基于MGWR的長江流域植被演化及其影響因素

李泳君,陳青長*,方 賀,李 建(.上海應(yīng)用技術(shù)大學(xué)城市建設(shè)與安全工程學(xué)院,上海 048；.浙江省氣候中心,浙江 杭州 30057)

植被作為陸地生態(tài)系統(tǒng)的重要組成部分之一[1],在維持和優(yōu)化生態(tài)系統(tǒng)服務(wù)等過程中發(fā)揮著關(guān)鍵作用,并被視為全球環(huán)境變化的敏感指標[2].因此,進行區(qū)域和全球尺度的植被變化研究對于深入理解生態(tài)系統(tǒng)的物質(zhì)循環(huán)和信息傳遞具有重要意義[3].

在受到氣候變化、人類活動和地形差異等多種因素的干擾下,植被往往會呈現(xiàn)出復(fù)雜的空間異質(zhì)性演變[4-5].從全球尺度來看,氣候變暖加速了北方高緯度地區(qū)植被的恢復(fù)速度[6],但對熱帶地區(qū)的植被卻產(chǎn)生了負面影響[7].在流域尺度上,雅魯藏布江流域上游植被與降水、干旱呈顯著正相關(guān),中游植被與氣溫、下游植被與降水呈顯著負相關(guān)[8].總之,不同影響因素對植被的影響關(guān)系會隨著空間位置的變化而發(fā)生變化(即空間非平穩(wěn)性).因此,揭示植被活動與影響因子之間的空間非平穩(wěn)關(guān)系,能夠為應(yīng)對氣候變化、城市擴張以及提升生態(tài)系統(tǒng)適應(yīng)能力提供理論依據(jù)[9-10].

長江流域作為亞洲第一大流域[11],其植被覆蓋狀況及動態(tài)變化對中國、周邊國家乃至全球生態(tài)平衡具有重要影響[11].因此,研究長江流域植被的時空變化,以及驅(qū)動這些變化的主要影響因素,對于區(qū)域生態(tài)環(huán)境保護和植被資源管理具有重要現(xiàn)實意義.近年來,已有許多學(xué)者對長江流域的植被變化及其影響因素進行了研究,他們利用不同分析方法探討了植被的驅(qū)動機制[11-14].這些研究從不同的角度對長江流域的植被變化及其驅(qū)動機制進行了深入探討,但也存在以下局限性:1)影響因素考慮不充分,以往研究側(cè)重于研究氣候地形等自然因素對植被的影響.2)影響因素作用尺度差異,大多數(shù)學(xué)者假定各影響因子對于植被的驅(qū)動過程均是在相同尺度下.3)驅(qū)動分析方法的不足,相關(guān)性分析、偏相關(guān)分析或者地理探測器沒有顧及植被與相關(guān)影響因子的空間非平穩(wěn)性.

自1996年Brunsdon 等[15]提出了空間非平穩(wěn)性分析工具--地理加權(quán)回歸模型(GWR)以來,該模型已成為應(yīng)用廣泛的局部空間統(tǒng)計分析方法之一[16-17].盡管許多學(xué)者已經(jīng)應(yīng)用GWR 模型對植被與外部環(huán)境因素的空間非平穩(wěn)性進行了深入研究[1,18-19],然而經(jīng)典的GWR 假定各因子對于植被的驅(qū)動過程均是在相同尺度下.這個假設(shè)明顯違背現(xiàn)實地理空間關(guān)系的異質(zhì)性或非平穩(wěn)性規(guī)律,不可避免地忽略了不同關(guān)系可能在不同尺度上發(fā)生的事實[20].為解決多尺度的空間非平穩(wěn)性和異質(zhì)性問題,Fotheringham 等[21]提出了顧及多尺度的地理加權(quán)回歸模型(MGWR).該模型能夠很好的模擬自變量與因變量的地理空間響應(yīng)過程,從而精確識別不同影響因子對于因變量作用的不同尺度,程度及方向[22].

