延安地區植被覆蓋度時空變化及驅動力

聶 桐, 董國濤, 蔣曉輝, 谷佳賀

(1.西北大學 城市與環境學院, 西安 710127; 2.黃河水利委員會 黃河水利科學研究院, 鄭州450003; 3.黑河水資源與生態保護研究中心, 蘭州 730030)

陸地生態系統能夠響應氣候變化，可以通過植被生態系統和氣候之間的關系進行研究[1]。植被作為全球環境變化的“指示器”，是連接大氣、土壤、水體的“自然紐帶”，在促進水土保持、水循環和氣候變化方面具有重要作用[2]。植被能夠敏感反映氣候變化和人類活動的影響，是影響生態系統服務的重要因素[3-4]。歸一化植被指數(Normalized Difference Vegetation Index，NDVI)作為反映植被生長和時空變化研究的重要指標，與植被覆蓋度、生物量以及光合作用等聯系密切[5]，多數學者廣泛利用NDVI進行全球或區域植被覆蓋變化及驅動力研究。

許多學者通過研究各尺度植被覆蓋時空變化[6-7]，發現氣候變化和人類活動是影響植被覆蓋變化的主要因素[8-9]。Lin等[10]研究發現在全球范圍內，特別是非洲南部和東部、澳大利亞東部、亞洲東北部等地區植被覆蓋受厄爾尼諾—南方濤動氣候驅動影響；國內對典型區域植被驅動力的研究集中于黃土高原[11]、青藏高原[12]、西北干旱區等[13]生態脆弱區，研究表明植被覆蓋變化與降水、氣溫之間存在極大的相關性。劉慶生[14]認為降水格局對干旱半干旱區域斑塊狀的植被格局特征具有重要影響。其他自然因素，如地形因子會對植被形成和植被覆蓋產生影響，其中坡度、坡向能夠影響區域植被濕度、日照輻射、溫度等[15-16]。如今隨著人類活動對自然環境的干預，對植被覆蓋空間變化、植被生產力[17]的影響力也趨向增大。同時，生態環保政策的實施對于干旱荒漠區域的植被改善具有重要作用[18]。因此對于植被覆蓋時空變化的研究，自然因素與人類活動因素進行耦合分析可以加強生態可持續性[19]，減少單一因子影響作用帶來的局限性。

延安地區位于黃土高原丘陵溝壑區，氣候干旱且生態脆弱，同時也是重點實施退耕還林還草工程地區[20-21]，受到自然因素和人類活動的雙重影響，目前全球變暖帶來的氣候暖干化和極端氣候的增加使得生態環境形勢嚴峻[22-23]，因此分析延安市植被覆蓋及驅動力研究具有現實意義。以往研究多采用相關性分析等方法[24]定性分析植被覆蓋時空變化，而地理探測器模型[25]可以探測數值型和定性數據，能夠有效探測干旱半干旱地區空間分異性[26-27]。本文通過此模型探測植被空間分異性，量化并計算分析各自然、人文因子對植被空間分布的影響力及適合植被生長的類型和范圍，為促進延安市水土保持、植被恢復和生態修復提供科學依據。

1 研究區概況

延安市地處陜北黃土高原中部，處于北緯36°11′—37°09′，東經109°20′—110°03′。東西寬50 km，南北長96 km，面積3 556 km2。位于黃土高原丘陵溝壑區，北部屬半干旱地區，南部屬半濕潤地區。地勢西北高東南低，平均海拔1 200 m左右。延安是黃河上中游水土流失最嚴重的地區之一，截至2018年底，累計水土流失治理面積15 904.6 km2。1999年開始實施退耕還林工程，20 a間延安累計完成退耕還林面積7 183.3 km2，森林覆蓋率由33.5%提高到52.5%，植被覆蓋度由46%提高到81.3%，生態環境得到有效恢復。

