基于夜間燈光遙感的人類活動(dòng)強(qiáng)度對(duì)植被變化的影響

摘" 要：為定量解析人類活動(dòng)對(duì)植被變化的作用機(jī)制，該文以陜西省銅川市耀州區(qū)為研究區(qū)，基于夜間燈光遙感影像、NDVI數(shù)據(jù)，采用像元二分模型、空間自相關(guān)等方法，探討人類活動(dòng)對(duì)植被變化的影響。結(jié)果表明，2000—2020年間，耀州區(qū)植被覆蓋呈現(xiàn)“西北高東南低”的空間分布格局。20年間，耀州區(qū)植被覆蓋程度由極低覆蓋度、低覆蓋度、中覆蓋度向中高覆蓋度及高覆蓋度生態(tài)改善趨勢(shì)明顯；耀州區(qū)人類活動(dòng)強(qiáng)度整體上呈現(xiàn)“南高北低”的分布態(tài)勢(shì)；耀州區(qū)植被覆蓋度與人類活動(dòng)強(qiáng)度的高-低型集聚區(qū)呈現(xiàn)逐漸擴(kuò)大的趨勢(shì)，低-低型集聚區(qū)域逐漸縮小。研究可為區(qū)域可持續(xù)發(fā)展以及生態(tài)文明建設(shè)提供參考意義。

關(guān)鍵詞：植被變化；夜間燈光；人類活動(dòng)強(qiáng)度；空間自相關(guān)；耀州區(qū)

中圖分類號(hào)：X87" " " 文獻(xiàn)標(biāo)志碼：A" " " " " 文章編號(hào)：2095-2945（2025）06-0089-05

Abstract： To quantitatively analyze the mechanism of human activities on vegetation changes， this paper takes Yaozhou District， Tongchuan City， Shaanxi Province as the research area， based on night-time light remote sensing images and NDVI data， and uses the pixel bisection model and spatial autocorrelation methods to explore the impact of human activities on vegetation changes. The results show that： From 2000 to 2020， the vegetation coverage in Yaozhou District presented a spatial distribution pattern of \"high in the northwest and low in the southeast\". Over the 20 years， the vegetation coverage in Yaozhou District showed a clear trend of ecological improvement from extremely low coverage， low coverage， and medium coverage to medium-high coverage and high coverage; The intensity of human activities in Yaozhou District generally presented a distribution pattern of \"high in the south and low in the north\"; The high-low type agglomeration areas of vegetation coverage and human activity intensity in Yaozhou District showed a gradually expanding trend， while the low-low type agglomeration areas gradually shrank. The research can provide reference significance for regional sustainable development and ecological civilization construction.

Keywords： fraction vegetation change; night lights; intensity of human activity; spatial autocorrelation; Yaozhou District

在氣候變化與人類活動(dòng)持續(xù)加劇的大背景下，全球自然生態(tài)系統(tǒng)正面臨嚴(yán)峻威脅。植被作為地球陸地生態(tài)系統(tǒng)不可或缺的核心要素，在調(diào)節(jié)全球氣候變化、維系生物、大氣與土壤之間的物質(zhì)和能量循環(huán)等方面扮演著舉足輕重的角色。植被變化逐漸成為衡量區(qū)域乃至整體生態(tài)環(huán)境的重要指標(biāo)?？茖W(xué)認(rèn)識(shí)人類活動(dòng)對(duì)地表植被變化的作用機(jī)制，并據(jù)此制定相應(yīng)的應(yīng)對(duì)策略，以抵御人類活動(dòng)對(duì)生態(tài)系統(tǒng)造成的威脅，顯得尤為重要。

