内蒙古中部植被覆盖时空变化及影响因素

吕泽民 武耀星 朱杰 孙帅 徐帅 张鸿翎

(内蒙古农业大学,呼和浩特,010019)

草地生态系统是我国最大的生态系统，也是世界陆地生态系统中重要的组成部分[1]。我国北方地区，尤其是内蒙古自治区内草原面积辽阔。一方面，人类间接利用草地发展肉类、奶类等畜牧业产品[2];另一方面，处于内蒙古的草原植被具有防风固沙、涵养水源、调节气候、保持水土、维持生态系统平衡等多方面作用[3]。内蒙古中部处于西部荒漠与东北部大兴安岭森林过渡地带，而且农牧交错穿插，生态环境脆弱[4]，是全球变化最为敏感的区域之一[5]，也是中国北方温带草原的主体，对中国生态环境的保护和改善发挥着不可替代的作用[6]。近年来，在气候和人类活动的双重作用下，内蒙古资源环境问题日益突出，引起许多学者的重视[7-10]。

植被是陆地生态系统到中重要的组成部分，在气候调节，维持生态系统稳定等方面发挥重要作用[11-12]。当前对于植被时空变化特征的研究主要集中于植被覆盖度。植被覆盖度是指某一区域植被(包括叶、茎等)投影面积与该地域面积之比[13]，是植物群落覆盖地表状况的综合量化指标，对生态、区域变化等都具有重要意义[14]。本文利用MODIS数据产品估算植被覆盖度及对内蒙古中部植被覆盖度的分布和时空变化进行分析，来对此区域的植被变化提出说明，并且也为农业、畜牧业等发展决策等提供理论依据。

1 研究区概况

研究区位于我国北部边陲内蒙古中部，即锡林郭勒盟、兴安盟、通辽市、赤峰市4个行政区。研究区总面积占内蒙古总面积的34.58%。此区域位于400 mm降水量线附近，因此处于干旱、半干旱气候向湿润、半湿润季风气候的过渡带。研究区整体地形呈西高东低，受温度和降水的影响，该区域植被表现为经向的空间分布特征，大致由西到东表现为荒漠草原、典型草原、森林草原(图1)。

图1 研究区范围

2 数据与方法

2.1 数据来源

遥感数据来自美国LAADS DAAC数据中心的MOD13Q1-MODIS中的16d250m归一化植被指数(NDVI)，时间为2010—2019年的生长季节(4—10月)。该产品是根据经过大气校正的双向表面反射率计算得出的，该反射率已针对水、云、气溶胶和云影进行了屏蔽。锡林郭勒盟、兴安盟、通辽市、赤峰市4个行政边界的矢量数据以及湖泊矢量数据。

2.2 研究方法

归一化植被指数是近红外NIR和可见红外波段RED的差值除以她们的总和，其中公式表示为:

(1)

NDVI具有较强的植被适应性，是当前植被动态变化研究领域应用最为广泛的植被指数。

本研究直接采用MODIS数据产品集成的NDVI数据，获取LAADS DAAC数据中心的2010—2019年生长季共360景遥感影像文件。通过MRT工具进行投影坐标转换、影像拼接，将其设置为UTM,WGS84 50N坐标。研究中，由于气候原因导致每年最大植被覆盖度不在同一时间，因此通过Arc Map合成年最大值以代表植被生长的最好情况。根据李苗苗等[15]改进的估算植被覆盖度模型像元二分模型：

(2)

式中：N为研究区内的NDVI值；Nsoil为完全是裸土或无植被覆盖区域的NDVI值，本文选取5%置信下限为Nsoil；Nveg则代表完全被指被所覆盖的像元的NDVI值，选取95%置信上限代表Nveg。

将结果用Arc GIS进行重分类，计算面积。根据水利部制定的《土壤侵蚀分类等级标准》以及结合内蒙古地区的实际情况，将植被覆盖度划分为1级：裸地[0,10%],2级：低覆盖度[10%,30%],3级：中低覆盖度[30%,45%],4级：中覆盖度[45%,60%],5级：高覆盖度[60%,100%]。

线性趋势法：通过逐年逐像元计算线性趋势来研究内蒙古中部NDVI的变化趋势[16]，计算公式如下。

(3)

式中：i为年，n=10，Yi表示每个像元第i年的NDVI值，S是每个像元NDVI变化的斜率。当S>0,表示该像元NDVI值呈增长趋势，当S<0时，表示该像元为减小趋势。

