2000—2020年珠江流域NDVI動態變化及影響因素研究

陳文裕 ，夏麗華 *，徐國良 ，余世欽 ，陳行 ，陳金鳳

1.廣州大學地理科學與遙感學院，廣東 廣州 510006；2.廣東省農村水環境面源污染綜合治理工程技術研究中心，廣東 廣州 510006

植被是陸地生態系統重要的組成部分，能有效反映生態系統的健康狀況（林依雪等，2020；齊貴增等，2021）。在自然條件下植被的生長受到氣候和地形等因素的綜合影響；近年來，建設用地快速擴張，人類活動對植被的影響進一步擴大，尤其是城市化的快速發展直接或間接地破壞了地表植被（Chen et al.，2020）。珠江流域地跨云貴高原、廣西盆地、珠江三角洲平原等地理單元，流域西部地區喀斯特地貌廣泛發育，石漠化和水土流失嚴重，部分地區植被顯著減少；而流域東部地區城市化發展迅猛，顯著改變了植被生長環境，因此，采用遙感手段對整個珠江流域的植被進行監測具有重要意義。

基于遙感觀測數據能計算出反映地表信息的多種指數，其中，歸一化植被指數（normalized difference vegetation index，NDVI）能有效反映植被的生長情況、植被密度和覆蓋度等重要信息，該指標數值越高表明植被生長狀況越好（劉梁美子等，2019；袁倩穎等，2021；邵亞婷等，2021）。眾多學者已經對不同尺度下NDVI的變化趨勢和影響因素進行研究，研究方法也趨于成熟（Pei et al.，2021；Qi et al.，2021；Xue et al.，2021；李茂華等，2020；賈路等，2021；楊玉蓮等，2021；易揚等，2021；張琍等，2021）。其中，對NDVI進行時空變化分析通常利用線性趨勢法（岳輝等，2019）、Theil-sen Median斜率估計和Mann-Kendall顯著性檢驗（田智慧等，2022；徐勇等，2022）。相對于線性趨勢法，Theil-sen Median斜率估計受異常值的影響更小，能有效反映地物的時空變化特征。引起NDVI時空變化的因素包括自然和人為因素。在自然因素方面，已有研究多數從土地覆蓋、氣候和地形等因素進行分析。相關學者基于土地利用/覆蓋的轉變對NDVI變化趨勢進行探究（孫銳等，2019；宮兆寧等，2021；黃棟等，2021），而在珠江流域內城市擴張和人類活動加劇，土地利用/覆蓋的轉變進一步加快，因此，從土地利用/覆蓋的轉變探究 NDVI對自然和人類活動的響應具有重要意義。氣候因素包括氣溫、降水量、風速、氣壓等，針對氣候因素常用的研究方法包括相關分析（孫爽等，2019；張華等，2020）、偏相關分析等（吉珍霞等，2021），由于氣候因素極其復雜，而且地表植被通常受到地形和人類活動等多種因素共同影響，需要結合多種因素進行綜合分析（李雙雙等，2021）。在人為因素方面，研究表明夜間燈光影像記錄的地表燈光強度信息能直接反映人類活動差異，其包含的亮度和形狀等信息不僅能提供關于城市區域空間范圍的準確信息，還能指示城市化水平，因而被廣泛應用于城市化進程研究、不透水面提取以及生態環境評估等領域（陳穎彪等，2019；沈潔，2021）。常用的夜間燈光數據包括DMSP/OLS和NPP/VIIRS數據，兩者都存在一定不足（陳穎彪等，2019；李茜銘等，2021）。Chen et al.（2021）結合兩種數據的優勢，通過改進的自動編碼器模型和跨傳感器校準模型生成的夜間燈光數據（2000—2020年）具有較好的準確性，適用于分析長時間序列的人類活動（Li et al.，2021）。此外，通過對人口密度的研究也能揭示人類活動對植被的影響程度。對人為因素的研究多采用殘差分析，但該方法難以區分不同因素對NDVI空間差異性的作用程度（金凱等，2020）。為了探究NDVI空間分異的主要影響因素，亟需一種更有效的分析方法。地理探測器是定量描述地理現象的空間分異及其背后驅動力的一組統計方法（王勁峰等，2017），通過空間方差分析能探究引起 NDVI空間分異的驅動因素，不同學者利用地理探測器探究漢江流域（Chen et al.，2020）、內蒙古（張思源等，2020）、黃土高原（張翀等，2021）、黃河流域（張靜等，2021）以及京津冀地區（張鵬騫等，2021）等不同區域NDVI時空變化的影響因素。隨著研究的不斷深入，對于珠江流域 NDVI時空變化及影響因素的探究，王兆禮等（2006）基于GIMMS NDVI數據集研究了珠江流域 NDVI的季節變化和年際變化趨勢，也有學者研究了珠江流域 NDVI對氣溫和降水等氣候因素的響應特征（王銀霞等，2011；李建國等，2020）。研究表明在溫暖濕潤的珠江流域，氣候因素對 NDVI的影響以正向促進作用為主，但作用的程度低于干旱與半干旱地區。前人對珠江流域 NDVI時空變化影響因素的探究側重于自然因素，難以將自然和人為因素對NDVI動態變化的影響進行定量剝離。

