移动扫码阅读
移动扫码阅读
Dynamic monitoring of cultivated land changes in loess mining areas based on time series remote sensing：a case of Dafosi Mining Area
西部黄土高原地区煤炭储量丰富但生态环境十分脆弱。 受气候环境因素和地形地质条件影响，区域地表植被覆盖率低、水土流失现象严重［1］。 黄土矿区平地少坡地多，其特殊的地貌条件对农业种植活动具有明显的限制作用，地下井工采煤方式造成的土地破坏，导致黄土粮矿复合区内优质土地数量大幅减少，人－地矛盾日益突出［2－3］。 由采煤活动引起的地表土地沉陷、裂缝等损害严重影响着当地农业生产活动［4－5］。 明确黄土矿区耕地面积及空间分布对区域农业资源管理、保护及可持续发展具有重要意义。
长期以来针对黄土矿区开采影响下农耕地的变化缺乏监测数据支撑，矿区土地利用研究难以深入。遥感技术凭借快速、客观、不受地面条件限制等优点已成为监测大范围耕地种植信息的有效手段。 目前，基于单一时相遥感数据信息提取在地形破碎地区具有较大不确定性［6］，农作物生育期具有相对稳定的时间变化规律，其特有的反射光谱特征和季节时相特征能够通过时序遥感数据得以反映，相较于单时相数据，时序遥感数据在进行耕地提取时具有明显的优势。 但由于天气条件及传感器重访周期过长等因素，覆盖作物完整生长发育期的时序遥感数据集构建困难，为获取同时具备高时空分辨率的影像国内外研究学者展开了大量研究，其中增强型自适应反射率融合模型（ Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model spatiotemporal fusion model，ESTARFM）因其融合精度高、细节效果好而被广泛使用［7］。
为此，以彬长大佛寺煤矿为研究区，利用ES⁃TARFM 构建高时空分辨率NDVI 数据集，以该矿区耕地主要种植作物（冬小麦及夏玉米）为研究对象，结合相关物候信息，采用面向对象决策树分类法实现矿区耕地种植面积进行的提取，并通过分析采煤沉陷与耕地利用演化情况的时空相关性，揭示采煤活动对矿区耕地资源利用的量化影响。
大佛寺煤矿地处陇东黄土高原，地貌类型以黄土梁塬、沟谷为主，属典型半干旱黄土沟壑丘陵区，土地利用类型以林草地、耕地为主，其中耕地约占地全部土地类型的1／3，且主要分布于台塬和沟谷平坦处，受地形因素影响明显，综合考虑Landsat 遥感影像分辨率以及研究区作物种植情况，所定义耕地仅包括每年耕种、收获作物种植范围。
该煤矿自2006 年投产，截止2019 年底，地下采煤工作面的总面积约12 km2，将该煤炭开采区域定义为采空区，根据开采沉陷理论，地下开采引起的地表沉陷区远大于采空区面积，根据概率积分法预计模型及矿区地表移动参数估算，将采空区边界向外500 m 确定为开采沉陷区，而开采沉陷区周围的地下水位、大气质量、地表径流、土壤质量等，都会受到地下开采的间接影响［8－10］，故将沉陷区边界以外500 m 范围划为间接影响区。 为了进行对比分析，将间接影响区以外500 m 范围作为非开采影响区，如图1 所示。
图1 研究区地理位置及开采影响区划分示意
Fig.1 Schematic diagram of geographical location of study area and zoning affected by coal mining
选取作物生育期内连续的Landsat 影像，对缺失时相影像采用时空融合模型进行预测，参与模型的遥感数据选用NASA 提供的MOD13Q1 16 d 合成陆地专题数据集，获取时间应与缺失的Landsat 数据相同或邻近。 预处理首先在IDL 中实现Landsat 数据的批量辐射定标与大气校正，然后利用MRT（MODIS Reproject Tools）对MODIS13Q1 数据集进行投影转换和镶嵌，并保证经重投影和重采样之后的MODIS 数据应与对应时间的Landsat 影像在像元大小、数据分辨率、投影方式保持一致。
ESTARFM 模型首先假设高－低分辨率遥感影像传感器间像元反射率的时间变化趋势是线性的，通过拟合回归移动窗口中与目标像素相似的所有像素，进而确定目标像素的大小［11］，从而获取具有高时空分辨率的结果影像。 图2 为随机选取的时空数据融合结果影像与真实影像对应样本像素点的NDVI 值散点图，从离散点的分布情况可知，融合影像与真实影像数据间呈线性相关，R2 ＝0.893 5，通过波段计算得出两幅影像之间的方差低于0.01，相关系数达0.946 1，表明两组数据具有较强的相关性。即在landsat 数据缺失的条件下，使用ESTARFM 模型获取的融合影像能够代替参与后续NDVI 时序数据集的构建。
