人类活动强度空间化方法综述与展望——以青藏高原为例

段群滔，， 罗立辉，

（1.中国科学院西北生态环境资源研究院，甘肃兰州 730000； 2.中国科学院大学，北京 100049）

0 引言

自第一次工业革命以来，人类活动范围和强度的增长已经超过了过往任何一个时代［1-2］。已有研究显示，由于人类活动的影响，全球五分之一海洋［3］和三分之一保护区［4］内的生态受到严重干扰，生物多样性持续下降［5］，森林每年净损失面积330 万公顷［6］，土地管理不善造成侵蚀性土壤损失每年达240亿吨［7］。人类活动已经深刻影响了地球系统的各个组成部分，未来这种影响还将持续扩大和增强。

关于人类活动影响的研究，一般认为起源于1864 年Marsh［8］在《人与自然》一书中提出“人类活动在多大程度上影响了自然的进程”这一问题。1975 年，Levin［9］通过对比土壤实际侵蚀速率与估算的土壤侵蚀背景值来评价人类活动强度，这是首次有学者开展人类活动强度定量化研究。1989 年，McCloskey 等［10］基于全球导航数据，制备了第一个全球尺度未受人类活动干扰土地的空间分布数据集，同时也开启了人类活动强度空间化研究的先河。国内有关人类活动强度定量化的研究则始于1998 年，文英［11］基于自然、经济和社会等三方面指标评价全国各省的人类活动强度。20 世纪90 年代末期，随着气候研究计划（WCRP）［12］、地圈生物计划（IGBP）［13］、人文因素计划（IHDP）［14］和生物多样性计划（DIVERSITAS）［15］等四大研究计划都将人类活动列为重要影响因素，人类活动对地球系统各圈层的影响开始受到越来越多的关注。21 世纪初，随着全球环境问题日益突出和“人类世”［16］概念的提出，人类活动已成为全球变化研究中的重点与热点［17-18］。其中，冰冻圈是地球上最为脆弱和敏感的圈层系统，自2000 年冰冻圈科学概念提出以来，人类活动影响一直是其研究的重要内容［19］。

随着20 世纪70 年代以来遥感（RS）与地理信息系统（GIS）技术的快速发展［20］，与气候变化研究相关的空间数据在数据采集、制备方法、制备速度、时空分辨率和数据质量等各方面都得到了极大发展和提高［21-23］，而与人类活动相关的空间数据发展还较为缓慢。高质量的人类活动强度空间数据有助于更好的理解人类活动影响的强度和范围，在当前全球气候变化背景下［24］，也将有助于分辨人类活动和气候变化对地球系统的影响，对于调控人类活动、促进全球和区域的可持续发展都具有重要现实意义。青藏高原作为地球“第三极”，同时也是冰冻圈科学研究的典型区域，近几十年来，该地区的人类活动强度显著增加，人类活动强度空间数据可为探索该地区人类活动与生态环境间的相互作用提供支撑，对于促进整个青藏高原地区的生态环境保护和可持续发展也具有重要的指导作用［25］。

基于此，本文通过对人类活动强度空间数据相关研究进行梳理和分析，提出人类活动强度空间化的概念，然后归纳总结空间化方法，并以青藏高原地区为例重点分析净初级生产力人类占用法、土地类型变化法、全球干扰指数法和人类足迹指数法等四类应用较为广泛的方法，最后指出目前空间化研究中存在的问题，并提出建议和展望。

1 人类活动强度空间化

从人与自然的角度出发，人类活动强度是指一定面积的区域受人类活动影响而产生的扰动程度［26］。自开展人类活动强度定量研究以来，诸多的非空间化方法被提出，如统计分析法［27-28］和指标评价法［29-32］。但随着空间分析技术的发展，传统非空间化方法逐渐难以满足各类应用的需求，人类活动强度空间化研究开始得到发展，各种直接或间接空间化的方法被提出并应用（图1）。

图1 人类活动强度空间化方法Fig.1 Spatialization methods of human activity intensity

2 间接空间化

地球系统受到人类活动干扰时会与自然状态下存在差异，差异的大小能够反映人类活动强度。间接空间化首先构建能够衡量这种差异的指标，通过计算指标的变化来定量评价人类活动强度，并制备人类活动强度空间数据，主要方法包括：植被指数法、净初级生产力人类占用法和全球干扰指数法。

