2003-2017年陜西省NDVI時空變化及其影響因素

同英杰, 文彥君, 張 翀

(1.寶雞文理學院 陜西省災害監測與機理模擬重點實驗室，陜西 寶雞 721013; 2.寶雞文理學院 地理與環境學院， 陜西 寶雞 721013)

植被作為陸地生態系統的重要組成部分，在全球物質和能量的循環過程中起至關重要的作用，與氣候變化聯系緊密[1]。同時植被覆蓋變化也是影響區域生態環境的“指示器”[2]。在全球變暖的大環境下，對于植被覆蓋變化的影響因素研究一直以來都是熱點問題，以往研究表明，氣候因素和非氣候因素均不可避免的會對植被覆蓋變化產生影響[3]。歸一化植被指數(normalized difference vegetation index， NDVI)是一種常用于反映植被覆蓋狀況的遙感指標[4]，它能較好的反映植被覆蓋、生物量及葉面指數等信息[5-6]。

近年來，國內外學者已經利用NDVI數據對植被覆蓋時空變化和其影響因素進行了較為成熟的研究，其具有研究尺度靈活，范圍廣，時間連續性長等特點[7]。植被覆蓋時空變化所用到的方法一般包括線性趨勢法[8-9]、穩定性評價[10-11]和Mann-Kendall非參數校驗[12-13]等方法。本研究選用應用較為廣泛的線性趨勢法來評價陜西省植被覆蓋時空變化。植被覆蓋變化影響因素包括對氣候因素和人為因素的研究，對于氣候因素的研究方法多為相關分析法[14-15]，但是，簡單的相關系數不能表明變量間的關系，因為因素間的關系可能很復雜，也可能存在其他關系，因此，研究結果和實際情況也可能出現偏差[16]。對于人為因素的研究方法包括定性—半定量方法和定量評價[17]，其中定量評價主要有回歸模型法[18-19]，殘差趨勢法[20-21]和基于生物物理過程的模型方法[22-23]。以往研究采用殘差趨勢法較多，此法雖然解釋了人為影響的貢獻程度和空間格局，但在分離氣候因素的影響時沒有考慮其他氣候因素對植被覆蓋變化的影響，對人為影響的解釋也較為籠統，而且對其他非氣候因素研究較少；且以往研究缺乏定量分解各因素對植被覆蓋影響的貢獻率的大小，因此，難以為區域生態文明建設提供行之有效的依據。地理探測器[24]是由王勁峰提出的一種定量探測地理現象空間分異性及其背后驅動力的統計學方法。其基于空間方差分析，擅長探測類型變量，對于定性變量，只要進行適當的離散化，也可以探測；此外，地理探測器也可以對兩因子的交互作用進行探測[25]。該方法憑借其獨有的優勢已被應用于多個學科和領域[26-27]。

陜西省地處中國西部內陸，區域內地貌復雜，氣候南北差異較大，生態系統較為脆弱，受到氣候因素和非氣候因素的雙重影響，植被覆蓋空間分布特征明顯[28]。綜上所述，本研究基于最大合成法、線性趨勢法等方法對影響陜西省地區植被覆蓋時空分布和變化趨勢進行分析，并采用地理探測器對多個氣候因素因素和非氣候因素進行定量分析，旨在為當地保護生態環境、進行生態修復提供理論支撐。

1 數據與方法

1.1 數據來源及處理

本文所用數據主要包括2003—2017年LP DAAC 16 d合成的NDVI數據，分辨率為1 km；陜西省35個國測臺站2003—2017年氣溫、降水、風速、日照、氣壓和相對濕度數據；植被類型、土壤、地貌、土地利用類型和生態功能區劃數據。

采用MRT工具對NDVI數據進行拼接、投影和格式轉換，利用ArcGIS軟件進行掩膜提取，并采用最大合成法(MVC)提取陜西省歷年NDVI數據。氣溫、降水、日照、風速、氣壓和相對濕度等氣象數據均來自中國氣象數據共享服務網站，通過計算得到年降水和年平均氣溫，并采用Anusplin[29]軟件將其插值到空間上，分辨率為1 km。對風速、日照、氣壓、相對濕度數據計算年平均值，并利用ArcGIS軟件進行經驗貝葉斯克里金插值，分辨率為1 km。生態功能區劃數據來自中國生態系統評估與生態安全數據庫。地貌、土壤、土地利用類型和植被類型等數據來源于中國科學院資源科學數據中心(http:∥www.resdc.cn/)，利用ArcGis軟件對其進行投影轉換和掩膜提取。

