地形因子影響典型氣候帶植被指數(shù)的定量歸因

摘 要：對不同氣候帶地形因子影響歸一化植被指數(shù)（NDVI）的變化進行分析研究，對于探索水土災害、生態(tài)研究以及區(qū)域環(huán)境質(zhì)量等具有重要價值。以我國7個典型氣候帶下的縣域范圍為例，基于Landsat 8遙感數(shù)據(jù)與DEM數(shù)據(jù)，從地理探測器與地理加權(quán)回歸視角，探索中國典型氣候帶的小區(qū)域范圍尺度下地形因子與NDVI變化的關系與規(guī)律。研究表明：（1）NDVI排名為：漠河市（北溫帶）gt;白沙黎族自治縣（中/北熱帶）gt;浦北縣（南亞熱帶）gt;魯?shù)榭h（南亞熱帶）gt;方山縣（南溫帶）gt;貴德縣（高原氣候帶）gt;巴林左旗（中溫帶）。（2）地形因子對植被指數(shù)的解釋力排名為：坡向因子lt;坡度因子lt;高程因子，地形因子之間大部分不存在顯著性差異，不同研究區(qū)的地形因子對NDVI的影響并非簡單獨立，而是通過非線性增強的過程來起作用。（3）地形因子的局部擬合空間格局與植被覆蓋空間分布格局相似，地形對植被的空間分布有著重要影響。（4）根據(jù)調(diào)整擬合優(yōu)度，各研究區(qū)地形因子與植被的擬合度排名為：貴德縣gt;方山縣gt;白沙黎族自治縣gt;浦北縣gt;漠河市gt;魯?shù)榭hgt;巴林左旗，地形因子對植被指數(shù)擬合程度隨地域變化存在顯著差異。

關鍵詞：地理探測器；地理加權(quán)回歸；地形因子；歸一化植被指數(shù)；氣候帶

中圖分類號：P931；Q948.2"" 文獻標志碼：A""" 文章編號：1673-5072（2024）05-0457-09

近年來，在全球氣候變暖的大背景和人類活動的影響之下，干旱、暴雨、泥石流、高溫等災害頻發(fā)，對中國的生態(tài)環(huán)境與經(jīng)濟發(fā)展帶來巨大傷害。綠色植物是人類賴以生存的物質(zhì)，是陸地生態(tài)環(huán)境系統(tǒng)的主要組成結(jié)構(gòu)，對保護和維持全世界的生態(tài)環(huán)境與綠色可持續(xù)發(fā)展起著不可磨滅的作用［1-2］。植被覆蓋度能夠反映區(qū)域植被的生長狀況，大區(qū)域范圍植被覆蓋的變化體現(xiàn)了自然氣候演變和人類活動對生態(tài)環(huán)境的作用［3］。國內(nèi)外對區(qū)域植被指數(shù)的研究主要有比值植被指數(shù)（RVI）、歸一化植被指數(shù)（NDVI）、優(yōu)化的比值植被指數(shù)（MSR）等［4-7］。NDVI作為反映植被生長狀況的因子［8］，能有效反映年度植被生長所達到的最佳狀況，且與地上生物量有較強的相關關系［9］，在植被覆蓋研究中被廣泛應用。區(qū)域內(nèi)的植被生長狀況受氣候、地形、土壤成分、人類活動等多重因素的共同作用［10-14］，這些影響因素中，地形及其空間分布格局直觀而深刻地揭示了地表構(gòu)造變形及各種地表過程的相互作用［15］，對光照、降水、土壤、溫度的空間分布具有重要影響［16］，是植被空間分布的重要影響作用之一［17］。

近年來，地形與植被的相關研究正逐漸受到國內(nèi)外專家的關注。地形對植被的影響存在著顯著的空間異質(zhì)性。不同區(qū)域植被變化的地形效應存在著多樣性：李娟和龔純偉［18］研究發(fā)現(xiàn)，高原氣候帶的祁連山植被覆蓋變化在高程、坡度等地形條件下差異明顯，坡向的地形效應不明顯；劉梁美子等［19］得出亞熱帶氣候帶的黔桂喀斯特地貌的植被覆蓋變化與坡度、高程、坡向都呈現(xiàn)出地形分異。不同地域的植被在陰、陽坡的變化存在差異性：陳佳敏等［20］發(fā)現(xiàn)延安市陰坡的植被覆蓋、高度、物種多樣性都優(yōu)于陽坡；龍映豪等［21］發(fā)現(xiàn)貴州開陽縣陰坡與陽坡的植被覆蓋狀況隨不同地形因子的變化而變化。不同疆域的地形因子對植被的解釋力存在異質(zhì)性：銀朵朵和王艷慧［22］探究發(fā)現(xiàn)，溫帶大陸性半干旱季風氣候帶的地形因子對植被覆蓋率影響顯著，植被覆蓋度隨海拔增加而逐漸增高，而植被覆蓋度在坡度的分異明顯；李夢華等［23］研究發(fā)現(xiàn)，寧夏植被覆蓋度空間分布受海拔的影響程度高于坡度；邵嘉豪等［24］研究認為，山西省的地形中坡度因子的解釋力高于高程因子。由此可見，研究區(qū)域不同、空間尺度不同，地形因子對植被空間分異存在一定的規(guī)律性與差異性［25］。

目前，地形因子對植被的歸因研究較多且趨于成熟，但現(xiàn)有的研究多注重于單一區(qū)域、大尺度，而對小尺度、多區(qū)域的研究較少［12-14］。小尺度研究區(qū)的自然影響變量較弱，其氣候、降水等諸多因子在區(qū)域內(nèi)變化較小。小區(qū)域植物群落物種多樣性的變化與分布最常見的形式就是植物群落隨著高程和地形的變化發(fā)生相應的變化［26］。因此，在地理探測與地理加權(quán)聯(lián)合視角下，本研究圍繞中國典型氣候帶的7個代表地區(qū)，通過提取當?shù)氐腘DVI與同研究視角下出現(xiàn)最多的3種地形因子（高程、坡度、坡向），探索不同地域的地形因子對植被分布的驅(qū)動方式與特點，為研究區(qū)的災害防治、植被保護和生態(tài)治理提供一定參考。

1 研究區(qū)概況

綜合考慮相對海拔超過800 m、地形多樣、人口密度較少、具有不同氣候特點等因素，最終選取了海南省白沙黎族自治縣、廣西壯族自治區(qū)蒲北縣、云南省魯?shù)榭h、青海省貴德縣、山西省方山縣、內(nèi)蒙古自治區(qū)巴林左旗、黑龍江省漠河市共7個縣域（100°58′—124°12′E，18°56′—53°33′N），從最南端的中熱帶到最北端的北溫帶，從沿海的南亞熱帶到內(nèi)陸的高原氣候帶，研究涉及的氣候帶豐富多樣，各研究區(qū)內(nèi)地形地貌相對復雜，詳情如圖1、表1所示。

2 數(shù)據(jù)與方法

2.1數(shù)據(jù)來源

多光譜數(shù)據(jù)主要來自于地理空間數(shù)據(jù)云（http：//www.gscloud.cn/）的美國Landsat 8國家遙感衛(wèi)星的OLI（陸地成像儀）2020年或2021年的成像數(shù)據(jù)，包括9個波段，主要選取7—9月，云量均小于6%的遙感衛(wèi)星數(shù)據(jù)，采用其近紅外波段（5波段）和紅光波段（4波段），空間分辨率為30 m。數(shù)字高程模型（DEM）來源于USUG網(wǎng)站的12.5 m空間分辨率的數(shù)字高程數(shù)據(jù)。中國行政邊界等矢量數(shù)據(jù)（審圖號：GS（2020）4619號）與中國氣候帶數(shù)據(jù)均來自于中國科學院資源環(huán)境科學與數(shù)據(jù)中心（http：//www.resdc.cn）。

