榆林地區植被時空分異特征及其影響因素研究

聶桐 ，董國濤, ，蔣曉輝，郭欣偉，黨素珍，鄭嘉昊，李立纏，王江

1. 西北大學，陜西 西安 710127；2. 黃河水利委員會黃河水利科學研究院，河南 鄭州 450003；3. 黑河水資源與生態保護研究中心，甘肅 蘭州 730030

植被是生態系統聯系大氣圈、土壤圈和水圈的重要部分，也是直接反映生態環境變化的敏感因子（Wei et al.，2018），且植被作為陸地生態系統的重要組成部分，提供生態服務并維持陸地生態系統的功能（Du et al.，2020）。植被對自然環境和人類活動的變化具有敏感性，反映氣候變化和人類活動在短時間內的影響（Meng et al.，2020）。歸一化植被指數（NDVI）不僅是應用于全球和區域植被生長的重要指標（Yuan et al.，2019），也是用于監測植被時空變化的重要指標。目前對植被覆蓋變化驅動力的研究集中于自然因子和人類活動因子的耦合作用，已有許多學者對植被動態變化的影響因素開展研究。

國內學者利用遙感數據監測區域內植被覆蓋空間分布特征及動態變化（賈坤等，2013），對黃土高原（孫銳等，2020）、華北地區（劉斌等，2015）、三江源（劉憲鋒等，2013）等地區的植被覆蓋變化進行探索，研究發現氣候變化是影響植被覆蓋時空分異性的主要影響因素。全國尺度上，植被 NDVI空間異質性明顯（高江波等，2019），水分以及溫度在不同空間呈現一定的限制性。在小區域尺度上，地形要素（夏安全等，2020）、地貌類型（龐國偉等，2021）、土壤類型（呂家欣等，2020）的不同影響植被形成和生長狀態，導致各地區植被分布存在明顯的差異性。因此，各類自然因素對植被NDVI影響存在時空上的疊加效應，導致植被時空分布變化出現不穩定性和復雜性。隨著城市化進程的加快，人類活動對植被覆蓋變化產生顯著影響，并且對植被覆蓋的影響不是單一的，而是雙重的（趙維清等，2019）。國內采取退耕還林還草等工程對植被恢復產生正影響，但過快的城市化發展對植被覆蓋也產生負影響（于璐等，2020）。人類活動對國內植被覆蓋影響具有明顯的空間分異性，從整體來看人為活動負影響呈現波動減少趨勢，正影響表現出增大趨勢（王建邦等，2019）。例如秦嶺山區和三江源地區，人為因素對植被覆蓋呈現正影響關系（李輝霞等，2011；鄧晨暉等，2018），表明生態保護等措施取得了初步成效。

目前研究植被NDVI時空變化及影響因素多數是線性回歸分析、趨勢分析與相關分析方法（肖強等，2016；鄭杰等，2016；孔冬冬等，2017），但在長時間序列中植被變化與影響因素之間少有嚴格標準的線性關系（Hein et al.，2011），定量分析植被時空特征的驅動力仍比較困難。國內外許多學者對半干旱半濕潤區域的植被覆蓋時空變化進行研究（Gholamnia et al.，2019；Liu et al.，2019），陜西省榆林市位于半濕潤區向半干旱區過渡地帶（欒金凱等，2018），北部是毛烏素沙漠南緣，南部是黃土高原的腹地，溝壑縱橫決定了榆林市生態環境脆弱，因此對榆林市植被時空分異性及其驅動力研究對生態保護具有現實意義。地理探測器模型既可以探測數值型數據，也可以探測定性數據（王勁峰等，2017），同時可以探測兩因子交互作用于因變量。本文通過地理探測器模型定量分析NDVI空間分異性，將自然因素與人類活動因素進行整體研究，并找出影響因子對植被的最佳適應范圍，為促進榆林市植被保護與生態格局建設提供科學依據。

1 數據和方法

1.1 研究區概況

榆林市位于陜西省最北部，處于 107°28′—111°15′E，36°57′—39°35′N 之間。東臨黃河與山西相望，西連寧夏、甘肅，北鄰內蒙古，南接本省延安市，地域總土地面積43578 km2（圖1）。榆林市地貌北部為風沙草灘區，占總面積的42%，南部為黃土丘陵溝壑區，占總面積的58%。全市地勢呈現西南高東南低，西南部平均海拔 1600—1800 m，其他各地平均海拔 1000—1200 m。榆林市是中國日照高值區之一，年平均日照時數2593.5—2914.4 h。2018年底，全市常住人口341.78萬人（榆林市統計局，2019）。

