典型人为干扰遥感识别与干扰强度评价研究进展

刘晓娜，张景华，李 红

（1. 北京市农林科学院植物营养与资源研究所，北京 100097；2. 北京市环境保护科学研究院，北京 100037；3. 北京航天泰坦科技股份有限公司，北京 100070）

典型人为干扰遥感识别与干扰强度评价研究进展

刘晓娜1,2，张景华3，李 红1*

（1. 北京市农林科学院植物营养与资源研究所，北京 100097；2. 北京市环境保护科学研究院，北京 100037；3. 北京航天泰坦科技股份有限公司，北京 100070）

以土地利用与土地覆被变化为视角，将人地关系归纳为城镇化、工业化、农业集约化和生态化4种主要的人为干扰过程。在系统梳理城镇化、农业集约化和生态化遥感识别内涵与方法的基础上，重点介绍人为干扰强度评价方法与指标构建过程，指出当前人为干扰研究主要存在干扰类型、影响趋向、研究方法、切入角度、研究内容以及研究尺度6个方面的问题。未来研究应重点关注生态系统服务功能突出、人地关系矛盾剧烈的生态敏感区，以及城镇化、农业集约化与生态化3种典型人为干扰，开展不同空间尺度上人为干扰强度积极与消极综合的定量评价，以期为未来人为干扰定量识别与评价以及人地关系协调发展提供支持和依据。

人为干扰；土地利用与土地覆被变化；遥感识别；城镇化；农业集约化；生态化

针对人类活动和全球变化之间的驱动机制而开展的土地利用与土地覆被变化（简称LUCC）研究，已成为全球环境变化研究的核心领域和前沿课题[1-2]。LUCC能够很好的反映人为干扰的变化，基于LUCC的生态环境人为干扰度分析，能够准确地显示出生态环境人为影响程度的空间分布和梯度变化特征[3]。目前，人为干扰研究主要以草地和森林生态系统为主，从综合视角对整体生态环境人为干扰程度的评价研究案例较少，研究内容主要集中于干扰的生态效应方面[4-5]，大多从传统生态学角度开展人为干扰研究，对于LUCC的人为干扰遥感识别、人为干扰对LUCC的影响以及干扰强度的定量化及其空间异质性格局变化研究明显不足，未建立完善的针对整体生态环境的人为干扰强度综合评价体系[6]。

城镇化、工业化、农业集约化和生态化，是当前驱动土地利用与土地覆被和生态系统格局与过程变化的4个主要人为干扰过程[7]。遥感作为当前人地关系的主要监测手段，可以识别城镇化、农业集约化和生态化3种典型的人为干扰类型。人为干扰强度可以反映人类活动的强弱以及LUCC对人为干扰的响应，在系统分析人为干扰强度空间格局与聚类的基础上，可以实现对人为干扰的积极干预，从而促进区域人地关系的协调发展[8]。

本研究在文献系统分析的基础上，以LUCC为视角，以人为干扰为研究对象，在归纳4种主要人为干扰类型和过程的基础上，深入探讨了“城镇化”、“农业集约化”、“生态化”3种典型人为干扰过程的遥感识别内涵，梳理了“三化”遥感识别与评价的主要方法与技术，以及人为干扰强度评价的方法与指标构建。在此基础上，指出当前人为干扰研究中存在的主要问题，并提出未来发展趋势与研究方向，以期为未来人为干扰定量识别与评价以及人地关系协调发展提供支持和依据。

1 人为干扰遥感识别

耕地、园地、建设用地等是可直接遥感识别的人为干扰类型。林地和草地等自然植被遭受人类活动的影响，但并未发生类型的转变，则不能通过遥感影像直接识别，而是需要通过遥感反演植被生态参数来进行判别[9]。

1.1 城镇化遥感内涵与定量识别

城镇化作为一个社会经济的转化过程，包括人口流动（人口城镇化）、地域景观（土地城镇化）、经济领域（经济城镇化）、社会文化（社会城镇化）等方面的内涵[10]。城镇化引起的城镇用地扩展是人文因素对土地利用作用的一个重要方面。徐涵秋[11]基于Landsat ETM影像的可见光、中红外、热红外波段，创建了快速提取城市不透水面的归一化差值不透水面指数（NDISI）。王卷乐等[12]基于Landsat TM/ETM、CBERS多光谱卫星数据，通过构建NDVI、NDWI、NDBI等指数，建立了城市绿化度、水体、城市建成区信息提取模型，有效利用城镇地区特有的地物光谱特征，实现了定量化、自动化的城镇化遥感监测。韩启金等[13]和赵颜创等[14]利用HJ-1和Landsat遥感影像数据的热红外波段进行地表温度反演开展城市热岛效应研究，通过地表温度差异来提取城镇用地。国内外很多学者对利用DMSP/OLS灯光数据进行城镇用地提取进行研究，结果表明利用灯光数据提取城镇用地信息，是研究大区域城市空间扩张有效的途径[15]。

