內蒙古中部植被覆蓋時空變化及影響因素

呂澤民 武耀星 朱杰 孫帥 徐帥 張鴻翎

(內蒙古農業大學,呼和浩特,010019)

草地生態系統是我國最大的生態系統，也是世界陸地生態系統中重要的組成部分[1]。我國北方地區，尤其是內蒙古自治區內草原面積遼闊。一方面，人類間接利用草地發展肉類、奶類等畜牧業產品[2];另一方面，處于內蒙古的草原植被具有防風固沙、涵養水源、調節氣候、保持水土、維持生態系統平衡等多方面作用[3]。內蒙古中部處于西部荒漠與東北部大興安嶺森林過渡地帶，而且農牧交錯穿插，生態環境脆弱[4]，是全球變化最為敏感的區域之一[5]，也是中國北方溫帶草原的主體，對中國生態環境的保護和改善發揮著不可替代的作用[6]。近年來，在氣候和人類活動的雙重作用下，內蒙古資源環境問題日益突出，引起許多學者的重視[7-10]。

植被是陸地生態系統到中重要的組成部分，在氣候調節，維持生態系統穩定等方面發揮重要作用[11-12]。當前對于植被時空變化特征的研究主要集中于植被覆蓋度。植被覆蓋度是指某一區域植被(包括葉、莖等)投影面積與該地域面積之比[13]，是植物群落覆蓋地表狀況的綜合量化指標，對生態、區域變化等都具有重要意義[14]。本文利用MODIS數據產品估算植被覆蓋度及對內蒙古中部植被覆蓋度的分布和時空變化進行分析，來對此區域的植被變化提出說明，并且也為農業、畜牧業等發展決策等提供理論依據。

1 研究區概況

研究區位于我國北部邊陲內蒙古中部，即錫林郭勒盟、興安盟、通遼市、赤峰市4個行政區。研究區總面積占內蒙古總面積的34.58%。此區域位于400 mm降水量線附近，因此處于干旱、半干旱氣候向濕潤、半濕潤季風氣候的過渡帶。研究區整體地形呈西高東低，受溫度和降水的影響，該區域植被表現為經向的空間分布特征，大致由西到東表現為荒漠草原、典型草原、森林草原(圖1)。

圖1 研究區范圍

2 數據與方法

2.1 數據來源

遙感數據來自美國LAADS DAAC數據中心的MOD13Q1-MODIS中的16d250m歸一化植被指數(NDVI)，時間為2010—2019年的生長季節(4—10月)。該產品是根據經過大氣校正的雙向表面反射率計算得出的，該反射率已針對水、云、氣溶膠和云影進行了屏蔽。錫林郭勒盟、興安盟、通遼市、赤峰市4個行政邊界的矢量數據以及湖泊矢量數據。

2.2 研究方法

歸一化植被指數是近紅外NIR和可見紅外波段RED的差值除以她們的總和，其中公式表示為:

(1)

NDVI具有較強的植被適應性，是當前植被動態變化研究領域應用最為廣泛的植被指數。

本研究直接采用MODIS數據產品集成的NDVI數據，獲取LAADS DAAC數據中心的2010—2019年生長季共360景遙感影像文件。通過MRT工具進行投影坐標轉換、影像拼接，將其設置為UTM,WGS84 50N坐標。研究中，由于氣候原因導致每年最大植被覆蓋度不在同一時間，因此通過Arc Map合成年最大值以代表植被生長的最好情況。根據李苗苗等[15]改進的估算植被覆蓋度模型像元二分模型：

(2)

式中：N為研究區內的NDVI值；Nsoil為完全是裸土或無植被覆蓋區域的NDVI值，本文選取5%置信下限為Nsoil；Nveg則代表完全被指被所覆蓋的像元的NDVI值，選取95%置信上限代表Nveg。

將結果用Arc GIS進行重分類，計算面積。根據水利部制定的《土壤侵蝕分類等級標準》以及結合內蒙古地區的實際情況，將植被覆蓋度劃分為1級：裸地[0,10%],2級：低覆蓋度[10%,30%],3級：中低覆蓋度[30%,45%],4級：中覆蓋度[45%,60%],5級：高覆蓋度[60%,100%]。

線性趨勢法：通過逐年逐像元計算線性趨勢來研究內蒙古中部NDVI的變化趨勢[16]，計算公式如下。

(3)

式中：i為年，n=10，Yi表示每個像元第i年的NDVI值，S是每個像元NDVI變化的斜率。當S>0,表示該像元NDVI值呈增長趨勢，當S<0時，表示該像元為減小趨勢。

地理探測器是探測空間分異性，以及揭示其背后驅動力的一組統計學方法。地理探測器擅長分析類型量，對于類似本文所涉及的降水、氣溫等順序量或間隔量，只要進行適當離散化，也可以借助地理探測器進行分析。本文所用到的為地理探測器的因子探測器、生態探測器和交互探測器[17]。

