冰川冻土, 2021, 43(5): 1582-1593 doi: 10.7522/j.issn.1000-0240.2021.0039

冰冻圈与可持续发展

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,1,2, 罗立辉,1,2

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

Summary and prospect of spatialization method of human activity intensity： taking the Qinghai-Tibet Plateau as an example

DUAN Quntao,1,2, LUO Lihui,1,2

1.Northwest Institute of Eco-Environment and Resources，Chinese Academy of Sciences，Lanzhou 730000，China

2.University of Chinese Academy of Sciences，Beijing 100049，China

通讯作者: 罗立辉，研究员，主要从事冰冻圈遥感及建模研究. E-mail： luolh@lzb.ac.cn

编委: 周成林

收稿日期: 2019-10-22   修回日期: 2021-01-11  

基金资助: 国家重点研发计划项目.  2019YFC0507400
国家自然科学基金项目.  41871065
中国科学院“西部之光”西部青年学者项目资助

Received: 2019-10-22   Revised: 2021-01-11  

作者简介 About authors

段群滔，硕士研究生，主要从事人类活动空间化及生态环境评估研究.E-mail：duanqt@lzb.ac.cn , E-mail：duanqt@lzb.ac.cn

摘要

地球系统受到气候变化和人类活动的双重影响，相比于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的快速发展和提高，人类活动强度空间数据还处于探索发展阶段。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，对于探究人类活动对地球系统各圈层及其变化的影响，以及促进全球和区域可持续发展具有重要意义。基于此，通过对人类活动强度空间数据相关研究进行梳理和分析，首先提出人类活动强度空间化的概念，然后归纳总结六类主要的空间化方法，并以青藏高原地区为例重点展示和分析四类应用较为广泛的方法，包括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。最后讨论目前人类活动强度空间化研究中存在的问题，并对未来的发展提出建议。

关键词： 人类活动 ; 地球系统 ; 空间数据 ; 青藏高原

Abstract

The earth system is driven by global climate change combined with human activities. Compared to the spatial data related to climate change has been greatly developed in data collection， preparation methods， spatial-temporal resolution， data quality， and so on， the data of human activity intensity is still in the stage of exploration. The spatial data of human activity intensity will not only help to understand the intensity and scope of human activities but also distinguish the impact on the earth surface between human activity and climate change. Furthermore， it is also of great significance for regulating human activities and regional sustainable development. In this paper， according to review the study of the spatial data of human activity intensity in recent decades， we first introduce the concept of the spatialization of human activity intensity. Then we make a summary of the spatialization method of human activity intensity， which can be divided into two categories： direct spatialization based on human activities and indirect spatialization based on indicators of the earth system. Meanwhile， we gave a detailed description of several methods that are widely applied， including HANPP （Human appropriation of Net Primary Production）， land use/cover change， MGDI （MODIS Global Disturbance Index） and HFI （Human Footprint Index）， and taking the Qinghai-Tibet Plateau as an example for spatial data demonstration and analysis. Finally， we discuss the current problems with the study of the spatialization of human activity intensity and give our suggestions for future study.

Keywords： human activity ; earth system ; spatial data ; Qinghai-Tibet Plateau

PDF (3769KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

段群滔, 罗立辉. 人类活动强度空间化方法综述与展望[J]. 冰川冻土, 2021, 43(5): 1582-1593 doi:10.7522/j.issn.1000-0240.2021.0039

DUAN Quntao, LUO Lihui. Summary and prospect of spatialization method of human activity intensity： taking the Qinghai-Tibet Plateau as an example[J]. Journal of Glaciology and Geocryology, 2021, 43(5): 1582-1593 doi:10.7522/j.issn.1000-0240.2021.0039

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

新窗口打开| 下载原图ZIP| 生成PPT

图1   人类活动强度空间化方法

注：目前尚未有研究明确提出人类活动强度空间化的概念，本文将人类活动强度空间化定义为：基于空间数据和分析方法定量评价人类活动对自然的影响强度和空间范围。通过对已有的相关研究进行分析，空间化方法主要可分为两大类：（1）间接空间化，基于地球系统各类指标体系的变化来间接指示人类活动强度空间分布；（2）直接空间化，基于人类活动自身的影响程度来直接描绘人类活动强度空间分布

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：

σij=NDVImaxij-NDVImaxij'

