西南喀斯特地區植被覆蓋度時空變化特征及其驅動因子分析

Analysis of Spatial and Temporal Change Characteristics in Vegetation Coverage and ItsDriving Factors inSouthwest Karst Region ZHANGYa-pig1，XIAZegu，S-betal（1.DpartmentofgroomicEgineeing，GuzouVocatioalClgeoflur， Qingzhen，uizou5514；2.Guzou Geologandining113GeologicalEngieeringo，Ld.upansuiGuizho5530；3.Go Forestry Reconnaissance and Design Co.，Ltd.，Guiyang，Guizhou ）

AbstractUsingVI，recipiationemperatureandusneata，espatiotemporaldistrbutionateofegetatiocoerageinte SouthwestKastfrotsldhoghlngesoedndtgintrdalduale rivativesadothetodsTecontribtiosofliaticfactorsandhumanatititohangesinvegetationcoveragewerequantid，and thedrivingfactorswereexplord.TeresultshowedtatvegeationcoverageinteSouthestKarstregionehibitedadistictspatialpate， withhigheroverageeouthdotiousasompadtoeodaingio.Fotegeatiooerge demonstratedafatiguardtrnditigoerageareasireasingfr196lot.48illosareiloeeepansionof188OsquareilometersTmperatureasientfdasthepriaydriverofvgetationcoveraggrowth，sowigasrogela tion of 65.67% ：

Key wordsVegetation cover；Spatial and temporal change characteristic ；Driving factor；Southwest Karst region

全球環境變化背景下，植被覆蓋度作為表征生態系統健康的核心指標，其動態監測與驅動機制解析已成為區域可持續發展研究的重要議題[1]。西南喀斯特地區作為全球三大連片喀斯特地貌區之一，其脆弱生態系統對氣候變化和人類活動具有高度敏感性，植被覆蓋度變化直接影響著區域碳匯功能和生物多樣性保護[2]。然而，現有研究多聚焦于單一時間尺度或局部區域，對多因子協同驅動機制的系統解析仍顯不足[3，這制約著喀斯特生態系統的精準管理與恢復實踐。

基于NDVI的植被動態研究已形成較成熟的方法體系，現有成果證實氣候因子與人類活動對植被覆蓋具有顯著時空異質性影響[4]。在喀斯特地區，學者們通過趨勢分析和相關性檢驗揭示了溫度升高對植被生長的促進作用[5，但關于水熱因子交互作用及其區域分異特征的研究仍存在爭議[6]特別是在全球變暖背景下，日照時數改變對植被光合作用效率的影響機制尚未明晰[7]，這成為準確評估區域生態系統穩定性的關鍵瓶頸。該研究以2000—2020年M0D13A3數據集為基礎，利用NDVI、降水、溫度和日照等數據，通過線性回歸方法分析西南喀斯特地區2000—2020年植被覆蓋度的時空分布格局，并利用偏導數等方法分析其變化趨勢，研究量化氣候因素和人類活動對植被覆蓋度變化的貢獻，并探討驅動因素，以期為喀斯特生態脆弱區植被恢復的適應性管理提供理論支撐。

1資料與方法

1.1研究區概況該研究涉及的西南喀斯特地區涵蓋貴州、云南、四川、重慶、廣西（圖1），土地面積為136.40萬 。該地區地勢變化顯著，整體呈現出西北部較高、東南部較低的趨勢（圖2）；地形結構復雜，地貌類型豐富多樣。喀斯特地貌廣泛分布[8]。林地、耕地等土地利用類型在區內分布廣泛（圖3），對于維護生態平衡至關重要，同時也是國家重要的生態屏障。西南喀斯特地區主要位于熱帶和亞熱帶地區，熱量充足，降水充沛。然而，土壤侵蝕度的空間分布情況受多種因素影響，大致表現為在特定區域較為集中，具體格局呈現出特定區域受侵蝕程度較高、其他地區侵蝕程度較低的差異。水力侵蝕是該地區的主要土壤侵蝕形式，其空間格局還隨著海拔的變化呈現出有規律的梯度變化。高山巖石、丘陵溝壑、農田地帶受到的水力侵蝕尤其嚴重，而低洼地區則相對較輕（圖4）。

