呂澤民 武耀星 朱杰 孫帥 徐帥 張鴻翎

(內(nèi)蒙古農(nóng)業(yè)大學(xué),呼和浩特,010019)

草地生態(tài)系統(tǒng)是我國(guó)最大的生態(tài)系統(tǒng)，也是世界陸地生態(tài)系統(tǒng)中重要的組成部分[1]。我國(guó)北方地區(qū)，尤其是內(nèi)蒙古自治區(qū)內(nèi)草原面積遼闊。一方面，人類間接利用草地發(fā)展肉類、奶類等畜牧業(yè)產(chǎn)品[2];另一方面，處于內(nèi)蒙古的草原植被具有防風(fēng)固沙、涵養(yǎng)水源、調(diào)節(jié)氣候、保持水土、維持生態(tài)系統(tǒng)平衡等多方面作用[3]。內(nèi)蒙古中部處于西部荒漠與東北部大興安嶺森林過(guò)渡地帶，而且農(nóng)牧交錯(cuò)穿插，生態(tài)環(huán)境脆弱[4]，是全球變化最為敏感的區(qū)域之一[5]，也是中國(guó)北方溫帶草原的主體，對(duì)中國(guó)生態(tài)環(huán)境的保護(hù)和改善發(fā)揮著不可替代的作用[6]。近年來(lái)，在氣候和人類活動(dòng)的雙重作用下，內(nèi)蒙古資源環(huán)境問(wèn)題日益突出，引起許多學(xué)者的重視[7-10]。

植被是陸地生態(tài)系統(tǒng)到中重要的組成部分，在氣候調(diào)節(jié)，維持生態(tài)系統(tǒng)穩(wěn)定等方面發(fā)揮重要作用[11-12]。當(dāng)前對(duì)于植被時(shí)空變化特征的研究主要集中于植被覆蓋度。植被覆蓋度是指某一區(qū)域植被(包括葉、莖等)投影面積與該地域面積之比[13]，是植物群落覆蓋地表狀況的綜合量化指標(biāo)，對(duì)生態(tài)、區(qū)域變化等都具有重要意義[14]。本文利用MODIS數(shù)據(jù)產(chǎn)品估算植被覆蓋度及對(duì)內(nèi)蒙古中部植被覆蓋度的分布和時(shí)空變化進(jìn)行分析，來(lái)對(duì)此區(qū)域的植被變化提出說(shuō)明，并且也為農(nóng)業(yè)、畜牧業(yè)等發(fā)展決策等提供理論依據(jù)。

1 研究區(qū)概況

研究區(qū)位于我國(guó)北部邊陲內(nèi)蒙古中部，即錫林郭勒盟、興安盟、通遼市、赤峰市4個(gè)行政區(qū)。研究區(qū)總面積占內(nèi)蒙古總面積的34.58%。此區(qū)域位于400 mm降水量線附近，因此處于干旱、半干旱氣候向濕潤(rùn)、半濕潤(rùn)季風(fēng)氣候的過(guò)渡帶。研究區(qū)整體地形呈西高東低，受溫度和降水的影響，該區(qū)域植被表現(xiàn)為經(jīng)向的空間分布特征，大致由西到東表現(xiàn)為荒漠草原、典型草原、森林草原(圖1)。

圖1 研究區(qū)范圍

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來(lái)源

遙感數(shù)據(jù)來(lái)自美國(guó)LAADS DAAC數(shù)據(jù)中心的MOD13Q1-MODIS中的16d250m歸一化植被指數(shù)(NDVI)，時(shí)間為2010—2019年的生長(zhǎng)季節(jié)(4—10月)。該產(chǎn)品是根據(jù)經(jīng)過(guò)大氣校正的雙向表面反射率計(jì)算得出的，該反射率已針對(duì)水、云、氣溶膠和云影進(jìn)行了屏蔽。錫林郭勒盟、興安盟、通遼市、赤峰市4個(gè)行政邊界的矢量數(shù)據(jù)以及湖泊矢量數(shù)據(jù)。

2.2 研究方法

歸一化植被指數(shù)是近紅外NIR和可見(jiàn)紅外波段RED的差值除以她們的總和，其中公式表示為:

(1)

NDVI具有較強(qiáng)的植被適應(yīng)性，是當(dāng)前植被動(dòng)態(tài)變化研究領(lǐng)域應(yīng)用最為廣泛的植被指數(shù)。

