因子回歸和交互聯合探索區域植被覆蓋度的影響因素——以三江源地區為例

趙 丹,王祖偉,張國壯,徐永敏,孫立堅

因子回歸和交互聯合探索區域植被覆蓋度的影響因素——以三江源地區為例

趙 丹1,2,王祖偉1*,張國壯2,3,徐永敏4,孫立堅2

(1.天津師范大學地理與環境科學學院,天津 300387；2.中國測繪科學研究院,北京 100830；3.長安大學地球科學與資源學院,陜西 西安 710054；4.國家測繪產品質量檢驗測試中心,北京 100830)

利用SPOT VEGETATION數據獲取的歸一化植被指數(NDVI),分析三江源地區植被覆蓋度(FVC)的空間異質性,圍繞自然和人類活動因素,基于因子回歸與交互作用聯合探索自然因素和人為因素對三江源地區植被覆蓋的影響.結果表明:(1)三江源地區植被覆蓋度整體呈現明顯的空間異質性;(2)總體上FVC空間分布的影響因素表現為自然環境因素>人類活動因素;(3)降水是影響三江源地區FVC的主要驅動因子,解釋力達0.777;(4)因子交互發現:驅動解釋系統呈現雙因子增強,說明從系統的角度來看不存在獨立起作用的因子,年降水量與其他因子的交互作用最強;(5)降水梯度影響了三江源地區FVC空間異質性的解釋程度.隨著降水增加,因子解釋力趨穩,在降水量較多的三江源東部地區,FVC趨向于更易受高程和氣溫的影響;(6)數據結果亦驗證了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不能完全等同.

植被覆蓋度(FVC)；三江源；驅動因子；貝葉斯回歸；地理探測器；影響因素

植被是地球陸地生態系統的基本組成部分,在土壤形成、能量交換和地球表面的生物地球化學循環中發揮著重要作用[1-3],遙感以重復周期短,覆蓋范圍廣的優勢已成為監測植被覆蓋的主要技術手段[4],在遙感獲取的多種植被指數中,歸一化植被指數(NDVI)以其明確的物理意義和簡潔的反演算法,被廣泛應用于區域乃至全球植被變化的研究.

植被覆蓋度(FVC)影響因素研究是生態學、地理學、動植物學等學科持續關注的熱點.許多學者對影響FVC的因素進行了研究,認識到影響FVC的因素主要涉及自然和人為因素[5],影響因子包括氣溫、降水、土壤類型、植被類型等;研究還發現,由于環境差異和社會經濟發展,FVC及其驅動因素在區域層面上有很大差異,因子對FVC的驅動解釋具有空間異質性[6],如干旱半干旱地區的FVC特征以及驅動因子有別于濕潤半濕潤區[7].因此,為了實施生態養護和生態恢復措施,有必要在區域層面了解植被覆蓋的分布特征和驅動因素.

多元統計法是分析和識別驅動因素的常用方法之一,其中回歸模型計算量較小,模型簡單,被廣泛采用.張琪等[8]基于多元回歸方法分析了1982～2012年中亞植被覆蓋變化的氣候驅動解釋.Manuel等[9]基于線性、二次及三次回歸方法分析了生態發育過程中生物多樣性的驅動解釋.因子篩選影響回歸效果,常用的變量篩選方法有嶺回歸(Ridge Regression)[10]、LASSO回歸[11]等,這些篩選方法均為局部最優篩選,全子集篩選法列舉全部可能組合,并建立全局最優模型,以包含最少自由變量的模型解釋因變量,降低共線性的影響.張智韜等[12]通過全子集篩選最優光譜組合,構建深度差異模型,反演了不同FVC下的土壤含鹽量.回歸模型雖然可以獨立顯示因子對地理現象的影響程度,但忽視了因子間的相互作用,這對于系統認識地理現象的歸因是不夠的.

相比因子回歸分析,地理探測器考慮了因子間的相互作用,通過探測地理現象的空間分層,即空間異質性(SSH)來揭示其地理現象的驅動力,是解釋植被變化復雜驅動因素的有效方法.祝聰等[13]利用地理探測器對岷江上游FVC的影響因子進行了探測,結果表明:岷江上游FVC主要受海拔、氣溫、土壤類型、降水4個因子的影響;裴志林等[14]利用地理探測器發現影響黃河上游FVC空間分布的因素中氣候類環境因素>非氣候類環境因素>人類活動因素,其中降水量與土壤類型和土地利用的交互作用起主導作用;Zhu等[15]利用地理探測器分析了黑河流域中游地區的NDVI時空變化,研究發現自然和人為因素是NDVI變化的重要驅動力.雖然地理探測器可以有效探測因子的交互作用對地理現象的影響,但無法確定獨立因子的正負相關性,也缺少回歸模型對因變量特征模擬的能力.目前綜合協調因子回歸與交互探索區域植被覆蓋度的影響因素的認識不甚明了.

本研究以三江源地區植被覆蓋度為研究對象,利用SPOT VEGETATION數據(2019)獲取的歸一化植被指數(NDVI),探索利用因子回歸與交互作用聯合的方法,研究三江源地區植被覆蓋的自然和人類活動影響因素,以期為三江源生態環境評估和預測未來環境變化下的植被變化提供科學參考.

