心血管疾病作为严重危害人类生命与健康的常见病之一,其死亡率分布具有空间聚集性特征,高死亡率国家主要分布在东欧与中亚等地区。大量的文献调研表明心血管疾病死亡率空间分布特征受地理环境,气候因子、大气质量、人群生活习惯等多种因子影响。遥感技术（RS）具有获取数据快、周期短、覆盖范围大及数据信息量大等的特点,能获取全球尺度心血管疾病相关环境健康因子的监测数据。地理信息系统技术（GIS）能够直观地展现疾病和相关环境健康因子的关联关系,结合多种空间分析方法定量化地刻画二者之间的响应关系,使得心血管疾病在一定的时空状态下与环境要素的关系研究成为可能。基于3S技术的环境健康遥感诊断指标体系的提出,支撑了环境要素的阈值化地客观把握,并为心血管疾病与环境健康因子响应关系的分析研究提供了新的思路与方法。本文利用RS和GIS等空间信息技术分析全球心血管疾病死亡率的时空分布特征,分析心血管疾病环境健康因子及其响应特征,并基于筛选出的环境健康因子建立心血管疾病死亡率遥感诊断预测模型。主要研究内容和结论如下:（1）提取心血管疾病死亡率时空分布特征:基于文献资料调研分析研究了全球尺度的2000年、2004年、2008年和2012年四个年份的心血管疾病死亡率的时空分布特征。结果显示出了心血管疾病死亡率在四个年份中一直处于较高水平,每个年份的全球死亡率超过250（人/100000人）;空间特征上心血管疾病死亡率高发区域集中于东欧地区,中亚地区,而大洋洲和拉丁美洲心血管疾病死亡率相对较低,心血管疾病死亡率分布具有空间自相关性,每个年份正相关高值聚集区的国家超过14个;在区域尺度上心血管疾病死亡率存在时空聚集现象,心血管疾病死亡率较高的国家主要聚集在地中海沿岸,欧洲,北非,中亚等人口稠密的区域。（2）心血管疾病死亡率与环境健康因子响应遥感诊断:基于多源遥感数据,结合心血管疾病死亡率时空分布特征,选取心血管疾病环境健康因子。利用地理统计分析和单要素分析方法通过对心血管疾病死亡率分析研究结果表明了心血管疾病死亡率受NO2柱浓度、SO2柱浓度和O3柱总量等的大气污染因子影响,其响应曲线在一定范围内呈现先降后增的趋势,且当SO2柱浓度超过0.9Du或O3柱总量超过320Du时,心血管疾病死亡率降低。心血管疾病死亡率随气溶胶光学厚度因子增加呈现升高的趋势,高死亡率国家集中于气溶胶光学厚度大于0.3的区域内;气候因素对心血管疾病死亡率分布影响较大,心血管疾病死亡率高发区位于年平均气温在10℃-20℃区域和年平均气压在950-1000h Pa的区域;年均风速与年最大气温日较差对心血管疾病死亡率分布具有显著影响,心血管疾病死亡率高发区位于年平均风速在2-3m/s与年气温最高日较差在20-23℃的区域。（3）心血管疾病死亡率环境健康因子筛选研究。利用广义相加函数,研究心血管疾病死亡率对各环境健康因子响应关系,从而筛选影响心血管疾病的环境健康因子。利用赤池信息准则（Akaike Information Criterion,AIC）的逐步回归分析优化广义相加函数模型,建立心血管疾病死亡率环境健康因子筛选算法。结果表明,除去SO2柱浓度和O3柱总量对模型贡献率为负数外,NO2柱浓度、气溶胶光学厚度、年平均气温、年平均气压、年平均风速和年最大气温日较差等环境健康因素均与心血管疾病死亡率有一定相关性,可以作为预测的环境健康因子。（4）心血管疾病死亡率预测遥感诊断模型构建。基于臭氧检测仪（Ozone Monitoring Instrument,OMI）数据、气象数据及历史心血管疾病死亡率数据,构建全球心血管疾病死亡率预测模型。将筛选出的NO2柱浓度、气溶胶光学厚度、年平均气温、年平均气压、年平均风速和年最大气温日较差共6个环境健康因子作为解释变量,引入历史心血管疾病死亡率做为解释社会因素影响效益的解释因子,建立串联灰度误差反向传播（Back Propagation,BP）神经网络遥感诊断模型。串联模型对心血管疾病死亡率预测具有较好的精度。主要创新点:（1）基于全球尺度分析心血管死亡率时空分布特征及环境健康因子的响应关系:在全球尺度上抓取了自相关性与聚集性的心血管疾病空间分布特征,基于多源遥感数据,反演了大气污染因子、气象因子等环境因子,遥感诊断了心血管疾病与环境健康因子的响应关系;（2）提出了心血管疾病死亡率健康因子筛选遥感诊断算法:基于多源遥感数据与地面监测数据,反演环境健康因子。以赤池信息量（AIC）作为指示参数。利用广义相加函数构建心血管疾病环境健康因子的筛选算法;（3）构建了串联灰度BP神经网络模型的心血管疾病死亡率预测遥感诊断模型:模型基于筛选得到的心血管疾病的环境健康因子,结合疾病死亡率数据的离散性特点与提高精度的模型需求,将灰度模型与神经网络模型串联建立了心血管疾病预测模型。