1.2數據來源及處理NDVI數據來源于MOD13A3數據集中的逐月NDVI柵格數據，并通過最大合成法得到NDVI柵格數據[9]，空間分辨率為 1km ，時間分辨率為1年，地理坐標系為GCS_WGS_1984。對NDVI數據按西南喀斯特地區矢量邊界提取分析。

土地利用分類數據源于中國科學院空天信息創新研究院研究員劉良云團隊發布的首套1985—2022年全球 30m 分辨率土地覆蓋動態產品GLC_FCS30D，數據時段是2000—2020年，時間分辨率是1年，空間分辨率是 30m ，地理坐標系是GCS_WGS_1984，數據類型為.tif。

氣象數據來源于美國國家海洋和大氣管理局（NOAA）下設的國家環境信息中心（NCEI），網址為https：//www.ncei. noaa. gov/data/global - summary - of - the - day/ar-chive/[10-11]；；該研究選取了 2000—2020 年西南喀斯特地區及其周邊共38個氣象站點的數據，包括日均氣溫、日累計降水量和日累計日照時數。統計各站點逐年降水量和日照時數累計值，并計算月均氣溫，得到逐年氣溫均值。利用ArcGIS軟件中的克里金插值法對降水和日照數據進行空間插值分析[12]。氣象資料插值的空間分辨率與 NDVI數據一致，其行列數和坐標也一致。

DEM數據來源于NASA地球科學數據網站（https：//na-sadaacs.eos.nasa.gov/），是ALOS衛星獲取的高精度地形數據。數據坐標為橫軸墨卡托投影坐標系，隨后在區域內進行特定于西南喀斯特地區的數據裁剪處理行政邊界數據來源于國家地理信息公共服務平臺天地圖，所涉及圖件均基于國家地理信息公共服務平臺網站GS（2024）0650號的標準地圖制作，底圖邊界無修改[13-15] 。

1.3 研究方法

1.3.1植被指數與覆蓋度計算。NDVI在近紅外波段具有

高反射值、其葉綠素在紅外光波段具有高強吸收的特征，是目前已有的40多種植被指數中應用最廣的一種[16]，具體公式如下：

NDVI=（NIR-R）/（NIR+R）

式中： R 是紅外光波段反射率；NIR是近紅外波段反射率。

FVC通常定義為植被葉、莖在地面的垂直投影面積占統計區總面積的百分比。FVC采用像元二分模型計算[15-16]，具

體公式如下：

式中：NDVI為完全被裸土或無植被覆蓋的區域的NDVI值；NDVI為完全被植被覆蓋的圖像元素的NDVI值。

為了直觀表達研究區FVC的空間分布情況，根據《土壤侵蝕分類分級標準》（SL190—2007），結合研究區植被覆蓋的實際情況[17]，將研究區FVC分為5個等級，分別為裸土（ 0？FVClt;0.10 、低覆蓋度（ 0.10？FVClt;0.30） 、中—低覆蓋度 （0.30？FVClt;0.45） 、中覆蓋度（ 0.45？FVClt;0.60 ）、高覆蓋度 （0.60？FVC？1.00） [15]

1.3.2趨勢分析。采用線性回歸方法對西南喀斯特地區FVC數據隨時間變化的空間趨勢特征進行分析，公式如下：

式中： 是2000—2020年各像元FVC變化趨勢； i 為年份（20 （i=1，2，？s，n）； 為第 i 年FVC 均值。 表示FVC在該時段內呈升高趨勢； 表示FVC呈降低趨勢； 表示FVC無變化。采用 F 檢驗在 α=0.05 置信水平下判斷FVC變化趨勢結果的顯著性。

