1980-2020 年貴州省草地空間分布格局演變及驅(qū)動力分析

余萬洋，陳怡帆，方發(fā)永，張金鑫，李舟，趙龍山*

（1. 貴州大學(xué)林學(xué)院，貴州 貴陽 550025；2. 中國林業(yè)科學(xué)研究院生態(tài)保護與修復(fù)研究所，國家林業(yè)和草原局草原研究中心，北京100091；3. 貴州大學(xué)動物科學(xué)學(xué)院，貴州 貴陽 550025）

草地是地球上分布最廣的陸地生態(tài)系統(tǒng)，約占地球陸地表面的40%［1］。草地提供了廣泛的生態(tài)系統(tǒng)服務(wù)，如支撐畜牧業(yè)發(fā)展、土壤侵蝕控制、供水和調(diào)節(jié)、維護生物多樣性和一系列文化服務(wù)［2］。同時，草地在全球碳循環(huán)中起至關(guān)重要的作用，草地在土壤中以0.5 Pg·a-1的速度固碳，約占全球土壤中潛在固碳量的1/4［3］。然而，隨著全球變化和人類活動加劇，全球許多地區(qū)的草地退化等生態(tài)問題嚴重增加［4］，監(jiān)測草地時空動態(tài)并探索其驅(qū)動因素，對揭示自然環(huán)境與人類活動對草地作用關(guān)系，維護草地生態(tài)功能的發(fā)揮具有重要意義。

遙感技術(shù)以其高效、準確、監(jiān)測范圍廣等優(yōu)點在草地監(jiān)測中得到了廣泛應(yīng)用［5］。基于遙感研究通常面臨尺度問題，由于地理環(huán)境、氣候和人類活動強度不同，不同尺度的草地生態(tài)系統(tǒng)空間分布格局及其驅(qū)動機制存在差異。目前，環(huán)境領(lǐng)域的尺度效應(yīng)越來越受重視，其中以實際行政邊界為單位，可以將研究結(jié)果直接應(yīng)用于管理規(guī)劃［6］。景觀格局分析方法是為揭示景觀異質(zhì)性而發(fā)展起來的一種有效方法［7］，草地景觀的動態(tài)變化與其景觀格局有緊密聯(lián)系，分析草地景觀格局的變化可以反映區(qū)域草地分布時空動態(tài)演變的規(guī)律。但地理現(xiàn)象的空間格局可能存在空間關(guān)聯(lián)性［8-9］，單一地描述草地空間分布特征無法體現(xiàn)不同草地單元與各自鄰近單元間的相關(guān)性或差異程度，探索性空間數(shù)據(jù)分析（exploratory spatial data analysis，ESDA）可以對地理現(xiàn)象空間分布的關(guān)聯(lián)性進行可視化表達［10］。因此，應(yīng)用ESDA 方法分析草地分布的空間關(guān)聯(lián)性，可以更加科學(xué)地揭示草地的空間分布特征和演化規(guī)律。為了有效控制或改善區(qū)域草地退化情況，有必要確定草地空間分布格局形成的主要驅(qū)動因素，一些學(xué)者利用相關(guān)或回歸等統(tǒng)計方法對草地格局時空變化的驅(qū)動因素進行了分析［11-12］，但僅通過相關(guān)或統(tǒng)計方法忽略了驅(qū)動因子間的相互作用及草地分布格局可能存在的空間分層異質(zhì)性（假設(shè)變量分為若干子區(qū)域，如果區(qū)域方差之和小于區(qū)域總方差，則存在空間分層異質(zhì)性）。地理探測器可通過探測地理現(xiàn)象空間分層異質(zhì)性來揭示其背后的驅(qū)動力，并識別驅(qū)動因素之間的相互作用［13］，在自然科學(xué)和環(huán)境科學(xué)的許多研究中都取得了良好的結(jié)果。

貴州是“兩江”上游生態(tài)屏障區(qū)、石漠化生態(tài)脆弱區(qū)高度耦合的省份，是喀斯特生態(tài)建設(shè)重點區(qū)域，自1999 年以來，開展了退耕還林（草）、石漠化綜合治理、草地改良等生態(tài)修復(fù)工程［14］。多年來的治理效益表明，恢復(fù)石漠化地區(qū)草地是促進貴州喀斯特生態(tài)環(huán)境建設(shè)的有效措施。同時，草地是石漠化地區(qū)發(fā)展畜牧業(yè)的重要物質(zhì)基礎(chǔ)，是解決糧食與人口矛盾的重要途徑［15-16］。但石漠化治理中存在草地生態(tài)系統(tǒng)結(jié)構(gòu)簡單，系統(tǒng)功能不完善，敏感性較高等問題［17］。以往的研究雖然提出了貴州省發(fā)展草地資源的建議與對策［18-20］，但未對草地實施修復(fù)工程前后的空間分布格局及其內(nèi)部影響因素進行評價，為更有效實施草地治理與保護措施，實現(xiàn)全省草地高質(zhì)量發(fā)展，有必要進一步明確草地長期以來的空間分布格局演變特征及其驅(qū)動力。因此，本研究基于GIS 空間分析功能對貴州省1980-2020 年的草地面積及轉(zhuǎn)移特征進行分析，并將景觀格局和探索性空間數(shù)據(jù)分析相結(jié)合，深度識別草地分布格局的空間相關(guān)性和動態(tài)演化規(guī)律，最后利用地理探測器定量分析草地空間分布格局演變的驅(qū)動因素。

