任立清， 陳 鵬， 楊 陽， 王 勇

（烏魯木齊氣象衛(wèi)星地面站，新疆 烏魯木齊 830011）

0 引言

植被作為監(jiān)測生態(tài)環(huán)境變化指示器，在水土保持、水循環(huán)和氣候變化方面具有重要作用[1-2]。歸一化植被指數(shù)（以下簡稱植被NDVI）能夠真實地反映地表植被覆蓋狀況，尤其是植被NDVI最大值能反映年度植被生長所達(dá)到的最佳狀況[3-5]。許多研究已表明，基于遙感的植被指數(shù)在地表過程和全球變化研究中具有重要作用，開展區(qū)域及全球尺度的植被變化研究對認(rèn)識自然因子變化與陸地生態(tài)系統(tǒng)的相互作用亦有重要意義[6]。

新疆維吾爾自治區(qū)（簡稱新疆）開都河地處我國西北干旱區(qū)，深居歐亞大陸中心、遠(yuǎn)離大洋的地理位置及復(fù)雜的地形地貌，共同作用形成了多樣的生物群落，該區(qū)域是研究植被變化及其對自然因子響應(yīng)的理想?yún)^(qū)域。 近年來，新疆氣候出現(xiàn)明顯暖濕化趨勢，導(dǎo)致地區(qū)植被活動顯著增強(qiáng)，引起學(xué)者對區(qū)域植被與氣候變暖響應(yīng)關(guān)系的廣泛關(guān)注[7-8]。黃豪奔等[9]基于MODIS-NDVI 與CRU 數(shù) 據(jù) 集 中 氣 候 數(shù) 據(jù)， 采 用Sen+Mannkendall、Hurst 指數(shù)及相關(guān)分析法，發(fā)現(xiàn)月尺度與季尺度上，植被NDVI與氣候因子（降水、氣溫、極端氣溫、水汽壓和潛在蒸散）呈正相關(guān)，其中降水因子在季尺度上的相關(guān)性高于月尺度。姜萍等[10]基于線性趨勢分析、隨機(jī)森林和地理探測器模型，分析認(rèn)為2000—2018 年植被NDVI空間變化基本與水分因子呈正相關(guān)，與輻射量、海拔呈負(fù)相關(guān)，土壤濕度的解釋力最高，與耕地面積和潛在蒸散發(fā)共同主導(dǎo)植被NDVI的時空格局。劉洋等[11]運(yùn)用Theil-Sen median 與Mann-Kendall 檢驗研究新疆植被NDVI格局及趨勢特征，并將檢驗的結(jié)果和Hurst 指數(shù)的結(jié)果相結(jié)合，研究發(fā)現(xiàn)，新疆大部分地區(qū)植被變化將保持現(xiàn)有的趨勢，持續(xù)性改善的面積占全疆總面積的24.39%。李春娥等[12]利用植被降水利用率模型、線性趨勢分析和皮爾遜相關(guān)法，發(fā)現(xiàn)在2000—2016 年對于干旱缺水的新疆大部分區(qū)域，降水對植被的長勢具有積極的促進(jìn)作用，開都河流域植被NDVI貢獻(xiàn)度最大的植被類型是草地，在年際和月季尺度上，降水量對開都河流域草地類型呈現(xiàn)不同程度的正相關(guān)。然而，大多研究僅涵蓋氣溫、降水兩個氣候因子，也未考慮地形、土壤等其他因子，以及各因子間的交互作用對植被變化的影響[13-14]。

地理探測器是探測空間分異性，以及揭示其背后驅(qū)動力的一組統(tǒng)計學(xué)方法[15-16]。以統(tǒng)計學(xué)原理的空間方差分析為基礎(chǔ)，該方法不僅能夠判斷氣候、地形、地貌和土壤等多種因子對植被NDVI空間分布格局影響力的大小，并且可以量化不同因子及其交互作用對植被覆蓋變化的影響力，已被廣泛應(yīng)用于植被NDVI驅(qū)動因子的探測研究[17-18]。本研究選取最大值合成法（MVC）得到2001—2020 年年際植被NDVI最大值圖像，采用線性回歸方法分析開都河流域植被覆蓋時空分布和變化趨勢，并基于地理探測器量化10 類自然因子及土地利用類型對植被覆蓋時空變化的驅(qū)動作用。研究結(jié)果可為開都河流域生態(tài)環(huán)境修復(fù)政策提供有益參考。