1.3.3貢獻分析。采用偏導數方法將氣候因子和人類活動對FVC的貢獻進行量化，該方法在評估各種因素對水文和氣候變化的響應方面得到廣泛應用。公式如下：

式中： T，P 和 SR 分別為氣溫、降水量和日照時數； 、 分別為氣溫、降水量、日照時數對FVC的貢獻； 為FVC變化趨勢與氣候因子貢獻之間的殘差，表示其他因素（包括碳排放、植樹造林和生態工程等人為因素，地質災害等自然因素）對FVC變化的影響，一般認為人為因素占主導作用； 為氣候變化和人類活動作用導致FVC隨時間 變化的趨勢，由公式（4）得到， 與此定義相似； 分別為各氣候因子對FVC的偏導數。考慮到各氣候因子對FVC的變化有線性影響，通過消除其他2個變量的影響，每個偏導數分別等于相應的二階偏相關系數。二階偏相關系數計算公式如下：

式中： 表示通過消除因子 z 和 λ 的影響， x 和 y 之間的二階偏相關系數；R表示因子x和y的復相關系數，Rx， 與此定義相似。采用 檢驗判斷2個變量相關性的顯著性。貢獻的正負分別表示影響因子對FVC的正向作用和負向作用，其中正向作用表示影響因子促進FVC增加，負向作用表示影響因子抑制FVC增加。

2 結果與分析

2.1植被覆蓋度變化特征和趨勢分析

2.1.1植被覆蓋度空間分布格局。從空間布局的視角審視（圖5）可以看出，西南喀斯特地區植被覆蓋度普遍較高，同時也展現出了明顯的地域性差異。以西雙版納、普洱地區和四川盆地周邊地區為代表，觀察到植被覆蓋度較高，這主要得益于這些區域適宜的雨熱氣候和獨特的地理環境。復雜的土壤地形條件和特殊的氣候因素共同營造了自然的植被生長環境。而中部平原和北部高原地區的植被覆蓋度相對較低，可能原因包括土地利用、城市發展和土壤類型的差異等綜合因素，同時也受高寒氣候的影響。總而言之，西南喀斯特地區植被覆蓋度的分布特征呈現明顯的地域性。

西南喀斯特地區豐富的植被覆蓋度空間分布特征蘊藏著地域間錯落有致的自然景觀。整體上，西南喀斯特地區的植被覆蓋度分布呈現出南部高北部低、山地高平原低的空間格局。氣候、地形、植被類型、人類活動等多重因素，交錯作用于西南生態系統的微妙變化中，塑造了其特色鮮明的植被覆蓋度空間格局。南部地區氣候溫暖濕潤，為植被的生長和繁育提供了得天獨厚的條件，植被茂盛，覆蓋度較高；而北部地區氣候寒冷干燥，地形崎嶇，植被生長條件惡劣，覆蓋度較低。此外，人類工程活動也對西南喀斯特地區的植被覆蓋度分布產生了深遠影響。一些工程建設，如森林砍伐、水土流失治理等，改變了自然環境的本來面貌，對西南喀斯特地區的植被覆蓋度分布格局產生了塑造和重構的作用。總之，西南喀斯特地區的植被覆蓋度分布展示出南方與北方、山地與平原、自然與人文之間多元而錯綜復雜的關系，深入理解這種分布格局對于保護這一地區的生態環境具有重要意義。具體而言，南部沿海地區氣候溫和濕潤，為植被生長提供了理想條件，植被覆蓋度普遍較高。而在平原和北部高原地區，氣候干燥且受到城市開發建設的干擾，植被生長受限，植被覆蓋度較低。這種區域性氣候和土地利用條件的差異對植被景觀產生了深刻的影響。

2.1.2植被覆蓋度年際變化分析。根據多年來植被覆蓋度數據的全面對比分析，發現西南喀斯特地區的植被覆蓋度呈現出明顯的年際變化特征（圖6）。總體來看，2000—2020年該地區植被覆蓋度總體上呈現出波動上升的趨勢，低覆蓋度區域面積減少，高覆蓋度區域面積增加。21年來高植被覆蓋度從129.60萬 增加至131.48萬 ，增加了1.88萬 （表1）。這一趨勢可能受到多種復雜因素的影響，包括氣候變遷、土地利用方式轉變以及退耕還林還草、生態修復、石漠化治理等相關政策措施，這些因素或政策措施可能對植被覆蓋度的上升起到了重要作用。