2.2 數(shù)據(jù)預處理

通過ENVI遙感數(shù)據(jù)處理軟件對符合季節(jié)與云量的Landsat 8數(shù)據(jù)進行初步的輻射定標、大氣校正、圖像增強、NDVI計算后，對獲得的NDVI數(shù)據(jù)進行裁剪，然后利用ArcGIS軟件進行NDVI最大值合成（MVC）。利用數(shù)字高程模型提取出地形因子數(shù)據(jù)（高程、坡度、坡向）后，按照自然間斷法將各研究區(qū)域的地形因子分為9類。利用漁網(wǎng)建立各研究區(qū)100×100行的漁網(wǎng)點數(shù)據(jù)，使用行政邊界數(shù)據(jù)對其進行篩選，以獲取各研究區(qū)的采樣點，數(shù)量為4000～4500個。然后，對采樣點的植被指數(shù)和重分類后的地形因子數(shù)據(jù)進行信息采集統(tǒng)計。

2.3 研究方法

2.3.1 歸一化植被指數(shù)計算

NDVI反映一定地域內(nèi)的植被生長情況，對遙感影像的紅光（4波段）、近紅光（5波段）進行波段運算，利用綠色植物強吸收可見光紅光波段（0.6～0.7 μm）以及對植被具有高反射近紅外波段（0.7～1.1 μm）的特性，通過變換，增強植被信號，以削弱噪聲組合而成［27］。

2.3.2 地理探測器

地理探測器是基于驅(qū)動因子、風險探測、生態(tài)與交互的一種探索空間異質(zhì)性與自然驅(qū)動因子交互的空間統(tǒng)計模型［28］。

空間分異與地形因子探測：通過樣方點對重分類的地形因子和植被指數(shù)進行信息提取，解釋不同地形因子分級區(qū)域?qū)χ脖恢笖?shù)的影響程度。自然因子解釋力公式為

PD=1-∑Lh=1Nhσ2hNσ2=1-SSWSST，（2）

式中：PD為地形因子對植被指數(shù)（NDVI）的解釋力，值域范圍在［0，1］，值越趨近于1，其地形因子對植被生長和空間分布影響程度越大；h=1，2，3，…L，是植被指數(shù)與地形因子因變量的分級數(shù)；L為各研究區(qū)內(nèi)地形因子的總分級數(shù)；Nh和N分別為層h和區(qū)域的單元數(shù)；σ2h和σ2分別是層h和區(qū)域內(nèi)樣方提取點的植被指數(shù)的方差；SSW和SST分別為層內(nèi)方差之和和區(qū)域總方差。

生態(tài)探測：比較2個地形因子對NDVI的空間分布狀況是否存在顯著的差異與區(qū)別，以F統(tǒng)計量來表示。

F=Nx1×（Nx2-1）×SSWx1Nx2×（Nx1-1）×SSWx2，（3）

式中：Nx1及Nx2分別表示2個地形因子的樣本數(shù)量；SSWx1和SSWx2分別表示由2個地形因子形成分層的層內(nèi)方差之和［29］。

地形因子交互探測：對地形因子PD（x1）、PD（x2）與PD（x1∩x2）進行對比，評價2個地形因子對NDVI的交互影響作用（非線性減弱、單因子非線性減弱、互相增強、非線性增強、獨立增強）［12］。

2.3.3 地理加權(quán)回歸

地理加權(quán)回歸模型是一種非常有效的揭示空間非平穩(wěn)性和空間依賴的方法［30］。利用地理加權(quán)回歸模型探究地形因子同NDVI的變化趨勢與空間分布上存在的規(guī)律。公式為

yi=ρ0（u0+v0）+∑kj=1ρj（ui+vi）xij+εi，（4）

式中：yi為樣本i的NDVI變化擬合值，（ui+vi）為第i個樣點的空間地理坐標，ρ0（u0+v0）是樣點的常數(shù)項估計數(shù)值，ρj（ui+vi）是樣點i的第j個回歸參數(shù)值，xij是第j個自變量在樣點i里面的數(shù)值，εi為服從均值為0的正態(tài)分布誤差［31］。

