煤炭作为中国能源结构的核心组成部分,是推动淮南市工业发展的重要引擎,但其开采所引发的地表沉陷、地下水系统破坏以及土地资源损毁等问题,严重威胁矿区生态环境安全。针对传统沉陷预测方法依赖经验参数、生态遥感评价操作繁琐等问题,本文基于Arc GIS Engine与Surfer等技术,开发了一套集采动沉陷预测与生态遥感评价于一体的开采环境信息管理系统,为矿区生态修复、灾害防控及绿色转型提供技术支撑。该系统通过引入分段赋参修正模型改进概率积分法,融合模矢法与遗传算法的双参数反演优化策略,并结合BP神经网络,实现了沉陷预测、参数智能推荐与可视化分析的全流程自动化,提高了复杂地质条件下的沉陷预测精度。同时,在生态评价方面,系统集成了绿度(NDVI)、湿度(WET)、干度(NDBSI)及地表温度(LST)四维遥感指标,通过主成分分析(PCA)构建遥感生态指数(RSEI),实现了矿区生态环境质量自动化评价,推动了矿区生态环境信息管理的智能化与高效化发展。本文主要结论如下: (1)构建了适用于厚松散层矿区的高精度沉陷预测模型:研究实现分区赋参边界修正方法,将区域划分为核心区与边缘带并采用自然邻点插值,有效提升沉陷边界预测精度。以淮南2331(1)工作面为例,预测结果拟合度达97.88%,SSE为0.513,100mm边界误差降至1.5m。结合模矢法、遗传算法与BP神经网络,构建了参数智能推荐模型,平均误差控制在15%以内,R²超过0.95,显著增强模型的稳定性与适应性。 (2)建立了基于RSEI的矿区生态质量动态评估体系:研究通过集成NDVI、WET、NDBSI和LST等遥感指标,构建RSEI对2014—2024年生态变化进行量化分析。结果显示生态质量整体提升,RSEI均值由0.6491升至0.6738,绿度提升值0.3963、干度下降0.0510,复垦区改善最为显著。但同时也暴露出光伏设施引发热岛效应及边缘区域生态恢复滞后的问题,生态改善呈现明显空间异质性。 (3)开发了集沉陷预测与生态评估于一体的信息管理平台:研究基于C#与Arc GIS Engine开发的一体化平台,实现了沉陷预测、可视化分析与生态评估的全流程集成。系统生态指标自动提取与遥感多时相分析,具备等值线生成与空间分布可视化功能。平台操作友好、交互性强,提升了生态治理与灾害防控的效率与实用性。 图63表13参91