付含培, 王讓虎, 王曉軍

(1.山西大學(xué) 環(huán)境與資源學(xué)院, 太原 030006; 2.山西大學(xué) 黃土高原研究所, 太原 030006)

植被是聯(lián)結(jié)大氣圈、土壤圈、水圈和生物圈的重要紐帶，對(duì)于監(jiān)測生態(tài)環(huán)境的變化具有重要指示作用[1]，因此植被覆蓋的時(shí)空變化特征及驅(qū)動(dòng)因子分析在區(qū)域生態(tài)環(huán)境變化研究中具有重要意義[2-3]。歸一化植被指數(shù)(NDVI)[4]作為表征植被生長狀況的重要指示因子，與葉面積指數(shù)、生物量存在明顯的相關(guān)性，可以對(duì)地表植被生長狀況進(jìn)行快速評(píng)估[5-8]?；贛ODIS，SPOT/VEGETATION等衛(wèi)星遙感影像得到的NDVI數(shù)據(jù)具有易獲取、分辨率高的特點(diǎn)，是長時(shí)序植被覆蓋研究的重要數(shù)據(jù)來源。目前國內(nèi)外眾多學(xué)者已利用不同時(shí)段的NDVI數(shù)據(jù)采用不同方法對(duì)區(qū)域尺度植被覆蓋的時(shí)空變化規(guī)律及對(duì)氣候變化的響應(yīng)進(jìn)行了深入研究[9-10]。

黃河流域是我國第二大流域，生態(tài)環(huán)境較為脆弱，近年來在氣候變化和人類活動(dòng)等因素作用下，流域植被覆蓋狀況發(fā)生了轉(zhuǎn)變[11]。目前，黃河流域植被覆蓋變化監(jiān)測及驅(qū)動(dòng)機(jī)制研究取得了一定的進(jìn)展。張亞玲等[12]采用1998—2012年SPOT-NDVI數(shù)據(jù)發(fā)現(xiàn)黃河流域NDVI平均值與緯度變化存在一定的負(fù)相關(guān)性，并隨著時(shí)間增長呈現(xiàn)出增加的趨勢。袁麗華等[13]利用2000—2010年的MOD13Q1數(shù)據(jù)發(fā)現(xiàn)，黃河流域NDVI呈現(xiàn)出北部較低，而東南部、西部較高的特征。趙安周等[14]基于MODIS-NDVI數(shù)據(jù)發(fā)現(xiàn)在2000—2014年期間，黃河流域NDVI保持了增長的趨勢，并且達(dá)到了6.93%/10 a的增速。劉啟興等[15]利用2000—2016年的MODIS-NDVI數(shù)據(jù)，綜合采用多種方法(肯德爾法檢驗(yàn)法等)探討了氣候因子對(duì)于黃河流域植被覆蓋特征的變化，研究結(jié)果顯示該區(qū)域NDVI在2000—2016年保持了較高的穩(wěn)定性；其中大部分區(qū)域的植被NDVI保持增長趨勢，其比例達(dá)到了70.4%，而年增長率基本保持在0～0.004范圍內(nèi)。郭帥等[16]分析1982—2015年GIMMS NDVI數(shù)據(jù)及相關(guān)氣象數(shù)據(jù)，得出黃河流域NDVI與年平均氣溫、年降水量以正相關(guān)為主，其中顯著正相關(guān)分別為22.39%，21.99%。葉培龍等[17]通過分析1980—2018年黃河上游各氣象站點(diǎn)的數(shù)據(jù)，發(fā)現(xiàn)黃河上游呈現(xiàn)暖濕化趨勢，其有利于黃河上游植被生長。但鮮有學(xué)者對(duì)影響黃河流域植被覆蓋的自然和人文因子展開系統(tǒng)性分析和研究，且缺少相關(guān)驅(qū)動(dòng)力分析。地理探測器是探測空間分異性，以及揭示其背后驅(qū)動(dòng)力的一組統(tǒng)計(jì)學(xué)方法[18]，已有學(xué)者將該統(tǒng)計(jì)方法應(yīng)用于植被NDVI驅(qū)動(dòng)機(jī)制的研究[19-21]。因此，本研究基于SPOT NDVI遙感數(shù)據(jù)，采用Sen趨勢分析、Manna-Kendall檢驗(yàn)、Hurst指數(shù)、空間轉(zhuǎn)移矩陣分析1999—2018年黃河流域NDVI時(shí)空變化特征，并采用地理探測器模型對(duì)黃河流域NDVI空間分異特征與驅(qū)動(dòng)因子進(jìn)行探測分析，為黃河流域植被恢復(fù)與生態(tài)建設(shè)提供科學(xué)依據(jù)。