經(jīng)過驗證，各區(qū)域的地形因子之間的VIF值均小于5。在參數(shù)選擇方面，采用核類型為FIXED（“高斯”核）與交叉驗證準則的CV法，以確定核的范圍。

地理加權(quán)回歸分析后，以相等間隔法對局部擬合度（Local R2）進行分級可視化，探索各研究區(qū)的地形因子（高程、坡度、坡向）與植被指數(shù)之間的空間分布規(guī)律和特點，即局部擬合優(yōu)度值越高，地形與植被的擬合程度越高，地形對植被的影響越大。

3 結(jié) 果

3.1 歸一化植被指數(shù)的空間分布特征

將NDVI分為低（－1，0.2］、中低（0.2，0.4］、中（0.4，0.6］、高（0.6，1］4個等級，各研究區(qū)植被等級狀況如圖2所示：漠河市、白沙黎族自治縣、浦北縣和魯?shù)榭h的植被狀況較好，其高植被覆蓋比例均超過69%；而方山縣、貴德縣和巴林左旗的植被狀況相對較差，其中巴林左旗的植被覆蓋最差，低和中低植被覆蓋率占比超過80%。總體而言，各研究區(qū)的植被指數(shù)呈現(xiàn)出由南向北、由沿海向內(nèi)陸遞減的趨勢。值得注意的是，雖然貴德縣的緯度較方山縣低，但植被覆蓋狀況卻較差。這是因為青藏高原氣候帶的特殊地理和環(huán)境條件所造成的，貴德縣海拔較高、地處內(nèi)陸且土壤貧瘠，限制了植被的生長和發(fā)展。盡管漠河市位于我國最北端的內(nèi)陸地區(qū)，但與中/北熱帶的白沙黎族自治縣與南亞熱帶的浦北縣等南方沿海地區(qū)相比，其植被覆蓋狀況卻更好，這得益于當?shù)厝丝谙∩佟⑼寥婪饰帧⑺簇S富等多種原因共同促進了當?shù)刂脖坏纳L。

各研究區(qū)的NDVI分布如圖3所示：白沙黎族自治縣、浦北縣、魯?shù)榭h、巴林左旗、漠河市植被覆蓋度隨著距離低植被覆蓋中心的距離增加而逐漸增加，形成了明顯的空間梯度。貴德縣和方山縣的植被覆蓋度呈現(xiàn)出線性分布的特征，以河流與低谷向四周逐漸擴散并呈現(xiàn)逐漸變化的分層現(xiàn)象。

3.2 基于地理探測器的地形因子歸因分析

3.2.1 空間分異與地形因子探測分析

如圖4所示：各研究區(qū)的高程、坡度和坡向的PD均值分別為0.133、0.085和0.061，即地形因子對植被指數(shù)的解釋力排名為坡向因子lt;坡度因子lt;高程因子。以高程因子為第一解釋因子的地區(qū)有白沙黎族自治

縣、貴德縣、巴林左旗與漠河市，以坡度因子為第一解釋因子的地區(qū)僅有方山縣，而以坡向因子為第一解釋因子的地區(qū)有浦北縣與魯?shù)榭h。浦北縣的坡向因子和方山縣的坡度因子的解釋力都明顯高于高程因子對植被的解釋力。各地形探測因子之間的變化都較為顯著，位于高原氣候帶的貴德縣各地形因子對NDVI的影響最為明顯，地形因子PD值的和為0.475，遠超第2位的方山縣（0.379）。中亞熱帶的魯?shù)榭h的各地形因子之間PD值變化相差不大，且對植被指數(shù)的影響都較低。

