《Land》：MBaI: A Modified Barren Index for Classification of Barren Land in Coal Mining Regions of Eastern India
编辑推荐：
矿山复垦是将矿坑用剥离物回填、覆盖表土并进行植被恢复的过程。长期复垦监测中，监测需要植被恢复的裸地区域至关重要。本研究引入了一种修正裸地指数（Modified Barren Index, MBaI），用于煤矿区裸地分类。MBaI是一种计算高效且有效的方法
矿山复垦是将矿坑用剥离物回填、覆盖表土并进行植被恢复的过程。长期复垦监测中，监测需要植被恢复的裸地区域至关重要。本研究引入了一种修正裸地指数（Modified Barren Index, MBaI），用于煤矿区裸地分类。MBaI是一种计算高效且有效的方法，能够区分裸地与活跃矿区、剥离物堆场、建成区和植被，以支持矿山复垦与监测。该新提出的指数利用近红外（NIR）和短波红外（SWIR）波段来区分裸土与其他地表。研究利用Landsat 8和Sentinel 2数据在印度Jharia煤田区域开展，并与常用指数进行了比较，即生物物理组成指数（Biophysical Composition Index, BCI）、修正裸土指数（Modified Bare Soil Index, MBI）和归一化差异裸土指数（Normalized Difference Bare Soil Index, NDBSI）。实际反射率数据与实验室ECOSTRESS数据的对比证实，MBaI能够有效区分裸地与非裸地区域，而其他指数则表现欠佳。该指数在海岸、积雪和沙漠区域进行了效率评估，使用Landsat 8数据的准确率分别为98%、97%和91%，使用Sentinel 2数据的准确率分别为94%、94%和96%。利用MBaI提取的裸地区域展现出比其他指数提取区域更低的归一化差异植被指数（NDVI）和归一化差异水分指数（NDMI）值，表明其具有更好的效率。该研究有助于利用多卫星数据在印度次大陆的矿区和非矿区实现快速准确的裸地与非裸地分类。然而，湿润土壤可能限制MBaI提取裸地区域的精度，这对于经历规律性降雨的煤矿区可能成为一个重要局限。
**论文解读**
**一、研究背景与问题提出**
露天采矿是一个持续性的过程，在开采矿产过程中地表受到广泛扰动，包括植被、表土和深达0–200 m的剥离物的移除，从而改变地形和地表属性，形成剥离物堆场和矿坑，造成高强度环境破坏。煤炭是全球开采量最大的矿产资源，对全球能源生产和经济稳定至关重要。表土和植被的移除常导致侵蚀和土壤退化，采矿作业还会破坏周边植被、污染水资源、降低农业用地质量，加速荒漠化并形成大面积的"裸地区域"。然而，土地退化并非总是与采矿直接相关，也可能由人口结构变化和工业经济转型等间接因素引起，例如当地居民从农业转向采矿相关职业，导致农业活动减少，若不加以干预会进一步加剧荒漠化。因此，对活跃采矿作业和土地恢复工作的持续监测已成为关键优先事项。
现有研究大多依赖基于植被的指标来评估环境退化和土地恢复效果，如归一化差异植被指数（Normalized Difference Vegetation Index, NDVI）和矿区景观恢复指数（Mine Landscape Restoration Index, MLRI）。然而，植被指数虽能有效量化植被状况，却无法充分表征非植被或裸地区域。采矿区的复杂景观包含活跃矿区、矿坑湖、剥离物堆场、基础设施和未扰动的裸地等异质性混合体。在这些环境中准确监测荒漠化需要精确识别和分离裸地区域。为此，数十年来研究者开发了多种光谱指数以区分裸土与其他土地覆被类型，如裸土指数（Bare Soil Index, BSI）、归一化差异裸地指数（Normalized Difference Bareness Index, NDBaI）、归一化差异裸土指数（NDBSI）、生物物理组成指数（BCI）和修正裸土指数（MBI）等。然而，一个关键的研究空白在于：裸地区域的光谱特征往往与建成区高度相似，而建成区又模仿露天采矿区的光谱响应。尽管这些裸地指数已在全球各种景观中得到验证，但尚未专门应用于或优化于分离活跃矿区内的裸地区域。此外，受自燃和煤火影响的活跃煤矿区产生持续的烟雾和霾，扭曲地表反射率值，严重降低标准指数的可靠性。为克服这些大气和光谱挑战，本文提出了专门为矿区裸土分类而设计的修正裸地指数（Modified Barren Index, MBaI）。
**二、关键技术与方法概述**
研究人员基于ECOSTRESS光谱库（ECOsystem Spaceborne Thermal Radiometer Experiment on Space Station Spectral Library，一个包含3400余种天然和人造材料光谱特征的数据库）获取了土壤、建成区材料、煤系岩石（以干酪根页岩为光谱替代物）及植被、水体等土地覆被类型的标准光谱反射曲线。研究使用Landsat 8 OLI（运行陆地成像仪，Operational Land Imager，30 m空间分辨率）和Sentinel-2（10 m和20 m空间分辨率）两个卫星传感器的地表反射率数据，以印度Jharia煤田所在区域为主要研究区，并在海岸带、喜马拉雅积雪区和Thar沙漠三个额外测试站点进行验证。MBaI的构建基于NIR、SWIR1和SWIR2三个波段，利用裸土在SWIR波段反射率显著高于建成区和采矿区的光谱特征，通过三个光谱比值（alpha、beta、gamma）的组合，以SWIR1除以这些比值的累积和来最大化裸地与非裸地的可分离性。研究采用分层随机抽样选取各站点200个验证像元，通过混淆矩阵计算总体精度、生产者精度、用户精度和Kappa系数，并计算NDVI和归一化差异水分指数（Normalized Difference Moisture Index, NDMI）作为辅助验证。