當(dāng)前，諸多學(xué)者圍繞人類活動(dòng)與植被覆蓋變化的關(guān)系，在國(guó)家及區(qū)域?qū)用骈_展了大量研究工作。在針對(duì)特定區(qū)域植被恢復(fù)影響的研究方面，成佩昆等[1]運(yùn)用基于PCSE修正的面板數(shù)據(jù)模型，針對(duì)陜西省退耕還林工程對(duì)植被恢復(fù)的影響效果展開了深入探究。李昊等[2]則在貴州省畢節(jié)地區(qū)構(gòu)建NDVI-氣候響應(yīng)模型，借助殘差法，細(xì)致分析了以退耕還林工程為主的人為因素在當(dāng)?shù)刂脖桓采w恢復(fù)過程中所發(fā)揮的作用。趙安周等[3]運(yùn)用非參數(shù)化趨勢(shì)度（Sen）方法，精確計(jì)算了退耕還林（草）工程實(shí)施前后黃土高原植被覆蓋的變化情況。程?hào)|亞等[4]運(yùn)用像元二分模型及相關(guān)分析等方法，系統(tǒng)研究了貴州沅江流域植被覆蓋的時(shí)空變化特征，并深入剖析了地形和人口因素對(duì)其產(chǎn)生的影響。此外，部分學(xué)者致力于對(duì)植被動(dòng)態(tài)變化驅(qū)動(dòng)機(jī)制的定量區(qū)分研究，通過分離氣候因子與人類活動(dòng)的相對(duì)作用，以明晰二者在植被變化過程中的具體貢獻(xiàn)。例如，Piao等[5]運(yùn)用預(yù)測(cè)模型，針對(duì)不同驅(qū)動(dòng)力條件下的植被變化開展了定量模擬研究。隨著社會(huì)經(jīng)濟(jì)的持續(xù)發(fā)展以及科技水平的不斷提升，夜間燈光遙感數(shù)據(jù)因其具備覆蓋范圍廣、獲取便捷等顯著優(yōu)勢(shì)，被廣泛應(yīng)用于眾多研究領(lǐng)域，如城市空間格局演變、人口空間分布以及植被覆蓋演變等，用以反映大尺度空間范圍內(nèi)人類活動(dòng)的空間特征與活動(dòng)強(qiáng)度等信息。耿靜等[6]基于西藏1992—2013年DMSP/OLS夜間燈光指數(shù)數(shù)據(jù)，深入探究了由居民點(diǎn)用地和夜間燈光變化所反映出的人類活動(dòng)強(qiáng)度變化，對(duì)西藏生態(tài)系統(tǒng)水土保持和防風(fēng)固沙服務(wù)產(chǎn)生的影響。Zhao等[7]以陜北地區(qū)為例，利用2000—2020年夜間燈光遙感數(shù)據(jù)模擬人類活動(dòng)強(qiáng)度，探討了人類活動(dòng)對(duì)生境質(zhì)量的影響。綜上所述，基于夜間燈光遙感數(shù)據(jù)深入探究人類活動(dòng)對(duì)植被變化影響的研究尚顯不足。鑒于此，本研究以耀州區(qū)為研究區(qū)域，借助夜間燈光遙感數(shù)據(jù)，深入剖析該區(qū)域人類活動(dòng)強(qiáng)度在時(shí)空維度上的變化特征。運(yùn)用相關(guān)分析方法[8]，系統(tǒng)探究人類活動(dòng)強(qiáng)度變化對(duì)研究區(qū)域植被變化所產(chǎn)生的影響。具體而言，聚焦于耀州區(qū)2000—2020年這一時(shí)間段，針對(duì)性地研究植被變化對(duì)于夜間燈光變化所表征的人類活動(dòng)強(qiáng)度變化的響應(yīng)情況，旨在為推動(dòng)耀州區(qū)的可持續(xù)發(fā)展、助力生態(tài)文明建設(shè)[9-10]，以及為實(shí)現(xiàn)耀州區(qū)生態(tài)環(huán)境的科學(xué)管理提供有價(jià)值的參考依據(jù)。