图2 真实影像与融合影像NDVI 散点图
Fig.2 Scatterplots of synthetic Landsat images with the original landsat images
黄土高原特殊的地貌条件造成了矿区耕地分布在空间上的分异性。 考虑地物纹理及空间分布特征对提高分类精度具有重要意义，而确定分割对象大小是保证分类精度的前提［12］。 结合研究区的实际情况对分割效果图进行目视判读，最终确定3 个尺度下的分割结果。 首先在尺度85、形状因子0.2、紧密度因子0.5 的参数条件下，区分水体及非水体；然后在尺度45、形状因子0.3、紧密度因子0.2 的参数条件下，区分非耕地信息；最后在尺度30 下对分割结果进行掩膜获取耕地边界。
基于相关资料和实地调查，确认研究区耕地主要种植冬小麦和夏玉米，2 种作物采取轮作模式耕种，在同一时间段内不存在交集。 通过对比农作物在不同生长发育期内的植被指数变化特性实现对具备良好耕作条件的在耕耕地的提取。 研究区主要作 物物候期见表1。
表1 研究区主要作物物候期
Table 1 Phenological period of major crops in study area
日期 3 月4 月5 月6 月7 月8 月9 月10 月11 月至次年2 月冬小麦物侯期 返青 拔节 抽穗 成熟 出苗 越冬夏玉米物侯期 出苗 拔节 抽穗 成熟
为避免云雨、传感器与地物间几何特征等因素影响，本文采用TIMESAT3.2 程序包中的S－G 滤波方法对时间序列NDVI 曲线数据集进行平滑重构处理，以降低噪声影响。 经预处理后的NDVI 时间序列数据能够基本反映地类间的差异关系［14－15］。 图3为满足最优特征的不同地类样本数据集所提取的平均时间序列NDVI 变化曲线。 通过设置最优阈值并建立决策树规则模型来判别地物类型。
图3 典型地物时序NDVI 曲线
Fig.3 NDVI time series curve of typical features
分类结果精度评价采用目视解译结合现场采样，选取符合物候特征的耕地样本点，其中40%用于确定NDVI 阈值，60%用于检验阈值精度，并将分类结果与监督分类、决策树分类进行对比。
将面向对象时序决策树分类结果与监督分类、决策树分类结果进行对比，如图4 所示。 监督分类法与决策树分类结果中存在大量的“椒盐现象”。 由于农作物长势较好时，林草地也处于繁密阶段，因此导致大量耕地被错分为林地，工矿用地与建筑用地的时序变化曲线相似，也存在一定程度的误分。
图4 不同分类方法的分类结果对比
Fig.4 Comparison of classification results of different classification methods
面向对象时序决策树分类法不仅能考虑地形差异，按光谱、纹理信息将各地类进行聚合，还能识别耕地与其他地类的时序特征差异性，减少光谱相近像元的混分现象。 通过计算混淆矩阵进行精度评价，各分类方法的精度统计见表2。
表2 分类结果精度评定
Table 2 Accuracy assessment of classification results
分类方法 总体精度／% Kaapa 系数 耕地精度／%监督分类 69.87 0.66 0.73决策树 82.43 0.79 0.87面向对象决策树 90.21 0.87 0.93
表2 中，面向对象决策树法分类的总体精度及其Kappa 系数和耕地分类精度均高于监督分类及决策树分类方法，该方法适用于黄土矿区耕地变化信息的提取。
以各影响区为统计单元，获取年际耕地面积分布，见表3。 采用相对变化率A 定量分析采动影响下耕地变化的空间差异［16］：
式中，sb 为研究末期耕地面积；sa 为研究初期耕地面积；T 为研究时长。
由表3 可知，以2005 年矿井投产之前为基准数，截止2019 年，非开采影响区耕地面积基本保持稳定，相对变化仅为0.45%。 开采影响区（包括间接影响区、沉陷区、采空区）内耕地面积变化大致可以分成，“减少—增加—减少”3 个阶段。 第1 阶段为2005—2013 年，是耕地面积快速减少阶段，这是因为煤矿投产初期，采煤沉陷破坏了矿区原有的生态环境平衡状态，此阶段土地结构受损严重，耕地种植环境受到破坏。 第2 阶段为2013—2015年，开采影响区耕地面积相对增加，经调查发现此阶段政府出台了各种耕地保护与生态补偿政策，加之企业实施沉陷区治理工程，使得沉陷影响区耕地面积有所增加，但由于采煤沉陷效应的累积影响，开采影响区耕地面积减少量仍远大于非影响区。 第3 阶段为2015—2019 年，开采影响区耕地面积继续减少。