3.2.2 生態(tài)探測分析

結(jié)果顯示（表2）：研究區(qū)的地形探測因子之間大部分沒有顯著差異，僅位于高原氣候帶的貴德縣和南溫帶的方山縣的地形因子在生態(tài)探測中顯示出顯著差異。具體而言，貴德縣的高程與坡度、坡向?qū)χ脖恢笖?shù)NDVI的影響存在顯著差異，而方山縣的坡度與坡向?qū)χ脖恢笖?shù)NDVI的影響也存在顯著差異。

3.2.3 地形因子交互探測分析

如表3所示：地形因子對NDVI具有交互作用，呈現(xiàn)出非線性增強的互動效應。這表明不同研究區(qū)的地形因子對NDVI的影響并非簡單獨立，而是通過協(xié)同促進的過程來起作用。在各地形因子的交互作用中，貴德縣的因子交互作用最顯著，特別是高程∩坡向的交互作用（0.567）最為突出。另外，不同研究區(qū)的因子交互作用也存在顯著差異。貴德縣、巴林左旗、白沙黎族自治縣和漠河市的因子交互作用以高程∩坡向為最高，而浦北縣和方山縣以坡度∩坡向的交互作用最高，魯?shù)榭h則以高程∩坡度的交互作用最高。

3.3 基于地理加權(quán)回歸的地形因子歸因分析

各研究區(qū)的地形因子與植被的局部擬合度排序為高原氣候帶貴德縣（0.387）gt;南溫帶方山縣（0.365）gt;中/北熱帶白沙黎族自治縣（0.307）gt;南亞熱帶浦北縣（0.270）gt;北溫帶漠河市（0.224）gt;中亞熱帶魯?shù)榭h（0.118）gt;中溫帶巴林左旗（0.100）。

如圖5所示：貴德縣與方山縣的局部擬合分布均沿河流向外擴散，白沙黎族自治縣和浦北縣呈現(xiàn)散點狀聚集，局部擬合分布格局與NDVI的空間分布格局相似。結(jié)合圖1中DEM數(shù)據(jù)可以看出，各研究區(qū)的地形變化與局部擬合度空間分布存在一定的關聯(lián)，如貴德縣與方山縣的沿河流分布的河谷與河流階地，白沙黎族自治縣和浦北縣散點狀分布的平地與谷底與圖5的空間分布格局對應。

4 討 論

從7個研究區(qū)的植被指數(shù)狀況可以看出，不同氣候帶的植被覆蓋狀況整體由南向北，由沿海向內(nèi)陸呈下降趨勢的空間格局，與羅爽等［32］得到的中國植被空間分布格局結(jié)果相似。這與中國特定的地理環(huán)境與空間位置有一定聯(lián)系。中國擁有遼闊的緯度范圍（從南緯3°到北緯54°）與獨特的海陸位置（從綿延的海岸線再到西北部的崇山峻嶺），這導致了中國廣泛的氣候變化。南部地區(qū)位于亞熱帶和熱帶，氣候溫暖潮濕；中部地區(qū)屬于溫帶，四季分明；北部地區(qū)則屬于寒帶，冬季漫長嚴寒。同時，高山脈與高原的地貌特征對氣候形成

起到重要的作用，高山脈和高原會影響氣候系統(tǒng)的穩(wěn)定性，產(chǎn)生垂直氣候帶和地形風，導致氣溫、降水等氣候要素在不同高度和區(qū)域之間發(fā)生明顯變化，從而形成了中國特有植被空間變化的趨勢。