地理探测器是探测空间分异性，以及揭示其背后驱动力的一组统计学方法。地理探测器擅长分析类型量，对于类似本文所涉及的降水、气温等顺序量或间隔量，只要进行适当离散化，也可以借助地理探测器进行分析。本文所用到的为地理探测器的因子探测器、生态探测器和交互探测器[17]。

因子探测器探究因变量Y的空间分布异质性以及自变量X在多大程度上解释了这种空间分布异质性。本文中Y为内蒙古中部四区2010—2019年10 a平均NDVI值，其公式为：

(4)

(5)

ArcGIS软件可以实现多种方法的插值，但其缺陷是无法引入协变量来增加其插值精度。澳大利亚科学家Hutchinson基于薄盘样条理论编写了针对气候数据曲面拟合的专用软件ANUSLIN[18]。本研究中，对于研究要用到的气温、降水数据均利用ANUSPLIN软件引入高程协变量对研究区内38个气象站点的数据进行插值。

3 结果与分析

3.1 空间变化分析

在经过ArcGIS处理后，得到2010—2019年内蒙古中部年最大平均NDVI分布图。如图2所示，区域内NDVI平均值为0.546 9。依据中国科学院资源科学数据中心划分的生态区，将研究区划分为Ⅰ内蒙古高原中部草原化荒漠生态区、Ⅱ内蒙古高原中部-陇中荒漠草原生态区、Ⅲ内蒙古高原中东部典型草原生态区、Ⅳ大兴安岭中南部落叶阔叶林与草原生态区、Ⅴ东北平原西部草甸生态区、Ⅵ燕山-太行山山地落叶阔叶林生态区。其中，以燕山-太行山山地阔叶林生态区和大兴安岭中南部落叶阔叶林与草原生态区为最高，分别为0.817 6和0.725 6；其次，为东北平原西部草甸生态区和内蒙古高原中东部典型草原生态区；最低的是内蒙古高原中部-陇中荒漠草原生态区和内蒙古高原中部草原化荒漠生态区，为0.221 6和0.192 8。由此，可以看出内蒙古中部植被呈现经向地带性分布。2010—2019年，内蒙古中部植被覆盖总体呈上升趋势，变化率每10 a为0.014 3。其中，从生态区划上看，东北平原西部草甸生态区和大兴安岭中南部落叶阔叶林与草原生态区改善最为明显，分别每10 a为0.015 8和0.014 4,其次是内蒙古高原东部典型草原生态区和内蒙古高原中部-陇中荒漠草原生态区，每10 a为0.010 4和0.00 9。

图2 研究区内NDVI多年平均分布以及变化趋势

转移矩阵是同一研究区内，不同等级植被覆盖度之间在不同时间段内的相互转换关系，通常用二维表来反映不同植被覆盖度间相互转换情况。将2010和2019年的植被覆盖度在ArcGIS中进行叠加分析，再通过Excel2019数据透视表功能进行面积转移显示，得出同等级植被覆盖度之间的转换特征表。

如表1所示，转移矩阵详细的说明了研究区内不同覆盖度之间的转换过程。为直观反映2010—2019不同植被覆盖度面积转移状况，将2019年各个植被覆盖度分别看作100%。由此有以下结果：退化方向，2019年9.9%的裸地由2010年低植被覆盖度转换而来(1.12×106km2)，7.98%中低植被覆盖度变为低植被覆盖度(7.97×105km2)，9.11%中覆盖度由中低植被覆盖度转变而来(5.08×105km2)，9.64%高植被覆盖度转为中等植被覆盖度(5.80×105km2)；改善方向：2019年23.41%的低植被覆盖度由裸地发展而来(2.34×106km2)，5.71%的中低植被覆盖场地由裸地转换(3.18×105km2)，55.15%的中低植被覆盖度由低覆盖度转变(3.07×106km2)，22.04%中等植被覆盖度由低植被覆盖度转换而来(1.33×106km2)，32.57%中等植被覆盖度地由中低覆盖度转换而来(1.96×106km2)，11.18%高植被覆盖度由中等覆盖度发展而来(8.07×105km2)，27%高植被覆盖度由中等植被覆盖度发展而来(1.95×106km2)。总体说来，有3.21×106km2的场地退化，但有1.22×107km2朝更高级别的植被覆盖转化。即2010—2019年研究区内植被覆盖总体来看有增加趋势。

表1 2010—2019年归一化植被指数NDVI转移矩阵面积

3.2 气候类因素对植被覆盖空间分布的影响

3.2.1 气候类单因子对植被覆盖的影响

气候因子作为影响植物生长的主导因子，其对植被覆盖的分布有着极其重要的影响。为探究气候类因子对内蒙古中部植被覆盖的空间分布的影响，本文选取9类气候因子利用地理探测器分析，其中以6—8月降水量和3—5月降水量对植被覆盖的解释力最强，为0.71和0.62；年降水、气压、以及风速解释力中等为0.57、0.56、0.53；各个阶段的气温以及年平均气温和平均露点温度对植被覆盖的解释力最小(0.2～0.25)。

