飞速的经济发展会带动城市化进程的加深,但粗放型的发展方式只会给城市的发展带来严重的破坏。目前,国家越来越重视城市生态环境质量的好坏,致力于发展生态友好型文明城市。同时,人类活动对城市生态环境质量的好坏起到至关重要的作用。随着传感器技术的提升,泛在于互联网中的多源数据得到了充分的挖掘,对城市生态环境的研究起到了重要的促进作用。结合人类活动的出行方式,对多源数据进行充分挖掘,分析城市生态环境与人类活动之间的关系是城市生态环境规划的重要课题,而目前相关的研究较少,特别是利用机器学习算法对城市生态环境与人类活动二者之间的关系进行分析的研究就更少了。本文主要研究内容包括:（1）在分析前人研究的基础上,提出采用POI点、OSM道路网、住宅区数据来构建人类活动指标（住宅区可步行测度指数、街道活力指数、城市功能混合度指数）和采用遥感影像构建城市生态环境指数（遥感生态指数）的方法。通过计算各种设施到住宅区的OD成本距离,再结合距离衰减规律和步行修正指数获得住宅区可步行测度指数。构建与街道活力相关的指标,通过熵权法获得街道活力指数。建立500*500米的格网,统计格网中POI点的数量与种类,并利用信息熵得到城市功能混合度指数。将以上三者作为人类活动指标。利用RSEI模型构建遥感生态指数,将其作为城市生态环境指数。（2）利用机器学习算法（线性回归、二次多项式回归、随机森林回归、XGBoost回归、支持向量回归机）以及耦合模型对城市生态环境指数和人类活动指标进行建模。（3）以南昌市为例开展实例研究,所得结论如下:1)南昌市中部地区的可步行测度指数明显优于南昌市边缘地区的可步行测度指数。整体的住宅区可步行测度指数呈环状由中间向四周散射发展。另外南昌县、安义县和进贤县的中心城区的可步行测度指数也比较高。南昌市一环的街道活力指数最高;二环开始减弱;三环的街道活力指数普遍较低。街道活力指数整体上呈现以赣江东部地区高,赣江西部片区较低的趋势。南昌市的城市功能混合度指数以二环以内最好,二环和三环之间较好,三环以外的大部分地区城市功能混合度指数过于单一。南昌市城市生态环境指数以城市中心低,向四周逐渐升高分布。其中,中部地区的植被覆盖度和湿度都偏小且建筑物指数偏大,导致遥感生态指数偏低;周围各县因为存在大量的林地、湿地,导致遥感生态指数偏好;新建县和进贤县部分地区遥感生态指数偏低的主要原因是裸土偏多,导致干度分量增大,湿度分量和绿度分量减小。2)人类活动各项指标与城市生态环境指数之间都存在着负相关关系。负相关关系最强的是城市生态环境和城市功能混合度指数,最弱的是城市生态环境与住宅区可步行测度指数。通过比较五个回归模型,对城市生态环境与人类活动关系回归效果最好的是XGBoost回归模型,其次是二次多项式回归模型。预测结果稍差的区域是新建县上部分的北部、南昌县北部和湾里区,预测值大于真实值,说明其真实的生态环境质量比预测的要差;还有新建县南部区域的生米镇和厚田乡,进贤县的前坊镇、七里乡和赵埠乡,其预测值小于真实值,说明这些区域的生态环境指数要比预测的要好。预测结果较好的区域是安义县、新建县南部、东湖区、西湖区、青云谱区、南昌县南部以及进贤县东部和南部,说明这些区域的生态环境指数和人类活动密切相关。3)从耦合协调性分析,适当的人类活动可以和生态环境保持良好的耦合度,当人类活动强度较大或者较小时,都会使耦合度降低。除了主城区耦合度较强以外,安义县、进贤县和南昌县的中心也都表现为中等强度的耦合度;而在较为偏远的郊区,耦合度都相对较低。同时,人类活动较为强烈的区域其耦合协调度较高,反之越低。另外,南昌市中心城区的19个街道表现为城市生态环境滞后型,其他外围区域表现为人类活动滞后型,这与南昌市整体的人类活动聚集性特点相吻合。