2000—2015年長江上游NDVI時空變化及驅動力
——以宜賓市為例

陶 帥,鄺婷婷,彭文甫,王廣杰,*

1 四川師范大學 地理與資源科學學院,成都 610068

2 四川師范大學 西南土地資源評價與監測教育部重點實驗室,成都 610068

植被作為自然生態系統的重要組成部分,通過光合作用、呼吸作用與生物圈的其他自然要素形成緊密聯系,從而在生態系統的物質循環、能量流動與信息傳輸等方面發揮著重要作用[1-2]。在植被生長過程中,氣溫、降水、海拔與人類活動等環境因素具有重要影響,植被對環境變化尤其是氣候變化也最為敏感[3]。因此,研究植被動態變化及其與自然環境、人類活動因素的響應機制,可以為全球變化提供重要的理論依據[4],對評價區域環境質量與維護生態平衡具有重要的現實意義[5],對人類社會經濟建設與生態環境保護也具有相當的借鑒意義。

歸一化植被指數(Normalized Difference Vegetation Index, NDVI)與植被覆蓋度、生物量、葉面積指數以及土地利用等密切相關[6],能夠精準地反映植被綠度、光合作用強度,植被代謝強度及時間變化[7],在很大程度上展現區域植被覆蓋度的高低以及植被生長狀態,被認為是監測陸地植被變化的最佳指示因子[8],已廣泛應用于生態、環境和農業等領域[9- 12]。利用NDVI時序數據研究植被覆蓋變化及對外界干擾響應,對生態系統及其生態效益具有重要意義[13],已經成為全球變化研究的重要方向之一。

國內外學者基于長時間序列的NDVI數據集,在不同時空尺度上對地表植被時空變化規律進行了深入研究,主要集中于區域尺度NDVI變化趨勢與氣候因子之間的相互關系及對氣候變化的響應機制[5,14- 16]。部分學者從植物生長機制出發,作了一些新的研究。如李輝霞等[17]通過殘差分析分離氣候要素與人類活動對三江源NDVI的貢獻,定量評估生態保護建設工程成效。鄧晨暉等[18]基于NDVI數據探究了秦嶺植被變化特征及對氣候變化和人類活動的雙重響應機制。徐芝英等[19]應用小波分析研究了浙江省NDVI與高程、坡度和土地利用強度等因子之間的多尺度相關關系。Peng等[20]從自然環境角度量化了四川省NDVI時空變化的自然因子驅動力。目前,鮮有學者對影響植被變化的氣候環境因素、非氣候環境因素和人類活動因素進行整體驅動機制研究。因此,本文選取長江上游地區喀斯特與丘陵地貌分布廣泛,地形條件較為復雜,生態環境相對脆弱的宜賓市為典型案例,利用2000—2015年MODIS MOD 13Q1數據,采用Sen氏趨勢分析與Manna-Kendall檢驗、Hurst指數分析宜賓市NDVI在年際尺度、季節尺度上的時間變化特征、變化趨勢與未來可持續特征,并應用空間轉移矩陣和重心遷移模型分析其空間變化特征,最后通過地理探測器模型探測影響NDVI的主導因素,進一步揭示NDVI的空間分異特征及其驅動因子,從而全面的分析宜賓市植被動態變化規律,探討生態建設工程成效,為該地區乃至長江上游地區未來植被保護、水土保持與生態環境建設提供科學依據和決策參考。

1 研究區域概況

宜賓市位于四川省東南部(如圖1),地處云貴川三省結合部,金沙江、岷江、長江在此交匯,川南丘陵與云貴高原過渡地帶,地跨27°50′N—29°16′N、103°36′E—105°20′E,幅員面積13283 km2。境內地形整體呈東北低、西南高態勢,以中低山地和丘陵為主,喀斯特地貌分布廣泛。氣候以亞熱帶濕潤季風氣候為主,雨熱充足、光照適宜、氣候溫潤、四季分明。植被覆蓋以亞熱帶次生性常綠闊葉林為主,竹林等其他植被豐富多樣。自2000年開始實行第一輪退耕還林工程以來,境內森林覆蓋率穩步增加,2015年底全市森林覆蓋率達44.08%。

