道路网络对植被覆盖的直接与间接影响
《TRANSPORTATION RESEARCH PART D-TRANSPORT AND ENVIRONMENT》:Direct and indirect impacts of road networks on vegetation cover
【字体:
大
中
小
】
时间:2026年08月11日
来源:TRANSPORTATION RESEARCH PART D-TRANSPORT AND ENVIRONMENT 8.7
编辑推荐:
摘要:道路扩建需要在社会经济发展与植被覆盖所面临的生态威胁之间找到平衡,而量化并比较直接和间接影响仍是一项挑战。本研究以中国首个生态文明试验区——福建省为研究对象,运用直接/间接影响框架结合地理空间可解释人工智能技术,分析了2015年至2023年的道路与植被动态变化。研究结果显示
摘要:道路扩建需要在社会经济发展与植被覆盖所面临的生态威胁之间找到平衡,而量化并比较直接和间接影响仍是一项挑战。本研究以中国首个生态文明试验区——福建省为研究对象,运用直接/间接影响框架结合地理空间可解释人工智能技术,分析了2015年至2023年的道路与植被动态变化。研究结果显示,道路密度不断增加,但植被有所恢复。直接影响与道路密度呈明显的负线性相关,这一关系受城市夜间照明和农村人口密度的制约。相比之下,间接影响则呈现正相关、非线性且空间差异显著,主要受土地利用强度的影响。存在非线性阈值:夜间照明强度超过35时会导致直接损失加剧,而超过60.5时才会带来间接益处;人口密度在约5,070人/平方公里时会使直接影响加剧,而在低于约1,270人/平方公里时则有助于产生间接效益。这些发现强调了需要采取有针对性的、针对不同路径的管理措施,以实现基础设施建设与生态保护的协调发展。
引言:道路网络的不断扩张是全球社会经济发展的典型特征,它促进了人员流动、贸易往来以及区域一体化发展(Engert等人,2024;Zheng等人,2025)。尽管道路扩张带来了明显的经济利益,但它也对陆地生态系统造成了巨大且长期的压力(Ibisch等人,2016)。作为生态系统结构和功能的重要组成部分,植被覆盖尤其容易受到影响。道路会直接破坏植被、使栖息地破碎化,还会带来边缘效应、污染物以及入侵物种,从而导致植被退化(Laurance等人,2014;van Strien和Grêt-Regamey,2025)。然而,道路的生态影响并不仅限于这些直接后果,还通过间接途径产生影响,这些间接影响可能进一步加剧植被退化(如通过诱发土地利用和土地覆盖变化、增加资源开采的便利性),或者在特定的管理条件下促进植被恢复或改善(Qiu等人,2026)。当前研究存在一个重要缺陷:大多数研究都集中在量化道路存在及其密度对植被的直接影响上(Hu等人,2016;Engert等人,2024),而对间接影响的系统评估却相对较少。这种有限的关注导致人们无法全面了解道路网络带来的总体生态成本,也忽视了通过战略规划来缓解这些影响的潜在途径。
近年来,遥感技术和空间分析技术的进步使得人们能够更精确地绘制大范围时空尺度上的道路网络和植被动态变化图(Laurance等人,2014;Meijer等人,2018;Zheng等人,2025)。例如,van Strien和Grêt-Regamey(2025)通过绘制不同交通强度下的道路缓冲区,试图量化郊区道路对生态系统的影响。他们的研究显示,自1975年以来,城市周边遭受中等或更高交通强度(每天超过500至5,000辆车辆)影响的土地面积增加了53%,到2015年这一数值已达2.38亿公顷。此外,Engert等人(2024)运用LASSO正则化广义线性模型分析了热带亚太地区道路密度与森林损失之间的关系,发现存在明显的非线性模式。在全球范围内,近三分之一的森林损失发生在热带地区距离道路网络1公里以内的区域(Zheng等人,2025);而在中国福建省,大约65%的森林损失发生在距离道路网络2公里以内的区域(Hu等人,2016)。道路网络扩展对植被覆盖变化的影响可分为直接效应和间接效应。