丁永康,葉 婷,陳 康

(河北地質(zhì)大學水資源與環(huán)境學院/河北省水資源可持續(xù)利用與開發(fā)重點實驗室/河北省水資源可持續(xù)利用與產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化協(xié)同創(chuàng)新中心/河北省高校生態(tài)環(huán)境地質(zhì)應(yīng)用技術(shù)研發(fā)中心 石家莊 050031)

植被作為生態(tài)系統(tǒng)中重要的組成部分,在全球物質(zhì)與能量循環(huán)、氣候變化調(diào)節(jié)中發(fā)揮著重要作用[1],其覆蓋度能夠表征某一區(qū)域植被的生長狀況以及生長趨勢,也是氣候變化、人類活動特征和水資源豐富度等因素作用的綜合體現(xiàn)[2]。通常植被覆蓋度用歸一化植被指數(shù)(normalized difference vegetation index,NDVI)表征,其影響因素眾多,在全球氣候變暖的趨勢下,探究植被變化特征同氣象因素之間的關(guān)系,始終是廣大學者重點討論的話題[3-4]。眾多學者研究了氣象因素(比如溫度、降水量、蒸發(fā)量等)同NDVI 之間的時空變化特征關(guān)系:Detsch 等[5]對坦桑尼亞Kilimanjaro 植被動態(tài)進行研究,發(fā)現(xiàn)該地區(qū)植被生長受到季節(jié)性溫度變化影響;Fu 等[6]對澳大利亞的Namoi 流域植被覆蓋變化進行研究,利用回歸樹方法探究NDVI 動態(tài)變化同氣象因素以及地下水資源之間的響應(yīng)關(guān)系;孔冬冬等[7]對青藏高原植被氣象因素進行分析,發(fā)現(xiàn)溫度對物候的影響占主導(dǎo)地位,8月植被生長季的主要限制因素是降水量。但近年來研究發(fā)現(xiàn)隨著人類活動的日益加劇,部分地區(qū)氣象因素對植被變化的影響呈現(xiàn)減弱趨勢。孟丹等[8]通過氣象因素對京津冀地區(qū)NDVI 變化進行了驅(qū)動分析,發(fā)現(xiàn)區(qū)內(nèi)人類活動對植被覆蓋變化影響巨大;谷金芝等[9]通過殘差分析法得出2000—2015年華北平原非氣象因素對植被覆蓋的影響占比更大;李鎮(zhèn)等[10]研究發(fā)現(xiàn)滹沱河流域2000—2015年NDVI年際變化與標準化降水蒸散指數(shù)(SPEI)具有顯著正相關(guān),且植被生長受到干旱影響較大,并利用殘差分析表明人類活動所占比重逐年增大;劉啟興等[11]對黃河源區(qū)植被進行研究,發(fā)現(xiàn)人類活動對區(qū)域生態(tài)環(huán)境產(chǎn)生一定積極作用的同時,仍然有接近1/2 的區(qū)域NDVI 減少是由人類活動導(dǎo)致。因此人類活動在速度和程度上對植被的影響有超過自然因子的趨勢[12-16]。

傳統(tǒng)采用變異系數(shù)、Hurst 指數(shù)、偏相關(guān)分析等一系列分析NDVI 影響因素的方法[7-10],其各個因素的影響程度不能進行定量判斷,具有一定局限性。地理探測器是王勁峰等[17]通過空間方差分析來判定空間分異性,并揭示其驅(qū)動因子的統(tǒng)計方法,能夠定量識別因子的影響力及其交互作用強度等關(guān)系。目前部分學者已經(jīng)利用地理探測器對植被NDVI 的驅(qū)動因子進行研究,比如張思源等[18]利用地理探測器對內(nèi)蒙古地區(qū)影響植被NDVI 的驅(qū)動因子進行分析,得出該區(qū)域植被特征時空變化以及各因素促進植被生長的最適宜范圍;彭文甫等[19]利用地理探測器對四川地區(qū)植被進行研究,發(fā)現(xiàn)自然因子對植被NDVI存在交互作用影響,并且該交互作用增強了單一因子的影響;李曉麗等[20]利用殘差分析法發(fā)現(xiàn)人類活動促進了西南巖溶槽谷區(qū)植被的恢復(fù),區(qū)內(nèi)土地利用類型和溫度是主要的驅(qū)動因子。同時,地理探測器還能夠?qū)﹄p驅(qū)動因子之間的協(xié)同作用進行分析,得出具體的驅(qū)動力大小(q),從而確定區(qū)域內(nèi)占主導(dǎo)作用的驅(qū)動因子,進而為后續(xù)的研究及流域治理提供參考。