基于此，結合不同時期土地覆蓋數據，基于Theil-Sen Median斜率估計和Mann-Kendall顯著性檢驗探究2000—2020年珠江流域NDVI時空分布狀況及其演化趨勢，通過相關分析探究NDVI與氣候因素和人為因素變化趨勢的關系，并通過地理探測器探究NDVI空間分異的主要影響因素。研究成果將揭示珠江流域NDVI時空變化特征及其影響因素，為珠江流域生態環境保護工作的開展和可持續發展提供理論支撐。

1 研究區概況與研究方法

1.1 研究區概況

珠江流域地處 102°14′—115°53′E、21°31′—26°49′N之間（圖1），整個流域在中國境內跨越云南、廣西、貴州、廣東、湖南和江西共6個省份，整體面積約44.68×104km2，流域范圍包含東江、西江、北江和珠江三角洲4個子流域。研究區地勢總體上呈西北高東南低，云貴高原屹立于流域西部，東部為珠江三角洲平原。多數地區位于亞熱帶季風氣候區，多年平均氣溫為 14—22 ℃，多年平均降水量為660—2200 mm，在季風氣候和地形共同作用下，降水量由東向西逐漸減少（王銀霞等，2011）。珠江上游地區喀斯特地貌廣泛發育，生態環境相對脆弱，而下游的珠江三角洲地區人口密集，城市化速度不斷加快，人類活動對植被NDVI的影響進一步增強。

圖1 珠江流域概況圖Figure 1 Overview of the Pearl River basin

1.2 數據來源

研究所需的遙感植被 NDVI來源于美國國家航空航天局發布的MOD13A3 C6產品（https://ladsweb.modaps.eosdis.nasa.gov/），時間范圍為2000年1月—2020年12月，空間分辨率為1 km。NDVI數據需要進行重投影、重采樣和裁剪等預處理，得到 2000—2020年NDVI年均值的時間序列。2000、2010和2020年的土地覆蓋數據集從 GlobeLand30平臺（http://www.globallandcover.com/）獲取，空間分辨率為 30 m，通過重投影、重采樣和裁剪等處理得到珠江流域的6類土地覆蓋數據。數字高程數據（shuttle radar topography mission，SRTM）來源于地理空間數據云平臺（https://www.gscloud.cn/），通過 ArcGIS10.6軟件重采樣為1 km，并在軟件中計算研究區的坡度和坡向。氣象數據來源于國家青藏高原科學數據中心提供的逐月氣溫和降水量數據集，空間分辨率為1 km，通過計算均值得到 2000—2020年的年平均氣溫和降水量數據（Peng et al.，2019）。夜間燈光數據選用Chen et al.（2021）研發的跨傳感器校正的夜間燈光數據，時間范圍為 2000—2020年，在ArcGIS10.6軟件中重采樣為1 km。人口密度數據來源于WorldPop發布的1 km分辨率的人口密度數據（https://www.worldpop.org/），通過重投影和裁剪等預處理獲得時間跨度為 2000—2020年的珠江流域人口密度數據。土壤類型數據來源于中國土壤普查辦公室編制的1∶100萬中華人民共和國土壤圖數字化生成的圖，空間分辨率為1 km。

1.3 研究方法

1.3.1 Theil-Sen Median斜率估計和Mann-Kendall顯著性檢驗

Theil-Sen Median斜率估計是一種非參數估計方法，受數據異常值的影響小，適用于分析長時間序列NDVI的時空變化規律（趙偉等，2021）。在像元尺度上，采用此方法分析2000—2020年NDVI變化趨勢，其計算公式如下：

