数据可用性声明：本文关联实体数据集已在《全球变化数据仓储电子杂志（中英文）》出版，可获取：https://doi.org/10.3974/geodb.2026.06.01.V1 https://cstr.escience.org.cn/CSTR:20146.11.2026.06.01.V1.
1 前言
人类活动对地球系统的深刻影响标志着“人类世”的到来[1, 2]。人地系统的相互作用显著加剧，如何准确认识与度量人类活动对地表环境的时空影响，已成为全球变化科学与可持续发展研究的共同关切[3, 5]。尽管工业排污、地下水超采、深层矿产开发等点源式或隐性扰动对生态环境具有重要影响，但土地利用/覆被变化（Land Use/Cover Change, LUCC）始终是表征地表人类活动空间占用最直观、覆盖面最广的核心指标[6, 7]。建设用地扩张[7]、农业集约化[8]和森林退化与恢复[9]等过程，直观反映了人类活动对地表物质循环与能量流动的影响强度。作为衡量人类对自然系统扰动程度的重要表征，地表人类活动强度指数（Human Activity Intensity, HAI）能够在统一量纲下综合反映建设用地扩张、土地利用结构转换与空间格局演变对生态过程与环境效应的压力梯度[10, 11]，因而在国土空间规划、生态文明评估、生态红线成效检验以及“双碳”目标监测中具有基础性支撑意义。
现有关于人类活动强度或类似指标的研究与产品，主要依赖三类技术路径：一是基于夜间灯光、人口密度与不透水面等地表遥感变量的综合构建[12, 13]，具有更新快、覆盖广的优势，但与土地利用的关系存在间接性；二是基于人口密度、GDP、道路密度等社会经济因子的叠加加权[13]，解释力较强，但易受跨期统计口径差异的干扰；三是基于土地利用/覆被数据的等效转换方法[10]，能够较好承接国土管理的分类体系与政策含义，但受限于基础数据的时空分辨率、分类一致性与长时序覆盖度。就中国尺度而言，既往产品常见的问题包括：时相离散、跨期分类口径变动引致的“伪变化”、缺乏年际连续性、以及难以在全国尺度实现高空间分辨率的一致化表征。这些不足制约了对1980年以来快速城镇化、产业转移及生态工程（如退耕还林）效应的精准刻画，尤其忽略了胡焕庸线东西两侧的地理梯度差异。近年来，遥感数据的长期积累、云计算平台的普及与机器学习方法的成熟，为构建跨期可比的长时序地表要素产品提供了机遇[14, 15]。
针对上述科学问题与应用需求，本文面向1980–2023年中国尺度的人类活动强度表征，开展如下工作：（1）以中国土地利用遥感监测数据为基准[16]，结合Google Earth Engine（GEE）遥感云计算平台与随机森林算法，构建时序一致的全国土地利用长时序产品，并实施跨期一致性约束以降低分类噪声与“伪变化”影响；（2）依据建设用地当量系数法，在1-km格网上生成覆盖1980年及1985–2023年年际连续的HAI数据集，形成与国土空间管理分类体系相衔接的统一量纲产品。与以往依赖单源代理或统计叠加的方法相比，本研究构建的统一量纲产品在指标解释性、政策可读性与跨期一致性方面实现了较好的平衡。
2 数据集元数据简介
《中国1-km格网地表人类活动强度数据集（1980–2023）》[17]的名称、作者、地理区域、数据年代、时间分辨率、空间分辨率、数据集组成、数据出版与共享服务平台、数据共享政策等信息见表1。
3 数据研发方法
3.1 技术路线
本研究数据集的构建流程如图1所示。首先，以中国科学院资源环境科学数据平台发布的12期中国土地利用遥感监测数据（1980、1990、1995、2000、2005、2008、2010、2013、2015、2018、2020、2023年）为基准底图[19]。在样本选取上，因缺乏逐年的历史实测采样点，本研究通过对相邻期次（时间跨度超过5年，如1990–1995年）的基准土地利用类型图进行像元叠加，提取地类保持一致的像元，将其作为该时间跨度内的高置信度稳定样本。进一步通过分层随机抽样，共获得约195万个样本点，覆盖26种土地利用类型。其次，依托Google Earth Engine（GEE）云平台，系统获取了1980–2023年期间Landsat系列卫星搭载的专题制图仪（Thematic Mapper, TM）、增强型专题制图仪（Enhanced Thematic Mapper Plus, ETM+）以及陆地成像仪（Operational Land Imager, OLI/OLI-2）的地表反射率影像（空间分辨率为30 m）。利用影像自带的质量评估（Quality Assessment, QA）波段进行掩膜去云，并采用植被生长季（5–10月）中值合成算法生成逐年高质量无云遥感影像数据集。