1.2 研究方法

1.2.1 線性趨勢法 本研究通過逐年逐像元計算線性趨勢來研究陜西省植被覆蓋的變化趨勢[30]，計算公式如下：

(1)

式中：i為年號，n=15，Yvi表示每個像元第i年的NDVI值，slope為每個像元NDVI變化的斜率，當slope>0，表示該像元NDVI值呈增長趨勢，當slope<0,表示該像元NDVI呈減小趨勢。

1.2.2 地理探測器 地理探測器主要用于探究空間分異性并對其驅動力進行定量分析的一種統計學方法[31]。本研究主要應用地理探測器中的因子探測器、交互探測器和生態探測器模塊來定量分析陜西省植被覆蓋的主要驅動因子。

因子探測器主要探究了因變量Y的空間分布異質性及其自變量X在多大程度上解釋了這種分異。在本研究中，因變量Y為陜西省多年平均NDVI，自變量X為選取的15種氣候和非氣候因子。其公式為：

(2)

(3)

生態探測器用于檢測各影響因子對區域內NDVI空間分布的影響是否具有顯著差異。交互作用探測器用來評估任意兩因子共同作用下對NDVI的解釋程度。判斷依據如表1。

表1 交互探測判斷依據

地理探測器是分析類型變量的統計工具，對于連續型數據，需對其進行離散化處理。自然間斷點分級法是最大化組間差異的分類方法[32]，該方法使組內平均離散方差最小，組間平均離散方差最大。所以本研究采用自然間斷點分級法對降水、氣溫、風速、日照、氣壓、高程、坡度、人口、GDP等連續型數據進行分類；此外，坡向數據按實際坡向分類，植被類型數據按植被大類分類，土地利用數據按一級類型分類，土壤類型數據按土綱分類。利用ArcGIS軟件將陜西省2003—2017年平均NDVI和15種氣候和非氣候影響因素重采樣為5 km×5 km的柵格數據，并對其中心點進行提取，剔除異常值后，共有8 241個數據參與計算。

2 結果與分析

2.1 陜西省NDVI時空變化特征

2003—2017年陜西省NDVI范圍在-0.15～0.99之間，平均值為0.72。空間上NDVI高值區域主要集中在陜南和延安市南部區域，關中地區次之，陜北區域NDVI整體偏低(見圖1a)。不同植被類型存在差異，其中，闊葉林最高，為0.87；其次為針葉林，為0.86，同時灌叢、草叢均大于0.8；沼澤、栽培植物、草甸、草原在0.44～0.68之間，荒漠最小，為0.34。從生態功能區劃來看，秦巴山地落葉與闊葉林生態區最高，為0.87；其次為黃土高原農業與草原生態區和汾渭盆地農業生態區，分別為0.62和0.74；最低的是內蒙古高原中東部典型草原生態區最低，區域內平均值為0.37。

注：Ⅰ 秦巴山地落葉與闊葉林生態區； Ⅱ 汾渭盆地農業生態區；Ⅲ 黃土高原農業與草原生態區； Ⅳ 內蒙古高原中東部典型草原生態區。

2003—2017年，陜西省植被覆蓋總體呈改善趨勢，變化率為0.030/10 a。其中陜北北部改善最為明顯，陜北南部、關中中東部和陜南部分區域改善較為緩慢，并出現退化區(圖1b)。從植被類型來看，草原改善最為明顯，變化率為0.081/10 a，其次為荒漠，變化率為0.064/10 a，草甸和栽培植物變化率較為接近，分別為0.040/10 a和0.036/10 a，草叢、灌叢、闊葉林和沼澤變化率在0.018/10 a～0.022/10 a之間，針葉林變化最不明顯，變化率僅為0.010。生態區劃上，內蒙古高原中東部典型草原生態區變化最明顯，變化率為0.089/10 a，其次為黃土高原農業與草原生態區，變化率為0.072/10 a，秦巴山地落葉與闊葉林生態區變化率為0.017/10 a，最低的是汾渭盆地農業生態區，植被覆蓋有退化趨勢，變化率為-0.073/10 a。

