EN中文

Journal of Geo-information Science >

2023 , Vol. 25 >Issue 2: 324 - 339

DOI: https://doi.org/10.12082/dqxxkx.2023.220273

Spatial Identification and Temporal-spatial Evolution of Wilderness Areas in China

  • MA Li ,
  • PAN Jinghu , *
Expand
  • College of Geography and Environmental Science, Northwest Normal University, Lanzhou 730070, China
* PAN Jinghu, E-mail:

Received date: 2022-05-08

  Revised date: 2022-06-13

  Online published: 2023-04-19

Supported by

National Natural Science Foundation of China(42071216)

Natural Science Foundation of Gansu Province(21JR7RA145)

Fold

Abstract

There are not only significant regional differences in China, but also great differences in natural conditions and human environment. In the context of the increasingly serious ecological crisis and the accelerated construction of ecological civilization, China's special regional differences and natural and humanistic environment limit the even distribution and orderly development of population and the overall spatial layout of social economy, which leads to large, widely distributed Wilderness Areas (WAs). Wilderness plays an important role in carrying out the evaluation of resources and environmental carrying capacity, ensuring the long-term existence of biodiversity, dealing with human-land relationship, and building national parks and ecological security barriers. Therefore, it is particularly important to objectively and accurately define the spatial distribution range of WAs and analyze its temporal and spatial evolution pattern. At present, there are few studies on the area, distribution, characteristics, and spatiotemporal evolution pattern of WAs. Based on the multi-source spatial data in 2000, 2010, and 2020, from the perspective of decision-making and influence, this paper took climate comfort and topographic relief as the decision-making indexes, and the human influence degree as well as remoteness as impact indexes to construct a multi-factor identification model of wilderness, defined the spatial scope of WAs in China, and analyzed its geographical distribution characteristics and spatiotemporal evolution pattern. The results show that: (1) Based on multi-source spatial data, selecting the suitability index system and establishing the coupled WAs determination-influence relationship approach can accurately and effectively identify and analyze the spatial and temporal distribution patterns of WAs in China; (2) In China, the WAs were distributed centrally in a large scale and dispersed in small areas in space. The total area of WAs in these three periods was 3.4418 million km2, 2.9767 million km2, and 2.7986 million km2, respectively, mainly distributed in Tibet, Xinjiang, Qinghai, Inner Mongolia, Heilongjiang, and other provinces; (3) From 2000 to 2020, most of China's WAs came from grasslands and unused land, and its area showed a downward trend with a larger reduction rate in 2000—2010 than that in 2010—2020; (4) Most of the nature reserves and the first batch of national parks were distributed in the WAs. Tibet was the area that was protected most, followed by Xinjiang, Qinghai, Inner Mongolia, Gansu, and so on. In 2020, the protected area of WAs reached 632 100 km2, accounting for 69.32 % of the total area of nature reserves.

Key words： wilderness areas; unpopulated areas; spatial identification; nature reserve; national park; spatial and temporal patterns; China; THI

Cite this article

MA Li , PAN Jinghu . Spatial Identification and Temporal-spatial Evolution of Wilderness Areas in China[J]. Journal of Geo-information Science, 2023 , 25(2) : 324 -339 . DOI: 10.12082/dqxxkx.2023.220273

