王 偉，阿里木·賽買提，吉力力·阿不都外力

(1.中國(guó)科學(xué)院新疆生態(tài)與地理研究所荒漠與綠洲生態(tài)國(guó)家重點(diǎn)實(shí)驗(yàn)室，烏魯木齊 830011；2.中國(guó)科學(xué)院大學(xué)，北京 100049；3.中國(guó)科學(xué)院中亞生態(tài)與環(huán)境研究中心，烏魯木齊 830011)

0 引言

在全球氣候變化的大背景下，中亞地區(qū)從20世紀(jì)70年代起氣溫開始迅速上升，平均增溫速率達(dá)到0.4℃/10 a，遠(yuǎn)高于同期全球變暖速率[1-2]。與此同時(shí)，不合理的土地開發(fā)利用方式[3]、粗獷的農(nóng)田灌溉模式[4]等人類活動(dòng)的不斷增強(qiáng)更加劇了區(qū)域生態(tài)與資源的競(jìng)爭(zhēng)局面。于是，中亞地區(qū)開始出現(xiàn)了土壤鹽漬化[5]、濕地退化[6]和湖泊萎縮[7]等一系列生態(tài)環(huán)境問題。植被作為聯(lián)結(jié)大氣圈、土壤圈、水圈和生物圈的重要紐帶，對(duì)生態(tài)環(huán)境變化具有極高的敏感性[8]。因此研究中亞地區(qū)的植被時(shí)空變化特征及其對(duì)氣候變化和人類活動(dòng)的響應(yīng)，對(duì)進(jìn)一步研究中亞地區(qū)陸表環(huán)境變化過程及區(qū)域生態(tài)環(huán)境保護(hù)具有重要意義。

近幾年不少學(xué)者通過經(jīng)驗(yàn)正交模型(empirical orthogonal function，EOF)[9]、變異系數(shù)(coefficient of variation，CV)[10]、Hurst指數(shù)[10]和趨勢(shì)分析[11]等方法研究了中亞地區(qū)的植被空間分布特征和變化趨勢(shì)，通過相關(guān)分析[9]、偏相關(guān)分析[12]和奇異值分解(singular value decomposition，SVD)[12]等方法分析不同空間和時(shí)間尺度上中亞地區(qū)植被覆蓋變化對(duì)氣候變化的響應(yīng)特征。但前人研究大多集中于氣溫和降水這2個(gè)氣候因子對(duì)植被變化的影響，忽略了其他氣候因素以及地形、土壤等多種因素的作用。由于中亞地區(qū)地形較為復(fù)雜，不同地形區(qū)域的氣候因素對(duì)植被生長(zhǎng)的影響可能完全不同，比如在中亞東南部山區(qū)，年均氣溫與植被變化呈顯著的正相關(guān)[13]，而在中亞西南部地區(qū)氣候轉(zhuǎn)暖趨勢(shì)則加劇了當(dāng)?shù)氐母珊礫9]。近些年來，人類活動(dòng)對(duì)土地利用與覆被變化的影響加劇，尤其是1991年蘇聯(lián)解體以來，更是發(fā)生了顯著變化[14]。這些因素?zé)o一不影響著中亞地區(qū)植被覆蓋的時(shí)空變化特征，除此之外，這些因素之間的交互作用往往也會(huì)增強(qiáng)其對(duì)植被覆蓋變化的影響。

