植被是陆地生态系统的重要组成部分，不仅影响全球的物质与能量循环，而且对全球气候稳定、碳的收支平衡等方面均具有重要作用[1-2]。对植被开展长时间序列的动态监测能够反映区域生态环境变化[3-4],其中植被覆盖度(Fraction of Vegetation Coverage，FVC)作为生态变化研究重要和有效指标之一，能够很好地反映地表植被的繁茂程度[5-7]。
黄河流域在我国社会经济发展和生态安全方面十分重要，是我国重要生态屏障[8]。流域北部分布有沙漠和风沙区，西部地处高寒地带，中部是水土流失严重、生态环境脆弱的黄土高原，近几十年中国经济的高速发展，人类活动越加广泛，强度不断增大，加剧了黄河流域生态环境的变化。除农牧业、城镇建设、工业发展和水电开发外，黄河流域还分布有丰富的矿产资源，煤炭开发一方面有利于保证国家的基础能源供应和支撑社会经济发展[9]，另一方面，塌陷、挖损和压占用地不断增加[10-11]，根据典型矿山的调查，每开采1万t煤炭，露天矿挖损土地平均约103 m2，井工矿塌陷面积平均约2.7×103 m2[11]，排土场、煤矸石堆放等还会压占土地，对矿区及周边微地形、土壤、水环境、生物多样性等也产生了一定的影响[12-13]，杨柯等[14]在平朔煤矿土壤中检测到有毒物质多环芳烃，造成土壤破坏同时影响植被生长;代锋刚等[15]研究发现煤炭开采导致区域含水层结构破坏并影响区域地下水循环演化态势;汪云甲等[16]利用Landsat影像、无人机和地面红外热像仪等多源遥感数据集成监测大同矿区马脊梁矿的煤火燃烧区的构造裂缝。
2019年9月，习近平总书记在郑州提出黄河流域生态保护和高质量发展重大国家战略，此后多次强调要扎实实施这一战略，加快制度创新和强化制度执行，引导绿色生产生活方式。黄河流域高质量发展战略实施，迫切需求资源调查、生态变化监测与环境风险识别、生态保护与修复及实施评价、流域规划、生态保护机制等领域科技研发支撑。煤炭基地作为整个黄河流域的重要组成部分，应高度重视煤矿区生态环境变化、生态修复与环境治理。已有学者针对黄河流域生态变化从省级行政区[6]、水资源类型区[17]、整个黄河流域[7]等多个尺度应用GIMMS,MODIS数据和Landsat影像等不同来源数据开展了大量工作，针对单一矿区的长时序遥感监测持续增加[18-20]，如李晶等[18]研究了露天矿区开采损毁-植被恢复的演替轨迹类型;张世文等[19]揭示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，但整体而言，目前对整个流域尤其是针对黄河流域煤炭基地生态状况长时序研究仍显滞后，科研成果难以满足对流域及煤炭基地生态环境保护修复政策制定等的现实需求[21]。
现有研究表明:基于Google Earth Engine遥感云平台进行植被指数分析[22-24]、土地利用覆盖[23]和其他土地利用遥感信息提取及分类[25]等相较于传统的遥感分析手段具有明显的特色优势，特别是在长时间序列、大范围的遥感监测研究中，GEE平台借助云端计算能极大的缩短影像处理时间，提高工作效率，如Traganos等[26]借助GEE平台使用sentinel-2进行全球尺度海草的测绘和监测，具有极佳的应用前景[27-28]。但在整个黄河流域，应用GEE平台开展研究刚刚起步，梁超[29]反演了黄河流域2000—2017年的水体指数并对地表水进行了变化检测和变化规律分析，等等。对黄河流域尤其是流域内规划矿区基于GEE平台的长时序植被覆盖度变化监测未见报道，对其生态变化时空差异认知缺乏研究数据支撑，流域生态变化特征及机理尚不明晰[30]。
针对上述问题，笔者采用GEE遥感云平台，逐年遍历1987—2020年黄河流域40 525景Landsat遥感影像，对其进行云量筛选、去云、NDVI指数计算、叠加提取最大值、镶嵌处理等获取植被覆盖度信息，分析了34 a来该地区植被覆盖度的动态变化特征，揭示了黄河流域及煤炭国家规划矿区间植被覆盖度时空异质性，为科学认识整个流域和煤炭规划矿区植被覆盖度变化轨迹及其差异，以及客观评估生态现状和自然、煤炭开发等人类活动影响奠定基础，同时为黄河流域高质量发展背景下矿区绿色开发和生态保护修复提供数据和技术支撑。
1 研究区概况
黄河流域是我国第二大流域，西起巴颜喀拉山，东至渤海，北临阴山，南到秦岭，流域面积达 7.52×105 km2。地势西高东低，从西到东横跨青藏高原、内蒙古高原、黄土高原和黄淮海平原4个地貌单元，途径青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南、山东9个省(自治区)，如图1所示。内蒙古托克托县河口镇和河南荥阳市桃花峪将黄河流域分成上、中、下游3段，上游河段全长3 472 km，流域面积3.86×105 km2，占黄河流域面积51.3%;中游和下游河段长度分别为1 206 km和786 km，下游流域面积仅2.3×104 km2，占全流域面积的3%。
