農牧交錯帶遼河流域2010—2019年植被覆蓋變化及驅動因素分析

李 霞，張國壯,，陳永昊，陳 喆

農牧交錯帶遼河流域2010—2019年植被覆蓋變化及驅動因素分析

李 霞1，張國壯1,2，陳永昊2，陳 喆3

（1. 長安大學土地工程學院，西安，710054；2. 長安大學地球科學與資源學院，西安，710054；3. 國家林業和草原局西北調查規劃院，西安，710048）

農牧交錯帶是中國北方重要的生態屏障，厘清其內部植被變化特征及驅動機理對區域生態建設和環境保護具有重要戰略意義。雖然一些學者對遼河流域植被變化的特點和影響因素進行了研究，但植被變化是一個復雜的過程，部分研究只考慮了單因素對流域內植被變化的影響，而沒有充分探討因素之間交互作用對植被的復雜影響。該研究基于MOD1S NDVI數據，采用因子回歸和因子交互相結合的方法，從區域和整體角度分析了2010—2019年自然和社會經濟因素對遼河流域植被覆蓋度（Fractional Vegetation Cover，FVC）變化的影響。研究結果表明：1）2010—2019年遼河流域FVC整體呈上升趨勢，10年平均FVC值為0.68，植被覆蓋水平整體較高。植被覆蓋度上升趨勢從大到小依次為牧區、農區、半牧區。2）自然因素對全流域植被變化的解釋力大于人為因素，其中降水的解釋力最為顯著。同時，植被變化和降水變化存在明顯的同步性，此趨勢在牧區最為顯著。3）多數因子對植被覆蓋變化的影響呈現出相互促進和非線性增強的特點，不存在完全獨立因子。對整個流域影響最大的三組交互作用因素是降水∩溫度、降水∩高程、降水∩風速。在牧區和半牧區，自然因素的交互作用對植被變化起主導作用，而在農區則是自然和人類活動共同作用，顯著影響了植被變化。4）降水梯度影響了遼河流域植被覆蓋空間異質性的解釋程度。隨著降水的增加，其他環境因子與FVC的擬合效果越來越好。農牧交錯帶植被空間覆蓋異質性顯著，受自然和人類活動多種因子交互作用，自然因子強于人類活動，降水在全流域及各分區植被變化中起到了關鍵作用。該區域植被保護應因地制宜，分類施策，以自然恢復為主，降低人為擾動，輔以合理生態工程建設。

植被覆蓋；時空變化；驅動機制；遼河流域；農牧區

0 引 言

植被作為陸地生態系統的重要組成部分，是有機質的生產者和能量傳輸的載體，同時也是連接土壤、大氣和水的紐帶[1]。植被變化作為環境變化的敏感指標，可以直接反映生態環境狀況，進而為生態環境建設和保護提供可靠信息[2]。

近年來，隨著生態問題的日益嚴重，人們愈發重視對生態環境的監測，遙感技術的快速發展使其逐漸成為生態環境監測的有效手段。在從遙感數據提取的各種植被指數中，歸一化植被指數（Normalized Difference Vegetation Index，NDVI）以其明確的物理意義和簡單的反演算法被廣泛應用于植被動態研究[3-5]。許多學者利用NDVI數據集對全球和區域尺度的植被變化進行了卓有成效的研究[6-7]。

在全球層面上，自20世紀80年代以來，全球植被覆蓋率有所增加，這主要歸因于氣候條件的改善和二氧化碳濃度的升高[8]。在區域尺度上，不同地域的植被分布及變化趨勢各不相同，具有明顯的空間異質性，且與多種因素相關[9-10]。因此，理解植被變化驅動因素的多樣性及其相互作用是植被變化機制研究的關鍵。已有研究表明，自然和人為因素，如溫度、降水、土壤類型、土地利用等均會對植被變化產生影響[11-12]。同時由于環境和社會經濟發展的區域差異，植被對環境和社會經濟發展的響應在不同地區也有所不同，這意味著植被變化的驅動因素也具有空間異質性。例如，干旱和半干旱地區的植被分布特征和驅動因素與濕潤和半濕潤地區有所差別[13]，山地、平原和荒漠地區的植被分布特征和影響因素也存在較大差異[14-15]。因此，探索植被覆蓋在區域尺度上的分布特征和驅動因素，對于當地開展生態保護和修復工程具有重要意義。

遼河流域位于中國東北地區，是典型的季風氣候和大陸性氣候的過渡地帶，同時也是中國農耕活動和畜牧活動的交錯區域，該區域自古以來就是中國北方重要的生態屏障。近年來，伴隨著急劇的氣候變化和越來越多的人為干擾，遼河流域的植被狀況一直在發生變化。一些學者也對該區域的植被變化和影響因素展開了研究[16-17]。例如，趙子娟等利用一元線性回歸和皮爾遜相關系數分析了西遼河流域2000—2018年植被覆蓋時空變化趨勢及其影響因素，結果表明水熱條件是影響流域植被覆蓋變化的主導因素[18]。李一鳴等研究顯示，溫度是影響遼河流域年際植被覆蓋度變化的主導因子，年內植被覆蓋度變化則對降水的響應更加明顯[19]。但是目前的研究多集中于對流域整體植被變化的研究，而忽略了其作為中國農區與牧區的交錯區域，內部（農區和牧區、半牧區）植被覆蓋變化及其影響因子具有明顯的空間異質性。因此，精確地了解流域內各分區植被覆蓋變化特征及其驅動機制是制定有效的區域植被保護政策的先決條件和依據。