近年來滹沱河流域的生態(tài)問題日益突出,眾多影響因素同生態(tài)環(huán)境均在時間和空間尺度上不斷發(fā)生演變[21]。為了更加有效地保護流域生態(tài),了解NDVI 時空變化特征以及造成空間分異的驅(qū)動原因和各個驅(qū)動因子影響力大小十分必要[22]。由于MODIS數(shù)據(jù)具有時間連續(xù)性長、空間分辨率高、覆蓋率廣以及可免費獲取等特點,眾學者將其作為表征研究區(qū)地表覆蓋特征的數(shù)據(jù)源[23-26],在不同的區(qū)域選取不同產(chǎn)品類型的MODIS 數(shù)據(jù)進行研究,結(jié)果表明NDVI受到氣象因素以及區(qū)域干旱程度影響較大[27],與其他因素交互影響植被生態(tài)狀況[15-20]。長期以來,許多學者通過殘差分析法,定量分析了人類活動影響下NDVI 的空間變化情況。然而,人類活動類型、自然因子和人為因子協(xié)同作用對NDVI 的影響程度大小等方面研究相對較少。近年來,有學者開始采用地理探測器分析人類活動對NDVI 的定量影響問題,主要研究了土地利用類型、人口密度、GDP 等3 種驅(qū)動因子,有關(guān)政策實施、民眾環(huán)境意識變化等因子分析較少,該領(lǐng)域有關(guān)人類活動對NDVI 產(chǎn)生影響的定量問題仍需深入研究探討[18-20]。

本研究以2000—2020年期間分辨率為250 m的MODIS 數(shù)據(jù)(MOD13Q1)作為遙感數(shù)據(jù)源,首先采用一元線性回歸和皮爾遜相關(guān)分析方法,對降水量和溫度兩種自然因子進行定量研究。然后通過地理探測器對區(qū)內(nèi)影響NDVI 的驅(qū)動因子進行分析,結(jié)合多種驅(qū)動因子數(shù)據(jù),定量評價人為因子(土地利用類型、GDP、人口密度)和自然因子的年際影響力,以及不同驅(qū)動因子之間的交互作用,旨在探究區(qū)內(nèi)植被覆蓋的時空演變特征以及驅(qū)動因子的影響力情況,揭示近21年來區(qū)內(nèi)流域生態(tài)建設(shè)改善的效果,為區(qū)內(nèi)可持續(xù)發(fā)展、生態(tài)修復(fù)及環(huán)境保護提供科學依據(jù)和決策參考。

1 材料與方法

1.1 研究區(qū)概況

滹沱河是海河流域子牙河系的支流之一,發(fā)源于山西省繁峙縣五臺山北麓,迂回穿越太行山進入河北省平山縣境,向東流至河北省獻縣,與滏陽河匯合后形成子牙河并入海,地理位置位于37°17′～39°28′N,112°13′～115°16′E,全長587 km,流域面積24 690 km2(圖1)。區(qū)內(nèi)海拔在11～2992 m,山西省五臺縣瑤池村為上游河段,瑤池村至黃壁莊水庫為中游河段,黃壁莊水庫至河北省獻縣為下游河段。其中包含4 種典型地貌類型:丘陵、盆地、平原和山地,面積分別占15%、18%、27%和50%,其中最高峰五臺山海拔高程2992 m[28]。區(qū)內(nèi)整體植被覆蓋程度不高,水土流失較重,以五臺山區(qū)植被覆蓋度最好,海拔從高到低呈現(xiàn)針葉林、闊葉林、草甸植被、灌叢植被、草原植被分布的垂直地帶性[29]。區(qū)內(nèi)土壤類型以初育土類型為主。地處東亞溫帶大陸季風氣候區(qū),多年平均降水量為380.7～833.4 mm,其時空分布不均。區(qū)內(nèi)年均溫度在2.8～14.1 ℃,呈現(xiàn)自南向北遞減趨勢[30]。

圖1 滹沱河流域地理位置及氣象站點分布Fig.1 Geographical location and distribution of meteorological stations in the Hutuo River Basin

1.2 數(shù)據(jù)來源及預(yù)處理

1.2.1 NDVI 數(shù)據(jù)

為了研究區(qū)內(nèi)植被時空變化特征,本研究數(shù)據(jù)源選用具有時效性好且分布范圍廣泛的美國國家航空航天局(National Aeronautics and Space Administration,NASA,http://ladswed.nascom.Nasa.gov/data/search.html)提供的MODIS(Moderate Resolution Imaging Spectroradiometer)MOD13Q1 的NDVI 時間序列產(chǎn)品,其中條帶號包括h26v05、h27v05 兩幅影像,時間尺度為2000—2020年期間每年的5—9月植被生長期時段,時間分辨率為16 d,空間分辨率250 m。利用MRT(MODIS Reprojection Tools)對原始MODIS 數(shù)據(jù)進行批量拼接、裁剪、投影變換等操作,得到105 幅(21年×5 幅/年)影像,輸出為Geotiff 格式文件;基于5—9月地表植被處于生長繁盛期,且本次研究時間跨度大,使用最大值合成法(MVC)將每年5—9月的月最大NDVI 取平均值,以表征當年的植被生長覆蓋狀況[27]。