綜上所述,針對以往研究對于長江流域植被變化與影響因子尺度效應(yīng)考慮不全面,以及各因素與植被的空間關(guān)系的非平穩(wěn)性研究不足等問題.本文借助GEE 云平臺探討了2000～2022年長江流域植被覆蓋度的時空演化特征,應(yīng)用MGWR 等方法,研究流域植被與不同類型要素(地形、氣候、社會等方面)的空間非平穩(wěn)關(guān)系,以定量分析不同影響要素對植被活動的控制作用.

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

長江是中國第一大河,也是世界第三大河,全長約6300km,流經(jīng)中國青海、西藏、云南、四川、重慶、湖北、湖南、江西、安徽、江蘇等十多個省市(圖1).長江流域地處中國中部地區(qū),90°～122°E,24°～35°N 之間,總面積約180 萬km2,占中國陸地總面積的1/5.長江流域的氣候多樣,從溫帶到亞熱帶,不同地區(qū)的氣候、水文特征各異.由于山地、丘陵、平原交錯,地勢逐漸平緩,長江流域的地貌變化也相當(dāng)復(fù)雜,形成了長江三角洲、洞庭湖平原、四川盆地等地貌類型.長江流域是中國重要的農(nóng)業(yè)和工業(yè)基地,擁有眾多的水力發(fā)電站和水運樞紐,是中國最重要的內(nèi)河航運干線.同時,長江流域也是中國珍稀瀕危野生動植物的重要棲息地,保護生態(tài)環(huán)境對于長江流域的可持續(xù)發(fā)展至關(guān)重要.總的來說,長江流域是中國最為重要、多樣化和廣泛的流域之一,對中國的經(jīng)濟、文化和自然資源都有著重要的影響.

1.2 數(shù)據(jù)源

本研究數(shù)據(jù)主要分為兩大類,分別為因變量數(shù)據(jù)(植被覆蓋度 FVC),是利用 GEE 平臺(https://code.earthengine.google.com/)進行計算得到,數(shù)據(jù)源來自美國國家航空航天局(NASA)官網(wǎng)(https://www.nasa.gov/)的 MODIS 植被指數(shù)產(chǎn)品數(shù)據(jù)MOD13Q1.數(shù)據(jù)空間分辨率為250m,時間分辨率為16d,時間范圍:2000年2月～2022年12月.自變量(影響因子)包括地形因子、氣候因子、社會相關(guān)因子(表1),各因子的空間分布如圖2所示.

表1 影響因子數(shù)據(jù)Table 1 List of impact factor data

圖2 影響因子的空間分布Fig.2 Spatial distribution of Impact factor

1.3 植被覆蓋度反演方法

植被覆蓋度(FVC)采用像元二分模型進行計算,該模型假設(shè)像元的地表由有植被覆蓋部分地表與無植被覆蓋部分構(gòu)成,而傳感器觀測到的光譜信息也由這2 個組分因子線性加權(quán)合成,各因子的權(quán)重是各自的面積在像元中所占的比率,如其中FVC 可以看作是植被的權(quán)重[23-24].

計算FVC 的公式如下:

式中:NDVIsoil為純裸地像元的NDVI 值;NDVIveg為純植被像元的 NDVI 值[25].其中,裸地像元值NDVIsoil和純植被覆蓋像元值NDVIveg的理論值應(yīng)分別接近0 和1.本研究中采用5%置信度截取NDVI上下閾值,將NDVI 數(shù)值最大、最小的5%區(qū)域分別做平均值[24],得到NDVIsoil和NDVIveg.

1.4 時空演化分析方法

1.4.1 變化趨勢分析 本文使用 Sen 氏趨勢分析[8]與MK 檢驗[26]相結(jié)合,分析FVC 在像元尺度上的變化趨勢及顯著性;在區(qū)域尺度上則采用線性回歸分析FVC 變化的總體趨勢.計算公式如下:

式中:FVCi和FVCj分別表示像元i年和j年的FVC值;n 表示時間序列的長度;sgn 是符號函數(shù);統(tǒng)計量Z的取值范圍為(-∞,+∞).在給定顯著性水平α 下,當(dāng)|Z|>u1-α/2時,表示研究序列在α 水平上存在顯著的變化[27].