目前一些學者通過設置多種情景模式，選用殘差趨勢和相關分析來區分氣候變化及人類活動對區域植被的單因素及多因素的影響。例如，崔利芳等應用殘差和回歸分析方法，研究了1982—2015年長江流域植被變化及其與氣候和人為因素的關系[20]。畢馨予等基于偏相關和回歸分析方法，研究了1998—2013年遼寧省植被變化對氣候變化的響應[21]。然而，以往研究大多將自然因素和人為因素視為獨立的因素，而未考慮它們對植被變化的交互作用。此外，傳統的相關分析和回歸分析工具都假設植被變化與其驅動因子之間存在一定線性關系。然而，由于自然和人為因素之間存在復雜的相互作用，這種作用可能增強或削弱各因子對植被覆蓋變化的影響，從而改變它們與植被變化之間的關系，這導致基于線性假設的植被覆蓋變化驅動力分析可能存在一定的偏差。相較于傳統的回歸分析而言，地理探測器（Geo-Detector）是一種用于探測地理現象的空間異質性和驅動機制的統計工具[22]。該方法的主要優點是它可以檢測兩個驅動因素對因變量的交互作用，而不必遵循傳統統計方法的線性假設。目前，對組合因子回歸和因子交互聯合探討影響植被覆蓋變化的驅動因素的相關研究還較少[7,11,14]。因此，本研究以MODIS NDVI數據為基礎，采用貝葉斯線性回歸、地理探測器等方法，定量探討了2010—2019年遼河流域及其內部各分區（農區、牧區、半牧區）植被覆蓋時空演變特征及其驅動機制，以期為區域生態保護和經濟社會可持續發展提供科學參考依據。

1 材料與方法

1.1 研究區概況

遼河是中國七大河流之一，發源于河北省的光頭山，流經河北、內蒙古、吉林、遼寧四?。ㄗ灾螀^），注入渤海，全長1 345 km。主要支流包括渾河、太子河、大遼河、西遼河和東遼河等。遼河流域橫跨中國干旱、半干旱、半濕潤地區，總面積達21.9萬km2（圖1）。該地區是典型的季風氣候和大陸性氣候的過渡地帶，也是中國農耕活動和畜牧活動的交錯帶。整個流域可以劃分為以農業活動為主的東部農區平原（農區）、以畜牧業活動為主的中西部牧區草原、荒漠（牧區）和兩者之間的農牧交錯帶（半牧區）（劃分依據為中央政府門戶網站（https://www.gov.cn）發布的中國牧區、半農半牧區縣、旗一覽表）。

1.2 因子選擇與數據來源

自然因素和人類活動都對植被變化具有重要貢獻[7]。本文選取2000—2019年的FVC值作為因變量，并選擇了氣候、地形和人類活動等10個具有代表性、易于獲取和量化的因子作為自變量（表1）。溫度和降水是影響植被變化的兩個最重要影響因素[11]。其他自然因素，如海拔、坡度、風速和太陽輻射通過影響植被的蒸騰作用和水分利用效率，從而間接影響植被生長[23]。已有研究證明，人類活動也對植被變化具有重要影響[24]，人口密度、夜間燈光、距道路距離和距居民點距離可以有效地反映人類活動強弱，所以本文將這４個因素也列為自變量。

本研究采用的植被覆蓋數據來自美國國家航空航天局的中分辨率成像光譜儀（Moderate-resolution Imaging Spectroradiometer，MODIS）的NDVI產品（https://ladsweb.modaps.eosdis.nasa.gov），基于每年 1—12月份的月NDVI最大值，采用最大值合成法合成年度NDVI數據集，空間分辨率為250 m。研究區2010—2019年的人口、夜間燈光數據下載于中國科學院資源與環境中心（https://www.resdc.cn/），空間分辨率為1 km。2010—2019年的溫度、降水和風速數據獲取自國家地球系統科學數據中心（http://www.geodata.cn），分辨率為1 km。數字高程模型（Digital Elevation Model，DEM）數據來源于地理空間數據云（http://www.gscloud.cn/），空間分辨率為90 m，坡度數據由ArcGIS工具進行計算提取。太陽輻射數據來自國家氣象科學數據中心（http://www.data.cma.cn/）。在研究區選擇27個監測站，并使用ArcGIS中的克里金工具進行內插，得到研究區太陽輻射數據。主要道路和居民點的數據來自中國科學院資源與環境中心（https://www.resdc.cn/），并通過ArcGIS中的空間分析工具計算距主要道路和居民點的距離（表1）?；?ArcGIS 重采樣函數對數據進重采樣，將所有數據分辨率統一為1 km。在研究區建立2 263個10 km×10 km的規則漁網，并提取每個漁網中11個變量的值。

表1 變量名稱及編碼

注：FVC為植被覆蓋度。下同。

Note: FVC is fractional vegetation cover. Same below

1.3 研究方法

文中首先采用像元二分模型反演出遼河流域植被覆蓋度（Fractional Vegetation Cover，FVC），然后利用Sen氏斜率分析和Mann-Kendall趨勢分析流域植被的時空變化趨勢，最后通過貝葉斯線性回歸和地理探測器模型探索植被覆蓋變化的驅動機理。

1.3.1 植被覆蓋度估算

根據像元二分模型反演遼河流域植被覆蓋度[5]，公式為

式中NDVI為歸一化植被指數，NDVIveg和NDVIsoil分別為完全植被覆蓋像元和無植被覆蓋像元的NDVI值。選取累計頻率1%和99%處的NDVI值作為NDVIveg和NDVIsoil。

1.3.2 Sen + Mann-Kendall趨勢分析

采用Sen氏斜率分析與Mann-Kendall趨勢檢驗法研究近10年遼河流域植被的變化趨勢。相較于普通的最小二乘趨勢分析，Sen氏斜率分析能夠有效減少異常值的干擾，提高檢驗結果的準確度[25]。同時，對2010—2019年FVC進行Mann-Kendall趨勢檢驗，以檢驗10年來植被變化趨勢的顯著性[26]。

