权利要求

1.一种矿区生态环境遥感信息智能提取方法，其特征在于，所述方法包括：

获取目标矿区的多源遥感数据，执行基于多尺度目标检测网络下的自注意力特征融合提取，确定生态分布数据，其中，所述生态分布数据包含空间位置分布图、矿山类型分类结果、矿山边界轮廓;

根据所述矿山边界轮廓，调取边界内部的长时序遥感影像，经分类器的突变点判定规则定位突变点，确定闭坑推断数据;

构建以驱动因子层、介质响应层与效应表征层为架构的采矿生态归因框架，对所述空间位置分布图、矿山类型分类结果与闭坑推断数据进行因果匹配与量化，得到因果归因图与生态修复优先级排序图;

根据所述因果归因图与生态修复优先级排序图，对所述目标矿区进行生态管理。

2.如权利要求1所述的一种矿区生态环境遥感信息智能提取方法，其特征在于，所述生态分布数据包含矿山边界轮廓，包括：

根据地形特征，部署地形感知自注意力规则，其中，所述地形特征包含坡度、地表粗糙度与曲率;

依据所述地形感知自注意力规则，执行基于地形特征引导的特征金字塔分割，确定所述矿山边界轮廓;

其中，以矿山内部要素定义特征金字塔，矿山内部要素基于尾矿坡面、开采平台、尾矿库与自然植被区的内部要素构成。

3.如权利要求1所述的一种矿区生态环境遥感信息智能提取方法，其特征在于，经分类器的突变点判定规则定位突变点，确定闭坑推断数据，包括：

识别所述矿山边界轮廓并调取长时序遥感影像，输入分类器，通过进行长时序遥感特征提取与像元时间序列下的突变点定位，确定闭坑推断数据;

其中，所述分类器以矿区活动由活跃转为停止的突变点为检测目标，以突变点的时序表现为目标动态指标，突变点的时序表现包含但不限于植被恢复启动、裸地表面积骤减与地表温度趋于稳定。

4.如权利要求3所述的一种矿区生态环境遥感信息智能提取方法，其特征在于，进行长时序遥感特征提取与像元时间序列下的突变点定位，确定闭坑推断数据，包括：

通过映射所述矿山边界轮廓与所述长时序遥感影像，逐轮廓内部区域进行每个像元的长时序遥感特征提取，生成多维特征空间，其中，所述多维特征空间表征扰动-稳定转变过程，所述多维特征空间包含但不限于植被指数、裸地指数、地表温度与短波红外反射率;

将所述多维特征空间，根据分类器内训练固化的突变点判定规则，定位突变点;

针对各突变点，确定闭坑推断数据，其中，所述闭坑推断数据包含闭坑年份推断值、闭坑前后特征变化的时序曲线与闭坑点置信度图。

5.如权利要求1所述的一种矿区生态环境遥感信息智能提取方法，其特征在于，构建以驱动因子层、介质响应层与效应表征层为架构的采矿生态归因框架，包括：

定义驱动因子层、介质响应层与效应表征层，采用结构方程建立层间的可解释性的因果路径，并量化每条路径的因果效应系数，构成采矿生态归因框架;

其中，所述采矿生态归因框架的输出为因果归因图、生态修复优先级排序图。

6.如权利要求5所述的一种矿区生态环境遥感信息智能提取方法，其特征在于，所述驱动因子层表征采矿活动的强度与时空演变，以采矿权范围、开采面扩张速率、排土场面积变化率、尾矿坡面占比为量化指标;

所述介质响应层反映采矿活动对土壤基质的破坏程度，以土壤重金属含量、有机质含量、土体结构扰动指数为量化指标;

所述效应表征层以植被覆盖度变化率、物种多样性指数、生态韧性指标作为生态退化的表征。

7.如权利要求6所述的一种矿区生态环境遥感信息智能提取方法，其特征在于，通过划分采矿活跃期与闭坑恢复期，将因果类型分类为采矿导致生态退化与闭坑后自然恢复;

针对各因果类型，以驱动-效应关系，进行驱动因子层、介质响应层与效应表征层之间的因果关联，确定因果路径。

8.如权利要求7所述的一种矿区生态环境遥感信息智能提取方法，其特征在于，得到因果归因图，包括：

将所述空间位置分布图、矿山类型分类结果与闭坑推断数据输入所述采矿生态归因框架，执行层内指标匹配与层间关联，确定多个生态因果链;

对多个生态因果链进行基于时间序列与空间相位的整合，重构为所述因果归因图。

9.如权利要求8所述的一种矿区生态环境遥感信息智能提取方法，其特征在于，得到生态修复优先级排序图，包括：

根据所述因果归因图，执行基于矿山类型分类结果与闭坑年份推断的叠置分析，根据预设组合规则进行治理的优先级分配，生成面向修复资源分配的生态修复优先级排序图;

其中，所述预设组合规则基于采矿退化贡献率高、闭坑年份早、矿山类型为能源矿的优先级递增。

10.一种矿区生态环境遥感信息智能提取系统，其特征在于，所述系统用于执行如权利要求1-9中任意一项所述一种矿区生态环境遥感信息智能提取方法，所述系统包括：

数据获取模块，用于获取目标矿区的多源遥感数据，执行基于多尺度目标检测网络下的自注意力特征融合提取，确定生态分布数据，其中，所述生态分布数据包含空间位置分布图、矿山类型分类结果、矿山边界轮廓;

突变点定位模块，用于根据所述矿山边界轮廓，调取边界内部的长时序遥感影像，经分类器的突变点判定规则定位突变点，确定闭坑推断数据;

因果匹配模块，用于构建以驱动因子层、介质响应层与效应表征层为架构的采矿生态归因框架，对所述空间位置分布图、矿山类型分类结果与闭坑推断数据进行因果匹配与量化，得到因果归因图与生态修复优先级排序图;

生态管理模块，用于根据所述因果归因图与生态修复优先级排序图，对所述目标矿区进行生态管理。

说明书

技术领域

[0001]本发明涉及信息提取技术领域，具体涉及一种矿区生态环境遥感信息智能提取方法、系统。

背景技术

[0002]矿区开采活动会对地表形态、土壤基质、水文过程和植被群落产生持续扰动，形成裸地扩张、植被退化、地表温度异常、尾矿堆积及生态恢复滞后等问题。遥感技术能够大范围、长时序获取矿区生态环境变化信息，但矿区生态退化往往由开采强度、矿山类型、闭坑时间、土壤介质变化及植被响应等多因素共同作用形成，仅依靠单一影像分类或变化检测结果，难以揭示采矿活动与生态退化表现之间的因果联系，也难以对不同矿区、不同退化区域的成因贡献进行量化判断，导致生态修复对象识别和治理优先级划分缺乏精准依据。

