黃土高原歸一化植被指數與自然環境因子的空間關聯性
——基于地理探測器

陳玉蘭,焦菊英,田紅衛,徐 倩,馮蘭茜,王 楠,白雷超,楊 雪1,

1 中國科學院水利部水土保持研究所黃土高原土壤侵蝕與旱地農業國家重點實驗室,楊凌 712100 2 中國科學院大學,北京 100049 3 榆林市氣象局,榆林 719000 4 西北農林科技大學水土保持研究所,楊凌 712100

黃土高原作為絲綢之路的起點區域,在我國社會經濟發展和生態環境中有著重要的戰略地位,然而黃土高原植被覆蓋稀疏、人類活動頻繁、水土流失嚴重,導致其生態環境十分脆弱。植被對改善該區生態環境有著關鍵作用[1]。植被是一個地區承接水文、連接土壤、溝通大氣的重要“紐帶”,植被生長的狀態往往直接關乎地表生態系統的健康與否[2],歸一化植被指數(Normalized Difference Vegetation Index,NDVI)可以有效地反映植物生長的狀態[3],是評價一個地區生態環境健康的重要指標之一[4]。因此,探究黃土高原植被NDVI與環境因子的空間關聯性,可為新時代黃土高原進行因地制宜地植被建設規劃及生態文明建設提供重要的科學指導。

已有學者對黃土高原植被與環境因子的空間關聯性進行探索和研究,并取得了一定的進展。例如,張文[5]指出西秦嶺植被分布與地形要素、氣候要素和土壤類型有較好的梯度關系；張翀等[6]研究發現,降雨量是黃土高原植被覆蓋的直接影響因素,植被類型和地貌是黃土高原氣溫對植被覆蓋影響的主要限制性因素；然而,由于黃土高原地理過程的復雜性,不同類型區植被覆蓋變化對各環境因子的響應會存在差異。目前,已有學者探討了不同氣候區和植被類型區中,植被變化和氣候變化的空間關聯性,并發現黃土高原植被覆蓋變化受氣候驅動,驅動程度隨氣候分區和植被類型等的變化有所不同[7—9]。但是很少有學者對不同地貌類型區和土壤類型區中植被變化和氣候變化的空間關聯性進行研究。事實上,不同地貌對水熱條件的分配作用存在較大的差異[10],且不同土壤類型的理化性質不同,對環境變化的響應也有所不同[11],導致不同地貌類型和土壤類型區中,環境因子對植被NDVI的影響存在差異。因此,對黃土高原不同環境條件下植被變化及其環境驅動因子的定量關系還需進一步研究。

相關研究分析植被NDVI與環境因子之間的空間關聯性時,多數是通過回歸、趨勢和相關性分析進行的[5—9],這些方法均是假設植被NDVI與環境因子存在顯著的線性關系[12]；然而事實上,在植被生長對環境變化的復雜反應過程中,可能不存在嚴格的線性關系[13]。同時,環境因子間可能存在精確相關關系或高度相關關系而使模型估計失真或難以估計準確。地理探測器是揭示地理要素的空間分異性及其背后驅動因子的一種新的空間分析模型,不僅能夠定量的分析各個因子所占的權重,還能分析多因子之間的交互作用[14]。此方法無線性假設,屬于方差分析范疇,可以避免多重共線性問題,在計算驅動因子的貢獻率時,其結果較為準確,且該模型既可以探測數值型數據,也可以探測定性數據[14],因此地理探測器已在植被空間分異研究中廣泛應用[12,15]。

鑒于此,本文以2000—2017年黃土高原年均NDVI為研究對象,并基于前人相關研究及數據可獲取性,選取氣候要素、地形因素、土壤類型和植被類型等環境因子,運用GIS和地理探測器技術手段,在剔除土地利用類型發生變化柵格的基礎上,研究黃土高原植被NDVI與各環境因子的空間關聯性,以期為新時代黃土高原生態環境保護和植被建設高質量發展及后續相關政策的制定提供一定的啟示。

