利用夜间灯光影像的云南省县域光污染研究

李媛婷,李益敏,吴博闻,王东驰,赵娟珍

(1.云南大学 国际河流与生态安全研究院,昆明 650500;2.云南大学 地球科学学院,昆明 650500;3.云南大学 云南省高校国产高分卫星遥感地质工程研究中心,昆明 650500)

0 引言

随着人类活动的扩大和全球环境的变化,生物多样性减少与物种丰富度降低已成为生态系统可持续发展的热点探讨问题之一[1]。已有研究表明人类经济与社会活动对生态系统带来的压力是造成生物多样性下降的主要因素之一[2],而在各种类型的人类活动压力中,违反自然规律的长期夜间灯光照射带来的光污染无疑对生物的生活与生存产生了显著影响。目前,光污染已成为一个全球性的环境问题,特别是在发达国家和快速发展中国家[3]。近几十年,全球迈入迅速城市化阶段,预计未来的城市扩张将主要发生在全球生物多样性热点地区[4]。这些区域的城市扩张一方面会导致生物栖息地的减少,另一方面城市长期人工照明对自然明暗周期的破坏可能会影响生物的生理、行为、迁移和繁殖,从而间接影响当地物种的丰度和群落的结构。

夜间稳定的亮光绝大多数来自于城市区域的人造光源,过去光污染研究主要通过局部地面观测或实验室研究实现,难以开展较大空间范围和较长时间序列的光污染研究[5]。但夜光遥感技术的发展为综合遥感观测和生态模型的光污染影响量化提供了科学、可行、高效的解决办法。越来越多的证据表明,夜间灯光遥感影像可以用于量化人工照明对区域生物多样性与自然生态系统带来的影响[6]。近几年国外已涌现许多基于夜间灯光数据的光污染现状或生物多样性威胁相关研究,而国内有关研究还处于起步阶段。从研究尺度来看,已有光污染研究多基于全球尺度、城市群尺度、省级尺度和保护区尺度[7]开展,暂无基于县域单元开展的光污染威胁研究。从研究内容来看,Koen等[8]研究了1992-2012年全球范围内光污染对哺乳动物、鸟类、爬行动物和两栖动物的物种丰富度带来的影响;Bennie等[9]利用DMSP/OLS影像与遥感土地覆盖产品,评估了1992-2012年夜间人造灯光对全球不同生态系统类型带来的影响;Zhu等[10]综合DMSP/OLS夜间灯光数据集和LCC估计的人类干扰(HD)指数,量化了2000-2013年期间的人类活动对国家自然保护区带来的压力与威胁。整体上,已有研究均是在定性分析夜间灯光可能对生态系统与生物多样性带来负面效应的基础上进行叠加分析,缺少对光污染和物种密度相关性与威胁性的定量描述。

研究利用夜间灯光影像分析云南省2000- 2020年间各县域受灯光污染程度与持续性的时空分异特征,并在夜间灯光与物种密度显著相关的基础上,进一步结合哺乳类、两栖类、爬行类的物种密度探测了各县域单元受光污染威胁的大小及需要加大保护力度、加强保护措施的迫切程度,对实现快速城市化背景下的区域可持续发展与生态安全目标有重要意义。

1 研究区概况与数据来源

1.1 研究区概况

云南省地处中国西南边陲,地跨97°31′E～106°11′E、21°8′N～29°15′N,总面积为3.941×105km2,辖129个县级区划。云南省位于亚欧板块、印度洋板块和太平洋板块3大板块相互碰撞、挤压的特殊地理位置,北高南低的纵向岭谷造就了山地云南的复杂地质条件,西南季风和东南季风的交替影响则带来了多样的气候环境,这些自然条件与生态环境促使云南成为了全球生物多样性最丰富、最集中的地区之一。据统计,云南在4%的国土面积上栖息着全国50%以上的动植物种类和70%以上的微生物种类,拥有85%以上的植被及生态系统类型,在我国乃至世界的生物多样性保护中有着不可或缺的重要地位[11]。

