鄧雁菲，胡寶清，馮炳斌，張 澤

(1.北部灣環(huán)境演變與資源利用教育部重點實驗室，廣西南寧 530001；2.南寧師范大學地理科學與規(guī)劃學院，廣西南寧 530001)

0 引言

植被是指地球表面某一地區(qū)所覆蓋的植物群落。作為生態(tài)系統(tǒng)的核心組成部分，植被是聯(lián)結(jié)大氣、水、生物、巖石、土壤等自然環(huán)境要素的紐帶，與物候變化、水循環(huán)、凈化空氣和能量流動等自然生態(tài)現(xiàn)象密切相關(guān)[1-3]。因此，掌握植被時空演變規(guī)律及驅(qū)動機制是科學認識生態(tài)系統(tǒng)的有效途徑[4]。

歸一化植被指數(shù)(Normalized Differential Vegetation Index,NDVI)是表征植被覆蓋和生長狀況的最佳指標，可表征植被的種類、長勢和密度等特點，并已被廣泛應用于植被變化及驅(qū)動力特性的研究[5-7]。近年來，為應對物候變化，提高生態(tài)系統(tǒng)適應力，許多學者對植被NDVI演變及其驅(qū)動力進行了研究。Zoungrana等[8]以基納法索、西非為研究區(qū)，分析了植被覆蓋度的影響因子，發(fā)現(xiàn)可達性、氣候和地形等是植被NDVI的主要影響因子。Lamchin等[9]以亞洲為研究區(qū)，借助相關(guān)分析法探究植被覆蓋度變化與氣候的相關(guān)性，發(fā)現(xiàn)氣溫是影響植被綠度的重要因子。高江波等[10]以中國為研究對象，利用加權(quán)回歸法分析植被NDVI與氣候變化的響應規(guī)律，發(fā)現(xiàn)植被NDVI與氣溫呈現(xiàn)非平穩(wěn)關(guān)系，降水影響顯著區(qū)為青藏高原。李雙成等[11]以青藏高原為研究區(qū)，借助小波分析法分析植被NDVI與地形因子的相關(guān)性，指出人類活動是植被NDVI的制約因子。孔冬冬等[12]也以青藏高原為研究區(qū)，利用回歸分析探究植被NDVI的物候變化，認為溫度是影響植被NDVI變化的重要因子。彭文甫等[13]以四川為研究區(qū)，利用地理探測器探測影響植被覆蓋度的自然因子，認為土壤、高程和溫度對植被可變性有較強解釋力。祝聰?shù)萚14]以岷江上游為研究區(qū)，利用趨勢分析法和地理探測器分析植被覆蓋度的時空演變規(guī)律及驅(qū)動力特性，發(fā)現(xiàn)該區(qū)植被覆蓋度良好、穩(wěn)定，而海拔、氣溫、土壤類型和降水為主要解釋因子。盡管已有研究對認識植被NDVI演變特性及驅(qū)動力有重要意義，但仍然存在以下問題：(1)對于研究手段，此前研究多選取回歸、相關(guān)分析等線性計量手段分析植被NDVI的驅(qū)動力，但實際中植被的響應過程十分復雜，很難存在嚴格的線性關(guān)系，因此線性分析難以量化自然因子對植被NDVI的影響；(2)對于驅(qū)動因子，此前多選取氣候、人類活動和地形等單因子作為植被NDVI的驅(qū)動因子，但植被受復雜的自然環(huán)境影響，驅(qū)動因子并非獨立作用，因此單因子分析難以解釋復雜的因子影響機制；(3)對于研究區(qū)域，此前研究區(qū)域多選大陸內(nèi)部、流域、高原等，而針對海陸交互帶的研究較少。