圖1 研究區地理位置Figure 1 The geographical position of the study area

1.2 數據來源與處理

本文選取植被NDVI、坡度、坡向、土壤類型、降水、氣溫、土地利用類型、人口密度和GDP等因子作為研究數據，用于探測榆林市的植被覆蓋空間分異機制。NDVI采用的 MODIS數據（https://ladsweb.nascom.nasa.gov/）為時間分辨率16 d、空間分辨率為250 m的MOD13Q1 NDVI，并采用最大值合成。DEM原始數據空間分辨率為90 m，坡向、坡度由DEM數據計算獲取。土壤和土地利用數據選自中國科學院資源環境科學數據中心（http://www.resdc.cn），空間分辨率為1 km。2000—2018年降水氣溫數據來源于中國氣象數據網（http：//data.cma.cn），通過反距離加權平均法內插進行預處理生成2000、2005、2010、2015、2018年5期數據。2000—2018年人口密度GDP數據源自陜西省統計年鑒，通過空間插值對分縣人口 GDP統計數據進行空間化處理生成5期數據（楊強等，2016）。坡度和土壤類型分別按照《土地利用現狀調查技術規程》《1∶100萬中華人民共和國土壤圖》進行劃分預處理。各因子數據經過投影轉換、榆林市行政邊界掩膜、重采樣處理后，與250 m的NDVI數據像元大小保持一致。

1.3 研究方法

1.3.1 最大值合成法與等級劃分

（1）最大值合成法（王正興等，2003）（MVC）。選擇具有 NDVI值的月合成數據取最大像元值生成，合成2000—2018年植被NDVI數據。（2）等間距法（彭文甫等，2016）。根據植被NDVI值大小，按照等間距方法進行等距劃分，將植被 NDVI劃分為低（0—0.2）、中低（0.2—0.4）、中（0.4—0.6）、中高（0.6—0.8）和高（>0.8）等5個植被覆蓋度等級。

1.3.2 信息提取與自然因子分級

由于在實際操作時需要考慮精度與效率的平衡，最終選擇在ArcGIS 10.4軟件中借助漁網工具建立5 km×5 km格網，生成均勻分布的采樣點共計1688個（圖1）。將坡向、坡度、土壤類型、降水、氣溫、土地利用類型、人口密度和GDP數據采用自然間斷點（劉憲鋒等，2015）分級法分別劃分為 9類、5類、9類、9類、9類、6類、9類和9類。將各自然、人文因子類型量數據以及榆林市NDVI值提取到點，再將各采樣點因子數據和榆林市 NDVI數據導入地理探測器中進行運算。

1.3.3 地理探測器模型

地理探測器包括風險探測、因子探測、生態探測和交互探測4個組成部分，主要用來探測研究對象的空間分異性，同時揭示研究對象與驅動因子之間關系，是一種新的空間統計方法（王勁峰等，2017）。

（1）因子探測：主要用于探測NDVI的空間分異性，以及探測某自然人文因子（表 1）多大程度上解釋了屬性NDVI的空間分異，圖2為各因子空間分布情況。具體計算：將NDVI圖層與各因子分類圖層疊加取值，進行探測分析，最終用q值表示（彭文甫等，2019），表達式為：

圖2 研究區各因子的空間分布Figure 2 Spatial distribution of factors in the study area

表1 自然、人文因子指標Table 1 The indicators of natural and human factors

式中：

h=1, …；

L——變量植被 NDVI屬性Y或自然、人文因子X的分層；

Nh和N——層h和全區的單元數；

和σ2——層h和全區的Y值的方差。

α和β——層內方差之和和全區總方差。q值越大說明某因子對榆林市植被NDVI的空間分異性解釋力越強。

（2）交互作用探測：交互作用探測用于識別不同自然人文因子之間的交互作用，即評估兩因子共同作用時是否會增加或減弱對因變量植被NDVI的解釋力，或者兩因子共同作用對NDVI的影響是否相互獨立。首先，計算兩類因子對植被NDVI的q值；其次，計算自然人文因子交互作用后的q值，對q(X1)、q(X2)與q(X1∩X2)進行比較（王勁峰等，2017）。