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；NDVImaxij为第j年度第i种植被类型NDVImax的实测值；NDVImaxij'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：

HANPP=NPPluc+NPPh=NPP0-NPPact+NPPh

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

新窗口打开| 下载原图ZIP| 生成PPT

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

MGDIInst=(LSTmax/EVImax post)current year(y)(LSTmax/EVImax post)multi-year mean(y-1)

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；EVImax post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/EVImax post的平均值。

②非瞬时MGDI

MGDINon-inst=(LSTmax/EVImax)current year(y)(LSTmax/EVImax post)multi-year mean(y-1)

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

新窗口打开| 下载原图ZIP| 生成PPT

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。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   采用Li等［60］的方法制备的青藏高原人类活动强度空间数据：1995年人类活动强度空间数据 （a）；2010年人类活动强度空间数据 （b）

Fig.4   The spatial data of human activity intensity on Qinghai-Tibet Plateau acquired by the method of Li et al［60］： the spatial data of human activity intensity in 1995 （a）； the spatial data of human activity intensity in 2010 （b）


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。

表1   直接空间化代表方法

Table 1  Main methods of preparing spatial data directly

评价因子计算方法计算说明提出时间文献来源
土地类型

HAILS=SCLES×100%

SCLE=∑i=1n(SLi∙CIi)

式中：HAILS为陆地表层人类活动强度；SCLE为建设用地当量面积；S为区域总面积；SLi为第i种土地利用/覆被类型的面积；CIi为第i种土地利用/覆被类型的建设用地当量折算系数；n为区域内土地利用/覆被类型数2015年徐勇等［2］
土地类型HAI=∑i=1NAiPi/TA式中：HAI代表人类活动强度指数；N为土地利用类型的数量；Ai为第i种土地利用类型的面积；Pi为第i种生态价值所反映的人类活动影响强度系数；TA为总面积2001年

陈浮等［56］

荣益等［57］

自然、经济和社会Qh=Qi∙Ii+Qn∙In+Qt∙It式中：Qh为总的人类活动强度；Ii、In、It分别为工业活动强度、农业活动强度和交通活动强度的权重值；Qi、Qn和Qt为经地形校正的工业活动强度、农业活动强度和交通活动强度2011年郑文武等［64］
四类直接人类活动—首先将四类空间数据图层进行缓冲区分析和影响力赋值，然后将赋值后的图层进行叠加分析和分区归一化处理2002年Sanderson等［66］

新窗口打开| 下载CSV


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。

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 层分值范围影响力赋值方法数据来源
人口密度0~10

0~10人∙km-2时，0~10分线性增加；

大于10人∙km-2为10分

Gridded Population of the World （CIESIN）
土地利用0~10建筑区域为10分；农业用地依据不同投入水平为6、7、8分；混合用地为4分；其余类型为0分Global Land Use/Land Cover version 2 （USGS/UNL/JRC）
道路和铁路4、8

2 km范围内为8分；

2~15km范围内为4分

Vector Map Level 1 Roads and Railways （NIMA）
居民点8各种类型居民点2 km范围内为8分Vector Map Level 0 Population Settlements （NIMA）
建筑密集区10建筑密集区域为10分Vector Map Level 0 Built-Up Centers （NIMA）
河 流4主要河流15 km范围内为4分Vector Map Level 0 Rivers
海岸线4海岸线15 km范围内为4分Vector Map Level 0 Coastline
夜间灯光0、4、8、10

灯光频率超过89%为10分；40%~89%为8分；

低于40%为4分；等于0的区域为0分

Defense Meteorological Satellite Program （NOAA/NGDC）

注：CIESIN：哥伦比亚大学国际地球科学信息网络中心；USGS：美国地质勘探局；UNL：内布拉斯加林肯大学；JRC：欧洲联合研究中心委员会；NIMA：美国国家影像与测绘局（现为美国国家地理空间情报局）；NOAA：美国国家海洋和大气管理局；NGDC：美国国家地理数据中心。