1 材料與方法

1.1 研究區(qū)概況

貴州省（103°36′-109°35′ E，24°37′-29°13′ N）地處中國西南腹地，全省面積176167 km2，轄6 個地級市和3個自治州，共88 個行政單位（圖1）。地貌可大致分為高原山地、丘陵和盆地等3 種基本類型，土壤地帶性屬于中亞熱帶常綠闊葉林的紅壤-黃壤帶［21］。氣候類型為亞熱帶季風(fēng)氣候，年平均氣溫8～22 ℃，年平均降水量850～1550 mm；最高海拔2900 m，最低海拔137 m；草地類型主要有山地丘陵草叢、山地丘陵灌木草叢、山地丘陵疏林草叢、山地草甸、低地草甸、平原沼澤等［19］；貴州是中國喀斯特地貌最典型的地區(qū)之一，喀斯特面積約10.91×105km2，占全省面積的61.92%［22］。喀斯特地區(qū)由于其破碎的地形和雙重水文地質(zhì)結(jié)構(gòu)，具有高度的空間異質(zhì)性，極易受外部環(huán)境變化的影響，復(fù)雜的地形和人類活動使得生態(tài)系統(tǒng)非常脆弱，易發(fā)生植被退化［23］。

圖1 研究區(qū)概況Fig.1 Location of the study area

1.2 數(shù)據(jù)來源

本研究使用的主要數(shù)據(jù)包括貴州省土地利用、年降水量、年平均氣溫、數(shù)字高程模型（digital elevation model，DEM）、國內(nèi)生產(chǎn)總值（gross domestic product，GDP）、人口密度、牧業(yè)產(chǎn)值（表1）。其中，土地利用數(shù)據(jù)來自中國多時期土地利用/覆被遙感監(jiān)測數(shù)據(jù)集（CNLUCC）［24］，由中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心提供，分辨率30 m×30 m。

表1 數(shù)據(jù)來源和說明Table 1 Data source and description

1.3 研究方法

1.3.1 土地利用轉(zhuǎn)移矩陣 通過建立土地利用轉(zhuǎn)移矩陣定量描述草地與其他各土地利用類型之間在不同時期的轉(zhuǎn)移情況，以反映草地在不同時期的來源及去向，具體公式見朱會義等［25］的研究。

1.3.2 空間自相關(guān) 探索性空間數(shù)據(jù)分析的一個核心概念是空間自相關(guān)，可分為全局空間自相關(guān)和局部空間自相關(guān)。以全局Moran’sI指數(shù)定量測度草地分布格局在空間上的總體關(guān)聯(lián)程度和差異性，若草地空間分布格局具有顯著的全局空間自相關(guān)，則使用局部空間自相關(guān)指標(biāo)（local indicators of spatial association， LISA）對草地空間聚類和離群值的類型進行更詳細的探索。公式為［26］：

式中：xi，xj分別表示草地面積比例在地域單元i和j的觀測值；x為研究區(qū)草地面積的平均值；wij為空間權(quán)重矩陣；S2為草地單元面積比例的總體方差；n為區(qū)域空間單元總數(shù)；I為全局Moran’sI指數(shù)值，取值為-1～1，使用Z得分作為統(tǒng)計全局顯著性的量度，當(dāng)Z得分拒絕零假設(shè)時（零假設(shè)表示與要素相關(guān)的值隨機分布），如果Moran’sI指數(shù)值為正則指示聚類趨勢，如果Moran’sI指數(shù)值為負則指示離散趨勢；Ii為LISA 指數(shù)值，值域為-1～1，若Ii值大于0 表示存在局部集群（高-高或低-低），Ii值小于0 表示存在局部空間異常值（高-低或低-高）。其中，全局Moran’sI指數(shù)值顯著性檢驗的Z得分計算公式為：

式中：I為全局Moran’sI指數(shù)值；E（I）為I值的期望值；VAR（I）為I值的方差。若其通過5%的顯著性水平檢驗且|Z|＞1.96，則說明具有顯著的空間自相關(guān)。

1.3.3 草地景觀格局分析 為揭示草地空間變異特征，參考現(xiàn)有研究［27］，將草地空間數(shù)據(jù)結(jié)合Fragstats 4.2軟件從類型水平上采用斑塊密度（patch density， PD）、聚集度指數(shù)（aggregation index， AI）、景觀形狀指數(shù)（landscape shape index， LSI）對研究區(qū)草地景觀格局的碎片化和異質(zhì)性進行研究。選取景觀格局指數(shù)的具體描述見表2。

