基于多源遥感数据融合的相山铀矿区植被生态异常响应分析

《Forests》：Analysis of Vegetation Ecological Anomaly Response in the Xiangshan Uranium Mining Area Based on Multi-Source Remote Sensing Data Fusion

　　

江西省相山铀矿区是中国核工业的关键铀开采场地，然而该区域的植被生态研究仍然稀少，尤其是基于多源遥感数据的调查。为克服这些挑战，研究人员提出了一种方法，将多源遥感数据与随机森林（Random Forest, RF）机器学习算法相结合，以反演相山铀矿区的植被冠层结构参数。该方法辅以多种植被指数（Vegetation Index, VI）的综合评价。为确保反演结果的可靠性，本研究采用哨兵一号/二号（Sentinel-1/2）影像和冰、云和陆地高程卫星-2（ICESat-2）星载光探测与测距（LiDAR）数据，这些数据提供丰富的光学信息、地形数据和垂直植被结构信息。实验结果表明，相山铀矿区整体植被生态处于满意状态，然而较低的雷达植被指数（Radar Vegetation Index, RVI）暗示该矿区存在潜在的土壤退化问题。此外，矿区与对照区之间植被冠层结构的显著差异强调，矿床的存在确实对植被冠层结构产生潜在影响。本研究填补了研究空白，并为矿产勘探和可持续采矿发展提供了科学支持。

# 基于多源遥感数据融合的相山铀矿区植被生态异常响应研究解读

## 研究背景与目的

铀资源作为中国核工业的关键矿物原料，其开采活动的生态影响评估对矿区稳定和资源可持续利用至关重要。相山铀矿位于江西省抚州市，是中国最大的火山岩型铀矿和南方重要铀提取基地。矿区植被构成围绕铀矿床的关键生态系统，矿化相关的土壤变化可能影响植被生长和冠层结构，产生独特遥感信号——这既可作为矿区植被生态监测的重要指标，也为遥感找矿奠定理论基础。然而，现有研究多依赖时间序列遥感（侧重开采前后植被变化和恢复效果），缺乏多源数据融合（Multi-Source Remote Sensing Data Fusion）的系统性工作，且鲜有将未开发区矿区与非矿区植被冠层结构进行系统对比。已有研究表明单一植被指数（如归一化植被指数NDVI）易受自然和人为干扰影响，难以准确区分植被生态异常。针对相山矿区的现有找矿与监测体系仍面临模型区域适应性差、植被特征参数精度受限等挑战。为此，本研究以相山铀矿为核心区域，融合多源遥感数据并采用随机森林（Random Forest, RF）机器学习算法，反演冠层结构参数并结合光学植被指数进行综合分析，旨在揭示铀矿床对当地植被生长和冠层结构的潜在影响，为生态监测、植被恢复和绿色开发提供科学依据。论文发表在《Forests》。

## 主要技术方法

研究人员采用多源遥感数据协同策略，包括：（1）数据来源：欧洲空间局（ESA）哥白尼数据空间生态系统的哨兵二号（Sentinel-2）Level-2A产品（2025年1月落叶期和8月叶盛期，分辨率30米，云量<5%）和哨兵一号（Sentinel-1）IW SLC数据（2025年8月23日和9月4日，VV/VH双极化模式）；美国国家航空航天局（NASA）的冰、云和陆地高程卫星-2（ICESat-2）ATL08激光雷达数据（2020年2月至2025年10月，筛选与Sentinel-2季节匹配的样本）；以及航天飞机雷达地形测绘任务数字高程模型（SRTM DEM，30米分辨率）。（2）关键算法：基于随机森林（Random Forest, RF）回归模型（sklearn库实现，决策树200棵，随机特征数为自变量总数的1/3），以反演冠层高度和冠层开度（Canopy Openness）。特征变量筛选分三步：皮尔逊（Pearson）相关分析、方差膨胀因子（VIF）多重共线性检验、基于平均降低杂质（MDI）的特征重要性排序，最终选取8个特征变量（坡度、DEM、RVI、NDRE_BAND6、MEAN3、DIS5、B3、B5）。（3）样本队列：ICESat-2高质量有效光子数据点的空间分布均匀覆盖研究区域，分为落叶期（1-3月）和叶盛期（8-10月）样本，以消除季节因素干扰。对比区域设置：选择与矿区面积相同的西侧（同纬度）、北侧（同经度）和东南侧（高植被覆盖原生林）三个对照区，以消除纬度、经度和开发活动影响。

## 研究结果

### 植被参数比较结果

通过对比归一化植被指数（NDVI）、增强型植被指数（EVI）、植被覆盖度（FVC）、红边叶绿素指数（CIRE）、绿度叶绿素指数（CIG）、归一化差分红边指数（NDRE）和雷达植被指数（RVI），发现矿区光学植被指数与对照区无明显差异（NDVI约0.56，EVI、FVC相近，CIRE略高于对照区，CIG和NDRE处于中等水平），表明矿区植被基本生长状态和覆盖度正常，未表现出明显重金属胁迫光谱特征。然而，矿区RVI均值为0.81，显著低于西侧对照区（0.87）、北侧对照区（0.90）和东南侧对照区（0.89），由于RVI与植被含水量线性相关，其低值间接提示矿区植被结构和地表水-土壤条件可能发生变化。

