基于地理探測器模型的中亞NDVI時空變化特征及其驅動因子分析

王 偉，阿里木·賽買提，吉力力·阿不都外力

(1.中國科學院新疆生態與地理研究所荒漠與綠洲生態國家重點實驗室，烏魯木齊 830011；2.中國科學院大學，北京 100049；3.中國科學院中亞生態與環境研究中心，烏魯木齊 830011)

0 引言

在全球氣候變化的大背景下，中亞地區從20世紀70年代起氣溫開始迅速上升，平均增溫速率達到0.4℃/10 a，遠高于同期全球變暖速率[1-2]。與此同時，不合理的土地開發利用方式[3]、粗獷的農田灌溉模式[4]等人類活動的不斷增強更加劇了區域生態與資源的競爭局面。于是，中亞地區開始出現了土壤鹽漬化[5]、濕地退化[6]和湖泊萎縮[7]等一系列生態環境問題。植被作為聯結大氣圈、土壤圈、水圈和生物圈的重要紐帶，對生態環境變化具有極高的敏感性[8]。因此研究中亞地區的植被時空變化特征及其對氣候變化和人類活動的響應，對進一步研究中亞地區陸表環境變化過程及區域生態環境保護具有重要意義。

近幾年不少學者通過經驗正交模型(empirical orthogonal function，EOF)[9]、變異系數(coefficient of variation，CV)[10]、Hurst指數[10]和趨勢分析[11]等方法研究了中亞地區的植被空間分布特征和變化趨勢，通過相關分析[9]、偏相關分析[12]和奇異值分解(singular value decomposition，SVD)[12]等方法分析不同空間和時間尺度上中亞地區植被覆蓋變化對氣候變化的響應特征。但前人研究大多集中于氣溫和降水這2個氣候因子對植被變化的影響，忽略了其他氣候因素以及地形、土壤等多種因素的作用。由于中亞地區地形較為復雜，不同地形區域的氣候因素對植被生長的影響可能完全不同，比如在中亞東南部山區，年均氣溫與植被變化呈顯著的正相關[13]，而在中亞西南部地區氣候轉暖趨勢則加劇了當地的干旱[9]。近些年來，人類活動對土地利用與覆被變化的影響加劇，尤其是1991年蘇聯解體以來，更是發生了顯著變化[14]。這些因素無一不影響著中亞地區植被覆蓋的時空變化特征，除此之外，這些因素之間的交互作用往往也會增強其對植被覆蓋變化的影響。

有關自然和人為因子對中亞植被覆被特征的影響方面，前人已經做了大量的工作，然而還有一些問題仍然沒有得到有效解決。例如，對中亞地區植被覆蓋變化與驅動因子的研究應該不僅是從兩者相關系數空間分布的角度出發，而且更要理清驅動因子與植被覆蓋變化之間的規律與內在機理，這樣才有助于全面了解中亞乃至整個亞洲中部干旱區植被覆蓋時空變化的趨勢和未來生態環境演化的方向。應用王勁峰等[15]提出的地理探測器模型不僅可以彌補這一不足，也可為其他地區植被時空變化特征影響因素研究提供可行的方法。本文利用分區統計和趨勢分析的方法研究中亞地區1991—2015年間植被覆蓋的時空變化特征，結合地理探測器模型分析氣候、地形、土壤和土地覆被等多種變量的空間分異特征和變化趨勢對中亞地區植被覆蓋時空變化的驅動作用，并研究了不同因子之間的交互作用對植被覆蓋時空變化的影響。進一步揭示氣候變化和人類活動對中亞植被覆蓋變化的作用機理，旨在為中亞地區生態環境建設和制定社會經濟可持續發展模式提供理論基礎和科學依據。

1 研究區概況及數據源

1.1 研究區概況

本文所研究的中亞范圍西達里海與伏爾加河，東與中國接壤，北至額爾齊斯河的分水嶺，并延伸至西西伯利亞平原南部，南臨伊朗與阿富汗的邊界，地理位置在N35°5′2.24″～52°33′30.49″，E46°45′28.13″～87°21′47.81″[16]之間。行政區域涵蓋中亞五國，即哈薩克斯坦、吉爾吉斯斯坦、烏茲別克斯坦、塔吉克斯坦和土庫曼斯坦，總面積近4×105km2，人口接近6.6×106，人口密度約17人/km2，是典型的地廣人稀區域[17]。整體上中亞地勢呈東南高，西北低，由于受東南部高山阻擋，來自印度洋和太平洋的水汽無法深入，這就使得中亞五國成為北半球溫帶面積最大的干旱區。同樣受地形和氣候等多種因素影響，中亞的植被分布具有明顯的空間分異性。因此本文在高程數據的基礎上，結合已有地形圖將中亞地區劃分為8大地形區(圖1)，來研究不同地形區植被覆蓋的變化特征。