1.2.2 氣象數(shù)據(jù)

氣象數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)(http://date.cma.cn/)提供的氣象數(shù)據(jù),包括2000—2020年區(qū)內(nèi)19 個氣象站(圖1)的逐月數(shù)據(jù),根據(jù)提供的月平均降雨量和月平均溫度,結(jié)合DEM 數(shù)據(jù),通過Kriging 插值方法對氣象數(shù)據(jù)進行空間柵格化,用于一元線性回歸、相關(guān)性分析以及作為地理探測器的驅(qū)動因子進行綜合分析。

1.2.3 資源數(shù)據(jù)

土地利用資源數(shù)據(jù)來自中國土地利用現(xiàn)狀遙感監(jiān)測數(shù)據(jù)庫,分別下載2000年、2005年、2010年、2015年和2020年共5 期,空間分辨率為1 km 的土地利用遙感監(jiān)測數(shù)據(jù)進行處理。地貌類型、植被及土壤分布數(shù)據(jù)分別來源于《中華人民共和國地貌圖集(1∶100 萬)》 《1∶100 萬中國植被圖集》與《1∶100 萬中華人民共和國土壤圖》數(shù)字化生成;GDP 以及人口密度數(shù)據(jù)來源于1 km 網(wǎng)格的GDP/中國人口空間分布公里網(wǎng)格數(shù)據(jù)集,以上數(shù)據(jù)均來自于中國科學院資源環(huán)境科學數(shù)據(jù)中心(http//www.resdc.cn),年份為2000年、2005年、2010年、2015年、2020年共5 期數(shù)據(jù)。區(qū)內(nèi)DEM(Digital Elevation Model)數(shù)據(jù)來源于地理空間數(shù)據(jù)云平臺(https://www.gscloud.cn)的ASTER GDEM V3 高程數(shù)據(jù),空間分辨率30 m。

1.2.4 其他數(shù)據(jù)

流域矢量邊界數(shù)據(jù)通過對DEM 數(shù)據(jù)依次進行拼接、填洼、流向處理,對流量計算結(jié)果按水利部河流等級規(guī)定選取閾值大小,通過河網(wǎng)分級,結(jié)合中國科學院資源環(huán)境科學數(shù)據(jù)中心河網(wǎng)數(shù)據(jù),確定泄洪點,并最終使用分水嶺工具導(dǎo)入流向柵格和泄洪點,得到滹沱河流域邊界。

1.3 研究方法

1.3.1 NDVI 等級劃分

預(yù)處理過的NDVI 影像通過MVC 方法消除異常值的影響[3]。根據(jù)已有研究[5-10],采用等間距重分類方法,將區(qū)內(nèi)年最大NDVI 劃分為6 個等級,進行植被覆蓋時空變化研究,如表1所示。

表1 基于歸一化植被指數(shù)(NDVI)的植被覆蓋狀況分類標準Table 1 Classification standard for vegetation coverage based on the normalized difference vegetation index(NDVI)

1.3.2 趨勢分析法

為直觀表征區(qū)內(nèi)植被覆蓋的變化趨勢,結(jié)合MVC 方法處理后的影像,基于像元利用一元線性回歸分析方法,進行區(qū)內(nèi)2000—2020年間植被覆蓋度變化趨勢研究,它是一種通過對隨機時間變量進行線性回歸分析,從而對變化趨勢進行預(yù)測的方法,其計算公式為:

式中:θslope為一元線性方程的回歸斜率,n為監(jiān)測時間段的累計年數(shù)(n=21),NDVIi為第i年的NDVI 數(shù)值。通過植被覆蓋度序列和時間系列的相關(guān)關(guān)系,判斷區(qū)內(nèi)覆蓋度年際變化顯著程度,回歸斜率為正表示植被覆蓋度增加,反之則降低。參照已有研究[5-18],為準確分析區(qū)內(nèi)植被變化狀況,將θslope值分為5 個等級[31],其對應(yīng)的植被覆蓋變化趨勢如表2所示。

表2 基于植被覆蓋度變化一元線性方程回歸斜率(θslope)的植被覆蓋變化趨勢分類標準Table 2 Classification standard for vegetation coverage changes based on the slope of the regression of vegetation coverage(θslope)

1.3.3 相關(guān)性計算

本次研究采用皮爾遜相關(guān)系數(shù)表征NDVI 與溫度、降水量等氣象因素之間的相關(guān)性[30],計算公式如下:

式中:R xy為兩變量之間相關(guān)系數(shù),介于1 和—1 之間,其中1 表示變量間完全正相關(guān),0 表示無關(guān),—1 則表示完全負相關(guān);x i為第i年的植被覆蓋度;y i為第i年的氣象因素;為多年植被覆蓋度的平均值;y為多年氣象因素的平均值;i為樣本數(shù)目。

1.3.4 地理探測器計算

本研究區(qū)地域跨度較大,氣象、土壤及植被類型差異明顯,同時又受到土地利用類型、人口密度、GDP 等人類活動因素影響,生態(tài)問題受到廣泛關(guān)注[28]。

地理探測器是一種以空間統(tǒng)計學和空間自相關(guān)為理論基礎(chǔ)的統(tǒng)計學方法,可進行空間分異性探究,揭示驅(qū)動因子同研究對象之間各單因子影響力大小與顯著程度,探測因子之間風險區(qū)與交互作用強度,以及進行生態(tài)探測等方面的研究工作。本次研究利用該方法的因子探測工具以及交互作用探測工具,分析區(qū)內(nèi)NDVI 驅(qū)動因子影響力。

1)因子探測:用于探測因變量Y(NDVI 數(shù)值)的空間分異性,以及探測自變量X(各個自然因子及社會經(jīng)濟因子)對于Y的空間分異影響力度的大小,用q表示,公式如下:

式中:h=1,2,···L,L為X或Y的分類;q的值域為[0,1],q值越大,表示X對Y的空間分異的影響力度越強;N h和N分別表示變量分為h類所含單元數(shù)與空間總區(qū)域內(nèi)單元數(shù);和 σ2分別為h類與區(qū)域內(nèi)Y的方差;SSW 和SST 分別為L類的方差之和與區(qū)域總方差。

本次研究將流域范圍劃分成3 km×3 km 格網(wǎng),共3531 個中心點作采樣點,提取空間上對應(yīng)的X和Y屬性值,最后將其代入地理探測器中計算處理。通過自然斷點法將降水量、溫度、海拔、GDP、人口密度等驅(qū)動因子劃分為10 類,根據(jù)大類標準將土壤類型分為11 類,植被類型分為10 類,土地利用類型分為6 類[15]。

2)交互作用探測:識別不同自變量X之間的交互作用,反映兩個因子共同作用時對Y的影響力是否相關(guān)還是獨立,并用q值[q(X1∩X2)]得出,如表3所示。

表3 驅(qū)動力大小判據(jù)區(qū)間及交互作用類型Table 3 Model driving force size criterion of interval and interaction

2 結(jié)果與分析

2.1 植被覆蓋時間變化特征

基于MVC 方法得到2000—2020年每年5—9月NDVI 最大值,作為年NDVI 數(shù)據(jù),由此獲得NDVI 變化擬合曲線[32]。如圖2所示,2000—2020年期間,區(qū)內(nèi)NDVI 從0.673 增長到0.759,增長率為12.78%,增速為0.0035·a—1,植被覆蓋改善明顯并呈現(xiàn)增長趨勢。區(qū)內(nèi)植被覆蓋變化可分為3 個階段(圖2):第1 階段,2000—2003年期間NDVI 快速增長,NDVI從0.673 增長到0.719,增長率為6.84%,增速為0.0126·a—1;第2 階段,2004—2013年期間NDVI 變化趨于穩(wěn)定,增速為0.0004·a—1,增長不顯著;第3 階段,2014—2020年期間NDVI 再次快速增長,NDVI 從0.704 增長到0.759,增長率為7.82%,增速0.0087·a—1。

圖2 2000—2020年滹沱河流域內(nèi)各年5—9月NDVI 變化趨勢Fig.2 Variation trend of NDVI from May to September in the Hutuo River Basin from 2000 to 2020

與已有研究結(jié)果相比,2000—2015年的趨勢變化同李鎮(zhèn)等[10]研究結(jié)果保持一致,區(qū)內(nèi)NDVI 增速大于華北平原增速0.0025·a—1[9],低于全國平均增速0.0045·a—1[33]。2000—2020年期間植被覆蓋的變化,與區(qū)內(nèi)生態(tài)環(huán)境保護政策的實施以及人民群眾環(huán)保意識的普遍增強關(guān)系密切。2000—2003年期間,河北省響應(yīng)國家政策,退耕還林任務(wù)共達117.5 萬hm—2,開始建設(shè)環(huán)境保護四大體系并加以實施,使得區(qū)內(nèi)植被覆蓋變化明顯,NDVI 快速增長;2004—2013年期間,考慮到城市化進程以及區(qū)內(nèi)人口增長,經(jīng)濟發(fā)展的同時生態(tài)環(huán)境遭到一定破壞,NDVI 呈現(xiàn)出增長緩慢的趨勢,并且個別年份下降明顯;2014—2020年期間,民眾環(huán)保意識不斷增強,國家環(huán)保措施力度更大,區(qū)內(nèi)NDVI 再次快速增長。