1 研究區(qū)概況

開都河流域位于82.5°～87.0°E、42.0°～43.5°N，面積約2.584 萬km2，流域在新疆和靜縣內(nèi)。地勢中間低、四周高，形成盆地。地貌復(fù)雜多樣，以平原、中起伏山地為主，小起伏山地次之，丘陵、臺地和大起伏山地較少。獨特的地形條件使開都河流域氣候差異較大，西部平原氣候適宜，年均溫度-2～-1 °C，年降水量247～423 mm；中部山地日照減少，年均溫度-14～-9 °C，年降水量66～247 mm；東南部海拔較低，日照充足，水資源相對匱乏，年均溫度4～6 °C，年降水量66～121 mm。土壤類型豐富，共有11 個土類，其中高山土占主體。開都河流域植被以草原、草甸和高山墊狀植被為主，我國第2 大高山草原巴音布魯克位于流域西部。

2 研究數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源與預(yù)處理

選定年均溫度、年降水量、≥10 °C 積溫、潛在蒸散發(fā)、高程、坡度、坡向、植被類型、土壤類型、地貌類型和土地利用類型共11 個植被NDVI變化潛在影響因子，如圖1 所示。植被NDVI數(shù)據(jù)來源于谷歌云計算平臺，MOD13Q1 NDVI 的16 d 時間分辨率和250 m空間分辨率，采用最大值合成法（MVC）生成研究區(qū)2001—2020 年植被NDVI數(shù)據(jù)，能有效反映開都河流域植被覆蓋的分布及其時空演變[19]。根據(jù)植被NDVI高低，結(jié)合新疆植被實際情況將數(shù)據(jù)分為5 個植被覆蓋等級：低（≤0.1）、中低（0.1～0.3）、中（0.3～0.5）、中高（0.5～0.7）和高（＞0.7）[10]。

圖1 因子分類Fig.1 Classifications of factors

氣象數(shù)據(jù)來自中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心（http://www.resdc.cn/）發(fā)布的中國氣候背景數(shù)據(jù)集，空間分辨率為500 m ×500 m。數(shù)字高程模型（Digital Elevation Model，DEM）是描述地表起伏形態(tài)特征的空間數(shù)據(jù)模型，DEM 數(shù)據(jù)選自地理空間數(shù)據(jù)云（http://www.gscloud.cn/）中GDEMV3 30 m 數(shù)據(jù)集，坡度、坡向由DEM 數(shù)據(jù)計算得到。潛在蒸散發(fā)（Potential Evaporation）來源于MOD16A2 第6 版復(fù)合數(shù)據(jù)集，空間分辨率為500 m[20]。其余數(shù)據(jù)空間分辨率為1 km，均來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心（http://www.resdc.cn/）。

為滿足精度要求，利用ArcGIS 10.7 對每個因子數(shù)據(jù)進(jìn)行投影轉(zhuǎn)換、掩膜、重分類和重采樣等處理，最終統(tǒng)一像元大小為250 m；借助漁網(wǎng)工具，基于1 km ×1 km 的規(guī)則格網(wǎng)，最終生成23 646 個隨機(jī)采樣點。將采樣點與開都河流域2001—2020 年以5 年為間隔的植被NDVI數(shù)據(jù)和11 個自然因子進(jìn)行空間疊置，得到5 期植被NDVI和自然因子的空間關(guān)聯(lián)數(shù)據(jù)。

2.2 研究方法

在本研究中，自變量X表示檢測因子Xi（i= 1，2，…），因變量Y為植被NDVI。

2.2.1 自然因子分級

利用自然斷點法將年均溫、年降水量、≥10 °C積溫、潛在蒸散發(fā)、高程和坡度等劃分為8 類，將坡向劃分為9 類；將植被類型、土壤類型、地貌類型和土地利用類型按照行業(yè)標(biāo)準(zhǔn)分別劃分為8 類、11 類、6 類和6 類[21]。