黄河流域是我国重要的生态屏障区，拥有黄河源生态保护区、黄土高原生态保护区、秦岭山地生态保护区和黄河三角洲湿地生态保护区等9个生态功能保护区，合计约占整个流域面积的46%。另一方面，黄河流域牧业、农业、工矿业和城镇建设等人类活动也广泛分布，且矿产资源富集。超过40%的流域面积蕴藏着煤炭资源，煤炭储量约占全国的45%，原煤产量约占全国的60%，分布有宁东、神东、陕北、黄陇、晋北、晋中、晋东、河南和鲁西9个国家大型煤炭基地，涉及59个煤炭国家规划矿区(以下简称“规划矿区”)，是我国最为重要的煤炭资源富集区、原煤生产加工区和煤炭产品转换区，煤炭开发历史悠久。本文中仅涉及44个规划矿区，即黄河流域与煤炭规划矿区范围的重叠区域，未考虑行政界线和规划矿区的完整性，面积为98 284.36 km2，如图1所示。
图1 研究区示意
Fig.1 Location of the study area
1989年《土地复垦规定》颁布实施后，尤其是“十八大”以来，各级政府和各类生产建设企业更加重视生态修复，力争做到“不欠新账、快还旧账”。黄河一直体弱多病，“表象在黄河，根子在流域”，客观评估黄河流域及流域内煤炭规划矿区生态状况，是摸清并解决困难和问题的基础和关键。
2 数据来源与预处理
遥感影像数据来源于美国地质调查局(United States Geological Survey,USGS)，通过GEE平台(https://code.earthengine.google.com/)获取了1987—2020年Landsat大气层顶反射率数据(Top of Atmosphere Reflectance,TOA Reflectance)，影像分辨率为30 m，时间分辨率为16 d。由于Landsat 7卫星自2003年发生故障，导致部分数据条带丢失，为避免条带影响，未使用该平台传感器数据。1987—2012年和2013—2020年分别使用Landsat 5和Landsat 8数据，黄河流域共计40 525景，其中规划矿区共计19 255景。黄河流域矢量边界数据以及1987—2015年降水和气温数据均来源于中国科学院资源环境科学数据中心(http://www.resdc.cn/)，2016—2020年黄河流域降水和气温数据采用ECMWF/ERA5/DAILY;高程、坡度、坡向数据采用USGS/SRTMGL数据。煤炭国家规划矿区采用国家发改委《大型煤炭基地建设规划》(发改能源〔2006〕352号)中涉及的98个煤炭国家规划矿区，其中部分矿区分布于黄河流域。
Landsat数据获取和预处理主要包括时间和云量筛选、去云处理、指数计算、合成和镶嵌等。首先选择研究区云量小于30%的影像，时间周期按照每年1月1日到次年1月1日进行筛选，依据GEE平台的simpleCloudScore算法对Landsat TOA数据进行去云处理[5,25]。在线计算归一化植被指数(Normalized Difference Vegetation Index，NDVI)，然后采用最大值合成算法合成影像，影像裁剪均采用Quality Mosaic算法在线完成，进一步消除云雾、大气以及卫星传感器角度等对遥感数据带来的不利影响。
3 研究方法
3.1 植被指数空间数据提取
植被指数的年际变化的研究，采用国际通用的最大值合成法(Maximum Value Compositing,MVC)[31]，第i年的植被覆盖度值为
(1)
式中，
是第i年NDVI最大合成值，即植被覆盖度的最高值;
第i年第p期影像NDVI值;m为第i年16 d影像总数。
3.2 植被覆盖度计算
归一化植被指数(Normalized Difference Vegetation Index，NDVI)是植被生长状态和空间分布的指示因子，是当前最常用的一种植被指数，其计算方法为:
(2)
式中，RNIR为近红外波段的反射值;Rred为红光波段的反射值。
植被覆盖度采用像元二分模型[8]计算:
(3)
其中，CFV为植被覆盖度;
为裸土或无值被覆盖度的INDV像元值;
为纯植被覆盖地表的像元值。其中，裸地像元值和纯植被覆盖像元值的理论值应分别接近0和1。本研究中采用0.5%置信度截取INDV上下阈值，将INDV数值最大、最小的0.5%区域分别做平均值，得到和
3.3 植被覆盖度时序变化特征分析