1" 研究區(qū)概況

耀州區(qū)位于陜西省中部的渭北高原南緣，地理位置介于東經(jīng)108°34′至109°06′、北緯34°48′至35°19′之間。耀州區(qū)作為關(guān)中平原與陜北地區(qū)的重要交通樞紐，其地理戰(zhàn)略位置顯著。耀州區(qū)下轄8個(gè)鎮(zhèn)（瑤曲鎮(zhèn)、廟灣鎮(zhèn)、照金鎮(zhèn)、石柱鎮(zhèn)、關(guān)莊鎮(zhèn)、小丘鎮(zhèn)、董家河鎮(zhèn)、孫原鎮(zhèn)）和6個(gè)街道（錦陽(yáng)路街道、天寶路街道、永安路街道、咸豐路街道、正陽(yáng)路街道、坡頭街道），總覆蓋面積為1 608.48 km2。耀州區(qū)處于關(guān)中平原與渭北高原的結(jié)合部，屬于喬山山脈南支及鄂爾多斯臺(tái)地南部邊緣。地勢(shì)呈現(xiàn)北高南低的特征，東部、西部和北部被山地環(huán)繞，中部多為丘陵溝壑地帶，而南部則相對(duì)平坦。根據(jù)地貌特征，耀州區(qū)可分為3個(gè)主要區(qū)域：北部中低山地區(qū)、中部黃土殘塬溝壑區(qū)和南部臺(tái)塬川道區(qū)。其中，北部中低山地區(qū)占據(jù)了耀州區(qū)全區(qū)總面積的56%，涵蓋了照金、廟灣、瑤曲等鎮(zhèn)的大部分地區(qū)。氣候方面，耀州區(qū)屬于暖溫帶大陸性半干旱半濕潤(rùn)易旱氣候區(qū)，四季分明，干濕冷暖變化明顯。年平均日照時(shí)數(shù)為2 356.6 h，年均降水量為554.5 mm，年均氣溫8.4～12.3 ℃，平均無霜期介于206～228 d。該地區(qū)晝夜溫差較大且光照充足。土地利用類型以林地、耕地和草地為主，自然資源豐富多樣。

2" 研究數(shù)據(jù)與方法

2.1" 數(shù)據(jù)來源與處理

行政區(qū)劃矢量數(shù)據(jù)來源于耀州區(qū)2021年度國(guó)土變更調(diào)查數(shù)據(jù)庫(kù)；NDVI數(shù)據(jù)來源于NASA（National Aeronautics and Space Administration）EOS/MODIS，選用2000—2020年歸一化植被指數(shù)（Normalized Difference Vegetation Index）數(shù)據(jù)集；夜間燈光遙感數(shù)據(jù)來源于仲曉雅等[10]中國(guó)長(zhǎng)時(shí)間序列夜間燈光數(shù)據(jù)集。

2.2" 研究方法

2.2.1" 人類活動(dòng)強(qiáng)度分析

夜間燈光指數(shù)作為一種量化工具，被廣泛應(yīng)用于評(píng)估特定區(qū)域內(nèi)人類活動(dòng)的強(qiáng)度。在本研究中，選擇總夜間光指數(shù)（TNLI）作為模擬指標(biāo)，以更精確地表征人類活動(dòng)的空間分布和強(qiáng)度。相較于傳統(tǒng)的平均夜間燈光數(shù)據(jù)等其他指標(biāo)，TNLI能夠更加全面和準(zhǔn)確地反映人類活動(dòng)強(qiáng)度的概念，從而為研究提供更為可靠的數(shù)據(jù)支持。計(jì)算公式如下

式中：DNi為每個(gè)柵格的圖像元素值；n為柵格個(gè)數(shù)。

2.2.2" 植被覆蓋度估算

植被覆蓋度（FVC）作為衡量地表植被狀況的核心參數(shù)，在生態(tài)學(xué)和地理信息系統(tǒng)等領(lǐng)域具有重要地位。當(dāng)前，基于歸一化植被指數(shù)（NDVI）的估算方法因其高效性和普適性，已成為FVC估算的主流技術(shù)之一。像元二分模型，作為一種簡(jiǎn)潔而高效的植被覆蓋度估算工具，通過將像元內(nèi)的植被信息進(jìn)行二分處理，有效提升了植被覆蓋度的提取精度。該模型不僅能夠準(zhǔn)確反映地表植被的真實(shí)狀況，還能在一定程度上克服傳統(tǒng)方法中的局限性，為植被覆蓋度的精確估算提供了有力支持，計(jì)算式如下

式中：NDVI為當(dāng)前像元的植被指數(shù)信息；NDVIsoil為純土壤覆蓋像元的植被指數(shù)信息；NDVIveg為純植被覆蓋像元的植被指數(shù)信息。研究采用0.5%置信度截取NDVI上下閾值，將其熟制最大最小的0.5%區(qū)域分別作平均，分別得到NDVIveg和NDVIsoil。

