度，各损毁类型排序为挖损(压占)>塌陷。
图2 西部典型煤矿区土地损毁占地面积
Fig.2 Land damaged areain typical coal mine
areas in Western China
3.2 土地利用特征
西部煤矿区土地利用类型如图3所示，北方草原区草地为主，黄土高原区是草地和林地，西南山地丘陵区是耕地和林地，西北干旱区是戈壁。
图3 西部煤矿区土地利用类型
Fig.3 Types of land use of coal mine areas in Western China
研究区各土地利用类型变化情况如下：①北方草原区2013～2017年建设用地和水域面积分别增加了1.62、0.01个百分点；②黄土高原区2013～2017年草地和林地总面积减少7.49个百分点，其余地类面积增加；③西南山地丘陵区2013～2017年除草地、建设用地面积分别增加11.50、3.53个百分点外，其余类型面积均减少；④西北干旱区2013～2017年戈壁面积减少3.07个百分点，其余地类变化较小。荒漠多为沙地和裸岩等，地表基本无植被，土地生态状况脆弱，土地损伤程度尤为严重；准东矿区的戈壁植被少，在风力或人为作用下易发生沙漠化，建设用地生态稳定性弱，土地损伤程度较重；耕地因耕种等人类活动对表土影响较大，草地的植物根系水土保持能力较弱，土地损伤程度较轻；林地和胜利矿区的湿地有较强的水土保持能力，土地损伤程度轻；水域为非损伤土地，根据土地损伤程度排序：荒漠>戈壁(建设用地)>耕地(草地)>林地(湿地)>水域。
3.3 植被覆盖度特征
西部矿区植被覆盖程度如图4所示，除西北干旱区属于戈壁外，其余区域各年度植被生长状况良好：①北方草原区2013～2017年较高和高覆盖度总面积减少24.19个百分点，其余覆盖区面积增加；②黄土高原区2013～2017年中覆盖度和较高覆盖度总面积增加16.11个百分点，其余覆盖区面积减少；③西南山地丘陵区2013～2017年高覆盖度面积减少3.89个百分点，其余覆盖区面积增加，植被覆盖度降低；④西北干旱区大面积为戈壁，地表植被少，覆盖度低，变化较小。
图4 西部煤矿区植被覆盖度
Fig.4 Vegetation coverage of coal mine areas in Western China
3.4 沙漠化/石漠化特征
西部煤矿区沙漠化、石漠化如图4所示，黄土高原区和西北干旱区沙漠化减缓，北方草原区沙漠化加重，西南山地丘陵区石漠化加重。由图4可知：①北方草原区2017年无沙漠化面积较2013年减少23.67个百分点，其余沙漠化程度面积增加；②黄土高原区2017年无、轻度沙漠化总面积较2013年增加9.72个百分点，其余沙漠化程度面积减少；③西南山地丘陵区2017年无石漠化面积较2013年减少2.99个百分点，轻度及以上石漠化面积增加；④西北干旱区沙漠化变化小，呈减缓趋势，但沙漠化程度严重。
图5 西部煤矿区沙漠化、石漠化
Fig.5 Desertification, rocky desertification of coal mine areas in Western China
3.5 土壤侵蚀特征
西部煤矿区土壤侵蚀如图6所示，除西南山地丘陵区外，其它研究区土壤侵蚀状况减缓。由图6可知：①北方草原区2013～2017年强度侵蚀面积增加0.19个百分点，极强度侵蚀面积减少0.94个百分点，极强度侵蚀面积向强度侵蚀面积转移，土壤侵蚀强度高对土地影响较大，根据对土地的影响程度判断北方草原区土壤侵蚀强度减缓；②黄土高原区2013～2017年强度侵蚀面积增加0.45个百分点，极强度侵蚀面积减少0.61个百分点，侵蚀减缓；③西南山地丘陵区2013～2017年仅极强度侵蚀面积增加，为11.49个百分点，呈加重趋势；④西北干旱区2013～2017年仅无侵蚀面积增加，为15.99个百分点，侵蚀程度减缓。
3.6 土地退化程度和空间尺度分析
