自然因子对开都河流域植被NDVI 变化的地理探测

任立清， 陈 鹏， 杨 阳， 王 勇

（乌鲁木齐气象卫星地面站，新疆 乌鲁木齐 830011）

0 引言

植被作为监测生态环境变化指示器，在水土保持、水循环和气候变化方面具有重要作用[1-2]。归一化植被指数（以下简称植被NDVI）能够真实地反映地表植被覆盖状况，尤其是植被NDVI最大值能反映年度植被生长所达到的最佳状况[3-5]。许多研究已表明，基于遥感的植被指数在地表过程和全球变化研究中具有重要作用，开展区域及全球尺度的植被变化研究对认识自然因子变化与陆地生态系统的相互作用亦有重要意义[6]。

新疆维吾尔自治区（简称新疆）开都河地处我国西北干旱区，深居欧亚大陆中心、远离大洋的地理位置及复杂的地形地貌，共同作用形成了多样的生物群落，该区域是研究植被变化及其对自然因子响应的理想区域。 近年来，新疆气候出现明显暖湿化趋势，导致地区植被活动显著增强，引起学者对区域植被与气候变暖响应关系的广泛关注[7-8]。黄豪奔等[9]基于MODIS-NDVI 与CRU 数 据 集 中 气 候 数 据， 采 用Sen+Mannkendall、Hurst 指数及相关分析法，发现月尺度与季尺度上，植被NDVI与气候因子（降水、气温、极端气温、水汽压和潜在蒸散）呈正相关，其中降水因子在季尺度上的相关性高于月尺度。姜萍等[10]基于线性趋势分析、随机森林和地理探测器模型，分析认为2000—2018 年植被NDVI空间变化基本与水分因子呈正相关，与辐射量、海拔呈负相关，土壤湿度的解释力最高，与耕地面积和潜在蒸散发共同主导植被NDVI的时空格局。刘洋等[11]运用Theil-Sen median 与Mann-Kendall 检验研究新疆植被NDVI格局及趋势特征，并将检验的结果和Hurst 指数的结果相结合，研究发现，新疆大部分地区植被变化将保持现有的趋势，持续性改善的面积占全疆总面积的24.39%。李春娥等[12]利用植被降水利用率模型、线性趋势分析和皮尔逊相关法，发现在2000—2016 年对于干旱缺水的新疆大部分区域，降水对植被的长势具有积极的促进作用，开都河流域植被NDVI贡献度最大的植被类型是草地，在年际和月季尺度上，降水量对开都河流域草地类型呈现不同程度的正相关。然而，大多研究仅涵盖气温、降水两个气候因子，也未考虑地形、土壤等其他因子，以及各因子间的交互作用对植被变化的影响[13-14]。

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[15-16]。以统计学原理的空间方差分析为基础，该方法不仅能够判断气候、地形、地貌和土壤等多种因子对植被NDVI空间分布格局影响力的大小，并且可以量化不同因子及其交互作用对植被覆盖变化的影响力，已被广泛应用于植被NDVI驱动因子的探测研究[17-18]。本研究选取最大值合成法（MVC）得到2001—2020 年年际植被NDVI最大值图像，采用线性回归方法分析开都河流域植被覆盖时空分布和变化趋势，并基于地理探测器量化10 类自然因子及土地利用类型对植被覆盖时空变化的驱动作用。研究结果可为开都河流域生态环境修复政策提供有益参考。

1 研究区概况

开都河流域位于82.5°～87.0°E、42.0°～43.5°N，面积约2.584 万km2，流域在新疆和静县内。地势中间低、四周高，形成盆地。地貌复杂多样，以平原、中起伏山地为主，小起伏山地次之，丘陵、台地和大起伏山地较少。独特的地形条件使开都河流域气候差异较大，西部平原气候适宜，年均温度-2～-1 °C，年降水量247～423 mm；中部山地日照减少，年均温度-14～-9 °C，年降水量66～247 mm；东南部海拔较低，日照充足，水资源相对匮乏，年均温度4～6 °C，年降水量66～121 mm。土壤类型丰富，共有11 个土类，其中高山土占主体。开都河流域植被以草原、草甸和高山垫状植被为主，我国第2 大高山草原巴音布鲁克位于流域西部。