式中：

Tslope——斜率；

xi和xj——第i和第j年NDVI的年均值。當Tslope＞0時，表示NDVI在研究時段內呈上升趨勢，反之則呈下降趨勢，絕對值越大，表示NDVI的變化程度越大。當Tslope=0時，表明NDVI在研究時間段內基本保持不變。

Mann-Kendall顯著性檢驗可用于驗證Theil-Sen Median估計結果的顯著性，該方法最大的優勢是不需要數據服從正態分布，是一種應用廣泛的趨勢檢驗方法（Chen et al.，2020）。相關計算公式如下：

式中：

S——Mann-Kendall的檢驗統計量；

xj、xk——j、k年相應的測量值；

n——數據系列的長度；

sgn——符號函數。顯著性水平的閾值分別為±1.96（95%顯著性檢驗）和±2.58（99%顯著性檢驗）。當ZMK的取值范圍介于1.96—2.58，表明增長趨勢通過95%顯著性檢驗；如果ZMK≥2.58，表明增長趨勢通過99%顯著性檢驗，反之亦然。

1.3.2 相關分析

為了探究氣候和人為因素對NDVI的影響，在像元尺度上，計算NDVI與平均氣溫、降水量、夜間燈光強度和人口密度變化趨勢的相關性（邢愿等，2021），計算公式如下：

式中：

Axy——兩個變量變化趨勢的相關性；

yi——第i年NDVI值；

xi——對應年份平均氣溫、降水量、夜間燈光強度和人口密度的數值；

1.3.3 地理探測器

（1）分異及因子探測能探究NDVI空間分異的驅動因素以及揭示各個因子的影響程度（王勁峰等，2017），其表達式如下：

式中：

q——不同因子對NDVI空間分異的解釋力度；

L——NDVI或各個因子的分層；

N——研究區內劃分格網的數量；

Nh——層h區域內NDVI的數值；

σ2——研究區內NDVI的方差；

σh2——h層區域內NDVI的方差。

以格網為單元對珠江流域NDVI進行影響因素影響力的探測。q的取值范圍是0—1，值越大說明該因子對NDVI空間分異的解釋力越大（孫銳等，2020）。研究中選取地形因素（海拔（X1）、坡度（X2）、坡向（X3））、氣候因素（降水量（X4）、平均氣溫（X5））、土地覆蓋類型（X6）、土壤類型（X7）、人為因素（夜間燈光強度（X8）、人口密度（X9））為變量，探究NDVI空間分異的主要影響因素。

（2）交互作用探測器能揭示不同因子之間的交互作用，即評價不同因子兩兩交互作用時解釋力的變化（王勁峰等，2017）。兩因子交互作用的結果可分為五類（表1）。

表1 雙因子交互作用結果類型Table 1 Types of two-factor interaction result

2 結果與分析

2.1 珠江流域NDVI與土地覆蓋時空變化分析

在圖2中，研究時段內珠江流域NDVI整體呈波動上升趨勢，NDVI呈上升趨勢的地區面積占比高達91.66%，但不同子流域內NDVI增長速率存在差異，2000—2004年、2005—2009年以及2014—2018年是珠江流域NDVI快速增長的3個時期。研究時段內珠江流域NDVI均值為0.551，其中，最大值出現在 2017年，為 0.603，最小值出現在 2005年，為0.492。4個子流域中，東江流域的NDVI均值最高，北江流域的NDVI均值上升速率最高，珠江三角洲流域的NDVI均值最低且增長速率較低，4個子流域在2005和2012年前后NDVI均值都呈現明顯下降趨勢，隨后的年份植被恢復速度較快。綜上所述，2000—2020年珠江流域整體及各個子流域的NDVI均呈上升趨勢。

圖2 珠江流域2000—2020年NDVI時間變化趨勢Figure 2 Temporal variation of NDVI in the Pearl River basin from 2000 to 2020

