基于蜣螂算法优化的投影寻踪生态环境评价方法构建
刘英1
范雅慧2
衡文静2
许萍萍2
岳辉1
毕银丽3
牛鸿波4
田少国4
祖鹏举5
曹满红5
董起广5
1.西安科技大学测绘科学与技术学院,陕西西安 710054;西安科技大学西部矿山生态环境修复研究院,陕西西安 7100542.西安科技大学测绘科学与技术学院,陕西西安 7100543.西安科技大学地质与环境学院,陕西西安 710054;西安科技大学西部矿山生态环境修复研究院,陕西西安 7100544.陕西省煤层气开发利用有限公司,陕西西安 7101195.陕西生态产业有限公司,陕西西安 710061
摘要：矿山开采会破坏和占用大量土地资源,对生态环境造成持久的负面影响,因此评价矿区生态环境质量变化迫在眉睫.为了准确监测矿区生态环境质量,以陕煤集团张家峁矿区 2000-2023年 24期逐年的Landsat影像为基础数据,通过计算绿度(Normalized Difference Vegetation Index,NDVI)、湿度(Humidity Index,WET)、热度(Land Surface Temperature,LST)、干度(Normalized Differential Build-up and bare Soil Index,NDBSI)4项生态指标,并采用基于果蝇优化算法的投影寻踪(Fruit Fly Optimization Algorithm-Projection Pursuit Clustering,FOA-PPC)、基于粒子群优化算法的投影寻踪(Particle Swarm Optimization-Projection Pursuit Clustering,PSO-PPC)、基于灰狼优化算法的投影寻踪(Grey Wolf Optimizer-Projection Pursuit Clustering,GWO-PPC)和基于蜣螂优化算法的投影寻踪(Dung Beetle Optimizer-Projection Pursuit Clustering,DBO-PPC)4种群智能优化算法构建矿区生态环境质量评价方法,并利用平均相关度进行精度验证.结果表明:①DBO-PPC模型的平均相关度和类内聚集度均高于PSO-PPC模型、FOA-PPC模型和GWO-PPC模型,且与EI指数更接近,表明DBO-PPC能更好的评估研究区生态环境;②基于DBO-PPC模型的张家峁矿区2000-2023年生态环境质量均值为 0.4,生态环境质量以差和较差等级为主,面积占比约 55.94%,空间上呈西部差东部好,常家沟水库的生态环境在研究期内表现为优等级,矿区东北部和中部区域的生态环境较好,植被覆盖较多;③矿区发生沉陷面积占比为 81.28%,沉陷最大值达-0.15 m;采区发生沉陷现象面积占比明显高于矿区,占采区面积的 89.56%,生态环境质量以-0.000 4的速率下降,表明采矿活动使得研究区的地表发生了沉陷,进而影响到生态环境.综上所述DBO-PPC模型在监测评价矿区生态环境质量方面具有较强的合理性,从而为矿区生态环境可持续发展提供技术手段.
关键词：群智能优化算法投影寻踪DBO-PPC生态环境评价
分类号：X87(环境遥感)
资助基金：国家重点研发计划(2022YFF1303300)陕西省自然科学基础研究计划资助项目(2023-JC-YB-266)陕西煤业化工集团科研资助项目(2022SMHKJ-B-J-54)
论文发表日期：2024-06-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：12( 2799-2810 )
英文信息