表2 景觀格局指數(shù)及其生態(tài)學(xué)意義Table 2 Landscape pattern indexes and their ecological significance

1.3.4 地理探測器 為探討貴州省草地空間分布格局演變的驅(qū)動因子及各因子交互作用的解釋力，研究采用地理探測器方法，將每個區(qū)縣的草地面積作為因變量，各驅(qū)動因子作為自變量，在ArcGIS 中疊加自變量與因變量圖層，從而提取疊加圖層上每個采樣點的自變量和因變量值作為地理探測器的輸入數(shù)據(jù)。植被生長及分布受自然和人為活動因素共同作用，參考現(xiàn)有研究［28］，選擇氣候（降水、溫度）、地形（海拔、坡度）、社會經(jīng)濟（人口密度、GDP、牧業(yè)產(chǎn)值）等因子作為自變量。由于地理探測器要求自變量為類型量，需要進行離散化處理，其中坡度按專家經(jīng)驗［6］分為0°～5°，5°～8°，8°～15°，15°～25°，25°～35°，＞35°等6 類，其他因子選擇q值最大的分類方案作為最優(yōu)分類方法分為6 類（表3）。

表3 草地空間格局驅(qū)動因素指標(biāo)Table 3 The driving factors of grassland spatial pattern

地理探測器由因子、風(fēng)險、相互和生態(tài)4 個探測模塊組成，其中，因子檢測器可以定量描述驅(qū)動因子的相對重要性，它通過構(gòu)造一個q統(tǒng)計量來衡量自變量對因變量的解釋能力。其計算公式如下［13］：

式中：q表示驅(qū)動因子對草地空間分布格局的驅(qū)動力，其值為0～1，q值越大，驅(qū)動因子對草地空間分布格局的解釋力越強；h=1，···，L為驅(qū)動因子的分層；Nh和N表示層h和整個區(qū)域中網(wǎng)格單元的數(shù)量；和σ2分別為層h的方差和Y在整個區(qū)域的全局方差。

交互探測器可以定量地識別草地空間分布格局的兩兩驅(qū)動因素之間的相互作用，它決定了這兩個因素是否獨立起作用，或者當(dāng)它們共同作用時，它們的作用是增強還是減弱，其判斷依據(jù)見王勁峰等［13］的研究；生態(tài)探測用于確定兩因子對草地空間分布的影響是否存在顯著差異；風(fēng)險區(qū)探測用于判斷兩個因子的子區(qū)域之間的平均屬性值是否存在顯著差異，并可用于發(fā)現(xiàn)草地聚集區(qū)域。

1.4 數(shù)據(jù)處理

土地利用數(shù)據(jù)基于Landsat-MSS、Landsat-TM、Landsat 8 OLI 系列影像，通過人工目視解譯生成，該數(shù)據(jù)將土地利用劃分為6 個一級類型（林地、草地、耕地、水域、建設(shè)用地和未利用地）和25 個二級類型，土地利用現(xiàn)狀一級類型綜合評價精度達到93%以上，二級類型分類綜合精度達90%以上。研究以此利用ArcGIS 10.8 軟件提取和統(tǒng)計草地時空分布格局和變化；數(shù)字高程模型（DEM）數(shù)據(jù)用于提取研究區(qū)海拔與坡度；牧業(yè)產(chǎn)值來源于貴州省1995-2020 年統(tǒng)計年鑒，通過鏈接牧業(yè)產(chǎn)值至各區(qū)縣以實現(xiàn)空間化。其他統(tǒng)計年鑒數(shù)據(jù)包括城鎮(zhèn)化率、牛羊出欄量和農(nóng)作物播種面積，用以反映具體的人為活動表現(xiàn)與方向，均來源于貴州省1995-2020 年統(tǒng)計年鑒。

2 結(jié)果與分析

2.1 貴州省草地時空變化特征

2.1.1 草地空間分布與面積變化特征 貴州省1980-2020 年草地面積分析表明（圖2），草地面積在1980-2000 年間持續(xù)增加，特別是在1995-2000 年間增加明顯，增加面積553.51 km2。但2000-2015 年間草地面積持續(xù)下降，其中2000-2005 年草地面積減少明顯，減少面積1438.87 km2，減小幅度在2005 年后逐漸縮小。值得注意的是，2015-2020 年草地面積又有所增加，增加面積1492.91 km2。總體上，草地面積變化可劃分為增長期（1980-2000 年）、衰退期（2000-2015 年）、恢復(fù)期（2015-2020 年）3 個階段，至2020 年，草地面積310.05×102km2，占研究區(qū)總面積的17.60%，相比于1980 年略有下降，減少了176.88 km2，減少比例為0.57%。

圖2 貴州省1980-2020 年草地面積及變化Fig.2 Grassland area and change in Guizhou Province from 1980 to 2020