1 材料與方法

1.1 研究區概況

三江源地處青藏高原腹地、青海省南部,31°39′～36°12′N,89°45′～102°23′E,行政區域涉及玉樹、海南、果洛、黃南4個自治州的16個縣和格爾木市的唐古拉山鎮,總面積36.6萬km2,約占青海省總面積的50.4%(圖1).該區域是長江、黃河、瀾滄江三大水系的發源地,是我國和亞洲最重要河流的上游關鍵源區,每年向下游供水約500億m3.地形以山地地貌為主,海拔1953～6824m.氣候屬典型的高原大陸性氣候,年平均氣溫為-20～8℃,高海拔地區年均氣溫在0℃以下;年降水量145～961mm,絕大部分地區年降水量不超400mm,降水少且降水分布空間差異大,東部地區雨水較多,西部干燥多風,高寒缺氧;植被類型以草原、草甸和濕地類型為主,是我國和世界上影響力最大的生態調節區之一[16].

圖1 三江源地區位置示意

1.2 數據源及處理

1.2.1 NDVI數據 以年最大NDVI()作為因變量,基于每年1～12個月份的月NDVI最大值,采用最大值合成法合成年度植被指數數據集[17],數據來源于SPOT VEGETATION中國科學院資源環境數據云平臺(http://www.resdc.cn).

1.2.2 地形數據 STER GDEM V2數據來自于“地理空間數據云”(http://www.gscloud.cn/),經過拼接、格式轉換、裁剪得到三江源地區30m分辨率DEM數據(高程記為變量1),利用ArcGIS10.2中的3D分析模塊,從該數據中提取坡度和坡向信息(記為變量23),生成坡度圖和坡向圖.

1.2.3 氣象數據 氣象資料選擇年降水量和年平均氣溫(記為變量4,5),數據來源于國家科技資源共享服務平臺—國家地球系統科學數據中心(http://www.geodata.cn).

1.2.4 人類活動數據 選取人口密度、距村落距離、距道路距離(記為變量678.人口密度數據來源于WorldPop(https://www.worldpop.org/).農村居民點數據來源于百度LBS開放平臺,通過Place API V2.0獲取.道路數據來源于開放道路地圖數據庫OpenStreetMap(https://www.openstreetmap.org/).數據經處理后轉為WGS84坐標系,通過ArcGIS進行空間連接并生成人口密度圖、距村落距離圖和距道路距離圖.

1.2.5 輔助數據 包括水系數據和政區數據,均來源于國家基礎地理信息中心(http://www.ngcc.cn/)的1:100萬基礎地理信息數據(距河流距離記為變量9).

1.3 研究方法

1.3.1 地理單元采樣與重分類 (1)將研究區按照18km′18km,共創建883個格網單元,逐格網提取NDVI值和9個因子變量值;(2)地理探測器要求輸入變量為類型量,需要對連續型數據進行離散化處理,采用自然斷點分級法[18-20]對14、5、68、9分別劃分為5類;(3)按照《中國土壤分類與代碼》(GB/T 17296-2009)[21],對NDVI分級,將植被覆蓋度分為5級:0～0.2(極低植被覆蓋度)、0.2～0.4(低植被覆蓋度)、0.4～0.6(中植被覆蓋度)、0.6～0.8(高植被覆蓋度)、0.8～1(極高植被覆蓋度);(4)坡向按照平緩坡(-1°～0°),陰坡(0°～45°,315°～ 360°),半陰坡(45°～135°),陽坡(135°～225°),半陽坡(225°～315°)分為5個坡向帶[22];(5)坡度按照(0～5°)、(5°～10°)、(10°～15°)、(15°～20°)、(20°～25°)、(25°～30°)、(30°～35°)、(35°～40°)、(40°～45°)、(>45°)劃分坡度帶[23].

1.3.2 FVC估算 利用像元二分模型通過歸一化植被估算FVC0.公式如下:

式中: NDVI為像元歸一化植被指數值,NDVIveg為完全被植被覆蓋的像元NDVI值,NDVIsoil為完全無植被覆蓋的像元NDVI值.選取累計頻率1%和99%處的NDVI值作為NDVIveg和NDVIsoil.本研究利用年度最大合成的NDVI數據,通過公式(1)計算得到三江源地區的FVC[24-25].

1.3.3 貝葉斯線性回歸模型 貝葉斯模型是在概率統計中用所觀察到的現象對有關概率分布的先驗概率進行修正,當樣本大到接近總體數時,樣本中事件發生的概率將接近于總體中事件發生的概率的方法[26],根據貝葉斯定理:

式中:(|)為看到數據之后的條件分布密度(即后驗分布),()為參數的先驗分布密度,(,)為和的聯合分布(|)為給定參數時的密度函數,而()為的邊緣分布密度[27].

式中:為權重系數,為殘差.

1.3.4 全子集篩選 全子集篩選是基于不同自變量的所有可能的組合方式,對縮減后的變量組合進行最小二乘法擬合,在所有可能的模型中選擇一個最優模型[28].主要計算步驟:①記為自變量數目(=1,2,3…),擬合1～個預測變量的模型,根據“調整后2最大”準則來選擇個最優模型;②根據驗證集調整后的決定系數(2)、均方根誤差(MSE)從個模型中選擇一個最佳自變量組合.本研究以調整2(2adj)為選擇依據對全子集回歸進行最優模型篩選.③依次計算個最優模型的決定系數2、均方根誤差MSE、赤池信息準則IC、貝葉斯信息準則IC來綜合評價全子集篩選的結果;2、MSE來綜合評價NDVI()的擬合程度,2越接近1,表示FVC回歸擬合程度越高,MSE通過預測值和實測值的偏差度來判斷模型的準確性,其值越小表示預測值和實測值越接近,IC、IC是建立在熵的基礎上,衡量統計模型擬合效果優劣標準,其值越小表示該模型能夠以最少的變量數目最好的解釋因變量[29].