2 研究数据与方法

2.1 数据来源与预处理

选定年均温度、年降水量、≥10 °C 积温、潜在蒸散发、高程、坡度、坡向、植被类型、土壤类型、地貌类型和土地利用类型共11 个植被NDVI变化潜在影响因子，如图1 所示。植被NDVI数据来源于谷歌云计算平台，MOD13Q1 NDVI 的16 d 时间分辨率和250 m空间分辨率，采用最大值合成法（MVC）生成研究区2001—2020 年植被NDVI数据，能有效反映开都河流域植被覆盖的分布及其时空演变[19]。根据植被NDVI高低，结合新疆植被实际情况将数据分为5 个植被覆盖等级：低（≤0.1）、中低（0.1～0.3）、中（0.3～0.5）、中高（0.5～0.7）和高（＞0.7）[10]。

图1 因子分类Fig.1 Classifications of factors

气象数据来自中国科学院资源环境科学数据中心（http://www.resdc.cn/）发布的中国气候背景数据集，空间分辨率为500 m ×500 m。数字高程模型（Digital Elevation Model，DEM）是描述地表起伏形态特征的空间数据模型，DEM 数据选自地理空间数据云（http://www.gscloud.cn/）中GDEMV3 30 m 数据集，坡度、坡向由DEM 数据计算得到。潜在蒸散发（Potential Evaporation）来源于MOD16A2 第6 版复合数据集，空间分辨率为500 m[20]。其余数据空间分辨率为1 km，均来源于中国科学院资源环境科学数据中心（http://www.resdc.cn/）。

为满足精度要求，利用ArcGIS 10.7 对每个因子数据进行投影转换、掩膜、重分类和重采样等处理，最终统一像元大小为250 m；借助渔网工具，基于1 km ×1 km 的规则格网，最终生成23 646 个随机采样点。将采样点与开都河流域2001—2020 年以5 年为间隔的植被NDVI数据和11 个自然因子进行空间叠置，得到5 期植被NDVI和自然因子的空间关联数据。

2.2 研究方法

在本研究中，自变量X表示检测因子Xi（i= 1，2，…），因变量Y为植被NDVI。

2.2.1 自然因子分级

利用自然断点法将年均温、年降水量、≥10 °C积温、潜在蒸散发、高程和坡度等划分为8 类，将坡向划分为9 类；将植被类型、土壤类型、地貌类型和土地利用类型按照行业标准分别划分为8 类、11 类、6 类和6 类[21]。

2.2.2 线性回归分析

采用线性回归分析方法研究了2001—2020 年开都河流域植被NDVI的变化趋势[22-23]。计算公式为

式中n——监测时间段的年跨度，取时间跨度为2001—2020 年

YNDVI,i——第i年的植被NDVI，i=1 ～ 20

S——回归方程斜率，当S＞0 时，YNDVI,i随时间增加，区域植被覆盖呈上升趋势；S＜ 0 时，表明YNDVI,i随时间呈下降趋势。

2.2.3 地理探测器模型

地理探测器是探测空间分异性，揭示驱动因子影响力的一种空间统计方法，可用于定量数据和定性数据[16]。

2.2.3.1 因子探测器

通过因子探测计算自然因子对植被NDVI空间分布的影响，如表1 所示，因子探测q值越大，对植被NDVI的影响越大。计算模型为[24]

表1 探测因子Tab.1 Detection factors

式中h——植被NDVI属性或自然和人为因子X的分层，h= 1，…，L

Nh、N——h层和整个区域的单元数

σh2、σ2——h层和整个Y区域各值的方差

2.2.3.2 交互探测器

交互探测表示不同影响因子之间的交互作用[24]。它比较了单因素q值、双因素q值及两因素相互作用的总和，评估了因素X1和X2对因变量Y的解释力是增加还是减少，即主要比较q（X）、q（X1） +q（X2）与q（X1∩X2）。采用的评估方法如表2 所示。

表2 类型交互作用Tab.2 Interaction of types

2.2.3.3 风险探测器

风险探测通过计算两个自然因子子区域的植被NDVI平均值，进行统计显著性检验[24]。当植被NDVI平均值越大，该子区域越适合植被生长。风险探测用t统计量来检验

nh——h子区域内的样本个数

Var——方差[25]