1 材料與方法

1.1 研究區概況

黃土高原(100°52′—114°33′E,33°41′—41°16′N)位于我國西北地區,海拔在850—5210 m之間,東西綿延約1000 km,南北跨度750 km左右,面積約64萬km2[9]。該區是世界上最大的黃土沉積區,發育了世界上最典型的黃土層[16],除了極少部分高山裸巖外,基本為細膩黃土、黏土顆粒,土質較疏松,抗沖抗蝕能力差,極易被分散和搬運；同時該區地形破碎,溝壑縱橫,坡陡溝深,使得黃土高原水土流失非常嚴重[17]。該區氣候類型屬溫帶大陸性氣候,氣候四季分明,冬季和春季寒冷、干燥且多西北風[18],夏季和秋季氣候炎熱且多極端降雨,多年平均降雨量為200—800 mm,多年平均溫度為3.6—14.3℃,氣溫和降雨均呈現從東南向西北遞減趨勢[9]；植被分布受地形和氣候的影響具有明顯的地帶性規律,呈現出由東南向西北,由森林到草原的水平地帶性分布[6]。

1.2 數據來源

本研究所采用的數據主要包括NDVI,地形、植被和土壤等數據,其中2000—2017年黃土高原月度植被NDVI空間分布數據集、土壤類型、植被類型和土地利用類型(2000、2018年)等數據來源于中國科學院資源環境科學數據中心(http://www.resdc.cn/),分辨率均為1 km；2000—2017年氣象數據來源于中國氣象數據網(http://data.cma.cn/)；從地理空間數據云(http://www.gscloud.cn/)獲取90 m分辨率的黃土高原數字高程模型(DEM)；黃土高原植被類型分區數據來源于黃土高原科學數據中心(http://www.iswc.ac.cn/)。

1.3 研究方法

1.3.1環境因子選取與分級

黃土高原自然環境復雜,植被的生長和分布受多種因素影響[1]。本文依據典型性、動態性、科學性、可量化性和可得性的原則選擇指標體系,共選取了年平均降雨量、年均氣溫、平均相對濕度、日照時數、平均風速、坡度、海拔、坡向、土壤類型和植被類型十個自然環境因子來探測環境對黃土高原植被NDVI的影響(表1)。并基于GIS平臺,利用自然斷點法[19]將數值型的環境因子分成八個等級,進而將分級后的數據重采樣到1 km的空間分辨率。同時,在黃土高原上使用GIS的漁網工具,生成6186個隨機采樣點。由于實施大規模的退耕還林(草)工程,黃土高原2001—2016年里耕地減少了10939 km2,變化率為-5.07%,林地總的增加面積為14444 km2,變化率為18.04%[8]。可見,退耕還林(草)工程顯著地增加了植被覆蓋度,然而本文只研究黃土高原植被NDVI與環境因子的空間關聯性,鑒于此,本文剔除2000—2018年土地利用類型發生變化的點以消除退耕退耕還林(草)工程對植被NDVI的影響,最終生成3668個采樣點。在此基礎上,通過GIS的空間分析能力,將3668個采樣點與黃土高原2000—2017年的年均植被NDVI和環境因子進行空間疊置,得到年均植被NDVI和環境因子的空間關聯數據。

表1 黃土高原環境因子選擇Table 1 Environmental factor selected in the Loess Plateau

1.3.2不同環境類型分區

為了分析不同環境條件下植被變化和環境因子的空間關聯性,對氣候、地貌、土壤和植被4種環境類型的分區劃分如下：

黃土高原氣候分區采用鄭景云等[20]對中國氣候分區方案,將黃土高原分為干旱區、半干旱區和半濕潤區三個氣候區。

黃土高原地貌分區采用中國1∶100萬數字地貌制圖規范方案[21],本文為了方便研究,依據地形起伏度對黃土高原地貌類型進行劃分,即平原(≤30 m)、臺地(30—70 m)、丘陵(70—200 m)、小起伏山地(200—500 m)、中起伏山地(500—1000 m)、大起伏山地(>1000 m)。

黃土高原土壤分類采用傳統的“土壤發生分類”系統,根據土壤形成的水熱條件、巖性及鹽堿的重大差異劃分出12個土綱[11],從中選取面積占比較大的6個土綱作為土壤類型分區對象,分別為半淋溶土、鈣層土、干旱土、漠土、初育土和半水成土。