1 引言

从人类诞生之初到21世纪的今天，人类与自然的关系曲折发展，二者交互的区域也在不断地发生着变化。特定的自然和人文环境限制了人口的全空间布局和有序性发展，从而形成了面积大、分布广的荒野地（Wilderness Areas，Was），乃至无人 区[1]。一个世纪前，地球表面只有15%用于耕种农作物和饲养牲畜。如今，87%的海洋和除南极洲以外超过77%的陆地受到人类活动直接影响，涉及的区域不仅包括经济快速发展的发达地区，还包括一些偏远的生态保护区[2]。在生态危机日益严峻的背景下，全球的荒野地带正在以令人难以想象的速度迅速消失，其中包括亚马逊和非洲中部地区，荒野地面积分别减少了近30%和14%，严重威胁到了野生动植物的生存环境以及生态平衡[3]。1995—2015年，全球荒野地减少约330万km2，大约有9.6%的荒野地被人类活动侵蚀，由工业建设替代了原始的自然风貌[4]。同时荒野地区也是许多濒临灭绝物种的重要的庇护所[2]。随着人类活动的持续扩张，所存在的荒野地逐渐减少，对于荒野地保护和恢复的重要性逐渐凸显。如今，许多国家从立法高度审视荒野地的保护，以建立自然保护地和国家公园的形式扩大对荒野地的针对性保护。推动荒野保护实践离不开前期的充分规划，深入研究荒野地时空变化，探索其分布格局是荒野地的保护和监测的前提和基础[5]。因此，对于荒野地的识别和时空格局的演变就显得尤为重要。据统计，中国现存荒野地面积排在世界各国的前列[1]。然而，经济的高速发展和城镇化进程的加快对中国荒野地带来诸多威胁，面积逐渐萎缩，人类活动越来越频繁，生物多样性遭到破坏，进而可能影响到人与自然的和谐发展。党的十八大明确提出了大力推进生态文明建设的总体要求，“十九大”则进一步聚焦加快生态文明体制改革、建设美丽中国战略方针的实施[6]。现存所剩不多的荒野地是中国宝贵的自然遗产。虽然中国已有法律和生态文明建设的政策中并未直接提及荒野地这一概念，但在处理人地关系、保护生态系统、控制国土开发强度、建设美丽中国等方面，荒野地的界定和时空格局演变研究无疑是一项基础性的工作。
国内外有关荒野地的研究起步较晚，进展缓慢，对荒野地的研究主要聚焦于概念界定、识别方法确定、指标体系选择以及时空格局演变等方面。在荒野地的概念界定方面，不同的学者和政府机构从人类活动干扰程度、原始自然特征保持程度、人居环境适宜程度等不同角度定义荒野地。如欧盟从原始自然特征保持程度的角度将荒野地定义为其是由自然过程控制的区域，它由原生栖息地和物种组成足够大且可有效地发挥自然过程的生态功能区，也是未经改造或仅轻微改造，没有外来侵入的干扰的区 域[7]；德国自然保护局从人类活动的干扰程度出发将荒野地定义为足够大的、非碎片化的，没有侵入性或开采性人类活动的地区，其作用是为自然过程的生态功能永久提供进程而不受人类干扰[8]；李文君等[9]从人居环境的角度出发将无人区定义为一个长期空置的土地或不适合人类居住的地区。中国过去依赖民俗资料和各类地方志去了解荒野地或无人区，使其拥有浓厚的神秘色彩。在荒野地的识别方法方面，学者们早期大多使用布尔（Boolean）运算和多标准评价（Multi-Criteria Evaluation）的方法对所选取的指标进行运算，从而识别荒野地。如McCloskey等[10]以面积大于4000 km2且距离各类人工设施大于6 km的区域为标准，识别了全球陆地表面三分之一为荒野地；Carver等[11]利用不同权重对自然度、遥远度、远离人类影响程度等指标进行加权组合，界定出欧洲的荒野地。随着遥感和大数据的出现，对于荒野地识别结果的精准度也得到了提升。马爽等[12]利用反映人口流动的腾讯LBS大数据对中国潜在的荒野地进行更加精准的识别。在荒野地识别的指标体系建立方面，遥远度和自然度是最常用的荒野地识别指标，学者们选取不同的影响因子来表征遥远度和自然度。Schumache等[13]选取居民点和道路作为遥远度指标，选取土地利用数据为自然度指标对荒野地进行识别；Müller等[14]选取道路和人口作为遥远度指标，选取土地利用作为自然度指标界定荒野地。在荒野地的时空演变方面，学者们从不同的空间尺度对荒野地的空间分布以及时间演变进行了研究，James等[15]从全球尺度选取不同指标利用多标准评价方法绘制了2018年全球海洋荒野的空间分布；李文君等[9]从地理分区尺度利用人居环境特征对青藏高原无人区空间分布进行研究；李晓雪等[16]从省际尺度利用旅行时间模型计算遥远度并选取土地覆被数据表征自然度识别了福建省的荒野地空间分布。
综合而言，目前学术界有关荒野地研究的案例还不多，已有研究大多停留在对荒野地的概念界定和研究框架设计上，荒野地空间识别的方法远未成熟。荒野地识别的指标体系上，现有研究多从单一视角展开，少见利用多源空间数据建立指标体系开展的综合性识别研究；且研究区域多针对中小尺度，鲜见全国范围的整体性空间识别。荒野地时空变化格局的研究更是少之又少。基于以上原因，本文提出从决定和影响2个方面出发对中国荒野地进行识别，通过地形和气候2个决定因子确定荒野地分布范围，利用土地利用数据、夜间灯光、居民点和道路数据4个影响因子确定荒野地识别的质量，构建基于多源空间数据的中国荒野地空间范围界定模型，用于识别2000、2010、2020年中国荒野地的范围，并分析其时空演变格局，为自然保护地体系构建和区域生态修复等提供科学参考。

2 研究方法与数据来源

2.1 指标计算

本文借鉴前人对荒野地的定义，将荒野地定义为“未经人类改造或者改造程度较低，主要受自然过程控制的，并且无永久性人类居住和人类活动，具有生态、文化多元价值的地区”。所确定的荒野地识别原则为：① 荒野地应包含气候不适宜居住地区；② 荒野地应包含地形起伏很大的地区；③ 荒野地应是人类活动影响较低的地区；④ 荒野地应远离路网和居住地。荒野地并不是严格意义上的没有人类涉足的区域，而是不适宜人类居住并且需要合理开发或保护的区域。
依据荒野地的不同特征，选取不同的因子界定荒野地。首先，气候舒适度能反映居民在周围气象要素相互作用下，不借助外部工具，居民主体舒适和不舒适程度的感受[17]。气候舒适程度低于或高于一定范围时将不适宜人类居住，因此选取气候舒适度来表征人类宜居程度。其次，地形直接影响地面物质的流动与能量转化，从而对人类活动产生限制作用[18]。地形起伏超过一定范围将不适宜人类生存。因此，选取地形起伏度表征对人类活动的限制。土地适宜度是依据土地利用数据对人类活动强弱程度进行合理的划分[1]，夜间灯光强度一直以来都被视为地球表面人类活动的表现形式[19]，这 2个指标与人类活动密切相关，也能够反映人类活动的影响程度。远离路网和居住地也是荒野地属性的重要指标[1]，本文选取距道路和距聚居地遥远度来表征人类可以到达的程度。荒野地是自然度较高的区域，所以自然因素限定了荒野地的分布，而气候和地形2个自然因素对人类活动限制较大，因此本文选取气候舒适度和地形起伏度作为决定因子的指标。荒野地同时也是人类活动影响较低且较为遥远的地区，而土地利用、夜间灯光、路网和聚居地能反映人类活动的强弱，文中选取土地适宜度、夜间灯光强度、道路遥远度和距聚居地遥远度作为影响因子的指标，利用决定-影响的耦合关系识别中国荒野地。识别流程如图1所示。
图1 中国荒野地空间范围界定技术流程

Fig. 1 Workflow for defining the extent of the WAs in China

2.1.1 地形起伏度

地形起伏度是单位面积内最大高程和最小高程的高差，反映大尺度区域地势特征，定量描述地貌形态[20]。文中全国地形起伏度的计算公式如下：
R d = H m a x - H m i n
式中：Rd为地形起伏度；Hmax、Hmin分别为邻域内最高海拔和最低海拔， m。
地形起伏度的计算精度取决于分析窗口的大小，合理的选择最佳分析窗口是提升地形起伏度的计算精度的重要步骤。研究表明[17]，分析窗口增大过程中，平均高差的变化为先迅速增大，达到一定值后增速减缓但依旧增大，对应的曲线中达到一定值会产生唯一的“拐点”，而唯一的“拐点”所对应的窗口面积就是最佳的分析窗口。本文采取邻域分析法与均值变点法，确定最恰当的地形起伏度分析窗口为11×11，详细步骤可见参考文献[18]。依据中国1:100万数字地貌制图规范对地形起伏度的划分标准[21]（表1、图2），并将2000、2010、2020年居民点数据与其叠加，可得出大起伏山地和极大起伏山地中居民点所占比重均不到1%，因此将这2种地形起伏度类型划分为人类不宜居住区。
表1 地形起伏度划分标准与居民点占比

