Quantitative analysis of the impact of human activities on habitat quality and their spatial relationship: Shijiazhuang as an example
-
摘要:
定量分析并揭示人类活动对生境质量的影响及相关关系，可为区域生态环境的治理及修复提供科学依据。以石家庄为例，基于2010年、2015年、2021年遥感影像解译土地利用结果，利用InVEST模型评估石家庄生境质量的时空演变，结合土地利用、夜间灯光、人口密度数据构建人类活动强度指标，运用双变量空间自相关和多尺度地理加权回归模型分析人类活动与生境质量的空间相关性及其对生境质量的影响。结果表明：2010—2021年，研究区的人类活动强度变化较小，整体处于较低水平，总体为增长趋势，空间上呈西低东高分布；研究区的生境质量平均值处于中等级，呈V型波动，先减小后增加，且呈西部高、中部及东部低的分布特征；人类活动对生境质量的影响存在显著空间异质性，整体以负相关为主且影响程度减弱，在河流沿线及局部山区呈正相关。未来石家庄生态环境保护及修复措施需要考虑人类活动强度与生境质量间的空间相关性，将中东部地区作为重点，控制建设用地发展，保护基本农田，加强滹沱河沿线生态修复，以提高生境质量。
-
关键词:
- 人类活动强度 /
- 生境质量 /
- 夜间灯光数据 /
- 多尺度地理加权回归模型 /
- InVEST模型
Abstract:Quantitative analysis and revealing of the impact and the correlation of human activities on habitat quality can provide a scientific basis for the management and restoration of the regional eco-environment. Taking Shijiazhuang City as a case study, the temporal and spatial evolution of habitat quality was evaluated by InVEST model based on land use results from remote sensing images of 2010, 2015 and 2021. The spatial correlation between human activities and habitat quality and the impact of human activities on habitat quality were analyzed by bivariate spatial autocorrelation and multiscale geographically weighted regression (MGWR) models, and the human activity intensity index was constructed in combination with the land use, night light and population density data. The results showed that from 2010 to 2021, the human activity intensity in the study area was generally at a stable lower level, showing an increasing trend, with a spatial distribution of low in the western parts and high in the eastern parts. The average value of habitat quality was in the medium level, with a "V" type fluctuation, decreasing first and then increasing. In the spatial distribution, habitat quality level was high in the west and low in the central and eastern parts. There was a significant spatial heterogeneity in the impact of human activity on habitat quality, with a predominantly negative correlation and a decreasing impact, while a positive correlation appeared along rivers and in parts of mountain areas. It was suggested that the spatial correlation between human activity intensity and habitat quality should be considered for eco-environment protection and restoration measures in Shijiazhuang, focusing on the areas in the east-central parts. The measures included controlling the expansion of construction land, protecting basic farmland, and strengthening the ecological restoration along the Hutuo River to improve the habitat quality.
-
Keywords:
- human activity intensity /
- habitat quality /
- night light data /
- MGWR model /
- InVEST model
-
