乌蒙山区NDVI时空演变及驱动力研究

赵银兵， 王涵玉， 李 丹， 李紫苏

(1.成都理工大学 旅游与城乡规划学院，四川 成都 610059;2.成都理工大学 地球科学学院，四川 成都 610059)

在全球气候变化及其区域响应、区域人地耦合作用日益复杂的背景下，陆地生态系统变化对环境产生的影响日益显著[1-2]。植被作为陆地地表生态系统的核心组成部分，是联结大气、水体和土壤的重要纽带，研究植被环境的时空变化特征及驱动机制，有助于厘清自然和人为因素与植被之间的耦合作用，便于模拟和预测区域植被环境的发展趋势[3]。前人研究显示，自然和人为驱动要素的改变在影响植被生长发育以及生理生化作用时存在空间异质性[4-5]。因此，揭示植被活动与驱动因子变化的空间非平稳关系及其响应格局，可为应对气候及人类活动变化、改善区域植被覆盖状况提供理论依据[6]。

归一化植被指数(NDVI)能有效反映植被生长状况，前人基于NDVI数据采用回归分析[3]、相关性分析[7]、因子分析[8]和Granger因果检验[9]等研究方法对全球[10]和区域[11-12]等不同尺度的植被演变进行研究。在植被演变驱动要素与机制的研究方面，针对气候类因子驱动机制主要研讨了植被覆盖动态变化与气候因子的响应机制[13-15]和相互的多尺度关系[16]，对地形类因子的探讨大多集中在植被变化与地形的相关效应上[17-18]，对人类活动因子影响机制方面的探讨相对较少，更鲜有对各类驱动因子的综合比较[19]。综合已有研究发现，气候类因素中，普遍认为气温、降水对NDVI变化的影响最为显著[20]；高程、坡度也较其他地形因子影响更强；人类活动因素分析主要包括城镇建设、生态工程、森林破坏等[21-22]。以上研究主要通过相关性分析和统计回归解释NDVI与各类驱动因子总体的相互关系，但在区域差异背景下这种相关性具有空间非平稳性。通过空间统计分析方法揭示区域性驱动因子及NDVI变化动态响应机制、从局部拟合角度分析NDVI与驱动因子变化关系的空间非平稳性等研究工作仍有待推进。

地理加权回归(GWR)方法通过计算回归模型的局部参数，能够优化模型的拟合效果，更好地反映NDVI与驱动因子关系的空间非平稳性[23-25]。乌蒙山地区处三省交界，区内自然地理环境、社会经济发展差异显著，为揭示其NDVI与驱动因素关系的空间非平稳性和尺度依存性，基于2000—2015年乌蒙山区MODIS NDVI数据，分析该地区植被覆盖的时空分布特征，在此基础上运用GWR模型，从区域局部角度拟合NDVI与各类驱动因素的相互关系，探究NDVI对驱动因素的时空反应机制。喀斯特石漠化日趋严重的背景下，探寻该地植被时空变化规律，对乌蒙山地区植被恢复具有重要意义，期望为老少边穷地区经济高质量发展和生态环境治理提供科学依据。

一 研究区概况

乌蒙山地区地处中国西南部喀斯特地貌区，行政区划涵盖四川、云南、贵州三省交界地区的38个县(市、区)，东西横跨约388km，南北长约499.5km，总面积约11×104km2。地处三省交界，位于四川盆地和云贵高原的过渡地带，喀斯特地貌发育，其地质构造复杂，呈典型的高原山地构造地形，生态环境脆弱[26]。属中亚热带高原季风湿润性气候、亚热带湿润季风气候、低纬山地季风气候、暖温带湿润季风气候，雨热同季，干、湿季明显，无霜期长。由于区内自然地理环境复杂、社会经济发展相对落后，乌蒙山区人地矛盾突出、资源与环境问题频发，作为全国最大连片贫困带之一，其贫困成因受到气候地形等诸多要素的影响[27]，面临生态与经济的双重贫困。

