基于遥感的欧洲地中海沿岸区域人类活动与生物物理趋势评估（2014–2023）

《Environmental Impact Assessment Review》：Remote sensing-based assessment of human activity and biophysical trends in Europe's Mediterranean coastal zones (2014–2023)

　　

摘要：欧洲地中海沿岸地区面临来自城市化、旅游业和气候变化的日益增长的压力。为评估这些动态变化，本研究采用基于遥感的跨国像素级趋势分析方法，在南欧地区标准化10公里沿海缓冲区范围内对十年期间（2014–2023）进行了分析。研究考察了包括增强植被指数（EVI）、地表温度（LST）、夜间灯光（NTL）以及建成区覆盖在内的生物物理指标和人类活动相关指标，并运用Mann-Kendall趋势统计量进行分析。结果表明，EVI下降呈局部性分布，影响研究区域约5%的面积，主要集中在克罗地亚和土耳其。LST呈现广泛上升趋势，影响沿海区域55%的范围，以中地中海地区尤为显著。区域层面，东地中海地区NTL强度增幅最大。此外，尽管建成区面积增长有限，但NTL强度的上升表明许多沿海地区正在经历功能性强化，而非仅仅是物理城市扩张。研究发现表明，地中海沿岸地区正经历着人类活动、土地利用变化和热模式的不同组合。本研究提供了基于证据的见解，为欧洲地中海沿岸地区的综合海岸带管理和长期监测提供支持。

1. 引言

沿海地区在区域的生态、经济和社会系统中具有关键作用（Cosby等人，2024；Hallegatte等人，2013；Jin等人，2023；Kuhl等人，2021）。全球范围内，这些地区正日益受到自然和人为因素引起的快速环境变化影响（Le Tixerant等人，2011；Roca等人，2008；Y?lmaz和Terzi，2021；Reimann等人，2023）。城市化、旅游业、工业发展和气温上升对沿海生态系统施加了巨大压力（Neumann等人，2015；Baltranait?等人，2025；Liu等人，2025；Becker等人，2023；Bergantino等人，2023；Petri?or等人，2020；Varela等人，2023）。这些压力加强了对长期管理方法的需求，如综合海岸带管理（ICZM），该方法旨在协调沿海系统中环境保护与经济社会发展之间的关系（Cicin-Sain和Knecht，2013；European Commission，2002）。

南欧地中海沿岸地区是全球最具活力的旅游目的地之一，面临日益加剧的人类活动压力，如城市化和高强度旅游业（Saliba，1990；Giannaros和Melas，2012；Mejjad等人，2022；Lagarias和Stratigea，2023；Smiraglia等人，2023）。该地区受气温升高、持续干旱、热浪和生态系统退化的影响日益加剧（Matei等人，2023；Sánchez-García和Francos，2022；Tejedor等人，2024），因此成为研究海岸带变化和人类活动趋势的关键区域。然而，传统的环境评估通常在行政边界内（如省或市镇）进行，这很少与沿海地带的功能范围相对应（Mokhtari等人，2025）。这种不匹配限制了评估沿海系统动态生物物理和社会经济过程的能力。在此背景下，卫星衍生的指标提供了一种独立于行政边界的环境动态评估的协调方法。

来自世界各地不同沿海环境的证据表明，海岸带变化由多种相互作用的驱动因素推动，包括城市扩张、旅游发展、基础设施增长、土地利用变化、植被退化、变暖、干旱和不断加剧的人类压力（Lakshmi和Shaji，2016；Petri?or等人，2020；Dahy等人，2024；Cinar等人，2024；El-Masry等人，2024；Scala等人，2024；Baltranait?等人，2025）。遥感技术已被广泛用于监测沿海地区植被状况、地表温度、人工灯光排放和建成区扩张的变化（Smiraglia等人，2023；Tiengo等人，2023；Masria，2024；Mokhtari等人，2025；Tang等人，2025）。