2.2.2 線性回歸分析

采用線性回歸分析方法研究了2001—2020 年開都河流域植被NDVI的變化趨勢[22-23]。計算公式為

式中n——監(jiān)測時間段的年跨度，取時間跨度為2001—2020 年

YNDVI,i——第i年的植被NDVI，i=1 ～ 20

S——回歸方程斜率，當(dāng)S＞0 時，YNDVI,i隨時間增加，區(qū)域植被覆蓋呈上升趨勢；S＜ 0 時，表明YNDVI,i隨時間呈下降趨勢。

2.2.3 地理探測器模型

地理探測器是探測空間分異性，揭示驅(qū)動因子影響力的一種空間統(tǒng)計方法，可用于定量數(shù)據(jù)和定性數(shù)據(jù)[16]。

2.2.3.1 因子探測器

通過因子探測計算自然因子對植被NDVI空間分布的影響，如表1 所示，因子探測q值越大，對植被NDVI的影響越大。計算模型為[24]

表1 探測因子Tab.1 Detection factors

式中h——植被NDVI屬性或自然和人為因子X的分層，h= 1，…，L

Nh、N——h層和整個區(qū)域的單元數(shù)

σh2、σ2——h層和整個Y區(qū)域各值的方差

2.2.3.2 交互探測器

交互探測表示不同影響因子之間的交互作用[24]。它比較了單因素q值、雙因素q值及兩因素相互作用的總和，評估了因素X1和X2對因變量Y的解釋力是增加還是減少，即主要比較q（X）、q（X1） +q（X2）與q（X1∩X2）。采用的評估方法如表2 所示。

表2 類型交互作用Tab.2 Interaction of types

2.2.3.3 風(fēng)險探測器

風(fēng)險探測通過計算兩個自然因子子區(qū)域的植被NDVI平均值，進(jìn)行統(tǒng)計顯著性檢驗[24]。當(dāng)植被NDVI平均值越大，該子區(qū)域越適合植被生長。風(fēng)險探測用t統(tǒng)計量來檢驗

nh——h子區(qū)域內(nèi)的樣本個數(shù)

Var——方差[25]

2.2.3.4 生態(tài)探測器

生態(tài)探測用于比較自然因子在植被空間分布上是否存在顯著差異，如確定因子X1和X2對植被NDVI空間分布的影響是否更大，用F統(tǒng)計量表示[16]。

3 結(jié)果分析

3.1 植被NDVI 動態(tài)變化

研究發(fā)現(xiàn)，開都河流域植被覆蓋呈低覆蓋向高覆蓋的轉(zhuǎn)變趨勢，如圖2 所示，西部草原區(qū)域和東南部的低覆蓋未利用地均有明顯改善。由表3 可知，2001年和2020 年中高和高植被覆蓋區(qū)分別占開都河流域面積的31.89%、16.53%和33.29%、20.05%，中高和高植被覆蓋區(qū)增加面積占比分別為1.549%和3.590%；2001 和2020 年低、中植被覆蓋區(qū)均呈現(xiàn)面積減少趨勢，下降面積占比分別為3.551%和1.481%；而中低植被覆蓋區(qū)略微增長，占比為0.353%。明顯改善區(qū)多為低山平原，氣候濕潤，水溫條件適宜植被生長。另外，國家大力實施退耕還林還草工程，經(jīng)過多年的治理，生態(tài)得到了有效恢復(fù)。

表3 2001—2020 年開都河流域植被NDVI 動態(tài)變化Tab.3 Dynamic changes of vegetation NDVI in Kaidu River Basin from 2001 to 2020

圖2 2001 和2020 年開都河流域植被NDVI 空間格局Fig.2 Spatial pattern of vegetation NDVI in the Kaidu River Basin in 2001 and 2020

2001—2020 年植被NDVI具有明顯的空間分異性，總體上呈現(xiàn)西高東低。巴音布魯克等3 大草原植被覆蓋較高，東南部植被覆蓋高，中部山地海拔在3 800 m以上，多為高山墊狀植被，植被覆蓋度較低，如圖2所示。研究期間植被覆蓋變化以巴音郭楞鄉(xiāng)、巴音烏魯鄉(xiāng)和克爾古提鄉(xiāng)為主，其中植被NDVI增加區(qū)域主要分布在西部巴音布魯克草原和東南部；植被NDVI顯著減少區(qū)域主要集中在北部及東北部的克爾古提鄉(xiāng)，如圖3 所示。

圖3 2001—2020 年開都河流域植被NDVI 空間變化趨勢Fig.3 Change trend of vegetation NDVI in the Kaidu River Basin from 2001 to 2020