图1 研究区位置示意

二 数据与方法

(一)数据来源与处理

本文使用的NDVI数据是搭载在EOS/Terra卫星上的中分辨率成像光谱仪(MODIS)，来源于美国国家宇航局(NASA)。2000—2015年的MODIS-NDVI逐月产品数据从地理空间数据云(http://www.gscloud.cn)下载，产品类型为MOD13A1，空间分辨率为500m，通过邻近月份数据插补个别缺失月份的数据，应用Savitzky-Golay滤波方法消除异常数据影响，采用年最大值法合成逐年NDVI数据。

本文研究还涉及其他自然和非自然因素数据。高程数据为GDEMDEM 30M产品数据，来源于地理空间数据云平台(http://www.gscloud.cn/)。降水、气温和夜间灯光(表征人类活动影响)3种数据均来源于中国科学院地理科学与资源研究所(http://www.resdc.cn/)，空间分辨率1km。为综合分析需要，对这五种数据进行投影转换，使之与NDVI数据保持一致。

(二)研究方法

1.NDVI变化趋势检测

运用一元线性回归分析，分析植被指数在时间尺度的变化率。回归方程斜率(θslope)代表监测时段内植被指数的变化趋势。该方法可反映研究时间测度内植被变化趋势的空间分布特征，其计算公式如下：

(1)

式中：n表示时间序列的长度；i表示第i年；NDVIi表示第i年的NDVI值。θslope>0，代表该像元内植被趋于改善，数值越大表明改善效果越显著。反之，则表明该像元内植被越趋于退化[18]。

NDVI变化趋势的显著性采用t检验方法检查NDVI的突变，其计算公式如下：

(2)

2.地理加权回归分析

地理加权回归作为一种空间分析技术，通过建立空间范围内每个点处的局部回归方程，探究研究对象在某一尺度下的空间变化及相关驱动因素。由于它考虑到了空间对象的局部效应，因此其优势是具有更高的准确性，还可用于对未来结果的预测。其模型如下：

(3)

式中：βk指局部系数；(ui，vi)为地理位置；xk，i为局部因素；εi指的是服从均值为零的独立正态分布误差。计算结果能很好地反映出各因子对NDVI变化的影响强度。回归系数绝对值越大，该因素对植被变化的影响越大，反之，越小；回归系数为正，代表驱动因子与NDVI呈正相关关系，反之为负相关关系；回归系数等于0，两者没有关系[22]。

由于气温、降水、灯光数据与NDVI数据同样存在明显的时空变化，计算其变率，并对结果进行分级、重分类，最后将所有数据重采样为2.5km分辨率，便于进行GWR运算。运用GWR模型对处理后的各因子数据与年均NDVI变化进行回归计算。对GWR计算的各个因子估计值结果进行空间插值，生成栅格数据面，用以评价局域回归效果。

三 结果分析

(一)NDVI时空演变特征

在2000—2015年间，研究区植被总体呈增长趋势，年均NDVI增长速率为0.007 1/yr。其中，2000年的NDVI年均值最低，2013年的NDVI年均值最高，2000—2002年、2005—2007年、2012—2013年这3个时段增长较快，2013—2015年有明显下降，2007—2009年变化较为平稳(图2)。结果与童晓伟等[10]及蒙吉军等[29]的研究一致。由于研究区植被覆盖的空间分布受自然条件和人类活动的共同作用，年均NDVI呈现出较明显的空间分异，呈现“北部、西南部高，中部低”的空间格局(图3)。从16年的均值看来，NDVI值在0～0.845 4之间波动，3.63%的地区NDVI值>0.75，主要分布在区内高程较低的北部叙永、赤水等地区，以及研究区西南部的武定、禄劝地区；而在中部的威宁、昭通，西南部的曲靖等地区NDVI值<0.45，面积占比0.63%。

图2 年均NDVI与年平均气温、年降水量、夜间灯光强度变化

进一步根据NDVI变率分级结果可知，NDVI改善区面积占区域面积96.62%，其中极显著改善区占68%，主要分布在中部及西部地区；显著改善区占12.28%、不显著改善区占16.34%，主要集中分布在北部、东北部及西南部地区；3.38%的区域出现不显著退化的情况，主要在古蔺、赤水地区及雷波、马边一带；几乎不存在显著或极显著退化的区域(图4～图5)。部分结果与黄林峰等在赤水河流域[30]及王志红在威宁地区[31]的相关研究一致。近年来，该地区的生态建设工程已带来了一些生态效益。