在黄河流域内1987—2020年中第i年FVC的均值计算方法为
(4)
式中，
为黄河流域第i年的植被覆盖度均值;fij为黄河流域内第i年中第j个像元的FVC取值，i为年的序列号(i=1,2,…,34);s为像元总个数。
为进一步研究植被覆盖度时序变化特征，黄河流域植被覆盖度时序变化特征分析采用年际间转移矩阵分析法，参考相关文献[6]，采用等差方法进行分级，其中CFV≤10%为低植被覆盖区域，10%<CFV≤35%，35%<CFV≤55%，55%<CFV≤75%和75%<CFV分别为中低、中、中高和高植被覆盖区域。
3.4 植被覆盖度变化趋势分析
采用一元线性回归方法，对黄河流域内34 a植被覆盖度的时序变化进行模拟分析，再比较各像元变化趋势空间差异，最终揭示植被覆盖度变化的时空特征[4-5]:
(5)
其中，l为斜率;n为监测年数;fi为对应i年份的CFV值。当l>0时，表示植被覆盖度呈现上升趋势，反之呈现下降趋势。
一元线性回归的趋势性检验采用F检验法[32]，即
(6)
式中，U为回归平方和;Q为误差平方和;α为显著性水平;n=34为监测年数。
3.5 植被覆盖度的空间差异
地形和气候是养分堆积、水热条件产生的重要条件，影响植被覆盖度分布，笔者从高程、坡度、坡向、降水量、气温和土地分类6个维度，分析黄河流域及其规划矿区的植被覆盖度的分布特征。
采用等间距法按高程将研究区划分为9级;兼顾《森林资源规划设计调查技术规程》(GB/T 26424)将区域内坡度分为6级;坡向划分为平面、北坡、东北坡、东坡、东南坡、南坡、西坡、西南坡和西北坡等9个方向;降水量采用等间距法划分为6级，依据气温差异划分7个温度区;土地分类参考《土地利用现状分类》(GB/T 21010—2017)划分为耕地、林地、草地、水域、建设用地和未利用地6类，如图2所示。
图2 黄河流域各类型分区因子及其空间分布示意
Fig.2 Spatial difference of factors for vegetation cover analysis in the Yellow River Basin
4 结果与分析
4.1 植被覆盖度时序和空间差异总体特征
4.1.1 平均植被覆盖度年际时序变化特征
1987—2020年黄河流域及规划矿区植被覆盖度均值年际变化趋势如图3所示，2者均呈现波动上升趋势，且黄河流域的植被覆盖度整体高于矿区的植被覆盖度。前者增速每10年0.036，平均植被覆盖度由1987年的0.457 4上升到2020年的0.581 7，最高值、最低值分别出现在2020年和1988年，为0.581 7和0.420 4;而规划矿区的植被覆盖度的增速为每10年0.054，均值为0.419 9，最高值、最低值分别出现在2020年和1993年，值为0.536 2和0.336 7。
图3 1987—2020年植被覆盖度时间变化曲线
Fig.3 Vegetation coverage variation curve from 1987 to 2020
进一步检验表明:2个时序均为一阶单整时序，且存在着协整关系，尽管2008—2010年出现小幅偏离均衡关系，但2者保持长期稳定的关系，均具有相同的、明显的阶段性递增特征。
尝试构建ARMA模型和拟合AR(1)模型，见式(7)，经过参数显著性检验，该模型拟合优度较高，拟合效果良好:
(7)
式中，
为第i年规划矿区植被覆盖度均值;ξi 为误差项，这里指模型没有包含的自变量造成的影响;B为延迟算子，这里表示一阶自回归。
该模型说明黄河流域FVC会受到规划矿区的影响(协整关系)且规划矿区对黄河流域FVC影响显著较大，规划矿区FVC每增加1个单位，会导致0.555 7个单位黄河流域FVC的增加。
4.1.2 植被覆盖度变化趋势类型及数量差异
采用一元线性回归方法对黄河流域内34 a间植被覆盖度变化趋势类型及其分布数量特征进行分析，结果见表1，1987—2020年黄河流域植被覆盖显著退化的面积为29 009.76 km2，占流域总面积的3.55%，其中极显著退化的区域占0.37%;植被覆盖显著改善面积为271 040.99 km2，占流域总面积的33.19%，其中极显著增加区域占比1.91%;基本稳定的区域面积为51.66 km2，占比63.26%。
表1 1987—2020年黄河流域植被覆盖度演变趋势类型及构成
Table 1 Categories of vegetation cover change tendency in the Yellow River Basin from 1987 to 2020
