《Environmental and Sustainability Indicators》：A Context-Specific Index Accurately Tracks the Decadal Trajectory of Mining Impacts and Ecological Rehabilitation
编辑推荐：
本研究针对标准遥感生态指数(RSEI)在森林矿区应用中存在的时序不稳定性和对复杂生态动态敏感性不足的问题，提出了一种新型森林生态指数(FEI)。研究人员通过集成优化的绿度指标(NDFI)和干度指标(DDI)，在四川牦牛坪稀土矿床开展了长达38年(1986-2024)的Landsat时间序列分析。结果表明，FEI的主成分贡献率平均达到84.1%，显著优于RSEI的76.3%，能够更准确地区分严重退化矿区(FEI≈0.2)与健康森林(FEI≈0.8)，为矿山生态修复效果评估提供了更可靠的技术工具。
随着全球对稀土元素(REE)需求的急剧增长，露天采矿活动对森林生态系统造成了严重威胁。稀土开采作为采掘业中增长最快的领域之一，其环境影响甚至超过传统采矿活动，导致植被破坏、土地塌陷、地质结构不稳定以及土壤、空气和水体的重金属污染。然而，现有的环境监测方法主要依赖劳动密集型的野外调查，难以适应现代采矿活动的大空间尺度特点。
遥感技术为环境监测提供了客观、高效且成本低廉的替代方案。在众多遥感生态指标中，遥感生态指数(RSEI)因其集成绿度(NDVI)、湿度(TCWI)、干度(NDBSI)和热度(LST)等多指标特性而备受关注。然而，标准RSEI在设计上主要针对自然或城市化景观，当其应用于工程化的露天采矿系统时，特别是在干度等表面特征差异显著的情况下，存在概念上的不匹配。
标准RSEI在森林矿区应用中存在明显局限性：NDVI指标在茂密森林冠层中容易出现信号饱和，掩盖了矿-林交界处细微的早期退化迹象；同时，NDBSI指标容易在异质矿山基质（如废石和尾矿）之间产生光谱混淆，导致土地退化评估不准确。这种缺陷可能引发错误的决策，例如将有毒尾矿上的稀疏植被误解为成功的复垦成果。
为解决这些问题，四川大学的研究团队开发了针对森林矿区的新型生态指数——森林生态指数(FEI)。FEI在RSEI框架基础上，专门针对森林生态系统优化了指标选择：用归一化差分组分指数(NDFI)替代NDVI作为绿度指标，用荒漠化差分指数(DDI)替代NDBSI作为干度指标。NDFI基于光谱混合分析(SMA)，能够克服NDVI在茂密森林中的饱和限制，增强对采矿和恢复活动引起的细微变化的检测能力。DDI基于反照率-NDVI特征空间，能更好地捕捉以农村为主、城市发展最少地区的荒漠化过程，解决NDBSI的土地类别光谱混淆问题。
研究人员选择四川牦牛坪稀土矿床作为案例研究区，该区域自1986年以来经历了显著的环境变迁，包括1985-1994年的地质详查、1994-2008年的无序开采以及2008年后的生态修复，形成了异质性的生态环境格局，为测试FEI的性能提供了理想场所。
研究采用了多时序Landsat影像数据集（1986、1995、2000、2005、2010、2015、2020和2024年），利用专题制图仪(TM)、增强型专题制图仪(ETM+)和陆地成像仪(OLI)传感器。所有图像处理和分析均在Google Earth Engine(GEE)平台上进行。关键技术方法包括：直方图匹配(HM)以减少季节变异性的影响；太阳-冠层-传感器(SCS+C)地形校正算法以校正由山区地形引起的照明变化；主成分分析(PCA)用于集成四个归一化指标；基于3,500个GPS点的实地验证评估指数性能；与MODIS净初级生产力(NPP)数据的交叉传感器生物物理验证；以及基于Theil-Sen中值趋势分析和Mann-Kendall检验的时空趋势分析。
