黃河源植被覆蓋度變化及空間分布自然驅動力分析

高思琦 ，董國濤, ，蔣曉輝，聶桐 ，郭欣偉，黨素珍，李心宇，李昊洋

1. 西北大學城市與環境學院，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

植被可以將土壤、大氣、水分和人類社會緊密聯系起來，具有調節地表碳循環和氣候系統的作用（Piao et al.，2011）。歸一化植被指數（NDVI）作為一種能夠有效反映地表植被生長變化情況的遙感指標（金凱等，2020），已經廣泛應用于區域植被覆蓋變化及空間分布的監測（穆少杰等，2012；袁麗華等，2013；楊彩云等，2021）。植被NDVI的驅動機制是目前研究的熱點，氣候和人類活動因素對植被的影響是主要研究內容（Liu et al.，2015；Jiang et al.，2017）。黃土高原（劉靜等，2020）、青藏高原（韓炳宏等，2019）、榆林地區（欒金凱等，2018）等區域影響植被NDVI的主要是氣候因素。秦嶺-淮河南北植被主要受生態建設驅動（李雙雙等，2021）。除此之外，地形、土壤等其他自然條件也是影響植被覆蓋的重要因子（孫紅雨等，1998）。覃金蘭等（2020）通過空間疊加分析研究了西北干旱區植被覆蓋度的地形分異特征；張英潔等（2017）發現土壤肥力是影響長白山苔原帶植被NDVI的重要因子。自然因子對植被NDVI空間分布的影響具有空間異質性（高江波等，2019）及交互作用（彭文甫等，2019），因此關于區域植被的驅動機制需要進一步研究多因子的協同作用。

黃河源區海拔高，生態環境脆弱，作為整個黃河流域的水源涵養區，黃河源區生態環境保護對黃河流域的可持續發展具有重要作用（郭澤呈等，2020），因此，研究黃河源區植被覆蓋變化及空間分布的自然驅動機制具有重要意義。目前大多數關于黃河源區植被的研究（吳喜芳等，2015；張曉龍等，2019）是運用相關分析等定性研究方法，沒有考慮到因子對植被影響的空間異質性，并且黃河源區自然條件復雜（潘竟虎等，2005），現有研究大多只分析了氣候因子對植被的影響，缺乏對地形地貌等其他自然因子影響力的研究。王勁峰等（2017）提出的地理探測器是一種可以定量探測地理現象空間分異性及其驅動力的方法，同時能夠探測變量之間的交互作用，目前已有學者有效運用該模型對中亞（王偉等，2019）、內蒙古（陳寬等，2021）、祁連山國家公園（張華等，2021）、黃土高原（張翀等，2021）、延安（聶桐等，2021）等不同尺度的干旱半干旱地區植被NDVI驅動機制進行了研究。本文運用趨勢分析法分析 2000—2018年黃河源區植被NDVI時空變化特征，運用地理探測器研究黃河源區植被的空間分異性，基于8種自然因子數據定量探究植被NDVI空間分布的驅動機制，以期為黃河源區生態保護提供科學依據。

1 研究區概況

如圖1所示，黃河源區位于青藏高原東北部，地跨四川、甘肅和青海3個省，地理坐標為31.5—36.5°N，95.5—103.5°E，流域面積為 13.4×104km2，地勢西高東低，平均海拔4473 m（錢程等，2012）。黃河源區地處干旱—半干旱的過渡地帶，氣候為高原大陸性氣候（康悅等，2011），年均溫在 0 ℃左右，全年降水主要集中在6—9月（韓思淇等，2019），氣溫和降水量大致由東南向西北遞減，區域內植被以高寒植被類型為主。黃河源區屬于高海拔地區，對于氣候變化非常敏感，生態環境十分脆弱（于伯華等，2011）。

