EN中文

中国生态旅游 >

2025 , Vol. 15 >Issue 3: 576 - 589

DOI: https://doi.org/10.12342/zgstly.20250110

生态旅游

基于夜间灯光数据的大熊猫国家公园光污染时空演变特征及影响因素

  • 王洋溢 , 1 ,
  • 王华 , 1, * ,
  • 唐晖 2
展开
  • 1.暨南大学深圳旅游学院，深圳 518053
  • 2.中南林业科技大学国家公园与旅游学院，长沙 410081
* 王华（1978-），男，博士，教授，研究方向为旅游与城乡发展。E-mail:

王洋溢（2002-），女，硕士研究生，研究方向为生态旅游、旅游规划开发。E-mail:

收稿日期: 2025-04-10

  修回日期: 2025-05-30

  网络出版日期: 2025-07-23

基金资助

国家自然科学基金面上项目(41871132)

2025—2026年度广东省公共文化和旅游公共服务体系制度设计课题(GDWLGGFW-202526)

收起

Spatiotemporal evolution characteristics and influencing factors of light pollution in the Giant Panda National Park based on nighttime lighting data

  • Wang Yangyi , 1 ,
  • Wang Hua , 1, * ,
  • Tang Hui 2
Expand
  • 1. Shenzhen Tourism College, Jinan University, Shenzhen 518053, China
  • 2. College of National Park and Tourism, Central South University of Forestry and Technology, Changsha 410081, China
* Wang Hua. E-mail:

Received date: 2025-04-10

  Revised date: 2025-05-30

  Online published: 2025-07-23

Fold

摘要

国家公园的核心宗旨在于保持自然生态系统的完整性，然而光污染已成为当前国家公园自然生态保护面临的新挑战。研究以大熊猫国家公园为例，基于长时间夜光遥感数据，结合地理信息系统空间分析技术和地理探测器方法，探究了该区域1984—2020年间光污染的时空演变特征及影响因素。结果显示：（1）在时序演化上，大熊猫国家公园光污染总体呈上升趋势，在2000年及2008年之后加剧的趋势显著；（2）在空间分异上，光污染的空间分布呈现出“边缘集聚、核心渗透”的分异特征，其中显著变化的区域主要集中在国家公园破碎化地块的边缘区域、交通干线周边以及行政区划的交界地带等。（3）在影响因素上，光污染由多种因素非线性交互作用所驱动，国内生产总值为主导因素，且当其与路网密度叠加时，影响达到最大。研究揭示了大熊猫国家公园光污染的时空演变规律及其影响因素，为国家公园保护与建设政策的制定提供了重要参考依据。

关键词： 大熊猫国家公园; 光污染; 时空演变特征; 影响因素; 夜间灯光数据

本文引用格式

王洋溢 , 王华 , 唐晖 . 基于夜间灯光数据的大熊猫国家公园光污染时空演变特征及影响因素[J]. 中国生态旅游, 2025 , 15(3) : 576 -589 . DOI: 10.12342/zgstly.20250110

Abstract

The core purpose of national parks lies in maintaining the integrity of natural ecosystems. Nevertheless, light pollution has become a new challenge currently for natural ecological conservation in national parks. The research takes the Giant Panda National Park as an example. Based on long-term nocturnal light remote sensing data, in combination with the spatial analysis technology of Geographic Information System and the geographical detector method, it explores the spatiotemporal evolution characteristics and influencing factors of light pollution from 1984 to 2020. The research findings indicate that: (1) in terms of temporal evolution, light pollution in the Giant Panda National Park is generally on the rise, with a significantly intensification observed particularly after 2000 and 2008. (2) In terms of spatial differentiation, the pollution exhibits a characteristic pattern of “peripheral agglomeration and core infiltration”, where areas of significant change are concentrated along the fragmented edges of the park, adjacent to major transportation corridors, and near administrative boundaries. (3) In terms of influencing factors, light pollution is driven by the nonlinear interaction of multiple factors. Among them, the gross domestic product is the leading factor, and when it is superimposed with the road network density, the impact reaches its maximum. This research reveals the spatiotemporal evolution patterns and influencing factors of light pollution in the Giant Panda National Park, providing an important reference for the formulation of protection and construction policies for national parks.

Key words： Giant Panda National Park; light pollution; spatiotemporal evolution; influencing factors; nighttime lighting data