在空間分布上，貴州省草地分布格局在1980-2020 年間表現(xiàn)出西部與南部高，東部與北部低的空間分異特征（圖3）。2020 年，畢節(jié)市（6167.86 km2）、黔南州（5175.52 km2）、黔西南州（5006.72 km2）等地區(qū)的草地面積相對較大，3 個地區(qū)草地面積占草地總面積的53%，且草地表現(xiàn)出集中連片的空間特征，而遵義市（1804.41 km2）、貴陽市（1343.27 km2）草地面積則相對較小，僅占草地總面積的10%，草地分布在空間上較為分散。

圖3 貴州省1980-2020 年草地空間分布Fig.3 Spatial distribution of grassland in Guizhou Province from 1980 to 2020

2.1.2 草地面積時空轉(zhuǎn)移特征 草地面積在1995-2000 年、2000-2005 年、2015-2020 年3 個時段變化明顯，分析這3 個時段及1980-2020 年草地與其他各土地利用類型間的轉(zhuǎn)移情況，1995-2000 年草地面積增加主要是由于林地（1500.23 km2）和耕地（268.27 km2）的轉(zhuǎn)入（表4）。2000-2005 年，草地面積有所下降，草地在該階段主要轉(zhuǎn)出為林地（1178.72 km2）和耕地（693.00 km2）。2015-2020 年，草地在林地和耕地間均有較大面積轉(zhuǎn)入與轉(zhuǎn)出，草地面積的增加主要是林地和耕地的凈轉(zhuǎn)入，分別為1656.52，121.50 km2，另外，在這一階段有233.00km2的草地被建設(shè)用地替代。從整體上看，1980-2020 年間有4600.20 km2的林地和1235.40 km2的耕地轉(zhuǎn)化為草地，但亦有大面積草地轉(zhuǎn)出為林地（3972.32 km2）、耕地（1523.79 km2）和建設(shè)用地（374.11 km2），草地面積最終略有下降。

表4 貴州省不同時段草地轉(zhuǎn)移面積Table 4 Grassland transfer area at different time periods in Guizhou Province （km2）

為更詳細地反映草地在空間上的變化特征，從縣域尺度上分析4 個時段草地空間變化情況，4 個時段內(nèi)大部分草地未發(fā)生變化，而局部地區(qū)發(fā)生較強烈的變化（圖4）。1995-2000 年，草地面積呈增加趨勢，共38 個區(qū)縣草地面積凈增加，其中2 個區(qū)縣草地面積急劇增加（表5），分別是位于黔南州的貴定縣和羅甸縣，其余區(qū)縣草地面積呈微度和輕度增加。2000-2005 年，草地面積呈減少趨勢，共計85 個區(qū)縣草地面積呈微度或輕度減少，草地面積減少最多的區(qū)縣分別是黔南州的貴定縣、龍里縣。2015-2020 年，草地發(fā)生變化區(qū)域集中分布在西部地區(qū)，以草地和林地之間的轉(zhuǎn)化較為明顯，有6 個區(qū)縣草地面積急劇增加，主要分布在黔西南州、六盤水市、畢節(jié)市和安順市，但草地急劇減少的區(qū)縣也主要分布在這些地區(qū)。整體上，從1980-2020 年，貴州省西部地區(qū)草地空間分布格局發(fā)生了明顯變化，草地空間轉(zhuǎn)移以草地和林地之間的轉(zhuǎn)化為主，大部分區(qū)縣草地面積呈微度增加，個別區(qū)縣草地面積急劇減少，主要分布于畢節(jié)市和黔西南州。

表5 貴州省不同時期區(qū)縣尺度草地變化分級統(tǒng)計Table 5 Classification statistics of grassland change at county level at different periods in Guizhou Province

2.2 草地景觀格局特征時空變化分析

貴州省草地景觀格局隨草地面積的時空變化而發(fā)生變化，1980-2020 年，全省草地斑塊密度整體呈下降趨勢，但2005-2020 年，草地斑塊密度呈明顯增加趨勢（圖5a），表明自2005 年后草地景觀異質(zhì)性逐漸增強，景觀破碎程度增加。聚集度指數(shù)在1980-2020 年整體呈下降趨勢，特別是在2015-2020 年下降明顯，表明草地斑塊間連通性、聚集性減弱，且這一特征在2015-2020 年間更明顯。草地景觀形狀指數(shù)在1980-2020 年整體呈上升趨勢，但景觀形狀指數(shù)在2000-2015 年呈減小趨勢，至2015-2020 年突然增大，以致整體景觀形狀指數(shù)上升，草地斑塊形狀變得更復(fù)雜。

