王曉蕾,石守海,陳江朝霞

黃河流域植被覆蓋度變化及驅(qū)動因素

王曉蕾1,2*,石守海1,陳江朝霞1

(1.鄭州大學(xué)地球科學(xué)與技術(shù)學(xué)院,河南 鄭州 450000；2.鄭州大學(xué),中國氣象科學(xué)研究院鄭州大學(xué)生態(tài)氣象聯(lián)合實驗室,河南 鄭州 450000)

利用Google Earth Engine(GEE)遙感云計算平臺通過像元二分模型反演出1999～2019年植被覆蓋度,采用一元線性回歸和變異系數(shù)法來研究FVC的變化趨勢特征及其穩(wěn)定性,通過地理探測器進(jìn)行植被變化的驅(qū)動分析.結(jié)果表明:黃河流域FVC總體上西北低東南高;中高和高被覆蓋區(qū)分別占研究區(qū)總面積的21.74%和17.87%;近20a年黃河流域FVC已有較好改善,流域中部植被改善最明顯,改善區(qū)域占流域總面積的48.52%;FVC的穩(wěn)定性以較平穩(wěn)為主.降水、日照時間及相對濕度三個驅(qū)動因子對黃河流域FVC影響力最強(qiáng).各驅(qū)動因子對FVC影響存在交互作用,以雙因子增強(qiáng)或者非線性增強(qiáng)為主,雙因子交互作用增強(qiáng)了單因子的影響;本研究也揭示了促進(jìn)植被生長的各因子最適宜范圍,有助于更好地理解自然和社會因素對植被覆蓋變化的影響及其驅(qū)動機(jī)制.

植被覆蓋度；時空變化；驅(qū)動分析；地理探測器；黃河流域

植被覆蓋度是描述陸地生態(tài)系統(tǒng)和監(jiān)測植被狀況的重要參數(shù)之一[1-3],也是模擬地表水、碳、能量循環(huán)的模型的關(guān)鍵變量,被廣泛應(yīng)用于作物產(chǎn)量估算、作物狀況監(jiān)測、干旱監(jiān)測等[4-5].在區(qū)域和全球尺度上,準(zhǔn)確估算FVC具有重要意義[4].

黃河流域在中國經(jīng)濟(jì)社會發(fā)展和生態(tài)安全保障方面具有重要地位.受降水、蒸發(fā)、地勢地貌等客觀因素的共同作用,該流域水土流失區(qū)面積占流域總面積的62%,是中國乃至世界上水土流失最嚴(yán)重的地區(qū)[6-7].此外,黃河流域是中國北方的生態(tài)屏障,植被對氣候變化和人類活動極為敏感[8].盡管許多學(xué)者對黃河流域植被覆蓋變化及驅(qū)動因子進(jìn)行了相關(guān)探索.然而,以往研究多采用線性分析、趨勢分析、相關(guān)分析等方法對植被覆蓋時空變化進(jìn)行定性分析[7,9-12],對于植被變化及其驅(qū)動機(jī)制的研究多是假設(shè)驅(qū)動力和植被在整個時間序列中存在顯著的線性關(guān)系,但是植被對于外界環(huán)境的響應(yīng)是非常復(fù)雜的過程,絕對的統(tǒng)計線性關(guān)系在自然環(huán)境中很少存在[13].并且以往研究對于驅(qū)動因子的考慮多集中于氣候等自然因子,對于人類活動,經(jīng)濟(jì)發(fā)展,土地利用等因子考慮較少.此外,以往研究多采用NDVI等植被指數(shù)作為研究區(qū)FVC的代替品[8,14-18],然而自然環(huán)境中FVC不能僅僅用植被指數(shù)進(jìn)行代替,因為用NDVI研究植被變化時,需要注意植被指數(shù)與FVC真實值的偏差[15].并且大多數(shù)研究者由于本地計算機(jī)處理性能有限等原因,在進(jìn)行大區(qū)域植被變化研究時,多利用較低分辨率的數(shù)據(jù)[7,9-12,19],而使用中高分辨如Landsat等數(shù)據(jù)進(jìn)行大尺度植被變化的研究相對較少.隨著遙感云計算平臺(GEE)的發(fā)展,研究者可以通過GEE平臺進(jìn)行大尺度區(qū)域的中高分辨遙感數(shù)據(jù)集[20],如Landsat數(shù)據(jù)集的快速處理,從而突破本地計算能力的壁壘.

針對以往研究對于黃河流域植被變化的空間細(xì)節(jié)的分析不足,以及驅(qū)動機(jī)制分析方法的不佳,驅(qū)動因子考慮不充分等問題.本文基于GEE定量分析黃河流域植被時空變化;利用地理探測器量化各個因子對于該地區(qū)植被演化的單一或交互影響,確定每個因子對促進(jìn)植被生長的最適宜的范圍,為有利范圍內(nèi)進(jìn)行植被保護(hù)和生態(tài)恢復(fù)提供參考.

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

研究區(qū)為黃河流域(圖1)位于96°E～119°E、32°N～42°N之間[9],流域總面積約為7.95′105km2.地形起伏明顯,海拔高度由西到東,呈階梯狀降低.降水空間分布不均,年際變化大.流域植被類型豐富,主要的植被類型為草地、耕地、林地和灌木,其他類型植被包括裸地、濕地、苔原等在流域內(nèi)也有分布[12].