1.3.3 全子集篩選

全子集篩選是基于自變量的所有可能組合，以找到對因變量具有最佳預測效果的自變量子集[27]。它的主要計算過程如下：首先根據“最大調整2（2）”的原則，用個預測變量對因變量進行擬合，并從個預測變量中選擇出合適的自變量組合。然后依次計算上述組合的決定系數（2）、赤池信息準則（Akaike Information Criterion，AIC）和貝葉斯信息準則（Bayesian Information Criterion，BIC）[28]。最后，綜合考慮2、AIC和BIC的值擇出最佳自變量子集。

1.3.4 貝葉斯線性回歸

1.3.5 地理探測器

地理探測器（Geo-Detector）是一個用于空間數據分析的開源統計模型（http://www.geodetector.cn/），其基本理論是通過空間分層異質性觀點來確定兩個變量空間分布的相似性[22]。地理探測器由因子探測、交互探測、風險探測和生態探測組成，本研究中主要使用前兩種功能。

因子探測用于檢測各影響因素對FVC（）的空間異質性的解釋程度。解釋程度用值來衡量，其計算方法如下：

交互探測用來識別兩因子是否對因變量有交互作用，即這兩個因子共同作用時，是增加還是減少對植被覆蓋的解釋力。交互作用類型見文獻[23]。

2 結果與分析

2.1 流域植被覆蓋格局及變化分析

2.1.1 植被空間分布特征

在像元尺度上計算了流域2010—2019年FVC均值，根據等間隔法將其劃分為5個等級[5]：[0～0.2）（裸地植被）、[0.2～0.4）（低覆蓋植被）、[0.4～0.6）（中覆蓋植被）、[0.6～0.8）（中高覆蓋植被）和[0.8～1.0]（高覆蓋植被）。結果顯示（圖2），研究區FVC整體呈現東高西低的格局，10年來遼河流域平均FVC為0.68，其中裸地植被、低覆蓋植被、中覆蓋植被、中高覆蓋植被和高覆蓋植被面積分別占全流域總面積的2.54%、15.32%、23.17%、26.38%和32.59%。這表明該區域內的整體植被覆蓋水平較高。

一方面，裸地和低植被覆蓋區域主要分布在中部和北部牧區、半牧區，包括翁牛特旗、巴林右旗、奈曼旗中西部、庫倫旗北部等；這些地區分布在內蒙草原、科爾沁沙漠等地，氣候干旱，降水稀少，植被稀疏是其主要環境特征；另一方面，中高植被和高植被覆蓋區域主要分布在研究區東部的農區，以遼河平原最為典型，生長植被以種植農作物為主。該區域地勢平坦，降雨量較多且灌溉系統發達，植被生長茂盛，為中國重要的商品糧基地。此外，在研究區東部平原上出現了一些局域FVC低值中心，這些區域大多位于城市周圍，這是由于城市擴張和人類活動占用了大量農田和生態用地，使得這些區域內FVC相對較低。同時，從圖2可知，研究區植被覆蓋具有明顯的空間異質性，農區植被覆蓋情況最好，中高覆蓋植被較為集中；半牧區其次，牧區的植被覆蓋最差，流域內沙地和裸地植被大多集中在牧區。

圖2 遼河流域2010—2019年均FVC分布

2.1.2 植被覆蓋時空變化分析

如圖3所示，2010—2019年全流域植被覆蓋度呈上升趨勢，但整體上升幅度不大，回歸趨勢線斜率為0.003/a。對流域內部各分區而言，農區、牧區、半牧區植被覆蓋度均呈上升態勢，增加速率為牧區（0.006 8/a）>農區（0.001 3/a）>半牧區（0.001 2/a）。且農區植被變化波動最小，牧區植被變化波動最大，這可能與人類活動存在一定的關系，先前的研究也證實了這一觀點[18]。

年均FVC時間序列的變化反映了植被變化的總體趨勢，但不能反映植被的空間變化以及空間差異。因此，采用Sen + Mann-Kendall工具來分析植被空間變化趨勢及其顯著性。圖4顯示，FVC顯著增加的地區主要分布在農區的東部和北部，以及流域南部的低山丘陵地區。FVC顯著退化的地區主要集中在牧區的草原和荒漠上，這些地區的鹽堿化和荒漠化問題嚴重，導致了植被的退化。同時研究區東部農區平原上也出現了一些植被顯著退化區域，稀疏分布在城市周圍。這可能是由于城市用地擴張占據大量生態用地和農田，從而導致城市周圍植被發生顯著退化。

圖3 2010—2019年遼河流域不同區域植被覆蓋度時間序列變化

在過去10年中，植被改善（顯著改善和輕微改善）是植被變化的主要趨勢（圖4）。這種趨勢在農區和半牧區表現的更加明顯，這可能是因為近些年政府逐漸加強了對草原的保護力度。例如在嚴重超載過牧地區，采取禁牧封育、免耕補播等措施；對已墾草原，實行有計劃地退耕還草等[18]。

圖4 2010—2019年遼河流域FVC變化趨勢

2.2 驅動因子回歸分析

變量之間的強相關性可能會導致模型失真，所以有必要對所有變量進行多重共線性檢驗。表2顯示，所有變量的方差膨脹因子（VIF）都小于10，所有變量的容忍度（1/VIF）都大于0.1，這符合回歸模型的獨立假設特征[30]。

對10個因素指標進行標準化，通過調整2（2）來確定變量組合，篩選出最優子集模型。表3列出了2最優組合方程。結果發現，所有區域的回歸函數中絕對系數最大的變量都是3（年降水量），說明在2010—2019年的大部分年份，降水對植被的影響尤為顯著。因此本文重點研究了降水量與植被覆蓋變化之間的關系。