有關(guān)自然和人為因子對(duì)中亞植被覆被特征的影響方面，前人已經(jīng)做了大量的工作，然而還有一些問題仍然沒有得到有效解決。例如，對(duì)中亞地區(qū)植被覆蓋變化與驅(qū)動(dòng)因子的研究應(yīng)該不僅是從兩者相關(guān)系數(shù)空間分布的角度出發(fā)，而且更要理清驅(qū)動(dòng)因子與植被覆蓋變化之間的規(guī)律與內(nèi)在機(jī)理，這樣才有助于全面了解中亞乃至整個(gè)亞洲中部干旱區(qū)植被覆蓋時(shí)空變化的趨勢(shì)和未來生態(tài)環(huán)境演化的方向。應(yīng)用王勁峰等[15]提出的地理探測(cè)器模型不僅可以彌補(bǔ)這一不足，也可為其他地區(qū)植被時(shí)空變化特征影響因素研究提供可行的方法。本文利用分區(qū)統(tǒng)計(jì)和趨勢(shì)分析的方法研究中亞地區(qū)1991—2015年間植被覆蓋的時(shí)空變化特征，結(jié)合地理探測(cè)器模型分析氣候、地形、土壤和土地覆被等多種變量的空間分異特征和變化趨勢(shì)對(duì)中亞地區(qū)植被覆蓋時(shí)空變化的驅(qū)動(dòng)作用，并研究了不同因子之間的交互作用對(duì)植被覆蓋時(shí)空變化的影響。進(jìn)一步揭示氣候變化和人類活動(dòng)對(duì)中亞植被覆蓋變化的作用機(jī)理，旨在為中亞地區(qū)生態(tài)環(huán)境建設(shè)和制定社會(huì)經(jīng)濟(jì)可持續(xù)發(fā)展模式提供理論基礎(chǔ)和科學(xué)依據(jù)。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

本文所研究的中亞范圍西達(dá)里海與伏爾加河，東與中國(guó)接壤，北至額爾齊斯河的分水嶺，并延伸至西西伯利亞平原南部，南臨伊朗與阿富汗的邊界，地理位置在N35°5′2.24″～52°33′30.49″，E46°45′28.13″～87°21′47.81″[16]之間。行政區(qū)域涵蓋中亞五國(guó)，即哈薩克斯坦、吉爾吉斯斯坦、烏茲別克斯坦、塔吉克斯坦和土庫曼斯坦，總面積近4×105km2，人口接近6.6×106，人口密度約17人/km2，是典型的地廣人稀區(qū)域[17]。整體上中亞地勢(shì)呈東南高，西北低，由于受東南部高山阻擋，來自印度洋和太平洋的水汽無法深入，這就使得中亞五國(guó)成為北半球溫帶面積最大的干旱區(qū)。同樣受地形和氣候等多種因素影響，中亞的植被分布具有明顯的空間分異性。因此本文在高程數(shù)據(jù)的基礎(chǔ)上，結(jié)合已有地形圖將中亞地區(qū)劃分為8大地形區(qū)(圖1)，來研究不同地形區(qū)植被覆蓋的變化特征。

圖1 研究區(qū)域示意圖Fig.1 Map of research area

1.2 數(shù)據(jù)來源與預(yù)處理

本文采用的數(shù)據(jù)如表1所示，由于數(shù)據(jù)為不同來源和不同空間分辨率，本文結(jié)合模型的運(yùn)算能力和研究任務(wù)的精度要求，基于最鄰近距離法對(duì)數(shù)據(jù)集進(jìn)行了重采樣，最后去除缺失值，共得到20 569行數(shù)據(jù)。由于地理探測(cè)器模型輸入的自變量必須保證是離散型數(shù)據(jù)，因此基于R語言“GD”包的“optidisc”函數(shù)，對(duì)數(shù)據(jù)進(jìn)行了離散化處理。

表1 數(shù)據(jù)來源與預(yù)處理Tab.1 Data source and data preprocessing

2 研究方法

2.1 趨勢(shì)分析法

基于最小二乘方法的一元線性回歸模型對(duì)植被變化進(jìn)行趨勢(shì)分析是研究植被動(dòng)態(tài)變化的常用方法[18-19]，對(duì)1991—2015年間中亞地區(qū)逐年植被覆被變化進(jìn)行逐像元趨勢(shì)性分析，計(jì)算公式為[19]

(1)

式中：n為研究時(shí)段的年數(shù)；Vi為第i年的NDVI值(i=1，2，...，25)；S為植被覆被變化趨勢(shì)斜率，當(dāng)S為正值時(shí)，則該像元NDVI值呈上升的趨勢(shì)，反之呈下降的趨勢(shì)。