综合考虑时间和空间精度，多光谱遥感数据是最经济可行的遥感监测数据源。遥感信息提取方法包括基于可见光波段（如NDBI、NDVI指数等）、热红外波段（地表温度）、夜间灯光指数、纹理特征（如灰度共生矩阵）以及多分类综合法等。

1.2 农业集约化遥感内涵与识别

农业集约化是指在单位农业用地或耕地面积上，通过增长物质资本和人力资本的直接投入，以及农业科学技术的推广应用和农业管理水平的提高，以增加单位面积产量的经营方式[16]。衡量农业集约化程度的指标目前主要有两种观点：①用直接投入的各种物质技术费用之和与耕地面积的比值来衡量；②通过单项指标和综合指标来衡量。农业集约化程度可以从农业投入强度、耕地利用程度、耕地产出效果和农业持续状况4个方面进行评价[17]。

孙丹峰等[18]在区域土地初级生产力构成因素的理论分析基础上，通过主成分分析建立不同作物种植模式下MODIS-NDVI 年序列与区域土地自然质量和化肥投入的空间关系。利用时间序列NDVI数据提取复种指数是监测耕地利用强度的主要方法[19]。HJ-1 CCD遥感影像既具有MODIS数据的高时间分辨率特点，又具有Landsat数据高空间分辨率的优势，逐渐成为农作物种植面积及其熟制监测的主要数据源[20]。

目前对农业集约化程度评价的特点：①时间尺度上，多属于静态评价，较少通过时间序列数据开展动态的集约经营评价；②采用的遥感数据源上，多为中低、中分辨率遥感影像，较少有中高分辨率的时间序列研究；③反映农业集约经营的遥感识别指数主要是复种指数，对农业集约经营其他方面（种植作物类型、土地利用强度和结构、化肥投入等）的遥感定量化研究较少。

1.3 生态化遥感内涵与识别

本研究将生态化（土地生态化）定义为生态系统在人为干扰活动下，根据生态系统的演进规律、生态系统的结构、质量、功能等呈现出的自然质量和社会经济质量的时空特征变化过程，主要表现出生态系统空间结构比例、植被类型、结构、质量、功能等的变化。生态化的效果评价与指标选择可以参照生态恢复效果的评价，二者在很多方面具有明显的相通性。

基于对生态系统属性的评价是目前生态恢复评价的主要途径。选择多样性指标（不同类群的丰富度）[21]、植被结构特征（植被覆盖度、群落演替、原生物种的比例等）[22]、生态过程指标（种子传播、初级生产、养分循环等）[23]中的一个或几个指标，比较这些指标与参考信息间的差异，据此评价恢复效果。NDVI因其简单性以及能反映植被的健康和压力情况，常作为生态响应的变量，应用于植被干扰与动态变化的研究[24]。此外，植被净初级生产力（NPP）以及植被覆盖度等生态参数也常用来监测区域植被生态化效果[25]。

2 人为干扰强度评价

人为干扰指标主要分为单一型指标和复合型指标两种。单一型指标主要以反映人类活动强度的指标代替，如人为影响指数、道路密度、森林干扰度、人为干扰度等[7]。复合型指标指基于多个变量构建的综合指数评价人为干扰强度。Stein等[26]选取居民点、基础设施、水库、沟渠和堤坝分布、土地利用、点源污染等，构建了“河流干扰指数”；曾智慧[8]从与人为干扰测度变化关系有正向关系和逆向关系的2个角度，选择土地利用双向变化率、土地利用强度、破碎度、分离度、人口密度5个指标构建人为干扰测度指数；Wang等[27]选用城镇和农用地比例、人口密度、道路密度、TN、TP及堤坝、采矿场分布等指标构建干扰指数；杨小林等[28]选取人工景观数量、道路等级、物种来源、生物多样性指数、植被覆盖率、利用情况等8个变量构建干扰度指数；Walz等[29]通过对“自然亲近度”与人为干扰之间的映射关系，建立人为干扰强度模型，对不同土地利用类型的人为干扰程度进行分级；任艳敏等[30]从施工和运营两方面，选取土地破损度、地块切割度、交通系统阻断度以及综合土地利用动态度、土地利用程度变化率、景观破碎度年变化率、周长面积分维数年变化率、景观分割指数年变化率，综合评价高速公路建设对沿线生态环境的扰动。

