孟 琪,武志濤*,杜自強(qiáng),張 紅 (.山西大學(xué)黃土高原研究所,山西 太原 030006；.山西大學(xué)環(huán)境與資源學(xué)院,山西太原 030006)

植被覆蓋度(FVC)的時(shí)空變化及驅(qū)動(dòng)機(jī)制,對(duì)區(qū)域的生態(tài)環(huán)境評(píng)價(jià)具有重要意義[1-2].隨著遙感技術(shù)的成熟,高時(shí)間分辨率和高空間分辨率的影像數(shù)據(jù)獲取技術(shù)不斷完善,遙感測(cè)量在大范圍FVC 的研究中得到廣泛應(yīng)用[2].許多學(xué)者常使用歸一化植被指數(shù)(NDVI)來(lái)估算FVC,并建立了許多利用NDVI 估算FVC 的模型,其中像元二分模型應(yīng)用最為廣泛[3].而MODIS NDVI 數(shù)據(jù)可實(shí)現(xiàn)21 世紀(jì)以來(lái)長(zhǎng)時(shí)間不間斷的監(jiān)測(cè),具有時(shí)序性強(qiáng)、光譜分辨率豐富、獲取便捷的特點(diǎn),對(duì)從事時(shí)間序列地表植被變化監(jiān)測(cè)研究具有重要意義.目前國(guó)內(nèi)外學(xué)者利用 MODIS NDVI 數(shù)據(jù)基于像元二分模型在縣級(jí)尺度[4]、區(qū)域尺度[5]以及整個(gè)中國(guó)區(qū)域尺度開(kāi)展了FVC 時(shí)空變化相關(guān)研究.

在前人的研究過(guò)程中,主要利用相關(guān)系數(shù)法[6-7]、變異系數(shù)法[8]等來(lái)分析自然因素和人類(lèi)活動(dòng)對(duì)FVC 變化的影響.前人研究所采用的方法主觀性較強(qiáng),僅僅從數(shù)量上描述了影響因子對(duì)FVC 變化的作用程度,并未定量分析影響因子對(duì)FVC 空間分異的影響,且對(duì)于影響因素之間的協(xié)同作用研究較少[9].地理探測(cè)器是一種探測(cè)空間分異并揭示其潛在影響因子的一種方法,它通過(guò)探測(cè)地理現(xiàn)象的空間分層異質(zhì)性來(lái)揭示其背后的驅(qū)動(dòng)力[10].地理探測(cè)器最早被應(yīng)用于疾病風(fēng)險(xiǎn)與地理環(huán)境要素的相關(guān)性研究.近年來(lái),有學(xué)者將其用于探究人為因素和自然因素對(duì)植被覆蓋變化的影響.目前,該方面的研究主要分為兩類(lèi),一方面是識(shí)別主要影響因子,如裴志林等[11]運(yùn)用地理探測(cè)器模型分析發(fā)現(xiàn)降水量是影響黃河上游FVC 空間分布的主要因素;另一方面是研究驅(qū)動(dòng)因素之間的耦合作用,如吳思佳等[12]通過(guò)地理探測(cè)器模型研究發(fā)現(xiàn)人為因素與自然因素的共同作用對(duì)植被覆蓋變化的影響力較強(qiáng).