草地景觀格局在不同尺度上變化明顯（圖5b），從市州到區(qū)縣，平均斑塊密度上升，平均聚集度指數(shù)下降，表明區(qū)縣尺度上的草地斑塊更具破碎性和分散性，但區(qū)縣尺度上的平均景觀形狀指數(shù)呈下降趨勢，更規(guī)則的形狀可以更方便管理和維護，因此，選擇區(qū)縣尺度作為治理單元可以有效降低整個研究區(qū)無序的斑塊結(jié)構(gòu)，減少維護成本。

從年份間的變化上看，各景觀格局指數(shù)在2015-2020 年間變化幅度較大，而在該期間草地與耕地、林地和建設(shè)用地間有較大面積的轉(zhuǎn)移。因此進一步分析2015-2020 年草地轉(zhuǎn)移類型的景觀格局特征（表6）發(fā)現(xiàn)，耕地轉(zhuǎn)為草地的區(qū)域斑塊密度和景觀形狀指數(shù)最大，分別為2.31 和288.60，聚集度指數(shù)最小，為11.72，表明由耕地轉(zhuǎn)化為草地在空間上不連片，破碎程度高。草地轉(zhuǎn)化為耕地及建設(shè)用地也表現(xiàn)出斑塊密度較大，聚集度指數(shù)較小的特征，說明由于墾殖和城鎮(zhèn)化造成該期間草地景觀破碎化，形狀變復(fù)雜，在后期需要加強草地維護與管理。

表6 貴州省2015-2020 年草地變化類型的景觀格局指數(shù)Table 6 Landscape pattern indexs of grassland change types in Guizhou Province from 2015 to 2020

2.3 草地空間自相關(guān)分析

利用ArcGIS 10.8 軟件空間自相關(guān)（Global Moran’sI）工具對貴州省1980-2020 年的空間自相關(guān)性進行全局評估，各時期草地的全局Moran’sI指數(shù)值分別為0.290、0.291、0.303、0.289、0.300、0.298、0.295、0.280（P＜0.05）（圖6），表明草地分布具有顯著的空間聚集性。草地全局Moran’sI指數(shù)值在1980-1995 年增大，但在2000年迅速下降，并且在2015-2020 年后有進一步下降趨勢，這與草地面積時空變化趨勢一致。總的來說，貴州省40年間草地全局Moran’sI指數(shù)總體呈減小的波動變化特征，草地空間聚集程度下降，空間趨同性降低。

圖6 貴州省1980-2020 年草地局部空間自相關(guān)LISA 結(jié)果和全局Moran’s I 指數(shù)Fig. 6 Local spatial autocorrelation LISA results and Global Moran’s I indexs of grassland in Guizhou Province from 1980 to 2020

利用Anselin Local Moran’sI工具進一步分析草地在空間上的局部聚集特征，草地整體上存在高-高聚集和低-高聚集的空間聚類現(xiàn)象（圖6），高-高聚集主要分布在貴州省西部與南部，說明西部與南部地區(qū)的一些市州草地面積較大，與周圍單元差異較小，低-高聚集在全省內(nèi)廣泛分布且緊鄰高—高聚集區(qū)，這些低-高聚集區(qū)域特征是草地面積少且分散，而臨近單元草地面積豐富。統(tǒng)計空間聚集下降的兩個時段（1995-2000 年和2015-2020 年）高-高聚集和低-高聚集在各市州內(nèi)的分布特征（表7），各時期高-高聚集和低-高聚集比例相對較高的市州分別是畢節(jié)市、黔西南州、六盤水市，而銅仁市、遵義市、貴陽市則相對較低，說明大面積連片的草地在空間上表現(xiàn)出西部與南部高，東部與北部低的特征，但高-高聚集和低-高聚集比例從1995 年的6.36%和11.32%下降至2020 年的4.32%和9.78%。

表7 貴州省1995-2020 年各市州局部自相關(guān)類型比例Table 7 Proportion of local autocorrelation types in each city of Guizhou Province from 1995 to 2020 （%）

