陜西關中地區NDVI的時空變化特征及其驅動力分析

呂攀屹，黃領梅，權 全，莫淑紅

(西安理工大學 省部共建西北旱區生態水利國家重點實驗室，陜西 西安 710048)

植被是陸地生態系統的主體，在全球氣候變化研究中起著敏感指示器的作用[1]。已有研究表明，區域氣候變化會改變植被的組成與結構，使森林格局發生變化[2]。另外，隨著我國生態環境保護政策的推行，多地的植被狀況發生了顯著變化[3-4]。因此，區域氣候變化和植被生長的相互作用機制研究引起眾多學者的廣泛關注，利用遙感技術研究植被生長的學者眾多。植被指數作為重要的生態氣候參數，是反映綠色活植被相對豐度和活性的輻射量化值，常被用于表征研究區域的植被生理狀況、綠色生物量及植被生產力等，是描述生態系統的基礎數據[5]。目前已提出的植被指數多達20余種，其中歸一化植被指數(NDVI)應用最廣，反映了地表植被的生長狀況，不僅是衡量區域植被生長發育水平的重要依據，還能為城市生態環境建設提供決策參考[6]。

近年來，陜西關中城市化發展加快、工業區聚集等城市生態問題成為生態可持續發展的難點[7]。本研究將探究陜西關中地區植被覆蓋的時空變化特征及其驅動力，并將所得出的研究成果與當地生態恢復舉措聯系起來，以期為今后該地區的生態高質量發展提供有力的數據支撐。

1 研究區概況與數據來源

1.1 研究區概況

陜西省關中地區位于中國中西部，地處33°34′～35°52′N、106°18′～110°38′E，包含西安、咸陽、寶雞、渭南、銅川5個地級市(圖1)，總土地面積55 623 km2，海拔323～3 771 m，極差達3 448 m[8]，地勢西南高東北低。關中地區屬于暖溫帶半濕潤季風區，夏季高溫多雨，冬季低溫少雨，年平均氣溫9.9～15.8 ℃，多年平均降水量500～878 mm，降水多集中在7—9月，多年平均水面蒸發量1 000～1 200 mm。

圖1 研究區位置及海拔梯度

1.2 數據來源及處理

1.2.1 遙感影像資料

選用MOD13A1產品數據，時間分辨率為16 d，空間分辨率為500 m。根據研究區域及研究時段篩選2005—2020年生長季(5—10月)數據圖像，共計192幅[9]。

1.2.2 地理探測器輸入數據

(1)高程數據。選用由美國太空總署(NASA)和國家測繪局(NIMA)聯合測量的30 m分辨率DEM數字高程數據。

(2)氣象數據。包括降水、溫度等數據，來源于中國氣象局氣象數據中心提供的《中國地面氣候資料日值數據集》，選用關中地區及周邊9個站，采用距離平方倒數法插值生成1 km分辨率柵格數據。

(3)地理因素及人為因素數據。地形地貌、植被類型、人口密度和人均GDP柵格數據由中國科學院地理科學與資源研究所資源環境科學與數據中心提供，數據翔實可靠。本研究采用2005年和2020年兩期土地利用數據，2005年數據采用中科院數據中心土地利用數據，2020年數據基于Landsat 8遙感影像通過監督分類法獲取，通過Kappa檢驗符合精度要求(Kappa值為0.880)，分辨率均為100 m。

因為地理探測器是依靠離散數據的算法，所以將矢量數據通過0.015°×0.015°格網提取的方法離散化；氣象因素等連續變量數據則采用自然斷點法分類。影響陜西關中地區NDVI變化的因子詳見表1。

表1 影響陜西關中地區NDVI變化的因子

2 研究方法

2.1 NDVI計算方法

利用波段合成計算NDVI，公式為

(1)

式中：Band1、Band2分別代表MOD13A1產品中第1波段和第2波段的反射率。

2.2 線性趨勢分析方法

2.2.1 回歸趨勢法

采用回歸趨勢法分析關中地區植被覆蓋的穩定性特征。該方法反映區域時空格局演變，可充分地體現長時間序列植被覆蓋的演化趨勢。NDVI回歸趨勢線斜率公式[10]為

(2)

式中：i為年序號；n為研究數據總年數；NDVIi為第i年的NDVI均值；NDVIslope為單個像元線性回歸方程趨勢線斜率，當NDVIslope>0時，植被覆蓋變化處于遞增趨勢，反之遞減。

為清晰說明研究區內NDVI改善/退化程度，將NDVIslope分為7個等級[11]，具體見表2。

表2 NDVIslope對應的等級劃分

2.2.2 降水敏感性分析

本研究選用敏感性指數b定量分析不同植被類型NDVI對降水的響應程度。若b>0，表示NDVI與降水呈正響應，b值越大，敏感性越強。與相關系數不同的是，敏感性指數定量刻畫氣候因子與NDVI變化的數量關系。所構建的一元線性回歸方程為[12]

NDVI=a+bRain

(3)