圖1 宜賓市地理位置示意圖

2 數據與方法

2.1 數據來源與預處理

NDVI數據提取自美國國家航空航天局網站(http://reverb.echo.nasa.gov/reverb/)發布的MODIS MOD 13Q1陸地3級標準數據產品,其空間分辨率為250 m,時間分辨率為16 d。本文選取了2000年3月至2016年2月的MODIS NDVI數據共368期影像為數據源,利用MRT、ENVI和ArcGIS等軟件進行提取、剪裁和投影轉換等批處理,提取2000—2015年NDVI半月數據,采用最大值合成法(Maximum Value Composite, MVC)消除云層、大氣和太陽高度角的干擾[12],合成月NDVI數據。基于目視解譯發現冬季NDVI數據存在云層較厚,數據質量較差的情況,應用Savitzky-Golay濾波法對其進行濾波處理。為了充分反映NDVI變化的年際和年內季節特征,根據宜賓市植被物候特點,進行春季(3—5月)、夏季(6—8月)、秋季(9—11月)和冬季(12—次年2月)的劃分,然后提取平均值生成2000—2015年各季度和年度NDVI數據,以指示各季度和年際變化。

用于精度驗證的3景Landsat 8-OLI數據來源于地理空間數據云(http://www.gscloud.cn/),其軌道號分別為128/040、128/041、129/040,經過輻射定標、大氣校正、鑲嵌裁剪等預處理后,進行NDVI計算及異常值去除,最終得到宜賓市30 m分辨率NDVI數據。

氣候、土壤、DEM數據和2015年人口密度、土地利用類型、GDP數據來源于中國科學院資源環境科學數據中心(http://www.resdc.cn/),通過ArcGIS軟件進行裁剪、投影變換、重采樣等處理。其中,DEM數據原始空間分辨率為90 m,經過重采樣處理后,在250 m的DEM數據基礎上提取宜賓市海拔、坡度和坡向數據。

2.2 研究方法

2.2.1Sen氏趨勢分析與MK檢驗

與傳統的最小二乘法進行線性回歸趨勢分析相比,Sen氏斜率趨勢分析可以有效避免時間序列數據缺失和數據分布形態的影響,并且可以消除異常值對時間序列的干擾[21]。Sen氏斜率計算公式如下：

式中,1

Manna-Kendall檢驗(MK檢驗)不需要樣本數據遵從特定的分布,能夠有效的剔除異常值,適用于非正態分布的數據[22]。所以,本文采用Sen氏趨勢分析與MK檢驗相結合,分析NDVI在像元尺度上的變化趨勢及顯著性；在區域尺度上則采用線性回歸分析NDVI變化的總體趨勢。

2.2.2Hurst指數

自然界中普遍存在具有長程依賴性的時間序列,如水文、地質和氣候等,估計Hurst指數是定量描述長程依賴性的主要方法之一[23-24]。關于Hurst指數H的獲取可以選用多種方法,常用的是R/S分析法[25]。其基本原理如下[26]：

對于給定的時間序列{NDVI(t)},t=1,2,…,n,定義均值序列：

累積離差為：

極差為：

R(T)=maxX(t,T)-minX(t,T)T=1,2,…,n

標準差為：

則根據以上公式,求比值R(T)/S(T)≌R/S,若R/S∝TH,說明在分析的時間序列內存在Hurst現象,Hurst指數H通過log(R/S)n=a+H×log(n)利用最小二乘法擬合得到[2]。如果0.5