1 研究區(qū)概況

黃河流域位于95°50′29″—119°6′26″E，32°6′53″—41°48′18″N，流域面積為79.46萬km2，地跨9省。海拔0～6 255 m，由西向東依次為西部青藏高原區(qū)，多為山地，海拔較高；中部地區(qū)以黃土高原區(qū)為主，黃土地貌，地表破碎，水土流失嚴(yán)重；東部黃淮海平原區(qū)，主要由黃河沖擊而成，海拔較低，整體地勢西高東低。黃河流域西部為大陸性干旱氣候，中部為季風(fēng)性半干旱氣候，東部屬海洋性半濕潤氣候。黃河流域年均溫9℃，流域大部分地區(qū)年降水量在200～650 mm，西南部和東南部多于650 mm，深居內(nèi)陸的西北部部分地區(qū)則少于150 mm。除氣候及地形等方面的因素外，該區(qū)域存在多種類型的地貌，同樣促進(jìn)了不同植被的生長。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源與預(yù)處理

在本次研究中采用的植被NDVI數(shù)據(jù)來自于1 km植被指數(shù)(NDVI)空間分布數(shù)據(jù)集，并通過最大值合成法形成；氣象氣候數(shù)據(jù)來自于氣象背景數(shù)據(jù)集，基于全國1 915個(gè)站點(diǎn)的氣象數(shù)據(jù)插值生成500 m×500 m的空間分布數(shù)據(jù)集；地貌、土壤數(shù)據(jù)分別來自于中國1∶100萬地貌類型數(shù)據(jù)、土壤類型空間分布數(shù)據(jù)；90 m DEM來自于SRTM V4.1(Shuttle Radar Topography Mission，SRTM)數(shù)據(jù)，通過拼接重采樣生成1 km柵格數(shù)據(jù)，并利用ArcGIS進(jìn)一步獲取坡度和坡向數(shù)據(jù)；土地利用類型數(shù)據(jù)主要來自于中國土地利用現(xiàn)狀數(shù)據(jù)集，分辨率1 km；人口密度、GDP密度數(shù)據(jù)分別來源于中國人口空間分布公里網(wǎng)格數(shù)據(jù)集、GDP空間分布公里網(wǎng)格數(shù)據(jù)集，均為1 km網(wǎng)格。所有的數(shù)據(jù)均通過中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http:∥www.resdc.cn/)獲取，并通過ArcGIS軟件利用黃河流域范圍矢量數(shù)據(jù)進(jìn)行裁剪、投影變換等處理。

2.2 研究方法

2.2.1 趨勢分析 采用Sen氏趨勢分析與M-K檢驗(yàn)結(jié)合，分析像元尺度上NDVI變化趨勢。Sen氏趨勢分析對(duì)數(shù)據(jù)誤差有較強(qiáng)的抵抗能力，且分析結(jié)果較為科學(xué)可信[22]。其計(jì)算公式如下：

當(dāng)斜率S大于0時(shí)，表示呈現(xiàn)增長趨勢，小于0則呈現(xiàn)下降趨勢。

Manna-Kendall檢驗(yàn)(M-K檢驗(yàn))可判斷趨勢的顯著性，且能夠排除少數(shù)異常值的干擾。因此，本文將二者相結(jié)合，用來判斷黃河流域內(nèi)NDVI在像元尺度的變化趨勢及其顯著性。