2.2.3.4 生态探测器

生态探测用于比较自然因子在植被空间分布上是否存在显著差异，如确定因子X1和X2对植被NDVI空间分布的影响是否更大，用F统计量表示[16]。

3 结果分析

3.1 植被NDVI 动态变化

研究发现，开都河流域植被覆盖呈低覆盖向高覆盖的转变趋势，如图2 所示，西部草原区域和东南部的低覆盖未利用地均有明显改善。由表3 可知，2001年和2020 年中高和高植被覆盖区分别占开都河流域面积的31.89%、16.53%和33.29%、20.05%，中高和高植被覆盖区增加面积占比分别为1.549%和3.590%；2001 和2020 年低、中植被覆盖区均呈现面积减少趋势，下降面积占比分别为3.551%和1.481%；而中低植被覆盖区略微增长，占比为0.353%。明显改善区多为低山平原，气候湿润，水温条件适宜植被生长。另外，国家大力实施退耕还林还草工程，经过多年的治理，生态得到了有效恢复。

表3 2001—2020 年开都河流域植被NDVI 动态变化Tab.3 Dynamic changes of vegetation NDVI in Kaidu River Basin from 2001 to 2020

图2 2001 和2020 年开都河流域植被NDVI 空间格局Fig.2 Spatial pattern of vegetation NDVI in the Kaidu River Basin in 2001 and 2020

2001—2020 年植被NDVI具有明显的空间分异性，总体上呈现西高东低。巴音布鲁克等3 大草原植被覆盖较高，东南部植被覆盖高，中部山地海拔在3 800 m以上，多为高山垫状植被，植被覆盖度较低，如图2所示。研究期间植被覆盖变化以巴音郭楞乡、巴音乌鲁乡和克尔古提乡为主，其中植被NDVI增加区域主要分布在西部巴音布鲁克草原和东南部；植被NDVI显著减少区域主要集中在北部及东北部的克尔古提乡，如图3 所示。

图3 2001—2020 年开都河流域植被NDVI 空间变化趋势Fig.3 Change trend of vegetation NDVI in the Kaidu River Basin from 2001 to 2020

利用Arcgis 10.7 中统计工具计算2001—2020 年植被NDVI不同类别空间转移矩阵，如表4 所示。在此期间，植被NDVI的变化主要在0～0.1、0.7～1.0 范围表现出明显的转换。结果表明，低和中植被覆盖区覆盖面积显著减少，减少面积分别为1 035.43 km2和409 km2；中高和高植被覆盖区域覆盖面积显著增加，增加面积分别为381.39 km2和965.62 km2。

表4 2001—2020 年开都河流域植被NDVI 空间转移矩阵Tab.4 Spatial transfer matrix of vegetation NDVI in the Kaidu River Basin from 2001 to 2020单位：km2

3.2 因子影响力探测分析

因子探测器表示各自然因子对植被NDVI的影响，计算结果q值为植被NDVI的解释力。由表5 可知，2020 年自然因子的q值排序为高程（0.403 0）＞植被类型（0.353 5） ＞潜 在 蒸 散 发（ 0.260 6） ＞年 均 温（0.242 9）＞≥10 °C 积温（0.230 0）＞地貌类型（0.167 5）＞土壤类型（0.161 3）＞土地利用类型（0.137 9）＞坡度（0.122 3）＞年降水量（0.118 2）＞坡向（0.009 9）。

表5 2020 年自然因子的q 值Tab.5 q value of natural factor in2020

在11 类自然因子中，高程、植被类型、潜在蒸散发、年均温和≥10 °C 积温的q值均占23%以上。因此，高程是影响植被覆盖空间分异的主要驱动因子；除坡向外6 因子的q值均占11%以上，为次要影响因子。坡向对植被空间分布的影响不超过1%，对植被空间分布有间接影响。

2001—2020 年5 期数据结果表明，各因子q值呈现波动增加趋势，如图4 所示。其中潜在蒸散发、高程和土地利用类型的q值呈“↓↓↑↑”趋势，坡向q值呈“↓↓↑↓”趋势，植被类型q值呈“↑↓↑↑”趋势，其余6 因子皆为“↓↑↓↑”趋势。2001—2005 年，仅高程的q值增加；2005—2010 年，潜在蒸散发、高程、坡向、植被类型和土地利用类型q值减少外，其余6 因子q值增加；2010—2015 年，与前5 年变化相比，q值变化趋势显著，潜在蒸散发、高程、坡向、植被类型和土地利用类型q值增加外，其余6 因子q值减少；2015—2020 年，仅坡向q 值减少。