2.4 草地空間分布格局及演變驅(qū)動因素分析

草地面積及其空間分布在1995 年以后發(fā)生波動變化，因此，對草地1995-2020 年空間分布格局的驅(qū)動因素進行定量分析。各驅(qū)動因子的q統(tǒng)計量及其年際變化（表8）反映了驅(qū)動因子對草地空間分布格局的影響，因子探測q值均通過0.05 的顯著性檢驗，1995-2020 年平均q值由高到低依次為X2（0.413）＞X3（0.317）＞X7（0.215）＞X4（0.206）＞X6（0.076）＞X5（0.075）＞X1（0.057），表明草地空間格局主要受自然因素控制，其中海拔是主導(dǎo)因素，解釋力最高可達0.429。年平均氣溫、牧業(yè)產(chǎn)值、年降水量、GDP、人口密度、坡度等解釋力較高，分別為0.462、0.411、0.348、0.120、0.154、0.064。從因子間的交互作用來看（圖7），每對因子的q值都比單個因子更大，雙因子之間的相互作用可以顯著提高對草地空間分布格局的解釋力，表現(xiàn)為非線性增強和雙因子增強。研究期間海拔（X2）與其他因子間的交互作用最為顯著，其中X2∩X7與X2∩X3的交互作用較強，解釋力最高可達到0.758、0.744。人口密度（X5）、GDP（X6）單因子解釋力較小，與海拔因子交互后，解釋力明顯增加，交互解釋力均達0.538 以上。這表明其他因子對草地空間格局的影響受海拔空間分異性的作用。通過生態(tài)探測分析驅(qū)動因子對草地空間分布格局影響的相對重要性是否存在顯著差異（N 代表不顯著，Y 代表顯著），結(jié)果表明（圖7），各年份間X2與X1、X5、X6、X7均存在顯著差異，與X3差異不顯著；X3與X5、X6差異顯著，與X4差異不顯著；X5、X6、X7間無顯著差異。說明海拔（X2）、氣溫（X3）和降水（X4）對草地空間分布的影響具有關(guān)聯(lián)性，這可能與海拔能直接影響光、熱、水的重新分配有關(guān)。人口密度（X5）、GDP（X6）、牧業(yè)產(chǎn)值（X7）作為人類活動因素的表現(xiàn)，對草地空間分布格局的影響具有部分相似性。

表8 各驅(qū)動因子對草地空間分布格局的解釋力Table 8 The explanatory power of each driving factors on grassland spatial distribution pattern

利用風(fēng)險探測器確定草地在各驅(qū)動因子中集中分布的范圍（表9），在地形上，不同時期草地均集中在坡度25°～35°，海拔1980～2748 mm 的范圍內(nèi)，屬于陡坡和高海拔地區(qū)，主要分布在貴州省西部的畢節(jié)市、六盤水市等地區(qū)（圖8）。在氣候上，草地集中分布在年平均氣溫5.8～13.4 ℃，年降水量為607～1160 mm（除2005 年外），該范圍的溫度與降水量相對其他區(qū)域較低。在社會經(jīng)濟上，草地集中區(qū)的人口密度與GDP 在1995 年時相對較低，但之后呈不斷增加的趨勢，另外，這些區(qū)域的牧業(yè)產(chǎn)值相對其他區(qū)域較高，并呈不斷增加的趨勢。因此，草地集中分布在高海拔、陡坡地區(qū)，這些區(qū)域氣溫較低、降水量較少，初期人為活動干擾較弱，但后期不斷增加，由于這些區(qū)域草地資源豐富，與之相關(guān)的牧業(yè)產(chǎn)值相對較高。從各年份范圍變化上看，草地集中區(qū)的地形因子與氣候因子范圍沒有發(fā)生較大變化，而社會經(jīng)濟因子呈上升趨勢，社會經(jīng)濟因子的變化是造成草地面積在1995-2020 年發(fā)生變化的主要驅(qū)動因素。

表9 1995-2020 年草地在各驅(qū)動因子中集中分布的范圍Table 9 The range of driving factors for grassland aggregation from 1995 to 2020

圖8 各驅(qū)動因子空間分布Fig.8 Spatial distribution of each driving factors

統(tǒng)計全省1995-2020 年各社會經(jīng)濟因子值（表10），全省牧業(yè)產(chǎn)值呈不斷增加趨勢，從102 億元增加至1019億元，牛羊出欄量從160.40 萬頭增加至473.51 萬頭，與草地相關(guān)的牧業(yè)產(chǎn)值增加說明對草地資源的需求增加，草地面積增加，同時放牧活動增強。另外，全省平均GDP 與人口密度也呈明顯增加趨勢，人口的增長與經(jīng)濟的快速發(fā)展使得人為活動對草地的干擾增加，如從1995-2020 年城鎮(zhèn)化率從23.83%增加至53.15%，農(nóng)作物播種面積從42053 km2增加至54754 km2，在這期間草地與耕地、建設(shè)用地均有較大面積的轉(zhuǎn)化，墾殖和城鎮(zhèn)化建設(shè)造成草地斑塊密度、景觀形狀指數(shù)增加，聚集度指數(shù)下降，即增加了草地景觀格局的破碎度，邊界形狀更加復(fù)雜，全局Moran’sI指數(shù)從0.303 下降至0.280，草地全局空間自相關(guān)性降低。

表10 貴州省1995-2020 年各社會經(jīng)濟因子統(tǒng)計值Table 10 Statistical values of each social and economic factors in Guizhou Province from 1995 to 2020