| 条目 | 描述 |
|---|---|
| 数据集名称 | 中国1-km格网地表人类活动强度数据集（1980–2023） |
| 数据集短名 | CNHAI1980-2023 |
| 作者信息 | 柴祎，云南师范大学地理学部，chaiyi@ynnu.edu.cn张瑞，云南师范大学地理学部，2243206000084@ynnu.edu.cn师晟翔，北京师范大学，202621051162@mail.bnu.edu.cn周强，云南师范大学地理学部，2143206000378@ynnu.edu.cn赵磊，云南师范大学地理学部，西部资源环境地理信息技术教育部工程研究中心，zhaolei@ynnu.edu.cn苗培培，云南师范大学地理学部, 200107@ynnu.edu.cn |
| 地理区域 | 中国 |
| 数据年代 | 1980，1985–2023 |
| 时间分辨率 | 年 |
| 空间分辨率 | 1 km |
| 数据格式 | .tif、.xlsx、.clr 和 .txt |
| 数据量 | 307 MB（压缩后） |
| 数据集组成 | （1）1980年及1985–2023年连续的40期地表人类活动强度数据；（2）1980–2023年5年间隔的土地利用转移矩阵数据及代码说明文件；（3）历年中国建设用地当量面积、人类活动强度统计数据及计算过程数据 |
| 基金项目 | 云南省科技厅（202405AC350070，202601CI070025）；云南省社会科学界联合会（YB202444） |
| 数据计算环境 | GEE、GDAL、Python 3.10 |
| 出版与共享服务平台 | 全球变化科学研究数据出版系统 http://www.geodoi.ac.cn |
| 地址 | 北京市朝阳区大屯路甲11号100101，中国科学院地理科学与资源研究所 |
| 数据共享政策 | （1）“数据”以最便利的方式通过互联网系统免费向全社会开放，用户免费浏览、免费下载；（2）最终用户使用“数据”需要按照引用格式在参考文献或适当的位置标注数据来源；（3）增值服务用户或以任何形式散发和传播（包括通过计算机服务器）“数据”的用户需要与《全球变化数据学报（中英文）》编辑部签署书面协议，获得许可；（4）摘取“数据”中的部分记录创作新数据的作者需要遵循10%引用原则，即从本数据集中摘取的数据记录少于新数据集总记录量的10%，同时需要对摘取的数据记录标注数据来源[18] |
| 数据和论文检索系统 | DOI，CSTR，Crossref，DCI，CSCD，CNKI，SciEngine，WDS，GEOSS，PubScholar，CKRSC, OARL |
在特征空间构建方面，除Landsat的6个原生多光谱波段外，作者进一步计算了表征植被生长、地表水分及建筑特征的4项核心光谱指数，即归一化植被指数（Normalized Difference Vegetation Index, NDVI）、归一化水体指数（Normalized Difference Water Index, NDWI）、归一化建筑指数（Normalized Difference Built-up Index, NDBI）和增强型植被指数（Enhanced Vegetation Index, EVI）。在地形因子方面，引入了由美国国家航空航天局（NASA）发布的航天飞机雷达地形测绘任务（Shuttle Radar Topography Mission, SRTM）30-m数字高程模型（Digital Elevation Model, DEM）数据，并据此计算出高程、坡度、坡向3个地形变量；同时结合了空间分辨率约为 1-km的WorldClim全球生物气候数据集中的核心协变量，包括年均温（BIO1）、年降水量（BIO12）、温度季节性（BIO4）、降水季节性（BIO15），上述多源变量共同构成了2000年以前的17维基础特征空间。针对2000年及之后的年份，额外融入MODIS年度植被指数产品（MODIS NDVI与MODIS EVI），特征维度扩展至19维。