2.2 植被覆蓋空間變化特征

為更好地評價區(qū)內(nèi)植被空間覆蓋變化,參照已有研究分類方法,對NDVI 進行分區(qū)[9],總體劃分為裸露區(qū)域(—0.3～0]、低覆蓋度區(qū)域(0～0.2]、中低覆蓋度區(qū)域(0.2～0.4]、中覆蓋度區(qū)域(0.4～0.6]、中高覆蓋度區(qū)域(0.6～0.8]、高覆蓋度區(qū)域(0.8～1]。如圖3所示,空間上區(qū)內(nèi)植被覆蓋呈現(xiàn)明顯區(qū)域差異,從西北上游地區(qū)—西南中游地區(qū)—東南下游地區(qū)依此呈現(xiàn)低—高—低的NDVI 分布,并且存在城市分布的周邊區(qū)域植被覆蓋水平偏低,能夠反映出人類活動對NDVI 影響顯著。

圖3 2000—2020年滹沱河流域內(nèi)年平均5—9月NDVI 覆蓋分區(qū)Fig.3 Average annual NDVI overlay partition from May to September in the Hutuo River Basin from 2000 to 2020

如圖4所示,2000—2020年期間,區(qū)內(nèi)裸露、低覆蓋度區(qū)域所占比例很低,變化趨勢不顯著;中低覆蓋度區(qū)域占比降速為—0.0004·a—1,區(qū)內(nèi)所占比例較穩(wěn)定;中覆蓋度和中高覆蓋度區(qū)域占比降速分別為—0.0058·a—1和—0.0057·a—1,二者區(qū)內(nèi)所占比例逐年降低;高覆蓋度區(qū)域占比增速為0.012·a—1,區(qū)內(nèi)所占比例增長十分顯著。整體來看,裸露區(qū)、低覆蓋度區(qū)域和中低覆蓋度區(qū)域的區(qū)內(nèi)占比變幅不大,其變化不顯著;中覆蓋度以及中高覆蓋度區(qū)域的區(qū)內(nèi)占比呈現(xiàn)逐年遞減趨勢;高覆蓋度區(qū)域的區(qū)內(nèi)占比呈現(xiàn)逐年遞增趨勢。表明植被覆蓋程度較低區(qū)域在研究時段趨于穩(wěn)定,中覆蓋度及中高覆蓋度區(qū)域逐年向高覆蓋度區(qū)域轉(zhuǎn)化,高覆蓋度區(qū)域比例逐年增大。

圖4 滹沱河流域內(nèi)各年NDVI 覆蓋分區(qū)比例變化Fig.4 Changes of proportion of NDVI overlay partition of Hutuo River Basin in different years

2000—2020年不同植被覆蓋分區(qū)的比例變化如表4所示。2020年中高及高植被覆蓋度區(qū)域面積比例最大,分別為53.40%和39.42%,低植被覆蓋度區(qū)域比例較低,僅占0.13%。區(qū)內(nèi)高植被區(qū)域所占面積比例增長幅度很大,從2000年10.72%增長到2020年39.42%,總體說明區(qū)內(nèi)的植被生態(tài)狀況趨于良性發(fā)展。

表4 2000—2020年滹沱河流域植被NDVI 區(qū)間的面積比例變化Table 4 Changes of NDVI zoning proportion of vegetation in Hutuo River Basin during 2000—2020

2.3 植被覆蓋變化趨勢分析

利用一元線性回歸方法,分析區(qū)內(nèi)植被覆蓋變化趨勢情況。2000—2020年區(qū)內(nèi)植被恢復(fù)效果顯著,如圖5所示。區(qū)內(nèi)繁峙縣以北、定襄西北部和忻府區(qū)南部NDVI 增長十分明顯。但是上游山間盆地區(qū)域、中游南部以及下游石家莊周邊區(qū)域位置退化明顯,這與區(qū)內(nèi)人口的增長、城市化進程以及區(qū)域的經(jīng)濟發(fā)展息息相關(guān),并且下游區(qū)域人口分布密集,這也是造成下游區(qū)域植被覆蓋大面積退化現(xiàn)象的主要原因[34]?？傮w來說,區(qū)內(nèi)植被覆蓋趨勢變化存在明顯的空間差異性,植被恢復(fù)以輕度改善為主,覆蓋范圍占區(qū)內(nèi)77.07%,基本穩(wěn)定以及明顯改善區(qū)域分別占8.92%和3.93%,其次退化區(qū)域共占10.08%,Slope 指數(shù)平均值為0.0035。上游區(qū)域的改善狀況優(yōu)于中下游地區(qū),可能與中下游平原區(qū)域較上游山區(qū)人類活動強烈有關(guān)。

圖5 基于Slope 趨勢分析的滹沱河流域2000—2020年植被覆蓋變化特征Fig.5 Variation characteristics of vegetation coverage based on Slope trend analysis in the Hutuo River Basin from 2000 to 2020