综合各个气候类因子，并结合植被覆盖的空间分布可以得知，3—5月降水量和6—8月降水量极大地影响植被覆盖，3—8月正值植物生长季，同时受限于温带大陆性气候干燥少雨的气候特点，因此可很好地解释植被覆盖。此外，研究区内气压与风速空间分布较为显著，所以也可以较好的解释植被覆盖。

3.2.2 气候类因素的交互作用

为探究2个气候因子共同作用下对植被覆盖空间分布的解释程度，因此对各个因子进行交互作用检测。其解释力表2所示。各个阶段降水与气温交互作用都会对植被覆盖解释有增强作用，且都为非线性增强，气压与各个阶段气温和降水、风速与各个阶段气温和降水都呈非线性增强作用。

由表2可知，气温虽然在单独解释植被覆盖方面的程度较小，但是与其他气候要素降水量、气压、风速的交互作用会对植被覆盖有较好的解释力。降水量单因素对植被覆盖有主导作用，在与其他条件交互时，更能增强对植被覆盖的解释力。即在充足的水分条件下，同时满足一定的气温、气压、风速条件，才会对植被覆盖有显著影响。

表2 2010—2019年研究区气候类因子交互作用解释力(q值)

3.3 非气候类因素对植被覆盖空间的影响

3.3.1 单因素对植被覆盖的影响

运用地理探测器对非气候类因素土地利用类型、植被类型、坡度、坡向、地面粗糙度、GDP、人口空间分布对内蒙古中部植被覆盖的影响程度。各因子的解释力大小依次为土地利用类型(0.559)、植被类型(0.524)、坡度(0.168)、地面粗糙度(0.162)、人口空间分布(0.121)、GDP(0.089)、坡向(0.003)。其中植被类型对植被覆盖的解释程度最高，坡度、地面粗糙度、人口密、GDP解释能力一般，坡向解释能力最弱(表3)。

结合NDVI空间分布图可知，土地利用类型、植被类型是解释力较高的非气候类因素。由于地形的南北与东西差异，气候也有明显的分异，位于内蒙古东部的大兴安岭中南部落叶阔叶林与森林草原生态区是大兴安岭兴安落叶松向阔叶林过度的类型区域，区域内分布有山地针叶林、落叶阔叶林、落叶小叶疏林、灌丛草甸，植被组合复杂，类型多样，所以植被覆盖程度较高。位于大兴安岭南段山地以东的东北平原西部草甸草原生态区，该区域地带性植被为温性典型草原、草甸草原；而位于大兴安岭南段山地以西是内蒙古高原中东部典型草原生态区，该区自然植被由东向西逐渐从大兴安岭落叶阔叶林过渡为草甸草原、典型草原。因此这两个区域植被覆盖要略低。依次向西的内蒙古高原中部-陇中荒漠草原生态区为典型的中温带大陆性气候，气候干旱，风大沙多。所以为适应该区域的气候，植被类型多为植被旱生化、灌丛化，主要分布有耐盐碱、耐干旱的半灌木、矮半灌木。因此其植被覆盖为研究区内最低。除此之外，其他非气候类因素都对内蒙古中部植被覆盖的解释力较弱。

3.3.2 非气候类因素的交互作用

对非气候类因素作交互探测和生态型探测，如表3,其结果表明，坡向和地面粗糙度、GDP、人口空间分布，坡度和植被类型、土地利用类型，植被类型和土地利用类型，GDP和人口空间分布有显著差异(Y)，其余因素之间均无显著差异，说明其余因素组合之间对植被覆盖的解释机理相似。在交互探测中，土地利用类型与植被类型、坡度、坡向、地面粗糙度、GDP、人口空间分布的q值分别为0.719、0.61、0.56、0.61、0.60、0.61，植被类型与坡度、坡向、地面粗糙度、GDP、人口空间分布的交互作用q值为0.578、0.527、0.568、0.571、0.569。土地利用类型、植被类型作为主导植被覆盖的因子，在与其他因素的共同作用下，对植被覆盖会作出更好的解释。GDP、人口密度与坡度、地面粗糙度的交互作用q值分别为0.31、0.30、0.34、0.32，解释能力比其各自单因子要强，其余单因素解释能力非常小，即使与其他因素共同作用，也不会有太大变化。