由圖 3可知，珠江流域 NDVI的變化斜率在-0.028—0.027 a-1之間，呈極顯著上升和顯著上升的面積占比分別為43.6%和15.14%，極顯著下降和顯著下降的面積占比分別為1.25%和0.51%，NDVI呈上升趨勢的區域面積大于呈下降趨勢的區域面積。其中，西江流域西部和南部NDVI呈顯著上升趨勢，但西部的部分喀斯特地貌區和南部的南寧等大城市附近呈顯著下降趨勢。東江流域的東部和北部以及北江流域北部山區 NDVI均呈顯著上升趨勢。珠江三角洲流域內，在珠三角城市群內呈顯著和極顯著下降趨勢，在城市群外圍地區則表現為極顯著上升的趨勢，因此，珠江三角洲流域的 NDVI均值仍呈現緩慢增長趨勢。

圖3 2000—2020年珠江流域NDVI變化趨勢及顯著性檢驗Figure 3 Spatial variation of NDVI and its significance test in the Pearl River basin from 2000 to 2020

選用流域內2000、2010和2020年土地覆蓋數據，統計不同土地覆蓋類型的變化情況（表2），結合2000年和2020年的土地覆蓋數據繪制土地覆蓋類型變化圖（圖4a）。同時，以0.3和0.6為間隔將NDVI劃分為低、中和高3個等級，結合土地覆蓋數據，繪制不同土地覆蓋類型內NDVI等級變化圖（圖 4b）。2000—2020年珠江流域土地覆蓋類型發生變化的區域占 17%，土地覆蓋類型的轉換對NDVI變化的影響存在差異。結合表 2和圖 4a得出，珠江流域內林地和耕地占主體地位，兩種地類面積占比之和保持在80%以上。林地分布廣泛，在西江流域中上游地區林地面積有所增加，而在珠三角城市群附近有所下降，由其他土地覆蓋類型轉化為林地的區域中，NDVI呈上升趨勢的面積占95.37%。耕地廣泛分布于珠江流域中部和東部地區，2000—2010年耕地面積有所增長，然而隨著城市化建設的推進以及退耕還林等政策的影響，2010—2020年部分耕地轉化為了建設用地和林地。2000—2020年，由其他土地覆蓋類型轉化為耕地的區域中，NDVI呈上升趨勢的面積占85.31%，其中，由林地轉為耕地的部分地區NDVI有所下降。草地集中分布于珠江流域北部和西部的高山地區，其面積變化趨勢與耕地相似，從其他地類轉化為草地的區域集中分布于西江流域上游地區，該區域內NDVI呈上升趨勢的面積占90.75%。研究時段內建設用地面積顯著增加，面積占比增加了2.37%，轉化為建設用地的區域集中分布在珠三角城市群及各大城市內，城市的擴張通常會擠占綠地，由其他地類轉化為建設用地的區域中，NDVI呈下降趨勢的面積占63.05%。整體上，轉化為林地、耕地和草地的區域內NDVI上升趨勢顯著，而轉化為建設用地的區域NDIV下降趨勢顯著。

表2 珠江流域2000、2010和2020年土地覆蓋變化情況Table 2 Land cover transformation in the Pearl River basin in 2000, 2010 and 2020

圖4 2000—2020年珠江流域土地覆蓋類型轉變和各種土地覆蓋類型中NDVI等級變化圖Figure 4 Transformation of land cover and NDVI grades in various land cover types in the Pearl River basin from 2000 to 2020

進一步統計耕地、林地、草地、建設用地和裸地中NDVI等級的變化趨勢（圖4b），在耕地、林地和草地中NDVI處于中等級的比例有所下降，而高等級比例顯著增加，林地內高等級比例在2020年占主體地位，占比為61.2%，表明在耕地、林地和草地中，植被數量或密度有了大幅提升，生態環境有所改善。建設用地內NDVI以中和低等級為主，低等級比例呈現先升后降的趨勢，而高等級的比例在2020年也有所增加，由0.44%增加到7.7%，表明珠江流域建設用地的面積雖然顯著上升，但是城市中的綠地面積也有所增加。整體上看，在不同土地覆蓋類型內高等級比例增加較為明顯，低等級比例則有下降的趨勢，表明珠江流域的植被狀況在近年來顯著改善。