廣西北部灣位于廣西壯族自治區(qū)的東南部，是我國西部陸海新通道的重要關(guān)口。該地季風氣候顯著，地形獨特，植被類型多樣。近年來，西江經(jīng)濟帶、北部灣經(jīng)濟區(qū)等地區(qū)的經(jīng)濟建設(shè)加劇了植被砍伐、生態(tài)環(huán)境惡化的狀況。廣西北部灣地處復雜的陸海交錯地貌區(qū)，加上人為干擾日漸增強，植被覆蓋率易受生態(tài)環(huán)境惡化的影響而下降。因此本研究選取廣西北部灣作為研究區(qū)域，利用一元線性回歸法與變異系數(shù)法對植被NDVI的時空演變格局進行分析，借助地理探測器探測其多因子影響下的影響特性，以便為該地的生態(tài)建設(shè)提供科學有效的參考依據(jù)。

1 數(shù)據(jù)來源與方法

1.1 研究區(qū)域概況

廣西北部灣地處廣西東南部，地理位置介于21°24′-22°43′N，107°27′-109°52′ E之間(圖1)。氣候類型屬亞熱帶季風氣候，水熱充足，年平均溫度約22℃，年均降水量約1 600 mm。地勢北高南低，地形以平原為主，東北、西北方分別橫貫六萬大山山脈及十萬大山山脈，平均海拔為800-1 000 m。在氣候和地形等要素的影響下，植被類型以亞熱帶季風常綠闊葉林、熱帶雨林為主，四季常綠，無明顯的換季落葉現(xiàn)象。

圖1 廣西北部灣海岸帶區(qū)域概況[圖片從國家測繪地理信息局標準地圖服務網(wǎng)站下載，審圖號：GS(2016)2937]Fig.1 Profile diagram of Guangxi Beibu Gulf coastal zone(The picture is downloaded from website of the standard map service in National Administration of Surveying Mapping and Geoinformation.Drawing approval number:GS(2016)2937)

1.2 數(shù)據(jù)來源

植被NDVI的變化與高程、坡向[15]、氣候[16]、土地利用變化、土壤類型[17]等因素有關(guān)，而廣西北部灣地處陸海交界，有獨特的植被類型、地貌特征。因此，本研究依據(jù)系統(tǒng)性、典型性、動態(tài)性、科學性、可量化和可獲取等原則，選取高程、坡度、坡向、氣溫、降水、土壤類型、地貌類型、植被類型和土地利用等9個因子作為研究植被NDVI的主要驅(qū)動因子。高程、坡度、坡向數(shù)據(jù)來源于90 m分辨率的中國海拔高度(DEM)空間分布數(shù)據(jù)。氣溫、降水數(shù)據(jù)是基于全國主要氣象站點數(shù)據(jù)，經(jīng)反距離加權(quán)平均內(nèi)插和DEM校正獲得的柵格數(shù)據(jù)；土地利用數(shù)據(jù)是基于Landsat 8 遙感影像，通過人工目視解譯生成?；赟POT/VEGETATION NDVI衛(wèi)星遙感數(shù)據(jù)，通過拼接鑲嵌、投影變換獲得每月的植被NDVI數(shù)據(jù)，最終采用最大值合成法將月數(shù)據(jù)合成得到年植被NDVI的數(shù)據(jù)。所有數(shù)據(jù)均依照研究區(qū)矢量邊界裁剪。表1展示了主要研究數(shù)據(jù)的來源。

表1 研究數(shù)據(jù)來源Table 1 Source of research data

1.3 方法

1.3.1 變異系數(shù)法

變異系數(shù)法是衡量某對象相對變化(波動)的統(tǒng)計方法，通過逐像元的植被NDVI變異系數(shù)來探究其穩(wěn)定性，其計算公式如下[18]:

(1)

式中：Cv為變異系數(shù)，?(NDVI)為植被NDVI的標準差，m(NDVI)為植被NDVI均值。

1.3.2 趨勢分析法

選用最小二乘法中的一元線性回歸模型，對植被NDVI的年變化進行趨勢分析，計算公式為[19，20]