新窗口打开| 下载CSV


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

研究区域分辨率主要调整内容时间文献来源
全球1 000 m①将人口密度影响阈值设为1 000人∙km-2，并用对数模型来计算影响力分值；②使用等分方法来计算夜间灯光的影响；③将道路、铁路和通航水道的影响范围进一步细化并赋值2009年Venter等［67］
阿卡迪亚90 m①将道路分为四种等级，铁路分为三种类型，分别依据级别和类型进行影响力赋值；②计算工矿用地、再生森林、大坝和设施走廊等人类活动的影响2008年Woolmer等［68］
青藏高原1 000 m①设置人口密度影响阈值为50人/平方公里；②不计算通航河流的影响；③增加放牧密度影响图层2017年Li等［69］
哥伦比亚1 000 m①增加表示人类影响时间和生物物理脆弱性两方面的图层2011年Etter等［71］
墨西哥火山带100 m①增加表示人类影响时间、生物物理脆弱性和表示生境丧失和破碎化程度等三方面的图层2017年Ayram等［72］

新窗口打开| 下载CSV


图5

新窗口打开| 下载原图ZIP| 生成PPT

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）


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。

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。

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

方法优点缺点适用范围样例数据

间接

空间化

植被指数法

①方法较为简单

②可计算正反两面的影响

①存在使用条件限制生态环境稳定的非城市区域-

净初级生产力

人类占用法

①评价结果较好

②可计算正反两面的影响

①结果存在不确定性以行政单元为研究对象的区域图2
全球干扰指数法

①方法简单

②空间精细度较高

①评价结果较差

②可评价的人类活动种类较少

森林区域图3

直接

空间化

土地类型变化法

①方法简单

②普适性较强

①评价结果较差

②空间精细度不足

以行政单元为研究对象的区域图4
综合指标法①评价结果好①空间精细度不足以行政单元为研究对象的区域-
人类足迹指数法

①评价结果较好

②空间精细度高

③普适性强

①结果存在不确定性所有陆地区域图5

新窗口打开| 下载CSV


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。

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。

参考文献

Ye Duzheng， Fu Congbin， Ji jinjun， et al.

Orderly human activities and subsistence environment

［J］. Advance in Earth Sciences， 2001， 16（4）： 453-460.

[本文引用: 1]

叶笃正， 符淙斌， 季劲钧， 等.

有序人类活动与生存环境

［J］. 地球科学进展， 2001， 16（4）： 453-460.

[本文引用: 1]

Xu Yong， Sun Xiaoyi， Tang Qing.

Human activity intensity of land surface： concept， method and application in China

［J］. Acta Geographica Sinica， 2015， 70（7）： 1068-1079.

[本文引用: 3]

徐勇， 孙晓一， 汤青.

陆地表层人类活动强度：概念、方法及应用

［J］. 地理学报， 2015， 70（7）： 1068-1079.

[本文引用: 3]

Halpern B S， Frazier M， Potapenko J， et al.

Spatial and temporal changes in cumulative human impacts on the world’s ocean

［J］. Nature Communications， 2015， 6： 7615.

[本文引用: 1]

Jones K R， Venter O， Fuller R A， et al.

One-third of global protected land is under intense human pressure

［J］. Science， 2018， 360（6390）： 788-791.

[本文引用: 1]

Cardinale B J， Duffy J E， Gonzalez A， et al.

Biodiversity loss and its impact on humanity

［J］. Nature， 2012， 486（7401）： 59-67.

[本文引用: 1]

Keenan R J， Reams G A， Achard F， et al.

Dynamics of global forest area： results from the FAO Global Forest Resources Assessment 2015

［J］. Forest Ecology and Management， 2015， 352： 9-20.

[本文引用: 1]

UNCCD.

Global land outlook

［R］. United Nations Convention to Combat Desertification， Bonn， 2017.

[本文引用: 1]

Marsh G P. Man and nature or， physical geography as modified by human action［M］. Cambridge： Harvard University Press， 1864.

[本文引用: 1]

Huang Lingmei， Shen Bing.

Evaluation on the interference intensity of human activities in dry area

［J］. Journal of Xi’an University of Technology， 2009， 25（4）： 425-429.

[本文引用: 1]

黄领梅， 沈冰.

干旱区人类活动干扰强度定量评估研究

［J］. 西安理工大学学报， 2009， 25（4）： 425-429.

[本文引用: 1]

Mccloskey J M， Spalding H.

A reconnaissance-level inventory of the amount of wilderness remaining in the world

［J］. AMBIO， 1989， 18（4）： 221-227.

[本文引用: 1]

Wen Ying.

Preliminary discussion on the method of quantitative assessment of human activity intensity

［J］. Impact of Science on Society， 1998（4）： 55-60.