2.2.3空間轉移矩陣與重心遷移模型

空間轉移矩陣來源于系統分析中對系統狀態與狀態轉移的定量描述[27],可以定量識別某一要素不同等級在某一時間間隔的空間格局變化,除了反映其不同等級面積變化,還能直觀反映各等級面積轉入轉出情況[28],因而廣泛應用于土地利用、植被覆蓋等方面。

重心遷移模型可以反映某一要素在空間演變過程中的時空聚集和遷移特征。NDVI所表征的植被覆蓋空間變化可以通過不同植被覆蓋類型重心遷移過程來描述其總體變化趨勢和空間變化特征[29]。計算第t年植被覆蓋的重心公式為：

式中,Xt、Yt分別表示不同類型植被覆蓋分布重心的經緯度坐標；Cit表示第i個植被覆蓋斑塊第t年的面積；Xit、Yit分別表示第i個植被覆蓋斑塊第t年重心的經緯度坐標。

2.2.4地理探測器

地理探測器是基于“因子力”度量指標,結合GIS空間疊加技術和集合論提出的,用于探測空間分異及分異機制背后驅動力的計量模型[30],包括風險探測、因子探測、生態探測和交互探測4部分。傳統的植被覆蓋變化驅動力研究一般采用相關分析方法,計算和檢驗影響因子與植被覆蓋之間的相關關系。當面臨多個影響因子時,其計算較為繁瑣,而地理探測器能夠較好的克服這一問題[31]。其因子探測模型如下：

交互探測用于識別不同影響因子XS之間的交互作用,即對因子X1和X2共同作用時對因變量NDVI解釋力的影響進行評估。這是地理探測器區別于其他統計方法的最大優勢之一[33]。生態探測利用F統計量,分析兩影響因子X1與X2對因變量NDVI空間分異的影響是否存在顯著差異。如果存在顯著差異,記為“Y”,否則記為“N”,據此可以判斷哪一因子對NDVI更具影響力。風險探測是用于判斷兩個子區域間的屬性均值是否存在顯著差異,均值顯著性越大的區域,其因變量值越大,據此可以搜尋影響因變量NDVI的因子適宜區域。

2.3 精度驗證

圖2 宜賓市2015年7月MODIS數據與Landsat 8-OLI數據NDVI相關性分析

基于遙感數據不確定性,本文通過同期高分辨率影像計算NDVI,與研究所用的MODIS NDVI數據進行對比,以驗證其精確性。選擇研究區域云量較少且植被茂盛,符合驗證需求的2015年7月3景Landsat 8-OLI遙感數據,應用ArcGIS生成500個隨機點,提取2015年7月MODIS NDVI數據與Landsat 8-OLI數據估算的NDVI數據進行相關分析和曲線擬合。結果如圖2所示,兩組數據相關系數r=0.8006,在P<0.001水平上顯著強相關。說明MODIS NDVI數據具有較高精度,符合本文研究要求。

3 結果與分析

3.1 植被覆蓋空間格局

通過NDVI表征植被覆蓋度,參考相關研究[34-35]并結合宜賓市多年平均NDVI實際情況,利用等間距法將植被狀況劃分為如表1的5種類型,最終得到宜賓市植被覆蓋空間格局如圖3?？傮w上看,宜賓市植被覆蓋整體較好,受地形與土地利用方式影響呈自南向北逐漸減少的趨勢。與土地利用類型圖對比可以發現,在西部、南部達到高植被覆蓋的區域也是主要的林地,占全市面積52.06%；較高植被覆蓋度則與耕地、草地相對應,占全市面積45.83%；較低植被覆蓋度主要分布在沿江地帶和建成區等以水生植被和人工綠化植被為主的植被稀少區域,僅占全市面積0.64%；低植被覆蓋度主要沿長江干流分布,水面開闊而反射率高,NDVI值極低?？傊?整體植被覆蓋狀況與土地利用方式高度相關。