2.1 植被指数法

归一化植被指数（Normalized differential vegetation index，NDVI）是反映植被吸收光合有效辐射比例的指数，能够很好的反映植被生长状况［33］。植被指数法［34-35］假定研究区内植被的NDVI 只由气候条件和人类活动共同决定，通过计算实测的NDVI值与基于气象数据模拟的NDVI值之间的差来定量评价人类活动强度。具体计算公式如下：

式中：σij为第j年度第i种植被类型NDVImax实测值与模拟值之间的差；为第j年度第i种植被类型NDVImax的实测值；为第j年度第i种植被类型NDVImax基于气候条件的模拟值；σij为正值时表示人类活动对植被生长有促进作用，反之则为抑制作用。

植被指数法通过植被状况来间接表征人类活动强度，方法较为简单，已在锡林郭勒草原［36］、三江源地区［37］和塔里木河流域［38］等诸多区域得到应用。但该方法在应用时要求研究区域内的植被不受其他决定性因素的干扰，且只有当NDVI 与降水等气候因子之间存在很强的线性关系时评价结果才有意义，因而只适用于生态环境稳定的非城市区域。

2.2 净初级生产力人类占用法

净初级生产力（Net Primary Production，NPP）代表植被通过光合作用在单位面积和时间内所积累的有机物总量，是衡量生态系统响应和服务功能不可或缺的指标［39］。Vitousek 等［40-42］在此基础上提出净初级生产力的人类占用（Human appropriation of Net Primary Production，HANPP）指标，以此来衡量植被净初级生产力受到的人类活动影响，单位为g C·m-2·a-1。HANPP 主要包括两部分［43］：（1）土地覆被变化损失的净初级生产力（如林地变为建设用地后每年损失的净初级生产力）；（2）收获的植被净初级生产力（如农田中每年收获的小麦所含的净初级生产力）。计算公式如下：

式中：HANPP为人类占用的净初级生产力，NPPluc为土地覆被变化损失的净初级生产力，NPPh为收获的植被净初级生产力，NPP0为潜在的植被净初级生产力，NPPact为实际的植被净初级生产力。

采用此方法制备2000 年青藏高原人类活动强度空间数据的过程如图2 所示，图2（d）中值越大表示人类活动越强，负值则表示人类活动影响为正。数据结果显示：2000 年人类活动主要集中在青藏高原的东南部，中西部地区人类活动较少。青藏高原地区整体人类活动强度相对较小，生态环境较为稳定，是净初级生产力人类占用法较为适用的区域。

图2 采用HANPP方法制备的2000年青藏高原人类活动强度空间数据Fig.2 The process of acquiring the spatial data of human activity intensity over the Qinghai-Tibet Plateau by the method of HANPP in 2000：the NPP0（a）；the NPPact（b）；the NPPh（c）；the HANPP（d）

净初级生产力人类占用法评价结果较好，也能反映人类活动的积极影响，目前在不同尺度范围都有应用［44-46］。但本方法存在以下问题：（1）计算收获的植被净初级生产力（NPPh）需要结合统计数据，导致数据的空间精细度不足；（2）由于受到降水、植物和土壤性质等因素的影响，计算结果存在不确定性［47］，因而本方法在以行政单元为研究对象的区域较为适用。

2.3 全球干扰指数法

全球干扰指数（MODIS global disturbance index，MGDI）由Mildrexler 等［48］提出，该方法基于MODIS 陆地地表温度（Land surface temperature，LST）和增强型植被指数（Enhanced vegetation index，EVI）数据，通过计算LST 和EVI比率的变化来评价生态系统受到干扰的程度。当生态系统没有受到干扰，MGDI 值会在常数1 附近轻微波动，而当干扰事件发生后，LST 与EVI的比率会显著增大，导致MGDI 值大幅度偏离1。该方法有瞬时MGDI 与非瞬时MGDI 两种计算方式，瞬时MGDI 适用于评价对温度和植被有直接影响的干扰事件，如火灾；而非瞬时MGDI则适用于评价对温度和植被的影响具有滞后性的事件，如过度放牧。两种方法的计算公式如下：