圖1 研究區(qū)位置

審圖號:GS(2022)1873

1.2 數(shù)據(jù)來源

研究數(shù)據(jù)包括兩類:1)研究區(qū)植被覆蓋度,由Google Earth Engine 云計算平臺(https://code. earthengine.google.com/)采用Landsat數(shù)據(jù)進(jìn)行像元二分模型計算得到,其中,Landsat 地表反射率數(shù)據(jù)(SR),影像分辨率為30m,時間分辨率為16d,1999～ 2012年使用了Landsat5數(shù)據(jù),2013年使用Landsat7數(shù)據(jù),2013～2019年使用了Landsat8數(shù)據(jù);2)12個影響因子(表1),使用自然間斷點法進(jìn)行連續(xù)的數(shù)據(jù)重分類,且保證驅(qū)動因子的分辨率為1000m.

表1 驅(qū)動因子對照信息

1.3 方法

1.3.1 像元二分模型FVC是采用像元二分模型進(jìn)行計算,它假設(shè)一個像元的地表由有植被覆蓋部分地表與無植被覆蓋部分地表組成[21-22].計算FVC的公式如下:

式中:NDVIsoil純裸地像元的NDVI值;NDVIveg為純植被像元的NDVI值[23].其中,裸地像元值NDVIsoil和純植被覆蓋像元值NDVIveg的理論值應(yīng)分別接近0和1.本研究中采用5%置信度截取NDVI上下閾值,將NDVI數(shù)值最大、最小的5%區(qū)域分別做平均值[10],得到NDVIsoil和NDVIveg.

1.3.2 變異系數(shù)法 變異系數(shù)表述為標(biāo)準(zhǔn)差與平均數(shù)之比,反映觀測數(shù)據(jù)的相對波動程度,衡量數(shù)據(jù)的穩(wěn)定性.變異系數(shù)值越大則植被變化波動越明顯,反之波動越平緩植被變化越穩(wěn)定[19].計算公式如下:

1.3.3 一元線性回歸分析法 一元線性回歸模型可以統(tǒng)計出各像元植被覆蓋的多年變化趨勢,從而擬合FVC變化方向[15],反映黃河流域植被的變化規(guī)律的空間分布.表達(dá)式如下:

式中:slope為斜率值;為觀測年份值;FVC為第年的FVC,當(dāng)slope<0時該像元處的植被減少,slope>0時植被增加,slope=0則說明植被狀況未改變.

1.3.4 地理探測器 地理探測器是通過檢測空間異質(zhì)性來識別驅(qū)動力的空間統(tǒng)計方法[24-27],能夠穩(wěn)健、直接地量化驅(qū)動力的相互作用和影響,不需要嚴(yán)格遵循傳統(tǒng)統(tǒng)計方法的假設(shè)[15,27-31],它獨(dú)立于任何線性假設(shè),對線性具有免疫功能.地理探測器利用空間方差來量化單個因素的相對重要性及其與響應(yīng)變量的隱性交互作用.能夠定量分析環(huán)境變化對于研究區(qū)植被變化的影響[24-25].

2 結(jié)果與分析

2.1 黃河流域植被覆蓋時空變化

2.1.1 黃河流域植被覆蓋空間分布 為了更加直觀地觀測黃河流域FVC的空間格局情況,根據(jù)已有FVC分級標(biāo)準(zhǔn)[32],將研究區(qū)1999～2019年FVC平均值劃分為5個等級(表2)統(tǒng)計各等級面積占比情況(表3),繪制植被等級空間分布(圖2).為了有效判別植被變化的顯著特征,本文以5a為間隔選取了1999年、2004年、2009年、2014、2019年5期的FVC結(jié)果進(jìn)行植被覆蓋度時空變化分析(圖2).

表2 植被分級

表3 各等級植被面積比例統(tǒng)計(%)

如圖2可知,1999年總體上中低的植被覆蓋居多,其中以低植被覆蓋區(qū)域最多,面積占比為29.16%,主要分布在流域北部陰山山脈南麓、鄂爾多斯高原大部以及黃土高原西北.黃土高原北部主要為較低植被覆蓋區(qū)域,面積占比約19.84%.中植被覆蓋區(qū)域主要在黃土高原南部,少部分在流域東南部,約占17.64%.較高植被覆蓋區(qū)域和高植被覆蓋區(qū)域空間分布較為分散,主要分布在上游段祁連山地區(qū)、青藏高原東部及下游大部分地區(qū),面積占比分別為14.42%、18.94%.

2004年植被覆蓋情況(圖2(b))相較1999年變化顯著.其中低植被覆蓋區(qū)域面積減少7.35%,面積占比分別為21.81%.較高植被覆蓋面積增加4.72%,面積占比為19.14%.空間上表現(xiàn)為呂梁山脈一帶植被覆蓋范圍擴(kuò)大.高植被覆蓋區(qū)域在渭河流域分布有所擴(kuò)散,面積占比約21.74%.2009年(圖2(c))植被有向東南逐漸退化趨勢,低植被覆蓋區(qū)域面積占比增加至最高,約為29.84%,在黃土高原有擴(kuò)散趨勢,高植被覆蓋區(qū)域減少,面積約占17.09%.2014年(圖2(d))FVC有較明顯改善,植被覆蓋由西北向東南分布層次性趨于明顯,東南部包括臨沂盆地、運(yùn)城盆地和關(guān)中盆地一帶,FVC較上一時期明顯增加,多以較高、高植被覆蓋為主,占比分別為20.65%、25.67%. 2019年(圖2(e))相比2014年各等級植被覆蓋無明顯變化,處于比較穩(wěn)定的階段.