西部煤矿区土地退化如图7所示，在退化程度上：①北方草原区重度退化面积达11.63%，但重度改善面积高达45.92%，土地退化严重，但呈良好改善状态；②黄土高原区的稳定区占比27.94%，重度退化面积占比9.50%，重度改善面积占比4.29%，生态环境较为稳定；③西南山地丘陵区重度退化面积占比16.37%，改善区总面积占比49.51%，退化现象严重，改善状态较好；④西北干旱区改善区域总面积占比83.88%，生态改善，但因本底环境脆弱，仍不容忽视。卞正富等[15]、胡振琪等[4]强调了矿区生态修复工作的必要性，为此应加大矿区生态修复力度，在保证煤矿工业发展的同时，缓解土地退化程度。
图6 西部煤矿区土壤侵蚀情况
Fig.6 Soil erosion of coal mine areas in Western China
图7 西部煤矿区土地退化情况
Fig.7 Land degradation of coal mine areas in Western China
西部煤矿区土地退化程度分布如图8所示，在退化分布上：退化区域主要分布在矿山尺度，尤其集中在露天开采的准格尔矿山尺度(图8i)、胜利矿山尺度(图8b)、小龙潭矿山尺度(图8k)、准东矿山尺度(图8l)的矿坑及排土(矸)场范围，对环境影响尤为严重。露天矿山的重度退化面积占该区域的13.58%，大于井工矿山的8.27%；井工矿山内轻度退化面积占该区域的30.49%，较露天矿山高15.41个百分点，可见井工开采引起退化范围大但退化程度较轻，露天开采引起退化的面积少但退化程度更为严重，因此，应根据不同开采方式选择合适的生态修复方式。
从西部煤矿区生态修复效果上看，重度改善较为规则的广泛分布于露天矿山，如准格尔矿山(图8i)的排土(矸)场内大面积的重度改善区域，说明对排土(矸)场的生态修复效果良好，对环境有积极的影响。西部煤矿区范围跨度大，气候、土壤、水资源和开采方式都有差异，开展生态修复时应因地制宜，有针对性地对煤矿区采取环境治理措施，在保证煤矿工业发展的同时，缓解土地退化程度，实现西部煤炭产业的可持续发展。
图8 西部煤矿区土地退化程度分布
Fig.8 Distribution of land degradation of coal mine areas in Western China
3.7 土地损伤与年降水量关系分析
土地损伤方面(图9)，矿山尺度在2013～2017年极重度损伤面积平均占矿山总面积的9.21%，自然尺度的极重度损伤面积平均占该区域的2.98%，表明煤炭开采更易损伤地表。露天矿山在2013～2017年极重度损伤面积平均占该区域的36.44%，远大于井工矿山的5.61%，露天开采引起的土地损伤现象更为严重。损毁面积的骤增通常会减少无损伤面积、增加极重度损伤面积，但研究期间，随着煤炭开采向外扩张，出现无损伤面积增加、极重度损伤面积减少的现象。矿山尺度在2013～2017年极重度损伤面积平均占矿山总面积的9.21%，矿山范围外的极重度损伤面积平均占该区域的2.98%，表明煤炭开采更易损伤地表。露天矿山在2013～2017年极重度损伤面积平均占该区域的36.44%，远大于井工矿山的5.61%，露天开采引起的土地损伤现象更为严重。损毁面积的骤增通常会减少无损伤面积、增加极重度损伤面积，但研究期间，随着煤炭开采向外扩张，出现无损伤面积增加、极重度损伤面积减少的现象。
图9 西部煤矿区不同尺度土地损伤程度
Fig.9 Land damage of different scales in Western China
矿山尺度土地损伤程度面积与年降水量关系如图10所示。
图10 矿山尺度土地损伤程度面积与年降水量关系
Fig.10 Diagram of relationship between area of mine-scale land damage and annual precipitation in Western China
