郭瑞，彭杨宏，王其杰，汪涛，冯旭明陕西理工大学土木工程与建筑学院，陕西汉中， 723001； 甘肃省地矿局水文地质工程地质勘察院，甘肃张掖， 734000

内容提要: 矿产资源开发在促进地方经济快速发展的同时也对区域土地资源带来严重影响。基于对甘肃敦煌某花岗岩矿开采状况实地调研，利用灰熵理论和主成分分析法分析了露天采矿对土地资源破坏主要影响因素及其关联度，建立了以主要影响因素为参数的矿山开采对土地资源影响预估模型。结果表明：采坑对矿区内土地资源影响最为显著，矿堆和矿渣堆的影响接近且较为显著，剥离表土堆和矿区内建筑物的影响接近且较小，矿山道路的影响最小；矿山资源开采过程中应严格控制采坑开挖面积，并制定合理的开挖方案；基于露天采矿挖损和压占土地的主要影响因素建立了露天采矿对土地资源影响预估模型，其可为预测和评价类似地区采矿活动对土地资源影响提供借鉴。

近年来，随着我国城镇化进程的加快、城市规模不断地扩大，对砂石料、装饰用石材等建筑石料的需求量不断增大，进而引起相应矿产资源的开发规模不断扩大。矿产资源的开发为国民经济的发展提供了有力的保障，但其长期不加限制和无序的开采则不可避免地对土地资源造成破坏，其不但加剧了人地矛盾，且对区域内自然环境造成严重破坏，进而影响国民经济的可持续发展(严金明等，2012；周妍等，2013；徐华清等，2020；海俊杰等，2020)。矿山开采引起的地质环境问题主要可分为矿山地质灾害、含水层破坏、地貌景观破坏、土地资源占压破坏及废水和废渣对环境影响(李睿昱，2021)，对于不同区域环境其重要性有所差异。露天采矿具有投资少、生产效率高等优点，在矿产资源开发中运用较为广泛(Armstrong et al., 2021; Gu Qinghua et al., 2021; Shao Xiaoping et al., 2021)，但其不仅对地表植被造成严重破坏，对区域生态环境造成影响，且造成土地资源利用率严重下降。露天采矿对土地资源的破坏主要表现为采坑挖损土地，矿渣废料、矿堆、矿区建筑物及道路压占等(周伟等，2007)，是土地资源较为普遍的破坏问题，其不仅破坏原始地形地貌，污染周围环境，且易导致水土流失、土质劣化及诱发地质灾害等(夏嘉南等，2021)，我国有关矿山地质环境保护和恢复治理方面工作起步较晚(李岩等，2016)，许多已废弃矿山未能得到及时恢复治理，地质环境问题较为突出。现有有关矿山地质环境的研究主要集中在对生态环境影响和恢复治理方面(Mayes et al., 2009；徐华清等，2020；贾晗等，2020)，有关矿山开采过程中土地资源破坏的研究较少。研究矿山开采过程中土地资源影响因素及不同因素的影响程度，对制定合理的矿山资源地开发方案、提高土地资源整治效益等具有重要意义。

1 研究区概况

敦煌位于甘肃省西北部方向、河西走廊最西端，地处甘肃、青海、新疆三省(区)交汇处，属典型大陆性干旱气候区，年降水量约50 mm，长年风沙不断，且多西北或东南风，地表无径流及积水带，主要以雨水渗透为主。根据野外调查，研究区位于塔里木陆块区、敦煌陆块、柳园裂谷带，属平原和丘陵相结合典型戈壁地形地貌，区域内地形呈东南低西北高之势，整体较为平坦，海拔高度1670～1751 m，偶见风积沙丘，坡度较缓，约15°～30°，最大高度约2 m。研究区包括吊头泉、青墩峡、石板墩、芦草沟等四个采矿片区如图1所示，总面积约39.76 km2，出露岩体以华力西中期二长花岗岩和晚期钾长花岗岩及中石炭统石板山群中岩组白色大理岩为主，共分布有26处矿山，其对区域地质环境影响主要表现形式为露天采矿坑(105处)、毛胚矿堆(331处)、矿渣堆(533处)、矿区道路(84.13 km)、地表建筑物及其它生活设施(84处)分别见图2。根据野外调查研究区内矿山开采活动引起土地资源破坏2058.31 hm2，压占土地资源2057.06 hm2，挖损土地资源149.39 hm2。