鑒于當前全球氣候變暖的嚴峻形勢，西南喀斯特地區的氣候條件或許正逐漸變得更適宜植被生長，進而提升了植被覆蓋度。同時，隨著人們對生態環境保護的重視程度日益提高，土地利用方式也朝著更生態、更可持續的方向轉變，這無疑對植被的恢復和生長起到了積極的推動作用。然而，在某些特定的年份，如遭遇嚴重干旱或洪澇等極端氣候事件時，植被覆蓋度可能會出現下降。這充分說明了氣候因素對植被覆蓋率直接的制約作用，以及在應對這類突發事件時植被的脆弱性。這些發現不僅有助于更深人地了解西南喀斯特地區生態環境的變化規律，也為未來的生態保護和環境管理提供了重要的參考依據。

2.1.3趨勢分析。采用線性回歸方法對西南喀斯特地區植被覆蓋度數據隨時間變化的空間趨勢特征進行分析，對21年來西南喀斯特地區植被覆蓋度進行趨勢分析。從空間分布上看，西南喀斯特地區植被覆蓋度增加的區域遠遠大于植被覆蓋度減少的區域（圖7）；植被覆蓋度呈增加趨勢（ 0）的區域占總面積的 85.21% ，面積為116.23萬 ；植被覆蓋度呈減少趨勢（ ）的區域占總面積的 14.70% ，面積為20.05萬 ；植被覆蓋度無變化（ ）的區域占總面積的 0.09% （含無值區），面積為0.12萬 （表2）。這揭示了2000—2020年西南喀斯特地區廣泛的大面積生態脆弱區植被狀況得到了有效恢復，這可能與水土保持、退耕還林工程、生態修復措施密切相關。值得關注的是，盡管減少的植被覆蓋區域在整個比例上較小，但這些區域主要集中在城市周邊，這些地區原本自然條件較好，植被覆蓋度較高。然而，近年來人類活動的持續增加，如城市用地的迅速擴張和人口的持續增長，再加上氣候變化的影響，導致這些地區的植被退化趨勢明顯。

2.2植被覆蓋度變化驅動因子分析

2.2.1降水因子。降水量是影響植被生長的重要因素之一，對西南喀斯特地區的生態環境和光合作用具有重要影響。該地區降水量決定了植被的茂盛程度和光合作用的效率。當降水量充足時，植被能夠得到充足的水分滋潤，從而能夠更加茁壯生長；水分的充足不僅促進了植物細胞的膨脹和分裂，還有助于植物體內營養物質的運輸和合成；因此，在這一時期植被通常呈現出一片繁茂的景象，覆蓋度也相應增加，達到相對較高的水平。相反，在降水量不足的年份，植被面臨著嚴重的水分匱乏挑戰。缺乏足夠水分的情況下，植物的光合作用受到限制，生長速度減緩，甚至可能出現枯萎和死亡的情況。這種環境下的植被，其覆蓋度自然會大幅下降，反映了干旱對生態環境的不利影響。