2 研究方法和數據來源

2.1 數據來源及預處理

研究選擇植被NDVI、坡向、坡度、土壤類型、降水、氣溫、土地利用類型等數據。其中NDVI選用MODIS數據(https:∥ladsweb.nascom.nasa.gov/)時間分辨率16 d、空間分辨率為250 m的MOD13Q1 NDVI，并采用最大值合成月數據。土壤類型數據和土地利用數據選自中國科學院資源環境科學數據中心(http:∥www.resdc.cn)，空間分辨率1 km。降水、氣溫數據來源于中國氣象數據網(http:∥data.cma.cn)。坡向、坡度由根據90 m空間分辨率DEM數據計算獲取。各因子數據通過ArcGIS進行投影變換、行政區掩膜、重采樣等處理，最終像元大小保持一致，空間分辨率為250 m。坡度和土壤類型分別按照《土地利用現狀調查技術規程》、《1∶100萬中華人民共和國土壤圖》進行重分類預處理，其他數據按照自然間斷法進行重分類預處理。

2.2 研究方法

2.2.1 NDVI最大值合成和等級劃分

(1) 植被合成方法。最大值合成(MVC)[28]法能夠有效避免大氣、云、太陽高度角等帶來的影響，本文將月合成數據取最大像元值重新生成，合成2000年、2005年、2010年、2015年和2018年NDVI數據。(2) 等級劃分。將5期NDVI數據根據NDVI大小按照等間距[29]劃分方法劃分為5類，使其更好的反映植被覆蓋變化，分別是低等級(0～0.2)、中低等級(0.2～0.4)、中等級(0.4～0.6)、中高等級(0.6～0.8)、高等級(0.8～1)。

2.2.2 影響因子分級 通過ArcGIS軟件漁網工具生成間隔5 km的點陣，最終形成1 464個采樣點。采用自然間斷點法[30]將坡向、坡度、土壤類型、降水、氣溫、土地利用類型分別劃分為9類、5類、9類、9類、9類、5類。將類型量數據與NDVI值提取到采樣點后輸入到地理探測器中進行計算。

2.2.3 趨勢分析 采用一元線性回歸分析法研究NDVI的變化趨勢，綜合分析植被在研究時段的時空格局變化[31]。其計算公式為：

式中:Slope為NDVI回歸方程的斜率;n為監測時間段年跨度,本文研究年跨度為2000—2018年,n取值19;NDVIi表示第i年的NDVI值。當Slope>0表示區域植被覆蓋呈現增加趨勢,隨時間變化NDVI升高; Slope≤0,表示隨時間變化NDVI呈現下降趨勢。

2.2.4 地理探測器模型 地理探測器的本質是探測空間分異性，由因子探測、生態探測、交互作用探測和風險因子探測4部分構成，是一種既可以用于數值型變量也可以用于定性數據的統計學方法[25]。

(1) 因子探測：通過因子探測可以計算出各自然、人文因子(表1)對植被NDVI空間分布的影響力即q值，q值越大，說明對植被NDVI的影響力越大。表達式如下：

表1 自然、人文因子指標

(2) 生態探測：生態探測用于比較各自然、人文因子之間對植被NDVI空間分布是否有顯著差異，如比較是否因子X1比X2對植被NDVI空間分布更有影響力。用F統計量表示：

式中:NX1及NX2分別表示兩個自然因子的樣本數量;SSWX1和SSWX2分別表示由兩個自然因子形成分層的層內方差之和;L1和L2分別表示變量X1和X2分層數目。

(3) 交互作用探測：用于表示不同影響因子之間的交互作用。通過比較單一因子q值、雙因子之和q值以及雙因子交互作用后的q值，判斷兩因子在交互作用后增大還是減弱了對植被NDVI空間分布的影響，或是處于獨立作用，即主要比較q(X)，q(X1)+q(X2)和q(X1∩X2)之間的關系。

(4) 風險因子探測：通過計算某一影響因子在子區域的NDVI均值，進行統計顯著性檢驗，NDVI均值越大的影響因子子區域適合植被的生長，可以用于判斷各影響因子的適宜范圍或類型。檢驗表達式為：