发明内容

[0003]本申请提供一种矿区生态环境遥感信息智能提取方法、系统，用于针对解决现有技术中矿区生态退化成因难以准确量化识别的技术问题。

[0004]鉴于上述问题，本申请提供了一种矿区生态环境遥感信息智能提取方法、系统。

[0005]本申请的第一个方面，提供了一种矿区生态环境遥感信息智能提取方法，所述方法包括：

[0006]获取目标矿区的多源遥感数据，执行基于多尺度目标检测网络下的自注意力特征融合提取，确定生态分布数据，其中，所述生态分布数据包含空间位置分布图、矿山类型分类结果、矿山边界轮廓;根据所述矿山边界轮廓，调取边界内部的长时序遥感影像，经分类器的突变点判定规则定位突变点，确定闭坑推断数据;构建以驱动因子层、介质响应层与效应表征层为架构的采矿生态归因框架，对所述空间位置分布图、矿山类型分类结果与闭坑推断数据进行因果匹配与量化，得到因果归因图与生态修复优先级排序图;根据所述因果归因图与生态修复优先级排序图，对所述目标矿区进行生态管理。

[0007]本申请的第二个方面，提供了一种矿区生态环境遥感信息智能提取系统，所述系统包括：

[0008]数据获取模块，用于获取目标矿区的多源遥感数据，执行基于多尺度目标检测网络下的自注意力特征融合提取，确定生态分布数据，其中，所述生态分布数据包含空间位置分布图、矿山类型分类结果、矿山边界轮廓;突变点定位模块，用于根据所述矿山边界轮廓，调取边界内部的长时序遥感影像，经分类器的突变点判定规则定位突变点，确定闭坑推断数据;因果匹配模块，用于构建以驱动因子层、介质响应层与效应表征层为架构的采矿生态归因框架，对所述空间位置分布图、矿山类型分类结果与闭坑推断数据进行因果匹配与量化，得到因果归因图与生态修复优先级排序图;生态管理模块，用于根据所述因果归因图与生态修复优先级排序图，对所述目标矿区进行生态管理。

[0009]本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

[0010]本申请获取目标矿区的多源遥感数据，执行基于多尺度目标检测网络下的自注意力特征融合提取，确定生态分布数据，其中，所述生态分布数据包含空间位置分布图、矿山类型分类结果、矿山边界轮廓;根据所述矿山边界轮廓，调取边界内部的长时序遥感影像，经分类器的突变点判定规则定位突变点，确定闭坑推断数据;构建以驱动因子层、介质响应层与效应表征层为架构的采矿生态归因框架，对所述空间位置分布图、矿山类型分类结果与闭坑推断数据进行因果匹配与量化，得到因果归因图与生态修复优先级排序图;根据所述因果归因图与生态修复优先级排序图，对所述目标矿区进行生态管理。本发明解决现有技术中矿区生态退化成因难以准确量化识别的技术问题，通过构建以驱动因子层、介质响应层与效应表征层为架构的采矿生态归因框架，对矿区生态分布数据与闭坑推断数据进行因果匹配与量化，达到准确识别矿区生态退化因果关系并提升生态修复决策针对性的技术效果。

附图说明

[0011]为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0012]图1为本申请实施例提供的一种矿区生态环境遥感信息智能提取方法流程示意图;

[0013]图2为本申请实施例提供的一种矿区生态环境遥感信息智能提取系统结构示意图。

[0014]附图标记说明：数据获取模块11，突变点定位模块12，因果匹配模块13，生态管理模块14。

具体实施方式

[0015]本申请通过提供一种矿区生态环境遥感信息智能提取方法、系统，针对解决现有技术中矿区生态退化成因难以准确量化识别的技术问题，通过构建以驱动因子层、介质响应层与效应表征层为架构的采矿生态归因框架，对矿区生态分布数据与闭坑推断数据进行因果匹配与量化，达到准确识别矿区生态退化因果关系并提升生态修复决策针对性的技术效果。

[0016]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

[0017]需要说明的是，术语“包括”和“具有”的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。

[0018]实施例一，如图1所示，本申请提供一种矿区生态环境遥感信息智能提取方法，所述方法包括：

[0019]步骤S100：获取目标矿区的多源遥感数据，执行基于多尺度目标检测网络下的自注意力特征融合提取，确定生态分布数据，其中，所述生态分布数据包含空间位置分布图、矿山类型分类结果、矿山边界轮廓。

[0020]在本申请实施例中，根据目标矿区的矿权范围或人工圈定范围确定数据覆盖范围，以数据覆盖范围作为检索条件，从遥感数据源中调取覆盖同一目标矿区的光学遥感影像、合成孔径雷达影像、数字高程数据、热红外影像中的至少两类数据，得到目标矿区的多源遥感数据。多源遥感数据按照同一目标矿区范围输入多尺度目标检测网络，使同一矿山对象在不同遥感数据中对应到相同空间区域;其中，光学遥感影像用于表征矿区地物的光谱差异和纹理差异，合成孔径雷达影像用于表征地表结构差异，数字高程数据用于表征地形起伏差异，热红外影像用于表征地表温度差异。

[0021]接下来将多源遥感数据输入多尺度目标检测网络，多尺度目标检测网络采用卷积特征提取、特征金字塔构建、自注意力特征融合提取和结果输出的连续处理结构。多尺度目标检测网络的输入影像块尺寸设置为512×512像元，特征金字塔层级设置为P2、P3、P4和P5，对应下采样步长分别为4、8、16和32，候选框尺度设置为32、64、128和256像元，候选框长宽比设置为1:1、1:2和2:1，目标置信度阈值设置为0.5，非极大值抑制阈值设置为0.45。多尺度目标检测网络先对多源遥感数据进行卷积特征提取，得到浅层尺度层、中间尺度层和深层尺度层的遥感特征;其中，浅层尺度层提取矿山边缘、道路、局部裸地斑块和植被残留区的纹理变化，中间尺度层提取开采平台、尾矿坡面、堆积体边缘和扰动斑块的形态变化，深层尺度层提取露天采场、排土场、尾矿库、自然植被区和生态扰动区的区域特征。将不同尺度层的遥感特征输入特征金字塔，在特征金字塔内执行自注意力特征融合提取，将不同尺度层的遥感特征分别转换为查询特征、键特征和值特征，通过查询特征与键特征之间的相似度计算不同空间位置之间的响应关系，并根据响应关系对值特征进行特征重组，得到融合特征。

