楊淑萍，韓海東

(1.中國科學院西北生態(tài)環(huán)境資源研究院內(nèi)陸河流域生態(tài)水文重點實驗室，甘肅 蘭州 730000；2.中國科學院西北生態(tài)環(huán)境資源研究院冰凍圈科學國家重點實驗室，甘肅 蘭州 730000；3.中國科學院大學，北京 100049)

陸地生態(tài)系統(tǒng)中的植被，在維持全球物質(zhì)與能量循環(huán)、調(diào)節(jié)全球碳平衡及維護氣候穩(wěn)定等方面發(fā)揮著重要作用[1].植被覆蓋度是反映植被群落生長的重要指標，也是刻畫區(qū)域生態(tài)環(huán)境的重要參數(shù)[2].在中、小區(qū)域的研究中，遙感方法是分析植被覆蓋的有效手段.歸一化植被指數(shù)(NDVI)是近紅外波段和紅外波段的比值參數(shù)，是應(yīng)用最廣泛的表征地表植被覆蓋狀況的指標.為了更有效地保護生態(tài)環(huán)境、促進可持續(xù)發(fā)展，既要了解NDVI時空變化特征，又要清楚造成NDVI空間分異的原因.要準確地分析造成其空間分異的原因以及未來的變化趨勢，需要確定各個驅(qū)動因子在NDVI空間分異中所起的作用.

影響NDVI的驅(qū)動因子眾多，可以歸納為自然因素和人文因素兩大類[3].關(guān)于兩類因素對NDVI的影響，已經(jīng)有大量研究.在研究自然因素影響時，主要探討的是氣溫、降水等氣候因子[4].如王娜云等[5]研究發(fā)現(xiàn)甘肅省植被覆蓋與降水呈正相關(guān)，與氣溫呈負相關(guān)；YANG等[6]研究表明，在河西典型荒漠植被區(qū)，降水是造成NDVI最大值增加的關(guān)鍵因素；曹博等[7]發(fā)現(xiàn)祁連山西部、隴中黃土高原西北部的植被對氣溫響應(yīng)的滯后性較強.也有學者研究發(fā)現(xiàn)NDVI與海拔、植被組成和水土流失有很復(fù)雜的關(guān)系[8-10].近年來，人類活動對生態(tài)環(huán)境影響越來越大，人文因素的影響亦不容忽視[11]，由于人為因素的影響較難進行定量，所以相比于自然因素的研究要少一些.韋振峰等[12]研究表明西北地區(qū)引水灌溉、城市擴建給植被帶來了不同程度的影響；戴聲佩等[13]研究也發(fā)現(xiàn)土地利用、植被建設(shè)等人類活動對西北地區(qū)NDVI有重要影響；魏小琴等[14]研究發(fā)現(xiàn)人類活動、經(jīng)濟發(fā)展對NDVI產(chǎn)生一定影響.但是，這些研究普遍存在驅(qū)動因子選擇不全面、評估方法不準確、單因子影響測度缺少、多因子交互作用度量難等問題，這對于驅(qū)動機制分析的客觀性產(chǎn)生一定程度的影響.因此，迫切需要一種更好的方法來定量探討自然因子和人文因子對NDVI的影響.

地理探測器是一種新的探測空間分異性和揭示其背后驅(qū)動因子的統(tǒng)計分析方法，它既可以度量自變量對因變量的解釋度，又可以分析兩因子的交互作用對因變量的影響[19].

甘肅省生態(tài)環(huán)境較為脆弱，是實施退耕還林工程的重要區(qū)域，在風沙防治、水土保持、生態(tài)保護方面扮演著重要的角色.因此，本文以甘肅省為研究區(qū)域，運用地理探測器模型，結(jié)合空間疊置法、自然斷點法，分析2015年度及該年度不同季節(jié)NDVI空間分異的主導(dǎo)因子，揭示NDVI空間分異特征、動力機制，以及各驅(qū)動因子之間的相互作用，為甘肅省生態(tài)環(huán)境建設(shè)與改善提供科學依據(jù).

