利用夜間燈光影像的云南省縣域光污染研究

李媛婷,李益敏,吳博聞,王東馳,趙娟珍

(1.云南大學 國際河流與生態安全研究院,昆明 650500;2.云南大學 地球科學學院,昆明 650500;3.云南大學 云南省高校國產高分衛星遙感地質工程研究中心,昆明 650500)

0 引言

隨著人類活動的擴大和全球環境的變化,生物多樣性減少與物種豐富度降低已成為生態系統可持續發展的熱點探討問題之一[1]。已有研究表明人類經濟與社會活動對生態系統帶來的壓力是造成生物多樣性下降的主要因素之一[2],而在各種類型的人類活動壓力中,違反自然規律的長期夜間燈光照射帶來的光污染無疑對生物的生活與生存產生了顯著影響。目前,光污染已成為一個全球性的環境問題,特別是在發達國家和快速發展中國家[3]。近幾十年,全球邁入迅速城市化階段,預計未來的城市擴張將主要發生在全球生物多樣性熱點地區[4]。這些區域的城市擴張一方面會導致生物棲息地的減少,另一方面城市長期人工照明對自然明暗周期的破壞可能會影響生物的生理、行為、遷移和繁殖,從而間接影響當地物種的豐度和群落的結構。

夜間穩定的亮光絕大多數來自于城市區域的人造光源,過去光污染研究主要通過局部地面觀測或實驗室研究實現,難以開展較大空間范圍和較長時間序列的光污染研究[5]。但夜光遙感技術的發展為綜合遙感觀測和生態模型的光污染影響量化提供了科學、可行、高效的解決辦法。越來越多的證據表明,夜間燈光遙感影像可以用于量化人工照明對區域生物多樣性與自然生態系統帶來的影響[6]。近幾年國外已涌現許多基于夜間燈光數據的光污染現狀或生物多樣性威脅相關研究,而國內有關研究還處于起步階段。從研究尺度來看,已有光污染研究多基于全球尺度、城市群尺度、省級尺度和保護區尺度[7]開展,暫無基于縣域單元開展的光污染威脅研究。從研究內容來看,Koen等[8]研究了1992-2012年全球范圍內光污染對哺乳動物、鳥類、爬行動物和兩棲動物的物種豐富度帶來的影響;Bennie等[9]利用DMSP/OLS影像與遙感土地覆蓋產品,評估了1992-2012年夜間人造燈光對全球不同生態系統類型帶來的影響;Zhu等[10]綜合DMSP/OLS夜間燈光數據集和LCC估計的人類干擾(HD)指數,量化了2000-2013年期間的人類活動對國家自然保護區帶來的壓力與威脅。整體上,已有研究均是在定性分析夜間燈光可能對生態系統與生物多樣性帶來負面效應的基礎上進行疊加分析,缺少對光污染和物種密度相關性與威脅性的定量描述。

研究利用夜間燈光影像分析云南省2000- 2020年間各縣域受燈光污染程度與持續性的時空分異特征,并在夜間燈光與物種密度顯著相關的基礎上,進一步結合哺乳類、兩棲類、爬行類的物種密度探測了各縣域單元受光污染威脅的大小及需要加大保護力度、加強保護措施的迫切程度,對實現快速城市化背景下的區域可持續發展與生態安全目標有重要意義。

1 研究區概況與數據來源

1.1 研究區概況

云南省地處中國西南邊陲,地跨97°31′E～106°11′E、21°8′N～29°15′N,總面積為3.941×105km2,轄129個縣級區劃。云南省位于亞歐板塊、印度洋板塊和太平洋板塊3大板塊相互碰撞、擠壓的特殊地理位置,北高南低的縱向嶺谷造就了山地云南的復雜地質條件,西南季風和東南季風的交替影響則帶來了多樣的氣候環境,這些自然條件與生態環境促使云南成為了全球生物多樣性最豐富、最集中的地區之一。據統計,云南在4%的國土面積上棲息著全國50%以上的動植物種類和70%以上的微生物種類,擁有85%以上的植被及生態系統類型,在我國乃至世界的生物多樣性保護中有著不可或缺的重要地位[11]。