表1 植被覆蓋類型

圖3 2000—2015年植被覆蓋空間格局及2015年土地利用類型

3.2 NDVI時間變化趨勢

3.2.1區域尺度NDVI動態變化

圖4是基于線性回歸的宜賓市區域尺度全年NDVI均值逐年變化情況?？傮w上看,NDVI處于較高的水平,多年平均值為0.598,且在2000—2015年間呈波動趨勢上升。平均年際變化率達到0.007/a,R2為0.7736,標準誤為0.0186,表明數據離散度較低,擬合預測效果較好；全年NDVI標準差為0.0378,變異系數為0.0632,表明波動趨勢明顯。

圖4 2000—2015年區域尺度NDVI全年變化趨勢

圖5是區域尺度四季NDVI均值逐年變化情況。具體來看四個季節中,NDVI均值整體較高,夏季最高為0.751,秋季、春季次之為0.624、0.577,冬季最低為0.443。NDVI年際波動均明顯,冬季尤為劇烈,其標準誤、標準差和變異系數最大,分別為0.0454、0.0571和0.1291,線性擬合較差,春季、秋季年際波動相對次之,夏季年際波動相對穩定。最后,各季節中平均年際變化率最高的是春季和秋季,均到達0.0083/a,冬季次之為0.0073/a,夏季最低為0.0039/a。其中,夏季NDVI年際波動比較平穩但增長率較低,可能是宜賓市植被以亞熱帶常綠闊葉林為主,夏季草木繁盛,增長相對其他季節不夠明顯；此外,NDVI飽和效應對夏季也存在很大影響?？偟膩碚f,宜賓市NDVI在2000—2015年間逐漸波動增長,但各季節增長速率與年際波動狀況各有不同。

圖5 2000—2015年區域尺度NDVI季節變化趨勢

3.2.2像元尺度NDVI動態變化

如圖6和圖7、8所示,分別顯示了宜賓市2000—2015年在全年及季節尺度上NDVI變化趨勢與變化顯著性。根據Sen氏趨勢分析結果將變化趨勢分為5級,根據MK檢驗在α=0.05和α=0.01兩個顯著性水平上的結果將變化顯著性分為6級。

圖7 2000—2015年各季節NDVI變化趨勢

圖6 2000—2015年全年NDVI變化趨勢及變化顯著性

全年NDVI變化趨勢?？傮w上看,全年NDVI在近16年中以極顯著增長趨勢為主,極顯著增長區域分布廣泛,達全市面積70.18%,其中,出現顯著增長的區域又存在增長速率差異。快速增長區域占5.61%,主要分布在宜賓縣、翠屏區、高縣、興文縣和筠連縣山地區域；緩慢增長占據絕對地位為80.99%,這與實施生態建設工程以來在原有耕地基礎上人工造林、封山育林存在很大關系。同時,隨著宜賓市城市化與工業化的發展,城市面積快速擴張,人類活動干擾對植被造成了劇烈影響,在沿江區域和建設用地區域等小部分區域也出現NDVI顯著退化,占全市面積0.22%。最后,不存在顯著變化趨勢區域占全市面積14.92%,主要分布在屏山縣、江安縣北部及沿江水域,其NDVI基本保持穩定。屏山縣境內變化不顯著區域主要是大涼山余緒,作為主要林區,其植被茂密,年際變化不大；此外,NDVI夏季飽和效應對此也存在很大影響。江安縣北部是川南丘陵區,作為宜賓市主要商品糧種植區,天然植被較少,耕地耕種收獲所造成的植被年際變化也不大。造成以上區域NDVI發生微弱變化的影響因素包括自然與人為等多方原因綜合,難以用線性模型進行準確刻畫[36]。