1 研究區(qū)概況與方法

1.1 研究區(qū)概況

甘肅省位于我國西部地區(qū)，地處黃河中上游，位于N 32°11′～42°57′、E 92°13′～108°46′之間，主要位于我國地勢二級階梯上，為黃土高原、青藏高原和內(nèi)蒙古高原三大高原的交匯地帶.甘肅省氣候類型多樣，包括亞熱帶季風氣候、溫帶季風氣候、溫帶大陸性氣候和高山高原氣候等4大氣候類型，大部分地區(qū)氣候干燥、降雨量少，主要為干旱、半干旱區(qū).研究區(qū)地表植被分異特征明顯，自西北向東南依次為荒漠、荒漠草原、草原、森林.該地區(qū)雖然森林覆蓋率低，但野生植物種類繁多，分布廣泛.

1.2 NDVI的決定因素及其代理變量

NDVI受自然因素和人文因素的共同影響.本文選擇平均氣溫、平均降水、海拔、植被類型和土壤類型作為自然影響因子進行研究.選擇土地利用類型、人口密度、GDP作為人文影響因子進行研究.NDVI決定因素及其代理變量如圖1所示.

1.3 數(shù)據(jù)來源

2015年度以及該年度不同季節(jié)NDVI及代理變量由中國科學院資源環(huán)境科學網(wǎng)(http://www.resdc.cn)提供.氣溫、降水數(shù)據(jù)由中國氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn)提供，利用甘肅省2015年29個氣象站點的數(shù)據(jù)，采用反距離加權(quán)的方法對氣溫降水進行插值(圖2-A、B)；DEM數(shù)字高程數(shù)據(jù)來源于中國科學院計算機網(wǎng)絡(luò)信息中心國際科學數(shù)據(jù)鏡像網(wǎng)站(http://www.gscloud.cn)，使用SRTMD EM 90 m分辨率高程數(shù)據(jù)(圖2-C)；土壤類型空間分布數(shù)據(jù)根據(jù)全國土壤普查辦公室編制并出版的《1∶100萬中華人民共和國土壤圖》數(shù)字化生成(圖2-D)；植被類型數(shù)據(jù)來源于《1∶1 000 000中國植被圖集》(圖2-E)；土地利用類型數(shù)據(jù)是在2015年Landsat8遙感影像基礎(chǔ)上，通過人工目視解譯生成(圖2-F)；人口密度、GDP數(shù)據(jù)是將2015年縣級行政區(qū)為統(tǒng)計單元的人口、GDP數(shù)據(jù)展布到空間網(wǎng)格上，從而實現(xiàn)人口、GDP的空間化(圖2-G、H).

圖1 NDVI的決定因素及其代理變量Figure 1 Determinants and proxies of NDVI

1.4 研究方法

1.4.1 自然斷點法

自然斷點法是基于數(shù)據(jù)中固有的自然分組，對分類間隔加以識別，可對相似值進行恰當?shù)姆纸M，可使各類之間的差異最大化.這種方法完全根據(jù)數(shù)據(jù)的分布規(guī)律，避免了人為因素的干擾[21].

由于地理探測器中要求自變量為類型量，本文中除了植被類型、土壤類型、土地利用類型為類型量之外，其余自變量如氣溫、降水、海拔、人口密度、GDP為數(shù)值量，因此利用自然斷點法將其進行分類.

1.4.2 空間疊置法 將NDVI與分類的氣溫、降水、海拔、植被類型、土壤類型、土地利用類型、人口密度、GDP等各要素進行疊加，分析各要素與NDVI空間分異特征.

1.4.3 地理探測器模型 地理探測器是王勁峰等[15]提出的用于探測空間分異性的一種新的統(tǒng)計學方法，它可以定量地揭示空間分異背后的驅(qū)動力因子，其核心思想是如果某個自變量對因變量有重要影響，那么自變量和因變量的空間分布應(yīng)該具有相似性.最初被用于研究探測神經(jīng)管畸形的自然和人為因素[22].地理探測器主要包括因子探測、風險區(qū)探測、交互作用探測等.

