典型矿区植被覆盖度时空分布特征及影响因素.pdf

第 ４０ 卷第 １７ 期 ２０２０ 年 ９ 月 生态学报 ＡＣＴＡ ＥＣＯＬＯＧＩＣＡ ＳＩＮＩＣＡ Ｖｏｌ．４０，Ｎｏ．１７ Ｓｅｐ．，２０２０ ｈｔｔｐ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ 基金项目山西省重点研发计划重点项目（２０１７０３Ｄ２１１００２⁃２⁃１） 收稿日期２０１９⁃０１⁃３０； 网络出版日期２０２０⁃０７⁃１０ ∗通讯作者 Ｃｏｒｒｅｓｐｏｎｄｉｎｇ ａｕｔｈｏｒ．Ｅ⁃ｍａｉｌ ｚｗｐｉｎｇ＠ １２６．ｃｏｍ ＤＯＩ １０．５８４６／ ｓｔｘｂ２０１９０１３００２２０ 王国芳，毕如田，张吴平，张茜，荆耀栋．典型矿区植被覆盖度时空分布特征及影响因素．生态学报，２０２０，４０（１７）６０４６⁃６０５６． Ｗａｎｇ Ｇ Ｆ， Ｂｉ Ｒ Ｔ， Ｚｈａｎｇ Ｗ Ｐ， Ｚｈａｎｇ Ｑ， Ｊｉｎｇ Ｙ Ｄ．Ｔｅｍｐｏｒａｌ ａｎｄ ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ａｎｄ ｉｎｆｌｕｅｎｃｉｎｇ ｆａｃｔｏｒｓ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｉｎ ｔｙｐｉｃａｌ ｍｉｎｉｎｇ ａｒｅａｓ．Ａｃｔａ Ｅｃｏｌｏｇｉｃａ Ｓｉｎｉｃａ，２０２０，４０（１７）６０４６⁃６０５６． 典型矿区植被覆盖度时空分布特征及影响因素 王国芳１，毕如田１，张吴平２，∗，张 茜１，荆耀栋１ １ 山西农业大学资源环境学院， 太谷 ０３０８０１ ２ 山西农业大学软件学院， 太谷 ０３０８０１ 摘要植被状况可以直接或间接地反映采煤对生态环境的影响。 以长河井工煤矿、离柳井工煤矿、平朔露天煤矿 ３ 个典型矿区 为研究区域。 以 Ｌａｎｄｓａｔ 数据为数据源，基于地形调节植被指数的像元二分模型提取植被覆盖度；采用趋势分析、线性回归斜 率、稳定性分析方法，分析了 ３ 个典型矿区 ２００１２０１６ 年植被覆盖度的时空变化特征；运用“以时间换空间”的方法，采用相关 分析方法对植被覆盖度变化的自然影响因素进行了分析。 结果表明（１）近 １６ 年 ３ 个典型矿区植被覆盖度呈增加趋势，长河、 离柳、平朔矿区的增长速率分别为 ０．０９％／１０ ａ、０．１０％／１０ ａ、０．０８％／１０ ａ（Ｐ＞０．０５）。 （２）空间上，长河、离柳、平朔矿区植被覆盖 度变化不明显比例分别占到 ６６．６３％，５９．９０％，６２．２５％，呈增加趋势的比例仅分别占 ２８．１４％、３２．５５％、２７．８１％，而呈减少趋势的 比例分别占到 ５．２３％、７．５５％、９．９４％。 长河矿区明显改善的区域位于自然植被和耕作区的北部和东北部，离柳矿区明显改善的 区域位于以低植被覆盖度为主的北部，平朔矿区明显改善的区域位于复垦的中西部。 （３）不区分植被类型时，３ 个矿区的植被 覆盖度变化与高程、高程与温度的交互作用表现出显著相关性（Ｐ＜０．０１），与各自然因素的相关性总体表现为长河＞离柳＞平朔 矿区；区分植被类型时，草地与坡度的相关性不显著（Ｐ＞０．０５），与降雨量、高程存在显著正相关（Ｐ＜０．０５）；灌木林与温度相关性 不显著，与高程和降雨量的交互作用存在显著正相关；旱地与高程、高程与温度的交互作用存在显著相关性；疏林地与坡向、降 雨量与坡向坡度的交互作用均没有表现出相关性；有林地与高程降雨量的交互作用表现出显著正相关性。 探讨不同植被类型 对自然因素的响应，可为矿区植被结构的选择，矿区复垦提供参考依据。 关键词典型矿区；植被覆盖度；时空分布；植被类型；影响因素 Ｔｅｍｐｏｒａｌ ａｎｄ ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ａｎｄ ｉｎｆｌｕｅｎｃｉｎｇ ｆａｃｔｏｒｓ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｉｎ ｔｙｐｉｃａｌ ｍｉｎｉｎｇ ａｒｅａｓ ＷＡＮＧ Ｇｕｏｆａｎｇ１， ＢＩ Ｒｕｔｉａｎ１， ＺＨＡＮＧ Ｗｕｐｉｎｇ２，∗， ＺＨＡＮＧ Ｑｉａｎ１， ＪＩＮＧ Ｙａｏｄｏｎｇ１ １ Ｃｏｌｌｅｇｅ ｏｆ Ｒｅｓｏｕｒｃｅ ＆ Ｅｎｖｉｒｏｎｍｅｎｔ， Ｓｈａｎｘｉ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ， Ｔａｉｇｕ ０３０８０１， Ｃｈｉｎａ ２ Ｓｏｆｔｗａｒｅ Ｃｏｌｌｅｇｅ， Ｓｈａｎｘｉ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ， Ｔａｉｇｕ ０３０８０１， Ｃｈｉｎａ Ａｂｓｔｒａｃｔ Ｖｅｇｅｔａｔｉｏｎ ｃｏｎｄｉｔｉｏｎｓ ｃａｎ ｄｉｒｅｃｔｌｙ ｏｒ ｉｎｄｉｒｅｃｔｌｙ ｒｅｆｌｅｃｔ ｔｈｅ ｉｍｐａｃｔ ｏｆ ｃｏａｌ ｍｉｎｉｎｇ ｏｎ ｔｈｅ ｅｃｏｌｏｇｉｃａｌ ｅｎｖｉｒｏｎｍｅｎｔ． Ｉｎ ｔｈｉｓ ｓｔｕｄｙ， ｔｈｒｅｅ ｔｙｐｉｃａｌ ｍｉｎｉｎｇ ａｒｅａｓ ｏｆ Ｃｈａｎｇｈｅ Ｃｏａｌ Ｍｉｎｅ， Ｌｉｌｉｕ Ｃｏａｌ Ｍｉｎｅ ａｎｄ Ｐｉｎｇｓｈｕｏ Ｏｐｅｎ⁃ｐｉｔ Ｃｏａｌ Ｍｉｎｅ ａｒｅ ｕｓｅｄ ａｓ ｒｅｓｅａｒｃｈ ａｒｅａｓ． Ｂａｓｅｄ ｏｎ Ｌａｎｄｓａｔ ｄａｔａ， ｔｈｅ ｐｉｘｅｌ ｃｏｖｅｒａｇｅ ｍｏｄｅｌ ｂａｓｅｄ ｏｎ ｔｏｐｏｇｒａｐｈｉｃａｌｌｙ ａｄｊｕｓｔｅｄ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｅｘ ｗａｓ ｕｓｅｄ ｔｏ ｅｘｔｒａｃｔ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ． Ｔｈｅ ｔｒｅｎｄ ａｎａｌｙｓｉｓ， ｌｉｎｅａｒ ｒｅｇｒｅｓｓｉｏｎ ｓｌｏｐｅ ａｎｄ ｓｔａｂｉｌｉｔｙ ａｎａｌｙｓｉｓ ｍｅｔｈｏｄ ｗｅｒｅ ｕｓｅｄ ｔｏ ａｎａｌｙｚｅ ｔｈｅ ｓｐａｔｉａｌ ａｎｄ ｔｅｍｐｏｒａｌ ｃｏｖｅｒａｇｅ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｉｎ ｔｈｒｅｅ ｔｙｐｉｃａｌ ｍｉｎｉｎｇ ａｒｅａｓ ｆｒｏｍ ２００１ ｔｏ ２０１６． Ｕｓｉｎｇ ｔｈｅ ｍｅｔｈｏｄｏｌｏｇｙ ｏｆ “ｔｉｍｅ－ｆｏｒ－ｓｐａｃｅ”， ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ ａｎａｌｙｓｉｓ ｍｅｔｈｏｄ ｗａｓ ｕｓｅｄ ｔｏ ａｎａｌｙｚｅ ｔｈｅ ｎａｔｕｒａｌ ｉｎｆｌｕｅｎｃｉｎｇ ｆａｃｔｏｒｓ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｃｈａｎｇｅ． Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ （１） ｔｈｅ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｏｆ ｔｈｅ ｔｈｒｅｅ ｔｙｐｉｃａｌ ｍｉｎｉｎｇ ａｒｅａｓ ｐｒｅｓｅｎｔｅｄ ａｎ ｉｎｃｒｅａｓｉｎｇ ｔｒｅｎｄ ｉｎ ｔｈｅ ｐａｓｔ １６ ｙｅａｒｓ， ａｎｄ ｔｈｅ ｇｒｏｗｔｈ ｒａｔｅｓ ｏｆ ｔｈｅ Ｃｈａｎｇｈｅ， Ｌｉｌｉｕ ａｎｄ Ｐｉｎｇｓｈｕｏ ｍｉｎｉｎｇ ａｒｅａｓ ｗｅｒｅ ０． ０９％／１０ ａ， ０．１０％／１０ ａ， ０．０８％／１０ ａ， ｒｅｓｐｅｃｔｉｖｅｌｙ （Ｐ＞０．０５）． （２） Ｉｎ ｔｅｒｍｓ ｏｆ ｓｐａｃｅ， ｔｈｅ ｐｒｏｐｏｒｔｉｏｎｓ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｈｔｔｐ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ ｃｏｖｅｒａｇｅ ｃｈａｎｇｅ ｉｎ Ｃｈａｎｇｈｅ， Ｌｉｌｉｕ， ａｎｄ Ｐｉｎｇｓｈｕｏ ｍｉｎｉｎｇ ａｒｅａｓ ｗｅｒｅ ｎｏｔ ｏｂｖｉｏｕｓ， ａｃｃｏｕｎｔｉｎｇ ｆｏｒ ６６．６３％， ５９．９０％， ａｎｄ ６２．２５％， ｒｅｓｐｅｃｔｉｖｅｌｙ． Ｔｈｅ ｐｒｏｐｏｒｔｉｏｎｓ ｓｈｏｗｉｎｇ ａｎ ｉｎｃｒｅａｓｉｎｇ ｔｒｅｎｄ ａｃｃｏｕｎｔｅｄ ｆｏｒ ２８． １４％， ３２． ５５％， ａｎｄ ２７． ８１％ ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｔｈｅ ｐｒｏｐｏｒｔｉｏｎｓ ｓｈｏｗｉｎｇ ａ ｄｅｃｒｅａｓｉｎｇ ｔｒｅｎｄ ａｃｃｏｕｎｔｅｄ ｆｏｒ ５．２３％， ７．５５％， ａｎｄ ９．