①瞬时MGDI

式中：MGDIInst为瞬时的全球干扰指数；LSTmax为一年内所有8天合成的LST 的年最大值；EVImaxpost为最大LST 出现的时间点后的EVI 最大值；current year（y）为目标检测年份；multi-year mean（y-1）为目标年份之前多年LSTmax/EVImaxpost的平均值。

②非瞬时MGDI

式中：MGDINon-inst为非瞬时的全球干扰指数；EVImax为一年内所有16天合成的EVI的年最大值。

2004 年和2010 年青藏高原MGDI 如图3 所示，图中值小于1 的区域为受到人类活动干扰的区域，值越小表示干扰越强。数据结果显示：2004—2010年间，人类活动主要集中在青藏高原的东南部，西北部人类活动较少，东北部祁连山范围内的人类活动干扰增加较为显著。

图3 采用非瞬时MGDI方法制备的青藏高原人类活动强度空间数据：2004年非瞬时MGDI（a）；2010年非瞬时MGDI（b）Fig.3 The spatial data of human activity intensity on Qinghai-Tibet Plateau acquired by the method of MGDINon_inst：the MGDINon_inst data in 2004（a）；the MGDINon_inst data in 2010（b）

此方法耦合地表温度和增强植被指数来评价人类活动干扰强度，方法简单且高效［49］。但由于只能评价对地表温度和植被有直接影响的人类活动（如灌溉、森林砍伐、放牧等），但当区域内存在其他扰动因素时（如干旱、野火等），此方法难以将人类活动的影响从中分离出来，因而此方法不太适用于青藏高原地区，而适用于大范围的森林区域［50-51］。

3 直接空间化

3.1 土地类型变化法

土地利用变化是人类经济社会活动的综合反映，也是人类活动最为明显的表现［52-53］。根据数据获取方式的不同，土地利用数据可分为统计数据与遥感数据。其中，徐勇等［2］利用土地类型统计数据，提出陆地表层人类活动强度（Human activity intensity of land surface，HAILS）的概念和方法。该方法利用基于建设用地的模型评价人类活动强度，然后将评价结果进行空间化表达，目前已在黔南地区［54］和黄土高原［55］等不同空间尺度得到应用。

相比于统计数据，遥感解译的土地利用数据无统计单元的限制，空间精细程度更高，应用也更为广泛。如陈浮等［56］利用遥感解译数据，依据景观组分及变化的特征计算人为影响指数来评价人类活动强度。荣益等［57］在此基础上，从生态系统服务价值变化的思路出发，将不同土地类型赋予不同的人类活动影响强度系数来评价人类活动强度，并以此分析了河北省黄骅市的人类活动强度空间变化情况。同样基于遥感数据，陈爱莲等［58］则引入生态干扰度的概念，通过将不同景观赋予不同的生态干扰指数来评价人类活动强度。孙永光等［59］在此基础上，进一步考虑人类活动的边际衰减效应以及叠加效应，提出海岸带人类活动强度定量评价方法，并分析了广西北海红树林海岸带的人类活动强度空间分布特征。除生态景观视角外，Li 等［60］依据不同土地利用类型对生态环境的干扰程度，直接将不同土地利用类型赋予不同影响分值来表征人类活动强度的空间分布。

采用Li 等［60］的土地类型变化方法制备的青藏高原1995 年和2010 年人类活动强度空间数据如图（4）所示，值域范围为0～1，无量纲，值越大表示人类活动越强。数据结果显示：1995—2010 年间人类活动主要集中在青藏高原东北部和拉萨城市周边。当使用的数据分辨率较高时，该方法还能刻画出如青藏公路和铁路沿线等线性区域的人类活动强度空间变化。

土地类型变化法的各种评价方法较为简单［61-62］，普适性强，但由于评价因子单一，评价结果的准确性还有待提高。此外，利用统计数据的方法无法评价统计单元内部人类活动强度的差异，利用遥感数据的方法则难以评价同一类型土地内部的强度差异，这也导致土地利用类型变化法制备的数据在空间精细度方面存在不足。结合更高分辨率的遥感数据或许是该类方法未来的发展方向，而当前该类方法适用于以行政单元为研究对象的区域。