圖2 黃河流域FVC等級空間分布

如圖2(f)所示,近20a內(nèi)黃河流域植被覆蓋情況較好,FVC平均值約為0.51.較高、高植被覆蓋區(qū)域主要分布在流域東南部的關(guān)中、運(yùn)城及臨沂盆地和上游南部,少量分布于西北部河套平原地區(qū),占流域面積的39.61%.低級、較低級植被主要分布在北部的鄂爾多斯高原等地區(qū),占流域面積的36.84%,中部黃土高原等地區(qū)主要為中植被覆蓋,占流域面積的23.55%.

2.1.2 黃河流域植被覆蓋時間變化 本文將逐年FVC數(shù)據(jù)作為數(shù)據(jù)源,利用Matlab編程實現(xiàn)一元線性回歸模型,得到植被變化趨勢結(jié)果.將其劃分為5個等級(表4).由圖3可知,1999～2019年間黃河流域植被狀況得到改善的區(qū)域多于退化的區(qū)域.改善區(qū)域之中,輕微改善的區(qū)域面積比例最大,占比38.19 %,廣泛分布于流域的中下游,明顯改善的區(qū)域面積比例為10.43%,主要分布在呂梁山脈西部、黃土高原北部、阿尼瑪卿山西南部以及青藏高原的東北部邊緣.植被覆蓋基本穩(wěn)定的區(qū)域面積約為37.65%,在流域北部、西南部有較多分布.輕微退化的區(qū)域面積比例為9.14%,主要分布于流域源區(qū)巴顏喀拉山脈、阿尼瑪卿山西北部以及陰山南麓.

表4 植被變化趨勢面積比例統(tǒng)計

圖3 黃河流域植被覆蓋變化趨勢空間分布

2.2 植被變化穩(wěn)定性

表5 植被穩(wěn)定性等級面積比例統(tǒng)計

圖4 黃河流域植被變異系數(shù)空間分布

根據(jù)黃河流域1999～2019年FVC結(jié)果,逐像元統(tǒng)計變異系數(shù)值,依照計算結(jié)果將穩(wěn)定性分為5個程度,見表5.如圖4所示,1999～2019年間黃河流域植被變化在大部分地區(qū)的波動較平穩(wěn).其中低波動變化區(qū)域占比最高,為47.81%,流域各區(qū)域分布廣泛.較低波動變化區(qū)域面積占比為25.24%,主要分布在流域上游和下游地區(qū).中等波動變化區(qū)域面積總占比為20.71%,主要分布在流域中部黃土高原地區(qū),少部分在六盤山脈.高波動變化區(qū)域面積占比最少,為6.24%,主要在六盤山、寧夏平原、河套平原、阿尼瑪卿山、鄂爾多斯高原等地區(qū)有分散分布.

2.3 黃河流域植被變化影響探測

2.3.1 因子探測 計算影響因子的值(表6)可知,各因子對FVC影響程度的排序為:降水>日照時間>相對濕度>土地利用類型>土壤類型>氣溫>蒸散發(fā)>高程>坡度>人口密度>GDP>坡向.降雨量和日照時間的值最大,均超過了0.3,因此降雨量和日照時間是黃河流域FVC變化的主要驅(qū)動因子;土壤類型、年均相對濕度、土地利用類型的值均超過了0.2,高程、氣溫以及蒸散發(fā)的值均超過0.1,而坡度、坡向、人口密度以及GDP的值均小于0.1,其中坡向的值最小,僅有0.003.幾乎對研究區(qū)的FVC變化不產(chǎn)生影響.

2.3.2 交互探測 利用交互探測器探測驅(qū)動因子之間影響植被FVC變化的相互關(guān)系(表7).結(jié)果顯示,各因子之間交互作用呈現(xiàn)雙因子增強(qiáng)和非線性增強(qiáng)關(guān)系[26],任何兩個因子之間的交互作用都強(qiáng)于單因子對FVC的作用,不存在相互獨(dú)立作用的因子(表8).由表7可知降水與其他因子的交互作用最強(qiáng),值都在0.36以上,其次是日照時間與其他因子的交互作用也都超過了0.3.由表8可知,所有驅(qū)動因子的交互作用均大于單因子的作用.X7∩X12(0.461)> X7∩X11(0.453)>X7∩X3(0.450)>X7∩X9(0.442)>X7∩X10(0.438)>X7∩X4(0.403)>X7∩X5(0.395)>X7∩X8(0.391)>X7∩X1(0.388)>X7∩X6(0.386)>X7∩X2(0.368),表明降雨與坡度的相互作用為非線性增強(qiáng),而降水與其他因子的交互作用為雙因子增強(qiáng).這一結(jié)果也表明,其他因子與降水的相互作用增強(qiáng)了其對于黃河流域FVC空間變化的影響力.

2.3.3 風(fēng)險探測 基于風(fēng)險探測器,確定了有利于植被生長的因子范圍或類型(圖5).本文假定FVC平均值最大的因子區(qū)間是植被生長的最優(yōu)范圍[33].