表3 矿区耕地面积统计
Table 3 Statistical data of cultivated land in coal mine
耕地面积／hm2 耕地面积占比／%影响区2005 年2007 年2009 年2011 年2005 年2007 年2009 年2011 年采空区 644 525 451 402 32.86 29.12 27.65 26.91沉陷区 406 358 313 284 20.71 19.86 19.19 19.01间接影响区 442 421 389 359 22.55 23.35 23.85 24.03非影响区 468 499 478 449 23.88 27.68 29.31 30.05总计 1960 1803 1631 1494 100 100 100 100影响区 耕地面积／hm2 耕地面积占比／%2013 年2015 年2017 年2019 年2013 年2015 年2017 年2019 年采空区 352 427 388 246 25.36 28.68 27.75 19.87沉陷区 251 295 274 245 18.08 19.81 19.60 19.79间接影响区 350 327 317 296 25.22 21.96 22.68 23.91非影响区 435 440 419 451 31.34 29.55 29.97 36.43总计 1388 1489 1398 1238 100 100 100 100
由于开采沉陷效应的滞后影响及相邻工作面开采沉陷在空间上的叠加效应，此阶段地表沉陷区范围并非线性增加，从而开采影响区的耕地面积下降幅度较第1 阶段有所减缓。
由表3 可知，采空区、沉陷区、间接影响区及非影响区耕地面积的相对变化率分别为－7.73%，－4.96%，－4.13%，－0.45%。 其中采空区耕地面积减少幅度最大，而非影响区耕地面积基本保持不变。分年度统计各影响区耕地面积变化率，如图5 所示。采空区耕地面积变化率最大，距离采空区越远时，其耕地面积变化率呈现递减趋势，这表明耕地面积减少幅度与采动影响程度呈正相关。
图5 各影响区耕地面积年际间相对变化率
Fig.5 Relative change rate of cultivated land
计算研究区相关地形因子，获取高程、坡度分级图（图6）并与土地利用分类结果进行叠加，可以发现研究区地处黄土丘陵沟壑区，地形复杂，耕地主要分布于海拔较高、地形平坦的黄土台塬地区，少量位于台塬与丘陵交界处坡度较缓的地带，海拔低、地势陡峭处，耕种难度较大，土地利用类型以林地、草地为主。
图6 耕地利用地形空间分布
Fig.6 Spatial distribution map of cultivated land use topography
基于分类结果，利用二元掩膜获取年度耕地空间分布情况，如图7 所示（图7a—7g 为各年份耕地面积空间分布；图7h 为耕地减少面积空间分布图）。 由图7 可以看出，不同年份的耕地在空间上的分布基本一致，但总覆盖面积在逐年减少，且地形平坦地区耕地减少幅度小于坡度发生变化处。
图7 年度耕地面积及减少分布
Fig.7 Annual arable land area and spatial distribution of reduced area
为进一步分析地下开采与耕地面积变化的量化关系，采用GIS 空间技术，对年度耕地分布进行叠加分析，结合采煤扰动影响分区，获取耕地减少面积的时空分布。
受采矿扰动直接影响，耕地面积减少的主要区域与相应的采空区及沉陷区域在时间和空间上存在明显的对应关系，通过统计不同开采时段两区域的耕地面积减少情况，发现其减少幅度基本相当，减少区域主要分布在采煤边界两侧的沉陷区内，部分采煤工作面所对应地表覆盖类型以林草地为主，所以即使位于扰动程度最大的影响区耕地面积减少幅度反而较低。
由于地表下沉存在超前影响和滞后效应，未开采工作面和已停采工作面地表仍会产生下沉变形，导致沉陷区及间接影响区耕地面积继续减少。 而非影响区内部分耕地转化为建设用地导致区域耕地面积发生减少。
绘出煤炭开采量与耕地减少面积随年度变化的 关系曲线，如图8 所示。 矿井投产初期，开采沉陷引起环境发生突变，导致耕地面积急剧减少。 随着采空区范围和煤炭开采量的线性增长，耕地面积减少的幅度则有所降低。
图8 耕地累计减少面积与煤炭开采量相关