生境质量能有效反映区域生物多样性水平以及人类生存环境情况[1-3]，可直接影响社会经济的可持续发展[4]。以往研究表明，影响生境质量的因素包括气候[5]、地形[6]、生物多样性[7]、人类活动[8]等，其中人类活动是最主要因素[9]。不同区域的人类活动及其干扰会产生不同的生态环境效应[10]，既存在快速城市化对自然环境的负效应，也存在生态修复工程提高生境质量的正效应。这突显了人类活动对生境质量影响的区域性和差异性。探索二者的空间关系，可为城市规划提供科学依据。
人类活动强度（human activity intensity，HAI）是度量人类活动对地表影响程度的有效指标。关于人类活动与生境的关系，诸多学者基于多指标叠加[10]、土地利用变化[11]、人类足迹指数[12]、景观开发强度[13]等展开研究，其中人类足迹指数适用于自然保护区，而土地利用变化与景观开发强度均为单一指标，未能全面体现人类活动强度。夜间灯光作为一种独特的地表景观现象，能表征人类活动规律以及城镇的社会经济水平[14-15]。陈泓瑾等[16]在土地利用数据基础上，引入夜间灯光和人口密度构建HAI指标，能较准确地表征人类活动强度，使城市及周边区域的评估结果更为全面客观。还有学者[17]通过HAI指标发现长三角地区的人类活动强度与景观生态风险呈显著正相关。因此，HAI可以较好地表征人类活动对地表的影响程度。
目前，对于山脉与平原接壤地区的人类活动与生境质量评价较为薄弱。石家庄地跨太行山地和华北平原，人类活动与生境质量间时空关系仍不明确。为探究2010—2021年石家庄人类活动与生境质量的空间关系，本研究基于1 km格网尺度，利用InVEST（integrated valuation of ecosystem services and tradeoffs）模型[18]定量评估石家庄地区生境质量的时空变化，结合土地利用、夜间灯光以及人口密度数据构建HAI指标表征人类活动强度，运用双变量空间自相关和多尺度地理加权回归模型，识别人类活动与生境质量之间的空间关系及对生境质量的影响，以期为制定区域生态环境保护政策提供数据支撑和科学依据。
1. 研究区概况与数据来源
1.1 研究区概况
石家庄位于河北省中南部（113°33'E~115°20'E，37°27'N~38°47'N），地处太行山和华北平原的交界处，地势西高东低。西部为太行山中段，海拔为1 000~1 500 m，东部为滹沱河冲积平原，海拔为30~100 m，不同区域的生态环境差异较明显。石家庄下辖8个区、11个县、2个县级市（不包含辛集市）和2个国家级开发区（图1），土地总面积（不包含辛集市）1.35万km2。研究区属温带季风气候，年均日照时数2 689.90 h，年均气温为12 ℃，年均降水量为400~752 mm，年蒸发量为992~1 240 mm。《石家庄市统计年鉴》（2022年）显示，2010—2021年石家庄地区生产总值年均增长率为9.89%，至2021年，石家庄常住人口城镇化率达70.44%。
![]()
图 1 研究区行政区划示意Figure 1. Schematic diagram of administrative divisions of the study area1.2 数据来源
遥感影像数据包括2010年5月18日Landsat 7 ETM+影像，2015年5月22日、2021年5月25日Landsat 8 OLI影像及2021年5月7日高分一号（GF1-WFV）影像，其中Landsat影像来自地理空间数据云平台（https://gscloud.cn/），空间分辨率为30 m；GF1-WFV影像来自中国资源卫星应用中心（https://data.cresda.cn/#/home），空间分辨率为16 m；2010年DMSP/OIL夜间灯光数据来源于NOAA网站NGDC数据中心（https://www.ngdc.noaa.gov/eog/download.html），空间分辨率为1 km×1 km，灰度为0~63；2015、2021年NPP/VIIRS夜间灯光数据来自地球观测组（EOG）（https://eogdata.mines.edu/products/vnl/），空间分辨率为500 m×500 m，灯光辐射值为0~472.68 n W/（cm2·sr）；2010年、2015年、2021年人口密度数据来源于Land Scan人口密度数据集（https://landscan.ornl.gov/landscan-datasets），空间分辨率1 km×1 km；社会经济、地区生产总值数据来源于《石家庄市统计年鉴》（2022年）。
2. 研究方法
2.1 生境质量评估
利用InVEST 模型的生境质量模块，以研究区的土地利用数据为基础，对生境质量（Habitat Quality，HQ）进行评估。生境质量范围为0~1，以0.2为区间划分为低、较低、中、较高、高5个等级。计算公式如下[2,19]：
$$ \mathrm{HQ}_{xi}=H_i\left[1-\left(\frac{D_{xi}^z}{D_{xi}^z+k^2}\right)\right] $$ (1) $$ {D}_{xi}=\sum _{r=1}^{R}\displaystyle\sum _{y=1}^{{Y}_{r}}\left(\frac{{w}_{r}}{\displaystyle\sum _{r=1}^{R}{{w}}_{{r}}}\right){r}_{y}{i}_{rxy}{\gamma }_{x}{S}_{ir} $$ (2) $$ {i}_{xy}=1-\left(\frac{{d}_{xy}}{{d}_{r{\mathrm{max}}}}\right) （线性衰减） $$ (3) $$ {i}_{xy}=\mathrm{e}\mathrm{x}\mathrm{p}\left(\frac{{-2.99d}_{xy}}{{d}_{r\mathrm{m}\mathrm{a}\mathrm{x}}}\right) （指数衰减） $$ (4) 式中：HQxi为i类土地利用中x栅格的生境质量；Hi为i类土地利用的生境适宜度；Dxi为i类土地利用中x栅格的生境退化度；k为半饱和常数，取Dxi最大值的50%；z为归一化常数，取2.5；R为威胁因子总数；wr为威胁因子r的权重；Yr为威胁因子r的栅格数；ry为栅格y中威胁因子的强度；irxy为栅格y的胁迫因子ry对栅格x的威胁程度；γx为栅格x的抗干扰程度；Sir为不同土地利用类型对威胁因子r的敏感度；dxy为栅格x、y间的距离；drmax为威胁因子r的最大影响距离。
根据研究区土地利用实际情况，结合InVEST模型指南推荐的参考值及相关研究[20-22]，选取建设用地、未利用地、耕地作为生境威胁因子，设定威胁因子最大影响距离、权重（表1）以及生境对威胁因子敏感程度（表2）。