由圖5可知,地形因子方面,隨著坡度的增加, FVC呈先上升后平穩(wěn)的趨勢,在坡度為27～33°時達(dá)到最大值.FVC隨坡向的變化而變化不大,最大值出現(xiàn)在東面.隨著高程的增加,FVC出現(xiàn)了先降低后上升再下降的波動變化,在高程為3086～ 3649m時達(dá)到最大值.(X3)=0.122>(X1)=0.084>(X2)=0.003.因此,高程是黃河流域植被變化的主要地形驅(qū)動因子.

表7 各因子之間交互作用探測

表8 影響FVC變化的驅(qū)動因子之間的交互作用

續(xù)表7

注:C為兩因子相加之和;A、B分別為交互前后驅(qū)動因子值.

社會因子方面,隨著GDP的增加,FVC在1083～ 2166萬元/km2達(dá)到最大值.隨著人口密度的增加, FVC在14039～19578人/ km2達(dá)到最小值.因此黃河流域植被適宜于低人口密度以及低GDP的環(huán)境.

氣象因子方面,隨著日照時間的增加,FVC呈現(xiàn)逐漸下降趨勢,在13.7～15.7h達(dá)到最大值.隨著降水的增加,FVC呈現(xiàn)上升趨勢,在656.5～719.0mm時達(dá)到最大值.隨著相對濕度的增加,FVC在69%～ 75%達(dá)到最大值.FVC隨著蒸散發(fā)和氣溫的增加而出現(xiàn)波動變化,分別在蒸散發(fā)為53.1～63.5mm時,氣溫為-1-1.7℃時達(dá)到最大值.由此可知,黃河流域植被在適宜低日照、高降雨、高濕度的氣象環(huán)境中生長.

隨著土地利用類型和土壤的不同,黃河流域FVC也出現(xiàn)不同,其中林地和淋溶土?xí)r,黃河流域植被覆蓋最大.由此可知,淋溶土最適合植被生長,林地是植被生長最佳的土地利用類型.

2.3.4 生態(tài)探測 利用生態(tài)探測器,比較每兩個因子在FVC空間分布上是否存在顯著差異(表9).由表9可知,坡度與坡向、GDP以及人口密度對FVC空間分布的影響不具有顯著差異,而與其他因子均具有顯著差異.坡向除了與坡度以及GDP不具有顯著性差異外,與其他因子對植被覆蓋的空間分布均具有顯著性差異.高程與GDP、人口密度以及蒸散發(fā)對于植被的空間分布不具有顯著差異.而與其他因子均具有顯著差異.日照時間與坡度、坡向、高程以及降水對FVC的空間分布具有顯著性差異,而與其他因子則不具備顯著性差異.GDP與坡度、坡向、高程及日照時間對FVC空間分布不具有顯著性差異,而與其他因子對FVC具有顯著性差異.人口密度與坡度、高程以及日照時間對于植被空間分布不具有顯著性差異,而與其他因子均具有顯著性差異.降水與相對濕度、氣溫、蒸散發(fā)、土壤類型以及土地利用類型對于FVC空間分布的作用不存在顯著性差異,而與其他因子均具有顯著性差異.相對濕度與土壤類型、蒸散發(fā)、氣溫以及土地利用類型對于植被空間分布不具有顯著性差異.土壤類型與相對濕度、蒸散發(fā)以及土地利用類型對于FVC空間分布的作用不具有顯著差異.氣溫與蒸散發(fā)對于植被空間分布不具有顯著性差異,而與土地利用類型具有顯著差異.蒸散發(fā)與土地利用類型對于植被空間分布的影響不具有顯著差異性.

表9 探測因子的統(tǒng)計顯著性

注:Y表示2個因子對FVC的影響具有顯著性差異(置信度為95%);N表示無顯著性差異

3 討論

3.1 黃河流域植被時空變化特征

3.1.1 黃河流域植被空間分布差異 黃河流域植被空間分布分布不均,區(qū)域分布差異特征明顯[10],總體看,黃河流域植被覆蓋并不高,平均FVC僅有0.51.流域整體植被分布有自西北向東南遞增的階梯狀趨勢[7].由于受到地形、氣候和人類活動等多種因素綜合作用[10],黃河流域東部及南部易受季風(fēng)氣候的影響,氣候濕潤,溫度適宜,這有利于植被生長,因此FVC較高.東南部季風(fēng)帶來的暖濕氣流難以深入西北內(nèi)陸,且中游黃土高原多溝壑地貌,水土保持困難,所以FVC常年處于較低水平.本文也發(fā)現(xiàn)西北部邊緣地區(qū)有一定范圍的FVC較高,這可能由于西北部河套平原、寧夏平原河網(wǎng)發(fā)達(dá),并且有較長農(nóng)業(yè)發(fā)展史,以栽培植被類型為主,且黃河流域中部正處于我國三北防護(hù)林的所在地[7].同時西北部的賀蘭山脈、東部的六盤山脈削弱了南下的西伯利亞寒流,為寧夏平原植被生長提供了有利條件,所以FVC高于周圍其他地區(qū).3.1.2黃河流域植被時間變化特征 由圖3可知,整體上黃河流域近21a大部分地區(qū)植被情況正不斷變好.其中改善區(qū)域面積占整個研究區(qū)的48.62%,而退化區(qū)域僅占研究區(qū)的13.73%.黃河流域FVC明顯改善區(qū)域主要分布在流域中部[11].這主要由于中游處于中國生態(tài)保護(hù)工程重點實施區(qū)域,如榆林市、延安市和慶陽市等,人類活動對植被覆蓋增長的正向作用較大[7].然而退化范圍主要在西南部的青藏高原,以及東南部黃河流域中原城市群一帶.這兩個區(qū)域退化的原因不同,前者主要是由于高原地區(qū),常年氣候寒冷,降雨量少,無法持續(xù)提供植被所需要的水熱條件,導(dǎo)致植被退化.后者主要是由于城市發(fā)展,人類活動對植被的負(fù)向影響不斷加強(qiáng),從而導(dǎo)致這一地區(qū)植被逐漸退化.

