从开采到恢复：澳大利亚露天煤矿植被的长期扰动重建与多维度评估框架

《Environmental Impact Assessment Review》：From mining to recovery: long-term disturbance reconstruction and a multi-dimensional assessment framework for vegetation in Australia's surface coal mines

　　摘要：全球范围内，露天煤矿开采导致了大规模且持续的植被破坏，给环境影响评估和植被恢复管理带来了巨大挑战。然而，长期遥感监测的精度限制以及单一维度评估方法的依赖，阻碍了对矿区植被破坏与恢复过程的系统化影响评估及全国性特征分析。本研究提出了一种时空约束型植被破坏重建方法（ST-VDR）。该方法通过结合多尺度约束与土地覆盖分类，显著提升了破坏识别精度（总体准确率为96.42%，Kappa系数为0.91）。利用该方法，重构了1988年至2024年澳大利亚露天煤矿区的植被破坏历史轨迹。研究结果显示，累计植被破坏面积为2356.12平方公里，其中35.04%已得到恢复。平均恢复时间为11.05年，41.89%的恢复区域呈现出植被结构升级，即向更复杂的植被形态转变。基于这些结果，研究建立了包含面积、类型和协调性三要素的三维评估框架，可将恢复效果分为四种不同类型。总体而言，澳大利亚矿区的恢复工作正从注重覆盖度转向更加重视恢复质量与协调性。少数矿山已实现高质量且及时的植被结构恢复，这表明精准高标准的恢复在技术上是可行的，但目前尚未得到广泛应用。本研究为系统诊断和差异化调控矿区恢复效果提供了新的遥感方法与评估框架，也为全球矿业密集区的可持续环境管理提供了实证依据。

引言：澳大利亚是全球主要的矿产资源生产和出口国之一（Mudd等人，2024）。露天煤矿开采对国家经济增长和能源供应起着关键作用。然而，这些活动也对区域生态系统造成了严重且长期的破坏（Currell等人，2020）。露天开采过程中的大规模植被清除和强烈挖掘是其固有特征，这些行为会导致植被立即丧失、土壤退化、侵蚀加剧以及生物多样性下降（Malicka等人，2024）。这类破坏具有广阔的空间范围、漫长的持续时间以及累积性的生态影响。因此，矿区属于陆地生态系统中最严重且持续的人为干扰类型之一（Sadavarte等人，2021）。随着采矿活动的不断扩张，系统重构植被破坏的历史轨迹并客观评估恢复效果至关重要。解决这些问题对于矿区生态修复规划、可持续土地利用以及区域环境安全具有重要意义（Aung等人，2024）。

在国家矿业管理及环境监管体系中，恢复退化的矿地是一项法定要求（Guo等人，2025）。不过，恢复效果的评估依赖于对植被损失与恢复情况的长期、连续且精确的描述。这不仅仅需要判断是否发生了破坏或恢复，还需要重建数十年间的完整植被变化轨迹。只有通过解析这些轨迹，才能准确评估采矿带来的累积生态影响以及恢复工作的阶段性特征（Guan等人，2022）。因此，建立一种能够系统捕捉矿区植被动态历史轨迹的方法论框架十分必要。这样的框架可为恢复规划提供科学依据，支持适应性管理，并便于客观评估恢复工作的成效。

近年来，遥感技术已成为监测矿区植被破坏与恢复的主要手段（Blachowski等人，2023）。研究人员利用卫星和无人机，结合时间序列分析和技术融合方法，量化植被动态变化以支撑生态管理。在现有方法中，基于高分辨率影像的土地覆盖分类被广泛应用。通过比较不同时间点的地表覆盖类型，该方法可直接划分出植被破坏和恢复区域。它在区分裸地、植被和水体等空间格局方面表现良好，能够清晰呈现破坏的空间分布与连续性（Nguyen等人，2020）。然而，随着研究重点从短期监测转向多年期分析，多时相分类方法的局限性日益凸显。这些方法高度依赖单张影像的质量和分类精度，难以描述连续的植被变化轨迹，且易受季节变化、短暂噪声以及分类方案不一致性的影响。在较长的时间序列中，这些因素可能导致变化轨迹出现碎片化或内部矛盾，从而降低露天矿区破坏历史的重建可靠性。