直接效应通常为负值,指的是植被覆盖被道路网络替代的过程。而道路建设对植被覆盖的间接影响则通常源于道路沿线的人类管理活动以及与周边自然区域相比的微气候变化(Zheng等人,2025)。与城市化带来的间接影响已有较多研究相比(Zhang等人,2022;Liu等人,2026),关于道路网络对植被覆盖间接影响的研究仍然较少。量化道路网络对植被覆盖的间接影响颇具难度。目前,人们广泛利用基于卫星的遥感技术,通过归一化植被指数来监测植被覆盖、生产力及物候变化情况(Hu等人,2017;Qiu等人,2026)。因此,遥感技术是分析包括道路沿线植被覆盖在内的地表时空变化的强大工具。Zhao等人(2016)提出了一种概念框架,通过计算拟合得到的城市化强度与NDVI曲线之间的差异以及与无影响线之间的差异,来量化城市化对植被覆盖的直接和间接影响。该方法已在后续多项研究中得到应用并得到了验证(Jia等人,2018;Zhong等人,2019;Zhang等人,2022;Ding等人,2026)。
尽管在方法论上取得了进展,但仍然存在一些重大局限。首先,能够定量区分并同时评估直接和间接影响的框架极为匮乏,大多数研究要么将这两种影响混为一谈,要么只研究其中一种。其次,虽然人们已经认识到一些直接影响因素(如距离道路的远近),但对于那些同时影响直接和间接影响的各类因素,包括社会经济和环境变量,以及这些因素在两种影响路径中的差异,人们了解甚少。目前文献中几乎不存在对这些不同影响路径背后驱动因素的机制性比较,这阻碍了针对不同路径制定有针对性的管理策略。
为弥补这些不足,我们选择中国东南沿海地区,尤其是福建省,作为本研究的重要对象。福建省是快速发展与生态保护之间矛盾的典型代表。作为中国于2014年批准建立的第一个国家级生态文明试验区,该省数十年来一直保持着全国最高的森林覆盖率(46年),这体现了其卓越的生态禀赋以及政府在生态保护方面的坚定决心(Gao等人,2024;Li等人,2025;Zuo等人,2025)。另一方面,由于其位于沿海地区,这里的经济发展十分活跃,这就需要通过密集的道路网络不断进行土地开发(Liu等人,2025)。这种矛盾使得福建省成为研究道路扩张如何与重点保护区域相互作用的理想场所。了解此处道路影响的机制不仅具有重要的学术价值,对于如何在基础设施发展与生态完整性之间保持微妙平衡也具有现实意义。
近年来,可解释人工智能技术的进步为分析与道路相关的环境影响提供了更多工具。例如,Kwak和Lee(2024)运用可解释人工智能技术来识别道路交通系统对地下水质量的影响,展示了如何通过机器学习结合SHAP方法揭示传统方法无法直接发现的隐含关系。同样,在交通基础设施规划领域,可解释人工智能技术也被用来分析时空特征对行程时间的影响,体现了其在梳理复杂、多尺度系统性能驱动因素方面的优势(Srivastava等人,2025)。最近,可解释人工智能技术与地理空间分析相结合的方法在揭示驱动因素的空间异质性方面取得了显著进展(Foroutan等人,2025;Guang等人,2025;ke等人,2055)。然而,很少有研究运用地理空间可解释人工智能技术来研究道路网络对植被覆盖的非线性、边际及空间异质性影响。
借助这一方法论的发展势头,我们采用了Zhao等人(2016)提出的概念框架,该框架将道路与植被之间的关联分为直接关联效应(即直接影响)和残余背景效应(即间接影响)。我们进一步将这一框架与地理空间可解释人工智能技术相结合,具体而言,就是将极端梯度提升法的预测能力与Shapley加性解释法的可解释性相融合。这种整合方法不仅能捕捉统计关联,还能阐明关键驱动因素的方向、强度、非线性特征以及空间异质性(Babaan等人,2024;Foroutan等人,2025)。在这一分析框架下,我们以福建省作为研究案例。研究时间跨度为2015年(福建省被确定为中国首个生态文明试验区后的第一整年,也是拥有公开道路网络数据的最早年份)至2023年(拥有完整数据的最新年份)。基于这一时间范围,我们设定了三个具体目标:1)阐述2015年至2023年间福建省道路网络与植被覆盖的时空动态变化;2)定量评估并比较该地区道路网络对植被覆盖的直接和间接影响;3)在全局层面和像素层面识别出这些直接和间接影响的关键驱动因素,并阐明它们不同的影响作用及其背后的机制。通过实现这些目标,本研究能够全面且直观地理解道路与植被之间的相互作用,为在生态敏感地区制定可持续的交通规划提供有依据的参考。