表2 多重共線性檢驗

表3 各區域FVC最佳回歸方程

圖5為年降水量和各個分區植被覆蓋度10年間的變化趨勢，無論是在農區還是牧區，植被覆蓋度變化與降水的變化都保持了較高同步性，降水增多的年份，植被覆蓋也隨之增加（圖5），這說明降水變化顯著影響了植被變化，是植被生長的重要影響因子。

然而農區植被覆蓋度隨降水變化的波動幅度明顯小于牧區，并且可發現在農區最佳回歸方程中，社會經濟因子（夜間燈光強度）的回歸系數排在了第三位。這可能是農區植被以人工種植農作物為主，相較于牧區，農區人類農業種植活動較為活躍，其對植被覆蓋度的正向促進作用要大于人類開發建設等活動的負向破壞作用，合理的農業活動和人為干預使得農區的植被變化波動較小。

圖5 2010—2019年遼河流域各區域植被覆蓋與降水時間序列變化

2.3 地理探測結果分析

2.3.1 因子獨立對植被覆蓋變化的解釋

因子探測用于揭示各環境因子對植被覆蓋的影響程度。通過計算各環境因子的解釋力（值）（表4），確定了各環境因子對植被覆蓋的影響。2010—2019年，整個流域內環境因子對植被覆蓋的影響大小依次為降水、太陽輻射、風速、高程、夜間燈光、人口密度、坡度、溫度、距居民點距離、距道路距離。具體到流域內各分區而言，影響因子貢獻率排在前三的分別是降水、夜間燈光和高程（農區）；降水、高程和太陽輻射（半牧區）；溫度、降水和坡度（牧區）。

表4 遼河流域各區域因子探測結果

注：表中數值為因子解釋力值。

Note：The value in the table is the factor explanatory powervalue.

在整個流域范圍內，降水的影響力最大（0.477），對植被覆蓋變化的貢獻率超過45%。因此，降水是影響流域植被空間分布的主要驅動因子，這也與回歸分析的結果相一致。太陽輻射對植被空間分布貢獻排在了第二，太陽輻射的強度直接決定了植被光合作用的強度，因此太陽輻射對植被的空間分布變化具有重大影響。風速對植被變化的貢獻排在了第三，風可以影響植物的形態和繁殖，進而影響植被的變化。從整個遼河流域的地形來看，東部和西部為山地丘陵地區，而中部平原地勢較為平坦，從歐亞大陸內部南下的冷空氣和從太平洋北上的暖空氣可以在中部平原暢行無阻，造成該區域常年風速較大，這會對植被變化產生較為重要的影響。除了降水、太陽輻射和風速外，高程對植被變化的貢獻率也很大。遼河流域的海拔范圍為0～2 083 m，海拔高度的巨大差異導致流域內溫差較大，進而影響了植被覆蓋變化。

夜間燈光在一定程度上代表著人類活動強度，而在農區，夜間燈光的貢獻率較大（0.268），這表明人類活動對植被變化產生了重要影響。在牧區，溫度的值最大，為0.269，其對植被變化貢獻最大。牧區內其他自然因素的值也都居于前列，而社會經濟因素的值都較低，其對植被覆蓋度的影響并不顯著。這可能是由于牧區的氣候為溫帶大陸性氣候，晝夜溫差較大，土地利用類型多為沙漠、裸地和草地，受人類活動的干擾較少，溫度等自然因子對植被覆蓋變化的影響較大。

2.3.2 因子交互對植被覆蓋變化的解釋

單一變量對植被覆蓋空間差異的解釋是不夠充分的，需要考慮多種自然和人為因素的協同效應。交互探測可以揭示各因子之間的相互作用及其對植被覆蓋變化的影響。結果表明，各因子間的交互作用增強了單因子對植被覆蓋的影響，表現出雙因子、非線性增強效應。

在整個流域，降水與其他環境因子的交互作用最為顯著（表5）。三組最大的交互因素分別是降水和溫度、降水和高程、降水和風速。在整個流域范圍內自然因子的交互作用占據主導地位，其中降水和溫度的相互作用可以解釋整個流域植被變化的60.9%。在農區，交互作用最強的是降水和夜間燈光，兩者之間的相互作用可以解釋整個區域植被變化的65.8%。這表明在農區自然因子和人類活動同時作用，對植被變化產生了巨大影響。在半牧區，降水和高程的交互作用最大，植被受自然因素的影響較大。在牧區，交互作用最高的是降水與氣溫，其次為太陽輻射和氣溫。這說明在牧區和半牧區植被變化主要受自然因素影響，人類對植被的干擾和影響較小。

表5 流域內各區域最大三組交互因子

2.3.3 降水梯度對植被變化的影響

貝葉斯線性回歸和地理探測器都表明，在自然驅動因素中，年降水量對植被覆蓋的影響最大，這也與以往的研究結果一致，即水分是植被生長的關鍵性限制因素，植被比其他自然因素對降水更敏感[31]。根據自然斷點法，將年降水量分為5個等級：299.38～407.49 mm（level 1）、407.50～544.81 mm（level 2）、544.82～709.19 mm（level 3）、709.20～873.49 mm（level 4）、873.50～1 044.42 mm（level 5），并討論了不同降水梯度下其他環境因素對植被覆蓋變化的影響。

表6顯示，當降水處于較低水平時（level 1），自然因子（如高程、溫度）是影響植被變化的主要因素。隨著降水的增加，從西部干旱半干旱的牧區和半牧區向較為濕潤的東部農區平原過渡，人類活動逐漸活躍，社會經濟因子對植被的解釋力逐漸變大。在降水量最高的東部平原（level 5），土壤肥沃，人類開發歷史悠久，農業機械化、集約化程度較高，是中國重要的商品糧生產基地。在這里社會經濟因素的解釋力超過自然因子的解釋力，成為植被變化的主導驅動因子。