[0022]之后根据融合特征进行目标检测、类别判定和边界分割，确定生态分布数据。具体来说，根据融合特征生成采场、排土场、尾矿库、裸地、水体、植被覆盖区和生态扰动区的候选区域，按照目标置信度阈值筛除低置信度候选区域，并通过非极大值抑制去除重复候选区域，对保留的候选区域进行像元级分割，得到各生态要素在目标矿区内的分布范围，生成空间位置分布图;提取已检测矿山对象的光谱响应、纹理特征、形态结构、热异常表现和空间组合关系，输入分类输出层，得到各矿山类型对应的类别概率，将类别概率最高且满足预设置信度阈值的类别确定为对应矿山对象的矿山类型，生成矿山类型分类结果;根据地形特征部署地形感知自注意力规则，其中，地形特征包含坡度、地表粗糙度与曲率，依据地形感知自注意力规则执行基于地形特征引导的特征金字塔分割，对矿山区域与非矿山区域进行分割，其中，以矿山内部要素定义特征金字塔，矿山内部要素基于尾矿坡面、开采平台、尾矿库与自然植被区的内部要素构成，对分割得到的矿山区域进行连通域筛选、边缘提取、孔洞填充、轮廓闭合和平滑处理，得到矿山边界轮廓。由空间位置分布图、矿山类型分类结果和矿山边界轮廓组成生态分布数据。

[0023]进一步的，申请实施例提供的方法中，所述生态分布数据包含矿山边界轮廓，还包括：

[0024]根据地形特征，部署地形感知自注意力规则，其中，所述地形特征包含坡度、地表粗糙度与曲率;依据所述地形感知自注意力规则，执行基于地形特征引导的特征金字塔分割，确定所述矿山边界轮廓;其中，以矿山内部要素定义特征金字塔，矿山内部要素基于尾矿坡面、开采平台、尾矿库与自然植被区的内部要素构成。

[0025]在本申请实施例中，根据目标矿区的数字高程数据获取地形特征，其中，地形特征包含坡度、地表粗糙度与曲率;坡度采用相邻像元高程差分计算，用于确定地表倾斜变化，地表粗糙度采用3×3或5×5局部窗口内的高程标准差计算，用于确定地表起伏破碎程度，曲率采用高程二阶差分计算，用于确定坡脚、坡顶和堆积体边缘的转折变化。将坡度、地表粗糙度与曲率分别归一化至0至1区间，并使其与目标矿区遥感影像的像元位置对应;对任意两个像元或分割单元，按照地形差异值=0.4×坡度差异值+0.3×地表粗糙度差异值+0.3×曲率差异值计算地形差异程度，以地形差异值作为地形感知自注意力规则的判定依据。

[0026]根据地形特征，部署地形感知自注意力规则时，将每一像元或分割单元的坡度、地表粗糙度与曲率作为自注意力计算中的地形约束条件，并与光谱响应共同参与类别判定。具体来说，当两个像元或分割单元的光谱余弦相似度大于或等于0.90，且地形差异值大于或等于0.25时，判定二者属于光谱一致但地形结构不同的区域，在自注意力计算中降低二者归入同一地物类别的响应;当两个像元或分割单元的光谱余弦相似度大于或等于0.90，且地形差异值小于0.10时，判定二者满足地形连续条件，在自注意力计算中保持二者归入同一地物类别的响应。通过地形感知自注意力规则，使分类决策优先利用坡度、地表粗糙度与曲率的差异，区分自然裸岩、建设裸地、采矿裸地和尾矿堆积区等光谱易混区域，抑制光谱相似造成的误分类。

[0027]依据地形感知自注意力规则，执行基于地形特征引导的特征金字塔分割，确定矿山边界轮廓;其中，以矿山内部要素定义特征金字塔，矿山内部要素基于尾矿坡面、开采平台、尾矿库与自然植被区的内部要素构成。特征金字塔设置P2、P3、P4和P5尺度层，对应下采样步长分别为4、8、16和32;P2尺度层提取尾矿坡面边缘、开采平台边缘和自然植被区交界线，P3尺度层提取尾矿坡面、开采平台和尾矿库的局部结构，P4尺度层提取尾矿库、排土场和采矿扰动斑块的整体形态，P5尺度层提取矿山区域与周边自然区域之间的空间边界关系。在各尺度层中，尾矿坡面按照坡度归一化值大于或等于0.45且地表粗糙度归一化值大于或等于0.35进行识别，开采平台按照坡度归一化值小于或等于0.20且曲率绝对归一化值小于或等于0.15进行识别，尾矿库按照边界闭合度大于或等于0.70且库区边缘曲率变化值大于或等于0.20进行识别，自然植被区按照植被覆盖响应满足预设植被阈值且地形差异值小于0.10进行识别。对P2至P5尺度层输出的尾矿坡面、开采平台、尾矿库与自然植被区的分割结果进行融合，将类别概率大于或等于0.60的像元或分割单元作为对应矿山内部要素的分割结果;提取属于尾矿坡面、开采平台和尾矿库的连续区域，将其与自然植被区或非矿山区域之间的类别变化位置作为矿山候选边界，并对矿山候选边界进行连通域筛选、边缘提取、孔洞填充、轮廓闭合和平滑处理，其中，面积小于100个像元的连通域予以剔除，断裂距离小于5个像元的边界线段进行闭合，采用3×3或5×5窗口对锯齿边缘进行平滑，得到连续的矿山边界线，确定矿山边界轮廓。

[0028]步骤S200：根据所述矿山边界轮廓，调取边界内部的长时序遥感影像，经分类器的突变点判定规则定位突变点，确定闭坑推断数据。

[0029]在本申请实施例中，根据矿山边界轮廓确定长时序遥感影像的调取范围，提取边界内部对应时间序列的遥感影像，并将长时序遥感影像输入分类器;分类器通过长时序遥感特征提取，获得边界内部像元在不同时相下的遥感特征变化，并基于像元时间序列执行突变点定位，以矿区活动由活跃转为停止的突变点作为检测目标，将植被恢复启动、裸地表面积骤减与地表温度趋于稳定作为突变点的时序表现和目标动态指标，确定用于表征矿区闭坑状态和闭坑时间的闭坑推断数据。