2.2.2 Hurst指數(shù) Hurst指數(shù)多用于描述自然界中長時(shí)間序列的自然現(xiàn)象[23]。具體公式見相關(guān)文獻(xiàn)[13]。若通過上述公式證明時(shí)間序列中存在Hurst現(xiàn)象，可利用最小二乘法擬合得到H值。

NDVI序列的完全隨機(jī)性和持續(xù)性由H值決定。當(dāng)滿足條件0

2.2.3 地理探測器 目前在空間分異性研究中廣泛采用了地理探測器模型[18]。在本研究中即利用該工具分析黃河流域NDVI變化的驅(qū)動(dòng)因子單個(gè)及其交互關(guān)系。已有研究表明，氣候因子對(duì)NDVI有顯著影響[15]。黃河流域面積廣闊，地形復(fù)雜多樣。西部高原山地，植被覆蓋較為原始，受人類影響較小，西北部內(nèi)蒙古高原及北部河套平原，歷史上為農(nóng)業(yè)灌溉區(qū)，受人類活動(dòng)影響較大。因此，在考慮系統(tǒng)性、典型性等因素下，本研究選取氣候、地表及人類活動(dòng)三大類因素，14個(gè)因子，探測其對(duì)黃河流域NDVI的影響。在ArcGIS 10.2中，按照1 km×1 km網(wǎng)格，隨機(jī)生成7 520個(gè)采樣點(diǎn)，結(jié)合空間位置關(guān)系對(duì)采樣點(diǎn)NDVI數(shù)據(jù)進(jìn)行關(guān)聯(lián)。在本次研究中共選取14個(gè)影響因子(表1)。本文將平均降水量、濕潤指數(shù)、干燥度、積溫(≥10℃)、積溫(≥0℃)、年均溫分為6個(gè)等級(jí)，將高程分為7個(gè)等級(jí)，將坡度、地貌、土壤、GDP、人口、土地利用類型分為9個(gè)等級(jí)，將坡向分為10級(jí)，劃分過程中采用自然斷點(diǎn)法(圖1)。

表1 黃河流域NDVI影響因子

地理探測器具體包括如下4種類型：

(1) 分異及因子探測。其可以對(duì)NDVI的空間分異性進(jìn)行探測，在此基礎(chǔ)上可以進(jìn)一步分析不同因子產(chǎn)生的影響。具體公式如下：

(2) 交互作用探測。基于交互作用探測可以對(duì)人類活動(dòng)、氣象以及地表等因素之間的交互作用進(jìn)行分析，可以評(píng)價(jià)多因子的交互作用是否能夠影響到對(duì)于NDVI的解釋能力。

(3) 風(fēng)險(xiǎn)區(qū)探測。據(jù)此可以評(píng)價(jià)不同子區(qū)域?qū)傩跃档牟町愋裕糜阼b別各區(qū)域植被覆蓋情況，用t統(tǒng)計(jì)量來檢驗(yàn)[20]。具體公式如下：

(4) 生態(tài)探測。生態(tài)探測需要借助F統(tǒng)計(jì)量，衡量兩因子X1和X2對(duì)NDVI空間分布的影響是否有顯著差異。

式中：L1，L2分別為X1，X2分層的數(shù)量；Nx1，Nx2分別為二者的樣本數(shù)目；SSWx1，SSWx2對(duì)應(yīng)著二者的分層、層內(nèi)方差和[18]。