3 結果與分析

3.1 植被NDVI時空變化

2000—2018年延安市平均植被覆蓋呈現增加趨勢，增速為0.089/10 a(圖1)。前期植被覆蓋2000—2012年增加趨勢較快，增速為0.138/10 a，后期植被覆蓋2012—2018年增速明顯減緩，增速為0.013/10 a，其中2012—2015年呈下降趨勢。自延安市實施退耕還林以來，植被一直呈增長趨勢，后期增速減緩可能與植被自然演替過程[32]有關，自然因素起主導作用。

圖1 2000-2018年年延安市NDVI年際變化趨勢

2000—2018年，延安市植被覆蓋向中高、高等級轉變明顯。由表2可知，中高和高植被覆蓋面積呈現增加趨勢，2018年占研究區面積比例達到97.04%，中等級植被覆蓋面積先增加后減少趨勢，向中等級和高植被覆蓋轉變，低等級和中低等級植被覆蓋面積呈現減少趨勢。2000—2018年，低、中低和中等級植被覆蓋面積減少，分別占研究區面積比例減少0.02%，27.54%，31.31%，其中中等級植被覆蓋面積顯著減少，高植被覆蓋面積顯著上升趨勢，研究區面積比例增加31.29%。中低植被覆蓋在2000—2005年階段面積減少最為明顯，中高植被覆蓋在2005—2010年增加最為明顯。

表2 延安2000-2018年植被覆蓋面積

2000—2018年植被覆蓋空間分布差異顯著(圖2)。2000年延安市中高及高等級植被覆蓋主要集中于南部，低、中低和中等級植被覆蓋集中于延安北部。2018年研究區植被恢復明顯，北部區域即吳起縣、志丹縣、安塞縣、子長縣、延川縣和延長縣植被覆蓋向中高等級轉變明顯，南部區域黃陵縣和黃龍縣植被覆蓋一直處于較高等級。低、中低植被覆蓋2018年主要集中于研究區中心位置，位于延安市寶塔區，受城市建設和不透水面增加的影響。

圖2 植被NDVI空間格局

由圖3可知，研究區植被指數整體呈現增加趨勢，其中95.52%區域屬于增加區域。呈減少趨勢區域不足研究區1%，零星分布于延安市寶塔區、洛川縣，中心城區由于城市化發展，大量土地利用類型由草地、耕地轉變為建設用地，NDVI呈現顯著減少趨勢。城市發展占用大量農田和生態用地，減少植被覆蓋面積。基本不變區域比重占研究區3.66%，分布于富縣、黃陵縣和黃龍縣區域。明顯增加區域占研究區比重49.29%，說明退耕還林還草措施取得重大進展，主要位于延安市北部和東部，與已有研究結果大體一致[33]。

圖3 2000-2018年延安地區植被NDVI空間變化格局

3.2 因子影響力探測分析

根據因子探測器，揭示各因子對植被NDVI空間分布的影響大小，結果由表3所示。各自然、人文因子對植被NDVI的影響大小排序為：降水(0.178)>氣溫(0.162)>土地利用類型(0.134)>土壤類型(0.118)>坡度(0.012)>坡向(0.006)。從各因子q值來看，降水、氣溫是主要影響因子，q值達到15%以上，這說明氣候要素對植被NDVI的影響相對較大。土地利用類型和土壤類型因子對NDVI的解釋力達到10%以上，屬于次要影響因子。坡向和坡度對NDVI的解釋力沒有超過10%，表明這2類因子對植被NDVI的沒有直接影響，影響力相對較小。