（3）風險區探測：風險區探測用于判斷因子內部子區域之間的屬性均值是否有顯著的差別（Liu et al.，2019），用于判斷適應植被生長自然、人文因子的最佳范圍，用t統計量來檢驗：

式中：

Y——子區域植被NDVI；

——子區域h內植被NDVI屬性均值；

nh——子區域h內樣本數量；

φ——方差。

（4）生態探測：生態探測用于比較兩類自然人文因子X1和X2對植被NDVI的空間分異性的影響是否有顯著的差異，也可判斷具體X1X2分兩類因子共同作用對植被NDVI空間分布產生顯著差異，以F統計量來衡量：

式中：

NX1及 NX2——兩個自然因子的樣本數量（Liu et al.，2019）；

αX1和βX2——由兩個自然人文因子形成分層的層內方差之和（孔冬冬等，2017）；

L1和L2——變量X1和X2分層數目。

2 結果與分析

2.1 植被NDVI時空變化

2000—2018年榆林地區植被覆蓋呈現明顯增加趨勢（圖3a），增速為0.11/10 a。表2為2000—2018年植被NDVI動態變化數據，2000年中低等級植被覆蓋區占榆林市面積的74.57%，到2018年中低等級植被覆蓋區面積只占到10.59%。中等級以及中高等級植被覆蓋區面積比 2000年增加了76.61%。2000—2010年間植被改善明顯，植被覆蓋面積呈現增加趨勢，2010—2015年植被改善出現停滯，中低等級植被覆蓋面積增加，氣候變化引起的降水不穩定性也會導致區域NDVI變化具有較大的不確定性。2015—2018年中高等級植被覆蓋面積達到近20年最大值。總之，2000—2018年低以及中低等級植被覆蓋面積明顯減少，而中等級以上植被覆蓋面積明顯增加，中高等級植被覆蓋面積增速最快。為了進一步判斷植被覆蓋趨勢變化的突變點，通過M-K檢驗（圖3b）（Yue et al.，2002）發現，2000—2018年UF的值大于0，則表明序列呈上升趨勢，其中2008年可能是突變點，通過滑動t檢驗（圖3c）驗證2008年確實是突變點，即2008年以后植被增長較為明顯。

圖3 （a）2000—2018年植被覆蓋時間變化趨勢（b）NDVI時間序列M-K檢驗（c）NDVI時間序列的滑動t檢驗Figure 3 (a) Temporal variation trend of vegetation cover from 2000 to 2018; (b) M-K test of NDVI time series;(c) Sliding T-test of NDVI time series

表2 2000—2018年植被覆蓋面積Table 2 Area of vegetation cover from 2000 to 2018

2000—2018年榆林市植被 NDVI從中低等級向中以及中高等級植被覆蓋區面積轉變明顯，說明榆林市植被恢復取得了重大進展。選擇4期數據（圖4）對比發現，2000—2018年植被覆蓋空間分布變化明顯。2000年榆林市植被NDVI中低等級植被覆蓋區集中于榆林市西部，中等級集中于榆林市東北以及東南部；2018年榆林市植被NDVI中高等級集中于榆林市東部黃土丘陵區，中低等級集中于榆林市西北部的風沙區。2000—2010年，植被覆蓋等級增加明顯，東部地區由中低等級向中等級和中高等級轉變。2010—2015年，植被覆蓋等級由中高和中等級向中低等級轉變，可能的原因與大范圍干旱事件有關（劉彥隨等，2017）。

圖4 榆林市植被NDVI 2000—2018年時空變化Figure 4 Spatio-temporal changes of vegetation NDVI from 2000 to 2018 in Yulin