由图10可知：①平庄矿山2013、2015、2017年的年降水量递减，分别为395.00 mm、378.80 mm、372.20 mm，无损伤面积呈微弱的波动减少趋势，极重度损伤面积递增，可见年降水量与土地退化面积呈负相关关系；②榆神矿山3个年度年降水量呈波动式增加变化，分别为547.8、410.3、637.1 mm，无损伤面积变化趋势与其相同，极重度损伤面积分别为38.45、50.67、45.53 km2，变化趋势与其相反，年降水量的减少使得土地退化面积增加，可见年降水量与土地退化面积呈负相关关系；③盘县矿区3个年度年降水量分别为1024.6、1549.00、1259. mm，无损伤面积与极重度损伤面积变化趋势与年降水量均相同，这可能与盘县矿区当地气候和地理环境有关，对土层薄的喀斯特地貌而言，短时间的集中降水加剧水土流失，导致严重的石漠化，加重土地损伤程度，可见年降水量与西南山地丘陵区土地退化面积呈正相关关系；④准东矿山尺度不存在无损伤面积，极重度损伤面积变化极小，年降水量与土地退化关系不大。由此可知自然因素是影响煤矿区土地退化的重要因素之一，也与水土流失方程内涵相一致。正如郭晓娜等[12]认为，水循环与土地退化关系密切。气候与土地退化交互作用影响水质、水量，丰富的降水量会促进矿区及周边的植物生长，进而改变土地退化状况，但这也并非适用于整个西部煤矿区，例如西南山地丘陵区喀斯特地貌的特殊性，丰富的降水量反而易引发土壤侵蚀与石漠化，进而加重土地退化程度。
4 结 论
1)2013～2017年期间，北方草原区重度退化面积占比11.63%、重度改善面积占比45.92%，西南山地丘陵区重度退化面积占比16.37%、改善区总面积占比49.51%，土地退化现象略严峻，但改善状态良好；黄土高原稳定区面积占比27.94%，生态环境比较稳定；西北干旱改善区总面积占比83.88%，但仍不容忽视其自身的脆弱性。
2)露天矿山极重度损伤面积较井工矿山高30.83个百分点，露天开采对环境扰动更大；露天矿山的重度退化面积较井工矿山高5.31个百分点，井工矿山的轻度退化面积较露天矿山高15.41个百分点，露天矿山土地退化程度严重但面积小，井工矿山土地退化程度轻但范围大。
3)煤矿区土地退化兼受自然因素和人为因素共同影响。矿区尺度整体土地退化受降水量影响较大；煤炭开采引发的土地损毁是矿山尺度土地退化的主要驱动力。
[1] 胡振琪, 肖 武. 关于煤炭工业绿色发展战略的若干思考：基于生态修复视角[J]. 煤炭科学技术, 2020, 48(4): 35-42.
HU Zhenqi, XIAO Wu. Some thoughts on green development strategy of coal industry: from aspects of ecological restoration[J]. Coal Science and Technology, 2020, 48(4):35-42.
[2] TAO S, FANG J, ZHAO X, et al. Rapid loss of lakes on the Mongolian Plateau[J]. Proceedings of the National Academy of Sciences, 2015, 112(7): 2281-2286.
[3] 彭苏萍, 毕银丽. 黄河流域煤矿区生态环境修复关键技术与战略思考[J]. 煤炭学报, 2020, 45(4): 1211-1221.
PENG Suping, BI Yinli. Strategic consideration and core technology about environmental ecological restoration in coal mine areas in the Yellow River basin of China[J]. Journal of China Coal Society, 2020, 45(4): 1211-1221.
[4] 胡振琪, 肖 武, 赵艳玲. 再论煤矿区生态环境“边采边复”[J]. 煤炭学报, 2020, 45(1): 351-359.
HU Zhenqi, XIAO Wu, ZHAO Yanling. Re-discussion on coal mine eco-environment concurrent mining and reclamation[J]. Journal of China Coal Society, 2020, 45(1): 351-359.
