基于长时间序列遥感数据的肯尼亚重点国家公园生态环境质量时空演变与驱动机制研究

基于长时间序列遥感数据的肯尼亚重点国家公园生态环境质量时空演变与驱动机制研究一、引言1.1研究背景与意义肯尼亚作为非洲生态多样性的重要代表，拥有众多独特且珍贵的国家公园，如马赛马拉国家保护区、纳库鲁湖国家公园等。这些国家公园不仅是大量珍稀动植物的家园，支撑着复杂而脆弱的生态系统，还在全球生态平衡调节中发挥关键作用，如参与碳循环、维持生物多样性等。同时，它们也是肯尼亚旅游业的核心吸引力，为国家经济发展做出显著贡献。据统计，旅游业收入在肯尼亚国内生产总值中占比可观，而国家公园的生态旅游是其中重要组成部分，每年吸引大量国际游客，带动周边地区就业与经济增长。然而，近年来肯尼亚国家公园面临严峻的生态环境挑战。一方面，全球气候变化导致肯尼亚气温上升、降水模式改变，引发干旱、洪水等极端气候事件频发，对国家公园内的生态系统造成直接冲击，威胁动植物生存与繁衍。另一方面，肯尼亚国内人口快速增长与经济发展需求，致使土地利用方式改变，公园周边的农业扩张、城市化进程加快，带来森林砍伐、栖息地破碎化、非法捕猎等问题，进一步破坏生态环境。例如，部分公园周边森林因农业开垦和木材需求被过度砍伐，导致野生动物栖息地减少，生物多样性下降。在这样的背景下，对肯尼亚重点国家公园生态环境质量进行准确、持续的监测与评价至关重要。长时间序列遥感数据在生态环境监测中具有显著优势。首先，它能够实现对大面积区域的长期、连续观测，克服传统地面监测在空间覆盖上的局限性，全面获取国家公园生态环境信息。其次，遥感数据可快速、周期性获取，能及时捕捉生态环境动态变化，为应对突发环境事件和长期生态变化趋势研究提供数据支持。再者，不同类型的遥感数据，如光学遥感数据可反映植被覆盖、土地利用等信息，热红外遥感数据能监测地表温度，雷达遥感数据可用于地形地貌和土壤湿度监测等，多种数据融合能够提供更丰富、全面的生态环境指标。本研究基于长时间序列遥感数据对肯尼亚重点国家公园生态环境质量评价具有多方面价值。在生态保护实践上，可为肯尼亚国家公园管理部门提供科学依据，助力制定针对性的生态保护策略和规划，如确定生态脆弱区域进行重点保护、优化公园边界和管理分区等。在科学研究领域，补充和完善肯尼亚生态环境研究的数据与方法体系，为全球生态环境变化研究提供区域案例，促进不同地区生态环境研究成果的对比与交流，加深对生态系统演变规律的理解。1.2国内外研究现状1.2.1遥感技术在生态环境评价中的应用遥感技术凭借其大面积同步观测、周期性重复监测以及数据获取不受地形限制等优势，在全球生态环境评价中得到广泛且深入的应用。在植被监测方面，利用归一化植被指数（NDVI）等植被指数，可有效反演植被覆盖度、叶面积指数（LAI）等关键参数，用于监测植被生长状况、评估植被生产力以及分析植被动态变化趋势。有研究基于长时间序列的MODISNDVI数据，对某区域植被覆盖度进行长达10年的监测，发现该区域在生态保护政策实施后，植被覆盖度呈逐年上升趋势，这表明植被监测在评估生态保护成效方面具有重要作用。在水体监测领域，通过分析遥感影像中水体的光谱特征，能够准确识别水体范围，监测水质参数如叶绿素a含量、悬浮物浓度、化学需氧量等。例如，利用高光谱遥感数据可以精确反演湖泊中叶绿素a的含量，为湖泊富营养化评价提供数据支持，及时发现水体生态环境的异常变化，以便采取相应的治理措施。对于土地利用/土地覆盖变化监测，遥感技术可以清晰地展现不同时期土地利用类型的分布与转变，分析城市化进程、农业扩张、森林砍伐等人类活动对生态环境的影响。有学者通过对某城市近20年的遥感影像解译，详细分析了城市扩张过程中土地利用类型的变化，揭示了城市发展对周边生态环境的侵占和破坏情况。在生物多样性监测方面，虽然直接利用遥感数据准确监测生物多样性存在一定困难，但结合地面调查数据和生态模型，通过分析栖息地特征、植被结构等间接指标，能够对生物多样性进行评估和预测。例如，通过遥感数据获取森林的植被类型、郁闭度等信息，结合生物多样性调查数据，建立生物多样性与遥感指标之间的关系模型，从而实现对生物多样性的初步评估。此外，在生态系统服务功能评估、生态灾害监测（如森林火灾、洪涝灾害等）等方面，遥感技术也发挥着不可或缺的作用。利用热红外遥感数据可以及时发现森林火灾的热点区域，为火灾扑救提供准确位置信息；通过多源遥感数据融合，能够对洪涝灾害的淹没范围和受灾程度进行快速评估，为灾害救援和恢复提供决策支持。1.2.2肯尼亚生态环境研究进展肯尼亚的生态环境研究在过去几十年中取得了一定成果。早期研究主要集中在生物多样性调查方面，通过野外实地考察和标本采集，对肯尼亚境内的动植物种类、分布范围进行了详细记录和分类，为后续生态研究奠定了基础。有研究团队对肯尼亚某国家公园内的哺乳动物进行了长期的调查，发现了多个珍稀物种的新分布区域，丰富了对该地区生物多样性的认识。随着研究的深入，对生态系统结构与功能的研究逐渐展开，探讨了肯尼亚不同生态系统（如草原、森林、湿地等）的物质循环、能量流动以及生态系统服务功能。在草原生态系统研究中，分析了草食动物与植被之间的相互作用关系，以及这种关系对草原生态系统稳定性的影响；在森林生态系统研究中，关注了森林的碳汇功能以及森林砍伐对生态系统服务功能的破坏。在环境问题研究上，重点关注森林砍伐、土地退化、水资源短缺等问题。研究发现，肯尼亚部分地区由于人口增长和不合理的土地利用，森林砍伐现象严重，导致水土流失加剧，土地肥力下降；同时，水资源短缺问题也日益突出，严重影响了当地居民的生活和生态系统的健康。然而，现有研究仍存在不足。在监测手段上，传统地面监测方法成本高、效率低，空间覆盖范围有限，难以全面掌握肯尼亚生态环境的整体状况和动态变化。虽然部分研究开始尝试使用遥感技术，但大多局限于单一数据源或短时间序列数据，未能充分发挥遥感技术在长时间序列监测方面的优势，无法对生态环境变化进行系统、深入的分析。