3 結(jié)果與分析

3.1 植被NDVI空間分布格局

基于1999—2018年的NDVI數(shù)據(jù)，結(jié)合黃河流域?qū)嶋H情況，本文利用等間距法將植被狀況劃分為5種類型(表2)。由植被覆蓋空間格局圖(圖2)可見，黃河流域NDVI分布具有明顯的空間分異特征，總體表現(xiàn)為南高北低，與緯度表現(xiàn)出一定的負(fù)相關(guān)性，即緯度越低，則NDVI值越高。其中，較高及以上植被覆蓋度占黃河流域面積的47.13%，主要分布于流域的東部和南部地區(qū)，包括山西西部呂梁山脈、陜南及關(guān)中地區(qū)；中植被覆蓋度占26.80%，多位于中部地區(qū)，呈東北—西南走向帶狀分布；較低植被覆蓋度占21.41%，集中在流域的北部；低植被覆蓋度面積僅占4.65%，分布在河套平原兩側(cè)。黃河流域西南部主要為山地，植被以森林、草地以及草本濕地為主，有較高的NDVI值；東南部屬于海洋性半濕潤氣候，水熱較充足，且林地和農(nóng)作物分布較為廣泛，所以NDVI值較高。北、中部為內(nèi)蒙古高原、河套平原，生態(tài)環(huán)境脆弱，氣溫高、降水少，植被破壞嚴(yán)重，現(xiàn)有植被多為低矮的農(nóng)作物，因此NDVI值較低。

圖1 黃河流域因子空間分布

表2 植被覆蓋類型

圖2 1999-2018植被覆蓋空間格局

3.2 植被NDVI時(shí)間變化趨勢

3.2.1 區(qū)域尺度NDVI的時(shí)間變化趨勢 由區(qū)域尺度植被NDVI的時(shí)間變化趨勢圖(圖3)可見，1999—2018年黃河流域整體呈增加態(tài)勢，平均年際變化率為0.007。20 a間，年均NDVI最高值出現(xiàn)在2012年，為0.44，最低值出現(xiàn)在2000年，為0.34。就季節(jié)來看，夏季NDVI值最高，秋季、春季其次，冬季最低。黃河流域春、夏、秋季NDVI變化趨勢與年際變化趨勢基本一致，呈波動(dòng)上升趨勢，平均年際變化率分別為0.005，0.007，0.007，而冬季NDVI的年際變化相對(duì)平穩(wěn)，年際變化率只有0.000 07，這可能因?yàn)楫?dāng)?shù)刂脖恢饕月淙~植被為主，冬季植被大都凋落，增長不夠明顯。從月份NDVI變化趨勢來看，最低值出現(xiàn)在冬季的2月份，為0.16；NDVI最高值出現(xiàn)在夏季的8月份，為0.53；2—8月NVDI值上升明顯，8月—次年2月下降明顯，呈波峰和波谷狀。

圖3 1999-2018年區(qū)域尺度NDVI時(shí)間變化趨勢

3.2.2 像元尺度NDVI的時(shí)間變化趨勢 根據(jù)Sen趨勢分析結(jié)果將NDVI變化趨勢分為7級(jí)(圖4)，根據(jù)M-K檢驗(yàn)結(jié)果(0.05置信水平)將NDVI變化顯著性分為6級(jí)(圖5)。由變化趨勢結(jié)果可見，黃河流域20 a間NDVI時(shí)間變化趨勢以極顯著緩慢增長為主，整體變化趨勢向好。其中，極顯著緩慢增長區(qū)域所占面積最大，占整個(gè)流域面積的53.12%；不顯著變化的區(qū)域其次，占29.98%；極顯著較快增長的區(qū)域占15.47%；快速增長的占1%；而極顯著較快退化和極顯著緩慢退化合計(jì)共占黃河流域面積的1.43%。極顯著較快增長和極顯著快速增長的區(qū)域主要位于黃河流域的東部，黃河兩岸，地理位置上屬山西西部呂梁山脈和陜西北部黃土高原，這與該區(qū)域持續(xù)退耕還林，人工在造林有密不可分的關(guān)系，一定程度上減少了黃土高原的水土流失，改善了黃河生態(tài)環(huán)境?；静蛔兊膮^(qū)域則位于黃河流域北部，河套平原周邊地區(qū)以及黃河下游地區(qū)，該區(qū)域城鎮(zhèn)、耕地面積較大，因而基本沒有變化。

