基于夜间灯光遥感的人类活动强度对植被变化的影响

摘" 要：为定量解析人类活动对植被变化的作用机制，该文以陕西省铜川市耀州区为研究区，基于夜间灯光遥感影像、NDVI数据，采用像元二分模型、空间自相关等方法，探讨人类活动对植被变化的影响。结果表明，2000—2020年间，耀州区植被覆盖呈现“西北高东南低”的空间分布格局。20年间，耀州区植被覆盖程度由极低覆盖度、低覆盖度、中覆盖度向中高覆盖度及高覆盖度生态改善趋势明显；耀州区人类活动强度整体上呈现“南高北低”的分布态势；耀州区植被覆盖度与人类活动强度的高-低型集聚区呈现逐渐扩大的趋势，低-低型集聚区域逐渐缩小。研究可为区域可持续发展以及生态文明建设提供参考意义。

关键词：植被变化；夜间灯光；人类活动强度；空间自相关；耀州区

中图分类号：X87" " " 文献标志码：A" " " " " 文章编号：2095-2945（2025）06-0089-05

Abstract： To quantitatively analyze the mechanism of human activities on vegetation changes， this paper takes Yaozhou District， Tongchuan City， Shaanxi Province as the research area， based on night-time light remote sensing images and NDVI data， and uses the pixel bisection model and spatial autocorrelation methods to explore the impact of human activities on vegetation changes. The results show that： From 2000 to 2020， the vegetation coverage in Yaozhou District presented a spatial distribution pattern of \"high in the northwest and low in the southeast\". Over the 20 years， the vegetation coverage in Yaozhou District showed a clear trend of ecological improvement from extremely low coverage， low coverage， and medium coverage to medium-high coverage and high coverage; The intensity of human activities in Yaozhou District generally presented a distribution pattern of \"high in the south and low in the north\"; The high-low type agglomeration areas of vegetation coverage and human activity intensity in Yaozhou District showed a gradually expanding trend， while the low-low type agglomeration areas gradually shrank. The research can provide reference significance for regional sustainable development and ecological civilization construction.

Keywords： fraction vegetation change; night lights; intensity of human activity; spatial autocorrelation; Yaozhou District

在气候变化与人类活动持续加剧的大背景下，全球自然生态系统正面临严峻威胁。植被作为地球陆地生态系统不可或缺的核心要素，在调节全球气候变化、维系生物、大气与土壤之间的物质和能量循环等方面扮演着举足轻重的角色。植被变化逐渐成为衡量区域乃至整体生态环境的重要指标。科学认识人类活动对地表植被变化的作用机制，并据此制定相应的应对策略，以抵御人类活动对生态系统造成的威胁，显得尤为重要。

当前，诸多学者围绕人类活动与植被覆盖变化的关系，在国家及区域层面开展了大量研究工作。在针对特定区域植被恢复影响的研究方面，成佩昆等[1]运用基于PCSE修正的面板数据模型，针对陕西省退耕还林工程对植被恢复的影响效果展开了深入探究。李昊等[2]则在贵州省毕节地区构建NDVI-气候响应模型，借助残差法，细致分析了以退耕还林工程为主的人为因素在当地植被覆盖恢复过程中所发挥的作用。赵安周等[3]运用非参数化趋势度（Sen）方法，精确计算了退耕还林（草）工程实施前后黄土高原植被覆盖的变化情况。程东亚等[4]运用像元二分模型及相关分析等方法，系统研究了贵州沅江流域植被覆盖的时空变化特征，并深入剖析了地形和人口因素对其产生的影响。此外，部分学者致力于对植被动态变化驱动机制的定量区分研究，通过分离气候因子与人类活动的相对作用，以明晰二者在植被变化过程中的具体贡献。例如，Piao等[5]运用预测模型，针对不同驱动力条件下的植被变化开展了定量模拟研究。随着社会经济的持续发展以及科技水平的不断提升，夜间灯光遥感数据因其具备覆盖范围广、获取便捷等显著优势，被广泛应用于众多研究领域，如城市空间格局演变、人口空间分布以及植被覆盖演变等，用以反映大尺度空间范围内人类活动的空间特征与活动强度等信息。耿静等[6]基于西藏1992—2013年DMSP/OLS夜间灯光指数数据，深入探究了由居民点用地和夜间灯光变化所反映出的人类活动强度变化，对西藏生态系统水土保持和防风固沙服务产生的影响。Zhao等[7]以陕北地区为例，利用2000—2020年夜间灯光遥感数据模拟人类活动强度，探讨了人类活动对生境质量的影响。综上所述，基于夜间灯光遥感数据深入探究人类活动对植被变化影响的研究尚显不足。鉴于此，本研究以耀州区为研究区域，借助夜间灯光遥感数据，深入剖析该区域人类活动强度在时空维度上的变化特征。运用相关分析方法[8]，系统探究人类活动强度变化对研究区域植被变化所产生的影响。具体而言，聚焦于耀州区2000—2020年这一时间段，针对性地研究植被变化对于夜间灯光变化所表征的人类活动强度变化的响应情况，旨在为推动耀州区的可持续发展、助力生态文明建设[9-10]，以及为实现耀州区生态环境的科学管理提供有价值的参考依据。