为了使变量间能够进行运算，需要先进行数据的标准化，并对变量赋予不同的权重。Zurlini等根据所选阈值确定判定像元是否被干扰，通过K-means算法对干扰类型进行聚类分析，实现对区域内干扰的数量和结构的定量评价；杨小林等[28]采用Delphi（专家咨询法）和AHP（层次分析法）相结合的方法，确定各指标因子的权重；James等[30-31]比较不同的变量组合、不同的数据标准化方法以及不同的加权方法对干扰指数有效性的影响，指出应当选取相互独立的变量构建干扰指数。

3 问题与展望

3.1 主要问题

人为干扰相关研究较多，但存在以下不足与局限性：

1）在干扰类型上，单一类型人为干扰研究较多，区域人为干扰类型全面揭示不足，无法对某特定区域所受人为干扰进行全面了解和整体把握；

2）在影响趋向上，人为干扰所导致的消极影响研究较多，积极影响研究较少，无法综合评价人为干扰对生态系统影响的综合效应；

3）在研究方法上，人为干扰的静态分析研究较多，对人为干扰的过程与格局动态分析较少，难以反映出人为干扰在时间尺度上对LUCC影响和LUCC对人为干扰的响应；

4）从切入角度上，人为干扰多为生态学范畴，强调人为干扰的生态效应，较少从LUCC的角度来分析人为干扰的生态环境效应，弱化了人为干扰与LUCC的驱动机制研究；

5）在研究内容上，人为干扰现状及其生态效应研究较多，而对人为干扰的遥感识别与干扰强度的定量评价略少，不利于及时动态地掌握人为干扰的格局与过程，从而提出积极的人为干预策略；

6）在研究尺度上，人类活动干扰效应研究主要集中于小尺度的案例研究，大尺度区域综合研究仍较少见，无法满足对人为干扰多尺度的效应研究。

3.2 研究展望

在自然条件下，生态系统内的中小尺度干扰可以被大尺度下的系统所消化，但人为干扰因其具有同步性、广泛性，会产生巨大的叠加效应。因此，研究人为干扰的方式、机理和变化规律等不仅具有重大意义，而且具有很强的现实性和紧迫性。未来应重点选择生态系统服务功能突出、人地关系矛盾剧烈的生态敏感区作为研究区，以“3S”技术为支撑，以LUCC遥感信息提取与数字制图为基础，在遥感定量反演与地面实测基础上，厘清人为干扰的内涵与遥感识别特征匹配，在生态要素定量反演与LUCC遥感信息提取基础上，从不同地理空间尺度上，建立典型人为干扰（城镇化、生态化、农业集约化等）的遥感定量识别模型，构建不同类型与复合的人为干扰强度评价指标体系，开展人为干扰强度（积极、消极以及综合）的定量综合评价；通过系统评估区域人为干扰强度的时空异质性和驱动机制，提出积极的土地利用与土地覆被变化的人为干预策略，为促进生态敏感区土地合理化利用、流域人地关系协调发展提供科学依据和决策支持。

[1]Turner II B L. Socializing the pixel in LUCC[J]. LUCC Newsletter, 1997(1): 10-11

[2]范树平，程从坤，刘友兆 等. 中国土地利用/土地覆盖研究综述与展望[J]. 地域研究与开发，2017，36(2): 94-101.

[3]巩杰，赵彩霞，谢余初 等. 基于景观格局的甘肃白龙江流域生态风险评价与管理[J]. 应用生态学报，2014，25(7):2 041-2 048

[4]傅伯杰，张立伟. 土地利用变化与生态系统服务：概念、方法与进展[J]. 地理科学进展，2014，33(4): 441-446.

[5]Xiong X, Grunwald S, Myers D B et al. Interaction effects of climate and land use/land cover change on soil organic carbon sequestration[J].Science of the Total Environment, 2014, 493: 974-982.