同時(shí)，在植被覆蓋度的基礎(chǔ)上進(jìn)行植被覆蓋度分級(jí)，原則見表1。

表1" 植被覆蓋度分級(jí)標(biāo)準(zhǔn)

2.2.3" 全局空間自相關(guān)分析

全局空間自相關(guān)分析作為一種統(tǒng)計(jì)工具，旨在揭示特定區(qū)域內(nèi)地理要素的空間關(guān)聯(lián)性和分布模式。Moran's I指數(shù)是這一分析中的關(guān)鍵指標(biāo)，用于評(píng)估變量在空間維度上的聚集顯著性。該指數(shù)的取值范圍為[-1，1]，其中大于0的值指示正的空間自相關(guān)性，意味著相似屬性的地理要素傾向于在空間上聚集；小于0的值則表明存在負(fù)的空間自相關(guān)性，即不同屬性的地理要素在空間上相互排斥；而等于0的情況則表示不存在顯著的空間自相關(guān)關(guān)系。計(jì)算公式如下

式中：I表示Moran's I指數(shù)；xi，xj分別表示位置（區(qū)域）i和j的屬性值；n表示空間位置的數(shù)量；wij表示區(qū)域i和j的空間鄰近關(guān)系，當(dāng)區(qū)域i和j相鄰近時(shí)，wij=1，反之，則wij=0。

2.2.4" 局部空間自相關(guān)分析

局部空間自相關(guān)分析專注于量化特定地理空間單元在整體研究區(qū)域中的空間自相關(guān)性影響，具體而言，它評(píng)估了單個(gè)空間單元的脆弱性值與其鄰近單元的脆弱性指數(shù)之間的關(guān)聯(lián)強(qiáng)度。這一分析通常借助局部Moran's I散點(diǎn)圖和LISA（Local Indicators of Spatial Association）分布圖進(jìn)行可視化展示，從而揭示研究對(duì)象在局部尺度上的空間分異特征。計(jì)算公式為

式中：wij為空間權(quán)重矩陣中的元素，表示區(qū)域i與j之間的空間權(quán)重，當(dāng)區(qū)域i和j相鄰近時(shí)，wij=1，反之，則wij=0；n為空間位置的數(shù)量。

3" 結(jié)果與分析

3.1" 耀州區(qū)植被覆蓋度（FVC）變化趨勢(shì)分析

2000—2020年間，耀州區(qū)植被覆蓋空間分布存在明顯的共性規(guī)律，即“西北高東南低”的空間分布格局。依據(jù)植被覆蓋度分級(jí)標(biāo)準(zhǔn)，對(duì)耀州區(qū)的植被覆蓋程度展開等級(jí)劃分。結(jié)果表明，中高覆蓋度以及高覆蓋度區(qū)域以片狀形式分布于廟灣鎮(zhèn)、瑤曲鎮(zhèn)、照金鎮(zhèn)等地；而低覆蓋度與極低覆蓋度區(qū)域則大多集中于天寶路街道、永安路街道、咸豐路街道和正陽(yáng)路街道等人類活動(dòng)強(qiáng)度較高的街道及其周邊區(qū)域。植被中覆蓋度區(qū)域多數(shù)以低覆蓋度和極低覆蓋度區(qū)域?yàn)楹诵?，以緩沖區(qū)的形式向四周輻散。

從演變趨勢(shì)來看，在2000—2020年內(nèi)，耀州區(qū)的植被覆蓋狀況呈現(xiàn)出從極低覆蓋度、低覆蓋度、中覆蓋度向中高覆蓋度及高覆蓋度方向顯著的生態(tài)改善趨勢(shì)。具體表現(xiàn)為，極低覆蓋度、低覆蓋度以及中覆蓋度區(qū)域的面積占比均呈下降態(tài)勢(shì)，而中高覆蓋度及高覆蓋度區(qū)域的面積擴(kuò)大趨勢(shì)十分明顯。