1.4.2 變異系數(shù)法 變異系數(shù)是反映觀測數(shù)據(jù)的相對波動程度,具體衡量數(shù)據(jù)的穩(wěn)定性.當(dāng)變異系數(shù)值較大時,說明數(shù)據(jù)波動較明顯,表示植被變化較大;反之,變異系數(shù)值較小表示數(shù)據(jù)波動較平緩,植被變化較為穩(wěn)定[28-29].變異系數(shù)的計算公式如下:

1.4.3 Hurst 指數(shù) 本研究使用Hurst 指數(shù)來分析未來FVC 的演變趨勢.該方法最初由英國水文學(xué)家Hurst于1965年提出[30-31],現(xiàn)已被廣泛應(yīng)用于各個領(lǐng)域的時間序列分析,該方法的計算公式詳見文獻[4-5].當(dāng)0.5

1.5 驅(qū)動分析方法

地理加權(quán)回歸模型可有效地解釋空間非平穩(wěn)性,其通過借用附近樣本點的數(shù)據(jù)來進行參數(shù)估計,然而GWR 模型中的帶寬是所有自變量不同帶寬的平均值,進而導(dǎo)致估計偏差[21,33].作為GWR 模型的最新改進版本,多尺度地理加權(quán)回歸(MGWR)模型同時考慮多種帶寬以解決該缺陷,進而識別不同變量影響的尺度效應(yīng)[33-34].因此,本研究擬使用MGWR模型以研究長江流域植被空間分布與其他因子之間的空間非平穩(wěn)性與尺度效應(yīng),其公式如下:

式中:yi、xij、εi分別代表空間上i 點的因變量、自變量和隨機誤差;(ui、vi)為i 點的空間位置;j 代表自變量的個數(shù);β是i 點上的回歸系數(shù)[35].bwj 代表了第j 個變量回歸系數(shù)使用的帶寬.MGWR 的每個回歸系數(shù)βbwj都是基于局部回歸得到的,且?guī)捑邆涮禺愋?MGWR 的核函數(shù)和帶寬選擇準則依然延續(xù)使用經(jīng)典GWR 的幾種經(jīng)典的核函數(shù)和帶寬選擇準則.本文使用最為常用的二次核函數(shù)和AICc 準則[36].

2 結(jié)果與分析

2.1 長江流域植被時空演化特征

以植被覆蓋度(FVC)為植被指標,對長江流域植被的時空演化特征進行綜合評估和定量研究.首先是對長江流域植被的空間演化特征進行定量分析,在此基礎(chǔ)上,進一步對長江流域植被在時間維度上的變化特征進行深度分析.

2.1.1 長江流域植被空間分布 本研究基于GEE 云平臺,計算得到2000～2022年長江流域平均年度FVC 的空間分布(圖3),并參照已有研究將FVC 劃分為5 個等級[6,29].由圖3 可知,長江流域FVC 總體呈現(xiàn)出西北低東南高的空間分布趨勢.其中,流域上游的青海東部以及四川的西北部FVC以<0.2 為主(圖3a),面積占比約為7.04%.長江流域中部地區(qū)以0.4～0.8 的植被覆蓋度為主,由圖3b 可知,陜西南部,湖北西部、四川和重慶東北部植被覆蓋相對較高(0.6～0.8),面積占比約為32.35%.長江中游城市群植被覆蓋度相對較低(圖3c),尤其以武漢、長沙、南昌等城市的植被覆蓋較低(<0.2).此外,流域下游的上海、江蘇南部、安徽東南部植被覆蓋也以<0.2 為主.然而,整體來看,長江流域植被相對較好,FVC>0.4 的區(qū)域面積占比約為79.56%.

