鼠疫是我国甲类传染病之一,青藏高原地区是我国主要的鼠疫疫源地,喜马拉雅旱獭（以下简称“旱獭”）是该疫源地的主要宿主动物。加强青藏高原地区旱獭适生区监测与识别是积极预防与有效控制旱獭鼠疫流行的重要基础。目前针对旱獭适生区的监测和识别仍以野外调查为主,空间信息技术应用不足,缺乏较全面考虑自然与人类活动因子的适生区模型,导致野外调查主要依赖主观经验,缺少合适的全局引导,不利于全面高效科学地开展相关防控工作。针对这些问题,本文以青海省玉树市为研究区,综合考虑影响该地区旱獭适生区分布格局的地形地貌、土壤属性、植被覆盖、气候条件以及人类活动等因素,构建了一套多维度评价指标体系;在此基础上,结合卫星遥感、无人机遥感、众源数据等多源数据,对上述影响因素进行空间量化,开展基于多个物种分布模型及其集成组合模型的旱獭适生区识别研究;结合多模型研究结果的一致性和当地鼠疫防控的实际需求,分别提出侧重于防控业务工作和侧重于改进旱獭适生区预测的相关参考路线,为当地鼠疫防控业务工作和适生区识别工作提供理论依据和方法支撑。本研究的主要研究内容和结果如下:（1）通过旱獭调查位点数据、遥感数据和其它专题数据,从地形、气候、土壤、能量来源和人类干扰等方面较全面地分析了研究区旱獭生境要素的空间分布特征,构建了旱獭适生区多维度评价指标体系。结果表明:现有旱獭调查位点数据存在空间分布不均衡和旱獭存在点与不存在点比例失衡两个主要问题,并针对此问题提出改善数据质量的方法;进一步通过空间特征分析发现,归一化温湿指数、坡向、土壤类型等生境特征参数与旱獭位点具有较高相关性,并据此筛选出15个多维度指标用于旱獭适生区评价和建模。（2）在考察RF（随机森林模型）、GBM（推进式回归树模型）等十种物种分布模型的基础上,从模型算法的角度分类比较各类模型的结果、精度和变量重要性,通过AUC值进行模型筛选和集成,构建了研究区旱獭适生区识别的组合模型。结果表明:物种分布模型在旱獭的空间分布预测上具有良好的预测效果,其中,机器学习模型（RF、GBM）、最大熵模型（MAXENT）和分类模型（CTA、FDA）具有更高的精度和稳定性,得到的旱獭适生区范围较大;回归模型的精度略低,得到的旱獭适生区范围较小;相比单一物种分布模型,优化集成后的组合模型的精度和稳定性明显更优。（3）进一步将旱獭适生区识别结果应用到玉树市鼠疫调查与防控业务工作中,分别设计了侧重于防控业务工作和侧重于改进旱獭适生区预测的相关参考路线。结果表明:前者以多个物种分布模型一致确定的旱獭适生区作为调查重点,而后者则以物种分布模型之间输出存在不一致的区域作为调查重点,两者相辅相成,均考虑了道路因子,以确保沿线交通的便利性,为提高当地鼠疫防控水平有较重要的指导意义。