图4 2001—2020 年开都河流域自然因子q 值变化Fig.4 Q value changes of natural factors in Kaidu River Basin from 2001 to 2020

3.3 因子生态探测分析

由表6 可知，土壤类型（X5）与年均温、年降水量、≥10 °C 积温和潜在蒸散发存在显著差异，与其他影响因子无显著差异；植被类型（X8）与高程、土壤类型、地貌类型和土地利用类型无显著差异，与其他因子具有显著差异；潜在蒸散发（X4）与年均温、年降水量、≥10 °C 积温、高程和植被类型存在显著差异，与其他因子无显著差异；年均温（X1）和≥10 °C 积温（X3）与年降水量、潜在蒸散发、高程和土壤类型存在显著差异，与其他影响因子无显著差异。

表6 自然因子生态探测（置信水平95%）Tab.6 Ecological detection of natural factor（confidence level 95%）

表7 是高程每2 分区植被NDVI及其统计显著性检验结果，将高程划分为 8 个分区，用数字 1～8 表示，在1 和5 子区达到最高值0.622 和0.618（表8），表明两个高程范围适宜植被生长，统计检验表明，两高程子区的影响无显著性差异；而8 子区，植被NDVI较小，表明3 800 m 以上环境恶劣且不利于植被生长，统计检验表明，两高程子区的影响具有显著性差异。分析表明，随高程的攀升，植被NDVI呈现波动变化，其中在1 600～2 200 m 和3 500 m 以上海拔区域，植被NDVI较小。

表7 高程的每2 个分区的植被NDVI 及其统计显著性（置信水平95%）Tab.7 Vegetation NDVI and its statistical significance in every 2 zones of DEM （confidence level 95%）

表8 自然因子交互探测Tab.8 Interactive detection of natural factor

3.4 因子交互作用探测分析

由表8 可知，大多数因子交互作用的q值大于单个因素的q值，并且因子相互作用类型为非线性增强和双因子增强，不存在独立关系。如高程的q值为40.30%，其他因子与高程交互作用q值均大于单因子解释力。另外，X5∩X8（0.535 2）＞X5∩X2（0.524 0）＞X5∩X4（0.515 7）＞X5∩X1（0.510 5）＞X5（0.403 0）结果表明，植被类型、年降水量、潜在蒸散发和年均温与高程的交互作用呈现双变量增强效应；X8∩X5（0.535 2）是自然因子交互探测结果中的最大值，这表明DEM 与植被类型两因子交互作用呈现最显著的双变量增强效应；X7∩X5（0.412 9）＞X7∩X8（0.361 0）＞X7∩X4（0.275 3）＞X7∩X3（0.261 1）＞X7∩X1（0.254 1）＞X7∩X10（0.187 5）＞X7∩X9（0.176 2）＞X7∩X11（0.155 4）＞X7∩X6（0.139 5）＞X7∩X2（0.134 2）＞X7（0.009 9）结果表明，坡向与高程和植被类型的交互作用呈现双变量增强效应，与其他因子呈非线性增强效应。

3.5 因子风险探测分析

开都河流域植被空间格局受多种因子的影响，针对表9 进一步讨论各类因子对植被的影响。

表9 自然因子适宜限制（置信水平95%）Tab.9 Suitable limits of natural factor（confidence level 95%）

随高程、坡度和坡向的变化，植被NDVI呈波动变化趋势，在2 900 ～ 3 200 m、0° ～ 5°、和-1° ～ 0°植被NDVI分别达到最高值0.622、0.591、0.592，表明这一地形因子范围促进植被生长。李鑫[26]研究发现，第Ⅲ带海拔在2 338～3 308 m，植被生长状况和盖度分别为0.51、96.73%，证明2 900～3 200 m 海拔范围是植被覆盖度最高范围。巴音布鲁克、多尔布力金和古尔温图勒尕3 大草原，海拔多在2 200 ～ 2 900 m 和0°～ 5°坡度之间，草地生长状态良好，植被NDVI较高。研究表明，地形因子决定不同气候的土壤多样性可解释植被受高程、坡度和坡向变化的影响，不同地形因子与年降水量和年均温变量相关[27]。