3.2 综合指标法

综合指标法认为人类活动强度是自然环境条件与人类社会经济活动综合作用的结果，因此在数据制备时选择经济、社会和自然等多方面的指标来定量评价人类活动强度。如胡志斌等［63］选取道路、居民点和地形等因子来定量评价人类活动强度，首先将道路和居民点依据不同的等级进行影响力赋值和空间插值，然后依据各因子的权重确定计算公式来计算人类活动强度并完成数据的制备。郑文武等［64］则选择城镇面积、耕地面积、交通活动强度、农业产值、工业产值和地形等指标来评价人类活动强度，首先模拟城镇区域、耕地区域和交通线路区域的人类活动强度，然后通过地形因子校正和叠加分析来制备人类活动强度空间数据。

综合指标法选取多种指标评价人类活动强度，评价结果较好，是当前制备青藏高原地区人类活动强度空间数据的主要方法［65］。但由于该类方法普遍需要结合统计数据，且制备的数据主要以县为最小空间单元，空间精细度较差，因而只适用于以行政单元为研究对象的区域。

3.3 人类足迹指数法

人类足迹指数法（Human Footprint Index，HFI）由Sanderson 等［66］在2002 年提出，该方法选择人口密度、土地利用转变、通达性和电力基础设施等四类空间数据来评价人类活动强度。具体应用时，Sanderson 等首先将各类空间数据图层进行缓冲区分析和影响力赋值，影响力分值范围为0～10 分，分值越高代表人类影响强度越大，然后将赋值后的图层进行叠加分析和分区归一化处理，最终完成全球人类活动强度空间数据的制备。

此方法一经提出，便在全球不同尺度范围得到广泛应用，但应用时都在原方法的基础上有所调整和优化。如Venter 等［67］在制备1993 年和2009 年全球人类足迹数据时，选择使用对数公式和等分方法来分别计算人口密度和夜间灯光的影响力分值。Woolmer等［68］将阿卡迪亚道路和铁路进一步细化分级后再进行影响力评价赋值，并将工矿、大坝和其他基础设施的影响也计算在内。除了赋值方法的优化外，还有学者通过增加其他辅助图层来提高数据的质量，如Li 等［69］和Luo 等［70］在充分考虑该青藏高原地区经济和社会发展情况的基础上，增加放牧密度影响图层。Etter 等［71］通过增加代表人类影响时间和生物物理脆弱性的图层来制备哥伦比亚人类足迹数据。Ayram 等［72］则在Etter 等［71］的基础上，增加表示生境丧失和破碎化程度的图层来制备墨西哥火山带的人类活动强度空间数据。

表1 直接空间化代表方法Table 1 Main methods of preparing spatial data directly

表2 Sanderson等的人类足迹指数方法中各图层影响力赋值方法和数据来源Table 2 Assignment methods and datasets sources of Sanderson’s HFI

图（5）是从Venter 等［70］的数据中提取的青藏高原1993 年和2009 年的人类活动强度空间数据，由于经过归一化处理，图中值域范围为0～1。数据结果显示：1993年和2009年人类活动主要集中在青藏高原的东部和南部部分区域，西北部基本无人类活动，人类活动增加的区域主要位于东南部。

人类足迹指数方法选取与人类活动直接相关的空间数据来进行数据制备［73］，方法普适性强，制备的数据空间精细化程度也较高，适用于所有陆地区域［74-76］。但由于不同区域内的地形地貌和人类生产方式存在差别，此方法在不同区域应用时都需要进行一定的调整和优化，优化内容主要集中在以下几个方面：（1）人口密度影响评价的阈值；（2）不同土地利用类型的影响力；（3）道路和铁路的分级；（4）增加辅助图层。另外还需注意的是，该方法计算人类活动影响时只是将各图层简单的空间叠加，未考虑不同活动之间的相互影响，且所选择的四类数据也难以概括所有的人类活动，因而在某些区域可能低估了人类活动的影响。