1 引言

电的发明与广泛使用被誉为人类最重要的技术进步之一，然而，人造光的迅速增加已对自然生态系统构成新的威胁[1]。研究表明，全球自然保护地正以每年10%的扩张速度遭受光污染的侵扰[2]。与传统人为干扰因素相比，光污染具有无边界控制的特性，其影响范围可延伸至300 km[3]，对自然生态系统造成了极大威胁[4-5]。近几十年来，随着暗夜保护理念的逐步兴起与传播，光污染问题已引起学界、机构和政府的高度关注。大熊猫国家公园作为中国生态安全战略格局“两屏三带”的核心区域，更是全球生物多样性保护的热点地区，在全球生态系统中占据重要地位[6]。因此，深入研究大熊猫国家公园光污染的时空演变规律及其影响因素，对于该国家公园的保护与建设具有至关重要的意义。
20世纪70年代，国际天文界率先引入“光污染”概念[7]。Verheijen[8]在1985年明确提出光污染是“对野生动物产生不利影响的人造光”。1994年，日本正式确认了光污染的存在[9]。此后，学界对光污染的关注持续升温，研究范围涵盖多个领域，包括生态影响、健康效应、环境监测和模型评估等[10]。光污染通过改变自然界环境的明暗形态，对生态系统中昆虫的物候和生物多样性产生显著影响。短期内，它干扰生物的辨位能力和昼夜节律；长期来看，则可能导致生态位变化和生物多样性下降，引发基因层面和系统层面的紊乱。相较于传统技术在开展大尺度时空范围环境研究上的局限性，夜光遥感技术为光污染研究提供了更为科学、可行且高效的解决方案[11]。众多学者利用美国国防气象卫星计划（Defense Meteorological Satellite Program，DMSP）的线性扫描系统（Operational LinescanSystem，OLS）所产生的DMSP-OLS夜间灯光数据集，对大区域、大陆保护区、沙滩、城市公园绿地等进行了不同尺度与不同时序的研究，揭示了光污染对昆虫、沙滩无脊椎动物等生物在发育、觅食和繁殖等基本生存活动上的显著不利影响[12-15]。综上，现有光污染研究大多集中在较大尺度范围，尚缺乏基于县域单元层面的光环境及光污染威胁研究。
国家公园是自然生态系统保护研究的关键领域，现有研究主要涵盖资源评估、环境影响、发展模式和规划运营等多个方面[16]。大熊猫国家公园地处长江中上游的重要集蓄水区，作为中国重要的生态脆弱区，其生态安全状况直接影响着广大区域的国土生态安全[17]。早在1974年，四川省便启动了对大熊猫国家公园区域的资源调查，持续完善监测体系建设，为该区域内的生物多样性考察、监测和研究奠定了坚实基础[18]。目前该区域的研究主要集中在资源生境状况调查[19]、生态恢复[17]、自然教育[20]、智慧管理[21]和体制构想[22]等方面。总体而言，尽管对大熊猫国家公园的研究已有所积累，但较少涉足国家公园尺度下的遥感应用、光污染环境等相关领域的研究。因此文章基于长时间序列夜间灯光数据，运用空间分析法，尝试探讨大熊猫国家公园光污染的时空演变特征及其影响因素，旨在为大熊猫国家公园及其他国家公园的保护和建设提供政策制定的科学依据。

2 数据来源与研究方法

2.1 研究区域

大熊猫国家公园作为全球跨纬度最多的国家公园之一，现已发展成为世界生物多样性保护示范区、生态价值实现先行区及生态教育样板区。根据中共中央办公厅和国务院办公厅联合印发的《大熊猫国家公园体制试点方案》，大熊猫国家公园跨四川、陕西和甘肃三省，涉及岷山片区、邛崃山-大相岭片区、秦岭片区及白水江片区等，总面积达27 134 km2（图1）。基于国家林业和草原局公布的规划文本及开源边界数据，通过空间分析确定公园区域涉及41个县（市、区）。县域作为中国生态治理的基本单元，其光污染动态能够较为准确地反映区域发展状况。
图1 大熊猫国家公园范围

注：基于自然资源部标准地图服务网站下载的审图号为GS(2020)4619号的标准地图制作，底图边界无修改，以下同。为方便排版，图中秦岭片区的标注位置为示意性表达，不代表其实际地理位置，以下同。

Fig. 1 The range of Giant Panda National Park

2.2 数据来源

2.2.1 夜间灯光遥感数据

夜间灯光遥感作为遥感应用研究中的一个活跃且重要的分支，近年来在自然科学和社会经济领域受到了广泛关注，为研究人类活动和城市化进程等方面提供了稳定便捷的途径和独特的视角。目前，相关的夜间灯光数据（Nighttime Light，NTL）主要应用于城市环境[23]、自然环境[24]、能源[25]和灾害[26]等领域的研究。自1992年以来，可用的卫星NTL数据已陆续公开，但至今尚未形成一个从1992年至今具有高时间一致性的数据集。Zhang等[27]通过一种名为夜间光卷积长短期记忆网络（Nighttime Light Long Short-term Memory, NTLSTM）的空间和时间感知方法，深度融合DMSP-OLS历史数据与先进深度学习技术，生成了1984—2020年中国1 km × 1 km分辨率的长期人工夜间光数据集（A Prolonged Artificial Nighttime-light Dataset of China (1984—2020)，PANDA）。相较于其他数据集，该数据不仅具备更好的时间连续性和数据质量，而且较为完整地涵盖了中国发展的关键时间节点，并在与建成区、国内生产总值（Gross Domestic Product，GDP）、人口等社会经济指标的相关性方面表现更优。

2.2.2 驱动因子数据

光污染的形成与变化是自然因素和社会经济因素综合作用的空间呈现结果。目前，学界对光污染驱动因素的研究相对较少。文章参考相关学者的研究成果[11,28-31]，选取人口密度（X1）、路网密度（X2）、植被指数（X3）、国内生产总值（X4）作为大熊猫国家公园光污染变化的驱动因子进行探索性研究。相关学者在研究全球光污染趋势时指出，道路网络的扩展是光污染的重要来源，通过各类工业基础设施直接照亮光源周围环境，扩展了光污染的生态影响[30]。基于卫星遥感影像获得的植被指数（Normalized Difference Vegetation Index，NDVI）数据能够准确反映地表植被覆盖状况，在各尺度区域的研究中应用广泛。NDVI作为景观生态风险的次要驱动因子，可能通过调节生态系统稳定性间接影响光污染的传播[28]。国内生产总值作为经济活动的核心指标，与能源消耗和人工照明强度高度相关。数据来源见表1。
表1 数据来源表

Tab. 1 Data source table

指标 因子 数据名称 来源
夜间灯光数据 NTL(Y) 中国长时间序列逐年人造夜间灯光数据集PANDA(1984—2020) http://data.tpdc.ac.cn
人口密度数据 POP(X1) 中国人口空间分布公里网格数据集 https://www.resdc.cn/
交通路网数据 ROAD(X2) Openstreetmap 2022 https://www.openstreetmap.org
植被指数数据 NDVI(X3) 中国年度植被指数(NDVI)空间分布数据集 https://www.resdc.cn/
国内生产总值数据 GDP(X4) 中国GDP空间分布公里网格数据集 https://www.resdc.cn/