為了更好地表達(dá)植被覆蓋的變化趨勢(shì)，采用F檢驗(yàn)對(duì)NDVI的變化趨勢(shì)進(jìn)行顯著性檢驗(yàn)，顯著性檢驗(yàn)結(jié)果反映了趨勢(shì)變化可信度的高低，F(xiàn)檢驗(yàn)統(tǒng)計(jì)量計(jì)算公式為[20]

(2)

表2 NDVI變化趨勢(shì)類型Tab.2 Types of NDVI change trend

2.2 地理探測(cè)器模型

地理探測(cè)器主要包含以下3種探測(cè)器：

1)因子探測(cè)器，該探測(cè)器表示研究中每個(gè)影響因子變化趨勢(shì)對(duì)NDVI時(shí)空變化趨勢(shì)的影響大小，q值越高的影響因子，對(duì)NDVI變化的影響力越大。

2)風(fēng)險(xiǎn)探測(cè)器，探測(cè)因子對(duì)NDVI變化是否具有風(fēng)險(xiǎn)性，指示因子在不同等級(jí)范圍內(nèi)對(duì)NDVI時(shí)空變化的影響。

3)交互作用探測(cè)器，用于判斷不同影響因子對(duì)植被時(shí)空變化的交互作用。通過比較在單因子作用時(shí)的q值、2個(gè)單因子的q值之和與雙因子交互作用時(shí)的q值，根據(jù)三者之間的大小關(guān)系，將交互作用類型分為5類，如表3所示。

表3 雙因子交互作用結(jié)果類型Tab.3 Types of two-factor interaction result

從上面的3個(gè)探測(cè)器可以看出，在地理探測(cè)器中，q值是衡量一個(gè)因子對(duì)因變量的貢獻(xiàn)率或者說是解釋力，其模型表達(dá)式[15]為

(3)

3 結(jié)果與分析

3.1 中亞NDVI的空間分異特征

利用柵格計(jì)算器計(jì)算得到1991—2015年間中亞地區(qū)NDVI空間分布及其變化率、土地覆被類型和土壤類型如圖2所示。

(a)NDVI空間分布 (b)NDVI變化率

(c)土地覆被類型 (d)土壤類型

圖2 中亞地區(qū)NDVI空間分布與變化率、土地覆被類型和土壤類型

Fig.2SpatialdistributionofNDVI,NDVIchanges,landcovertypesandsoiltypes

從圖2(a)可以看出，中亞地區(qū)NDVI具有明顯的空間分異性，在平原區(qū)，NDVI平行緯度呈帶狀分布，從南向北逐漸增加，綠洲沿河流兩岸呈帶狀分布，河口三角洲地帶普遍發(fā)育綠洲；在山區(qū)，NDVI空間分布較平原區(qū)復(fù)雜，NDVI隨高程增加先升高后降低。因此可以看出中亞地區(qū)植被覆蓋空間分布主要受緯度地帶性、垂直地帶性規(guī)律共同作用。

不同地形區(qū)和土地覆被類型對(duì)應(yīng)的NDVI值變化情況如圖3所示，從地形區(qū)上看(圖3(a))，西西伯利亞平原和哈薩克丘陵東北部地區(qū)NDVI最高，NDVI平均值為0.551，圖蘭平原和于斯蒂爾蓋高原最低。從土地覆被類型上看(圖3(b))，林地NDVI最高，平均值為0.7，旱地次之，水域與冰川NDVI最低。

