| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 选题背景及研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 国内外生态环境脆弱性研究与发展现状 | 第12-13页 |
| 1.2.2 构建生态环境脆弱性评价指标体系与评价模型研究 | 第13-16页 |
| 1.3 研究内容与技术路线 | 第16-18页 |
| 1.3.1 技术路线 | 第16-17页 |
| 1.3.2 研究内容 | 第17-18页 |
| 第2章 研究区概况 | 第18-22页 |
| 2.1 自然地理概况 | 第19-20页 |
| 2.2 自然资源概况 | 第20-21页 |
| 2.3 社会经济及交通概况 | 第21-22页 |
| 第3章 生态环境脆弱性评价指标体系构建 | 第22-25页 |
| 3.1 构建原则 | 第22-23页 |
| 3.2 评价指标选取的基本准则 | 第23页 |
| 3.3 生态环境脆弱性评价指标体系 | 第23-24页 |
| 3.4 生态环境脆弱性评价单元 | 第24-25页 |
| 第4章 评价指标数据获取与处理 | 第25-35页 |
| 4.1 多源遥感数据获取与土地利用信息提取 | 第25-29页 |
| 4.1.1 遥感数据源 | 第25-26页 |
| 4.1.2 遥感影像处理 | 第26-27页 |
| 4.1.3 基于SVM模型的土地利用信息提取 | 第27-29页 |
| 4.2 植被覆盖度（NDVI）数据处理 | 第29-30页 |
| 4.3 人均耕地面积及人均可利用水资源 | 第30页 |
| 4.4 地形因子 | 第30-31页 |
| 4.5 大于 25°陡坡耕地垦殖率 | 第31页 |
| 4.6 地质灾害环境数据处理 | 第31-32页 |
| 4.7 人口聚集度 | 第32页 |
| 4.8 经济发展状况 | 第32-34页 |
| 4.9 数据的一致化与标准化 | 第34-35页 |
| 第5章 人工神经网络模型构建 | 第35-52页 |
| 5.1 MATLAB工作平台概述 | 第35页 |
| 5.2 人工神经网络模型概述 | 第35-36页 |
| 5.2.1 基本定义 | 第35-36页 |
| 5.2.2 基本特性 | 第36页 |
| 5.3 BP神经网络的应用 | 第36-46页 |
| 5.3.1 BP网络模型概述 | 第36-39页 |
| 5.3.2 训练样本 | 第39-40页 |
| 5.3.3 BP网络结构 | 第40页 |
| 5.3.4 建模、训练与模拟 | 第40-46页 |
| 5.4 极限学习机的应用 | 第46-51页 |
| 5.4.1 极限学习机（ELM）概述 | 第46-47页 |
| 5.4.2 建模、训练与模拟验证 | 第47-51页 |
| 5.5 BP-ANN模型与ELM模型训练结果对比 | 第51页 |
| 5.6 生态环境脆弱性状况分级 | 第51-52页 |
| 第6章 研究区生态环境脆弱性评价结果及分析 | 第52-60页 |
| 6.1 评价结果 | 第52-56页 |
| 6.2 评价结果空间分布格局与驱动力因素分析 | 第56-58页 |
| 6.3 研究区生态环境脆弱性改善建议 | 第58-60页 |
| 6.3.1 科学评价生态环境脆弱性状况，摸清可持续发展的基础条件 | 第58页 |
| 6.3.2 加强自然生态系统建设，增强可持续发展能力 | 第58-60页 |
| 结论 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读学位期间取得学术成果 | 第68页 |