1.2 数据来源与处理

研究所需数据包括矢量数据、夜间灯光影像数据与物种分布数据3部分。

矢量数据主要为云南省129个县域的行政区划数据,来源于全国地理信息资源目录服务系统中的1∶100万公众版基础地理信息数据(2021)。

DMSP/OLS夜间灯光数据揭开了夜光遥感的新篇章,而NPP/VIIRS数据则进一步弥补了DMSP/OLS数据在时间、空间和辐射分辨率上的不足[12]。余柏蒗团队通过提升DMSP-OLS数据质量,将其与NPP-VIIRS夜间灯光数据拼接,得到了能够通过精度验证的长时序类NPP-VIIRS夜间灯光数据集[13]。从国家地球系统科学数据中心(http://www.geodata.cn)上下载该数据集,并利用县域矢量数据进行掩膜提取。同时,为保证投影前后区域的面积保持不变[14],研究将所有影像的投影坐标系都设置为Albers等积投影。

物种分布数据主要下载自国际自然保护联盟红色名录空间数据集,包括2021年哺乳动物、两栖动物和爬行动物的分布数据。

2 研究方法

2.1 夜间灯光指数

研究分别使用总夜光值(total night light,TNL)和夜光平均值(night light mean,NLM)来表示夜间灯光污染水平的总和和光污染密度,用于反映县域光污染的总体水平和平均水平。通过计算不同年份TNL指标的差值,可以进一步测度县域光污染趋势与持续类型,从而表征县域光污染的时间特征。NLM指标则能够消除不同县域间面积差异带来的影响,表征了县域光污染的空间特征。具体计算方法参考文献[3]的研究。

2.2 光污染趋势分析

Theil-Sen 中值趋势估计是一种受异常值干扰小的非参数估计方法,一般通过计算j-i时间步长下所有成对观测值Xj-Xi之间斜率的中位数得到[15]。所有像元对斜率的中值用β表示,为0表示观测值无变化,为正表示观测值在时间序列上呈增加趋势,反之则表示呈减少趋势。

Mann-Kendall检验法常用于检验时间序列变化趋势的显著性[16],目前已有学者将其用于检测夜间灯光的长时序变化趋势显著性[17]。具体通过计算统计量Z进行趋势检验,即在显著性水平α下,当|Z|>Z1-α/2,表明观测值在长时间序列上存在显著性变化,反之则为不显著变化。

在给定的0.01、0.05和0.1的置信水平α下,综合斜率中值β和统计量|Z|的取值进行光污染趋势类别划分,如表1所示。

表1 基于β值与统计量Z的光污染趋势分类

2.3 时空特征分析

1)空间马尔科夫链。空间马尔可夫链是“空间滞后”概念与传统马尔可夫链方法结合的产物,能够更好地刻画区域内因相互联系和相互作用而产生的空间溢出效应[18]。空间马尔可夫链通常以地域单元的邻接区域观测值的加权平均值作为其在初始年份的空间滞后值来将其离散为k种空间滞后类型,并在此基础上将传统的N×N阶状态转移概率矩阵分解为k个。具体的计算公式参考周亮等[19]的研究。

2)聚类和异常值分析。聚类和异常值分析主要基于Local Moran’s I 指数来度量每个地域单元与其临近空间单元的属性特征值之间的相似性和相关性,从而反映出局部区域的空间异质性、不稳定性和相互关联特征[20]。若Local Moran’s I为正,表示观测值之间显著正相关,为高高集聚或低低集聚;为负,则呈显著负相关,高值与低值集聚;当接近期望值-1/(n-1)时,则区域单元不存在空间自相关,无明显聚类[21]。

2.4 县域光污染威胁类型划分

根据研究时段内NLM指数增值和各物种密度D,将县域受到的光污染威胁分为7类(表2),通过光污染增长类型与物种密度等级的信息叠加,分析云南省各县级区划中受人类活动威胁较低的区域与亟需采取措施改善光污染状况的区域。

表2 基于光污染指数与物种密度的光威胁分类标准

3 结果分析

3.1 县域光污染程度与趋势分布格局

1)光污染程度与短期变化趋势。分别计算2000年、2005年、2010年、2015年和2020年的NLM指数,并采用自然断点法将污染程度划分为未被污染、低污染、较低污染、中等污染、较高污染和高污染6种类型(图1)。此外,研究还分别计算了2000-2020年间4个时段的TNL指数差值,作为县域光污染持续性的简单测度标准,依据差值正负划分为增强污染和减弱污染两种趋势。