本研究直接采用MODIS數(shù)據(jù)產(chǎn)品集成的NDVI數(shù)據(jù)，獲取LAADS DAAC數(shù)據(jù)中心的2010—2019年生長(zhǎng)季共360景遙感影像文件。通過(guò)MRT工具進(jìn)行投影坐標(biāo)轉(zhuǎn)換、影像拼接，將其設(shè)置為UTM,WGS84 50N坐標(biāo)。研究中，由于氣候原因?qū)е旅磕曜畲笾脖桓采w度不在同一時(shí)間，因此通過(guò)Arc Map合成年最大值以代表植被生長(zhǎng)的最好情況。根據(jù)李苗苗等[15]改進(jìn)的估算植被覆蓋度模型像元二分模型：

(2)

式中：N為研究區(qū)內(nèi)的NDVI值；Nsoil為完全是裸土或無(wú)植被覆蓋區(qū)域的NDVI值，本文選取5%置信下限為Nsoil；Nveg則代表完全被指被所覆蓋的像元的NDVI值，選取95%置信上限代表Nveg。

將結(jié)果用Arc GIS進(jìn)行重分類，計(jì)算面積。根據(jù)水利部制定的《土壤侵蝕分類等級(jí)標(biāo)準(zhǔn)》以及結(jié)合內(nèi)蒙古地區(qū)的實(shí)際情況，將植被覆蓋度劃分為1級(jí)：裸地[0,10%],2級(jí)：低覆蓋度[10%,30%],3級(jí)：中低覆蓋度[30%,45%],4級(jí)：中覆蓋度[45%,60%],5級(jí)：高覆蓋度[60%,100%]。

線性趨勢(shì)法：通過(guò)逐年逐像元計(jì)算線性趨勢(shì)來(lái)研究?jī)?nèi)蒙古中部NDVI的變化趨勢(shì)[16]，計(jì)算公式如下。

(3)

式中：i為年，n=10，Yi表示每個(gè)像元第i年的NDVI值，S是每個(gè)像元NDVI變化的斜率。當(dāng)S>0,表示該像元NDVI值呈增長(zhǎng)趨勢(shì)，當(dāng)S<0時(shí)，表示該像元為減小趨勢(shì)。

地理探測(cè)器是探測(cè)空間分異性，以及揭示其背后驅(qū)動(dòng)力的一組統(tǒng)計(jì)學(xué)方法。地理探測(cè)器擅長(zhǎng)分析類型量，對(duì)于類似本文所涉及的降水、氣溫等順序量或間隔量，只要進(jìn)行適當(dāng)離散化，也可以借助地理探測(cè)器進(jìn)行分析。本文所用到的為地理探測(cè)器的因子探測(cè)器、生態(tài)探測(cè)器和交互探測(cè)器[17]。

因子探測(cè)器探究因變量Y的空間分布異質(zhì)性以及自變量X在多大程度上解釋了這種空間分布異質(zhì)性。本文中Y為內(nèi)蒙古中部四區(qū)2010—2019年10 a平均NDVI值，其公式為：

(4)

(5)

ArcGIS軟件可以實(shí)現(xiàn)多種方法的插值，但其缺陷是無(wú)法引入?yún)f(xié)變量來(lái)增加其插值精度。澳大利亞科學(xué)家Hutchinson基于薄盤樣條理論編寫(xiě)了針對(duì)氣候數(shù)據(jù)曲面擬合的專用軟件ANUSLIN[18]。本研究中，對(duì)于研究要用到的氣溫、降水?dāng)?shù)據(jù)均利用ANUSPLIN軟件引入高程協(xié)變量對(duì)研究區(qū)內(nèi)38個(gè)氣象站點(diǎn)的數(shù)據(jù)進(jìn)行插值。