为在大范围内一致地捕捉这些海岸带过程，卫星衍生指标可用于表征植被状况、地表热动力学、人类活动和建成区扩张等维度。关键遥感指标包括增强植被指数（EVI）、地表温度（LST）和夜间灯光（NTL）强度，可评估植被状况、地表热模式和人类活动。植被覆盖减少通常与城市扩张和环境退化有关（Dong等人，2024；Hernández-Cordero等人，2017；Hu等人，2025；Singh等人，2024；Su等人，2022），而LST值升高反映了热条件的加剧（Founda和Santamouris，2017；Lin等人，2022；Martinelli等人，2020）。NTL数据为不同地理环境中的城市化、经济活动、基础设施发展和人口动态提供了可靠的代理变量（Bergantino等人，2020；Huang等人，2023；Wang等人，2023；Zheng等人，2023；Shen和Pan，2024）。这在沿海和旅游驱动型地区尤为相关，因为这些地区的活动强度可能增加，而建成区面积未必成比例扩张（Mokhtari等人，2025）。与白天的土地利用/土地覆盖数据不同，NTL能够捕捉功能性强化和季节性波动，在旅游驱动的沿海地区尤其重要（Stathakis和Baltas，2018；Mokhtari等人，2025）。将NTL与建成区覆盖数据相结合，可以区分空间上的城市扩张和既有城市区域内的功能性强化。因此，本研究结合使用EVI、LST、NTL和建成区覆盖，可以评估海岸带变化的生物物理和人类活动相关维度。

尽管本研究所使用的指标和趋势度量在遥感研究中较为常见，但将它们整合在标准化的地中海沿海缓冲区中提供了一种新颖的比较视角。该方法将分析从行政单位转变为功能性海岸带空间单位，使海岸带变化能够在跨国界、区域板块和沿海至内陆梯度上得到一致评估。这种整合的空间视角有助于识别异质性海岸带趋势和功能性强化模式，为海岸带监测和环境评估提供了有用视角。

本研究对南欧地中海沿岸地区在2014–2023年期间的植被状况、地表温度、夜间活动和建成区变化进行了空间明确且协调的评估。具体目标为：（1）识别和量化所选生物物理和人类活动指标的时序趋势；（2）考察西-东经向梯度和沿海至内陆变异性；（3）比较各国特定的空间变化模式。本研究并非旨在检验正式的因果假设，而是遵循基于遥感的比较方法，旨在识别欧洲地中海沿岸地区生物物理和人类活动相关指标的空间和时间模式。

2. 方法学

2.1 研究区域

南欧地中海沿岸地区涵盖了多种地理和社会经济景观，范围从西地中海、中地中海、亚得里亚海和爱琴海到东地中海地区。该地区包括环地中海国家以及部分大西洋沿岸地区，包括西班牙、意大利、希腊、土耳其、克罗地亚、阿尔巴尼亚、波斯尼亚和黑塞哥维那、黑山、斯洛文尼亚、塞浦路斯和南法。该地区呈现出多样化的植被覆盖、温度和人类活动模式（附图S1&2展示了2023年植被覆盖、温度和夜间灯光的模式）。

为界定研究区域，南欧地中海沿岸地区通过从海岸线向内陆划定标准化10公里缓冲区来定义（Coastal Zones — Copernicus Land Monitoring Service [WWW Document], 2018；图1）。该标准缓冲区广泛用于海岸带研究以确保方法学一致性，并使我们能够专注于沿海区域。它还涵盖了人类活动集中的主要区域（Mokhtari等人，2025）。

表1总结了EVI、LST和NTL在西部、中部、东部及全区域Mann-Kendall检验中Kendall's Tau、Sen's Slope和p值的计算结果。

表1. EVI、LST和NTL（2014–2023）在西部、中部、东部及全沿海区域Mann-Kendall趋势检验结果。?显著趋势。

为便于比较分析，研究区域根据地理坐标划分为三个经向区域：（1）西地中海欧洲区域（10°E以西），包括西班牙、法国和摩纳哥；（2）中地中海欧洲区域（10°E–20°E），包括意大利、斯洛文尼亚、克罗地亚、马耳他、黑山和阿尔巴尼亚；（3）东地中海欧洲区域，包括希腊和土耳其（图1b）。这种分类允许对地中海沿岸区域不同部分的空间变化和趋势进行结构化分析。如图1b所示，意大利和希腊在研究区域内拥有最长的海岸线。