1.2 數據來源與處理

研究所需數據包括矢量數據、夜間燈光影像數據與物種分布數據3部分。

矢量數據主要為云南省129個縣域的行政區劃數據,來源于全國地理信息資源目錄服務系統中的1∶100萬公眾版基礎地理信息數據(2021)。

DMSP/OLS夜間燈光數據揭開了夜光遙感的新篇章,而NPP/VIIRS數據則進一步彌補了DMSP/OLS數據在時間、空間和輻射分辨率上的不足[12]。余柏蒗團隊通過提升DMSP-OLS數據質量,將其與NPP-VIIRS夜間燈光數據拼接,得到了能夠通過精度驗證的長時序類NPP-VIIRS夜間燈光數據集[13]。從國家地球系統科學數據中心(http://www.geodata.cn)上下載該數據集,并利用縣域矢量數據進行掩膜提取。同時,為保證投影前后區域的面積保持不變[14],研究將所有影像的投影坐標系都設置為Albers等積投影。

物種分布數據主要下載自國際自然保護聯盟紅色名錄空間數據集,包括2021年哺乳動物、兩棲動物和爬行動物的分布數據。

2 研究方法

2.1 夜間燈光指數

研究分別使用總夜光值(total night light,TNL)和夜光平均值(night light mean,NLM)來表示夜間燈光污染水平的總和和光污染密度,用于反映縣域光污染的總體水平和平均水平。通過計算不同年份TNL指標的差值,可以進一步測度縣域光污染趨勢與持續類型,從而表征縣域光污染的時間特征。NLM指標則能夠消除不同縣域間面積差異帶來的影響,表征了縣域光污染的空間特征。具體計算方法參考文獻[3]的研究。

2.2 光污染趨勢分析

Theil-Sen 中值趨勢估計是一種受異常值干擾小的非參數估計方法,一般通過計算j-i時間步長下所有成對觀測值Xj-Xi之間斜率的中位數得到[15]。所有像元對斜率的中值用β表示,為0表示觀測值無變化,為正表示觀測值在時間序列上呈增加趨勢,反之則表示呈減少趨勢。

Mann-Kendall檢驗法常用于檢驗時間序列變化趨勢的顯著性[16],目前已有學者將其用于檢測夜間燈光的長時序變化趨勢顯著性[17]。具體通過計算統計量Z進行趨勢檢驗,即在顯著性水平α下,當|Z|>Z1-α/2,表明觀測值在長時間序列上存在顯著性變化,反之則為不顯著變化。

在給定的0.01、0.05和0.1的置信水平α下,綜合斜率中值β和統計量|Z|的取值進行光污染趨勢類別劃分,如表1所示。

表1 基于β值與統計量Z的光污染趨勢分類

2.3 時空特征分析

1)空間馬爾科夫鏈?？臻g馬爾可夫鏈是“空間滯后”概念與傳統馬爾可夫鏈方法結合的產物,能夠更好地刻畫區域內因相互聯系和相互作用而產生的空間溢出效應[18]?？臻g馬爾可夫鏈通常以地域單元的鄰接區域觀測值的加權平均值作為其在初始年份的空間滯后值來將其離散為k種空間滯后類型,并在此基礎上將傳統的N×N階狀態轉移概率矩陣分解為k個。具體的計算公式參考周亮等[19]的研究。

2)聚類和異常值分析。聚類和異常值分析主要基于Local Moran’s I 指數來度量每個地域單元與其臨近空間單元的屬性特征值之間的相似性和相關性,從而反映出局部區域的空間異質性、不穩定性和相互關聯特征[20]。若Local Moran’s I為正,表示觀測值之間顯著正相關,為高高集聚或低低集聚;為負,則呈顯著負相關,高值與低值集聚;當接近期望值-1/(n-1)時,則區域單元不存在空間自相關,無明顯聚類[21]。

2.4 縣域光污染威脅類型劃分

根據研究時段內NLM指數增值和各物種密度D,將縣域受到的光污染威脅分為7類(表2),通過光污染增長類型與物種密度等級的信息疊加,分析云南省各縣級區劃中受人類活動威脅較低的區域與亟需采取措施改善光污染狀況的區域。

表2 基于光污染指數與物種密度的光威脅分類標準

3 結果分析

3.1 縣域光污染程度與趨勢分布格局

1)光污染程度與短期變化趨勢。分別計算2000年、2005年、2010年、2015年和2020年的NLM指數,并采用自然斷點法將污染程度劃分為未被污染、低污染、較低污染、中等污染、較高污染和高污染6種類型(圖1)。此外,研究還分別計算了2000-2020年間4個時段的TNL指數差值,作為縣域光污染持續性的簡單測度標準,依據差值正負劃分為增強污染和減弱污染兩種趨勢。