图3 NDVI空间分布

图4 NDVI变率

图5 NDVI变化显著性分级

(二)NDVI变化影响因素分析

前人对于NDVI的驱动力研究大多集中在植被覆盖与气象因子的响应上[29-30]，有部分学者在研究气候因子对于NDVI变化影响的同时，也考虑到植被变化是人类活动与气候变化共同作用的结果[32-34]。乌蒙山区地形梯度较大，对植被变化具有不可忽视的影响。因此，本文参照前人研究经验，选取气候(气温、降水)、地形(高程、坡度)、人口5个重要的影响因子开展后续研究。通过计算结果可知总体上气温对NDVI的影响最大，系数为0.239 3，其次为高程(0.126 7)、坡度(-0.101 6)、人类活动(-0.030 1)、降水(-0.010 8)。其中，气温、高程与NDVI的变化呈正相关关系，而坡度、灯光、降水与NDVI变化呈负相关关系。

1.气候因子影响分析

在2000—2015年，乌蒙山地区年平均气温和年均降水量均呈现周期性波动变化，且具有明显的空间分异特征。在研究年限内，年平均气温在10.5℃～11.5℃内波动变化，气温年变率为0.005 5℃/yr，呈不显著上升趋势，这与王静等对2000—2010年南方丘陵地带温度变化趋势拟合结果相似[35]。空间上，研究区绝大部分地区年平均气温呈上升趋势，仅8%的区域年平均气温呈下降趋势，主要分布在研究区东北部赤水、习水等地；4%的地区年平均气温上升趋势较为显著，主要分布在西南部的禄劝、武定等地。研究时间测度内除2009年、2011年年均降水量低于1 000mm外，均降水丰沛，降水的年际变化呈轻微上升趋势，年变率约为0.557mm/yr。从空间上看，研究区70%的地区降水呈下降趋势，降水呈增加趋势的地区主要位于研究区中部，从盐津等地到巧家等地呈东北—西南向带状分布。结果说明研究区气候变化总体不显著，但中部气候呈湿热趋势，东北部呈干冷趋势，其余地区气候变化呈现干热趋势，且干热趋势在西南部最为显著。

气温在一定程度上是决定植被生长的最主要因素[14, 29]，根据GWR结果，气温因子与植被的变化总体呈正相关关系，且在研究区东北部、西北部，尤其是威信、镇雄等地表现出更强相关性，在西南部的禄劝、武定等地周围其相关性相对更差(图6b)。西北部大凉山地区的越西、美姑等地年平均气温最低(图6a)，但气温改善情况并不显著，由于该地主要分布草灌丛、针叶林植被，低温环境会直接减缓光合作用速率，同时降低土壤温度间接抑制植物生长发育，因此其NDVI的年变率呈较显著负增长。山区的东北部桐梓、古蔺、习水等地年平均气温较高，但其温度呈下降趋势，致使植被受热量条件退化影响呈现罕有的退化趋势。在研究区西南部植被同样出现退化情况，是由于该地区气温上升趋势较为显著，且该地本身气温较高，过高的温度条件会导致该地区蒸发更加旺盛，不利于植被恢复。

图6 2000—2015年均气温均值图及GWR计算的气温回归系数

降水通过补充土壤中水含量来影响植被的生长状况，土壤含水量较高，植被生长发育能摄取更充足的水分，植被发育的NDVI指数更高。GWR结果表明，降水因子在中部的彝良、威宁等地与植被变化呈负相关关系，而在西北部的雷波、永善及西南部的禄劝周围区域与植被变化呈较显著的正相关关系(图7b)。山区西北部降水年际变化呈下降趋势，该地部分区域NDVI年际变化呈现出退化情况，推测是由于该区域降水量长期均较充沛(图7a)，土壤含水量保持在较高水平，为植被提供的水量也接近或超出植被生长所需的最大分量，该区域的植被发育大致已达到饱和状态(图7a)，过于充足的降水反而影响植被根系发育[36]，从而降水量的减少对该区NDVI的变化甚至有略微的促进作用。而在中部等县，受高原山地背风坡地形影响降雨绝对值较少，NDVI因此处于较低水平，但该区域降水年际变化却处于较高水平的增长，因此NDVI改善较快，这是由于降水量的增加在短时间内增加了土壤含水量，促进植被的改善。