９４％， ｒｅｓｐｅｃｔｉｖｅｌｙ． Ｔｈｅ ｏｂｖｉｏｕｓｌｙ ｉｍｐｒｏｖｅｄ ｐａｒｔ ｏｆ ｔｈｅ Ｃｈａｎｇｈｅ ｍｉｎｉｎｇ ａｒｅａ ｗａｓ ｌｏｃａｔｅｄ ｉｎ ｔｈｅ ｎｏｒｔｈ ａｎｄ ｎｏｒｔｈｅａｓｔ ｏｆ ｔｈｅ ｎａｔｕｒａｌ ｖｅｇｅｔａｔｉｏｎ ａｎｄ ｆａｒｍｉｎｇ ａｒｅａ． Ｔｈｅ ｏｂｖｉｏｕｓｌｙ ｉｍｐｒｏｖｅｄ ｐａｒｔ ｏｆ ｔｈｅ Ｌｉｌｉｕ ｍｉｎｉｎｇ ａｒｅａ ｗａｓ ｌｏｃａｔｅｄ ｉｎ ｔｈｅ ｎｏｒｔｈ ｗｉｔｈ ｌｏｗ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ． Ｔｈｅ ａｒｅａ ｗｉｔｈ ｏｂｖｉｏｕｓ ｉｍｐｒｏｖｅｍｅｎｔ ｉｎ ｔｈｅ Ｐｉｎｇｓｈｕｏ ｍｉｎｉｎｇ ａｒｅａ ｗａｓ ｌｏｃａｔｅｄ ｉｎ ｔｈｅ ｃｅｎｔｒａｌ ａｎｄ ｗｅｓｔｅｒｎ ｐａｒｔ ｏｆ ｔｈｅ ｒｅｃｌａｍａｔｉｏｎ ａｒｅａ． （３） Ｗｈｅｎ ｔｈｅ ｖｅｇｅｔａｔｉｏｎ ｔｙｐｅ ｗａｓ ｎｏｔ ｄｉｓｔｉｎｇｕｉｓｈｅｄ， ｔｈｅ ｃｈａｎｇｅ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ａｎｄ ｔｈｅ ｉｎｔｅｒａｃｔｉｏｎ ｏｆ ｅｌｅｖａｔｉｏｎ， ｅｌｅｖａｔｉｏｎ ａｎｄ ｔｅｍｐｅｒａｔｕｒｅ ｉｎ ｔｈｅ ｔｈｒｅｅ ｍｉｎｉｎｇ ａｒｅａｓ ｓｈｏｗｅｄ ｓｉｇｎｉｆｉｃａｎｔ ｃｏｒｒｅｌａｔｉｏｎ （Ｐ＜０．０１）， ａｎｄ ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ ｗｉｔｈ ｖａｒｉｏｕｓ ｎａｔｕｒａｌ ｆａｃｔｏｒｓ ｗａｓ ｉｎ ｔｈｅ ｏｒｄｅｒ ｏｆ Ｃｈａｎｇｈｅ ＞Ｌｉｌｉｕ ＞Ｐｉｎｇｓｈｕｏ ｍｉｎｉｎｇ ａｒｅａ． Ｗｈｅｎ ｔｈｅ ｖｅｇｅｔａｔｉｏｎ ｔｙｐｅ ｗａｓ ｄｉｓｔｉｎｇｕｉｓｈｅｄ， ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ ｂｅｔｗｅｅｎ ｇｒａｓｓｌａｎｄ ａｎｄ ｓｌｏｐｅ ｗａｓ ｎｏｔ ｓｉｇｎｉｆｉｃａｎｔ （Ｐ＞０．０５）， ａｎｄ ｔｈｅｒｅ ｗａｓ ａ ｓｉｇｎｉｆｉｃａｎｔ ｐｏｓｉｔｉｖｅ ｃｏｒｒｅｌａｔｉｏｎ ｗｉｔｈ ｒａｉｎｆａｌｌ ａｎｄ ｅｌｅｖａｔｉｏｎ （Ｐ＜０．０５）． Ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ ｂｅｔｗｅｅｎ ｓｈｒｕｂ ｆｏｒｅｓｔ ａｎｄ ｔｅｍｐｅｒａｔｕｒｅ ｗａｓ ｎｏｔ ｓｉｇｎｉｆｉｃａｎｔ． Ｔｈｅｒｅ ｗａｓ ａ ｓｉｇｎｉｆｉｃａｎｔ ｐｏｓｉｔｉｖｅ ｃｏｒｒｅｌａｔｉｏｎ ｂｅｔｗｅｅｎ ｔｈｅ ｉｎｔｅｒａｃｔｉｏｎ ｏｆ ｅｌｅｖａｔｉｏｎ ａｎｄ ｒａｉｎｆａｌｌ． Ｔｈｅｒｅ ｗａｓ ａ ｓｉｇｎｉｆｉｃａｎｔ ｃｏｒｒｅｌａｔｉｏｎ ｂｅｔｗｅｅｎ ｔｈｅ ｉｎｔｅｒａｃｔｉｏｎ ｂｅｔｗｅｅｎ ｄｒｙｌａｎｄ ａｎｄ ｅｌｅｖａｔｉｏｎ， ｅｌｅｖａｔｉｏｎ ａｎｄ ｔｅｍｐｅｒａｔｕｒｅ． Ｔｈｅ ｉｎｔｅｒａｃｔｉｏｎ ｂｅｔｗｅｅｎ ｓｐａｒｓｅ ｆｏｒｅｓｔ ａｎｄ ｓｌｏｐｅ ｄｉｒｅｃｔｉｏｎ， ｒａｉｎｆａｌｌ ａｎｄ ｓｌｏｐｅ ｇｒａｄｉｅｎｔ ｓｈｏｗｅｄ ｎｏ ｃｏｒｒｅｌａｔｉｏｎ． Ｔｈｅ ｉｎｔｅｒａｃｔｉｏｎ ｂｅｔｗｅｅｎ ｗｏｏｄｌａｎｄ ａｎｄ ｅｌｅｖａｔｉｏｎ ｒａｉｎｆａｌｌ ｓｈｏｗｅｄ ａ ｓｉｇｎｉｆｉｃａｎｔ ｐｏｓｉｔｉｖｅ ｃｏｒｒｅｌａｔｉｏｎ． Ｅｘｐｌｏｒｉｎｇ ｔｈｅ ｒｅｓｐｏｎｓｅ ｏｆ ｄｉｆｆｅｒｅｎｔ ｖｅｇｅｔａｔｉｏｎ ｔｙｐｅｓ ｔｏ ｎａｔｕｒａｌ ｆａｃｔｏｒｓ ｃａｎ ｐｒｏｖｉｄｅ ａ ｒｅｆｅｒｅｎｃｅ ｆｏｒ ｔｈｅ ｓｅｌｅｃｔｉｏｎ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｓｔｒｕｃｔｕｒｅ ｉｎ ｔｈｅ ｍｉｎｉｎｇ ａｒｅａ ａｎｄ ｔｈｅ ｒｅｃｌａｍａｔｉｏｎ ｏｆ ｍｉｎｉｎｇ ａｒｅａｓ． Ｋｅｙ Ｗｏｒｄｓ ｔｙｐｉｃａｌ ｍｉｎｉｎｇ ａｒｅａｓ； ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ； ｔｅｍｐｏｒａｌ ａｎｄ ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ； ｖｅｇｅｔａｔｉｏｎ ｔｙｐｅ； ａｆｆｅｃｔｉｎｇ ｆａｃｔｏｒｓ 煤炭资源粗放式、大规模、高强度的开采，改变了矿区原有的地形地貌，造成了矿区地表下陷、植被土壤退 化、水土流失，引发了矿区生态环境进一步恶化的风险，增加了矿区生态环境治理的难度［１⁃２］。 在矿区生态环 境治理中，植被覆盖度在一定程度上可以量化地表植被状况反映生态恢复程度，从而为矿区复垦和生态环境 重建提供参考依据［３］。 目前，植被覆盖度的获取方法有实测法的目估法、采样法、仪器法和模型法；遥感监测方法的回归模型 法［４⁃５］、植被指数法［６⁃７］和像元分解模型法［８⁃９］。 