Fig.8 Cumulative cultivated land change and coal mining volume correlation curve
相较露天采煤，地下井工采煤方式对土地的影响看似良性，实则破坏巨大。 地下采煤引起的地表不均匀下沉和变形会破坏土地的平整性，影响正常的粮食种植活动，采煤沉陷使平坦的耕地因坡度变大而转变为坡耕地，沉陷边界上方因水平变形及曲率变形集中而形成地表裂缝则导致耕地破碎程度加深，增加耕作难度。
煤炭开采对矿区耕地质量上的影响主要有两个方面，一是耕地土壤理化性质的改变，二是农作物品质及产量的降低。 沉陷边界上方因水平变形及曲率变形集中而形成地表裂缝的形成，改变了土壤渗透性和孔隙度［17，19］，加重耕地水土和有机质流失。 由开采沉陷引起的土壤结构改变使得土壤肥力重新分布、土壤养分降低，造成耕地退化和作物生产力下降［19－21］，使得弃耕或季节性弃耕现象日益严重，采煤过程中产生的废料占用、土地污染等，进一步导致耕地数量及农作物产量下降。
通过冬小麦距平值评估开采沉陷对耕地作物长势的影响，如图9 所示。 2005 年冬小麦长势最好，2007 年小麦较2005 年长势有所下降，但仍高于平均长势。 小麦长势低于平均值的情况首次在2009年采空区内出现，自此开采影响区的小麦长势均低于平均值。 根据距平值变化幅度看采空区内农作物长势受采煤扰动影响最大，沉陷区次之，间接影响区在采煤初期影响较大，而后减弱。 而非影响区农作物长势保持平稳波动，各阶段受采煤扰动影响很小。
图9 冬小麦NDVI 距平值
Fig.9 The curve of NDVI anomaly
随着开采工作面的持续推进，在采空区面积保持线性增加的情况下，由于开采沉陷的叠加影响及自然力的恢复作用，沉陷区及间接影响区的采煤扰动影响趋于平缓，使得耕地面积变化趋于平缓。 据调查，2013—2015 年政府出台了各种耕地保护以及煤矿开采区农业与生态补偿的相关政策，加强了对矿区耕地的保护，加之企业实施沉陷区治理工程，使得沉陷影响区耕地面积反而有所增加，耕地质量甚至有所好转。 从遥感时序数据反演的作物长势指数变化的时间点上也证实了上述政策效应，这说明人为政策干预在短期内具有改善矿区生态环境质量的效果。 2015—2019 年，随着地下开采区域的不断增加，沉陷区及间接影响区在空间上出现重叠，伴随着耕地保护政策和企业土地复垦工作的持续推进，此阶段耕地面积虽然整体下降，但变化幅度小于煤矿投产的前期阶段。
1）利用遥感时序数据可定量反演黄土高原矿区农耕地变化的时空特征。 利用ESTARFM 模型克服了遥感数据时空分辨率不足的局限性，融合后的时序影像与真实影像间的相关系数达0.946 1，具有很强的一致性；采用结合物候、光谱特征的面向对象决策树法进行影像分类，能充分利用纹理及空间特征，避免产生“椒盐现象”，提高了耕地面积提取的精度。 与传统的监督分类法和决策树分类法相比，本文方法进行土地分类的总体精度分别提升了20.34%，7.78%，所提取耕地的精度达到93.3%。
2）研究区2005—2019 年耕地面积呈整体减少趋势，不同时期耕地面积变化幅度有所不同，而政策与人工干预对耕地变化有明显影响。 研究期内耕地总面积减少722 hm2，其中煤矿投产初期（2006—2009 年）减少幅度最大，达到329 hm2，随着采空区面积的线性增大，各影响区内耕地面积减小幅度则趋于平缓。 2013—2015 年，受政府推出耕地保护和生态补偿政策及企业开展土地复垦影响，研究区耕地面积有所增加。
3）不同影响区内耕地面积变化及作物长势与采煤沉陷扰动程度相关，且呈现出明显的空间分异特征。 各影响区耕地面积的相对变化率从采空区（－7.73%）、沉陷区（－4.96%）、间接影响区（－4.13%）至非影响区（－0.45%）依次递减采空区内耕地面积在耕地总面积中的占比由2005 年煤矿投产前的32.86%减少至2019 年的19.87%，在开采工作面边界附近地表变形剧烈区区域的农耕地变化最为显著，揭示出黄土高原采煤沉陷区农耕地面积和作物长势具有复杂的时空演化特征。
［1］ 雷少刚，卞正富.西部干旱区煤炭开采环境影响研究［J］.生态学报，2014，34（11）：2837－2843.LEI Shaogang， BIAN Zhengfu. Research progress on the environment impacts from underground coal mining in arid western area of China［J］. Acta Ecologica Sinica，2014，34（11）：2837－2843.