在生态环境质量综合评价方面，缺乏统一、全面的评价指标体系和方法，不同研究之间的结果可比性较差，难以形成对肯尼亚生态环境质量的准确、客观认识，无法为生态保护决策提供强有力的支持。1.3研究目标与内容本研究旨在基于长时间序列遥感数据，构建全面、科学的生态环境质量评价体系，对肯尼亚重点国家公园的生态环境质量进行精准评价，深入分析其时空变化特征及驱动因素，为肯尼亚国家公园的生态保护和可持续发展提供科学依据和决策支持。具体研究内容如下：生态环境指标提取：收集并处理多源长时间序列遥感数据，包括光学遥感影像（如Landsat、Sentinel系列）、热红外遥感数据等。基于这些数据，提取与生态环境密切相关的指标，如植被覆盖度、植被净初级生产力（NPP）、水体面积与水质参数、土地利用/土地覆盖类型、地表温度等。利用遥感图像处理软件和相关算法，对不同类型的遥感数据进行辐射定标、大气校正、几何校正等预处理，确保数据的准确性和可靠性。通过构建合适的反演模型，从预处理后的遥感数据中提取各项生态环境指标。生态环境质量评价：依据提取的生态环境指标，结合肯尼亚重点国家公园的生态特点和保护需求，筛选并确定关键评价指标，构建科学合理的生态环境质量评价指标体系。运用层次分析法（AHP）、主成分分析法（PCA）等方法确定各评价指标的权重，采用综合指数法等评价方法对肯尼亚重点国家公园的生态环境质量进行定量评价，得到不同时期的生态环境质量综合得分，并划分生态环境质量等级。时空变化分析：从时间和空间两个维度对肯尼亚重点国家公园生态环境质量的变化进行深入分析。在时间维度上，通过对比不同年份的生态环境质量综合得分，分析生态环境质量随时间的变化趋势，探讨其变化的阶段性特征和主要驱动因素。在空间维度上，利用地理信息系统（GIS）技术，将生态环境质量评价结果进行可视化表达，绘制生态环境质量空间分布图，分析生态环境质量在公园内不同区域的空间差异，识别生态环境质量高值区和低值区及其分布特征。驱动因素分析：综合考虑自然因素（如气候变化、地形地貌等）和人类活动因素（如土地利用变化、旅游开发、基础设施建设等），运用相关性分析、回归分析等方法，定量分析各驱动因素对肯尼亚重点国家公园生态环境质量变化的影响程度和作用机制。通过收集气象数据、地形数据以及社会经济统计数据等，与生态环境质量评价结果进行关联分析，明确不同驱动因素在生态环境质量变化中的相对重要性，为制定针对性的生态保护措施提供科学依据。1.4研究方法与技术路线本研究综合运用多种研究方法，以确保研究的科学性和有效性。在遥感数据处理方面，使用ENVI、Erdas等专业遥感图像处理软件，对获取的遥感影像进行辐射定标、大气校正、几何校正等预处理操作，以消除数据获取过程中因传感器特性、大气传输等因素造成的误差，提高数据质量。采用监督分类、非监督分类等方法对遥感影像进行分类，提取土地利用/土地覆盖信息；运用植被指数计算模型、水体指数计算模型等提取植被、水体等生态环境指标。在模型构建方面，针对不同的生态环境指标反演和生态环境质量评价，构建相应的数学模型。例如，利用光能利用率模型（如CASA模型）估算植被净初级生产力；运用层次分析法（AHP）、主成分分析法（PCA）等确定生态环境质量评价指标的权重，构建综合评价模型对生态环境质量进行评价。在数据分析方面，运用Excel、SPSS等统计分析软件，对提取的生态环境指标数据和生态环境质量评价结果进行统计分析，包括描述性统计、相关性分析、回归分析等，以揭示数据的分布特征、变量之间的关系以及生态环境质量变化的驱动因素。利用ArcGIS地理信息系统软件，对生态环境数据进行空间分析和可视化表达，如制作生态环境指标空间分布图、生态环境质量等级图等，直观展示生态环境的空间分布和变化规律。本研究的技术路线如图1-1所示。首先，明确研究目标和内容，根据需求收集多源长时间序列遥感数据以及相关的地面调查数据、气象数据、社会经济数据等。对遥感数据进行预处理，包括辐射定标、大气校正、几何校正等，确保数据的准确性和可用性。基于预处理后的遥感数据，利用遥感图像处理方法和相关模型提取生态环境指标，如植被覆盖度、植被净初级生产力、水体面积、土地利用/土地覆盖类型等。同时，对地面调查数据、气象数据、社会经济数据等进行整理和分析。然后，根据提取的生态环境指标，结合相关研究成果和专家意见，构建生态环境质量评价指标体系，运用层次分析法、主成分分析法等确定各指标的权重，采用综合指数法等评价方法对肯尼亚重点国家公园的生态环境质量进行评价。最后，对生态环境质量评价结果进行时空变化分析和驱动因素分析，通过绘制图表、制作地图等方式展示研究成果，并提出针对性的生态保护建议。[此处插入技术路线图]图1-1技术路线图二、研究区域与数据来源2.1肯尼亚重点国家公园概况2.1.1地理位置与范围肯尼亚重点国家公园分布广泛，涵盖了肯尼亚多个关键生态区域。马赛马拉国家保护区位于肯尼亚西南部，与坦桑尼亚接壤，地理坐标约为南纬1°15′-1°35′，东经35°15′-35°45′，总面积达1510平方公里。其特殊的地理位置使其成为东非大裂谷生态系统的重要组成部分，处于热带草原气候与亚热带气候的过渡地带，为多种生物提供了独特的生存环境。纳库鲁湖国家公园位于肯尼亚裂谷省的纳库鲁镇，坐标大致为南纬0°10′-0°25′，东经36°05′-36°20′，占地面积约188平方公里。公园环绕纳库鲁湖而建，处于东非大裂谷谷底，周边地形以平原和低山为主，是鸟类和多种野生动物的重要栖息地。安博塞利国家公园坐落在肯尼亚与坦桑尼亚交界地区，靠近非洲第一高峰乞力马扎罗山，地理坐标约为南纬2°30′-3°15′，东经37°20′-37°50′，园区面积超过390平方公里。公园位于半干旱的草原地带，独特的地理环境使其成为观赏野生动物和研究干旱区生态系统的理想场所。