新疆植被NDVI時空變化及定量歸因

姜 萍, 胡列群, 肖 靜, 雅森江·庫爾班

(新疆維吾爾自治區氣象服務中心, 烏魯木齊 830002)

植被是陸地地表生態系統的核心組成部分，在全球物質和能量的循環過程中起至關重要的作用[1]。植被覆蓋度的變化能夠直接或間接改變陸地地表下墊面屬性，進而對水土保持、氣候調節以及生態系統的穩定性等產生影響[2]。開展區域尺度地表植被覆蓋變化及其驅動力機制研究，對認識陸地生態系統內部相互作用、掌握生態系統恢復成效有重要意義。歸一化植被指數(Normalized Difference Vegetation Index, NDVI)是反映植被覆蓋及其生長狀況的重要指標，現已被廣泛應用于植被的動態監測[3]。基于長時間序列的NDVI數據集，國內外眾多學者通過建立主成分分析法、一元線性回歸、Theil-Sen趨勢分析、Mann-Kendall突變檢驗和相關分析等方法，已對不同時空尺度上植被覆蓋時空變化規律及其驅動機制進行了深入分析研究[4-6]。

新疆地處中國西北邊陲，境內地形地貌復雜，南北氣候差異明顯，生態系統較為脆弱。近半個世紀以來，新疆氣候出現了明顯暖濕化轉型[7]，導致地區植被活動顯著增強，引起學者對區域植被與氣候變化響應關系的廣泛關注[8-9]。進一步的研究表明，植被覆蓋的時空變化是區域內氣候因素和人類活動等非氣候因素共同作用的結果[10-11]。為彌補僅考慮氣溫、降水等氣候因子作為驅動力分析的片面性，國內外學者先后提出了回歸模型法[12]、殘差趨勢法[13]和基于生物物理過程的模型方法[14]等，以定量分解氣候和人為因素對植被變化的相對貢獻。其中，殘差分析法更能直觀解釋人為影響的貢獻程度和空間格局，獲得最為廣泛的應用。如Luo[15]，Li[16]，Zhou[17]等先后基于該方法在內蒙古地區、青藏高原地區、中國西北部以及全中國范圍內開展了氣候和人為因素對植被變化貢獻的定量評估。然而，殘差分析法雖能從像素尺度實現植被影響因子的分離，但方法僅涵蓋氣溫、降水兩個氣候因素，未考慮其他氣候因子對植被覆蓋變化的影響，同時，也無法考慮地形、土壤等其他因素以及各因素間的交互作用對植被變化的影響[18]。

地理探測器是一種定量探測地理現象空間分異性并揭示其背后驅動力的統計學方法[19]。以統計學原理的空間方差分析為基礎，該方法不僅能夠檢驗氣候、地形、地貌、土壤等多種因子是否是形成植被覆蓋時空格局的原因，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，極大程度提升變因分析的全面性，已被廣泛應用于植被NDVI驅動因子的探測中[1,18,20]。因此，本文以NDVI作為植被覆蓋狀況的表征指標，采用線性趨勢法對新疆地區植被覆蓋時空分布和變化趨勢進行分析，并采用地理探測器量化分析氣候、地形、土壤以及人為因子等多種變量對地區植被覆蓋時空變化的驅動作用，旨在為地區生態環境保護與修復提供理論支撐。

1 研究區概況

新疆維吾爾自治區位于中國西北邊陲(73°40′—96°18′E，34°25′—48°10′N)，地處歐亞大陸腹地，四面環山，總面積約為166萬km2，約占中國國土總面積的1/6，是中國主要的干旱半干旱區[21]。新疆區域內地貌復雜，具有“三山夾兩盆”的獨特地理環境，并由此形成了山體、綠洲、盆地交替的地貌格局。獨特的地形條件使得新疆南北氣候差異較大，北疆多年平均氣溫為4～8℃，年降水量可達100～500 mm，蒸發量為1 500～2 300 mm；南疆年均溫為10～13℃，年蒸發量高達2 100～3 400 mm，但年降水量多在100 mm以下，水資源相對匱乏。在地理位置、地形及水熱氣候條件的綜合影響下，新疆荒漠廣袤，植物覆蓋度低且種類稀少，草原、荒漠草原是區域內最主要的植被類型，生態環境極為脆弱。