京津風(fēng)沙源區(qū)是中國(guó)政府為改善和優(yōu)化京津及其周邊地區(qū)生態(tài)環(huán)境狀況、減輕風(fēng)沙災(zāi)害而劃分的生態(tài)工程治理區(qū)[13].此外,該研究區(qū)氣候變化顯著,加之大規(guī)模的人類(lèi)活動(dòng),成為研究氣候變化和人類(lèi)活動(dòng)共同作用對(duì)植被變化的影響典型試驗(yàn)區(qū).前人對(duì)京津風(fēng)沙源區(qū)植被變化的研究主要以NDVI 數(shù)據(jù)為主,關(guān)于FVC 及其驅(qū)動(dòng)力的定量研究還較少[14].眾多研究表明水分和溫度是兩大最主要的影響植被生長(zhǎng)的氣候因子,尤其是在干旱、半干旱區(qū)[15],同時(shí)考慮到地形對(duì)植被生長(zhǎng)起到間接作用[16],加之人類(lèi)活動(dòng)對(duì)當(dāng)?shù)刂脖坏挠绊?因此選取氣象數(shù)據(jù)(日降水量≥0.1mm 時(shí)數(shù)、平均相對(duì)濕度、平均2min 風(fēng)速)、地形數(shù)據(jù)(高程、坡度、坡向)以及人類(lèi)活動(dòng)數(shù)據(jù)(年末大牲畜頭數(shù)、年末人口總數(shù)、糧食作物播種面積、GDP)來(lái)反映對(duì)FVC的影響.本文基于MODIS 250m NDVI 數(shù)據(jù),運(yùn)用像元二分法模型估算京津風(fēng)沙源區(qū)FVC 及其時(shí)空分異特征.同時(shí)基于地理探測(cè)器模型,定量揭示各個(gè)驅(qū)動(dòng)因子對(duì)FVC 空間分布的影響,并確定每個(gè)因子對(duì)促進(jìn)植被生長(zhǎng)的最適宜特征,為適應(yīng)、減緩驅(qū)動(dòng)因子對(duì)植被變化的影響、恢復(fù)植被與生態(tài)環(huán)境提供科學(xué)依據(jù).

1 研究數(shù)據(jù)與方法

1.1 研究區(qū)概況

本文選取京津風(fēng)沙源治理工程區(qū)為研究區(qū)(圖1), 該 區(qū) 范 圍 為 109°30’E～119°20’E, 38°50’N～46°40’N,東西橫跨近700km,南北橫跨近600km[10],包括北京、天津、內(nèi)蒙古、山西及河北等5 省(自治區(qū)、直轄市)在內(nèi)的75 個(gè)縣(旗、市、區(qū)),總面積為45.8×104km2[15].京津風(fēng)沙源區(qū)地深處大陸內(nèi)部,氣候復(fù)雜多變,以溫帶干旱半干旱氣候?yàn)橹?夏季炎熱多雨,冬季寒冷干燥,全年降水量為459.5mm,且分布不均,降水多集中在夏季,約占全年總降水量的65%,為年蒸發(fā)量的1/5[17];年氣溫區(qū)域差異顯著,最低的內(nèi)蒙古阿巴嘎旗可低至0.6℃,北京最高為12℃,區(qū)域平均氣溫為7.5℃[18].

圖1 研究區(qū)位置Fig.1 Location of study area

1.2 數(shù)據(jù)源及處理

1.2.1 遙感數(shù)據(jù) 本次研究選取2000～2018 年MODIS NDVI 時(shí)間序列數(shù)據(jù)來(lái)源于美國(guó) USGS 數(shù)據(jù)中心(https://lpdaac.usgs.gov/)發(fā)布的MOD13Q1數(shù)據(jù)產(chǎn)品,研究區(qū)覆蓋8 景影像,分別為h25v03、h25v04、h26v03、h26v04、h26v05、h27v03、h27v04、h27v05,時(shí)間分辨率為16d,空間分辨率為250m.利用MRT(MODIS Reprojection Tool)對(duì)MODIS NDVI 數(shù)據(jù)進(jìn)行重投影和拼接,然后利用遙感處理軟件ENVI采用最大值合成法(MVC)合成每月最大化NDVI 數(shù)據(jù)集.

1.2.2 氣象數(shù)據(jù) 氣象數(shù)據(jù)來(lái)源于中國(guó)氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn/)提供的中國(guó)地面氣候資料月值數(shù)據(jù)集.選擇位于研究區(qū)內(nèi)的 27 個(gè)氣象站2000～2018 年的資料,包括降水(X1)、氣溫(X2)、日降水量≥0.1mm 時(shí)數(shù)(X3)、平均相對(duì)濕度(X4)、平均2min 風(fēng)速(X5)等氣象數(shù)據(jù),使用反距離權(quán)重插值法(IDW)對(duì)氣象數(shù)據(jù)進(jìn)行空間插值,插值處理后的柵格空間分辨率為90m.