2.2 探測因子影響力

因子探測器用于表征各自然、人文因子對植被NDVI的影響力，通過計算得出的q值大小表示對NDVI的解釋力。由表3可知，2018年各自然、人文因子的q值大小排序為：人口密度 (0.224)>氣溫(0.208)>GDP (0.183)>土地利用類型 (0.162)>坡度(0.141)>降水 (0.033)>土壤類型 (0.015)>坡向(0.008)。根據彭文甫（2019）對主要因子的選取，在8類自然、人文因子中，本文認為人口密度和氣溫兩類因子對植被NDVI的解釋力最大，解釋力在20%以上，因此是影響榆林市植被覆蓋空間分異性的主要因素。GDP、土地利用類型、坡度q值分別達到0.183、0.162和0.141，解釋力超過10%，為次級影響因素。降水、土壤類型和坡向對NDVI的解釋力未超過5%，表明這3類因子對榆林市植被NDVI分布存在間接影響。

表3 自然因子的q值Table 3 q value of natural factors

2.3 因子時間變化

2000—2018年5期數據結果顯示（圖5），土壤類型、降水對植被的影響力減小，坡向、坡度、氣溫、土地利用類型、人口密度和GDP的q值總體呈現增加趨勢。其中，2000—2005年坡向、坡度、降水、氣溫、土地利用類型GDP的q值增加外，其余因子q值呈減少趨勢；2005—2010年，除土壤類型q值減少外，其余因子q值都以增加趨勢為主；2010—2015年除土壤類型q值減少外，所有因子q值呈現增加趨勢；2015—2018年土壤類型、降水q值減少，其余因子q值呈現增加趨勢。

圖5 2000—2018年自然人文因子q值變化Figure 5 Changes in natural and human factors q value from 2000 to 2018

2.4 探測因子生態作用分析

生態因子探測用于比較兩因子對植被NDVI空間分布的影響是否有顯著性差異。本文中，行因子與列因子有顯著性差異標記為“Y”，無顯著性差異標記為“N”。由表4可知，坡向與坡度、氣溫、土地利用類型、人口密度和GDP對榆林市植被NDVI空間分布的影響存在顯著性差異；降水與氣溫、土地利用類型、人口密度和 GDP之間存在顯著性差異；土壤類型與坡向、降水之間不存在顯著性差異。表明坡向、土壤類型和降水因子對植被空間分布沒有顯著影響，與其他因子共同作用對植被分布的影響存在顯著性差異。進一步說明坡向、土壤類型、降水對植被影響力小，氣溫、人口密度和GDP對植被變化影響力大。

表4 生態探測結果Table 4 Ecological detection results

2.5 探測因子交互作用分析

多數因子交互作用的q值大于單一因子的q值，因子交互作用類型為非線性增強和相互增強關系，不存在獨立關系（表5）。如X5∩X7(0.361)>X2∩X5(0.324)>X5∩X6(0.307)>X5∩X8(0.285)>X5∩X4(0.254)>X3∩X5(0.239)，結果表明，氣溫與坡向、坡度、降水之間交互作用呈現非線性增強效應，與土地利用類型、人口密度和GDP呈現相互增強關系；人文因子與其他因子之間對植被 NDVI的交互作用 ， 如X5∩X7(0.361)>X2∩X7(0.352)>X6∩X7(0.321)>X4∩X7(0.322)>X1∩X7(0.257)>X3∩X7(0.244)，人口密度與坡向、土壤類型、降水之間交互作用呈現非線性增強效應，與坡度、氣溫、土地利用類型和GDP呈現相互增強效應。總之，8類自然、人文因子的交互作用比單因子對植被NDVI的影響更加顯著，多因子交互作用不是獨立的，而是相互增強和非線性增強顯著關系。

表5 交互探測因子結果Table 5 Interaction detection factors results

3 討論

3.1 人口密度

人類活動對生態環境的影響不可忽視，本文將人口密度因子劃分為9個分區（圖2），分別用A1—A9表示（表 6）。榆林市植被 NDVI均值在 A2、A6、A7、A8、A9分區中超過0.6，說明在這4個分區范圍植被生長較好。統計檢驗表明，A9與 A1、A2、A3、A4、A5、A6、A7區植被 NDVI之間存在顯著性差異，在 100—104 person·km-2范圍時，植被NDVI值較大。A9區主要位于榆林市東南部，以綏德縣、吳寶賢、佳縣南部為主，綜合水熱條件分析，該地區降水氣溫適宜，為植被生長提供有利的生存條件。人口密度過大對植被生長具有限制性，人口增長使得城市建設占用大量綠地，在坡地大面積開荒耕種，造成水土流失，破壞并減少了植被覆蓋，因此在城市建設中，需要增加綠地建設。人口密度過小區域位于榆林市定邊縣（圖2g），屬于資源性嚴重缺水縣，年平均降雨量325 mm，定邊縣的自然環境條件約束此地區植被生長。同時，隨著國民生態意識的提高，人類社會經濟活動加大對生態修復方面的投入。

