随着全球城市化进程的加快，城市生活环境遭受严重破坏，城市生态安全问题引起了学者和研究机构的广泛关注。我国关于城市生态安全的研究起步较晚，且研究区域主要集中于沿海大中型城市，以重庆市为代表的大型内陆山地城市的生态安全评价研究目前较少开展。重庆市地处长江上游、三峡库区，其生态地位非常重要，因此，对重庆市进行城市生态安全评价具有非常重要的研究意义。　　随着我国遥感技术的发展，利用高光谱遥感影像对生态系统的安全情况进行实时监控逐渐成为生态遥感应用的重要前沿技术之一。如何从高光谱遥感影像中提取出有用的地物信息以及如何构建合理有效的城市生态安全评价体系，是实施城市生态安全监控的两个关键技术问题。　　高光谱遥感影像分类是提取地物信息进行生态监测的前提，高光谱遥感影像具有光谱分辨率高、图像信息丰富等特点，但是存在波段数目众多，信息冗余，数据量大等问题，直接对原始数据进行分析对存储空间和计算能力的要求比较高，而且可能导致维数灾难问题。降低数据维数是约简高光谱遥感影像数据复杂度，提高分类稳定性和效率的重要途径。世界经济合作和发展组织(OCED)与联合国环境规划署(UNEP)共同提出的压力-状态-响应(PSR)模型，以其简明的形式和内在逻辑的严密性，能更好地反映环境压力、自然状态和人类社会经济活动三者间的内在联系。该模型基于因果概念：人类社会经济活动增加了环境压力，导致自然资源的数量和质量发生改变，而自然资源的改变又反映了人类的行为。环境压力、自然状态和人类社会响应这三类指标的评价效果都是比较显著的，因此，PSR模型被广泛应用于生态安全评价的实践研究中。　　本文主要从两个方面进行研究：一、基于稀疏鉴别嵌入(SDE)的高光谱遥感影像数据特征提取方法研究；二、基于PSR模型的重庆市主城区进行生态安全评价研究。本文对稀疏保持投影(SPP)进行分析，发现SPP本质上仍是一种无监督的算法，并没有充分利用样本的类别信息来提取鉴别特征。因此，针对该问题，本文提出了一种新的稀疏流形学习算法-稀疏鉴别嵌入(SDE)。该算法在利用样本的稀疏重构关系建图时引入了样本的类别信息，并通过优化目标函数来得到投影矩阵，使得不同类的数据点在低维嵌入空间中尽可能地分散开。SDE通过结合数据稀疏性及类间流形结构的优点，不仅保留了样本间的稀疏重构关系，而且通过引入训练样本的类别信息实现稀疏鉴别特征提取，更有利于分类。在Urban和Washington DC Mall高光谱数据集上的实验结果表明：SDE算法比其他算法的分类性能有明显的提升，在随机选取16个训练样本的情况下，SDE算法的分类精度分别达到了73.47％和98.35%。　　本文运用压力-状态-响应(PSR)模型构建重庆市主城区生态安全评价指标体系，并结合层次分析法和熵值法确定指标权重，对重庆市主城区1988~2007年近20年的生态安全情况进行评价分析，最后对研究区域1988、2000、2007年的生态安全指数进行可视化，动态分析主城区近20年来生态安全情况的空间差异性。并分析其驱动因素，最终给出今后城市发展的部分建议。