圖1 黃河源區示意圖Figure 1 Sketch map of the source area of the Yellow River

2 研究方法

2.1 數據來源及預處理

研究數據包括黃河源植被NDVI、高程、地形、氣候、土壤類型、地貌類型、植被類型等。2000—2018年植被NDVI數據采用時間分辨率為16 d和空間分辨率為 1 km的 MODIS NDVI數據（https://ladsweb. nascom.nasa.gov/），并進行最大值合成，本研究中年NDVI為區域年平均NDVI。按照等間距法（彭文甫等，2016）將植被NDVI值劃分為低（0—0.2）、中低（0.2—0.4）、中（0.4—0.6）、中高（0.6—0.8）和高（0.8—1.0）5個植被覆蓋度等級，以分析 2000—2018年黃河源植被覆蓋度變化；年均溫和年降水量數據采用黃河源區內及周邊24個氣象站點2000—2018年的實測逐日氣象數據，采用反距離權重插值方法進行空間插值；黃河源區的土壤類型、植被類型和地貌類型數據，來源于中國科學院資源環境科學數據中心（http://www.resdc.cn/）；數字高程模型（DEM）數據來源于中國科學院地理空間數據云（http://www.gscloud.cn/），使用GDEMV2 30 m的分辨率數字高程數據，高程、坡度、坡向由DEM數據計算獲取。以上數據均按照黃河源區矢量邊界掩膜提取，通過重采樣處理，與1 km的NDVI數據像元大小保持一致。

本研究根據黃河源區的特點，如表1所示，選取坡度、坡向、高程等通過改變局部氣候要素影響植被生長的地形因子，年均溫、年降水量等影響水熱條件的氣候因子和土壤類型、植被類型、地貌類型等影響植被生長的環境因子，共8個自然因子，分析黃河源區植被NDVI空間分布的驅動力。地理探測器的自變量必須為類型量，因此要將自然因子進行分類。如圖2所示，本文運用自然斷點法將高程、年均溫、年降水量等劃分9級，該方法可以避免人為引入的干擾，最大限度地提高類之間的差異（Chen et al.，2013），被廣泛應用于地理檢測器的數據分類（Nie et al.，2021；劉彥隨等，2017）。將坡向按照坡面朝向劃分為9級，坡度根據《土地利用現狀調查技術規程》劃分7級，土壤類型根據“土壤發生分類”系統的土綱劃分為10類，植被類型根據《1∶1000000中國植被圖集》的植被大類劃分為9類，地貌類型根據《中華人民共和國地貌圖集(1∶100萬)》劃分為6類。在全區范圍內生成5 km×5 km格網，共5331個中心點作采樣點，提取空間上對應的X和Y屬性值，代入地理探測器模型。

圖2 自然因子分類圖Figure 2 Classification of natural factors

表1 自然因子Table 1 Natural factors

2.2 趨勢分析

一元線性回歸趨勢法是基于像元分析變量變化趨勢的方法（陳燕麗等，2011）。按自然間斷點法將植被變化趨勢分為7類：顯著減少、中度減少、輕微減少、基本不變、輕微增加、中度增加和顯著增加。趨勢斜率公式（劉憲鋒等，2015）為：

式中：

n——研究累計年數（n=19）；

i——從1到n，代表年份序號；

Vi——第i年的植被NDVI值；

θslope——趨勢線斜率。若θslope＞0，表明植被覆蓋呈上升趨勢；若θslope＜0，表明植被覆蓋呈下降趨勢；若θslope=0，說明植被覆蓋無明顯變化。

2.3 地理探測器模型

地理探測器可以探測空間分異性及其驅動因素，包括4個探測器（王勁峰等，2017），在分析地理要素格局演變和地域空間分異等方面應用非常廣泛（劉彥隨等，2017）。本文運用地理探測器探測2000、2005、2010、2015和2018年5期自然因子對NDVI空間分布的影響。

2.3.1 因子探測

探測植被NDVI的空間分異性。此處，用q值表示自然因子解釋了100×q%的植被NDVI，值域為[0, 1]，q值越大表示自然因子對植被NDVI的影響力越大，反之則越小。q值計算公式如下：

