摘要
长期采矿活动会导致复杂的生态与环境问题，包括矿体地表暴露、粉尘扰动以及植被退化等，而常规的生态指数可能无法充分表征矿区独特的生态状况。本研究在遥感生态指数（RSEI）框架中引入岩性矿物指数（LMI）、归一化粉尘差异指数（NDDI）和植被健康指数（VHI），开发了一种矿区修正遥感生态指数（MRSEI）。利用2000年至2024年的Landsat时序数据，通过G-means聚类构建了基于对象的分析单元，并进一步开发了一种基于对象的XGBoost-SHAP框架（OB-XGBoost-SHAP），以量化各解释因子的相对模型贡献及其非线性关联。研究结果表明，在大冶矿区（DMA），MRSEI在土地利用类型之间的生态质量区分能力上明显优于RSEI和矿区专用生态环境指数（MSEEI），整体呈现林地>耕地>建设用地>矿区的梯度变化。年度主成分分析（Annual-PCA）与全局主成分分析（Global-PCA）结果高度一致（Pearson r = 0.985）。在七个评估年份中，DMA的平均MRSEI从2000年的0.5493上升至2024年的0.6035，总体变化幅度为9.87%。在随机划分条件下，基于对象的模型始终优于规则网格模型；在空间分离验证条件下，模型性能有所下降，但仍保留了中等预测能力。颗粒物（PM10）、数字高程模型（DEM）、温度（TEM）和土地利用强度（LU）表现出较高的模型贡献率，且其相对重要性在不同时期有所变化。本研究将矿区特有的生态表征、基于对象的空间分析与解释因子贡献分析相结合，为矿区生态质量评估与长期变化监测提供了方法学参考。