2.2 NDVI與氣候和人為因素相關分析

相關研究成果表明在黃土高原和內蒙古等地區氣候變化是使NDVI上升的重要原因（孫銳等，2019；孫倩倩等，2021；張翀等，2021），而氣溫和降水量是氣候變化的重要指示器。基于像元尺度的相關分析，探究NDVI與降水量和平均氣溫在空間上隨時間變化的相關性。在圖 5a中，整個流域內NDVI與降水量變化趨勢呈正相關的區域面積占比為65.63%，表明在研究時段內珠江流域大部分地區NDVI和降水量表現出同步增長的趨勢。在4個子流域中，西江、北江和珠江三角洲流域以正相關為主，呈正相關的面積占比分別為71.54%、53.46%和63.27%，而東江流域以負相關為主，呈負相關的面積占比為72.04%；部分地區呈現顯著和極顯著負相關。西江流域的中部和西部大部分地區屬于不顯著正相關，而在云貴高原東側區域呈顯著和極顯著正相關，表明降水量的增加對植被的促進作用存在空間異質性。在降水量相對較低的云貴高原東部地區，降水量的增加對NDVI的促進作用更明顯。在圖5b中，NDVI與平均氣溫的變化趨勢表現為正相關的地區面積占比為94.45%，其中呈極顯著和顯著正相關的區域面積占比分別為13.84%和 22.06%，表明在研究時段內珠江流域大部分地區NDVI和平均氣溫表現出同步增長的趨勢。NDVI與平均氣溫呈極顯著和顯著正相關的區域集中分布于西江流域的上游地區、北江北部的山區和東江東部地區。整體上看，NDVI與平均氣溫的相關性高于 NDVI與降水量的相關性。

圖5 珠江流域NDVI與氣候因素相關關系空間分布Figure 5 Spatial distribution of the correlation between NDVI and climate factors in the Pearl River basin

夜間燈光強度和人口密度能在空間上較好地刻畫人類活動強度。為探究人為因素對NDVI變化趨勢的影響，對2000—2020年NDVI與夜間燈光強度和人口密度的變化趨勢進行相關分析（圖6）。在圖6a中，以珠江三角洲地區和南寧市為例，在市中心地區，夜間燈光強度趨于穩定而NDVI維持在較低水平，以不顯著負相關為主。從市中心往外，負相關有所增強，表明該地段內城市擴張迅速，建設用地大量擠占綠地使NDVI呈下降趨勢。在城市外圍的郊區則表現為NDVI和夜間燈光強度同步增長，呈極顯著和顯著正相關，例如，從廣州市增城區到惠州市博羅縣表現為顯著正相關的地區呈帶狀分布。在圖6b中，NDVI和人口密度以負相關為主，極顯著和顯著負相關的區域集中分布于大城市的內部，而呈斑狀分布于珠江流域的中西部地區。人口密度的增加反映了建設用地的急劇擴張，使植被生存環境遭受破壞；另一方面，在城市中由于公園綠地的增加，部分地區NDVI也有所增加，呈顯著正相關的區域也呈斑塊狀分布于各個城市中。

圖6 珠江流域NDVI與人為因素相關關系空間分布Figure 6 Spatial distribution of the correlation between NDVI and anthropogenic factors in the Pearl River basin

2.3 NDVI空間分異影響因素分析

上述分析能反映NDVI與氣候因素和人為因素在空間上隨時間變化的相關性，但難以定量表達不同因素對NDVI空間異質性的解釋力度。地理探測器既能夠定量表達單個因子對NDVI空間分異的影響，還能進一步評價各個因子在兩兩交互作用時解釋力度的變化。

2.3.1 NDVI影響因素分析

以地形因素、氣候因素、人為因素、土地覆蓋類型、土壤類型為自變量，構建因子體系并計算 4個子流域內不同因素的q值（表3）。在表3中，土地覆蓋的q值是最高的，不同土地覆蓋類型中地表物質組成和性質差異較大，其變化能綜合反映研究區中自然和人為因素的轉變，例如，在流域東部地區建設用地的擴張會導致綠地減少。人口密度和夜間燈光強度的q值也較高，在4個子流域的q值均值分別為0.44和0.43，表明人類活動對NDVI空間分異也具有重要影響。NDVI高值地區主要分布在夜間燈光強度低或者無燈光值的區域，而在各大城市的城區NDVI較低。人口密度對NDVI的影響相似，在人口密度較高的城區NDVI較低，人類活動能顯著改變植被的生長環境，對NDVI的空間分布產生影響。平均氣溫和降水量的q值均值分別為0.3和0.27，平均氣溫的解釋力度更高。珠江流域多數地區位于亞熱帶季風氣候區，氣候溫暖濕潤，氣溫和降水量并非植被生長的限制性因素。地形因素中海拔的q值較高，流域西部云貴高原地區地勢較高，氣溫較低且降水量較少，植被以草甸為主；流域東部地區的低山丘陵地區則是以灌木和喬木為主，NDVI存在差異。海拔能通過影響局部地區的水熱組合進而影響氣候和土地覆蓋類型，因而對植被空間分異產生重要影響。地形因素中的坡向q值是最低的，表明不同的坡向中NDVI值差異不顯著。不同類型的土壤中的有機質和含水量等物理和化學性質差異較大，從而直接影響植物的生長條件。珠江流域內初育土、淋溶土和鐵鋁土分布廣泛，不同土壤類型中的NDVI差異也較為顯著。