利用Arcgis 10.7 中統(tǒng)計工具計算2001—2020 年植被NDVI不同類別空間轉(zhuǎn)移矩陣，如表4 所示。在此期間，植被NDVI的變化主要在0～0.1、0.7～1.0 范圍表現(xiàn)出明顯的轉(zhuǎn)換。結(jié)果表明，低和中植被覆蓋區(qū)覆蓋面積顯著減少，減少面積分別為1 035.43 km2和409 km2；中高和高植被覆蓋區(qū)域覆蓋面積顯著增加，增加面積分別為381.39 km2和965.62 km2。

表4 2001—2020 年開都河流域植被NDVI 空間轉(zhuǎn)移矩陣Tab.4 Spatial transfer matrix of vegetation NDVI in the Kaidu River Basin from 2001 to 2020單位：km2

3.2 因子影響力探測分析

因子探測器表示各自然因子對植被NDVI的影響，計算結(jié)果q值為植被NDVI的解釋力。由表5 可知，2020 年自然因子的q值排序為高程（0.403 0）＞植被類型（0.353 5） ＞潛 在 蒸 散 發(fā)（ 0.260 6） ＞年 均 溫（0.242 9）＞≥10 °C 積溫（0.230 0）＞地貌類型（0.167 5）＞土壤類型（0.161 3）＞土地利用類型（0.137 9）＞坡度（0.122 3）＞年降水量（0.118 2）＞坡向（0.009 9）。

表5 2020 年自然因子的q 值Tab.5 q value of natural factor in2020

在11 類自然因子中，高程、植被類型、潛在蒸散發(fā)、年均溫和≥10 °C 積溫的q值均占23%以上。因此，高程是影響植被覆蓋空間分異的主要驅(qū)動因子；除坡向外6 因子的q值均占11%以上，為次要影響因子。坡向?qū)χ脖豢臻g分布的影響不超過1%，對植被空間分布有間接影響。

2001—2020 年5 期數(shù)據(jù)結(jié)果表明，各因子q值呈現(xiàn)波動增加趨勢，如圖4 所示。其中潛在蒸散發(fā)、高程和土地利用類型的q值呈“↓↓↑↑”趨勢，坡向q值呈“↓↓↑↓”趨勢，植被類型q值呈“↑↓↑↑”趨勢，其余6 因子皆為“↓↑↓↑”趨勢。2001—2005 年，僅高程的q值增加；2005—2010 年，潛在蒸散發(fā)、高程、坡向、植被類型和土地利用類型q值減少外，其余6 因子q值增加；2010—2015 年，與前5 年變化相比，q值變化趨勢顯著，潛在蒸散發(fā)、高程、坡向、植被類型和土地利用類型q值增加外，其余6 因子q值減少；2015—2020 年，僅坡向q 值減少。

圖4 2001—2020 年開都河流域自然因子q 值變化Fig.4 Q value changes of natural factors in Kaidu River Basin from 2001 to 2020

3.3 因子生態(tài)探測分析

由表6 可知，土壤類型（X5）與年均溫、年降水量、≥10 °C 積溫和潛在蒸散發(fā)存在顯著差異，與其他影響因子無顯著差異；植被類型（X8）與高程、土壤類型、地貌類型和土地利用類型無顯著差異，與其他因子具有顯著差異；潛在蒸散發(fā)（X4）與年均溫、年降水量、≥10 °C 積溫、高程和植被類型存在顯著差異，與其他因子無顯著差異；年均溫（X1）和≥10 °C 積溫（X3）與年降水量、潛在蒸散發(fā)、高程和土壤類型存在顯著差異，與其他影響因子無顯著差異。

表6 自然因子生態(tài)探測（置信水平95%）Tab.6 Ecological detection of natural factor（confidence level 95%）

表7 是高程每2 分區(qū)植被NDVI及其統(tǒng)計顯著性檢驗結(jié)果，將高程劃分為 8 個分區(qū)，用數(shù)字 1～8 表示，在1 和5 子區(qū)達(dá)到最高值0.622 和0.618（表8），表明兩個高程范圍適宜植被生長，統(tǒng)計檢驗表明，兩高程子區(qū)的影響無顯著性差異；而8 子區(qū)，植被NDVI較小，表明3 800 m 以上環(huán)境惡劣且不利于植被生長，統(tǒng)計檢驗表明，兩高程子區(qū)的影響具有顯著性差異。分析表明，隨高程的攀升，植被NDVI呈現(xiàn)波動變化，其中在1 600～2 200 m 和3 500 m 以上海拔區(qū)域，植被NDVI較小。