為了更好地理解植被變化的驅動機制，本研究在不同的降水梯度下建立了各環境因子與植被覆蓋度的回歸方程，其2如圖6所示。結果表明，隨著降水的增加，各種環境因素與植被覆蓋的擬合程度越來越好。這證明了不僅降水本身對植被覆蓋有很大影響，而且還是影響植被變化的重要催化劑。隨著降水的不斷增加，各因子與植被覆蓋的擬合效果也越來越好，降水的梯度變化影響了植被覆蓋空間異質性的解釋程度。

表6 植被覆蓋影響因子隨降水梯度變化的q值

等級Level

3 討論與展望

3.1 遼河流域植被覆蓋變化分析

研究發現，整個流域植被覆蓋呈現從東向西逐漸遞減的格局，這與朱麗亞等得出的遼河流域植被覆蓋空間格局的結論一致[32]。10年間遼河流域平均植被覆蓋度為0.68，植被覆蓋水平整體較高。遼河流域中西部為溫帶大陸性氣候，氣候干旱，降水稀少，東部受海洋季風影響，水汽豐富。東、西部不同的水汽來源導致高空對流層自西向東降水呈增加趨勢，這是導致東部植被茂密而西部植被相對稀疏的一個重要因素（圖2）。

3.2 農區、牧區植被覆蓋變化對環境因子響應差異

本文發現，農牧分區內部植被覆蓋的驅動因素存在差異。在牧區和半牧區，自然因子對植被變化的貢獻占據了主導地位，人類活動的解釋力較弱。這可能是由于牧區的土地類型以草原和荒漠為主，人類干擾較少，植被變化主要受自然因子的影響[33]。再加上該地區氣候環境惡劣，群落結構簡單，植被變化對自然因素的響應更強，這也與前人研究結果一致[34]。而在農區，社會經濟因素對植被變化的貢獻相較于牧區明顯提高。遼河流域地處中國北方農牧交錯帶，是典型的敏感區和生態脆弱區，同時也是重要的商品糧食基地，通過分區研究內部植被覆蓋變化及驅動因素，有助于精準施策，綜合考慮各區農業資源承載力、環境容量、生態類型和發展基礎等因素。按照因地制宜、分類施策的原則，在牧區要繼續加大“退牧還草”“雙千萬畝”“鐮刀彎”等生態工程建設力度，建立牧區生態保護長效機制，在農區要提高對人類活動因素的重視程度，加強農業與科技融合，同時積極采取相關政策抑制城市擴張和工業生產侵占、污染耕地現象的發生，從而促進遼河流域生態植被恢復，優化區域農業種植結構與布局，提高資源配置效率和生產水平，推進農業高質量發展。

3.3 因子回歸與因子交互比較分析

從主要影響因子來看，回歸模型和因子探測都表明降水是影響遼河流域植被空間分布變化的主要驅動因素，這也與其他類似流域內降水主導植被覆蓋變化的研究結果相似[35]。但是僅從解釋力排序來看，地理探測器與回歸分析結果有所不同，這是由于全局最優篩選從函數擬合的角度將具有邏輯關系的因子進行了取舍。如因子探測顯示，降水和高程對半牧區植被空間分布解釋力都很顯著（表4），但是在回歸模型構建中為了使函數擬合效果更好，兩個因素的回歸系數差別很大，甚至高程變量并未出現在最佳回歸方程中（表3）。這說明因子獨立的全局最優篩選僅僅是模擬因變量特征的最優函數，其解釋效果與因變量的驅動解釋有時并不能完全等同。另外雖然回歸模型可以獨立顯示各因素對地理現象的影響程度，但其沒有充分考慮各因素之間的相互作用，對復雜因素的解釋可能不夠充分。與回歸分析相比，地理探測器考慮到了各因素之間的相互作用。它通過探測地理現象的空間分層異質性來揭示地理現象的驅動力，這意味著它是解釋植被變化復雜驅動力的一種有效和合適的方法。雖然地理探測器可以有效地檢測出因素交互對地理現象的影響，但它不能確定獨立因素的正負相關關系，也缺乏回歸模型模擬因變量特征的能力。

3.4 不足與展望

盡管本文對植被變化及其與自然和人為因素的耦合關系的研究將有助于加深對植被動態驅動機制的理解，但仍存在一些局限性和不確定性。例如，本研究選擇的潛在影響因素并不全面，未來的研究應考慮實施生態工程項目和氣候變化對植被生長的時滯效應，以及考慮更多的生物氣候和社會經濟因素，以進一步減少對植被動態影響的不確定性。另外，植被變化是一個多因素共同作用的復雜過程，而本研究僅研究了雙因子交互對植被的影響，在未來要加強多因子交互對植被變化影響的研究以及對多因子之間的交互作用關系進行科學驗證。

4 結 論

本研究基于2010—2019年遼河流域植被覆蓋數據，結合Sen + Mann-Kendall趨勢檢驗、貝葉斯線性回歸、地理探測器模型等方法，定量探討了遼河流域及其內部各分區植被覆蓋的時空演變特征，并進一步結合高程、降水、溫度及夜間燈光等10個自然和人為因素研究其對植被覆蓋特征和變化趨勢的影響，主要結論如下：

1）2010—2019年遼河流域的植被覆蓋整體呈上升的趨勢，10年平均植被覆蓋度為0.68，植被覆蓋水平整體較高。就植被上升趨勢而言，牧區上升幅度最大，農區次之，半牧區最小。

2）在整個流域范圍內，降水對植被覆蓋變化的貢獻率最大。且降水的梯度變化影響了其他因子對植被變化解釋程度，隨著降水的不斷增加，各因子與植被覆蓋的擬合程度也越來越好。

3）因子回歸和和因子交互結果顯示，自然和社會經濟因素的共同作用驅動著流域植被覆蓋的變化。在牧區和半牧區，自然因素之間的交互作用（牧區：降水和氣溫；半牧區：降水和高程）對植被覆蓋變化起著主導作用，而農區植被覆蓋變化則主要歸因于自然因素（降水）和人類活動（夜間燈光）之間的協同作用。

[1] Ding Y, Li Z, Peng S. Global analysis of time-lag and -accumulation effects of climate on vegetation growth[J]. International Journal of Applied Earth Observations and Geoinformation, 2020, 92: 102179.