2.3 研究方法

2.3.1 Mann-Kandall检验

首先，利用模型构建器对获取的夜间灯光数据进行栅格化迭代处理并进行投影，构建地理数据库，并创建镶嵌数据集，以便高效处理夜间灯光的时间与空间数据。其次，通过添加栅格数据并将其转换为云栅格文件。最后通过字段链接，精准获取每个县（区、市）的夜间灯光数值。
研究采用Mann-Kendall检验法分析1984—2020年间大熊猫国家公园范围内光污染的年际变化特征。该方法最初由Mann[32]和Kendall[33]提出与改进，是一种在长时间序列趋势分析中广泛应用的非参数检验手段。其不仅能判断趋势的显著性，还能有效排除少数异常值对数据的干扰，从而准确揭示时间序列的变化规律。当Z值大于1.96或小于-1.96时，可在95%的置信水平下认定存在显著趋势，其中正值代表上升趋势，负值则指示下降趋势。其计算公式如下：
$S=\sum_{k=1}^{n-1} \sum_{j=k+1}^{n} \operatorname{Sgn}\left(x_{j}-x_{k}\right) k \neq j \text { 且 } k, j \leqslant n$
式中：
$\operatorname{Sgn}\left(x_{j}-x_{k}\right)=\left\{\begin{array}{ll}1 & \left(x_{j}-x_{k}\right)>0 \\0 & \left(x_{j}-x_{k}\right)=0 \\-1 & \left(x_{j}-x_{k}\right)<0\end{array}\right\}$
S为正态分布，其均值为0，方差为：
$\operatorname{Var}\left(S_{k}\right)=n(n-1)(2 n+5) / 18$
当为长时间序列时，即 n >10 时，标准的正态统计变量的计算式如下：
$Z=\left\{\begin{array}{cc}\frac{S-1}{\sqrt{\operatorname{Var}(S)}} & S>0 \\0 & S=0 \\S+1 & S<0\end{array}\right.$
式中，n为数据集合总长度；xj、xk为连续的NTL数据； Sgn为符号函数；Var(Sk)为方差；Z为正态分布统计量。

2.3.2 地理探测器

驱动力分析能够深入挖掘数据信息资源，揭示现象背后的发生因素及其机理路径。目前，中国研究主要聚焦于城市化进程[34]、空间格局变化[35]以及人类活动强度[36]等领域。基于空间相关性和异质性的特征，研究不同地理单元之间经济活动的空间互动效应[37]。地理探测器则是一种探测和利用空间异质性的工具，通过统计学方法揭示现象背后的驱动力[38]。其核心思想基于如下假设：若某一自变量对某一因变量产生显著影响，则二者在空间分布上应呈现出相似性[39]。其计算公式如下：
q = 1 - ∑ h = 1 L N h σ h 2 N σ 2
式中，q的值域为[0,1]，用于度量因子在多大程度上解释光污染的空间分异。q值越大，表示自变量对因变量的解释力越强，反之则越弱。h为变量的分层，Nh和N分别代表层h和全区的单元数， σ h 2和 σ 2则分别是层h和全区的方差。文章将借助GeoDetector地理探测器，探究光污染空间数据的自相关性和分异性，进一步挖掘信息资源，尝试识别光污染背后的驱动因素。

3 结果分析

3.1 光污染时序演化特征

Mann-Kendall检验结果显示，大熊猫国家公园内各县（市、区）的平均光污染Z值为4.11，总体上绝大部分地区随时间推移呈现上升趋势。具体而言，包括汶川县、理县等在内的36个县（市、区）的光污染呈现上升趋势；仅有宝兴县呈现下降趋势，另有汉源县等4个县的趋势不显著（表2）。针对光污染趋势上升的36个县（市、区），依据Z值，采用自然断点法将上升趋势划分为3种情况[15]，分别为慢速增加、一般增加和快速增加。由于光污染情况降低的仅有宝兴县，无法进行分类，在此仅用“降低”进行标注。将3种上升趋势随时间具体变化呈现如图2。
表2 各区域年际夜间灯光数据变化Mann-kendall检验结果

Tab. 2 Results of M-K test on the variation of inter-annual data in each region

趋势 Z值 县（区、市）名称
快速增加 [6.866, 7.913] 汶川县、理县、茂县、松潘县、九寨沟县、小金县
一般增加 [4.512, 6.003] 宁陕县、眉县、凤县、太白县、大邑县、都江堰市、彭州市、崇州市、什邡市、绵竹市
慢速增加 [2.655, 4.120] 康定市、泸定县、九龙县、青川县、洋县、宁强县、留坝县、佛坪县、金口河区、峨眉山市、冕宁县、武都区、文县、洪雅县、安州区、北川羌族自治县、平武县、周至县、雨城区、荥经县
无明显趋势 [0.445, -1.792] 汉源县、石棉县、天全县、芦山县
降低 -2.289 宝兴县
图2 1984—2020年光污染增加趋势时序变化