1.3.5 Pearson相關性 使用Pearson相關性系數度量因子間的相關性,計算公式如下[30-31]:

式中:(x,y)取值范圍[-1,1]:0表示兩個變量間無相關性,正值和負值分別表示正相關和負相關,值越大表示相關性越強.

1.3.6 地理探測器 地理探測器(Geo-detector)是基于空間分異理論、結合GIS空間分析技術等提出用來探測空間分異性并且揭示其驅動因子的一種統計方法[32],本研究用以定量分析三江源地區植被NDVI()變量的空間分異性在多大程度上由因子集解釋,原理如下:

式中:=1,…,為變量或因子的分類或分區(簡稱層);N和分別為分層和全局區域的單元數;2和2分別是分層和全區域的變量的方差.SSW和SST分別為層內方差之和和全區總方差.的值域為[0,1],數值越大說明變量的空間分異性越顯著;如果分層是由自變量生成的,則值越大表示自變量對屬性的解釋力越強,反之則越弱.=1表示變量完全由因子決定,=0則說明因子與變量無關.

因子交互性判斷:識別不同因子1,2…之間的交互作用,是否會增加或減弱對因變量的解釋力.方法是兩兩判斷,如分別計算因子1和2對變量的值:(1)和(2),并計算1、2相交部分的值(1∩2) ,對(1)、(2)和(1∩2)進行比較.

生態假設:用于比較兩個因子1,2對的空間分布的影響是否具有顯著的差異,用統計量表示:

∈[0,1]且服從非中心分布,值越大表示被探測到的因子對由描述的空間(或社會認知)異質性的解釋力越大.

計算分別在ArcGIS 10.2(FVC空間異質性計算顯示及制圖)、R(全子集模型要素提取、貝葉斯線性回歸)和地理探測器軟件(Geo-Detector 2015)中完成.

2 結果和分析

2.1 研究區植被覆蓋度空間異質性

三江源地區FVC呈現由東南向西北遞減(圖2)趨勢,極低、低、中、高、極高FVC區域分別占該地區總面積的16.25%、23.26%、21.67%、27.92%、10.90%.高、極高值區主要分布三江源地區的東、中部地區,區域內分布著阿尼瑪卿山和巴顏喀拉山等山系,降水較多,河流、湖泊較密集,形成大面積的濕地,植被以高寒草甸為主[30,33].低值區主要分布在三江源地區的西部,包括瑪多縣和曲麻萊縣北部、治多縣中西部、雜多縣西部及唐古拉鎮等區域,區域內分布有昆侖山和唐古拉山等山系,區域內氣候寒旱,植被以零星分布的高寒草原為主[34].三江源地區由東南向西北高程逐漸升高,降水量逐漸減少,熱量條件逐漸變差.

圖2 研究區FVC空間分布

從空間表達上看,研究區低海拔地區的FVC較高(圖2,圖3a);三江源地區FVC與氣溫和降水在空間上存在著一定的對應關系,空間上氣溫(降水)較高的區域,同時也是FVC較高的主要區域(圖2,圖3d,圖3e);由于獨特的地理位置,三江源地區的人類活動空間異質性差異很大,西部地區人跡罕至,人類設施較少.畜牧業生產及人類活動主要集中在東部地區一些較大的居民點附近(圖3f、圖3g、圖3i).人類在選擇生活點的時候有針對性地選擇了植被覆蓋條件好的區域,這些區域通常河流水源充沛、氣候等環境條件好.

圖3 各影響因子的空間分布

2.2 貝葉斯線性回歸分析

2.2.1 回歸模型要素特征提取 變量間的高度相關性會造成模型估計失真或難以估計準確,需要對自變量進行多重共線性檢驗,計算方差膨脹因子(VIF),結果見表1,所有解釋變量的VIF<10,同時解釋變量的容忍度(1/VIF)>0.1,基本符合回歸模型特征獨立的假設[35].

表1 多重共線性檢驗

圖4 全子集篩選最佳組合方式

2.2.2 全子集模型篩選最優自變量組合方式 將9個影響因子指標進行標準化處理,進行全子集模型篩選.對每個子集模型以2adj確定變量組合,共選出9個最優模型.每個組合對應的最優模型2、MSE、IC、IC見圖4.隨著模型自變量數量的增加,2逐漸增大,模型的擬合程度越來越好;當=6時,2達到最大,模型擬合效果最好,此時的回歸模型表達式為:

上式顯示,年降水量(4)、年平均氣溫(5)、人口密度(6)、距村落距離(7)、距道路距離(8)、距河流距離(9)對因變量的擬合效果最好,影響因子大小為年降水量(4)>距村落距離(7)>年平均氣溫(5)>距道路距離(8)>距河流距離(9)>人口密度(6).式中年降水量的系數遠大于其他因子的值,說明在獨立因子作用下,年降水量對FVC的影響作用尤為顯著.