3 結(jié)果與分析

3.1 空間變化分析

在經(jīng)過(guò)ArcGIS處理后，得到2010—2019年內(nèi)蒙古中部年最大平均NDVI分布圖。如圖2所示，區(qū)域內(nèi)NDVI平均值為0.546 9。依據(jù)中國(guó)科學(xué)院資源科學(xué)數(shù)據(jù)中心劃分的生態(tài)區(qū)，將研究區(qū)劃分為Ⅰ內(nèi)蒙古高原中部草原化荒漠生態(tài)區(qū)、Ⅱ內(nèi)蒙古高原中部-隴中荒漠草原生態(tài)區(qū)、Ⅲ內(nèi)蒙古高原中東部典型草原生態(tài)區(qū)、Ⅳ大興安嶺中南部落葉闊葉林與草原生態(tài)區(qū)、Ⅴ東北平原西部草甸生態(tài)區(qū)、Ⅵ燕山-太行山山地落葉闊葉林生態(tài)區(qū)。其中，以燕山-太行山山地闊葉林生態(tài)區(qū)和大興安嶺中南部落葉闊葉林與草原生態(tài)區(qū)為最高，分別為0.817 6和0.725 6；其次，為東北平原西部草甸生態(tài)區(qū)和內(nèi)蒙古高原中東部典型草原生態(tài)區(qū)；最低的是內(nèi)蒙古高原中部-隴中荒漠草原生態(tài)區(qū)和內(nèi)蒙古高原中部草原化荒漠生態(tài)區(qū)，為0.221 6和0.192 8。由此，可以看出內(nèi)蒙古中部植被呈現(xiàn)經(jīng)向地帶性分布。2010—2019年，內(nèi)蒙古中部植被覆蓋總體呈上升趨勢(shì)，變化率每10 a為0.014 3。其中，從生態(tài)區(qū)劃上看，東北平原西部草甸生態(tài)區(qū)和大興安嶺中南部落葉闊葉林與草原生態(tài)區(qū)改善最為明顯，分別每10 a為0.015 8和0.014 4,其次是內(nèi)蒙古高原東部典型草原生態(tài)區(qū)和內(nèi)蒙古高原中部-隴中荒漠草原生態(tài)區(qū)，每10 a為0.010 4和0.00 9。

圖2 研究區(qū)內(nèi)NDVI多年平均分布以及變化趨勢(shì)

轉(zhuǎn)移矩陣是同一研究區(qū)內(nèi)，不同等級(jí)植被覆蓋度之間在不同時(shí)間段內(nèi)的相互轉(zhuǎn)換關(guān)系，通常用二維表來(lái)反映不同植被覆蓋度間相互轉(zhuǎn)換情況。將2010和2019年的植被覆蓋度在ArcGIS中進(jìn)行疊加分析，再通過(guò)Excel2019數(shù)據(jù)透視表功能進(jìn)行面積轉(zhuǎn)移顯示，得出同等級(jí)植被覆蓋度之間的轉(zhuǎn)換特征表。

如表1所示，轉(zhuǎn)移矩陣詳細(xì)的說(shuō)明了研究區(qū)內(nèi)不同覆蓋度之間的轉(zhuǎn)換過(guò)程。為直觀反映2010—2019不同植被覆蓋度面積轉(zhuǎn)移狀況，將2019年各個(gè)植被覆蓋度分別看作100%。由此有以下結(jié)果：退化方向，2019年9.9%的裸地由2010年低植被覆蓋度轉(zhuǎn)換而來(lái)(1.12×106km2)，7.98%中低植被覆蓋度變?yōu)榈椭脖桓采w度(7.97×105km2)，9.11%中覆蓋度由中低植被覆蓋度轉(zhuǎn)變而來(lái)(5.08×105km2)，9.64%高植被覆蓋度轉(zhuǎn)為中等植被覆蓋度(5.80×105km2)；改善方向：2019年23.41%的低植被覆蓋度由裸地發(fā)展而來(lái)(2.34×106km2)，5.71%的中低植被覆蓋場(chǎng)地由裸地轉(zhuǎn)換(3.18×105km2)，55.15%的中低植被覆蓋度由低覆蓋度轉(zhuǎn)變(3.07×106km2)，22.04%中等植被覆蓋度由低植被覆蓋度轉(zhuǎn)換而來(lái)(1.33×106km2)，32.57%中等植被覆蓋度地由中低覆蓋度轉(zhuǎn)換而來(lái)(1.96×106km2)，11.18%高植被覆蓋度由中等覆蓋度發(fā)展而來(lái)(8.07×105km2)，27%高植被覆蓋度由中等植被覆蓋度發(fā)展而來(lái)(1.95×106km2)?？傮w說(shuō)來(lái)，有3.21×106km2的場(chǎng)地退化，但有1.22×107km2朝更高級(jí)別的植被覆蓋轉(zhuǎn)化。即2010—2019年研究區(qū)內(nèi)植被覆蓋總體來(lái)看有增加趨勢(shì)。

