地理因子對北部灣經濟區植被覆蓋的影響

熊小菊 廖春貴 陳月連

摘要：以人類活動強烈和生態脆弱的北部灣經濟區為研究對象，結合遙感生態數據、社會經濟數據，運用地理探測器來定量評價地理因子對植被覆蓋變化的影響。研究表明，北部灣經濟區植被覆蓋從東往西呈高-低-高分布，歸一化植被指數（normalized difference vegetation index，NDVI）隨緯度的增加呈波動上升趨勢;各地級市的植被覆蓋波動差異明顯，以波動較小為主;植被覆蓋改善的面積大于退化的面積，植被逐步得到改善;植被覆蓋變化的主要驅動因子按貢獻率大小排列依次為降水、土壤類型、植被類型、人均GDP、坡度。

關鍵詞：植被覆蓋;地理探測器：定量分析;交互作用;北部灣經濟區;歸一化植被指數

中圖分類號： Q948.2;S181 ?文獻標志碼： A ?文章編號：1002-1302（2019）07-0268-05

隨著全球氣候變暖、人類活動的加劇，地表植被遭到了不同程度的破壞[1]。植被是自然生態環境的重要組成部分，不僅給人類提供了豐富的木材產品，在調節大氣穩定、水土保持方面也發揮著重要的作用[2-3]。隨著遙感技術的發展，人們可以長時間、大范圍監測植被的變化，歸一化植被指數（normalized difference vegetation index，NDVI）就是其中一種有效的監測指標，歸一化植被指數被廣泛應用于植被覆蓋變化的監測[4-5]。學者對植被覆蓋做了不少研究，郭夢媚等利用歸一化植被指數對江西省植被覆蓋變化進行分析，結果表明江西省植被覆蓋呈增加趨勢[6];李巖等對西烏珠穆沁旗的植被覆蓋特征進行研究，結果表明不同地貌的植被覆蓋差異較大，其中低山丘陵的較低[7];方利等對黑龍江歸省一化植被指數與氣溫、降水的相關性進行研究，結果表明各區域歸一化植被指數對氣候因子的響應差異較大[8];王志鵬等對青藏高原草地NDVI與降水的相關性進行分析，結果顯示高寒荒漠NDVI受降水影響較大[9];徐靜文等對漢江植被覆蓋與地貌因子的關系進行研究，結果表明平原、臺地等NDVI呈上升趨勢，各地貌類型的植被覆蓋變化差異顯著[10]。目前對植被覆蓋的研究主要集中于時空變化規律及其與氣候、地貌、地質等自然因子的簡單相關性分析，缺乏對人文地理因子與植被覆蓋關系的定量研究。地理探測器是探測空間分異性的方法，能有效揭示其背后的影響因子，能定量評價地理因子對植被覆蓋變化的貢獻率以及地理因子之間的交互作用，因此可用于植被覆蓋影響因子的探測分析[11-12]。

2008年北部灣經濟區成立后，大批工廠入駐，當地的生態環境發生了較大的變化[13-14]。對北部灣經濟區植被覆蓋的監測，能有效地反映其生態環境質量的變化[15]。運用地理探測器模型對北部灣經濟區植被覆蓋的驅動因子進行研究，有助于揭示影響植被覆蓋變化的主要驅動因子，為北部灣經濟區生態環境質量保護及開發提供參考。

1 材料與方法

1.1 數據來源

本研究根據文獻[16-17]的研究成果以及北部灣經濟區的實際情況，選擇降水、土壤類型、植被類型、坡度、氣溫、坡向、海拔高程等7個自然地理因素以及地區生產總值（GDP）、人均GDP、人口密度、農村居民人均純收入、城鎮居民人均可支配收入、糧食總產量、居民生活用電量、耕地面積等8個人文地理因素對植被覆蓋的影響進行探測分析。其中歸一化植被指數（NDVI）數據集來自美國國家航空天局，空間分辨率為250 m×250 m;海拔高程數據來自地理空間數據云網站（http：//www.gscloud.cn），空間分辨率為90 m×90 m;氣溫降水數據來自中國地面氣候資料日值數據集;地區生產總值、人口數量、農村居民人均純收入、城鎮居民人均可支配收入、糧食總產量、耕地面積等人文因子數據來源于廣西壯族自治區統計信息網站（http：//www.gxtj.gov.cn）。