植被覆盖度变化趋势变化率黄河流域面积/km2百分比/%1987年FVC均值2020年FVC均值黄河流域规划矿区面积/km2百分比/%1987年FVC均值2020年FVC均值极显著退化l<0,α<0.013 031.790.370.200.07263.300.270.250.12显著退化l<0,0.01<α<0.0525 977.973.180.380.252 662.432.710.460.30基本稳定α>0.05516 614.0263.260.480.5737 689.3338.350.430.49显著改善l>0,0.01<α<0.05255 426.1331.280.350.6453 331.9454.260.310.58极显著改善l>0,α<0.0115 614.871.910.190.614 337.364.410.180.58
对比分析表明，规划矿区范围内的植被覆盖度变化特征与整个流域的特征相似。显著退化的区域占整个矿区范围面积的2.98%，其中极显著退化的区域面积为263.30 km2，占比0.27%;基本稳定的区域为37 689.33 km2，约占38.35%;显著改善的区域约占58.67%，其中极显著改善的面积4 337.36 km2，占比4.41%。尽管显著退化面积占比，规划矿区比较整个黄河流域偏低，同时显著改善的面积占比高于黄河流域，但从1987年、2020年FVC均值来看，各变化趋势类型区(显著退化区2020年除外)，规划矿区FVC值均低于黄河流域FVC均值。
4.1.3 植被覆盖度及变化趋势空间差异
黄河流域多年平均植被覆盖度空间差异明显，如图4(a)所示，除河西走廊、宁夏平原、河套平原等外，主要呈现南高北低、由东南向西北递减的趋势。植被覆盖度变化趋势类型中，如图4(b)所示，显著下降的区域主要分布于河套平原以北和以东部分地区、贺兰山东部、秦岭北部以及太行山以南的部分区域，显著增加的区域主要分布在黄河流域中部的黄土高原生态功能保护区、太行山地生态功能保护区和秦岭山地生态功能保护区东部部分区域，黄河流域西部的黄河源生态保护区、若尔盖一玛曲生态功能保护区和黑河流域生态功能保护区植被覆盖度变化趋势相对不明显。
图4 黄河流域植被覆盖度空间差异
Fig .4 Spatial difference of vegetation coverage in the Yellow River Basin
各规划矿区对比分析结果如图5所示，三角形图表明了每一规划矿区长时序植被覆盖度变化趋势类型结构，整体以稳定和改善为主，植被覆盖退化占比偏高的规划矿区较少。从图5中各规划矿区不同植被覆盖变化趋势类型分布看，石炭井矿区与包头矿区退化面积占比相对高，退化面积占相应矿区比例分别为43%和37%;改善占比高的矿区较多，以彬长矿区和乡宁矿区最为显著，改善面积占比均超过80%;植被覆盖度基本稳定占比高的流域内规划矿区包括巨野矿区、石沟驿矿区、黄河北矿区等。
图5 黄河流域规划矿区植被覆盖度变化趋势类型及分布比较
Fig .5 Time series change tendency of vegetation coverage in state planned coal-mining areas of the Yellow River Basin
上述结果说明，矿业开发、新增城镇建设、砍伐等人类活动导致植被覆盖度显著下降的区域在流域尺度上呈现点多、面广、零散分布的特征，规划矿区内呈退化趋势面积合计为2 925.73 km2;退耕还林还草、土地复垦和生态修复等是植被覆盖显著改善的重要因素;气候因子变化则是黄河流域及规划矿区生态变化的重要和基础性因素，影响范围更为广泛。
4.2 植被覆盖度随地形因子的变化特征
4.2.1 不同高程区植被覆盖度及变化差异
如图6(a)所示，黄河流域植被覆盖度随着海拔升高呈先下降后上升的趋势，9个高程带中，1 000～1 500 m平均植被覆盖度最低，值为0.387 9，海拔3 500～4 000 m平均植被覆盖度最高，值为0.843 0。经纬度和海拔高度不同，区域水热条件、植被类型存在差异，影响植被覆盖度的分布。海拔超过3 000 m的区域，人为扰动因素少，植被覆盖度相对高，但海拔超过4 000 m时一般已远越过林线，植被覆盖度迅速下降。从图6各高程带植被覆盖度变化趋势类型构成来看，海拔500～1 000 m和1 500～2 000 m的区域植被覆盖度改善效果最为显著，随着海拔的升高显著性改善区域占比减小。黄河流域内海拔在500～2 000 m的面积占比超过60%，该区受人类活动影响较大，退耕还林还草等因素影响，植被改善效果最为显著。
图6 不同海拔高度区植被覆盖度及时序变化趋势类型构成