图1 2000-2020年云南省县域污染程度与趋势

可视化结果显示,从同一时间不同县域单元的受污染程度来看(图1),整体上云南省县域单元呈以昆明主城区的官渡、呈贡等县域单元为中心向四周减弱的光污染分布格局。从各县域单元在不同时间的受污染程度来看,整体光污染程度呈逐年上升趋势。具体表现为2015年前西北的贡山与东北的盐津等未受光污染影响区域在2020年已遭受夜间灯光的侵蚀,且2000年的较低及以上污染仅分布于昆明主城区附近,发展到2020年较低及以上污染则广泛分布于曲靖、楚雄等州市下辖的县域单元。从各年份不同光污染程度占比来看(图2),同一时期内受到低污染县域占比最多均在85%以上,可见云南省整体受光污染干扰程度不高。但2000-2020年期间,未受污染和低污染的县域占比分别由1.55%、95.35%逐年下降至0%、85.27%,较低污染与中等污染县域则分别增长了6.97和3.10个百分点,表明虽然整体受污染程度不高仍以较低污染为主,但呈逐年增加的趋势。

图2 2000-2020年云南省县域不同污染程度与趋势占比

从光污染趋势来看(图1),增强污染区域占比最大且分散分布于各县域单元,而增强污染的县域又分为夜光污染基数大且持续增强的区域如官渡、呈贡等,以及原本未受污染但逐渐受到少量人类活动干扰的区域如绥江、贡山等。而减弱污染区域如东部的富宁、西部的盈江、北部的德钦、南部的绿春等地则属于云南省边界发展相对缓慢的县域,其中较为特殊的是2005-2010年期间的部分县域如昆明五华,只在该时间段内为减弱污染,与其2005-2010年统计年鉴中县年末总人口数呈现的下降趋势大致吻合。从各年份不同光污染趋势县域占比来看(图2),20年间所有县域单元(100%)都经历了光污染的增加,但在不同时段内增强污染的县域单元占比有所起伏变化。表明虽然部分县域并非在任何时段内都受到持续增强的光污染,但在整个研究时段内受到的光污染依旧呈增长趋势。

2)光污染长时间序列趋势。为进一步探究光污染20年间的长时间序列趋势,研究基于Theil-Sen中值趋势和Mann-Kendall检验方法,对光污染趋势类型做了具体的分类与显著性检验。如图3所示,整体上光污染在长时间序列中呈增加趋势。其中呈极显著增加趋势地区以滇池北岸部分主城区为主,其余的大理、麒麟等地也明显呈增加趋势,其中曲靖市的行政中心麒麟(图3(b))等区域光污染的增长考虑是受到人口增加和城市扩张的影响,而大理白族自治州的大理(图3(c))等县域单元人类活动侵扰增强则在一定程度上受到当地旅游业发展的影响。从各类趋势占比来看(不考虑无变化区域),2000-2020年间呈增加趋势(89.43%)的栅格单元数量明显大于减少趋势(10.57%),而增加趋势中显著增加与极显著增加共占比44.30%,即光污染增加趋势显著。而部分呈光污染减少趋势的地区,如滇池北岸主城区小部分区域(图3(a)),可能是因为2007年5月起昆明市全面开展了滇池流域和其他重点区域禁止挖砂采石工作,至2011年初累计关停矿山509家,从而导致了夜间灯光的减少。

图3 2000-2020年云南省县域光污染长时序趋势

3.2 县域光污染时空演变特征

1)县域光污染程度时空转移特征。空间马尔可夫转移矩阵能够在传统马尔科夫转移矩阵的基础上,基于空间视角探究不同区域相互作用背景下各县域单元光污染程度的时空动态转移特征。在基于NLM指数将云南省县域划分为6种光污染程度的基础上,分别计算2000-2020年间4个时段内基于空间滞后类型的空间马尔科夫转移矩阵(表3、表4)。从空间马尔科夫转移矩阵中可以看出,云南省县域光污染程度存在一定的空间溢出效应。