Fig. 2 Temporal trend of light pollution from 1984 to 2020

1984—2020年期间，快速增加趋势的灯光均量及其波动幅度显著大于一般增加趋势。两者在时间变化上展现出共性特征，普遍在2000年前后开始呈现出较为明显的波动上升趋势。相比之下，慢速增加趋势的整体光污染均量低于1万，整体增长幅度相对较小。此外，快速增加趋势的地区（如汶川县、九寨沟县等）自2008年起出现较大幅度的波动，地区灯光均量持续呈现波动式上涨，近年来已达到峰值。
从宏观时间尺度来看，光污染的迅速加剧与全球城市化进程的加速密切相关。《联合国千年发展目标》的推动带来基础设施投资浪潮，类似的光污染时间变化趋势同样出现在非洲保护地中[3]。2000年，中国启动的西部大开发政策，加快了四川、陕西、甘肃三省交界区域的城镇化步伐。当地的大熊猫栖息地也随之迎来了投资和建设的高峰期。据统计，在“十五”期间，直接在大熊猫栖息地及其周边地区的大型建设项目投资总额高达近1 357亿元人民币，各类交通基础设施、水利工程、旅游项目以及退耕还林还草等工程同步推进[40]。与此同时，中国各地林场和政府主体对旅游发展的关注度显著提升，依托当地基础设施，纷纷开展大众旅游活动，导致人类活动频次大幅增加。此外，地震一直是大熊猫栖息地内最具破坏性和最主要的自然干扰因素，常造成严重的植被破坏与动植物生境丧失[41]。2008年后的显著变化主要由于该区域遭受特大地震、泥石流等严重地质灾害，灾后重建工程以及华能横丹水电站等项目的开发，带来了较为高强度且持久的影响。以卧龙片区为例，2008年汶川地震发生后，其基础设施遭受毁灭性破坏，主要基础设施重建工程基本在2012年以前完成，但震后滑坡、泥石流等次生灾害持续不断，导致重大核心道路的建设直至2016年底才完全恢复[42]，这在一定程度上影响了夜间灯光的平均亮度。

3.2 光污染空间分异特征

3.2.1 总体分布特征

基于Mann-Kendall检验计算p值与Z值，以12年为间隔选取1984年、1996年、2008年、2020年的光污染情况进行分析。结果显示，大熊猫国家公园的光污染状况呈现出显著的空间分布差异（图3）。光污染主要集中在东部边缘地区，并沿此区域逐渐扩散增加，形成了多段从北向南延伸的狭长的高显著度、高灯光值区域。这些区域主要分布在大熊猫国家公园的四川省南部小相岭片区、中部片区间交界地带以及北部与甘肃省交界的地区，其基本走向随一般控制区向核心保护区过渡。在核心保护区内，光污染呈点状增加，尤其在区块连接处和边缘地带，光污染增加尤为迅速。总体来看，光污染呈现出从局部向整体扩散、从边缘向内部渗透的趋势，这也印证了自然保护地光污染边缘扩散的共性问题[3,12]。
图3 1984—2020年光污染空间变化情况

Fig. 3 Spatial change of light pollution from 1984 to 2020

3.2.2 区域分布特征

以2020年夜间灯光情况为基准，结合Mann-Kendall检测的显著性结果与Z值情况，将光污染空间分布与强度变化显著的区域划分为A、B、C、D四区块进行深入分析（图4）。大熊猫国家公园的一般控制区主要集中在其平原地区及边缘地区，核心保护区在高程较高的山区。A区位于川甘陕三省交界处，作为三省合作示范区，其中武都区与青川县南部光污染较为严重，光污染强度主要集中在中部的一般控制区。B区地处岷山片区南部，与邛崃-大相岭片区北部接壤，其光污染主要集中在茂县中部，大部分区域属于一般控制区。C区位于四川盆地与横断山脉交汇处，紧邻都江堰市，光污染在核心控制区呈现明显的点状分布，主要集中于都江堰市南部与崇州市北部。D区为小相岭片区，该山系的大熊猫栖息地地块面积较小，独立性较强，是所有大熊猫栖息地中目前破碎化问题最为严重的区域之一[43]。该地区临近城市，受交通干线等人类活动密集区域的影响较大；光污染主要集中在冕宁县与九龙县，影响强度由一般控制区向核心保护区逐渐减弱。
图4 光污染较为严重的区域对照

Fig. 4 Areas with serious light pollution

总体上，近40年来，光污染在空间上的变化主要表现为围绕一般控制区边缘呈条状扩散增加，而在核心保护区内，光污染则更多以点状形式出现。空间水平扩大的区域主要集中在栖息地破碎化的平原地区、各县边缘地块之间的联络交界地带以及省域交界等区域。对比分析发现，栖息地破碎化严重的区域光污染强度显著高于连续栖息地（如秦岭片区），其空间扩散模式与生态廊道断裂及人类活动边界溢出效应密切相关，并与大熊猫国家公园范围内的生物分布变化情况存在一定协同性[44]。光污染边缘影响的普遍性也凸显了破碎化栖息地治理与跨行政区协同治理的紧迫性。

3.3 光污染的影响因素

将人口密度（X1）、路网密度（X2）、植被指数（X3）、国内生产总值（X4）数据进行统一化处理，采用自然断点法对数据进行重分类，确保数据划分为相对同质的类别，类内差异最小化，类间差异最大化。通过GeoDetector_2015地理探测器模型，测算各驱动因子对光污染的解释强度。基于q值的因子探测结果如表3所示，影响光污染强度的各因子重要程度依次为：国内生产总值>人口密度>植被指数>路网密度。结果表明，国内生产总值的解释力达18%，人口密度的解释力接近14%，植被指数的解释力超过3%，而路网密度的影响力则相对较弱。
表3 分异及因子探测结果

Tab. 3 Results of spatial differentiation and factor detection

因子解释结果 人口密度(X1) 路网密度(X2) 植被指数(X3) 国内生产总值(X4)
q statistic 0.1388 0.0276 0.0357 0.1793
p value 0.3803 0.9316 0.8904 0.2671
交互作用探测评估因子X1与X2共同作用时，是否会增强或减弱对因变量Y的解释力。结果显示，4个变量间仅存在非线性增强关系，未发现减弱或独立作用。表4的结果表明，人口密度（X1）与其他3个环境变量交互下的q值均超过0.5，当两个变量共同作用时，对光污染强度的解释力显著提升。特别是当路网密度（X2）与国内生产总值（X4）共同作用时，对光污染强度的解释力达到最大（X2 ∩ X4=0.6234）；其余变量交互作用的q值均超过0.02。这表明，研究区内光污染强度并非仅受单一因子影响，而是多因子共同作用的结果，其中尤以国内生产总值的解释力最为显著。
表4 各环境变量交互探测结果