地表实测法精度高、但范围小且费时费力；遥感监测法精度不 及实测法，但监测范围广，时间序列长，能够更好地揭示出植被覆盖度的时空变化特征。 已有研究表明植被覆盖度的空间分布和随时间变化的趋势受气候、地理、人为及因素组合效应的影 响［１０⁃１２］。 气候因素中的降雨量和温度是对植被覆盖度影响最复杂的 ２ 个主导因素。 如徐占军等［１３］研究发现 在采煤区域，气候变化对矿区植被覆盖度的影响具有主导作用；穆少杰等［１４］研究表明在年际水平上，植被覆 盖度与降雨量的关系比与温度的关系更为密切；在月际水平上降雨量和温度对植被覆盖度的影响作用相当。 随着研究区域和植被类型的改变，植被覆盖度与降雨量、温度之间统计关系也在发生变化，比如，出现正向协 同变化、无统计关系、存在互作效应、或负向协同变化［１５⁃１７］。 植被覆盖度与降雨量及温度之间出现复杂的统 计变化关系，一方面可能与植被类型没有分类有关，另一方面与植被所在的高程、坡向和坡度等地形因素的影 响有关［１８⁃１９］。 如张学玲等［２０］研究发现武功山山地草甸植被覆盖度分布阳坡大于阴坡，随着坡度的上升先增 加后下降，随高程的增加出现波浪式下降；陈建军等［２１］研究表明疏勒河源区高寒草地坡度、坡向是限制植被 分布的主要因子，坡度越小，平均植被覆盖度越大，随坡向由无坡向、阴坡、半阴（阳）坡到阳坡平均植被覆盖 度不断减少；贾铎等［２２］研究表明植被覆盖度变化与气候和地形因素具有相关性，长期植被覆盖度的变化受气 候因素的影响，短期植被覆盖度的变化主要受人为因素的影响。 植被覆盖度除了受自然气候和地理因素的影 响外，同时还不同程度地受人为因素的影响，如煤炭等资源开采对植被破坏及复垦、土地利用方式的改变等， 而且自然因素和人为因素常常交错在一起共同对植被覆盖度发挥作用。 Ｌａｕｒａ Ｊ． Ｓｏｎｔｅｒ 等［２３］对矿区土地利 用变化过程进行了研究，揭示采矿活动直接和间接影响着矿区植被变化和生态环境质量；张世文等［２４］分析了 露天矿区随着时间变化采矿和生态恢复活动与植被覆盖度间具有一定的响应关系；黄翌等［２５］研究发现大同 ７４０６ １７ 期 王国芳 等典型矿区植被覆盖度时空分布特征及影响因素 ｈｔｔｐ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ 矿区植被变化的内在因素是煤炭开发的扰动作用。 综上所述，植被覆盖度时空变化受诸多因素影响，已有研究得出的结论大多是总的植被覆盖度的平均效 应，具有较大的不确定性，且研究结果各异。 如何解释这些研究结果的多样性，且进一步认识植被覆盖度时空 变化和不同的植被类型与不同因素及其互作效应的关系是本研究拟解决的主要问题。 为此，本研究选取了 ３ 个位于山西省不同气候带、不同地形地貌下的典型井工煤矿区与露天煤矿区，利用 ２００１２０１６ 年 ７９ 月 份的 Ｌａｎｄｓａｔ 遥感影像数据获取研究区地表 ３０ ｍ３０ ｍ 网格的植被覆盖度数据，采用线性回归斜率法和相关 分析方法分析植被覆盖度的时空变化特征和影响因素，并进一步讨论自然因素对矿区不同植被类型的植被覆 盖度变化的综合效应。 １ 研究区概况 山西省位于华北平原西部的黄土高原，海拔多在１０００ ｍ 以上，山地和丘陵面积占总面积的８０％以上。 山 西属温带大陆性季风气候，年平均气温介于 ４１４ ℃之间，年降水量在 ４００６００ ｍｍ 之间，大部分地区为半 干旱地区，东南部的部分地区为半湿润地区。 综合考虑山西省的气候、地形地貌、土壤类型、植被类型、矿区开采模式等因素，选取了 ３ 个位于不同气候 带、不同地形地貌、不同采矿方式的典型煤矿区（图 １）。 其中，长河矿区位于山西省南部泽州县内，属暖温带 半湿润大陆性季风气候，为丘陵地貌，严重缺水，土壤以褐土为主，煤矿分布集中，采煤量大。 离柳矿区位于山 西省中西部柳林县内，暖温带半干旱大陆性季风气候区，西北黄土丘陵沟壑地貌，大部面积为贫水区和极贫水 区，土壤以褐土为主，煤炭储量多，分布广。 平朔矿区位于山西省西北部朔州市内，属温带半干旱大陆性季风 气候区，为黄土丘陵地貌，地表水系比较丰富，以栗钙土为主，植被主要呈农业耕作景观，煤炭储量多。 图 １ 研究区位置 Ｆｉｇ．１ Ｌｏｃａｔｉｏｎ ｏｆ ｓｔｕｄｙ ａｒｅａ ２ 研究方法 ２．１ 数据源与预处理 研究中涉及到 Ｌａｎｄｓａｔ 影像数据和 ＤＥＭ 数据，均来源于中国科学院遥感与数字地球研究所及地理空间数 ８４０６ 生 态 学 报 ４０ 卷 ｈｔｔｐ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ 据云数据共享平台（ｈｔｔｐ／ ／ ｗｗｗ．ｇｓｃｌｏｕｄ．ｃｎ）。 本研究 ３ 个矿区涉及到的遥感数据如表 １ 所示。 