3.1.2 黃河流域植被時間變化特征 由圖3可知,整體上黃河流域近21a大部分地區(qū)植被情況正不斷變好.其中改善區(qū)域面積占整個研究區(qū)的48.62%,而退化區(qū)域僅占研究區(qū)的13.73%.黃河流域FVC明顯改善區(qū)域主要分布在流域中部[11].這主要由于中游處于中國生態(tài)保護(hù)工程重點實施區(qū)域,如榆林市、延安市和慶陽市等,人類活動對植被覆蓋增長的正向作用較大[7].然而退化范圍主要在西南部的青藏高原,以及東南部黃河流域中原城市群一帶.這兩個區(qū)域退化的原因不同,前者主要是由于高原地區(qū),常年氣候寒冷,降雨量少,無法持續(xù)提供植被所需要的水熱條件,導(dǎo)致植被退化.后者主要是由于城市發(fā)展,人類活動對植被的負(fù)向影響不斷加強(qiáng),從而導(dǎo)致這一地區(qū)植被逐漸退化.

3.1.3 黃河流域植被穩(wěn)定性分析 總體上看,黃河流域植被的穩(wěn)定性主要以低波動為主,其中變異值小于0.1的區(qū)域占了整個研究區(qū)的73.05%.植被覆蓋的穩(wěn)定性變化與氣候波動[11]和地貌條件有關(guān).其中南部區(qū)域水熱條件良好,植物能夠一直處于穩(wěn)定的狀態(tài),所以FVC處于低波動和較低波動變化.北部地區(qū)地理條件特殊,如中流域上游庫布齊沙漠這種極端的水熱條件,降水不穩(wěn)定,導(dǎo)致生態(tài)環(huán)境較為脆弱,植被生長波動較大.

3.2 黃河流域植被變化影響因素定量分析

3.2.1 各影響因子對植被變化影響程度的定量分析 本研究發(fā)現(xiàn),黃河流域植被變化的驅(qū)動因素呈現(xiàn)出明顯的區(qū)域差異.由表6可知,年累計降雨量被確定為FVC空間分布的主要影響因素(=0.364).其他研究也支持本文的結(jié)論[7],即降水是黃河流域植被的生長和恢復(fù)的關(guān)鍵.此外,年均日照時間也影響植被的空間分布,日照是植物光合作用的必需品,因此光照時間直接影響著植被的生長發(fā)育.從土壤類型來看,不同的土壤類型含有不同的植物所需的營養(yǎng)物質(zhì),因此土壤類型直接影響著植被的空間分布[13].相對濕度是影響植被變化的關(guān)鍵因素,它直接影響著植被生長環(huán)境,從而影響植被的空間分布.土地利用類型的不同導(dǎo)致土壤的固碳能力不同[34],從而導(dǎo)致植被空間分布的差異明顯.此外,GDP和人口密度對黃河流域植被變化的影響相對較小.這一結(jié)果可能是因為黃河流域處于我國中西部,這里人口密度和經(jīng)濟(jì)不如我國沿海發(fā)達(dá)地區(qū).

3.2.2 影響因子對植被變化交互作用的定量分析 本研究結(jié)果發(fā)現(xiàn)(表7,表8),任意2個影響因子對植被的影響都強(qiáng)于單因子,這也與以往許多研究者的結(jié)論一致[35-36].此外,各驅(qū)動因子對FVC的影響主要表現(xiàn)為非線性和相互增強(qiáng)效應(yīng).其中降水、濕度和日照的相互作用對于FVC的影響最大.可能由于日照影響了降水從而導(dǎo)致相對濕度出現(xiàn)差異,從而影響了植被的空間分布和生長[35].此外,高程、坡度、人口密度、GDP和坡向?qū)τ谘芯繀^(qū)植被變化影響不顯著,但是他們與其他影響因子的交互作用卻顯著增強(qiáng)了對于植被變化的作用[13,35,37].

3.2.3 植被生長的適宜區(qū)間 FVC在降水為656.5～719.0mm時達(dá)到最大,表明該降雨范圍促進(jìn)了植被生長.此外當(dāng)日照時間在13.7～15.7h,相對濕度為69%～75%時,FVC達(dá)到最大值.這些結(jié)果表明降雨充沛日照較低時最有利于黃河流域的植被生長.不同高程、坡度和坡向范圍的FVC無顯著差異,

其中FVC在3086～3649m高程區(qū)間、27～33°坡度范圍和東坡向最大.這可能由于海拔高,地形陡峭人類活動較少,因此植被受到的影響較小[38].此外,兩個社會因子對于FVC的影響也出現(xiàn)明顯的差異.FVC的值在GDP為1083～2166萬元/km2以及人口密度在191～860人/km2區(qū)間達(dá)到峰值,由于經(jīng)濟(jì)的發(fā)展以及人口的增長會干擾植被的生長[39].淋溶土具有很強(qiáng)的保肥能力[37].因此淋溶土是FVC的最佳適宜土壤類型(表10).

