呂攀屹，黃領(lǐng)梅，權(quán) 全，莫淑紅

(西安理工大學(xué) 省部共建西北旱區(qū)生態(tài)水利國家重點實驗室，陜西 西安 710048)

植被是陸地生態(tài)系統(tǒng)的主體，在全球氣候變化研究中起著敏感指示器的作用[1]。已有研究表明，區(qū)域氣候變化會改變植被的組成與結(jié)構(gòu)，使森林格局發(fā)生變化[2]。另外，隨著我國生態(tài)環(huán)境保護政策的推行，多地的植被狀況發(fā)生了顯著變化[3-4]。因此，區(qū)域氣候變化和植被生長的相互作用機制研究引起眾多學(xué)者的廣泛關(guān)注，利用遙感技術(shù)研究植被生長的學(xué)者眾多。植被指數(shù)作為重要的生態(tài)氣候參數(shù)，是反映綠色活植被相對豐度和活性的輻射量化值，常被用于表征研究區(qū)域的植被生理狀況、綠色生物量及植被生產(chǎn)力等，是描述生態(tài)系統(tǒng)的基礎(chǔ)數(shù)據(jù)[5]。目前已提出的植被指數(shù)多達20余種，其中歸一化植被指數(shù)(NDVI)應(yīng)用最廣，反映了地表植被的生長狀況，不僅是衡量區(qū)域植被生長發(fā)育水平的重要依據(jù)，還能為城市生態(tài)環(huán)境建設(shè)提供決策參考[6]。

近年來，陜西關(guān)中城市化發(fā)展加快、工業(yè)區(qū)聚集等城市生態(tài)問題成為生態(tài)可持續(xù)發(fā)展的難點[7]。本研究將探究陜西關(guān)中地區(qū)植被覆蓋的時空變化特征及其驅(qū)動力，并將所得出的研究成果與當(dāng)?shù)厣鷳B(tài)恢復(fù)舉措聯(lián)系起來，以期為今后該地區(qū)的生態(tài)高質(zhì)量發(fā)展提供有力的數(shù)據(jù)支撐。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

陜西省關(guān)中地區(qū)位于中國中西部，地處33°34′～35°52′N、106°18′～110°38′E，包含西安、咸陽、寶雞、渭南、銅川5個地級市(圖1)，總土地面積55 623 km2，海拔323～3 771 m，極差達3 448 m[8]，地勢西南高東北低。關(guān)中地區(qū)屬于暖溫帶半濕潤季風(fēng)區(qū)，夏季高溫多雨，冬季低溫少雨，年平均氣溫9.9～15.8 ℃，多年平均降水量500～878 mm，降水多集中在7—9月，多年平均水面蒸發(fā)量1 000～1 200 mm。

圖1 研究區(qū)位置及海拔梯度

1.2 數(shù)據(jù)來源及處理

1.2.1 遙感影像資料

選用MOD13A1產(chǎn)品數(shù)據(jù)，時間分辨率為16 d，空間分辨率為500 m。根據(jù)研究區(qū)域及研究時段篩選2005—2020年生長季(5—10月)數(shù)據(jù)圖像，共計192幅[9]。

1.2.2 地理探測器輸入數(shù)據(jù)

(1)高程數(shù)據(jù)。選用由美國太空總署(NASA)和國家測繪局(NIMA)聯(lián)合測量的30 m分辨率DEM數(shù)字高程數(shù)據(jù)。

(2)氣象數(shù)據(jù)。包括降水、溫度等數(shù)據(jù)，來源于中國氣象局氣象數(shù)據(jù)中心提供的《中國地面氣候資料日值數(shù)據(jù)集》，選用關(guān)中地區(qū)及周邊9個站，采用距離平方倒數(shù)法插值生成1 km分辨率柵格數(shù)據(jù)。

(3)地理因素及人為因素數(shù)據(jù)。地形地貌、植被類型、人口密度和人均GDP柵格數(shù)據(jù)由中國科學(xué)院地理科學(xué)與資源研究所資源環(huán)境科學(xué)與數(shù)據(jù)中心提供，數(shù)據(jù)翔實可靠。本研究采用2005年和2020年兩期土地利用數(shù)據(jù)，2005年數(shù)據(jù)采用中科院數(shù)據(jù)中心土地利用數(shù)據(jù)，2020年數(shù)據(jù)基于Landsat 8遙感影像通過監(jiān)督分類法獲取，通過Kappa檢驗符合精度要求(Kappa值為0.880)，分辨率均為100 m。

因為地理探測器是依靠離散數(shù)據(jù)的算法，所以將矢量數(shù)據(jù)通過0.015°×0.015°格網(wǎng)提取的方法離散化；氣象因素等連續(xù)變量數(shù)據(jù)則采用自然斷點法分類。影響陜西關(guān)中地區(qū)NDVI變化的因子詳見表1。