通過ArcGIS軟件對(duì)耀州區(qū)2000年、2010年及2020年的植被覆蓋度柵格數(shù)據(jù)進(jìn)行差值分析，并依據(jù)差值數(shù)值大小將所得柵格圖層重分類為退化區(qū)域、穩(wěn)定區(qū)域及改善區(qū)域。結(jié)果顯示，2000—2020年耀州區(qū)植被覆蓋整體呈現(xiàn)改善趨勢(shì)，其中，東南和東北方向改善趨勢(shì)顯著，穩(wěn)定區(qū)域主要集中在耀州區(qū)西北部，退化區(qū)域僅于2010—2020年間零星分布在石柱鎮(zhèn)東南角、咸豐路街道及正陽(yáng)路街道。

3.2" 耀州區(qū)人類活動(dòng)強(qiáng)度（TNLI）分布特征分析

通過ArcGIS對(duì)各個(gè)格網(wǎng)逐一開展人類活動(dòng)強(qiáng)度的計(jì)算，按照從低到高的順序，將所計(jì)算出的人類活動(dòng)強(qiáng)度劃分為5類：低強(qiáng)度（0～0.05）、較低強(qiáng)度（0.05～0.25）、中強(qiáng)度（0.25～0.45）、較高強(qiáng)度（0.45～0.7）和高強(qiáng)度（0.7～1）。整體來看，2000—2020年間，耀州區(qū)夜間燈光數(shù)據(jù)主要呈現(xiàn)聚集性分布，主要圍繞街道區(qū)域，即耀州區(qū)人類活動(dòng)強(qiáng)度整體上呈現(xiàn)“南高北低”的趨勢(shì)。

2000—2005年，廟灣鎮(zhèn)和石柱鎮(zhèn)的人類活動(dòng)強(qiáng)度減小，與之相反，董家河鎮(zhèn)、瑤曲鎮(zhèn)以及孫原鎮(zhèn)的人類活動(dòng)強(qiáng)度增大，部分由低轉(zhuǎn)為較低。人類活動(dòng)強(qiáng)度屬于高強(qiáng)度區(qū)的集中分布在咸豐路街道和正陽(yáng)路街道，但5年間人類活動(dòng)強(qiáng)度的變化處于降低的態(tài)勢(shì)，部分區(qū)域由高強(qiáng)度變?yōu)檩^高強(qiáng)度；2005—2010年，耀州區(qū)人類活動(dòng)強(qiáng)度的變化趨勢(shì)較為明顯，且人類活動(dòng)強(qiáng)度較大。其中，耀州區(qū)天寶路街道、永安路街道、咸豐路街道以及正陽(yáng)路街道的人類活動(dòng)較為集聚，且活動(dòng)強(qiáng)度有向四周擴(kuò)張的趨勢(shì)；2010—2015年，人類活動(dòng)高強(qiáng)度區(qū)域顯著擴(kuò)大，屬咸豐路街道、天寶路街道、正陽(yáng)路街道、永安路街道以及錦陽(yáng)路街道的部分區(qū)域人類活動(dòng)較為頻繁，表明該區(qū)域內(nèi)人口密集，經(jīng)濟(jì)發(fā)展態(tài)勢(shì)良好，受人類活動(dòng)影響大；與2015年相比，2020年街道區(qū)域的人類活動(dòng)強(qiáng)度有所降低，高強(qiáng)度區(qū)域處于縮小的趨勢(shì)，中強(qiáng)度區(qū)域逐漸擴(kuò)大。

3.3" 耀州區(qū)人類活動(dòng)強(qiáng)度（TNLI）對(duì)FVC的影響分析

3.3.1" 全局空間自相關(guān)分析

雙變量的空間自相關(guān)在刻畫2個(gè)地理要素的空間關(guān)聯(lián)特性與依賴特征方面，展現(xiàn)出了較高的適用性與有效性。借助雙變量全局空間自相關(guān)（Bivariate Moran′s I），能夠深入探究2個(gè)變量之間的空間關(guān)聯(lián)特征。該方法所得結(jié)果反映的是區(qū)域i中自變量與區(qū)域j中因變量在總體空間分布上的相關(guān)性。