表1 2010—2019年歸一化植被指數(shù)NDVI轉(zhuǎn)移矩陣面積

3.2 氣候類因素對(duì)植被覆蓋空間分布的影響

3.2.1 氣候類單因子對(duì)植被覆蓋的影響

氣候因子作為影響植物生長(zhǎng)的主導(dǎo)因子，其對(duì)植被覆蓋的分布有著極其重要的影響。為探究氣候類因子對(duì)內(nèi)蒙古中部植被覆蓋的空間分布的影響，本文選取9類氣候因子利用地理探測(cè)器分析，其中以6—8月降水量和3—5月降水量對(duì)植被覆蓋的解釋力最強(qiáng)，為0.71和0.62；年降水、氣壓、以及風(fēng)速解釋力中等為0.57、0.56、0.53；各個(gè)階段的氣溫以及年平均氣溫和平均露點(diǎn)溫度對(duì)植被覆蓋的解釋力最小(0.2～0.25)。

綜合各個(gè)氣候類因子，并結(jié)合植被覆蓋的空間分布可以得知，3—5月降水量和6—8月降水量極大地影響植被覆蓋，3—8月正值植物生長(zhǎng)季，同時(shí)受限于溫帶大陸性氣候干燥少雨的氣候特點(diǎn)，因此可很好地解釋植被覆蓋。此外，研究區(qū)內(nèi)氣壓與風(fēng)速空間分布較為顯著，所以也可以較好的解釋植被覆蓋。

3.2.2 氣候類因素的交互作用

為探究2個(gè)氣候因子共同作用下對(duì)植被覆蓋空間分布的解釋程度，因此對(duì)各個(gè)因子進(jìn)行交互作用檢測(cè)。其解釋力表2所示。各個(gè)階段降水與氣溫交互作用都會(huì)對(duì)植被覆蓋解釋有增強(qiáng)作用，且都為非線性增強(qiáng)，氣壓與各個(gè)階段氣溫和降水、風(fēng)速與各個(gè)階段氣溫和降水都呈非線性增強(qiáng)作用。

由表2可知，氣溫雖然在單獨(dú)解釋植被覆蓋方面的程度較小，但是與其他氣候要素降水量、氣壓、風(fēng)速的交互作用會(huì)對(duì)植被覆蓋有較好的解釋力。降水量單因素對(duì)植被覆蓋有主導(dǎo)作用，在與其他條件交互時(shí)，更能增強(qiáng)對(duì)植被覆蓋的解釋力。即在充足的水分條件下，同時(shí)滿足一定的氣溫、氣壓、風(fēng)速條件，才會(huì)對(duì)植被覆蓋有顯著影響。

表2 2010—2019年研究區(qū)氣候類因子交互作用解釋力(q值)

3.3 非氣候類因素對(duì)植被覆蓋空間的影響

3.3.1 單因素對(duì)植被覆蓋的影響

運(yùn)用地理探測(cè)器對(duì)非氣候類因素土地利用類型、植被類型、坡度、坡向、地面粗糙度、GDP、人口空間分布對(duì)內(nèi)蒙古中部植被覆蓋的影響程度。各因子的解釋力大小依次為土地利用類型(0.559)、植被類型(0.524)、坡度(0.168)、地面粗糙度(0.162)、人口空間分布(0.121)、GDP(0.089)、坡向(0.003)。其中植被類型對(duì)植被覆蓋的解釋程度最高，坡度、地面粗糙度、人口密、GDP解釋能力一般，坡向解釋能力最弱(表3)。

結(jié)合NDVI空間分布圖可知，土地利用類型、植被類型是解釋力較高的非氣候類因素。由于地形的南北與東西差異，氣候也有明顯的分異，位于內(nèi)蒙古東部的大興安嶺中南部落葉闊葉林與森林草原生態(tài)區(qū)是大興安嶺興安落葉松向闊葉林過(guò)度的類型區(qū)域，區(qū)域內(nèi)分布有山地針葉林、落葉闊葉林、落葉小葉疏林、灌叢草甸，植被組合復(fù)雜，類型多樣，所以植被覆蓋程度較高。位于大興安嶺南段山地以東的東北平原西部草甸草原生態(tài)區(qū)，該區(qū)域地帶性植被為溫性典型草原、草甸草原；而位于大興安嶺南段山地以西是內(nèi)蒙古高原中東部典型草原生態(tài)區(qū)，該區(qū)自然植被由東向西逐漸從大興安嶺落葉闊葉林過(guò)渡為草甸草原、典型草原。因此這兩個(gè)區(qū)域植被覆蓋要略低。依次向西的內(nèi)蒙古高原中部-隴中荒漠草原生態(tài)區(qū)為典型的中溫帶大陸性氣候，氣候干旱，風(fēng)大沙多。所以為適應(yīng)該區(qū)域的氣候，植被類型多為植被旱生化、灌叢化，主要分布有耐鹽堿、耐干旱的半灌木、矮半灌木。因此其植被覆蓋為研究區(qū)內(nèi)最低。除此之外，其他非氣候類因素都對(duì)內(nèi)蒙古中部植被覆蓋的解釋力較弱。