探究西南喀斯特地區2000—2020年植被覆蓋度變化與降水量之間的關聯時，該研究采用偏導數方法來量化降水量的具體貢獻。通過詳細分析圖8的數據并結合圖9可以看出，降水量對西南喀斯特地區植被覆蓋度變化的主要影響為正向作用。具體來說，正向和負向作用地位相當，其面積占比分別為 58.87% 和 41.13% 。這些正向作用顯著的區域主要集中在重慶南部、貴州、廣西等區域。這種正向作用表明在這些地區降水的變化與植被覆蓋度的增長呈現出正相關關系。與此同時，降水量對植被覆蓋度變化也存在著負向作用，這些負向作用區域主要集中在廣西北海、桂林以及四川北部阿壩、甘孜地區。這表明在這些特定地區降水量的變化對植被覆蓋度的增長產生了不利影響，抑制了植被的生長和植被覆蓋度的積累。由此可見，降水量對西南喀斯特地區植被覆蓋度變化的影響具有顯著的區域性差異。在大部分地區，降水量對植被覆蓋度的增長起到了積極的推動作用，這可能與這些地區的氣候條件和植被類型有關。然而，在部分區域，由于降水量的增加可能超出了植被生長的適宜范圍，的影響。在這一區域內，溫度波動會顯著影響植被的生長狀態和光合作用的效率。當溫度處于適宜范圍內時，植物體內的酶活性增強，這有助于植物更有效地進行光合作用，積累有機物。同時，適宜的溫度還能促進植物細胞的分裂和擴展，使植被更加繁茂。在這樣的環境條件下，植被覆蓋度通常會得到提升，因為植物能夠更多地固定和利用太陽能。然而，無論溫度過高還是過低都會對植物的生長產生不利影響。高溫可能引起植物氣孔關閉，從而降低二氧化碳的吸收效率，影響光合作用過程；同時，高溫還會加速植物的呼吸作用，消耗更多的有機物。相反，低溫則會抑制植物的生長和代謝活動，降低光合作用的效率。在這些極端溫度條件下，植被覆蓋度往往會受到影響而下降。

Fig.6Interannual variation distribution of vegetationcoverage in Southwest Karst region from 20 to 202 或者降水的時間分布不均勻，導致對植被覆蓋度的負面 影響。

在深入探究西南喀斯特地區2000—2020 年植被覆蓋度變化與溫度之間的關聯時，該研究借助了偏導數方法量化溫度對植被覆蓋度的貢獻。通過詳細分析圖10的數據并結合圖11可以看出，溫度對西南喀斯特地區植被覆蓋度變化的影響具有顯著的區域性特征。從總體趨勢上看，溫度對植被覆蓋度變化的影響以正向作用為主，占研究區總面積的65.67% ，這些正向作用顯著的區域主要集中在貴州中南部、重慶北部等區域。這種正向作用表明在這些地區，溫度的變化與植被覆蓋度的增長呈現出正相關關系，即溫度的適宜提升有助于促進植被的生長和植被覆蓋度的增加。與此同時，溫度對植被覆蓋度變化也存在負向作用，其影響面積占比達到了 34.33% ，這些負向作用區域主要集中在四川巴中、達州、云南文山地區，其他地區均有零星分布。這表明在這些特定地區，溫度的變化對植被覆蓋度的增長產生了不利影響。可能的原因包括溫度過高導致水分蒸發過快、土壤濕度降低等，從而抑制了植被的生長和植被覆蓋度的積累。除了以上提到的主要區域外，還注意到在其他地區零星分布著一些受到溫度負向影響的區域。這些區域可能由于地理位置、氣候條件、植被類型等因素的差異，導致對溫度變化的響應有所不同。

2.2.3日照因子。日照作為植物進行光合作用不可或缺的條件，在西南喀斯特地區對植被覆蓋度的影響尤為關鍵。日照的強度和持續時間直接關系到植物能否有效地進行光合作用以及生長的速度和質量。在日照充足的情況下，植物能夠充分吸收并利用光能，將其轉化為化學能，進而促進有機物的合成和積累。這不僅有助于植物體的正常生長和發育，還能顯著提升植被覆蓋度，因為更多的太陽能被固定并轉化為生物量。相反，當日照不足時，植物的光合作用受到限制，生長速度減緩，有機物的合成和積累也會受到影響。在這種情況下，植被覆蓋度往往會下降，因為植物無法充分利用光能進行生產。因此，日照條件與植被覆蓋度之間存在著緊密的聯系。日照的強弱直接影響到植物的光合作用效率和生長狀況，進而決定了植被覆蓋度的高低。在西南喀斯特地區，由于氣候和季節的變化，日照條件也會有所波動，這對該地區的植被覆蓋度產生了重要影響。為了維持和提高植被覆蓋度，需要密切關注日照條件的變化，并采取相應的管理措施來優化植物的生長環境