表3 2010—2019年研究区非气候类因子交互作用解释力(q值)

3.4 18种因子的交互作用

通过对18种气候类和非气候类因子的因子探测分析，结果如表4所示，对植被覆盖解释力由大到小依次为6—8月降水量、3—5月降水量、年降水量、气压、植被类型、风速、9—11月降水量、3—5月平均气温、年平均气温、9—11月平均气温、露点温度、6—8月平均气温、坡度、地面粗糙度，人口空间分布、GDP、坡向。总体说来，气候类因素对植被覆盖的解释力要强于非气候类，而人类活动因素的解释力较低。

表4 2010—2019年研究区气候类和非气候类因子交互作用解释力

对所有气候和非其气候类因素作交互分析，结果如表4，气候类和非气候类要素交互作用均会增强解释力，且大部分为双因子增强，小部分属于非线性增强。其中以6—8月降水量和植被类型交互作用(0.81)的解释力为最大，因此，降水和植被类型作为主导植被覆盖的气候类和非气候类因素，它们之间的相互作用会对植被覆盖有更好的解释力。对于解释力较弱的气温和非气候因素，在与其他因素的交互作用下，解释力均会有不同程度的增强。

4 结论

根据MODIS单位MOD13Q1数据产品，监测2010—2019年时间段内锡林郭勒盟、兴安盟、通辽市、赤峰市4个区域内植被覆盖度的变化情况。结果显示：NDVI空间分布整体呈改善趋势，平均变化率每10 a为0.014。其中，从生态区上看，以东北平原西部草原生态区、大兴安岭中南部落叶阔叶林与森林草原生态区改善最为明显，分别为0.016、0.014；内蒙古高原中东部典型草原生态区、内蒙古中部—陇中荒漠化草原生态区改善较差，分别为0.010、0.009。总体看来，虽然研究区内有部分区域有3.21×106km2的场地发生退化，但有1.22×107km2的场地朝着植被覆盖更高的方向变化。

对于研究区内的植被覆盖空间分布异质性，选取18个气候类和非气候类的因素进行分析。其结果表明，降水是影响植被覆盖的主导性因素，这一结果与前人的研究结果吻合[19]，尤其是以6—8月降水量、3—5月降水量对于植被覆盖的解释力尤为明显。气压、风速影响植被覆盖的能力一般，而气温对于解释植被覆盖的能力最弱。非气候类因素中，土地利用类型、植被类型是解释植被覆盖的主导因素。坡度对植被覆盖的影响明显要高于坡向。其他非气候类因素如坡度、坡向、地面粗糙度、GDP、人口空间分布解释力较弱，只有在与气候类以及植被类型交互作用下其解释力才会显现。由于内蒙古地广人稀，人口空间分布相对较低，所以GDP和人口空间分布在区域中的解释力要较弱[20]。

总体说来，对内蒙古中部植被覆盖的影响，气候类因素大于非气候类因素。当两个因素交互作用时，其解释能力会更强。在未来面对农牧业经济大力发展的同时，人类社会经济因素会对植被覆盖产生更明显的影响[21]。因此，需要针对不同区域自然与社会经济条件，因地制宜加大生态保护力度，支撑自然科学资源的科学利用，实现农牧业可持续发展。

5 讨论

本研究基于2010—2019年内蒙古中部植被覆盖变化以及空间分布进行分析。对于植被覆盖的空间分布异质性，选取气候类和非气候类因素利用地理探测器进行驱动力分析。在研究气候因素对植被覆盖的影响时，将降水和气温分为3—5月、6—8月、9—11月3个阶段，可以具体知道在那个阶段的影响最大，其中6—8月、3—5月降水量比年降水量对植被覆盖有更强的解释力。因此，在今后的研究中可以选取各个阶段的气候数据，解释力会更强。此外，由于考虑到地形因素对降水、气温的影响，本研究对研究区内的38个气象站点采用薄盘样条法，引入高程协变量对气温、降水进行插值，大大提高插值数据的准确程度。同时，在今后的研究中可以加入更多的协变量来提高插值精度。

同时，在对植被覆盖进行分析时，只分析了多年平均NDVI值和气象数据以及非气象数据，这在一定程度上只解释了植被覆盖在空间上的分布，只是一个静态的分析，应该更多利用地理探测器分析动态过程，而不是仅仅停留于静态过程。在地理探测器分析过程中，由于其支持的栅格采样数据仅为32 767个，导致在采样过程必须设置较大的分辨率，本研究用4 km×4 km，这样就导致采样精度降低，在后期进行解释力分析时会产生较大的误差。在今后的研究中，可以采用分块进行分析。