圖4 1999-2018年NDVI趨勢變化

圖5 1999-2018年NDVI變化顯著性

3.2.3 NDVI變化的可持續(xù)性分析 從黃河流域NDVI的Hurst指數(shù)(圖6)可以看出，H值低于0.3的區(qū)域零星分布在流域的中部及南部地區(qū)，僅占流域面積的1.46%；H值大于0.7的區(qū)域位于中部和北部地區(qū)，占流域面積的0.67%；0.5～0.6的區(qū)域占28.78%，0.6～0.7占6.32%，主要分布于山西西部和陜西中部；0.3～0.4的區(qū)域占流域的18.13%，0.4～0.5的區(qū)域占黃河流域的45.15%，其反退化占比較高，主要分布于甘肅隴中黃土高原、寧夏地區(qū)和陜西、山西黃土高原區(qū)，這些區(qū)域本身為黃土高原或干旱沙地，植被覆蓋差，多為季節(jié)性降水，加之人類活動(dòng)頻繁，其植被生長持續(xù)性不強(qiáng)。0.5～0.6的區(qū)域占流域面積的28.78%，0.6～0.7占6.32%。

本文將Hurst指數(shù)圖與趨勢分析圖在ArcGIS中疊加，得到黃河流域NDVI未來趨勢變化圖(圖7)。結(jié)果表明，持續(xù)快速退化和持續(xù)較快退化面積極小，僅占0.01%，幾乎可以忽略不計(jì)；持續(xù)較緩慢退化的面積占0.14%，大多分布于城鎮(zhèn)及周邊，是城區(qū)擴(kuò)張?jiān)斐傻?；持續(xù)基本不變的面積占30.19%；波動(dòng)變化占整個(gè)流域面積的44.86%，是占比最大的區(qū)域；緩慢退化區(qū)和緩慢增長區(qū)域是波動(dòng)變化的主要發(fā)生地；持續(xù)緩慢增長占17.67%，與Hurst指數(shù)0.5～0.6分布基本一致；持續(xù)較快增長占6.66%，持續(xù)快速增長面積僅占0.47%，二者占比較小，多分布于持續(xù)緩慢增長區(qū)內(nèi)。

圖6 1999-2018年NDVI Hurst指數(shù)

圖7 未來變化趨勢

3.3 植被NDVI空間分布變化

在ArcGIS中通過疊加分析得到了1999—2018年植被覆蓋空間轉(zhuǎn)移矩陣表(表3)，結(jié)果表明，1999—2018年期間高植被覆蓋度和較高植被覆蓋度大幅增加，中植被覆蓋度增加明顯，主要是由低一級(jí)植被覆蓋度轉(zhuǎn)化而來。演化趨勢為：較低植被覆蓋度→中植被覆蓋度，中植被覆蓋度→較高植被覆蓋度，較高植被覆蓋度→高植被覆蓋度。20 a來，植被覆蓋度保持穩(wěn)定的區(qū)域占31.6%，持續(xù)增加的占65.99%，減少的占2.41%?？傮w來看，黃河流域植被增長明顯，生態(tài)恢復(fù)成效顯著，生態(tài)環(huán)境整體向好。