圖1 研究區域示意圖Fig.1 Map of research area

1.2 數據來源與預處理

本文采用的數據如表1所示，由于數據為不同來源和不同空間分辨率，本文結合模型的運算能力和研究任務的精度要求，基于最鄰近距離法對數據集進行了重采樣，最后去除缺失值，共得到20 569行數據。由于地理探測器模型輸入的自變量必須保證是離散型數據，因此基于R語言“GD”包的“optidisc”函數，對數據進行了離散化處理。

表1 數據來源與預處理Tab.1 Data source and data preprocessing

2 研究方法

2.1 趨勢分析法

基于最小二乘方法的一元線性回歸模型對植被變化進行趨勢分析是研究植被動態變化的常用方法[18-19]，對1991—2015年間中亞地區逐年植被覆被變化進行逐像元趨勢性分析，計算公式為[19]

(1)

式中：n為研究時段的年數；Vi為第i年的NDVI值(i=1，2，...，25)；S為植被覆被變化趨勢斜率，當S為正值時，則該像元NDVI值呈上升的趨勢，反之呈下降的趨勢。

為了更好地表達植被覆蓋的變化趨勢，采用F檢驗對NDVI的變化趨勢進行顯著性檢驗，顯著性檢驗結果反映了趨勢變化可信度的高低，F檢驗統計量計算公式為[20]

(2)

表2 NDVI變化趨勢類型Tab.2 Types of NDVI change trend

2.2 地理探測器模型

地理探測器主要包含以下3種探測器：

1)因子探測器，該探測器表示研究中每個影響因子變化趨勢對NDVI時空變化趨勢的影響大小，q值越高的影響因子，對NDVI變化的影響力越大。

2)風險探測器，探測因子對NDVI變化是否具有風險性，指示因子在不同等級范圍內對NDVI時空變化的影響。

3)交互作用探測器，用于判斷不同影響因子對植被時空變化的交互作用。通過比較在單因子作用時的q值、2個單因子的q值之和與雙因子交互作用時的q值，根據三者之間的大小關系，將交互作用類型分為5類，如表3所示。

表3 雙因子交互作用結果類型Tab.3 Types of two-factor interaction result

從上面的3個探測器可以看出，在地理探測器中，q值是衡量一個因子對因變量的貢獻率或者說是解釋力，其模型表達式[15]為

(3)

3 結果與分析

3.1 中亞NDVI的空間分異特征

利用柵格計算器計算得到1991—2015年間中亞地區NDVI空間分布及其變化率、土地覆被類型和土壤類型如圖2所示。

(a)NDVI空間分布 (b)NDVI變化率

(c)土地覆被類型 (d)土壤類型

圖2 中亞地區NDVI空間分布與變化率、土地覆被類型和土壤類型

Fig.2SpatialdistributionofNDVI,NDVIchanges,landcovertypesandsoiltypes

從圖2(a)可以看出，中亞地區NDVI具有明顯的空間分異性，在平原區，NDVI平行緯度呈帶狀分布，從南向北逐漸增加，綠洲沿河流兩岸呈帶狀分布，河口三角洲地帶普遍發育綠洲；在山區，NDVI空間分布較平原區復雜，NDVI隨高程增加先升高后降低。因此可以看出中亞地區植被覆蓋空間分布主要受緯度地帶性、垂直地帶性規律共同作用。

不同地形區和土地覆被類型對應的NDVI值變化情況如圖3所示，從地形區上看(圖3(a))，西西伯利亞平原和哈薩克丘陵東北部地區NDVI最高，NDVI平均值為0.551，圖蘭平原和于斯蒂爾蓋高原最低。從土地覆被類型上看(圖3(b))，林地NDVI最高，平均值為0.7，旱地次之，水域與冰川NDVI最低。