表 1 威胁因子参数Table 1. Threat factor parameters土地利用类型 最大影响距离/km 权重 空间衰退类型 耕地 1.50 0.60 线性 城镇用地 6.00 1.00 指数 未利用地 2.00 0.40 线性 表 2 各土地利用类型生境质量适宜度及其对威胁因子的相对敏感度Table 2. Suitability degree of land use types to habitat quality and its sensitivity to threat factors土地利用类型 生境适宜度 威胁因子相对敏感度 耕地 建设用地 未利用地 耕地 0.40 0.25 0.50 0.30 林地 1.00 0.80 1.00 0.70 草地 0.80 0.70 0.80 0.80 水域 0.70 0.65 0.75 0.75 建设用地 0.00 0.00 0.00 0.00 未利用地 0.10 0.10 0.30 0.10 2.2 人类活动强度表征
参考陈泓瑾等[16]的研究，选取夜间灯光、人口密度、土地利用数据作为人类活动强度表征因子构建HAI指标。不同土地利用类型代表不同人类干扰程度，采用AHP层次分析法[23]对不同地类进行赋权，耕地、林地、草地、水域、建设用地、未利用地的权重分别为0.30、0.05、0.05、0.05、0.55、0，最终将地类数据进行归一化处理后参与HAI计算，使用GIS软件的自然间断法将HAI划分为低、较低、中等、较高和高5个等级。HAI计算公式[16]为：
$$ \mathrm{H}\mathrm{A}\mathrm{I}=a\mathrm{N}\mathrm{T}\mathrm{L}+b\mathrm{P}\mathrm{D}+c\mathrm{L}\mathrm{U} $$ (5) 式中：NTL、PD、LU分别为归一化处理后的夜间灯光亮度、人口密度和土地利用数据；a、b、c为归一化处理后NTL、PD和LU的权重，分别取0.30、0.30、0.40。
2.3 双变量空间自相关分析
空间自相关模型能够反映地理事物的某一属性在不同空间位置上的相关程度[24]。利用GeoDa软件，采用双变量空间自相关方法得出Moran's I指数和空间联系的局部指标（local indicators of spatial association，LISA），探究人类活动强度与生境质量空间分布集聚特征。结果分４种空间聚集类型：高—高型（高人类活动—高生境质量）、高—低型（高人类活动—低生境质量）、低—低型（低人类活动—低生境质量）和低—高型（低人类活动—高生境质量）。双变量空间自相关具体计算公式见文献[25]。
2.4 多尺度地理加权回归模型
多尺度地理加权回归（MGWR）模型[26]由Fotheringham在2017年提出，与传统地理加权回归（GWR）模型相比，放松了“相同空间尺度”的假设，允许各变量设置不同的带宽，回归结果更为可信[3]，同时其拟合结果优于GWR模型，能更好地解释影响因素在局部的变化特征[27-28]。MGWR的公式[29]为：
$$ Y_j=\beta_0\left(u_j,v_j\right)+\sum_{j=1}^n\beta_{\mathrm{bwd}}(u_j,v_j)X_{jd}+\varepsilon_j $$ (6) 式中：Yj为HQ；Xjd为HAI；n为参与分析的空间单位总数；（uj, vj）为格网样本j的空间坐标；β0（uj, vj）为样本j的截距；βbwd（uj, vj）为j处人类活动强度局部回归系数；εj为随机误差项。
3. 结果与分析
3.1 人类活动强度时空分布特征
2010—2021年研究区的HAI均值变化不大，处于较低水平，分别为0.20、0.20、0.24，整体略微增长。空间上变化幅度较大（图2），HAI呈东西方向“两极分化”趋势，以行唐—赞皇县为界，界线以西人类活动强度较低，以东人类活动强度较高。研究期间HAI低、中等级略微减少，高、较高和较低等级占比增加（表3）。其中，HAI高等级区域占4%~7%，分布在新华区、长安区、桥西区、裕华区等主城区，人口密集，对环境的干扰程度高；较高等级区域占10%~12%，分布在鹿泉区、藁城区、栾城区及正定县；中等级区域面积占23%~33%，分布在东部平原地区；低及较低等级区域总占比最高，为52%~65%，分布在研究区西部的平山县、灵寿县、赞皇县、井陉县及行唐县等山区，人口密度低，土地利用类型以林地、草地为主。
![]()
图 2 2010—2021年石家庄人类活动强度空间分布Figure 2. Spatial distribution of human activity intensity in Shijiazhuang from 2010 to 2021表 3 2010—2021年石家庄不同人类活动强度等级面积占比Table 3. Area proportion of different levels of human activity intensity in Shijiazhuang from 2010 to 2021% 年份 HAI等级 低 较低 中 较高 高 2010 39.89 12.79 32.76 10.12 4.43 2015 44.67 19.95 23.68 8.45 3.25 2021 39.17 13.89 29.81 11.09 6.04 3.2 生境质量时空分布特征
2010年、2015年、2021年研究区的生境质量均值分别为0.45、0.43、0.45，先下降后提高，均值整体处于中等级水平。由表4可知，生境质量低和较低等级占全区面积的62%以上，较高和高等级面积约占35%，中等级面积占比最小。2010—2021年，较低、较高等级区域占比减少，而中、低、高等级区域占比持续增长，高等级区域增加最多，为7.33%，其次为低等级区域，增加了5.08%，表明研究期间石家庄生境质量两极分化趋势显著。