[0030]进一步的，申请实施例提供的方法中，经分类器的突变点判定规则定位突变点，确定闭坑推断数据，还包括：

[0031]识别所述矿山边界轮廓并调取长时序遥感影像，输入分类器，通过进行长时序遥感特征提取与像元时间序列下的突变点定位，确定闭坑推断数据;其中，所述分类器以矿区活动由活跃转为停止的突变点为检测目标，以突变点的时序表现为目标动态指标，突变点的时序表现包含但不限于植被恢复启动、裸地表面积骤减与地表温度趋于稳定。

[0032]在本申请实施例中，首先将矿山边界轮廓作为空间约束范围，调取边界内部的长时序遥感影像，并将长时序遥感影像输入分类器。通过映射矿山边界轮廓与长时序遥感影像，按照时间顺序对轮廓内部区域进行逐像元处理，提取每个像元的长时序遥感特征，生成多维特征空间;其中，多维特征空间用于表征矿区由扰动状态向稳定状态变化的扰动-稳定转变过程，多维特征空间包含植被指数、裸地指数、地表温度与短波红外反射率。

[0033]接下来分类器以矿区活动由活跃转为停止的突变点为检测目标，以突变点的时序表现为目标动态指标，对多维特征空间中的像元时间序列执行突变点定位;其中，突变点的时序表现包含植被恢复启动、裸地表面积骤减与地表温度趋于稳定。分类器根据训练固化的突变点判定规则，对像元时间序列中植被指数、裸地指数、地表温度与短波红外反射率的前后变化进行判定，定位表示矿区活动状态由活跃转为停止的时间节点。

[0034]最后针对定位得到的各突变点，确定闭坑推断数据。闭坑推断数据包含闭坑年份推断值、闭坑前后特征变化的时序曲线与闭坑点置信度图;其中，闭坑年份推断值由突变点对应的时间节点确定，闭坑前后特征变化的时序曲线由突变点前后植被指数、裸地指数、地表温度与短波红外反射率的变化过程形成，闭坑点置信度图由各像元突变点定位结果及其判定置信度生成。

[0035]进一步的，申请实施例提供的方法中，进行长时序遥感特征提取与像元时间序列下的突变点定位，确定闭坑推断数据，还包括：

[0036]通过映射所述矿山边界轮廓与所述长时序遥感影像，逐轮廓内部区域进行每个像元的长时序遥感特征提取，生成多维特征空间，其中，所述多维特征空间表征扰动-稳定转变过程，所述多维特征空间包含但不限于植被指数、裸地指数、地表温度与短波红外反射率;将所述多维特征空间，根据分类器内训练固化的突变点判定规则，定位突变点;针对各突变点，确定闭坑推断数据，其中，所述闭坑推断数据包含闭坑年份推断值、闭坑前后特征变化的时序曲线与闭坑点置信度图。

[0037]在本申请实施例中，通过映射矿山边界轮廓与长时序遥感影像，将矿山边界轮廓叠置到各时相遥感影像上，提取位于矿山边界轮廓内部的像元，并按照时间顺序建立每个像元的像元时间序列。对每个像元的像元时间序列进行长时序遥感特征提取，分别计算植被指数、裸地指数、地表温度与短波红外反射率;其中，植被指数按照近红外波段减去红光波段后的差值，再除以近红外波段与红光波段之和计算;裸地指数按照短波红外波段与红光波段之和减去近红外波段与蓝光波段之和后的差值，再除以上述两组波段和值的总和计算;地表温度由热红外波段反演计算;短波红外反射率采用短波红外波段对应的地表反射率。将同一像元在各时相下的植被指数、裸地指数、地表温度与短波红外反射率按照时间顺序排列，并按照轮廓内部区域的像元空间位置组织，生成多维特征空间，多维特征空间表征扰动-稳定转变过程。

[0038]接下来将多维特征空间输入分类器，根据分类器内训练固化的突变点判定规则定位突变点。对每个待判定时间节点，以该时间节点之前连续三个时相作为前时段，以该时间节点之后连续三个时相作为后时段，分别计算前时段植被指数均值、后时段植被指数均值、前时段裸地指数均值、后时段裸地指数均值、前时段地表温度标准差、后时段地表温度标准差以及后时段短波红外反射率平均变化率。后时段植被指数均值减去前时段植被指数均值的差值大于或等于0.15，前时段裸地指数均值减去后时段裸地指数均值的差值大于或等于0.20，后时段地表温度标准差小于或等于前时段地表温度标准差的50%，且后时段短波红外反射率平均变化率小于或等于10%时，分类器将该待判定时间节点定位为突变点;当同一矿山边界轮廓内部满足上述突变点判定规则的像元数量占有效像元数量的比例大于或等于60%，且突变点集中于同一年度或相邻年度时，完成像元时间序列下的突变点定位。

[0039]最后针对各突变点，确定闭坑推断数据，其中，闭坑推断数据包含闭坑年份推断值、闭坑前后特征变化的时序曲线与闭坑点置信度图。将突变点对应年度作为闭坑年份推断值;将突变点前后各时相的植被指数、裸地指数、地表温度与短波红外反射率按照时间顺序连接，形成闭坑前后特征变化的时序曲线;闭坑点置信度按照特征变化得分、邻域一致性得分和年度集中度得分计算。特征变化得分由四项得分计算，其中，植被指数增幅得分为后时段植被指数均值减去前时段植被指数均值后除以0.30，并将计算结果限制在0至1之间;裸地指数降幅得分为前时段裸地指数均值减去后时段裸地指数均值后除以0.40，并将计算结果限制在0至1之间;地表温度稳定得分为前时段地表温度标准差减去后时段地表温度标准差后，再除以前时段地表温度标准差，并将计算结果限制在0至1之间;短波红外反射率稳定得分为1减去后时段短波红外反射率平均变化率与0.10的比值，并将计算结果限制在0至1之间。将植被指数增幅得分、裸地指数降幅得分、地表温度稳定得分和短波红外反射率稳定得分分别乘以0.30、0.30、0.25和0.15后相加，计算特征变化得分;邻域一致性得分为该像元3×3邻域内满足同一突变点判定规则的有效像元数量除以3×3邻域内有效像元总数量;年度集中度得分为同一矿山边界轮廓内部落入该突变点年度或相邻年度的突变点像元数量除以全部突变点像元数量。将特征变化得分、邻域一致性得分和年度集中度得分分别乘以0.60、0.25和0.15后相加，计算每个像元的闭坑点置信度，并按照像元空间位置形成闭坑点置信度图，由此确定包含闭坑年份推断值、闭坑前后特征变化的时序曲线与闭坑点置信度图的闭坑推断数据。