图7 2000—2015年均降水均值图及GWR计算的降水回归系数

2.地形因子影响分析

地形因子包括高程、坡度、坡向、地形起伏等，其作用主要是通过对热量、太阳光照等条件来对植被的生长状况和分布规律产生间接影响，并且存在一定的空间分异性[37]。乌蒙山区位于四川盆地向云贵高原和滇东高原向黔中山原丘陵的过渡地带，其地形条件复杂多样[38]。

高程对植被生长的影响主要体现在山地水热条件的差异上[39]，不同的高程具有不同的温度、湿度、太阳辐射、风速、人类活动强度等，对地区的植被生长产生影响。据GWR计算结果显示，高程因子在毕节、大方等地与植被变化呈较显著的正相关关系，在眉山、普格等地与植被变化呈负相关关系(图8b)。就本区域而言，在不同的高程上，NDVI大致呈现增长状态，在低于1 400 m的地区人口分布较密集，如区域北部、东部的雷波、赤水、习水等地，人类活动较频繁，一定程度上抑制了植被的改善状况，植被增长速度较慢[38]；而在高程为1 600 m～3 000 m的地带，由于地形的作用，有较好的水热组合条件且人类活动强度减弱，因此该地带植被改善最为迅速，具体体现在区域中部的赫章、威宁等地周围；而高程在3 500 m以上的地区气候条件更为恶劣，水热组合难以满足植被生长要求，主要体现在西北部凉山地区的美姑、越西等县，该地区植被改善速率较慢。大方、毕节、黔西三地高程大部分在1 400 m～2 000 m(图8a)，在这个高程区间内人口、气候的作用较小，故此处高程在模型中的运用较好。

图8 乌蒙山地区高程图及GWR计算的高程回归系数

坡度作为另一个重要的地形因子，使土壤受侵蚀程度的产生梯度。坡度的平峭会影响水土的保留，水土的多少会直接影响地表植物的种类与多少。在研究区，坡度因子在威宁等地与植被变化呈较强的正相关关系，在越西、美姑等地与植被变化呈负相关关系(图9b)。坡度对NDVI变化的影响强度相较于高程要小得多，但同样具有一定的规律性。一定的坡度(5°～10°)能提供足够的水分与土壤肥力或利于排除积水，这能促进植被生长；而坡度过于平缓人类活动通常会更聚集，可能对植被改善形成制约；在坡度>10°的区域，植被的改善速率会随坡度增加而减慢，尤其在超过30°～40°后植被改善速率骤减，这是由于水流速度和水量一定时，坡度越大，土壤流失越多，越不利于植被生长。该结果与刘梁美子等人的研究成果相似[18]。由于美姑、马边交界带位于大凉山地形区，处于较大的坡度落差上(图9a)，坡度上的差异带来了气候、人类活动强度的巨大差异，故模型中坡度因子在此处影响较大；而中部威宁等地由于地形相对平坦(图9a)，人口分布过密，坡度因子在此地影响受到干扰。

3.人类活动因子影响分析

DMSP/OLS夜间灯光数据被国内外学者广泛应用于表征人类活动强度及其生态环境影响的诸多研究中[40-41]。研究区2000—2013年的人类活动强度整体呈上升趋势，2000—2007年研究区人类活动强度和NDVI值呈正相关，2008—2011年研究区人类活动因子和NDVI值呈负相关。分析其原因主要是这期间乌蒙山区实行退耕还林生态工程，受人类生态工程建设的影响，植被覆盖度有所提升，而2008年已经是退耕还林生态工程的后期，NDVI值的波动幅度较小，整体态势趋于平稳。2012—2013年NDVI年均值波动幅度较大，但人类活动强度变化比较平稳，可能是受其他因素驱动。