表7 高程的每2 個分區(qū)的植被NDVI 及其統(tǒng)計顯著性（置信水平95%）Tab.7 Vegetation NDVI and its statistical significance in every 2 zones of DEM （confidence level 95%）

表8 自然因子交互探測Tab.8 Interactive detection of natural factor

3.4 因子交互作用探測分析

由表8 可知，大多數(shù)因子交互作用的q值大于單個因素的q值，并且因子相互作用類型為非線性增強(qiáng)和雙因子增強(qiáng)，不存在獨立關(guān)系。如高程的q值為40.30%，其他因子與高程交互作用q值均大于單因子解釋力。另外，X5∩X8（0.535 2）＞X5∩X2（0.524 0）＞X5∩X4（0.515 7）＞X5∩X1（0.510 5）＞X5（0.403 0）結(jié)果表明，植被類型、年降水量、潛在蒸散發(fā)和年均溫與高程的交互作用呈現(xiàn)雙變量增強(qiáng)效應(yīng)；X8∩X5（0.535 2）是自然因子交互探測結(jié)果中的最大值，這表明DEM 與植被類型兩因子交互作用呈現(xiàn)最顯著的雙變量增強(qiáng)效應(yīng)；X7∩X5（0.412 9）＞X7∩X8（0.361 0）＞X7∩X4（0.275 3）＞X7∩X3（0.261 1）＞X7∩X1（0.254 1）＞X7∩X10（0.187 5）＞X7∩X9（0.176 2）＞X7∩X11（0.155 4）＞X7∩X6（0.139 5）＞X7∩X2（0.134 2）＞X7（0.009 9）結(jié)果表明，坡向與高程和植被類型的交互作用呈現(xiàn)雙變量增強(qiáng)效應(yīng)，與其他因子呈非線性增強(qiáng)效應(yīng)。

3.5 因子風(fēng)險探測分析

開都河流域植被空間格局受多種因子的影響，針對表9 進(jìn)一步討論各類因子對植被的影響。

表9 自然因子適宜限制（置信水平95%）Tab.9 Suitable limits of natural factor（confidence level 95%）

隨高程、坡度和坡向的變化，植被NDVI呈波動變化趨勢，在2 900 ～ 3 200 m、0° ～ 5°、和-1° ～ 0°植被NDVI分別達(dá)到最高值0.622、0.591、0.592，表明這一地形因子范圍促進(jìn)植被生長。李鑫[26]研究發(fā)現(xiàn)，第Ⅲ帶海拔在2 338～3 308 m，植被生長狀況和蓋度分別為0.51、96.73%，證明2 900～3 200 m 海拔范圍是植被覆蓋度最高范圍。巴音布魯克、多爾布力金和古爾溫圖勒尕3 大草原，海拔多在2 200 ～ 2 900 m 和0°～ 5°坡度之間，草地生長狀態(tài)良好，植被NDVI較高。研究表明，地形因子決定不同氣候的土壤多樣性可解釋植被受高程、坡度和坡向變化的影響，不同地形因子與年降水量和年均溫變量相關(guān)[27]。

隨年均溫和≥10 °C 積溫的增加，植被NDVI呈現(xiàn)“增減增”式波動趨勢，分別在-5～-2 °C、334～719 °C范圍時，植被NDVI達(dá)到最大，分別為0.594、0.588，表明上述范圍是促進(jìn)植被生長的最佳氣溫條件；植被NDVI在年降水量和潛在蒸散發(fā)的變化中呈現(xiàn)先增后減趨勢，分別在247～277 mm、376.9～398.2 kg/m2范圍時達(dá)最大值，植被NDVI分別為0.610、0.596。植被對不同氣候因子具有不同適宜范圍，探索其最佳適宜范圍對植被生長具有至關(guān)重要的作用。趙倩倩等[28]研究發(fā)現(xiàn)，黃河流域植被NDVI的年際變率及其趨勢與氣溫、降水的相關(guān)關(guān)系在大部分區(qū)域均呈正相關(guān)，并且植被變化受降水的影響更大。溫度對植被動態(tài)變化產(chǎn)生強(qiáng)烈的局部影響，由圖2a 可知，開都河研究區(qū)年均溫較低，可能是溫度促進(jìn)植被生長，但溫度升高也會導(dǎo)致土壤濕度下降，對植被生長產(chǎn)生負(fù)面影響；與溫度相比，降水對植被的影響較小，但在開都河等受水分約束地區(qū)產(chǎn)生明顯的限制作用[10-12]。潛在蒸散發(fā)的增加對開都河地區(qū)植被的影響存在明顯的空間分異性，西部和東部降水的增加補(bǔ)償了由于氣溫升高導(dǎo)致的潛在蒸散量增加。這表明，水熱條件的良好耦合有助于植被生長[29]。