表6 人口密度每2個分區的植被NDVI均值及其統計顯著性（置信水平95%）Table 6 Vegetation NDVI mean and statistical significance for every 2 divisions of population density(95% confidence level)

3.2 氣溫

氣候因子對植被的生長具有限制性。本文將氣溫劃分為9類，分別用B1—B9表示。表7表明，B8區植被NDVI均值最大，表明這一范圍促進植被生長。統計檢驗表明，B8區與 B1、B2、B3、B4、B5、B6、B9區植被NDVI均值存在顯著差異，與B7區無顯著差異。因此在10.67—10.91 ℃范圍，適合植被的生長。氣溫對植被的生長具有明顯的適宜范圍，適度的增溫對植被活動產生積極作用。半干旱半濕潤地區氣溫對植被生長影響大于降水，氣溫升高會促進光合作用，提高凈生產力；然而，溫度過高導致蒸發量增加以及土壤濕度下降（呂渡等，2018）影響植被變化。降水與氣溫的交互作用顯著增強了氣溫對植被的NDVI的影響，水熱條件協同作用有助于植被生長。

表7 氣溫每2個分區的植被NDVI均值及其統計顯著性（置信水平95%）Table 7 Vegetation NDVI mean and statistical significance for every 2 divisions of temperature (95% confidence level)

3.3 其他因子

由于篇幅的原因，只選擇q值大于20%的主要因子做詳細討論。根據風險因子探測結果總結出適合植被生長的最佳類型或范圍（表8）。在95%置信水平下通過統計檢驗表明，植被 NDVI均值越大，處于這一均值的范圍更適合植被生長。不同自然、人文因子或因子內部分區的植被NDVI均值存在差異。

表8 自然、人文因子適應范圍Table 8 Adaptation range of natural and human factors

隨著各自然、人文因子的變化，植被NDVI均值呈現波動變化。水熱條件是決定植被生產力、空間布局以及動態變化的主要因素。降水和氣溫分別在 520.48—541.71 mm 和 10.67—10.91 ℃植被NDVI均值達到最大，分別為0.593和0.650，在這一范圍內，暖濕的水熱條件更利于植被活動。當降水因子影響力較低時（圖 5），人類活動因子影響力較大，這時NDVI主要受人類活動影響。可能的原因是，降水不足以滿足區域內植被生長水分需求時，人類活動一定程度上減緩水分限制，通過增加水分供給和轉變土地利用方式。

坡向和坡度分別在 337.5°—22.5°和 6°—25°植被NDVI均值最大，分別為0.595、0.613，地形因子在這一范圍內適合于植被生長。研究發現，在陜西省地勢較低區域（<6°），是人類活動主要區域，植被覆蓋相對較低；隨著坡度的不斷增加（6°—15°），人類活動減少，植被覆蓋度隨之增加；在15°—25°之間，通過退耕還林還草等生態工程的實施，耕地向林草地轉變逐漸占據了該地形的主導（趙亮等，2019），人工種樹和林草自然恢復使該區域植被覆蓋度有所增加；在陜北>25°地區，與關中和陜南陡坡植被生長不同，該區域對陜北植被生長有一定限制性，較少有天然林生長和人工林種植。隨著坡向的變化，植被NDVI均值變化差別不大，南坡接收太陽輻射多與北坡，北坡相對濕潤且蒸發較少適合植被生長。

土壤類型劃分為9類（圖2），統計檢驗表明，1區植被 NDVI均值最高達到 0.6，鈣層土（栗鈣土、灰褐土、淡灰褐土、粘化黑壚土）較適合植被生長。相關研究表示，在降水較少地區，土壤水分是限制植被生長的重要因子。降水與土壤的交互作用增強了土壤類型對植被NDVI空間分布的影響，降水量的輸入降低土壤水分的變異性（陳曉瑩等，2020；彭文甫等，2019）。地貌類型影響土壤水分的分布（Hawley et al.，1983），榆林市土壤類型受地貌類型影響，西部多為風沙區以風沙土類型為主，表層土壤含水量極低，不利于植被生長。土地利用類型中耕地和林地土地類型適宜植被生長，NDVI均值達到最大0.614，林地土地類型為植被生長提供良好的地形條件。實施退耕還林還草工程以來，耕地轉林地區域植被覆蓋度正在持續增加，土地利用類型的轉變對植被分布有直接影響。