[0040]步骤S300：构建以驱动因子层、介质响应层与效应表征层为架构的采矿生态归因框架，对所述空间位置分布图、矿山类型分类结果与闭坑推断数据进行因果匹配与量化，得到因果归因图与生态修复优先级排序图。

[0041]在本申请实施例中，构建以驱动因子层、介质响应层与效应表征层为架构的采矿生态归因框架时，定义驱动因子层、介质响应层与效应表征层，并采用结构方程建立层间可解释性的因果路径，量化每条因果路径的因果效应系数;其中，驱动因子层表征采矿活动的强度与时空演变，介质响应层反映采矿活动对土壤基质的破坏程度，效应表征层表征生态退化响应。通过划分采矿活跃期与闭坑恢复期，将因果类型分类为采矿导致生态退化与闭坑后自然恢复，并结合空间位置分布图、矿山类型分类结果与闭坑推断数据进行层内指标匹配与层间关联，确定多个生态因果链;对多个生态因果链进行基于时间序列与空间相位的整合，得到因果归因图。根据因果归因图，执行基于矿山类型分类结果与闭坑年份推断的叠置分析，并按照采矿退化贡献率高、闭坑年份早、矿山类型为能源矿的优先级递增规则，生成面向修复资源分配的生态修复优先级排序图。

[0042]进一步的，申请实施例提供的方法中，构建以驱动因子层、介质响应层与效应表征层为架构的采矿生态归因框架，还包括：

[0043]定义驱动因子层、介质响应层与效应表征层，采用结构方程建立层间的可解释性的因果路径，并量化每条路径的因果效应系数，构成采矿生态归因框架;其中，所述采矿生态归因框架的输出为因果归因图、生态修复优先级排序图。

[0044]在本申请实施例中，定义驱动因子层、介质响应层与效应表征层时，将每个矿区对应的指标整理为三类数据。驱动因子层用于表示采矿活动的强度与时空演变，采用采矿权范围、开采面扩张速率、排土场面积变化率、尾矿坡面占比作为量化指标;介质响应层用于表示采矿活动对土壤基质的破坏程度，采用土壤重金属含量、有机质含量、土体结构扰动指数作为量化指标;效应表征层用于表示生态退化结果，采用植被覆盖度变化率、物种多样性指数、生态韧性指标作为生态退化的表征。对上述指标进行归一化处理，使各指标转换到同一数值范围内;对于数值越大表示退化越强的指标，直接使用归一化结果;对于数值越小表示退化越强的指标，使用一减去归一化结果后的数值。

[0045]采用结构方程建立层间的可解释性的因果路径时，先建立驱动因子层至介质响应层的因果路径，再建立介质响应层至效应表征层的因果路径，并保留驱动因子层直接作用于效应表征层的因果路径。具体来说，以每一个介质响应层指标作为因变量，以采矿权范围、开采面扩张速率、排土场面积变化率、尾矿坡面占比作为自变量进行回归计算，得到驱动因子层至介质响应层的标准化回归系数;以每一个效应表征层指标作为因变量，以土壤重金属含量、有机质含量、土体结构扰动指数以及采矿权范围、开采面扩张速率、排土场面积变化率、尾矿坡面占比作为自变量进行回归计算，得到介质响应层至效应表征层、驱动因子层至效应表征层的标准化回归系数。标准化回归系数作为对应因果路径的因果效应系数，用于表示该因果路径的作用方向和作用强度。

[0046]量化每条路径的因果效应系数后，对采矿活动对生态退化的作用进行计算。驱动因子层直接作用于效应表征层的因果效应系数作为直接因果效应;驱动因子层经介质响应层作用于效应表征层时，将驱动因子层至介质响应层的因果效应系数与介质响应层至效应表征层的因果效应系数相乘，得到间接因果效应;同一驱动因子层指标经多个介质响应层指标作用于同一效应表征层指标时，将多个间接因果效应相加，得到总间接因果效应;再将直接因果效应与总间接因果效应相加，得到总因果效应。由驱动因子层、介质响应层、效应表征层、层间的可解释性的因果路径以及每条路径的因果效应系数，构成采矿生态归因框架;其中，采矿生态归因框架根据总因果效应表达采矿导致退化比例和主要因果路径，输出因果归因图，并根据因果归因图生成生态修复优先级排序图。

[0047]进一步的，申请实施例提供的方法还包括：

[0048]所述驱动因子层表征采矿活动的强度与时空演变，以采矿权范围、开采面扩张速率、排土场面积变化率、尾矿坡面占比为量化指标;所述介质响应层反映采矿活动对土壤基质的破坏程度，以土壤重金属含量、有机质含量、土体结构扰动指数为量化指标;所述效应表征层以植被覆盖度变化率、物种多样性指数、生态韧性指标作为生态退化的表征。

[0049]在本申请实施例中，驱动因子层表征采矿活动的强度与时空演变，以采矿权范围、开采面扩张速率、排土场面积变化率、尾矿坡面占比为量化指标。采矿权范围通过采矿权边界与目标矿区范围进行空间叠置得到，计算采矿权边界覆盖面积，并将该覆盖面积作为采矿权范围的指标值;开采面扩张速率通过提取前一时相开采面面积和后一时相开采面面积得到，计算后一时相开采面面积减去前一时相开采面面积后的差值，再除以前后两个时相的时间间隔，得到开采面扩张速率;排土场面积变化率通过提取前一时相排土场面积和后一时相排土场面积得到，计算后一时相排土场面积减去前一时相排土场面积后的差值，再除以前一时相排土场面积，得到排土场面积变化率;尾矿坡面占比通过提取矿山边界轮廓内部的尾矿坡面面积，并将尾矿坡面面积除以矿山边界轮廓内部总面积得到。由此，形成驱动因子层中反映采矿活动强度与时空演变的量化结果。

[0050]介质响应层反映采矿活动对土壤基质的破坏程度，以土壤重金属含量、有机质含量、土体结构扰动指数为量化指标。土壤重金属含量通过对矿山边界轮廓内部采样点的重金属检测值进行空间插值，并计算矿山边界轮廓内部各像元重金属含量的平均值，得到土壤重金属含量;有机质含量通过对矿山边界轮廓内部采样点的有机质检测值进行空间插值，并计算矿山边界轮廓内部各像元有机质含量的平均值，得到有机质含量;土体结构扰动指数通过地表粗糙度、裸地指数和坡度变化共同计算，先分别对地表粗糙度、裸地指数和坡度变化进行归一化处理，再将归一化后的地表粗糙度、裸地指数和坡度变化按照预设权重相加，得到土体结构扰动指数。由此，形成介质响应层中反映土壤基质破坏程度的量化结果。

