论文题目：基于RSEI的黔中水利枢纽工程区生态环境质量时空演变及驱动机理解析
摘要：良好的生态环境质量对人类的生存发展十分重要。在经济社会不断发展的过程中,我们所处的生态环境也受到了程度各异的影响和破坏,环境问题逐渐受到全球各界的关注。如何更为客观、更加全面的对生态环境质量进行监测和评价,对区域的良性发展来说,是一个急需解决的关键问题。喀斯特山区的生态环境脆弱性是贵州高原山区生态环境保护与社会高质量发展所面临的主要生态环境问题,由于喀斯特地区自身的脆弱性,加之人类不合理的利用,生态环境问题也变得更为敏感。因此,如何快速且及时地对喀斯特山区重大水利枢纽工程区域的生态环境状况的变化进行监测和评估,对于喀斯特地区协调好生态环境保护与经济社会发展之间的平衡具有重要意义。黔中水利枢纽工程区处于喀斯特高原山区,石漠化程度高,生态环境颇为脆弱,人地矛盾尖锐。为对喀斯特山区重大水利枢纽工程区的生态环境状况进行监测和评估,了解其时空分异规律,解析水利工程与区域生态环境之间的响应机理。本文基于GIS与遥感技术,选取2000年、2005年、2010年、2015年、2020年遥感影像来作为研究的数据基础,构建起由绿度（NDVI）、湿度（WET）、干度（NDBSI）和热度（LST）4个指标因子组成的遥感生态指数（RSEI）评估模型。在模型中使用主成分分析法运算获得遥感生态指数RSEI,对研究区21年间的生态环境质量的时空分异特征进行定量评价,并运用地理探测器解析及其背后的驱动机理。研究主要得出如下结论:（1）遥感生态指数RSEI模型可耦合多个生态因子的信息,相较单一生态因子来说,其能够更好代表区域生态环境的整体状况。由主成分分析结果可看出:绿度与湿度的结果都为正数,说明绿度和湿度对研究区生态环境质量有积极的正向影响,能够促进研究区生态环境质量的改善,而干度与热度的结果均为负数,表明干度与热度对研究区生态环境质量起消极的负面影响,会阻碍研究区生态环境的恢复和改善。2000年、2005年、2010年、2015年和2020年RSEI均值分别为0.51、0.65、0.65、0.70、0.72。除2005和2010年的变化不大外,呈逐渐上升趋势,表明黔中水利枢纽工程区的生态环境状况是在逐渐变好的。从遥感生态指数等级变化来看,2000～2020年间,生态改善的面积均大于生态退化的面积,21年来的生态环境状况得到明显改善,整体生态环境状况在稳定中向好发展。从空间分布来看,主要是受人类活动影响较大的区域变化较为明显,且生态环境较差的区域也在生态保护政策的实施和黔中水利枢纽工程的调节作用下,逐渐得以改善。（2）2010～2020年黔中水利枢纽工程区39条干（支）渠建设区域周边50m、500m、1000m范围内,遥感生态指数有不同程度的变化。总体来说,在50m和500m的范围内有34条干（支）渠周边,遥感生态指数发生改善的面积比例大于发生退化的面积比例,有5条干（支）渠周边,遥感生态指数发生改善的面积比例小于发生退化的面积比例。在1000m范围内,有35条干（支）渠周边,遥感生态指数发生改善的面积比例大于发生退化的面积比例,有4条干（支）渠周边,遥感生态指数发生改善的面积比例小于发生退化的面积比例。改善大于退化的区域人类活动对生态环境的负面扰动较小,在工程建设过程中的生态保护工作取得较好成效;退化大于改善的区域,人类活动对生态环境产生了较大的干扰,需在后续建设工作中引起重视。（3）地理探测器结果显示:各探测因子对生态环境质量影响程度的大小排序为:土地利用＞坡度＞人口密度＞高程＞土壤类型＞降水量＞岩性。其中,人类活动,特别是土地利用因子对RSEI的解释程度最大,是各探测因子中对生态环境质量产生主要驱动作用的因子。