随年均温和≥10 °C 积温的增加，植被NDVI呈现“增减增”式波动趋势，分别在-5～-2 °C、334～719 °C范围时，植被NDVI达到最大，分别为0.594、0.588，表明上述范围是促进植被生长的最佳气温条件；植被NDVI在年降水量和潜在蒸散发的变化中呈现先增后减趋势，分别在247～277 mm、376.9～398.2 kg/m2范围时达最大值，植被NDVI分别为0.610、0.596。植被对不同气候因子具有不同适宜范围，探索其最佳适宜范围对植被生长具有至关重要的作用。赵倩倩等[28]研究发现，黄河流域植被NDVI的年际变率及其趋势与气温、降水的相关关系在大部分区域均呈正相关，并且植被变化受降水的影响更大。温度对植被动态变化产生强烈的局部影响，由图2a 可知，开都河研究区年均温较低，可能是温度促进植被生长，但温度升高也会导致土壤湿度下降，对植被生长产生负面影响；与温度相比，降水对植被的影响较小，但在开都河等受水分约束地区产生明显的限制作用[10-12]。潜在蒸散发的增加对开都河地区植被的影响存在明显的空间分异性，西部和东部降水的增加补偿了由于气温升高导致的潜在蒸散量增加。这表明，水热条件的良好耦合有助于植被生长[29]。

随植被、土壤、地貌等类型的变化，植被NDVI波动变化，沼泽和栽培植被两者植被NDVI最高值为0.713；半水成土和水成土土壤类型植被NDVI最高值为0.761；丘陵地貌类型植被NDVI最高值0.609。刘斯文等[30]发现当流域裸地及人工表面逐渐恢复为草地与林地时，流域月均流量大多减小，表明植被生长需要大量水分，林地及草地对于降水的利用率较高。土壤是生态系统中物质与能量交换的重要介质，不同土壤有不同特性，土壤水分成为主要限制植被生产力的因子[31]。开都河复杂多样的地貌类型，为植被提供多样的生存环境，而有利于植被生长的地貌类型如巴音布鲁克草原、多尔布力金大草原、古尔温图勒尕草原和丘陵地区的草地生长茂盛，植被恢复状态整体向好[32]。而开都河流域有大面积草场，在特殊的丘陵盆地环境中，富含水分的土壤类型适宜草地和栽培植被生长。刘洋洋等[33]分析了1982—2016 年中国草地覆盖度的时空动态格局，发现半干旱地区草地覆盖度的增加对中国草地恢复具有重要贡献，而与本研究发现的开都河流域内巴音布鲁克等大草原近年来植被状况恢复良好结果一致。

4 结束语

（1）2001 和2020 年植被覆盖分布形式为西高东低。其中，巴音布鲁克草原植被恢复情况良好，研究区东南部植被呈现增加趋势。2001 和2020 年中、中高和高植被覆盖区分别占开都河流域面积的23.40%、31.89%、16.53%和21.81%、33.29%、20.05%，反映了研究区植被逐渐从低覆盖向高覆盖转变。2001—2020年低、中植被覆盖区域向中高、高植被覆盖转化明显，导致低和中植被覆盖区域面积显著减少，中高和高植被覆盖区域面积显著增加；其中植被NDVI增加区域主要分布在西部巴音布鲁克草原和东南部；植被NDVI显著减少区域主要集中在北部及东北部的克尔古提乡。

（2）基于地理探测器模型，分析了11 个自然因子对开都河流域植被NDVI的影响机制，总结了各因子对植被的影响。其中，高程的解释力为40.30%，成为影响植被NDVI变化的主要驱动因子；其次是植被类型、潜在蒸散发、年均温和≥10 °C 积温，q值解释力均在23%以上；除坡向可忽略不不计外，其余因子影响力均在11%以上。

（3）自然因子对开都河流域植被NDVI存在双变量增强或非线性增强的交互作用，不存在独立关系。地理探测器揭示了每个因子最适合的植被范围或类型，这有助于地方政府在有利范围内干预植被变化，与自然携手共同恢复植被，为促进开都河流域植被建设和生态恢复提供参考。