(a)不同地形區(qū) (b)不同土地覆被類型

圖3 不同地形區(qū)和土地覆被類型對(duì)應(yīng)的NDVI值變化

Fig.3ChangesofNDVIvaluescorrespondingtodifferentterrainareasandlandcovertypes

3.2 中亞NDVI時(shí)空變化特征

3.2.1 中亞NDVI的時(shí)間變化特征

如圖3(a)所示，1991—2015年間中亞地區(qū)NDVI的平均值為0.34，其年均NDVI最高值出現(xiàn)在2007年，達(dá)到0.365，最低值出現(xiàn)在2008年，為0.312。哈薩克丘陵和圖爾蓋高原地區(qū)在近5 a來呈持續(xù)上升的趨勢(shì)，然而于斯蒂爾蓋高原和圖蘭平原地區(qū)在近10 a間呈明顯下降趨勢(shì)。如圖3(b)所示，旱地、灌叢地和荒地的NDVI值略有下降，水域與冰川的NDVI從2000年后開始持續(xù)上升。水域NDVI的升高可能歸因于中亞地區(qū)部分水域面積減小，水位下降；水中懸浮物濃度增加、透明度減小、近岸淺水區(qū)水生植物增加，水質(zhì)變差導(dǎo)致[21]。

3.2.2 中亞NDVI的空間變化特征

近25 a來中亞地區(qū)植被覆蓋總體上呈輕微波動(dòng)變化，但是部分地區(qū)植被覆蓋變化也很明顯，植被顯著改善區(qū)域主要集中在哈薩克丘陵的中低海拔地區(qū)，雖然從圖2(b)和(c)中可以看出，NDVI下降比較嚴(yán)重的區(qū)域主要分布哈薩克斯坦北部旱地區(qū)域。但如圖4所示的中亞地區(qū)植被覆蓋變化趨勢(shì)(經(jīng)過顯著性檢驗(yàn))，哈薩克斯坦北部旱地NDVI下降趨勢(shì)并不明顯。該原因可能是因?yàn)?991年蘇聯(lián)解體以來，農(nóng)田出現(xiàn)棄耕后復(fù)墾的現(xiàn)象，但是復(fù)墾面積仍然無法達(dá)到棄耕前的水平[22]。植被顯著惡化區(qū)域主要分布在咸海盆地以南地區(qū)，以西南方向最為集中?？赡苁请S著咸海水面退縮后，在干涸湖盆底部形成了大量的富鹽細(xì)粒沉積物，這些沉積物中的鹽粒及其他化學(xué)粉塵在風(fēng)的作用下發(fā)生擴(kuò)散。這些鹽塵加重了周邊區(qū)域的土壤鹽堿化，從而導(dǎo)致土壤肥力下降、植被退化等一系列問題[23-24]。另外，在錫爾河中游和下游的植被變化情況也顯著不同(圖4)，其原因可能是錫爾河為中亞跨界河流，恰爾達(dá)拉水庫位于哈薩克斯坦和烏茲別克斯坦的交界處，自蘇聯(lián)1991年解體以來，哈薩克斯坦從跨界河流中的引水能力有所下降[25]，因此錫爾河下游的植被顯著降低可歸因于其灌溉水資源的受限。

圖4 1991—2015年中亞地區(qū)NDVI變化趨勢(shì)Fig.4 Change trend of NDVI in Central Asia during the period from 1991 to 2015