因子探測器探究因變量Y的空間分布異質性以及自變量X在多大程度上解釋了這種空間分布異質性。本文中Y為內蒙古中部四區2010—2019年10 a平均NDVI值，其公式為：

(4)

(5)

ArcGIS軟件可以實現多種方法的插值，但其缺陷是無法引入協變量來增加其插值精度。澳大利亞科學家Hutchinson基于薄盤樣條理論編寫了針對氣候數據曲面擬合的專用軟件ANUSLIN[18]。本研究中，對于研究要用到的氣溫、降水數據均利用ANUSPLIN軟件引入高程協變量對研究區內38個氣象站點的數據進行插值。

3 結果與分析

3.1 空間變化分析

在經過ArcGIS處理后，得到2010—2019年內蒙古中部年最大平均NDVI分布圖。如圖2所示，區域內NDVI平均值為0.546 9。依據中國科學院資源科學數據中心劃分的生態區，將研究區劃分為Ⅰ內蒙古高原中部草原化荒漠生態區、Ⅱ內蒙古高原中部-隴中荒漠草原生態區、Ⅲ內蒙古高原中東部典型草原生態區、Ⅳ大興安嶺中南部落葉闊葉林與草原生態區、Ⅴ東北平原西部草甸生態區、Ⅵ燕山-太行山山地落葉闊葉林生態區。其中，以燕山-太行山山地闊葉林生態區和大興安嶺中南部落葉闊葉林與草原生態區為最高，分別為0.817 6和0.725 6；其次，為東北平原西部草甸生態區和內蒙古高原中東部典型草原生態區；最低的是內蒙古高原中部-隴中荒漠草原生態區和內蒙古高原中部草原化荒漠生態區，為0.221 6和0.192 8。由此，可以看出內蒙古中部植被呈現經向地帶性分布。2010—2019年，內蒙古中部植被覆蓋總體呈上升趨勢，變化率每10 a為0.014 3。其中，從生態區劃上看，東北平原西部草甸生態區和大興安嶺中南部落葉闊葉林與草原生態區改善最為明顯，分別每10 a為0.015 8和0.014 4,其次是內蒙古高原東部典型草原生態區和內蒙古高原中部-隴中荒漠草原生態區，每10 a為0.010 4和0.00 9。

圖2 研究區內NDVI多年平均分布以及變化趨勢

轉移矩陣是同一研究區內，不同等級植被覆蓋度之間在不同時間段內的相互轉換關系，通常用二維表來反映不同植被覆蓋度間相互轉換情況。將2010和2019年的植被覆蓋度在ArcGIS中進行疊加分析，再通過Excel2019數據透視表功能進行面積轉移顯示，得出同等級植被覆蓋度之間的轉換特征表。

如表1所示，轉移矩陣詳細的說明了研究區內不同覆蓋度之間的轉換過程。為直觀反映2010—2019不同植被覆蓋度面積轉移狀況，將2019年各個植被覆蓋度分別看作100%。由此有以下結果：退化方向，2019年9.9%的裸地由2010年低植被覆蓋度轉換而來(1.12×106km2)，7.98%中低植被覆蓋度變為低植被覆蓋度(7.97×105km2)，9.11%中覆蓋度由中低植被覆蓋度轉變而來(5.08×105km2)，9.64%高植被覆蓋度轉為中等植被覆蓋度(5.80×105km2)；改善方向：2019年23.41%的低植被覆蓋度由裸地發展而來(2.34×106km2)，5.71%的中低植被覆蓋場地由裸地轉換(3.18×105km2)，55.15%的中低植被覆蓋度由低覆蓋度轉變(3.07×106km2)，22.04%中等植被覆蓋度由低植被覆蓋度轉換而來(1.33×106km2)，32.57%中等植被覆蓋度地由中低覆蓋度轉換而來(1.96×106km2)，11.18%高植被覆蓋度由中等覆蓋度發展而來(8.07×105km2)，27%高植被覆蓋度由中等植被覆蓋度發展而來(1.95×106km2)。總體說來，有3.21×106km2的場地退化，但有1.22×107km2朝更高級別的植被覆蓋轉化。即2010—2019年研究區內植被覆蓋總體來看有增加趨勢。

表1 2010—2019年歸一化植被指數NDVI轉移矩陣面積

3.2 氣候類因素對植被覆蓋空間分布的影響

3.2.1 氣候類單因子對植被覆蓋的影響

氣候因子作為影響植物生長的主導因子，其對植被覆蓋的分布有著極其重要的影響。為探究氣候類因子對內蒙古中部植被覆蓋的空間分布的影響，本文選取9類氣候因子利用地理探測器分析，其中以6—8月降水量和3—5月降水量對植被覆蓋的解釋力最強，為0.71和0.62；年降水、氣壓、以及風速解釋力中等為0.57、0.56、0.53；各個階段的氣溫以及年平均氣溫和平均露點溫度對植被覆蓋的解釋力最小(0.2～0.25)。