Fig.6 Composition of vegetation coverage and change trend types at different altitudes
黄河流域规划矿区植被覆盖度随海拔呈现同样先下降后上升的变化趋势，如图6(b)所示，7个海拔中，1 500～2 000 m海拔平均植被覆盖度最低，值为0.358 5，面积占比为66.91%;2 000～2 500 m平均植被覆盖度最高，值为0.648 0，面积占比仅为0.09%。黄河流域内规划矿区主要集中在海拔500～2 000 m，面积占比为99.89%，相应高程带受规划矿区本身下垫面特征及农业、牧业、矿业、城乡建设及其它工业等人类活动影响，平均植被覆盖度明显低于同高程区域黄河流域平均水平。
4.2.2 不同坡度区植被覆盖度及变化差异
如图7(a)所示，随着坡度的增加，黄河流域平均植被覆盖度逐渐增高且趋于稳定，坡度5°～10°区域最低，值为0.440 0，坡度25°～45°区域最高，值为0.677 2。一方面，坡度较缓的区域人类活动较为密集，坡度大的区域人类活动受到地形限制逐渐减少，植被受到的干扰也就越小，此外坡度大于15°区域林地相对不易发生流转，一定程度上导致植被覆盖度随着坡度的增加呈现上升趋势。
图7 不同坡度区植被覆盖度及变化趋势类型构成
Fig.7 Composition of vegetation coverage and changing trend types in different slope areas
黄河流域规划矿区平均植被覆盖度随坡度变化呈现下降—上升—下降的趋势，坡度5°～10°区域植被覆盖度最低，值为0.385 6，84.29%黄河流域煤炭规划矿区分布于该坡度区，是黄河流域煤炭开发的主要区域，此外人类活动同样相对密集。与黄河流域相比，该坡度区域规划矿区植被覆盖显著改善比例相对高，但植被覆盖度平均水平与黄河流域同类型区域相比明显偏低。
4.2.3 植被覆盖度随坡向变化特征
坡向为每个栅格高程值改变量变化的方向，不同的坡向太阳辐射量级及土壤水分等存在差异。
如图8(a)所示，黄河流域平面区域平均植被覆盖度值为0.301 8，而在其他所有坡向平均植被覆盖度均值为0.497 8;图8(b)中，规划矿区平面区域平均植被覆盖度为0.677 6，其他坡向区域平均植被覆盖度均值为0.416 1。进一步比较发现，黄河流域及其规划矿区的平均植被覆盖度和植被覆盖度变化趋势类型结构在8个坡向区域差异不大，即坡向对于整个黄河流域及其规划矿区植被覆盖度影响与地带性气候因子、海拔、坡度、土地利用方式相比并不显著，坡向在其他下垫面因子相同情况下会起作用，阳坡和阴坡光热和降水差异对局部地区影响仍会较明显。
图8 不同坡向植被覆盖度及其变化趋势类型的构成
Fig.8 Composition of different slope vegetation cover and its changing trend types
4.3 植被覆盖度随气候因子的变化特征
4.3.1 植被覆盖度与气候因子的时序变化关系分析
图9为黄河流域及其规划矿区植被覆盖度与降水量、气温的年际变化。从时间序列上看，1987—2020年黄河流域的年均降水量和气温均呈现上升趋势，上升速率分别达到2.557 mm/(10 a)和0.034 6 ℃，其中植被覆盖度和降水、气温的相关系数分别为0.494 1和0.613 2。规划矿区年均降水量上升并不明显，气温上升速率为0.034 2 ℃/(10 a)，植被覆盖度和降水、气温的相关系数均低于整个黄河流域，分别为0.300 6和0.574 9。黄河流域及规划矿区植被覆盖度与气温的相关性均高于与降水的相关性，此外，黄河流域和规划矿区FVC提升速率明显高于降水速率和略高于气温变化速率，1990年、2003年和2013年变化更为明显。
图9 植被覆盖度与年均降水量和气温分析
Fig.9 Analysis of vegetation coverage and average annual precipitation and temperature
4.3.2 植被覆盖度与气候因子分布的空间关系特征
黄河流域植被覆盖度与年均降水、气温的空间关系分析如图10所示。植被覆盖度与年均降水量相关系数的分析结果表明(图10(a))，黄河流域大部分地区的植被覆盖度与降水量呈现正相关，其中在无定河流域、窟野河流域、黑山峡等地相关系数多为0.6以上，只有极少数地区和降水量不相关。年均气温与植被覆盖度的相关性分析表明(图10(b))，绝大多数区域气温和植被覆盖度也呈现正相关，在黄河流经山西和陕西的区域大部分地区均呈现显著相关，黄埔川流域正相关系数最高超过0.9，而在黄河流域的西北部则呈现负相关。