(a)不同地形區 (b)不同土地覆被類型

圖3 不同地形區和土地覆被類型對應的NDVI值變化

Fig.3ChangesofNDVIvaluescorrespondingtodifferentterrainareasandlandcovertypes

3.2 中亞NDVI時空變化特征

3.2.1 中亞NDVI的時間變化特征

如圖3(a)所示，1991—2015年間中亞地區NDVI的平均值為0.34，其年均NDVI最高值出現在2007年，達到0.365，最低值出現在2008年，為0.312。哈薩克丘陵和圖爾蓋高原地區在近5 a來呈持續上升的趨勢，然而于斯蒂爾蓋高原和圖蘭平原地區在近10 a間呈明顯下降趨勢。如圖3(b)所示，旱地、灌叢地和荒地的NDVI值略有下降，水域與冰川的NDVI從2000年后開始持續上升。水域NDVI的升高可能歸因于中亞地區部分水域面積減小，水位下降；水中懸浮物濃度增加、透明度減小、近岸淺水區水生植物增加，水質變差導致[21]。

3.2.2 中亞NDVI的空間變化特征

近25 a來中亞地區植被覆蓋總體上呈輕微波動變化，但是部分地區植被覆蓋變化也很明顯，植被顯著改善區域主要集中在哈薩克丘陵的中低海拔地區，雖然從圖2(b)和(c)中可以看出，NDVI下降比較嚴重的區域主要分布哈薩克斯坦北部旱地區域。但如圖4所示的中亞地區植被覆蓋變化趨勢(經過顯著性檢驗)，哈薩克斯坦北部旱地NDVI下降趨勢并不明顯。該原因可能是因為1991年蘇聯解體以來，農田出現棄耕后復墾的現象，但是復墾面積仍然無法達到棄耕前的水平[22]。植被顯著惡化區域主要分布在咸海盆地以南地區，以西南方向最為集中。可能是隨著咸海水面退縮后，在干涸湖盆底部形成了大量的富鹽細粒沉積物，這些沉積物中的鹽粒及其他化學粉塵在風的作用下發生擴散。這些鹽塵加重了周邊區域的土壤鹽堿化，從而導致土壤肥力下降、植被退化等一系列問題[23-24]。另外，在錫爾河中游和下游的植被變化情況也顯著不同(圖4)，其原因可能是錫爾河為中亞跨界河流，恰爾達拉水庫位于哈薩克斯坦和烏茲別克斯坦的交界處，自蘇聯1991年解體以來，哈薩克斯坦從跨界河流中的引水能力有所下降[25]，因此錫爾河下游的植被顯著降低可歸因于其灌溉水資源的受限。

圖4 1991—2015年中亞地區NDVI變化趨勢Fig.4 Change trend of NDVI in Central Asia during the period from 1991 to 2015

3.3 NDVI空間分異與變化趨勢驅動因子分析

3.3.1 不同驅動因子對NDVI空間分異的驅動分析

利用地理探測器模型分別就NDVI空間分異特征和變化趨勢進行歸因，因子探測結果如表4所示，不同因子按照對NDVI空間分異特征的解釋能力排序：土壤濕度>濕日頻率>降水量>土壤類型>潛在蒸散發>最高氣溫>平均氣溫>最低氣溫>地形區>云量>高程>日較差。這也說明中亞地區地處溫帶面積最大的干旱區，水分因素主導該地區植被的空間分布狀況，其次是土壤類型和潛在蒸散發以及氣溫。風險探測分析和交互作用分析結果如圖5所示，NDVI隨著降水頻率和土壤濕度的增加而增加，然而NDVI對不同等級降水量的響應呈現出先升高后降低的趨勢。這可能因為在中亞東南部帕米爾高原的高海拔區域，降水量較多，土壤水分含量較高，植被的生長將不再受水分因素的限制，反而氣溫開始主導植被的生長狀況。NDVI隨著潛在蒸散發的增加而降低。隨著云量增加，NDVI也呈逐漸上升的態勢。NDVI隨著高程先增加后降低，高程在1 500～2 400 m之間(分區5)時，達到峰值，當高程大于2 400 m后，NDVI開始急劇下降。植被生長發育的過程往往不是影響因子單獨起作用，而是多種影響因子協同交互作用。從圖5(b)可以看出，交互作用最強的因子組合為高程和土壤濕度，它們雙因子增強交互作用的q值為0.670。這說明高程的變化顯著增加了土壤濕度作為自變量對NDVI的解釋。同時降水量與大多數因子結合都能產生較高的q值。高程和潛在蒸散發組合體現了較強的非線性增強交互作用(潛在蒸散發∩高程=0.647>潛在蒸散發(0.464)+高程(0.155))。除此之外，高程與多數因子的非線性增強交互作用都很強。

