红河是发源于云南境内的重要国际性河流，是云南省生态屏障、干热河谷脆弱带和生态廊道交汇区，区内生物多样性与水土流失和石漠化等生态问题并存。系统分析评估流域生态环境质量空间分异、时空变化和驱动因素，进而提出分区管控措施，对云南省建成全国生态文明排头兵具有重要意义，也可为红河这一国际河流的开发保护与协同治理提供决策基础信息。本研究针对区内生态环境特点，探讨构建融合归一化山体植被指数（NDMVI）、湿度（WET）、干度（NDBSI）和热度（LST）的改进型遥感生态指数（MRSEI）作为生态环境质量评价核心参数并分析其适用性，基于2000～2020年的5期Landsat遥感数据建立MRSEI展开评估，获得红河流域上游生态环境质量空间分布及动态变化，采用Sen-MK趋势分析、Hurst指数及偏导数法揭示其演变趋势与驱动机制，根据生态环境质量演变特征将流域划分为五类管控单元，提出相应管控措施。结果表明：①相较于传统RSEI，MRSEI能够更准确反映植被覆盖变化，在研究区具有更优的适用性。②研究区生态环境质量空间差异性显著，2000～2020年流域生态环境质量总体呈改善趋势，MRSEI均值从0.298...

【目的】为探寻契合云南省实际情况的干旱指数，客观地揭示云南省干旱变化规律，实现对干旱状况的有效监测。【方法】通过熵权法将气象干旱指数（标准化降水蒸散发指数）与农业干旱指数（标准化土壤湿度指数）进行结合，构建新型综合干旱指数。借助相关分析、均方根误差以及标准偏差等方法，对不同干旱指数进行评估与筛选，确定最契合云南省实际状况的干旱指数。并基于优选出的干旱指数，运用游程理论、Mann - Kendall趋势检验等方法，深入剖析云南省干旱的时空变化特征。【结果】综合干旱指数反映干旱情况优于其他干旱指数，与气象、农业干旱指数的相关性分别为64%、60%，与统计的旱情资料的吻合率高达94.11%，在监测2009-2010年冬春连旱事件时，该方法所呈现的干旱发展态势与实际发生过程高度契合；时间上，近20年，全省月尺度与季尺度的COI值均呈现出波动下降的态势。表明，干旱发生的频次有所增加，严重程度亦趋向增强。季节差异上，春季的干旱状况最为严峻，冬季次之，夏季和秋季相对较轻。但夏季干旱正以0.034/a的速率持续增强；空间上，云南省干旱强度与严重度表现出以滇中区域为中心，向外围逐渐递减的态势。在春、冬季...

为构建更加契合云南地区气候与地形条件的干旱指数，本文在传统温度-植被-降雨干旱指数（TVPDI）基础上，引入LAI和LST-T参数，构建了改进型干旱指数ITVPDI，并以云南省2001—2020年遥感与气象数据为基础，分析其干旱时空演变特征与发生频率。结果表明：ITVPDI与SIF和MI的相关系数分别达0.52和0.48，显著优于TVPDI；云南春季与冬季干旱最为严重，多年均ITVPDI分别为0.4092和0.3364，干旱覆盖面积达85.18%和93.02%；夏季旱情最轻，ITVPDI均值为0.4535，轻旱占比达80.42%；年际尺度上，云南省处于中度干旱状态（ITVPDI=0.4201），干旱区域占比超过91%。空间分布上，干旱频率呈自西南向东北递增趋势，其中西双版纳轻旱频率最高（48.74%），而迪庆极端干旱频率最高（40.95%）。Hurst指数分析表明：春、秋、冬季未来干旱可能加剧，夏季和年际干旱有缓和趋势。ITVPDI适用于云南复杂地形区域的干旱监测，为该地区抗旱分区管理与政策制定提供了数据支撑与理论依据。