表 4 2010—2021年石家庄市不同生境质量等级面积占比Table 4. Area proportion of different habitat quality grades in Shijiazhuang from 2010 to 2021% 年份 生境质量等级 低 较低 中 较高 高 2010 23.58 38.43 2.98 19.64 15.36 2015 29.79 33.90 3.01 12.30 20.99 2021 28.66 33.64 3.20 11.81 22.69 生境质量空间分异明显（图3），整体呈西部高，中、东部低的特征，与人类活动强度空间分布吻合。其中，高等级区域分布在西部山区，处于太行山生态涵养带，植被覆盖度较高；较高和中等级区域面积较小，主要集中在山区与平原交界处，草地较多；较低等级分布在东部，多为耕地；低等级区域集中分布在中心，并由中心向四周零星扩散，处于都市区综合产业发展区，主要为建设用地，人类活动强度大。其中井陉矿区由于资源开发过度，地表裸露，从而导致生境质量的恶化，在近年来的转型发展及生态保护治理下得到有效恢复。在整个研究期间内，生境质量下降最显著的区域集中在南部的赞皇和元氏，其他区域生境质量均有所改善，其中平山县、灵寿县、鹿泉区、井陉矿区及滹沱河沿岸改善显著。
![]()
图 3 2010—2021年石家庄生境质量空间分布Figure 3. Spatial distribution of habitat quality of Shijiazhuang from 2010 to 20213.3 人类活动对生境质量的影响
3.3.1 人类活动与生境质量空间相关性分析
基于GeoDa软件平台，创建Queen Contiguity空间权重矩阵，计算出2010年、2015年及2021年石家庄1 km格网尺度下人类活动与生境质量的双变量全局空间自相关Moran's I指数分别为−0.73、−0.70、−0.73，且P均小于0.01，在99%置信区间内显著。Moran's I指数均为负数表明2010—2021年研究区人类活动与生境质量之间具有显著的空间负相关，且负相关呈先减弱后增强的变化趋势。
人类活动强度与生境质量LISA聚类分析（图4）表明，2010—2021年，研究区主要集聚形态为高—低型、低—高型，且高—低型面积占比最高。2010—2021年低—高型集中分布在西部山区，处于太行山生态带，相关政策的实施为周边高质量生态环境的稳定存在提供了保障，但面积占比有所降低；高—低型分布在中部平原地区，以主城区为中心向四周区县扩展，研究期间该聚类面积增加。低—低型占比较少，分布在北部及南部，包括灵寿、行唐、元氏县与平原相接壤的区域以及滹沱河流域，北部及滹沱河流域该聚类面积显著减少，而元氏县略有增加。其中灵寿县、行唐县的东南部以及元氏县的东部与平原接壤，靠近主城区，人口密度较低，但受到农业种植、产业开发建设等影响，生境质量较低。近年围绕滹沱河、沙河、绵蔓河等流域构建的生态修复保护带，推进了湿地、水域、林地等生态系统修复。高—高型涉及范围极小，零星分布在西部山区，如平山县和井陉县的林地及矿区边缘道路附近，且有小幅增长趋势，这是由于道路及矿区周边人类活动较多，但在矿区修复工程、自然保护及地区开发建设的限制措施下，生境质量得到保护。
![]()
图 4 2010—2021年石家庄1 km格网尺度人类活动强度与生境质量空间LISA聚类Figure 4. Spatial LISA clustering of human activity intensity and habitat quality at 1 km grid scale in Shijiazhuang from 2010 to 20213.3.2 人类活动对生境质量影响的空间分异特征
通过SPSS软件进行HAI与生境质量的相关性分析，3个年份数据均通过0.05水平的显著性检验。根据表5结果，2010年、2015年、2021年模型拟合度均超过0.95，可以较好地反映人类活动对生境质量的影响程度。
表 5 MGWR模型拟合参数Table 5. MGWR model fitting parameters年份 RSS AICc R2 Radj2 2010年 515.25 −1 850.10 0.96 0.95 2015年 578.38 −342.32 0.95 0.95 2021年 470.42 −2 955.99 0.96 0.96 注：RSS为残差平方和；AICc 为修正赤池信息准则；R2为拟合优度；Radj2为调整后的R2。 通过MGWR模型得出2010年、2015年、2021年研究区HAI整体回归系数，2010—2021年研究区人类活动与生境质量的负相关性下降，由2010年的−0.83升至2015年的−0.57，到2021年又跌落至−0.73，绝对值整体下降。进一步统计HAI回归系数<0的区域占比，得出2010年、2015年、2021年人类活动对生境质量的负面影响区域占比分别为91.79%、94.19%、95.87%，负面影响区域占比持续增加，增长速率有所下降，人类活动对生境质量的威胁程度减弱。
研究区人类活动对生境质量影响的空间差异性较大（图5）。HAI回归系数在空间上呈西高东低特征，且大范围为负值，北部及南部小范围区域为正值，表明人类活动对生境质量的影响以负面效应为主，其影响程度由西向东方向递减。这是由于西部多为山区，地类以林地、草地为主，自然本底脆弱，易受到人类活动的干扰，导致西部区域负相关关系更显著。其中，2010—2021年西部HAI回归系数小于−1.81的区域整体下降，平山县、灵寿县变化最显著，表明在该区域人类活动对生境质量的威胁程度降低，在区域协同发展的同时进行人为生态保护，包括耕地保护、严守生态保护红线等有显著作用；研究区北部的正面效应较明显，灵寿县、行唐县、新乐市以及滹沱河流域附近HAI回归系数分布在0~0.44，表明该区域人类活动影响下的生境质量呈上升趋势，这与当地实施生态保护措施有关，围绕滹沱河流域和太行山涵养带展开生态保护修复，推进“山水林田湖草”系统修复呈现显著效果。
![]()
图 5 2010—2021年石家庄1 km格网尺度HAI回归系数空间分布Figure 5. Spatial distribution of regression coefficient of HAI at 1 km grid scale in Shijiazhuang from 2010 to 20213.3.3 区域人类活动对生境质量影响的差异
人类活动强度高的区域生境质量会下降，在研究区中部非常明显，人类活动强度低的区域生境质量往往较高，也存在少部分地区呈低—低型以及高—高型的分布。从变化趋势上看，2010—2015年，除平山县外，全域生境质量均呈下降趋势。其中，中部城区人类活动与生境质量的负相关性显著，生境质量随着HAI的增大而下降，西部地区由于建设占用、农业结构调整和保护手段滞后等原因引起生境质量下降〔图6（a）〕。2015—2021年，中、东部地区生境质量与人类活动仍呈负相关，但生境质量下降趋势缓慢；西部地区则相反，二者呈正相关，HAI的增加使该区域生境质量有一定程度的改善〔图6（b）〕。