1.2.3 地形數(shù)據(jù) DEM(數(shù)字高程模型)數(shù)據(jù)來(lái)源于美國(guó)國(guó)家航空航天局(NASA)和國(guó)防部國(guó)家測(cè)繪局(NIMA)共同測(cè)量的SRTM(航天飛機(jī)雷達(dá)地形測(cè)繪使命)數(shù)據(jù)產(chǎn)品(http://dwtkns.com/srtm/).基于SRTM 90m 分辨率高程數(shù)據(jù)(X6),利用ArcGIS10.2中的3D 分析模塊,從該數(shù)據(jù)中提取坡度(X7)和坡向(X8)信息,生成坡度圖和坡向圖.

1.2.4 人類(lèi)活動(dòng)數(shù)據(jù) 人類(lèi)活動(dòng)數(shù)據(jù)選取年末大牲畜頭數(shù)(X9)、糧食作物播種面積(X10)、年末人口總數(shù)(X11)和GDP(X12),數(shù)據(jù)均從2000～2018 年《內(nèi)蒙古統(tǒng)計(jì)年鑒》、《山西省統(tǒng)計(jì)年鑒》、《河北省統(tǒng)計(jì)年鑒》、《北京市統(tǒng)計(jì)年鑒》、《天津市統(tǒng)計(jì)年鑒》中提取篩選,具體到各旗、縣,在ArcGIS 中進(jìn)行空間關(guān)聯(lián)并生成矢量數(shù)據(jù).

1.3 研究方法

1.3.1 植被覆蓋度計(jì)算 像元二分模型假設(shè)每個(gè)像元的光譜信息均是純植被和純土壤2 種組分以面積比例加權(quán)而成的線性組合[19],即

式中:FVC 為植被覆蓋度;NDVIsoil為裸土或無(wú)植被覆蓋區(qū)域的 NDVI 值;NDVIveg為純植被像元的NDVI 值.理論上NDVIsoil的值應(yīng)該接近0,NDVIveg代表全植被覆蓋像元的最大值,但是,由于受光照條件、時(shí)空變化、影像質(zhì)量、植被類(lèi)型等眾多因素影響,NDVIsoil和NDVIveg的實(shí)際值會(huì)發(fā)生變化.在運(yùn)用像元二分模型估算FVC 時(shí),通常根據(jù)經(jīng)驗(yàn)取置信區(qū)間內(nèi) NDVI 的最小值和最大值為 NDVIsoil和NDVIveg,本文選取累計(jì)頻率為0.5%的NDVI 值作為NDVIsoil,累計(jì)頻率99.5%的NDVI 值作為NDVIveg估算京津風(fēng)沙源區(qū)的FVC.

本文采用張勇等[20]的分類(lèi)標(biāo)準(zhǔn),將FVC 分為4個(gè)等級(jí),分別是無(wú)植被覆蓋度:0≤FVC≤0.05;低植被覆蓋度:0.05＜FVC≤0.25;中植被覆蓋度:0.25＜FVC≤0.5;高植被覆蓋度:FVC＞0.5.