1" 研究区概况

耀州区位于陕西省中部的渭北高原南缘，地理位置介于东经108°34′至109°06′、北纬34°48′至35°19′之间。耀州区作为关中平原与陕北地区的重要交通枢纽，其地理战略位置显著。耀州区下辖8个镇（瑶曲镇、庙湾镇、照金镇、石柱镇、关庄镇、小丘镇、董家河镇、孙原镇）和6个街道（锦阳路街道、天宝路街道、永安路街道、咸丰路街道、正阳路街道、坡头街道），总覆盖面积为1 608.48 km2。耀州区处于关中平原与渭北高原的结合部，属于乔山山脉南支及鄂尔多斯台地南部边缘。地势呈现北高南低的特征，东部、西部和北部被山地环绕，中部多为丘陵沟壑地带，而南部则相对平坦。根据地貌特征，耀州区可分为3个主要区域：北部中低山地区、中部黄土残塬沟壑区和南部台塬川道区。其中，北部中低山地区占据了耀州区全区总面积的56%，涵盖了照金、庙湾、瑶曲等镇的大部分地区。气候方面，耀州区属于暖温带大陆性半干旱半湿润易旱气候区，四季分明，干湿冷暖变化明显。年平均日照时数为2 356.6 h，年均降水量为554.5 mm，年均气温8.4～12.3 ℃，平均无霜期介于206～228 d。该地区昼夜温差较大且光照充足。土地利用类型以林地、耕地和草地为主，自然资源丰富多样。

2" 研究数据与方法

2.1" 数据来源与处理

行政区划矢量数据来源于耀州区2021年度国土变更调查数据库；NDVI数据来源于NASA（National Aeronautics and Space Administration）EOS/MODIS，选用2000—2020年归一化植被指数（Normalized Difference Vegetation Index）数据集；夜间灯光遥感数据来源于仲晓雅等[10]中国长时间序列夜间灯光数据集。

2.2" 研究方法

2.2.1" 人类活动强度分析

夜间灯光指数作为一种量化工具，被广泛应用于评估特定区域内人类活动的强度。在本研究中，选择总夜间光指数（TNLI）作为模拟指标，以更精确地表征人类活动的空间分布和强度。相较于传统的平均夜间灯光数据等其他指标，TNLI能够更加全面和准确地反映人类活动强度的概念，从而为研究提供更为可靠的数据支持。计算公式如下