［2］ 曹银贵，张笑然，白中科.黄土区矿－农－城复合区土地利用时空转换特征［J］.农业工程学报，2015，31（7）：238－246.CAO Yingui，ZHANG Xiaoran，BAI Zhongke. Temporal spatial transformation characteristics of land use types in composite area of ore－agriculture－urban in Loess Area［J］. Transactions of the Chi⁃nese Society of Agricultural Engineering，2015，31（7）：238－246.
［3］ 张 茹，张 蓓，任鸿瑞.山西轩岗矿区耕地流失时空特征及其影响因子研究［J］.广西师范大学学报（自然科学版），2018，36（3）：121－132.ZHANG Ru， ZHANG Bei， REN Hongrui. Spatio－temporal dynamics analysis and its affecting factors of cropland loss in Xu⁃angang MINING Area，Shanxi，China［J］. Journal of Guangxi Normal University（Natural Science Edition），2018，36（3）：121－132.
［4］ 徐占军，赵思萌，王培周，等.煤炭开采对“矿－农”复合区农田质量影响评价［J］.农业工程学报，2020，36（9）：273－282，341.XU Zhanjun，ZHAO Simeng，WANG Peizhou，et al. Evaluation of the impacts of coal mining on farmland quality in mine－agriculture regions in China［J］. Transactions of the Chinese Society of Agri⁃cultural Engineering，2020，36（9）：273－282，341.
［5］ 郭家新， 胡振琪， 袁冬竹， 等.黄河流域下游煤矿采煤塌陷区耕地破碎化动态演变－－以山东济宁市为例［J］.煤炭学报，2021，46（9）：3039－3055.GUO Jiaxin， HU Zhenqi， YUAN Dongzhu， et al. Dynamic evolu⁃tion of cultivated land fragmentation in coal mining subsidence area of the lower yellow river basin：a case study of Jining City［J］.Journal of China Coal Society， 2021，46（9）：3039－3055.
［6］ 郝鹏宇，唐华俊，陈仲新，等.基于历史增强型植被指数时序的农作物类型早期识别［J］.农业工程学报，2018，34（13）：179－186.HAO Pengyu，TANG Huajun，CHEN Zhongxin，et al. Early season crop type recognition based on historical EVI time series［J］.Transactions of the Chinese Society of Agricultural Engineering，2018，34（13）：179－186.
［7］ 陈晓璐， 王彦芳， 张红梅， 等.基于ESTARFM NDVI 的察汗淖尔流域灌溉耕地提取方法研究［J］.中国生态农业学报（中英文），2021，29（6）：1105－1116.CHEN Xiaolu， WANG Yanfang， Zhang Hongmei，et al. Extraction method of irrigated arable land in Chahannur basin based on ES⁃TARFM NDVI［J］. Chinese Journal of Eco－Agriculture：2021，29（6）：1105－1116.
［8］ 毕银丽，郭 晨，王 坤. 煤矿区复垦土壤的生物改良研究进展［J］. 煤炭科学技术， 2020， 48（4）： 52－59.BI Yinli，GUO Chen，WANG Kun. Research progress of biological improvement of reclaimed soil in coal mining area［J］. Coal Science and Technology，2020，48（4）：52－59.
［9］ 王强民， 董书宁， 王 皓， 等.西部风沙区采煤塌陷地裂缝影响下的土壤水分运移规律及调控方法［J］.煤炭学报， 2021，46（5）：1532－1540.WANG Qiangmin， DONG Shuning， WANG Hao. Influence of mining subsidence on soil water movement and Its regulation in blown－sand area of Western China［J］. Journal of China Coal So⁃ciety， 2021，46（5）：1532－1540.