![]()
图 6 2010—2021年区域人类活动强度对生境质量影响的差异Figure 6. Difference of impact of regional human activity intensity on habitat quality from 2010 to 20212010—2021年研究区生境质量与HAI空间分布相吻合，呈两极分化趋势，西部地区以太行山生态涵养区为主，严格保护耕地和基本农田、生态保护红线、城镇开发边界3条控制线，实行自然保护构建生态廊道、搬迁撤并等措施限制人类活动；而中部地区城镇集中，城市化进展加速，人类活动强度不断增加。通过分析研究区近10年来的经济发展变化，可以解释研究区生境质量完全不同的发展趋势。根据《石家庄统计年鉴》（2022年），截至2021年，第一产业占比最高的是行唐县，在地区生产总值中的占比为33.67%，其次为赞皇县，为28.18%；第二产业中藁城区的循环化工园区占比最高，为62.50%；第三产业占比高的主要为新华区、裕华区、桥西区、长安区，占比均在84%以上，表明西部区域注重农业、林业、畜牧业等发展，人类活动损害较小，而中、东部区域由于土地资源丰富，更注重建筑业、工业、服务行业发展，人类活动威胁程度较大。整体而言，造成研究区中西部人类活动与生境质量分布呈显著差异的原因为：1）西部具有较好的生境条件，地形多为山区，人类活动较少；2）中、东部地区经济发展模式对生态环境产生的压力高，经济发展结构不同。
4. 讨论
4.1 人类活动强度表征的验证
人类活动强度是分析人类活动对生态环境影响的有效指标[30]。为验证HAI指标的准确性，以2021年研究区的人类活动强度与生境质量LISA聚类分布为例，选择研究区东西部的4个点位〔图7（a）〕，与2021年高分一号遥感影像进行对比验证。根据遥感影像〔图7（b）〕，点1位于井陉县山区，主要为林地，人类活动强度低，生境质量高，属于低—高型聚类；点2位于在山区井陉矿区附近，林地和建设用地居多，人类活动强度较高，生境质量高，属于高—高型聚类；点3位于中心城区，以建设用地为主，人类活动强度高，生境质量差，处于高—低型聚类；点4位于藁城区滹沱河沿岸，多为农田和水域，人类活动强度较低，生境质量为中等水平，处于低—低型聚类。点位的聚类分布与遥感影像信息一致。因此，构建的HAI指标可以相对客观地评估当地人类活动的强度。
![]()
图 7 2021年石家庄空间LISA聚类与遥感影像验证Figure 7. Spatial LISA clustering and RS image validation of Shijiazhuang in 20214.2 人类活动对生境质量的影响
以往研究表明不同区域人类活动对生境质量存在不同的影响[31-33]。2010—2021年研究区人类活动与生境质量存在显著空间负相关，与前人研究结果[3,19,34]一致。值得注意的是2010—2021年HAI总体上升，而生境质量呈V型动态变化，有向好趋势。通过多尺度地理加权回归模型分析发现，研究区人类活动对生境质量的影响存在明显的空间异质性，空间LISA聚类中高—低型、低—高型聚集区内人类活动对生境质量的负面影响减弱，这与周婷等[12]在神农架林区的研究结果略有不同。HAI回归系数显示，人类活动对生境质量影响的变化分为2个阶段：2010—2015年HAI回归系数绝对值下降，研究区通过推动生态修复项目、强化土地利用规划等政策，一定程度上减轻了人类活动对生境质量的压力，但由于城市化加速，导致耕地、草地、水域面积及生境质量均有所下降；2015—2021年HAI回归系数绝对值小幅回升，HAI负面影响加重的区域主要表现在井陉县，这可能由于当地传统产业的转型和旅游业的发展使生态环境变得相对脆弱，而在矿区整合、太行山绿化等生态修复工程实施下，研究区整体的生境质量得到提高，HAI的增加使生境质量得到有效改善。人类活动对生境质量同时存在积极和消极效应，生态修复可以有效减弱人类活动的负面影响，加强太行山生态安全屏障，优化农业、生态、城镇空间布局对当地生境质量提升有效果。根据本研究结果提出相应的生态保护及修复措施：应继续加强低—高型和高—高型区域的生态资源保护；进一步加强低—低型区域的生态修复，保护生态廊道，恢复湿地，增加生物多样性；优化高—低型区域的城市空间布局，推动建设用地的高效利用，提高生境质量。
本研究基于InVEST模型评估研究区生境质量状况，将结果可视化分析；构建的HAI指标，能够客观地表征区域人类活动的强度；最后在1 km格网尺度下，识别人类活动与生境质量的空间关系，揭示局部空间上人类活动对生境质量的影响，有助于协调人类活动，提高生态环境质量。然而，在生境质量的计算中通过参考文献确定威胁因子和权重仍属主观方法，未来可结合多源数据更加客观评估生境质量；人类活动强度的表征可引入交通可达性、旅游景点密度等指标进一步提高结果的客观性。
5. 结论
（1）2010—2021年研究区的人类活动强度整体较稳定且处于较低等级，在2015—2021年略微上升，增幅为22.61%。HAI在空间上呈“东西分化”态势，以行唐—赞皇县为界，界线以西人类活动强度较低，以东则较高。
（2）研究区生境质量水平基本稳定，其均值在2010—2015年由0.45降至0.43，到2021年又增至0.45，呈V型波动，维持在中等级水平。空间上，生境质量中、低、高等级区域占比持续增长，两极分化趋势显著，呈现出西部高，中、东部低的特征，与HAI空间分布对应。
（3）研究区人类活动与生境质量存在显著的空间负相关，但在河流沿岸及小范围山区呈正相关效应，对生境质量的负面影响程度减弱。
（4）研究区HAI与生境质量呈东西两极分化是由于地形和经济结构的差异造成；研究区生态保护重点应放在中东部地区的高人类活动—低生境质量区域，兼顾生态保护和资源利用，保护三条控制线（永久基本农田、生态红线、城镇开发边界），优化城市空间布局，推动建设用地的高效利用，加强滹沱河沿线生态修复，提高生境质量。
-
![]()
图 1 研究区行政区划示意
Figure 1. Schematic diagram of administrative divisions of the study area
![]()
图 2 2010—2021年石家庄人类活动强度空间分布
Figure 2. Spatial distribution of human activity intensity in Shijiazhuang from 2010 to 2021
![]()
图 3 2010—2021年石家庄生境质量空间分布