2.2 数据获取

2.2.1 植被覆盖

植被动态分析采用EVI，由MODIS（中分辨率成像光谱仪）MOD13A1.061 Terra植被指数（16天全球500米）生成。该指数由红-红外反射率比值计算得出，同时考虑了蓝波段的反射率，使其对大气气溶胶的影响不敏感，并相比NDVI提高了对植被信号的敏感性，取值范围为-1.0至1.0（Huete等人，2002）。16天EVI合成数据在Google Earth Engine平台汇总为夏季均值。该过程实现了研究区域内植被健康状况的年际比较（本研究所有指标均计算为温暖季节的均值，温暖季节包括每年的6月、7月、8月和9月，时间范围为2014至2023年）。选择温暖季节是为了重点关注地中海沿岸地区热应力最高和旅游业最繁忙的时期。因此，聚焦温暖季节可以更一致地表征地中海沿海环境中人类活动的峰值。

2.2.2 热环境

地表温度（LST）来自MODIS MOD11A1.061 Terra地表温度和发射率日全球产品（1公里分辨率）。MOD11A1.061中每个像素值是24小时周期内收集的所有对应MOD11A1 LST像素的简单平均值。该数据集提供一致的长期热信息，适用于沿海环境地表温度动态趋势分析。

2.2.3 人类活动

人类活动采用夜间灯光（NTL）数据集进行评估（Mokhtari等人，2025）。月度可见光红外成像辐射仪组（VIIRS）NTL合成数据（Earth Observation Group，2023）通过Google Earth Engine平台获取。VIIRS NTL数据集以GeoTIFF格式提供，可用于GIS环境。该数据集空间分辨率为15角秒（约500米），辐射单位为纳瓦/平方厘米/球面度。该产品经过改进以减轻杂散光污染（Mills等人，2013）。

2.2.4 建成区覆盖

建成区面积来自MODIS MCD12Q土地覆盖类型（LCT）产品，该产品提供500米空间分辨率的年度全球土地覆盖分类。该数据集允许在研究期间对地中海沿岸地带的城市扩张和土地利用转变进行时间序列分析。

本研究的方法学工作流程总结于图2，展示了主要分析步骤，包括研究区域定义、数据预处理和空间栅格化、趋势分析以及用于区域和国家间比较的空间成果生成。

2.3 空间协调

为协调不同空间分辨率的数据集，在研究区域生成了标准化的1公里渔网网格。网格尺寸基于LST数据集的空间分辨率确定。随后所有指标（EVI、LST、NTL和建成区面积）在每个网格单元内通过计算每个渔网单元内像素的均值进行聚合。这种基于网格的方法允许不同原生分辨率指标之间进行一致的空间比较。

2.4 趋势分析

为检测2014至2023年EVI、LST和NTL的显著时序模式，应用了非参数方法Mann-Kendall（MK）显著性检验和Sen's slope估计量。MK检验用于统计分析时间序列数据的趋势（Hamed和Ramachandra Rao，1998；Wu等人，2023），Sen's slope用于计算变化的幅度和方向（?en，2012）。

数据集在2014–2023年期间针对温暖季节按年分析。原假设（H?）假设时间序列中没有单调趋势，而备择假设（H?）表示存在统计显著的增加或减少趋势。在本研究中，趋势显著性通过Mann-Kendall Z统计量进行评估，采用99%的置信阈值。

Mann-Kendall检验和Sen斜率估计量的详细数学公式如下：

（1）S = ∑（从i=1到n-1）∑（从j=i+1到n）sgn(x? - x?)