本研究利用Geoda地統(tǒng)計(jì)分析軟件，基于格網(wǎng)尺度，對(duì)耀州區(qū)人類活動(dòng)強(qiáng)度與植被覆蓋度之間的關(guān)系進(jìn)行全局空間自相關(guān)分析，探討格網(wǎng)尺度下兩者的空間關(guān)聯(lián)程度?；贕eoDa地統(tǒng)計(jì)分析軟件平臺(tái)，創(chuàng)建空間權(quán)重矩陣，繪制Moran's I散點(diǎn)圖，得到2000—2020年人類活動(dòng)強(qiáng)度與植被覆蓋度的雙變量空間自相關(guān)Moran's I指數(shù)分別為：-0.167 7、-0.138 9、-0.234 8、-0.347 2、-0.514 5，在99.9%、99%、95%的置信度下P值分別為0.001、0.01、0.05，格網(wǎng)尺度下5個(gè)研究時(shí)段P值均有所有分布，均通過顯著性檢驗(yàn)。5個(gè)時(shí)間段的Moran's I指數(shù)均為負(fù)數(shù)，說明研究區(qū)2000—2020年植被覆蓋度與人類活動(dòng)強(qiáng)度呈負(fù)相關(guān)，即植被覆蓋度隨人類活動(dòng)強(qiáng)度增加而降低，且相關(guān)程度呈現(xiàn)先降低后增加的態(tài)勢(shì)，相關(guān)度在2020年達(dá)到峰值，在2005年處于低谷。

3.3.2" 局部空間自相關(guān)分析

基于格網(wǎng)尺度，分析耀州區(qū)人類活動(dòng)強(qiáng)度與植被覆蓋度之間的局部空間自相關(guān)關(guān)系。借助ArcGIS將耀州區(qū)人類活動(dòng)強(qiáng)度與植被覆蓋度之間的空間集聚或離散程度進(jìn)行可視化表達(dá)，并得到局部空間關(guān)聯(lián)（LISA）聚集圖。根據(jù)結(jié)果顯著性，將兩者之間的空間集聚或離散程度分為5類，即高-高（HH型）聚類、低-低（LL型）聚類、高值主要由低值圍繞的異常值（HL型）、低值主要由高值圍繞的異常值（LH型）以及不顯著型的鄰接類型。

格網(wǎng)尺度下，整體來看，2000—2020年耀州區(qū)植被覆蓋度與人類活動(dòng)強(qiáng)度的局部空間自相關(guān)中，2000、2005和2020年3期不顯著類型的格網(wǎng)數(shù)量最多，低-高（LH）型集聚的格網(wǎng)數(shù)量次之；而2010和2015年2期與之相反，低-高（LH）型集聚的格網(wǎng)數(shù)量最多，不顯著類型的格網(wǎng)數(shù)量次之。2000年，高-高（HH）型集聚的格網(wǎng)數(shù)量為1個(gè)，占比0.08%；低-低（LL）型集聚的格網(wǎng)數(shù)量為1 522個(gè)，所占比例為23.69%；高-低（HL）型集聚以及低-高（LH）型集聚的格網(wǎng)數(shù)量分別為129、2 177個(gè)，占比分別為2%、33.83%；而不顯著型的格網(wǎng)數(shù)量最多，高達(dá)2 596個(gè)，占比為40.4%。2005年，低-低（LL）型集聚的格網(wǎng)數(shù)量減少，其他集聚類型的格網(wǎng)數(shù)量均有所增加。2010年，低-高（LH）型集聚的格網(wǎng)數(shù)量占比最高，為29.35%；不顯著型的格網(wǎng)數(shù)量次之，占比為37.4%，而高-高（HH）型集聚的格網(wǎng)數(shù)量最少，僅22個(gè)。與2010年相比，2015年的變化趨勢(shì)與2005年較為一致，而2020年高-低（HL）型集聚和不顯著型的格網(wǎng)數(shù)量增加，其他類型均有所減少。