2 材料與方法

2.1 數據來源與處理

本文所用NDVI數據集來源于中國科學院資源環境科學數據中心(http:∥www.resdc.cn/)，該數據基于連續時間序列的SPOT/VEGETATION NDVI衛星遙感數據，采用最大值合成法生成，時間跨度為1998—2018年，空間分辨率為1 km，能有效反映全國各地區植被覆蓋的分布及其時空演變[22]。

研究共選定19個NDVI變化潛在影響因子，涵蓋氣候條件、地形地貌、人為干擾、水文特征、土壤特征及植被狀況6方面，數據類型、來源及簡要說明見表1。其中，潛在蒸散發(Potential Evaporation)及根部土壤濕度(Root-zone Soil Moisture)來源于全球陸地蒸發Amsterdam模型數據集(GLEAM v3.3b)，數據考慮了土壤對蒸發的約束以及森林截留等，并使用微波觀測降低多云條件的影響[23]。人類影響指數(Global Human Influence Index, HII)由社會經濟數據和應用中心(SEDAC)整合人口密度、人類土地利用和基礎設施(建成區、夜間燈光、土地利用/土地覆蓋)，以及人類通道(公路、鐵路、通航河流)等9個全球數據層制作發布，是最新的人類活動對環境的影響地圖[24]。徑流系數能夠綜合反映流域內自然地理要素(地形、流域特性因子、平均坡度、地表植被情況及土壤特性等)對徑流的影響[25]。土壤質地是根據土壤顆粒組成劃分的土壤類型，能反映土壤化學組成和物理化學性質的不同。

表1 影響因子數據來源與處理

氣象站點觀測數據及統計數據(牲畜數量、耕地面積)分別采用Anusplin軟件、ArcGIS空間插值工具實現柵格化處理。結合模型運算能力及研究精度要求，利用ArcGIS 10.2對全部數據進行投影轉換、裁切、重采樣等統一處理，生成空間分辨率為12 km×12 km的柵格圖層；借助腌膜與柵格計算，對各要素進行背景剔除，僅保留植被類型像元對應的格點值，處理后各圖層含樣本點3 467個；進行柵格轉點，而后使用Intersect疊加分析提取聯合屬性表，獲得NDVI及所有影響因子在空間上的對應值，用以后續分析。

2.2 研究方法

(1) 線性趨勢分析。采用一元線性回歸模型，逐像元對2000—2018年新疆地區逐年植被NDVI的變化趨勢進行計算，主要公式為：

(1)

式中:slope為植被NDVI變化趨勢斜率；n為研究時段年數；NDVIi為第i年新疆地區植被NDVI均值。slope為正值對應NDVI呈增長趨勢,反之表示NDVI呈下降趨勢。采用F檢驗對變化趨勢顯著性水平進行判別[18]。

(2) 隨機森林。隨機森林(Random Forest, RF)算法由Breiman[26]提出，是一種綜合決策樹、Bagging集成方法以及隨機子空間理論的組成式有監督學習方法，具有克服回歸中過擬合問題、對噪聲數據不敏感以及適運于大數據集等優勢。算法基于bootstrap抽樣從原始訓練集中抽取k個樣本，對各樣本分別構造決策樹，得到一個由分類器序列{h1(x),h2(x),…,hk(x)}構成的多決策樹分類器組合，最后通過投票產生輸出結果。主要公式為：

(2)

式中:H(x)為輸出的分類結果；hi為單個決策樹；Y為輸出變量；I為特征函數。

本文使用隨機森林算法對影響因子進行重要性評價，以去除多余無效變量，減少數據冗余，提高驅動力分析的效率及合理性。隨機森林建模通過R軟件中“randomForest”程序包實現，抽取4/5樣本作為訓練樣本集，決策樹數量ntree設定為1 000，節點規模mtry按總預測變量數目的1/3設定為6。增長的錯誤率平方均值%IncMSE，即Increased in Mean Squared Error (%)表示該變量的剔除對目標預測準確度的影響，用以直觀反映各因子對目標變量(NDVI)的重要程度。