1.3.2 FVC 變化趨勢(shì)分析方法 線性回歸分析法是研究植被長(zhǎng)時(shí)序變化的重要方法[21].對(duì)于植被指標(biāo)的時(shí)序數(shù)據(jù),同一像元位置對(duì)應(yīng)相應(yīng)的一組時(shí)間序列,采用最小二乘法擬合得到相應(yīng)的線性方程[3].本文將FVC 與時(shí)間序列做回歸分析,研究基于像元的京津風(fēng)沙源區(qū)FVC 變化趨勢(shì),其表達(dá)式如下:

1.3.3 FVC 驅(qū)動(dòng)因子定量分析方法 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.它能夠探測(cè)各因子對(duì)FVC 的貢獻(xiàn)率,能從龐大的空間數(shù)據(jù)庫(kù)中提取有用的空間關(guān)聯(lián)規(guī)則[22-23].地理探測(cè)器共分為4 部分:

(1)因子探測(cè)器.因子探測(cè)用于分析每個(gè)影響因子變化趨勢(shì)對(duì)FVC 空間分異的影響大小.將FVC 作為因變量,各因子作為自變量,引入研究區(qū)FVC 分異決定力指標(biāo)q[24],其模型如下:

式中:q 是度量空間分異性的指標(biāo);h=1,2,···,L 為分類(lèi)數(shù)目;nh和n 分別為層h 和全區(qū)的樣本單元數(shù),和σ2分別為層h 和全區(qū)的方差.SSW 和SST 分別為層內(nèi)方差之和(within sum of square)和全區(qū)總方差(total sum of squares). q 的取值范圍為[0,1],q 值越大,說(shuō)明影響因子對(duì)FVC 的解釋力越強(qiáng).

區(qū)域Y 值的方差計(jì)算公式如下:

生態(tài)探測(cè)器.生態(tài)探測(cè)用于比較兩因子X(jué)1 比X2對(duì)FVC 空間分布的影響是否有顯著的差異,可判斷X1 比X2 對(duì)FVC 空間分布是否具有更重要的影響力[25].因子X(jué)1 比X2 對(duì)FVC 空間分布的影響是否有顯著的差異,以F 統(tǒng)計(jì)量來(lái)衡量:

式中:Nx1及Nx2分別表示2個(gè)因子的樣本數(shù)量; SSWx1和SSWx2分別表示由2 個(gè)因子形成分層的層內(nèi)方差之和;L1和L2分別表示變量X1 和X2 分層數(shù)目.

(3)風(fēng)險(xiǎn)探測(cè)器.風(fēng)險(xiǎn)探測(cè)用于判斷2 個(gè)因子子區(qū)域間的屬性均值是否有顯著的差別,用于搜索FVC 好的區(qū)域[26].風(fēng)險(xiǎn)探測(cè)用t 統(tǒng)計(jì)量來(lái)檢驗(yàn):

(4)因子交互作用探測(cè).交互作用探測(cè)用于識(shí)別因子之間的交互作用,即評(píng)估自然因子和人類(lèi)活動(dòng)共同作用(增加或減弱)或者相互獨(dú)立作用對(duì)FVC 空間分布的解釋力[27](表1).

1.3.4 驅(qū)動(dòng)因子離散化 由于驅(qū)動(dòng)因子數(shù)據(jù)都屬于連續(xù)變量,而地理探測(cè)器模型所需的數(shù)據(jù)是離散變量,因此需要對(duì)驅(qū)動(dòng)因子進(jìn)行離散化處理.所謂驅(qū)動(dòng)因子離散化,是指結(jié)合地理探測(cè)器模型,在某一離散化方法和分類(lèi)區(qū)間下選取q 值最大的分類(lèi)數(shù)[28].研究者根據(jù)經(jīng)驗(yàn)對(duì)連續(xù)數(shù)據(jù)離散化,具有一定的主觀性和隨機(jī)性.為了克服該缺點(diǎn),本文采用標(biāo)準(zhǔn)差分級(jí)法對(duì)數(shù)據(jù)進(jìn)行離散化處理,此分級(jí)方法完全根據(jù)原始數(shù)據(jù)固有的數(shù)值特征和分布規(guī)律來(lái)進(jìn)行分級(jí),不考慮人為因素對(duì)原始數(shù)據(jù)的影響,僅僅從統(tǒng)計(jì)的角度將數(shù)據(jù)均值作為分級(jí)的中心,使得分級(jí)結(jié)果更具客觀性[23].標(biāo)準(zhǔn)差是數(shù)據(jù)精密度的衡量指標(biāo),反映了整個(gè)樣本對(duì)樣本平均數(shù)的離散程度,也就是樣本數(shù)據(jù)的離散程度.標(biāo)準(zhǔn)差分級(jí)方法用于顯示要素屬性值與平均值之間的差異.標(biāo)準(zhǔn)差分級(jí)法是以均值為中心,以標(biāo)準(zhǔn)差的倍數(shù)為級(jí)差,分別向大于和小于均值的兩個(gè)方向進(jìn)行分級(jí)的方法.ArcMap 可計(jì)算平均值的標(biāo)準(zhǔn)差,將使用與標(biāo)準(zhǔn)差成比例的等值范圍創(chuàng)建分類(lèi)間隔.本文采用1 倍標(biāo)準(zhǔn)差進(jìn)行分級(jí),計(jì)算各驅(qū)動(dòng)因子的決定值q.