研究结果显示，FEI在模型稳定性和解释力方面显著优于RSEI。在38年研究期间，FEI的第一主成分(PC1)贡献率平均为84.1%(78.1%-88.9%)，高于RSEI的平均76.3%(70.1%-80.6%)。负载分析表明，NDFI(FEI)在所有年份 consistently 显示最高的正负载值，确立了植被作为主导驱动因素的地位，而NDVI(RSEI)的负载较为温和且变化较小，表明在茂密森林景观中对植被动态的敏感性降低。
生态等级区分方面，FEI产生了更广泛的分布，在极端“差”和“优”类别中具有明显的峰值，而RSEI值则集中分布，研究区域的较大部分被归类为“中等”等级。FEI consistently 产生更高的平均值(>0.6)和更高的标准差(SD)，特别是在生态变化显著时期（2010年前和2020年后）。
实地验证结果表明，FE能成功区分居民区(中值≈0.5)和采矿区(中值≈0.2)，而RSEI为这两种土地利用类型分配了统计上相似的中值(≈0.3)，表明标准指数无法区分高度退化的工业场地和混合用途的居民景观。对于森林区域，两种指数都正确识别了高生态质量，但FEI的较高中值(≈0.8)相比RSEI的(≈0.7)突出了其对茂密健康森林生态系统条件的增强敏感性。
生物物理保真度分析证实，FEI较高的生态分数与经过验证的生物量积累相关，而非随机噪声。在积极恢复阶段(2020年)，FEI达到了其峰值解释力(R2= 0.473)，显著优于RSEI(R2= 0.428)。同样，在采矿高峰阶段(2005年)，FEI与退化程度的相关性显著更强，验证了DDI的敏感性。
时空趋势分析显示，从1986年到2024年，生态质量呈现先退化后恢复的明显轨迹。FEI准确捕捉到了与已知采矿活动相对应的明显定义的“差”(红色)斑块的扩张，而RSEI描绘了更为扩散和渐进的退化。定量趋势分析强化了这些发现，FEI清晰识别了已知采矿区的显著退化(12.3%的区域)和恢复林区的显著改善(48.9%的区域)，而RSEI报告了更大的退化(35.9%)和更小的改善(29.9%)，与实际土地利用模式的对应性较差。
值得注意的是，FEI还检测到了1995年至2000年间生态质量的轻微增加，这一趋势完全被RSEI遗漏，但与中国“九五”计划期间实施的包括“退耕还林(还草)工程”在内的广泛造林项目相吻合。FEI在采矿引起的更广泛退化期间检测到这种细微的、相反的正趋势的能力，突显了其评估重叠土地管理政策 nuanced 影响的卓越鲁棒性和敏感性。
讨论部分强调，FEI的性能提升主要源于NDFI和DDI的战略性替代。NDFI基于SMA，通过解混和量化茂密混合冠层中的 fractional 植被覆盖，克服了NDVI的信号饱和问题。DDI基于地表反照率与植被的关系，为土地退化提供了更稳健的代理指标，避免了NDBSI的光谱混淆问题。
与其它RSEI改进策略相比，FEI通过在原有稳健PCA框架内有针对性且理论合理的替换两个最有问题的指标（绿度和干度），在特定挑战性环境中实现了性能和稳定性的显著改善。FEI的方法在准确性和操作可行性之间提供了务实有效的平衡。
研究也指出了FEI的局限性，其针对湿润森林生态系统的特定设计固有地定义了其适用性边界。在植被稀疏的干旱地区，FEI的理论优势会减弱。此外，对不同采矿基质（如煤矿废料和铁矿石区）的光谱多样性，FEI的敏感性需要进一步验证。方法上，依赖年度Landsat合成数据无法捕捉年内或季节性生态动态，30米分辨率也限制了对小规模恢复工作的检测。
本研究开发的FEI作为监测受采矿影响的森林区域复杂环境动态的优越且必要的工具，通过集成优化指标(NDFI和DDI)，提供了更稳定、敏感和历史准确的生态变化评估。对牦牛坪稀土矿床1986-2024年的全面分析证实，FEI能够准确量化采矿相关退化和后续恢复的轨迹，甚至检测到标准RSEI经常遗漏的细微、重叠的土地管理信号。因此，FEI不仅是一种方法学上的改进，更是一种经过验证的、可操作的工具，能够在全球生态敏感景观中实现更有效的环境治理和支持可持续资源开采的追求。