其中，n为数据点数量，x?和x?分别为时间序列中i和j时刻变量EVI、LST和NTL的值，sgn(x? - x?)为符号函数：

（2）sgn(x? - x?) = +1（若x? - x? > 0）；0（若x? - x? = 0）；-1（若x? - x? < 0）

其中VAR?和VAR?分别表示时间i和时间j（10年）的变量值。S的方差δ(S)定义为：

（3）δ(S) = √[n(n-1)(2n+5)/10]

Z值按如下方式计算：

（4）z = [S - 1] / δ(S)（当S > 0）；0（当S = 0）；[S + 1] / δ(S)（当S < 0）

据此，MK检验结果分为五种趋势类别：显著下降趋势（Z < -2.58）、弱下降趋势（-2.58 ≤ Z < 0）、无趋势（Z = 0或近零变化）、弱上升趋势（0 < Z ≤ 2.58）和显著上升趋势（Z > 2.58）（Li等，2022）。

**2.5 Sen斜率估计量**

Sen斜率估计量（Sen, 1968）用于计算时间序列分析中的趋势：

（5）S_var = Median[(x? - x?) / (j - i)]

Sen斜率估计量计算时间序列所有点斜率的中位数；VAR?和VAR?分别为时间i和时间j的变量值。正值S_var > 0表示上升趋势，负值S_var < 0表示下降趋势，S_var = 0表示无变化。

**2.6 基于像元的趋势说明**

为说明EVI、LST和NTL的变化趋势，逐像元应用了MK检验。基于像元的显著趋势Z值提供了时间序列数据集中趋势统计显著性的空间模式。为可视化和计算变化模式，使用了Python包"pyMannKendall 1.4.3"（Hussain和Mahmud, 2019）。以+2.58和-2.58为阈值，在研究区域内展示了Z值分布，以标注指标趋势的统计学显著性。

**2.7 经度和海岸梯度分析**

为分析变化的空间梯度，将沿海区域划分为三个经度区段（西部、中部和东部），以及从海岸线向内陆延伸至10公里的多条缓冲区（即以1公里为间隔）。沿西至东梯度的经度分析通过X轴表示十进制度经度来完成。这使得能够以一致的间隔检测EVI、LST和NTL变化的空间模式，从而识别出具有统计学显著性（正或负）趋势的区域（Z值阈值为+2.58和-2.58）。

**2.8 国家特定趋势**

基于国家的分析作为像元级结果的补充描述性总结。它将标准化10公里沿海带内检测到的空间趋势归组为各国的沿海区段，使EVI、LST和NTL模式的比较更加便捷且易于解读。尽管本研究主要围绕标准化10公里沿海缓冲区而非行政单位进行设计，但国家层面的总结仍然重要，因为与沿海规划、旅游开发、环境监管和土地利用管理相关的许多决策都是在国家或次国家层面作出的。

**3. 结果**

**3.1 时间序列分析**

图3展示了西部、中部、东部以及整个区域的夏季EVI、LST和NTL的时间趋势。EVI的时间序列分析表明，在沿海区域的所有经度区段中均无统计学显著趋势。

![图3. 2014–2023年地中海西部、中部、东部及整个沿海区域的夏季EVI、LST和NTL时间趋势。红色虚线代表Sen斜率估计值。]

在所有区域均观察到LST的显著上升趋势。最强的增温模式出现在中地中海区域（Sen斜率=0.206，p=0.02），其次是西部（Sen斜率=0.130，p=0.007）和东部区域（Sen斜率=0.070，p=0.004）。对于整个沿海区域，整体增温趋势的Sen斜率达到0.147，表明研究期间地表温度有所升高。

相反，西部区域的NTL呈下降趋势，Sen斜率为-0.164，p值为0.012。然而，中部区域的NTL趋势显著上升（Sen斜率：0.250，p值：0.007），东部则表现出强劲的上升趋势（Sen斜率：0.660，p值：0.000）。对于整个沿海区域，NTL整体趋势显著上升（Sen斜率为0.367，p值为0.001），表明研究期间人类活动呈持续上升趋势。