2.3 地理探測器結果分析

2.3.1 植被覆蓋分布的主導影響因子 如圖5所示,各因子對FVC空間分布的解釋力值排序為:年降水量(4)>距村落距離(7)>高程(1)>年平均氣溫(5)>距道路距離(8)>坡度(2)>距河流距離(9)>坡向(3).表明降水量是影響三江源地區FVC空間分布的主要驅動因子,解釋力達到0.777;距村落距離(7)則是人類活動中對FVC的解釋力最大的因子,解釋力為0.620,所有因子中僅次于降水;高程(1)是第三重要的因素,解釋力為0.517;解釋力在0.5和0.3之間的因子依次為年平均氣溫(5)、距道路距離(8)、坡度(2);坡向(3)、人口密度(6)、距河流距離(9)的解釋力均小于0.2,尤其是坡向(3)和人口密度(6) 的解釋力很微弱.這一結果與三江源地區地理環境和歷史沿革密切相關:三江源地區的植被主要是能適應寒旱氣候的高山草原和高山草甸[36],形成和分布深受印度洋季風氣候效應的影響,對降水較為敏感,由于三江源地區人口稀少,草原畜牧業傳統逐水草而居的生產生活方式則將居民點與水草豐美聯系到了一起.

2.3.2 因子的差異性 生態探測檢測了因子間是否存在顯著差異(圖6),結果顯示除了坡向(3)和人口密度(6)之間無顯著性差異,其余因子間都存在顯著性差異(<0.05).高程(1)和年平均氣溫(5)的Pearson系數絕對值最大(-0.83),呈負相關,說明三江源地區地面氣溫變化深受高程的影響,氣溫對FVC空間分布的影響實質上是高程的間接作用[14].

2.3.3 因子的交互作用 任意兩種因子交互效果都表現為雙因子增強(圖7),說明從系統的角度來看不存在獨立起作用的因子.年降水量與其他因子的交互作用最強,年降水量∩年平均氣溫 ((45)= 0.872)和高程∩年降水量((14)=0.864)的交互驅動解釋最強,結合圖4,年降水量(4)和年平均氣溫(5)是自變量個數為2時的最優組合,這就共同說明了年降水量(4)和年平均氣溫(5)是三江源地區FVC的最顯著驅動組合.

圖5 因子探測結果

圖6 生態探測與Pearson 相關性系數

顯著性水平*<0.05

同時發現:年降水量∩距村落距離((4∩7)= 0.827)為交互探測的第三重要值.圖7亦顯示人類活動因素的驅動作用并不明顯,說明當前三江源地區的人類活動對FVC空間分布影響依然較弱.

2.3.4 因子對系統解釋穩定性的影響 在自然驅動因素中,年降水量對FVC的影響最大,這與以往的研究結果一致[37-38].如圖8所示,高程(1)對降水量較少(Level1)區域的FVC影響較大,這些地區主要分布在三江源地區的西部,高程較高,降水不足以滿足植被生長,植被稀少,青藏高原的冰川積雪融水成為這些地區植被的主要水分來源,冰川分布受海拔影響,同時該區域主要植被類型為高山草甸和高寒草原,生態系統結構相對簡單化,功能脆弱化[39],抗干擾能力較差;少量分布在居民點附近的植被點(牧民逐水而居的主動選擇)夸大了人為因素對FVC的解釋,此時的驅動解釋系統不穩定,極易受變量擾動的影響.隨著降水梯度的增加,FVC驅動解釋系統趨于穩定,因子解釋力的波動降低.

圖7 交互探測結果

圖8 FVC影響因子隨年降水量梯度變化的q值

也就是說,考慮到FVC的空間異質性,對連片FVC較低地區進行因子探測其結果是不穩定的.隨著降水持續增加,值趨穩,降水的增加使得FVC的系統解釋性越來越穩定,在降水量較多的東部地區,FVC驅動解釋系統的其穩性較高.當降水量最大時(Level5),高程(1)、坡度(2)和年平均氣溫(5)成為主要因子,也就是說在降水足以滿足植被生長的狀態下,FVC趨向于更易受高程、坡度和氣溫的影響,溫度對植被的影響被水分條件所限制,當溫度過低時,植被的生理活動受到抑制,此時適當升高溫度可以促進光合作用,同時距河流的距離(9)的值逐漸減小,說明此時降水足以為植被生長提供充足水分,減弱了河流和人為影響的作用.

3 討論

國內外學者借助不同的方法對FVC變化及驅動因子分析進行了研究,如殘差分析法[40]、相關分析法[41]等,殘差分析法不能對影響因子進行量化,相關分析法雖然能量化數值,但對于空間異質性的反映不足,而且分析多集中在獨立因子個體上.本文綜合協調因子回歸與因子交互聯合探索FVC空間異質性的驅動解釋,此方法未有人研究開展.在因子回歸分析中,利用貝葉斯線性回歸模型并經全子集篩選提取、擬合研究區FVC空間分布,貝葉斯線性回歸相對于多元線性回歸可以有效減少模型的過擬合程度.全子集篩選法以包含最少自由變量的模型解釋因變量的擬合效果.回歸模型本質上是以獨立自變量因子模擬因變量的特征,雖然可以顯示因子對地理現象的影響程度,但未考慮因子間的相互作用,這對于系統認識地理現象的歸因是不夠的.相比于因子回歸,地理探測器考慮了因子間的相互作用,通過探測地理現象的空間分層來揭示其地理現象的驅動力,是研究復雜驅動因素的有效方法,但是地理探測器缺少回歸模型對因變量特征模擬的能力.