每期遥感影像 的研究区范围内云覆盖率均为 ０，空间分辨率均为 ３０ ｍ，空间参考坐标为 ＷＧＳ １９８４ ＵＴＭ Ｚｏｎｅ ４９Ｎ。 影像质 量较好，且时相选择都处于植被生长期的 ７ 月、８ 月、９ 月。 对获取的数据分别进行了去条带处理、辐射定标得 到表观反射率、按照研究区域进行裁剪处理。 ＤＥＭ 数据的空间参考为西安 ８０ 坐标系，转换为 ＷＧＳ８４，对转换后的 ＤＥＭ 数据基于影像数据进行几何纠 正，并保证纠正误差在 ０．５ 像元之内。 通过 ＡｒｃＧＩＳ １０．０ 基于 ＤＥＭ 数据求得坡度、坡向数据。 ２００１２０１６ 年 的温度、降雨量数据通过国家气象科学数据共享服务平台（ｈｔｔｐ／ ／ ｄａｔａ．ｃｍａ．ｃｎ／ ）下载获得；植被类型数据来 自项目组前期的研究成果；煤矿开采生产信息来自山西省国土资源厅发表的山西省煤炭资源相关数据。 表 １ Ｌａｎｄｓａｔ 遥感数据情况 Ｔａｂｌｅ １ Ｔｈｅ ｐｒｏｆｉｌｅ ｏｆ Ｌａｎｄｓａｔ ｄａｔａ 年份 Ｙｅａｒ 长河矿区 Ｃｈａｎｇｈｅ ｍｉｎｉｎｇ ａｒｅａ离柳矿区 Ｌｉｌｉｕ ｍｉｎｉｎｇ ａｒｅａ平朔矿区 Ｐｉｎｇｓｈｕｏ ｍｉｎｉｎｇ ａｒｅａ 时间传感器时间传感器时间传感器 ２００１０７⁃２１ＴＭ５０７⁃２８ＴＭ５０８⁃０４ＴＭ５ ２００５０７⁃０７ＴＭ５０７⁃３０ＴＭ５０７⁃１４ＴＭ５ ２０１００８⁃０６ＴＭ５０８⁃０６ＴＭ５０７⁃１２ＴＭ５ ２０１３０８⁃３０ＬＣ８０７⁃２０ＬＣ８０８⁃０５ＬＣ８ ２０１４０８⁃２５ＬＣ８０８⁃０１ＬＣ８０８⁃２４ＬＣ８ ２０１５０９⁃０４ＥＴＭ０８⁃０４ＬＣ８０７⁃２６ＬＣ８ ２０１６０９⁃０７ＬＣ８０７⁃２８ＬＣ８０７⁃２８ＬＣ８ ２．２ 研究方法 ２．２．１ 地形调节植被指数 本研究采用江洪等人［２６］提出的植被指数计算方法，用红光波段数据构建阴影植被指数（ＳＡＶ）与优选比 值植被指数（ＲＶＩ）形成线性组合，构建基于波段比模型的地形调节植被指数 ＴＡＶＩ，见公式（１），以此来消除地 形对植被指数计算的影响。 ＴＡＶＩ ＝ ＲＶＩ ＋ ｆ Δ ＳＶＩ；ＲＶＩ ＝ Ｂｎｉｒ Ｂｒ ；ＳＶＩ ＝ １ Ｂｒ （１） 式中， Ｂｎｉｒ表示遥感影像近红外波段数据； Ｂｒ表示遥感影像红光波段数据。 ｆ Δ 为地形条件因子， ｆ Δ 的确 定采用“极值优化”算法［２７］，通过程序实现。 首先选取具有强烈地形影响的样区，通过监督分类分为阴坡和 阳坡 ２ 类，然后设计循环程序，令 ｆ Δ 从 ０ 开始，以 ０． ０００ １ 为间隔，依次递增，同时考察阴坡部分 ＴＡＶＩ 的最 大值与阳坡部分 ＴＡＶＩ 的最大值，当两者相差小于 ０．０１ 时，退出循环，得到 ｆ Δ 优化结果。 对 ＴＡＶＩ 数据进行极差标准化处理 ＴＡＶＩ′＝ ＴＡＶＩ－ＴＡＶＩｍｉｎ ＴＡＶＩｍａｘ－ＴＡＶＩｍｉｎ （２） 式中，ＴＡＶＩ′是标准化后的植被指数值，取值 ０１；ＴＡＶＩ 是标准化前植被指数值；ＴＡＶＩｍａｘ是标准化前植被指数 最大值；ＴＡＶＩｍｉｎ是标准化前植被指数最小值。 ２．２．２ 植被覆盖度计算 在地形调节植被指数的基础上，采用像元二分模型获得研究区植被覆盖度。 ＦＶＣ＝ ＴＡＶＩ－ＴＡＶＩｓｏｉｌ ＴＡＶＩｖｅｇ－ＴＡＶＩｓｏｉｌ （３） 式中，ＦＶＣ 表示植被覆盖度；ＴＡＶＩｓｏｉｌ为裸土或无植被覆盖区的 ＴＡＶＩ 值；ＴＡＶＩｖｅｇ表示纯植被像元的 ＴＡＶＩ 值。 根据经验，ＴＡＶＩｓｏｉｌ与 ＴＡＶＩｖｅｇ分别取累积频率 ５％和 ９５％处的值。 ９４０６ １７ 期 王国芳 等典型矿区植被覆盖度时空分布特征及影响因素 ｈｔｔｐ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ ２．２．３ 植被覆盖度的时空变化特征 采用线性回归斜率法［２８］，研究像元尺度下植被覆盖度随时间的变化趋势。 对每个像元，在选定的 ｎ 个年 份下分别计算其植被覆盖度，计算植被覆盖度对年份的回归系数（公式 ４）。 如果回归系数大于一定的临界 值，表明该像元对应的实际矿区位置上植被覆盖度逐年增加；介于一定的范围内，表明植被覆盖度变化不明 显；小于一定的临界值，表明植被覆盖度减少［２９］。 ｂ ＝ ∑ ｎ ｉ ＝ １ ｎｉ－􀭶ｎｆｉ－􀭱ｆ ∑ ｎ ｉ ＝ １ ｎｉ－􀭶ｎ ２ （４） 式中，ｂ 表示植被覆盖度对年份的回归系数；ｎ 为监测年数；本文 ｎ 为 ７；ｎｉ表示年份；ｆｉ表示第 ｉ 年的植被覆盖 度；􀭶ｎ 表示总年份数的平均值；􀭱 ｆ 表示监测时段植被覆盖度的平均值。 ２．２．４ 植被覆盖度稳定性特征 变异系数（ｃｏｅｆｆｉｃｉｅｎｔ ｏｆ ｖａｒｉａｔｉｏｎ）可以量化一组数据的离散程度［３０］，并且可以消除测量尺度和量纲的影 响。 