1990-2015年青藏高原人类足迹数据集

2020-11-16段群滔罗立辉

中国科学数据(中英文网络版) 2020年3期

关键词：空间数据赋值栅格

段群滔，罗立辉＊

1.中国科学院西北生态环境资源研究院，兰州 730000

2.中国科学院大学，北京 100049

数据库（集）基本信息简介

引言

自20世纪以来，随着全球人口和经济的快速增长，人类活动对全球生态系统的扰动显著增强[1-2]，且该扰动对陆地表层生态环境的影响尤为突出[3-5]。青藏高原作为地球“第三极”，同时也是具有鲜明特色的文化景观地域单元，生态环境较为脆弱[6-7]。近几十年来，该地区经济快速发展，特别是青藏铁路开通以来，人类活动显著增加，有关人类活动对青藏高原生态系统的影响一直是研究的热点[8-11]。其中，准确评价人类活动强度是探究青藏高原人类活动生态环境效应的基础，对促进该地区生态环境保护与可持续发展具有重要作用。

目前，人类活动强度评价主要以统计分析方法为主[12-15]，难以生成高质量的人类活动强度空间数据。相较于近几十年来气候变化研究相关的空间数据在研究方法、制备速度、时空分辨率和数据质量等方面的快速发展，人类活动相关的空间数据还处于探索发展阶段。其中，人类足迹指数方法作为制备人类活动强度空间数据的一类方法，自Sanderson等[16]2002年提出以来，已在全球不同尺度得到应用和发展[17-19]。Sanderson等提出此方法时，首先选择代表人口密度、土地利用转变、通达性和电力基础设施4类人类活动的9个空间数据图层，然后将各图层进行缓冲区分析和重新赋值，赋值范围为0-10，最后将赋值后的图层进行叠加分析和分区归一化处理，得到表征全球陆地人类活动强度的人类足迹数据。该方法自提出后就得到了广泛应用和发展，如Venter等[20]运用此方法制备1993年和2009年的全球人类足迹数据时，对人口密度和道路图层进行了更细化的赋值，Gonzalez-Abraham等[21]利用此方法制备墨西哥人类足迹数据时，没有计算铁路和通航河流的影响。此外，Etter等[22]应用此方法在哥伦比亚开展研究时，增加了代表人类影响时间和生物物理脆弱性的数据来完成人类足迹数据的制备，Correa Ayram等[23]则在Etter等的基础上，进一步增加表示生境丧失和破碎化程度的指标来制备墨西哥火山带地区的人类足迹数据。总的来看，当前人类足迹指数方法的发展主要集中在指标数据的选择和细化赋值两个方面。

基于此，本文采用人类足迹指数方法，综合考虑青藏高原地区的自然地理环境和经济社会发展状况，选择人口密度、土地利用、放牧密度、夜间灯光、铁路和道路等共6种代表人类活动的空间数据指标，并结合冰川、湖泊和保护区数据，完成1990、1995、2000、2005、2010和2015年共6期青藏高原人类足迹数据的制备。

1 数据采集和处理方法

1.1 数据来源

本数据集采用的数据包括人口密度、土地利用、牛羊密度、夜间灯光、铁路、道路、冰川、湖泊、保护区和牛羊肉产量数据。其中，人口密度和土地利用数据由资源环境数据云平台网站（http://www.resdc.cn/Default.aspx）提供；牛羊肉产量数据由国家统计局网站（http://www.stats.gov.cn/）提供；牛羊密度数据由联合国粮农组织全球地理信息系统网站（http://www.fao.org/geonetwork/srv/en/main.home）提供；夜间灯光数据由美国国家海洋与大气管理局网站（https://ngdc.noaa.gov/eog/dmsp/downloadV4composites.html）提供；铁路数据由手动数字化获取；道路数据集由美国国家航空航天局地球观测系统数据与信息中心网站（https://sedac.ciesin.columbia.edu/）和联合国粮农组织全球地理信息系统网站提供；湖泊数据由国家青藏高原科学数据中心网站（http://data.tpdc.ac.cn/zh-hans/）提供；冰川数据由青藏高原科学数据中心网站（http://www.tpedatabase.cn/portal/index.jsp）提供；保护区数据由联合国环境规划署保护区数据网站（https://www.protectedplanet.net/）提供。

由于采用的夜间灯光原始数据只包含1992-2013年的数据，本文选择用1992和2013年的灯光数据分别代替1990年和2015年的灯光数据。牛羊密度数据只获取有2006年的数据，其余年份数据由趋势外推分析法获得。道路数据只获取了2000年和2010年的两期数据，所以1990、1995和2005年的道路数据用2000年的数据代替，2015年的利用2010年的数据代替。1990-2005年间青藏高原地区铁路基本无变化，所以1990-2005年的铁路数据均使用2005年的铁路数据。采用的空间数据具体信息及来源见表1。

表1 采用的空间数据信息及来源

1.2 数据处理过程

1.2.1 数据预处理

由于采用的数据在投影、分辨率和空间范围等方面存在不一致，在进行数据集制作前，需要对原数据进行预处理。其中，投影坐标统一转换为适合中国区域的Albers等面积投影，投影坐标系参数中央经线设置为105°E，两条标准纬线分别为25°N和47°N，空间范围统一裁剪至青藏高原范围，栅格数据统一重采样至1 km分辨率。

此外，夜间灯光数据存在不连续和过饱和等问题，在投影和裁剪完成后需进行校正。本文选择应用较为广泛的基于不变目标区域的校正方法[24]，由于黑龙江鹤岗市辖区的经济社会数据变化较小，且灯光影像的DN值分布较广，因而选择此地作为不变目标区域。