这些国家公园在肯尼亚地图上的分布如图2-1所示。它们的地理位置不仅决定了其独特的生态系统，还在肯尼亚的生态平衡、生物多样性保护以及旅游业发展中发挥着至关重要的作用。作为肯尼亚生态系统的核心区域，它们连接着不同的生态廊道，促进了物种的迁徙和基因交流，对于维护区域生态稳定具有不可替代的价值。同时，这些公园凭借其丰富的自然资源，吸引了大量国内外游客，成为肯尼亚旅游业的支柱，带动了当地经济发展和就业。[此处插入肯尼亚重点国家公园地理位置图]图2-1肯尼亚重点国家公园地理位置图2.1.2生态系统类型与特点马赛马拉国家保护区主要生态系统为热带稀树草原生态系统，以高大的草本植物和散生的金合欢树、波巴布树等为主要植被。这里的生态系统具有高度的生物多样性，是众多大型哺乳动物的家园，如狮子、大象、长颈鹿、斑马、角马等。每年7月至10月，角马、斑马等食草动物会进行大规模的迁徙，形成壮观的动物大迁徙景观，这是该生态系统适应季节变化和资源分布的独特生存策略。在这个过程中，捕食者与被捕食者之间形成了复杂的食物链关系，维持着生态系统的动态平衡。纳库鲁湖国家公园拥有湖泊、湿地和草原等多种生态系统。湖泊生态系统中，纳库鲁湖作为核心，是大量水鸟的栖息地，尤其是火烈鸟。火烈鸟以湖中的藻类为食，它们的聚集与湖泊的水质、藻类生长状况密切相关。湿地生态系统则为多种珍稀鸟类和小型哺乳动物提供了繁殖和栖息场所，其丰富的水生植物和昆虫资源构成了独特的食物网。草原生态系统环绕湖泊和湿地，为斑马、羚羊等食草动物提供了食物来源。公园内不同生态系统之间相互关联，湖泊和湿地的水分滋养了周边的草原，草原上的动物又为湖泊和湿地的生态系统提供了物质循环的动力。安博塞利国家公园处于半干旱的草原生态系统，植被以耐旱的草本植物和矮小灌木为主。公园内的动物具有适应干旱环境的特点，如大象具有长途跋涉寻找水源的能力，长颈鹿则能够利用其长脖子获取高处的树叶。此外，公园靠近乞力马扎罗山，山脉的冰雪融水为公园内的生态系统提供了重要的水源，形成了独特的干旱区山地-草原复合生态系统。在这个生态系统中，水源的分布决定了动植物的分布和活动范围，围绕水源形成了复杂的生态群落，不同物种之间相互依存、相互制约。2.2数据来源与预处理2.2.1长时间序列遥感数据本研究选用了Landsat系列卫星遥感数据，时间跨度为1985年至2020年，包括Landsat5TM、Landsat7ETM+和Landsat8OLI/TIRS等不同传感器获取的数据。Landsat5TM具有7个波段，空间分辨率为30米（全色波段为15米），能够提供丰富的地物光谱信息，在植被、水体、土地覆盖等监测方面应用广泛；Landsat7ETM+在Landsat5TM的基础上增加了一个全色波段，分辨率提高到15米，增强了对地表细节信息的捕捉能力；Landsat8OLI/TIRS则拥有9个波段，其中包括两个新增的短波红外波段，提高了对植被、土壤和水体等目标的识别精度，同时TIRS传感器能够获取地表温度信息，为生态环境研究提供了新的视角。这些数据的时间分辨率为16天，能够较好地满足对肯尼亚重点国家公园生态环境长时间序列动态监测的需求。此外，还选用了MODIS（Moderate-ResolutionImagingSpectroradiometer）数据，时间跨度为2000年至2020年。MODIS数据具有较高的时间分辨率，可达1-2天，空间分辨率为250米、500米和1000米。其数据产品丰富，包括归一化植被指数（NDVI）、增强型植被指数（EVI）、地表温度（LST）等，这些产品能够快速反映生态环境的宏观变化趋势，与Landsat数据在时间和空间分辨率上形成互补，为研究生态环境的动态变化提供了更全面的数据支持。2.2.2辅助数据为了更全面地分析肯尼亚重点国家公园的生态环境质量，收集了多种辅助数据。气象数据来自肯尼亚气象局以及世界气象组织（WMO）的数据共享平台，包括1985年至2020年的月平均气温、降水、风速、日照时数等信息。这些气象数据对于分析气候变化对生态环境的影响至关重要，例如气温和降水的变化会直接影响植被的生长和分布，风速和日照时数则与地表蒸发、植物光合作用等过程密切相关。地形数据采用了航天飞机雷达地形测绘任务（SRTM）获取的数字高程模型（DEM）数据，其空间分辨率为90米。DEM数据能够准确反映研究区域的地形地貌特征，如海拔高度、坡度、坡向等，这些地形因素会影响水热条件的分布，进而影响植被类型和生态系统的分布格局。通过对DEM数据的分析，可以了解不同地形条件下生态环境的差异，为生态环境质量评价提供地形背景信息。土地利用数据来源于肯尼亚土地资源管理局以及相关的土地利用调查研究成果，主要包括不同时期的土地利用现状图和土地利用变更数据。这些数据记录了研究区域内土地利用类型的分布和变化情况，如耕地、林地、草地、建设用地等，对于分析人类活动对生态环境的影响具有重要意义。例如，耕地的扩张和林地的减少可能导致生态系统的破碎化和生物多样性的下降，通过土地利用数据可以量化这种影响，为生态保护和土地规划提供依据。2.2.3数据预处理对于Landsat系列遥感数据，首先进行辐射定标，将传感器记录的数字量化值（DN值）转换为绝对辐射亮度值，以消除传感器响应差异和大气散射、吸收等因素对辐射量的影响，确保不同时期、不同传感器获取的数据具有可比性。采用的辐射定标方法为基于传感器定标参数的公式计算，通过查找相应的传感器定标系数，将DN值转换为辐射亮度值。然后进行大气校正，以去除大气对遥感数据的影响，恢复地表真实反射率。选用的大气校正模型为FLAASH（FastLine-of-sightAtmosphericAnalysisofSpectralHypercubes）模型，该模型基于辐射传输理论，考虑了大气分子散射、气溶胶散射和吸收、水汽吸收等因素，能够较为准确地校正大气对遥感数据的影响。