Tab. 1 Topographic relief classification criteria and percentage of settlements

地形起伏度类型 海拔高差/m 居民点占比/%
2000年 2010年 2020年
平原 <30 38.70 34.14 37.97
台地 30~70 15.19 13.71 14.57
丘陵 70~200 18.65 20.43 19.03
小起伏山地 200~500 19.43 22.09 19.91
中起伏山地 500~1000 7.05 8.66 7.52
大起伏山地 1000~2500 0.96 0.96 0.99
极大起伏山地 >2500 0.01 0.02 0.01
图2 中国各地形起伏度类型的空间分布

Fig. 2 Spatial distribution of topographic relief types in China

2.1.2 气候舒适度

气候舒适度能反映居民在周围气象要素相互作用下，不借助外部工具，居民主体舒适和不舒适程度的感受[17]。本文利用温湿指数来表征气候舒适度，所采用的原始气象数据均来源于国家气象中心，空间范围包含了全国730个基准台站，时间范围为2000、2010、2020年逐日数据资料。气象站点原始数据项主要包括温度、相对湿度、降水量等气象要素以及各气象站点对应的编号、经纬度和海拔等基础信息。根据此数据集，计算得到了各站点的年平均温度、年平均相对湿度数据。利用ANUSPLIN软件对温度、相对湿度年平均观测数据进行空间内插，并且引入DEM数据作为协变量，从而减小地形起伏对插值结果的影响。该软件基于样条插值理论，插值精度高[22]，数据转换方式为平方根转换，样条次数设置为2。
温湿指数（Temperature Humidity Index，THI）的物理意义是湿度订正以后的温度，综合考虑了温度和湿度对人体舒适度的影响。基于温度、相对湿度数据，计算中国温湿指数[23]，公式如下：
T H I = T - 0.55 ( 1 - f ) ( T - 58 )
式中：THI为温湿指数；T为华氏温度， T = 1.8 t + 32；t为年均温/℃； f是年均相对湿度/%。THI分类标准如表2所示。
表2 温湿指数生理气候分级标准[23]

Tab. 2 The biometeorology grade standard of THI

温湿指数（THI） 感觉程度
<40 极冷、极不舒适
40~45 寒冷、不舒适
45~55 偏冷、较舒适
55~60 清、舒适
60~65 凉、非常舒适
65~70 暖、舒适
70~75 偏热、较舒适
75~80 闷热、不舒适
>80 极其闷热、极不舒适
依据表2的划分标准，将温湿指数THI<40和THI>80的地区划分为人类不宜居住区（图3）。
图3 2000—2020年中国温湿指数空间分布

Fig. 3 Spatial distribution of THI in China from 2000 to 2020

2.1.3 土地适宜度

土地适宜度是依据土地利用数据对人类宜居地进行合理的划分。依据人类宜居性将土地利用数据中一级分类中的未利用土地和二级分类中的高覆盖度草地、湖泊、冰川永久积雪、海涂划分为不宜居住区，其他类型为宜居区[24]（图4）。
图4 2000—2020年中国土地适宜度分布

Fig. 4 Distribution of land suitability in China from 2000 to 2020

2.1.4 夜间灯光强度

夜间灯光强度一直以来都被视为地球表面人类活动的表现形式[25]，其作为影响因子对荒野地的界定起非常重要的作用。其中，DMSP-OLS夜光数据的空间分辨率为1 km,对应的DN值范围在0~63，数据年份为1992—2013年。NPP-VIIRS夜光数据空间分辨率为500 m，数据年度为2012—2020年。2种数据均已经去除火灾等短暂光亮，是稳定的灯光平均数据。将NPP-VIIRS数据降维拟合成DMSP-OLS数据[26]，首先，将2000、2010、2013年的DMSP-OLS年度数据进行校正处理；然后将NPP-VIIRS月度数据合成年度数据，并进行降噪处理，因为两种数据共同的年份为2013年，所以选取共同年份的DMSP-OLS影像，将共同年份的NPP-VIIRS数据重采样至1km，使得2种影像能够完全重合。最后，基于像元尺度，计算DMSP-OLS数据DN值所对应的NPP-VIIRS数据的平均DN值，从而建立2种数据的回归方程，将NPP-VIIRS数据通过回归方程转化为DMSP-OLS数据类型；利用2种数据之间的函数关系得到2020年的VIIRS-OLS拟合数据，像元范围为0~63。将所需数据的投影均转换为WGS-84为基准的Albers等积投影，并将2种数据影像分辨率重采样。夜间灯光数据能够体现城市中各种强度的灯光，因此可以反映人类活动的等级和空间分异[19]。不同的像元值表征着不同程度的人类活动，依据夜间灯光数据的表征特性，对其进行归一化处理（图5），栅格数值越低，成为荒野地的可能性越大。
图5 2000—2020年中国夜间灯光强度

Fig. 5 Nightlight intensity in China from 2000 to 2020

2.1.5 距聚居地遥远度

距聚居地遥远度反映某一栅格与现有城市和农村建设用地的距离远近[24]。本文选取2000、2010、2020年中国城镇和农村建设用地数据，将栅格数据转换为矢量点数据作为欧式距离工具的源，使用欧氏距离分析工具计算，并将其归一化，得到的结果作为距聚居地的遥远度指标（图6）。栅格数值越高，代表该栅格与聚居地的距离越远，成为荒野地的可能性就越大。
图6 2000—2020年栅格距聚居地遥远度