图10 植被覆盖度与降水量和气温相关系数
Fig.10 Relationship analysis of FVC with precipitation and temperature
4.4 植被覆盖度与土地利用变化分析
1986—2018年黄河流域耕地、未利用地面积均呈现下降趋势，面积净减少分别为8 745.64 km2和9 507.40 km2;而林地、草地和建设用地面积均呈现上升趋势，其中建设用地增加最为显著，面积净增加13 871.18 km2，林地和草地共增加4 857.06 km2。
黄河流域规划矿区范围内建设用地增长较快，2018年与1986年相比，面积净增长4 224.87 km2，占2018年建设用地总量的4.07%;林地面积略有增加，为554.64 km2;耕地、草地、水域和未利用地分别减少2 216.79，392.66，102.46和2 064.62 km2，地类发生转化的面积占黄河流域规划矿区总面积的9.22%。规划矿区内未利用地面积减少对植被覆盖度提升有促进作用，但同时建设用地、工矿用地增多，少量耕地、草地也转为建设用地或受到人为损毁，矿区整体植被覆盖度仍然偏低。
上述土地利用转换数据与图3、图5中黄河流域及规划矿区植被覆盖度时序变化特征及变化趋势类型结构数据综合分析表明，过去30多年黄河流域建设用地增加的同时植树造林、退耕还林(草)、农业生态环境改善等生态保护措施发挥了重要作用，与气候变化因素共同促进了黄河流域植被覆盖度等生态指标的改善。《土地复垦规定》(1989)和《土地复垦条例》(2013)实施，矿山企业履行“谁破坏、谁复垦”义务和主动承担环境保护社会责任意识提升，也是建设用地增加情况下，规划矿区植被覆盖度改善面积占比相对较高的原因之一。
5 结论与讨论
(1)1987—2020年黄河流域及其规划矿区植被覆盖度均呈波动上升趋势，2者具有相对稳定的一致性特征。尽管规划矿区内植被覆盖度增长速率高于黄河流域，但时序年均植被覆盖度始终低于整个黄河流域历年均值。
(2)34 a时序趋势类型构成中，黄河流域植被覆盖度变化趋势相对稳定的面积占比最大(63.26%)，且植被覆盖改善的面积(33.19%)大于植被覆盖退化的面积(3.55%)，规划矿区内植被覆盖度改善面积占比高于黄河流域，但至2020年规划矿区植被覆盖度仍明显低于黄河流域平均水平。多年平均植被覆盖度的空间分布特征，呈现为东南高西北低，由东南向西北递减的特点。
(3)黄河流域植被覆盖度的地形分异性明显，高程和坡度对植被覆盖度的影响较为显著。在海拔1 000～2 000 m和坡度5°～10°黄河流域及其规划矿区植被覆盖度显著改善面积占比高，但同海拔区域和坡度为5°～10°区域多年平均植被覆盖度明显偏低。气候因子中，气温对植被覆盖度的影响相对显著，降水量和气温对于规划矿区的植被覆盖度的影响均小于对整个黄河流域的影响。
(4)1986年以来，黄河流域建设用地、林地和草地增加，耕地和未利用地减少;规划矿区建设用地、林地增加，草地、耕地和未利用地减少。退耕还林还草、植树造林、城镇和生态建设、农业生产环境改善等因素与气候变化等共同作用，促进了黄河流域植被覆盖度增加和植被覆盖变化趋势类型的多样性。
尽管本文应用长时序、多源数据以多角度客观揭示了黄河流域及规划矿区植被覆盖度时序和空间变化特征，可以为生态保护修复政策制定和科学认识与评价整个流域及规划矿区生态状况等提供数据支撑，但研究中也存在多源数据时间和空间分辨率难以完全一致、成果精准性受到影响等问题。此外，文中严格以黄河流域边界确定研究区范围，导致地处黄河流域边缘的规划矿区仅纳入了与黄河流域重叠的部分，未顾及与黄河流域相交的煤炭规划矿区边界的完整性;更为重要的，针对植被覆盖度时序变化和空间差异的机理缺乏深入分析。黄河流域煤炭开采点多、强度大，盲目夸大或忽略其影响均是不适宜的。今后有必要从煤炭开发、地形因素、气候因素、产业发展与土地利用、人口与城镇化、生态保护措施等开展多要素系统耦合研究，以便更精确地分离和评估矿产资源开采等对黄河流域及规划矿区植被覆盖度等生态指标时空变化的贡献度。
致谢 感谢中科院地理科学与资源研究所董金玮研究员对本文数据预处理的意见和建议！
[1] FAN Na,XIE Gaodi,ZHANG Changshun,et al.Spatial-temporal dynamic changes of vegetation cover in Lancang River Basin during 2001—2010[J].Resource Science,2012,34(7):1222-1231.