(2)

式中：S為植被NDVI變化趨勢斜率，當S為正值時，表明植被NDVI呈上升趨勢，負值則為下降趨勢；n為研究總年數(shù)；vi為第i年的NDVI (i=1，2，…，15)。采用F檢驗對趨勢結(jié)果進行顯著性檢驗，計算公式如下[21]:

(3)

表2 NDVI變化趨勢類型Table 2 Types of NDVI variation trend

1.3.3 地理探測器模型

地理探測器是基于空間分異角度統(tǒng)計分析驅(qū)動機制的方法，包括因子探測器、生態(tài)探測器、風險探測器、交互探測器4個探測內(nèi)容[22]。因子探測器是將因子分類區(qū)的方差和植被NDVI區(qū)域的總方差進行空間差異性對比分析，以探測不同因子對植被NDVI的解釋力，其計算公式如下[23]：

(4)

生態(tài)探測器用于比較兩因子間對植被NDVI空間分布的影響是否存在顯著差異，以F統(tǒng)計量來衡量：

(5)

式中：Nxi、Nxj分別表示兩個不同因子(xi和xj)的樣本數(shù)量；Li、Lj分別表示變量xi和xj分類數(shù)。

交互探測器是用于比較因子交互前后解釋P值的大小，用以判別因子共同作用后對植被NDVI的解釋力是增強還是減弱，同時也用于判別因子交互的關(guān)系(線性/非線性)。

風險區(qū)探測器是判斷兩因子間的屬性均值是否有顯著差別，用于搜索植被NDVI最佳區(qū)域的探測。用t統(tǒng)計量來檢驗：

(6)

基于文獻[24]，選用自然間斷法作為因子的分類方法。將氣溫、降水分為10級，高程、坡度、坡向分為9級。土壤類型、地貌類型、植被類型、土地利用類型則是在原來的分類基礎(chǔ)上，經(jīng)過聚類合并將二級別分類合并成一級別分類，減少分類級數(shù)。最終將土壤類型分10類，地貌類型分為5類，植被類型分為9類，土地利用分為6類。由于地理探測器的數(shù)據(jù)容納量最多約為30 000，故借助ArcGIS軟件，按照3 km×3 km的網(wǎng)格，在植被NDVI柵格數(shù)據(jù)中隨機提取2 245個采樣點。把植被NDVI采樣點圖層與因子分類圖層疊加，獲取采樣數(shù)據(jù)與分類數(shù)據(jù)的空間關(guān)聯(lián)屬性表，最后將屬性表導入地理探測器運行。

2 結(jié)果與分析

2.1 植被NDVI的時空演變

2000-2015年廣西北部灣地區(qū)植被NDVI年季變化統(tǒng)計分析表明，16年間研究區(qū)植被生長狀況整體良好(圖2)。植被NDVI年均值為0.753，整體以0.006 1的增長率緩慢上升。2000-2005年植被NDVI上升較快，2005年之后上升速度趨于平緩。從季節(jié)分配來看，研究區(qū)植被NDVI有明顯季節(jié)差異，均值大小排序為秋季>夏季>春季>冬季。夏季和秋季的植被NDVI值為0.68-0.75，且較平穩(wěn)；冬季和春季的植被NDVI值為0.5-0.75，有波動上升的趨勢。以上結(jié)果表明，研究區(qū)植被NDVI在16年間不斷增加，且全年常綠的植被類型數(shù)量可能逐漸增多。

圖2 廣西北部灣植被NDVI年際變化Fig.2 Interannual variation of vegetation NDVI in Beibu Gulf of Guangxi

