人类足迹梯度下的空间异质性模式及其生态启示：基于韩国案例的多尺度机器学习分析

本研究针对人类活动如何通过空间异质性影响生态系统这一关键科学问题，整合LISA（局部空间关联指标）、GLCM（灰度共生矩阵）等多维异质性指标与SOM（自组织映射）机器学习方法，揭示了韩国地区人类足迹（HF）梯度下形成的城市化区（低异质性）、过渡区（高异质性）和自然区（中异质性）三阶段模式，发现过渡区异质性峰值与哺乳动物多样性局部提升的生态悖论，为人类世景观规划提供了量化框架。

　　

在人类世背景下，全球75%陆地表面已受到人类足迹(Human Footprint, HF)影响，导致生物多样性以空前速度丧失。传统保护策略面临严峻挑战：一方面，城市化使景观趋于均质化；另一方面，农业扩张等中度干扰却可能意外创造高异质性过渡带。这种"异质性-多样性悖论"引发学界争议——究竟人类活动塑造的异质性景观是生态陷阱还是避难所？韩国作为东亚快速城市化的典型代表，其山地-平原交错的地形为研究HF梯度下的空间异质性模式提供了天然实验室。

为破解这一难题，研究人员开展了一项开创性研究。通过构建1 km²分辨率的HF地图（整合建成区、道路等8类压力因子），创新性地融合LISA空间自相关指标与GLCM纹理特征量化异质性，结合SOM-PAM无监督聚类和随机森林(RF)等机器学习算法，系统解析了HF异质性与森林破碎化、哺乳动物丰富度等生态指标的复杂关系。研究样本覆盖韩国全境94,997 km²，生态数据来自韩国国立生态院等权威机构的27种哺乳动物分布记录及保护地矢量数据。

主要技术方法

1. 采用11×11 km移动窗口计算GLCM纹理指标（对比度、熵等）和LISA空间自相关；
2. 通过SOM-PAM聚类识别景观类型；
3. 构建GLMM（广义线性混合模型）、GAM（广义加性模型）和RF（随机森林）等多层次回归模型；
4. 使用互信息(I)和Spearman系数(ρ)评估非线性关系。

研究结果
3.1 人类足迹梯度的非线性异质性模式
HF地图显示韩国42.2%区域为高HF值(>18.7)的均质化城市区。异质性-强度关系呈现三类模式：局部莫兰指数(I)随HF呈指数增长（ρ=0.72），GLCM熵呈凸型曲线（ρ=-0.44），GLCM同质性呈凹型曲线（ρ=0.54），揭示中度干扰区（HF≈21）形成异质性峰值。

3.2 生态指标的zone效应
SOM-PAM划分的三类区域中：

• 城市化区（Zone1）：低异质性，森林斑块数最高（均值310）但哺乳类最少（7.9种）
• 过渡区（Zone2）：高GLCM熵(6.2)，哺乳类丰富度局部峰值（9.7种）
• 自然区（Zone3）：中异质性，保护地覆盖率达37 km²/窗口

3.3 机器学习模型验证
RF模型在多重预测中表现最优，R²达0.87（哺乳类），比单变量模型提升42%。GLCM熵等异质性指标的引入使所有生态指标预测误差降低18-31%。

结论与意义
该研究首次实证了"中度干扰产生最优异质性"的景观生态学假说，挑战了"人类活动必然降低生物多样性"的简单认知。过渡区作为"生态马赛克"的发现，为建立生物多样性保护廊道提供了新思路——不必完全排斥农业等人类活动，而应通过精细化管理维持适度的景观异质性。方法论上，GLCM纹理分析与传统景观指数的结合，为量化人类世景观结构提供了新范式。研究结果发表于《Ecological Indicators》，为联合国可持续发展目标(SDG15)中的"陆地生物多样性保护"提供了区域尺度的重要案例。

未来研究需关注：1) 异质性-多样性关系的taxon特异性；2) 气候变化与HF的交互效应；3) GLCM窗口尺度的优化选择。该团队建议韩国环境部在制定《国家生态网络规划》时，将过渡区异质性指标纳入保护地体系评价标准。