2.2 氣候類因素對植被覆蓋空間分布的影響

2.2.1 植被覆蓋氣候類指示因子 植被作為生態系統的重要組成部分，與各種氣候要素有著極其重要的聯系。為探究氣候類因素對陜西省植被覆蓋空間分布的影響，本文選取多種因素并對其進行地理探測器分析(見圖2)，得到影響因子的解釋力q值(見表2)。解釋力大小從大到小依次為降水、相對濕度、日照、氣壓、風速和氣溫。降水和相對濕度q值均大于0.7，是區域內植被覆蓋空間分布的主導氣候類因素。日照q值為0.684，與相對濕度(q值0.711)接近，風速和氣壓對植被覆蓋空間分布的解釋力中等，q值分別為0.391和0.431，氣溫對植被覆蓋的解釋力最弱，q值為0.205。

圖2 2003-2017年陜西省氣候類因子的空間分布

表2 2003-2017年陜西省氣候類因子對植被覆蓋的解釋力(q)

綜合各因子，并結合NDVI空間分布特征分析可知，降水是影響區域內植被覆蓋空間分布的主導氣候類因素，其他因素對當地植被覆蓋影響程度有所差異。秦巴山地落葉與闊葉林生態區自身覆蓋程度高，受到降水、氣溫、相對濕度和氣壓的共同影響，更能促進植被生長。近年來，黃土高原農業與草原生態區通過對生態系統的修復，大大提高了地覆程度，降低了降水造成的水土流失和土壤侵蝕的影響，同時，地表固水能力的增強，充足的日照促進了當地植被的生長。內蒙古高原中東部典型草原生態區受到降水、風速、日照、相對濕度等因素的限制，導致區域內植被覆蓋程度較低。區域中部和北部氣壓空間分異不明顯，對植被分布影響較低，所以氣壓解釋力較弱。

2.2.2 氣候類因素的交互影響 為了了解任意兩個氣候因子共同作用下對NDVI空間分布的解釋程度，因此對各因子進行交互作用探測。雙因子交互作用下，都會增強對植被覆蓋的解釋力(見圖3)，且均為非線性增強趨勢。其中，降水∩氣溫(q值為0.792)、風速∩降水(q值0.781)、日照∩降水(q值為0.793)和相對濕度∩降水(q值為0.786)對區域植被覆蓋空間分布的解釋力較大。由此可以看出，降水作為本區域植被覆蓋空間分布的主導氣候類因素，在與其他氣候因素的交互作用下，對植被覆蓋影響最大。依據前文對植被覆蓋氣候類指示因子的分析，氣溫單因素對本區域植被覆蓋的解釋力最弱，而與降水的交互作用解釋力較大，這說明氣溫只有在滿足一定的降水條件，并和降水的共同作用下，才會對植被覆蓋產生顯著的影響。此外，為檢測雙因子間對NDVI空間分布是否存在顯著差異，對各因子做生態探測，結果表明：任意兩個氣候因子之間對植被覆蓋的影響均有顯著的差異(檢測值為Y)。

注：a為降水；b為氣溫；c為風速；d為日照；e為氣壓；f為濕度。下同。

2.3 非氣候類因素對植被覆蓋空間分布的影響

2.3.1 植被覆蓋非氣候類指示因子 植被覆蓋同時受各種非氣候類因素的影響。運用地理探測器分析高程、坡度、坡向、植被類型、土壤類型、土地利用類型、地貌、人口和GDP等因素對陜西省植被覆蓋的影響程度，得到其q值(見表3)。如圖4及附圖9—10(見封3)所示，各因子解釋力從大到小依次為植被類型、地貌、土壤類型、坡度、土地利用類型、高程、人口、GDP和坡向。其中，植被類型和地貌對陜西省植被覆蓋空間分布的解釋力最強，q值大于0.5，土壤類型和坡度的解釋力中等，q值分別為0.412和0.282，解釋力較小的為高程、坡向、土地利用類型、人口和GDP，解釋力在0.001～0.089之間，坡向解釋力最弱，q值為0.001。

圖4 2003-2017年陜西省非氣候類因子空間分布

表3 2003-2017年陜西省非氣候類因子對植被覆蓋空間分布的解釋力(q)