各季節NDVI變化趨勢。從整體變化顯著性來看,春季、秋季都以極顯著增長趨勢為主,分布區域分別占全市面積48.82%、43.98%；夏季、冬季則以不顯著增長趨勢為主,分布區域分別為46.29%、51.79%。從變化速率上看,春季、秋季與冬季均以緩慢增長為主,其分布區域分別達66.39%、64.65%與68.02%；夏季則是緩慢增長與保持穩定兩種狀態占據絕對地位,分別達49.49%、48.20%。從空間分布上看,春季、秋季大部分區域NDVI均出現極顯著增長,廣泛分布于西部、南部地勢較高區域。冬季NDVI出現極顯著增長主要分布在西部、南部等生態建設一線區域,常綠植被出現明顯增長,不顯著增長則主要是東北部地勢較低的丘陵區域。夏季則呈破碎化分布,在東南部原本植被覆蓋相對較低的喀斯特地貌區出現明顯增長。此外,夏季高植被覆蓋的西北部屏山縣、西南部山區變化往往不夠顯著,這與NDVI飽和效應關系密切。各季節變化速率的空間分布也與變化顯著性大體一致。與全年NDVI均值變化趨勢相類似,出現顯著退化的區域也主要分布在沿江區域與縣城等建成區。NDVI總體上都呈現海拔地勢越高,林地分布越多,變化越明顯且出現明顯增長；海拔地勢越低,耕地分布越多,變化越不顯著且變化相對穩定趨勢。

總的來說,通過全年和季節NDVI變化均可發現,自2000年實施生態建設工程以來,執行退耕還林、封山育林的主要區域植被覆蓋穩步增加,生態環境不斷優化,生態建設成效明顯。

圖8 2000—2015年各季節NDVI變化趨勢顯著性

3.3 基于Hurst指數的NDVI變化可持續性

通過逐像元計算Hurst指數如圖9,可以看出,H值高于0.7的區域較少且分布比較破碎,其面積僅占全市面積3%；H值高于0.6的區域分布相對集中于中部、西南部,占13.76%。H值低于0.5的區域分布廣泛,占53.62%,其中低于0.4的區域占20.37%,主要是東南部、南部與西北部等山地區域出現了明顯的反持續性特征。這表明宜賓市NDVI變化受自然與人為等難以量化的原因影響,尤其是人類活動的影響,其植被生長持續性不強,需進一步加強生態保護工作,特別是出現反持續性特征的山地區域。

根據H值是否大于0.5的正反持續性,將Hurst指數與全年NDVI均值變化趨勢通過柵格計算進行疊加后重分類,得到如圖9的NDVI未來變化趨勢分布圖。據圖可知,繼續保持快速增長的區域較少,僅占2.56%,繼續保持緩慢增長的區域分布廣泛占37.68%,與Hurst指數高于0.6的分布區域較為一致,主要分布在中部南溪區、翠屏區、宜賓縣南部與西南部高縣等區域。同時,出現波動的區域占53.65%。主要是原本保持穩定的地區出現波動,占46.42%,分布在屏山縣境內大涼山余緒、興文縣喀斯特地貌區以及江安縣北部川南丘陵區。繼續出現退化的區域分布極少,僅占0.43%,也主要分布在相關建成區。未來生態建設需要精準施策,對波動、退化區域加強生態保護力度。

圖9 2000—2015年植被變化Hurst指數及未來植被變化趨勢

3.4 NDVI空間分布變化

3.4.1植被覆蓋空間轉移矩陣

根據前文植被覆蓋分級,將各級植被通過ArcGIS空間疊加分析,得到2000—2005年、2005—2010年、2010—2015年3個時段植被覆蓋空間轉移矩陣如表2,可以發現：

表2 宜賓市植被覆蓋空間轉移矩陣/%

2000—2005年這一時間段較高植被覆蓋與高植被覆蓋面積占比大幅增加,較低植被覆蓋面積占比略有增加,主要是由低一級植被類型轉化而來。其中,中植被覆蓋與較高植被覆蓋之間的相互轉化占比較大,植被覆蓋保持穩定不變的區域占88.47%,植被覆蓋有所改善區域占8.79%,植被覆蓋發生退化區域占2.74%。總的來說轉化趨勢以正向演進為主,生態建設成效初顯,生態環境發生良好變化。