本研究采用变异系数对研究区植被覆盖度的稳定性进行研究。 ＣＶ ＝ Ｓ 􀭱ｘ ；Ｓ ＝ ∑ ｎ ｉ ＝ １ ｘｉ－􀭱ｘ ２ ｎ ；􀭱 ｘ ＝ ∑ ｎ ｉ ＝ １ ｘｉ ｎ （５） 式中，ＣＶ 表示植被覆盖度的变异系数；Ｓ 表示植被覆盖度的标准差； 􀭱ｘ 表示植被覆盖度的平均值；ｘｉ表示第 ｉ 年 的植被覆盖度；ｎ 表示年数。 ２．２．５ 相关性分析 相关分析可以研究现象之间是否存在某种依存关系，并对具有依存关系的现象探讨其相关方向以及相关 程度。 本论文采用 Ｐｅａｒｓｏｎ 相关系数（公式 ６）计算植被覆盖度变化与各因素的依存关系。 ｒ ＝ ∑ ｎ ｉ ＝ １ ｘｉ－􀭱ｘｙｉ－􀭱ｙ ∑ ｎ ｉ ＝ １ ｘｉ－􀭱ｘ ２ ∑ ｎ ｉ ＝ １ ｙｉ－􀭱ｙ ２ （６） 式中，ｒ 表示相关系数；ｎ 表示样本数； ｘｉ表示样本中第 ｉ 个因素的值； 􀭱ｘ 表示样本中某个因素值的平均值； ｙｉ 表示样本中第 ｉ 个样本植被覆盖度的值； 􀭱ｙ 表示样本植被覆盖度的平均值。 ３ 结果与分析 ３．１ 植被覆盖度空间分布 采用基于地形调节植被指数的像元二分模型分别计算了 ３ 个矿区 ２００１２０１６ 年各像元植被覆盖度的平 均值，为了反映出不同研究区１６ ａ 间各像元植被覆盖度之间存在的差异，依据李恒凯等［３１］对植被覆盖度的分 级标准，将研究区植被覆盖度分为 ５ 个等级（图 ２）。 长河矿区 １６ ａ 间植被覆盖度总体呈现中间低，东西两侧高的格局，多年均值分布由低到高分别占整个研 究区面积比例的 ２１．０５％、２１．９７％、２２．４５％、１７．７２％，１６．８１％，中等以下等级占到 ６５．４７％。 其中，低植被覆盖度 区域主要分布在长河及其两岸高程比较小的区域。 离柳矿区 １６ ａ 间植被覆盖度总体呈现北部低，南部高的 格局，多年均值分布由低到高分别占整个研究区面积比例的 １３．０１％、２４．００％、３１．１３％、２０．０８％、１１．７８％，中等 以下等级占到 ６８．１４％。 平朔露天煤矿区 １６ ａ 间的植被覆盖度总体呈现中西部低，北部和东南部高的格局 （图 ２），多年均值分布由低到高分别占整个研究区面积比例的 １６．７７％、１８．６９％、２８．００％、２２．４９％、１４．０５％，中 等以下等级占到 ６３．４６％。 ３ 个矿区的植被覆盖度总体上偏低，植被覆盖度大于 ０．６ 的面积比例仅占到 ３５％ 左右。 ０５０６ 生 态 学 报 ４０ 卷 ｈｔｔｐ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ 图 ２ ２００１２０１６ 年典型矿区植被覆盖度空间分布图 Ｆｉｇ．２ Ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｍａｐ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｉｎ ｔｙｐｉｃａｌ ｍｉｎｉｎｇ ａｒｅａｓ ｆｒｏｍ ２００１ ｔｏ ２０１６ 图 ３ ２００１２０１６ 年典型矿区植被覆盖度与高程趋势分析 Ｆｉｇ．３ Ｔｒｅｎｄ ａｎａｌｙｓｉｓ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ａｎｄ ｅｌｅｖａｔｉｏｎ ｏｆ ｔｙｐｉｃａｌ ｍｉｎｉｎｇ ａｒｅａｓ ｆｒｏｍ ２００１ ｔｏ ２０１６ 提取每个研究区各像元的高程值和 １６ ａ 的植被覆 盖度均值，通过对各研究区高程数据建立频次分布表进 行分组，求出每组内像元的植被覆盖度均值和对应的高 程均值，并建立二者的关系（图 ３），可以看出长河矿区 植被覆盖度随着高程的增加呈显著增加趋势（Ｒ２＝ ０．７８，Ｐ＜０．０１），离柳矿区植被覆盖度随着高程的增加也 呈显著增加趋势（Ｒ２＝ ０．８９，Ｐ＜０．０１），平朔矿区植被覆 盖度随着高程的增加趋势不显著（Ｐ＞０．０５）。 植被覆盖度的时间变化特征通过各像元 １６ ａ 间对 应年份的植被覆盖度与年份进行回归斜率分析，得到不 同像元上植被覆盖度 １６ ａ 间植被覆盖度增减的空间趋 势变化特征，并按各像元回归得到的斜率值，将植被覆 盖度变化趋势分为严重退化、轻微退化、变化不明显、轻 微改善及明显改善 ５ 类（图 ４、表 ２）。 图 ４ ２００１ ２０１６ 年典型矿区植被覆盖度空间变化趋势 Ｆｉｇ．４ Ｓｐａｔｉａｌ ｖａｒｉａｔｉｏｎ ｔｒｅｎｄ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｉｎ ｔｙｐｉｃａｌ ｍｉｎｉｎｇ ａｒｅａｓ ｆｒｏｍ ２００１ ｔｏ ２０１６ １５０６ １７ 期 王国芳 等典型矿区植被覆盖度时空分布特征及影响因素 ｈｔｔｐ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ ３ 个典型矿区不同像元植被覆盖度 １６ ａ 间的趋势变化特征如图 ４ 所示。 ３ 个矿区中植被覆盖度均呈现 出变化不明显的区域，面积分别占到 ６６．６３％、５９．９０％和 ６２．２５％，离柳矿区植被覆盖度变化不明显的像元所占 比例较小；３ 个矿区均有植被覆盖度改善的区域出现，所占比例分别为 １．７６％、２．００％、１．９１％，轻微改善所占比 例分别为 ２６．３８％、３０．５５％、２５．９０％，离柳矿区植被覆盖度改善的像元所占比重相对较大；同样 ３ 个矿区均有 植被覆盖度退化的区域出现，严重退化所占比例分别为 ０．１１％、０．６７％、１．５４％，轻微退化所占比例分别为 ５．１２％、６．８８％、８．４０％，其中平朔露天矿区植被覆盖度退化的像元所占比例最大。 表 ２ ２００１２０１６ 年植被覆盖度变化 Ｔａｂｌｅ ２ Ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｃｈａｎｇｅ ｆｒｏｍ ２００１ ｔｏ ２０１６ ＦＶＣ 变化 ＦＶＣ ｃｈａｎｇｅ ｂ 矿区 Ｍｉｎｉｎｇ ａｒｅａ 面积／ ｋｍ２ Ａｒｅａ 面积百分比／ ％ Ａｒｅａ ｐｅｒｃｅｎｔａｇｅ 严重退化长河矿区０．１２０．１１ Ｓｅｖｅｒｅ Ｓｒａｄａｔｉｏｎ［－０．０９，－０．０５）离柳矿区４．１７０．６７ 平朔矿区４．９２１．５４ 轻微退化长河矿区５．８０５．１２ Ｓｌｉｇｈｔ Ｓｒａｄａｔｉｏｎ［－０．０５，－０．０２）离柳矿区４２．８７６．８８ 平朔矿区２６．８４８．４０ 变化不明显长河矿区７５．３８６６．６３ Ｎｏｎ⁃ｓｉｇｎｉｆｉｃａｎｔ ｖａｒｉａｔｉｏｎ［－０．０２，０．０２）离柳矿区３７３．０２５９．９０ 平朔矿区１９８．９９６２．２５ 轻微改善长河矿区２９．８５２６．３８ Ｓｌｉｇｈｔ ｉｍｐｒｏｖｅｍｅｎｔ［０．０２，０．０５）离柳矿区１９０．２５３０．５５ 平朔矿区８２．８２２５．９ 明显改善长河矿区１．９９１．７６ Ｓｉｇｎｉｆｉｃａｎｔ ｉｍｐｒｏｖｅｍｅｎｔ［０．０５，０．０９］离柳矿区１２．４７２．００ 平朔矿区６．１０１．９１ 图 ５ ２００１２０１６ 年典型矿区植被覆盖度均值与标准差 Ｆｉｇ．５ Ｍｅａｎ ａｎｄ ｓｔａｎｄａｒｄ ｄｅｖｉａｔｉｏｎ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｉｎ ｔｙｐｉｃａｌ ｍｉｎｉｎｇ ａｒｅａｓ ｆｒｏｍ ２００１ ｔｏ ２０１６ ３．２ 植被覆盖度波动性 ２００１２０１６ 年 ３ 个矿区植被覆盖度总体上均呈增加 趋势（图 ５），长河矿区的增长速率为 ０．０９％／１０ ａ（Ｒ２＝ ０．１３９，Ｐ＝０．２２）；离柳矿区的增长速率为 ０．１０％／１０ ａ（Ｒ２＝ ０．２９６，Ｐ＝０．１２）；平朔矿区的增长速率为 ０．０８％／１０ ａ（Ｒ２＝ ０．４３２，Ｐ＝ ０．０６）；３ 个矿区均没有通过 ０．０５ 置信度的显著 性检验。 把各像元计算得到变异系数分为低（ＣＶ≤０．３）、较低 （０．３＜ＣＶ≤０．６）、中（０．６＜ＣＶ≤１）、较高（１＜ＣＶ≤１．４）、高 （ＣＶ≥１．４）五个等级，来反映各矿区变异程度的空间特征 和稳定性程度（图 ６）。 ３ 个矿区植被覆盖度变异程度的空 间分布存在较大差异，３ 个矿区不同程度有变异程度大的 区域，平朔露天矿区覆盖度变异程度较高的区域分布集中，长河矿区与离柳矿区覆盖度变异高值区分布比较 分散。 ３ 个矿区中变异程度级别处于中等所占比例分别为以下，长河矿区占 ９２％、离柳矿区占 ９４％、平朔矿区 占 ９３％。 ３．３ 影响因素分析 随气候、地形特征的不同，不同植被的响应会存在较大的差异［３２］。 为此对 ３ 个矿区植被类型进行划分， 长河矿区和离柳矿区的植被类型主要分为草地、灌木林、旱地、疏林地、有林地 ５ 类，平朔矿区的植被类型主要 ２５０６ 生 态 学 报 ４０ 卷 ｈｔｔｐ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ 分为草地、旱地、灌木林、有林地 ４ 类。 潜在的影响植被覆盖度变化的因素主要有降雨量、温度、高程、坡度、坡 向及不同因素的互作效应等，本研究从总的植被和区分不同植被类型两个角度分别讨论植被覆盖度变化的影 响因素。 考虑到实际取样中，降雨量和温度数据在同一区域差别不大，为此采用“以时间换空间”的方法，得 到不同降雨量和温度组合下的植被覆盖类别数据，进而得到不同因素组合下的植被覆盖度数据。 图 ６ ２００１２０１６ 年典型矿区植被覆盖度变异特征 Ｆｉｇ．