图1 敦煌地区矿区分布位置示意图Fig. 1 Distribution of mining areas in Dunhuang area

图2 矿山开采对土地破坏主要形式Fig. 2 The main forms of mining impact on geological environment(a) 采矿坑；(b) 矿堆；(c) 矿渣堆；(d) 生活设施 (a) mining pit；(b) ore pile；(c) slag pile；(d) living facilities

2 数据来源与研究方法

2.1 数据来源

通过对研究区内吊头泉、青墩峡、石板墩、芦草沟(未开采)四个片区内矿山开采情况详细调查，并结合作者已经历过的甘肃境内其它地区矿山地质环境调查和评价工作及文献(周伟等，2007；Damigos et al., 2006)，确定了敦煌饰面用石材矿矿山土地资源破坏影响因素为采坑(P)、矿堆(O)、矿渣堆(S)、剥离地表土堆(M)、矿区建筑物(B)、矿山道路(R)。根据规范(DZ/T0223-2011, 2011)中矿山地质环境调查要求，对四片区内已开采矿山各影响因素进行了精确量测，其数据统计值见表1。

表1 敦煌北部4个矿区土地资源破坏影响因素统计值Table 1 Influencing parameters of land resources destruction in the 4 mining areas, northern Dunhuang

2.2 研究方法

2.2.1灰熵理论

灰熵关联分析是一种系统分析方法，其可以在不完全的信息中，通过确定各因素与系统发展态势之间关系，从而分辨出影响系统的主要和次要因素。它克服了灰色关联分析中因个性信息损失和关联倾向等缺点给计算结果带来误差(念腾飞等，2018)，其计算步骤如下：

2.2.1.1建立参考序列和比较序列及均值化处理

依据功能性、完整性及非重叠性等原则选取映射量。以被影响因素作为参考序列：

X0={x0(k);k=1,2,3,…,n}

以影响因素作为比较序列:

Xi={xi(k);k=1,2,3,…,n;i=1,2,3,…,m}

2.2.1.2计算灰关联系数

基于所建立的灰熵分析参考序列和比较序列及对其均值化处理结果，通过式(1)计算比较数列与参考数列间灰关联系数:

ξ[x0(k),xi(k)]=

(1)

2.2.1.3计算灰熵关联度

对于任意Xi，i=1，2，…，m，总有x0(k)≤(或≥)xi(k) ，k=1，2，…，n。设

Rξi={ξi[x0(k),xi(k)],k=1,2,…，n},

(2)

式(2)中，Pi为分布映射，Ph为灰关联分布密度值。则Xi的灰关联熵为：

(3)

比较序列Xi的灰熵关联度为：

(4)

式(4)中，Hmax=lnn，表示差异信息列最大熵值。

2.2.2主成分分析法

主成分分析法是由Hotelling于1933年提出的一种随机变量统计方法，假定U={ui,j}是含有n个样本每个样本含有m个变量的数据集(设i=1、2…n，j=2)，其个体构成图3所示一个椭圆形轮廓的散点图，沿椭圆长轴方向数据的变异性较大，短轴方向的较小，沿椭圆长轴和短轴方向设定新坐标系x1和x2，则每一个点对应存在两个新变量，且新变量与原始变量间存在换算关系，但二者彼此不相关。x1携带了大部分数据变异信息，而x2携带了少部分数据信息，故可用长轴方向的x1代表ui,1和ui,2的大部分信息，这样将两个相关性的变量缩成一个变量，进而达到降维目的，且x1和x2相差越大，对高维空间降维处理越合理(张文彤等，2006；王冲等，2017)。主成分分析求解步骤为：① 对样本集原始数据标准化处理；② 构建相关系数矩阵；③ 计算相关系数矩阵E的特征值与特征向量；④ 计算贡献率和累计贡献率；⑤ 建立综合评判模型。

3 矿山土地资源破坏程度影响因素分析

3.1 数列均值化处理

通过对矿区内已开采矿山对土地资源影响因素详细调研，并结合作者已有相关工作经历，选取各矿区内采矿活动破坏土地资源总量为参考序列，采坑、矿堆、矿渣堆、剥离表土堆、矿山道路及矿区建筑物等影响因素为比较序列，分别对参考序列和比较序列进行均值化处理，生成新参考和比较数列见表2。

表2 原始数据均值化处理结果Table 2 The results on mean value of survey data

3.2 计算灰熵关联系数

根据上述原始数据均值化处理结果及其序列差两级极值:

mim min Δi(k)={min min|Y0(k)-Yi(k)|,

k=1,2,…, 19;i=1,2, …, 6}=0.002,

max max Δi(k)={max max|Y0(k)-Yi(k)|,

k=1,2,…, 19;i=1,2, …, 6}=6.013

和分辨系数0.5，计算不同矿区各影响因素实测值与土地资源破坏总量间灰熵关联系数，结果见表3。

表3 不同影响因素灰熵关联系数计算结果Table 3 Grey correlation coefficient of different influencing factors