圖1 2000-2020年云南省縣域污染程度與趨勢

可視化結果顯示,從同一時間不同縣域單元的受污染程度來看(圖1),整體上云南省縣域單元呈以昆明主城區的官渡、呈貢等縣域單元為中心向四周減弱的光污染分布格局。從各縣域單元在不同時間的受污染程度來看,整體光污染程度呈逐年上升趨勢。具體表現為2015年前西北的貢山與東北的鹽津等未受光污染影響區域在2020年已遭受夜間燈光的侵蝕,且2000年的較低及以上污染僅分布于昆明主城區附近,發展到2020年較低及以上污染則廣泛分布于曲靖、楚雄等州市下轄的縣域單元。從各年份不同光污染程度占比來看(圖2),同一時期內受到低污染縣域占比最多均在85%以上,可見云南省整體受光污染干擾程度不高。但2000-2020年期間,未受污染和低污染的縣域占比分別由1.55%、95.35%逐年下降至0%、85.27%,較低污染與中等污染縣域則分別增長了6.97和3.10個百分點,表明雖然整體受污染程度不高仍以較低污染為主,但呈逐年增加的趨勢。

圖2 2000-2020年云南省縣域不同污染程度與趨勢占比

從光污染趨勢來看(圖1),增強污染區域占比最大且分散分布于各縣域單元,而增強污染的縣域又分為夜光污染基數大且持續增強的區域如官渡、呈貢等,以及原本未受污染但逐漸受到少量人類活動干擾的區域如綏江、貢山等。而減弱污染區域如東部的富寧、西部的盈江、北部的德欽、南部的綠春等地則屬于云南省邊界發展相對緩慢的縣域,其中較為特殊的是2005-2010年期間的部分縣域如昆明五華,只在該時間段內為減弱污染,與其2005-2010年統計年鑒中縣年末總人口數呈現的下降趨勢大致吻合。從各年份不同光污染趨勢縣域占比來看(圖2),20年間所有縣域單元(100%)都經歷了光污染的增加,但在不同時段內增強污染的縣域單元占比有所起伏變化。表明雖然部分縣域并非在任何時段內都受到持續增強的光污染,但在整個研究時段內受到的光污染依舊呈增長趨勢。

2)光污染長時間序列趨勢。為進一步探究光污染20年間的長時間序列趨勢,研究基于Theil-Sen中值趨勢和Mann-Kendall檢驗方法,對光污染趨勢類型做了具體的分類與顯著性檢驗。如圖3所示,整體上光污染在長時間序列中呈增加趨勢。其中呈極顯著增加趨勢地區以滇池北岸部分主城區為主,其余的大理、麒麟等地也明顯呈增加趨勢,其中曲靖市的行政中心麒麟(圖3(b))等區域光污染的增長考慮是受到人口增加和城市擴張的影響,而大理白族自治州的大理(圖3(c))等縣域單元人類活動侵擾增強則在一定程度上受到當地旅游業發展的影響。從各類趨勢占比來看(不考慮無變化區域),2000-2020年間呈增加趨勢(89.43%)的柵格單元數量明顯大于減少趨勢(10.57%),而增加趨勢中顯著增加與極顯著增加共占比44.30%,即光污染增加趨勢顯著。而部分呈光污染減少趨勢的地區,如滇池北岸主城區小部分區域(圖3(a)),可能是因為2007年5月起昆明市全面開展了滇池流域和其他重點區域禁止挖砂采石工作,至2011年初累計關停礦山509家,從而導致了夜間燈光的減少。

圖3 2000-2020年云南省縣域光污染長時序趨勢

3.2 縣域光污染時空演變特征

1)縣域光污染程度時空轉移特征?？臻g馬爾可夫轉移矩陣能夠在傳統馬爾科夫轉移矩陣的基礎上,基于空間視角探究不同區域相互作用背景下各縣域單元光污染程度的時空動態轉移特征。在基于NLM指數將云南省縣域劃分為6種光污染程度的基礎上,分別計算2000-2020年間4個時段內基于空間滯后類型的空間馬爾科夫轉移矩陣(表3、表4)。從空間馬爾科夫轉移矩陣中可以看出,云南省縣域光污染程度存在一定的空間溢出效應。