表10 因子適宜區(qū)間(置信水平95%)

4 結(jié)論

4.1 黃河流域FVC時空變化顯著.FVC在空間分布差異明顯,總體上西北部流域上游FVC較低,東南部的流域中下游FVC較高;中高和高被覆蓋區(qū)分別占研究區(qū)面積的21.74%和17.87%,表明植被狀況良好.1999～2019年FVC得到很好的改善,整體上流域中部植被改善最明顯,流域西部的青藏高原部分和東南部城市群地區(qū)有輕微退化.改善區(qū)域占流域總面積的48.52%.FVC的穩(wěn)定性以較平穩(wěn)為主,較低和低波動性區(qū)域占流域面積的25.24%和47.81%.

4.2 各驅(qū)動因子對FVC影響力的排序為:降水>日照時間>相對濕度>土地利用類型>土壤類型>氣溫>蒸散發(fā)>高程>坡度>人口密度>GDP>坡向.其中,降水、日照時間、相對濕度的解釋力均在0.25以上,三者為影響FVC變化的主要?dú)庀笠蜃?其次土地利用類型和土壤類型的解釋力均在0.2以上.此外坡度、坡向、人口密度以及GDP的解釋力低于0.1.

4.3 各驅(qū)動因子對FVC影響存在交互作用,以雙因子增強(qiáng)或者非線性增強(qiáng)為主,其中降水、濕度和日照的相互作用對于FVC的影響最大;本研究也探測了促進(jìn)植被生長的各驅(qū)動因子最佳區(qū)間.

[1] Wang B, Jia K, Wei X, et al. Generating spatiotemporally consistent fractional vegetation cover at different scales using spatiotemporal fusion and multiresolution tree methods [J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2020,167:214-229.

[2] Liu C, Li W, Zhu G, et al. Land use/land cover changes and their driving factors in the Northeastern Tibetan Plateau based on geographical detectors and google earth engine: a case study in Gannan prefecture [J]. Remote Sensing, 2020,12(19):3139.

[3] Yan K, Gao S, Chi H, et al. Evaluation of the vegetation-index-based dimidiate pixel model for fractional vegetation cover estimation [J]. IEEE Transactions on Geoscience and Remote Sensing, 2021,60:1-14.

[4] Jia K, Li Y, Liang S, et al. Combining estimation of green vegetation fraction in an arid region from Landsat 7ETM+ data [J]. Remote Sensing, 2017,9(11):1121.

[5] Jia K, Liang S, Gu X, et al. Fractional vegetation cover estimation algorithm for Chinese GF-1wide field view data [J]. Remote Sensing of Environment, 2016,177:184-191.

[6] Zhang W, Wang L, Xiang F, et al. Vegetation dynamics and the relations with climate change at multiple time scales in the Yangtze River and Yellow River Basin, China [J]. Ecological Indicators, 2020,110:105892.

[7] 張志強(qiáng),劉 歡,左其亭,等.2000～2019年黃河流域植被覆蓋度時空變化 [J]. 資源科學(xué), 2021,43(4):849-858.

Zhang Z Q, Liu H, Zuo Q T, et al. Spatiotemporal change of fractional vegetation cover in the Yellow River Basin during 2000～2019 [J]. Resources Science, 2021,43(4):849-858.

[8] Tian F, Liu L Z, Yang J H, et al. Vegetation greening in more than 94% of the Yellow River Basin (YRB) region in China during the 21st century caused jointly by warming and anthropogenic activities [J]. Ecological Indicators, 2021,125:107479.

[9] 李春暉,楊志峰.黃河流域NDVI時空變化及其與降水/徑流關(guān)系 [J]. 地理研究, 2004,(6):753-759.

Li C H,Yang Z F. Spatio-temporal changes of NDVI and their relations with precipitation and runoff in the Yellow River Basin [J]. Geograp hical Research, 2004,23(6):753-759.

[10] 李 晶,閆星光,閆蕭蕭,等.基于GEE云平臺的黃河流域植被覆蓋度時空變化特征 [J]. 煤炭學(xué)報, 2021,46(5):1439-1450.

Li J, Yan X G, Yan X X, et al. Temporal and spatial variation characteristic of vegetation coverage in the Yellow River Basin based on GEE cloud platform [J]. Journal of China Coal Society, 2021,46(5): 1439-1450.

[11] 賀 振,賀俊平.近32年黃河流域植被覆蓋時空演化遙感監(jiān)測 [J]. 農(nóng)業(yè)機(jī)械學(xué)報, 2017,48(2):179-185.

He Z, He J P．Remote sensing on spatio-temporal evolution of vegetation cover in the Yellow River Basin during 1982～2013 [J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(2):179-185.

[12] 袁麗華,蔣衛(wèi)國,申文明,等.2000～2010年黃河流域植被覆蓋的時空變化 [J]. 生態(tài)學(xué)報, 2013,33(24):7798-7806.

