段群滔 ，羅立輝 ＊

1.中國科學院 西北生態(tài)環(huán)境資源研究院，蘭州 730000

2.中國科學院大學，北京 100049

數據庫（集）基本信息簡介

?

引 言

自20世紀以來，隨著全球人口和經濟的快速增長，人類活動對全球生態(tài)系統的擾動顯著增強[1-2]，且該擾動對陸地表層生態(tài)環(huán)境的影響尤為突出[3-5]。青藏高原作為地球“第三極”，同時也是具有鮮明特色的文化景觀地域單元，生態(tài)環(huán)境較為脆弱[6-7]。近幾十年來，該地區(qū)經濟快速發(fā)展，特別是青藏鐵路開通以來，人類活動顯著增加，有關人類活動對青藏高原生態(tài)系統的影響一直是研究的熱點[8-11]。其中，準確評價人類活動強度是探究青藏高原人類活動生態(tài)環(huán)境效應的基礎，對促進該地區(qū)生態(tài)環(huán)境保護與可持續(xù)發(fā)展具有重要作用。

目前，人類活動強度評價主要以統計分析方法為主[12-15]，難以生成高質量的人類活動強度空間數據。相較于近幾十年來氣候變化研究相關的空間數據在研究方法、制備速度、時空分辨率和數據質量等方面的快速發(fā)展，人類活動相關的空間數據還處于探索發(fā)展階段。其中，人類足跡指數方法作為制備人類活動強度空間數據的一類方法，自Sanderson等[16]2002年提出以來，已在全球不同尺度得到應用和發(fā)展[17-19]。Sanderson等提出此方法時，首先選擇代表人口密度、土地利用轉變、通達性和電力基礎設施4類人類活動的9個空間數據圖層，然后將各圖層進行緩沖區(qū)分析和重新賦值，賦值范圍為0-10，最后將賦值后的圖層進行疊加分析和分區(qū)歸一化處理，得到表征全球陸地人類活動強度的人類足跡數據。該方法自提出后就得到了廣泛應用和發(fā)展，如Venter等[20]運用此方法制備1993年和2009年的全球人類足跡數據時，對人口密度和道路圖層進行了更細化的賦值，Gonzalez-Abraham等[21]利用此方法制備墨西哥人類足跡數據時，沒有計算鐵路和通航河流的影響。此外，Etter等[22]應用此方法在哥倫比亞開展研究時，增加了代表人類影響時間和生物物理脆弱性的數據來完成人類足跡數據的制備，Correa Ayram等[23]則在Etter等的基礎上，進一步增加表示生境喪失和破碎化程度的指標來制備墨西哥火山帶地區(qū)的人類足跡數據。總的來看，當前人類足跡指數方法的發(fā)展主要集中在指標數據的選擇和細化賦值兩個方面。

基于此，本文采用人類足跡指數方法，綜合考慮青藏高原地區(qū)的自然地理環(huán)境和經濟社會發(fā)展狀況，選擇人口密度、土地利用、放牧密度、夜間燈光、鐵路和道路等共6種代表人類活動的空間數據指標，并結合冰川、湖泊和保護區(qū)數據，完成1990、1995、2000、2005、2010和2015年共6期青藏高原人類足跡數據的制備。

1 數據采集和處理方法

1.1 數據來源

本數據集采用的數據包括人口密度、土地利用、牛羊密度、夜間燈光、鐵路、道路、冰川、湖泊、保護區(qū)和牛羊肉產量數據。其中，人口密度和土地利用數據由資源環(huán)境數據云平臺網站（http://www.resdc.cn/Default.aspx）提供；牛羊肉產量數據由國家統計局網站（http://www.stats.gov.cn/）提供；牛羊密度數據由聯合國糧農組織全球地理信息系統網站（http://www.fao.org/geonetwork/srv/en/main.home）提供；夜間燈光數據由美國國家海洋與大氣管理局網站（https://ngdc.noaa.gov/eog/dmsp/downloadV4composites.html）提供；鐵路數據由手動數字化獲??；道路數據集由美國國家航空航天局地球觀測系統數據與信息中心網站（https://sedac.ciesin.columbia.edu/）和聯合國糧農組織全球地理信息系統網站提供；湖泊數據由國家青藏高原科學數據中心網站（http://data.tpdc.ac.cn/zh-hans/）提供；冰川數據由青藏高原科學數據中心網站（http://www.tpedatabase.cn/portal/index.jsp）提供；保護區(qū)數據由聯合國環(huán)境規(guī)劃署保護區(qū)數據網站（https://www.protectedplanet.net/）提供。