[2] Zhong L, Ma Y, Xue Y, et al. Climate change trends and impacts on vegetation greening over the Tibetan Plateau[J]. Journal of Geophysical Reserch-Atmospheres, 2019, 124(14): 7540-7552.

[3] Verbesselt J, Hyndman R, Newham G, et al. Detecting trend and seasonal changes in satellite image time series[J]. Remote Sensing of Environment, 2009, 114(1): 106-115.

[4] Fensholt R, Proud SR. Evaluation of earth observation based global long term vegetation trends-Comparing GIMMS and MODIS global NDVI time series[J]. Remote Sensing of Environment, 2012, 119: 131-147.

[5] 王建國，張飛. 2000—2019年新疆植被覆蓋度時空格局及重心變化分析[J]. 農業工程學報，2020，36(20)：188-194.

Wang Jianguo, Zhang Fei. Analysis on spatio-temporal pattern and gravity center change of vegetation coverage in Xinjiang from 2000 to 2019[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(20): 188-194. (in Chinese with English abstract)

[6] Liao L, Song J, Wang J, et al. Bayesian method for building frequent Landsat-like NDVI datasets by integrating MODIS and Landsat NDVI[J]. Remote Sensing, 2016, 8(6): 452.

[7] 涂又，姜亮亮，劉睿，等. 1982—2015年中國植被NDVI時空變化特征及其驅動分析[J]. 農業工程學報，2021，37(22)：75-84.

Tu You, Jiang Liangliang, Liu Rui, et al. Analysis on spatio-temporal change characteristics and driving forces of NDVI of vegetation in China from 1982 to 2015[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(22): 75-84. (in Chinese with English abstract)

[8] Wu D, Wu H, Zhao X, et al. Evaluation of spatiotemporal variations of global fractional vegetation cover based on GIMMS NDVI data from 1982 to 2011[J]. Remote Sensing, 2014, 6(5): 4217-4239.

[9] Schulz J J, Cayuela L, Rey-Benayas J M, et al. Factors influencing vegetation cover change in Mediterranean Central Chile (1975-2008): Factors influencing vegetation change[J]. Applied Vegetation Science, 2011, 14(4): 571-582.

[10] 王曉蕾，石守海. 基于GEE的黃河流域植被時空變化及其地形效應研究[J]. 地球信息科學學報，2022，24(6)：1087-1098.

Wang Xiaolei, Shi Shouhai. Study on temporal and spatial changes of vegetation and topographic effects in the Yellow River basin based on GEE[J]. Journal of Geo-Information Science, 2022, 24(6): 1087-1098. (in Chinese with English abstract)

[11] 徐勇，鄭志威，郭振東，等. 2000～2020年長江流域植被NDVI動態變化及影響因素探測[J]. 環境科學，2022，43(7)：3730-3740.

Xu Yong, Zheng Zhiwei, Guo Zhendong, et al. Detection of NDVI dynamic changes and influencing factors of vegetation in the Yangtze River basin from 2000 to 2020[J]. Acta Scientiae Circumstantiae, 2022, 43(7): 3730-3740. (in Chinese with English abstract)

[12] 耿慶玲，陳曉青，赫曉慧，等. 中國不同植被類型歸一化植被指數對氣候變化和人類活動的響應[J]. 生態學報，2022，42(9)：3557-3568.

Geng Qingling, Chen Xiaoqing, He Xiaohui, et al. Response of normalized vegetation index of different vegetation types in China to climate change and human activities[J]. Acta Ecologica Sinica, 2022, 42(9): 3557-3568. (in Chinese with English abstract)

[13] 張更喜，粟曉玲，郝麗娜，等. 基于NDVI和scPDSI研究1982-2015年中國植被對干旱的響應[J]. 農業工程學報，2019，35(20)：145-151.

Zhang Gengxi, Su Xiaoling, Hao Lina, et al. Based on NDVI and scPDSI, the response of Chinese vegetation to drought from 1982 to 2015 was studied[J] Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(20): 145-151. (in Chinese with English abstract)

[14] 王治國，白永平，車磊，等. 關中平原城市群植被覆蓋的時空特征與影響因素[J]. 干旱區地理，2020，43(4)：1041-1050.

Wang Zhiguo, Bai Yongping, Che Lei, et al. Temporal and spatial characteristics and influencing factors of vegetation coverage in Guanzhong Plain urban agglomeration[J]. Arid Land Geography, 2020, 43(4): 1041-1050. (in Chinese with English abstract)

[15] 孫帆，王弋，陳亞寧. 塔里木盆地荒漠-綠洲過渡帶動態變化及其影響因素[J]. 生態學雜志，2020，39(10)：3397-3407.

Sun Fan, Wang Yi, Chen Yaning. Dynamic change of desert oasis transition zone in Tarim Basin and its influencing factors[J]. Chinese Journal of Ecology, 2020, 39(10): 3397-3407. (in Chinese with English abstract)

[16] 蒲真，張芳玲，古元陽，等. 我國東北地區自然植被保護現狀及保護優先區分析[J]. 生態學雜志，2019，38(9)：2821-2832.