Yuan L H, Jiang W G, Shen W M, et al. The spatio-temporal variations of vegetation cover in the Yellow River Basin from 2000 to 2010 [J]. Acta Ecologica Sinica, 2013,33(24):7798-7806.

[13] Peng W, Kuang T, Tao S. Quantifying influences of natural factors on vegetation NDVI changes based on geographical detector in Sichuan, western China [J]. Journal of Cleaner Production, 2019,233:353-367.

[14] Jiang M, He Y, Song C, et al. Disaggregating climatic and anthropogenic influences on vegetation changes in Beijing-Tianjin- Hebei region of China [J]. Science of The Total Environment, 2021, 786:147574.

[15] Nie T, Dong G, Jiang X, et al. Spatio-temporal changes and driving forces of vegetation coverage on the Loess Plateau of Northern Shaanxi [J]. Remote Sensing, 2021,13(4):613.

[16] Liu X, Ou J, Chen Y, et al. Scenario simulation of urban energy- related CO2emissions by coupling the socioeconomic factors and spatial structures [J]. Applied Energy, 2019,238:1163-1178.

[17] Jiao W, Wang L, Smith W K, et al. Observed increasing water constraint on vegetation growth over the last three decades [J]. Nature Communications, 2021,12(1):3777.

[18] Zuo D, Han Y, Xu Z, et al. Time-lag effects of climatic change and drought on vegetation dynamics in an alpine river basin of the Tibet Plateau, China [J]. Journal of Hydrology, 2021,600:126532.

[19] 秦格霞,蘆 倩,孟治元,等.1982～2015年中國北方草地NDVI時空動態(tài)及其對氣候變化的響應(yīng) [J]. 水土保持研究, 2021,28(1):101-108,17.

Qin G X, Lu Q, Meng Z Y, et al． Spatial-temporal dynamics of grassland NDVI and its response to climate change in Northern China from 1982 to 2015. Research of Soil and Water Conservation, 2021, 28(1):101-108,117.

[20] Gorelick N, Hancher M, Dixon M, et al. Google earth engine: planetary-scale geospatial analysis for everyone [J]. Remote Sensing of Environment, 2017,202:18-27.

[21] 李苗苗,吳炳方,顏長珍,等.密云水庫上游植被覆蓋度的遙感估算 [J]. 資源科學(xué), 2004,(4):153-159.

Li M M, Wu B F, Yan Z Z, et al. Estimation of vegetation fraction in the upper basin of Miyun reservoir by remote sensing [J]. Resources Science, 2004,(4):153-159.

[22] 孟 琪,武志濤,杜自強(qiáng),等.基于地理探測器的區(qū)域植被覆蓋度的定量影響——以京津風(fēng)沙源區(qū)為例 [J]. 中國環(huán)境科學(xué), 2021,41(2): 826-836.

Meng Q, Wu Z T, Du Z Q, et al. Quantitative influence of regional fractional vegetation cover based on geodetector model —take the Beijing-Tianjin sand source region as an example. [J]. China Environmental Science, 2021,41(2):826-836.

[23] 何寶忠,丁建麗,張 喆,等.新疆植被覆蓋度趨勢演變實驗性分析 [J]. 地理學(xué)報, 2016,71(11):1948-1966.

He B Z, Ding J L, Zhang Z, et al. Experimental analysis of spatial and temporal dynamics of fractional vegetation cover in Xinjiang [J]. Acta Geographica Sinica, 2016,71(11):1948-1966.

[24] Wang J F, Zhang T L, Fu B J. A measure of spatial stratified heterogeneity [J]. Ecological Indicators, 2016,67:250-256.

[25] 王勁峰,徐成東.地理探測器:原理與展望 [J]. 地理學(xué)報, 2017,2(1): 116-134.

Wang J F, Xu C D. Geodetector: principle and prospective [J]. Acta Geographica Sinica, 2017,72(1):116-134.

[26] 彭文甫,張冬梅,羅艷玫,等.自然因子對四川植被NDVI變化的地理探測 [J]. 地理學(xué)報, 2019,74(9):1758-1776.

Peng W F, Zhang D M, Luo Y M, et al. Influence of natural factors on vegetation NDVI using geographical detection in Sichuan province [J]. Acta Geographica Sinica, 2019,74(9):1758-1776.

[27] 趙曉冏,蘇軍德,王 建,等.甘肅省生態(tài)服務(wù)供需關(guān)系及影響因子研究 [J]. 中國環(huán)境科學(xué), 2021,41(10):4926-4941.

Zhao X J, Su J D, Wang J, et al. A study on the relationship between supply-demand relationship of ecosystem services and impact factors in Gansu province based on geographical detector [J]. China Environmental Science, 2021,41(10):4926-4941.

[28] Liang P, Yang X. Landscape spatial patterns in the Maowusu (Mu Us) sandy land, northern China and their impact factors [J]. Catena, 2016, 145:321-33.

[29] 潘洪義,黃 佩,徐 婕.基于地理探測器的岷江中下游地區(qū)植被NPP時空格局演變及其驅(qū)動力研究 [J]. 生態(tài)學(xué)報, 2019,39(20): 7621-7631.

Pan H Y, Huang P, Xu J. The spatial and temporal pattern evolution of vegetation NPP and its driving forces in middle-lower areas of the Min river based on geographical detector analyses [J]. Acta Ecologica Sinica, 2019,39(20):7621-7631.