在校正过程中，输入研究区域的地理位置、成像时间、大气参数（如气溶胶类型、水汽含量等）等信息，通过模型计算得到地表反射率数据。接着进行几何校正，消除由于卫星轨道偏差、地球曲率、地形起伏以及传感器姿态变化等因素引起的几何畸变，使遥感图像与实际地理坐标精确匹配。几何校正采用地面控制点（GCPs）结合多项式变换的方法，通过在遥感图像和地理参考图像上选取一定数量的同名控制点，利用最小二乘法拟合多项式变换模型，对遥感图像进行重采样和坐标变换，使校正后的图像误差控制在一定范围内（通常要求RMS误差小于1个像素）。对于MODIS数据，主要进行了投影转换和镶嵌处理。由于MODIS数据采用的是正弦曲线投影（SinusoidalProjection），而研究中需要统一的地理坐标系，因此将其投影转换为通用横轴墨卡托投影（UTM）。投影转换利用ArcGIS软件中的投影变换工具，根据研究区域的地理位置选择合适的UTM投影带进行转换。此外，由于MODIS数据是以分幅的形式提供的，为了获取完整的研究区域数据，需要进行镶嵌处理。镶嵌过程中，根据图像的空间位置关系，将相邻的MODIS图像拼接在一起，形成覆盖整个研究区域的连续数据。对于气象数据，进行了质量控制和插值处理。质量控制主要是检查数据的完整性和合理性，剔除异常值和错误数据。对于缺失的数据，采用线性插值、样条插值等方法进行填补，以保证气象数据的时间连续性。例如，对于某一站点某一月份缺失的气温数据，可以根据该站点前后月份的气温数据以及周边站点同期的气温数据，利用线性插值方法估算出缺失值。地形数据在使用前进行了平滑处理和重采样。平滑处理是为了去除DEM数据中的噪声和异常值，提高数据质量，采用高斯滤波等方法对DEM数据进行平滑处理。重采样则是根据研究的需要，将原始90米分辨率的DEM数据重采样为与遥感数据相同的分辨率（如30米），以便于数据的融合和分析。通过重采样，可以使地形数据与遥感数据在空间分辨率上保持一致，更好地进行叠加分析和空间建模。土地利用数据主要进行了格式转换和矢量化处理。将不同来源的土地利用数据统一转换为研究中常用的矢量数据格式（如Shapefile格式），以便于在GIS软件中进行分析和处理。对于栅格格式的土地利用数据，采用矢量化工具将其转换为矢量数据，同时对矢量数据进行拓扑检查和修正，确保数据的准确性和完整性。例如，检查土地利用多边形之间是否存在缝隙、重叠等拓扑错误，并进行相应的修正，以保证土地利用数据在后续分析中的可靠性。三、基于遥感数据的生态环境指标提取3.1植被覆盖度反演3.1.1反演方法选择植被覆盖度是衡量生态环境质量的关键指标之一，它反映了植被在地面的垂直投影面积占统计区域总面积的百分比，对评估生态系统的稳定性、生物多样性以及碳循环等过程具有重要意义。在众多植被覆盖度反演方法中，本研究选用像元二分模型结合归一化植被指数（NDVI）的方法。像元二分模型基于混合像元理论，假设一个像元由植被部分和非植被部分组成，通过建立植被覆盖度与像元光谱特征之间的线性关系来反演植被覆盖度。该模型原理简单，物理意义明确，在实际应用中具有较高的可靠性和稳定性。其基本表达式为：FVC=\frac{NDVI-NDVI_{soil}}{NDVI_{veg}-NDVI_{soil}}其中，FVC为植被覆盖度，NDVI为像元的归一化植被指数，NDVI_{soil}为纯土壤像元的归一化植被指数，NDVI_{veg}为纯植被像元的归一化植被指数。归一化植被指数（NDVI）是目前应用最广泛的植被指数之一，其计算公式为：NDVI=\frac{NIR-RED}{NIR+RED}其中，NIR为近红外波段反射率，RED为红光波段反射率。NDVI能够敏感地反映植被的生长状况和覆盖程度，其值越大，表明植被覆盖度越高，植被生长越茂盛。由于其计算简单，且对植被覆盖度的变化响应明显，与像元二分模型结合使用，可以有效地提高植被覆盖度反演的精度。与其他反演方法相比，如基于高光谱遥感的反演方法，虽然能够获取更详细的植被光谱信息，理论上可以实现更高精度的植被覆盖度反演，但高光谱数据获取成本高，数据处理复杂，且在研究区域内高光谱数据的时间序列覆盖不足，难以满足长时间序列监测的需求。而主成分分析遥感反演方法主要侧重于数据的降维和特征提取，对于植被覆盖度的直接反演效果不如像元二分模型结合NDVI方法直观和准确。因此，综合考虑数据的可获取性、处理难度以及反演精度等因素，本研究选择像元二分模型结合NDVI的方法进行植被覆盖度反演。3.1.2结果分析通过上述方法，对1985-2020年肯尼亚重点国家公园的植被覆盖度进行反演，得到不同时期的植被覆盖度数据。将反演结果进行空间可视化，如图3-1所示，可以清晰地看到不同公园植被覆盖度的空间分布特征。[此处插入不同年份植被覆盖度空间分布图]图3-1不同年份植被覆盖度空间分布图马赛马拉国家保护区的植被覆盖度呈现出明显的季节性变化。在雨季（每年3-5月和10-12月），由于降水充沛，植被生长迅速，植被覆盖度较高，平均可达60%-70%；而在旱季（6-9月和1-2月），降水减少，部分草本植物枯萎，植被覆盖度有所下降，平均在40%-50%左右。从长时间序列来看，马赛马拉国家保护区的植被覆盖度总体上保持相对稳定，但在某些年份也出现了一定的波动。例如，在2000年左右，由于连续几年的干旱，植被覆盖度出现了明显的下降，最低降至35%左右；随着气候条件的改善以及生态保护措施的加强，植被覆盖度逐渐恢复。纳库鲁湖国家公园的植被覆盖度受湖泊水位变化和周边土地利用变化的影响较大。在湖泊水位较高时，周边湿地面积扩大，水生植被生长茂盛，植被覆盖度相应增加；当湖泊水位下降时，湿地面积缩小，部分水生植被死亡，植被覆盖度降低。此外，公园周边农业活动的扩张也对植被覆盖度产生了一定的负面影响。