[2] 颜明,贺莉,王随继,等.基于NDVI的1982—2012年黄河流域多时间尺度植被覆盖变化[J].中国水土保持科学,2018,16(3):86-94.
YAN Ming,HE Li,WANG Suiji,et al.Changing trends of NDVI in the Yellow River Basin from 1982 to 2012 at different temporal scales[J].Science of Soil and Water Conservation,2018,16(3):86-94.
[3] ZHANG Xiaofeng,LIAO Chunhua,LI Jonathan,et al.Fractional vegetation cover estimation in arid and semi-arid environments using HJ-1 satellite hyperspectral data[J].International Journal of Applied Earth Observation and Geoinformation,2013,21:506-512.
[4] 李晶,崔绿园,闫萧萧,等.草原矿区长时序植被覆盖度变化趋势对比分析[J].测绘通报,2019(8):130-134,157.
LI Jing,CUI Lüyuan,YAN Xiaoxiao,et al.Comparative analysis of long-term trends on fraction of vegetation coverage in grassland mining area[J].Bulletin of Surveying and Mapping,2019(8):130-134,157.
[5] 闫萧萧,李晶,杨震.2000—2016年陈巴尔虎旗植被覆盖度时空变化遥感动态监测[J].中国农业大学学报,2018,23(6):121-129.
YAN Xiaoxiao,LI Jing,YANG Zhen.Dynamic remote sensing monitoring on the temporal-spatial changes of vegetation coverage in Chen Barag Banner from 2000 to 2016[J].Journal of China Agricultural University,2018,23(6):121-129.
[6] 陆荫,张强,李晓红,等.黄河流域甘肃段植被覆盖度时空变化及对气候因子的响应[J].水土保持通报,2020,40(2):232-238.
LU Yin,ZHANG Qiang,LI Xiaohong,et al.Temporal and spatial variation of vegetation coverage and its response to climate factors in Gansu Section of Yellow River Basins[J].Science of Soil and Water Conservation,2020,40(2):232-238.
[7] 袁丽华,蒋卫国,申文明,等.2000—2010年黄河流域植被覆盖的时空变化[J].生态学报,2013,33(24):7798-7806.
YUAN Lihua,JIANG Weiguo,SHEN Wenming,et al.The spatio-temporal variations of vegetation cover in the Yellow River Basin from 2000 to 2010[J].Acta Ecologica Sinica,2013,33(24):7798-7806.
[8] 李彬.变化环境下黄河流域水汽时空演变特征及水文响应研究[D].呼和浩特:内蒙古农业大学,2018.
LI Bin.Temporal and spatial evolution characteristics of water vapor and hydrological response in the Yellow River Basin under changing environment[D].Hohhot:Inner Mongolia Agricultural University,2018.
[9] 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.
[10] 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.
[11] 苏光全.中国采矿业的发展与矿区土地损毁预测[J].资源科学2002,17(2):17-21.
SU Guangquan.Utilization of waste land in minging areas of China[J].Resources Science,2002,17(2):17-21.
[12] 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.
[13] 彭苏萍.河流域高质量发展亟须重视煤矿区生态修复[N].中国科学报,2020-09-07(001).
[14] 杨柯,姜建军,刘飞,等.平朔露天煤矿复垦区土壤中多环芳烃分布特征、来源解析及风险分析[J].地学前缘,2016,23(5):281-290.
YANG Ke,JIANG Jianjun,LIU Fei,et al.Polycyclic aromatic hydrocarbons(PAHs)in the topsoils of typical reclaimed area in Pingshuo opencast coal mine:Status,sources and risk[J].Earth Science Frontiers,2016,23(5):281-290.
[15] 代锋刚,张发旺,王滨,等.群矿开采条件下山西潞安矿区的地下水流场变化[J].地球学报,2018,39(1):94-102.
DAI Fenggang,ZHANG Fawang,WANG Bin,et al.Changes of the groundwater flow field of Lu’an Mining Area,Shanxi Province,under the condition of group mining[J].Acta Geoscientica Sinica,2018,39(1):94-102.
[16] WANG Yunjia,TIAN Feng,HUANG Yi,et al.Monitoring coal fires in Datong coalfield using multi-source remote sensing data[J].Transactions of Nonferrous Metals Society of China,2015,25(10):3421-3428.
[17] 张冉,王义民,畅建霞,等.基于水资源分区的黄河流域土地利用变化对人类活动的响应[J].自然资源报,2019,34(2):274-287.
ZHANG Ran,WANG Yimin,CHANG Jianxia,et al.Response of land use change to human activities in the Yellow River Basin based on water resources division[J].Journal of Natural Resources,2019,34(2):274-287.