Pu Zhen, Zhang Fangling, Gu Yuanyang, et al. Analysis on the status quo of natural vegetation protection and priority areas in Northeast China[J]. Chinese Journal of Ecology, 2019, 38(9): 2821-2832. (in Chinese with English abstract)

[17] 夏會娟，孔維靜，孫建新，等. 基于MODIS NDVI的遼河保護區成立前后植被覆蓋時空動態研究[J]. 生態學報，2018，38(15)：5434-5442.

Xia Huijuan, Kong Weijing, Sun Jianxin, et al Temporal and spatial dynamics of vegetation cover before and after the establishment of Liaohe River Reserve based on MODIS NDVI[J]. Acta Ecologica Sinica, 2018, 38(15): 5434-5442. (in Chinese with English abstract)

[18] 趙子娟，范蓓蕾，王玉庭，等. 2000—2018年西遼河流域植被覆蓋度時空變化特征及影響因素研究[J]. 中國農業資源與區劃，2021，42(12)：75-88.

Zhao Zijuan, Fan Beilei, Wang Yuting, et al. Study on spatio-temporal change characteristics and influencing factors of vegetation coverage in the Western Liaohe River Basin from 2000 to 2018[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2021, 42(12): 75-88. (in Chinese with English abstract)

[19] 李一鳴，蘇芳莉，李海福，等. 遼河干流流域植被蓋度變化及其與氣候因子的關系[J]. 沈陽農業大學學報，2017，48(1)：115-121.

Li Yiming, Su Fangli, Li Haifu, et al. Vegetation coverage change in Liaohe mainstream basin and its relationship with climate factors[J]. Journal of Shenyang Aricultural University, 2017, 48(1): 115-121. (in Chinese with English abstract)

[20] 崔利芳，王倫澈，屈賽，等. 氣溫、降水量和人類活動對長江流域植被NDVI的影響[J]. 地球科學，2020，45(6)：1905-1917.

Cui Lifang, Wang Lunche, Qu Sai, et al. Impact of temperature, precipitation and human activities on NDVI of vegetation in the Yangtze River basin[J]. Journal of Earth Science, 2020, 45(6): 1905-1917. (in Chinese with English abstract)

[21] 畢馨予，劉曉靜，馬東來，等. 遼寧省植被NDVI對氣候因子的滯后響應研究[J]. 中國農業資源與區劃，2021，42(10)：233-244.

Bi Xinyu, Liu Xiaojing, Ma Donglai, et al. Study on the lag response of vegetation NDVI to climate factors in Liaoning Province[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2021, 42(10): 233-244. (in Chinese with English abstract)

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

Wang Jinfeng, Xu Chengdong. Geographic detector: Principle and prospect[J]. Acta Geographica Sinica, 2017, 72(1): 116-134. (in Chinese with English abstract)

[23] 徐勇，鄭志威，戴強玉，等. 顧及時滯效應的西南地區植被NPP變化歸因分析[J]. 農業工程學報，2022，38(9)：297-305.

Xu Yong, Zheng Zhiwei, Dai Qiangyu, et al. Attribution analysis of vegetation NPP change in Southwest China considering time lag effect[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(9): 297-305. (in Chinese with English abstract)

[24] 楊艷萍，陳建軍，覃巧婷，等. 2000-2018年廣西植被時空變化及其對地形、氣候和土地利用的響應[J]. 農業工程學報，2021，37(17)：234-241.

Yang Yanping, Chen Jianjun, Qin Qiaoting, et al. Spatial and temporal changes of vegetation in Guangxi from 2000 to 2018 and their responses to topography, climate and land use[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(17): 234-241. (in Chinese with English abstract)

[25] 沈貝貝，魏一博，馬磊超，等. 內蒙古草原植被覆蓋度時空格局變化及驅動因素分析[J]. 農業工程學報，2022，38(12)：118-126.

Shen Beibei, Wei Yibo, Ma Leichao, et al. Analysis on spatio-temporal pattern change and driving factors of grassland vegetation coverage in Inner Mongolia[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(12): 118-126. (in Chinese with English abstract)

[26] 王靜，姚順波，劉天軍. 退耕還林背景下降水利用效率時空演變及驅動力探討[J]. 農業工程學報，2020，36(1)：128-137.

Wang Jing, Yao Shunbo, Liu Tianjun. Discussion on spatial-temporal evolution and driving force of precipitation utilization efficiency under the background of returning farmland to forests[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(1): 128-137. (in Chinese with English abstract)

[27] Bjorn M C, Weiner J, Kollmann J, et al. Increasing local biodiversity in urban environments: Community development in semi- natural species-rich forb vegetation[J]. Landscape and Urban Planning, 2019, 184: 23-31.

[28] Hangshing L, Dabral P P. Multivariate frequency analysis of meteorological drought using copula[J]. Water Resources Management, 2018, 32(5): 1741–1758.

[29] 陳強. 高級計量經濟學及 Stata 應用[M]. 北京：高等教育出版社，2010.

[30] 楊梅，肖靜，蔡輝. 多元分析中的多重共線性及其處理方法[J]. 中國衛生統計，2012，29(4)：620-624.

Yang Mei, Xiao Jing, Cai Hui. Multi collinearity and its treatment in multivariate analysis[J]. Chinese Journal of Health Statistics, 2012, 29(4): 620-624. (in Chinese with English abstract)

[31] 于璐，張紅，劉勇，等. 氣候變化背景下京津風沙源區人類活動對植被影響的量化分析[J]. 應用生態學報，2020，31(6)：2007-2014.