從各地形因子的均值看，高程因子對植被指數(shù)的解釋力最大。多數(shù)氣候帶高程因子（貴德縣、漠河市、白沙黎族自治縣）對植被指數(shù)變化有顯著作用，與彭文甫等［12］、王睿卿等［33］的研究較為吻合。山地的氣候條件及土壤狀況等自然因素的變化由高程決定，隨著海拔的升高，溫度與降水等出現(xiàn)相應變化，從而形成了明顯的植被垂直帶［18］，這是多數(shù)研究中高程因子對植被空間的變化影響作用更顯著的可能原因。山西省方山縣則是以坡向因子發(fā)揮更大的作用，與鄧椿等［34］、邵嘉豪等［24］對地形因子探測結(jié)果一致。山西省位于南溫帶的黃土丘陵區(qū)，溝壑縱橫，氣溫偏低，降水偏少，自然植被包括草地與針葉林。結(jié)合遙感影像、地形數(shù)據(jù)與局部擬合空間分布數(shù)據(jù)，發(fā)現(xiàn)地勢平緩的地區(qū)種植有大量的作物。夏天，方山縣的農(nóng)作物生長狀況常優(yōu)于該地區(qū)的自然植被，干擾了垂直地帶性的規(guī)律，使得該地區(qū)的坡度因子對植被的影響作用更顯著。巴林左旗與魯?shù)榭h的地形因子對植被因子的解釋力顯著低于其他研究區(qū)，揭示了巴林左旗與魯?shù)榭h的地形因子在NDVI的空間分布與形成過程中的弱影響機制。

根據(jù)交互探測發(fā)現(xiàn)，不同氣候帶的地形因子之間都不是簡單獨立的對植被指數(shù)NDVI起作用，而是非線性增強促進的過程，與許多專家學者得出的地形因子與植被間的交互結(jié)果相似［34-36］。

目前地形對植被的解釋力與空間分異的研究正趨近成熟，但植被的空間格局與生長狀況不僅受地形因子的驅(qū)動，同樣受溫度、土壤、水、人類活動、地質(zhì)活動［37］等因素的影響。本研究通過約束空間范圍和增加典型樣區(qū)以增強地形因子的影響力，能較好地反應地形因子對植被的影響。但仍然忽略了非自然等因素的作用，后續(xù)將繼續(xù)加強對小尺度、多區(qū)域的非自然因素與地形因子的綜合研究，為植被的區(qū)域生態(tài)價值與災害防護提供更科學的指導與參考。

參考文獻：

［1］ FORKEL M，CARVALHAIS N，RDENBECK C，et al.Enhanced seasonal CO2 exchange caused by amplified plant productivity in northern ecosystems［J］.Science，2016，351（6274）：696-699.

［2］ PENG J，LIU Z，LIU Y，et al.Trend analysis of vegetation dynamics in Qinghai-Tibet Plateau using Hurst Exponent［J］.Ecological Indicators，2012，14（1）：28-39.

［3］ PICKUP G，BASTIN G N，CHEWINGS V H.Identifying trends in land degradation in non-equilibrium rangelands［J］.Journal of Applied Ecology，1998，35（3）：365-377.

［4］ 駱社周，程峰，王方建，等.基于TM遙感數(shù)據(jù)的西藏林芝地區(qū)葉面積指數(shù)反演［J］.遙感技術與應用，2012，27（5）：740-745.

［5］ 朱緒超，袁國富，易小波，等.基于Landsat 8 OLI影像的塔里木河下游河岸林葉面積指數(shù)反演［J］.干旱區(qū)地理，2014，37（6）：1248-1256.

［6］ ZHENG Y D，XU Y C，YAN H J，et al.Analysis of Influencing factors in wheat/maize canopy RVI and NDVI acquisition using ground-based remote sensing system［J］.Spectroscopy and Spectral Analysis，2021，41（8）：2578-2585.

［7］ 安德帥，徐丹丹，劉月，等.高光譜與擬合多光譜植被指數(shù)反演武夷山亞高山草甸LAI的對比研究［J］.生態(tài)科學，2022，41（5）：187-196.

［8］ ZHAO L，DAI A，DONG B.Changes in global vegetation activity and its driving factors during 1982-2013［J］.Agricultural and Forest Meteorology，2018，249：198-209.