植被區劃數據來源于黃土高原科學數據中心,自西北向東南依次為溫帶草原化荒漠地帶、溫帶荒漠草原亞地帶、溫帶典型草原亞地帶、溫帶森林草原亞地帶、暖溫帶北部落葉櫟林亞地帶和溫帶南部落葉櫟林亞地帶6個植被帶。本文依據趙瑞東[8]的研究,將植被帶合并成為3個植被區,前兩個地帶合并為荒漠區,中間兩個地帶合為草原區,后面的兩個地帶合為森林區。

1.3.3地理探測器分析

地理探測器的理論核心是通過空間異質性來探測因變量與自變量之間分布格局的一致性,據此度量因變量對自變量的解釋度,地理探測器可分為因子探測器和生態探測器等[14],其中因子探測器可以探測變量Y的空間分層異質性,以及探測某因子X在多大程度上解釋變量Y的空間分異,用q值度量,公式如下：

(1)

生態探測器用于比較X1和X2對屬性Y的空間分布的影響是否具有顯著的差異,以F統計量來衡量：

(2)

式中,nx1和nx2分別為兩個因子X1和X2的樣本量；SSWx1和SSWx2分別表示由X1和X2形成的層的層內方差之和；其中,零假設H0：SSWx1=SSWx2。如果在α的顯著性水平上拒絕H0,則表明兩個因子X1和X2對屬性Y空間分布的影響存在顯著的差異[14]。

依據自然斷點的結果,賦予每一個因子分類屬性值,自變量為年均植被NDVI,因變量為環境因子,將3668個采樣點的年均植被NDVI和環境因子數據分別輸入到地理探測器中,依次獲得全區和分區中植被NDVI與環境因子的空間關聯性結果。其中,利用因子探測器研究黃土高原全區和分區中植被NDVI的空間分布與環境因子的關系；利用生態探測器分析各個環境因子在黃土高原及其不同分區中對植被NDVI空間分布解釋力的差異性。結合因子探測器和生態探測器可確定兩個q值之間的是否具有顯著的差異,進而確定各區植被NDVI的主要環境驅動因子及各因子對不同分區中植被NDVI空間分布的解釋強弱。各區植被NDVI的主要環境驅動因子的解釋力q值大于該區其它環境因子的解釋力q值,且和該區其它環境因子對NDVI空間分布的影響相比,具有顯著的差異性；各因子對不同分區中植被NDVI空間分布的解釋強弱,用解釋力q值的大小和差異性進行判別。例如,假設因子X在Z1和Z2兩個分區中對NDVI空間分布的解釋力分別為qzx_1和qzx_2,若因子X在Z1 和Z2 區中對NDVI 空間分布的影響不存在顯著的差異性,則表明因子X在Z1和Z2區中對NDVI空間分布的解釋力較為一致；若因子X在Z1 和Z2 區中對NDVI 空間分布的影響具有顯著的差異性,且qzx_1大于qzx_2,則表明因子X在分區Z1中對NDVI空間分布的解釋力大于Z2。

1.3.4NDVI主要環境驅動因子判別

為研究黃土高原柵格單元尺度上NDVI的主要環境驅動因子,本研究利用加權線性組合[23]生成各環境因子對NDVI值的解釋力q值分布圖(圖1)。具體步驟如下：(1)計算權重：利用因子探測器獲得不同類型分區對NDVI空間分布的解釋力qz值,并依據公式3對其進行歸一化處理,將歸一化后的qz作為權重。(2)生成各環境因子的q值分布圖：基于GIS平臺,將不同類型分區的權重與其對應的環境因子的q值通過公式4進行組合,進而生成各環境因子的q值分布圖。(3)篩選NDVI主要環境驅動因子：依據柵格單元內各環境因子q值的大小篩選出不同柵格單元內q值的最大值及其對應的環境因子,最終得出影響黃土高原植被NDVI分布的最主要環境因子空間分布圖。判別所使用的公式如下：

圖1 黃土高原植被NDVI主要環境驅動因子判別技術路線圖Fig.1 Technical roadmap for distinguishing the main environmental driving factors of vegetation NDVI in the Loess PlateauNDVI:歸一化植被指數Normalized difference vegetation index

(3)

(4)

qmax _i=max {qx1_i,qx2_i,qx3_i,qx4_i,qx5_i,qx6_i,qx7_i,qx8_i,qx8_i,qx10_i}

(5)