[本文引用: 1]

文英.

人类活动强度定量评价方法的初步探讨

［J］. 科学对社会的影响， 1998（4）： 55-60.

[本文引用: 1]

Barry R G.

Mountain cryospheric studies and the WCRP climate and cryosphere （CliC） project

［J］. Journal of Hydrology， 2003， 282（1）： 177-181.

[本文引用: 1]

Leemans R， Asrar G， Busalacchi A， et al.

Developing a common strategy for integrative global environmental change research and outreach： the Earth System Science Partnership （ESSP）

［J］. Current Opinion in Environmental Sustainability， 2009， 1（1）： 4-13.

[本文引用: 1]

Jill J.

The International Human Dimensions Programme on Global Environmental Change （IHDP）

［J］. Global Environmental Change， 2003， 13（1）： 69-73.

[本文引用: 1]

Loreau M， Olivieri I.

Diversitas： an international programme of biodiversity science

［J］. Trends in Ecology & Evolution， 1999， 14（14）： 2-3.

[本文引用: 1]

Crutzen P J.

Geology of mankind

［J］. Nature， 2002， 415（6867）： 23.

[本文引用: 1]

Wei Jianbing， Xiao Duning， Xie Fuju.

Evaluation and regulation principles for the effects of human activities on ecology and environment

［J］. Progress in Geography， 2006， 25（2）： 36-45.

[本文引用: 1]

魏建兵， 肖笃宁， 解伏菊.

人类活动对生态环境的影响评价语调控原则

［J］. 地理科学进展， 2006， 25（2）： 36-45.

[本文引用: 1]

Zhao C S， Shao N F， Yang S T， et al.

Quantitative assessment of the effects of human activities on phytoplankton communities in lakes and reservoirs

［J］. Science of The Total Environment， 2019， 665： 213-225.

[本文引用: 1]

Qin Dahe， Yao Tandong， Ding Yongjian， et al. Introduction to cryosphere science［M］. Beijing： Science Press， 2018.

[本文引用: 1]

秦大河， 姚檀栋， 丁永建， 等. 冰冻圈科学概论［M］. 北京： 科学出版社， 2018.

[本文引用: 1]

Li Deren.

Towards the development of remote sensing and GIS in 21st Century

［J］. Geomatics and Information Science of Wuhan University， 2003， 28（2）： 127-131.

[本文引用: 1]

李德仁.

论21世纪遥感与GIS的发展

［J］. 武汉大学学报（信息科学版）， 2003， 28（2）： 127-131.

[本文引用: 1]

Wang Jian.

Comparison and analysis on methods of snow cover mapping by using satellite remote sensing data

［J］. Remote Sensing Technology & Application， 1999， 14（4）： 29-36.

[本文引用: 1]

王建.

卫星遥感雪盖制图方法对比与分析

［J］. 遥感技术与应用， 1999， 14（4）： 29-36.

[本文引用: 1]

Ochege F U， Okpala-Okaka C， Moresi L N.

Remote sensing of vegetation cover changes in the humid tropical rainforests of Southeastern Nigeria （1984-2014）

［J］. Cogent Geoscience， 2017， 3： 1307566.

Ullah W， Wang G， Gao Z， et al.

Comparisons of remote sensing and reanalysis soil moisture products over the Tibetan Plateau， China

［J］. Cold Regions Science and Technology， 2017， 146： 110-121.

[本文引用: 1]

Hartmann D L， Tank A， Rusticucci M.

IPCC fifth assessment report， climate change 2013： the physical science basis

［J］. IPCC AR5， 2013： 31-39.

[本文引用: 1]

Luo L， Ma W， Zhuang Y， et al.

The impacts of climate change and human activities on alpine vegetation and permafrost in the Qinghai-Tibet Engineering Corridor

［J］. Ecological Indicators， 2018， 93： 24-35.

[本文引用: 1]

Liu Shiliang， Liu Luming， Wu Xue， et al.

Quantitative evaluation of human activity intensity on the regional ecological impact studies

［J］. Acta Ecologica Sinica， 2018， 38（19）： 6797-6809.

[本文引用: 1]

刘世梁， 刘芦萌， 武雪， 等.

区域生态效应研究中人类活动强度定量化评价

［J］. 生态学报， 2018， 38（19）： 6797-6809.