为克服这些局限，人们不断开发基于长期遥感数据时间序列分析的植被变化检测算法。典型的方法包括LandTrendr（基于Landsat卫星的破坏与恢复趋势检测，Kennedy等人，2010）、CCDC（连续变化检测与分类，Zhu和Woodcock，2014）、BFAST（用于识别季节性和趋势变化的断点，Verbesselt等人，2010）及其衍生算法。这些方法通常利用Landsat和MODIS等卫星的数据，构建植被指数（如归一化植被指数NDVI）的时间序列轨迹（Hashimoto等人，2021）。通过识别断点或趋势变化，它们能够较为准确地估算植被破坏与恢复的时间和程度，已被广泛应用于森林破坏监测领域（Li等人，2024；Miguel等人，2024；Singh等人，2022）。然而，在露天煤矿这种高度复杂的人为干扰环境中，这类方法的性能受到限制（Liu等人，2025）。在这种环境下，单一的植被指数轨迹往往无法将包括破坏与恢复在内的矿业相关干扰与气候变异、物候波动或农业活动区分开来。一些研究提出了改进算法以提升矿区的干扰检测能力，如Auto-VDR（自动识别植被破坏与恢复，Xu等人，2023）和Disran_SpaTFit（Peng等人，2025）。通过引入针对矿业特征的干扰分类和阈值约束，这些方法减少了无关土地覆盖变化的干扰，提高了识别精度。尽管如此，不稳定的植被生长和短期波动仍可能导致NDVI轨迹偏离预期模式，从而造成干扰类型的遗漏或误判。此外，目前恢复效果往往仅通过植被绿度的快速上升来判定，这种标准无法体现恢复后的土地覆盖实际变化，因而难以反映生态质量。总体而言，现有研究倾向于将时间序列变化检测与空间分类分析视为独立的分析环节：时间序列方法侧重于过程识别，但在保持空间连续性和区分干扰类型方面较弱；而基于分类的方法虽能有效描述土地覆盖状态，却难以重建完整的植被动态历史轨迹。

在植被破坏重建之外，关于矿区生态恢复效果的研究也在发生重大转变——从单纯追踪植被覆盖的增减，转向注重生态质量与恢复效果的综合性评估（Chen等人，2022）。虽然目前的评估维度已扩展到土壤性质（Hu等人，2025）、景观结构（Lei等人，2016）、生物多样性（Solomou等人，2023）以及生态系统服务（Rosa等人，2020），但基于遥感的技术仍主要以单一植被指数或复合指标体系来评估恢复后的最终状态（Juanda等人，2021）。这类评估本质上是静态的、以结果为导向的，难以判断恢复措施是否在时间上与干扰事件同步、在空间上与生态基准一致，或是是否根据矿业损害的具体特征进行了合理设计。因此，目前仍缺乏一种能够同时涵盖恢复规模、土地利用结构变化及过程效率的系统性评估框架。

针对上述研究空白，本研究以澳大利亚的露天煤矿为研究对象，旨在系统重构植被破坏与恢复的长期历史轨迹，并在此基础上对恢复效果进行多维度评估。为克服单一NDVI时间序列分析的局限性，尤其是在识别早期破坏和描述近期恢复方面的不足，本研究开发了时空约束型植被破坏重建方法（ST-VDR）。该方法将多时相NDVI变化检测与土地利用分类信息相结合，通过在时间和空间维度上建立协同约束，更精准地识别矿区的植被破坏与恢复事件。此外，研究还建立了以“面积-类型-协调性”为核心的三维恢复效果评估框架。该框架遵循“状态描述-质量诊断-过程评估”的逻辑顺序，系统评价露天煤矿区恢复工作的生态效果。研究结果为澳大利亚矿区的生态恢复管理提供了定量依据，同时也为全球类似矿区的长期生态监测与评估提供了方法学参考。

章节节选：

澳大利亚露天煤矿的地理分布：为确定澳大利亚露天煤矿区的空间范围，本研究整合了两套权威的矿业数据集：全球矿业足迹数据集（Tang和Werner，2023）以及澳大利亚地质科学局维护的矿产资源数据库（Pheeney和Kucka，2024）。以下分别介绍这两套数据集的定义与特点。

精度评估：图5展示了引入时空约束前后，不同类型植被破坏的分类精度。最初仅依靠NDVI时间序列分析的结果，总体准确率为85.50%，Kappa系数为0.65，说明一致性处于中等水平（图5a）。各类别的特定指标（图5c）显示，该方法在识别ND类植被破坏方面表现优异，统一精度为0.93，精确度为0.91。然而，其在区分破坏后的植被状态方面的能力则……

ST-VDR的有效性与优势：传统的基于时间序列的植被破坏检测方法，如LandTrendr和CCDC，旨在从连续的植被指数轨迹中识别自然或人为干扰信号。这些方法已在森林火灾监测（Parshakov等人，2025）、昆虫爆发监测（Feng等人，2026）以及木材采伐监测（Soulard等人，2017）等领域得到广泛应用。但在露天矿区，多种过程同时发生，包括强烈的……

结论：本研究提出了一种整合时间连续性、空间连续性及植被类型约束的时空约束型植被破坏重建方法（ST-VDR）。利用该框架，本研究首次重构了1988年至2024年澳大利亚露天煤矿区的植被破坏历史轨迹，并建立了基于面积、类型和协调性的三维恢复效果评估框架……

利益冲突声明：作者声明不存在任何可能影响本文研究的已知财务利益或个人关系。

致谢：本研究得到了中国国家自然科学基金[项目编号42371347]、中央高校基本科研业务费[项目编号2026ZKPYDC06]、宁波市镇海区“十四五”重大科技突破项目[项目编号2024006]以及中国国家留学基金委[项目编号202406430075]的支持。

作者：徐雅玲|拉瓦尔·西米特|张成业|浦立军|李凯|陈鹏|李军
单位：中国矿业大学（北京）地质与测绘工程学院，北京100083，中国