表4 因子探測器結果Tab.4 Results of factor detector

①地形區因子用于NDVI空間分異的驅動分析；土地覆被類型用于NDVI變化趨勢的驅動分析。

(a)NDVI空間分異風險探測器結果 (b)NDVI空間分異交互探測器結果

(c)NDVI變化趨勢風險探測器結果 (d)NDVI變化趨勢交互探測器結果

圖5 風險探測器結果和交互探測器結果

Fig.5Resultsofriskdetectorandinteractiondetector

3.3.2 不同驅動因子對NDVI變化趨勢的驅動分析

從NDVI變化趨勢的因子探測結果(表4)可以看出，不同驅動因子的q值并不高，但是依然可以反映出不同驅動因子對NDVI變化趨勢的影響差異。如圖5(c)所示潛在蒸散發增長最慢的區域(分區1)，NDVI增加的最快，這說明區域潛在蒸散發的增長對NDVI的增長有一定的抑制作用。降水量增加最快的區域(分區10)，NDVI增長的也最快，但是降水量變化較小和降水量下降的區域基本上NDVI變化不大。在不同高程范圍內，NDVI增長較快的區域高程范圍在300～1 000 m之間(分區4)，主要集中在一些低山、丘陵地區。NDVI對不同類型氣溫的響應基本一致，增溫慢的區域NDVI增長迅速，這一點在最高溫度變化方面最為明顯。云量下降最快的區域，NDVI降低趨勢遠超其他區域，這也說明在中亞干旱區，云量一定程度上代表著區域的降水潛力。不同土地覆被類型對NDVI的變化也存在很大的空間分異特征，旱地(分區1)的NDVI下降最明顯，草地(分區5)的NDVI上升最快。在土壤類型方面，黑土(分區10)和黑鈣土(分區4)上生長的植被出現了明顯的減少趨勢，如圖2(d)所示這2種土壤都是肥力較高的土壤且廣泛分布于中亞北部地區，所以這些地區的土地很早就被開發為旱地。但是由于蘇聯解體使得大量農田棄耕，這些區域的NDVI下降趨勢也較大。

在NDVI變化趨勢影響因子的交互作用方面，80%以上影響因子組合方式表現出非線性增強作用，其余因子也表現出了雙因子增強作用(圖5(d))。交互作用解釋力排在第一位的是云量和降水量組合(q值為0.208 0)，其次是潛在蒸散發和高程組合(q值為0.196 1)以及降水量和平均氣溫組合(q值為0.193 0)。除此之外，還可以看出潛在蒸散發和其他影響因子的交互作用表現明顯，而濕日頻率和其他影響因子的交互作用較弱。

4 結論

本文利用趨勢分析法和地理探測器模型研究中亞地區NDVI時空分布與變化特征及其影響因子的驅動作用，并研究了雙因子之間交互作用對NDVI時空分布及變化特征的影響，得到以下主要結論：

1)1991—2015年間中亞地區植被變化整體上處于平穩波動狀態。從局部地區看，哈薩克丘陵中低海拔地區NDVI表現出明顯的上升趨勢，咸海西南部NDVI呈極顯著下降，可能歸因于咸海盆地鹽塵的近距離擴散；同時水域NDVI的上升表明中亞湖泊整體水環境質量在下降。

2)人類活動對中亞地區植被覆蓋的影響比較明顯。由于蘇聯解體導致的棄耕后復墾現象，哈薩克斯坦北部旱地區域的NDVI下降趨勢雖然很大，但是趨勢并不能通過顯著性檢驗；另外錫爾河中游和下游地區NDVI變化的顯著差異也體現了中亞各個國家間圍繞水資源開發利用問題上的一些矛盾。

3)根據地理探測器研究表明，水分因素主導著中亞地區植被覆蓋的時空分布格局；在不同增溫背景下，NDVI的變化趨勢顯著不同；另外不同高程范圍、不同土地覆被類型、不同土壤類型下NDVI的時空變化特征也有顯著差異。

4)因子間交互作用均能增強其對植被空間分異和變化趨勢的解釋力；潛在蒸散發和高程的非線性增強交互作用對NDVI空間分異的影響最為顯著；云量和降水量的非線性增強交互作用對NDVI的變化趨勢影響最為顯著；另外，潛在蒸散發和高程作為影響因素可以較大地增強其他因子對NDVI空間分異以及變化趨勢的解釋能力。

然而，基于AVHRR衛星影像的NDVI數據雖然具有較長的時間序列和較高的時間分辨率，但空間分辨率較低。因此，下一步希望采用具有更高空間分辨率的MODIS數據，開展小尺度范圍內的NDVI影響因子研究。另外，關于潛在蒸散發是如何增強其他因子對NDVI空間分異和變化趨勢的解釋能力，還需進行更加深入的討論。