Tab. 4 Interactive detection results of environmental variables

驱动因子 人口密度(X1) 路网密度(X2) 植被指数(X3) 国内生产总值(X4)
人口密度(X1) 0.1388
路网密度(X2) 0.5012 0.0276
植被指数(X3) 0.5553 0.2727 0.0357
国内生产总值(X4) 0.5421 0.6234 0.5167 0.1793
国家公园不仅是实施生态功能区分类管理的重要载体，更是生态管制最为严格的区域。由于自然保护地及其毗邻区中人类活动影响的溢出性特征，部分区域尤其是破碎的边缘区域，常常超越管理区域的限制，加之自然生态系统本身的复杂性，光环境问题的因果关系揭示难度较大[45]。随着中国退耕还林还草等政策的持续推进，四川省全面停止大熊猫栖息地和潜在栖息地内的天然森林采伐，积极落实大熊猫及其栖息地的保护工程，这对大熊猫栖息地的恢复起到了显著作用[17]。因此，这也在一定程度上解释了尽管光污染情况整体变化较大，但大部分地区光污染峰值相对较低、光污染影响因子的显著性较小的情况。
数据结果表明，光污染受多因子非线性交互驱动，其中，国内生产总值（GDP）为核心主导因子（q=0.1793），且当其与路网密度（X₂）叠加时，交互作用解释力达最大值。GDP空间分布公里网格数据集本身在分县GDP统计数据的基础上，已综合考虑了与人类经济活动密切相关的土地利用类型与人口密度等多重因素，是人类生产生活强度的综合表征。当GDP与路网密度交互作用时，二者可通过基础设施建设、能源消耗、人工照明链条形成叠加效应。路网密度是光环境的直接影响因素，虽其单因子解释力较弱，但事实上，通过道路照明、施工机械照明、车辆灯光等直接形成污染源。截至2023年，穿越大熊猫国家公园的主要交通干线包括3条铁路、3条高速公路以及含各类轨道隧道在内的若干在建交通线路[46]。以上情况均可能带来光污染沿交通干线呈条带状扩散的结果。
表4显示人口密度本身对光污染有较强解释力（q=0.1388），且其与其他因子交互时解释力显著增强（q值均>0.5），这印证了“人类活动”是光污染产生的根本来源，而人口密度是衡量人类活动空间分布与强度的重要量化指标。具体而言，GDP增长伴随旅游业、工矿业等产业扩张，给当地光环境带来众多间接影响。在现实中，大熊猫保护地入口社区的旅游业淡旺季变化[47]、陇南和汶川区域附近频繁的地质灾害所带来的修复工程与人口变迁，均通过人口聚集与聚集性的生产活动间接推高光污染水平。此外，在人类活动中，不可忽视边缘地块的光污染溢出效应。例如，宝兴县及秦岭、凉山等地的矿山开采地虽位于栖息地外围，但据历史调查，与生物活动直线距离仅0.4 km，且无天然屏障遮挡[48]。边缘地区的经济活动可能对生态空间带来直接的侵蚀。
交互探测结果显示，任意两因子共同作用时q值均>0.02，表明光污染是经济规模、人口分布、交通网络、生态本底等多维度因素共同作用的结果。2022年5月，四川省政府正式颁布《四川省大熊猫国家公园管理办法》，其中加强了林木采伐管理等要求。然而，自该办法实施后，集体商品林采伐等行政诉讼与赔偿案件增加，资源保护与合理利用的矛盾愈发突出[49]。不稳定的经营管理环境导致难以管控的人类生产经营活动，可能使得违规生产经营活动转入隐蔽空间，成为影响光环境的隐患之一。此外，生态环境部卫星中心遥感监测发现，部分地区在试点期间扩大了开发建设活动的力度，个别地区将国家公园视为“吸金”招牌，过度强调基础设施和公共服务设施建设，导致试点实施后开发建设强度不降反升，从而影响生态环境[50]。综上，GDP所代表的经济驱动力、路网密度所代表的基础设施载体以及人口密度所量化的人类活动强度，三者共同构成了大熊猫国家公园光污染加剧的核心驱动力网络。

4 结论与讨论

4.1 结论

（1）大熊猫国家公园的光污染增长呈现出普遍性趋势。除了5个县未显示出明显趋势或仅表现为轻微下降外，几乎整个研究区域内的所有县（市、区）在36年的时间跨度中均经历了显著的光污染增长。特别是汶川县、小金县、九寨沟县、理县等，近20年来光污染急剧增加，而这些地区涉及了较高比例的核心保护区。受地震自然灾害和人为工程活动等方面的影响，大部分地区在2000年和2008年之后开始出现不同程度的波动上升。
（2）大熊猫国家公园的光污染呈现“边缘集聚、核心渗透”的空间分异特征。光污染主要集中在国家公园的一般控制区，并呈现出从一般控制区向核心保护区递减的规律。核心保护区内的光污染多呈点状分布，一般控制区的光污染则表现为狭长的条带状。光污染显著扩大的区域主要分布在国家公园边缘破碎化地区、交通干线沿线地带以及行政区交界区域。
（3）光污染的强度受到多种因素的非线性交互作用影响。国内生产总值是核心主导因素，且当其与路网密度共同作用时，对光污染的影响达到最大。这一发现揭示了在国家公园建设过程中，如何协调国家公园保护要求与地方经济发展需求之间的关系，对于光环境治理是一个必须予以高度重视的关键问题。