[5] 卞正富, 于昊辰, 侯 竟, 等. 西部重点煤矿区土地退化的影响因素及其评估[J]. 煤炭学报, 2020, 45(1): 338-350.
BIAN Zhengfu, YU Haochen, HOU Jing, et al. Influencing factors and evaluation of land degradation of 12 coal mine areas in Western China[J]. Journal of China Coal Society, 2020, 45(1): 338-350.
[6] EASDALE M H, FARI
A C, HARA S, et al. Trend-cycles of vegetation dynamics as a tool for land degradation assessment and monitoring[J]. Ecological Indicators, 2019, 107: 105545.
[7] 于昊辰, 牟守国, 卞正富, 等. 北方草原露天煤矿区植被退化因素分析[J]. 生态与农村环境学报, 2019, 35(1): 1-8.
YU Haochen, MU Shouguo, BIAN Zhengfu, et al.analysis for vegetation degradation factors in opencast coal mines in northern grass-land area,China[J]. Journal of Ecology and Rural Environment, 2019, 35(1): 1-8.
[8] 张 平, 孙强强, 孙丹峰, 等. 基于遥感光谱的干旱区土地退化评价体系构建[J]. 农业工程学报, 2019, 35(9): 228-237.
ZHANG Ping, SUN Qiangqiang, SUN Danfeng, et al. Establishment of land degradation assessment system in arid region based on remote sensing spectrum[J]. Transactions of the Chinese Society of Agricultural Engineering, 2019, 35(9): 228-237.
[9] JIANG C, ZHANG H, WANG X, et al. Challenging the land degradation in China's Loess Plateau: Benefits, limitations, sustainability, and adaptive strategies of soil and water conservation[J]. Ecological Engineering, 2019, 127:135-150.
[10] 李海东, 沈渭寿, 司万童, 等. 中国矿区土地退化因素调查:概念、类型与方法[J]. 生态与农村环境学报, 2015, 31(4): 445-451.
LI Haidong, SHEN Weishou, SI Wantong, et al. Investigation of driving factors of land degradation in mine areas in china: concept, types and approaches[J]. Journal of Ecology and Rural Environment, 2015, 31(4): 445-451.
[11] 卞正富, 沈渭寿. 西部重点矿区土地退化因素调查[J]. 生态与农村环境学报, 2016, 32(2): 173-177.
BIAN Zhengfu, SHEN Weishou. Driving factors of land degradation in major mining areas in West China[J].Journal of Ecology and Rural Environment, 2016, 32(2): 173-177.
[12] 郭晓娜, 陈睿山, 李 强, 等. IPBES专题评估中的土地退化过程、机制与影响[J]. 生态学报, 2019, 39(17): 1-10.
GUO Xiaona, CHEN Ruishan, LI Qiang, et al. Process, mechanisms, and impacts of land degradation in the IPBES thematic assessment[J]. Acta Ecological Sinica, 2019, 39(17): 1-10.
[13] JIANG L, JIAPAER G, BAO A, et al. Assessing land degradation and quantifying its drivers in the Amudarya River delta[J]. Ecological Indicators, 2019, 107: 105595.
[14] BATUNACUN, WIELAND R, LAKES T, et al. Identifying drivers of land degradation in Xilingol, China, between 1975 and 2015[J]. Land Use Policy, 2019, 83: 543-559.
[15] 卞正富, 雷少刚, 金 丹, 等. 矿区土地修复的几个基本问题[J]. 煤炭学报, 2018, 43(1): 190-197.
BIAN Zhengfu, LEI Shaogang, JIN Dan, et al. Several basic scientific issues related to mined land remediation[J]. Journal of China Coal Society, 2018, 43(1): 190-197.
[16] BIAN Z, MIAO X, LEI S, et al. The Challenges of reusing mining and mineral-processing wastes[J]. Science, 2012, 337(6095): 702-703.
[17] 卞正富, 雷少刚. 新疆煤炭资源开发的环境效应与保护策略研究[J]. 煤炭科学技术, 2020, 48(4): 43-51.