圖3 長江流域植被覆蓋度的空間分布Fig.3 Spatial distribution of FVC in the Yangtze River Basin

2.1.2 長江流域植被時間變化 為研究FVC 在2000～2022年間的變化趨勢,本文將逐年 FVC 數(shù)據(jù)作為數(shù)據(jù)源,利用Matlab 編程實現(xiàn)Theil Sen-MK 趨勢分析,得到植被變化趨勢結(jié)果.將其劃分為5 個等級,詳見表2.將其劃分為五個等級.

由圖4 可知,長江流域植被覆蓋度得到了顯著改善,顯著改善面積占流域總面積的56.56%.然而,嚴重退化區(qū)域僅占長江流域總面積的2.35%,主要分布在流域上游的青海東部(圖4a)、中游長株潭城市群(圖4c)以及下游長三角城市群(圖4d).由圖4b可知,流域中部是顯著改善區(qū)域聚集區(qū),包括甘肅南部、四川東部、陜西南部和湖北西部等地區(qū).從植被覆蓋度的年際變化情況來看(圖5),2000～2022年長江流域植被覆蓋呈現(xiàn)波動上升趨勢,增速為0.245%/a.其中,FVC 最大值為2021年的53%,最小值為2005年的45%.其中,2012年前長江流域植被覆蓋度增速較慢,2012年后植被覆蓋度增速顯著,增速為0.636%/a.但總體上看,近23a 長江流域植被覆蓋度得到顯著改善.

圖4 長江流域植被覆蓋度的趨勢變化空間分布Fig.4 Spatial distribution of trend changes of FVC in the Yangtze River Basin

圖5 長江流域年際植被覆蓋度變化曲線Fig.5 Annual changes of FVC in the Yangtze River Basin

2.1.3 長江流域植被變化穩(wěn)定性 根據(jù)長江流域2000～2022年植被覆蓋度結(jié)果,逐像元統(tǒng)計變異系數(shù)值,依照計算結(jié)果將穩(wěn)定性分為五個程度,低等波動變化(<0.05),中低等波動變化(0.05～0.10),中等波動變化(0.10～0.15),中高等波動變化(0.15～0.20),高等波動變化(>0.20).如圖6所示,2000～2022年間長江流域植被變化在大部分地區(qū)的波動較平穩(wěn).其中,中低波動變化區(qū)域占比最高,為64.10%,廣泛分布于流域的各個區(qū)域.中等波動變化區(qū)域面積占比為18.43%,主要分布在流域上游的四川東部,重慶西部以及貴州北部等地區(qū)(圖6b).低等波動變化區(qū)域面積總占比為12.93%,主要位于四川西部(圖6a)、湖北中西部(圖6c)以及安徽南部(圖6d)等地區(qū).植被變化不穩(wěn)定地區(qū)(>0.20)主要位于大中型城市,如上海,蘇州,武漢、南京等.

2.1.4 長江流域植被未來趨勢變化 為進一步了解長江流域FVC 未來變化趨勢,將FVC 變化趨勢與Hurst 指數(shù)進行耦合分析(表3),得到FVC 變化趨勢與持續(xù)性組合的空間分布(圖7).總體上看,長江流域植被覆蓋度的未來發(fā)展趨勢以由改善向退化為主,其面積占比為69.24%,廣泛分布于流域各個區(qū)域.然而,FVC 未來由退化向改善發(fā)展的區(qū)域面積約占流域總面積的6.98%,主要分布于上游的青海東部(圖7a),云貴川渝地區(qū)也有零星分布(圖7b).持續(xù)退化區(qū)域面積占比為3.65%,主要位于流域中游的湖北中東部(圖7c),以及流域下游的長三角城市群(圖7d).持續(xù)改善區(qū)域占比相對較多,為17.10%,主要位于湖北東北部、河南南部,此外流域內(nèi)其他省份也都有較為稀疏分布.