式中：a為截距；b為線性回歸方程的斜率，又稱作敏感性指數[13]，代表每增加單位降水量對NDVI的影響程度，亦稱氣候因子邊際響應[14]；Rain為降水變量。

2.2.3 變異系數CV

采用變異系數CV對比不同土地利用情況下NDVI的離散差異。計算公式為

(4)

式中：σ為標準差；μ為均值。

2.3 多因子相互作用分析

2.3.1 相關性分析

本研究采用相關系數法來表征NDVI與其他因子間的關聯性。相關系數計算公式為

(5)

2.3.2 地理探測器

地理探測器包括因子探測器、生態探測器、風險探測器及交互探測器[15]。因子探測器主要衡量不同環境變量對NDVI空間分異化的解釋程度，q值越大，解釋程度越高。q值計算式為

(6)

式中：h為變量或因子的分層，即分類或分區，h=1,2，…,L；Nh和N分別為層h和全區的單元數；σh2和σ2分別是層h和全區NDVI值的方差。

生態探測器用于判別各變量之間對NDVI空間分布是否存在顯著差異，用F統計量檢驗。計算式為

(7)

式中：Na和Nb分別為兩變量的樣本容量；SSWa和SSWb分別為兩變量形成分層的層內方差之和。

風險探測器可以衡量不同環境變量對NDVI影響的適宜區間或類型，用t統計量表示。計算式為

(8)

交互探測器主要是識別不同環境變量間的交互作用，判斷兩因子共同作用下是否會增強(減弱/無影響)對NDVI空間分布的解釋程度，評估方法見表3。

表3 雙因子交互作用判別依據

3 研究結果與分析

3.1 NDVI值年際變化特征

從研究區NDVI值年際變化過程(圖2)看，銅川、渭南、西安、咸陽的NDVI值在2005—2007年有一定幅度的增加，2008—2017年為低谷期，2018—2020年又逐漸上升，2020年達到巔峰；寶雞與其他市不同，2005—2010年NDVI值增加，2011年小有跌落，之后呈波動上升趨勢。整體上看關中地區NDVI值呈波動上升趨勢，渭南、咸陽、銅川、西安、寶雞年增長速率分別為0.009 1、0.005 0、0.004 7、0.004 6、0.001 2，關中地區年平均增長速率為0.004 9，2020年達到最大值0.68。該增長速率大大超過了黃河源地區的0.001 9[16]、太湖流域的0.002[17]、三北地區的0.001 9[18]，這說明退耕還林工程對陜西關中地區NDVI值的影響十分顯著。5市NDVI水平按大小排序為寶雞>銅川>西安>咸陽>渭南。

圖2 關中地區5市NDVI值的年際變化過程

3.2 NDVI值空間分布特征

陜西關中2005—2020年平均NDVI值空間分布如圖3所示，整體平均NDVI值為0.61，NDVI值大于0.7的區域占總面積的65.01%，約36 162.46 km2，小于0.5的區域占比27.2%。關中南部NDVI值水平明顯優于北部，西南部表現最好，NDVI值均處于0.7以上；在渭河流域兩岸，NDVI值處于較低水平。

圖3 陜西關中地區2005—2020年平均NDVI值空間分布

3.3 NDVI值變化趨勢分析

由表4可知，2005—2020年關中地區NDVI值處于改善狀態的面積占比之和為52.28%，以輕微改善和中度改善為主，面積占比為48.23%；處于基本不變的穩定狀態的面積占比為19.01%；處于退化狀態的面積占比之和為28.73%，以輕微退化為主，面積占比為23.91%。整個關中地區的NDVI值以改善狀態為主，但輕微退化狀態不可輕視。

表4 2005—2020年關中地區NDVIslope分級的面積占比統計

圖4顯示，關中地區的NDVIslope整體上呈現出由西南至東北遞增的趨勢。銅川市NDVI遞增速率最大，以輕微改善狀態為主，面積占比為37.91%；寶雞的NDVI遞減速率最大，以輕微退化狀態為主，面積占比為31.33%。

圖4 2005—2020年陜西關中NDVIslope空間分布

3.4 NDVI驅動力分析

為探究研究區內NDVI驅動因素對其的解釋程度，將選取的10種變量代入因子探測器進行分析，得到不同因子的解釋力q值，見表5。地貌類型、降水、土地利用分別是地理、氣象、人為因素中解釋力最強因子。地理因素平均q值為0.594，明顯高于其他兩種因素，說明地理因素是該區域NDVI變化的主導環境因子。

表5 2005—2020年環境變量對NDVI的解釋力

交互探測器結果顯示(見圖5)，除溫度與平均相對濕度、降水、土地利用、人口密度及人均GDP間交互呈非線性增強趨勢外，其余因子交互均呈現雙因子增強。高程∩地貌類型q值0.762，是雙因子交互中最高的q值水平，更具備對研究區NDVI變化的解釋力。