2 結果分析

2.1 NDVI的空間變化特征

對黃土高原2000—2017年的年均植被NDVI的空間變化特征進行分析可知(圖2)：黃土高原2000—2017年的年均植被NDVI值在0.016—0.72之間,呈地帶性分布,由西北部向東南部逐漸升高。NDVI小于0.2的區域占黃土高原總面積22.18%,主要位于寧夏同心縣以北、甘肅省蘭州市以北等；NDVI介于0.2—0.3范圍內的區域占黃土高原總面積的27.60%,主要位于內蒙古伊金霍洛旗以南和陜西安塞縣以北等；NDVI處于0.3—0.4范圍內的區域占黃土高原總面積的22.36%,零散分布在青海西寧市以北和山西省武鄉縣等地；黃土高原東南部的NDVI較高(>0.4),包括河南省北部和山西陽城縣等,約占黃土高原總面積的27.87%。

圖2 黃土高原2000—2017年年均植被NDVI空間分布圖Fig.2 Spatial distribution map of average annual vegetation NDVI in the Loess Plateau during 2000—2017

2.2 NDVI與環境因子的關聯性分析

2.2.1全區因子驅動分析

對黃土高原3668個采樣點的環境因子和2000—2017年年均NDVI的空間關聯性及其差異性進行分析(表2)：各因子對NDVI空間分布的解釋力q值的顯著性檢驗P值均小于0.001,說明各環境因子的q值具有統計學意義,其中,年平均降雨量(q=0.68)、日照時數(q=0.63)、相對濕度(q=0.54)、植被類型(q=0.54)和年均氣溫(q=0.51)對NDVI空間分布的解釋等級為強解釋力；土壤類型(q=0.30)、平均風速(q=0.25)、坡度(q=0.17)和海拔(q=0.10)為弱解釋力；而坡向(q=0.01)對NDVI空間分布無解釋力(表2)。同時,除植被類型與平均相對濕度對NDVI空間分布的影響不具有顯著的差異性外,其余環境因子間對NDVI空間分布的影響存在顯著的差異。表明2000—2017年黃土高原年均植被NDVI分布具有空間異質性,且氣候因子和植被類型對黃土高原NDVI空間分布具有較強的解釋力,而地形因子和土壤類型對NDVI空間分布解釋較弱。

表2 環境因子對黃土高原植被NDVI空間分布的解釋力q值Table 2 The explanatory power q value of environmental factors on the spatial distribution of vegetation NDVI in the Loess Plateau

2.2.2分區因子驅動分析

鑒于黃土高原全區2000—2017年年均植被NDVI空間分布具有較強的異質性,利用地理探測器,分析不同植被區、地貌區、土壤區和氣候區中采樣點的植被NDVI空間分布與環境因子的關聯性,進一步識別環境因子對植被NDVI影響的差異性。

(1)植被區

從圖3可知,在森林區中,主要的環境驅動因子為植被類型,q值為0.34,解釋等級為中等解釋力；在草原區中,日照時數和年降水量是主要的環境驅動因子,q值分別為0.44和0.41,解釋等級均為中等解釋力；在荒漠區中,土壤類型和植被類型是主要的環境驅動因子,q值分別為0.51和0.48,解釋力等級分別為強解釋力和中等解釋力,對NDVI的空間分布有較強的驅動作用。在不同植被區中,氣候因子在草原區中對NDVI空間分布的解釋力q值顯著高于荒漠區和森林區；植被類型和土壤類型在荒漠區中對NDVI空間分布的解釋力q值顯著高于草原區和森林區。

圖3 環境因子對黃土高原不同植被區中植被NDVI的解釋力q值及其差異性Fig.3 The explanatory power q value and its differences of environmental factors on the spatial distribution of vegetation NDVI in different vegetation zones of the Loess Plateau不同大寫字母表示同一環境因子在不同區中差異顯著(P<0.05),不同小寫字母表示不同環境因子在同一區中差異顯著(P<0.05)