随后，采用随机森林（Random Forest, RF）集成学习算法，将样本按7:3比例划分为训练集与验证集，通过交叉验证优化模型参数。为确保时序连续性与分类一致性，引入Savitzky-Golay时序平滑滤波、跨期分类标准化及趋势插值等时空约束机制，最终生成1980年及1985–2023年共计40期的土地利用类型数据产品。最后，参考徐勇等[10]提出的建设用地当量系数法，依据人类对地表自然环境的扰动程度对26类土地利用类型进行折算赋值，采用1-km网格面积加权平均方法计算地表人类活动强度指数（HAI），最终形成覆盖中国全域、时空连续的HAI数据集（图1）。
3.2 算法原理
3.2.1 多源特征空间的构建
为兼顾长时序计算的鲁棒性与地物特征信息的富集程度，本研究构建了动态维度的多源特征空间（表2）。随机森林模型的基础特征空间包含17维变量：6个Landsat原生多光谱波段（包括蓝波段、绿波段、红波段、近红外波段、短波红外1波段及短波红外2波段）、4个衍生光谱指数、3个源自SRTM的地形要素及4个源自WorldClim的气象要素。针对2000年及以后的时期，引入NASA MODIS传感器的年度合成植被指数产品（MOD13A2 V6.1），将特征空间扩展至19维。MODIS较高的时间分辨率可以有效弥补Landsat 30 m空间细节受多云地区观测频次制约的不足，形成多尺度特征的优势互补。
为获取无缝的逐年高质量遥感底图，研究摒弃了传统的单一合成方式，采用多级影像优选与协同填补策略。该方法将优先调用年度高质量影像数据，采用中值合成像元。针对局部因高云量掩膜导致的观测缺失区，动态调取Landsat L2级地表反射率产品，利用QA波段严格去云后，提取植物生长季（5–10月）的有效无云像元进行中值合成填补。对于极少数极端观测缺失的区域，则采用零值常量掩膜处理，从底层算法上保障了全域影像在空间上的无缝覆盖与时间序列上的一致性。
| 特征类别 | 特征变量 | 维度 | 数据来源与产品型号 |
|---|---|---|---|
| 光谱特征 | 蓝、绿、红、近红外、短波红外1、短波红外2波段 | 6 | USGS Landsat L2级产品（TM/ETM+/OLI/ OLI-2） |
| 光谱指数 | 归一化植被指数、归一化水体指数、归一化建筑指数、增强型植被指数 | 4 | 基于 Landsat 表面反射率波段计算 |
| 地形特征 | 高程、坡度、坡向 | 3 | NASA/USGS SRTM V3 数字高程模型（30 m） |
| 气候特征 | 年均温、年降水量、温度季节性、降水季节性 | 4 | WorldClim Version 1 全球生物气候数据集 |
| MODIS 指数 | MODIS归一化植被指数、MODIS增强型植被指数 | 2 | NASA Terra MODIS 植被指数产品（MOD13A2 V6.1，2000年以后加入） |
| 合计 | 17/19（注：2000年前特征维度为17维，2000年及以后加入MODIS扩展为19维） | ||
3.2.2 随机森林模型（RF）参数化设计
土地利用/覆被分类本质上是处理复杂、非线性的多维特征映射问题[20]，本研究的分类核心采用随机森林（RF）集成学习算法。作为基于决策树的集成模型，RF算法通过引入样本自助重采样（Bootstrap aggregating）与节点分裂特征的随机选取机制，能够有效避免过拟合现象。在处理LUCC分类时，RF算法不仅对包含光谱、地形、气象等多源共线性极强的高维空间数据具有卓越的容错率与鲁棒性，还能有效挖掘不同地类（如水田与旱地、不同覆盖度草地）在复杂光谱和物候维度上的非线性边界[21]。