表3 2000-2010年云南省縣域光污染程度空間轉移矩陣

表4 2010-2020年云南省縣域光污染程度空間轉移矩陣

整體而言,與中等污染縣域相鄰時,向上轉移概率普遍增加,而與低污染程度縣域相鄰時,向下轉移概率普遍增加,即相鄰縣域單元間光污染程度受彼此的相互影響。

2005-2010年,低污染向上轉移的概率平均為0.473,與低污染和較低污染程度縣域相鄰時概率為0.02和0.4,而與中等污染縣域為鄰時概率上升至1。

總體上各個時段內,較低污染程度的縣域保持平穩不變的概率均大于其向上或向下轉移的概率,表明較低污染的縣域時空變化與轉移存在慣性。

除2005-2010年的3個時段內,與中等污染縣域相鄰的縣域單元均保持平穩狀態或向上轉移,無向下轉移,且其中自身污染程度較高的縣域單元向上轉移概率為1,而向下轉移則通常發生在與低污染相鄰的部分縣域。

與昆明主城區各光污染程度中等及以上縣域相鄰的區域,總體呈同步向上轉移的趨勢,表明此區域內存在較強的正向溢出效應。而這種縣域間的正向影響不利于減緩縣域內光污染帶來的負面影響,為縣域光污染的治理帶來了一定的困難與挑戰。

2)縣域光污染變化空間聚類特征。為了度量屬性特征值的局部區域空間異質性與不穩定性,基于TNL指數差值和NLM指數差值對云南省各縣域單元在5個時段內的時空演變格局進行分析(圖4)。從可視化結果可以看到云南省縣域單元光污染變化的局部自相關特征。

圖4 2000-2020年云南省縣域污染變化聚類和異常值分析

20年間整體來看,TNL與NLM指數變化的空間分布具有明顯的聚集特征,且兩個指數的空間聚集特征大致重合,高高聚類集中分布于昆明南部的晉寧、玉溪北部的澄江與曲靖西部的馬龍等地,高低聚類縣域數量相對較少且呈點狀分布于楚雄與臨滄的行政中心,低高聚類多與高高聚類縣域單元緊鄰分布如玉溪的江川、昆明的石林等地,低低聚類則主要分散分布于云南南北部邊緣發展較為緩慢的縣域。

從不同時間段來看,2010-2020年與2000-2010年相比,具有顯著空間聚類特征的縣域單元數量相對較多且分布范圍更廣,表明隨著時間推進與社會經濟發展,各縣域單元間的“俱樂部趨同”效應有所增強且較低及以上污染程度縣域的影響力有所提升。

總體而言,成片分布的高高聚類與低高聚類縣域單元周圍分布有在整個研究時段內都屬于中等及以上污染程度的五華、官渡、西山等受人類活動強度較大的縣域,即這附近的縣域單元受到人口、交通、經濟發展等各方面的影響,中等及以上污染程度的縣域在空間關聯模式下對鄰域單元光污染增長起到了一定的促進作用,與空間馬爾可夫轉移矩陣所得結論基本一致。因此改善縣域的光污染現狀不僅需要從各縣域單元自身的管理與政策著手,還需要考慮相鄰縣域可能造成的夜間燈光影響擴散。

3.3 縣域光污染威脅特征

1)光污染與物種密度相關性。在結合光污染指數與物種密度數據進行縣域光污染威脅分析前,需要確定夜間燈光與物種分布間是否存在顯著的相關性。故基于對數化后呈正態分布的3類物種密度與4個光污染指數,進行皮爾遜相關系數檢驗(圖5)。圖中顏色由紅到藍表明變量間相關性絕對值由大到小,**和*分別表示在0.01和0.05置信水平下兩個變量相關性顯著。從圖中可以直觀看出,所有光污染指數均與物種密度呈顯著負相關,表明基于物種分布數據與光污染數據分析夜間燈光可能對區域物種密度造成的影響與威脅是合理且可行的。從各光污染指數相關性絕對值大小來看,均呈哺乳類>兩棲類>爬行類的排序。對于3類物種而言,2020年NLM指數和2000-2020年間NLM指數差值均為相關性系數更高的夜間燈光指數。爬行動物密度與2020年TNL指數和2000-2020年間TNL指數差值的相關性未能通過顯著性檢驗,且與哺乳類和兩棲類的不同之處在于爬行類NLM指數差值與物種密度的相關性更高。而夜間燈光指數與物種密度間呈現顯著負相關的原因可能在于,一方面光污染通過改變自然夜間光照環境對生物多樣性與生態系統造成直接影響,另一方面夜間燈光指數間接反映了城市擴張、人口增長等人為因素對物種密度帶來的威脅。