Fig.8Interannual variation distribution of precipitation in the southwestern Karst region from 20o to 2020

Fig.9Spatial distributionof contribution of precipitation to vegetation coverage in Southwest Karst regior

探究西南喀斯特地區2000—2020年植被覆蓋度變化與日照時數之間的關聯時，運用了偏導數方法進行深人分析。通過詳細分析圖12的數據并結合圖13可以看出，日照時數對西南喀斯特地區植被覆蓋度變化的影響以正向作用為主。具體來說，日照時數對植被覆蓋度變化的正向作用占研究區總面積的 61.54% ，這些區域主要集中在西南地區西部區域。

Fig.10Interannual variation distributionof temperature inthe southwesternKarst region from2Ooo to 2020

Fig.11Spatial distribution of temperature contribution to vegetation coverage in Southwest Karst region這表明在這些地區，日照時數的增加對于植被的生長和植被覆蓋度的積累具有積極的促進作用。可能是由于這些地區的氣候條件適宜，充足的日照為植被的光合作用提供了必要的光能，從而促進了植被覆蓋度的增長。然而，日照時數對植被覆蓋度變化也存在負向作用，其面積占比達到 38.46% ，略高于正向作用。這些負向作用區域主要分布在四川的北部地區。這種負向作用可能源于這些地區特有的氣候條件或生態特征，如過度的日照可能導致土壤水分蒸發過快，進而影響到植被的生長和植被覆蓋度的積累。除了以上主要區域外，還注意到在其他地方也零散分布著一些受到日照時數負向影響的區域。這些區域可能由于地理位置、植被類型、土壤類型等因素的差異，對日照時數變化的響應有所不同。

2.2.4氣候綜合因子。在詳細分析2000—2020年西南喀斯特地區植被覆蓋度的影響因素時，該研究全面考慮了降水、溫度和日照等多個氣候因子。這一綜合性的研究旨在揭示氣候因素對植被生長和生產力所起的作用。通過偏導數方法對該問題進行深入剖析，研究結果表明，氣候對西南喀斯特地區植被覆蓋度變化的影響呈現出一種復雜的平衡態勢。氣候對該地區植被生產力的正向促進作用和負向抑制作用在地理分布上大致相當（圖14），這種平衡格局在一定程度上體現了氣候因素對該地區植被生產力的復雜影響。其中正向作用占研究區總面積的 61.82% ，負向作用占 38.18% 。正向作用在面積上略占優勢，但兩者之間的差距并不明顯，這表明氣候因素對植被覆蓋度的影響具有相當的復雜性。在正向作用方面，其影響主要集中在西南喀斯特地區西部等大部分區域。相比之下，負向作用則主要分布在西南喀斯特地區北部地區，這些地區可能由于降水量不足、溫度過高或日照條件不佳等因素，對植被的生長產生了一定的抑制作用。除此之外，負向作用在其他地區也有零散分布，這可能與局部地區的氣候異常或環境變化有關。

Fig.12Interannual variation distribution of sunshine hours in thesouthwestern Karst region from 200 to 2

Fig.13Spatial distribution of contribution of sunshine hours to vegetation coverage in Southwest Karst regi

2.2.5人類驅動因子。在深入探討西南喀斯特地區植被覆蓋度變化的影響因素時，該研究特別將非氣候因素聚焦于人為因子。從圖15可以看出，正面影響主要集中在西南地區北部，這些地區受到了人為因子的積極影響，這可能與生態修復、退耕還林等項目的實施有關，受益于農業技術的改進和土地利用的優化。土地利用變化和農業管理措施對植被覆蓋度的提升起到了關鍵作用。然而，人為因子對植被覆蓋度的影響負面作用占主導地位，負向作用面積占比高達61.78% ，這些負向影響分布在西南地區中南部地區。這些地區可能由于城鎮化建設、過度開發以及不合理的土地利用規劃或環境污染等因素，導致植被覆蓋度的下降。