［10］ 袁 涛，倪 璇，周 伟.煤炭开发区植被扰动时空效应及影响范围界定：以宁东矿区为例［J］.地学前缘， 2021，28（4）：110－117.YUAN Tao， NI Xuan， ZHOU Wei. Spatio－temporal effect for vegetation disturbance and delimition about scope of influence caused by coal mining： a case of Ningdong coal mine area［J］.Earth Science Frontiers， 2021，28（4）：110－117.
［11］ ZHU X L，CHEN J，GAO F，et al. An enhanced spatial and tem⁃poral adaptive reflectance fusion model for complex heterogeneous regions［J］. Remot Sens Environ，2010，114：2610－2623.
［12］ 裴 欢，孙天娇，王晓妍.基于Landsat 8 OLI 影像纹理特征的面向对象土地利用／覆盖分类［J］.农业工程学报，2018，34（2）：248－255.PEI Huan，SUN Tianjiao，WANG Xiaoyan. Object－oriented land use／cover classification based on texture features of Landsat 8 OLl image［J］. Transactions of the Chinese Society of Agricultural En⁃gineering，2018，34（2）：248－255.
［13］ 许青云，杨贵军，龙慧灵，等.基于MODISNDVI 多年时序数据的农作物种植识别［J］.农业工程学报，2014，30（11）：134－144.XU Qingyun， YANG Guijun， LONG Huiling， et al. Crop information identification based on MODIS NDVI time－series data［J］. Transactions of the Chinese Society of Agricultural Engineer⁃ing，2014，30（11）：134－144.
［14］ 甄晓菊，张雪红，吴国明，等.基于Sentinel－2A NDVI 时间序列数据的冬小麦识别［J］.江苏农业科学，2019，47（16）：239－245.ZHEN Xianju， ZHANG Xuehong， WU Guoming， et al.ldentification of winter wheat based on sentinel－2A NDVI times series data［J］. Jiangsu Agricultural Sciences，2019，47（16）：239－245.
［15］ 侯学会，隋学艳，姚慧敏，等.基于物候信息的山东省冬小麦长势遥感监测［J］.国土资源遥感，2018，30（2）：171－177.HOU Xueoui，SUI Xueyan，YAO Huimin，et al. Study of the growth condition of winter wheat in Shandong Province based on phenology［J］. Remote Sensing for Land ＆ Resources，2018，30（2）：171－177.
［16］ 卫新东，宋林韩，王筛妮，等.黄河西岸陕西各县市耕地质量时空变化特征及其分异规律［J］.水土保持研究，2021，28（2）：326－334.WEl Xindong，SONG Linhan，WANG Shaini，et al. Spatial and temporal changes and lts variatio n of cultivated land quality of counties and cities in Shaanxi on the west bank of the Yellow Riv⁃er［J］. Research of Soil and Water Conservation，2021，28（2）：326－334.
［17］ 汤伏全，李雯雯，谷 金，等.黄土矿区开采沉陷引起的土壤湿度变化特征研究［J］.土壤通报，201 9，50（5）：1139－1144.TANG Fuquan，Ll Wenwen，GU Jin，et al. Variation of soil mois⁃ture caused by mining subsidence in loess mining area and lts mechanism analysis［J］. Chinese Journal of SOIL Science.，2019，50（5）：1139－1144.
［18］ 台晓丽， 胡振琪，陈超.风沙区采煤沉陷裂缝对表层土壤含水量的影响［J］.中国煤炭， 2016，42（8）：113－117.TAI Xiaoli，HU Zhenqi，CHEN Chao. Effect of mining subsidence fissure on moisture of surface soil in aeolian sand area［J］.China Coal， 2016，42（8）：113－117.
［19］ Vishwakarma A K，Behera T，Rai R，et al. Impact assessment of coal mining induced subsidence on native soil of south eastern coal fields： India［J］. Geomechanics and Geophysics for Geo－Energy and Geo－Resources， 2020，6（1）：1－21.
［20］ 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 West⁃ern China［J］. Journal of China Coal Society，2020，45（1）：338－350.
［21］ 赵艳玲，房铄东，笪宏志，等. 基于改进OTSU 算法的采煤沉陷耕地作物绝产边界识别［J］. 煤炭科学技术，2020，48（4）：136－141.ZHAO Yanling， FANG Shuodong， DA Hongzhi， et al.Recognition of out－of－production boundary of crops in mining subsidence arable land based on improved OTSU algorithm［J］.Coal Science and Technology， 2020， 48（4）： 136－141.