表3 黃河流域植被覆蓋空間轉(zhuǎn)移矩陣 %

3.4 NDVI空間分布的地理探測

3.4.1 不同驅(qū)動(dòng)因子對(duì)NDVI空間分異的驅(qū)動(dòng)分析 用地理探測器對(duì)NDVI的空間分異及變化趨勢進(jìn)行歸因，因子探測結(jié)果見表4，不同因子對(duì)黃河流域NDVI空間分布的解釋能力如下：年平均降水量>濕潤指數(shù)>干燥度>土壤類型>年均溫>土地利用>積溫(≥0℃)>積溫(≥10℃)>高程>地貌>坡度>人口>GDP>坡向，這也反映了地處內(nèi)陸半濕潤、半干旱、干旱交匯區(qū)的黃河流域，水分為主的氣候因素是影響NDVI的主導(dǎo)因素。其中，年平均降水量、濕潤指數(shù)、干燥度、土壤類型的解釋力均超過30%，分別為59.6%，46.1%，34.9%，33.9%，是主要影響因子；年均溫、土地利用、積溫(≥0℃)、積溫(≥10℃)、高程、地貌解釋力大于20%，分別為27.9%，26.9%，26.2%，25.7%，24.2%，20.7%，是次要影響因素；坡度、人口、GDP、坡向解釋力均低于20%，影響力較低。

表4 因子探測結(jié)果

3.4.2 交互作用探測分析 由表5可知，交互作用解釋力最強(qiáng)的是平均降水量和土地利用，它們雙因子交互q值達(dá)到了0.704，這說明了土地利用的變化影響降水量,并以此作為因變量解釋黃河流域NDVI較強(qiáng)。解釋力最差的是坡向與GDP的交互，這可能是由于本身坡向及GDP對(duì)NDVI解釋力較差，在這樣兩個(gè)因子交互下，解釋力不足。同時(shí)，降水量與大多數(shù)因子相結(jié)合都能產(chǎn)生較高的q值，最低值是平均降水量與坡向的組合，卻也達(dá)到了0.638。坡向、GDP、人口密度與多數(shù)因子交互解釋力較低。

表5 交互作用探測結(jié)果

由表6可知，絕大多數(shù)因子交互呈現(xiàn)相互增強(qiáng)或非線性增強(qiáng)，表現(xiàn)為兩因子q值相加大于單因子q值。其中以年平均降水量為代表的主導(dǎo)因子表現(xiàn)更為明顯，X4∩X12(0.704)>X4∩X11(0.698)>X4∩X10(0.688)>X4∩X7(0.687)>X4∩X6(0.669)>X4∩X1(0.665)>X4∩X2(0.654)>X4∩X8(0.640)>X4∩X14(0.632)>X4∩X5(0.627)>X4∩X13(0.624)>X4∩X3(0.615)>X4∩X9(0.609)，結(jié)果表明，年平均降水量與土地利用類型、土壤類型、地貌、高程、年均溫等因子的相互作用呈現(xiàn)相互增強(qiáng)的關(guān)系。X9∩X4(0.609)>X9∩X5(0.479)>X9∩X3(0.368)>X9∩X11(0.359)>X9∩X6(0.295)>X9∩X12(0.290)>X9∩X1(0.279)>X9∩X2(0.276)>X9∩X7(0.254)>X9∩X10(0.224)>X9∩X8(0.128)>X9∩X14(0.114)>X9∩X13(0.047)，且X9∩Xn均大于X9+Xn，可見坡向與年平均降水量、濕潤指數(shù)、干燥度、土壤類型等因子的相互作用效應(yīng)呈現(xiàn)非線性增強(qiáng)的關(guān)系。

研究結(jié)果表明，僅有兩對(duì)因子交互對(duì)NDVI的影響是相互獨(dú)立的，分別是年平均降水量與土地利用類型交互及高程與人口密度的交互(表6)，X4∩X13=0.624=X4+X13，X7∩X14=0.339=X7+X14。

3.4.3 生態(tài)探測分析 由表7可知，氣候要素中各因子大多與其他氣候要素因子存在顯著性關(guān)系，年平均降水量尤為突出，而與地表因素和人類活動(dòng)因素極少存在顯著性關(guān)系。比如積溫(≥0℃)與干燥度、年平均降水量、濕潤指數(shù)和土地利用類型存在顯著性關(guān)系，年平均降水量與積溫(≥0℃)、積溫(≥10℃)和干燥度存在顯著性關(guān)系。在地表因素中，大多數(shù)因子均與土壤和土地利用類型之間存在顯著性差異，比如高程與土壤類型和土地利用類型存在顯著性關(guān)系；坡向與地貌、土壤類型、土地利用類型和人口密度有顯著性差異；地貌與坡度、坡向、土壤類型和土地利用類型存在顯著性差異。由此可見，NDVI受三大類要素共同影響，氣候因素仍為主導(dǎo)。其中，年平均降水量、土壤和土地利用類型對(duì)NDVI影響最大，GDP對(duì)NDVI影響最小。