(2)地貌區

由圖4可知,年平均降雨量是各地貌區中NDVI空間分布的主要環境驅動因子,對NDVI空間分布的解釋力q值均高于0.60,解釋等級均為強解釋力,其空間關聯性在不同地貌類型區間具有顯著的差異性,在臺地中,年平均降雨量對NDVI空間分布的驅動作用較強,q值為0.83,而在中起伏山地中較弱,q值為0.61。在不同地貌區間,除年均風速外,其余氣候因子在臺地中的解釋力q值顯著高于其它地貌區,同時,除年均氣溫外,其余氣候因子在中起伏山中的解釋力q值顯著低于其它地貌區；土壤類型和植被類型在大起伏山地中的解釋力q值顯著高于其余地貌區,但在小起伏山地中顯著低于其它地貌區；海拔在平原中對NDVI空間分布的解釋力q值顯著高于其它地貌區。

圖4 環境因子對黃土高原不同地貌區中植被NDVI的解釋力q值及其差異性Fig.4 The explanatory power q value and its differences of environmental factors on the spatial distribution of vegetation NDVI in different geomorphic zones of the Loess Plateau

(3)土壤區

由圖5可知,在半淋溶土中,年平均降雨量和日照時數是NDVI空間分布的主要環境驅動因子,q值均為0.23,均為弱解釋力；在鈣層土中,NDVI空間分布的主要環境驅動因子是年平均降雨量和日照時數,q值分別為0.55和0.56,均為強解釋力；在干旱土、漠土和初育土中,NDVI空間分布的主要環境驅動因子均為年平均降雨量,q值均大于0.7,為強解釋力；在半水成土中,日照時數和相對濕度是NDVI空間分布的主要環境驅動因子,q值分別為0.66和0.63,均為強解釋力。在不同土壤區中,年平均降雨量、年平均氣溫、日照時數、坡度和植被類型在干旱土中對NDVI空間分布的解釋力q值顯著高于其它土壤區,而氣候因子和植被類型在半淋溶土中解釋力q值顯著低于其它土壤區；海拔在半水成土中的解釋力q值顯著高于其它土壤區。

圖5 環境因子對黃土高原不同土壤區中植被NDVI的解釋力q值及其差異性Fig.5 The explanatory power q value and its differences of environmental factors on the spatial distribution of vegetation NDVI in different soil zones of the Loess Plateau

(4)氣候區

由圖6可知,在半濕潤地區中,主要的環境驅動因子為植被類型,q值為0.38,為中等解釋力；在半干旱區中,年降雨量是主要的環境驅動因子,q值為0.47,為中等解釋力；在干旱區中,土壤類型和植被類型的q值分別為0.54和0.50,解釋力等級均為強解釋力。在不同氣候區間,氣候因子在半干旱區中解釋力q值顯著高于半濕潤區和干旱區；而土壤類型和植被類型在干旱區中解釋力q值顯著高于半濕潤區,在半濕潤區中解釋力q值顯著高于半干旱區。

圖6 環境因子對黃土高原不同氣候區中植被NDVI的解釋力q值及其差異性Fig.6 The explanatory power q value and its differences of environmental factors on the spatial distribution of vegetation NDVI in different climatic zones of the Loess Plateau

2.2.3NDVI主要環境驅動因子分析

對黃土高原2000—2017年年均NDVI主要環境驅動因子及其q值的空間分布進行分析可知(圖7)：黃土高原約12.01%的區域NDVI值主要受土壤類型影響,解釋力q值大于0.3,多為中等解釋力,主要分布在黃土高原西北部,包括內蒙古烏拉特前旗以北、寧夏同心縣以北及甘肅靖原縣等；NDVI值主要受日照時數影響的區域約占全區1.79%,解釋力q值在0.3—0.5之間,為中等解釋力,主要分布在山西南部和東部；NDVI值主要受年均氣溫和海拔影響的區域較少,分別占全區的0.14%和0.86%,其中主要受年均氣溫影響的區域零星分布在甘肅靖遠東部和內蒙古烏拉特前旗南部,q值在0.3—0.5間,為中等解釋力,主要受海拔影響的區域主要分布在陜西和山西接壤處,q值在0.3—0.5之間,為中等解釋力。其余85.20%的區域植被生長主要受年平均降雨量影響,其中41.43%的區域降水對NDVI值的解釋等級為強解釋力,主要分布在半干旱區,約43.75%的區域為中等解釋力,主要分布在黃土高原南部,約0.02%的區域為弱解釋力。可見,降水量是黃土高原NDVI空間異質性的主要驅動因子,進一步說明黃土高原植被建設中堅持“以水定植”的重要性。

