三亚学院零点跨学科团队持续聚焦国家公园研究，在热带雨林国家公园（HNTRNP）生态环境质量研究领域取得突破。研究通过融合遥感生态指数（RSEI）与双机器学习（DML）因果推断模型，首次系统揭示了多源环境因子对生态质量空间分布及稳定性的驱动机制。研究显示，2019-2024年间该区域生态环境质量总体稳定且呈微幅提升趋势（Sen’s斜率≈0.003），其中97.58%的区域EEQ保持稳定，研究成果为国家公园生态保护策略优化提供了科学依据。
一、生态环境质量时空演变：整体稳定、局部优化
研究基于Sentinel-2和Landsat 8/9多光谱影像，构建了2019-2024年高分辨率RSEI序列。结果表明，HNTRNP多年平均RSEI达0.75，属于“高”及以上等级（占比超70%），其中五指山（WZS）、黎母山（LMS）和吊罗山（DLS）等保护区EEQ尤为突出。尽管尖峰岭（JFL）和霸王岭（BWL）部分区域存在生态退化压力，但通过Sen's斜率与Mann-Kendall检验发现，全园EEQ变化趋势以“不显著”为主（97.58%），显著改善区域（1.46%）略高于退化区域（0.96%），印证了国家公园设立后的生态保护成效。
二、景观格局与生态功能：结构复杂性、支撑稳定性
研究进一步提取了碎片化、异质性、形状边缘效应和连通性四大景观格局指标，发现HNTRNP整体连通性高达0.981，而碎片化指数仅为0.015，表明生态系统结构完整、物种迁徙通道畅通。各保护区间差异显著：霸王岭（BWL）以最高异质性（0.048）和碎片化（0.029）成为景观最复杂区域，而尖峰岭（JFL）以最低异质性（0.015）和最高连通性（0.989）呈现高度均质化特征，二者形成显著两极格局。
三、双机器学习因果推断：揭示多因子协同驱动机制
研究创新性引入DML模型，量化了16类环境因子（包括地形、土壤、气象、景观格局等）对RSEI均值（空间分布）和斜率（稳定性）的因果效应。结果显示：
1.空间分布驱动：土壤保持能力（SCC）与水源涵养能力（WCC）的交互作用（SCC-WCC）是核心驱动力（ATE=0.054），其次为坡度与坡长因子（Slp-LS）及景观异质性与形状边缘效应（Het-SE）的交互作用。
2.稳定性驱动：生物多样性（Bio）、降水（Prec）和土壤类型（Soil）主导EEQ动态，而坡长因子（LS）和SCC均呈现显著正向效应。
四、研究意义与展望：为生态管理提供精准工具
本研究通过DML模型突破了传统相关性分析的局限，明确了多因子交互作用对EEQ的因果路径。该方法不仅适用于国家公园，还可扩展至其他生态敏感区，为生态修复、景观规划提供量化支持。研究者建议，未来需融合社会经济数据，构建更全面的驱动因子分析平台，以应对气候变化与人类活动叠加的挑战。
最后，研究团队指出，热带雨林国家公园的生态韧性源于自然因子与景观结构的复杂协同。双机器学习因果推断模型的应用，为全球国家公园的精细化治理树立了新范式。
本研究由三亚学院零点跨学科团队主导，团队成员涵盖地理信息系统、景观生态规划与环境遥感、城市-区域综合发展等多个专业领域。核心成员包括：蹇凯（信息与智能工程学院教师、工作室核心骨干）、吴晓淇（艺术学院学术委员会主任、首届教育部风景园林学科教指委委员）、王胜男（艺术学院教授、工作室创建人）。团队依托学科交叉平台，整合遥感技术、人工智能与景观生态学，首次实现了环境因子之间交互作用的因果推断，相关成果已发表于国际权威期刊，全文可通过以下链接访问：
文章链接：https://linkinghub.elsevier.com/retrieve/pii/S2665972725004507