［9］ FU G，SUN W，LI S W，et al.Modeling aboveground biomass using MODIS images and climatic data in grasslands on the Tibetan Plateau［J］.Journal of Resources and Ecology，2017，8（1）：42-49.

［10］LUAN J K，LIU D F，HUANG Q，et al.Analysis of the spatial-temporal change and impact factors of the vegetation index in Yulin，Shaanxi Province，in the last 17 years［J］.Acta Ecologica Sinica，2018，38（8）：2780-2790.

［11］WANG T，BAI H Y.Variation of vegetation NDVI in response to climate changes and human activities in Qinling Mountains［J］.Mountain Research，2017，35（6）：778-789.

［12］彭文甫，張冬梅，羅艷玫，等.自然因子對四川植被NDVI變化的地理探測［J］.地理學報，2019，74（9）：1758-1776.

［13］呂泳潔，丁文廣，鄧喆，等.基于地理探測器的甘肅省植被覆蓋時空變化及解釋力分析［J］.地球環(huán)境學報，2022，13（2）：185-195.

［14］廖成浩，曾艷，姚昆，等.江西植被EVI時空動態(tài)監(jiān)測及驅(qū)動因素分析［J］.云南大學學報（自然科學版），2022，44（5）：981-989.

［15］羅明良，湯國安，劉學軍.地形形態(tài)要素研究綜述［C/OL］//中國地理學會2007年學術年會論文集.https：//xueshu.baidu.com/usercenter/paper/show？paperid=8d62cf840d8da22bf3822d6e47dbb953amp;site=xueshu_seamp;hitarticle=1.

［16］傅抱璞.地形和海拔高度對降水的影響［J］.地理學報，1992，47（4）：302-314.

［17］FLORINSKY I V ，KURYAKOVA G A .Influence of topography on some vegetation cover properties［J］.Catena，1996，27（2）：123-141.

［18］李娟，龔純偉.祁連山國家公園植被覆蓋變化地形分異效應［J］.水土保持通報，2021，41（3）：228-237.

［19］劉梁美子，占車生，胡實，等.黔桂喀斯特山區(qū)年NDVI變化的影響因素研究［J］.地理科學進展，2019，38（11）：1783-1792.

［20］陳佳敏，王寧，趙富王，等.黃土丘陵區(qū)溝沿線不同微地形植物群落特征［J］.中國水土保持科學，2022，20（5）：31-38.

［21］龍映豪，李旭東，程東亞.山區(qū)植被覆蓋度變化的地形分異特征：以貴州開陽縣為例［J］.水土保持研究，2022，29（5）：268-275，282.

［22］銀朵朵，王艷慧.溫帶大陸性半干旱季風氣候帶植被覆蓋度時空變化及其地形分異研究［J］.生態(tài)學報，2021，41（3）：1158-1167.

［23］李夢華，韓穎娟，趙慧，等.基于地理探測器的寧夏植被覆蓋度時空變化特征及其驅(qū)動因子分析［J］.生態(tài)環(huán)境學報，2022，31（7）：1317-1325.

［24］邵嘉豪，李晶，閆星光，等.基于地理探測器的山西省2000～2020年NPP時空變化特征及解釋力分析［J］.環(huán)境科學，2023，44（1）：312-322.

［25］李曉靜，張斌，劉守江，等.涼山州喜德縣植被蓋度與地形因子的空間耦合［J］.西華師范大學學報（自然科學版），2022，43（2）：129-136.

［26］馬梓策，于紅博，曹聰明，等.中國植被覆蓋度時空特征及其影響因素分析［J］.長江流域資源與環(huán)境，2020，29（6）：1310-1321.

［27］張薇，萬虹麟，陳晨，等.基于歸一化植被指數(shù)的植被覆蓋度時空變化研究：以大運河文化帶滄州段為例［J］.河北水利電力學院學報，2021，31（4）：72-78.

［28］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.

［29］HEIN L，DE R N，HIERNAUX P，et al.Desertification in the Sahel：Towards better accounting for ecosystem dynamics in the interpretation of remote sensing images［J］.Journal of Arid Environments，2011，75（11）：1164-1172.