2.4 氣象因素對植被覆蓋的影響

通過克里金插值方法[35]對氣象數(shù)據(jù)進行插值處理,如圖6所示。區(qū)內(nèi)上游山西段以及下游華北平原區(qū)域年均降水量為395.30～432.57 mm,五臺山區(qū)以及中游南部區(qū)域年均降水量較大,為473.38～546.14 mm,降水量表現(xiàn)出明顯的空間差異性。年均溫度自上游至下游呈現(xiàn)遞增趨勢,五臺山區(qū)為2.82～7.98 ℃,中下游區(qū)域為9.04～14.07 ℃。

圖6 2000—2020年滹沱河流域年均降水(a)及溫度(b)空間分布Fig.6 Spatial distribution of annual average precipitation(a)and temperature(b)in the Hutuo River Basin from 2000 to 2020

降水量是控制干旱半干旱區(qū)域植被生長的主要因子。從圖7 可知,流域上游山西段西部降水量與NDVI 相關(guān)系數(shù)高達0.9,絕大部分區(qū)域NDVI 對降水量因子的響應(yīng)較為顯著,呈現(xiàn)出較強正相關(guān)關(guān)系。其中正相關(guān)與負相關(guān)面積比例分別為87.73%和12.27%,在正相關(guān)區(qū)域中分別有35.28%和6.92%的區(qū)域通過P＜0.05 和P＜0.01 檢驗,負相關(guān)區(qū)域中分別有5.73%和1.27%通過P＜0.05 和P＜0.01 檢驗。溫度對NDVI 影響主要位于上游北部以及中游南部等區(qū)域,區(qū)內(nèi)溫度同NDVI 之間呈現(xiàn)弱正相關(guān)關(guān)系。其中正相關(guān)與負相關(guān)面積比例分別為84.28%和15.72%,在正相關(guān)區(qū)域中分別有21.37%和2.01%的區(qū)域通過P＜0.05 和P＜0.01 檢驗,負相關(guān)區(qū)域中分別有8.23%和2.21%通過P＜0.05 和P＜0.01 檢驗;但二者同NDVI在陽泉、石家莊周邊區(qū)域都呈現(xiàn)出顯著的負相關(guān)關(guān)系。區(qū)內(nèi)NDVI 同溫度和降水量呈正相關(guān)區(qū)域大多位于山區(qū)、盆地等區(qū)域,并且上游人類活動較少,隨溫度升高積溫增加,植被生長環(huán)境更優(yōu),促使上游區(qū)域NDVI 同氣象因素之間相關(guān)性更強。而下游區(qū)域可能受人類活動影響較為顯著,導(dǎo)致NDVI 同氣象因素之間呈現(xiàn)負相關(guān)關(guān)系。

圖7 2000—2020年滹沱河流域NDVI 與溫度(a)、降水(b)的相關(guān)系數(shù)空間分布Fig.7 Spatial distribution of correlation coefficients between NDVI and temperature(a)and precipitation(b)in the Hutuo River Basin from 2000 to 2020

2.5 各驅(qū)動因子對植被覆蓋變化的影響分析

為了探究區(qū)內(nèi)各驅(qū)動因子以及自然因子與人為因子交互組合下對植被覆蓋度的影響程度,首先分析了單因子q值大小,進而判別占主導(dǎo)作用的驅(qū)動力因子(圖8),其中包括溫度、降水量、海拔、植被類型、土壤類型、土地利用類型、人口密度和GDP等一系列數(shù)據(jù)。

圖8 2000—2020年滹沱河流域植被驅(qū)動因子海拔(a)、土壤類型(b)、植被類型(c)、土地利用類型(d)、人口密度(e)、GDP(f)的空間分布Fig.8 Spatial distribution of vegetation driving factors of elevation(a),soil type(b),vegetation type(c),land use type(d),population density(e),GDP(f)in the Hutuo River Basin from 2000 to 2020

基于地理探測器對區(qū)內(nèi)各驅(qū)動因子的q值進行計算分析(表5),結(jié)果表明各驅(qū)動因子對區(qū)域內(nèi)NDVI 的影響力排序為:降水量(0.59)＞溫度(0.38)＞土地利用類型(0.33)＞植被類型(0.29)＞土壤類型(0.27)＞人口密度(0.15)＞GDP(0.05)＞海拔(0.01)。區(qū)內(nèi)NDVI空間分異是自然因子同人為因子共同作用的結(jié)果,其中降水量、溫度、土地利用類型等具有較強的貢獻率,其q值均大于0.3,而植被類型、土壤類型、人口密度等貢獻率相對較小。對于區(qū)內(nèi)NDVI 空間分異的影響因子來說,降水量、溫度等氣象因素占主導(dǎo),人為因子中土地利用類型影響力與溫度相當,隨著人口增長、經(jīng)濟發(fā)展等社會因素影響,在未來,人類活動同流域NDVI 變化以及生態(tài)環(huán)境演化之間的關(guān)系會更加密切。