表3 自然、人文因子q值

3.3 因子生態探測分析

生態探測器用于表明不同影響因子對影響植被NDVI空間分布是否存在顯著行差異。兩種因子之間，有顯著性差異標記為“Y”，無顯著性差異標記為“N”。統計檢驗表明(表4)，降水與氣溫、土地利用類型對NDVI空間分布影響無顯著性差異，與其他因子對NDVI空間分布影響存在顯著性差異；坡度與坡向因子對植被NDVI空間分布無顯著性差異，與其他因子存在顯著性差異。進一步表明，降水因子對植被NDVI的影響最大，氣溫對植被NDVI影響較大，同時受其他因子影響。坡度和坡向因子對植被NDVI空間分布存在間接影響。綜合各因子發現，自然因子對植被NDVI空間分布影響要比人文因子影響更大。

表4 生態探測結果

3.4 因子交互作用探測分析

交互探測器結果表示，雙因子交互作用對植被NDVI空間分布的影響力大于單因子作用，因子交互作用呈現非線性增強或雙因子協同增強作用，不存在獨立關系(表5)。其中，坡度、坡向與其他因子之間交互作用為非線性增強關系；如X6∩X4(0.292)>X6∩X5(0.291)>X6∩X3(0.220)>X6∩X1(0.180)>X6∩X2(0.157)，土地利用類型因子與坡向、坡度和氣溫之間呈現非線性增強效應，說明土地利用類型因子顯著增強了這3類因子對植被的影響。降水與氣溫、土地利用類型因子疊加增強了降水對植被NDVI空間分布的影響，即存在顯著雙因子增強關系，進一步證明了降水因子的主導作用，如X6∩X4(0.292)>X5∩X4(0.210)。總之，自然環境與人類活動因素共同作用下對植被NDVI空間分布影響更大，雙因子之間交互作用不是簡單地疊加關系，而是相互增強或非線性增強關系。

表5 交互因子探測

3.5 風險因子探測分析

根據風險因子探測器，計算分析各因子對植被NDVI空間分布變化的適應類型或適應范圍，本文選擇對植被NDVI解釋力超過15%的自然、人文因子分析，即降水、氣溫2類因子。

3.5.1 降水 氣候變化是影響植被覆蓋和動態變化的重要影響因素。將降水劃分為9類，分別用A1—A9表示，由表6所示，NDVI均值隨降水量增加呈現波動增加趨勢。統計檢驗表明，A8區NDVI均值達到最大值0.836，A8區與A7區無顯著差異，與其他區存在顯著性差異。這說明A8區最適合植被生長，A8區547～554 mm范圍最適合植被生長。在黃土高原干旱區，水資源成為限制植被生長的重要因子[34]，降水是植被生長所需水分補給的基本來源，植被對降水的響應存在滯后效應，因此降水對植被覆蓋的影響力較大。降水量的大小與分布影響土壤水分的變化，可能間接改變土壤與植被之間的耦合作用[35]。降水與氣溫的交互效應增強了降水對植被的影響，延安南部半濕潤地區受降水影響程度低于北部半干旱地區，降水相對充沛地區為植被生長提供了良好的水分條件。

表6 降水因素每2個分區的植被NDVI均值及其統計顯著性(置信水平95%)

3.5.2 氣溫 溫度變化對植被生長具有重要影響作用，植被對溫度的響應具有敏感性，氣溫高低對植被具有限制性。將氣溫指標為9類，分別用B1—B9表示(表7)。統計檢驗表明，B9區植被NDVI均值達到最大值0.819，與B1，B2，B3，B4，B5，B6和B7存在顯著差異，與B8區無顯著差異，氣溫在10.49～10.64℃范圍適合植被生長。研究表明，陜北地區氣候暖干化趨勢明顯，溫度升高刺激植被的生長。但過高的溫度加劇土壤和植物水分蒸發，不利于植被生長。氣溫與降水、土壤類型的疊加交互作用增強了氣溫對植被的影響，也可表明氣溫增強了其他自然因子對植被的影響。在半干旱區，降水比氣溫對植被影響力更大，而溫度的季節性變化對植被的生長也有影響，研究區水熱條件協同發展會更有利于植被生長。