3.3 计算灰熵关联度

根据表3灰熵关联系数计算结果，利用公式(2)和(3)分别计算各影响因素灰关联密度和灰关联熵值(表4和表5)。基于上述计算结果，利用公式(4)计算矿山开采土地资源破坏总量与各影响因素间灰熵关联度值，结果如图4所示。

表4 不同影响因素灰关联密度计算结果Table 4 Grey correlation density of different influencing factors

图4 不同影响因素灰熵关联度Fig. 4 Grey entropy correlation degree of different influencing factors

由表5可知，研究区内矿山开采致使土地资源破坏量与各影响因素(采坑、矿堆、矿渣堆、剥离表土堆、矿区道路及矿区建筑物)间灰关联熵值由大到小顺序为：HX1>HX3>HX2>HX5>HX4>HX6，而采坑与矿区土地资源破坏量间灰关联熵值最大，矿山道路的最小。从图3可以看出，各影响因素与土地资源破坏量间灰熵关联度值由大到小排序为：Ep>ES>EO>EB>EM>ER，其与野外实地调研情况相一致；采坑挖损土地与矿区内土地资源破坏量灰熵关联度值最大，其表明矿山开采过程中采坑挖损土地对矿区内土地资源影响最为显著，破坏最为严重；矿渣堆和毛胚矿堆与土地资源破坏量的灰熵关联度值较接近，表明二者对矿区内土地资源影响程度接近，较为显著，破坏程度较为严重；剥离表土堆和矿区内建筑物与土地资源破坏量的灰熵关联度值较接近，二者对矿区土地资源影响程度接近，影响较小，破坏程度较轻；矿山道路与土地资源破坏量的灰熵关联度值最小，表明其对矿区内土地资源影响最小，破坏程度最轻。综上分析可知，在露天采矿活动过程中应严格控制采坑开挖面积，并且应选择合理开挖方案，以减轻矿产资源开发对矿区内原始土地资源破坏程度。

表5 不同影响因素灰关联熵计算结果Table 5 Grey correlation entropy of different influencing factors

4 露天采矿对矿区土地资源影响预估模型建立

4.1 检验评价指标适用性

以表1中所选因素(采坑、矿堆、矿渣堆、剥离地表土堆、矿区建筑物、矿山道路)作为评价指标，建立主成分分析样本矩阵，并进行标准化处理。采用KOM和Bartlett球形检验法对表1所代表原始数据进行检验，以确定野外调查数据是否可用主成分析法进行分析，经计算检验结果见表6。

表6 KMO和Bartlett检验结果Table 6 KMO and Bartlett test result

从表6可以看出，KOM检验值为0.72大于0.7，Bartlett球形检验的Sig值为0.000小于0.005，均满足要求。故可选用采坑、矿堆、矿渣堆、剥离地表土堆、矿山道路、矿区建筑物等因素作为评价指标对采矿活动对矿区土地资源影响进行主成分分析。

4.2 构建相关系数矩阵

为克服所选评价指标间因数值差异过大而引起误差，对原始数据标准化处理，并计算相邻指标间相关系数，其构成的相关系数矩阵为：

4.3 计算贡献率和累计贡献率

根据相关系数矩阵E，求解方程:

|λiI-E|=0

得与各评价指标相应特征值λ1=4.791，λ2=0.889，λ3=0.208，λ4=0.108，λ5=0.003，λ6=0.001，仅有λ1大于1。根据特征值λi计算得与主成分各因子相应贡献率和累积贡献率值见表7，各成分因子与特征值关系曲线如下图5所示。

表7 各成分特征值与贡献率Table 7 Characteristic value and contribution rate of each component

图5 主成分因子与特征值关系Fig. 5 Relationship between principal component factor and eigenvalue

由表7和图5可知，与成分1(露天采坑)对应特征值为4.791大于1、贡献率值为80.01%大于80%，其表明成分1所携带信息量最多，与成分2～成分6对应特征值均小于1，且与其相应贡献率值均小于80%，故可知露天采矿对矿区内土地资源的影响主要由第1成分决定，其能够反映出所选6个评价指标的信息，因此选取第1主成分即可反映采矿活动对矿区内土地资源的破坏程度，其与3.3中主要影响因素灰熵关联度分析结果和野外实地调查结果相一致。