式中：DNi为每个栅格的图像元素值；n为栅格个数。

2.2.2" 植被覆盖度估算

植被覆盖度（FVC）作为衡量地表植被状况的核心参数，在生态学和地理信息系统等领域具有重要地位。当前，基于归一化植被指数（NDVI）的估算方法因其高效性和普适性，已成为FVC估算的主流技术之一。像元二分模型，作为一种简洁而高效的植被覆盖度估算工具，通过将像元内的植被信息进行二分处理，有效提升了植被覆盖度的提取精度。该模型不仅能够准确反映地表植被的真实状况，还能在一定程度上克服传统方法中的局限性，为植被覆盖度的精确估算提供了有力支持，计算式如下

式中：NDVI为当前像元的植被指数信息；NDVIsoil为纯土壤覆盖像元的植被指数信息；NDVIveg为纯植被覆盖像元的植被指数信息。研究采用0.5%置信度截取NDVI上下阈值，将其熟制最大最小的0.5%区域分别作平均，分别得到NDVIveg和NDVIsoil。

同时，在植被覆盖度的基础上进行植被覆盖度分级，原则见表1。

表1" 植被覆盖度分级标准

2.2.3" 全局空间自相关分析

全局空间自相关分析作为一种统计工具，旨在揭示特定区域内地理要素的空间关联性和分布模式。Moran's I指数是这一分析中的关键指标，用于评估变量在空间维度上的聚集显著性。该指数的取值范围为[-1，1]，其中大于0的值指示正的空间自相关性，意味着相似属性的地理要素倾向于在空间上聚集；小于0的值则表明存在负的空间自相关性，即不同属性的地理要素在空间上相互排斥；而等于0的情况则表示不存在显著的空间自相关关系。计算公式如下

式中：I表示Moran's I指数；xi，xj分别表示位置（区域）i和j的属性值；n表示空间位置的数量；wij表示区域i和j的空间邻近关系，当区域i和j相邻近时，wij=1，反之，则wij=0。

2.2.4" 局部空间自相关分析

局部空间自相关分析专注于量化特定地理空间单元在整体研究区域中的空间自相关性影响，具体而言，它评估了单个空间单元的脆弱性值与其邻近单元的脆弱性指数之间的关联强度。这一分析通常借助局部Moran's I散点图和LISA（Local Indicators of Spatial Association）分布图进行可视化展示，从而揭示研究对象在局部尺度上的空间分异特征。计算公式为

式中：wij为空间权重矩阵中的元素，表示区域i与j之间的空间权重，当区域i和j相邻近时，wij=1，反之，则wij=0；n为空间位置的数量。

3" 结果与分析

3.1" 耀州区植被覆盖度（FVC）变化趋势分析

2000—2020年间，耀州区植被覆盖空间分布存在明显的共性规律，即“西北高东南低”的空间分布格局。依据植被覆盖度分级标准，对耀州区的植被覆盖程度展开等级划分。结果表明，中高覆盖度以及高覆盖度区域以片状形式分布于庙湾镇、瑶曲镇、照金镇等地；而低覆盖度与极低覆盖度区域则大多集中于天宝路街道、永安路街道、咸丰路街道和正阳路街道等人类活动强度较高的街道及其周边区域。植被中覆盖度区域多数以低覆盖度和极低覆盖度区域为核心，以缓冲区的形式向四周辐散。

从演变趋势来看，在2000—2020年内，耀州区的植被覆盖状况呈现出从极低覆盖度、低覆盖度、中覆盖度向中高覆盖度及高覆盖度方向显著的生态改善趋势。具体表现为，极低覆盖度、低覆盖度以及中覆盖度区域的面积占比均呈下降态势，而中高覆盖度及高覆盖度区域的面积扩大趋势十分明显。

通过ArcGIS软件对耀州区2000年、2010年及2020年的植被覆盖度栅格数据进行差值分析，并依据差值数值大小将所得栅格图层重分类为退化区域、稳定区域及改善区域。结果显示，2000—2020年耀州区植被覆盖整体呈现改善趋势，其中，东南和东北方向改善趋势显著，稳定区域主要集中在耀州区西北部，退化区域仅于2010—2020年间零星分布在石柱镇东南角、咸丰路街道及正阳路街道。