表7 氣溫因素每2個分區的植被NDVI均值及其統計顯著性(置信水平95%)

3.5.3 因子適宜性范圍或類型 根據風險探測結果，綜合表示自然、人文因子的適應范圍或類型(表8)。土壤在支持和調節植物生長所需的水分和養分供應中起著重要作用[36]。本文將土壤類型劃分為9類，其中褐土土壤類型最適合植被生長，NDVI均值達到最大0.875。在半干旱地區，土壤水分是提供植被生長所需水分的補給來源之一，土壤類型不同能夠為植被生長所提供的養分和水分不同，因此成為限制植被生長的重要因子。土壤類型與降水交互作用顯著增強土壤對植被的影響，二者皆為植被生長提供基本水分條件。土壤類型同時受地貌影響，褐土分布在黃土丘陵區，質地適中，適合植被生長。

表8 自然、人文因子適應范圍或類型

坡向、坡度對植被直接影響較小，但與其他自然因子的交互作用顯著增強了坡向、坡度對植被的影響。地形因子影響植被的形成，北坡相對南坡接收太陽輻射少，蒸發量少，土壤水分相對較高，更適合植被的生長。坡度3區6°～15°適合植被生長，NDVI均值0.780。在這一范圍，人類活動對植被生長干預減小，且坡度又不是很大，立地條件適合植被生長。土地利用類型林地NDVI均值達到0.825，植被覆蓋最好。人類活動以土地利用方式轉變對植被影響最為直接，通過退耕還林、植樹造林、森林撫育等措施增加植被覆蓋。比如，植被覆蓋度較小的延安北部黃土丘陵區，由于退耕還林工程的大力實施，土地利用方式由耕地、未利用土地向林地和草地轉變，植被覆蓋增加明顯，延安子午嶺、黃龍山一帶較原來植被覆蓋度略微有些下降[37]。

降水和氣溫因子與延安市植被相關性大[38]，隨著降水量增加和氣溫升高，NDVI均值呈現波動增長。降水為植被提供基本水分條件，同時半干旱區溫度對植被生長存在限制性，二者水熱條件達到平衡時最適合植被生長。褐土主要分布在黃土丘陵區，NDVI均值最大在研究區內最適合植被生長。坡向、坡度兩類地形因子分別在北坡和6°～ 15°適合植被生長，NDVI均值達到最大值。地形因子雖在本文中沒有直接影響植被空間分布，但與其他因子的交互效應顯著增強了對植被的影響。人類活動與自然發展相適應將能推動植被恢復，促進生態修復。隨著城鎮化加快，城鎮人口增多，人口壓力促使生態更加脆弱[39]，但由于人類活動因素存在難以量化的問題，因此可以繼續深入研究，將自然因素與人類活動因素整合研究，發現自然因素和人類活動因素的協同作用對植被恢復和生態修復具有重要意義，也是未來生態恢復的一大熱點。

4 結 論

(1) 2000—2018年延安市平均植被覆蓋呈現增加趨勢，增速為0.89/10 a，延安市植被覆蓋面積在2000—2018年，由低、中低、中等級向中高和高等級轉變顯著，植被指數整體呈現增加趨勢，其中95.52%區域屬于增加區域。

(2) 降水和氣溫是影響植被NDVI空間分布的主要因素，土地利用類型和土壤類型是次級因素，坡度和坡向q值低于10%，影響力小。

(3) 生態探測表明降水和氣溫因子與其他因子共同作用存在顯著性差異，進一步表明這3類因子對植被NDVI空間分布影響力大。各因子之間交互作用對植被NDVI空間分布存在雙因子增強和非線性增強效應，并非簡單的相互疊加作用，不存在獨立關系。

(4) 根據風險因子探測分析各因子促進植被生長的各因子的適宜范圍或類型。降水量為547～554 mm范圍，氣溫為10.49～10.64℃，褐土土壤類型，北坡以及坡度為6°～15°，林地土地利用類型，植被覆蓋最好，適合植被生長。