[30] 張浚茂,臧傳富.東南諸河流域1990～2015年土地利用時空變化特征及驅(qū)動機(jī)制 [J]. 生態(tài)學(xué)報, 2019,39(24):9339-50.

Zhang J M, Zang C F. Spatial and temporal variability characteristics and driving mechanisms of land use in the Southeastern River Basin from 1990 to 2015 [J]. Acta Ecologica Sinica, 2019,39(24):9339-9350.

[31] 胡李發(fā),謝元禮,崔思穎,等.關(guān)中平原城市群夏季城市熱島特征及驅(qū)動力 [J]. 中國環(huán)境科學(xué), 2021,41(8):3842-3852.

Hu L F, Xie Y L, Cui S Y, et al. Characteristics and driving forces analysis of urban heatisland in Guanzhong plain urban agglomeration in summer [J]. China Environmental Science, 2021,41(8):3842-3852.

[32] 符 靜,秦建新,張猛,等.2001～2013年洞庭湖流域植被覆蓋度時空變化特征 [J]. 地球信息科學(xué)學(xué)報, 2016,18(9):1209-1216.

Fu J, Qin J X, Zhang M, et al. Spatial-temporal variations of vegetation coverage in the Lake Dongting Basin from 2001 to 2013 [J]. Journal of Geo-information Science, 2016,18(9):1209-1216.

[33] Meng X, Gao X, Li S, et al. Spatial and temporal characteristics of vegetation NDVI changes and the driving forces in Mongolia during 1982～2015 [J]. Remote Sensing, 2020,12(4):603.

[34] Jiang C, Zhang H, Tang Z, et al. Evaluating the coupling effects of climate variability and vegetation restoration on ecosystems of the Loess Plateau, China [J]. Land Use Policy, 2017,69:134-148.

[35] Guo B, Wang Y, Pei L, et al. Determining the effects of socioeconomic and environmental determinants on chronic obstructive pulmonary disease (COPD) mortality using geographically and temporally weighted regression model across Xi'an during 2014～2016 [J]. Science of the Total Environmen, 2021,756:143869.

[36] Yuan X, Shao Y, Wei X, et al. Study on the potential of cultivated land quality improvement based on a geological detector [J]. Geological Journal, 2018,53:387-397.

[37] Zhu L, Meng J, Zhu L. Applying Geodetector to disentangle the contributions of natural and anthropogenic factors to NDVI variations in the middle reaches of the Heihe River Basin [J]. Ecological Indicators, 2020,117:106545.

[38] Liu Y, Liu S, Sun Y, et al. Spatial differentiation of the NPP and NDVI and its influencing factors vary with grassland type on the Qinghai- Tibet Plateau [J]. Environmental Monitoring and Assessment, 2021, 193(1):48.

[39] 郭永強(qiáng),王乃江,褚曉升,等.基于Google Earth Engine分析黃土高原植被覆蓋變化及原因[J]. 中國環(huán)境科學(xué), 2019,39(11):4804-4811.

Analyzing vegetation coverage changes and its reasons on the Loess Plateau based on google earth engine. [J]. China Environmental Science, 2019,39(11):4804-4811.

Change and driving factors of vegetation coverage in the Yellow River Basin.

WANG Xiao-lei1,2*, SHI Shou-hai1, CHEN jiang-zhao-xia1

(1.School of Geoscience and Technology, Zhengzhou University, Zhengzhou 450000, China；2.Joint Laboratory of Eco-Meteorology, Zhengzhou University, Chinese Academy of Meteorological Sciences, Zhengzhou University, Zhengzhou 450000, China)., 2022,42(11)：5358～5368

The pixel binary model was used to inverse the fractional vegetation cover (FVC) from 1999 to 2019 based on the Google Earth Engine platform, and the unary linear regression analysis and the coefficient of variance method were used to study the changes in the FVC trend characteristics and stability. The geographic detector was used to analyze the driving force of vegetation change. The results showed that: (1) The FVC of the Yellow River Basin was generally low in the northwest and high in the Southeast; the medium-high and high-covered areas accounted for 21.74% and 17.87% of the study area, respectively; the FVC of the Yellow River Basin had improved well in the past two decades. The improvement of vegetation in the middle reaches of the basin was the most obvious, and the improvement area accounted for 48.52% of the total area in our study area; the stability of FVC was mainly stable. (2) The three driving factors of precipitation, sunshine duration, and relative humidity had the strongest influence on FVC in the Yellow River Basin. (3) Each driving factor had an interaction effect on the FVC. The two-factor enhancement or nonlinear enhancement was the main factor. The two-factor interaction enhanced the impact of the single factor. This study also revealed the most suitable range of factors that promoted vegetation growth. These results help to better understand the impact of natural and social factors on vegetation cover changes and their driving mechanisms.

fractional vegetation cover；spatiotemporal evolution；driving forces；geographic detector；Yellow River Basin

X87

A

1000-6923(2022)11-5358-11

王曉蕾(1988-),女,河南周口人,講師,博士,主要從事高性能地理計算與遙感研究.發(fā)表論文20余篇.

2022-04-12

河南省高等學(xué)校重點科研項目(21A420006);河南省自然科學(xué)基金資助項目(212300410292);河南省科技攻關(guān)項目(212102210137)

* 責(zé)任作者, 講師,xiaolei8788@zzu.edu.cn