為了重點探究自然因子與人為因子交互作用下植被覆蓋的變化,利用地理探測器分析不同驅(qū)動因子之間的交互作用以及對NDVI 空間分異的影響(表6)。根據(jù)表5 與表6 數(shù)據(jù)對比可知:1)任意兩個驅(qū)動因子的交互作用對NDVI 的影響均大于單個因子的獨立作用,表現(xiàn)出雙因子增強效應(yīng)。2)降水量和溫度同其余各驅(qū)動因子進行交互組合,q值均大于0.5。3)降水量與土地利用類型、人口密度、GDP等人為因子的交互作用顯著,其q值均大于0.7,降水量與土地利用類型交互作用q值最大,達0.74。

表5 2000—2020年滹沱河流域植被NDVI 驅(qū)動因子q 值Table 5 Drivers q values of vegetation in the Hutuo River Basin during 2000—2020

表6 2000—2020年滹沱河流域植被NDVI 驅(qū)動因子交互組合驅(qū)動力數(shù)值(q)Table 6 Statistic values of interactive driving forces(q)of NDVI driving factors in the Hutuo River Basin during 2000—2020

整體來看,區(qū)內(nèi)NDVI 值的大小受降水量以及溫度等氣象因素影響明顯,各驅(qū)動因子交互組合驅(qū)動力顯著高于單個驅(qū)動因子。同時,人為因子對區(qū)內(nèi)NDVI 值的影響程度較高,且呈現(xiàn)較強的上升趨勢,以土地利用類型為代表的人為因子與降水量為代表的自然因子的交互作用,對區(qū)內(nèi)NDVI 值的變化起到了非常關(guān)鍵的影響,明顯高于僅有人為因子或者僅有自然因子間的交互作用。

3 討論與結(jié)論

3.1 討論

本文對近21年間滹沱河流域植被覆蓋時空變化特征以及驅(qū)動因子的定量分析進行了深入研究,統(tǒng)計了植被覆蓋變化不同階段增長值及增速、改善及退化區(qū)域面積大小,分析了區(qū)內(nèi)主要的影響因子—降水量和溫度同NDVI 之間的相關(guān)性和顯著性,使用了地理探測器計算了相關(guān)自然因子和人為因子的驅(qū)動力大小,得出了區(qū)內(nèi)NDVI 變化的主要驅(qū)動因子。與現(xiàn)有眾多流域研究相比,本文借助地理探測器定量計算了滹沱河流域一系列影響NDVI 變化的因子驅(qū)動力大小,同時計算了雙因子交互作用下的驅(qū)動力數(shù)值。與谷金芝等[9]、李鎮(zhèn)等[10]對華北以及滹沱河流域的植被時空變化演變和影響因素的研究相比,本文將人類活動影響進行了定量化分析處理,得出具體的因子驅(qū)動力大小。此外,相比于張思源等[18]、彭文甫等[19]基于地理探測器對區(qū)域的研究,本文結(jié)合眾多流域研究已有結(jié)論,對主要影響流域的降水量和溫度進行了相關(guān)分析,發(fā)現(xiàn)降水量同NDVI 呈現(xiàn)較強正相關(guān)關(guān)系,是影響區(qū)內(nèi)植被生長及年際變化的首要因子,這與前人研究結(jié)果保持一致[10];區(qū)內(nèi)溫度與NDVI 之間相關(guān)性較弱,由于植被受到年際變化的影響,在不同的月份中,溫度對植被的生長會起到促進或抑制的作用[14],在過去的60年間我國北方的平均溫度增速明顯高于全球[31],溫度的影響力呈現(xiàn)明顯波動且表現(xiàn)出下降趨勢[36]。