將植被NDVI類型劃分為低、中低、中、中高、高5個等級(表3)。各等級的面積排序為中高>中>高>中低>低。2000年和2015年研究區(qū)的植被覆蓋類型分布表現(xiàn)出相同的趨勢，兩者均以中高等級為主，面積分別達17 499.52 km2和12 339 km2，分別占總面積的87.97%和62.20%；中、高等級的面積次之；而低、中低等級的面積占比均低于5%。同時，在16年間，中高等級的面積顯著下降，減少面積為5 110.52 km2，降比達25.77%；而中、高等級的面積顯著增加，增加面積為1 500-2 700 km2，增幅為8%-14%；低、中低等級的面積僅有小幅度上升，且比率小于4%。

表3 2000-2015年廣西北部灣植被NDVI等級變化Table 3 Variations of vegetation NDVI grades in Beibu Gulf of Guangxi during 2000-2015

從空間演變趨勢分析(圖3a)，植被NDVI增加(S>0)的區(qū)域占總面積的55%，減少(S<0)的區(qū)域占45%，增加的面積比減少的面積多10%，整體以增加為主。其中，顯著增加和極顯著增加面積占54.32%，主要分布在中部地區(qū)以及高山地區(qū);顯著減少和極顯著減少面積占39.34%，主要分布在沿海地區(qū)，最為明顯的是北海的鐵山港區(qū)及合浦縣沿岸開發(fā)區(qū)。不顯著變化面積占總面積的6.33%，分布在早年開發(fā)的沿海海岸區(qū)域。以上結(jié)果表明,植被NDVI呈沿海較內(nèi)陸地區(qū)退化更明顯的狀況。

從變異角度分析(圖3b)，研究區(qū)植被NDVI整體較穩(wěn)定，植被NDVI平均變異系數(shù)為3.91%。變異系數(shù)低于15%的穩(wěn)定類型占比為48.55%，主要分布在高、中高等級植被覆蓋地區(qū)；變異系數(shù)為15%-40%的不穩(wěn)定類型占比為45.34%，主要分布在中等級植被覆蓋區(qū)域；變異系數(shù)高于40%的極不穩(wěn)定類型占比為6.11%，主要分布在沿海海岸的低等級植被覆蓋區(qū)。以上結(jié)果表明，植被NDVI在高等級植被覆蓋區(qū)較穩(wěn)定，在中、中低、低等級植被覆蓋區(qū)較不穩(wěn)定。

圖3 2000-2015年廣西北部灣植被變化趨勢與變異系數(shù)空間分布Fig.3 Spatial distribution of vegetation variation trends and variation coefficients in Beibu Gulf of Guangxi during 2000-2015

2.2 地理探測器探測結(jié)果

2.2.1 影響因子探測

基于因子探測器的研究結(jié)果(表4)表明，各因子對植被NDVI的影響力度排序為氣溫>高程>土壤類型>坡度>地貌類型>土地利用>植被類型>降水>坡向。其中氣溫的解釋力最大，P值為0.381，解釋力超35%。高程、土壤類型的解釋力次之，P值分別為0.306，0.298，解釋力在29%以上。坡向和降水的解釋力最弱，P值分別為0.065，0.109，解釋力均小于11%。

表4 影響因子對植被NDVI的解釋力Table 4 Explanatory power of influence factors on vegetation NDVI

2000-2015年各影響因子的P值年際變化(圖4)表明，植被類型、坡度、降水及土地利用的P值呈增加趨勢，氣溫與高程的P值呈下降趨勢，土壤類型、地貌類型、坡向的P值則幾乎不變。2000-2005年土地利用和降水的P值呈上升趨勢，其余各因子的P值均呈下降趨勢；2005-2010年除高程的P值呈下降趨勢外，其余各因子的P值均呈上升趨勢；2010-2015年，除坡向的P值稍有上升趨勢外，其余各因子的P值均呈減少趨勢。16年間，P值增加和下降最明顯的因子分別是土地利用和高程，表明人類活動對植被NDVI的影響越來越顯著。