Fig.14Spatial distribution of contribution of climate to vegetation coverage in Southwest Karst region

Fig.15Spatial distributionofcontributionof humanactivities to vegetationcoverage inthe Southwest Karstregior

2.2.6綜合驅動力。自然因素和人為因素之間并非孤立存在，它們之間存在著復雜的相互影響關系。這些相互影響關系對覆蓋度產生了重要影響，因此在分析西南喀斯特地區覆蓋度變化驅動因素時，需要綜合考慮自然因素和人為因素的相互影響關系。這種綜合分析方法有助于準確揭示植被覆蓋度變化內在機制和影響因素。

在深入探討西南喀斯特地區2000—2020年植被覆蓋度的變化情況時，依據趨勢分析和貢獻分析的結果，對主導因素進行細致的分區處理。從表3和圖16可以看出，研究區內植被覆蓋度變化主要受到氣候和人類活動的影響，并呈現出顯著的上升趨勢。具體而言，氣候和人類活動主導下的植被覆蓋度升高分別覆蓋了研究區總面積的 56.59% 和29.07% ，這些區域分散分布在西南地區大部分地區。盡管氣候和人類活動在大多數情況下對植被覆蓋度的增加具有積極作用，但在某些區域氣候和人類活動也可能導致植被覆蓋度的降低，這類區域占研究區總面積的 14.29% ，因此在推進人類活動的同時，也需要關注其對生態環境可能產生的負面影響，以實現可持續發展。

3結論與討論

該研究基于M0D13A3數據，對2000—2020年植被覆蓋度變化特征進行了詳細研究，并探討了影響該地區變化的主要驅動因素。得出結論如下：

（1）西南喀斯特地區植被覆蓋度地域分布顯示出南部較高、山地較高、平原較低的空間格局。2000—2020年該區域植被覆蓋度呈波動上升趨勢，21年來高植被覆蓋度從129.60萬 增加至131.48萬 ，增加了1.88萬 。從空間分布上看，西南喀斯特地區植被覆蓋被增加的區域遠多于減少的區域，植被覆蓋度增加區域占總面積的 85.21% ，減少植被覆蓋度區域占總面積的 14.70% ，無變化的區域占總面積的 0.09% 。

（2）西南喀斯特地區植被覆蓋度受多種影響因素影響。溫度對植被覆蓋度的影響占主導地位，正相關性為 65.67% ，表明溫度變化與植被覆蓋度呈正相關關系，這意味著溫度的適宜變化有助于植被的生長和植被覆蓋度的增加。需要警惕的是，人類活動對植被覆蓋度的影響占支配地位。為了實現可持續發展，必須在推進人類活動的同時，警惕其對生態環境的潛在負面影響。此外，氣候變化和人類活動對西南喀斯特地區植被覆蓋度產生相互交織和相互作用的效應。氣候變化通過影響降水量、溫度和日照等自然因素來影響植被覆蓋度。

該研究主要關注自然和人為因素對植被覆蓋度的影響，然而其他潛在的驅動因素如土壤微生物和植被物種組成，也有可能對植被覆蓋度產生影響。此外，現有研究主要依賴遙感數據和統計分析方法，尚需深入探究植被覆蓋度的生態學機制和過程。針對上述不足和局限性，提出了以下展望和建議：進一步加強遙感數據的預處理，提高數據的準確性和可靠性；結合地面觀測和生態學試驗方法，深入研究植被覆蓋度變化的生態學機制和過程；加強多學科合作和交流，綜合考慮多種驅動因子的綜合作用和影響機制，為生態環境保護提供更全面和科學的支持。植被覆蓋度變化趨勢受自然和人為因素綜合作用，具有復雜性和不確定性特點。未來需綜合考慮多種因素預測植被覆蓋度變化趨勢，并建立相應的預測模型。該模型應納入土壤類型、地形地貌、水文條件等自然因素以及土地利用變化、農業活動、城市化等人為因素作為輸人參數，并通過統計分析和機器學習等方法對模型進行訓練和驗證。通過對多種因素綜合作用的植被覆蓋度變化趨勢進行預測和分析，可以為生態環境保護提供科學依據和決策支持。預測結果可以幫助規劃土地利用和生態環境保護措施，以實現植被覆蓋度的最大化和生態環境的可持續發展；同時，也可為政府和社會各界提供有關生態環境保護的參考信息和政策建議。

