基于蜣螂算法优化的投影寻踪生态环境评价方法构建

• Published in: 煤炭学报 Vol. 49; no. 6; pp. 2799 - 2810
• Main Authors: 刘英, 范雅慧, 衡文静, 许萍萍, 岳辉, 毕银丽, 牛鸿波, 田少国, 祖鹏举, 曹满红, 董起广
• Format: Journal Article
• Language: Chinese
• Published: 西安科技大学西部矿山生态环境修复研究院,陕西西安 710054%西安科技大学测绘科学与技术学院,陕西西安 710054%西安科技大学地质与环境学院,陕西西安 710054 01.06.2024; 西安科技大学西部矿山生态环境修复研究院,陕西西安 710054%陕西省煤层气开发利用有限公司,陕西西安 710119%陕西生态产业有限公司,陕西西安 710061; 西安科技大学测绘科学与技术学院,陕西西安 710054
• Subjects: 生态环境评价; DBO-PPC; projection pursuit; 群智能优化算法; 投影寻踪; Swarm intelligent optimization algorithm; ecological environment evalu-ation
• ISSN: 0253-9993
• DOI: 10.13225/j.cnki.jccs.XH23.1696

X87; 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