X1：坡向，X2：坡度，X3：土地利用，X4：高程，X5：地貌類型，X6：植被類型，X7：土壤類型，X8：氣溫，X9：降水X1:Aspect,X2:Slope,X3:Land utilization,X4:Elevation,X5:Geomorphic type,X6:Vegetation type,X7:Soil type,X8:Air temperature,X9:Rainfall圖4 2000-2015年廣西北部灣植被NDVI影響因子變化圖Fig.4 Variations of NDVI influence factors in Beibu Gulf of Guangxi from 2000 to 2015

2.2.2 生態(tài)探測

生態(tài)探測器分析表明,氣溫與其他因子對植被NDVI的影響存在顯著差異(表5)；除坡向與降水對植被NDVI的影響無顯著差異外，坡向與其他因子均對植被NDVI存在顯著差異。坡度與高程、地貌類型、土壤類型對植被NDVI的影響無顯著差異，與其余因子對植被NDVI的影響存在顯著差異。土地利用與所有因子對植被NDVI 的影響均存在顯著差異。高程與坡度、地貌類型及土壤類型對植被NDVI的影響無顯著差異，與其余因子對植被NDVI的影響存在顯著差異。地貌類型與坡度、高程以及土壤類型對植被NDVI的影響無顯著差異外，與其余因子對植被NDVI的影響均存在顯著差異。植被類型除與降水對植被NDVI的影響無顯著差異外，與其他因子對植被NDVI的影響均存在顯著差異。土壤類型與坡度、高程及地貌類型對植被NDVI影響無顯著差異，與其余因子對植被NDVI的影響均存在顯著差異。降水與坡向、植被類型對植被NDVI的影響無顯著差異，與其余因子對植被NDVI的影響均存在顯著差異。結(jié)合因子探測的分析結(jié)果，篩選得出影響植被NDVI變化的主要解釋因子是氣溫。

表5 驅(qū)動因子差異性探測表Table 5 Differential detection table of driver factors

2.2.3 因子交互探測

交互探測器分析表明(表6)，因子之間交互協(xié)同關(guān)系存在一定的差異，交互作用均能加強單因子對植被NDVI的影響。各因子之間存在線性及非線性交互關(guān)系，無獨立作用因子。其中，以坡向為基準，與氣溫產(chǎn)生最大影響力(0.423)，與土壤類型產(chǎn)生的影響力次之(0.374)；以坡度為基準，與土壤類型產(chǎn)生最大影響力(0.475)，與氣溫產(chǎn)生的影響力次之(0.466)；以土地利用為基準，與氣溫產(chǎn)生最大影響力(0.475)，與高程產(chǎn)生的影響力次之(0.445)。排序發(fā)現(xiàn)因子交互作用后的解釋力均比單因子獨立作用的解釋力大，氣溫與各因子交互作用后易產(chǎn)生較大的解釋力。坡向與其他因子間交互協(xié)同作用多為非線性增強關(guān)系，其余因子間交互協(xié)同的關(guān)系多為雙因子增強關(guān)系。

表6 因子交互作用解釋q值表Table 6 Factor interactions table based on q-value explanation

2.2.4 適宜性探測

風險探測器分析結(jié)果表明：同因子但不同分類對植被NDVI影響力度不同(表7)。將氣溫劃分為10個等級，用A1-A10表示，數(shù)字越大表明氣溫值越大。隨著氣溫的變化，植被NDVI也不同。在A2等級產(chǎn)生了最大的植被NDVI值，為0.833，但A2等級與A1、A3等級無明顯差異，表明溫度在17.6-21.3℃內(nèi)植被NDVI值最高，植被覆蓋率較大。對A1-A10分區(qū)內(nèi)的植被NDVI大小排序，A2 (0.833)>A3 (0.832)>A1 (0.831)>A4 (0.825)>A5 (0.819)>A6 (0.798)>A7 (0.778)>A8 (0.776)>A9 (0.766)>A10 (0.707)，植被NDVI值在A2等級之后隨著溫度的上升而不斷下降，表明一定范圍內(nèi)的溫度利于植被NDVI的增長，超出范圍則致使其下降。