[本文引用: 1]

Hu Dapeng， Wang Zheng， Xiang Jingtian.

An application of statistical methods in comparing the effects of nature environment and human activities on soil erosion in loess plateau

［J］. Journal of Applied Statistics and Management， 1994， 13（2）： 8-13.

[本文引用: 1]

胡大鹏， 王铮， 项静恬.

利用统计方法对土壤侵蚀中自然环境和人类活动影响程度的比较

［J］. 数理统计与管理， 1994， 13（2）： 8-13.

[本文引用: 1]

Li Zijun， Li Xiubin.

Impacts of precipitation changes and human activities on annual runoff of Chao River basin during past 45 years

［J］. Scientia Geographica Sinica， 2008， 28（6）： 809-813.

[本文引用: 1]

李子君， 李秀彬.

近45年来降水变化和人类活动对潮河流域年径流量的影响

［J］. 地理科学， 2008， 28（6）： 809-813.

[本文引用: 1]

Zhang Cuiyun， Wang Zhao.

Quantitative assessment of human activity intensity in the Heihe catchment

［J］. Advance in Earth Sciences， 2004， 19（）： 386-390.

[本文引用: 1]

张翠云， 王昭.

黑河流域区域人类活动强度的定量评价

［J］. 地球科学进展， 2004， 19（）： 386-390.

[本文引用: 1]

Li Xiangyun， Wang Lixing， Zhang Yushu， et al.

Analysis of roles of human activities in land desertification in arid area of Northwest China

［J］. Scientia Geographica Sinica， 2004， 24（1）： 68-75.

李香云， 王立新， 章予舒， 等.

西北干旱区土地荒漠化中人类活动作用及其指标选择

［J］. 地理科学， 2004， 24（1）： 68-75.

Xu Zhigang， Zhuang Dafang， Yang Lin.

Construction and application of regional quantitative model of human activity intensity

［J］. Journal of Geo-information Science， 2009， 11（4）： 452-460.

徐志刚， 庄大方， 杨琳.

区域人类活动强度定量模型的建立与应用

［J］. 地球信息科学学报， 2009， 11（4）： 452-460.

Wang Jinzhe， Zhang Guanghui， Nie Zhenlong， et al.

Quantitative assessment of human activity intensity in Hutuohe catchment

［J］. Journal of Arid Land Resources and Environment， 2009， 23（10）： 41-44.

[本文引用: 1]

王金哲， 张光辉， 聂振龙， 等.

滹沱河流域平原区人类活动强度的定量评价

［J］. 干旱区资源与环境， 2009， 23（10）： 41- 44.

[本文引用: 1]

Chen Shupeng， Zhao Yingshi. Geo-science analyses of remote sensing［M］. Beijing： The Publishing House of Surveying and Mapping， 1990.

[本文引用: 1]

陈述彭， 赵英时. 遥感地学分析［M］. 北京： 测绘出版社， 1990.

[本文引用: 1]

Evans J， Geerken R.

Discrimination between climate and human-induced dryland degradation

［J］. Journal of Arid Environments， 2004， 57： 535-554.

[本文引用: 1]

He C， Tian J， Gao B， et al.

Differentiating climate- and human-induced drivers of grassland degradation in the Liao River basin， China

［J］. Environmental Monitoring and Assessment， 2015， 187： 4199.

[本文引用: 1]

Cao Xin， Gu Zhihui， Chen Jin， et a.

Analysis of human-induced steppe degradation based on remote sensing in Xilin Gole， Inner Mongolia ， China

［J］. Journal of Plant Ecology， 2006， 30（2）： 268-277.

[本文引用: 1]

曹鑫， 辜智慧， 陈晋， 等.

基于遥感的草原退化人为因素影响趋势分析

［J］. 植物生态学报， 2006， 30（2）： 268-277.

[本文引用: 1]

Li Huixia， Liu Guohua， Fu Bojie.

Response of vegetation to climate change and human activity based on NDVI in the Three-River Headwaters region

［J］. Acta Ecologica Sinica， 2011， 31（19）： 5495-5504.

[本文引用: 1]

李辉霞， 刘国华， 傅伯杰.

基于NDVI的三江源地区植被生长对气候变化和人类活动的响应研究

［J］. 生态学报， 2011， 31（19）： 5495-5504.