3 討論

草地在貴州省喀斯特石漠化治理和推進草食畜牧業(yè)發(fā)展中發(fā)揮著重要的作用。為治理石漠化，發(fā)展畜牧業(yè)，貴州省實施了飛播牧草、退耕還林還草、天然草地植被恢復(fù)與建設(shè)等工程［16］，對貴州省多年來的草地面積產(chǎn)生了較大影響。1979 年，畢節(jié)市威寧縣首次飛播牧草成功，貴州省林業(yè)廳《全省2001-2002 年退耕還林還草工程規(guī)劃》中首期實施1.33×104hm2陡坡耕地的退耕還林還草［29］，2000 年啟動了“黔西南州6.67×104hm2草地畜牧業(yè)建設(shè)項目”，2003 年底，貴州人工種草面積22×104hm2［18］。研究結(jié)果亦表明貴州省草地面積在1980-2000 年間持續(xù)增加，特別是在1995-2000 年草地面積增長幅度較大（增加553.51 km2）。但草地面積在2000-2015 年間下降，尤其在2000-2005 年間草地面積減少1438.87 km2，草地面積減少的原因與貴州省喀斯特地區(qū)的自然和人為因素有關(guān)。一方面，喀斯特地區(qū)雖然降水豐富，但由于其獨特的二元結(jié)構(gòu)，地表不易儲水，可利用性低，季節(jié)性干旱發(fā)生植被易受影響［30］，其次，石漠化條件下的草地生長環(huán)境惡劣，退耕還林還草后草地易發(fā)生退化。另一方面，畜牧業(yè)在貴州省農(nóng)業(yè)結(jié)構(gòu)中占比34.6%，是貴州省重要農(nóng)業(yè)產(chǎn)業(yè)［31］，草地過度放牧現(xiàn)象普遍，畜牧超載后造成草畜失衡，草地壓力增加［32］。為平衡生態(tài)效益與經(jīng)濟效益，貴州省開展了退化草原生態(tài)修復(fù)、退牧還草、種草養(yǎng)畜科技扶貧開發(fā)等工程［20］，且石漠化綜合治理工程、新一輪退耕還林還草工程的實施也遏制了草地退化。2011 年底，貴州省石漠化綜合治理試點工程草地建設(shè)面積4×104hm2以上［33］，至2018 年，全省完成草地建設(shè)9.72×104hm2［34］，2020 年修復(fù)退化草原生態(tài)382.26 hm2［35］。因此，研究表明草地面積在2005 年以后減少幅度下降，并在2015-2020 年間增加1492.91 km2。

自然環(huán)境和人類活動對草地的生長有巨大影響［36］，地理探測器結(jié)果表明自然環(huán)境對草地空間分布的影響更大，這與其他研究植被覆蓋變化及其驅(qū)動力的結(jié)論是一致的，即植被對環(huán)境變化更為敏感［37-38］。本研究中海拔對草地空間分布格局起主導(dǎo)作用，其次是溫度，這是因為貴州山地特性顯著，海拔垂直空間變異性較大，海拔高度對氣溫的負相關(guān)影響是最主要的，甚至大于緯度對氣溫變化梯度的影響［39］，且不同的地貌單元上降水空間差異顯著，與海拔呈負相關(guān)［40］，因此海拔對水熱再分配作用是決定草地空間異質(zhì)性形成的關(guān)鍵。以往研究表明貴州99%以上的天然草地由森林破壞后形成，草地群落不穩(wěn)定，易向草-灌-林正反兩方向演替變化［41］，在貴州省南部地區(qū)，大部分區(qū)域海拔在1500 m 以下，溫度適宜，降水豐富，一年生與多年生草本生長速度快，草地表現(xiàn)出高-高聚集的空間自相關(guān)性，在該條件下草地易發(fā)生正向演替，在貴州省西部地區(qū)，海拔在2200 m 以上的高原山地，溫度和降水相對較低，正向演替速度緩慢，草地演變?yōu)橄鄬Ψ€(wěn)定的次生偏途頂級群落，不能恢復(fù)成森林［42］，風(fēng)險探測結(jié)果亦表明草地集中區(qū)分布在該區(qū)域。因此，貴州省草地形成西部與南部高，東部與北部低的總體空間格局。

海拔與牧業(yè)產(chǎn)值、GDP、人口密度均具有較強的交互作用，在海拔主導(dǎo)草地總體分布格局下，區(qū)域間社會經(jīng)濟因素的不同和變化對草地局部空間分布格局的演變產(chǎn)生影響。例如，貴州省南部中海拔地區(qū)水熱資源豐富，可利用天然草地面積大，西部高原山地的海拔優(yōu)勢為多層次、季節(jié)性牧草提供生長條件，兩地區(qū)畜牧業(yè)發(fā)展較好［43］。而畜牧產(chǎn)業(yè)的發(fā)展增加了對草地資源的需求，種草養(yǎng)畜后，六盤水市、安順市、畢節(jié)市、黔西南州等多地草地面積增加。但同時放牧強度增加，極大地影響了植物群落聚集，引起草地斑塊破碎［44］，加上草地群落不穩(wěn)定，這些地區(qū)高-高聚集類型下降，空間自相關(guān)性降低。其次，南部與西部地區(qū)由于人口密度的增加，人為干擾增強，如2015-2020 年間，較大面積草地轉(zhuǎn)化為耕地和建設(shè)用地，墾殖、城鎮(zhèn)化、道路建設(shè)等各種人類活動不斷被引入和疊加引起草地景觀破碎度增加［45］。可見，草地總體分布格局在海拔的主導(dǎo)作用下，人類活動引起局部草地分布空間格局的變化，加強人為干預(yù)能力，整合草地斑塊，使草地景觀形狀更規(guī)則可以降低將來的維護成本。

