矿业开发集中区生态环境评价_以攀枝花为例.doc

矿业开发集中区生态环境评价矿业开发集中区生态环境评价以攀枝花为例1. 研究背景与意义随着世界人口的大量增加以及科学技术的迅猛发展，人类正以前所未有的规模和速度改变着全球生态环境，人地矛盾日趋尖锐，全球生态环境总体上呈现出恶化的趋势。在此形势下，生态安全研究现已成为当前地球科学、资源与环境科学、生态学研究的前沿和重要领域。矿产资源是人类社会赖以生存和发展必需的物质基础。随着社会的发展和进步，各种矿产资源的需求与消耗剧增，自然加速了矿山的开发，而由此造成的环境问题在世界范围内都是十分严重并且日益受到高度重视。我国是世界上少数几个矿产资源总量丰富的资源大国之一，95%以上的一次性能源，80%以上的工业原料，70%以上的农业生产资料都来自矿产资源。但长期大规模和超强度矿产资源开发，为国家的建设和发展做出巨大贡献的同时，也因忽视环境影响甚至在一定程度上以牺牲环境为代价，造成了生态环境的严重破坏甚至生态失衡。本作品在矿产资源开发和生态环境保护的背景下，立足于前人研究成果，基于多源遥感影像数据、DEM与社会经济统计数据，在充分进行野外调查的基础上，利用遥感（RS）与地理信息系统技术(GIS)，对攀枝花矿业开发集中区开展生态环境研究，研究成果对保障本区资源和生态环境安全具有重要的理论和实践意义，同时为国家、省市等有关部门制定该区生态环境保护和重建提供重要科学依据。2. 作品设计路线2.1 数据收集依据原始数据的类型，将本次研究所采用的数据划分为属性数据（非空间数据）和空间数据。属性数据包括：研究区的人口数据和国内生产总值数据， 2010年的攀枝花年鉴；年平均降水量数据和年平均气温数据，均来自中国气象科学数据共享服务网。空间数据主要包括：Landsat5卫星ETM+图像，其空间分辨率为30米，来自地理空间数据云和中国科学院对地观测以及数字地球科学中心；DEM数据，来自地理空间数据云，其空间分辨率为90m；NDVI数据，来源于地理空间数据云的MODIS数据产品；研究区土壤类型空间数据。2.2 数据处理需要将收集的数据进一步处理，处理步骤主要包括：专题数据获取：以研究区TM图像为主，利用部分SPOT5、RapidEye图像作为辅助，通过非监督分类结合目视解译的方法解译出研究区土地利用数据，并选取适当上的点进行野外验证，经验证得到研究区土地利用类型的解译精度均在90%以上；基于DEM数据派生出研究区的高程和坡度数据；将人口、GPD、气温和降水数据在ArcGIS软件中利用空间数据插值，将上述数据转换为空间数据；为保证研究区不同数据具有良好的空间重合性，本研究使用等面积投影，1954北京坐标系，克拉索夫斯基椭球体，具体投影参数为：初始经度110E，初始纬度0，双标准纬线25和47。栅格数据生成：考虑到GIS栅格数据具有较好的空间分析能力，本研究将所有专题数据转为栅格数据实现各种代数和逻辑运算，栅格大小为250m250m。2.3 评价指标体系的构建在已有研究基础上，本文遵循系统性、代表性、科学性、易获取性和可操作性的原则，并综合考虑且结合攀枝花的生态环境存在的实际问题，选取了攀枝花的高程、坡度、植被覆盖、土地利用（包括矿山开发占地）、土壤类型、GDP、气温、降水和人口等九种数据作为研究区生态环境脆弱性评价指标。2.4 评价流程按照生态环境脆弱性评价方法，本研究拟制定了以下工作流程（图1）：（1） 资料收集:包括工作区自然地理、社会经济、遥感数据等资料的收集。（2） 遥感数据处理：对获取的遥感数据，经过正射纠正、增强处理、数据融合等一系列数据处理得到满足不同信息提取要求的高质量的遥感影像。（3） 建立评价指标体系：查阅以往研究成果的基础上，并综合考虑攀枝花生态环境的现状，科学有效的选取评价指标体系。（4） 评价模型的建立：利用已建立的评价指标体系，结合GIS技术和投影寻踪模型，建立攀枝花的生态环境评价模型。（5） 评价结果分级：根据评价结果和制定的分级标准对攀枝花的生态环境进行科学的分级。（6） 综合评价：利用上述评价分级结果对攀枝花进行综合的分析。 （7） 根据分析结果和环境脆弱性的分布提出建设性以及，为研究区的生态环境保护提供理论依据。图1 工作流程图3. 模型应用3.1 评价模型的构建区域生态环境脆弱性评价的主要思想是将多项特征指标利用某种模型转化为综合评价指标。本研究主要采用投影寻踪模型和GIS技术相结合进行研究区生态脆弱性评价。在GIS软件的支持下，在ARC/INFO 中使用Raster Calculator工具，通过对数据的计算处理，寻找所选指标的最优投影方向向量，确定最后评价模型所需要的综合指标。3.2 综合评价根据投影寻踪模型得到的最佳方向向量,便可计算反映各特征指标综合信息，从而根据综合信息的差异水平做出环境脆弱性评价结论。作品主要采用生态环境脆弱性指数（eco-environment vulnerability index即EVI）来定量表征生态环境脆弱性程度，EVI被定义为若干特征指标的加权和，分别以每个特征指标所对应最优方向向量的值作为权重。3.3 同主成分分析方法的比较主成分分析由卡尔皮尔逊于1901年发明，用于分析数据及建立数理模型。其方法主要是通过对协方差矩阵进行特征分解，以得出数据的主成分（即特征矢量）与它们的权值。在Arcgis中利用主成分分析工具对攀枝花的生态环境进行评价，将其评价结果同利用投影寻踪模型的评价结果进行比较。3.4 结果分级通过对评价结果进行重分类，将研究区内的生态环境脆弱性被分为5个等级：潜在脆弱，微度脆弱，轻度脆弱，中度脆弱，重度脆弱。图2 生态环境脆弱性评价结果图根据评价结果，对研究区脆弱级别栅格数占栅格总数的比例进行分析，从总体上看，研究区轻度脆弱所占的比例最大，微度脆弱次之，其次是中度脆弱，再次是潜在性脆弱，重度脆弱所占的比例最小。比例最大的轻度脆弱占到36.57%，微度脆弱占到31.02%，中度脆弱占到21。04%，潜在性脆弱占到8.41%，比例最小的重度脆弱占2.96%。研究区微度脆弱区、轻度脆弱区以及中度脆弱所占的比例超过了85%，由此可以判断攀枝花的生态环境处于中等水平。4. 建议与结论本研究在投影寻踪模型和GIS的综合利用下，对攀枝花的生态脆弱性进行了全面的评价分析，并制定了相应的措施。以人口密度、国内生产总值、土地利用、土壤类型、高程、坡度、气温、降水、植被指数为指标，将上述指标利用投影寻踪模型和GIS技术确定其确定最佳方向向量，利用最佳方向向量确定每个指标的权重，通过计算得到研究区生态脆弱性综合指标。以分析结果为依据，将研究区生态环境脆弱性划分为五个等级，分别是重度脆