3.1 FVC的因子獨立解釋

從因子獨立的角度看,三江源地區FVC空間分布的影響因素中自然環境因素>人類活動因素,其中主要受年降水量、年平均氣溫、距村落距離、距道路距離4個因子的影響. 年降水量對三江源地區FVC的影響作用尤為顯著,這與以往的研究結果一致[42];就擬合過程來看(式15),距村落距離負向顯著,年降水量、年平均氣溫、距道路距離正向顯著.年降水量的線性關系明顯較其他因子顯性.結合圖3,說明在該地區降水的影響較其他因素作用更普遍.而年平均氣溫、距村落距離和距道路距離等的影響則具有區域異質性.

3.2 FVC的因子交互解釋

從因子交互的角度看:年降水量與其他因子的交互作用最強,年降水量∩年平均氣溫和高程∩年降水量的交互驅動解釋最強,說明氣溫和降水是決定三江源地區植被生長狀況的最主要因子.FVC與氣溫和降水呈正相關,降水增多、溫度增暖使得FVC向著相對較好的生態狀況發展,這與文獻0關于三江源地區植被變化的研究結果一致;交互探測還發現:兩種因子交互效果都表現為雙因子增強,因子的交互作用對FVC的解釋力遠大于獨立因子的解釋力,說明從系統的角度來看不存在絕對獨立作用的因子,FVC變化是多要素綜合作用的結果,自然和人為影響因子與FVC變化之間存在復雜的互饋效應.提醒有必要從系統的角度研究FVC的深層次驅動.

3.3 FVC驅動解釋系統的穩定性

在自然驅動因素中,降水對FVC的影響最大,這與已有研究結論一致,即水分是植被生長的關鍵限制因素,植被比其他自然因素對降水更敏感[37].本研究還發現降水梯度影響了三江源地區FVC的空間異質性的解釋程度.在降水稀少的西部,植被稀少,少量分布在居民點附近的植被點(牧民逐水而居的主動選擇)夸大了人為因素對FVC的解釋,此時的解釋系統是不穩定的,極易受變量擾動的影響.隨著降水梯度的增加(對應FVC的提升),FVC驅動解釋系統趨于穩定,因子的解釋值波動趨窄.也就是說,考慮到FVC的空間異質性,對連片FVC較低地區進行因子探測其結果有可能是不穩定的.隨著降水持續增加,因子解釋力值趨穩,降水的增加使得FVC的系統解釋性越來越穩定,在降水量較多的東部地區,FVC驅動解釋系統的穩定性較高.當降水量最大時(Level5),高程、氣溫逐漸成為主要影響因子,也就是說在降水足以滿足植被生長的狀態下,三江源地區FVC趨向于更易受高程和氣溫的影響,這在以往三江源地區FVC研究中未見描述.

3.4 本研究的局限性

FVC變化受氣候、地形、人類活動等多重因素的共同影響,作用機制復雜[44-45].長時序的FVC監測對于研究植被生態環境作用機理更為有利,限于數據資料,本研究選取在一個時間年上進行分析,屬于單年份截面分析.擬在后續研究中補充數據,探討影響因子在長時序FVC監測中的解釋變遷,以更全面的揭示區域FVC的深層次受影響機制.

4 結論

4.1 從獨立因子回歸的角度看,三江源地區FVC空間分布的影響因素中自然環境因素>人類活動因素.年降水量為主導并疊加年平均氣溫、人口密度、距村落距離、距道路距離、距河流距離的因子回歸模型對因變量(NDVI)的擬合效果最好.

4.2 因子探測發現:三江源地區FVC空間分布的影響因素中,年降水量>距村落距離>高程>年平均氣溫>距道路距離>坡度>距河流距離>坡向,說明降水是三江源FVC空間分布的主導驅動因子(=0.777),這一點與因子回歸的結果一致.

4.3 全局最優篩選出的6個因子權重排序與因子探測中這些因子的值排序并非一致,表明全局最優篩選回歸模型僅僅是模擬因變量特征的最優函數,與FVC的驅動解釋不能完全等同.

4.4 因子交互發現:兩種因子交互效果都表現為雙因子增強,說明從系統的角度來看不存在獨立起作用的因子.年降水量∩年平均氣溫和高程∩年降水量的交互驅動解釋最強.

4.5 降水梯度深刻影響了三江源地區FVC空間異質性驅動解釋的穩定性.降水的增加使得FVC的驅動解釋結果更穩定.在降水足以滿足植被生長的三江源東部地區,FVC更易受高程和氣溫的影響;在降水稀少的三江源西部地區進行探測,其結果是不穩定的.

[1] Sidi A M,Wu Y P,Kumar A,et al. Spatiotemporal analysis of vegetation cover changes around surface water based on NDVI: a case study in Korama basin,Southern Zinder,Niger [J]. Applied Water Science,2020,11(1).

[2] Liu H,Zheng L,Yin S. Multi-perspective analysis of vegetation cover changes and driving factors of long time series based on climate and terrain data in Hanjiang River Basin China [J]. Arabian Journal of Geosciences,2018,11(17):509.

[3] Ning T,Liu W,Lin W,et al. NDVI variation and its responses to climate change on the Northern Loess Plateau of China from 1998 to 2012 [J]. Advances in Meteorology,2015.

[4] Fensholt R,Langanke T,Rasmussen K,et al. Greenness in semi-arid areas across the globe 1981-2007—an Earth Observing Satellite based analysis of trends and drivers. Remote Sensing of Environment,2012,121.