注:**.在0.05的水平下,斜率顯著不同于0;*.在0.05的水平下,斜率不顯著異于0。圖5 光污染指數與物種密度的相關性系數熱圖

2)光污染威脅類型分布特征。為了分析不同縣域單元內光污染對區域內物種可能造成的威脅,依據哺乳類、兩棲類和爬行類的物種密度大小將其劃分為較低、中等和較高3個等級。并在綜合考慮的基礎上,為了體現夜間燈光變化對物種密度的影響,選取2000-2020年間NLM指數差值進行光污染威脅類型分析,根據表1所列標準將所有縣域分為7類(圖6)。

圖6 2000-2020年云南省縣域光污染威脅類型

可視化結果顯示,2000-2020年間空間上以昆明主城區及周圍幾個縣域為重點光污染增長區域,其余中等光污染增長區域主要分布在大理、曲靖等州市的行政中心。且20年間光污染增長最高的區域為昆明市的官渡區與呈貢區,同時該區域分布有相對密度較大的哺乳類、兩棲類和爬行類動物,即這兩個縣域單元的物種受光污染威脅最大。從不同物種分布來看,哺乳類中等密度縣域單元相較其他兩類數量更多、分布更廣,同時哺乳類物種密度與光污染指數相關性最強,這意味著3類物種中哺乳動物光污染威脅最大。具體的,從各類型占比來看,整體上受到較低污染增長影響的縣域單元占比最多(86.82%),且3類物種中光污染類型為LL的縣域單元均占比最多在40%以上。物種密度中等及以上且污染程度中等及以上的縣域占比分別為哺乳類(12.41%)>爬行類(11.63%)>兩棲類(9.3%),同樣表明總體上哺乳類受到的光污染威脅最大。此外,物種密度為中等及以上但光污染增長較小的縣域占比較多分別為44.96%、27.91%和27.91%,表明云南省各縣域單元中3類物種密度高的區域大多得到了較好的保護,整體受到的光污染威脅不高。但仍有部分3類物種密度較高的縣域遭受了中等及以上的光污染增長威脅,如昆明的官渡、呈貢、五華及德宏的瑞麗等地。這些縣域是需要重點加大保護力度的區域,應當在后續規劃縣域建設和完善縣域管理條例區時,盡量做到科學、合理、協調,以緩和環境保護和人類社會發展可能帶來的矛盾。

4 結束語

總地來說,2000-2020年間研究區光污染呈增加趨勢,云南中部昆明主城區和西部地區的光污染增速正在加快。這些發現可以與我國的經濟發展趨勢和政策指導聯系起來。對于局部地區而言,光污染變化受到多方面的影響,如麒麟等行政中心的人口增長和城市擴張、大理等地旅游業的發展、滇池北岸主城區部分礦廠的關閉等,都可能導致光污染的增強或減弱。而增強的光污染改變了夜晚原有的黑暗環境,無疑會帶來一系列負面效應。一方面是對人類自身的危害,越來越多的證據表明夜間燈光與人類健康狀況之間存在潛在聯系,對人類的睡眠質量[22]、乳腺癌[23]、糖尿病[24]等疾病發病率有一定的影響。另一方面是對生態的危害,夜間高強度燈光既可能在生態系統水平上影響生態系統服務供應,也可能在生物水平上影響動植物正常的生物鐘與生長規律[25]。因此,為了促進生態保護和地方利益之間的協調發展,有必要采取措施防止或減少夜間燈光的負面影響,維持和增加自然的無照明區域是有效途徑之一,此外限制照明時間、改變照明強度或頻譜等措施也能一定程度地減輕光污染帶來的危害。

本研究僅從宏觀角度分析了縣域光污染對當地生物多樣性帶來的威脅大小,但實際上并非所有哺乳類、兩棲類和爬行類的物種都會受到夜間光照的影響,在制定針對性保護政策時應首先考慮在夜間活動的物種、棲息地容易受到光污染的物種,以及在IUCN瀕危物種紅色名錄上提及的或在當地生態系統中至關重要的物種。同時也并非研究區內所有地區都會接觸到人工燈光,這取決于地理位置,在劃定保護范圍時應優先考慮敏感地區、保護區和對夜間燈光特別敏感物種很重要的地區。而研究后續的發展方向,則是在城市尺度、1 km×1 km格網等更小的地域單元上劃分光污染威脅類型,選擇更容易受到光污染影響的物種如蝙蝠、貓頭鷹、夜鶯、壁虎、青蛙等夜行動物,或對光污染敏感的地區如有在國際自然保護聯盟紅色名錄類別中瀕危物種相關記錄的自然保護區進行精細化研究。