表3 2000-2010年云南省县域光污染程度空间转移矩阵

表4 2010-2020年云南省县域光污染程度空间转移矩阵

整体而言,与中等污染县域相邻时,向上转移概率普遍增加,而与低污染程度县域相邻时,向下转移概率普遍增加,即相邻县域单元间光污染程度受彼此的相互影响。

2005-2010年,低污染向上转移的概率平均为0.473,与低污染和较低污染程度县域相邻时概率为0.02和0.4,而与中等污染县域为邻时概率上升至1。

总体上各个时段内,较低污染程度的县域保持平稳不变的概率均大于其向上或向下转移的概率,表明较低污染的县域时空变化与转移存在惯性。

除2005-2010年的3个时段内,与中等污染县域相邻的县域单元均保持平稳状态或向上转移,无向下转移,且其中自身污染程度较高的县域单元向上转移概率为1,而向下转移则通常发生在与低污染相邻的部分县域。

与昆明主城区各光污染程度中等及以上县域相邻的区域,总体呈同步向上转移的趋势,表明此区域内存在较强的正向溢出效应。而这种县域间的正向影响不利于减缓县域内光污染带来的负面影响,为县域光污染的治理带来了一定的困难与挑战。

2)县域光污染变化空间聚类特征。为了度量属性特征值的局部区域空间异质性与不稳定性,基于TNL指数差值和NLM指数差值对云南省各县域单元在5个时段内的时空演变格局进行分析(图4)。从可视化结果可以看到云南省县域单元光污染变化的局部自相关特征。

图4 2000-2020年云南省县域污染变化聚类和异常值分析

20年间整体来看,TNL与NLM指数变化的空间分布具有明显的聚集特征,且两个指数的空间聚集特征大致重合,高高聚类集中分布于昆明南部的晋宁、玉溪北部的澄江与曲靖西部的马龙等地,高低聚类县域数量相对较少且呈点状分布于楚雄与临沧的行政中心,低高聚类多与高高聚类县域单元紧邻分布如玉溪的江川、昆明的石林等地,低低聚类则主要分散分布于云南南北部边缘发展较为缓慢的县域。

从不同时间段来看,2010-2020年与2000-2010年相比,具有显著空间聚类特征的县域单元数量相对较多且分布范围更广,表明随着时间推进与社会经济发展,各县域单元间的“俱乐部趋同”效应有所增强且较低及以上污染程度县域的影响力有所提升。

总体而言,成片分布的高高聚类与低高聚类县域单元周围分布有在整个研究时段内都属于中等及以上污染程度的五华、官渡、西山等受人类活动强度较大的县域,即这附近的县域单元受到人口、交通、经济发展等各方面的影响,中等及以上污染程度的县域在空间关联模式下对邻域单元光污染增长起到了一定的促进作用,与空间马尔可夫转移矩阵所得结论基本一致。因此改善县域的光污染现状不仅需要从各县域单元自身的管理与政策着手,还需要考虑相邻县域可能造成的夜间灯光影响扩散。

3.3 县域光污染威胁特征

1)光污染与物种密度相关性。在结合光污染指数与物种密度数据进行县域光污染威胁分析前,需要确定夜间灯光与物种分布间是否存在显著的相关性。故基于对数化后呈正态分布的3类物种密度与4个光污染指数,进行皮尔逊相关系数检验(图5)。图中颜色由红到蓝表明变量间相关性绝对值由大到小,**和*分别表示在0.01和0.05置信水平下两个变量相关性显著。从图中可以直观看出,所有光污染指数均与物种密度呈显著负相关,表明基于物种分布数据与光污染数据分析夜间灯光可能对区域物种密度造成的影响与威胁是合理且可行的。从各光污染指数相关性绝对值大小来看,均呈哺乳类>两栖类>爬行类的排序。对于3类物种而言,2020年NLM指数和2000-2020年间NLM指数差值均为相关性系数更高的夜间灯光指数。爬行动物密度与2020年TNL指数和2000-2020年间TNL指数差值的相关性未能通过显著性检验,且与哺乳类和两栖类的不同之处在于爬行类NLM指数差值与物种密度的相关性更高。而夜间灯光指数与物种密度间呈现显著负相关的原因可能在于,一方面光污染通过改变自然夜间光照环境对生物多样性与生态系统造成直接影响,另一方面夜间灯光指数间接反映了城市扩张、人口增长等人为因素对物种密度带来的威胁。