[0051]效应表征层以植被覆盖度变化率、物种多样性指数、生态韧性指标作为生态退化的表征。植被覆盖度变化率通过前一时相植被覆盖度和后一时相植被覆盖度计算，先根据植被指数反演各时相植被覆盖度，再计算后一时相植被覆盖度减去前一时相植被覆盖度后的差值，并除以前一时相植被覆盖度，得到植被覆盖度变化率;物种多样性指数通过目标矿区内不同植被类型的面积占比计算，先统计每一种植被类型面积占植被总面积的比例，再将各植被类型面积占比与其自然对数乘积的相反数累加，得到物种多样性指数;生态韧性指标通过扰动后生态指标恢复程度计算，先确定扰动前植被覆盖度基准值、扰动最低期植被覆盖度值和恢复期植被覆盖度值，再计算恢复期植被覆盖度值减去扰动最低期植被覆盖度值后的差值，并除以扰动前植被覆盖度基准值减去扰动最低期植被覆盖度值后的差值，得到生态韧性指标。由此，形成效应表征层中反映生态退化程度及恢复能力的量化结果。

[0052]进一步的，申请实施例提供的方法还包括：

[0053]通过划分采矿活跃期与闭坑恢复期，将因果类型分类为采矿导致生态退化与闭坑后自然恢复;针对各因果类型，以驱动-效应关系，进行驱动因子层、介质响应层与效应表征层之间的因果关联，确定因果路径。

[0054]在本申请实施例中，以闭坑推断数据中的闭坑年份推断值作为时间分界，对同一矿山边界轮廓内部的长时序遥感影像和各层指标数据进行阶段划分。将闭坑年份推断值之前的时相划分为采矿活跃期，将闭坑年份推断值之后的时相划分为闭坑恢复期;若闭坑年份推断值为某一年份，则该年份之前用于表征采矿活动持续扰动过程，该年份之后用于表征矿区活动停止后的恢复过程。通过上述划分，使同一矿山区域在时间上被分为两个连续阶段，并据此将因果类型分类为采矿导致生态退化与闭坑后自然恢复，其中，采矿活跃期对应采矿导致生态退化，闭坑恢复期对应闭坑后自然恢复。

[0055]在采矿活跃期内，针对采矿导致生态退化这一因果类型，以驱动-效应关系进行驱动因子层、介质响应层与效应表征层之间的因果关联。具体来说，先计算采矿活跃期内驱动因子层的指标变化量，包括采矿权范围、开采面扩张速率、排土场面积变化率、尾矿坡面占比;再计算同一时间阶段内介质响应层的指标变化量，包括土壤重金属含量、有机质含量、土体结构扰动指数;随后计算效应表征层的指标变化量，包括植被覆盖度变化率、物种多样性指数、生态韧性指标。若驱动因子层变化发生在前，介质响应层变化发生在后，并且二者位于同一矿山边界轮廓内部，则建立驱动因子层至介质响应层的因果关联;若介质响应层变化发生在前，效应表征层变化发生在后，并且二者位于同一矿山边界轮廓内部，则建立介质响应层至效应表征层的因果关联;若驱动因子层变化与效应表征层变化在时间上具有先后关系并在空间上具有对应关系，则建立驱动因子层至效应表征层的因果关联。由此确定采矿导致生态退化对应的因果路径。

[0056]在闭坑恢复期内，针对闭坑后自然恢复这一因果类型，以驱动-效应关系进行驱动因子层、介质响应层与效应表征层之间的因果关联。具体来说，先计算闭坑恢复期内驱动因子层的指标变化量，当开采面扩张速率下降、排土场面积变化率下降、尾矿坡面占比停止增加时，确定采矿扰动减弱;再计算介质响应层的指标变化量，当土壤重金属含量变化幅度降低、有机质含量增加、土体结构扰动指数下降时，确定土壤基质破坏程度降低;随后计算效应表征层的指标变化量，当植被覆盖度变化率转为增加、物种多样性指数增加、生态韧性指标增加时，确定生态恢复变化。若驱动因子层的采矿扰动减弱发生在前，介质响应层的土壤基质改善发生在后，并且二者位于同一矿山边界轮廓内部，则建立驱动因子层至介质响应层的因果关联;若介质响应层的土壤基质改善发生在前，效应表征层的生态恢复变化发生在后，并且二者位于同一矿山边界轮廓内部，则建立介质响应层至效应表征层的因果关联。由此确定闭坑后自然恢复对应的因果路径。

[0057]针对采矿导致生态退化与闭坑后自然恢复两类因果类型，分别对已建立的因果关联进行筛选和固化。筛选时，先判断时间顺序，即驱动因子层变化早于介质响应层变化，介质响应层变化早于效应表征层变化;再判断空间对应，即各层指标变化均落入同一矿山边界轮廓内部;再判断变化方向，即采矿导致生态退化中表现为采矿扰动增强、土壤基质破坏增强、生态退化增强，闭坑后自然恢复中表现为采矿扰动减弱、土壤基质破坏降低、生态恢复增强。满足上述条件的关联关系确定为因果路径，因果路径包括驱动因子层至介质响应层、介质响应层至效应表征层以及驱动因子层至效应表征层的路径。

[0058]进一步的，申请实施例提供的方法中，得到因果归因图，还包括：

[0059]将所述空间位置分布图、矿山类型分类结果与闭坑推断数据输入所述采矿生态归因框架，执行层内指标匹配与层间关联，确定多个生态因果链;对多个生态因果链进行基于时间序列与空间相位的整合，重构为所述因果归因图。

[0060]在本申请实施例中，将空间位置分布图、矿山类型分类结果与闭坑推断数据输入采矿生态归因框架后，先以空间位置分布图确定每一处矿山区域的位置范围，并将矿山类型分类结果写入对应矿山区域，使每一处矿山区域具有确定的矿山类型。再将闭坑推断数据中的闭坑年份推断值、闭坑前后特征变化的时序曲线与闭坑点置信度图写入同一矿山区域;其中，闭坑年份推断值用于划分采矿活跃期与闭坑恢复期，闭坑前后特征变化的时序曲线用于确定各指标变化发生的时间顺序，闭坑点置信度图用于确定闭坑年份推断值在不同像元位置上的可靠程度。随后执行层内指标匹配，在驱动因子层中匹配采矿权范围、开采面扩张速率、排土场面积变化率、尾矿坡面占比，在介质响应层中匹配土壤重金属含量、有机质含量、土体结构扰动指数，在效应表征层中匹配植被覆盖度变化率、物种多样性指数、生态韧性指标。各指标按照同一矿山区域、同一时间阶段进行计算;数值越大表示退化越强的指标，采用指标值减去最小值后再除以最大值与最小值的差值得到归一化结果;数值越小表示退化越强的指标，先按相同方式得到归一化结果，再用一减去该归一化结果得到参与计算的指标值。