1.2.2 数据处理方法

本数据集选择6类代表人类活动的空间数据，并依据不同的评价方法将各类数据的栅格重新赋值为0-10分，分值越大表示人类活动影响强度越大。每一类数据具体赋值方法如下：

（1）人口密度

人口密度是反映人类活动与生态系统相互作用强度的重要指标[25]，且对生态系统的影响呈对数变化规律，所以将人口密度数据按对数方程进行计算赋值，值域范围为0-10分。由于人口密度的最大值为32866人/平方公里，具体计算方程如下：

式中，popscore表示该栅格重新赋值的分数，popdensity表示该栅格的人口密度值。

（2）土地利用

土地利用变化是反映人类活动程度的重要因子[26]，本文将所有建筑用地赋值为10分，水田和旱地赋值为7分，草地赋值为4分，其余土地利用类型均赋值为0分。

（3）放牧密度

畜牧业作为青藏高原地区重要的产业之一，放牧是该地区重要的一类人类活动。本文用牛羊密度之和来表征放牧密度，由于只获取了2006年的牛羊密度图层，在重新赋值前，需要先对这两个图层进行趋势外推分析，获得各年份的放牧密度图层。

本文采用基于统计数据的趋势外推方法，首先统计青海西藏两省/区 1990、1995、2000、2005、2010和2015年的牛肉和羊肉产量，然后分别计算牛肉和羊肉不同年份产量相对于2005年产量的变化率，接着利用2006年的牛羊密度图层分别乘以各年份的变化率来得到不同年份的牛羊密度图层，其中2005年的数据直接使用2006年的代替，最后将同一年份的牛羊密度图层相叠加得到放牧密度图层。由于放牧密度的影响也呈对数变化规律，且最大值为9454头/平方公里，所以将放牧密度数据也按对数方程进行计算赋值，值域为0-10分，具体计算方程如下：

式中，grazingscore表示该栅格重新赋值的分数，grazingdensity表示该栅格的放牧密度值。

（4）夜间灯光

夜间灯光数据经校正后，不同年份数据之间具有了可比较性。为了使夜间灯光影响的评价也具有连续性，本文以2015年灯光数据为基准，首先，将2015年数据中DN值等于0的栅格赋值为0分，再将DN值大于0的栅格，利用分位数方法等分为10份，从小到大依次赋值为1-10分。其余各年份的数据依照2015年的十分位数将DN值大于0的栅格赋值为1-10分，DN值等于0的赋值为0分。

（5）铁路

铁路作为青藏高原地区最为重要的基础设施之一，对于该地区的经济社会发展具有重要意义。由于火车在铁路沿线上运行时具有封闭性，对两旁的影响范围较小，因此在进行评价赋值时，仅将铁路两旁500 m范围内的区域赋值为8分。

此外，由于铁路在建设时也会对生态环境产生较大影响，青藏铁路二期工程（格尔木—拉萨）虽然2006年才正式通车，但在2001年就已开始动工建设，所以本文从2005年开始计算此段铁路的影响。

（6）道路

青藏高原地区道路的封闭性比铁路差，因此其对两旁影响的范围也更大，在进行评价赋值时，将道路两侧500 m范围内的区域赋值为10分；500-1500 m范围内赋值为8分；1500-2500 m范围内赋值为4分（表2）。

各类数据完成重新赋值后，将同一年份的图层相叠加，即得到6期青藏高原人类足迹数据（图1）。数据集的值域范围为0-51，栅格内的分值越高，代表该空间上人类活动强度越大。

图1 数据集制作技术路线图

2 数据样本描述

2.1 数据组成

本数据集包括青藏高原 1990-2015年共 6期人类足迹数据，这些数据保存为一个压缩文件（“1990-2015年青藏高原人类足迹数据集.zip”），每期数据以TIFF格式存储并以年份来命名每期数据，总数据量为53.9 MB。

2.2 数据样本

制作的1990、1995、2000、2005、2010和2015年青藏高原人类足迹数据样例如图2所示。

图2 1990、1995、2000、2005、2010和2015年青藏高原人类足迹数据样例

3 数据质量控制和评估

青藏高原的湖泊和冰川虽然也受到人类活动的影响，但其空间位置上几乎不存在直接的人类活动，且自然保护区的建立也会减弱保护区内的人类活动。因此，按上述方法完成数据集的初步制作后，还需要进一步的处理，以提高数据集的质量。处理主要包括以下两个方面：

（1）湖泊和冰川

在对湖泊和冰川进行处理前，首先获取青藏高原1990、1995、2000、2005、2010和2015年6个时期的冰川和湖泊数据。由于冰川几十年来空间变化相对较小，因而各时期的冰川数据均用2013年的数据代替。考虑到湖泊和冰川所处的空间位置上几乎不存在直接的人类活动，因此直接将不同时期湖泊和冰川所处空间位置上的人类足迹分值设置为0分。

（2）自然保护区

依据《全国自然保护区目录》，首先分别提取青藏高原1985年以前、1986-1990年、1991-1995年、1996-2000年、2001-2005年和2006-2010年6个时间段内建立的国家级自然保护区范围数据。保护区的设立能够减弱保护区内的人类活动强度，但随着时间的推移减弱幅度会逐渐减弱。因此，本文只考虑保护区建立后15年内的影响，并按照每过5年人类足迹分值分别减弱8%、4%和2%的方法对每期数据进行处理。