2005—2010年這一時間段較高植被覆蓋與高植被覆蓋面積占比有所增加,也主要是由低一級植被類型轉化而來,同時低植被覆蓋面積占比存在微弱增加,是由較低植被覆蓋發生反復退化所致。其中,植被覆蓋保持穩定不變的區域占91.02%,植被覆蓋有所改善區域占6.88%,發生退化區域占2.1%。其轉化趨勢也以正向演進為主,發生在“中植被覆蓋→較高植被覆蓋→高植被覆蓋”這一路徑,生態環境持續優化。

2010—2015年這一時間段高植被覆蓋的面積占比大幅增加,主要是由低一級植被類型轉化而來。第一輪退耕還林工程實施十余年,原本是坡耕地的區域通過植樹育苗,部分樹種成熟,林地立體結構初顯,植被覆蓋率大幅增長。在這五年間,植被覆蓋保持穩定不變的區域占54.2%,植被覆蓋有所改善區域占45%,發生退化區域占0.8%。其轉化趨勢也以正向演進為主,顯著發生于“較高植被覆蓋→高植被覆蓋”這一路徑,經過長期生態建設,生態環境顯著優化。

3.4.2植被覆蓋重心遷移過程

如圖10以3年為一個刻度計算不同植被覆蓋類型重心遷移過程?？傮w上看,不同植被覆蓋類型的重心分布與植被覆蓋空間分布格局具有較高一致性,說明不同植被覆蓋類型重心遷移過程能夠很好的反映植被空間變化特征[29]。低植被覆蓋、較低植被覆蓋重心主要穩定在宜賓市中北部沿江區域,存在東西向曲折遷移過程,這與兩種植被類型空間分布嚴格一致。較高植被覆蓋、高植被覆蓋重心主要穩定在中部翠屏區、高縣區域,由南向北遷移,與兩種植被類型空間分布一致,且與實施退耕還林后北部地區植被覆蓋增加這一實際情況相吻合。

圖10 2000—2015年植被覆蓋斑塊重心遷移變化

具體來看,低植被覆蓋重心在2000—2015年總體上向西南方向遷移,遷移距離為16.76 km,其原因主要是建設用地快速增加,城市建成區尤其是宜賓市市區的快速擴張。較低植被覆蓋重心主要在東西方向上遷移,遷移距離為2.89 km；中植被覆蓋重心主要在南北方向上呈S線型遷移,遷移距離為3.44 km,變化均不明顯。較高植被覆蓋重心主要向東北方向遷移,遷移距離為12.29 km。高植被覆蓋重心主要是向南北方向上呈折線型遷移,遷移距離為16.25 km。在這16年間較高植被覆蓋與高植被覆蓋存在由南向北大規模擴張的趨勢,其重心遷移方向、遷移距離亦說明實施生態建設工程以來,生態環境不斷優化。

3.5 NDVI空間分布的地理探測

一般來說,影響植被覆蓋空間分布的因素主要包括氣候因素、地表因素與人類活動因素[37]。因此,本文從以上三方面出發,選取相應的代理變量,形成如表3的宜賓市NDVI影響因子。在ArcGIS中設置2 km規則漁網劃分研究區,再將NDVI及各影響因子分區提取到點,最后納入地理探測器模型計算。

表3 宜賓市NDVI影響因子

3.5.1探測因子對NDVI的影響力分析

根據因子探測,計算各因子對NDVI的影響力大小,結果如表4。各因子對NDVI影響程度的排序為：海拔(X5)>年均溫(X1)>土地利用類型(X11)>人口密度(X10)>日照時數(X3)>坡度(X6)>土壤類型(X8)>GDP(X9)>降水(X2)>相對濕度(X4)>坡向(X7)。從各因子對NDVI的解釋力來看,海拔、年均溫、土地利用類型和人口密度對NDVI的解釋力都超過25%,分別為39.9%、31.0%、28.1%和25.4%,是主要影響因子；日照時數、坡度、土壤類型與GDP對NDVI的解釋力都超過20%,分別為24.7%、23.9%、23.2%與22.7%,是次要影響因子。其余因子解釋力相對微弱,沒有超過20%,且相對濕度與坡向P值過大,影響不顯著。