BIAN Zhengfu, LEI Shaogang. Green exploitation of coal resources and its environmental effects and protecting strategy in Xinjiang[J]. Coal Science and Technology, 2020, 48(4):43-51.
[18] MEKONNEN Z, TADDESE BERIE H, WOLDEAMANUEL T, et al. Land use and land cover changes and the link to land degradation in Arsi Negele district, Central Rift Valley, Ethiopia[J]. Remote Sensing Applications: Society and Environment, 2018, 12: 1-9.
[19] HAN W, LIU G, SU X,et al. Assessment of potential land degradation and recommendations for management in the south subtropical region, Southwest China[J]. Land Degradation & Development, 2019, 30(8): 979-990.
[20] ZHANG M, WANG J, LI S. Tempo-spatial changes and main anthropogenic influence factors of vegetation fractional coverage in a large-scale opencast coal mine area from 1992 to 2015[J]. Journal of Cleaner Production, 2019, 232: 940-952.
[21] VENTER Z S, SCOTT S L, DESMET P G,et al. Application of Landsat-derived vegetation trends over South Africa:potential for monitoring land degradation and restoration[J]. Ecological Indicators, 2020, 113: 106206.
[22] HU T, LIU J, ZHENG G, et al. Evaluation of historical and future wetland degradation using remote sensing imagery and land use modeling[J]. Land Degradation & Development, 2019, 31(1): 65-80.
[23] SHAO Y, JIANG Q, WANG C, et al. Analysis of critical land degradation and development processes and their driving mechanism in the Heihe River Basin[J]. Science of The Total Environment, 2020, 716: 137082.
[24] 杜子涛, 杨小明, 颜树强, 等. 奈曼旗土地退化遥感监测研究[J]. 农业工程学报, 2012, 28(3): 154-161.
DU Zitao, YANG Xiaoming, YAN Shuqiang,et al. Study on land degradation monitoring in Naiman county using remote sensing[J]. Transactions of the CSAE, 2012, 28(3): 154-161.
[25] 李辉霞, 李 森, 周红艺. 粤北典型岩溶山区土地石漠化程度遥感评价[J]. 水土保持通报, 2011, 31(6): 155-159.
LI Huixia, LI Sen, ZHOU Hongyi. Assessment of rocky desertification in typical karst mountain area of north Guangdong Province based on RS[J]. Bulletin of Soil and Water Conservation, 2011, 31(6): 155-159.
[26] FANG G, YUAN T, ZHANG Y, et al. Integrated study on soil erosion using RUSLE and GIS in Yangtze River Basin of Jiangsu Province (China)[J]. Arabian Journal of Geosciences, 2019, 12(5).
[27] 李云鹏, 卞正富, 雷少刚, 等. 西部风积沙区超大工作面开采土地损伤评价[J]. 煤炭科学技术, 2017, 45(4):188-194.
LI Yunpeng, BIAN Zhengfu, lEI Shaogang, et al. Land damage evaluation in coal mining area with super-sizemining face at western aeolian sandy area[J]. Coal Science and Technology, 2017, 45(4):188-194.
[28] 吕 妍, 张 黎, 闫慧敏, 等. 中国西南喀斯特地区植被变化时空特征及其成因[J]. 生态学报, 2018, 38(24):8774-8786.
LYU Yan, ZHANG Li, YAN Huimin,et al.Spatial and temporal patterns of changing vegetation and the influence of environmental factors in the karst region of Southwest China[J]. Acta Ecologica Sinica, 2018, 38(24): 8774-8786.
[29] 郭 兵, 孔维华, 姜 琳. 西北干旱荒漠生态区脆弱性动态监测及驱动因子定量分析[J]. 自然资源学报, 2018, 33(3):412-424.
GUO Bing, KONG Weihua, JIANG Lin. Dynamic monitoring of ecological vulnerability in arid desert ecological region of northwest china and the quantitative analysis of its driving forces[J]. Journal of Natural Resources, 2018, 33(3):412-424.