［30］覃文忠，王建梅，劉妙龍.地理加權(quán)回歸分析空間數(shù)據(jù)的空間非平穩(wěn)性［J］.遼寧師范大學學報（自然科學版），2005，28（4）：476-479.

［31］李晶晶，閆慶武，胡苗苗.基于地理加權(quán)回歸模型的能源“金三角”地區(qū)植被時空演變及主導因素分析［J］.生態(tài)與農(nóng)村環(huán)境學報，2018，34（8）：700-708.

［32］羅爽，劉會玉，龔海波.1982—2018年中國植被覆蓋變化非線性趨勢及其格局分析［J］.生態(tài)學報，2022，42（20）：8331-8342.

［33］王睿卿，蔣曉輝，聶桐.基于地理探測器的珠江流域NDVI時空變化及解釋力分析［J］.人民珠江，2022，43（7）：61-73.

［34］鄧椿，蔣曉輝，聶桐，等.山西省植被覆蓋度多因子探測特征與解釋力分析［J］.環(huán)境科學與技術，2022，45（2）：182-191.

［35］張思源，聶瑩，張海燕，等.基于地理探測器的內(nèi)蒙古植被NDVI時空變化與解釋力分析［J］.草地學報，2020，28（5）：1460-1472.

［36］姜萍，胡列群，肖靜，等.新疆植被NDVI時空變化及定量歸因［J］.水土保持研究，2022，29（2）：212-220.

［37］劉守江，朱兆棋，陳曦，等.龍門山銀廠溝區(qū)域5·12地震前后災害與生態(tài)研究進展與展望［J］.西華師范大學學報（自然科學版），2021，42（3）：239-245.

Quantitative Attribution of Topographic Factors InfluencingVegetation Indices in Typical Climatic Zones：

Based on Geographic Detector and GWR

YIN Jia-yuan，LUO Ming-liang，BAI Lei-chao，WU Qiu-sheng

（a.School of Geographical Sciences，b.Jialing River Basin Research Institute，China West Normal University，

Nanchong Sichuan 637009，China）

Abstract：The research on the changes of normalised different vegetation index （NDVI） influenced by topographic factors in different climatic zones is of great value for the exploration of soil and water hazards，ecological research，and regional environmental quality.Taking the county areas in seven typical climate zones as examples and the Landsat 8 remote sensing data and DEM data as the basis，this study explores the relationship between topographic factors and changes of NDVI as well as its variation patterns at the small area scale of the typical climate zones in China through geographic detector and geographic weighted regression.The results are as follows：（1）The NDVI is ranked as：Mohe city （the northern temperate zone）gt;Baisha Lizu autonomous county （the central/northern tropical zone）gt;Pubei county （the southern subtropical zone）gt;Ludian county （the southern subtropical zone）gt;Fangshan county （the southern temperate zone）gt;Guide county （the plateau climatic zone）gt;Bairin left banner （the middle temperate zone）.（2）In terms of their explanatory power for the vegetation index，the topographic factors are ranked as：slope direction factorlt;slope factorlt;elevation factor，and most of the topographic factors show no significant difference；in different study areas，topographic factors exert its influence on NDVI through nonlinear enhancement rather than in a simple and independent way.（3）The local fitted spatial pattern of topographic factors is similar to the spatial distribution pattern of vegetation cover，so topography has an important influence on the spatial distribution of vegetation.（4） According to the adjustment of the goodness of fit，the ranking of the fitting of topographic factors on vegetation in each study area is：Guide countygt;Fangshan countygt;Baisha Lizu autonomous countygt;Pubei countygt;Mohe citygt;Ludian countygt;Bairin left banner，and the fitting degree of topographic factors on vegetation index varies significantly with the geographic area.

Keywords：geographic detector；geographic weighted regression；topographic factors；NDVI；climatic zones