Yu Lu, Zhang Hong, Liu Yong, et al. Quantitative analysis of the impact of human activities on vegetation in Beijing Tianjin sandstorm source area under the background of climate change[J]. Chinese Journal of Applied Ecology, 2020, 31(6): 2007-2014. (in Chinese with English abstract)

[32] 朱麗亞，胡克，孫爽. 2000—2018年遼河流域植被NDVI變化及其與溫度、降水的響應關系[J]. 生態科學，2022，41(3)：203-213.

Julia, Hu Ke, Sun Shuang. Vegetation NDVI change in Liaohe River basin and its response to temperature and precipitation from 2000 to 2018[J]. Ecological Science, 2022, 41(3): 203-213. (in Chinese with English abstract)

[33] 郭恩亮，阿如娜，康堯，等. 內蒙古植被穩定性及其影響因素分析[J]. 長江科學院院報，2022，39(4)：70-76.

Guo Enliang, A Runa, Kang Yao, et al. Analysis of vegetation stability and its influencing factors in Inner Mongolia[J]. Journal of Yangtze River Scientific Research Institute, 2022, 39(4): 70-76. (in Chinese with English abstract)

[34] 李茂華，都金康，李皖彤，等. 1982-2015年全球植被變化及其與溫度和降水的關系[J]. 地理科學，2020，40(5)：823-832.

Li Maohua, Du Jinkang, Li Wantong, et al. Global vegetation change from 1982 to 2015 and its relationship with temperature and precipitation[J]. Scientia Geographica Sinica, 2020, 40(5): 823-832. (in Chinese with English abstract)

[35] 丁永康，葉婷，陳康. 基于地理探測器的滹沱河流域植被覆蓋時空變化與驅動力分析[J]. 中國生態農業學報(中英文)，2022，30(11)：1737-1749.

Ding Yongkang, Ye Ting, Chen Kang. Analysis of temporal and spatial changes and driving forces of vegetation cover in Hutuo River basin based on geographical detectors[J]. Chinese Journal of Eco-Agriculture, 2022, 30(11): 1737-1749. (in Chinese with English abstract)

Vegetation cover change and driving factors in the agro-pastoral ecotone of Liaohe River Basin of China from 2010 to 2019

Li Xia1, Zhang Guozhuang1,2, Chen Yonghao2, Chen Zhe3

(1.,,710054,;2.,,710054,;3.,710048,)

Driving mechanisms of Fractional Vegetation Cover (FVC) can be a prerequisite for decision-making on vegetation restoration and management. As the intersection of farming and animal husbandry activities in China, the Liaohe River basin is of great significance for the regional ecological construction and environmental protection, in order to clarify the internal vegetation change characteristics and driving mechanisms. Much effort has been made into the characteristics and influencing factors of vegetation change in the region. However, it is still lacking in the spatial heterogeneity of vegetation in the region as an Agro-pastoral intersection zone. Since vegetation change is a complex process, it is very necessary to fully consider the complex influence of the interaction between environmental factors on vegetation change, rather than only the individual factors. In this study, the spatial heterogeneity of FVC was analyzed in the Liaohe River Basin from 2010 to 2019 using the Normalized Difference Vegetation Index derived from the MOD13Q1 product. Furthermore, the factor regression and interaction were combined to jointly explore the effects of natural and socioeconomic factors on the vegetation changes from a regional and overall perspective. The results showed that: 1) There was an overall rising trend of FVC, with a 10-year average FVC of 0.68 and an overall high level of vegetation cover. The most significant was ranked in the order of the pastoral areas > agricultural areas > semi-pastoral areas, and the vegetation improvement trend in the pastoral areas, in terms of the rising trend of vegetation cover. 2) The explanatory power of natural factors on the vegetation changes in the whole basin was greater than that of human factors, among which the explanatory power of precipitation was the most significant. At the same time, there was an outstanding synchronization between the vegetation and precipitation change, where this trend was the most significant in the pastoral areas. 3) The interaction indicated that most factors showed a mutually reinforcing and non-linear enhancement of vegetation change. It infers that the vegetation change was a complex process with multi-factor effects from a system perspective. There were no completely independent factors. The three largest groups of interacting factors across the basin were the precipitation and temperature, precipitation and elevation, and precipitation and wind speed. The natural factors dominated the interaction of vegetation in the pastoral and semi-pastoral areas. By contrast, a combination of natural and human activities significantly affected the vegetation change in the agricultural areas. 4) The precipitation gradient greatly contributed to the explanation degree of FVC spatial heterogeneity. The environmental factors better fitted the FVC with the increase in precipitation. The precipitation was an important catalyst for the vegetation change. 5) human activities also posed an important influence on the vegetation change. The positive effects of human activities were generally dominant in the study area over the past 10 years. Such reasonable human activities can be maintained to increase the FVC in the Liaohe River basin.

fractional vegetation cover; spatio-temporal change; driving mechanism; Liaohe River basin; Agro-pastoral ecotone

10.11975/j.issn.1002-6819.2022.22.007

X87

A

1002-6819(2022)-22-0063-10

李霞，張國壯，陳永昊，等. 農牧交錯帶遼河流域2010—2019年植被覆蓋變化及驅動因素分析[J]. 農業工程學報，2022，38(22)：63-72.doi：10.11975/j.issn.1002-6819.2022.22.007 http://www.tcsae.org

Li Xia, Zhang Guozhuang, Chen Yonghao, et al. Vegetation cover change and driving factors in the agro-pastoral ecotone of Liaohe River Basin of China from 2010 to 2019[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(22): 63-72. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.22.007 http://www.tcsae.org

2022-10-17

2022-11-13

中央高?；究蒲袠I務費專項（300102352501）

李霞，副教授，研究方向為地理信息技術及生態遙感研究。Email：lixia666@chd.edu.cn