为兼顾分类精度与国家尺度海量遥感数据的运算效率，本研究对RF模型的全局超参数进行了系统优化与严格设定：决策树数量设定为500棵，以保证模型充分收敛与泛化能力；节点分裂的最大特征数设为特征总数的平方根。叶节点最小样本数设为 1；重采样比例设为 0.7；最大节点复杂度约束为 128，以提高长时序分类预测结果的可复现性。
3.2.3 建设用地当量系数测度（HAI计算）
参考徐勇等[10]提出的“陆地表层人类活动强度”理论框架体系，将地表自然形态完全改变且受人类主导的建设用地设为基准面（当量系数=1），其他类型按人类扰动程度赋值（表3）。每个1-km网格的HAI为类型面积加权平均：
式中，为类型i的面积，为当量系数，为网格总面积。指数范围0–1，值越大表示人类活动强度越高。
| 一级地类 | 二级地类 | 地类名称 | 建设用地当量系数 |
|---|---|---|---|
| 耕地 | 11/12 | 水田/旱地 | 0.200 |
| 林地 | 21/22/23 | 有林地/灌木林地/疏林地 | 0.000 |
| 24 | 其他林地 | 0.133 | |
| 草地 | 31 | 高覆盖度草地 | 0.133 |
| 32 | 中覆盖度草地 | 0.067 | |
| 33 | 低覆盖度草地 | 0.000 | |
| 水域 | 41–46 | 河渠/湖泊/水库/滩地等 | 0.000 |
| 城乡建设用地 | 51/52/53 | 城镇/农村居民点/其他建设用地 | 1.000 |
| 未利用地 | 61–67 | 沙地/戈壁/裸土地等 | 0.000 |
4 数据结果与验证
4.1 数据集组成
《中国1-km格网地表人类活动强度数据集（1980–2023）》包含以下数据：（1）1980年及1985–2023年连续的40期地表人类活动强度数据；（2）1980–2023年5年间隔的土地利用转移矩阵数据及代码说明文件；（3）历年中国建设用地当量面积以及人类活动强度统计数据；（4）计算的过程数据。数据集存储为.tif、.xlsx、.clr和.txt格式，由93个数据文件组成，数据量为1.93 GB（压缩为1个文件，307 MB）。
4.2 结果验证与不确定性归因
在精度评估环节，本研究基于预留的30%独立验证样本构建了混淆矩阵，并引入总体分类精度与Kappa一致性系数开展了量化检验。结果显示，数据集的总体分类精度（OA）达到 86.92%，Kappa系数为0.86。精度分布存在地学特征规律：对湖泊（95.03%）和有林地（91.98%）的识别非常稳健。精度折损主要源于建设用地中的农村居民点（F1-score约为32.27%）。这一制约因素根植于特定地貌环境下的“混合像元”效应，广袤西南山区及黄淮海平原的农村居民点呈高度破碎化散布，在30-m光谱维度极易与周边耕地或林冠发生强烈混叠。此外，西部荒漠边缘区裸土与低覆盖度草地（OA<80%）的坡度阴影干扰亦放大了边界模糊效应。尽管局部精细地类存在混淆，但在宏观1-km格网降尺度聚合后，对HAI总体结果的影响已显著减弱，结果整体上具有较好的合理性。
4.3 数据结果分析
4.3.1 中国土地利用类型时空转移特征
图2展示了中国40年来的土地利用类型的时空转移格局，覆盖1980–2023年多个子时期，总转移面积约2,312,772 km2，约占陆域总面积24.4%。从转移类型看，四大主导流向构成了土地利用变化的核心特征：耕地向建设用地转移，约289,649 km2，占比12.5%；草地向林地转移约214,495 km2，占比9.3%；耕地向林地转移约222,552 km2，占比9.6%；林地向耕地转移，约242,127 km2，占比10.5%。建设用地净增2.7%，从1980年的1.5%升至2023年的4.2%，耕地净减1.8%，草地和未利用土地微减0.7%和0.6%。分时期看，1980–2000年转移率较低，约15%，2000–2015年达到高峰（占比20%）；2020–2023年基本稳定但建设扩张仍显著（占比19%）。