式中：

q——自然因子對 NDVI的解釋力；研究區劃分為h=1, 2…,L個區域；

Nh和N——層h和全區域單元數；

和σ2——層h和區域的Y值方差。

2.3.2 交互作用探測

自然界中因子不是獨立存在的，因子間存在相互作用，交互探測可以探測不同自然因子間的交互作用。評估方法如表2。

表2 交互作用類型Table 2 Types of interaction

2.3.3 風險區探測

區域間的屬性值顯著差異性可用于判斷植被覆蓋好的區域以及植被 NDVI對自然驅動因子適宜的范圍或類型。用t統計量來檢驗：

式中：

——子區域h內的屬性均值；

——子區域h內的樣本數量；

Var——方差。零假設H0：，如果在置信水平α下拒絕H0，則認為兩個子區域間的屬性均值存在著明顯的差異。

2.3.4 生態探測

可判斷哪種自然因子對植被NDVI空間分布具有更重要的影響力。以F統計量來衡量：

式中：δX1

NX1及NX2——兩個因子X1和X2的樣本量；

δX1和δX2——由X1和X2形成的分層的層內方差之和；

L1和L2——變量X1和X2分層數目。其中零假設H0：δX1=δX2，如果在α的顯著性水平上拒絕H0，表明兩因子X1和X2對屬性Y的空間分布影響存在著顯著差異。

3 結果與分析

3.1 黃河源降水、氣溫變化特征

由圖3可知，黃河源2000—2018年平均氣溫為1.466 ℃，平均降水量為527.718 mm，插值得出的數據與韓思淇等（2019）的研究結果大致相同。年均溫呈上升趨勢，由 2000年的 0.580 ℃上升至2018年的1.780 ℃，氣溫增加速率為0.503 ℃/10 a，這與管曉祥等（2021）研究得出的氣溫增率大致相同。年降水量也呈上升趨勢，由2000年的434.447 mm上升至2018年的676.456 mm，降水增加速率為67.422 mm/10 a，這與張成鳳等（2019）研究得出的降水增率大致相同。經過歸一化后，氣溫上升速率大于降水上升速率。

圖3 2000—2018年年降水量、年均溫變化趨勢Figure 3 Change trend of precipitation and temperature during 2000-2018

3.2 黃河源植被NDVI時空變化

如圖4所示，黃河源區NDVI西北低，中部和東南部高，這與黃河源的海拔及氣候條件的空間分布基本一致。2000年和 2018年黃河源區內大部分面積的NDVI大于0.6，說明黃河源區植被覆蓋較好。

圖4 2000年和2018年NDVIFigure 4 NDVI in 2000 and 2018

表3顯示，2000年和2018年高、中高植被覆蓋區分別占黃河源區面積的63.71%、73.89%，低、中低總共分別占15.13%、8.84%，反映了黃河源區植被覆蓋情況轉好。2018年與2000年相比，除高植被覆蓋區面積增大外，其他NDVI等級區域面積均減小，其中，中低植被覆蓋區面積減少最多，減幅為5.37%，高植被覆蓋區面積增幅達13.77%。

表3 2000—2018年NDVI動態變化Table 3 Dynamic changes of NDVI during 2000-2018

圖5顯示，2000—2018年黃河源區NDVI變化趨勢均值為0.013/10 a，NDVI值在2008年最小，2018年達到最大，整體呈波動上升趨勢。顯著性檢驗（魏鳳英，2007）顯示|Z|=0.287＜Z0.05=0.328，所以NDVI變化趨勢不顯著。

圖5 2000—2018年NDVI變化趨勢Figure 5 Change trend of NDVI during 2000-2018

從表4和圖6可知，2000—2018年黃河源區植被增加面積占比最大的區域主要在北部，面積為6.50×104km2，占比為 48.66%；植被減少區域主要集中在中部和東南部，占比為19.86%；植被基本不變的區域不同程度地分布在全區域。

表4 2000—2018年NDVI變化趨勢Table 4 Change trend of NDVI during 2000-2018

圖6 2000—2018年NDVI變化趨勢分布Figure 6 Distribution of NDVI change trend in 2000-2018

3.3 自然因子影響力分析

因子探測器反映了 2018年各自然因子對黃河源區NDVI影響的大小。各自然因子的q值如表5所示，各自然因子對黃河源區NDVI影響程度的排序為年降水量＞高程＞年均溫＞植被類型＞土壤類型＞坡度＞地貌類型＞坡向。年降水量的q值最大，解釋力達到了 60%，因此，年降水量是影響黃河源區NDVI空間分布的主要自然因子；其次為高程，解釋力在30%以上，對NDVI的分布也有較大影響；年均溫和植被類型解釋力均在20%以上；土壤類型解釋力超過10%；坡度、地貌類型和坡向的單個因素解釋力很小。

表5 自然因子的q值Table 5 q values of natural factors

3.4 自然因子交互作用及影響力差異分析

表6中交互作用探測結果顯示，所有自然因子交互作用都呈現相互增強和非線性增強關系，其中高程與坡度、坡向的交互作用及地貌類型與坡向、高程、土壤類型、年均溫的交互作用呈現非線性增強關系，其余自然因子的交互作用均呈現相互增強關系。年降水量因子與其他因子交互作用的q值普遍偏高，其中年降水量與高程交互作用的q值最大（0.682），其次為年降水量與植被類型交互作用（0.673）。