1.2 一元線性回歸法

1.4 地理探測器

地理探測器是探測空間分異的有效工具，是一種運算速度快、數據要求低、精確度高的空間分析模型，被廣泛應用于植被覆蓋變化、土地利用、環境污染等方面。地理探測器主要由交互作用探測、因子探測、風險探測和生態探測等4個模塊組成。地理探測器原理、使用步驟、應用案例、結果分析等詳見文獻[11-12]。

本研究從自然和人文2個方面，結合北部灣經濟區的實際情況，選擇15個地理因子對植被覆蓋的變化進行探測，主要運用地理探測器的交互作用探測和因子探測模塊。用因子探測模塊分別計算出自然地理因子、人文對植被覆蓋變化的相對重要性，交互作用模塊主要是探測自然因子、人文因子對植被覆蓋的交互影響。首先在ArGIS 10.2軟件中將地理因子數據進行分類，利用工具生成1 km×1 km的網格圖，根據網格圖的中心點提取NDVI及其對應的地理因子數據，然后在地理探測器模型中，以NDVI為Y變量，地理因子數據為X變量進行探測。

2 結果與分析

2.1 植被覆蓋隨經度、緯度變化

不同經緯度地區的氣溫、降水以及植被類型各不相同，研究植被覆蓋在緯向、經向的變化規律具有重大的意義。由圖1可知，北部灣經濟區不同經度區域的植被覆蓋差異明顯。在106.5°～109.1°E區域的NDVI平均值隨經度的增加而顯著下降;在109.2°～110.5°E區域的NDVI平均值隨經度的增加而波動上升。研究區東、西部NDVI平均值較大，中部NDVI平均值較小，NDVI平均值從東往西呈現高—低—高的分布趨勢。整體上，研究區NDVI值與經度呈負相關關系，與田義超等的研究結果[19]基本一致。

分析研究區不同緯度區域的植被覆蓋，有利于理清兩者之間的復雜關系。由圖2可知，2007—2016年研究區NDVI平均值隨緯度的增加而波動上升。緯度低于21.4°N區域的NDVI平均值在0.7以下，主要是這些區域多為濱海平原，地勢平坦，交通便利，人類活動強烈，植被覆蓋較低。研究表明，不同緯度區域植被覆蓋差異明顯，整體上NDVI平均值與緯度呈正相關關系，與田義超等的研究結果[19]基本一致。

2.2 植被覆蓋波動分析

基于像元尺度計算北部灣經濟區NDVI的標準差。根據文獻[19]將植被覆蓋波動變化劃分為波動大、波動較大、波動小、波動較小、波動一般等5個級別。北部灣經濟區各區域NDVI標準差的空間分布差異比較明顯，NDVI標準差在 0.006～0.106之間。由圖3可知，北部灣經濟區植被覆蓋波動大的面積有1 617 km2，占總面積的2.22%;植被覆蓋波動較大的面積有6 315 km2，占總面積的8.68%;植被覆蓋波動一般的面積為21 250 km2，占總面積的29.22%;植被覆蓋波動較小的面積為27 402 km2，占總面積的37.67%;植被覆蓋波動小的面積為16 155 km2，占總面積的22.21%。由此可知，研究區大部分區域的植被覆蓋波動變化幅度不大，以波動較小為主。

對研究區各地級市植被覆蓋波動進行分析，由圖3可知，地級市的植被覆蓋波動情況各不相同。植被覆蓋波動較小在防城港、欽州、玉林、崇左、南寧占的比重最大，分別占區域面積的42.45%、38.51%、36.47%、37.13%、37.54%，其中防城港的最高。植被覆蓋波動一般在北海、防城港、欽州、玉林、崇左、南寧占的比重較大，分別占區域面積的36.32%、35.80%、35.68%、30.36%、28.48%、23.00%，其中北海的最高。植被覆蓋波動大、波動較大在各地級市占的比例不大。植被覆蓋波動小在玉林、崇左、南寧占的比重較大，而在北海、防城港占的比重較小，空間分布差異明顯。

2.3 植被覆蓋變化趨勢

由表1可知，北部灣經濟區植被覆蓋輕微改善的面積最多，為18 759.5 km2;重度退化的面積最少，僅有3 797 km2。對研究區植被覆蓋退化情況進行分析，植被覆蓋退化的面積有 22 731.1 km2，占研究區面積的31.25%，其中重度退化、中度退化、輕微退化的面積分別占總退化面積的16.7%、29.6%、53.7%。植被覆蓋輕度退化面積占的比重較大，主要分布在西南部和東南部，如龍州、憑祥等;植被覆蓋中度退化面積占的比重較小， 零星分布在研究區的西北部，如江州、扶綏等;植被覆蓋重度退化面積占的比重最小，呈斑塊狀分布在研究區的南部沿海地區，如鐵山港、東興等。研究區植被覆蓋退化呈東、西部較嚴峻，中部地區較輕的趨勢。