表1 影響陜西關(guān)中地區(qū)NDVI變化的因子

2 研究方法

2.1 NDVI計算方法

利用波段合成計算NDVI，公式為

(1)

式中：Band1、Band2分別代表MOD13A1產(chǎn)品中第1波段和第2波段的反射率。

2.2 線性趨勢分析方法

2.2.1 回歸趨勢法

采用回歸趨勢法分析關(guān)中地區(qū)植被覆蓋的穩(wěn)定性特征。該方法反映區(qū)域時空格局演變，可充分地體現(xiàn)長時間序列植被覆蓋的演化趨勢。NDVI回歸趨勢線斜率公式[10]為

(2)

式中：i為年序號；n為研究數(shù)據(jù)總年數(shù)；NDVIi為第i年的NDVI均值；NDVIslope為單個像元線性回歸方程趨勢線斜率，當(dāng)NDVIslope>0時，植被覆蓋變化處于遞增趨勢，反之遞減。

為清晰說明研究區(qū)內(nèi)NDVI改善/退化程度，將NDVIslope分為7個等級[11]，具體見表2。

表2 NDVIslope對應(yīng)的等級劃分

2.2.2 降水敏感性分析

本研究選用敏感性指數(shù)b定量分析不同植被類型NDVI對降水的響應(yīng)程度。若b>0，表示NDVI與降水呈正響應(yīng)，b值越大，敏感性越強。與相關(guān)系數(shù)不同的是，敏感性指數(shù)定量刻畫氣候因子與NDVI變化的數(shù)量關(guān)系。所構(gòu)建的一元線性回歸方程為[12]

NDVI=a+bRain

(3)

式中：a為截距；b為線性回歸方程的斜率，又稱作敏感性指數(shù)[13]，代表每增加單位降水量對NDVI的影響程度，亦稱氣候因子邊際響應(yīng)[14]；Rain為降水變量。

2.2.3 變異系數(shù)CV

采用變異系數(shù)CV對比不同土地利用情況下NDVI的離散差異。計算公式為

(4)

式中：σ為標(biāo)準(zhǔn)差；μ為均值。

2.3 多因子相互作用分析

2.3.1 相關(guān)性分析

本研究采用相關(guān)系數(shù)法來表征NDVI與其他因子間的關(guān)聯(lián)性。相關(guān)系數(shù)計算公式為

(5)

2.3.2 地理探測器

地理探測器包括因子探測器、生態(tài)探測器、風(fēng)險探測器及交互探測器[15]。因子探測器主要衡量不同環(huán)境變量對NDVI空間分異化的解釋程度，q值越大，解釋程度越高。q值計算式為

(6)

式中：h為變量或因子的分層，即分類或分區(qū)，h=1,2，…,L；Nh和N分別為層h和全區(qū)的單元數(shù)；σh2和σ2分別是層h和全區(qū)NDVI值的方差。

生態(tài)探測器用于判別各變量之間對NDVI空間分布是否存在顯著差異，用F統(tǒng)計量檢驗。計算式為

(7)

式中：Na和Nb分別為兩變量的樣本容量；SSWa和SSWb分別為兩變量形成分層的層內(nèi)方差之和。

風(fēng)險探測器可以衡量不同環(huán)境變量對NDVI影響的適宜區(qū)間或類型，用t統(tǒng)計量表示。計算式為

(8)

交互探測器主要是識別不同環(huán)境變量間的交互作用，判斷兩因子共同作用下是否會增強(減弱/無影響)對NDVI空間分布的解釋程度，評估方法見表3。

表3 雙因子交互作用判別依據(jù)

3 研究結(jié)果與分析

3.1 NDVI值年際變化特征

從研究區(qū)NDVI值年際變化過程(圖2)看，銅川、渭南、西安、咸陽的NDVI值在2005—2007年有一定幅度的增加，2008—2017年為低谷期，2018—2020年又逐漸上升，2020年達到巔峰；寶雞與其他市不同，2005—2010年NDVI值增加，2011年小有跌落，之后呈波動上升趨勢。整體上看關(guān)中地區(qū)NDVI值呈波動上升趨勢，渭南、咸陽、銅川、西安、寶雞年增長速率分別為0.009 1、0.005 0、0.004 7、0.004 6、0.001 2，關(guān)中地區(qū)年平均增長速率為0.004 9，2020年達到最大值0.68。該增長速率大大超過了黃河源地區(qū)的0.001 9[16]、太湖流域的0.002[17]、三北地區(qū)的0.001 9[18]，這說明退耕還林工程對陜西關(guān)中地區(qū)NDVI值的影響十分顯著。5市NDVI水平按大小排序為寶雞>銅川>西安>咸陽>渭南。