表3 珠江流域內4個子流域單元影響因素q值Table 3 The q values of influencing factors of four sub-basin units in the Pearl River basin

2.3.2 NDVI影響因素交互作用探測

交互作用探測器能得出不同因子在兩兩相互作用時解釋力度的變化（圖7）。大部分因子交互作用后呈現雙因子增強和非線性增強。坡向和其他因子交互作用后主要呈現為非線性增強；而在西江流域，平均氣溫和其他因子交互作用后也呈現非線性增強。在不同的子流域中，土地覆蓋∩夜間燈光強度和土地覆蓋∩人口密度的解釋力均較高。土地覆蓋類型的變化會影響下墊面的組成和性質從而使NDVI差異較大；而夜間燈光強度和人口密度較高的地區植被覆蓋率維持在較低的水平，也會對NDVI的空間分異性造成較大影響。在東江和珠江三角洲流域，平均氣溫與土地覆蓋和夜間燈光強度交互作用后q值也較高，分別為0.66和0.76；而在北江流域內平均氣溫q值較低，與其他因子交互作用后q值也沒有顯著提升。在西江流域內，降水量∩平均氣溫呈非線性增強，在其他子流域內均表現為雙因子增強。

圖7 珠江流域內4個子流域單元影響因素交互作用探測Figure 7 Interaction detector of influencing factors of four sub-basin units in the Pearl River basin

3 討論

3.1 珠江流域 NDVI時空演化特征及其對氣候和人類活動響應

2000—2020年珠江流域 NDVI整體呈上升趨勢，在2000—2004年、2005—2009年以及2014—2018年NDVI增長較快。徐勇等（2022）的研究表明，在旱災的影響下，2011年至2014年中國西南地區的NDVI均值出現明顯下降的趨勢。從圖2看出，2011年前后珠江流域NDVI出現下降趨勢，但在隨后年份中NDVI呈上升趨勢，植被恢復較快。云貴高原東部地區和廣西丘陵北部的山地NDVI呈極顯著和顯著上升，多數地區為NDVI高等級區域，與已有的成果一致（劉梁美子等，2019；金凱等，2020；邢愿等，2021）。從2000年以來天然防護林工程、退耕還林還草以及西南部巖溶地區石漠化綜合治理工程的實施，使西南部的植被生長條件顯著改善，植被恢復較快。云貴高原西部的部分地區、珠三角城市群和各大城市的內部NDVI出現下降趨勢，一方面，在云貴高原地區地形起伏大，而且喀斯特地貌廣泛發育，石漠化和水土流失的問題突出，生態環境難以在短期得到改善（邢愿等，2021；徐勇等，2022）；另一方面，研究時段內珠江流域的建設用地面積占比增加了2.37%，城市擴張速度的加快使得大量的綠地轉變為建設用地。