圖7 黃土高原植被NDVI主要環境驅動因子及其解釋力等級分布圖Fig.7 The main environmental driving factors of vegetation NDVI in the Loess Plateau and its q value classification spatial distribution

3 討論

黃土高原位于氣候過渡帶,地勢由東南向西北逐漸升高[18],地表起伏頻率大,地貌類型和植被類型多樣,土壤類型繁多,且空間分布不均,導致植被的生長和分布受多種條件影響[1,15]。其中,氣候和土壤提供植物生命活動所需的能量[24],地形要素通過改變局部地區水熱的分配來影響植被生長[7],植被類型通過影響植被與大氣間的物質和能量相互作用對氣候產生影響,而改變的氣候又通過大氣與植被的物質和能量交換作用對植被生長產生影響[9]。NDVI能夠反映植被生長狀況[3],其空間分布特征可以衡量植被與生態環境之間的關聯性。黃土高原植被NDVI與環境因子具有空間關聯性,且由于黃土高原地理過程的復雜性,各環境因子與植被NDVI的空間關聯性在不同的類型區中存在顯著的差異性。

(1)在不同植被類型區中,氣候因子在草原區中對NDVI空間分布的解釋力較高,在荒漠區和森林區解釋力較弱；而植被類型和土壤類型在荒漠區中對NDVI空間分布的解釋力較高,在森林區和草原區較低,原因可能是在不同植被區中,物種組成、群落結構和系統穩定性等方面存在明顯差異,致使不同植被區中植物對外界環境變化的響應有所不同[9]。例如,在黃土高原典型的子午嶺、呂梁山、六盤山和秦嶺等森林區中,植物主要以喬木為主,而喬木通過發達的根系、豐富的凋落物和植物群落等的共同作用對大氣降水進行重新分配和調節,有效改善了當地小氣候和土壤理化性質[25],致使森林區中的植物對環境的依賴性較小。在云霧山草原區中,植物以灌木和草本為主[26],物種多樣性較低,導致該區生態系統穩定性偏低,進而致使植被對環境變化具有較強的敏感性[27-28]。在毛烏素沙漠和庫布齊沙漠等荒漠區中,植被稀少,對水分和熱量的利用率有限[29],土壤持水能力和地形對水熱的分配能力一定程度上決定了植被對水分和熱量的利用率[10—11],對植被生長起著關鍵作用。由此可知,提高植物覆蓋率及其物種多樣性可消弱植被對環境因子的依賴性,進一步說明黃土高原“退耕還林”的必要性,但“退耕還林”應注重多種樹種間在空間上的混搭,以提高生態系統穩定性。

(2)在不同地貌區中,氣候因子在臺地中對NDVI空間分布的解釋力度較高,而在中起伏山地中的解釋力較低；土壤類型和植被類型在大起伏山地中的解釋力高,在小起伏山地的解釋力較底,這可能因為地形地貌通過改變地表徑流和土壤水分布來調節植被水分的獲取,進而影響植物NDVI的分布格局[10]。例如,分布在山西太原邊緣、臨汾東部等區域的臺地,臺面傾斜,水系沖溝較發育,易形成地表徑流[30],溝頭溯源侵蝕較強烈,進而降低土壤含水量和土壤肥力等,從而增強植被對氣候和土壤等條件的依懶性。因此,在具體的植被建設中,應選擇根系發達、耐貧瘠的物種,以防止土壤侵蝕和提高植被覆蓋率。興隆山是西北半干旱區典型的中起伏山地,該區地形可以增加其上空水汽的平流輸入,加強下墊面水汽向上輸送,且地形的強迫作用有利于云雨和降水的形成[31],使得該區的年降水量明顯高于周邊地,進而消弱了植被對氣候要素的依賴性,該區的植被建設建議以“近自然林業”為指導思想[32],以達到植被群落的動態平衡。

(3)在不同土壤類型區中,氣候因子和植被類型在干旱土中對NDVI空間分布有著較強的解釋力,在半淋溶土中解釋力較弱,這可能是由于不同土壤類型成土條件和過程及理化性質的不同[10]。例如,半淋溶土是通過碳酸鹽的淋溶和沉積過程形成的,其含水量和有機質含量高、營養元素較豐富,半淋溶土中植物多以喬木和灌木為主[11],森林植被具有的自我調節能力[27],消減了植被對環境因子的依賴性。干旱土持水能力差,有機質含量較低,且多數微量元素的含量缺乏[11],該區中植物多以草本為主,而草本植物對外界環境條件的改變具有敏感性[28],使得該區的植被對環境因子的依賴性強。在具體植被建設中,應考慮不同土壤的成土條件和過程及理化性質,培養適應于不同土壤類型中生存的物種,防止土壤貧瘠化和干燥化,以提高物種存活率,形成穩定的植物群落[33]。