(3) 地理探測器。地理探測器由因子探測器、交互作用探測器、風險探測器和生態探測器組成[19]。其中，因子探測器用于探測各單因子x對目標變量Y的空間分異的解釋程度；交互探測器用于評估任意兩因子共同作用時對目標變量Y的解釋程度，可劃分為非線性減弱、單因子非線性減弱、雙因子增強、獨立和非線性增強5種交互作用類型；風險探測器則用于檢測探測因子對目標變量Y是否具有風險性。度量值q是實現因子探測與交互探測的核心指標，其表達式如下：

(3)

3 結果與分析

3.1 植被NDVI的時空特征

由圖1A可知，新疆植被NDVI分布具有顯著的空間差異。大體上，NDVI表現出北高南低、西高東低、山區高平原低的特點。NDVI高值區主要集中在天山山區、伊犁河流域、阿爾泰山山區，NDVI均值普遍大于0.7；北部沿邊境地帶及部分南疆盆地綠洲次之，NDVI可達0.5以上。受地形影響，北疆降水較南疆充沛，土壤濕度充足，加之山區林地資源豐富，使其成為新疆主要的林草覆蓋區。而南疆南、北側有高大山體橫亙，水汽被阻，常年降水稀少、蒸發量大，導致荒漠廣布，植被多稀疏且低矮，是植被覆蓋率及生產力的低值區。

2000—2018年，新疆植被覆蓋狀況以改善為主，全疆60.91%的植被區域NDVI呈增加趨勢，其中顯著增加區域占植被覆蓋區域總面積的12.87%(圖1B—C)，主要集中在天山北坡與南疆盆地西北緣綠洲。天山北坡及南疆盆地西北緣綠洲是新疆主要的經濟作物種植區，在栽培技術、灌溉方式等多重正向人為因素驅動下，植被覆蓋度有明顯提升。山前植被區域NDVI改善程度次之，認為與氣候變暖導致的降水、融雪量增多對其生長所需水分的進一步補給息息相關。植被NDVI在南疆盆地東南緣、天山山脈東緣以及北疆盆地邊緣出現不同程度的退化，顯著退化區域占植被覆蓋區域總面積的10.46%。

圖1 2000-2018年新疆植被NDVI，NDVI變率的空間差異

3.2 植被NDVI空間分異的驅動力分析

3.2.1 基于隨機森林的探測因子選擇 以處理后的NDVI均值及19個NDVI潛在影響因子數據分別為因變量和自變量，運用R語言建立隨機森林回歸模型，設定ntree和mtry參數值，計算錯誤率%IncMSE實現對各因子相對重要性的評分。由結果(圖2)可以看出，不同因子對NDVI的影響程度具有較大差異。在不考慮空間分異性的條件下，徑流系數和土壤濕度對新疆植被NDVI的影響遠大于其他因素，即當地表徑流或植被根部土壤濕度發生變化時，對NDVI預測精度的影響最大，這與水分是影響地區植被生長與長期生存的重要環境因子的事實相符。耕地面積、牲畜數量及人類影響指數HII均具有較高的重要性評分，表明農牧業發展變革及其他人類活動會在較大程度上引起新疆地區NDVI的變化。地形地貌因子(地貌類型、坡度、坡向)及土壤類型處于重要性評分后4位，對應%IncMSE均小于40%，其他各因子重要性相當，對應%IncMSE為40%～50%。

圖2 隨機森林NDVI預測變量重要性評價

綜合考慮隨機森林因子重要性評價及地理探測器運算能力，選取位于重要性評分前15名的因子構成探測器輸入變量，量化探測不同因素對新疆植被NDVI空間分異性的解釋程度。因地理探測器要求輸入變量為類型變量，故采用自然斷點法對連續性變量進行離散化處理，該方法能確保組內平均離散方差最小，而組間平均離散方差最大。最終，氣候因子(氣溫、降水、輻射量、≥10℃積溫、潛在蒸散發)、人為因子(耕地面積、牲畜數量、HII)、高程、徑流系數及土壤濕度13個因子經自然斷點法劃分為8類；植被類型根據1∶100萬植被圖(圖3F)重分類為林地、草地、灌木、耕地4類；干旱指數按廣義氣候分類方案劃分為5類氣候區，共計52 005個(3 467×15)數據參與地理探測器計算。部分因子空間分類見圖3。