Fig. 6 Grid distance from settlements from 2000 to 2020

2.1.6 距机动车道路遥远度

距道路遥远度反映某一栅格与可达机动车道路的距离远近[24]。“无路”被认为是反映荒野地属性的一项重要指标。本文选取2000、2010、2020年共3期中国交通路网数据，将铁路、高速公路、国道、省道、市区道路5种交通线路数据进行合并，作为路网分布数据。然后以路网数据作为源，使用欧氏距离分析工具计算，因其是一个连续性的因子，距离道路越远，无人类活动的可能性越大，所以将得到的结果进行归一化处理并作为距道路遥远度的指标（图7）。数值越高，代表该栅格与道路的距离越远，成为荒野地的可能性就越大。
图7 2000—2020年栅格距机动车道路遥远度

Fig. 7 Grid distance from motor vehicle road remoteness from 2000 to 2020

2.2 计算方法

以多源空间数据为基础，建立地形、气候与土地利用、夜间灯光强度等要素所表征的决定+影响的耦合关系，利用各要素所表征的特殊属性，构建中国荒野地识别模型。主要包括2个步骤：① 从人类宜居的2个决定性自然地理要素（即地形与气候）界定不适宜人类活动的地区；② 基于对人类影响较大的自然社会经济要素（土地利用、夜间灯光、聚居地、道路）确定不宜活动区的等级。
采用李文君等[9]提出的模型构建、叠置分析相结合的方法，构建中国荒野指数（WAsI）空间界定模型。
W A s I = T W A s + C W A s + L W A s +                             N W A s + R W A s + S W A s
式中：WAsI为荒野程度指数；TWAs为地形起伏度、CWAs为气候舒适度； L W A s为土地适宜度；NWAs为夜间灯光强度；RWAs为距机动车道路遥远度、SWAs为距聚居地遥远度。以各类要素人类适宜活动的特殊属性为依据，确定各类要素分布的阈值。采用相等权重对决定因子和影响因子进行赋值，决定因子有2个，超过决定因子阈值上下限的赋值为2、其余为0，从而确定单要素限制居民居住的空间区域（即2代表不宜居、0代表宜居）；影响因子有4个，对每个因子进行归一化处理，栅格值越高，成为荒野地的可能性越大。基于GIS进行各自然要素阈值空间叠加分析，根据各类要素限制表征中国荒野地分布状况。WAsI取值为0~8，其中WAsI<4是影响因子起主要作用；WAsI在4~5之间是决定因子起主要作用；WAsI在5~8之间是综合因子起主要作用。所以，WAsI在0~4之间是适宜人类活动区，WAsI在5~8之间是不适宜人类活动区。

2.3 数据来源

本文所使用的数据有全国气象数据、DEM数据、土地利用数据、夜间灯光影像、居民点、道路数据和自然保护区数据，空间分辨率均为1 km。数据来源如表3所示。由于数据获取困难，本次研究不包括台湾。
表3 数据来源

Tab. 3 Sources of data required

数据类型 数据来源 数据年份
气象数据 中国气象数据共享网（http://data.cma.cn/） 2000、2010、2020年
全国DEM数据 中国科学院资源环境科学与数据中心（http://www.resdc.cn） —
土地利用数据 中国科学院资源环境科学与数据中心（http://www.resdc.cn） 2000、2010、2020年
夜间灯光数据 美国国家环境信息中心网站（https://ngdc.noaa.gov） 2000、2010、2020年
居民点数据 中国科学院资源环境科学与数据中心（http://www.resdc.cn） 2000、2010、2020年
道路数据 地理遥感生态网（http://www.gisrs.cn） 2000、2010、2020年
自然保护区数据 中国自然保护区标本资源共享平台（http://www.papc.cn） 2020年

3 结果与分析

3.1 中国荒野地空间分布

综合决定因子和影响因子及各类因子对人居环境限定条件，共确定出地形起伏度、气候舒适度、土地适宜度、夜间灯光强度、距聚居地遥远度以及距道路遥远度6个荒野地界定指标。对前2个指标根据阈值进行二值化处理，后4个指标进行归一化处理。之后，基于中国荒野地的识别模型，对6类限制因子进行空间叠加运算得出中国荒野指数图（图8）。
图8 2000—2020年中国荒野指数分级

Fig. 8 China WAsI grading from 2000 to 2020

依据荒野程度指数WAsI将中国划分为人口稠密区、人口中等区、人口较少区、人烟稀少区、人迹罕至区、严格无人区6类（图9）。总体来看，人迹罕至区和严格无人区大范围呈集中分布，小范围区域呈现零散分布，集中分布在西部地区和东北。人烟稀少区、人口稠密区和人口中等区也呈现大区域集中分布，小区域穿插分布趋势。其中，人口中等区所占面积最大，人口稠密区和人烟罕至区次之，人口较少区面积最小。随着社会经济的快速发展，2000—2020年人口稠密区面积占中国总面积的比例逐渐增加，由2000年的18.13%增加到2020年的23.57%。人口中等区面积所占比例最大，且在20年期间基本稳定不变，在40%左右波动。人口较少区面积在2000—2010年呈增加趋势，由2000年的4.95%增加到2010年的10.92%，在2010—2020年保持稳定。人烟稀少区面积最少，20年间持续减少。人迹罕至区面积所占比重较大，在2000—2020年呈逐渐减少趋势，由2000年的25.09%减少到2020年的22.63%，严格无人区面积所占比重较小，在2000—2020年也呈逐渐减少趋势，由2000年的11.39%减少到2020年的6.95%。
图9 2000—2020年中国荒野程度分类

Fig. 9 Classification of wilderness degree in China from 2000 to 2020

将人口稠密区、人口中等区、人口较少区、人烟稀少区四类划分为人类适宜活动区，将人迹罕至 区和严格无人区划分为理论意义上的中国荒野地（图10），2000年荒野地面积为344.18万 km2，占中国总面积的35.8%，2010年与2020年荒野地面积分别为297.68万 km2、279.87万 km2，占全国总面积的31%、29.2%，主要分布在西部地区和东北。
图10 2000—2020年不同地理分区荒野地空间分布

Fig. 10 Spatial distribution of WAs in different geographical divisions from 2000 to 2020