表7 氣溫每2個分區(qū)的植被NDVI均值及其統(tǒng)計顯著性(置信水平95%)Table 7 Average NDVI and its statistical significance of vegetation in each of the 2 air temperature zones (confidence level 95%)

將高程劃分為9個分區(qū)，用E1-E9表示(表8)。不同的高程范圍有不同的植被NDVI，在E9區(qū)內(nèi)植被NDVI值最大，為0.838。E8區(qū)與E9區(qū)的影響無顯著差異，與其余因子的影響均存在明顯差異，即表明海拔在674-1 430 m能產(chǎn)生較大的植被NDVI值。E1-E9區(qū)產(chǎn)生的植被NDVI大小排序為E1 (0.719)

表8 高程每2個分區(qū)的植被NDVI均值及其統(tǒng)計顯著性(置信水平95%)Table 8 Average NDVI and its statistical significance of vegetation in each of the 2 elevation zones (confidence level 95%)

將土壤類型劃分為10個分區(qū)，用S1-S10表示(表9)，不同類型的土壤存在不同的植被NDVI值。在S9區(qū)能產(chǎn)生最大的植被NDVI值，為0.833。S8區(qū)與S9區(qū)的影響無明顯差異，這表明黃色赤紅壤和黃紅壤利于植被NDVI值的增加。原因可能是北部灣海岸帶水熱充足，水稻為主要糧食作物，水稻土中常年種植水稻，因而該類土壤的植被覆蓋率高。黃色赤紅壤、黃紅壤是研究區(qū)內(nèi)分布較為廣泛、肥力也相對優(yōu)質(zhì)的土壤類型，因而也利于植被NDVI值的增長。

表9 土壤每2個分區(qū)的植被NDVI均值及其統(tǒng)計顯著性(置信水平95%)Table 9 Average NDVI and its statistical significance and its statistical significance of vegetation in each of the 2 soil subregions (confidence level 95%)

在其余影響因子(植被類型、坡度、地貌類型和土地利用)中，植被類型分類以亞熱帶季風常綠闊葉林分布區(qū)產(chǎn)生的植被NDVI最高，為0.832-0.835;37.53-70.34坡度產(chǎn)生最高的植被NDVI，為0.833;地貌類型以中/大起伏山地中產(chǎn)生最高植被NDVI，為0.809-0.816;土地利用則是在林地中產(chǎn)生最高植被NDVI，為0.785。

3 討論

本研究利用對比分析、回歸分析等方法對廣西北部灣的植被NDVI演變進行探究，從時空尺度挖掘其變化特點。結(jié)果發(fā)現(xiàn)廣西北部灣地區(qū)的植被NDVI類型以中高覆蓋度為主，高山地區(qū)植被覆蓋度高，沿海地區(qū)植被覆蓋度低。從變異視角看該區(qū)域植被覆蓋度穩(wěn)定性能較好，高山地區(qū)較穩(wěn)定，內(nèi)陸沿海地區(qū)穩(wěn)定性較差。田義超等[25]用標準差法探究廣西北部灣植被NDVI，發(fā)現(xiàn)其呈現(xiàn)出“兩頭高、中心地帶低”的分布規(guī)律，這與本研究的結(jié)論高度一致。同時，本研究結(jié)果與廣西北部灣發(fā)展現(xiàn)狀較符合，中部高山地帶，交通不便，難以開發(fā)，生態(tài)保護較好，植被NDVI亦較好。沿海港口城市的開發(fā)力度大，植被NDVI較低。在一帶一路倡議下，近年來廣西北部灣被大力開發(fā)，是高植被NDVI增加緩慢的一個重要原因。同時，本研究發(fā)現(xiàn)在一些開發(fā)建設(shè)較大的縣區(qū)內(nèi)部區(qū)域出現(xiàn)植被NDVI變異較大的情況，這也表明本研究能合理反映出研究區(qū)域的植被覆蓋度的時空變化情況。