通過土地利用數(shù)據(jù)集提取得到貴州省1980-2020 年的草地面積，數(shù)據(jù)集為保證遙感影像解譯精度，在解譯中參考草地圖和植被圖、注意土地利用類型分布的地帶性規(guī)律、注意地貌類型對土地利用類型的控制作用、關(guān)注重點土地利用類型的變化（如西部地區(qū)草地退化）等原則。解譯精度標(biāo)準要求耕地、城市及農(nóng)村居民點的數(shù)據(jù)采集，正確率不低于95%，草地、林地、水域等正確率不低于90%，未利用土地正確率不低于85%。這些原則和精度要求盡可能避免了錯分漏分現(xiàn)象，數(shù)據(jù)在一些研究中得到了使用和驗證［46-47］。經(jīng)研究統(tǒng)計，貴州省各時期草地面積占全省總面積的16.75%～18.08%，該結(jié)果與通過遙感影像估算［21］（草地占全省總面積17.71%）或建立植被指數(shù)與降水相關(guān)關(guān)系［48］（草地占全省總面積17.99%）得到的結(jié)果接近，但低于早期遙感調(diào)查數(shù)據(jù)的結(jié)果［19-20，43］，高于貴州省第二次土地調(diào)查結(jié)果（草地面積163.13 萬hm2，占全省總面積9.26%）。草地面積有所不同一方面是受遙感影像空間分辨率影響，像元內(nèi)部為多種地物的混合，以像元為單元反演地表特征存在混合像元影響分類精度的弊端［49］，例如，灌草區(qū)混合像元可能會導(dǎo)致模棱兩可的邊緣分類結(jié)果；其次，貴州省草地分布受地形影響，草地斑塊破碎，面積較小，在30 m 空間分辨率下可能會忽略面積較小的草地斑塊導(dǎo)致草地面積低估。另一方面，遙感影像的時間分辨率也會對地表信息提取產(chǎn)生影響，植物生長季節(jié)農(nóng)牧交錯帶相似的光譜信息會導(dǎo)致草地與農(nóng)田的誤判。植物生長發(fā)育過程中的物候及動態(tài)特征是遙感植被信息提取的重要依據(jù)［50］，在今后應(yīng)用時序數(shù)據(jù)的物候特征提取草地信息可以進一步排除其他地類干擾，提高分類精度［51］。雖然受影像時空分辨率影響，提取得到的草地面積有所不同，但本研究中草地總體空間分布格局與之前研究一致［41］，關(guān)于草地格局時空演變特征及其驅(qū)動機制分析的結(jié)果仍可為研究區(qū)后續(xù)的草地生態(tài)建設(shè)提供有意義的參考。在未來的研究中，可以使用多元多時相的高分辨率高光譜影像，充分利用影像的形狀、紋理信息，構(gòu)建更加精確的分類模型，實現(xiàn)更高精度的草地信息提取。

4 結(jié)論

1）貴州省草地面積在1980-2020 年間波動變化，至2020 年，草地面積為310.05×102km2，相比于1980 年減少了176.88 km2。草地變化在西部和南部地區(qū)較為明顯，草地總體分布格局呈現(xiàn)出“西部與南部高，東部與北部低”的特征。

2）從1980-2020 年，草地景觀破碎程度增加，聚合度降低，形狀趨于復(fù)雜，相比于市州尺度，區(qū)縣尺度的草地景觀更破碎、分散，但形狀更規(guī)則，以區(qū)縣規(guī)模作為治理單元可以有效降低草地斑塊破碎程度，減少維護成本。

3）草地全局Moran’sI指數(shù)從1980 年的0.290 下降至2020 年的0.280，全局空間自相關(guān)性減弱。局部自相關(guān)存在高-高聚集和低-高聚集的空間聚類現(xiàn)象，集中在畢節(jié)市、黔西南州、六盤水市等西部與南部地區(qū)。

4）草地空間分布格局主要受自然因素的影響，其中海拔是主導(dǎo)因子，解釋力最高，為0.429。雙因子的交互作用增強了草地空間分布格局的解釋力，海拔與牧業(yè)產(chǎn)值、年平均氣溫、人口密度、GDP 均存在較強的交互作用，解釋力最高分別為0.758、0.744、0.714、0.698。在海拔主導(dǎo)的草地總體分布格局下，區(qū)域間社會經(jīng)濟因素的不同和變化會顯著影響草地空間分布格局的演變。同時，平衡生態(tài)效益與經(jīng)濟效益的地區(qū)政策對貴州省草地空間分布格局的演變起重要導(dǎo)向作用。