[5] Li H T,Xie M M,WANG H H,et al. Spatial heterogeneity of vegetation response to mining activities in resource regions of Northwestern China [J]. Remote Sensing,2020,12(9):3247.

[6] Du Z Q,Zhang X Y,Xu X M,et al. Quantify influences of physiographic factors on temperate dryland vegetation,Northwest China,Scientific Reports,2017,7(1):40092.

[7] 李茂林,閆慶武,仲曉雅,等.干旱半干旱地區植被覆蓋度變化及主導因素分析:以錫林郭勒為例[J]. 生態與農村環境學報,2021,37(12): 1548-1558.

Li M L,Yan Q W,Zhong X Y,et al. Analysis on evolution and dominant factors of factional vegetation coverage in arid and semi-arid regions: A case of Xilingol [J]. Journal of Ecology and Rural Environment,2021,37(12):1548-1558.

[8] 張 琪,袁秀亮,陳 曦,等.1982～2012年中亞植被變化及其對氣候變化的響應[J]. 植物生態學報,2016,40(1):13-23.

Zhang Q,Yuan X L,Cheng X,et al. Vegetation change and its response to climate change in Central Asia from 1982 to 2012 [J]. Chinese Journal of Plant Ecology,2016,40(1):13-23.

[9] Manuel D B,Richard D B,Peter M V,et al. Changes in belowground biodiversity during ecosystem development [J]. Proceedings of the National Academy of Sciences of the United States of America,2019,116(14):6891-6896.

[10] 焦 偉,陳亞寧,李 稚,等.基于多種回歸分析方法的西北干旱區植被NPP遙感反演研究[J]. 資源科學,2017,39(3):545-556.

Jiao W,Chen Y N,Li Z,et al. Inversion of net primary productivity in the arid region of Northwest China based on various regressions [J]. Resources Science,2017,39(3):545-556.

[11] 馮 磊,楊 東,黃悅悅.2000～2017年川渝地區植被NDVI特征及其對極端氣候的響應[J]. 生態學雜志,2020,39(7):2316-2326.

Feng L,Yang D,Huang Y Y. Vegetation NDVI characteristics and response to extreme climate in Sichuan and Chongqing from 2000 to 2017 [J]. Chinese Journal of Ecology,2020,39(7):2316-2326.

[12] 張智韜,韓 佳,王新濤,等.基于全子集-分位數回歸的土壤含鹽量反演研究[J]. 農業機械學報,2019,50(10):142-152.

Zhang Z T,Han J,Wang X T,et al. Soil salinity inversion based on best subsets-quantile regression model [J]. Transactions of The Chinese Society of Agricultural Machinery,2019,50(10):142-152.

[13] 祝 聰,彭文甫,張麗芳,等.2006～2016年岷江上游植被覆蓋度時空變化及驅動力[J]. 生態學報,2019,39(5):1583-1594.

Zhu C,Peng W F,Zhang L F,et al. Study of temporal and spatial variation and driving force of fractional vegetation cover in upper reaches of Minjiang River from 2006 to 2016 [J]. Acta Ecologica Sinica,2019,39(5):1583-1594.

[14] 裴志林,楊勤科,王春梅,等.黃河上游植被覆蓋度空間分布特征及其影響因素[J]. 干旱區研究,2019,36(3):546-555.

Pei Z L,Yang Q K,Wang C M,et al. Spatial distribution of vegetation coverage and its affectingfactors in the upper reaches of the Yellow River [J]. Arid Zone Research,2019,36(3):546-555.

[15] Zhu L,Meng J,Zhu L. Applying Geodetector to disentangle the contributions of natural and anthropogenic factors to NDVI variations in the middle reaches of the Heihe River Basin [J]. Ecological Indicators,2020,117(2):106545.

[16] 趙新全,周華坤.三江源區生態環境退化、恢復治理及其可持續發展[J]. 中國科學院院刊,2005,(6):471-476.

Zhao X Q,Zhou H K. Eco-environmental degradation,vegetation regeneration and sustainable development in the headwaters of Three Rivers on Tibetan Plateau [J]. Bulletin of Chinese Academy of Sciences,2005,(6):471-476.

[17] 徐新良.中國年度植被指數(NDVI)空間分布數據集.中國科學院資源環境科學數據中心數據注冊與出版系統(http://www.resdc.cn/ DOI),2018.DOI:10.12078/2018060601)

[18] Chen W,Zhao H,Li J,et al. Land use transitions and the associated impacts on ecosystem services in the Middle Reaches of the Yangtze River Economic Belt in China based on the geo-informatic Tupu method [J]. Science of the Total Environment,2020,701(Jan.20): 134690.1-134690.13.

[19] 劉憲鋒,潘耀忠,朱秀芳,等.2000～2014年秦巴山區植被覆蓋時空變化特征及其歸因[J]. 地理學報,2015,70(5):705-716.

Liu X F,Pan Y Z,Zhu X F,et al. Spatiotemporal variation of vegetation coverage in Qinling-Daba Mountains in relation to environmental factors [J]. Journal of Geographical Sciences,2016,26(1):45-58.

[20] 劉彥隨,李進濤.中國縣域農村貧困化分異機制的地理探測與優化決策[J]. 地理學報,2017,72(1):161-173.

Liu Y S,Li J T. Geographic detection and optimizing decision of the differentiation mechanism of rural poverty in China [J]. Journal of Geographical Sciences,2017,72(1):161-173.