3.3.2 非氣候類因素的交互作用

對(duì)非氣候類因素作交互探測(cè)和生態(tài)型探測(cè)，如表3,其結(jié)果表明，坡向和地面粗糙度、GDP、人口空間分布，坡度和植被類型、土地利用類型，植被類型和土地利用類型，GDP和人口空間分布有顯著差異(Y)，其余因素之間均無(wú)顯著差異，說(shuō)明其余因素組合之間對(duì)植被覆蓋的解釋機(jī)理相似。在交互探測(cè)中，土地利用類型與植被類型、坡度、坡向、地面粗糙度、GDP、人口空間分布的q值分別為0.719、0.61、0.56、0.61、0.60、0.61，植被類型與坡度、坡向、地面粗糙度、GDP、人口空間分布的交互作用q值為0.578、0.527、0.568、0.571、0.569。土地利用類型、植被類型作為主導(dǎo)植被覆蓋的因子，在與其他因素的共同作用下，對(duì)植被覆蓋會(huì)作出更好的解釋。GDP、人口密度與坡度、地面粗糙度的交互作用q值分別為0.31、0.30、0.34、0.32，解釋能力比其各自單因子要強(qiáng)，其余單因素解釋能力非常小，即使與其他因素共同作用，也不會(huì)有太大變化。

表3 2010—2019年研究區(qū)非氣候類因子交互作用解釋力(q值)

3.4 18種因子的交互作用

通過(guò)對(duì)18種氣候類和非氣候類因子的因子探測(cè)分析，結(jié)果如表4所示，對(duì)植被覆蓋解釋力由大到小依次為6—8月降水量、3—5月降水量、年降水量、氣壓、植被類型、風(fēng)速、9—11月降水量、3—5月平均氣溫、年平均氣溫、9—11月平均氣溫、露點(diǎn)溫度、6—8月平均氣溫、坡度、地面粗糙度，人口空間分布、GDP、坡向。總體說(shuō)來(lái)，氣候類因素對(duì)植被覆蓋的解釋力要強(qiáng)于非氣候類，而人類活動(dòng)因素的解釋力較低。

表4 2010—2019年研究區(qū)氣候類和非氣候類因子交互作用解釋力

對(duì)所有氣候和非其氣候類因素作交互分析，結(jié)果如表4，氣候類和非氣候類要素交互作用均會(huì)增強(qiáng)解釋力，且大部分為雙因子增強(qiáng)，小部分屬于非線性增強(qiáng)。其中以6—8月降水量和植被類型交互作用(0.81)的解釋力為最大，因此，降水和植被類型作為主導(dǎo)植被覆蓋的氣候類和非氣候類因素，它們之間的相互作用會(huì)對(duì)植被覆蓋有更好的解釋力。對(duì)于解釋力較弱的氣溫和非氣候因素，在與其他因素的交互作用下，解釋力均會(huì)有不同程度的增強(qiáng)。

4 結(jié)論

根據(jù)MODIS單位MOD13Q1數(shù)據(jù)產(chǎn)品，監(jiān)測(cè)2010—2019年時(shí)間段內(nèi)錫林郭勒盟、興安盟、通遼市、赤峰市4個(gè)區(qū)域內(nèi)植被覆蓋度的變化情況。結(jié)果顯示：NDVI空間分布整體呈改善趨勢(shì)，平均變化率每10 a為0.014。其中，從生態(tài)區(qū)上看，以東北平原西部草原生態(tài)區(qū)、大興安嶺中南部落葉闊葉林與森林草原生態(tài)區(qū)改善最為明顯，分別為0.016、0.014；內(nèi)蒙古高原中東部典型草原生態(tài)區(qū)、內(nèi)蒙古中部—隴中荒漠化草原生態(tài)區(qū)改善較差，分別為0.010、0.009?？傮w看來(lái)，雖然研究區(qū)內(nèi)有部分區(qū)域有3.21×106km2的場(chǎng)地發(fā)生退化，但有1.22×107km2的場(chǎng)地朝著植被覆蓋更高的方向變化。