參考文獻

[1]PIAO SL，WANGXH，PARKT.Characteristics，driversand feedbacksofglobal greening[J].Nature reviewsearth amp; environment，2O2O，1（1） ：14-27.

[2] TONG X W，BRANDT M，YUE Y M，et al. Increased vegetation growth andcarbon stock in China karst via ecological engineering[J].Nature sustain-ability，2018，1（1） ：44-50.

[3] ZHANG Y L，SONG C H，BAND L E，et al.Reanalysis of global terrestrialvegetation trends from MODIS products： Browning or greening？[J].Re-mote sensing of environment，2017，191：145-155.

[4]HAN WJ，CHEN D H，LI H，et al. Spatiotemporal variation of NDVI inAnhui Province from 200l to 2019 and its response to climatic factors[J].Forests，2022，13（10） ：1643.

[5]LIU HY，ZHANG M Y，LIN Z S，et al. Spatial heterogeneity of the rela-tionship between vegetation dynamics and climate change and their drivingforces at multiple time scales in Southwest China[J].Agricultural and for-est meteorology，2018，256/257：10-21.

[6]YANGHF，NIESN，DENG SQ，etal.Evaluation of water yield and itsdriving factors in the YangtzeRiver Basin，China[J].Environmental earthsciences，2023，82（18） ：1-13.

[7] WU C L，WANG T J.Evaluating cumulative drought effect on global vege-tation photosynthesis using numerous GPP products[J].Frontiers in envi-ronmental science，2022，10：1-10.

[8]樊華，趙翠薇.西南地區城鎮化與生態韌性耦合協調關系研究[J].水土保持研究，2025，32（2）：340-352.

[9]李曉云，王兆峰.大別山革命老區鄉村振興質量評價及類型識別[J].湖南師范大學自然科學學報，2024，47（4）：1-12.

[10]張蕭楠，沈彥軍，李紅軍，等.基于METRIC模型的巴基斯坦農業區蒸散量估算[J].中國生態農業學報，2024，32（11）：1927-1939.

[11]李韋華.黃河流域人類活動對大氣環境的影響機制研究：基于資源型與非資源型城市對比視角[D].開封：河南大學，2023.

[12]謝慧君，謝亞巍，曹聰，等.重慶市植被凈初級生產力時空變化特征及驅動力分析[J].長江流域資源與環境，2023，32（12）：2581-2597.

[13]郭婷，丁書珍，胡錫健，等.基于INLA算法的艾滋病和結核病聯合時空分布特征分析[J].現代預防醫學，2021，48（24）：4421-4426.

[14]馬建輝，郁佳敏，孫鑫，等.基于PGTWR模型的綠色金融發展影響因素時空異質性研究[J].生態經濟，2024，40（9）：75-82.

[15]開瑜，柳本立，馬濤，等.2000一2023年河西走廊-塔克拉瑪干沙漠邊緣阻擊戰核心區風蝕起塵量變化[J].中國沙漠，2024，44（6）：330-341.

[16]趙勝楠，王宇，喬旭寧，等.1987—2021年淮河流域FVC時空變化與驅動因素分析[J].農業機械學報，2023，54（4）：180-190.

[17]胡姝婧，胡德勇，趙文吉.基于LSMM和改進的FCM提取城市植被覆蓋度：以北京市海淀區為例[J].生態學報，2010，30（4）：1018-1024.