研究区域:福建省位于中国东南沿海地区(北纬23°33′–28°20′,东经115°50′–120°40′),与浙江省、江西省和广东省接壤,隔台湾海峡与台湾相望(见图1)。该地区的地形以崎岖的丘陵和山脉为主,这类地形面积占全省总面积的80%以上。该地区的地形特征为西北部的武夷山以及呈东北 - 西南走向的戴云山,这两座山脉构成了该地区的主要地形结构。
数据来源与预处理:本研究区域2015年和2023年的道路网络数据最初来自Geofabrik的数据门户网站(https://www.geofabrik.de/data/)上的OpenStreetMap数据。这些以ArcGIS向量格式存储的道路网络数据包含道路等级、名称和宽度等多种属性。然而,数据中存在大量重复的线路,影响了数据的准确性(Lin等人,2020)。为解决这一问题并准确量化道路密度,我们首先使用了Spatio-temporal dynamics of road networks and vegetation cover中的集成工具。
道路网络与植被覆盖的时空动态:图3展示了2015年和2023年研究区域内道路网络(KDE值)和植被覆盖(NDVI值)的空间分布特征及动态变化情况。研究结果表明,2015年道路网络的KDE值介于0到4.030之间,2023年则介于0到4.279之间,这两时期的平均值分别为0.144和0.331。这表明随着时间的推移,道路网络的分布密度呈上升趋势。这两时期的NDVI平均值分别为0.812和0.832。
道路网络对植被覆盖的独特且空间异质性的影响:本研究揭示了道路网络对植被覆盖的独特且空间异质性的影响。直接影响与道路密度(KDE值)呈明显的负线性相关,这种趋势在福州、莆田、泉州、厦门和漳州等东部沿海城市群中最为明显。这一结果与现有的生态学理论以及众多实证研究结果一致,这些理论和研究都认为,基础设施带来的栖息地直接丧失、破碎化以及边缘效应等因素会影响植被。
结论:本研究对福建省道路与植被之间的关系进行了具有空间明确性的关联分析,主要结论如下:(1)2015年至2023年间,道路密度(KDE值)显著上升,而植被覆盖(NDVI值)则出现轻微的整体恢复,这凸显了研究区域内发展压力与生态保护工作之间的复杂互动关系。(2)直接负面影响主要集中在城市化的沿海地带,而间接正面影响则较为普遍。
作者贡献声明:黄子恒:撰写——初稿、可视化、软件应用、方法论、研究实施、正式分析、数据整理。傅庆杰:撰写——审阅与编辑、方法论、研究实施、正式分析、数据整理。林慧欣:撰写——审阅与编辑、方法论、研究实施、正式分析。刘静阳:撰写——审阅与编辑、方法论、正式分析。张兰怡:撰写——审阅与编辑、正式分析。吴敏:撰写——审阅与编辑、验证工作。胡锡生:声明在写作过程中使用了生成式人工智能及人工智能辅助技术。在准备本手稿的过程中,我们使用了DeepSeek来协助语言编辑并提升可读性。在得到该工具的帮助后,我们对手稿的所有内容进行了彻底的审阅、修改和验证。我们对最终发表的成果承担全部责任。
利益冲突声明:作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。
致谢:本研究得到了中国国家自然科学基金(31971639)、福建省自然科学基金(2023J01477)以及中国基础科学和技术资源调查专项(2019FY202100/2019FY202108)的支持。
黄子恒|傅庆杰|林慧欣|刘静阳|张兰怡|吴敏|胡锡生
中国福建省福州市福建农林大学交通与土木工程学院,邮编350002
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号