(4)在不同氣候區中,黃土高原植被NDVI與環境因子的空間關聯性具有明顯的差異性。較干旱地區植被對水分和熱量的利用率有限[29],而土壤類型和植被類型決定了植物對水分和熱量的再利用率[8,11],因此在干旱區中,土壤類型和植被類型成了植被NDVI空間異質性的主要環境限制條件,在具體的植被建設中,應注重物種的選擇,強化植物精準配置[34]。氣候因子對半濕潤區中植被的影響較小,這可能因為半濕潤區年平均降雨量較多,年均氣溫較高,致使該區植被類型主要以喬木和灌木為主,同時,這些地區靠近河流,人為灌溉較多,植被生長對雨水的依賴較少,鑒于此,該區可選擇的比較適宜的生態經濟兼備高效水土保持植物；在半干旱區中,氣候因子對植被的空間分布影響較強,尤其是降水量,這可能是因為半干旱地區降水稀少,蒸散量大[7],降水量與植物需水量的關系供不應求,從而影響植物生長,導致降水量成為黃土高原植被NDVI空間異質性的主要驅動因子,進一步說明降水量對相對缺水地區植被生長較為重要[35],為了消弱半干旱區中植被對氣候因子的依賴性,在植被建設中,應注重選擇耐旱的物種,以維持土壤水分的持續利用等。

4 結論

本文基于GIS和地理探測器平臺,選取氣候要素、地形因素、土壤類型和植被類型等自然環境因子,研究黃土高原植被NDVI與環境因子的空間關聯性,得出以下結論：

(1)黃土高原2000—2017年的年均植被NDVI值在0.016—0.72之間,呈地帶性分布,由西北部向東南部逐漸升高。其中,NDVI小于0.3的區域占黃土高原總面積49.78%,NDVI處于0.3—0.4范圍內的區域占黃土高原總面積的22.36%,NDVI大于0.4的區域占黃土高原總面積的27.87%。

(2)2000—2017年黃土高原年均植被NDVI分布具有空間異質性,其中年平均降雨量、日照時數、相對濕度、植被類型和年均氣溫對NDVI空間分布的解釋等級為強解釋力；而土壤類型、平均風速和地形因子為弱解釋力或無解釋力。

(3)在不同氣候區、植被區、地貌區和土壤區中,黃土高原植被NDVI與環境因子的空間關聯性具有差異性。對于不同植被區,NDVI主要環境驅動因子在森林區中是植被類型,草原區中是日照時數和年平均降雨量,荒漠區中是土壤類型和植被類型。在各地貌類型區中,年平均降雨量均是NDVI空間分布的主要環境因子；對于土壤類型區,干旱土、漠土和初育土區的NDVI主要環境驅動因子均為年平均降雨量,半水成土區為相對濕度和日照時數,半淋溶土和鈣層土區中均是年平均降雨量和日照時數。對于不同氣候,NDVI主要環境驅動因子在半濕潤區和半干旱區中分別是植被類型和年平均降雨量,在干旱區中是土壤類型和植被類型。

(4)黃土高原有85.20%的區域植被生長主要受年平均降雨量影響,約12.01%的區域植被生長主要受土壤類型影響,其余區域的植被生長主要受年均氣溫、日照時數或海拔影響,表明黃土高原“以水定植”的重要性。

綜上,環境因子與黃土高原植被NDVI分布具有較強的空間關聯性,但由于黃土高原地理過程的復雜性,在不同環境條件下,各環境因子與植被NDVI的空間關聯性存在顯著的差異性。因此,建議綜合考慮不同環境條件下NDVI的空間分布與各影響因子的空間關聯性,明確不同區域的環境制約因子,以制約因子定植,在防止土壤干燥化、貧瘠化的前提下,提高植被覆蓋率和生物多樣性,以期促進黃土高原植被建設高質量發展。