[本文引用: 1]

Guo Jikai， Wu Xiuqin， Dong Guihua， et al.

Vegetation coverage change and relative effects of driving factors based on MODIS/NDVI in the Tarim River basin

［J］. Arid Zone Research， 2017， 34（3）： 621-629.

[本文引用: 1]

郭继凯， 吴秀芹， 董贵华， 等.

基于MODIS/NDVI的塔里木河流域植被覆盖变化驱动因素相对作用分析

［J］. 干旱区研究， 2017， 34（3）： 621-629.

[本文引用: 1]

Zhao T， Brown D G， Bergen K M.

Increasing gross primary production （GPP） in the urbanizing landscapes of southeastern Michigan

［J］. Photogrammetric Engineering & Remote Sensing， 2007， 73（10）： 1159-1167.

[本文引用: 1]

Vitousek P M， Ehrlich P R， Ehrlich A H， et al.

Human appropriation of the products of photosynthesis

［J］. BioScience， 1986， 36（6）： 368-373.

[本文引用: 1]

Wright D H.

Human impacts on energy-flow through natural ecosystems， and implications for species endangerment

［J］. Ambio， 1990， 19（4）： 189-194.

Haberl H.

Human appropriation of net primary production as an environmental indicator： implications for sustainable development

［J］. Ambio， 1997， 26（3）： 143-146.

[本文引用: 1]

Daniel W O， Tyedmers P H， Beazley K F.

Human appropriation of net primary production （HANPP） in Nova Scotia， Canada

［J］. Regional Environmental Change， 2007， 7（1）： 1-14.

[本文引用: 1]

Haberl H， Erb K H， Krausmann F， et al.

From the cover： quantifying and mapping the human appropriation of net primary production in earth’s terrestrial ecosystems

［J］. Proceedings of the National Academy of Sciences， 2007， 104（31）： 12942-12947.

[本文引用: 1]

Chen Aifeng， Li Ruiyun， Wang Honglin， et al.

Quantitative assessment of human appropriation of aboveground net primary production in China

［J］. Ecological Modelling， 2015， 312： 54-60.

Fetzel T， Niedertscheider M， Haberl H， et al.

Patterns and changes of land use and land-use efficiency in Africa 1980–2005： an analysis based on the human appropriation of net primary production framework

［J］. Regional Environmental Change， 2016， 16（5）： 1507-1520.

[本文引用: 1]

Pan Ying， Yu Cheng， Zhang Xianzhaou， et al.

A modified framework for the regional assessment of climate and human impacts on net primary productivity

［J］. Ecological Indicators， 2016， 60： 184-191.

[本文引用: 1]

Mildrexler D J， Zhao M， Running S W.

Testing a MODIS global disturbance index across North America

［J］. Remote Sensing of Environment， 2009， 113（10）： 2103-2117.

[本文引用: 1]

Wu Wei， Wu Ruidong.

Methods for extracting ecological disturbances by using satellite imageries

［J］. e-Science Technology & Application， 2017， 8（3）： 37-43.

[本文引用: 1]

吴伟， 武瑞东.

利用卫星遥感数据提取生态干扰信息的方法研究

［J］. 科研信息化技术与应用， 2017， 8（3）： 37-43.

[本文引用: 1]

You Hui.

Remote sensing analysis of forest disturbance in Southeast Asia for recent decades

［D］. Nanjing： Nanjing University of Information Science and Technology， 2013.

[本文引用: 1]

尤慧.

近十年东南亚森林扰动的遥感分析

［D］. 南京： 南京信息工程大学， 2013.

[本文引用: 1]

Zhou Yanyan， Guo Xiaojuan， Zou Mingliang， et al.

Study on spatio-temporal variation of vegetation disturbance in the southern part of Tianshui by disturbance index

［J］. Ecological Science， 2019， 38（1）： 102-110.

[本文引用: 1]

周妍妍， 郭晓娟， 邹明亮， 等.

基于扰动指数的天水南部植被扰动时空序列研究

［J］. 生态科学， 2019， 38（1）： 102-110.

[本文引用: 1]

Wu Chuanjun， Guo Huancheng. Land use of China［M］. Beijing： Science Press， 1994.

[本文引用: 1]

吴传钧，郭焕成. 中国土地利用［M］. 北京： 科学出版社， 1994.

[本文引用: 1]

Wu Linna， Yang Shengtian， Liu Xiaoyan， et al.