表1 因子交互作用探測(cè)結(jié)果Table 1 The results of factors interaction

2 結(jié)果與分析

2.1 京津風(fēng)沙源區(qū)FVC 變化特征

圖2 2000～2018 年植被覆蓋度變化特征Fig.2 Characteristics of vegetatin coverage change from 2000 to 2018

近20a 來(lái),研究區(qū)內(nèi)FVC 總體上呈增加趨勢(shì),年增加趨勢(shì)為0.013/10a(圖2),表明京津風(fēng)沙源治理工程的生態(tài)效應(yīng)正在呈現(xiàn).2000～2018年京津風(fēng)沙源區(qū)不同等級(jí)FVC 狀況發(fā)生了較大變化,中植被覆蓋度區(qū)域和高植被覆蓋度區(qū)域明顯增加,增加率分別為11.88%和2.43%,說(shuō)明京津風(fēng)沙源區(qū)的生態(tài)工程建設(shè)促進(jìn)了研究區(qū)內(nèi)植被的恢復(fù).但是從圖3 中可以看出,中植被覆蓋度所占比例最大,占研究區(qū)面積的40%以上,其次是低植被覆蓋度,占研究區(qū)面積的25%以上.因此,雖然京津風(fēng)沙源區(qū)的FVC 總體呈增加的趨勢(shì),但仍以中植被覆蓋度和低植被覆蓋度為主.表明京津風(fēng)沙源治理工程仍需繼續(xù)實(shí)施,FVC 才能恢復(fù)到較高的狀態(tài).

從圖4 中可以看出,京津風(fēng)沙源區(qū)FVC 整體呈上升的趨勢(shì).FVC 增加的區(qū)域占整個(gè)京津風(fēng)沙源區(qū)的73.7%,減少的區(qū)域占26.3%.其中,FVC 增加的區(qū)域主要集中在晉北山地丘陵亞區(qū)、燕山丘陵山地水源保護(hù)亞區(qū)和大興安嶺南部亞區(qū)、科爾沁沙地亞區(qū)的南部;FVC 退化的區(qū)域主要集中在農(nóng)牧交錯(cuò)帶亞區(qū)的中部、渾善達(dá)克沙地亞區(qū)的東北部和大興安嶺南部亞區(qū)的中北部和典型草原亞區(qū)的東南部.

圖3 不同植被覆蓋類(lèi)型的FVC 變化特征Fig.3 Variation characteristics of different vegetatin cover types

圖4 2000～2018 年京津風(fēng)沙源區(qū)逐像元植被覆蓋度變化趨勢(shì)Fig.4 The trend of vegetation coverage variation in BTSSR from 2000 to 2018