[0061]执行层间关联时，按照采矿生态归因框架中驱动因子层、介质响应层与效应表征层之间已经建立的因果路径，将层内指标匹配后的指标逐项连接，确定多个生态因果链。每个生态因果链由一个驱动因子层指标、一个介质响应层指标和一个效应表征层指标构成，并对应两段因果效应系数，即驱动因子层指标至介质响应层指标的因果效应系数，以及介质响应层指标至效应表征层指标的因果效应系数。计算时，将驱动因子层指标的归一化结果，乘以驱动因子层指标至介质响应层指标的因果效应系数，再乘以介质响应层指标至效应表征层指标的因果效应系数，得到该生态因果链对应的因果效应计算值，因果效应计算值用于表示该生态因果链对效应表征层的作用贡献，并作为后续计算采矿退化贡献率的中间计算结果;存在驱动因子层直接作用于效应表征层的因果路径时，将驱动因子层指标的归一化结果乘以驱动因子层指标至效应表征层指标的因果效应系数，得到对应的因果效应计算值。由此，将采矿权范围、开采面扩张速率、排土场面积变化率、尾矿坡面占比与土壤重金属含量、有机质含量、土体结构扰动指数以及植被覆盖度变化率、物种多样性指数、生态韧性指标之间的层间关系，转化为多个可计算的生态因果链。

[0062]对多个生态因果链进行基于时间序列与空间相位的整合时，先根据闭坑年份推断值将生态因果链划入采矿活跃期或者闭坑恢复期;采矿活跃期内，保留驱动因子层指标变化时间早于介质响应层指标变化时间、介质响应层指标变化时间早于效应表征层指标变化时间的生态因果链;闭坑恢复期内，保留闭坑年份推断值之后驱动因子层指标减弱、介质响应层指标改善、效应表征层指标恢复的生态因果链。再根据空间位置分布图进行空间相位整合，将驱动因子层指标所在位置、介质响应层指标所在位置和效应表征层指标所在位置进行叠置计算;当三者位于同一矿山区域内，或者叠置面积占该矿山区域面积的比例达到预设比例时，保留该生态因果链并将其写入对应空间位置。对同一矿山区域内属于采矿导致生态退化的生态因果链，将其因果效应计算值的绝对值相加，得到采矿导致生态退化对应的数值;对同一矿山区域内属于闭坑后自然恢复的生态因果链，将其因果效应计算值的绝对值相加，得到闭坑后自然恢复对应的数值;将采矿导致生态退化对应的数值除以采矿导致生态退化对应的数值与闭坑后自然恢复对应的数值之和，得到采矿退化贡献率。最后将每一处矿山区域的生态因果链、因果效应系数、采矿退化贡献率、矿山类型分类结果和闭坑年份推断值按照空间位置写入图层，重构为因果归因图。

[0063]进一步的，申请实施例提供的方法中，得到生态修复优先级排序图，还包括：

[0064]根据所述因果归因图，执行基于矿山类型分类结果与闭坑年份推断的叠置分析，根据预设组合规则进行治理的优先级分配，生成面向修复资源分配的生态修复优先级排序图;其中，所述预设组合规则基于采矿退化贡献率高、闭坑年份早、矿山类型为能源矿的优先级递增。

[0065]在本申请实施例中，根据因果归因图执行叠置分析时，以因果归因图中每一处矿山区域的空间边界作为叠置范围，将矿山类型分类结果和闭坑年份推断叠置到同一空间边界内。若同一矿山区域内存在多个矿山类型像元，则统计各矿山类型在该矿山区域内的面积占比，并将面积占比最大的矿山类型作为该矿山区域的矿山类型;若同一矿山区域内存在多个闭坑年份推断值，则结合闭坑点置信度图进行计算，将各闭坑年份推断值分别乘以对应闭坑点置信度后求和，再除以闭坑点置信度之和，得到该矿山区域的闭坑年份推断。叠置完成后，每一处矿山区域均对应采矿退化贡献率、矿山类型和闭坑年份推断，用于后续治理的优先级分配。

[0066]根据预设组合规则进行治理的优先级分配时，分别计算采矿退化贡献率得分、闭坑年份得分和矿山类型得分。采矿退化贡献率得分直接采用因果归因图中的采矿退化贡献率;闭坑年份得分根据闭坑年限计算，先用评价年份减去闭坑年份推断，得到闭坑年限，再用该矿山区域的闭坑年限减去全部矿山区域中的最小闭坑年限，并除以全部矿山区域中的最大闭坑年限与最小闭坑年限的差值，得到闭坑年份得分;矿山类型得分根据矿山类型分类结果确定，其中矿山类型为能源矿的区域赋值为1，矿山类型不是能源矿的区域赋值为0。由此，使采矿退化贡献率高、闭坑年份早、矿山类型为能源矿分别转换为可计算的优先级得分。

[0067]计算治理优先级时，将采矿退化贡献率得分、闭坑年份得分和矿山类型得分分别乘以对应权重后相加，得到治理优先级得分;其中，采矿退化贡献率得分的权重为0.5，闭坑年份得分的权重为0.3，矿山类型得分的权重为0.2，即治理优先级得分等于采矿退化贡献率得分乘以0.5、闭坑年份得分乘以0.3、矿山类型得分乘以0.2后的和值。按照治理优先级得分由高到低对各矿山区域进行排序;治理优先级得分相同时，依次按照采矿退化贡献率高、闭坑年份早、矿山类型为能源矿的顺序确定排序。最后将每一处矿山区域的治理优先级得分和排序结果写入对应空间位置，生成面向修复资源分配的生态修复优先级排序图。