圖2 關(guān)中地區(qū)5市NDVI值的年際變化過程

3.2 NDVI值空間分布特征

陜西關(guān)中2005—2020年平均NDVI值空間分布如圖3所示，整體平均NDVI值為0.61，NDVI值大于0.7的區(qū)域占總面積的65.01%，約36 162.46 km2，小于0.5的區(qū)域占比27.2%。關(guān)中南部NDVI值水平明顯優(yōu)于北部，西南部表現(xiàn)最好，NDVI值均處于0.7以上；在渭河流域兩岸，NDVI值處于較低水平。

圖3 陜西關(guān)中地區(qū)2005—2020年平均NDVI值空間分布

3.3 NDVI值變化趨勢分析

由表4可知，2005—2020年關(guān)中地區(qū)NDVI值處于改善狀態(tài)的面積占比之和為52.28%，以輕微改善和中度改善為主，面積占比為48.23%；處于基本不變的穩(wěn)定狀態(tài)的面積占比為19.01%；處于退化狀態(tài)的面積占比之和為28.73%，以輕微退化為主，面積占比為23.91%。整個關(guān)中地區(qū)的NDVI值以改善狀態(tài)為主，但輕微退化狀態(tài)不可輕視。

表4 2005—2020年關(guān)中地區(qū)NDVIslope分級的面積占比統(tǒng)計

圖4顯示，關(guān)中地區(qū)的NDVIslope整體上呈現(xiàn)出由西南至東北遞增的趨勢。銅川市NDVI遞增速率最大，以輕微改善狀態(tài)為主，面積占比為37.91%；寶雞的NDVI遞減速率最大，以輕微退化狀態(tài)為主，面積占比為31.33%。

圖4 2005—2020年陜西關(guān)中NDVIslope空間分布

3.4 NDVI驅(qū)動力分析

為探究研究區(qū)內(nèi)NDVI驅(qū)動因素對其的解釋程度，將選取的10種變量代入因子探測器進行分析，得到不同因子的解釋力q值，見表5。地貌類型、降水、土地利用分別是地理、氣象、人為因素中解釋力最強因子。地理因素平均q值為0.594，明顯高于其他兩種因素，說明地理因素是該區(qū)域NDVI變化的主導(dǎo)環(huán)境因子。

表5 2005—2020年環(huán)境變量對NDVI的解釋力

交互探測器結(jié)果顯示(見圖5)，除溫度與平均相對濕度、降水、土地利用、人口密度及人均GDP間交互呈非線性增強趨勢外，其余因子交互均呈現(xiàn)雙因子增強。高程∩地貌類型q值0.762，是雙因子交互中最高的q值水平，更具備對研究區(qū)NDVI變化的解釋力。

圖5 2005—2020年陜西關(guān)中地區(qū)各環(huán)境變量交互探測器及生態(tài)探測器結(jié)果

從圖5中不難看出，降水作為氣象因素中解釋力最高的因子，其與高程、地貌類型、植被類型交互后解釋力進一步提高。相較于單因子解釋力極高的高程與地貌類型因子，植被類型與降水因子交互q值的增幅反而最大。為進一步研究這種情況，采用降水敏感性指數(shù)對不同植被類型進行比較(因沼澤與亞熱帶落葉闊葉林?jǐn)?shù)據(jù)量較少，故不考慮)，結(jié)果見圖6、7。由結(jié)果可以看出，不同植被NDVI對降水敏感程度不一，針葉林NDVI對降水的敏感程度高于其他植被，其中亞熱帶針葉林最為敏感(0.66×10-4)，說明針葉林更適宜該地區(qū)降水分布。

圖6 NDVI對降水敏感性指數(shù)空間分布

圖7 不同植被類型下降水敏感性指數(shù)

人為因素方面，不論單因子或是雙因子交互，土地利用因子都具有極高的解釋力。本研究將土地利用情況劃分為5種類型，即水體、耕地、林草地、建設(shè)用地、未利用地，其分布情況見圖8。結(jié)合變異系數(shù)CV圖像不難看出，在建設(shè)用地范圍內(nèi)CV值均處于較高水平，NDVI變化極不穩(wěn)定。

圖8 陜西關(guān)中地區(qū)土地利用與變異系數(shù)空間分布

為檢測雙因子對NDVI的空間分布是否存在顯著差異，對各因子做生態(tài)探測(結(jié)果見圖5)，可以看出溫度與降水及人為因素間，土地利用與植被類型、坡度、濕度、溫度等，高程與地貌類型間存在顯著差異，說明這部分雙因子對NDVI的空間分布具有不同的作用機理。