地理探測器是一種能較好地識別驅(qū)動力以及影響機制的計量方法。本研究引入地理探測器以辨識出最具解釋力的影響因子，最終篩選出氣溫為主要影響因子。從年際變化看，土地利用解釋力明顯上升，表明人類因子的影響力度逐漸增加。該結(jié)論與成方妍等[26]使用hurst指數(shù)對廣西北部灣地帶植被NDVI變化驅(qū)動因子分析所提出的，地形和人為因素影響是主要影響因子的結(jié)論高度契合。交互探測器探測表明，因子之間能相互協(xié)同作用，并加強對植被NDVI的解釋力，但是交互增強機制存在復雜的非線性關(guān)系，因而單純的線性計量手段難以解釋影響因子之間的交互關(guān)系，難以反映因子間的交互機制。另外，風險探測器已探測出各因子中較利于植被NDVI增加的分類。以上研究均能為廣西北部灣生態(tài)保護和建設(shè)提供科學參考。

4 結(jié)論

本研究采用一元線性回歸法以及變異系數(shù)法對2000-2015年廣西北部灣植被NDVI時空變化及穩(wěn)定性進行評價；借助因子探測器、生態(tài)探測器辨識植被NDVI的主要解釋因子，并分析各因子解釋力的時序變化特點。利用交互探測器探測因子兩兩交互作用的協(xié)同規(guī)律。最后，通過風險探測器篩選出植被NDVI最佳區(qū)域，甄別最適宜植被NDVI增長的因子分類。主要結(jié)論如下：

2000-2015年研究區(qū)植被覆蓋狀況良好，植被NDVI年均值為0.753，并呈現(xiàn)夏季和秋季高，冬季和春季低的現(xiàn)象。在16年間，植被NDVI有緩慢上升的趨勢，上升的幅度較小，上升率僅為0.006 1；植被NDVI增加面積占比55%，下降占比45%，上升下降的面積占比幾乎持平。從穩(wěn)定性看，平均變異系數(shù)為3.91%，變異穩(wěn)定區(qū)域占總面積的48.55%，多分布在高、中高等級植被覆蓋區(qū)。變異極不穩(wěn)定區(qū)占比為6.11%，多分布在沿海的低等級植被覆蓋區(qū)，內(nèi)陸的植被NDVI較沿海的更穩(wěn)定。

2000-2015年研究區(qū)中高等級的植被覆蓋類型面積占比大，2000年面積高達17 499.52 km2，2015年仍有12 339 km2。但有往中、中低等級的植被類型變化的趨勢，降幅較大，降比達25.77%。高、中、中低、低等級這4種覆蓋類型面積占比較小，但有緩慢上升的趨勢。植被NDVI空間分布狀況呈高山地區(qū)植被覆蓋度高，沿海港口地區(qū)植被NDVI低，中部以中高植被覆蓋類型為主。

因子探測器探測發(fā)現(xiàn)氣溫是解釋力最大的因子，解釋力超35%。高程、土壤類型的解釋力次之，解釋力分別為30.6%、29.8%?；?6年間的變化趨勢，氣溫的解釋力在波動下降，而土地利用的解釋力在不斷上升，這表明人為因子的解釋力在上升，人類活動的干擾在加?。唤换ヌ綔y器探測發(fā)現(xiàn)因子兩兩交互作用后均能增強單因子解釋力，無獨立作用的因子，非線性協(xié)同作用強，增強機制并非單純地疊加或線性增強。利用風險探測器探測出植被NDVI最佳區(qū)域，搜索出最適合植被NDVI增長的因子分類。此后可依據(jù)最適宜分類進行適當人為干預，以便獲得較高的植被覆蓋率。