3.2" 耀州区人类活动强度（TNLI）分布特征分析

通过ArcGIS对各个格网逐一开展人类活动强度的计算，按照从低到高的顺序，将所计算出的人类活动强度划分为5类：低强度（0～0.05）、较低强度（0.05～0.25）、中强度（0.25～0.45）、较高强度（0.45～0.7）和高强度（0.7～1）。整体来看，2000—2020年间，耀州区夜间灯光数据主要呈现聚集性分布，主要围绕街道区域，即耀州区人类活动强度整体上呈现“南高北低”的趋势。

2000—2005年，庙湾镇和石柱镇的人类活动强度减小，与之相反，董家河镇、瑶曲镇以及孙原镇的人类活动强度增大，部分由低转为较低。人类活动强度属于高强度区的集中分布在咸丰路街道和正阳路街道，但5年间人类活动强度的变化处于降低的态势，部分区域由高强度变为较高强度；2005—2010年，耀州区人类活动强度的变化趋势较为明显，且人类活动强度较大。其中，耀州区天宝路街道、永安路街道、咸丰路街道以及正阳路街道的人类活动较为集聚，且活动强度有向四周扩张的趋势；2010—2015年，人类活动高强度区域显著扩大，属咸丰路街道、天宝路街道、正阳路街道、永安路街道以及锦阳路街道的部分区域人类活动较为频繁，表明该区域内人口密集，经济发展态势良好，受人类活动影响大；与2015年相比，2020年街道区域的人类活动强度有所降低，高强度区域处于缩小的趋势，中强度区域逐渐扩大。

3.3" 耀州区人类活动强度（TNLI）对FVC的影响分析

3.3.1" 全局空间自相关分析

双变量的空间自相关在刻画2个地理要素的空间关联特性与依赖特征方面，展现出了较高的适用性与有效性。借助双变量全局空间自相关（Bivariate Moran′s I），能够深入探究2个变量之间的空间关联特征。该方法所得结果反映的是区域i中自变量与区域j中因变量在总体空间分布上的相关性。

本研究利用Geoda地统计分析软件，基于格网尺度，对耀州区人类活动强度与植被覆盖度之间的关系进行全局空间自相关分析，探讨格网尺度下两者的空间关联程度。基于GeoDa地统计分析软件平台，创建空间权重矩阵，绘制Moran's I散点图，得到2000—2020年人类活动强度与植被覆盖度的双变量空间自相关Moran's I指数分别为：-0.167 7、-0.138 9、-0.234 8、-0.347 2、-0.514 5，在99.9%、99%、95%的置信度下P值分别为0.001、0.01、0.05，格网尺度下5个研究时段P值均有所有分布，均通过显著性检验。5个时间段的Moran's I指数均为负数，说明研究区2000—2020年植被覆盖度与人类活动强度呈负相关，即植被覆盖度随人类活动强度增加而降低，且相关程度呈现先降低后增加的态势，相关度在2020年达到峰值，在2005年处于低谷。

3.3.2" 局部空间自相关分析

基于格网尺度，分析耀州区人类活动强度与植被覆盖度之间的局部空间自相关关系。借助ArcGIS将耀州区人类活动强度与植被覆盖度之间的空间集聚或离散程度进行可视化表达，并得到局部空间关联（LISA）聚集图。根据结果显著性，将两者之间的空间集聚或离散程度分为5类，即高-高（HH型）聚类、低-低（LL型）聚类、高值主要由低值围绕的异常值（HL型）、低值主要由高值围绕的异常值（LH型）以及不显著型的邻接类型。