表3 植被未來變化趨勢分級Table 3 Classification of future changes trend of vegetation

圖7 長江流域植被未來變化趨勢的空間分布Fig.7 Spatial distribution of future changes trend of vegetation in the Yangtze River Basin

2.2 植被變化影響因素的空間分異特征

研究植被動態(tài)及其決定因素對于進一步深入理解區(qū)域和全球尺度的氣候-植被相互作用/反饋、指導(dǎo)可持續(xù)管理和自然資源保護至關(guān)重要.因此,在針對長江流域植被時空演化特征定量分析的基礎(chǔ)上,本節(jié)對于長江流域植被演化的背后驅(qū)動機制進行探討分析.首先,分析地形、氣候及社會三種類型因素對于長江流域植被變化的驅(qū)動力.其次,討論各類型因子對于長江流域植被變化驅(qū)動作用的尺度效應(yīng).

2.2.1 影響因素的空間異質(zhì)性 本研究借助MGWR 模型在不同空間位置(縣級)實現(xiàn)了驅(qū)動因子與FVC 關(guān)系空間異質(zhì)性的特點,得到由模型輸出的各驅(qū)動因子回歸系數(shù)的空間分布(圖8).其中回歸系數(shù)的絕對值表明驅(qū)動因子對于植被的影響程度,回歸系數(shù)的正負表明影響的方向.

圖8 長江流域植被影響因素的回歸系數(shù)Fig.8 Regression coefficients of factors influencing vegetation in the Yangtze River Basin

地形方面,高程對于長江流域中下游的江西、安徽、江蘇、浙江及上海等地區(qū)植被具有較強的負向作用,回歸系數(shù)絕對值聚集于-23.33～-4.84(圖8a);而流域上游的青海、四川、重慶等地區(qū)主要受到了高程的較小的正向作用.坡度對于長江流域植被的作用呈現(xiàn)出自西向東逐漸降低的趨勢(圖8b),與高程相似,流域的中下游同樣受到了坡度較大的負向作用;但是流域植被受到正向作用的地區(qū)面積占比明顯高于負作用.

氣象方面,降水對于長江流域植被以負向作用為主(圖8c),主要位于流域中上游的青海,四川、重慶及湖南等地區(qū);然而成都及其周邊各縣卻受到較小的正向作用.與降水不同,氣溫對于植被的影響程度表現(xiàn)出西正東負的趨勢(圖8d),其中長三角地區(qū)植被受到氣溫的負向作用相對較強(-15.52～-8.96),然而上游地區(qū)受到的正向作用相對較低(0.00～1.67).相對濕度對于長江流域植被的影響以負向作用為主(圖8e),只有湖北北部、陜西和河南南部等地區(qū)受到正向作用.蒸散發(fā)對于長江流域植被的影響出現(xiàn)顯著的南北空間分異性(圖8f),其中南部的云貴川渝以及湘鄂贛地區(qū)受到負向作用,而北部的青海、四川、陜西、河南以及長三角地區(qū)主要受到正向作用.如圖8g所示,長江流域植被主要受日照時間的負向作用,其中流域上游大部分地區(qū)主要受到較小的負向作用(-1.19～0.00),只有成都及附近等區(qū)縣受到較小的正向作用(0.00～1.13).

社會方面,GDP 對于長江流域植被的影響為單一負向作用,且由東北向西南呈下降趨勢(圖8h),影響程度也相對較小(-0.128～-0.116).與GDP 不同,人口密度對于長江流域植被的影響為單一正向作用,呈現(xiàn)出自西向東逐漸升高的趨勢(圖8i),影響力也相對較小(0.08～0.15).由圖8j 可知,長江流域植被受到夜間燈光數(shù)據(jù)的單一負向作用,且影響程度相對較低.