根据不同地理分区来看，特殊的气候和地形条件导致了中国荒野地主要分布在北方干旱半干旱区和青藏高原区，同时这2个区域也占国土面积的50%左右。以2020年为例，青藏高原区荒野地面积最大，占其总面积的44.08%，其次是北方干旱半干旱区，占其总面积的38.74%。
不同省份来看，荒野地主要位于新疆南部、青海西部、西藏北部、内蒙古西部、黑龙江北部，集中分布在羌塘高原、阿尔金山、可可西里、塔克拉玛干沙漠、罗布泊、大小兴安岭等区域；其次分布于全国各个省份，秦岭、神农架、滇西北、武夷山、祁连山、三江源等地区面积较大。从不同省份荒野地面积占比（表4）来看，荒野地所占面积最大的省份为新疆，其次是西藏、青海、内蒙古、四川、黑龙江、甘肃、云南等。总体来看，我国荒野地大部分分布在西部地区，中东部各省份荒野地面积占比很小，主要是一些古生物遗迹、内陆湿地、森林、国家保护动植物栖息地等地区，具有较高的保护价值和意义。由于其周围人口众多，社会经济发达，居民活动频繁，中东部各省份荒野地可能面临着比西部荒野地更多、更大的威胁。
表4 2000—2020年中国不同省（自治区、直辖市）荒野地面积占比

Tab. 4 Proportion of WAs in different provinces ( autonomous regions and municipalities directly under the Central Government ) of China from 2000 to 2020

地区 总面积/万km2 2000年 2010年 2020年
荒野地面积
/万km2		 荒野地面积
占比/%		 荒野地面积
/万km2		 荒野地面积
占比/%		 荒野地面积
/万km2		 荒野地面积占比/%
新疆维吾尔自治区 166.000 108.610 65.43 102.342 61.65 91.480 55.11
西藏自治区 112.840 74.883 66.36 66.305 58.76 63.913 56.64
青海省 72.230 52.137 72.18 50.486 69.90 48.940 67.76
内蒙古自治区 118.300 41.011 34.67 34.659 29.30 28.466 24.06
四川省 48.600 23.728 48.82 21.062 43.33 21.465 44.17
黑龙江省 47.300 19.359 40.93 20.652 43.66 9.982 21.10
甘肃省 45.590 16.600 36.41 9.087 19.93 8.948 19.63
云南省 39.410 8.802 22.33 8.814 22.36 8.919 22.63
吉林省 18.740 3.725 19.88 3.249 17.33 2.928 15.62
陕西省 20.560 1.699 8.26 1.713 8.33 1.600 7.78
辽宁省 14.800 1.560 10.54 1.091 7.37 0.954 6.45
广东省 18.000 1.436 7.98 1.141 6.34 1.133 6.29
广西壮族自治区 23.760 1.433 6.07 1.434 6.08 0.930 3.94
山西省 15.670 1.160 7.42 1.057 6.76 0.951 6.09
宁夏回族自治区 6.640 1.044 15.73 0.904 13.62 0.726 10.94
福建省 12.400 0.855 6.90 1.059 8.54 0.651 5.25
河北省 18.880 0.796 4.24 0.697 3.71 0.564 3.01
江西省 16.700 0.548 3.28 0.453 2.71 0.350 2.09
江苏省 10.720 0.468 4.56 0.310 3.02 0.265 2.58
安徽省 13.970 0.467 3.34 0.268 1.92 0.236 1.69
山东省 15.800 0.459 2.99 0.310 2.02 0.236 1.54
河南省 16.700 0.443 2.65 0.441 2.64 0.234 1.40
贵州省 17.610 0.440 2.50 0.346 1.96 0.350 1.99
湖北省 18.590 0.379 2.04 0.320 1.72 0.295 1.59
海南省 3.400 0.361 10.61 0.161 4.75 0.131 3.85
湖南省 21.180 0.332 1.57 0.334 1.57 0.335 1.58
北京市 1.641 0.221 13.18 0.122 7.24 0.091 5.43
浙江省 10.550 0.152 1.49 0.157 1.54 0.159 1.56
上海市 0.634 0.096 15.19 0.080 12.70 0.066 10.54
重庆市 8.240 0.093 1.14 0.057 0.69 0.055 0.67
天津市 1.197 0.062 5.18 0.040 3.34 0.035 2.92
香港特别行政区 0.110 0.010 8.63 0.005 4.54 0.003 3.09
澳门特别行政区 0.003 0.000 0.00 0.000 0.00 0.000 0.00

注：由于数据获取困难，本次研究不包括台湾。

3.2 中国荒野地面积变化及不同土地类型占比

将3期荒野地数据进行叠置分析得出，2000—2010年中国荒野地面积减少了47.51万km2，减少的区域主要来源于西部地区。2010—2020年中国荒野地面积减少了17.81万km2，减少的区域主要来源于东北地区和西部地区。总体来说，2000—2020年中国荒野地面积呈现减少趋势，并且2000—2010年的减少速率大于2010—2020年。
将土地利用数据与荒野地分布图进行叠置分析可得2000—2020年各类型土地与荒野地面积之间的变化关系。由表5可得，中国荒野地面积大部分来源于草地和未利用地，所占比重较小的为耕地和建设用地。2000年，草地和未利用地占其总面积的75.96%。2000—2010年，有2.07万km2的耕地转为荒野地，据统计，有一部分耕地面积转为森林和湿地[27]。荒野地中各类型的土地都在不同程度地减少，其中未利用地减少比重最大，占减少总面积的58.85%。2010—2020年，荒野地中各类型土地呈现持续减少趋势，但减少幅度降低，减少面积最多的仍是未利用地，占总减少面积的36.87%。
表5 不同土地类型占荒野地面积

Tab. 5 Area of WAs accounted for by different land types(万km2)