探测因子对生态环境的影响都不是单一影响因子直接,独立作用的结果,也不是对多因子进行简单的叠加,而是在地形因子、气象因子、人类活动、地貌及土壤等影响因素协同交互后互相增强的综合作用下形成的合力。在本文的研究中,各探测因子间的交互作用,仅出现了两种增强关系,即双因子增强和非线性增强,没有出现独立或减弱的情况,且这种交互增强的效应对生态指数的影响效果都要大于单因子对生态指数的影响程度。随着时间变化,探测因子对生态环境的影响程度也有一定差异,其解释力q值出现差异的原因与其不同年份上对植被生长、地表形态及水土保持等生态状况的影响有关,除此之外,还可能与区域内出现的其他因子一起对生态环境产生影响有关,这些原因共同导致多年生态环境在空间上的分异。通过q值的变化可识别出引起生态环境质量时空分异的主导因子,对解析生态环境质量的变化机理和制定生态环境保护措施具有一定的指示作用。
关键词：生态环境质量;遥感生态指数;主成分分析;驱动机理;地理探测器;黔中水利枢纽
学科专业：地图学与地理信息系统
摘要
ABSTRACT
1 绪论
1.1 研究背景
1.2 研究意义
1.2.1 理论意义
1.2.2 现实意义
1.3 国内外研究现状
1.3.1 国外研究现状
1.3.2 国内研究现状
1.4 研究内容与方法
1.4.1 研究内容
1.4.2 技术路线
2 研究区概况与数据处理
2.1 研究区概述
2.1.1 地理位置
2.1.2 自然环境状况
2.1.3 社会经济状况
2.1.4 工程分区状况
2.2 数据源概况
2.2.1 遥感影像数据
2.2.2 DEM数据
2.2.3 降水量数据
2.2.4 地表覆盖数据
2.2.5 人口密度数据
2.2.6 地貌数据
2.2.7 土壤类型数据
2.3 数据预处理
2.3.1 辐射定标
2.3.2 大气校正
2.3.3 几何校正
2.3.4 影像裁剪拼接
2.4 本章小结
3 研究基本原理与方法
3.1 生态环境质量评价模型介绍
3.1.1 生态环境评价模型的选择
3.2 RSEI模型原理
3.2.1 绿度指标(NDVI)
3.2.2 湿度指标(Wet)
3.2.3 干度指标(NDBSI)
3.2.4 热度指标(LST)
3.3 主成分分析法
3.3.1 主成分分析法的基本原理
3.3.2 主成分分析法的数学模型
3.4 地理探测器
3.5 构建遥感生态指数(RSEI)评估模型
3.6 地理探测器信息提取及因子分级
3.7 本章小结
4 黔中水利枢纽工程区RSEI指标变化特征
4.1 各指标主成分分析结果
4.2 生态环境质量指数RSEI指标变化特征
4.2.1 各期数据绿度指标(NDVI)
4.2.2 各期数据湿度指标(WET)
4.2.3 各期数据干度指标(NDBSI)
4.2.4 各期数据热度指标(LST)
4.3 生态环境质量指数RSEI分级
4.4 本章小结
5 黔中水利枢纽工程区生态环境评价分析
5.1 基于遥感生态指数的研究区生态环境质量空间分布特征
5.1.1 2000年RSEI分布特征
5.1.2 2005年RSEI分布特征
5.1.3 2010年RSEI分布特征
5.1.4 2015年RSEI分布特征
5.1.5 2020年RSEI分布特征
5.2 基于遥感生态指数的研究区生态环境质量演变趋势动态分析
5.2.1 总体分布特征
5.2.2 遥感生态指数各干(支)渠差异性分析
5.3 本章小结
6 黔中水利枢纽工程区生态环境变化机理解析
6.1 主导因子探测分析及时序变化
6.2 探测因子显著性差异及指示作用分析
6.2.1 探测因子显著性差异
6.2.2 探测因子指示作用
6.2.3 探测因子交互作用分析
6.3 本章小结
7 结论与展望
7.1 结论
7.2 展望
参考文献
致谢