图4展示的EVI、LST和NTL基于像元变化趋势的空间模式，显示了经历上升、下降或无变化趋势的像元百分比。对于NTL，76%的沿海区域经历了上升趋势。对于LST，55%的区域显示出上升趋势。在EVI变化方面，仅有5%的总面积出现了植被下降。

![图4. 2014–2023年欧洲地中海沿海EVI、LST和NTL基于像元趋势类别的空间分布。趋势类别由Mann-Kendall Z值推导得出，包括显著下降和上升趋势。饼图显示了分配给各趋势类别的10公里沿海区域面积百分比。]

**3.2 东西方向和海岸梯度的空间趋势分析**

图5展示了过去十年间沿经度（西至东）和海岸至内陆（0-10公里）梯度上Z值变化的空间分布和幅度。EVI的Z值变化（图5a）显示，西部表现出局部性的植被正变化，中部则以植被下降（负Z值）为主。东部则表现出混合模式，既有增有减。颜色标尺代表植被变化：红色区域表示显著增加，蓝色区域表示显著减少，白色表示无变化区域。西部在某些区域显示出局部性的植被正变化，中部则表现出植被下降。东部显示出混合模式，表明过去十年间植被既有增有减。

![图5. 2014至2023年地中海沿海区域EVI、LST和NTL基于Z值趋势的空间分布热力图。X轴表示自西向东的经度梯度，Y轴表示距海岸线的距离。]

LST的Z值（图5b）表明，沿海区域大部分存在广泛的显著增加（正Z值），其中最显著的增温集中在中部和东部经度区段。较低或稳定的LST区域（蓝色/白色区域）出现在西部和东部边缘地带。

夜间灯光强度（NTL Z值）（图5c）显示整个地中海沿海区域以上升趋势为主。与时间序列分析一致，东部的NTL增加比例最高，而中部和西部在弱变化或无变化方面分布更为均衡，尤其在紧邻海岸的区域（0-3公里）尤为如此。尽管西班牙的一些沿海区段表现出局部性的NTL强度增加，但西地中海的区域平均趋势仍反映出轻微下降。

**3.3 国家特定的变化趋势**

基于国家的分析揭示了地中海沿海各国在趋势类别分布方面的明显差异（图6）。这一比较使得像元级结果得以在国家尺度上进行总结，同时保持了整个研究中使用的标准化10公里沿海缓冲区。总体而言，受显著EVI下降影响的沿海面积比例在大多数国家中有限，尽管克罗地亚和土耳其的值最高，达到约7%。相比之下，LST显示出更广泛的上升模式。波黑表现出最高比例的显著上升LST趋势，其次是法国和意大利。克罗地亚显示出较为不同的模式，弱下降和无趋势类别的占比更大，而塞浦路斯则以弱上升趋势而非显著上升的LST趋势为主。

![图6. 10公里地中海沿海区域内EVI、LST和NTL趋势类别的国家级分布。]

NTL趋势在各国家之间也存在相当大的差异，波黑、克罗地亚、希腊、土耳其、阿尔巴尼亚和黑山表现出最大比例的夜间灯光强度增加。法国的NTL上升趋势比例相对较低，而西班牙则表现出混合模式，既有上升也有下降的趋势类别。

**3.4 建成区覆盖率变化**

结果表明，研究期间建成区覆盖率增长了1.5%，主要发生在研究区域的东部（补充表1.S）。扩张主要集中在东地中海。补充表1.S报告了研究期间各年度的建成区覆盖率值及相应的百分比变化。