綜合各個氣候類因子，并結合植被覆蓋的空間分布可以得知，3—5月降水量和6—8月降水量極大地影響植被覆蓋，3—8月正值植物生長季，同時受限于溫帶大陸性氣候干燥少雨的氣候特點，因此可很好地解釋植被覆蓋。此外，研究區內氣壓與風速空間分布較為顯著，所以也可以較好的解釋植被覆蓋。

3.2.2 氣候類因素的交互作用

為探究2個氣候因子共同作用下對植被覆蓋空間分布的解釋程度，因此對各個因子進行交互作用檢測。其解釋力表2所示。各個階段降水與氣溫交互作用都會對植被覆蓋解釋有增強作用，且都為非線性增強，氣壓與各個階段氣溫和降水、風速與各個階段氣溫和降水都呈非線性增強作用。

由表2可知，氣溫雖然在單獨解釋植被覆蓋方面的程度較小，但是與其他氣候要素降水量、氣壓、風速的交互作用會對植被覆蓋有較好的解釋力。降水量單因素對植被覆蓋有主導作用，在與其他條件交互時，更能增強對植被覆蓋的解釋力。即在充足的水分條件下，同時滿足一定的氣溫、氣壓、風速條件，才會對植被覆蓋有顯著影響。

表2 2010—2019年研究區氣候類因子交互作用解釋力(q值)

3.3 非氣候類因素對植被覆蓋空間的影響

3.3.1 單因素對植被覆蓋的影響

運用地理探測器對非氣候類因素土地利用類型、植被類型、坡度、坡向、地面粗糙度、GDP、人口空間分布對內蒙古中部植被覆蓋的影響程度。各因子的解釋力大小依次為土地利用類型(0.559)、植被類型(0.524)、坡度(0.168)、地面粗糙度(0.162)、人口空間分布(0.121)、GDP(0.089)、坡向(0.003)。其中植被類型對植被覆蓋的解釋程度最高，坡度、地面粗糙度、人口密、GDP解釋能力一般，坡向解釋能力最弱(表3)。

結合NDVI空間分布圖可知，土地利用類型、植被類型是解釋力較高的非氣候類因素。由于地形的南北與東西差異，氣候也有明顯的分異，位于內蒙古東部的大興安嶺中南部落葉闊葉林與森林草原生態區是大興安嶺興安落葉松向闊葉林過度的類型區域，區域內分布有山地針葉林、落葉闊葉林、落葉小葉疏林、灌叢草甸，植被組合復雜，類型多樣，所以植被覆蓋程度較高。位于大興安嶺南段山地以東的東北平原西部草甸草原生態區，該區域地帶性植被為溫性典型草原、草甸草原；而位于大興安嶺南段山地以西是內蒙古高原中東部典型草原生態區，該區自然植被由東向西逐漸從大興安嶺落葉闊葉林過渡為草甸草原、典型草原。因此這兩個區域植被覆蓋要略低。依次向西的內蒙古高原中部-隴中荒漠草原生態區為典型的中溫帶大陸性氣候，氣候干旱，風大沙多。所以為適應該區域的氣候，植被類型多為植被旱生化、灌叢化，主要分布有耐鹽堿、耐干旱的半灌木、矮半灌木。因此其植被覆蓋為研究區內最低。除此之外，其他非氣候類因素都對內蒙古中部植被覆蓋的解釋力較弱。

3.3.2 非氣候類因素的交互作用

對非氣候類因素作交互探測和生態型探測，如表3,其結果表明，坡向和地面粗糙度、GDP、人口空間分布，坡度和植被類型、土地利用類型，植被類型和土地利用類型，GDP和人口空間分布有顯著差異(Y)，其余因素之間均無顯著差異，說明其余因素組合之間對植被覆蓋的解釋機理相似。在交互探測中，土地利用類型與植被類型、坡度、坡向、地面粗糙度、GDP、人口空間分布的q值分別為0.719、0.61、0.56、0.61、0.60、0.61，植被類型與坡度、坡向、地面粗糙度、GDP、人口空間分布的交互作用q值為0.578、0.527、0.568、0.571、0.569。土地利用類型、植被類型作為主導植被覆蓋的因子，在與其他因素的共同作用下，對植被覆蓋會作出更好的解釋。GDP、人口密度與坡度、地面粗糙度的交互作用q值分別為0.31、0.30、0.34、0.32，解釋能力比其各自單因子要強，其余單因素解釋能力非常小，即使與其他因素共同作用，也不會有太大變化。

表3 2010—2019年研究區非氣候類因子交互作用解釋力(q值)