图9 乌蒙山地区坡度图及GWR计算的坡度回归系数

结合年均NDVI变化与2000—2013年夜间灯光变率，对比分析得出人类活动强度越大的地区，植被退化情况越明显；反之，植被越趋于改善。据GWR结果，人类活动因子在越西、喜德等地与植被变化呈正相关关系，在纳雍、织金两地与植被变化呈较强的负相关关系(图10b)。织金、纳雍地形地势较为平坦，坡度起伏小，利于人类生存和城市发展扩张，人口大量集聚会一定程度上破坏城市周边的植被。织金—纳雍煤田在贵州省地位较为重要[42]，纳雍水东—织金五指山地区的铅锌矿床，目前是贵州最大的铅锌矿床所在区域，是川滇黔铅锌成矿带的组成部分，该区域矿产资源富集，矿产资源的开采导致该区域地表植被的破坏进一步加重，NDVI值随之降低。越西、喜德、美姑均位于大凉山地形区，高程较高，地形坡度起伏较大，人类活动较少，该区域的植被覆盖变化和自然因子的相关性更强，人类活动因子在该区域的解释效果较差(图10a)。

从研究区总体上看，气温、高程与年均NDVI变化呈正相关关系，坡度、人类活动、降水与年均NDVI变化呈负相关关系；对NDVI影响最为显著的是温度因子，人口与降水对NDVI的影响最微弱。最主要是由于研究区大部分地区高程高于1 000 m，本身温度相对较低，热量作为植被生长的必要条件，在此地产生限制作用，气温条件因此尤为重要[40, 43]。加上季风影响，一些地区本身降水充足，过多的降水会对植被根系造成胁迫，反而具有一定坡度利于排水，更适于植被根系发育[36]。同时，人口作为一个相对而言容易调控的驱动因子，与年均NDVI变化的负相关性最强，人口过度增长、人类活动日趋剧烈以及城乡经济快速发展都可能会给区域生态环境带来极大影响[44]，尤其在生态脆弱区域。

NDVI下降现象主要集中体现在区域东北部的习水、赤水等地、西北部雷波周围、西南部部分区域和中部的昭通市。根据GWR局部拟合结果，分析主要植被退化区域的原因，不同区域植被下降的具体情况呈较明显的空间分异。研究区东北部，降水、高程与植被变化呈负相关关系，气温、人类活动变化与植被变化呈正相关关系，坡度因子在此处的影响微弱。其气候条件呈现湿冷、干冷的变化趋势，降水的适度减少有利于该地植被生长，但是其由于气温呈下降趋势，热量、辐射等条件在退化，这直接影响该地区植被的生长。研究区西北部，除坡度及人类活动因子外其余因子均与植被变化呈正相关关系，其中降水和坡度因子较为显著。该地气候变化不显著，但由于本身降水比较丰富，加上巨大的地形梯度产生负影响，导致该地植被呈现退化趋势。研究区西南部，降水、坡度因子与植被变化呈正相关关系，气温、高程、人类活动因子与植被变化呈负相关关系。该地气候变化呈较为显著的干热趋势，在较高的气温环境下，气温的上升对植被生长会产生抑制效果，加上降水条件的退化会加剧气候环境的干热状态，致使植被呈现退化趋势。昭通市植被变化也呈退化趋势，主要是由于区内人口聚集速度较快，强烈的人类活动对植被的生长和空间分布造成了较为明显的影响。

四 NDVI变化应对策略

在气候环境变化、生态系统日益脆弱化背景下，需因地制宜地解决环境管理问题[45]。而生态治理需要综合考虑自然要素变化和人类活动之间的相互作用，积极应对自然环境的变化，适当采取人为调控措施[46]。在未来植被治理与恢复上，需针对植被改善区和植被退化区因地制宜地采用不同治理方法。

(一)植被改善区

植被改善区主要集中分布在研究区中部、东部。对于研究区中部区域，其本身植被覆盖度较低，但其植被呈较显著的改善，应该是近年来生态工程如退耕还林(还草)的实施取得成效，今后需加强对植被的监测，进一步提高该地区植被覆盖度，加速植被的恢复治理进程，促进生态环境持续优化。在研究区东部及其他分散的植被不显著改善区，未来应保持该地植被的稳定性。监测植被变化，优化种植结构；合理控制人类活动强度，有效控制城市和建成区的负面影响规模。

(二)植被退化区

研究区内植被退化区域主要分布在研究区东北部、西北部的雷波、马边等地、西南部地区和中部昭通市。这些地区均为历史植被覆盖较好的区域，植被易受驱动因子的影响，生态环境较为敏感，需继续推进生态保护、修复等工程，实施生态扶贫。