由于采用的夜間燈光原始數據只包含1992-2013年的數據，本文選擇用1992和2013年的燈光數據分別代替1990年和2015年的燈光數據。牛羊密度數據只獲取有2006年的數據，其余年份數據由趨勢外推分析法獲得。道路數據只獲取了2000年和2010年的兩期數據，所以1990、1995和2005年的道路數據用2000年的數據代替，2015年的利用2010年的數據代替。1990-2005年間青藏高原地區(qū)鐵路基本無變化，所以1990-2005年的鐵路數據均使用2005年的鐵路數據。采用的空間數據具體信息及來源見表1。

表1 采用的空間數據信息及來源

1.2 數據處理過程

1.2.1 數據預處理

由于采用的數據在投影、分辨率和空間范圍等方面存在不一致，在進行數據集制作前，需要對原數據進行預處理。其中，投影坐標統一轉換為適合中國區(qū)域的Albers等面積投影，投影坐標系參數中央經線設置為105°E，兩條標準緯線分別為25°N和47°N，空間范圍統一裁剪至青藏高原范圍，柵格數據統一重采樣至1 km分辨率。

此外，夜間燈光數據存在不連續(xù)和過飽和等問題，在投影和裁剪完成后需進行校正。本文選擇應用較為廣泛的基于不變目標區(qū)域的校正方法[24]，由于黑龍江鶴崗市轄區(qū)的經濟社會數據變化較小，且燈光影像的DN值分布較廣，因而選擇此地作為不變目標區(qū)域。

1.2.2 數據處理方法

本數據集選擇6類代表人類活動的空間數據，并依據不同的評價方法將各類數據的柵格重新賦值為0-10分，分值越大表示人類活動影響強度越大。每一類數據具體賦值方法如下：

（1）人口密度

人口密度是反映人類活動與生態(tài)系統相互作用強度的重要指標[25]，且對生態(tài)系統的影響呈對數變化規(guī)律，所以將人口密度數據按對數方程進行計算賦值，值域范圍為0-10分。由于人口密度的最大值為32866人/平方公里，具體計算方程如下：

式中，popscore表示該柵格重新賦值的分數，popdensity表示該柵格的人口密度值。

（2）土地利用

土地利用變化是反映人類活動程度的重要因子[26]，本文將所有建筑用地賦值為10分，水田和旱地賦值為7分，草地賦值為4分，其余土地利用類型均賦值為0分。

（3）放牧密度

畜牧業(yè)作為青藏高原地區(qū)重要的產業(yè)之一，放牧是該地區(qū)重要的一類人類活動。本文用牛羊密度之和來表征放牧密度，由于只獲取了2006年的牛羊密度圖層，在重新賦值前，需要先對這兩個圖層進行趨勢外推分析，獲得各年份的放牧密度圖層。

本文采用基于統計數據的趨勢外推方法，首先統計青海西藏兩省/區(qū) 1990、1995、2000、2005、2010和2015年的牛肉和羊肉產量，然后分別計算牛肉和羊肉不同年份產量相對于2005年產量的變化率，接著利用2006年的牛羊密度圖層分別乘以各年份的變化率來得到不同年份的牛羊密度圖層，其中2005年的數據直接使用2006年的代替，最后將同一年份的牛羊密度圖層相疊加得到放牧密度圖層。由于放牧密度的影響也呈對數變化規(guī)律，且最大值為9454頭/平方公里，所以將放牧密度數據也按對數方程進行計算賦值，值域為0-10分，具體計算方程如下：

式中，grazingscore表示該柵格重新賦值的分數，grazingdensity表示該柵格的放牧密度值。

（4）夜間燈光

夜間燈光數據經校正后，不同年份數據之間具有了可比較性。為了使夜間燈光影響的評價也具有連續(xù)性，本文以2015年燈光數據為基準，首先，將2015年數據中DN值等于0的柵格賦值為0分，再將DN值大于0的柵格，利用分位數方法等分為10份，從小到大依次賦值為1-10分。其余各年份的數據依照2015年的十分位數將DN值大于0的柵格賦值為1-10分，DN值等于0的賦值為0分。