空間格局下，2000—2020年間，耀州區(qū)植被覆蓋度與人類活動(dòng)強(qiáng)度的高-低型集聚區(qū)呈現(xiàn)逐漸擴(kuò)大的趨勢(shì)，主要集中分布在東南地區(qū)，2020年該類型集聚區(qū)域擴(kuò)大至各個(gè)街道區(qū)域以及孫原鎮(zhèn)、董家河鎮(zhèn)。低-低型集聚區(qū)主要集中分布在耀州區(qū)的東南部，20年的時(shí)間，該集聚區(qū)域逐漸縮小。低-高型集聚區(qū)主要集中分布在耀州區(qū)北部的瑤曲鎮(zhèn)、廟灣鎮(zhèn)、照金鎮(zhèn)以及西南部的小丘鎮(zhèn)。高-高型集聚區(qū)零星分布，2000年和2005年均零星分布在耀州區(qū)北部的瑤曲鎮(zhèn)，2010年和2015年零星分布在瑤曲鎮(zhèn)、廟灣鎮(zhèn)以及照金鎮(zhèn)，2020年零星分布在瑤曲鎮(zhèn)、廟灣鎮(zhèn)、照金鎮(zhèn)以及坡頭街道區(qū)域。

4" 結(jié)論

植被不僅是人們利用最多的自然遺產(chǎn)，能夠?yàn)槿藗兲峁┴S富的副產(chǎn)品，還在氣候調(diào)節(jié)、空氣凈化、固碳釋氧、生態(tài)系統(tǒng)功能的維持以及動(dòng)植物空間分布格局的影響等方面具有重要意義，科學(xué)合理地評(píng)價(jià)人類活動(dòng)強(qiáng)度對(duì)植被覆蓋度的影響是保護(hù)和管理植被等實(shí)際工作的必要前提和重要切入口，可以為耀州區(qū)植被利用規(guī)劃提供指導(dǎo)。

參考文獻(xiàn)：

[1] 成佩昆，胡守庚，孫濤，等.陜西省退耕還林工程對(duì)植被恢復(fù)的效應(yīng)——基于PCSE修正的面板數(shù)據(jù)模型[J].干旱區(qū)研究，2018，35（6）：1477-1486.

[2] 李昊，蔡運(yùn)龍，陳睿山，等.基于植被遙感的西南喀斯特退耕還林工程效果評(píng)價(jià)——以貴州省畢節(jié)地區(qū)為例[J].生態(tài)學(xué)報(bào)，2011，31（12）：3255-3264.

[3] 趙安周，張安兵，劉海新，等.退耕還林（草）工程實(shí)施前后黃土高原植被覆蓋時(shí)空變化分析[J].自然資源學(xué)報(bào)，2017，32（3）：449-460.

[4] 程?hào)|亞，李旭東，楊江州.西南山地流域NDVI變化特征及降水敏感性——以貴州沅江流域?yàn)槔齕J].生態(tài)學(xué)報(bào)，2020，40（4）：1161-1174.

[5] PIAO S L， YIN G D， TAN J G， et al. Detection and attribution of vegetation greening trend in China over the last 30 years[J]. Global change biology， 2015，21（4）：1601-1609.

[6] 耿靜，徐棟，吳御豪，等.海南島生態(tài)環(huán)境質(zhì)量時(shí)空變化及其對(duì)氣候變化與人類活動(dòng)的響應(yīng)[J].生態(tài)學(xué)報(bào)，2022，42（12）： 4795-4806.

[7] ZHAO Y， 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， 2022，851：158037.

[8] 劉婷婷，楊曉霞，葉許春，等.人類活動(dòng)對(duì)2000—2020年鄱陽(yáng)湖流域陸地植被覆蓋變化的影響[J].水土保持通報(bào)，2022，42（4）：320-329.

[9] 余晨渝，肖作林，劉睿，等.人類活動(dòng)對(duì)西南山地植被覆蓋變化的影響——以重慶市為例[J].生態(tài)學(xué)報(bào)，2022，42（17）：7177-7186.

[10] 仲曉雅，閆慶武，李桂娥.中國(guó)長(zhǎng)時(shí)間序列夜間燈光數(shù)據(jù)集的研發(fā)（2000—2020）[J].全球變化數(shù)據(jù)學(xué)報(bào)（中英文），2022，6（3）：416-424.

第一作者簡(jiǎn)介：汪浩敏（2000-），女，碩士研究生。研究方向?yàn)樽匀毁Y源管理。