在过去几十年中，公园周边的耕地面积不断增加，导致部分天然植被被破坏，植被覆盖度有所下降。从空间分布上看，公园中心区域的植被覆盖度较高，主要为湖泊周边的湿地植被和草原植被；而公园边缘地区受人类活动影响较大，植被覆盖度相对较低。安博塞利国家公园处于半干旱地区，植被覆盖度整体较低，平均在30%-40%之间。公园内的植被主要以耐旱的草本植物和矮小灌木为主，其生长状况主要依赖于降水和地下水的供应。在降水较多的年份，植被覆盖度会有所上升；而在干旱年份，植被生长受到抑制，植被覆盖度下降。此外，公园靠近乞力马扎罗山，山脉的冰雪融水对公园内植被的生长起到了重要的补充作用。在冰雪融水较多的时期，靠近山脉的区域植被覆盖度相对较高。从时间序列上看，安博塞利国家公园的植被覆盖度在过去几十年中呈现出缓慢下降的趋势，这可能与气候变化导致的降水减少以及人类活动的干扰有关。3.2土地利用/土地覆盖变化监测3.2.1分类方法与精度验证土地利用/土地覆盖信息是研究生态环境变化的重要基础，它反映了人类活动与自然环境之间的相互作用。本研究采用监督分类中的最大似然分类法对肯尼亚重点国家公园的土地利用/土地覆盖进行分类。最大似然分类法基于贝叶斯决策理论，通过计算每个像元属于不同土地利用/土地覆盖类型的概率，将像元归为概率最大的类别。该方法具有理论完善、分类精度较高等优点，在土地利用/土地覆盖分类中得到了广泛应用。在进行分类之前，首先对遥感影像进行了波段选择和特征提取，以提高分类的准确性。通过分析不同波段的光谱特征和相关性，选择了对土地利用/土地覆盖类型区分能力较强的波段组合，如Landsat8影像的Band4（红光波段）、Band5（近红外波段）和Band6（短波红外波段）。同时，利用主成分分析（PCA）等方法对影像进行特征提取，增强了不同地物类型之间的可分性。然后，在ENVI软件中，根据研究区域的土地利用/土地覆盖类型，选取了大量具有代表性的训练样本，包括林地、草地、水体、耕地、建设用地和裸地等。利用这些训练样本对最大似然分类器进行训练，确定分类器的参数。在训练过程中，对训练样本的质量和数量进行了严格控制，确保训练样本能够准确代表不同的土地利用/土地覆盖类型。分类完成后，采用混淆矩阵和Kappa系数对分类结果进行精度验证。混淆矩阵是一种用于评估分类结果准确性的常用工具，它展示了分类结果中每个类别实际出现的样本数与被分类为该类别的样本数之间的关系。Kappa系数则是一种综合考虑了偶然因素影响的精度评价指标，其取值范围在-1到1之间，值越接近1，表示分类精度越高。通过在研究区域内随机选取一定数量的验证样本，并将分类结果与实际的土地利用/土地覆盖情况进行对比，得到混淆矩阵和Kappa系数。本次分类结果的总体精度达到了85%以上，Kappa系数为0.82，表明分类结果具有较高的准确性，可以满足后续研究的需求。3.2.2动态变化分析对不同时期（1985年、1995年、2005年、2015年和2020年）的土地利用/土地覆盖分类结果进行对比分析，绘制土地利用/土地覆盖变化图谱，如图3-2所示。从图谱中可以清晰地看出肯尼亚重点国家公园土地利用/土地覆盖的动态变化情况。[此处插入土地利用/土地覆盖变化图谱]图3-2土地利用/土地覆盖变化图谱在过去几十年中，肯尼亚重点国家公园的土地利用/土地覆盖发生了显著变化。林地面积总体上呈现出下降的趋势，尤其是在公园周边地区，由于农业扩张和木材砍伐等人类活动的影响，部分林地被开垦为耕地或转化为建设用地。例如，马赛马拉国家保护区在1985-2020年间，林地面积减少了约15%，主要集中在保护区的边缘地带。林地面积的减少不仅导致了生物多样性的下降，还削弱了森林的生态服务功能，如水源涵养、土壤保持和碳汇等。草地是肯尼亚重点国家公园的主要土地利用类型之一，其面积在不同公园和不同时期有所波动。在一些公园，如安博塞利国家公园，由于气候干旱和过度放牧等原因，草地面积出现了一定程度的减少，同时草地质量也有所下降，表现为植被稀疏、物种多样性降低。而在另一些公园，如马赛马拉国家保护区，在加强生态保护和合理放牧管理的情况下，草地面积相对稳定，并且通过生态修复措施，部分退化草地得到了恢复。水体面积的变化主要受降水和人类用水的影响。在一些年份，由于降水充沛，湖泊和河流的水位上升，水体面积扩大；而在干旱年份，降水减少，加上人类对水资源的过度开发利用，水体面积缩小。例如，纳库鲁湖国家公园的纳库鲁湖在过去几十年中，水体面积经历了多次波动。在20世纪90年代，由于连续干旱，湖泊水位下降，水体面积大幅缩小，导致大量水鸟栖息地丧失；近年来，随着气候变化和水资源管理措施的加强，湖泊水位有所回升，水体面积逐渐恢复。耕地和建设用地面积呈现出增长的趋势。随着肯尼亚人口的增长和经济的发展，对粮食和住房的需求不断增加，导致公园周边的耕地和建设用地不断扩张。耕地的扩张主要是通过开垦草地和林地实现的，这对生态环境造成了严重的破坏，加剧了水土流失和生物多样性丧失。建设用地的增加则主要集中在公园周边的城镇和旅游设施建设，这不仅占用了大量的土地资源，还带来了环境污染和生态干扰等问题。通过对土地利用/土地覆盖变化热点区域的分析发现，马赛马拉国家保护区与周边城镇接壤的区域、纳库鲁湖国家公园周边的农业发展区以及安博塞利国家公园靠近交通干线的区域是土地利用/土地覆盖变化最为显著的热点区域。在这些热点区域，人类活动频繁，土地利用方式的转变对生态环境的影响最为明显。因此，针对这些热点区域，应加强生态保护和土地规划管理，采取有效的措施控制土地利用/土地覆盖的不合理变化，以保护肯尼亚重点国家公园的生态环境。3.3水体面积与水质参数反演3.3.1水体面积提取水体作为生态系统的重要组成部分，其面积的变化对生态环境有着重要影响。本研究采用基于归一化差异水体指数（NDWI）的方法来提取肯尼亚重点国家公园的水体面积。