表6 影響植被NDVI主導(dǎo)因子交互作用分析

表7 生態(tài)探測結(jié)果

3.4.4 影響因子的適宜范圍或類型 基于風(fēng)險(xiǎn)探測，我們能夠得出各類影響因子中，植被NDVI最適宜的范圍(表8)。氣象因子方面，年平均降水量在658～1 039 mm，年均溫-2.6～1.8℃時(shí)，NDVI均值最高，可見水熱條件較好的地區(qū)植被覆蓋度更好。高程在3 216～4 005 m，坡度在15.29°～27.56°時(shí)植被覆蓋度最高，與地貌的大起伏中山、大起伏高山，土地利用的林地、草地相對(duì)應(yīng)，說明在山高坡陡的地區(qū)，植被覆蓋度更高。草甸土和砂姜黑土廣泛分布于山地和山前洼地中，從側(cè)面反映出海拔對(duì)植被覆蓋的影響。

表8 不同影響因子的適宜類型或范圍

總體來看，由風(fēng)險(xiǎn)探測我們可知，氣象因素、地表因素是影響黃河流域NDVI的主要因素，而人類活動(dòng)對(duì)NDVI的影響主要體現(xiàn)在土地利用方式的改變上，退耕還林與植樹造林工程發(fā)揮了重要作用。

4 討 論

黃河流域地跨我國三級(jí)階梯，地貌類型復(fù)雜多樣，自然與人為因素共同作用，對(duì)流域內(nèi)植被覆蓋產(chǎn)生重要影響。本研究表明黃河流域自實(shí)施退耕還林、生態(tài)修復(fù)工程實(shí)施以來，流域NDVI變化趨勢以極顯著緩慢增長為主，植被覆蓋空間格局整體向好，而氣象因素、地表因素與人類活動(dòng)因素共同影響了植被分異，其中氣象因素依舊為主導(dǎo)因素，平均降水量與濕潤指數(shù)解釋力均大于45%，占主導(dǎo)地位。由此可見降水是植被活動(dòng)的主要驅(qū)動(dòng)力，這與前人的研究結(jié)果一致[24-25]。土壤類型是植被NDVI變化的重要因子[20]，在以降水為主要限制因素的地區(qū)，土壤類型對(duì)植被生長和雨水再利用效率影響顯著，如淋溶土、半淋溶土地區(qū)的NDVI值較高；而漠土與干旱土NDVI值較低，不適宜植被生長；初育土廣泛分布于陜北黃土高原區(qū)，該區(qū)是黃河流域生態(tài)修復(fù)與水土保持的重點(diǎn)區(qū)域，因此NDVI增速較快。人類活動(dòng)中，土地利用方式對(duì)NDVI影響較大，自1999年退耕還林還草工程實(shí)施以來，黃河流域NDVI持續(xù)增長，但增速較慢，這可能與城市化和過度放牧有關(guān)。

氣候因素與地表因素、人類活動(dòng)因素相交互，會(huì)顯著提高對(duì)NDVI的解釋力。本文研究發(fā)現(xiàn)，降水量與土地利用解釋力最強(qiáng)，q值為0.704，降水量與其余各因子交互q值均大于0.6，濕潤指數(shù)與其余各因子交互q值均大于0.47，也反映了水分的主導(dǎo)作用。這與相關(guān)研究[26]認(rèn)為的社會(huì)經(jīng)濟(jì)因子與自然因子交互，會(huì)顯著提高其對(duì)植被NDVI空間分布的影響力一致。