對(duì)于研究區(qū)內(nèi)的植被覆蓋空間分布異質(zhì)性，選取18個(gè)氣候類和非氣候類的因素進(jìn)行分析。其結(jié)果表明，降水是影響植被覆蓋的主導(dǎo)性因素，這一結(jié)果與前人的研究結(jié)果吻合[19]，尤其是以6—8月降水量、3—5月降水量對(duì)于植被覆蓋的解釋力尤為明顯。氣壓、風(fēng)速影響植被覆蓋的能力一般，而氣溫對(duì)于解釋植被覆蓋的能力最弱。非氣候類因素中，土地利用類型、植被類型是解釋植被覆蓋的主導(dǎo)因素。坡度對(duì)植被覆蓋的影響明顯要高于坡向。其他非氣候類因素如坡度、坡向、地面粗糙度、GDP、人口空間分布解釋力較弱，只有在與氣候類以及植被類型交互作用下其解釋力才會(huì)顯現(xiàn)。由于內(nèi)蒙古地廣人稀，人口空間分布相對(duì)較低，所以GDP和人口空間分布在區(qū)域中的解釋力要較弱[20]。

總體說(shuō)來(lái)，對(duì)內(nèi)蒙古中部植被覆蓋的影響，氣候類因素大于非氣候類因素。當(dāng)兩個(gè)因素交互作用時(shí)，其解釋能力會(huì)更強(qiáng)。在未來(lái)面對(duì)農(nóng)牧業(yè)經(jīng)濟(jì)大力發(fā)展的同時(shí)，人類社會(huì)經(jīng)濟(jì)因素會(huì)對(duì)植被覆蓋產(chǎn)生更明顯的影響[21]。因此，需要針對(duì)不同區(qū)域自然與社會(huì)經(jīng)濟(jì)條件，因地制宜加大生態(tài)保護(hù)力度，支撐自然科學(xué)資源的科學(xué)利用，實(shí)現(xiàn)農(nóng)牧業(yè)可持續(xù)發(fā)展。

5 討論

本研究基于2010—2019年內(nèi)蒙古中部植被覆蓋變化以及空間分布進(jìn)行分析。對(duì)于植被覆蓋的空間分布異質(zhì)性，選取氣候類和非氣候類因素利用地理探測(cè)器進(jìn)行驅(qū)動(dòng)力分析。在研究氣候因素對(duì)植被覆蓋的影響時(shí)，將降水和氣溫分為3—5月、6—8月、9—11月3個(gè)階段，可以具體知道在那個(gè)階段的影響最大，其中6—8月、3—5月降水量比年降水量對(duì)植被覆蓋有更強(qiáng)的解釋力。因此，在今后的研究中可以選取各個(gè)階段的氣候數(shù)據(jù)，解釋力會(huì)更強(qiáng)。此外，由于考慮到地形因素對(duì)降水、氣溫的影響，本研究對(duì)研究區(qū)內(nèi)的38個(gè)氣象站點(diǎn)采用薄盤樣條法，引入高程協(xié)變量對(duì)氣溫、降水進(jìn)行插值，大大提高插值數(shù)據(jù)的準(zhǔn)確程度。同時(shí)，在今后的研究中可以加入更多的協(xié)變量來(lái)提高插值精度。

同時(shí)，在對(duì)植被覆蓋進(jìn)行分析時(shí)，只分析了多年平均NDVI值和氣象數(shù)據(jù)以及非氣象數(shù)據(jù)，這在一定程度上只解釋了植被覆蓋在空間上的分布，只是一個(gè)靜態(tài)的分析，應(yīng)該更多利用地理探測(cè)器分析動(dòng)態(tài)過(guò)程，而不是僅僅停留于靜態(tài)過(guò)程。在地理探測(cè)器分析過(guò)程中，由于其支持的柵格采樣數(shù)據(jù)僅為32 767個(gè)，導(dǎo)致在采樣過(guò)程必須設(shè)置較大的分辨率，本研究用4 km×4 km，這樣就導(dǎo)致采樣精度降低，在后期進(jìn)行解釋力分析時(shí)會(huì)產(chǎn)生較大的誤差。在今后的研究中，可以采用分塊進(jìn)行分析。