《Environmental Challenges》：Remote sensing monitoring of degraded areas by mining activities: A key-performance indicator based on multitemporal land cover and land use changes
编辑推荐：
铁矿石对现代社会及向可再生能源系统的过渡至关重要。然而，矿产开采完全改变了植被，并可能产生显著的环境影响。因此，需要有效的工具来监测退化区域复垦（rehabilitation of degraded areas, RDA）。本研究旨在开发一个监测RDA的关键绩
铁矿石对现代社会及向可再生能源系统的过渡至关重要。然而，矿产开采完全改变了植被，并可能产生显著的环境影响。因此，需要有效的工具来监测退化区域复垦（rehabilitation of degraded areas, RDA）。本研究旨在开发一个监测RDA的关键绩效指标（key performance indicator to monitor RDA, RDA KPI），定义为复垦面积与复垦面积和采矿面积之和的比值。为此，研究人员采用了2003、2005、2011、2012、2013、2015、2017、2019、2021和2022年的高空间分辨率光学影像（0.5–2 m），并进行了校准以提高面积估计和类别区分能力。土地覆盖与土地利用（land cover and land use, LCLU）制图使用地理对象基图像分析（geographic object-based image analysis, GEOBIA）进行。之后，研究人员使用2003、2013和2022年的分类数据集，采用from–to方法进行了变化检测分析。所有年份的分类精度均超过80%，而数量不一致性和分配不一致性均低于7%。结果显示，复垦面积从2003年的约570公顷增加到2022年的1,228公顷，采矿面积从1,449公顷增加到3,083公顷。同期，RDA KPI从19%增加到26%。变化检测还揭示，森林是转换为采矿面积最多的类别（1,034公顷），随后也是复垦面积的主要来源（459公顷）。所提出的RDA KPI提供了一个评估复垦进展的客观指标，并有望支持露天采矿区的环境管理和矿山关闭规划。
**论文解读：基于多时相土地覆盖与土地利用变化的采矿退化区域遥感监测关键绩效指标**
**研究背景、问题与意义**
铁矿石对现代社会及向可再生能源系统的过渡至关重要，但矿产开采完全改变植被并产生显著环境影响，如植被去除、土壤退化、景观破碎化和水文干扰。因此，亟需有效工具监测退化区域复垦（RDA）。现有遥感指数如归一化植被指数（NDVI）和遥感生态指数（RSEI）主要评估植被状态或环境质量，而非复垦绩效。目前缺乏能够量化复垦进展相对于正在开采面积的空间明确多时相指标。为填补这一空白，研究人员开发了一个基于关键绩效指标（KPI）的监测工具（RDA KPI），定义为复垦面积与采矿面积和复垦面积之和的比值。该研究基于巴西亚马逊东部Carajás矿物省（CMP）的N4/N5露天铁矿-物流综合体，利用近20年高空间分辨率遥感数据，旨在支持长期复垦监测、环境管理和矿山关闭规划。论文发表在《Environmental Challenges》。
**关键技术方法**
研究人员采用以下主要关键技术：①高空间分辨率光学遥感影像获取，来源包括Ikonos-II、Geoeye-I和Worldview-III卫星（空间分辨率0.5–2 m），覆盖2003至2022年共10个年份；②光探测与测距（LiDAR）数据生成数字地形模型（DTM，分辨率0.5 m），作为辅助地形层；③影像预处理包括几何校正、辐射定标和大气校正，并计算光谱指数（NDVI、归一化差异水体指数NDWI、绿色叶绿素指数GLI）；④地理对象基图像分析（GEOBIA）进行多尺度分割与面向对象分类，区分森林、canga（铁质岩溶稀树草原）、采矿（裸土）和复垦四类；⑤基于from–to方法的变化检测分析，量化2003–2013、2013–2022和2003–2022期间的类别转换；⑥分类精度评估采用混淆矩阵、Kappa指数、用户/生产者精度，以及数量与分配不一致性指标，并依据Olofsson等（2014）方法进行面积估计误差校正。样本来源：研究区位于巴西帕拉州Carajás矿物省N4/N5矿体，面积约11,000公顷，包括露天铁矿、废石堆及相关基础设施。