4.2 讨论

基于大熊猫国家公园光污染的时空演变特征及影响因素研究，提出以下建议：
第一，聚焦小块区域，强化边界联合。大型自然保护地通常涵盖多个不同区块，研究表明，光污染主要集中在保护地的破碎化区域和边界地带。因此，需加强对这些碎片化区域的协同修复，并提升对边界地带的协同巡护与监督力度。交界地区政府应联合开展保护与评估工作，尝试利用卫星遥感和无人机航拍技术，对碎片化区域进行高精度光污染数据采集。基于数据，制定针对性的修复计划，优先改造人类活动频繁的区域，如村落周边和道路沿线的照明设施，采用定向照明灯具等措施，减少光线外溢。
第二，实施动态监控，推进科学规划。落实国家公园天空地一体化监测平台的构建，加强对保护站与管护点的监测力度，持续推进地质灾害生态综合整治修复，并将光污染防控纳入统一规划。尝试制定《大熊猫栖息地人工光照技术规范》等规范性文件。鉴于光污染难以通过分解、转化和稀释等方式减轻，需从源头进行科学防治。可尝试对现有照明系统进行全面排查，针对旅游景区、道路、村落等不同场景，制定个性化改造方案，提升照明效率。
第三，加强游客管理，倡导生态旅游。国家公园核心保护区严禁游客进入，对于一般控制区的旅游设施及活动，需加强照明设施的管理与控制，实施预约制度以调节游客流量，并对游客的夜间活动范围及规模进行限制。积极推广生态旅游，强化对游客在进入国家公园前的生态保护及光污染相关教育；在国家公园内推广“暗夜星空旅游”概念，建立“暗夜公园”，配备天文观测设施，借助光环境教育强化多方主体的生态旅游意识。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Jiang B Y, Li S, Li J J, et al. Spatio-temporal dynamics and sensitive distance identification of light pollution in protected areas based on muti-source data: A case study of Guangdong Province, China[J]. International Journal of Environmental Research and Public Health, 2022, 19(19): 12662.

[2]
Falchi F, Bará S. Light pollution is skyrocketing[J]. Science, 2023, 379(6629): 234-235.

DOI PMID

[3]
Zheng Z H, Wu Z F, Chen Y B, et al. Africa’s protected areas are brightening at night: A long-term light pollution monitor based on nighttime light imagery[J]. Global Environmental Change, 2021, 69: 102318.

[4]
Mu H W, Li X C, Du X P, et al. Evaluation of light pollution in global protected areas from 1992 to 2018[J]. Remote Sensing, 2021, 13(9): 1849.

[5]
Meng L, Zhou Y Y, Román M O, et al. Artificial light at night: An underappreciated effect on phenology of deciduous woody plants[J]. PNAS Nexus, 2022, 1: 1-10.

[6]
陈巍巍. 大熊猫国家公园岷山片区生境质量时空变化与生态安全格局构建[D]. 雅安: 四川农业大学, 2023.

[Chen Weiwei. Spatial and temporal variation of habitat quality and construction of ecological security pattern in Minshan area of Giant Panda National Park[D]. Yaan: Sichuan Agricultural University, 2023.]

[7]
魏明, 冯海亮. 浅谈光污染与人类健康[J]. 灯与照明, 2004, 28(2): 54-56.

[Wei Ming, Feng Hailiang. On light pollution and human health[J]. Light & Lighting, 2004, 28(2): 54-56.]

[8]
Verheijen F J. Photopollution: Artificial light optic spatial control systems fail to cope with incidents, causation, remedies[J]. Experimental Biology, 1985, 44(1): 1-18.

PMID

[9]
郝影, 李文君, 张朋, 等. 国内外光污染研究现状综述[J]. 中国人口·资源与环境, 2014, 24(S1): 273-275.

[Hao Ying, Li Wenjun, Zhang Peng, et al. A review of research status on light pollution at home and abroad[J]. China Population, Resources and Environment, 2014, 24(S1): 273-275.]

[10]
Rodrigo-Comino J, Seeling S, Seeger M K, et al. Light pollution: A review of the scientific literature[J]. The Anthropocene Review, 2023, 10(2): 367-392.

[11]
李德仁, 李熙. 论夜光遥感数据挖掘[J]. 测绘学报, 2015, 44(6): 591-601.

DOI

[Li Deren, Li Xi. An overview on data mining of nighttime light remote sensing[J]. Acta Geodaetica et Cartographica Sinica, 2015, 44(6): 591-601.]

DOI

[12]
Gaston K J, Bennie J, Davies T W, et al. The ecological impacts of nighttime light pollution: A mechanistic appraisal[J]. Biological Reviews of the Cambridge Philosophical Society, 2013, 88(4): 912-927.

DOI PMID

[13]
Owens A C S, Cochard P, Durrant J, et al. Light pollution is a driver of insect declines[J]. Biological Conservation, 2020, 241: 108259.

[14]
Luarte T, Bonta C C, Silva-Rodriguez E A, et al. Light pollution reduces activity, food consumption and growth rates in a sandy beach invertebrate[J]. Environmental Pollution, 2016, 218: 1147-1153.

DOI PMID

[15]
Xiang W L, Tan M H. Changes in light pollution and the causing factors in China’s protected areas, 1992-2012[J]. Remote Sensing, 2017, 9(10): 1026.

[16]
肖练练, 钟林生, 周睿, 等. 近30年来国外国家公园研究进展与启示[J]. 地理科学进展, 2017, 36(2): 244-255.

DOI

[Xiao Lianlian, Zhong Linsheng, Zhou Rui, et al. Review of international research on National Parks as an evolving knowledge domain in recent 30 years[J]. Progress in Geography, 2017, 36(2): 244-255.]