隨植被、土壤、地貌等類型的變化，植被NDVI波動變化，沼澤和栽培植被兩者植被NDVI最高值為0.713；半水成土和水成土土壤類型植被NDVI最高值為0.761；丘陵地貌類型植被NDVI最高值0.609。劉斯文等[30]發(fā)現(xiàn)當(dāng)流域裸地及人工表面逐漸恢復(fù)為草地與林地時，流域月均流量大多減小，表明植被生長需要大量水分，林地及草地對于降水的利用率較高。土壤是生態(tài)系統(tǒng)中物質(zhì)與能量交換的重要介質(zhì)，不同土壤有不同特性，土壤水分成為主要限制植被生產(chǎn)力的因子[31]。開都河復(fù)雜多樣的地貌類型，為植被提供多樣的生存環(huán)境，而有利于植被生長的地貌類型如巴音布魯克草原、多爾布力金大草原、古爾溫圖勒尕草原和丘陵地區(qū)的草地生長茂盛，植被恢復(fù)狀態(tài)整體向好[32]。而開都河流域有大面積草場，在特殊的丘陵盆地環(huán)境中，富含水分的土壤類型適宜草地和栽培植被生長。劉洋洋等[33]分析了1982—2016 年中國草地覆蓋度的時空動態(tài)格局，發(fā)現(xiàn)半干旱地區(qū)草地覆蓋度的增加對中國草地恢復(fù)具有重要貢獻(xiàn)，而與本研究發(fā)現(xiàn)的開都河流域內(nèi)巴音布魯克等大草原近年來植被狀況恢復(fù)良好結(jié)果一致。

4 結(jié)束語

（1）2001 和2020 年植被覆蓋分布形式為西高東低。其中，巴音布魯克草原植被恢復(fù)情況良好，研究區(qū)東南部植被呈現(xiàn)增加趨勢。2001 和2020 年中、中高和高植被覆蓋區(qū)分別占開都河流域面積的23.40%、31.89%、16.53%和21.81%、33.29%、20.05%，反映了研究區(qū)植被逐漸從低覆蓋向高覆蓋轉(zhuǎn)變。2001—2020年低、中植被覆蓋區(qū)域向中高、高植被覆蓋轉(zhuǎn)化明顯，導(dǎo)致低和中植被覆蓋區(qū)域面積顯著減少，中高和高植被覆蓋區(qū)域面積顯著增加；其中植被NDVI增加區(qū)域主要分布在西部巴音布魯克草原和東南部；植被NDVI顯著減少區(qū)域主要集中在北部及東北部的克爾古提鄉(xiāng)。

（2）基于地理探測器模型，分析了11 個自然因子對開都河流域植被NDVI的影響機(jī)制，總結(jié)了各因子對植被的影響。其中，高程的解釋力為40.30%，成為影響植被NDVI變化的主要驅(qū)動因子；其次是植被類型、潛在蒸散發(fā)、年均溫和≥10 °C 積溫，q值解釋力均在23%以上；除坡向可忽略不不計外，其余因子影響力均在11%以上。

（3）自然因子對開都河流域植被NDVI存在雙變量增強(qiáng)或非線性增強(qiáng)的交互作用，不存在獨立關(guān)系。地理探測器揭示了每個因子最適合的植被范圍或類型，這有助于地方政府在有利范圍內(nèi)干預(yù)植被變化，與自然攜手共同恢復(fù)植被，為促進(jìn)開都河流域植被建設(shè)和生態(tài)恢復(fù)提供參考。