對研究區植被覆蓋改善情況進行分析，植被覆蓋得到改善的面積有39 832.1 km2，占研究區面積的54.76%，其中輕微改善、中度改善、明顯改善的面積分別占總改善面積的47.1%、37.4%、15.5%。植被覆蓋輕微改善面積占的比重最大，大面積分布在北部灣經濟區的西北和中部，如天等、上思;植被覆蓋中度改善面積占的比重較大，明顯改善面積占的比重較小，植被覆蓋中度改善和明顯改善的區域具有較高的重疊性，主要分布在研究區的中部，如邕寧、良慶等。研究區中部植被覆蓋改善比較顯著。對比植被覆蓋改善和退化情況可知，北部灣經濟區植被覆蓋改善的面積大于退化的面積，2007—2016年植被逐步得到改善。

在ArcGIS 10.2軟件中利用表面分析工具，從海拔高程數據集中提取研究區的坡度，根據坡度值的大小劃分為4類。由圖4可知，不同坡度區域的植被覆蓋變化趨勢差異明顯，各坡度植被覆蓋改善的比例均大于退化的，各坡度植被覆蓋得到改善的比例均高于49%，其中坡度在>15°～25°區域的最大，為59.6%。植被覆蓋重度退化、明顯改善、中度退化、輕微退化在坡度≤2°中占的比例最大，分別占8.41%、9.12%、12.06%、17.56%;植被覆蓋輕微改善在>15°～25°區域中占的比例最大，為31.71%。研究表明，不同坡度的植被覆蓋變化趨勢各不相同。

2.4 植被覆蓋變化地理因子的探究

2.4.1 地理因子的貢獻率 植被分布受氣溫、降水、社會經濟等多種因素的影響[20-22]，對影響植被覆蓋的自然地理因子、人文地理因子進行探測，有助于揭示影響植被覆蓋變化的主要因子。在ArcGIS 10.2中利用工具提取相應點的NDVI、自然地理因子數據以及人文地理因子數據，利用地理探測器進行運算，得到NDVI與地理因子之間的貢獻率，確定地理因子對植被覆蓋變化的相對重要性。研究表明，自然地理因子影響NDVI變化的貢獻率從大到小排序為降水（28.02%）、土壤類型（18.75%）、植被類型（15.24%）、坡度（10.79%）、氣溫（1.86%）、坡向（0.55%）、海拔高程（0.19%）。從自然地理因子對NDVI的貢獻率來看，降水的貢獻率最大，且降水、植被類型、土壤類型和坡度的影響力較高，都在10%以上，是影響研究區植被覆蓋變化的主要自然因子。而氣溫、坡向、海拔高程對植被覆蓋變化的影響較低，不足2%。因此，降水、植被類型、土壤類型和坡度等4個因子可作為探測研究區植被覆蓋變化的主要自然地理因子。

分析人口密度、地區生產總值、耕地面積等人文因子對植被覆蓋變化的相對重要性。研究表明，人文因子對NDVI變化的貢獻率從大到小排序為人均GDP（12.49%）、GDP（8.29%）、人口密度（7.86%）、農村居民人均純收入（5.02%）、城鎮居民人均可支配收入（4.49%）、糧食總產量（3.04%）、居民生活用電量（2.66%）、耕地面積（2.39%）。從人文因子對NDVI的影響程度來看，人均GDP的貢獻率最大，影響力在10%以上，是影響植被覆蓋變化的主要人文因素;其次是GDP、人口密度、農村居民人均純收入等影響力都在5%以上，而城鎮居民人均可支配收入、糧食總產量、居民生活用電量、耕地面積對植被覆蓋變化的貢獻率較小。

植被覆蓋變化是自然和人文因子綜合作用的結果，運用地理探測器求出2007—2016年研究區植被覆蓋變化地理因子的貢獻率，結果表明，降水、土壤類型、植被類型、人均GDP、坡度等5個因子對植被覆蓋的變化具有較大的貢獻率，而GDP、人口密度、農村居民人均純收入、城鎮居民人均可支配收入、糧食總產量、居民生活用電量、耕地面積、氣溫、坡向、海拔高程等10個地理因子對植被覆蓋變化的貢獻率較小。