整体趋势显示土地利用从农业自然主导向城市生态平衡转型，呈现出鲜明的时空不均衡性。东部建设用地扩张为主导。在所有转移类型中占比约45%，特别是在长江三角洲和珠江三角洲等城市群。西部草地和未利用土地互转突出，占比12%。西部干旱气候和地形脆弱性驱动草地向未利用土地退化；同时，改革开放与城镇化路径依赖推动耕地向建设用地转换。社会和政策机理体现双向耦合：退耕还林工程负反馈促进林地恢复（2000–2010年占比15%），但城市化正反馈挑战耕地红线。整体具有明显的尺度依赖特征，全国范围内处于一种相对稳定的状态，各类型转移占比微变，但在区域层面表现剧烈，如西部以生态退化特征为主，东部则是建设用地突增，凸显“人类世”中人类主导地表过程的原理。
4.3.2 中国人类活动强度的时空演变格局
图3揭示了1980–2023年中国人类活动强度的时空演变，全国平均HAI从1980年的（本图基于自然资源部标准地图服务网站下载的审图号为GS（2024）0650号绘制，底图无修改）
0.18上升至2023年的0.37，增长率达105.6%。从空间分布上看，HAI高值区主要集中在东部沿海（如长江三角洲、珠江三角洲）和北方核心城市群（如京津冀），反映城镇化扩张；西部高原和北部草原区HAI较低，但局部矿区和基础设施开发导致热点增加。时序上看，1990–2010年为快速增长期，年均增长2.5%，表明改革开放后的工业化和城市化高峰；2010年后增速放缓，年均1.2%，得益于生态保护政策。
中国人类活动强度演变呈现“点状集聚-轴带扩散-极化加剧”的时空特征。1980–2000年粗放扩张，低强度净减60,097 km2，局限于东部季风区平原；2000–2020年快速城镇化，高强度年均增长4,500 km2，扩展至中部丘陵和河谷；2020–2023年剧烈重组，高强度激增192,897 km2，年增速6.43%，形成“珍珠链”式城市群网络。这一模式受地理基础制约，胡焕庸线以东占国土面积的45%，却承载了94%的人口，强度最高，西部高山荒漠区强度最低，整体从沿海向内陆梯度衰减。此演变根植于地理决定论与空间极化理论的交互：自然地理特征（如东部平原土壤肥沃、河流密集，便于农业和城市开发）驱动低强度向中等强度演变，占比32%，而中等强度向高强度跃升，占比40%，源于人文地理集聚，如人口向京津冀等城市群流动，生态机理凸显地理权衡。
5 讨论和总结
本数据集填补了中国长时序HAI产品的空白，实现了年际的连续性并与土地政策相衔接，但其不确定性仍主要来源于遥感空间分辨率限制和建设用地当量系数的主观性。未来可进一步结合更高分辨率遥感数据、机器学习方法与多源社会经济数据，提升分类精度和应用范围。该数据集可为可持续发展目标（SDGs）评估、生态红线成效分析及人地系统模拟提供基础数据支撑。
5.1 分类框架与尺度效应的不确定性讨论
大尺度地球观测不可避免地内化了方法学不确定性，受限于2000年之前（尤其1980年代）Landsat TM影像在西部边疆区域的有效覆盖率缺陷，本研究依赖机器学习融合气候和地形变量辅助时序逻辑滤波进行预测填补，这在一定程度上可能削弱对局部突发性土地覆被干扰的敏感度。此外，1-km空间分辨率虽然适配于国家宏观生态评估，但在表征西南喀斯特山地极度细碎化的人地空间景观时，不可避免地存在尺度上推带来的均质化误差效应。
5.2 人类活动强度物理表征的局限性
需要明确的是，基于LUCC等效转换的HAI指数，本质上衡量的是人类活动主导下地表物质循环与能量流动的改变强度。这一理论框架尚无法量化工业化学排污、大气气溶胶强迫、深层地下水超采以及生态系统破碎化网络连通性阻断等多维“隐性”人类足迹。面向未来的地球系统科学前沿，可将LUCC衍生的二维指标与夜间灯光辐射、碳排放清单、人口手机信令等社会经济大数据进行空间耦合，构建更完整的人类活动足迹表征体系。
该数据集支持了第一作者地图学与地理信息系统理学硕士学位论文的完成。
作者分工：柴祎对数据集的开发做了总体设计；柴祎和张瑞共同撰写了数据论文；师晟翔、周强采集和处理了遥感数据；赵磊、苗培培对数据集和论文进行了审订与修改。
利益冲突声明：本研究不存在研究者以及与公开研究成果有关的利益冲突。