結合NDVI空間分布分析，植被類型和地貌是主導非氣候類影響因子。黃土高原農業與草原生態區南部、汾渭盆地農業生態區西部和秦巴山地落葉與闊葉林生態區主要地貌類型為山地，主要植被類型為闊葉林、針葉林和草叢等，區域內植被根系發育良好，涵養水源功能較好，對氣候適應性較強，植被生長穩定，所以植被覆蓋程度較高，而內蒙古中東部典型草原生態區、黃土高原農業與草原生態區北部和汾渭盆地農業生態區中東部主要地貌類型為丘陵、臺地和平原，主要植被類型為草原、荒漠和人工植被等，人工植被主要包括糧食作物、經濟作物和城市綠化植被等，本身地覆不高，且受到土地利用類型、人口等人為因素的限制，所以植被覆蓋程度較低。土壤為第三解釋力因子，區域內土壤類型較為單一，淋溶土、半淋溶土和初育土僅3類幾乎就分布于整個區域，所以對植被覆蓋空間分布特征影響并不明顯。區域內坡度變化不大，總體范圍在1.26°～25.62°之間，對植被覆蓋空間分布的影響不強。除此之外，其余非氣候因素都對陜西省植被覆蓋空間分布解釋力較弱。

2.3.2 非氣候類因素的交互作用 對非氣候類因素交互探測和生態探測(見圖5)，結果表明，不同因子的交互作用均會增強對陜西省植被覆蓋空間分布的解釋力，基本為非線性增強。其中，土壤類型∩植被類型(q值為0.665)、地貌∩植被類型(q值為0.675)、坡度∩植被類型(q值為0.602)和地貌∩土壤類型(q值為0.629)對陜西省植被覆蓋空間分布特征具有較強的解釋力。由前文關于植被覆蓋非氣候類指示因子分析可知，植被類型和地貌作為主導因子，在與土壤類型和坡度的共同作用下，對陜西省植被覆蓋分布特征的影響最大。生態探測器結果表明，人口、GDP和坡向之間的生態監測為N(見圖6)，無顯著差異，說明人口、GDP和坡向對植被覆蓋空間分布具有相似的機理，所以人口∩GDP(q值為0.019)、人口∩坡向(q值為0.022)和GDP∩坡向(q值為0.005)解釋力接近，但其交互作用仍然較弱。依據前文的分析，坡向、土地利用類型、人口、GDP單因子對NDVI分布特征的解釋力都較小，而與植被類型、地貌等單因子解釋力較強因素的交互作用下均會有較大幅度的增強，呈非線性增強趨勢。說明人口、GDP和坡向對植被覆蓋的影響程度只有在滿足一定植被類型、地貌類型和土壤類型的條件下才會顯現出來。

圖6 2003-2017年陜西省非氣候類因子生態探測

注：g為高程；h為坡度；i為坡向；j為植被類型；k為土壤類型；l為土地利用類型；m為地貌；n為人口；o為GDP。下同。

2.4 陜西省植被覆蓋空間分布指示因子及其交互影響

綜合分析所有地理因子對陜西省植被覆蓋空間分布的解釋力，結果如圖7所示：地理因子對陜西省植被覆蓋空間分布的解釋力從大到小依次為降水、相對濕度、日照、植被類型、地貌、氣壓、土壤類型、風速、坡度、氣溫、土地利用類型、高程、人口、GDP、坡向。總體上，氣候因素對陜西省植被覆蓋的影響要大于非氣候因素；非氣候類因素中，土地利用類型、人口和GDP可細化為人類活動因素，其余因素為自然環境因素，由前文分析可知，人類活動因素對陜西省植被覆蓋空間分布的解釋力總體上較低。因此，對陜西省植被覆蓋空間分布的影響：氣候類因素>非氣候類因素；非氣候類因素：自然環境因素>人類活動因素。

注：1為植被覆蓋； 2為土地利用類型； 3為土壤類型； 4為地貌； 5為人口； 6為GDP； 7為高程； 8為坡度； 9為坡向； 10為降水； 11為氣溫； 12為風速； 13為日照； 14為氣壓； 15為相對濕度。

對所有氣候和非氣候因素做交互作用探測，結果如圖8所示。氣候類因素和非氣候類因素交互作用均會增強對植被覆蓋的解釋力，基本為非線性增強趨勢。其中，降水∩植被類型(q值為0.817)、降水∩地貌(q值為0.813)和相對濕度∩植被類型(q值為0.812)對區域內植被覆蓋分布特征的解釋力較大。可以看出，降水、植被類型和地貌作為植被覆蓋的主導氣候和非氣候因素，它們之間和與其它因素的交互作用都會增強其解釋力。同時，諸如氣溫、氣壓和風速這類解釋力較弱的氣候類因素，在與每一種非氣候類因素的交互作用下，解釋力均有不同程度的增強；反之，非氣候類因素中解釋力較弱的坡向、土地利用類型、人口和GDP等因素，在與不同的氣候類因素的交互作用下，也會有較大幅度的增強。由此可以看出，人類活動只有在滿足一定氣候條件下，才能對植被覆蓋空間分布產生較強的影響。綜上所述，陜西省植被覆蓋空間分布特征受到氣候和非氣候因素的共同作用。生態探測器結果表明：氣候類與非氣候因素對植被覆蓋影響具有顯著的差異(檢測值為Y)。