Response analysis of land use change to the degree of human activities in Beiluo River basin since 1976

［J］. Acta Geographica Sinica， 2014， 69（1）： 54-63.

[本文引用: 1]

吴琳娜， 杨胜天， 刘晓燕， 等.

1976年以来北洛河流域土地利用变化对人类活动程度的响应

［J］. 地理学报， 2014， 69（1）： 54-63.

[本文引用: 1]

Liu Huiming， Liu Xiaoman， Li Jing， et al.

Assessment method and application of human disturbance by remote sensing in the biodiversity conservation priority area

［J］. Journal of Geo-information Science， 2016， 18（8）： 1103-1109.

[本文引用: 1]

刘慧明， 刘晓曼， 李静， 等.

生物多样性保护优先区人类干扰遥感监测与评价方法

［J］. 地球信息科学学报， 2016， 18（8）： 1103-1109.

[本文引用: 1]

Xu Xiaoren， Xu Yong.

Analysis of spatial-temporal variation of human activity intensity in Loess Plateau region

［J］. Geographical Research， 2017， 36（4）： 661-672.

[本文引用: 1]

徐小任， 徐勇.

黄土高原地区人类活动强度时空变化分析

［J］. 地理研究， 2017， 36（4）： 661-672.

[本文引用: 1]

Chen Fu， Chen Gang， Bao Haosheng， et al.

Analysis on land use change and human driving force in urban fringe

［J］. Journal of Natural Resources， 2001， 16（3）： 204-210.

[本文引用: 2]

陈浮， 陈刚， 包浩生， 等.

城市边缘土地利用变化及人文驱动力机制研究

［J］. 自然资源学报， 2001， 16（3）： 204-210.

[本文引用: 2]

Rong Yi， Li Chao， Xu Ce， et al.

Ecosystem service values and spatial differentiation changes during urbanization： a case study of Huanghua City

［J］. Chinese Journal of Ecology， 2017， 36（5）： 1374-1381.

[本文引用: 2]

荣益， 李超， 许策， 等.

城镇化过程中生态系统服务价值变化及人类活动影响的空间分异——以黄骅市为例

［J］. 生态学杂志， 2017， 36（5）： 1374-1381.

[本文引用: 2]

Chen Ailian， Zhu Boqin， Chen Liding， et al.

Dynamic change of landscape pattern and eco-disturbance degree in Shuangtai estuary wetland of Liaoning Province， China

［J］. Chinese Journal of Applied Ecology， 2010， 21（5）： 1120-1128.

[本文引用: 1]

陈爱莲， 朱博勤， 陈利顶， 等.

双台河口湿地景观及生态干扰度的动态变化

［J］. 应用生态学报， 2010， 21（5）： 1120-1128.

[本文引用: 1]

Sun Yongguang， Zhao Dongzhi， Gao Yang， et al.

Evaluation method of human activity intensity based on remote sensing： a case study in Beihai， Guangxi coastal zone

［J］. Marine Environmental Science， 2014， 33（3）： 407-411.

[本文引用: 1]

孙永光， 赵冬至， 高阳， 等.

海岸带人类活动强度遥感定量评估方法研究——以广西北海为例

［J］. 海洋环境科学， 2014， 33（3）： 407-411.

[本文引用: 1]

Li Shicheng， Zhang Xuezhen.

Land use-based human activity intensity along the Yangtze River Economic Belt

China （1970s–2015）［J/OL］. China Scientific Data， 2018， 3（3）. （2019-01-16）. DOI： 10.11922/csdata.2018.0025.zh.

[本文引用: 4]

李士成， 张学珍.

基于土地利用的长江经济带1970年代末至2015年人类活动强度数据集

［J/OL］. 中国科学数据， 2018， 3（3）. （2019-01-16）. DOI： 10.11922/csdata.2018.0025.zh.

[本文引用: 4]

Yang F， Matsushita B， Yang W， et al.

Mapping the human footprint from satellite measurements in Japan

［J］. ISPRS Journal of Photogrammetry and Remote Sensing， 2014， 88： 80-90.

[本文引用: 1]

Feng Zhixian， Zhang Jixian， Hou Wei， et al.

Dynamic changes of hemeroby degree based on the land cover classification： a case study in Beijing

［J］. Chinese Journal of Ecology， 2017， 36（2）： 508-516.