**4. 讨论**

本研究的結果揭示了南欧地中海沿海区域在植被状况、地表温度、夜间活动和建成区覆盖率方面的异质性变化模式。这些发现与国际研究文献更为广泛的结论一致，即全球沿海区域正日益暴露于人类压力、基础设施开发、旅游活动强化和气候相关胁迫之下。全球研究表明，沿海人口增长和人类活动对沿海脆弱性有实质性贡献（Small和Nicholls, 2003; Neumann等, 2015; Merkens等, 2016; Reimann等, 2023）。

基于国家的分析提供了解释的额外层次，将像元级趋势模式转化为可跨国比较的总结。这一点尤为相关，因为地中海各国在海岸线长度、形态、基线土地利用、旅游强度、城市发展模式、气候条件和规划框架方面存在差异。因此，国家层面的比较应作为描述性总结来解读，有助于识别植被下降、地表增温和夜间活动增加等特定组合在哪些地区更为显著。

**4.1 人类相关活动与功能强化**

在76%的研究区域内观察到的普遍NTL增加表明人类活动广泛增加。这一上升趋势在东地中海（如土耳其和希腊）和中地中海（如克罗地亚、黑山、阿尔巴尼亚和波黑）最为显著。这一区域模式可能反映了正在经历快速经济转型国家的基础设施持续开发和旅游强度的增长。相反，西地中海国家（法国和西班牙）NTL上升趋势比例较低，可能表明城市化发展趋于稳定、基础设施已建成或环境法规有效（OECD, 2017）。还应注意的是，国家内部存在空间异质性，由于旅游强度、基础设施分布和区域经济动态的差异，NTL的局部增加和减少可能同时发生。

将NTL增加解读为人类活动强化信号的观点得到了以往研究的支持，这些研究表明夜间灯光排放不仅与物理城市化扩张相关，还与基础设施使用、经济活动、交通网络、旅游相关设施以及季节性人口动态相关（Levin等, 2020; Stathakis和Baltas, 2018; Mokhtari等, 2025; Pambuku等, 2024）。这对地中海沿海地区尤为相关，因为旅游压力和沿海基础设施的季节性使用可能会增加灯光排放，而不会产生相应的建成区土地扩张。因此，观察到的建成区覆盖率增幅有限与NTL强度广泛上升之间的不匹配，表明许多沿海区域可能正在经历功能强化而非广泛的地理空间城市扩张。然而，这一解读应被视为基于遥感指标的间接关联，而非旅游、基础设施开发与沿海变化之间存在直接因果关系的证据。

**4.2 沿海地表温度与空间动态**

在55%的沿海区域观察到显著的土地地表温度（LST）增加，这与地中海地区更广泛的气候趋势和大气热浪增加一致（Pastor等, 2024; Tejedor等, 2024）。

最极端的温度强化记录在波黑（超过80%面积增加），法国和意大利也出现了大幅增加。尽管土地利用和土地覆盖变化可以影响土地地表温度，但本研究的結果表明，2014-2023年期间所分析的沿海带内建成区扩张相对有限。因此，近期的土地利用/土地覆盖变化不能被认为是LST上升的主要解释因素。相反，观察到的温度模式可能反映了更广泛的气候和本地表层条件，包括区域增暖、热浪发生、植被覆盖强度、海风效应以及土地利用强度的局部差异（Gilabert等, 2021; Martinelli等, 2020）。重要的是，空间分析表明，经度位置对LST模式的影响比简单的沿海接近程度更为显著。这一结果可能反映了地中海盆地上已知的东西气候梯度，其中东部和中部地区相比西部地中海倾向于经历更强的夏季热条件。