2.2.2 影響因素的尺度差異 圖9 總結(jié)了GWR 和MGWR 之間所有變量帶寬的差異.MGWR 能夠直接反映不同變量對于長江流域植被的差異化作用尺度,而傳統(tǒng)GWR 則只能反映出各個變量作用尺度的平均值.由圖9 可知,經(jīng)典GWR 的帶寬為66,占總樣本數(shù)量的7.4%.然而,MGWR 模型的計算表明不同影響因素對于長江流域植被的作用尺度差異較大.其中,地形(高程和坡向)、氣候(降水、氣溫、相對濕度、蒸散發(fā)及日照時間)因子對于長江流域植被的作用尺度相對較低,為43,僅占樣本數(shù)的4.8.然而,社會因子對于長江流域植被的作用尺度相對較大,其中人口密度的作用尺度為886,為全局尺度.GDP的作用尺度僅次于人口密度,為872,而夜間燈光數(shù)據(jù)對于植被的作用尺度為237.

圖9 經(jīng)典地理加權(quán)回歸與多尺度地理加權(quán)回歸模型帶寬Fig.9 Bandwidth of GWR and MGWR

3 討論

3.1 長江流域植被時空變化特征分析

本研究表明,近22a 來長江流域的植被時空演化呈現(xiàn)出顯著的空間異質(zhì)性.從空間分布來看,長江流域植被呈現(xiàn)出東西低中部高的趨勢,這與以往研究結(jié)果一致[12,37].從時間變化的角度來看,2000～2022年間,長江流域的FVC 總體呈現(xiàn)出波動上升的趨勢.圖5 也從空間分布上證實了這一趨勢,這也與徐勇等學(xué)者的研究結(jié)論一致[11].長江流域植被改善區(qū)域明顯高于退化區(qū)域,占流域總面積的82.36%,主要位于流域中部,這里是生態(tài)修復(fù)工程實施的區(qū)域[38],主要包括防護林工程、巖溶地區(qū)石漠化綜合治理工程、天然林保護工程等[11].以往研究也得出相同結(jié)論[11,38-39].

3.2 長江流域植被變化驅(qū)動分析

3.2.1 地形因素對于植被的驅(qū)動分析 研究發(fā)現(xiàn),長江流域的植被受地形因素的影響較大(圖8 和表4),其中坡度對流域植被的影響明顯大于高程.坡度作為植被變化的關(guān)鍵因素,通過調(diào)節(jié)植物所需的水熱條件和營養(yǎng)有機質(zhì),間接影響著植被的生長變化[24].此外,海拔也會通過影響人類活動,進而間接影響植被變化[16].圖8 顯示,長三角城市群等低海拔地區(qū)的植被受到高程和坡度的負面影響較大,主要原因是海拔較低、坡度適中,適合人類活動和社會發(fā)展[40],同時也促進了農(nóng)業(yè)開墾[41],進而導(dǎo)致植被覆蓋相對較低[29].鄧元杰等[13]的研究結(jié)果也支持了這一觀點.

表4 多尺度地理加權(quán)回歸系數(shù)統(tǒng)計描述Table 4 Statistical description of MGWR coefficient

3.2.2 氣候因素對于植被的驅(qū)動分析 研究結(jié)果顯示,氣溫對長江流域植被的影響最大,回歸系數(shù)絕對值均值為-2.674(表4),Qu 等[42]學(xué)者的研究也得出類似的結(jié)論.圖8d 表明,流域上游地區(qū)的植被覆蓋度隨著溫度升高逐漸增加,這可能是由于氣溫升高增強了高海拔地區(qū)森林植被的光合作用[1,16].此外,青藏高原地區(qū)的溫度上升縮短了凍融時間,改善了土壤水分,增加了植被的生長期,這也有利于植被繁盛[43-44].相對濕度對植被的影響次于氣溫,主要表現(xiàn)為負向作用,這也與之前的研究一致[45].降水對植被的影響也主要是負向的,但在中下游地區(qū)出現(xiàn)了部分正向作用,可能是由于三峽水電站開發(fā)和水庫建設(shè)[11]導(dǎo)致下游水資源相對較低,增加的降水量促進了下游植被的生長.