3.3 NDVI空間分異與變化趨勢(shì)驅(qū)動(dòng)因子分析

3.3.1 不同驅(qū)動(dòng)因子對(duì)NDVI空間分異的驅(qū)動(dòng)分析

利用地理探測(cè)器模型分別就NDVI空間分異特征和變化趨勢(shì)進(jìn)行歸因，因子探測(cè)結(jié)果如表4所示，不同因子按照對(duì)NDVI空間分異特征的解釋能力排序：土壤濕度>濕日頻率>降水量>土壤類型>潛在蒸散發(fā)>最高氣溫>平均氣溫>最低氣溫>地形區(qū)>云量>高程>日較差。這也說明中亞地區(qū)地處溫帶面積最大的干旱區(qū)，水分因素主導(dǎo)該地區(qū)植被的空間分布狀況，其次是土壤類型和潛在蒸散發(fā)以及氣溫。風(fēng)險(xiǎn)探測(cè)分析和交互作用分析結(jié)果如圖5所示，NDVI隨著降水頻率和土壤濕度的增加而增加，然而NDVI對(duì)不同等級(jí)降水量的響應(yīng)呈現(xiàn)出先升高后降低的趨勢(shì)。這可能因?yàn)樵谥衼問|南部帕米爾高原的高海拔區(qū)域，降水量較多，土壤水分含量較高，植被的生長(zhǎng)將不再受水分因素的限制，反而氣溫開始主導(dǎo)植被的生長(zhǎng)狀況。NDVI隨著潛在蒸散發(fā)的增加而降低。隨著云量增加，NDVI也呈逐漸上升的態(tài)勢(shì)。NDVI隨著高程先增加后降低，高程在1 500～2 400 m之間(分區(qū)5)時(shí)，達(dá)到峰值，當(dāng)高程大于2 400 m后，NDVI開始急劇下降。植被生長(zhǎng)發(fā)育的過程往往不是影響因子單獨(dú)起作用，而是多種影響因子協(xié)同交互作用。從圖5(b)可以看出，交互作用最強(qiáng)的因子組合為高程和土壤濕度，它們雙因子增強(qiáng)交互作用的q值為0.670。這說明高程的變化顯著增加了土壤濕度作為自變量對(duì)NDVI的解釋。同時(shí)降水量與大多數(shù)因子結(jié)合都能產(chǎn)生較高的q值。高程和潛在蒸散發(fā)組合體現(xiàn)了較強(qiáng)的非線性增強(qiáng)交互作用(潛在蒸散發(fā)∩高程=0.647>潛在蒸散發(fā)(0.464)+高程(0.155))。除此之外，高程與多數(shù)因子的非線性增強(qiáng)交互作用都很強(qiáng)。

表4 因子探測(cè)器結(jié)果Tab.4 Results of factor detector

①地形區(qū)因子用于NDVI空間分異的驅(qū)動(dòng)分析；土地覆被類型用于NDVI變化趨勢(shì)的驅(qū)動(dòng)分析。

(a)NDVI空間分異風(fēng)險(xiǎn)探測(cè)器結(jié)果 (b)NDVI空間分異交互探測(cè)器結(jié)果

(c)NDVI變化趨勢(shì)風(fēng)險(xiǎn)探測(cè)器結(jié)果 (d)NDVI變化趨勢(shì)交互探測(cè)器結(jié)果

圖5 風(fēng)險(xiǎn)探測(cè)器結(jié)果和交互探測(cè)器結(jié)果

Fig.5Resultsofriskdetectorandinteractiondetector

3.3.2 不同驅(qū)動(dòng)因子對(duì)NDVI變化趨勢(shì)的驅(qū)動(dòng)分析

從NDVI變化趨勢(shì)的因子探測(cè)結(jié)果(表4)可以看出，不同驅(qū)動(dòng)因子的q值并不高，但是依然可以反映出不同驅(qū)動(dòng)因子對(duì)NDVI變化趨勢(shì)的影響差異。如圖5(c)所示潛在蒸散發(fā)增長(zhǎng)最慢的區(qū)域(分區(qū)1)，NDVI增加的最快，這說明區(qū)域潛在蒸散發(fā)的增長(zhǎng)對(duì)NDVI的增長(zhǎng)有一定的抑制作用。降水量增加最快的區(qū)域(分區(qū)10)，NDVI增長(zhǎng)的也最快，但是降水量變化較小和降水量下降的區(qū)域基本上NDVI變化不大。在不同高程范圍內(nèi)，NDVI增長(zhǎng)較快的區(qū)域高程范圍在300～1 000 m之間(分區(qū)4)，主要集中在一些低山、丘陵地區(qū)。NDVI對(duì)不同類型氣溫的響應(yīng)基本一致，增溫慢的區(qū)域NDVI增長(zhǎng)迅速，這一點(diǎn)在最高溫度變化方面最為明顯。云量下降最快的區(qū)域，NDVI降低趨勢(shì)遠(yuǎn)超其他區(qū)域，這也說明在中亞干旱區(qū)，云量一定程度上代表著區(qū)域的降水潛力。不同土地覆被類型對(duì)NDVI的變化也存在很大的空間分異特征，旱地(分區(qū)1)的NDVI下降最明顯，草地(分區(qū)5)的NDVI上升最快。在土壤類型方面，黑土(分區(qū)10)和黑鈣土(分區(qū)4)上生長(zhǎng)的植被出現(xiàn)了明顯的減少趨勢(shì)，如圖2(d)所示這2種土壤都是肥力較高的土壤且廣泛分布于中亞北部地區(qū)，所以這些地區(qū)的土地很早就被開發(fā)為旱地。但是由于蘇聯(lián)解體使得大量農(nóng)田棄耕，這些區(qū)域的NDVI下降趨勢(shì)也較大。