3.2.2 NDVI空間分異的主導因素地理探測

(1) 因子探測。由因子探測器計算各因子q值以量化其對植被NDVI空間分布的解釋程度。由結果可見(表2)，各因子對植被覆蓋變化的解釋力從大到小依次為：土壤濕度、耕地面積、HII、潛在蒸散發、徑流系數、干旱指數、輻射量、海拔、植被類型、≥10℃積溫、牲畜數量、最高氣溫、最低氣溫、降水量、氣溫，各因子對應顯著性p值均小于0.01，通過顯著性檢驗。總體上，影響或表征植被所處環境中土壤及大氣水分條件的因子(包括土壤濕度、潛在蒸散發、徑流系數以及干旱指數)以及人為干擾因子是影響新疆地區植被覆蓋空間分異性的主要因素，解釋力均在20%以上。氣溫(包括最高氣溫、最低氣溫、年均氣溫)、降水量的解釋力較低，解釋力在10%左右。

(2) 交互探測。因子交互作用探測結果(圖4)表明，任意兩因子的疊加均會增強單一因子對地區植被覆蓋的解釋能力，且多表現為非線性增強，說明植被生長與生存往往并非受制于單一因素，而是多種因素協同作用的結果。土壤濕度、HII以及耕地面積與其他因子交互時對新疆植被NDVI空間分異的解釋力提升更為明顯(q基本大于0.4)。其中，土壤濕度和潛在蒸散發的交互作用最強(土壤濕度∩潛在蒸散發=0.518)，說明植被蒸騰速率變化能夠顯著增加下墊面土壤水分含量作為自變量對NDVI空間分布的解釋。HII與土壤濕度、干旱指數的組合表現出較高的非線性增強交互作用(HII∩土壤濕度=0.509，HII∩干旱指數=0.504)，表明植被根部土壤水分含量和植被區氣候干旱程度會進一步加強人類活動對植被覆蓋的影響。雙因子的交互作用能夠提高氣溫對NDVI空間分異的影響，但因新疆植被生長季常伴隨充足的溫度、光照條件，氣溫與NDVI間以負相關為主，因此除土壤濕度、耕地面積外，其他因子與氣溫的組合對NDVI空間分布的解釋力仍然較弱。

(3) 風險探測。不同因子促進植被生長或適宜植被生存的最佳范圍/類型可通過風險探測器確定。探測結果(圖5)表明，土壤濕度、潛在蒸散發、最低氣溫、降水量與NDVI均值基本呈正相關，最適宜類型均為第8分區，即根部土壤濕度為0.29～0.38 m3/m3，潛在蒸散發為652.7～773.1 mm，降水量為348～535 mm，更遠離極端低溫條件時植被覆蓋率最高。輻射量、海拔與NDVI基本呈負相關，NDVI均值最大值出現在二者第1分區(輻射量為429.0～467.5 MJ/m2，海拔為-162～841 m)。中低海拔區域為新疆植被主要分布區，植被覆蓋度較高且長期穩定，隨著海拔升高，植被蓋度逐漸減少。地區輻射量主要受海拔高度影響，且與海拔呈正相關，故表現出與海拔相似的統計學差異。與此同時，植被能夠吸收和反射一部分太陽輻射使到達地面的太陽輻射減少，進一步導致高植被蓋度與低輻射量之間的對應關系。NDVI均值對不同等級的耕地面積、HII、徑流系數、干旱指數、年均氣溫等的響應呈現先增后減的趨勢，表明植被覆蓋的正向響應依賴于適度的人類活動和干濕適宜的生存環境。

圖3 探測因子空間分類

表2 因子探測器結果

圖4 因子交互作用的解釋力

4 討 論

(1) 受區域氣候差異的影響，2000—2018年新疆地區植被NDVI維持北高南低、西高東低、山區高平原低的分布特點不變[2,27]。研究表明，水分是限制新疆植被生長和生產力提升的主導因素[27]，近幾十年間西北地區氣候的暖濕化轉變[28]，為新疆植被提供了更有利的生長環境。加之農耕技術進步、生態工程實施等一系列人類活動的正向推動，全疆60.91%的植被區域NDVI呈增加趨勢，植被覆蓋情況有明顯改善。其中，水資源較為豐富的天山北麓、以農耕種植為主的南疆盆地西北緣綠洲改善最為顯著，這與已有研究一致[29]，也進一步表明自然與非自然因素均會對植被覆蓋產生影響。