Figure 3. Spatial distribution of habitat quality of Shijiazhuang from 2010 to 2021
![]()
图 4 2010—2021年石家庄1 km格网尺度人类活动强度与生境质量空间LISA聚类
Figure 4. Spatial LISA clustering of human activity intensity and habitat quality at 1 km grid scale in Shijiazhuang from 2010 to 2021
![]()
图 5 2010—2021年石家庄1 km格网尺度HAI回归系数空间分布
Figure 5. Spatial distribution of regression coefficient of HAI at 1 km grid scale in Shijiazhuang from 2010 to 2021
![]()
图 6 2010—2021年区域人类活动强度对生境质量影响的差异
Figure 6. Difference of impact of regional human activity intensity on habitat quality from 2010 to 2021
![]()
图 7 2021年石家庄空间LISA聚类与遥感影像验证
Figure 7. Spatial LISA clustering and RS image validation of Shijiazhuang in 2021
表 1 威胁因子参数
Table 1 Threat factor parameters
土地利用类型 最大影响距离/km 权重 空间衰退类型 耕地 1.50 0.60 线性 城镇用地 6.00 1.00 指数 未利用地 2.00 0.40 线性 
下载: 导出CSV
表 2 各土地利用类型生境质量适宜度及其对威胁因子的相对敏感度
Table 2 Suitability degree of land use types to habitat quality and its sensitivity to threat factors
土地利用类型 生境适宜度 威胁因子相对敏感度 耕地 建设用地 未利用地 耕地 0.40 0.25 0.50 0.30 林地 1.00 0.80 1.00 0.70 草地 0.80 0.70 0.80 0.80 水域 0.70 0.65 0.75 0.75 建设用地 0.00 0.00 0.00 0.00 未利用地 0.10 0.10 0.30 0.10
下载: 导出CSV
表 3 2010—2021年石家庄不同人类活动强度等级面积占比
Table 3 Area proportion of different levels of human activity intensity in Shijiazhuang from 2010 to 2021
% 年份 HAI等级 低 较低 中 较高 高 2010 39.89 12.79 32.76 10.12 4.43 2015 44.67 19.95 23.68 8.45 3.25 2021 39.17 13.89 29.81 11.09 6.04
下载: 导出CSV
表 4 2010—2021年石家庄市不同生境质量等级面积占比
Table 4 Area proportion of different habitat quality grades in Shijiazhuang from 2010 to 2021
% 年份 生境质量等级 低 较低 中 较高 高 2010 23.58 38.43 2.98 19.64 15.36 2015 29.79 33.90 3.01 12.30 20.99 2021 28.66 33.64 3.20 11.81 22.69
下载: 导出CSV
表 5 MGWR模型拟合参数
Table 5 MGWR model fitting parameters
年份 RSS AICc R2 Radj2 2010年 515.25 −1 850.10 0.96 0.95 2015年 578.38 −342.32 0.95 0.95 2021年 470.42 −2 955.99 0.96 0.96 注：RSS为残差平方和；AICc 为修正赤池信息准则；R2为拟合优度；Radj2为调整后的R2。
下载: 导出CSV
-
[1] 唐娇娇, 余成, 张委伟, 等. 基于CLUE-S和InVEST模型的苏州市生境质量评估及预测[J]. 环境工程技术学报,2023,13(1):377-385. DOI: 10.12153/j.issn.1674-991X.20210657 TANG J J, YU C, ZHANG W W, et al. Habitat quality assessment and prediction in Suzhou based on CLUE-S and InVEST models[J]. Journal of Environmental Engineering Technology,2023,13(1):377-385. DOI: 10.12153/j.issn.1674-991X.20210657
[2] 刘春芳, 王川. 基于土地利用变化的黄土丘陵区生境质量时空演变特征: 以榆中县为例[J]. 生态学报,2018,38(20):7300-7311. LIU C F, WANG C. Spatio-temporal evolution characteristics of habitat quality in the Loess Hilly Region based on land use change: a case study in Yuzhong County[J]. Acta Ecologica Sinica,2018,38(20):7300-7311.
[3] 刘永婷, 杨钊, 徐光来, 等. 基于MGWR模型的皖江城市带生境质量对城镇化的响应研究[J]. 地理科学,2023,43(2):280-290. LIU Y T, YANG Z, XU G L, et al. Impacts of urbanization on habitat quality using MGWR models in Wanjiang City Belt[J]. Scientia Geographica Sinica,2023,43(2):280-290.