[21] GB/T 17296-2009 中國土壤分類與代碼[S].

GB/T 17296-2009 Classification and codes for Chinese soil [S].

[22] 靖亭亭,胡海棠,邱春霞,等.東北黑土漫崗區春耕期土壤水分空間變異及地形影響[J]. 水土保持研究,2022,29(1):58-65.

Jing T T,Hu H T,Qiu C X,et al.Spatial variability and lts controlling topographic factors of soil moisture during spring plowing season in black soil hilly region ofNortheast China [J]. Research of Soil and Water Conservation,2022,29(1):58-65.

[23] 周璐紅,王盼婷,曹瑞超.2000～2020年延安市土壤侵蝕驅動因素分析及生態安全評價[J]. 生態與農村環境學報,2022,38(4):511-520.

Zhou L H,Wang P T,Cao R C. Soil erosion driving factors and ecological security evaluation for Yan’an City from 2000 to 2020 [J]. Ecology and Environment Sciences,2022,38(4):511-520.

[24] Yang S W,Dong B,Liu L,et al. Research on vegetation coverage change in Sheng Jin Lake Wetland of Anhui Province [J]. Wetlands,2015,35(4):677-682.

[25] 李 晶,劉乾龍,劉鵬宇.1998～2018年呼倫貝爾市植被覆蓋度時空變化及驅動力分析[J]. 生態學報,2022,42(1):220-235.

Li J,Liu Q L,Liu P Y. Spatio-temporal changes and driving forces of fraction of vegetation coverage in Hulunbuir (1998～2018) [J]. Acta Ecologica Sinica,2022,42(1):220-235.

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

Chen Q. Advanced Econometrics and Stata application [M]. Beijing: Higher Education Press,2010.

[27] 秦 鑫.一種蒙特卡羅貝葉斯分類的改進方法[D]. 武漢:華中師范大學,2004.

Qin X. An improved method of Monte CarloBayesian classification [D]. Wuhan: Central China Normal University,2004.

[28] Mona C B,Jacob W,Johannes K,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.

[29] Hang S,Lamneithem,Dabral Parmendra P. Multivariate frequency analysis of meteorological drought using copula [J]. Water Resources Management,2018,32(5):1741–1758.

[30] 程東亞,李旭東.喀斯特地區植被覆蓋度變化及地形與人口效應研究[J]. 地球信息科學學報,2019,21(8):1227-1239.

Cheng D Y,Li X D. Vegetation coverage change in a karst area and effects of terrain and population [J]. Journal of Geo-information Science,2019,21(8):1227-1239.

[31] 肖 強,陶建平,肖 洋.黃土高原近10年植被覆蓋的動態變化及驅動力[J]. 生態學報,2016,36(23):7594-7602.

Xiao Q,Tao J P,Xiao Y. Dynamic vegetation cover change over the past 10years on the Loess Plateau,China [J].Acta Ecologica Sinica,2016,36(23):7594-7602.

[32] 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 J F,Xu C D. Geodetector: Principle and prospective [J]. Acta Geographica Sinica,2017,72(1):116-134.

[33] 尚占環,董全民,施建軍,等.青藏高原“黑土灘”退化草地及其生態恢復近10年研究進展——兼論三江源生態恢復問題[J]. 草地學報,2018,26(1):1-21.

Shang Z H,Dong Q M,Shi J J,et al,Research progress in recent ten years of ecological restoration for 'Black Soil Land' degraded grassland on Tibetan Plateau-concurrently discuss of ecological restoration in Sangjiangyuan Region [J]. Acta Agrestia Sinica,2018,26(1):1-21.

[34] 黃 玫,季勁鈞,彭莉莉.青藏高原1981～2000年植被凈初級生產力對氣候變化的響應[J]. 氣候與環境研究,2008,13(5):608-616.

Huang M,Ji J J,Peng L L. The response of vegetation net primary productivity to climate change during 1981—2000 in the Tibetan Plateau [J]. Climatic and Environmental Research.,2008,13(5):608-616.

[35] 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 M,Xiao J,Cai H. Multicollinearity in multivariate analysis and its treatment methods [J].Chinese Journal of Health Statistics,Aug 2012,Vol.29,No.4.

[36] 張 穎,章超斌,王釗齊,等.三江源1982～2012年草地植被覆蓋度動態及其對氣候變化的響應[J]. 草業科學,2017,34(10):1977-1990.

Zhang Y,Zhang C B,Wang Z Q,et al. Spatiotemporal dynamics of grassland coverage in response to climate change from1982 to 2012 in the Three Rivers Source Region,China [J]. Pratacultural Science,2017,34(10):1977-1990.

[37] 劉 嬋,劉 冰,趙文智,等.黑河流域植被水分利用效率時空分異及其對降水和氣溫的響應[J]. 生態學報,2020,40(3):888-899.

Liu C,Liu B,Zhao W Z,et al. Temporal and spatial variability of water use efficiency of vegetation and its response to precipitation and temperature in Heihe River Basin [J]. Acta Ecologica Sinica,2020,40(3):888-899.

[38] 李 翔,王 忠,趙景學,等.念青唐古拉山南坡高寒草甸生產力對溫度和降水變化的敏感性及其海拔分異[J]. 生態學報,2017,37(17):5591-5601.