表3 不同研究区内人类足迹数据指数方法对比Table 3 Comparison of HFI methods in different study area

图5 采用人类足迹指数方法制备的青藏高原人类活动强度空间数据：1993年人类活动强度空间数据（a）；2009年人类活动强度空间数据（b）Fig.5 The spatial data of human activity intensity on Qinghai-Tibet Plateau acquired by the method of HFI：the spatial data of human activity intensity in 1993（a）；the spatial data of human activity intensity in 2009（b）

4 对比分析

对比人类活动强度空间化研究的各类方法，从方法的难易程度来看，全球干扰指数法直接利用MODIS 产品数据，方法最为简单，土地类型变化法次之，但全球干扰指数法只适用于森林地区且只能评价少数几类人类活动的影响，土地类型变化法则在评价结果的准确性方面存在明显不足；从评价结果的准确性来看，综合指标法最佳，净初级生产力人类占用法和人类足迹指数法次之，但综合指标法制备的数据在空间精细度方面存在明显不足，净初级生产力人类占用法和人类足迹指数方法的评价结果则都存在不确定性；从数据的空间精细程度来看，人类足迹指数方法精细化程度最高，全球干扰指数法次之。

进一步对比前文所展示的四类空间数据，由于受到数据获取的限制，虽然时间年份不一致，但基本都能反映青藏高原东南部的人类活动强度高于西北部。其中，人类足迹指数方法制备的数据空间细节最为丰富，而除了净初级生产力人类占用方法外，其余三类方法制备的空间数据结果都无量纲，且都是研究区域内的相对活动强度，无法与其他区域的人类活动强度直接进行比较。

综合来看，各类方法都各有优缺点，其中人类足迹指数方法难易程度适中，适用范围广，空间精细程度高，虽然还存在一定的不足，但却是当前最适合青藏高原地区的研究方法。

表4 人类活动强度空间化方法总结Table 4 A summary of methods of preparing spatial data of human activity intensity

5 总结与展望

总的来说，人类活动强度空间化研究目前已经取得了一定的进展，各种研究方法方兴未艾，从制备的空间数据质量来看，还处在探索发展阶段，许多问题亟待解决：

（1）强度评价存在不确定性。许多方法在评价人类活动时都是将各类影响独立评价后再简单相加，没有考虑各类活动之间存在相互的影响，使得评价结果存在不确定性。因此，探究和理解人类活动之间的内在联系和相互影响对于促进空间化研究的发展至关重要。

（2）缺乏可比性。不同研究方法的评价指标不同，导致结果数据往往无法直接相互比较，各方法制得的空间数据只能单独使用，这在一定程度上也阻碍了空间化研究的发展。

（3）缺乏评价标准。人类活动强度空间数据还尚未形成统一的评价标准，使得空间化数据结果难以评价和检验，因此在未来有必要尽快建立一套完善的评价标准。

基于上述存在的问题，为提高人类活动强度空间化研究水平，制备更高质量的人类活动强度空间数据，本文认为可从以下几个方面来提高：

（1）扩展人类活动数据来源。利用网络社交数据和志愿者地理信息系统等方式，扩展人类活动空间数据的来源，提高数据覆盖的广度和精度，可为空间化研究提供新的思路与方法，如将土地利用数据与人口大数据信息（如年龄、性别、工作类型等）相结合，基于人类属性信息来更精细化的描绘活动的强度和范围。

（2）增强数据的时效性。目前各方法制备的数据在时间上都存在滞后性，有的数据甚至滞后5 年以上，若想制备的数据在管理决策中发挥更大的作用，评价指标的构建时应考虑指标数据的时效性，尽可能选用具有最新数据的评价因子。

（3）提高数据的时间分辨率。当前大多数方法制备的空间数据是以年或多年为单位，难以用来探究短时间内（如季节性）的人类活动变化规律，使用更新速率较快的评价因子，提高数据的时间分辨率，或许可为人类活动强度变化研究提供新的视角。

（4）开展特定生态区域（如干旱区、半干旱区、高寒区和自然保护区等）内的空间化研究。同一生态区内的人类活动相似度高，便于对比评价，划定不同的生态区域开展研究将会是未来空间化研究发展的重要方向。

（5）发展具有预测功能的研究方法。当前的空间化研究方法只能评价过去时间段内的人类活动强度，预测数据可为区域生态保护和规划提供更明确的建议和指导，将极大提高空间化研究的实用价值。