1) 因子探測：主要用于探測因變量Y的空間分異性以及探測各個因子X對于Y的空間分異解釋力度的大小，用q表示.公式如下：

研究區(qū)被劃分為h=1，2，…，L個子區(qū)域，Nh和N分別為層h和全區(qū)的單元數(shù)，σ2表示總體的方差，SSW、SST分別表示子區(qū)域方差之和、全區(qū)總方差.q的取值范圍為[0，1]，q值的大小表示自變量X對因變量Y的解釋力度，q值越大，表示X對Y的空間分異的解釋力度越強.q=0時，表示X和Y沒有任何關(guān)系，q=1時，表示X可以完全解釋Y的空間分異，q變換之后滿足非中心F分布[23]，可以檢驗q值是否通過顯著性檢驗.

本文研究以NDVI作為應(yīng)變量Y，氣溫、降水、海拔、土壤類型、土地利用類型、人口密度、GDP作為自變量X，探測自變量X對Y的空間分異的解釋力度.如在研究植被類型對NDVI空間分異的影響時，植被類型分為6類，所以將研究區(qū)分為6個子區(qū)域，h=6，代入公式計算出子區(qū)域的方差之和以及全區(qū)總方差，得到q值.

2) 交互因子探測主要是識別不同因子Xi(氣溫、降水、海拔、植被類型、土壤類型、土地利用類型、人口密度、GDP)兩兩交互作用對Y(NDVI)的空間分異解釋力度是增強或減弱.先分別計算X1和X2對Y的解釋力度q(X1)和q(X2)，再計算它們交互時的q(X1∩X2)，最后比較這3個量，來確定因子間交互影響類型(表1).

3) 風險區(qū)探測主要計算某一影響因子(氣溫、降水、海拔、植被類型、土壤類型、土地利用類型、人口密度、GDP)在不同子區(qū)域的NDVI的平均值，并且用t統(tǒng)計量來檢驗子區(qū)域的NDVI均值是否有顯著差異.風險區(qū)探測可以搜索植被覆蓋好的區(qū)域，用于探測NDVI驅(qū)動因子的適宜類型或范圍.

圖2 代理變量的空間分布Figure 2 The spatial distribution of geographic proxy variable

2 結(jié)果與分析

2.1 NDVI的空間格局

2015年甘肅省年平均NDVI空間分布如圖3所示.總體來說，甘肅省2015年NDVI由南向北呈現(xiàn)出明顯的緯度地帶性，南部的隴南山區(qū)、甘南草原NDVI值較高，這些地區(qū)氣溫溫和，降水較多，地表以森林草原為主，植被長勢較好.隴中高原和隴東高原NDVI值一般，這些地方水熱條件較好，再加上近年來實施的退耕還林、還草政策，促進了植被的恢復(fù)[24].但是隴中高原的北部，由于人類活動的過度影響，亂砍亂伐現(xiàn)象嚴重，導(dǎo)致草場退化和土地沙化，NDVI值較低.甘肅省中部的NDVI空間分異較大，生態(tài)環(huán)境較為復(fù)雜，其中祁連山地和烏鞘嶺NDVI值較高，植被呈現(xiàn)出明顯的垂直分布，河西走廊雖然降水量較少，但是地勢平坦、日照充足，加之分布有石羊河、黑河、疏勒河等河流，引水灌溉條件較好，是著名的沙漠綠洲和農(nóng)業(yè)生產(chǎn)基地，NDVI值一般.而北山山地地區(qū)，靠近騰格里沙漠和巴丹吉林沙漠，NDVI值較低，以荒漠為主，山巖裸露，常年高溫，加之降水很少，植物難以生長.

表1 交互作用類型及判據(jù)

圖3 2015年甘肅省年NDVI空間分布Figure 3 Spatial distribution of annual NDVI in Gansu Province in 2015

2.2 NDVI驅(qū)動因子探測

利用因子探測器探測2015年及各個季節(jié)的氣溫、降水、海拔、植被類型、土壤類型、土地利用類型、人口密度、GDP對NDVI的影響.