圖5 2005—2020年陜西關中地區各環境變量交互探測器及生態探測器結果

從圖5中不難看出，降水作為氣象因素中解釋力最高的因子，其與高程、地貌類型、植被類型交互后解釋力進一步提高。相較于單因子解釋力極高的高程與地貌類型因子，植被類型與降水因子交互q值的增幅反而最大。為進一步研究這種情況，采用降水敏感性指數對不同植被類型進行比較(因沼澤與亞熱帶落葉闊葉林數據量較少，故不考慮)，結果見圖6、7。由結果可以看出，不同植被NDVI對降水敏感程度不一，針葉林NDVI對降水的敏感程度高于其他植被，其中亞熱帶針葉林最為敏感(0.66×10-4)，說明針葉林更適宜該地區降水分布。

圖6 NDVI對降水敏感性指數空間分布

圖7 不同植被類型下降水敏感性指數

人為因素方面，不論單因子或是雙因子交互，土地利用因子都具有極高的解釋力。本研究將土地利用情況劃分為5種類型，即水體、耕地、林草地、建設用地、未利用地，其分布情況見圖8。結合變異系數CV圖像不難看出，在建設用地范圍內CV值均處于較高水平，NDVI變化極不穩定。

圖8 陜西關中地區土地利用與變異系數空間分布

為檢測雙因子對NDVI的空間分布是否存在顯著差異，對各因子做生態探測(結果見圖5)，可以看出溫度與降水及人為因素間，土地利用與植被類型、坡度、濕度、溫度等，高程與地貌類型間存在顯著差異，說明這部分雙因子對NDVI的空間分布具有不同的作用機理。

為確定NDVI良性發展的適宜環境，將10種環境變量代入風險探測器，得到了環境變量最適宜范圍或類型，結果見表6。由風險探測器結果可知，NDVI與降水、平均相對濕度、坡度呈正相關，與人口密度、人均GDP呈負相關。在諸多因素中，通過高程的最優范圍可以得到NDVI的最高值，在滿足高程1 716～2 044 m前提下，NDVI值最高可達0.793 9，為最適宜環境。

表6 環境變量最適宜范圍或類型

4 討 論

在陜西關中地區范圍內，相較于人為因素，NDVI對自然因素更為敏感。該地區地形分布差異明顯，形成了地理條件為主、氣候條件為輔的特色NDVI驅動方式。2005—2020年，NDVI值呈波動上升趨勢，年增長速率達0.004 9。在可能的變動因子中，降水(q=0.269)與土地利用因子(q=0.564)發揮了重要的作用。16年間降水量持續增加(降水與NDVI相關系數為0.355，P<0.01)，加之土地利用轉移情況(表7)表明，研究區內土地大規模變綠，退耕還林面積約占9.47%，林草地占比也從47.19%提高到49.69%，兩種因素疊加是導致NDVI上升的主要原因。盡管退耕還林工程可以有效地提升環境質量，但退耕還“荒”現象也愈來愈多，因此在保持生態環境逐步優化的過程中應當多注意裸地的開發。16年間隨著城鄉建設用地高速發展，其占地面積提升了5.29%，大規模侵占了耕地空間，這也是值得考慮的生態風險之一。

表7 2005—2020年陜西關中地區土地利用轉移矩陣

上述結果說明，自然因素與人為因素的共同作用形成了當下陜西關中的NDVI空間格局，這意味著對NDVI趨勢的預測不僅需要考慮氣候變化帶來的影響，人類活動也必須納入考慮范圍。需要說明的是本研究僅定量評估了10種環境變量對NDVI變化的影響，但在實際中影響NDVI變化的要素遠不止10種，關于當地NDVI變化的分析還需深入探討。

5 結 論

本研究利用MOD13A1遙感影像數據組結合10種環境變量數據，研究關中地區2005—2020年的NDVI演變特征及其驅動力，得出以下結論：

(1)從NDVI年際演變上看，陜西關中地區整體植被覆蓋程度較為完善，16年間植被覆蓋水平呈波動式上升趨勢，渭南、咸陽、銅川、西安、寶雞市年增長率分別為0.009 1、0.005 0、0.004 7、0.004 6、0.001 2。但仍有局部區域NDVI呈明顯退化趨勢。

(2)在空間尺度上，陜西關中地區植被覆蓋度在空間上存在地域性差異，總體上呈現西南高東北低態勢，秦嶺以南NDVI達最高水平，而城市人口集中地區水平較差。整體上NDVI水平寶雞>銅川>西安>咸陽>渭南。此結論與李麗娜[19]研究結果一致。

(3)在NDVI的時空穩定性特征方面，2005—2020年NDVI發生改善區域占總體的52.28%，約合面積29 077.5 km2。銅川市植被覆蓋度的改善尤為顯著，改善面積占全市總面積的55.30%；寶雞市整體NDVI退化最為明顯。

(4)NDVI驅動力方面，地理因素解釋力遠高于其他因素，說明NDVI空間分布主要由地理因素主導。溫度與人口密度對NDVI解釋力最弱，地貌類型、降水、土地利用分別是地理因素、氣候因素與人為因素中最具解釋力因子。各因子間的交互作用以雙因子增強趨勢為主，高程∩地貌類型解釋程度最高，q值為0.762。同時，總結出了NDVI最適宜的范圍/類型，可為陜西關中下一步植被恢復工作提供科學依據。