DOI

[17]
秦青, 刘晶茹, 于强, 等. 四川省大熊猫保护地生态安全及其时空演变[J]. 生态学报, 2020, 40(20): 7255-7266.

[Qin Qing, Liu Jingru, Yu Qiang, et al. Ecological security and spatio-temporal evolution of giant panda protected areas in Sichuan Province[J]. Acta Ecologica Sinica, 2020, 40(20): 7255-7266.]

[18]
徐胜兰. 卧龙自然保护区生态旅游可持续发展模式研究[D]. 成都: 成都理工大学, 2004.

[Xu Shenglan. A study on the model of sustainable development of eco-tourism in Wolong nature reserve[D]. Chengdu: Chengdu University of Technology, 2004.]

[19]
汪琳, 付潇, 朱创业. 大熊猫国家公园岷山片区生态系统服务价值的时空演变[J]. 湖北农业科学, 2021, 60(15): 44-49.

[Wang Lin, Fu Xiao, Zhu Chuangye. Spatiotemporal evolution of ecosystem service value in Minshan area of Giant Panda National Park[J]. Hubei Agricultural Sciences, 2021, 60(15): 44-49.]

[20]
姚昕雨, 张茵. 大熊猫国家公园游客参与自然教育的价值共创机理[J]. 中国城市林业, 2023, 21(4): 102-108.

[Yao Xinyu, Zhang Yin. Value co-creation mechanism of tourists participation in nature education in Giant Panda National Park[J]. Journal of Chinese Urban Forestry, 2023, 21(4): 102-108.]

[21]
曾岁康, 林志鹏, 王琦, 等. 物联网与三维GIS在大熊猫智慧国家公园建设中的研究应用[J]. 电力勘测设计, 2023(S1): 97-104.

[Zeng Suikang, Lin Zhipeng, Wang Qi, et al. Research and application of internet of things and 3D GIS in the construction of Giant Panda Smart National Park[J]. Electric Power Survey and Design, 2023(S1): 97-104.]

[22]
向可文. 探索跨省域大熊猫国家公园管理体制和运行机制[J]. 绿色中国, 2020(16): 30-31.

[Xiang Kewen. Explore the management system and operating mechanism of the Giant Panda National Park across provinces[J]. Green China, 2020(16): 30-31.]

[23]
Chalkias C, Petrakis M, Psiloglou B, et al. Modelling of light pollution in suburban areas using remotely sensed imagery and GIS[J]. Journal of Environmental Management, 2006, 79(1): 57-63.

PMID

[24]
Cinzano P, Falchi F, Elvidge C D. Moonlight without the moon[J]. Earth, Moon, and Planets, 1999, 85-86: 517-522.

[25]
Elvidge C D, Zhizhin M, Ghosh T, et al. Annual time series of global VIIRS nighttime lights derived from monthly averages: 2012 to 2019[J]. Remote Sensing, 2021, 13(5): 922.

[26]
Cahoon D R, Stocks B J, Levine J S, et al. Seasonal distribution of African savanna fires[J]. Nature, 1992, 359(6398): 812-815.

[27]
Zhang L X, Ren Z H, Chen B, et al. A prolonged artificial nighttime-light dataset of China (1984-2020)[J]. Scientific Data, 2024, 11: 414.

DOI PMID

[28]
高林, 赵中秋, 宋东阳, 等. 1990—2020年北京生态涵养区景观生态风险时空演变及其对自然人为因素的响应研究[J/OL]. 中国环境科学, (2024-02-20). https://doi.org/10.19674/j.cnki.issn1000-6923.20240219.008.

[Gao Lin, Zhao Zhongqiu, Song Dongyang, et al. Spatial and temporal evolution of landscape ecological risk and its response to natural and human factors in ecological conservation area of Beijing from 1990 to 2020[J/OL]. Environmental Science in China, (2024-02-20). https://doi.org/10.19674/j.cnki.issn1000-6923.20240219.008.].

[29]
Du L D, Dong C, Kang X C, et al. Spatiotemporal evolution of land cover changes and landscape ecological risk assessment in the Yellow River Basin, 2015-2020[J]. Journal of Environmental Management, 2023, 332: 117149.

[30]
Bennie J, Duffy J, Davies T, et al. Global trends in exposure to light pollution in natural terrestrial ecosystems[J]. Remote Sensing, 2015, 7(3): 2715-2730.

[31]
彭凯锋, 蒋卫国, 侯鹏, 等. 三江源国家公园植被时空变化及其影响因子[J]. 生态学杂志, 2020, 39(10): 3388-3396.

[Peng Kaifeng, Jiang Weiguo, Hou Peng, et al. Spatiotemporal variation of vegetation coverage and its affecting factors in the Three-River-Source National Park[J]. Chinese Journal of Ecology, 2020, 39(10): 3388-3396.]

[32]
Mann H B. Nonparametric tests against trend[J]. Econometrica, 1945, 13(3): 245-259.

[33]
Kendall M G. Rank and product-moment correlation[J]. Biometrika, 1949, 36(1/2): 177-193.

[34]
张心语. 城市化背景下郑州都市圈生态系统服务供需时空动态变化及其驱动力研究[D]. 郑州: 河南农业大学, 2023.

[Zhang Xinyu. Study on spatial-temporal dynamic changes of ecosystem service supply and demand and its driving forces in Zhengzhou metropolitan area under the background of urbanization[D]. Zhengzhou: Henan Agricultural University, 2023.]

[35]
吴绮琦, 蒙吉军. 近40年来黑河流域三生空间格局演变及其驱动因素分析[J]. 北京大学学报(自然科学版), 2023, 59(6): 970-980.

[Wu Qiqi, Meng Jijun. Evolution and driving factors of spatial pattern of three species in Heihe River Basin in recent 40 years[J]. Journal of Peking University (Natural Science), 2023, 59(6): 970-980.]