表2為2015年及季節(jié)NDVI的自然與人文因子的q值.對于年NDVI空間分異，各因子影響程度的排序為：降水(0.73)>植被類型(0.69)>土地利用類型(0.53)>土壤類型(0.48)>氣溫(0.31)>人口密度(0.23)>GDP(0.13)>海拔(0.11).對于各個季節(jié)來說，春季影響因子排序基本與年排序相差不大，夏季、秋季影響因子排序與年排序一致，都是以降水為主導(dǎo)，而冬季則變?yōu)橐灾脖活愋蜑橹鲗?dǎo).

甘肅省NDVI空間分異是自然因子和人文因子共同作用的結(jié)果，降水、植被類型、土壤類型等自然因子對NDVI具有較強的貢獻率，而人文因子中除了土地利用類型貢獻率較大外，其余因子的貢獻率都很小.所以，對于甘肅省NDVI空間分異的影響因子來說，自然因子占主導(dǎo)，人文因子的影響較小，自然因子的影響是人文因子影響的2～3倍.

2.3 NDVI驅(qū)動因子交互探測

利用交互作用探測器探測不同驅(qū)動因子之間的交互作用對NDVI空間分異的影響.

任何兩因子的交互作用對年、各個季節(jié)NDVI的影響都要大于一個因子的單獨作用，而且大部分都表現(xiàn)出雙因子增強.就年NDVI的交互作用而言，結(jié)果如表3所示，較大的交互作用解釋力度排序為：降水∩植被類型=降水∩土壤類型>降水∩土地利用類型>降水∩海拔>氣溫∩植被類型>植被類型∩土地利用類型=降水∩氣溫=植被類型∩土壤類型>降水∩ GDP>降水∩人口密度=植被類型∩海拔>植被類型∩人口密度>植被類型∩GDP>土壤類型∩土地利用類型，這些因子交互作用的解釋力度均在70%以上，可以看出雖然人文因子的單獨影響較小，但是與自然因子的交互作用影響較大，自然因子之間的交互作用影響更大.在非線性增強中，主要為自然因子和人文因子的交互.對于各個季節(jié)而言，因子之間交互作用較強.由表4可以看出，春季、夏季、秋季以及年度的降水與植被類型、土壤類型的交互作用對NDVI的解釋力度較大，而對于冬季來說，植被類型與土壤類型、氣溫的交互作用的解釋力度較大.

表2 各季節(jié)NDVI驅(qū)動因子的q值

表3 2015年NDVI驅(qū)動因子的交互作用

2.4 風險區(qū)探測

通過風險區(qū)探測可以得出2015年度以及本年度不同季節(jié)NDVI的自然、人文因子的適宜類型或范圍.

由表5可知：對于年度NDVI，適宜的氣溫為11.91～15.96 ℃，降水范圍為399.50～454.05 mm，海拔為2 483～3 764 m，植被類型為針闊混交林，適宜的土壤類型為淋溶土，土地利用類型為林地，人口密度為45～2 391人/km2，GDP為129～432元/km2和974～2 194元/km2.對于各個季節(jié)來說適宜的類型或范圍與年NDVI的適宜類型或范圍有所區(qū)別，但相差不大.總體來看，NDVI高值區(qū)平均氣溫多為10～15 ℃(冬季除外)，降水各季節(jié)差異較大，植被類型多為針葉林、針闊混交林和闊葉林，土壤類型都為淋溶土，土地利用類型都為林地，人口密度多為129～2 194人/km2，GDP一般分為兩個階段，較低的階段為129～1 143元/km2，較高的階段為4 061～9 922元/km2.