2.2 自然因素與人類(lèi)活動(dòng)對(duì)FVC 空間分布影響的定量分析

由表2 可知,各因子對(duì)植FVC 空間分布的影響程度排序?yàn)?降水(0.633)＞坡度(0.46)＞氣溫(0.3485)＞年末大牲畜頭數(shù)(0.348)＞平均相對(duì)濕度(0.3368)＞日降水量≥0.1mm 時(shí)數(shù)(0.2787)＞年末人口總數(shù)(0.2222)＞平均2min 風(fēng)速(0.2214)＞GDP(0.2004)＞糧食 作 物 播 種 面 積(0.1673)＞DEM(0.1573)＞坡 向(0.0055).因此,降水是影響區(qū)域FVC 空間分布的主要驅(qū)動(dòng)因子,解釋力達(dá)到63.3%,其次是坡度,解釋力為46%.人類(lèi)活動(dòng)中的年末大牲畜頭數(shù)對(duì)FVC 的空間分布影響較大,解釋力達(dá)到34.8%,其次是年末人口總數(shù),解釋力為22.2%.糧食作物播種面積、高程、坡向的單個(gè)因子解釋力則較小,均低于20%.這表明京津風(fēng)沙源區(qū)地處溫帶干旱半干旱區(qū),半干旱植被主要為草原,干旱區(qū)植被主要為荒漠草原和荒漠[27],這些植被類(lèi)型對(duì)降水的變化較敏感,因此,水分是京津風(fēng)沙源區(qū)植被生長(zhǎng)狀況的主要限制因素.隨著社會(huì)的持續(xù)發(fā)展,人類(lèi)活動(dòng)對(duì)自然環(huán)境的干預(yù)程度也不斷加大,京津風(fēng)沙源區(qū)自古是牧區(qū),濫牧是京津工程區(qū)土地沙化的主要成因,因此,年末大牲畜頭數(shù)成為人類(lèi)活動(dòng)中影響FVC 空間分布的主要驅(qū)動(dòng)因子.

表2 各驅(qū)動(dòng)因子的決定值qTable 2 The determining value q of the driving factors

2000 年為京津風(fēng)沙源治理工程實(shí)施前,2010 年京津風(fēng)沙源一期治理工程實(shí)施結(jié)束,2018 年二期工程實(shí)施中,選取3 個(gè)時(shí)間段更好地揭示不同時(shí)期各驅(qū)動(dòng)因子是如何影響京津風(fēng)沙源區(qū)FVC 的空間分布.本文通過(guò)進(jìn)一步計(jì)算2000 年、2010 年、2018 年各因子對(duì)FVC 空間分布影響程度的q 值,分析各因子在不同時(shí)期對(duì)FVC 空間分布的影響力大小(圖5).從圖5 中可知,3 個(gè)時(shí)期中,降水是自然因子中對(duì)FVC 空間分布解釋力最大的驅(qū)動(dòng)因子,其對(duì)FVC 空間分布的解釋力均超過(guò)了58%.坡度和坡向在2000年、2010 年、2018 年解釋力波動(dòng)幅度不明顯,解釋力在44%～45.3%,這主要是因?yàn)榈匦卧谳^短時(shí)間內(nèi)不會(huì)發(fā)生變化.3 個(gè)時(shí)期氣溫對(duì)FVC 空間分布的解釋力在逐漸增大,解釋力由27.6%上升到36.9%,表明區(qū)域FVC 對(duì)氣溫的敏感性在增加.人類(lèi)活動(dòng)中,年末大牲畜頭數(shù)對(duì)FVC 空間分布的解釋力逐漸降低,由38.8%降到27.1%,這與該研究區(qū)實(shí)施禁牧、休牧和輪牧等政策有關(guān).而年末人口總數(shù)、糧食作物播種面積和GDP 的解釋力變化幅度不超過(guò)8.2%,說(shuō)明人類(lèi)活動(dòng)的影響力低于自然因子的影響力,FVC 空間分布主要受自然因子的控制.