**研究结果**
**4.1 分类精度**
通过混淆矩阵评估，所有年份整体分类精度超过80%，Kappa指数、用户精度和生产者精度大多超过70%。数量与分配不一致性总和低于7%，其中分配不一致性高于数量不一致性，表明各类面积在数量上估计准确，但在空间分布上存在一定误差。复垦类在2003、2005和2013年生产者精度低于60%，可能与缺乏近红外波段（2005年）或早期复垦面积较小有关。
**4.2 土地覆盖与土地利用量化**
2003至2022年，采矿面积从1,413.57公顷增至3,233.62公顷（增加128.7%），复垦面积从336.73公顷增至1,104.82公顷（增加228.1%），森林面积从7,831.47公顷减至6,438.82公顷（减少17.8%），canga面积从1,470.45公顷减至274.96公顷（减少81.3%）。面积估计误差分析显示，canga、森林和采矿类面积估计值与原始量化值接近，但复垦类在2003和2005年估计值达原始值的两倍，可能与早期分类精度较低有关。
**4.3 退化区域复垦关键绩效指标（RDA KPI）**
RDA KPI在2011、2017、2019和2022年达到26%，最低为2005年的不足10%。KPI随时间波动，反映采矿和复垦动态：新采矿面开辟、临时复垦措施（如边坡稳定）以及后续重新开采等过程导致指标变化。KPI始终未超过30%，表明部分复垦区域为临时性，后期重新转为采矿用地。
**4.4 土地覆盖与土地利用变化的空间-时间分析**
2003至2022年，不变区域中：森林-森林6,338公顷（占57.3%），采矿-采矿1,020公顷（9.2%），canga-canga 302公顷（2.7%），复垦-复垦157公顷（1.4%）。主要转换：canga转采矿1,010公顷（9.1%），森林转采矿1,034公顷（9.3%）。转换为复垦类的总面积达1,012公顷（9.1%），其中森林转复垦459公顷，采矿转复垦425公顷，表明森林是复垦面积的最大来源。
**讨论总结与结论翻译**
讨论部分指出，RDA KPI作为操作指标，简单实用，能有效反映复垦绩效，但需结合高分辨率影像和现场验证。分类评估显示复垦与采矿类易混淆，受基质和矿石粉尘影响。土地覆盖变化趋势与全球采矿扩张一致，且高分辨率影像比Landsat（30 m）更适用于识别早期复垦。RDA KPI波动反映临时复垦与重新开采的共存，但复垦面积整体增长超165%。在铁矿石需求持续增长的背景下（如中国、澳大利亚等），RDA KPI可成为高强度土地利用区域环境恢复的重要工具。局限性包括：RDA KPI精度依赖于分类精度，历史分类缺乏独立现场验证（仅2022年有野外控制点），未来需研究不确定性传播和置信区间。
**结论翻译**：本研究通过提出一种实用、可扩展的监测复垦动态方法，为评估采矿区域土地覆盖与土地利用变化做出了贡献。所提出的RDA KPI提供了可量化、可空间应用的指标，具有支持监管合规和环境规划的潜力。研究揭示，森林类面积损失最大；RDA KPI分析显示，复垦面积比例增长快于新采矿面开辟。因此，使用客观指标如RDA KPI可使采矿公司监测复垦速率和范围，识别绩效不佳区域，并向监管机构透明沟通结果。尽管RDA KPI专门用于量化复垦面积的空间演变，但应将其解释为复垦绩效的操作指标，而非生态恢复成功的直接度量。未来研究应将该指标与生态指标和环境变量整合，以在保持KPI简单性和操作适用性的同时，提供更全面的矿山复垦评估。