表4 各季節(jié)NDVI驅(qū)動因子交互作用的q值

表5 各季節(jié)NDVI驅(qū)動因子的適宜類型或范圍

3 討論

在具有典型干旱半干旱氣候的甘肅省，自然因子是影響NDVI空間分異的主導(dǎo)因子，其中區(qū)域降水是控制植被生長的最主要因子.降水的缺少對于植被生長是極其不利的，這也與以往的研究結(jié)果相符[25].但是在秋季的研究中，曹博等[7]認為NDVI與氣溫的相關(guān)性更大，而本文研究得出的是降水對其解釋更強，這可能是由于選取的數(shù)據(jù)源和研究年份的不同所導(dǎo)致.同樣，植被類型對NDVI空間分異的影響也比較大[26]，針闊混交林、闊葉林和針葉林的NDVI值較高，結(jié)果與郭鈮等[28]的研究基本一致.再者，土壤類型也是決定NDVI空間分異的重要因子，它不僅影響植物自身的生長，也限制著植物的類型和空間分布[29]，淋溶土和半淋溶土分布的地方NDVI較高，而漠土等不適宜植被生長.此外，馬宗文等[30]研究表明海拔是環(huán)渤海地區(qū)NDVI的主要影響因子，而本文研究發(fā)現(xiàn)海拔對于甘肅省NDVI的解釋力度較低.這可能是因為在作為氣溫促進區(qū)的環(huán)渤海地區(qū)，植被生長主要取決于氣溫[31]，而氣溫受海拔影響較大，所以海拔是環(huán)渤海地區(qū)NDVI主要影響因子；而甘肅省屬于降水限制區(qū)，加之空氣比較干燥，所以海拔對NDVI解釋力度較低.該發(fā)現(xiàn)與龐靜等[32]對于同為干旱區(qū)的新疆的研究結(jié)論相吻合.

人文影響因子中，只有土地利用類型對于NDVI空間分異的影響較大，土地利用類型可以在很大程度上作為綜合各種人類活動影響的指標，它的改變可以在很大程度上改變NDVI[33].其中林地、草原和耕地NDVI較高，而城鄉(xiāng)、工礦和荒漠等地的NDVI較低.但相比于自然因子中的降水和植被類型對NDVI的影響，土地利用類型的影響較小，人文因子中的人口密度、GDP對NDVI空間分異的影響更小.

NDVI與影響因子之間的關(guān)系復(fù)雜，它不只是受單個因子影響，而是受多因子之間復(fù)雜的相互作用制約[34].本文研究發(fā)現(xiàn)自然因子的交互作用對甘肅省NDVI空間分異影響更大，尤其降水與植被類型、土壤類型的交互作用.植被類型本身對NDVI的影響較大，再加上降水對植被的生長有促進作用，所以降水和植被類型的交互作用對NDVI空間分異的解釋力度大，土壤類型直接制約著植物能否有效吸收利用養(yǎng)分，而降水是土壤中水分的主要來源，因此，土壤類型和降水的交互作用對NDVI空間分異的影響也較大.

本研究盡可能多地考慮了影響NDVI空間分異的自然因子和人文因子，并且定量地描述了各因子單獨對NDVI空間分異解釋力度的影響，以及各因子之間交互作用對NDVI空間分異解釋力度的影響.由于影響NDVI空間分異的影響因子比較復(fù)雜，加上數(shù)據(jù)的獲取受到限制，仍有一些因子沒有涵蓋在內(nèi)，如國家政策等.雖然本文考慮了雙因子之間的交互作用，但是多因子之間的交互作用卻很難度量，之后相關(guān)的研究可以將其考慮在內(nèi).

4 結(jié)論

1) 甘肅省年NDVI的影響因子貢獻率排序：降水>植被類型>土地利用類型>土壤類型>氣溫>人口密度>GDP>海拔.其中主要驅(qū)動因子為降水、植被類型和土地利用類型，其各自貢獻率分別為0.73、0.69、0.53.夏季、秋季影響因子貢獻率排序與年的相同，春季稍有差異，但降水都是主導(dǎo)因素.

2) 自然、人文因子各自內(nèi)部之間的交互作用以及自然因子與人文因子的交互作用，與各因子單獨作用相比，都呈現(xiàn)出增強的趨勢，且大部分表現(xiàn)為雙因子增強.

3) 自然因子和人文因子共同影響了甘肅省NDVI.自然因子貢獻率較大，人文因子的貢獻率較小，自然因子貢獻率是人文因子的2～3倍；自然因子之間的交互作用比自然因子與人文因子之間的交互作用貢獻率更大.