圖8 2003-2017年陜西省氣候類和非氣候類因子交互探測解釋力(q)

3 討 論

本研究基于2003—2017年MODIS NDVI數據對陜西省植被覆蓋空間分布和變化趨勢進行分析。研究發現，植被覆蓋高值區域主要集中在陜南和延安市南部區域，關中地區次之，陜北區域NDVI最低；總體呈改善趨勢，其中陜北北部改善最為明顯，陜北南部、關中中東部和陜南部分區域改善較為緩慢，并出現退化區，與相關研究結果一致[8-9]。

此外，本研究在綜合考慮氣候類和非氣候類因素的前提下，利用地理探測器模型對陜西省植被覆蓋空間分布的影響因素進行定量歸因分析。但仍存在一定的局限性：

(1) 在對植被覆蓋進行時空變化分析時，遙感數據精確的時空分辨率是非常有必要的。本研究選用的NDVI數據空間分辨率為1 km×1 km，單個像元可能無法準確的表現實際的地物分布，特別是小斑塊的植被識別，因此，在今后研究中，將選用更高分辨率的遙感數據，提高對區域細節的解釋能力。

(2) 陜西省地形地貌變化復雜，本研究雖然采用經驗貝葉斯克里金法對除氣溫、降水外的氣候因子做了插值，但地形對氣象參數的影響強烈[33]，因此，單純的平面插值不能表現出真實的水熱變化，對植被覆蓋變化的解釋力有限。

(3) DEM地形分析是依賴于其柵格尺度的[34]，且不同尺度DEM所得到的坡度、坡向數據在不同地形下對實際地表的表現程度有較大差異[35]。本研究中坡度和坡向采用了DEM數據的粗分辨率(5 km)，且未考慮其在不同地形(丘陵、山地、平原等)下的表現的異質性，因此，為當地植被覆蓋研究帶來了不確定性。

(4) 社會經濟活動如人口、GDP和土地利用等均會對植被覆蓋變化產生影響，但此類數據都會存在動態變化，而本研究提供的此類數據為靜態數據。在今后的研究中，應考慮社會經濟活動因素對植被覆蓋影響的程度以及其時間變化規律，增強研究的現實指導意義。

4 結 論

(1) 2003—2017年陜西省NDVI空間分布總體上為改善趨勢，變化率為0.030/10 a。植被類型上，草原>荒漠>草甸>栽培植物>草叢>灌叢>闊葉林>針葉林；生態區上，內蒙古高原中東部典型草原生態區最高，變化率為0.089/10 a，汾渭盆地農業生態區最低，變化率為-0.073/10 a，區域內植被出現退化趨勢。

(2) 降水是影響陜西省植被覆蓋空間分布的主導氣候類因素。秦巴山地落葉與闊葉林生態區植被生長受到降水、氣溫、相對濕度和氣壓的共同影響，植被覆蓋較高；內蒙古高原中東部典型草原生態區受到降水、風速、日照、相對濕度等因素的限制，植被覆蓋程度較低。

(3) 降水與氣溫、日照、風速、日照、相對濕度的交互作用對陜西省植被覆蓋空間分布其主導作用，且氣溫的影響只有在和降水的交互作用下才能體現出來。

(4) 植被類型和地貌是陜西省植被覆蓋空間分布的主導非氣候類因素。區域中北部、南部和汾渭盆地農業生態區西部受到地貌、植被類型等因素的影響，植被覆蓋程度較高；區域北部和汾渭盆地農業生態區中東部受到植被類型、地貌、土地利用類型、土壤類型、人口和GDP等因素的限制，植被覆蓋程度較低。

(5) 植被類型、地貌和土壤類型之間的交互作用對陜西省植被覆蓋空間分布的起主導作用。人口、GDP的影響只有在與其他因素的交互作用下才能顯現出來。

(6) 總體來說，對陜西省植被覆蓋空間分布的影響：氣候類因素>非氣候類因素。陜西省植被覆蓋空間分布受到氣候類和非氣候類因素的共同影響。