4.4 预估模型建立和检验

由表7和图5可知，用第1主成分即可替代原有6个指标反映矿山开采对土地资源影响全部信息，但考虑到矿产资源开采是一个全方位过程，其不但涉及到土地资源的挖损且也涉及到压占等工程活动，采用回归分析方法求得各影响因素综合得分数值，建立如公式(5)所示露天采矿对土地资源影响程度预估模型。为验证所建立模型准确性，从依托工程所在研究区域内选取5处已开采矿区精确测量所选各影响因素(采坑、矿堆、矿渣堆、剥离地表土堆、矿区建筑物、矿山道路)及矿区内土地资源总破坏量值，为消除量纲不同产生影响将所选因素实测值标准化处理后带入式(5)计算判别指标W，则计算预测值与经标准化处理后实测值关系如图6。

图6 预测值与实测值间关系Fig. 6 Relationship between predicted value and measured value

W=0.21ZS+0.21ZB+0.20ZO+0.20ZM+0.19ZR+0.08ZP

(5)

从图6可以看出，通过公式(5)计算所得露天采矿对土地资源影响程度预测值与野外实地调查值二者间关系曲线呈线性变化，拟合精度值R2=0.989，具有良好地线性相关性，表明利用公式计算的预测值和实测值结果误差较小，因此可以应用所建立模型对类似地区采矿活动对土地资源影响状况进行评判，其为预测和评价矿山开采对土地资源影响程度具有一定借鉴作用。

5 结论

本文结合甘肃敦煌北部花岗岩矿开采工程实例，基于灰熵理论和主成分分析法研究了露天采矿对土地资源影响因素及其间主次关系，建立了矿山开采对土地资源影响预估模型，得出以下主要结论：

(1)矿山开采对土地资源影响因素间主次关系为Ep>ES>EO>EB>EM>ER，主要影响因素为采坑挖损土地，矿堆和矿渣堆、剥离表土堆和矿区建筑物分别对土地资源影响程度较接近。

(2)露天采矿引起土地资源破坏程度受采坑挖损土地影响最为显著，受矿堆和矿渣堆的影响较为显著，受剥离表土堆和矿区建筑物的影响较小，受矿区内修筑矿山道路的影响最小。

(3)露天采坑对土地资源影响最为严重，矿山开采过程中应严格控制采坑开挖面积，并制定合理开挖方案，以减轻矿山开采对土地资源破坏程度。

(4)以露天采矿挖损和压占土地的主要影响因素为参数建立了矿山开采对土地资源影响预估模型，其可为预测和评价类似地区采矿活动对土地资源影响提供借鉴。

(The literature whose publishing year followed by a “&” is in Chinese with English abstract; The literature whose publishing year followed by a “#” is in Chinese without English abstract)

海俊杰，苏犁，张林，刘正军. 2019. 湖南省宁乡县矿山地质环境的保护与治理. 中国矿业, 28(增刊)：43～46.

贾晗，刘军省，殷显阳，王春光，耿浩，迟昊轩，唐世杰. 2021. 安徽铜陵硫铁矿集中开采区矿山地质环境评价研究. 地学前缘，28(4):131～141.

李睿昱. 2021. Analysis of mine geological environment problems in Yunmeng and Yingcheng areas in Hubei. 地球科学前沿, 11(1): 44～59.

李岩，赵中锋. 2016. 北京露天废弃矿山地质环境治理模式探讨. 城市地质，11(2)：20～25.

念腾飞，李萍，林梅. 2018. 冻融循环下沥青特征官能团含量与流变参数灰熵分析及微观形貌. 吉林大学学报(工学版)，48(4)：1045～1054.

王冲，王起才，张戎令，李进前，崔晓宁，王炳忠. 2017. 基于主成分分析法的高速揭露膨胀土判别研究. 铁道科学与工程学报，14(8)：1571～1578.

夏嘉南，李恒，雷少刚. 2021. 自然坡线提取及边坡近自然整形应用——以草原矿区为例. 干旱区资源与环境，35(6)：80～88.

徐华清，黄中元，程路明. 2020. 矿山地质环境保护与恢复治理措施——以湖南旺华萤石矿业有限公司双江口萤石矿山为例. 南华大学学报(自然科学版)，34 (6)：50～54.

严金明，夏方舟，李强. 2012. 中国土地资源综合整治战略顶层设计. 农业工程学报，28(14)：1～9.

张文彤，董伟. 2006. SPSS统计分析高级教程. 北京：高等教育出版社：213～227.