像元尺度上的區(qū)域NDVI時(shí)空變化及其驅(qū)動(dòng)因素分析一直是地理學(xué)和生態(tài)學(xué)研究的重點(diǎn)，本文利用SPOT NDVI數(shù)據(jù)可觀揭示了黃河流域20 a間植被覆蓋度變化的時(shí)空特征，本研究表明黃河流域NDVI變化的可持續(xù)性不強(qiáng)，主要以波動(dòng)變化為主，與其他已有研究的相同時(shí)期對(duì)比，基本趨勢是一致的[13]。已有研究表明，SPOT系列衛(wèi)星NDVI數(shù)據(jù)在光譜波段設(shè)計(jì)、空間精度和幾何糾正等方面都比其他數(shù)據(jù)更有優(yōu)勢，因此其應(yīng)用也較為廣泛[27]。因此，本研究是可信的。但是NDVI存在飽和現(xiàn)象，特別在夏季或植被覆蓋度高的林區(qū)尤為明顯。EVI能很好地反映植被生長，即使在生物含量較高的月份也能反映出植被生長的季節(jié)性特征[28]，因而EVI更適用于長序列季節(jié)性研究。本文大多基于年際NDVI數(shù)據(jù)展開分析，因此受飽和現(xiàn)象影響較小。

地理探測器是探測空間分異性，以及揭示其背后驅(qū)動(dòng)力的一組統(tǒng)計(jì)學(xué)方法[18]。地理探測器在各領(lǐng)域應(yīng)用廣泛，特別是在對(duì)NDVI的探測上。本文采用地理探測器對(duì)黃河流域NDVI空間分異特征展開探測，結(jié)論與同流域研究基本一致[29]。但是，在選取因子指標(biāo)和對(duì)各因子數(shù)據(jù)進(jìn)行離散化處理時(shí)，存在一定的主觀性。

5 結(jié) 論

(1) 1999—2018年黃河流域植被覆蓋整體較好，多年平均NDVI值為0.39，呈現(xiàn)南高北低的分布格局，其中較高及以上植被覆蓋度區(qū)域占流域面積的47.13%。從NDVI空間變化特征來看，1999—2018年期間，高植被覆蓋度和較高植被覆蓋度大幅增加，中植被覆蓋度增加明顯，主要是由低一級(jí)植被覆蓋度轉(zhuǎn)化而來。

(2) 20 a來黃河流域NDVI整體呈增加態(tài)勢，年增率為0.007；季節(jié)變化特征明顯，最低值出現(xiàn)在冬季的2月份，NDVI值為0.16，最高值出現(xiàn)在夏季的8月份，NDVI值為0.53。從NDVI像元尺度的時(shí)間變化趨勢來看，1999—2018年黃河流域NDVI變化趨勢以極顯著緩慢增長為主，占整個(gè)流域面積的53.12%，整體變化趨勢向好，但可持續(xù)性不強(qiáng)；極顯著較快增長和快速增長的區(qū)域占15.47%，主要位于山西西部呂梁山脈和陜西北部黃土高原，這與當(dāng)?shù)厣鷳B(tài)恢復(fù)工程緊密相關(guān)。需要注意的是，未來持續(xù)波動(dòng)區(qū)域所占面積比例達(dá)到44.86%，其中以緩慢退化和緩慢增長為主。

(3) 黃河流域的NDVI空間差異主要由年平均降水量、濕潤指數(shù)、干燥度、土壤類型決定，其因子解釋力均超過30%，這表明氣候因素仍然是影響黃河流域NDVI的主導(dǎo)因素。絕大多數(shù)驅(qū)動(dòng)因子間交互呈現(xiàn)相互增強(qiáng)或非線性增強(qiáng)，交互解釋力最強(qiáng)的是年平均降水量和土地利用，q值為0.704。只有年平均降水量與土地利用類型交互及高程與人口密度的交互是相對(duì)獨(dú)立的。