依据MODIS-NDVI(归一化植被指数)数据，采用趋势估计、变异系数稳定性分析、相关性分析等方法对文山州2001—2020年植被覆盖的时空变化特征及气候因子对其的影响进行研究。结果表明：2001—2020年，文山州地区年均归一化植被指数为60%～75%,整体以每年0.58%的速率上升，其中，低、中低覆盖度的植被覆盖面积减少，极高覆盖度的植被覆盖面积增加。季节归一化植被指数在6—8月份最高，12月份—翌年2月份最低。依据趋势预测及稳定性分析发现，植被覆盖呈改善趋势的区域占比为95.54%,其中，90.72%的区域处于稳定状态。3—5月份、9—12月份呈改善趋势，6—8月份呈退化趋势，此时，退化区域面积占全州面积的44.02%。春、冬季约20.00%区域的归一化植被指数稳定性为强变异状态。研究区年均气温及降雨量分布不均。归一化植被指数与降雨的相关系数为-0.75～0.72,与气温的相关系数为-0.75～0.84。其中，归一化植被指数与降雨呈正相关关系，正相关区域面积占总面积的72.43%;与气温呈负相关关系，负相关区域面积占总面积的65.68%。

利用CSLE模型对普者黑流域2009年和2019年的土壤侵蚀开展定量评价，分析土壤侵蚀时空演变特征与影响因素。结果表明，该流域降雨侵蚀力因子R值范围为3 630.45 MJ·mm/（hm2·h·a）～4 923.38 MJ·mm/（hm2·h·a）,呈明显自西向东递增的趋势；土壤可蚀性因子K值范围为0.011 4 t·h/（MJ·mm）～0.020 4 t·h/（MJ·mm）,地形因子LS值范围为0～31.566,二者高值区域均分布在流域中部；植被覆盖与生物措施因子B值减小，流域植被覆盖情况转好；工程措施因子E值无明显变化。流域总体土壤侵蚀发生率基本不变，土壤侵蚀处于转好态势，平均土壤侵蚀模数M值随坡度等级升高而增大，随高程等级升高先增大后减小；不同土地利用类型的M值大小依次为未利用地>林地>草地>耕地>园地。

[目的]构建合理的生态风险评价方法，对于生态安全格局构建和国土空间优化具有重要意义。[方法]基于2000年、2010年、2020年3期土地利用数据，采用PLUS模型模拟2030年自然发展情景下土地利用，并利用InVEST模型评估产水、碳储、水土保持、生境质量4项生态系统服务功能，分别提取生态退化度、转移概率、服务变化、权衡协同指数4个生态风险指标，构建生态风险评价模型开展评价，结合云南省生态安全格局探讨风险防范对策措施。[结果] 1）云南省2030年自然发展情景下的土地利用变化虽有不同，但变化程度均一致，耕地、林地、草地间的转换较为明显，建设用地仍然呈扩张趋势。在空间分布上，自然发展情景与历史土地利用数据分布具有相似性，生态用地退化区域主要分布在开发建设的城市周边或农耕区域。2）云南省生态系统服务功能整体呈现“东低西高”的格局，滇西北和西南为高值区，滇中及东北为低值区，且整体服务功能呈下降趋势。怒江、保山、德宏和西双版纳生态服务功能呈增强趋势，滇中和滇东北权衡与协调指数较高，生态系统服务间功能冲突明显。3)2020—2030年云南省的潜在生态风险存在显著的空间差异。高风险区主要分布在滇...