生態探測反映各因子對植被NDVI的影響大小是否有顯著差異，可用于進一步驗證主導因子。表6生態探測結果顯示，年降水量對黃河源區 NDVI的影響與其他因子對NDVI的影響均有明顯差異，進一步說明了年降水量的解釋力比其他自然因子強；坡向、坡度和地貌類型三者之間對NDVI無顯著差異，與其他因子交互有顯著差異。

表6 自然因子交互作用及生態探測Table 6 Interaction and ecological detection of natural factors

3.5 自然因子適宜性分析

表7給出了植被生長對自然因子的適宜類型或范圍?！癥”表示兩類型區域間有顯著差異，“N”表示無顯著差異，植被NDVI值越大，該自然因子的類型和范圍對植被生長越有利。

表7 植被對自然因子的適宜范圍或類型Table 7 Suitable range or type of vegetation for natural factors

3.5.1 年降水量

由q值可以看出NDVI與年降水量有顯著的關系。風險探測顯示隨著年降水量增加，植被覆蓋度有上升趨勢，NDVI在899—996 mm降水量范圍內達到最高值，與758—824 mm、824—899 mm降水量范圍內的植被NDVI均值之間無明顯差異，與其他降水量范圍有明顯差異，因此，在899—996 mm年降水量范圍內，植被覆蓋最好。

3.5.2 高程

黃河源區地處高海拔地區，高程對黃河源區NDVI有很大的影響。隨高程升高，植被NDVI在3578—3787 m范圍內達到最高值，與其他高程范圍內植被NDVI之間均存在顯著性差異。因此，在3578—3787 m的高程范圍內，植被覆蓋最好。

3.5.3 年均溫

隨年均溫的升高，植被NDVI均值先降低后升高，且在 3.45—4.48 ℃范圍內達到最高值，并與4.48—7.77 ℃范圍內的植被NDVI無顯著差異，與其他溫度范圍內的植被NDVI均值之間均有顯著性差異，因此，年均溫在3.45—4.48 ℃范圍時，黃河源NDVI值最高，植被覆蓋最好。

3.5.4 其他自然因子影響力

從q值來看，植被類型、土壤類型、地貌類型、坡度及坡向等因子對黃河源植被NDVI空間分布的影響較小，但這些因子分別與年降水量、高程、年均溫等的交互作用增強了其對植被NDVI的影響。

植被NDVI因植被類型而異。高寒沼澤的植被NDVI值最高，與闊葉林的NDVI均值沒有明顯的差異，與其他植被類型區植被NDVI均值之間有顯著性差異，因此，高寒沼澤的植被覆蓋最好。NDVI隨土壤類型的不同而不同。半水成土的NDVI值最高，且與其他土壤類型的植被NDVI均值之間有顯著性差異，因此，半水成土的植被覆蓋最好。隨地貌類型的變化，植被NDVI均值先增加后減少，在中起伏山地達到最高值，與其他地貌類型中的植被NDVI均值之間有顯著性差異，因此，中起伏山地的植被覆蓋最好。隨著坡度的增加，NDVI均值先升高后降低，在25°—35°達到最高值，與15°—25°和45°—78°坡度范圍內的植被NDVI均值沒有明顯差異，與其他坡度范圍內的NDVI有明顯差異。隨坡向的不同，植被NDVI均值波動變化，在292.5°—337.5°（西北坡）達到最大值，并與西南坡的植被NDVI有明顯差異，與其他坡向的無明顯差異，因此，黃河源區西北坡的植被覆蓋最好。

4 討論

4.1 植被NDVI動態變化

黃河源整體植被覆蓋度較高，以中高、高植被覆蓋度為主，是三江源植被覆蓋最好的區域。2000—2018年黃河源植被NDVI呈上升趨勢，這與覃巧婷等（2021）的研究結果一致，并且與三江源（饒品增等，2021）及整個青藏高原（韓炳宏等，2019）植被變化趨勢一致。2000—2018年黃河源區NDVI空間上發生明顯變化。生態工程的有效實施使北部地區NDVI增加；湖泊不斷擴張（段水強等，2015）使扎陵湖、鄂陵湖NDVI顯著減少；局部地區植被的減少與過度放牧有關（王俊奇等，2021）。受全球氣候變化以及人類活動的影響，黃河源曾出現草地退化等生態問題，2005年國家開始實施三江源生態保護工程，整個三江源地區NDVI增加，生態環境得到改善，生態保護工程取得一定成效。因此，黃河源植被覆蓋度增加是氣候暖濕化和生態保護工程共同作用的結果（韓思淇等，2019）。