[6]冯志贤，张继贤，侯伟 等. 基于地表覆盖分类的生态环境人为干扰度分析——以北京市为例[J]. 生态学杂志,2017,36(2): 508-516

[7]刘晓娜,张微微,李红.基于LUCC的密云水库上游流域人为干扰动态变化[J].生态与农村环境学报,2016,32(6): 951-957

[8]曾智慧.汉江流域人为干扰测度研究[D].武汉:华中师范大学,2008

[9]Lv Y H, Fu B J, Wei W et al. Major Ecosystems in China:Dynamics and Challenges for Sustainable Management[J].Environmental Management,2011,48(1):13-27

[10]陈春.健康城镇化发展研究[J].国土与自然资源研究，2008(4): 7-9

[11]徐涵秋.一种快速提取不透水面的新型遥感指数[J].武汉大学学报(信息科学版)，2008，33(11): 1 150-1 153

[12]王卷乐,李锐,徐永芬,等.面向数据共享的城镇化信息快速提取技术方法与应用:以江苏盐城为例[J].地球信息科学学报,2010,12(3): 399-405

[13]韩启金,傅俏燕,潘志强,等.利用HJ-1B星热红外遥感图像研究城市热岛效应[J].航天返回与遥感，2012，33(1): 67-74

[14]赵颜创,赵小锋,旷达.宁波城市热岛随城市化演变的多指标综合分析[J].生态环境学报,2014,23(10): 1 628-1 635

[15]Henderson M, Yeh E T, Gong P ，et al. Validation of Urban Boundaries Derived from Global Night-time Satellite Imagery[J].International Journal of Remote Sensing, 2003, 24(3): 595-609

[16]杨勇.对农业集约化程度指标体系的探讨[J].农业技术经济,1990(3):71-73

[17]吕博,张荣群.宁夏农业集约化程度时空评价研究[J].农业工程，2011,1(2): 30-35

[18]孙丹峰,王雅,李红,等. 基于MODIS NDVI年序列的区域化肥投入空间化方法[J]. 农业工程学报,2010,26(6): 175-180

[19]闫慧敏,曹明奎,刘纪远,等. 基于多时相遥感信息的中国农业种植制度空间格局研究[J].农业工程学报,2005,21(4):85-90

[20]Chen J S, Huang J X, Hu J X. Mapping Rice Planting Areas in Southern China Using the China Environment Satellite Data[J].Mathematical and Computer Modelling, 2011, 54(3-4): 1 037-1 043

[21]Wilkins S, Keith D A, Adam P. Measuring Success: Evaluating the Restoration of a Grassy Ecualypt Woodland on the Cumberland Plain, Sydney, Australia[J]. Restoration Ecology,2003, 11(4): 489-503

[22]张继义,赵哈林,张铜会,等. 科尔沁沙地植被恢复系列上群落演替与物种多样性的恢复动态[J].植物生态学报,2004,28(1): 86-92 [23]Rhoades C C, Eckert G E, Coleman D C. Effect of Pastures Trees on Soil Nitrogen and Organic Matter: Implications for Tropical Montane Forest Restoration[J]. Restoration Ecology,1998, 6(3): 262-270

[24]Moran F E, Packer A, Brondizio E, et al. Restoration of Vegetation Cover in the Eastern Amazon[J]. Ecological Engineering, 1996, 18(1): 41-54

[25]史志华,王天巍,蔡崇法,等. 三峡库区乐天溪流域生态修复效果的遥感监测研究[J].自然资源学报,2006,21(3): 473-480

[26]Stein J L, Stein J A, Nix H A. Spatial Analysis of Anthropogenic River Disturbance at Regional and Continental Scales:Identifying the Wild Rivers of Australia[J]. Landscape and Urban Planning,2002,60(1):1-25

[27]Wang L, Brenden T, Seelbach P, et al. Landscape Based Identification of Human Disturbance Gradients and Reference Conditions for Michigan Streams[J]. Environment Monitoring and Assessment,2008,141(1-3):1-17

[28]杨小林,张敏,马和平. 西藏林芝地区主要景区生态干扰度评价[J].西北林学院学报,2009,24(6): 158-161

[29]Walz U, Stein C. Indicators of Hemeroby for The Monitoring of landscapes in Germany[J]. Journal for Nature Conservation,2014(22): 279-289

[30]任艳敏,唐秀美,潘瑜春,等.高速公路对沿线土地利用的扰动影响评价:以京承高速公路二期为例[J].地域研究与开发,2017,36(2): 113-117

[31]Jame A F, Daren M C, Lisa C W. Quantifying Human Disturbance in Watersheds: Variable Selection and Performance of a GIS-based Disturbance Index for Predicting the Biological Condition of Perennial Streams[J]. Ecological Indicators, 2010,10(2): 264-273

P237.9

B

1672-4623（2017）12-0080-03

10.3969/j.issn.1672-4623.2017.12.025

2017-06-14。

中国博士后科学基金资助项目（2016M591112）；北京市博士后工作经费资助项目。

（*为通讯作者）

刘晓娜，博士，研究方向为土地利用与土地覆被变化、生态系统服务功能评价。