土地利用类型 2000年荒野地面积 2010年荒野地面积 2020年荒野地面积
耕地 7.50 9.57 4.62
林地 64.31 62.21 55.85
草地 110.72 92.21 91.24
水域 11.01 9.98 9.53
建设用地 0.11 0.13 0.11
未利用地 151.27 123.29 115.85
根据不同地理区划来看，中国荒野地面积所占比重较高的是北方干旱半干旱区和青藏高原区。北方干旱半干旱区荒野地面积所占比例在2000—2010年呈逐渐减少趋势，由2000年的45.15%减少到2010年的38.75%，在2010—2020年基本保持不变。青藏高原区荒野地面积所占比例在2000—2020年逐渐增加，由2000年的37.39%增加到2020年的44.08%。四川盆地及周边地区，东北平原区和云贵高原区荒野地面积所占比重次之。东北平原区20年期间荒野地面积呈先增后减趋势。长江中下游地区、黄土高原区、华南区和黄淮海平原区荒野地面积所占比重最小，并且20年期间，面积变化不大。
根据不同行政区划来看，各省的荒野地面积变化也有所不同。由图11可知，青海省是荒野地占比最大的省份，在2000年荒野地面积占总面积的72.18%，2010、2020年分别占69.90%、67.76%。其余荒野地面积占比较高的省份（新疆、西藏等）在2000—2020年同样出现较明显的减小趋势且集中分布在西部和东北地区。
图11 2000—2020年中国荒野地不同省（自治区、直辖市）面积占比变化

Fig. 11 Change in the area of WAs by provinces ( autonomous regions and municipalities directly under the Central Government )

3.3 中国荒野地被保护状况

将中国自然保护区空间分布与本文识别的荒野地进行叠置，得到中国荒野地被保护区域分布图（图12）。结果显示，中国大部分的自然保护区都分布在荒野地中，荒野地被保护地区最多的省区是西藏，其次是新疆、青海、内蒙古、甘肃等。以2020年为例，中国荒野地中被保护面积达到了63.22万km2， 占全国自然保护区总面积的69.32%。其中，被保护面积最大的是西藏羌塘，被保护面积达到了24.25万km2，占其总面积的78.70%，新疆阿尔金山被保护面积为4.10万km2，占其总面积的95.13%，青海可可西里被保护面积为4.98万km2，占其总面积的99.9%，甘肃祁连山被保护面积为2.26万km2，占其总面积的85.15%。
图12 2000—2020年中国荒野地被保护区域分布

Fig. 12 Distribution of protected WAs areas in China from 2000 to 2020

2021年10月国家正式设立三江源、大熊猫、东北虎豹、海南热带雨林、武夷山5个中国第一批国家公园（图13），5个国家公园基本都在所界定的荒野地范围内。以2020年为例，三江源国家公园在所界定荒野地中面积为12.03万km2，占其总面积的97.70%；大熊猫国家公园在荒野地中的面积为1.98万km2，占其总面积的71.58%；东北虎豹国家公园在荒野地中的面积为1.01万km2 ，占其总面积的72.42%；海南热带雨林国家公园在荒野地中的面积为0.35万km2，占其总面积的79.24%；武夷山国家公园在荒野地中的面积为0.072万km2，占其总面积的56.46%。
图13 2000—2020年国家公园与荒野地分布

Fig. 13 Distribution of national parks and WAs from 2000 to 2020

4 讨论

荒野地具有重要价值与保护意义，应将荒野保护作为中国生态文明建设的一项核心内容[6]，生态文明背景下的中国应充分尊重荒野价值，确保荒野持续存在的权利。在认定荒野保护范围进而开展荒野保护之前，必须知道荒野地的空间分布，才能够科学认知荒野地的数量与质量、准确划定荒野保护区边界、合理制定荒野保护政策、科学开展荒野管理[5]。本文从决定和影响荒野地存在与分布的多源空间要素入手，基于GIS空间分析方法，从栅格尺度初步界定了中国荒野地空间分布，分析其时空演变特征。全国范围的荒野地空间界定模型少见报道，本文的结果对于国家层面荒野保护政策的制定和荒野保护地体系的规划具有重要参考价值。本文的识别结果与曹越等[24]对中国荒野地的界定范围基本一致，但也存在部分差异。本文所界定的荒野地空间范围与分布可能存在一定不确定性，主要影响因素有基于ANUSPLIN软件插值的温度等气象产品、基于权重确定的土地利用阈值等。
中国区域地理环境差异很大，有必要在区域尺度上改进和调整所提出的方法去界定荒野地，在区域范围内，需要更准确的数据集，并尽可能地进行实地验证。此外，还需要更精确的模型，用高分辨率数据建立指标体系界定荒野地[28]。例如﹐在国家尺度上，距道路和居民点的遥远度是基于简单的欧式几何距离函数确定，而在区域尺度上，应考虑影响徒步旅行时间的一系列因素，如障碍物特征、地形和植被等要素，都可以纳入到非线性或各向异性的偏远度模型中去界定荒野地[29]。下一步工作将在获取更多期数据的基础上，应用大数据等优化完善荒野地识别研究，深入分析中国荒野地空间格局，定量评估中国荒野地的多元价值。地球目前面临的生物多样性危机和生态环境压力与荒野地的迅速消失有着密不可分的关系[30]。荒野地区是目前唯一在物种组合上几乎达到自然丰富水平的地方，还是大量珍稀濒危野生动植物的“最后避难所”，更是生物遗传信息的重要储存库[31]。因此，荒野地在减少物种损失和确保生物多样性长期持续存在方面起到了至关重要的作用。据统计，中国复杂多样的生境蕴藏了丰富物种[32]。作为物种多样性大国，在未来，应在我国国家公园和自然保护地体系重构的背景下，深入研究中国荒野地体系建立的必要性和可行性。利用更高分辨率的数据，将更多的自然、社会、经济等要素纳入界定荒野地的模型中，以更加准确地识别出荒野地，并且应将荒野保护作为生态文明建设的重要内容。依托全国生态功能区划、中国生物多样性保护优先区域划定，以及生态红线划定等政策加大对荒野地保护力度和监管质量，确保中国生物多样性的可持续发展，维护人与自然和谐共生的人地关系，为当代与后代留下弥足珍贵的“野性中国”。