[本文引用: 1]

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.

[本文引用: 1]

Hu Zhibin， He Xingyuan， Li Yuehui， et al.

Human activity intensity and its spatial distribution pattern in upper reach of Minjiang River

［J］. Chinese Journal of Ecology， 2007， 26（4）： 539-543.

[本文引用: 1]

胡志斌， 何兴元， 李月辉， 等.

岷江上游地区人类活动强度及其特征

［J］. 生态学杂志， 2007， 26（4）： 539-543.

[本文引用: 1]

Zheng Wenwu， Zou Jun， Tian Yaping， et al.

Spatial simulation of human activity intensity based on RS and GIS

［J］. Tropical Geography， 2011， 31（1）： 77-81.

[本文引用: 2]

郑文武， 邹君， 田亚平， 等.

基于RS和GIS的区域人类活动强度空间模拟

［J］. 热带地理， 2011， 31（1）： 77-81.

[本文引用: 2]

Fan Jiangwen， Xin Liangjie， Zhang Haiyan， et al.

Intensity data of human activities on the plateau in 2012-2017

［DB］. Beijing： National Tibetan Plateau Data Center， 2019.

[本文引用: 1]

樊江文， 辛良杰， 张海燕， 等.

高原人类活动强度数据（2012-2017年）

［DB］. 北京： 国家青藏高原科学数据中心， 2019.

[本文引用: 1]

Sanderson E W.

The human footprint and the last of the wild

［J］. BioScience， 2002， 52（10）： 891-904.

[本文引用: 2]

Venter O， Sanderson E W， Magrach A， et al.

Global terrestrial human footprint maps for 1993 and 2009

［J］. Scientific Data， 2016， 3： 160067.

[本文引用: 2]

Woolmer G， Trombulak S C， Ray J C， et al.

Rescaling the human footprint： a tool for conservation planning at an ecoregional scale

［J］. Landscape and Urban Planning， 2008， 87（1）： 42-53.

[本文引用: 2]

Li Shicheng， Zhang Yili， Wang Zhaofeng， et al.

Mapping human influence intensity in the Tibetan Plateau for conservation of ecological service functions

［J］. Ecosystem Services， 2017， 30： 276-286.

[本文引用: 2]

Luo L， Duan Q， Wang L， et al.

Increased human pressures on the alpine ecosystem along the Qinghai-Tibet Railway

［J］. Regional Environmental Change， 2020， 20： 33.

[本文引用: 2]

Etter A， Mcalpine C A， Seabrook L， et al.

Incorporating temporality and biophysical vulnerability to quantify the human spatial footprint on ecosystems

［J］. Biological Conservation， 2011， 144（5）： 1585-1594.

[本文引用: 3]

Ayram C A C， Mendoza M E， Etter A， et al.

Anthropogenic impact on habitat connectivity： a multidimensional human footprint index evaluated in a highly biodiverse landscape of Mexico

［J］. Ecological Indicators， 2017， 72： 895-909.

[本文引用: 2]

Turner B L， Kasperson R E， Matson P A， et al.

A framework for vulnerability analysis in sustainability science

［J］. Proceedings of the National Academy of Sciences of the United States of America， 2003， 100（14）： 8074-8079.

[本文引用: 1]

De Thoisy B， Richard-Hansen C， Goguillon B， et al.

Rapid evaluation of threats to biodiversity： human footprint score and large vertebrate species responses in French Guiana

［J］. Biodiversity and Conservation， 2010， 19（6）： 1567-1584.

[本文引用: 1]

Leu M， Hanser S E， Knick S T.

The human footprint in the west： a large-scale analysis of anthropogenic impacts

［J］. Ecological Applications， 2008， 18（5）： 1119-1139.

Venter O， Sanderson E W， Magrach A， et al.

Sixteen years of change in the global terrestrial human footprint and implications for biodiversity conservation

［J］. Nature Communications， 2016， 7： 12558.

[本文引用: 1]

/

〈 〉

陇ICP备2021001824号-10
　 甘公网安备 62010202000676号
网站版权 © 《冰川冻土》编辑部
地址：兰州市天水中路8号　
邮编：730000　电话：0931-8260767　
E-mail：edjgg@lzb.ac.cn
总访问量 　 今日访问 　 在线人数
技术支持：北京玛格泰克科技发展有限公司