**三、主要研究结果**
*5.1 基于MBaI的裸地提取*
分析表明，裸地类别在标准数据集和现场样本数据中alpha、beta、gamma的累积值均为最低。由于裸地区域SWIR反射率较高而矿区SWIR反射率较低，用SWIR波段除以三者之和有效分离了两类特征——该数学运算最大化裸地指数值的同时抑制矿区类别的数值。水体的MBaI值保持最低，密植被和草地的值也显著偏低，避免了这些类别与裸地类别的重叠。在ECOSTRESS和现场反射率数据集中，MBaI值按物质属性递减：裸土最高，矿区次之，水体最低。
*5.2 MBaI与现有裸土指数的比较*
BCI在标准反射率数据中裸地与草地数值重叠，在现场数据中裸地与矿区数值相近；MBI虽在两个数据集间表现相对一致，但现场数据中建成区的数值超过了裸地；NDBSI在标准数据中裸地数值最高，但在现场数据中密植被数值最高，易导致分类错误。相比之下，MBaI在两个数据集中均一致地为裸地类别产生最高值。定量评估中，MBaI在Landsat 8数据上达到99.5%的总体精度和0.98的Kappa系数，而BCI、NDBSI和MBI的总体精度分别为76%、75%和72.5%。MBaI提取的裸地区域展现出最低的NDVI（Landsat 8: 0.34 ± 0.07）和NDMI（Landsat 8: ?0.11 ± 0.03）值。在五个复杂土地覆被观测点中，MBaI是唯一能够在剥离物堆场区域正确分类裸地的指数。
*5.3 MBaI在不同测试案例中的评估*
在海岸带测试案例（Test Case 1）中，MBaI使用Landsat和Sentinel数据分别达到98%和94%的总体精度，远优于其他三个指数（BCI 65%/72%、MBI 68%/77%、NDBSI 56%/62%）。在高山积雪区测试案例（Test Case 2）中，MBaI精度为97%（Landsat）和94%（Sentinel），MBI和NDBSI分别为94%/89%和94%/88%，但MBI和NDBSI未能将河床裸岩分类为裸地。在Thar沙漠测试案例（Test Case 3）中，MBaI精度为91%（Landsat）和96%（Sentinel），其他指数均表现不佳（BCI 49%/59%、MBI 71%/71%、NDBSI 70%/66%），MBaI提取的裸地NDVI值最低（Landsat: 0.13 ± 0.01, Sentinel: 0.07 ± 0.01）。Sentinel-2数据上的MBaI精度（94%）略低于Landsat 8（98%），积雪区也存在类似趋势，这一现象尚未完全理解，需进一步验证。
**四、讨论总结与研究结论**
讨论指出，MBaI的核心优势在于裸土在SWIR1和SWIR2波段的高反射率与煤在NIR波段的强吸收形成对比，实现了裸地与活跃矿区的优越分离。NDBSI依赖蓝光波段，在煤矿区因霾和煤火排放造成的大气散射和衰减严重，导致其失效。MBaI在ECOSTRESS和现场数据集中分别产生15.64和15.80的裸地指数值，而非裸地类别分别仅为0.55–9.89和1.02–7.87，这一显著差距保障了优越的光谱可分离性。在不同测试案例中，MBaI在海岸、积雪和沙漠环境中均表现稳健，有效克服了现有指数因光谱混淆而失效的问题。然而，MBaI的局限性包括：其构建基于红壤光谱特征，全球其他土壤类型的适用性有待验证；降雨后表层土壤水分增加会降低提取精度；城市建筑材料和泥屋因光谱特性与自然土壤相似可能引入错分误差；研究基于单时相影像，裸地光谱的季节性变化影响尚未评估。
*研究结论翻译*：本文评估了修正裸地指数（MBaI），这是一种利用Landsat和Sentinel-2系列的NIR、SWIR1和SWIR2波段的新型光谱公式，用于准确检测和制图裸地。与BCI、MBI和NDBSI的比较评估表明，MBaI在热带裸土分类中具有公认的性能优势，尤其在高对比度的采矿景观中精度更优。使用ECOSTRESS数据集，MBaI对裸地类别的平均指数值为15.64，而非裸地土地覆被类别的值介于0.55至9.89之间；同样地，对于现场样本数据集，MBaI对裸地的指数值为15.80，而非裸地类别介于1.02至7.87之间。这一显著差距确保了裸地表面与所有其他土地覆被类别之间优越的光谱分离。所提出的模型显著提高了特征提取精度，同时优化了处理大规模土地覆被数据集时的计算效率。三个测试站点的验证证实了MBaI的有效性，不仅适用于煤矿区，也适用于其他区域，精度优于其他指数。未来研究应聚焦于利用具有兼容NIR和SWIR波段的其他卫星星座验证MBaI的性能，并应建立MBaI的全球阈值限值，同时利用全球数据集（如SoilGrids、ISRIC）和土壤分类系统进行参数重标定。最终，MBaI为工业景观中的裸土监测提供了一种有效、稳健且可靠的方法，为受大规模露天采矿影响的区域实施高效土地复垦和环境缓解策略提供了宝贵工具。