(2) 對比隨機森林對NDVI預測變量的重要性評價及地理探測器因子探測結果可見，無論是否考慮NDVI的空間分異性，新疆地區植被NDVI對土壤濕度、耕地面積以及潛在蒸散發3個因子的響應程度始終較高，而氣溫、降水量的重要性或解釋力相對較低。研究表明，我國西北地區植被對土壤濕度的敏感性最強，土壤水分是植被耗水的直接來源，能夠決定植被的格局及其穩定性，并對地表覆蓋產生重要影響[30]。耕地是人為影響力度最大的植被區，長期的肥水施灌能消減氣候乃至地形、土壤貧瘠等的不利影響，維持并改善區域植被覆蓋度。新疆為中國干旱區主體，境內以荒漠植被為主，氣溫升高將加速植被表面蒸發，不利于植被水分儲存與利用，進而影響其生長發育，故與NDVI呈負相關[9]。已有研究顯示，新疆地區植被NDVI對降水量較為敏感[27]，這與本文結果不一致，分析認為原因有二：一是植被根部土壤濕度、徑流系數、潛在蒸散發等更多水分指示因子的引入打破了以往研究中單一考慮降水量這一水分因子的片面性。大氣降水并非新疆植被所需水分的唯一來源，冰雪融水、地表徑流、地下水以及人為灌水均能改善土壤水分條件，維持植被生長。同時，新疆地區降水主要集中在林地資源較為豐富的高海拔山區(圖3A)，這些地區往往因氣溫梯度效應以及林木郁閉而導致地表水土流失及蒸散發大幅減少，土壤水分含量較高，植被的生長將不再受降水量的直接限制。二是引入了人為活動因素對植被NDVI的影響評估。生態林工程、圍欄封育、輪休牧政策等人類活動已被證實具有促進植被恢復、改善土地退化的實效[29]，這些措施的大范圍實施，能夠直接或間接削弱生態脆弱區植被對大氣降水的依賴和敏感性。

(3) 以地理探測器為基礎，本研究得以在綜合考慮了氣候、地形、人為等多類因素下，對新疆地區植被覆蓋空間分布的影響因素進行了量化歸因分析，但研究仍存在一定的局限性：一是受制于地理探測器計算規模，研究以12 km×12 km格點進行要素值采樣，勢必會影響對各要素實際分布的準確表征，后續應考慮如何在提高數據空間分辨率下開展更細致的研究；二是因子選擇與分區的主觀性較強，可能無法準確把握植被覆蓋變化的全部驅動力及受控區間；三是在因子交互作用時是如何增強對NDVI空間分異的解釋能力，還需進行更加深入的討論，提高研究的現實參考價值。

圖5 NDVI空間分布影響因子風險探測

5 結 論

本文采用Slope趨勢分析、隨機森林以及地理探測器模型，以NDVI時序數據為基礎，結合氣候、地形、土壤以及人為因子等類型數據，分析了2000—2018年新疆地區植被覆蓋空間格局及其演變規律，并對植被NDVI空間分異性的驅動因素進行了量化評估。研究結果表明，新疆植被NDVI分布具有北高南低、西高東低、山區高平原低的顯著空間差異。研究期間，新疆植被覆蓋狀況有明顯改善，60.91%的植被區域NDVI表現出增加趨勢，且以天山北坡與南疆盆地西北緣綠洲為主。土壤濕度是影響新疆植被覆蓋時空格局的關鍵因素，解釋力q值為0.394，耕地面積、HII、潛在蒸散發及徑流系數的影響力次之。因子的疊加作用會增強單一因子對地區植被分布的解釋能力，其中，土壤濕度和潛在蒸散發的交互作用最強(土壤濕度∩潛在蒸散發=0.518)。風險探測表明，新疆植被NDVI空間變化基本與水分因素，如土壤濕度、潛在蒸散發和降水量等呈現正相關，而與輻射量、海拔和氣溫等呈負相關。與此同時，適度的人類活動能夠有效促進地區植被的生長與生存。