### 冠层高度

反演结果表明：在叶盛期和落叶期，矿区冠层高度主要集中在10-15米区间，均值（14.54米）低于所有对照区（对照区1-3均值分别为16.22、16.31、16.67米）；低值区（<10米）聚集于邹家山、邹家等矿床附近，高值区分布在矿区外围自然林地；对照区1和2的冠层高度分布较均匀，对照区3（高植被覆盖原生林）普遍较高且空间分布最均匀。空间自相关分析显示，矿区莫兰指数（Moran‘s I）稳定在0.87（叶盛期和落叶期），Z值最高，表明冠层高度呈显著正空间聚集，低值区与矿床位置空间一致；对照区3的莫兰指数在落叶期降至0.66，但总体仍低于矿区。这些结果证明矿区植被冠层高度具有“低矮且密集”的结构特征，且不受季节变化影响。

### 冠层开度

矿区冠层开度（Canopy Openness）主要集中在0.3-0.4区间，均值（叶盛期0.37，落叶期0.36）低于所有对照区（对照区1-3叶盛期均值分别为0.40、0.41、0.39）；低值区（结构致密）与矿床位置重叠，高值区（结构稀疏）分布于矿区外围。面积比例统计显示，矿区0.3-0.4区间占比较大，0.4-0.5区间占比较小，说明矿区拥有更大面积的中低开度（即更致密冠层）。空间自相关分析表明，矿区冠层开度的莫兰指数（叶盛期0.85，落叶期0.76）和Z值均高于其他对照区，呈现最强正空间聚集。这与冠层高度结果一致，共同证实矿区植被具有“矮密”的异常冠层结构，且该特征在叶盛期和落叶期均稳定存在。

## 总结讨论与结论

讨论部分指出：反演模型在独立测试集上精度有限（冠层高度R2=0.301-0.328，RMSE=4.931-5.105米；冠层开度R2=0.225-0.240，RMSE=0.154-0.158），与现有研究一致——在高植被覆盖和复杂地形区域，R2在0.3-0.5属于合理范围，因此本研究仅从空间分布趋势解释结果，而非绝对定量。误差来源包括ICESat-2与Sentinel-2数据的时间不完全匹配（2020-2025年LiDAR与2025年光学数据），以及缺乏实地验证。光学植被指数与结构参数的互补分析表明：当光学指数（NDVI、EVI等）未显示异常时，结构参数（冠层高度和开度）及RVI已呈现显著差异，说明结合物理结构数据的监测方案在早期异常检测中更具潜力。植被结构异常与矿床分布关系：低冠层高度和低冠层开度值在叶盛期和落叶期均与邹家山、邹家等矿床位置空间一致且呈正聚集，而相邻区域和原生林区未出现该模式，间接表明铀矿床对植被冠层结构存在潜在影响。

研究结论翻译如下：
江西省相山铀矿区是中国南方重要的铀资源中心。然而，针对该矿区植被生态的多源遥感研究相对缺乏，这难以揭示矿床对植被生态的潜在影响，并难以精确区分矿区与典型植被区在植被生态特征上的差异，从而阻碍为区域矿产勘探提供有力科学支持。鉴于此，本研究采用多源遥感数据融合结合随机森林机器学习算法。首先对多源遥感数据进行预处理，获得覆盖整个研究区域的有效数据；随后提取多种植被指数、光谱波段纹理特征和地形因子作为特征变量和植被生态评价指标；通过相关性分析和多重共线性检验筛选核心特征变量；在此基础上构建随机森林反演模型，反演研究区域的冠层结构参数，并对植被指标和反演结果进行综合分析。研究结果表明，相山铀矿区与对照区在光学植被指数（包括NDVI、EVI、FVC等）上无明显差异，植被生长状态和覆盖度未发现明显区别；相反，矿区雷达植被指数（RVI）显著较低。由于RVI对冠层结构和土壤环境条件敏感，其低值可能指示矿区植被结构完整性受损或土壤性质改变，需后续实地调查数据验证。进一步冠层结构分析表明，在排除气候因素干扰且在模型精度可接受范围内，冠层结构参数在矿区与对照区之间呈现明显的空间分布差异，且该差异在叶盛期和落叶期一致。相山矿区的反演结果呈明显正空间聚集趋势，冠层高度和冠层开度的低值区与邹家山矿床、邹家矿床等空间一致，表明矿区植被倾向于生长更矮更密。此外，与普通植被区相比，矿区中低冠层高度和冠层开度值的区域所占比例更大，证明矿区矿床周围植被与常规植被区在冠层结构上存在可识别的生态差异。为更好地理解利用矿区植被作为矿产勘探指示因子的实际意义，未来研究可沿此路径进一步改进数据精度，开展更精确的植被生态差异分析，同时结合实地采样进一步考察植被生理特性变化，并深入探讨矿床影响植被生态的潜在原因。