[4] LIU H M, FANG C L, ZHANG X L, et al. The effect of natural and anthropogenic factors on haze pollution in Chinese cities: a spatial econometrics approach[J]. Journal of Cleaner Production,2017,165:323-333. DOI: 10.1016/j.jclepro.2017.07.127
[5] 王琦琨, 武玮, 杨雪琪, 等. 陕西省生境质量时空演变及驱动机制分析[J]. 干旱区研究,2022,39(5):1684-1694. WANG Q K, WU W, YANG X Q, et al. Spatial-temporal changes and driving factors of habitat quality in Shaanxi Province during the past 20 years[J]. Arid Zone Research,2022,39(5):1684-1694.
[6] 郑亚平, 张俊华, 田惠文, 等. 大别山区生境质量时空特征及自然-人为因素驱动机制[J/OL]. 环境科学, 2023. [2023-10-15]. https: //doi. org/10.13227/j. hjkx. 202305095. [7] AZNAREZ C, SVENNING J C, TAVEIRA G, et al. Wildness and habitat quality drive spatial patterns of urban biodiversity[J]. Landscape and Urban Planning,2022,228:104570. DOI: 10.1016/j.landurbplan.2022.104570
[8] 施智勇, 谢慧黎, 王圳峰, 等. 基于参数最优地理探测器的福州市生境质量时空格局与驱动力分析[J]. 环境工程技术学报,2023,13(5):1921-1930. SHI Z Y, XIE H L, WANG Z F, et al. Analysis of spatiotemporal heterogeneity of habitat quality and their driving factors based on optimal parameters-based geographic detector for Fuzhou City, China[J]. Journal of Environmental Engineering Technology,2023,13(5):1921-1930.
[9] RAIMUNDO LOPES N D, LI T X, QIAN D Y, et al. Factors influencing coastal land cover change and corresponding impact on habitat quality in the North-western Coastline of Guinea-Bissau (NC-GB)[J]. Ocean & Coastal Management,2022,224:106181.
[10] 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. LIU S L, LIU L M, WU X, et al. Quantitative evaluation of human activity intensity on the regional ecological impact studies[J]. Acta Ecologica Sinica,2018,38(19):6797-6809.
[11] 王建, 赵牡丹, 樊艺, 等. 黄土高原人类活动与生物多样性的演变及关联性[J]. 水土保持研究,2022,29(6):154-160. WANG J, ZHAO M D, FAN Y, et al. Evolution and correlation of human activities and biodiversity in the Loess Plateau[J]. Research of Soil and Water Conservation,2022,29(6):154-160.
[12] 周婷, 陈万旭, 李江风, 等. 神农架林区人类活动与生境质量的空间关系[J]. 生态学报,2021,41(15):6134-6145. ZHOU T, CHEN W X, LI J F, et al. Spatial relationship between human activities and habitat quality in Shennongjia Forest Region from 1995 to 2015[J]. Acta Ecologica Sinica,2021,41(15):6134-6145.
[13] GUO Z L, ZHANG M Y. The conservation efficacy of coastal wetlands in China based on landscape development and stress[J]. Ocean & Coastal Management,2019,175:70-78.
[14] 江威, 何国金, 刘慧婵. NPP/VIIRS和DMSP/OLS夜光数据模拟社会经济参量对比[J]. 遥感信息,2016,31(4):28-34. DOI: 10.3969/j.issn.1000-3177.2016.04.005 JIANG W, HE G J, LIU H C. Modelling regional socio-economic parameters based on comparison of NPP/VIIRS and DMSP/OLS nighttime light imagery[J]. Remote Sensing Information,2016,31(4):28-34. DOI: 10.3969/j.issn.1000-3177.2016.04.005
[15] ZHAO H B, XU X M, TANG J Q, et al. Spatial pattern evolution and prediction scenario of habitat quality in typical fragile ecological region, China: a case study of the Yellow River floodplain area[J]. Heliyon,2023,9(3):e14430. DOI: 10.1016/j.heliyon.2023.e14430
[16] 陈泓瑾, 刘琳, 张正勇, 等. 天山北坡人类活动强度与地表温度的时空关联性[J]. 地理学报,2022,77(5):1244-1259. CHEN H J, LIU L, ZHANG Z Y, et al. Spatiotemporal correlation between human activity intensity and surface temperature on the north slope of Tianshan Mountains[J]. Acta Geographica Sinica,2022,77(5):1244-1259.
[17] 方林, 方斌, 刘艳晓, 等. 长三角地区景观生态风险与人类活动强度的响应及其时空关联[J]. 农业工程学报,2022,38(22):210-219. FANG L, FANG B, LIU Y X, et al. Scale response and spatiotemporal correlations between landscape ecological risk and human activity intensity in the Yangtze River Delta region[J]. Transactions of the Chinese Society of Agricultural Engineering,2022,38(22):210-219.
[18] 魏文飞, 包玉, 王志泰, 等. 喀斯特多山城市生境质量对土地利用变化的时空响应: 以贵阳市为例[J]. 生态学报,2023,43(10):3920-3935. WEI W F, BAO Y, WANG Z T, et al. Spatio-temporal responses of urban environment quality to land use change in mountainous cities of Karst areas[J]. Acta Ecologica Sinica,2023,43(10):3920-3935.