中华人民共和国国土资源部. 2011. DZ/T 0223-2011 矿山地质环境保护与恢复治理方案编制规范[S]. 北京：中国标准出版社： 3～16.

周伟，白中科，袁春，付慧. 2007. 东露天煤矿区采矿对土地利用和土壤侵蚀的影响预测. 农业工程学报，23(3)：55～60.

周妍，周伟，白中科. 2013. 矿产资源开采土地破坏及复垦潜力分析. 资源与产业，15(5)：100～107.

Armstrong M, Lagos T, Emery X, Homem-de-Mello T, Lagos G, Sauré D. 2012&. Adaptive open-pit mining planning under geological uncertainty. Resources Policy, 72: 1～12.

Damigos D. 2006. An overview of environmental valuation methods for the mining industry. Journal of Cleaner Production, 14(3～4): 234～247.

Gu Qinghua, Li Xuexian, Chen Lu, Lu Caiwu. 2021. Layout optimization of crushing station in open-pit mine based on two-stage fusion particle swarm algorithm. Engineering Optimization, 53(10): 1671～1694.

Hai Junjie, Su Li, Zhang Lin, Liu Zhengjun. 2019&. The protection and governance of the mine geological environment in Ningxiang county. China Mining Magazine, 28(Supp.): 43～46.

Jia Han, Liu Junsheng, Yin Xianyang, Wang Chuanguang, Geng Jie, Chi Haoxuan, Tang Shijie. 2021&. Study on mine geological environment evaluation of Tongling pyrite concentrated mining area in Anhui province. Earth Science Frontiers, 28(4):131～141.

Li Yan, Zhao Zhongfeng. 2016&. Discussion on the geological environment management mode of the abandoned open-pit mine in Beijing. Urban Geology, 11(2): 20～25.

Li Ruiyu. 2021. Analysis of mine geological environment problems in Yunmeng and Yingcheng areas in Hubei. Earth Science Frontiers, 11(1): 44～59(in English).

Mayes W M, Johnston D, Potter H A B, Jarvis A P. 2009. A national strategy for identification, prioritization and management of pollution from abandoned non-coal mine sites in England and wales I methodology development and initial results. Science of the Total Engvironment, 407(21): 5435～5447.

Ministry of Land and Resources of the People’s Republic of China. 2011#. DZ/T 0223-2011 Compiling code on project of mining geo-environmental protection and integrated renovation[S]. Beijing: China Standards Press: 3～16.

Nian Tengfei, Li Ping, Lin Mei. 2018&. Micro-morphology and gray entropy analysis of asphalt characteristics functional groups and rheological parameters under freeze—thaw cycles. Journal of Jilin University(Engineering and Technology Edition), 48(4): 1045～1054.

Shao Xiaoping, Wang Long, Li Xin, Fang Zhiyu, Zhao Bingchao. 2021. Conversion mechanism of a continuous pressure arch structure in strip filling mining. Arabian Journal of Geosciences, 14: 1～10.

Wang Chong, Wang Qicai, Zhang Rongling, Li Jinqian, Cui Xiaoning, Wang Bingzhong. 2017&. Discriminant analysis of high speed railway expansive soil based on principal component analysis. Journal of Railway Science and Engineering, 14(8): 1571～1578.

Xia Jiannan, Li Heng, Lei Shaogang. 2021&. Natural slope line extraction and application of slope near-natural shaping: Taking grassland mining area as an example. Journal of Arid Land Resources and Environment, 35(6): 80～88.

Xu Huaqing, Huang Zhongyuan, Cheng Luming. 2020&. Protection and restoration of mine geological environment——Take Shuangjiangkou fluorite mine of Hunan Wanghua fluorite mining Co., Ltd. as an example. Journal of University of South China(Science and Technology), 34(6): 50～54.

Yan Jinming, Xia Fangzhou, Li Qiang. 2012&. Top strategy design of comprehensive land consolidation in China. Transactions of the Chinese Society of Agricultural Engineering, 28(14): 1～9.

Zhang Wentong, Dong Wei. 2006&. Advanced Course of SPSS Statistical Analysis. Beijing: Higher Education Press: 213～227.

Zhou Wei, Bai Zhongke, Yuan Chun, Fu Hui. 2007&. Estimation of influence of Dong open-cast coal mine area on soil erosion and land use. Transactions of the Chinese Society of Agricultural Engineering, 23(3): 55～60.

Zhou Yan, Zhou Wei, Bai Zhongke. 2013&. The damaged lands and their reclamation potential in mining districts. Resources & Industries, 15(5): 100～107.