表4 因子探測結果

表5為生態探測結果。根據統計檢驗,海拔與各氣候因素對NDVI空間分布的影響具有顯著性差異,與其他因子無顯著性差異；年均溫與除海拔外的其他因子無顯著差異；土地利用類型與年均溫、日照時數、海拔、人口密度之間無顯著差異；人口密度與解釋力較強的因子之間均無顯著差異。這進一步表明,海拔、年均溫對NDVI影響最大；土地利用類型、人口密度對NDVI影響極大,但這種作用同時受到其他因子影響；日照時數、坡度、土壤類型與GDP對NDVI影響較大,其他因子影響較小。

表5 探測因子對NDVI影響差異的統計顯著性

采用顯著性水平為0.05的F檢驗,Y表示兩種因子在NDVI空間分布影響上存在顯著差異；N表示無顯著性差異

綜合各因子可以發現,以海拔、年均溫為主的部分自然環境因子是影響宜賓市NDVI空間分布的主要基礎因子。人類活動對NDVI空間分布影響很大,但這種影響作用存在區域差異,且與海拔、年均溫的影響作用之間無顯著差異。究其原因,宜賓市土地利用存在明顯的高低指向性,建設用地、耕地等主要分布在地勢低平的沿江及川南丘陵地帶,而地勢較高的山地則以林地、草地為主,是開展退耕還林等生態建設工程的重點區域,人類活動相對較少。同時,降水、相對濕度等影響植物生長的重要因素在宜賓市空間差異較小,因而對NDVI空間分布影響微弱。因此,可以確定海拔、年均溫、土地利用類型與人口密度為影響宜賓市NDVI空間分布的主導因子。

3.5.2主導因子交互作用分析

根據交互探測,對NDVI影響因子進行交互作用分析,選取主導因子交互作用結果如表6?？梢园l現,所有主導因子之間都存在顯著的雙協同增強作用,即兩個因子疊加大大增強了二者對NDVI空間分布的影響。這進一步佐證了以上因子對NDVI的主導作用,并且主導作用的發揮通常是呈雙協同增強狀態。值得注意的是,所有因子與海拔進行交互探測后,都存在及其明顯的增強效應,特別是人類活動因素。這表明,自然環境因素與人類活動因素共同作用下對NDVI空間分布影響更大。

表6 主導因子交互作用分析及交互關系

3.5.3影響因子的適宜范圍或類型

根據風險探測,計算分析各因子對NDVI分布變化的適宜范圍或類型。考慮到人類活動因素受自然環境因素影響較大,故對四個主導因子及次要自然環境因子的適宜范圍或類型進行探討,其結果如表7。不考慮人類活動影響,在宜賓市僅有的中低山與丘陵地形,當海拔高于1390 m,坡度大于31.8°時,NDVI值較高,這些區域山高坡陡,不太適宜生產生活,因而植被覆蓋度較高。同時,在年均溫為14.8—15.6 ℃,年日照時數為1196—1273 h時,具有較好的光溫條件,植被覆蓋度也比較高。此外,暗黃棕壤作為廣泛分布于亞熱帶中山上部區域,對該地區植被生長也具有積極作用,側面反應了海拔對NDVI的主導作用。

表7 不同因子的適宜范圍或類型

總的來說,通過地理探測器發現,宜賓市氣候要素空間差異較小,NDVI空間分布主要由海拔導致的地表差異,包括海拔、年均溫、土地利用類型、人口密度等構成的影響因素分異所決定。