[0068]步骤S400：根据所述因果归因图与生态修复优先级排序图，对所述目标矿区进行生态管理。

[0069]在本申请实施例中，根据因果归因图与生态修复优先级排序图，对目标矿区进行生态管理时，先根据因果归因图确定目标矿区内各矿山区域的主要生态退化原因、采矿退化贡献率和对应因果路径，再根据生态修复优先级排序图确定各矿山区域的治理顺序;对于采矿退化贡献率高且排序靠前的矿山区域，优先安排修复资源，并根据主要因果路径选择治理措施，例如因土壤重金属含量升高导致生态退化的区域，执行土壤修复和污染阻控，因土体结构扰动指数高导致生态退化的区域，执行地形整治和边坡稳定处理，因植被覆盖度变化率下降导致生态退化的区域，执行植被恢复和水土保持;同时，将治理措施、治理范围、治理顺序和后续监测周期写入目标矿区生态管理方案，并在后续遥感监测中根据新的空间位置分布图、闭坑推断数据和因果归因图更新生态管理结果。

[0070]在本申请实施例中，综上所述，本申请实施例至少具有如下技术效果：

[0071]本申请获取目标矿区的多源遥感数据，执行基于多尺度目标检测网络下的自注意力特征融合提取，确定生态分布数据，其中，所述生态分布数据包含空间位置分布图、矿山类型分类结果、矿山边界轮廓;根据所述矿山边界轮廓，调取边界内部的长时序遥感影像，经分类器的突变点判定规则定位突变点，确定闭坑推断数据;构建以驱动因子层、介质响应层与效应表征层为架构的采矿生态归因框架，对所述空间位置分布图、矿山类型分类结果与闭坑推断数据进行因果匹配与量化，得到因果归因图与生态修复优先级排序图;根据所述因果归因图与生态修复优先级排序图，对所述目标矿区进行生态管理。本发明解决现有技术中矿区生态退化成因难以准确量化识别的技术问题，通过构建以驱动因子层、介质响应层与效应表征层为架构的采矿生态归因框架，对矿区生态分布数据与闭坑推断数据进行因果匹配与量化，达到准确识别矿区生态退化因果关系并提升生态修复决策针对性的技术效果。

[0072]实施例二，基于与前述实施例中一种矿区生态环境遥感信息智能提取方法相同的发明构思，如图2所示，本申请提供一种矿区生态环境遥感信息智能提取系统，本申请实施例中的系统与方法实施例基于同样的发明构思。其中，所述系统包括：

[0073]数据获取模块11，用于获取目标矿区的多源遥感数据，执行基于多尺度目标检测网络下的自注意力特征融合提取，确定生态分布数据，其中，所述生态分布数据包含空间位置分布图、矿山类型分类结果、矿山边界轮廓;突变点定位模块12，用于根据所述矿山边界轮廓，调取边界内部的长时序遥感影像，经分类器的突变点判定规则定位突变点，确定闭坑推断数据;因果匹配模块13，用于构建以驱动因子层、介质响应层与效应表征层为架构的采矿生态归因框架，对所述空间位置分布图、矿山类型分类结果与闭坑推断数据进行因果匹配与量化，得到因果归因图与生态修复优先级排序图;生态管理模块14，用于根据所述因果归因图与生态修复优先级排序图，对所述目标矿区进行生态管理。

[0074]进一步的，所述系统还用于实现以下功能：

[0075]根据地形特征，部署地形感知自注意力规则，其中，所述地形特征包含坡度、地表粗糙度与曲率;依据所述地形感知自注意力规则，执行基于地形特征引导的特征金字塔分割，确定所述矿山边界轮廓;其中，以矿山内部要素定义特征金字塔，矿山内部要素基于尾矿坡面、开采平台、尾矿库与自然植被区的内部要素构成。

[0076]进一步的，所述系统还用于实现以下功能：

[0077]识别所述矿山边界轮廓并调取长时序遥感影像，输入分类器，通过进行长时序遥感特征提取与像元时间序列下的突变点定位，确定闭坑推断数据;其中，所述分类器以矿区活动由活跃转为停止的突变点为检测目标，以突变点的时序表现为目标动态指标，突变点的时序表现包含但不限于植被恢复启动、裸地表面积骤减与地表温度趋于稳定。

[0078]进一步的，所述系统还用于实现以下功能：

[0079]通过映射所述矿山边界轮廓与所述长时序遥感影像，逐轮廓内部区域进行每个像元的长时序遥感特征提取，生成多维特征空间，其中，所述多维特征空间表征扰动-稳定转变过程，所述多维特征空间包含但不限于植被指数、裸地指数、地表温度与短波红外反射率;将所述多维特征空间，根据分类器内训练固化的突变点判定规则，定位突变点;针对各突变点，确定闭坑推断数据，其中，所述闭坑推断数据包含闭坑年份推断值、闭坑前后特征变化的时序曲线与闭坑点置信度图。

[0080]进一步的，所述系统还用于实现以下功能：

[0081]定义驱动因子层、介质响应层与效应表征层，采用结构方程建立层间的可解释性的因果路径，并量化每条路径的因果效应系数，构成采矿生态归因框架;其中，所述采矿生态归因框架的输出为因果归因图、生态修复优先级排序图。

[0082]进一步的，所述系统还用于实现以下功能：

[0083]所述驱动因子层表征采矿活动的强度与时空演变，以采矿权范围、开采面扩张速率、排土场面积变化率、尾矿坡面占比为量化指标;所述介质响应层反映采矿活动对土壤基质的破坏程度，以土壤重金属含量、有机质含量、土体结构扰动指数为量化指标;所述效应表征层以植被覆盖度变化率、物种多样性指数、生态韧性指标作为生态退化的表征。

[0084]进一步的，所述系统还用于实现以下功能：

[0085]通过划分采矿活跃期与闭坑恢复期，将因果类型分类为采矿导致生态退化与闭坑后自然恢复;针对各因果类型，以驱动-效应关系，进行驱动因子层、介质响应层与效应表征层之间的因果关联，确定因果路径。

[0086]进一步的，所述系统还用于实现以下功能：

[0087]将所述空间位置分布图、矿山类型分类结果与闭坑推断数据输入所述采矿生态归因框架，执行层内指标匹配与层间关联，确定多个生态因果链;对多个生态因果链进行基于时间序列与空间相位的整合，重构为所述因果归因图。

[0088]进一步的，所述系统还用于实现以下功能：

[0089]根据所述因果归因图，执行基于矿山类型分类结果与闭坑年份推断的叠置分析，根据预设组合规则进行治理的优先级分配，生成面向修复资源分配的生态修复优先级排序图;其中，所述预设组合规则基于采矿退化贡献率高、闭坑年份早、矿山类型为能源矿的优先级递增。

[0090]需要说明的是，上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。在附图中描绘的过程不一定要求示出的特定顺序和连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

[0091]以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭示如上，然而并非用以限定本发明，任何本领域技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

说明书附图(2)