NDWI是一种常用的水体指数，其计算公式为：NDWI=\frac{GREEN-NIR}{GREEN+NIR}其中，GREEN为绿光波段反射率，NIR为近红外波段反射率。由于水体在绿光波段具有较高的反射率，在近红外波段具有较低的反射率，而其他地物（如植被、土壤等）在这两个波段的反射率特征与水体不同，因此通过计算NDWI可以有效地突出水体信息，实现水体与其他地物的分离。在ENVI软件中，首先对遥感影像进行辐射定标和大气校正，以获取准确的反射率数据。然后，根据上述公式计算NDWI，并通过设定合适的阈值，将NDWI图像进行二值化处理，从而提取出水体区域。在阈值设定过程中，通过多次试验和对比分析，结合实地调查数据，确定了能够准确提取水体的最佳阈值。对1985-2020年肯尼亚重点国家公园的水体面积进行提取和统计分析，得到不同时期的水体面积变化数据，如图3-3所示。从图中可以看出，不同公园的水体面积变化趋势存在差异。[此处插入水体面积变化趋势图]图3-3水体面积变化趋势图马赛马拉国家保护区内的水体主要为河流和季节性湖泊，其水体面积受降水影响较大。在雨季，降水增加，河流流量增大，季节性湖泊水位上升，水体面积明显扩大；而在旱季，降水减少，河流流量减小，季节性湖泊干涸，水体面积大幅缩小。从长时间序列来看，虽然总体上水体面积在雨季和旱季之间波动，但随着气候变化的影响，近年来旱季水体面积缩小的幅度有增大的趋势，这可能对依赖水体生存的动植物造成不利影响。纳库鲁湖国家公园的纳库鲁湖是该公园的核心水体，其水体面积的变化不仅受降水影响，还受到周边农业灌溉用水和城市用水的影响。在过去几十年中，由于气候变化导致降水减少，以及人类对水资源的过度开发利用，纳库鲁湖的水体面积总体上呈现出波动下降的趋势。特别是在20世纪90年代和21世纪初，湖泊水位大幅下降，水体面积缩小了约30%，这对湖泊生态系统造成了严重破坏，导致大量水鸟栖息地丧失，生物多样性下降。近年来，随着肯尼亚政府对水资源管理的重视和保护措施的加强，纳库鲁湖的水体面积下降趋势得到了一定程度的遏制，但仍然处于较低水平。安博塞利国家公园内的水体主要依赖于乞力马扎罗山的冰雪融水，其水体面积相对较为稳定，但也受到气候变化和人类活动的影响。随着全球气候变暖，乞力马扎罗山的冰川融化速度加快，短期内可能会导致公园内水体面积增加；但从长期来看，如果冰川持续退缩，冰雪融水减少，将对公园内的水体面积和生态系统造成严重威胁。此外，公园周边的农业灌溉和畜牧业用水也在一定程度上影响了公园内的水体面积。3.3.2水质参数反演水质参数是衡量水体生态环境质量的重要指标，利用遥感数据反演水质参数可以实现对水体质量的大面积、快速监测。本研究采用经验模型法对肯尼亚重点国家公园水体的叶绿素a和悬浮物等水质参数进行反演。叶绿素a是浮游植物的重要组成部分，其含量的变化可以反映水体的富营养化程度和浮游植物的生长状况。通过分析水体的光谱特征与叶绿素a含量之间的关系，建立了基于遥感数据的叶绿素a反演模型。本研究选用的是基于蓝光波段和绿光波段反射率的经验模型，其表达式为：Chla=a\times(\frac{GREEN}{BLUE})+b其中，Chla为叶绿素a含量，GREEN为绿光波段反射率，BLUE为蓝光波段反射率，a和b为模型参数，通过对实地采集的水样进行实验室分析，结合同步获取的遥感数据，利用最小二乘法进行拟合确定。悬浮物是水体中的重要污染物之一，其含量的高低影响水体的透明度和光传播，进而影响水生生物的生长和生存。基于遥感数据的悬浮物反演模型主要利用水体在近红外波段和红光波段的反射率特征。本研究采用的反演模型为：SS=c\times(\frac{NIR}{RED})+d其中，SS为悬浮物含量，NIR为近红外波段反射率，RED为红光波段反射率，c和d为模型参数，同样通过实地水样分析和遥感数据拟合确定。利用上述反演模型，对肯尼亚重点国家公园不同时期的水体叶绿素a和悬浮物含量进行反演，得到反演结果如图3-4所示。从反演结果可以看出，不同公园水体的叶绿素a和悬浮物含量存在差异，且在不同时期也有变化。[此处插入叶绿素a和悬浮物含量反演结果图]图3-4叶绿素a和悬浮物含量反演结果图马赛马拉国家保护区内的河流和季节性湖泊，由于水体流动性较大，受周边环境影响相对较小，叶绿素a和悬浮物含量总体相对较低。但在雨季，由于地表径流携带大量泥沙和营养物质进入水体，可能会导致悬浮物和叶绿素a含量有所增加。在旱季，水体面积缩小，水体自净能力减弱，也可能会使部分污染物浓度相对升高。纳库鲁湖国家公园的纳库鲁湖，由于周边农业活动和城市污水排放等原因，水体受到一定程度的污染，叶绿素a和悬浮物含量相对较高。特别是在水体面积缩小的时期，污染物浓度相对增加，水体富营养化问题较为突出，这也是导致湖泊生态系统退化的重要原因之一。从时间序列上看，随着纳库鲁湖水体面积的波动下降，叶绿素a和悬浮物含量呈现出波动上升的趋势，表明湖泊水质有逐渐恶化的趋势。安博塞利国家公园内的水体，由于主要依赖冰雪融水补给，水质相对较好，叶绿素a和悬浮物含量较低。但随着公园周边人类活动的增加，如农业灌溉和畜牧业发展，可能会对水体水质产生一定的影响，未来需要加强对该区域水体水质的监测和保护。3.4地表温度反演3.4.1反演原理与算法地表温度是反映地表能量平衡和生态环境状况的重要参数，对研究区域气候、水文、生态等过程具有重要意义。本研究采用单通道算法对肯尼亚重点国家公园的地表温度进行反演，以Landsat8卫星数据为例，其搭载的热红外传感器TIRS具有两个热红外波段（Band10和Band11），本研究选用Band10进行地表温度反演。单通道算法基于辐射传输方程，通过对大气效应进行校正，从卫星观测的热红外辐射亮度值中反演出地表温度。其基本原理是：卫星传感器接收到的热红外辐射亮度值L_{\lambda\##四、肯尼亚重点国家公园生态环境质量评价模型构建\##\#4.1评价指æ