在NDVI變化趨勢(shì)影響因子的交互作用方面，80%以上影響因子組合方式表現(xiàn)出非線性增強(qiáng)作用，其余因子也表現(xiàn)出了雙因子增強(qiáng)作用(圖5(d))。交互作用解釋力排在第一位的是云量和降水量組合(q值為0.208 0)，其次是潛在蒸散發(fā)和高程組合(q值為0.196 1)以及降水量和平均氣溫組合(q值為0.193 0)。除此之外，還可以看出潛在蒸散發(fā)和其他影響因子的交互作用表現(xiàn)明顯，而濕日頻率和其他影響因子的交互作用較弱。

4 結(jié)論

本文利用趨勢(shì)分析法和地理探測(cè)器模型研究中亞地區(qū)NDVI時(shí)空分布與變化特征及其影響因子的驅(qū)動(dòng)作用，并研究了雙因子之間交互作用對(duì)NDVI時(shí)空分布及變化特征的影響，得到以下主要結(jié)論：

1)1991—2015年間中亞地區(qū)植被變化整體上處于平穩(wěn)波動(dòng)狀態(tài)。從局部地區(qū)看，哈薩克丘陵中低海拔地區(qū)NDVI表現(xiàn)出明顯的上升趨勢(shì)，咸海西南部NDVI呈極顯著下降，可能歸因于咸海盆地鹽塵的近距離擴(kuò)散；同時(shí)水域NDVI的上升表明中亞湖泊整體水環(huán)境質(zhì)量在下降。

2)人類活動(dòng)對(duì)中亞地區(qū)植被覆蓋的影響比較明顯。由于蘇聯(lián)解體導(dǎo)致的棄耕后復(fù)墾現(xiàn)象，哈薩克斯坦北部旱地區(qū)域的NDVI下降趨勢(shì)雖然很大，但是趨勢(shì)并不能通過顯著性檢驗(yàn)；另外錫爾河中游和下游地區(qū)NDVI變化的顯著差異也體現(xiàn)了中亞各個(gè)國(guó)家間圍繞水資源開發(fā)利用問題上的一些矛盾。

3)根據(jù)地理探測(cè)器研究表明，水分因素主導(dǎo)著中亞地區(qū)植被覆蓋的時(shí)空分布格局；在不同增溫背景下，NDVI的變化趨勢(shì)顯著不同；另外不同高程范圍、不同土地覆被類型、不同土壤類型下NDVI的時(shí)空變化特征也有顯著差異。

4)因子間交互作用均能增強(qiáng)其對(duì)植被空間分異和變化趨勢(shì)的解釋力；潛在蒸散發(fā)和高程的非線性增強(qiáng)交互作用對(duì)NDVI空間分異的影響最為顯著；云量和降水量的非線性增強(qiáng)交互作用對(duì)NDVI的變化趨勢(shì)影響最為顯著；另外，潛在蒸散發(fā)和高程作為影響因素可以較大地增強(qiáng)其他因子對(duì)NDVI空間分異以及變化趨勢(shì)的解釋能力。

然而，基于AVHRR衛(wèi)星影像的NDVI數(shù)據(jù)雖然具有較長(zhǎng)的時(shí)間序列和較高的時(shí)間分辨率，但空間分辨率較低。因此，下一步希望采用具有更高空間分辨率的MODIS數(shù)據(jù)，開展小尺度范圍內(nèi)的NDVI影響因子研究。另外，關(guān)于潛在蒸散發(fā)是如何增強(qiáng)其他因子對(duì)NDVI空間分異和變化趨勢(shì)的解釋能力，還需進(jìn)行更加深入的討論。