圖5 2000 年、2010 年、2018 年因子探測(cè)結(jié)果Fig.5 The results of factor detection in 2000, 2010 and 2018

2.3 自然因素與人類(lèi)活動(dòng)對(duì)FVC 影響的差異性分析

表3 探測(cè)因子顯著性分析(置信水平95%)Table 3 Statistical significance of detection factors (95% confidence level)

生態(tài)探測(cè)器模塊著重比較各驅(qū)動(dòng)因子對(duì)FVC空間分布影響的相對(duì)重要性是否有顯著差異,不同驅(qū)動(dòng)因子對(duì)京津風(fēng)沙源區(qū)FVC 影響的顯著性分析表明(表3),降水與其他因子對(duì)FVC 的空間分布均不具有顯著差異;氣溫除了與坡度對(duì)FVC 的空間分布具有顯著差異,與其他因子均無(wú)顯著差異;日降水≥0.1mm 時(shí)數(shù)與平均相對(duì)濕度、坡度、年末大牲畜頭數(shù)對(duì)FVC 的空間分布具有顯著差異;平均相對(duì)濕度只有坡度對(duì)FVC 的空間分布具有顯著差異,與其他因子均無(wú)顯著差異;平均2min 風(fēng)速與坡度、年末大牲畜頭數(shù)對(duì)FVC 的空間分布具有顯著差異;高程與坡度、年末大牲畜頭數(shù)、GDP、年末人口總數(shù)對(duì)FVC 的空間分布具有顯著差異;坡度除了與降水不具有顯著差異,與其他自然因子均具有顯著差異,與人類(lèi)活動(dòng)均不具有顯著差異;坡向與所有自然因子對(duì)FVC 的空間分布均不具有顯著差異,與人類(lèi)活動(dòng)均存在顯著差異;年末大牲畜頭數(shù)與日降水≥0.1mm時(shí)數(shù)、平均2min 風(fēng)速、高程、坡向?qū)VC 的空間分布具有顯著差異;糧食作物播種面積與坡向、年末人口總數(shù)、GDP 對(duì)FVC 的空間分布具有顯著差異;年末人口總數(shù)、GDP 與高程、坡向、糧食作物播種面積對(duì)FVC 空間分布具有顯著差異.

2.4 自然因素與人類(lèi)活動(dòng)對(duì)FVC 影響的適宜性分析

基于地理探測(cè)器中的風(fēng)險(xiǎn)探測(cè)器模塊,分析各影響因子對(duì)植被生長(zhǎng)的適宜類(lèi)型或范圍,并在95%置信水平上進(jìn)行統(tǒng)計(jì)意義檢驗(yàn)(表4).FVC 均值越大,各驅(qū)動(dòng)因子的特征更適合植被生長(zhǎng),不同驅(qū)動(dòng)因子的FVC 均值差異明顯.隨年平均降水量、年平均氣溫、坡度和年末人口總數(shù)的增加,研究區(qū)內(nèi)FVC 均值增高,分別在467.8～527.9mm、7.9～10.4℃、20～66°以及794785～2813722 人分區(qū)時(shí),FVC 達(dá)到最大值0.532、0.462、0.537 和0.509;FVC 均值隨平均2min風(fēng)速、平均相對(duì)濕度、坡向和日降水≥0.1mm 時(shí)數(shù)呈先逐漸增高、后快速降低的趨勢(shì)和波動(dòng)變化,分別在2.07～2.43m/s、50.8%～57.6%、12.95～120.18°以及65～76d 分區(qū)時(shí),FVC 達(dá)到最大值,分別為0.371、0.357、0.307 和0.338.因此,植被對(duì)不同的氣候因子具有不同的適應(yīng)范圍,適宜的自然因子范圍,對(duì)植被生長(zhǎng)具有至關(guān)重要的影響.隨高程的升高,FVC 均值呈先下降后升高的變化趨勢(shì),在1892.5～2789m 高度,FVC 均值達(dá)到最高值0.466,表明這一地形因子范圍,促進(jìn)了植被生長(zhǎng).研究表明,植被變化受海拔高程、坡度和坡向變化的影響可由微地形因子決定的不同氣候來(lái)解釋,不同地形因子與年降水量和年平均氣溫變量相關(guān);同時(shí)植被生長(zhǎng)所需營(yíng)養(yǎng)隨海拔升高和溫度下降影響而降低,坡度和坡向影響了其他作為生態(tài)環(huán)境關(guān)鍵因素的數(shù)量.