2.4.2 自然因子對植被覆蓋的交互影響 在地理探測器中，選擇交互作用模塊對自然因子進行交互探測，識別不用自然影響因子之間的交互關系。由表2可知，2007—2016年各自然影響因子對植被覆蓋變化的交互作用大部分具有較強的雙協同作用，其中解釋力較大的自然因子從大到小依次為植被類型∩降水（32.20%）、坡度∩降水（31.61%）、降水∩土壤類型（30.29%）、氣溫∩降水（29.78%）、海拔高程∩降水（28.37%）、降水∩坡向（28.22%）、植被類型∩土壤類型（25.28%）、坡度∩土壤類型（23.43%）、植被類型∩坡度（22.8%）。海拔高程與氣溫、植被類型、坡度、降水、坡向的交互為非線性協同作用，說明海拔高程增強了氣溫、植被類型、坡度、降水、坡向對植被覆蓋的影響，同時氣溫與坡度、坡向也為非線性協同作用，說明氣溫增強了坡度和坡向對植被覆蓋的影響。因此，海拔高程和氣溫可作為輔助自然因子應用于植被覆蓋監測，研究結果與龐靜的結論[17]基本一致。

2.4.3 人文因子對植被覆蓋的交互影響 對影響研究區植被覆蓋的人文因子進行交互作用探測。由表3可知，人文影響因子對植被覆蓋變化的交互作用呈現雙協同作用、非線性協同作用并存，其中解釋力較大的人文因子從大到小依次為居民生活用電量∩人均GDP（14.83%）和人均GDP∩城鎮居民人均可支配收入（14.83%）、人均GDP∩糧食總產量（14.49%）、耕地面積∩人均GDP（14.33%）、人均GDP∩農村居民人均純收入（14.25%）、GDP∩人均GDP（13.11%）、人口密度∩人均GDP（13.10%）、人口密度∩糧食總產量（13.04%）。對植被覆蓋影響力較小的人口密度與耕地面積、糧食總產量的交互探測表現為非線性協同作用，說明人口密度增強了耕地面積、糧食總產量對植被覆蓋的影響。研究表明，人文因子之間的相互疊加增強了單一因子對植被覆蓋的影響。

2.4.4 自然與人文因子對植被覆蓋的交互影響 對自然因子與人文因子之間的交互作用進行探測，有利于揭示植被覆蓋變化的驅動機制。選擇貢獻率大于10%的主要影響因子，用地理探測器的交互探測模塊，探測主要地理因子之間的交互作用。由表4可知，地理因子影響NDVI變化的貢獻率從大到小排序為降水（28.02%）、土壤類型（18.75%）、植被類型（15.24%）、人均GDP（12.49%）、坡度（10.79%）。地理因子對植被覆蓋的交互探測中，解釋力較大的影響因子從大到小依次為降水∩人均GDP（34.33%）、降水∩植被類型（32.2%）、降水∩坡度（31.61%）、土壤類型∩降水（30.29%），各影響因子之間的交互作用均在30%以上。自然因子與人文因子之間的交互均為雙協同作用，說明多因子的疊加比單一因子對植被覆蓋的影響更大，植被覆蓋分布及變化受到自然因子和人文因子的共同影響。

3 結論與討論

北部灣經濟區不同經度、緯度植被覆蓋差異明顯，東、西部NDVI較大，中部NDVI較小，NDVI從東往西呈高- 低-高的分布。整體上，研究區NDVI隨經度的增大而減小，隨緯度的增大而增大。NDVI標準差在0.006～0.106 之間，大部分區域的植被覆蓋波動變化幅度不大，以波動較小為主。植被覆蓋得到改善的面積大于退化的面積，植被覆蓋逐步改善。

北部灣經濟區植被覆蓋變化的主要地理影響因子有降水、土壤類型、植被類型、人均GDP、坡度。自然因子對植被覆蓋變化的交互作用大部分具有較強的雙協同作用，海拔高程與氣溫、植被類型、坡度、降水、坡向的交互作用為非線性協同作用，海拔高程增強了氣溫、植被類型、坡度、降水、坡向對植被覆蓋的影響。自然因子與人文因子之間的交互均為雙協同作用，多因子的疊加比單一因子對植被覆蓋的影響更大，植被覆蓋分布及變化受到自然因子和人文因子的共同影響。

致謝：對廣西師范學院汪洋、劉警鑒在數據處理方面給予的幫助，深表謝意！

參考文獻：

[1]Cai B F，Yu R. Advance and evaluation in the long time series vegetation trends research based on remote sensing[J]. Journal of Remote Sensing，2009，13（6）：1170-1186.