（5）鐵路

鐵路作為青藏高原地區(qū)最為重要的基礎設施之一，對于該地區(qū)的經濟社會發(fā)展具有重要意義。由于火車在鐵路沿線上運行時具有封閉性，對兩旁的影響范圍較小，因此在進行評價賦值時，僅將鐵路兩旁500 m范圍內的區(qū)域賦值為8分。

此外，由于鐵路在建設時也會對生態(tài)環(huán)境產生較大影響，青藏鐵路二期工程（格爾木—拉薩）雖然2006年才正式通車，但在2001年就已開始動工建設，所以本文從2005年開始計算此段鐵路的影響。

（6）道路

青藏高原地區(qū)道路的封閉性比鐵路差，因此其對兩旁影響的范圍也更大，在進行評價賦值時，將道路兩側500 m范圍內的區(qū)域賦值為10分；500-1500 m范圍內賦值為8分；1500-2500 m范圍內賦值為4分（表2）。

各類數據完成重新賦值后，將同一年份的圖層相疊加，即得到6期青藏高原人類足跡數據（圖1）。數據集的值域范圍為0-51，柵格內的分值越高，代表該空間上人類活動強度越大。

圖1 數據集制作技術路線圖

2 數據樣本描述

2.1 數據組成

本數據集包括青藏高原 1990-2015年共 6期人類足跡數據，這些數據保存為一個壓縮文件（“1990-2015年青藏高原人類足跡數據集.zip”），每期數據以TIFF格式存儲并以年份來命名每期數據，總數據量為53.9 MB。

2.2 數據樣本

制作的1990、1995、2000、2005、2010和2015年青藏高原人類足跡數據樣例如圖2所示。

圖2 1990、1995、2000、2005、2010和2015年青藏高原人類足跡數據樣例

3 數據質量控制和評估

青藏高原的湖泊和冰川雖然也受到人類活動的影響，但其空間位置上幾乎不存在直接的人類活動，且自然保護區(qū)的建立也會減弱保護區(qū)內的人類活動。因此，按上述方法完成數據集的初步制作后，還需要進一步的處理，以提高數據集的質量。處理主要包括以下兩個方面：

（1）湖泊和冰川

在對湖泊和冰川進行處理前，首先獲取青藏高原1990、1995、2000、2005、2010和2015年6個時期的冰川和湖泊數據。由于冰川幾十年來空間變化相對較小，因而各時期的冰川數據均用2013年的數據代替?？紤]到湖泊和冰川所處的空間位置上幾乎不存在直接的人類活動，因此直接將不同時期湖泊和冰川所處空間位置上的人類足跡分值設置為0分。

（2）自然保護區(qū)

依據《全國自然保護區(qū)目錄》，首先分別提取青藏高原1985年以前、1986-1990年、1991-1995年、1996-2000年、2001-2005年和2006-2010年6個時間段內建立的國家級自然保護區(qū)范圍數據。保護區(qū)的設立能夠減弱保護區(qū)內的人類活動強度，但隨著時間的推移減弱幅度會逐漸減弱。因此，本文只考慮保護區(qū)建立后15年內的影響，并按照每過5年人類足跡分值分別減弱8%、4%和2%的方法對每期數據進行處理。

4 數據價值

高質量人類活動強度空間數據的制備和發(fā)展將有助于更好地理解人類活動影響的強度和范圍，在當前氣候變化背景下，也將有助于分辨人類活動和氣候變化對地球系統的影響，進而推動對地球各圈層變化的理解，對于調控人類活動、促進全球和區(qū)域的可持續(xù)發(fā)展都具有重要現實意義。

青藏高原人類活動強度空間數據集的制備，可為探究青藏高原地區(qū)人類活動空間變化特征和規(guī)律提供空間數據，也可為探索該地區(qū)人類活動與生態(tài)環(huán)境間的相互作用提供支撐，對于促進整個青藏高原地區(qū)的生態(tài)環(huán)境保護和可持續(xù)發(fā)展具有指導作用。

5 數據使用方法和建議

1990-2015年青藏高原人類足跡數據集解壓后均為TIFF格式，可利用ArcGIS、QGIS、ENVI和ERDAS等常用的GIS和RS軟件對該數據進行讀取和操作。