5 结论

本文以多源空间数据为基础建立指标体系，利用各要素的规律性特征，构建中国荒野地叠置模型，识别2000—2020年中国荒野地空间分布，得出以下几点结论：
（1）基于多源空间数据，通过建立荒野地决定-影响的耦合关系的方法可准确、有效地对中国荒野地进行识别。从决定和影响2个方面出发，选取地形起伏度和气候舒适度2个决定指标以及对土地适宜度、夜间灯光强度、距聚居地遥远度和距道路遥远度4个影响指标对中国荒野地进行识别，体现了人类宜居状况，反映出人类活动的频繁程度。识别结果增加了从荒野角度对国土景观的新认知，揭示了中国荒野地的空间分布情况，为国家层面荒野保护政策的制定和荒野保护地体系的规划奠定了基础。
（2）中国荒野地空间上呈现出大范围集中分布，小区域零散分布状态。主要分布在青藏高原区和北方干旱半干旱区的西藏、新疆、青海、内蒙古等以及东北地区的黑龙江等省份。2000年荒野地面积为344.18万 km2，占中国总面积的35.8%，2010年与2020年荒野地面积分别为297.68万 km2、279.87万 km2，占全国总面积的31%、29.2%，主要分布在西部地区和东北。2020年荒野地所占面积最大的地理分区为青藏高原区，占荒野地总面积的44.08%。
（3）中国荒野地面积大部分来源于草地和未利用地，并且在2000—2020年呈现出逐渐减少的趋势，由2000年的344.19万km2减少到2020年279.86万 km2，减少的区域主要来源于东北地区和西部地区。且2000—2010年的减少速率要高于2010—2020年。
（4）中国大部分的自然保护区和设立的首批国家公园基本都分布在所界定的荒野地中，荒野地被保护地区最多的省区是西藏，其次是新疆、青海、内蒙古、甘肃等。2020年荒野地被保护面积达到63.22万km2，占自然保护区总面积的69.32%。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Cao Y, Carver S, Yang R. Mapping wilderness in China: Comparing and integrating Boolean and WLC approaches[J]. Landscape and Urban Planning, 2019, 192:103636. DOI:10.1016/j.landurbplan.2019.103636

DOI

[2]
Watson J E M, Venter O, Lee J, et al. Protect the last of the wild[J]. Nature, 2018, 563(7729):27-30. DOI:10.1038/d41586-018-07183-6

DOI

[3]
Li F Z, Li W Y, Li F Y, et al. Global projections of future wilderness decline under multiple IPCC Special Report on Emissions Scenarios[J]. Resources, Conservation and Recycling, 2022, 177:105983. DOI:10.1016/j.resconrec.2021.105983

DOI

[4]
Allan J R, Venter O, Watson J E M. Temporally inter-comparable maps of terrestrial wilderness and the Last of the Wild[J]. Scientific Data, 2017, 4:170187. DOI:10.1038/sdata.2017.187

DOI

[5]
曹越, 杨锐. 从全球到中国的荒野地识别:荒野制图研究综述与展望[J]. 环境保护, 2017, 45(14):39-44.

[ Cao Y, Yang R. Identification of wilderness areas from global to China: Review and prospect on wilderness mapping[J]. Environmental Protection, 2017, 45(14):39-44. ] DOI:10.14026/j.cnki.0253-9705.2017.14.022

DOI

[6]
曹越, 张振威, 杨锐. 生态文明建设背景下的中国荒野保护策略[J]. 南京林业大学学报(人文社会科学版), 2017, 17(4):93-99.

[ Zhang Z W, Yang R. Wilderness protection strategies in the context of eco-civilization in China[J]. Journal of Nanjing Forestry University (Humanities and Social Sciences Edition), 2017, 17(4):93-99. ] DOI:10.16397/j.cnki.1671-1165.2017.04.009

DOI

[7]
Radford S L, Senn J, Kienast F. Indicator-based assessment of wilderness quality in mountain landscapes[J]. Ecological Indicators, 2019, 97:438-446. DOI:10.1016/j.ecolind.2018.09.054

DOI

[8]
Brackhane S, Klein B, Reif A, et al. Implementing the 2% wilderness goal in Germany: The National Natural Heritage Site Rechlin as a case study[J]. Journal for Nature Conservation, 2021, 64:126067. DOI:10.1016/j.jnc.2021.126067

DOI

[9]
李文君, 李鹏, 封志明, 等. 基于人居环境特征的青藏高原“无人区”空间界定[J]. 地理学报, 2021, 76(9):2118-2129.

DOI

[ Li W J, Li P, Feng Z M, et al. Spatial definition of “Unpopulated Areas (UPAs)” based on the characteristics of human settlements in the Qinghai-Tibet Plateau, China[J]. Acta Geographica Sinica, 2021, 76(9):2118-2129. ] DOI:10.11821/dlxb202109006

DOI

[10]
McCloskey J M, Spalding H. A reconnaissance level inventory of the amount of wilderness remaining in the world[J]. Ambio, 1989, 18(4):221-227.

[11]
Carver S, Comber A, McMorran R, et al. A GIS model for mapping spatial patterns and distribution of wild land in Scotland[J]. Landscape and Urban Planning, 2012, 104(3/4):395-409. DOI:10.1016/j.landurbplan.2011.11.016

DOI

[12]
Ma S, Long Y. Mapping potential wilderness in China with location-based services data[J]. Applied Spatial Analysis and Policy, 2020, 13(1):69-89.DOI:10.1007/s12061-019-09295-6

DOI

[13]
Schumacher H, Finck P, Riecken U, et al. More wilderness for Germany: Implementing an important objective of Germany's National Strategy on Biological Diversity[J]. Journal for Nature Conservation, 2018, 42:45-52. DOI:10.1016/j.jnc.2018.01.002

DOI

[14]
Müller A, Bøcher P K, Svenning J C. Where are the wilder parts of anthropogenic landscapes? A mapping case study for Denmark[J]. Landscape and Urban Planning, 2015, 144:90-102. DOI:10.1016/j.landurbplan.2015.08.016

DOI

[15]
Watson J E M, Shanahan D F, Di Marco M, et al. Catastrophic declines in wilderness areas undermine global environment targets[J]. Current Biology: CB, 2016, 26(21):2929-2934. DOI:10.1016/j.cub.2016.08.049

DOI

[16]
李晓雪, 廖凌云, 兰思仁. 福建省荒野地空间分布研究[J]. 陕西林业科技, 2021, 49(5):20-27.