眾學者在考慮影響因子時,皆以降水量和溫度為主,對于人類活動影響因素同植被覆蓋變化之間的定量分析研究不足,地理探測器以及殘差分析法[37-38]是目前對人類活動定量分析的兩種熱點方法,其中殘差分析法是通過構(gòu)建回歸模型,用遙感觀測的真實NDVI 值減去預(yù)測的NDVI 值得到各年的NDVI殘差,再通過趨勢分析得到人類活動對NDVI 的影響,該方法局限性在于不能確定目前研究中,未知的自然影響因素是否也會對NDVI 變化產(chǎn)生影響,殘差分析下真實值同預(yù)測值的差值就是人類活動的影響有待證實,并且不能夠?qū)τ绊懸蛩剡M行分類研究,不能確定各個因子的影響比重究竟如何。本次使用的地理探測器對數(shù)據(jù)要求較高,對于目前人類活動分類不夠精細且缺乏具體數(shù)據(jù)的情況下,人為因子的劃分還需進一步深入研究,再如政策因素、民眾生態(tài)環(huán)保意識等因素無法定量分析,目前只能定性解釋。地理探測器雖能夠得出單因子和雙因子交互作用下的影響力數(shù)值,但是數(shù)據(jù)導(dǎo)入并進行設(shè)置分類時,使用自然間斷點方法進行分類,人為主觀性較大,從而也會影響驅(qū)動因子影響力的準確程度。鑒于此,本次研究盡可能多地搜集了影響區(qū)內(nèi)NDVI 時空變化的自然因子和人為因子數(shù)據(jù),依據(jù)國家植被類型、土壤類型、土地利用類型大類標準,對分類級數(shù)進行統(tǒng)一,通過計算處理,描述了各個單因子以及雙因子交互作用下的影響力數(shù)值。區(qū)內(nèi)植被覆蓋狀況整體趨于良性發(fā)展,但植被覆蓋度較低區(qū)域仍需通過持續(xù)的生態(tài)監(jiān)測和野外實地調(diào)查進行重點關(guān)注,為區(qū)內(nèi)合理利用自然資源,實現(xiàn)社會經(jīng)濟可持續(xù)發(fā)展提供科學支撐。

3.2 結(jié)論

本次研究旨在探究滹沱河流域2000—2020年間植被覆蓋時空演變特征,結(jié)合一元線性回歸、相關(guān)分析方法以及地理探測器對自然因子和人為因子進行綜合分析,分析各驅(qū)動因子對區(qū)內(nèi)NDVI 的影響程度。總體來看,人類活動對區(qū)內(nèi)植被覆蓋時空格局產(chǎn)生了較強的影響,綜合考慮氣象因素并合理規(guī)劃土地利用是改善區(qū)內(nèi)植被覆蓋的關(guān)鍵因素。本次主要研究結(jié)果如下:

1)2000—2020年每年5—9月,NDVI 整體呈顯著增長趨勢,增長率為12.78%,增速為0.0035·a—1?？蛇M一步細分為3 個階段:第1 階段(2000—2003年),NDVI 增長率為6.84%,增速為0.0126·a—1;第2 階段(2004—2013年),植被覆蓋變化不明顯,NDVI 增速為0.0004·a—1;第3 階段(2014—2020年),NDVI 增長率為7.82%,增速為0.0087·a—1。該變化與區(qū)內(nèi)生態(tài)環(huán)境保護政策的實施以及人民群眾環(huán)保意識的普遍增強關(guān)系密切。

2)區(qū)內(nèi)植被覆蓋呈現(xiàn)明顯區(qū)域差異,從西北上游地區(qū)—西南中游地區(qū)—東南下游地區(qū)依此呈現(xiàn)低—高—低的NDVI 分布;Slope 指數(shù)平均值為0.0035,NDVI 改善區(qū)域面積為81.00%,退化區(qū)域面積僅為10.08%,植被退化區(qū)域集中在陽泉與石家莊周邊人口分布密集區(qū)域,受到人類活動影響較大。

3)研究區(qū)地處半干旱區(qū)域,近21年植被覆蓋受到氣象因素影響較大,區(qū)內(nèi)NDVI 與降水量、溫度整體上均呈現(xiàn)正相關(guān)關(guān)系,前者相關(guān)系數(shù)普遍大于后者,NDVI年際變化同降水量更密切,但陽泉、石家莊周邊地區(qū)NDVI 同二者呈負相關(guān)關(guān)系。

4)近21年區(qū)內(nèi)NDVI 的驅(qū)動因子影響力排序為:降水量＞溫度＞土地利用類型＞植被類型＞土壤類型＞人口密度＞GDP＞海拔。其中主要驅(qū)動因子為降水量、溫度、土地利用類型,其各自q值分別為0.59、0.38、0.33,反映出區(qū)內(nèi)NDVI 空間分異的影響因子中降水量、溫度等氣象因素占主導(dǎo),人為因子中土地利用類型影響力與溫度相當,人類活動同流域NDVI 變化以及生態(tài)環(huán)境演化之間的關(guān)系越來越密切。

5)利用地理探測器分析不同驅(qū)動因子之間的交互作用以及對NDVI 空間分異的影響表明,各驅(qū)動因子交互組合驅(qū)動力顯著高于單個驅(qū)動因子,表現(xiàn)出雙因子增強效應(yīng)。同時,人為因子對區(qū)內(nèi)NDVI 值的影響程度較高,且呈現(xiàn)較強的上升趨勢,以土地利用類型為代表的人為因子與降水量為代表的自然因子的交互作用,對區(qū)內(nèi)NDVI 值的變化起到了顯著影響,其q值為0.74,明顯高于僅有人為因子或僅有自然因子間的交互作用。