[2]石悅樾，銀正彤，鄭文鋒. 基于GLDAS和MODIS的烏江流域植被與地表水變化關系研究[J]. 江蘇農業科學，2017，45（12）：192-198.

[3]廖春貴，熊小菊，胡寶清，等. 北部灣經濟區植被覆蓋變化特征及驅動因素[J]. 科學技術與工程，2018，18（19）：20-25.

[4]王志國，尚士友，喬秀蕓，等. 內蒙古典型草原植被蓋度與植物生長高度的相關性研究[J]. 江蘇農業科學，2014，42（11）：361-363.

[5]廖春貴，胡寶清，熊小菊，等. 廣西植被時空變化及其對氣候響應[J]. 森林與環境學報，2018，38（2）：178-184.

[6]郭夢媚，郭勝利，周佳雯，等. 江西省植被NDVI變化及其對氣候變化的響應[J]. 江蘇農業科學，2015，43（11）：421-426.

[7]李 巖，尚士友，王曉娟，等. 西烏珠穆沁典型草原植被蓋度空間異質性研究[J]. 江蘇農業科學，2017，45（22）：283-288.

[8]方 利，王文杰，蔣衛國，等. 2000—2014年黑龍江流域（中國）植被覆蓋時空變化及其對氣候變化的響應[J]. 地理科學，2017，37（11）：1745-1754.

[9]王志鵬，張憲洲，何永濤，等. 2000—2015年青藏高原草地歸一化植被指數對降水變化的響應[J]. 應用生態學報，2018，29（1）：75-83.

[10]徐靜文，肖 飛，廖 煒，等. 基于MODIS NDVI漢江中游植被時空變化及其地貌分異分析[J]. 長江流域資源與環境，2017，26（11）：1895-1901.

[11]王勁峰，徐成東. 地理探測器：原理與展望[J]. 地理科學，2017，72（1）：116-134.

[12]劉吉平，馬長迪，劉 雁，等. 基于地理探測器的沼澤濕地變化驅動因子定量分析——以小三江平原為例[J]. 東北師大學報（自然科學版），2017，49（2）：127-135.

[13]熊小菊，廖春貴，胡寶清. 廣西海岸帶旅游資源同質化問題研究[J]. 農村經濟與科技，2018，29（9）：103-105.

[14]熊小菊，廖春貴，胡寶清. 廣西防城港市旅游資源開發研究[J]. 現代園藝，2018（6）：20-21.

[15]廖春貴，熊小菊，陳依蘭，等. 北部灣經濟區社會——生態系統耦合關聯分析[J]. 大眾科技，2018，20（1）：13-15，21.

[16]李俊剛，閆慶武，熊集兵，等. 貴州省煤礦區植被指數變化及其影響因子分析[J]. 生態與農村環境學報，2016，32（3）：374-378.

[17]龐 靜. 基于地理探測器模型的自然和人為因素對植被變化的影響[D]. 太原：山西大學，2016.

[18]廖春貴，熊小菊，胡寶清，等. 廣西不同巖性植被覆蓋變化及對人類活動的響應[J]. 生態經濟，2018，34（6）：168-173.

[19]田義超，梁銘忠. 基于SPOT-VEGETATION的北部灣經濟區植被變化特征[J]. 農業現代化研究，2014，35（4）：465-471.

[20]熊小菊，廖春貴，胡寶清. 基于遙感數據的廣西植被變化特征分析[J]. 科學技術與工程，2018，18（11）：123-128.

[21]逯 穎，王 濤，田 陽. 秦嶺山地森林植被變化及對氣候響應的地形影響[J]. 江蘇農業科學，2018，46（1）：214-218.

[22]李 晗，周艷蓮，居為民，等. 植被指數對藏北高寒草甸干旱的敏感性分析[J]. 江蘇農業科學，2018，46（1）：219-224.周曉倫，萬建新，王衛衛，等. 一株提高植物幼苗耐受Cr6+細菌（Exiguobacterium sp.S2）的分離與鑒定[J]. 江蘇農業科學，2019，47（7）：273-277.