[ Li X X, Liao L Y, Lan S R. The spatial distribution of wilderness areas in Fujian Province[J]. Shaanxi Forest Science and Technology, 2021, 49(5):20-27. ] DOI:10.12340/sxlykj202105005

DOI

[17]
白芝珍. 东北三省人居环境气候舒适度时空分异及影响因素研究[D]. 大连: 辽宁师范大学, 2020.

[ Bai Z Z. Spatio-temporal differences in climate comfort of human settlements in the three provinces of northeast China and influencing factors[D]. Dalian: Liaoning Normal University, 2020. ]

[18]
谢龙云, 陈庭甫, 刘影, 等. 基于地形起伏度的江西省农村居民点空间分布特征研究[J]. 南昌航空大学学报(自然科学版), 2021, 35(2):34-42.

[ Xie L Y, Chen T F, Liu Y, et al. Analysis of spatial distribution of rural settlements in Jiangxi Province based on relief degree of land surface[J]. Journal of Nanchang Hangkong University (Natural Sciences), 2021,35( 2):34-42 ] DOI:10.3969/j.issn.20968566.2021.02.006

DOI

[19]
邱春琦, 朱怡萱, 李玉凤, 等. 基于夜间灯光和社会经济数据的城市扩张协调性研究[J]. 生态与农村环境学报, 2022, 38(3):289-299.

[ Qiu C Q, Zhu Y X, Li Y F, et al. Research on the coordination of urban expansion based on night lights and socio-economic data[J]. Journal of Ecology and Rural Environment, 2022, 38(3):289-299. ] DOI:10.19741/j.issn.1673-4831.2021.0410

DOI

[20]
姜瑾斐, 公培臻, 王栋, 等. 基于SRTM的山东省地形起伏度研究[J]. 河北地质大学学报, 2021, 44(3):71-75.

[ Jiang J F, Gong P Z, Wang D, et al. Research on relief degree of Shandong Province based on SRTM[J]. Journal of Hebei GEO University, 2021, 44(3):71-75. ] DOI:10.13937/j.cnki.hbdzdxxb.2021.03.013

DOI

[21]
张磊. 基于地形起伏度的地貌形态划分研究——以京津冀地区为例[D]. 石家庄: 河北师范大学, 2009.

[ Zhang L. A study of the geomorphologic forms classification based on relief: Take Beijing-Tianjin-Hebei region for example[D]. Shijiazhuang: Hebei Normal University, 2009. ]

[22]
陆福志, 鹿化煜. 秦岭—大巴山高分辨率气温和降水格点数据集的建立及其对区域气候的指示[J]. 地理学报, 2019, 74(5):875-888.

DOI

[ Lu F Z, Lu H Y. A high-resolution grid dataset of air temperature and precipitation for Qinling-Daba Mountains in central China and its implications for regional climate[J]. Acta Geographica Sinica, 2019, 74(5):875-888. ] DOI:10.11821/dlxb201905003

DOI

[23]
唐焰, 封志明, 杨艳昭. 基于栅格尺度的中国人居环境气候适宜性评价[J]. 资源科学, 2008, 30(5):648-653.

[ Tang Y, Feng Z M, Yang Y Z. Evaluation of climate suitability for human settlement in China[J]. Resources Science, 2008, 30(5):648-653. ] DOI:10.3321/j.issn:1007-7588.2008.05.002

DOI

[24]
曹越, 龙瀛, 杨锐. 中国大陆国土尺度荒野地识别与空间分布研究[J]. 中国园林, 2017, 33(6):26-33.

[ Cao Y, Long Y, Yang R. Research on the identification and spatial distribution of wilderness areas at the national scale in China’s mainland[J]. Chinese Landscape Architecture, 2017, 33(6):26-33. ]

[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. DOI:10.3390/rs13050922

DOI

[26]
Ma J J, Guo J Y, Ahmad S, et al. Constructing a new inter-calibration method for DMSP-OLS and NPP-VIIRS nighttime light[J]. Remote Sensing, 2020, 12(6):937. DOI:10.3390/rs12060937

DOI

[27]
许丽丽, 李宝林, 袁烨城, 等. 2000—2010年中国耕地变化与耕地占补平衡政策效果分析[J]. 资源科学, 2015, 37(8):1543-1551.

[ Xu L L, Li B L, Yuan Y C, et al. Changes in China's cultivated land and the evaluation of land requisition-compensation balance policy from 2000 to 2010[J]. Resources Science, 2015, 37(8):1543-1551. ]

[28]
Tricker J, Landres P. Mapping threats to wilderness character in the National Wilderness Preservation System[J]. Biological Conservation, 2018, 227:243-251. DOI:10.1016/j.biocon.2018.09.010

DOI

[29]
Anderson E, Mammides C. The role of protected areas in mitigating human impact in the world's last wilderness areas[J]. Ambio, 2020, 49(2):434-441. DOI:10.1007/s13280-019-01213-x.

DOI

[30]
段雯娟. 守住“地球最后的荒野”[J]. 地球, 2018(12):10-18.

[ Duan W J. Guarding the last wilderness of the earth[J]. Earth, 2018(12):10-18. ]

[31]
Deng Z J, Li X N, Y H, et al. Assessing the spatial pattern of wilderness in central Yunnan: A case study from Chuxiong county, Yunnan[J]. IOP Conference Series: Earth and Environmental Science, 2021, 783(1):85-97. DOI:10.1088/1755-1315/783/1/012085

DOI

[32]
林聪田, 肖翠, 李善元, 等. 中国物种多样性的大国[J]. 森林与人类, 2021(9):22-45.

[ Lin C T, Xiao C, Li S Y, et al. China is a country of great species diversity[J] Forest and Humankind, 2021(9):22-45. ]

Options
Outlines

/

〈 〉