4 結論與討論

4.1 討論

長江上游地區地形復雜破碎,水土流失嚴重,人類活動對植被的影響也極為劇烈。宜賓市作為三江交匯、高原盆地過渡區域,其地理環境在長江上游流域極具代表性。本文從不同尺度對 2000—2015 年宜賓市 NDVI 時空變化進行了分析,并在中小尺度上探究植被生長與自然環境、人類活動之間的響應機制。與以往關于植被變化和氣候要素響應的研究結論有所不同,研究發現影響植被空間分布的主要是海拔導致的地表差異。植被生長受到自然環境和人類活動的共同影響,但人類活動也存在明顯的環境導向。

通過區域與像元尺度的NDVI時空變化分析,發現長江上游實施退耕還林、天保工程以來,宜賓市植被覆蓋穩步增加,生態環境得到優化。這是人類活動對自然環境的正反饋,說明生態建設成效明顯。但是,由于NDVI存在飽和效應,尤其是夏季,使得其生態建設成效評估僅局限于研究區域整體,不能深入到更小尺度。在濕潤環境下以常綠闊葉林為主的地區,可以考慮使用EVI進行生長季變化研究,較之NDVI具有更好的表現[38]。本文主要對植被年際變化進行探討,受飽和效應影響相對較小,故基于NDVI展開研究。此外,不論是使用NDVI或是EVI進行植被變化研究,都需注意植被指數對植被覆蓋度真實值的偏離。本文使用同期高分辨率影像和MODIS數據驗證證明,MODIS NDVI對研究區植被覆蓋度具有較好的表征效果,但MODIS遙感影像仍具有不確定性,需要進一步檢驗[39]。

地理探測器能夠精準識別多因子之間的關系及其交互作用,在驅動力機制分析方面應用廣泛[30]。目前應用地理探測器探究長時間序列NDVI空間分異機制的研究相對較少,本文用其探究NDVI空間分異與影響因子之間的關系,得出的主導因子符合長江上游地區植被生長自然規律,與同類型研究結論也相對一致[20,31],地理探測器在這一領域的應用具有科學性。但是,地理探測器在應用過程中對影響因子的空間分區沒有明確的劃分依據,同時因子選取可能不夠完備,其因子解釋力存在微弱的主觀性。

4.2 結論

(1)2000—2015年宜賓市的植被生長狀態良好,整體植被覆蓋度較高,受地形主要是海拔影響呈自南向北逐漸減少趨勢。其中,高植被覆蓋在西部、南部山區分布廣泛,占全市面積52.06%。

(2)從NDVI變化趨勢來看,2000—2015年宜賓市NDVI呈波動趨勢上升,平均年際變化率達到0.007/a,全年NDVI標準誤為0.0186,標準差為0.0378,變異系數為0.0632,波動較為明顯。同時,極顯著增長區域面積達70.18%,廣泛分布于各區縣,增長速率上以緩慢增長為主,說明生態建設成效明顯。

(3)從NDVI變化可持續性來看,宜賓市植被覆蓋總體持續性不強,許多區域出現波動,主要是東南部、南部與西北部等山區出現了明顯的反持續性特征。在未來可能出現波動的區域占53.65%,主要分布在西北部、東南部及東北部,需進一步加強退耕還林、封山育林等生態建設工作。

(4)從NDVI空間變化來看,2000—2015年宜賓市植被生長以正向演進為主,主要是發生在“中植被覆蓋→較高植被覆蓋→高植被覆蓋”這一路徑,生態環境不斷得到優化；不同時段存在不同的演進效率和遷移路徑,演進過程與已有關于長江上游地區生態建設工程成效監測的研究結論相互佐證[34,40-41]。

(5)地理探測器探究結果表明,宜賓市氣候因素空間差異較小,NDVI空間分布主要由一系列地表差異,包括海拔、年均溫、土地利用類型、人口密度所決定,其因子解釋力均超過25%,自然環境因素與人類活動共同作用對NDVI影響更加顯著。