**4.3.**

植被动态增强植被指数（EVI）趋势的空间分析表明，研究区中仅有小部分区域（约5%）出现显著的EVI下降，表明在研究期内，大多数地中海沿岸地区的植被覆盖相对保持稳定。这一模式总体与欧洲城市树冠稳定性方面的研究结论一致（Nowak and Greenfield, 2020）。然而，EVI下降具有高度局部性，其中克罗地亚和土耳其的EVI下降最为显著（植被损失近7%）。这种局部性植被损失可能归因于持续的城市开发导致的农业用地丧失（?zhan, 1996），或地中海地区对野火的高度敏感性，后者加剧了环境退化和植被丧失（Dupuy et al., 2020; Ganteaume et al., 2021）。4.4 局限性与未来展望本评估基于卫星遥感指标进行，可能受到空间分辨率以及大气干扰、云层遮挡或传感器相关限制等潜在不准确因素的影响。此外，本研究的时序覆盖范围为2014–2023年，属于十年尺度的观测期，能够捕捉短期的人类相关活动和生物物理变异性，而非通常通过多十年记录评估的长期气候趋势。因此，观测到的地表温度（LST）模式应被理解为近期热动力学特征，而非长期气候变化的证据。此外，夜间光强度的变化可能不仅反映人类活动的变化，还可能反映照明系统的技术转变或能效的提升。因此，未来研究应结合卫星观测、气象数据、实地调查、社会经济指标和政策评估，以更好地捕捉地中海沿岸地区人类活动与生物物理动力学之间的复杂相互作用。5 结论本研究评估了2014–2023年间南欧地中海沿岸地区近期生物物理及与人类活动相关的变化。通过在不同国家间应用标准化的10公里海岸带，分析超越了行政边界限制，提供了一个一致的空间框架，用于比较植被状况、地表温度、夜间光强度和建成区覆盖度。结果揭示了地中海沿岸带的明显空间异质性。在分析的各指标中，夜间光（NTL）表现出最为广泛的增加趋势，尤其在地中海东部地区，表明夜间活动及沿海地区功能性使用的强化。LST也呈现出显著的上升趋势，约55%的海岸区域被归类为LST显著上升趋势。LST的空间分布突出了相关的东西向变异性，表明经度梯度在构建地表温度格局中发挥重要作用。相比之下，显著的EVI下降总体范围有限，但空间上集中在特定区域，尤其是克罗地亚和土耳其。本研究的一项关键发现是NTL的广泛增加与建成区覆盖度的相对有限扩张之间的对比。这表明研究区近期的海岸变化主要并非以大规模物理城市扩张为特征，而是已在城市化或高强度使用海岸区域内的功能性强化。这一模式在地中海旅游驱动型地区尤为相关，在这些地区，季节性活动、基础设施使用和经济功能可以在不产生建成区规模大幅变化的情况下增加。这些研究结论应在基于遥感的评估范围内进行解读，因为本研究识别的是空间关联性和近期指标趋势，而非直接的因果关系或长期气候变化。未来研究应整合卫星遥感指标、气象观测、社会经济数据、实地验证和政策信息，以更好地解释观测到的海岸模式的驱动因素。从实践角度看，该方法可以通过帮助识别活动强度、地表增温和植被下降可能在空间上重合的区域，从而支持海岸监测、环境评估和综合海岸带管理。在科学层面，本研究为发展跨国海岸监测框架做出贡献，该框架将异质海岸地区的生物物理指标与人类活动相关指标联系起来。作者贡献：CRediT Z.M.：概念化、软件、正式分析、方法论、撰写——初稿；A.S.B.：撰写——初稿、监督、资金获取、正式分析、概念化；M.I.：撰写——初稿、数据管理、正式分析和概念化、资金获取；E.A.：概念化、撰写——初稿、编辑；A.R.：概念化、撰写——初稿、编辑；A.P.：软件、可视化；R.L.：概念化、调查、数据管理、方法论、撰写——初稿、编辑、监督。生成式AI及AI辅助技术在写作过程中的声明在本文准备过程中，作者使用了ChatGPT以提供语法准确的文本。使用该工具后，作者根据需要审阅和编辑了内容，并对已发表文章的内容承担全部责任。Zahra Mokhtari|Angela Stefania Bergantino|Mario Intini|Elsa Amaddeo|Alessio Russo|Arsid Pambuku|Raffaele Lafortezza巴里阿尔道莫罗大学土壤、植物与食品科学系，Via Amendola 165/A，70126 巴里，意大利