GDP反映一個地區經濟發展情況，經濟發展過快對自然環境發展有所影響。將GDP劃分為9分區，在1區植被NDVI均值最大，表明這一范圍植被生長較好。統計檢驗表明，在266×104—420×104yuan·km-2范圍內，植被覆蓋較好。經濟發展與生態環境相互影響、相互作用，兩者互相協調影響區域長期可持續發展。社會經濟發展從生態環境中獲取自然資源，導致植被破壞、生態質量下降等不利影響，但是植被恢復工程也需要強大經濟基礎的支撐。根據已有研究（唐曉靈等，2020），榆林市生態環境治理投入的力度跟不上經濟發展的速度，導致生態環境水平低于經濟發展水平，處于不協調狀態，生態環境問題影響到經濟的可持續發展。為了經濟與環境之間的平衡發展，采取退耕還林工程、封山育林、水土保持等措施，提高植被覆蓋度，促進生態環境恢復。

人口密度以及經濟發展對植被生長在一定范圍內起到限制作用，退耕還林還草或者毀林開荒等人類活動都對榆林市植被帶來或正或負影響。已有研究表明，黃土丘陵溝壑區退耕還林還草工程取得巨大成就，人類活動對陜西省植被恢復影響較大（黃麟等，2020；金凱等，2020），這與本文結論基本一致。建議協調好人類活動與自然環境的關系，對實現植被恢復和生態保護具有重要意義。

榆林地區處于中國退耕還林生態工程重點區域，自1999年實施退耕還林還草工程以來，植被得到明顯改善，人類活動對生態環境產生不可忽視的積極影響。本文對2000—2018年NDVI的時空分異性進行分析，探究植被分布與自然因素和人類活動因素的影響機制。植被空間分布受到自然因素和人類活動的共同影響，與自然因素相比，近些年人類活動對植被恢復的影響更加顯著。本文對年際NDVI進行探索，可以考慮生長季NDVI變化研究，此外，通過最大值合成法得到的NDVI數據較難與實測數據完全相同（彭文甫等，2016），深入研究可以考慮采用高空間分辨率遙感數據和詳盡的實地調查，提高制圖和分類的準確性。

以往對于榆林地區植被的研究大多采用線性回歸和相關分析法（王濤等，2017；欒金凱等，2018），本文采用的地理探測器模型，能夠有效的探測空間分異性，分析各種現象的驅動力以及多因子交互作用，在分析驅動力方面得到廣泛運用（王勁峰等，2017）。本文運用地理探測器探測榆林地區植被空間分異性驅動力，得出的結果比較符合已有研究。值得注意的是，降水作用在陜北地區較小，可能與選擇的尺度問題有關，在以后的研究中，可以選擇更大的地理單元進行研究。

4 結論

本文基于地理探測器模型，分析 8類自然、人文因子對榆林地區植被 NDVI的影響機制，總結各因子對植被的影響力以及交互影響，最終結論如下：

（1）榆林市植被呈現增長趨勢，NDVI等級劃分為低、中低、中、中高、高等5級，從2000年植被NDVI值占中低等級向2018年植被NDVI中和中高等級明顯轉變；2018年中和中高等級植被覆蓋區集中于榆林市東部，中低等級植被覆蓋區集中于榆林市西北部。

（2）通過地理探測器分析，各自然因子對植被的解釋力排序為：人口密度>氣溫>GDP>土地利用類型>坡度>降水>土壤類型>坡向，自然因素和人文因素共同作用于榆林市植被。

（3）8類自然、人文因子對榆林市NDVI影響存在交互作用，因子之間的交互效應對植被空間分布的影響存在相互增強或非線性增強關系。風險因子探測分析揭示各因子對植被最適宜范圍或類型，為促進榆林市植被建設和生態恢復提供一定參考。