东北部植被退化区集中分布在叙永、赤水、古蔺、习水几地的交界处以及桐梓县。前者初始NDVI值较高，位于山脊地带，坡度相对较大，这对植被生长造成一定影响。近年来该地气候环境湿冷化发展，但植被却在有利环境下出现退化现象。这是由植被在趋于饱和状态下，当植被覆盖度达到一定程度后，外部要素的改善不再对植被变化产生相应的积极影响，植被反而可能出现退化现象[47]。这一地带植被治理应顺应植被的周期性变化，加强对植被的监测，预防周围环境的恶化对植被生长造成不利影响。而桐梓县本身的植被覆盖度并不过高，该区域气温条件一般且趋于退化，降水较饱和却不具利于排水的坡度条件，且近年来该区人类活动强度正在加大，这对植被改善存在较为明显的负影响。因此，这一地区可从人类活动调控方面进行植被治理，并实施退耕还林还草工程，这在一定程度上有助于区域生态的改善。

西北部山区出现的植被退化情况连片分布在雷波、马边等地。雷波地区初始NDVI覆盖度较马边地区更高，该地坡度、人类活动对植被变化产生较显著的负影响。该地区位于山脊地带、地形条件复杂，气温、降水的下降使气候条件更加恶劣。处于地震构造带[48]，岩性以灰岩、白云岩为主，土层较薄、土壤贫瘠，加上坡度的负向作用，易发生水土流失，导致土层崩塌、堆积，致使水土处于不稳定状态，从而该地植被近年出现退化趋势，生态环境恶性循环。在植被治理过程中尤其要注意陡坡地区的水土保持治理、避免水土流失；适当减少放牧，建立植被保护区，采取生态移民等措施。

西南部植被退化区分布较分散，面积较小，主要出现在城镇建设区及其周边。该地气温、人类活动对植被变化有负影响，降水在此处产生正影响。干热化的气候变化使当地干旱加剧，且该地岩性以紫红色、鲜红色砂岩、钙质泥岩、页岩、灰岩为主，形成的土层较薄、土壤贫瘠，不利于植被及农作物生长发育。加上这些地区近年来城镇发展迅速，城镇化(城市扩张)对城镇周边植被产生破坏，导致植被出现分散的点状退化区。该地区需要注意对人类活动进行科学有效的调控，增加农作物灌溉，改善作物生长条件。

昭通市中部偏南区域出现较明显的植被退化情况，其初始NDVI相对较低。该地坡度较小，降水呈增加趋势变化，人类活动强度较大且趋于增加。该地分布有大量的农田，采矿活动频繁，城镇建设面积不断扩张，但城区绿化面积并没得到有效的增加。该区域岩性主要为紫灰、黄灰色粘土夹钙质泥岩及含砾砂质粘土和白色粘土质灰岩，形成的土壤厚度较薄且保水性差，导致这类区域在降水减少时发生干旱，这不利于植被和农作物生长。因此该地在城市化发展中因注意提高城区绿化面积，对于采矿区要注意进行植被恢复治理，注意适当增加农作物灌溉，改善作物生长条件。

五 结论

基于MODIS NDVI遥感数据研究2000—2015年乌蒙山地区植被覆盖时空演变特征及驱动机制，得到以下结论：(1)在2000—2015年，研究区NDVI总体处于增长趋势，变率为0.007 1/yr，NDVI改善是区域空间分布的主体；(2)NDVI变化的5个驱动因子，除静态的高程和坡度因子外，气温、人类活动和降水总体呈微弱上升趋势，驱动因子按作用强弱排序为气温、高程、坡度、人类活动和降水；(3)从GWR的空间解析效果来看，驱动因子与植被变化的交互作用均较为显著的空间异质性，地理梯度是形成NDVI和解释因子空间分异的重要基础。鉴于乌蒙山区生态环境脆弱，同时该区肩负脱贫攻坚的历史使命，建议在植被改善区坚持自然因素变化的动态监测，重点加强植被退化区的人类活动调控，逐步实现这一特殊区域的可持续发展。

在研究植被覆盖度变化及其驱动机制中尚有以下方面需要加强，如收集时序更长的数据，加强人类活动影响的研究，改善各类数据的精度，在研究植被变化历史的基础上对其发展趋势进行模拟和预测研究。