為確定NDVI良性發(fā)展的適宜環(huán)境，將10種環(huán)境變量代入風(fēng)險探測器，得到了環(huán)境變量最適宜范圍或類型，結(jié)果見表6。由風(fēng)險探測器結(jié)果可知，NDVI與降水、平均相對濕度、坡度呈正相關(guān)，與人口密度、人均GDP呈負(fù)相關(guān)。在諸多因素中，通過高程的最優(yōu)范圍可以得到NDVI的最高值，在滿足高程1 716～2 044 m前提下，NDVI值最高可達0.793 9，為最適宜環(huán)境。

表6 環(huán)境變量最適宜范圍或類型

4 討 論

在陜西關(guān)中地區(qū)范圍內(nèi)，相較于人為因素，NDVI對自然因素更為敏感。該地區(qū)地形分布差異明顯，形成了地理條件為主、氣候條件為輔的特色NDVI驅(qū)動方式。2005—2020年，NDVI值呈波動上升趨勢，年增長速率達0.004 9。在可能的變動因子中，降水(q=0.269)與土地利用因子(q=0.564)發(fā)揮了重要的作用。16年間降水量持續(xù)增加(降水與NDVI相關(guān)系數(shù)為0.355，P<0.01)，加之土地利用轉(zhuǎn)移情況(表7)表明，研究區(qū)內(nèi)土地大規(guī)模變綠，退耕還林面積約占9.47%，林草地占比也從47.19%提高到49.69%，兩種因素疊加是導(dǎo)致NDVI上升的主要原因。盡管退耕還林工程可以有效地提升環(huán)境質(zhì)量，但退耕還“荒”現(xiàn)象也愈來愈多，因此在保持生態(tài)環(huán)境逐步優(yōu)化的過程中應(yīng)當(dāng)多注意裸地的開發(fā)。16年間隨著城鄉(xiāng)建設(shè)用地高速發(fā)展，其占地面積提升了5.29%，大規(guī)模侵占了耕地空間，這也是值得考慮的生態(tài)風(fēng)險之一。

表7 2005—2020年陜西關(guān)中地區(qū)土地利用轉(zhuǎn)移矩陣

上述結(jié)果說明，自然因素與人為因素的共同作用形成了當(dāng)下陜西關(guān)中的NDVI空間格局，這意味著對NDVI趨勢的預(yù)測不僅需要考慮氣候變化帶來的影響，人類活動也必須納入考慮范圍。需要說明的是本研究僅定量評估了10種環(huán)境變量對NDVI變化的影響，但在實際中影響NDVI變化的要素遠不止10種，關(guān)于當(dāng)?shù)豊DVI變化的分析還需深入探討。

5 結(jié) 論

本研究利用MOD13A1遙感影像數(shù)據(jù)組結(jié)合10種環(huán)境變量數(shù)據(jù)，研究關(guān)中地區(qū)2005—2020年的NDVI演變特征及其驅(qū)動力，得出以下結(jié)論：

(1)從NDVI年際演變上看，陜西關(guān)中地區(qū)整體植被覆蓋程度較為完善，16年間植被覆蓋水平呈波動式上升趨勢，渭南、咸陽、銅川、西安、寶雞市年增長率分別為0.009 1、0.005 0、0.004 7、0.004 6、0.001 2。但仍有局部區(qū)域NDVI呈明顯退化趨勢。

(2)在空間尺度上，陜西關(guān)中地區(qū)植被覆蓋度在空間上存在地域性差異，總體上呈現(xiàn)西南高東北低態(tài)勢，秦嶺以南NDVI達最高水平，而城市人口集中地區(qū)水平較差。整體上NDVI水平寶雞>銅川>西安>咸陽>渭南。此結(jié)論與李麗娜[19]研究結(jié)果一致。

(3)在NDVI的時空穩(wěn)定性特征方面，2005—2020年NDVI發(fā)生改善區(qū)域占總體的52.28%，約合面積29 077.5 km2。銅川市植被覆蓋度的改善尤為顯著，改善面積占全市總面積的55.30%；寶雞市整體NDVI退化最為明顯。

(4)NDVI驅(qū)動力方面，地理因素解釋力遠高于其他因素，說明NDVI空間分布主要由地理因素主導(dǎo)。溫度與人口密度對NDVI解釋力最弱，地貌類型、降水、土地利用分別是地理因素、氣候因素與人為因素中最具解釋力因子。各因子間的交互作用以雙因子增強趨勢為主，高程∩地貌類型解釋程度最高，q值為0.762。同時，總結(jié)出了NDVI最適宜的范圍/類型，可為陜西關(guān)中下一步植被恢復(fù)工作提供科學(xué)依據(jù)。