格网尺度下，整体来看，2000—2020年耀州区植被覆盖度与人类活动强度的局部空间自相关中，2000、2005和2020年3期不显著类型的格网数量最多，低-高（LH）型集聚的格网数量次之；而2010和2015年2期与之相反，低-高（LH）型集聚的格网数量最多，不显著类型的格网数量次之。2000年，高-高（HH）型集聚的格网数量为1个，占比0.08%；低-低（LL）型集聚的格网数量为1 522个，所占比例为23.69%；高-低（HL）型集聚以及低-高（LH）型集聚的格网数量分别为129、2 177个，占比分别为2%、33.83%；而不显著型的格网数量最多，高达2 596个，占比为40.4%。2005年，低-低（LL）型集聚的格网数量减少，其他集聚类型的格网数量均有所增加。2010年，低-高（LH）型集聚的格网数量占比最高，为29.35%；不显著型的格网数量次之，占比为37.4%，而高-高（HH）型集聚的格网数量最少，仅22个。与2010年相比，2015年的变化趋势与2005年较为一致，而2020年高-低（HL）型集聚和不显著型的格网数量增加，其他类型均有所减少。

空间格局下，2000—2020年间，耀州区植被覆盖度与人类活动强度的高-低型集聚区呈现逐渐扩大的趋势，主要集中分布在东南地区，2020年该类型集聚区域扩大至各个街道区域以及孙原镇、董家河镇。低-低型集聚区主要集中分布在耀州区的东南部，20年的时间，该集聚区域逐渐缩小。低-高型集聚区主要集中分布在耀州区北部的瑶曲镇、庙湾镇、照金镇以及西南部的小丘镇。高-高型集聚区零星分布，2000年和2005年均零星分布在耀州区北部的瑶曲镇，2010年和2015年零星分布在瑶曲镇、庙湾镇以及照金镇，2020年零星分布在瑶曲镇、庙湾镇、照金镇以及坡头街道区域。

4" 结论

植被不仅是人们利用最多的自然遗产，能够为人们提供丰富的副产品，还在气候调节、空气净化、固碳释氧、生态系统功能的维持以及动植物空间分布格局的影响等方面具有重要意义，科学合理地评价人类活动强度对植被覆盖度的影响是保护和管理植被等实际工作的必要前提和重要切入口，可以为耀州区植被利用规划提供指导。

参考文献：

[1] 成佩昆，胡守庚，孙涛，等.陕西省退耕还林工程对植被恢复的效应——基于PCSE修正的面板数据模型[J].干旱区研究，2018，35（6）：1477-1486.

[2] 李昊，蔡运龙，陈睿山，等.基于植被遥感的西南喀斯特退耕还林工程效果评价——以贵州省毕节地区为例[J].生态学报，2011，31（12）：3255-3264.

[3] 赵安周，张安兵，刘海新，等.退耕还林（草）工程实施前后黄土高原植被覆盖时空变化分析[J].自然资源学报，2017，32（3）：449-460.

[4] 程东亚，李旭东，杨江州.西南山地流域NDVI变化特征及降水敏感性——以贵州沅江流域为例[J].生态学报，2020，40（4）：1161-1174.

[5] PIAO S L， YIN G D， TAN J G， et al. Detection and attribution of vegetation greening trend in China over the last 30 years[J]. Global change biology， 2015，21（4）：1601-1609.

[6] 耿静，徐栋，吴御豪，等.海南岛生态环境质量时空变化及其对气候变化与人类活动的响应[J].生态学报，2022，42（12）： 4795-4806.

[7] ZHAO Y， QU Z， ZHANG Y， et al. Effects of human activity intensity on habitat quality based on nighttime light remote sensing： A case study of Northern Shaanxi， China[J]. Science of The Total Environment， 2022，851：158037.

[8] 刘婷婷，杨晓霞，叶许春，等.人类活动对2000—2020年鄱阳湖流域陆地植被覆盖变化的影响[J].水土保持通报，2022，42（4）：320-329.

[9] 余晨渝，肖作林，刘睿，等.人类活动对西南山地植被覆盖变化的影响——以重庆市为例[J].生态学报，2022，42（17）：7177-7186.

[10] 仲晓雅，闫庆武，李桂娥.中国长时间序列夜间灯光数据集的研发（2000—2020）[J].全球变化数据学报（中英文），2022，6（3）：416-424.

第一作者简介：汪浩敏（2000-），女，硕士研究生。研究方向为自然资源管理。