[36]
秦淑洁, 钱天陆, 吴朝宁, 等. 基于地理探测器和最大熵模型的人类出行活动强度空间格局模拟: 以云南省域为例[J]. 地理科学, 2023, 43(8): 1360-1370.

DOI

[Qin Shujie, Qian Tianlu, Wu Chaoning, et al. Spatial pattern simulation of human travel intensity based on geographic detector and maximum entropy model: A case study of Yunnan Province[J]. Scientia Geographica Sinica, 2023, 43(8): 1360-1370.]

DOI

[37]
李江, 吴玉鸣. 空间计量经济学前沿理论、方法与应用研究综述[J]. 当代经济管理, 2024, 46(6): 1-13.

[Li Jiang, Wu Yuming. A review of advanced theories, methods and applications of spatial econometrics[J]. Contemporary Economic Management, 2024, 46(6): 1-13.]

[38]
王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116-134.

DOI

[Wang Jinfeng, Xu Chengdong. Geodetector: Principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-134.]

DOI

[39]
Wang J F, Hu Y. Environmental health risk detection with GeogDetector[J]. Environmental Modelling & Software, 2012, 33: 114-115.

[40]
龚明昊, 李志军, 于长青. 西部大开发对四川大熊猫栖息地的影响[J]. 野生动物, 2002, 23(3): 4-6.

[Gong Minghao, Li Zhijun, Yu Changqing. Influence of western development on the habitat of giant panda in Sichuan[J]. Chinese Wildlife, 2002, 23(3): 4-6.]

[41]
陈玉美, 马月伟, 潘健峰, 等. 大熊猫栖息地干扰因素研究进展[J]. 西南林业大学学报(社会科学), 2022, 6(2): 104-110.

[Chen Yumei, Ma Yuewei, Pan Jianfeng, et al. Research progress on disturbance factors of giant panda sanctuary[J]. Journal of Southwest Forestry University (Social Sciences), 2022, 6(2): 104-110.]

[42]
王爱杰, 张毅, 刘旺财, 等. 青藏高原东北缘文县活动断裂带滑坡发育特征[J]. 自然灾害学报, 2023, 32(3): 239-250.

[Wang Aijie, Zhang Yi, Liu Wangcai, et al. Characteristics of landslides in Wen County active fault zone in the northeast edge of Qinghai-Tibet Plateau[J]. Journal of Natural Disasters, 2023, 32(3): 239-250.]

[43]
黄蜂, 何流洋, 何可, 等. 拖乌山大熊猫廊道人类干扰的空间与时间分布格局: 红外相机阵列调查[J]. 动物学杂志, 2017, 52(3): 403-410.

[Huang Feng, He Liuyang, He Ke, et al. Spatial and temporal distribution pattern of human disturbance in the giant panda corridor of Tuowushan Mountain: Investigation by infrared camera array[J]. Chinese Journal of Zoology, 2017, 52(3): 403-410.].

[44]
田成. 大熊猫栖息地野生动物时空分布及驱动因素研究[D]. 北京: 北京林业大学, 2022.

[Tian Cheng. Study on spatiotemporal distribution and driving factors of wild animals in giant panda habitat[D]. Beijing: Beijing Forestry University, 2022.]

[45]
杜文武, 眭淼. 自然保护地及其毗邻区人类活动影响研究: 进展与展望[J]. 中国园林, 2023, 39(12): 14-20.

[Du Wenwu. Sui Miao, Research on impacts of human activities on protected natural areas and their adjacent areas: Progress and prospects[J]. Chinese Garden, 2023, 39(12): 14-20.]

[46]
邓元杰, 海宜峰, 陈航, 等. 四川省国家重点生态功能区生态-经济耦合协调度时空格局与影响因素时空异质性[J/OL]. 环境科学, (2025-04-27) [2025-04-28]. https://doi.org/10.13227/j.hjkx.202411223.

[Deng Yuanjie, Hai Yifeng, Chen Hang, et al. Spatio-temporal pattern of ecological-economic coupling coordination degree and spatio-temporal heterogeneity of influencing factors in key national ecological function areas of Sichuan Province[J/OL]. Environmental Science, (2025-04-27) [2025-04-28]. https://doi.org/10.13227/j.hjkx.202411223.]

[47]
陆相钱, 沈兴菊. 大熊猫国家公园旅游经营者碳补偿行为影响因素[J]. 自然保护地, 2024, 4(2): 1-19.

[Lu Xiangqian, Shen Xingju. Influencing factors of carbon compensation behavior of tourism operators in Giant Panda National Park[J]. Nature Reserve, 2024, 4(2): 1-19.]

[48]
李川北. 大理石矿开发利用项目对大熊猫活动及栖息地的影响[J]. 区域治理, 2020(3): 111-113.

[Li Chuanbei. Influence of marble mine development and utilization project on giant panda activity and habitat[J]. Regional Governance, 2020(3): 111-113.]

[49]
孙玺, 冯杰. 大熊猫国家公园四川片区集体林经营路径探析[J]. 陕西林业科技, 2023, 51(6): 78-82.

[Sun Xi, Feng Jie. Collective forest management scenario in the Sichuan section of the Giant Panda National Park[J]. Shaanxi Forest Science and Technology, 2023, 51(6): 78-82.]

[50]
黄宝荣, 王毅, 苏利阳, 等. 我国国家公园体制试点的进展、问题与对策建议[J]. 中国科学院院刊, 2018, 33(1): 76-85.

[Huang Baorong, Wang Yi, Su Liyang, et al. Pilot programs for national park system in China: Progress, problems and recommendations[J]. Bulletin of Chinese Academy of Sciences, 2018, 33(1): 76-85.]

Options
文章导航

/

〈 〉