Exploring the spatial non-stationarity and driving mechanisms of trade-offs/synergies among land use functions (LUFs), which are crucial for effectively alleviating human-land conflicts and enhancing the overall benefits and sustainable development of regional territorial space. While most existing studies have analyzed the spatiotemporal patterns and influencing factors of LUF trade-offs/synergies from a macro scale, these studies often fail to accurately capture the multivariate interactions and complex nonlinear relationships of the geographical system within the man-earth areal system. The study area is the Kunming city on the Yunnan-Guizhou Plateau, where rapid urbanization is occurring. First, geographic weighted regression (GWR) and constrained line methods were applied at the grid unit to examine the spatial heterogeneity and nonlinear characteristics of LUF trade-offs/synergies. Then, an interpretable machine learning model (XGBoost-SHAP) was utilized to provide an intuitive explanation of the nonlinear response mechanism of LUF trade-offs/synergies. Finally, a self-organizing feature mapping network (SOM) was developed to identify LUF clusters. The findings are summarized as follows. (1) From 2000 to 2020, significant spatial heterogeneity was observed in LUF trade-offs/synergies. The interaction between ecological function (EF) and production function (PF), as well as between living function (LF) and PF, showed a convex function relationship with evident boundary effects. The interaction between EF and LF displayed a concave trade-off. (2) Elevation, slope, precipitation, distance to the city center, distance to the county center, distance to the county road, distance to river, and land use degree were the dominant factors influencing LUF trade-offs/synergies in Kunming. (3) The process of the dominant factors affects on the LUF trade-offs/synergies demonstrated strong nonlinear characteristics, and there was a significant threshold effect. (4) Based on five identified LUF clusters and the distribution of trade-offs/synergies within these clusters, differentiated LUF management measures are proposed. These results are helpful in understanding the internal mechanism of LUF system and provide technical support for the multifunctional land development, rational utilization and scientific management of land resources.

基于MODIS NDVI数据，通过趋势分析、Hurst指数、残差分析等方法，系统分析了2001-2020年三北工程区植被覆盖时空演变特征及气候变化和人类活动对植被的影响。结果表明：1)2001-2020年三北工程区及其各建设区植被NDVI均呈上升趋势，不同分区年增长速率差异明显，黄土高原区>风沙区>东北华北平原区>西北荒漠区。三北工程区NDVI呈现东高西低、南高北低的空间格局。2)研究区改善趋势明显，显著改善趋势面积占45.9%,其中黄土高原区的显著改善面积占比明显高于其他建设区，未来变化以改善为主，但可持续性不强。3)三北工程区植被NDVI与气温、降水均呈正相关关系，人类活动对植被NDVI以促进为主，各土地利用NDVI和残差均表现增加趋势，且趋势具有一致性。4)在植被改善地区和退化地区，人类活动对植被的影响均处于主导地位，人类活动的平均贡献率分别为62.9%和59.06%,不同分区植被对人类活动和气候变化的响应差异明显，其中黄土高原区人类活动对植被改善和退化贡献率最大，分别为75.36%和71.4%。

以昆明市东川区为研究区，利用CA-Markov模型预测东川区2030年土地利用格局，用InVEST模型评估其生态环境质量，发现2020—2030年间土地利用格局变化较小，土地利用类型以林地、草地和耕地为主，生态环境质量等级呈中部低、东西部高分布。结合形态学空间格局分析(MSPA)识别生态源地，利用最小累计阻力模型(MCR)构建东川区时序生态网络，通过对比发现2010—2030年间东川区生态网络结构变化明显。综合网络闭合指数、网络连接度指数及网络连通率对生态网络进行评价，结果表明东川区生态网络复杂程度提高，生物迁徙和能量流动限制程度降低，在未来发展中应持续进行生态保护与修复。

通过DPSIR框架构建包含年降水量等14个指标的丘北县水资源脆弱性指标体系，利用熵权法确定权重，通过模糊集对分析法和五元引力减法集对势对2009—2019年丘北县水资源脆弱性和发展态势进行评价。结果表明：驱动力层和压力层的脆弱性呈明显恶化的发展态势并有持续的趋势，影响层虽然总体呈好转态势但未来可能恶化，状态层和响应层发展态势较稳定，未来需要密切关注驱动力层、压力层和影响层的发展态势；丘北县2009年、2011年、2013年、2015年、2017年、2019年水资源脆弱性分别为轻度脆弱、中度脆弱、中度脆弱、轻度脆弱、中度脆弱、重度脆弱，整体脆弱性等级较高，且整体发展呈恶化态势，水资源脆弱性问题不容乐观。