６ Ｖａｒｉａｔｉｏｎ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｉｎ ｔｙｐｉｃａｌ ｍｉｎｉｎｇ ａｒｅａｓ ｆｒｏｍ ２００１ ｔｏ ２０１６ 本研究的气温和降雨量数据是基于影像获取时间的前 ３ 个月的积温和累积降雨量（图 ７），离柳矿区温度 呈显著下降趋势（Ｒ２＝０．５３，Ｐ＜０．１），长河和平朔矿区温度均呈下降趋势但不显著，３ 个矿区的降雨量均呈不 显著增加趋势。 平朔矿区的积温较低，长河矿区和离柳矿区的积温存在差异，但差异不大，但是均高于平朔矿 区的积温；３ 个矿区累积降雨量有较大差异。 采用相关分析分析了积温、累积降雨量、高程、坡度、坡向以及各 因素间的互作效应对 ３ 个矿区 １６ ａ 间植被覆盖度变化的影响因素（表 ３）及不同植被覆盖类型植被覆盖度变 化的影响因素，见表 ４。 图 ７ ２００１２０１６ 年典型矿区累积温度和累积降雨量 Ｆｉｇ．７ Ａｃｃｕｍｕｌａｔｅｄ ｔｅｍｐｅｒａｔｕｒｅ ａｎｄ ａｃｃｕｍｕｌａｔｅｄ ｒａｉｎｆａｌｌ ｏｆ ｔｙｐｉｃａｌ ｍｉｎｉｎｇ ａｒｅａｓ ｆｒｏｍ ２００１ ｔｏ ２０１６ 从表 ３ 可以看出，长河矿区总的植被覆盖度与高程、坡度的相关系数分别为 ０．３９６、０．３１５（Ｐ＜０．０１），植被 覆盖度与温度和坡度、高程的交互作用的相关系数分别为０．３１３、０．３５６（Ｐ＜０．０１），与降雨量和坡度、高程的交 互作用的相关系数分别为 ０．２５３、０．０９８（Ｐ＜０．０１），与单因素的温度或降雨量没有表现出显著的相关性；离柳矿 区总的植被覆盖度与温度、降雨量、坡度、高程的相关系数分别为－０．０７４、０．０７０、－０．１９０、０．１３８（Ｐ＜０．０１），与温 ３５０６ １７ 期 王国芳 等典型矿区植被覆盖度时空分布特征及影响因素 ｈｔｔｐ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ 度和降雨量的交互作用的相关系数为 ０．０６８，植被覆盖度与温度和坡度、高程的交互作用的相关系数分别为 ０．１８６、０．１０８（Ｐ＜０．０１），植被覆盖度与降雨量和坡度、高程的交互作用的相关系数分别为 ０．１６０、０．０８８（Ｐ＜ ０．０１）；平朔矿区总的植被覆盖度与高程的相关系数为－０．０５４、与高程和温度的互作效应的相关系数为－０．０４９ （Ｐ＜０．０１）。 表 ３ 典型矿区植被覆盖度变化与影响因素的相关性 Ｔａｂｌｅ ３ Ｃｏｒｒｅｌａｔｉｏｎ ｂｅｔｗｅｅｎ ｃｈａｎｇｅｓ ｉｎ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ａｎｄ ｉｎｆｌｕｅｎｃｉｎｇ ｆａｃｔｏｒｓ ｉｎ ｔｙｐｉｃａｌ ｍｉｎｉｎｇ ａｒｅａｓ 矿区 ｍｉｎｉｎｇ ａｒｅａ 影响因素 Ｉｎｆｌｕｅｎｃｉｎｇ ｆａｃｔｏｒ ＴＰＡＳＥＴＰＡＴＳＴＥＴＡＰＳＰＥＰ 长河矿区 Ｃｈａｎｇｈｅ ｍｉｎｉｎｇ ａｒｅａ －０．００２０．０４４ －０．０３８０．３１５∗ ∗０．３９６∗ ∗ ０．０４４－０．０３８０．３１３∗ ∗０．３５６∗ ∗－０．００６０．２５３∗ ∗０．０９８∗ ∗ 离柳矿区 Ｌｉｌｉｕ ｍｉｎｉｎｇ ａｒｅａ －０．０７４∗ ∗０．０７０∗ ∗ －０．０１２０．１９０∗ ∗０．１３８∗ ∗ ０．０６８∗ ∗－０．０１６０．１８６∗ ∗０．１０８∗ ∗０．０４１∗０．１６０∗ ∗０．０８８∗ ∗ 平朔矿区 Ｐｉｎｇｓｈｕｏ ｍｉｎｉｎｇ ａｒｅａ ０．０１２０．０２５０．０２７ －０．０２３－０．０５４∗ ∗０．０２６０．０２６ －０．０２３－０．０４９∗ ∗０．０３８∗－０．０２３０．００２ ∗∗． 在 ０．０１ 级别（双尾）相关性显著；∗． 在 ０．０５ 级别（双尾）相关性显著；Ｔ温度，Ｔｅｍｐｅｒａｔｕｒｅ；Ｐ降雨量，Ｐｒｅｃｉｐｉｔａｔｉｏｎ；Ａ坡向，Ａｓｐｅｃｔ；Ｓ坡度，Ｓｌｏｐｅ；Ｅ高 程，Ｅｌｅｖａｔｉｏｎ 对各个矿区的植被区分植被类型后，对其进行影响因素相关性分析，结果表明不同的植被类型对影响因 素表现出不同的相关性，具体相关性见表 ４。 对于草地，在 ３ 个矿区中都表现出与降雨量、高程、温度与降雨 量的互作效应、高程与温度的互作效应的相关性（Ｐ＜０．０１），相关性表现为长河矿区＞离柳矿区＞平朔矿区，在 长河和离柳矿区还表现出与坡度、坡度与温度、坡度与降雨量、高程与降雨量的相关性（Ｐ＜０．０１），相关性表现 为长河矿区＞离柳矿区，在离柳矿区同时表现为与温度、坡向与降雨量的互作效应的相关性；对于灌木林，在 ３ 个矿区均表现出与坡向、坡向与温度、坡度与降雨量、高程与降雨量的互作效应的相关性（Ｐ＜０．０５），在长河和 平朔矿区表现出了与降雨量、温度与降雨