‡ä½“系建立\##\##4.1.1指æ

‡é€‰å–原则本ç

”究在选取肯尼亚重点国家公园生态环境质量评价指æ

‡æ—¶ï¼Œä¸¥æ

¼éµå¾ªä»¥ä¸‹åŽŸåˆ™ï¼š1.**科学性原则**：指æ

‡çš„选取基于生态学、环境科学等相关学科的理论和原理，能够准确反æ˜

生态环境质量的本质特征和内在规律。例如，植被覆盖度是衡量生态系统稳定性和生物多æ

·æ€§çš„重要指æ

‡ï¼Œå…¶åæ¼”方法基于像元二分模型结合归一化植被指数（NDVI），具有坚实的理论基础，能够科学地反æ˜

植被在地面的垂直投影面积å

统计区域总面积的百分比，从而为生态环境质量评价提供可é

依据。2.**代表性原则**：所选指æ

‡èƒ½å¤Ÿå…¨é¢ã€å…¸åž‹åœ°ä»£è¡¨è‚¯å°¼äºšé‡ç‚¹å›½å®¶å…¬å›­ç”Ÿæ€çŽ¯å¢ƒçš„主要方面和关键特征。土地利用/土地覆盖类型反æ˜

了人类活动与自然环境之间的相互作用，不同的土地利用类型（如林地、草地、耕地、建设用地等）对生态环境的影响各异，通过监测土地利用/土地覆盖变化，可以有效揭示生态环境的动态变化趋势。水体面积和水质参数则直接关系到水生态系统的健康状况，对整个生态环境的稳定和生物多æ

·æ€§çš„维持起着关键作用，å›

此选取这些指æ

‡å…·æœ‰å¾ˆå¼ºçš„代表性。3.**可获取性原则**：考虑到数据的实际获取难度和成本，所选指æ

‡çš„数据能够通过现有的监测手段、数据库或公开资料获取。本ç

”究主要利用长时间序列遥感数据以及相关的气象、地形、土地利用等辅助数据，这些数据来源广泛且相对容易获取，如Landsat系列卫星遥感数据可从美国地质调查局（USGS）官网免费下载，MODIS数据也可从其官方数据平台获取，气象数据可从肯尼亚气象局及世界气象组织（WMO）的数据共享平台获得，从而保证了ç

”究的可行性和可操作性。4.**独立性原则**：各指æ

‡ä¹‹é—´ç›¸äº’独立，避免信息的重复和冗余。在选取指æ

‡æ—¶ï¼Œé€šè¿‡ç›¸å…³æ€§åˆ†æžç­‰æ–¹æ³•ï¼Œç¡®ä¿ä¸åŒæŒ‡æ

‡ä¹‹é—´ä¸å­˜åœ¨é«˜åº¦ç›¸å…³æ€§ï¼Œèƒ½å¤Ÿä»Žä¸åŒè§’度反æ˜

生态环境质量的变化。例如，植被覆盖度和土地利用/土地覆盖类型虽然都与生态环境密切相关，但它们所反æ˜

的生态环境信息不同，植被覆盖度侧重于植被的数量特征，而土地利用/土地覆盖类型则更关注土地的利用方式和覆盖状况，两者相互独立，共同为生态环境质量评价提供全面的信息。5.**动态性原则**：生态环境是一个动态变化的系统，所选指æ

‡èƒ½å¤ŸåŠæ—¶åæ˜

生态环境质量随时间和空间的动态变化。长时间序列遥感数据的应用使得我们能够对肯尼亚重点国家公园的生态环境进行长期、连续的监测，获取不同时期的生态环境指æ

‡æ•°æ®ï¼Œä»Žè€Œåˆ†æžç”Ÿæ€çŽ¯å¢ƒè´¨é‡çš„动态变化趋势，为生态保护和管理提供及时、有效的决策依据。\##\##4.1.2确定具体指æ

‡åŸºäºŽä¸Šè¿°æŒ‡æ

‡é€‰å–原则，结合肯尼亚重点国家公园的生态环境特点，本ç

”究确定了以下具体评价指æ

‡ï¼š1.**植被覆盖度**：如前文所述，通过像元二分模型结合NDVI反演得到。植被覆盖度对生态环境质量有着多方面的重要影响。它是生态系统初级生产力的重要体现，较高的植被覆盖度通常意味着更强的光合作用能力，能够固定更多的二氧化碳，释放更多的氧气，对调节全球气候具有积极作用。植被覆盖度还与生物多æ

·æ€§å¯†åˆ‡ç›¸å…³ï¼Œä¸ºä¼—多动植物提供了æ

–息地和食物来源，能够促进生态系统的稳定和平衡。在肯尼亚重点国家公园，植被覆盖度的变化直接影响着野生动物的生存和繁衍，例如马赛马拉国家保护区的草原植被覆盖度决定了食草动物的食物资源丰富程度，进而影响到整个食物链的稳定。2.**土地利用/土地覆盖类型**：采用监督分类中的最大似然分类法进行分类得到。不同的土地利用/土地覆盖类型对生态环境质量的影响显著。林地具有涵养水源、保持水土、调节气候、提供生物æ

–息地等多种生态服务功能；草地则是许多食草动物的主要食物来源，同时也在保持土壤肥力、防止水土流失方面发挥着重要作用。而耕地的扩å¼

往往伴随着森林ç

ä¼å’Œè‰åœ°å¼€åž¦ï¼Œä¼šå¯¼è‡´ç”Ÿæ€ç³»ç»Ÿçš„ç

´ç¢ŽåŒ–和生物多æ

·æ€§çš„下降；建设用地的增åŠ

则会å

用大量的土地资源，ç

´åè‡ªç„¶ç”Ÿæ€çŽ¯å¢ƒï¼Œå¼•å‘一系列环境问题，如热岛效应、生物æ

–息地丧失等。在肯尼亚重点国家公园周边，土地利用/土地覆盖类型的变化，如林地转变为耕地或建设用地，已经对公园的生态环境产生了明显的负面影响。3.**水体面积**：利用归一化差异水体指数（NDWI）提取得到。水体面积的变化对生态环境有着至关重要的影响。水体是生态系统中不可或缺的组成部分，它不仅为动植物提供了生存所必需的水资源，还在调节气候、维持生态平衡方面发挥着关键作用。在肯尼亚重点国家公园，水体面积的变化直接影响着水生态系统的健康状况，例如纳库鲁湖国家公园的纳库鲁湖，其水体面积的波动会导致水鸟æ

–息地的变化，进而影响到鸟类的生存和繁衍。水体面积的变化还会影响周边地区的气候和土壤湿度，对整个生态环境产生连锁反应。4.**水质参数（叶绿ç´

a、悬浮物）**：通过经验模型法反演得到。叶绿ç´

a含量反æ˜

了水体中浮游植物的生长状况和水体的富营养化程度，过高的叶绿ç´

a含量往往意味着水体富营养化严重，可能引发藻类大量繁殖，导致水体缺氧、水质恶化等问题，对水生态系统的生物多æ

·æ€§å’Œç¨³å®šæ€§é€

成威胁。悬浮物含量则影响水体的透明度和光ä¼

播，进而影响水生生物的光合作用和生存环境。在肯尼亚重点国家公园的水体中，如马赛马拉国家保护区的河流和纳库鲁湖国家公园的湖泊，水质参数的变化与周边人类活动（如农业面源污染、生活污水排放等）密切相关，对生态环境质量产生了重要影响。5.**地表温度**：采用单通道算法反演得到。地表温度是反æ˜