4.2 植被NDVI的驅動機制

因子探測器結果顯示，氣候因子對NDVI空間分布影響顯著，符合劉啟興等（2019）的研究結果。年降水量q值最大，因此是影響黃河源區NDVI最主要的因子，這與史丹丹等（2018）的研究結論一致。黃河源西北地區海拔高，降水少，溫度低，不利于植被生長，植被覆蓋度低；中部屬于半干旱氣候，植被覆蓋度增加；東南部屬于濕潤氣候，降水和氣溫增加，植被生長狀況好。氣候變暖使植被生長期延長，同時天然和人工降雨也增多，有利于植被生長。徐浩杰等（2012）認為未來黃河源區氣候逐漸趨于暖濕化，會造成植被NDVI變化；但也有研究表明氣溫上升趨勢大于降水，會使黃河源區逐漸暖干化（劉憲鋒等，2013），而溫度過高、水分不足會抑制植被生長。孫艷玲等（2010）表明，在干旱半干旱地區通常是降水驅動植被變化。通過比較各因子q值年際變化發現，在2000、2005、2010、2015和2018年自然因子對黃河源植被空間分布影響力大小排序均相同，年降水量始終為黃河源植被空間分布的主要影響因子。

水熱條件決定植被覆蓋的總體趨勢，而地形、土壤、地貌等改變局部植被分布格局（孫紅雨等，1998）。黃河源位于高海拔地區，不同的高程上氣溫降水不同。研究認為在3400—4200 m高程范圍內水熱組合條件最好，NDVI值較高（姜欣彤等，2020）。本研究發現在高程為3578—3787 m的范圍內，植被覆蓋最好；3787 m以上時，高程越高，NDVI越低。相關研究認為海拔越高，氣溫對NDVI的影響越大（馬守存等，2018）。由于海拔越高，溫度越低，所以黃河源區的植被生長受到限制。沼澤具有生態蓄水、氣候調節等重要功能（白軍紅等，2004），沼澤植被對水文循環、生態發展等有重要作用。黃河源的沼澤植被和半水成土主要分布在東南部，水熱條件充足，所以植被生長較好。平原、臺地以及其他坡度較小的區域相對較平坦，人類活動較強，植被覆蓋度不高。適中的坡度范圍（25°—35°）以及中起伏山地較適宜黃河源植被生長。坡向是重要的地形因子，不同的坡向太陽光線等條件不同，植被生長所需要的水熱條件也不同，導致生長在不同坡向上的植被有所差異（周愛霞等，2004）：偏南的陽坡光照強烈，土壤水分易被蒸發且受人類干擾大，偏北的陰坡雖光照條件不如陽坡，但土壤水分較適宜植被生長。

4.3 不足與展望

本研究是首次使用地理探測器來量化自然因素對黃河源NDVI空間分布的影響，與傳統方法相比，地理探測器可以定量研究因子的影響力以及因子間的相互作用。然而，有些研究也證明黃河源植被受人類活動影響（張鐿鋰等，2006）。本研究只分析了自然因子的影響，缺乏對人為因子影響力的研究，因此，未來要進一步研究土地利用變化及生態工程等對黃河源NDVI的影響。

5 結論

本研究基于2000—2018年黃河源MODIS植被NDVI數據和同時期8種自然因子數據，運用一元線性回歸法分析黃河源NDVI時空變化特征，運用地理探測器分析影響植被覆蓋度空間分布的自然驅動因子，并確定適宜植被生長的因子范圍或類型，研究主要得到以下結論：

（1）黃河源區NDVI分布特點為東南高西北低，多年變化趨勢為北部增加，中部減少；黃河源整體植被覆蓋度較高，2000—2018年NDVI均值總體上呈不顯著的增加趨勢，增長速率為0.013/10 a，高植被覆蓋區面積增加，中低、中植被覆蓋區面積減少，黃河源區整體植被覆蓋度增加。

（2）2000—2018年各自然因子對植被NDVI影響程度的排序為年降水量＞高程＞年均溫＞植被類型＞土壤類型＞坡度＞地貌類型＞坡向。其中，年降水量解釋力在60%以上，成為影響黃河源區NDVI空間分布的最主要自然因子；其次是高程、年均溫和植被類型，解釋力均在20%以上，也很好地解釋了植被NDVI的空間分布；其他自然因子影響力較小。

（3）自然因子對植被NDVI影響存在交互作用，呈現相互增強和非線性增強關系，交互作用使地貌類型、坡度及坡向等影響較小的單因子增強了對植被NDVI的影響。