3.4 18種因子的交互作用

通過對18種氣候類和非氣候類因子的因子探測分析，結果如表4所示，對植被覆蓋解釋力由大到小依次為6—8月降水量、3—5月降水量、年降水量、氣壓、植被類型、風速、9—11月降水量、3—5月平均氣溫、年平均氣溫、9—11月平均氣溫、露點溫度、6—8月平均氣溫、坡度、地面粗糙度，人口空間分布、GDP、坡向。總體說來，氣候類因素對植被覆蓋的解釋力要強于非氣候類，而人類活動因素的解釋力較低。

表4 2010—2019年研究區氣候類和非氣候類因子交互作用解釋力

對所有氣候和非其氣候類因素作交互分析，結果如表4，氣候類和非氣候類要素交互作用均會增強解釋力，且大部分為雙因子增強，小部分屬于非線性增強。其中以6—8月降水量和植被類型交互作用(0.81)的解釋力為最大，因此，降水和植被類型作為主導植被覆蓋的氣候類和非氣候類因素，它們之間的相互作用會對植被覆蓋有更好的解釋力。對于解釋力較弱的氣溫和非氣候因素，在與其他因素的交互作用下，解釋力均會有不同程度的增強。

4 結論

根據MODIS單位MOD13Q1數據產品，監測2010—2019年時間段內錫林郭勒盟、興安盟、通遼市、赤峰市4個區域內植被覆蓋度的變化情況。結果顯示：NDVI空間分布整體呈改善趨勢，平均變化率每10 a為0.014。其中，從生態區上看，以東北平原西部草原生態區、大興安嶺中南部落葉闊葉林與森林草原生態區改善最為明顯，分別為0.016、0.014；內蒙古高原中東部典型草原生態區、內蒙古中部—隴中荒漠化草原生態區改善較差，分別為0.010、0.009。總體看來，雖然研究區內有部分區域有3.21×106km2的場地發生退化，但有1.22×107km2的場地朝著植被覆蓋更高的方向變化。

對于研究區內的植被覆蓋空間分布異質性，選取18個氣候類和非氣候類的因素進行分析。其結果表明，降水是影響植被覆蓋的主導性因素，這一結果與前人的研究結果吻合[19]，尤其是以6—8月降水量、3—5月降水量對于植被覆蓋的解釋力尤為明顯。氣壓、風速影響植被覆蓋的能力一般，而氣溫對于解釋植被覆蓋的能力最弱。非氣候類因素中，土地利用類型、植被類型是解釋植被覆蓋的主導因素。坡度對植被覆蓋的影響明顯要高于坡向。其他非氣候類因素如坡度、坡向、地面粗糙度、GDP、人口空間分布解釋力較弱，只有在與氣候類以及植被類型交互作用下其解釋力才會顯現。由于內蒙古地廣人稀，人口空間分布相對較低，所以GDP和人口空間分布在區域中的解釋力要較弱[20]。

總體說來，對內蒙古中部植被覆蓋的影響，氣候類因素大于非氣候類因素。當兩個因素交互作用時，其解釋能力會更強。在未來面對農牧業經濟大力發展的同時，人類社會經濟因素會對植被覆蓋產生更明顯的影響[21]。因此，需要針對不同區域自然與社會經濟條件，因地制宜加大生態保護力度，支撐自然科學資源的科學利用，實現農牧業可持續發展。

5 討論

本研究基于2010—2019年內蒙古中部植被覆蓋變化以及空間分布進行分析。對于植被覆蓋的空間分布異質性，選取氣候類和非氣候類因素利用地理探測器進行驅動力分析。在研究氣候因素對植被覆蓋的影響時，將降水和氣溫分為3—5月、6—8月、9—11月3個階段，可以具體知道在那個階段的影響最大，其中6—8月、3—5月降水量比年降水量對植被覆蓋有更強的解釋力。因此，在今后的研究中可以選取各個階段的氣候數據，解釋力會更強。此外，由于考慮到地形因素對降水、氣溫的影響，本研究對研究區內的38個氣象站點采用薄盤樣條法，引入高程協變量對氣溫、降水進行插值，大大提高插值數據的準確程度。同時，在今后的研究中可以加入更多的協變量來提高插值精度。

同時，在對植被覆蓋進行分析時，只分析了多年平均NDVI值和氣象數據以及非氣象數據，這在一定程度上只解釋了植被覆蓋在空間上的分布，只是一個靜態的分析，應該更多利用地理探測器分析動態過程，而不是僅僅停留于靜態過程。在地理探測器分析過程中，由于其支持的柵格采樣數據僅為32 767個，導致在采樣過程必須設置較大的分辨率，本研究用4 km×4 km，這樣就導致采樣精度降低，在后期進行解釋力分析時會產生較大的誤差。在今后的研究中，可以采用分塊進行分析。