基于EAuto-VDR的中国露天煤矿近30年植被破坏与恢复时空格局自动识别研究

针对多气候背景下露天煤矿植被扰动自动识别难题，中国科学院团队开发EAuto-VDR算法，实现全国329座煤矿植被破坏/恢复时空过程的高精度（准确率0.90-0.96）自动提取，揭示"边开采边修复"模式及ADt下降趋势，为全球矿区生态监管提供新工具。

　　

煤炭作为中国最重要的化石能源，露天开采因其安全高效的特点成为煤炭工业发展的重要方向。然而，中国90%以上的露天煤矿集中在生态脆弱的内蒙古、新疆等地，采矿活动直接导致植被物理性移除，加剧生态退化。尽管遥感技术已广泛应用于矿区植被监测，但现有方法如LandTrendr和CCDC存在参数配置复杂、跨气候适用性差等问题，而团队前期开发的Auto-VDR算法仅适用于干旱半干旱区，且阈值需人工干预，识别精度仅82%-87%。如何实现多气候背景下矿区植被扰动的全自动高精度识别，成为亟待解决的科学难题。

中国矿业大学（北京）深部岩土力学与地下工程国家重点实验室团队在《Journal of Environmental Management》发表研究，开发了增强型EAuto-VDR算法。该方法通过构建样本数据集、扰动类型识别、植被/裸地阈值自动确定、扰动时空参数提取和智能优化五步流程，利用Landsat时间序列NDVI数据，实现了全国329个露天煤矿1990-2020年植被破坏与恢复过程的自动重建。关键技术包括：基于全国多气候区样本的训练集构建、改进的时序轨迹分割算法、动态阈值α自动优化模块，以及结果后处理优化流程。

研究结果显示：1）精度验证：EAuto-VDR对扰动类型、破坏时间和恢复时间的识别总体精度分别达0.96、0.92和0.90，较Auto-VDR提升显著；2）时空格局：全国露天煤矿累计植被破坏面积1271.34 km²，恢复457.23 km²，平均恢复率0.36，大规模破坏始于2003年，显著恢复始于2010年；3）开采效率：单位产煤破坏面积(AD_t)持续下降，揭示开采集约化趋势；4）模式发现：首次揭示累积破坏面积与扰动持续时间的"S型"关系、"渐进式开采"模式及"边采边复"现象。

讨论与结论指出，EAuto-VDR突破了多气候背景下阈值自适应和全自动化的技术瓶颈，其构建的全国首个露天煤矿植被扰动时空数据集为矿区生态监管提供了基准数据。研究发现的开采效率提升和恢复滞后现象，对制定"双碳"目标下的矿区生态修复政策具有重要参考价值。该方法可扩展至全球尺度，为《巴黎协定》框架下的矿区生态评估提供标准化工具。作者团队已公开算法代码（GitHub: Liguo433/EAuto-VDR_core_code），推动领域内方法学的共享与进步。