氣候變化和人類活動對NDVI的演變具有雙重影響。由圖5得出，在云貴高原中部，平均氣溫與NDVI的變化趨勢呈不顯著負相關，說明在高原上降水量較少，氣溫的升高會加劇當地的干旱程度。云貴高原西側，NDVI與降水量和平均氣溫均呈極顯著正相關，表明在氣候更濕潤的地區，氣溫的升高有利于灌木和喬木往海拔更高的地區生長。根據前人的研究，在內蒙古和黃土高原地區，降水量是影響NDVI空間分異的重要因素（張思源等，2020；孫銳等，2020），表明在干旱或半干旱地區，降水量是植被生長的限制性因素之一。在珠江流域內降水量也是影響NDVI的重要因素；在氣候相對干旱的流域西部地區，降水量的增加能顯著提升 NDVI；因此，西江流域內NDVI與降水量以正相關為主。另一方面，李建國等（2020）的研究表明，中國沿海地區的夏季暴雨對NDVI具有較強的抑制作用。在東江流域的沿海地區，夏季大量的云雨天氣反而不利于植被光合作用，對植被發育具有一定的抑制作用；此外，該地區土地覆蓋類型以林地為主，NDVI值較高，近年來由于城市擴張的影響，在城郊地區林地面積有所下降，所以在該子流域內NDVI與降水量的變化趨勢以負相關為主。在人口密集的區域，人類活動對植被的影響占主體地位。在城市的周邊地區，NDVI與夜間燈光強度表現為顯著正相關。一方面，城郊地區人類活動強度有所增加，道路設施不斷完善，但由于生態保護措施的落實，植被受人類活動影響的程度仍相對較低，加上該地區的植被生長條件優越，出現植被和夜間燈光強度共同增長的局面。因此，氣候的變化和人類活動共同影響著NDVI的時空變化。

3.2 不同驅動因素對NDVI空間分異的影響

由地理探測器結果可知，土地覆蓋的q值最高，不同的土地覆蓋類型的下墊面性質差異顯著。土地覆蓋類型的轉變能綜合反映氣候、土壤類型和人類活動的影響，對NDVI空間分異的解釋力度較高。夜間燈光強度和人口密度的解釋力度也較高，NDIV高值區域主要分布于人類活動強度較低的區域。夜間燈光強度能有效反映人類活動強度和建設用地的分布情況，但在市中心地區易出現“飽和”現象，而在該地區人口密度數據卻能很好地反映人類活動與NDVI的關系。地形因素中海拔的q值較高，珠江流域的東部和西部地勢差異顯著，海拔的變化能通過影響局部地區的水熱組合進而影響氣候和土地覆蓋類型，對植被空間分異產生重要影響。而坡向的解釋力度在4個子流域內都是最低的。結合相關分析結果可知，珠江流域內降水量和平均氣溫對NDVI的影響均以正向促進作用為主，平均氣溫的升高對NDVI提升的促進作用更明顯。在東江和珠江三角洲流域內平均氣溫和降水量的解釋力度更高，在西江流域中解釋力度較低，表明在西江流域中土地覆蓋類型的轉變和人口密度的變化等其他因素對NDVI的空間分異影響更顯著。由交互作用結果得出，各個子流域中不同因素交互作用后解釋力度都有所增加，雖然坡向的解釋力度較低，但與其他因子交互作用后呈現非線性增強，而其他因子交互作用結果則以雙因子增強為主。

4 結論

（1）2000—2020年珠江流域NDVI上升較快。在時間上，2000—2004年、2005—2009年以及2014—2018年是NDVI快速增長的3個時期；在空間上，4個子流域NDVI變化趨勢以增長為主，東江流域的NDVI均值最高，珠江三角洲流域的NDVI均值最低且增長速率較低。

（2）在研究時段內，珠江流域林地的面積有所減少，建設用地的面積顯著增加，在珠江流域內林地和耕地的面積占主體地位。不同土地覆蓋類型的轉換對NDVI變化的影響存在差異，其中，由其他土地覆蓋類型轉換為林地、草地和耕地的區域內，NDVI以上升趨勢為主；而在轉換為建設用地的區域內，NDVI則以下降趨勢為主。

（3）NDVI與平均氣溫和降水量的變化趨勢均以正相關為主，表明在珠江流域氣溫和降水量對NDVI的影響均以正向促進為主。NDVI與夜間燈光強度的變化趨勢以正相關為主，與人口密度的變化趨勢則是以負相關為主。NDVI與夜間燈光強度和人口密度的變化趨勢呈顯著正相關的區域主要分布于珠三角城市群和各大城市的外圍地區，呈負相關的區域主要分布于珠三角城市群以及各大城市的城區。

（4）從單一因子來看，土地覆蓋類型、人口密度和夜間燈光強度對NDVI空間分異的解釋力度較高。從交互作用結果來看，影響因子交互作用結果均表現為雙因子增強和非線性增強；不同子流域中，土地覆蓋∩夜間燈光強度和土地覆蓋∩人口密度的解釋力均較高。