3.2.3 人為因素對于植被的驅(qū)動分析 研究發(fā)現(xiàn),人為因素和自然因素對植被NDVI 的影響方式存在顯著差異(圖8).與以往研究認為的人為因子對植被的較強影響相比,本研究發(fā)現(xiàn)人為因素對植被的影響程度明顯較低,自然因素的作用更為顯著.在影響方向上,社會經(jīng)濟因素對長江流域的植被呈現(xiàn)出正負空間非平穩(wěn)性.例如,GDP 和夜間燈光數(shù)據(jù)對植被的影響呈現(xiàn)負向關(guān)系(圖8h 和圖8j),而人口密度與植被的關(guān)系則呈正向關(guān)系.這可能由于GDP 和夜間燈光數(shù)據(jù)的空間趨勢與城市化發(fā)展的空間格局相關(guān),以往研究認為GDP 和夜間燈光數(shù)據(jù)也具有相當(dāng)?shù)目臻g分布模式[46].隨著經(jīng)濟水平和城市化程度的提高,城市建設(shè)不斷擴張,持續(xù)占用植被所需的土地資源,從而導(dǎo)致植被的減少.

3.2.4 不同影響因素的尺度效應(yīng) 從MGWR 模型導(dǎo)出的尺度系數(shù)可用于識別不同因子對于植被的不同作用區(qū)域.在使用GWR 模型時,忽略了部分變量的全局魯棒性[20],所有因子對植被的作用尺度僅僅是單一的均值尺度(圖9).不同因子的作用尺度差異性往往被忽視[16],這導(dǎo)致了空間非平穩(wěn)性不顯著的誤導(dǎo)性結(jié)論[21].與GWR 不同,MGWR 的研究結(jié)果表明,流域不同因子對于植被的作用尺度顯著不同.植被受到自然因子(地形因子和氣候因子)作用的尺度相對較低,尺度為43.然而人為因子對于植被的作用尺度相對較大,如GDP 的尺度為872.分析結(jié)果表明,與人為因素相比,自然因子對植被的影響非常局部(帶寬較小),這種對空間尺度關(guān)系的精確診斷支持具有成本效益的土地覆被規(guī)劃[16,47],從這個角度制定植被恢復(fù)政策應(yīng)側(cè)重于區(qū)域間特征.

4 結(jié)論

4.1 長江流域植被覆蓋度時空演化差異顯著.空間分布上,植被覆蓋度總體呈現(xiàn)出東西低,中部高的空間分布格局.植被覆蓋度在0.4～1.0 之間的面積占比約80%,植被呈較高覆蓋狀態(tài).時間變化上,近22a 長江流域植被整體呈現(xiàn)出波動上升的變化趨勢,增速為0.245%/a.植被改善區(qū)域(82.36%)明顯高于退化區(qū)域(7.12%),在空間上表現(xiàn)為中部改善強于東部,東部改善強于西部.未來發(fā)展來看,長江流域有退化風(fēng)險,其中由改善向退化面積占比最大,為69.24%.

4.2 植被和各驅(qū)動因素之間的響應(yīng)過程表現(xiàn)出顯著的空間非平穩(wěn)性.值得注意的是,與人為因子相比,地形和氣候因子對于長江流域植被的影響更為顯著,其中坡度、高程、氣溫及相對濕度回歸系數(shù)均值都超過1.100.這些結(jié)果進一步證實了MGWR 模型可以應(yīng)用于處理人類活動和環(huán)境變化等非平穩(wěn)特征的類似研究,以同時捕捉時間和空間上的非平穩(wěn)性.

4.3 各因子對于植被的作用尺度差異明顯.其中植被對自然因子非常敏感,且存在很強的空間非平穩(wěn)性,地形和氣候的影響尺度是變量中最小的,為43.影響因子按其空間尺度由小到大分別為高程、坡度、降水、氣溫、蒸散發(fā)、日照時間、相對濕度、夜間燈光數(shù)據(jù)、GDP、人口密度.

致謝：部分數(shù)據(jù)和技術(shù)支持由中國氣象局“風(fēng)云衛(wèi)星遙感產(chǎn)品校驗”青年創(chuàng)新團隊提供,在此表示感謝.