[19] 张乐勤, 王雷. 长三角一体化区域开发强度与生境质量协调状况及演化规律探析[J]. 环境工程技术学报,2023,13(2):578-584. ZHANG L Q, WANG L. Analysis of the coordination status and evolution law of development intensity and habitat quality in the Integrated Region of the Yangtze River Delta[J]. Journal of Environmental Engineering Technology,2023,13(2):578-584.
[20] 田佳博, 杜哲, 贾启建, 等. 太行山不同地形梯度生境质量空间分异及其影响因素研究: 以河北省阜平县为例[J]. 林业与生态科学,2022,37(4):426-436. TIAN J B, DU Z, JIA Q J, et al. Study on the spatial differentiation of habitat quality of different terrain gradients in Taihang Mountains and its influencing factors: taking Fuping County in Hebei Province as an example[J]. Forestry and Ecological Sciences,2022,37(4):426-436.
[21] 刘双嘉. 基于生态系统服务供需与生境质量的京津冀生态安全格局构建研究[D]. 保定: 河北农业大学, 2021. [22] 闫宇星, 杨园园, 王永生, 等. 近40年京津冀地区生境质量变化趋势与归因分析[J]. 遥感技术与应用,2023,38(2):251-263. YAN Y X, YANG Y Y, WANG Y S, et al. Trends and attribution analysis of habitat quality changes in Beijing-Tianjin-Hebei region over the past 40 years[J]. Remote Sensing Technology and Application,2023,38(2):251-263.
[23] 张翠云, 王昭. 黑河流域人类活动强度的定量评价[J]. 地球科学进展,2004,19(增刊1):386-390. [24] 贾艳艳, 王少杰, 刘福胜, 等. 黄河三角洲高效生态经济区土地利用变化及其与生境质量的相关性[J]. 水土保持通报,2020,40(6):213-220. JIA Y Y, WANG S J, LIU F S, et al. Land use change and its correlation with habitat quality in high efficiency eco-economic zone of Yellow River Delta[J]. Bulletin of Soil and Water Conservation,2020,40(6):213-220.
[25] 王庭辉, 王喜, 秦耀辰, 等. 丹江口库区生态系统服务价值与人类活动时空关联分析[J]. 长江流域资源与环境,2021,30(2):330-341. WANG T H, WANG X, QIN Y C, et al. Spatial-temporal correlation analysis of ecosystem services value and human activities in Danjiangkou Reservoir area[J]. Resources and Environment in the Yangtze Basin,2021,30(2):330-341.
[26] FOTHERINGHAM A S, YANG W B, KANG W. Multiscale geographically weighted regression (MGWR)[J]. Annals of the American Association of Geographers,2017,107(6):1247-1265. DOI: 10.1080/24694452.2017.1352480
[27] 武燕, 吴映梅, 高彬嫔, 等. 成渝城市群生态系统服务价值与人类活动强度空间关系[J]. 水土保持研究,2023,30(1):173-182. WU Y, WU Y M, GAO B P, et al. Spatial relationship between human activity intensities and ecosystem services value in chengdu-chongqing urban agglomeration[J]. Research of Soil and Water Conservation,2023,30(1):173-182.
[28] XUE C L, CHEN X H, XUE L R, et al. Modeling the spatially heterogeneous relationships between tradeoffs and synergies among ecosystem services and potential drivers considering geographic scale in Bairin Left Banner, China[J]. Science of the Total Environment,2023,855:158834. DOI: 10.1016/j.scitotenv.2022.158834
[29] FOTHERINGHAM A S, YUE H, LI Z Q. Examining the influences of air quality in China's cities using multi-scale geographically weighted regression[J]. Transactions in GIS,2019,23(6):1444-1464. DOI: 10.1111/tgis.12580
[30] MAO C R, REN Q, HE C Y, et al. Assessing direct and indirect impacts of human activities on natural habitats in the Qinghai-Tibet Plateau from 2000 to 2020[J]. Ecological Indicators,2023,157:111217. DOI: 10.1016/j.ecolind.2023.111217
[31] 袁宏伟, 蔡俊, 章磊. 国家重点生态功能区人类活动与生境质量时空变化特征及空间效应[J]. 干旱区地理,2023,46(6):934-948. YUAN H W, CAI J, ZHANG L. Temporal and spatial changes of human activities and habitat quality in national key ecological function areas and their spatial effects[J]. Arid Land Geography,2023,46(6):934-948.
[32] ZHAO Y H, 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(Pt 1): 158037.
[33] CHENG Y G, WU H, YANG B. Conserving habitat and ecosystem in protected areas amid increasing intensive human modification: a case study of China's Pan-Pearl River Delta[J]. Ecological Indicators,2023,154:110799. DOI: 10.1016/j.ecolind.2023.110799
[34] TANG J J, ZHOU L, DANG X W, et al. Impacts and predictions of urban expansion on habitat quality in the densely populated areas: a case study of the Yellow River Basin, China[J]. Ecological Indicators,2023,151:110320. ⊕ DOI: 10.1016/j.ecolind.2023.110320
-
期刊类型引用(1)
1. 辛培源，田甜，张美露，韩维峥，宋云婷. 基于InVEST模型和地理探测器的吉林省生境质量变化及驱动因素评估. 应用生态学报. 2024(10): 2853-2860 . 
百度学术
其他类型引用(1)
计量
- 文章访问数: 387
- HTML全文浏览量: 214
- PDF下载量: 70
- 被引次数: 2