Li X,Wang Z,Zhao J X,et al. Altitudinal variations in the sensitivity of alpine meadow productivity to temperature and precipitation changes along the southern slope of Nyainqentanglha Mountains [J]. Acta Ecologica Sinica,2017,37(17):5591-5601.

[39] 趙鴻怡,熊萬友,岳海濤,等.退化梯度上滇西北高寒草甸植物地上形態及生物量變化特征[J]. 生態學報,2020,40(16):5698-5707.

Zhao H Y,Xiong W Y,Yue H T,et al. Changes of aboveground morphological traits and biomass of alpine meadows along a degradation gradient in Northwestern Yunnan Province [J]. Acta Ecologica Sinica,2020,40(16):5698-5707.

[40] 彭凱鋒,蔣衛國,侯 鵬,等.三江源國家公園植被時空變化及其影響因子[J]. 生態學雜志,2020,39(10):3388-3396.

Peng K F,Jiang W G,Hou P,et al. Spatiotemporal variation of vegetation coverage and its affecting factors in the Three-river-source National Park [J]. Chinese Journal of Ecology,2020,39(10):3388-3396.

[41] 劉憲鋒,任志遠,林志慧,等.2000～2011年三江源區植被覆蓋時空變化特征[J]. 地理學報,2013,68(7):897-908.

Liu X F,Ren Z Y,Lin Z H,et al. The spatial-temporal changes of vegetation coverage in the 'Three-River Headwater Region in recent 12years [J]. Journal of Geographical Sciences,2013,68(7):897-908.

[42] 劉正佳,邵全琴.三江源地區植被覆蓋度變化及其與氣候因子的關系[J]. 水土保持研究,2014,21(6):334-339.

Liu Z J,Shao Q Q. Vegetation coverage change and its response to climate change in 'Three-River headwaters region [J]. Research of Soil and Water Conservation,2014,21(6):334-339.

[43] 魏紅燕.回歸分析中多重共線性的診斷與處理[J]. 周口師范學院學報,2019,36(2):11-15.

Wei H Y. Diagnosis and treatment of multicollinearity in regression analysis [J]. Journal of Zhoukou Normal University,2019,36(2):11-15.

[44] 李輝霞,劉國華,傅伯杰.基于NDVI的三江源地區植被生長對氣候變化和人類活動的響應研究[J]. 生態學報,2011,31(19):5495-5504.

Li H X,Lin G H,Fu B J. Response of vegetation to climate change and human activity based on NDVI in the Three-River Headwaters region [J]. Acta Ecologica Sinica,2011,31(19):5495-5504.

[45] 覃巧婷,陳建軍,楊艷萍,等.黃河源植被時空變化及其對地形和氣候的響應[J]. 中國環境科學,2021,41(8):3832-3841.

Qin Q T,Chen J J,Yang Y P,et al. Spatiotemporal variations of vegetation and its response to topography and climate in the source region of the Yellow River [J]. China Environmental Science,2021,41 (8):3832-3841.

致謝：感謝孟偉慶教授對文章英文寫作的指導與修改.

Identifying factors affecting regional fractional vegetation cover based on a combination of factor regression and interaction—A case study on the Three-River Headwaters Region.

ZHAO Dan1,2,WANG Zu-wei1*,ZHANG Guo-zhuang2,3,XU Yong-min4,SUN li-jian2

(1.School of Geography and Environment Science,Tianjin Normal University,Tianjin 300387,China；2.Chinese Academy of Surveying and Mapping,Beijing 100830,China；3.School of Earth Science and Resources,Chang'an University,Xi’an 710054,China；4.National Quality Inspection and Testing Center for Surveying and Mapping Products,Beijing 100830,China).,2022,42(8)：3903～3912

The spatial heterogeneity of FVC in the Three-River Headwaters region was analyzed using the normalized vegetation index (NDVI) obtained from SPOT VEGETATION,and the impacts of natural and anthropogenic factors on FVC were evaluated with a combination of factor regression and interaction. The results show that: (1)There is a clear spatial heterogeneity in FVC across the Three-River Headwaters region; (2)The natural environmental factors have more impact on FVC spatial distribution than anthropogenic factors;(3)The natural environmental factors have greater impact on FVC spatial distribution than do anthropogenic factors,of which annual precipitation can explain 0.777 of the total variance despite its strongest interaction with other factors; (4) Factors interaction found that the driving explanation system shows a two-factor enhancement,indicating that there is no independent factor from the perspective of the system,and the interaction between annual precipitation and other factors is the strongest; (5)The precipitation gradient affects the degree of explanation of the spatial heterogeneity of FVC in the Three-River Headwaters Region. With an increase in precipitation,the explanatory power of the factors tends to stabilize,and the FVC tends to be more influenced by elevation and temperature in the eastern part of the Three-River Headwaters area where precipitation is higher; (6) The data results also confirm that factor-independent global optimal screening is only an optimal function that simulates the characteristics of the dependent variable,and its explanatory effect is not fully equivalent to the driven explanation of the dependent variable.

fractional vegetation cover (FVC)；three-River Headwaters Region；driving factors；Bayesian regression；geo-detector；influencing factors

X321

A

1000-6923(2022)08-3903-10

2022-02-06

中央級公益性科研院所基本科研業務費項目(AR2123);自然資源部測繪科學與地球空間信息技術重點實驗室基金項目(2020-3-2)

* 責任作者,教授,zuweiwang@126.com

趙 丹(1997-),女,陜西西安人,天津師范大學碩士研究生,研究方向為環境變化與生態修復研究.