[18] LI Jing,YAN Xiaoixao,CAO Zhiguo,et al.Identification of successional trajectory over 30 Years and evaluation of reclamation effect in coal waste dumps of surface coal mine[J].Journal of Cleaner Production,2020,269:122161.
[19] 张世文,宁汇荣,许大亮,等.草原区露天煤矿植被覆盖度时空演变与驱动因素分析[J].农业工程学报,2016,32(17):233-241.
ZHANG Shiwen,NING Huirong,XU Daliang,et al.Analysis of spatio-temporal evolution and driving factors of vegetation fraction for opencast coal mine in grassland area[J].Transactions of the Chinese Society of Agricultural Engineering,2016,32(17):233-241.
[20] SONTER L J,MORAN C J,BARRETT D J,et al.Processes of land use change in mining regions[J].Journal of Cleaner Production,2014,84:494-501.
[21] 王双明.科学施策，构建黄河流域生态安全新格局[J].科技导报,2020,38(17):1.
WANG Shuangming.Building a new pattern of ecological security in the Yellow River Basin through scientific policy implementation[J].Science & Technology Review,2020,38(17):1.
[22] 龙爽,郭正飞,徐粒,等.基于Google Earth Engine的中国植被覆盖度时空变化特征分析[J].遥感技术与应用,2020,35(2):326-334.
LONG Shuang,GUO Zhengfei,XU Li,et al.Spatiotemporal variations of fractional vegetation coverage in China based on Google Earth Engine[J].Remote Sensing Technology and Application,2020,35(2):326-334.
[23] 裴杰,牛铮,王力,等.基于Google Earth Engine云平台的植被覆盖度变化长时间序列遥感监测[J].中国岩溶,2018,37(4):608-616.
PEI Jie,NIU Zheng,WANG Li,et al.Monitoring to variations of vegetation cover using long-term time series remote sensing data on the Google Earth Engine cloud platform[J].Carsologica Sinica,2018,37(4):608-616.
[24] ZHOU Yan，DONG Jinwei,XIAO Mingxiao，et al.Continuous monitoring of lake dynamics on the Mongolian Plateau using all available Landsat imagery and Google Earth Engine[J].The Science of the Total Environment,2019,689:366-380.
[25] 王渊,赵宇豪,吴健生.基于Google Earth Engine云计算的城市群生态质量长时序动态监测——以粤港澳大湾区为例[J].生态学报,2020,40(23):8461-8473.
WANG Yuan,ZHAO Yuhao,WU Jiansheng.Dynamic monitoring of long time series of ecological quality in urban agglomerations using Google Earth Engine cloud computing:A case study of the Guangdong-Hong Kong-Macao Greater Bay Area,China[J].Acta Ecologica Sinica,2020,40(23):8461-8473.
[26] DIMOS Traganos,BHARAT Aggarwal,DIMITRIS Poursanidis,et al.Towards global-scale seagrass mapping and monitoring using sentinel-2 on Google Earth Engine:Thecase study of the aegean and Ionianseas[J].Remote Sens,2018,10(8):1227.
[27] GORELICK Noel,HANCHER Matt,DIXON Mike,et al.Google Earth Engine:Planetary-scale geospatial analysis for everyone[J].Remote Sensing of Environment,2017,202:18-27.
[28] LIANG Jianming,GONG Jianhua,LI Wenhang.Applications and impacts of Google Earth:A decadal review (2006—2016)[J].ISPRS Journal of Photogrammetry and Remote Sensing,2018,146:91-107.
[29] 梁超.近18年来黄河流域地表水体时空变化与降水影响分析[D].开封:河南大学,2020.
LIANG Chao.Temporal and spatial variation of surface water and its impact on Precipitation in the Yellow River Basin in recent 18 years[D].Kaifeng:Henan University,2020.
[30] 刘英,雷少刚,陈孝杨,等.神东矿区植被覆盖度时序变化与驱动因素分析及引导恢复策略[J/OL].煤炭学报:1-14[2021-05-11].https://doi.org/10.13225/j.cnki.jccs.2020.1387.
LIU Ying,LEI Shaogang,CHEN Xiaoyang,et al.Temporal variation and driving factors of vegetation coverage in Shendong central mining area basedon the perspective of guided restoration[J/OL].Journal of China Coal Society:1-14[2021-05-11].https://doi.org/10.13225/j.cnki.jccs.2020.1387.
[31] HOLBEN Brent N.Characteristics of maximum-value composite images from temporal AVHRR data[J].International Journal of Remote Sensing,1986,7(11):1417-1434.
[32] 曹俊忠.一元线性回归显著性检验方法分析[J].西安工程科技学院学报,1988(S1):78-82.
CAO Junzhong.The analysis on the significant testing ways of the simple linear regression[J].Journal of Xi’an University of Engineering Science & Technology,1988(S1):78-82.
02