地表能量平衡和生态环境状况的重要参数。它与植被生长、水分蒸发、大气环流等过程密切相关。在肯尼亚重点国家公园，地表温度的变化会影响植被的生长发育和物候期，进而影响生态系统的生产力和生物多æ

·æ€§ã€‚较高的地表温度可能导致植被水分蒸发åŠ

剧，生长受到抑制，甚至引发森林火灾等灾害；同时，地表温度的变化还会影响动物的活动范围和行为ä¹

性，对整个生态系统的结构和功能产生深远影响。这些指æ

‡ä»Žæ¤è¢«ã€åœŸåœ°ã€æ°´ä½“和地表能量等多个方面全面反æ˜

了肯尼亚重点国家公园的生态环境质量状况，为后续的生态环境质量评价提供了丰富的数据基础。\##\#4.2评价模型选择与构建\##\##4.2.1常见评价模型分析在生态环境质量评价领域，存在多种常见的评价模型，每种模型都有其独特的原理、优势和局限性，以下对综合指数法、层次分析法、主成分分析法等常见模型进行详细分析：1.**综合指数法**：该方法是将多个评价指æ

‡è¿›è¡Œæ—

量纲化处理后，通过åŠ

权求和的方式得到一个综合指数，以此来评价生态环境质量的优劣。其优点在于计算简单、直观易懂，能够将多个复杂的生态环境指æ

‡ç»¼åˆä¸ºä¸€ä¸ªç®€æ´çš„数值，便于对不同区域或不同时期的生态环境质量进行比较和排序。它在数据处理和结果表达上相对简便，易于被决策者和公众理解。然而，综合指数法的权重确定往往具有一定的主观性，通常依赖于专家经验或主观判断，这可能导致权重分配不够准确，从而影响评价结果的科学性和可é

性。而且该方法对数据的质量和完整性要求较高，如果数据存在缺失或异常值，可能会对综合指数的计算产生较大影响。2.**层次分析法（AHP）**：这是一种定性与定量相结合的多准则决策分析方法。它通过构建层次结构模型，将复杂的问题分解为不同层次的元ç´

，然后通过两两比较的方式确定各元ç´

的相对重要性，从而计算出各评价指æ

‡çš„权重。AHP的优势在于能够充分考虑决策者的主观判断和经验，将定性å›

ç´

转化为定量数据，使评价过程更åŠ

科学合理。它适用于解决多目æ

‡ã€å¤šå‡†åˆ™çš„复杂决策问题，在生态环境质量评价中，可以综合考虑自然、社会、经济等多个方面的å›

ç´

。但是，AHP在判断矩阵的构建过程中，专家的主观判断可能存在不一致性，需要进行一致性检验来确保结果的可é

性。而且当评价指æ

‡è¾ƒå¤šæ—¶ï¼Œä¸¤ä¸¤æ¯”较的工作量会大幅增åŠ

，判断矩阵的一致性也更难保证，从而影响评价结果的准确性。3.**主成分分析法（PCA）**：这是一种基于数据降维的多元统计分析方法。它通过线性变换将多个原始变量转换为少数å‡

个相互独立的主成分，这些主成分能够尽可能地保留原始数据的信息，同时降低数据的维度。PCA的优点在于能够客观地确定各指æ

‡çš„权重，避免了人为å›

ç´

的干扰，权重的确定是基于数据本身的特征和内在关系。它还可以有效消除指æ

‡ä¹‹é—´çš„相关性，减少信息的冗余，使评价结果更åŠ

准确和客观。然而，PCA得到的主成分往往缺乏明确的物理意义，难以直接解释各主成分与生态环境质量之间的关系，这在一定程度上限制了其在实际应用中的推广。而且该方法对数据的正态性和独立性要求较高，如果数据不满足这些条件，可能会影响分析结果的可é

性。\##\##4.2.2本ç

”究模型构建综合考虑肯尼亚重点国家公园的生态环境特点、数据情况以及各种评价模型的优缺点，本ç

”究选择综合指数法结合层次分析法（AHP）来构建生态环境质量评价模型。1.**模型原理**：首先运用层次分析法确定各评价指æ

‡çš„权重，以充分考虑各指æ

‡åœ¨ç”Ÿæ€çŽ¯å¢ƒè´¨é‡è¯„价中的相对重要性。通过构建层次结构模型，将生态环境质量评价目æ

‡åˆ†ä¸ºç›®æ

‡å±‚、准则层和指æ

‡å±‚。目æ

‡å±‚为肯尼亚重点国家公园生态环境质量评价；准则层包括植被、土地、水体、地表温度等方面；指æ

‡å±‚则对应前文确定的植被覆盖度、土地利用/土地覆盖类型、水体面积、水质参数、地表温度等具体评价指æ

‡ã€‚然后通过专家问卷调查的方式，对准则层和指æ

‡å±‚çš„å…ƒç´

进行两两比较，构建判断矩阵。æ

¹æ®åˆ¤æ–­çŸ©é˜µè®¡ç®—各指æ

‡çš„相对权重，并进行一致性检验，确保权重的合理性和可é

性。在确定权重后，采用综合指数法计算生态环境质量综合指数。对各评价指æ

‡è¿›è¡Œæ—

量纲化处理，消除不同指æ

‡ä¹‹é—´é‡çº²å’Œæ•°é‡çº§çš„差异，使它们具有可比性。本ç

”究选用极差æ

‡å‡†åŒ–方法进行æ—

量纲化处理，公式如下：\[x_{ij}^*=\frac{x_{ij}-\min(x_{j})}{\max(x_{j})-\min(x_{j})}\]其中，\(x_{ij}^*为无量纲化后的第i个样本的第j个指标值，x_{ij}为原始第i个样本的第j个指标值，\min(x_{j})和\max(x_{j})分别为第j个指标的最小值和最大值。无量纲化处理后，根据各指标的权重，采用加权求和的方式计算生态环境质量综合指数（EQI），公式如下：EQI=\sum_{j=1}^{n}w_{j}x_{ij}^*其中，EQI为生态环境质量综合指数，w_{j}为第j个指标的权重，x_{ij}^*为无量纲化后的第i个样本的第j个指标值，n为评价指标的个数。2.计算步