注:**.在0.05的水平下,斜率显著不同于0;*.在0.05的水平下,斜率不显著异于0。图5 光污染指数与物种密度的相关性系数热图

2)光污染威胁类型分布特征。为了分析不同县域单元内光污染对区域内物种可能造成的威胁,依据哺乳类、两栖类和爬行类的物种密度大小将其划分为较低、中等和较高3个等级。并在综合考虑的基础上,为了体现夜间灯光变化对物种密度的影响,选取2000-2020年间NLM指数差值进行光污染威胁类型分析,根据表1所列标准将所有县域分为7类(图6)。

图6 2000-2020年云南省县域光污染威胁类型

可视化结果显示,2000-2020年间空间上以昆明主城区及周围几个县域为重点光污染增长区域,其余中等光污染增长区域主要分布在大理、曲靖等州市的行政中心。且20年间光污染增长最高的区域为昆明市的官渡区与呈贡区,同时该区域分布有相对密度较大的哺乳类、两栖类和爬行类动物,即这两个县域单元的物种受光污染威胁最大。从不同物种分布来看,哺乳类中等密度县域单元相较其他两类数量更多、分布更广,同时哺乳类物种密度与光污染指数相关性最强,这意味着3类物种中哺乳动物光污染威胁最大。具体的,从各类型占比来看,整体上受到较低污染增长影响的县域单元占比最多(86.82%),且3类物种中光污染类型为LL的县域单元均占比最多在40%以上。物种密度中等及以上且污染程度中等及以上的县域占比分别为哺乳类(12.41%)>爬行类(11.63%)>两栖类(9.3%),同样表明总体上哺乳类受到的光污染威胁最大。此外,物种密度为中等及以上但光污染增长较小的县域占比较多分别为44.96%、27.91%和27.91%,表明云南省各县域单元中3类物种密度高的区域大多得到了较好的保护,整体受到的光污染威胁不高。但仍有部分3类物种密度较高的县域遭受了中等及以上的光污染增长威胁,如昆明的官渡、呈贡、五华及德宏的瑞丽等地。这些县域是需要重点加大保护力度的区域,应当在后续规划县域建设和完善县域管理条例区时,尽量做到科学、合理、协调,以缓和环境保护和人类社会发展可能带来的矛盾。

4 结束语

总地来说,2000-2020年间研究区光污染呈增加趋势,云南中部昆明主城区和西部地区的光污染增速正在加快。这些发现可以与我国的经济发展趋势和政策指导联系起来。对于局部地区而言,光污染变化受到多方面的影响,如麒麟等行政中心的人口增长和城市扩张、大理等地旅游业的发展、滇池北岸主城区部分矿厂的关闭等,都可能导致光污染的增强或减弱。而增强的光污染改变了夜晚原有的黑暗环境,无疑会带来一系列负面效应。一方面是对人类自身的危害,越来越多的证据表明夜间灯光与人类健康状况之间存在潜在联系,对人类的睡眠质量[22]、乳腺癌[23]、糖尿病[24]等疾病发病率有一定的影响。另一方面是对生态的危害,夜间高强度灯光既可能在生态系统水平上影响生态系统服务供应,也可能在生物水平上影响动植物正常的生物钟与生长规律[25]。因此,为了促进生态保护和地方利益之间的协调发展,有必要采取措施防止或减少夜间灯光的负面影响,维持和增加自然的无照明区域是有效途径之一,此外限制照明时间、改变照明强度或频谱等措施也能一定程度地减轻光污染带来的危害。

本研究仅从宏观角度分析了县域光污染对当地生物多样性带来的威胁大小,但实际上并非所有哺乳类、两栖类和爬行类的物种都会受到夜间光照的影响,在制定针对性保护政策时应首先考虑在夜间活动的物种、栖息地容易受到光污染的物种,以及在IUCN濒危物种红色名录上提及的或在当地生态系统中至关重要的物种。同时也并非研究区内所有地区都会接触到人工灯光,这取决于地理位置,在划定保护范围时应优先考虑敏感地区、保护区和对夜间灯光特别敏感物种很重要的地区。而研究后续的发展方向,则是在城市尺度、1 km×1 km格网等更小的地域单元上划分光污染威胁类型,选择更容易受到光污染影响的物种如蝙蝠、猫头鹰、夜莺、壁虎、青蛙等夜行动物,或对光污染敏感的地区如有在国际自然保护联盟红色名录类别中濒危物种相关记录的自然保护区进行精细化研究。