表4 各驅(qū)動(dòng)因子的適宜限制(置信水平95%)Table 4 The suitable limits of the driving factors (95%confidence level)

2.5 自然因素與人類(lèi)活動(dòng)對(duì)FVC 影響的耦合作用研究

交互探測(cè)器主要通過(guò)識(shí)別不同影響因子對(duì)FVC 空間變化的交互作用,分析是否會(huì)增加或減弱對(duì)因變量FVC 空間分布的解釋力,或這些因子對(duì)FVC 的影響是否是相互獨(dú)立的.由表5 可知,絕大部分自然因素和人類(lèi)活動(dòng)因子間交互作用的q 值都大于任何因子單獨(dú)作用的q 值,表明影響因子的兩兩交互作用均會(huì)增加對(duì)FVC 空間分布的解釋力.研究發(fā)現(xiàn)(表6),自然因素和人類(lèi)活動(dòng)間的交互作用主要以雙協(xié)同作用和非線性協(xié)同作用為主,不存在相互獨(dú)立起作用的因子.交互作用解釋力較強(qiáng)的為降水量、坡度與其他驅(qū)動(dòng)因子的協(xié)同作用,以雙協(xié)同作用為主.由表6 可知,降水與其余因子的交互作用最強(qiáng),且均為雙協(xié)同作用,解釋力在63%以上,如X1∩X2=0.659,X1∩X3=0.676,X1∩X10=0.670;其次是坡度與其余因子的交互作用,解釋力在 50%以上,如X3∩X7=0.598,X4∩X7=0.632,X5∩X7=0.558.從表6 中可以發(fā)現(xiàn),人類(lèi)活動(dòng)的單因子解釋力較低,但是與自然因素的交互作用解釋力較強(qiáng),均大于單因子的解釋力,交互作用呈現(xiàn)雙協(xié)同作用和非線性協(xié)同作用,因此,自然因素和人類(lèi)活動(dòng)對(duì)FVC 空間分布的影響既不是單方面起作用,也不是二者的簡(jiǎn)單疊加,而是相互增強(qiáng)或非線性增強(qiáng)效應(yīng).

表5 各驅(qū)動(dòng)因子的交互作用探測(cè)結(jié)果Table 5 The results of Interaction detection of driving factors

表6 各驅(qū)動(dòng)因子之間的交互作用Table 6 The interaction of driving factors

3 討論

本文的目的是使用地理探測(cè)器模型探究氣候因素、地形因素以及人類(lèi)活動(dòng)對(duì)FVC 空間分布的影響.眾多學(xué)者雖然對(duì)于京津風(fēng)沙源區(qū)植被變化及其驅(qū)動(dòng)因素進(jìn)行了大量研究,在考慮影響因子時(shí),主要以氣溫和降水為主,且關(guān)于地形對(duì)FVC 空間分布的間接影響和人類(lèi)活動(dòng)對(duì)FVC 影響的研究較少.鑒于此,本文在選取部分自然因素后,加入了地形因子數(shù)據(jù)以及部分人類(lèi)活動(dòng)數(shù)據(jù),以便更好地分析影響FVC 空間分布的主導(dǎo)因子.研究發(fā)現(xiàn),自然因素中,降水是影響京津風(fēng)沙源區(qū)FVC 空間分布的主要驅(qū)動(dòng)因子,這和裴亮等[29]、嚴(yán)恩萍等[15]關(guān)于京津風(fēng)沙源區(qū)植被變化的研究結(jié)果一致.人類(lèi)活動(dòng)影響因子中,年末大牲畜頭數(shù)是影響FVC 空間分布的主要驅(qū)動(dòng)因子,馬梅等[30]研究認(rèn)為干旱區(qū)半干旱區(qū)的草地退化, FVC 降低,是由超載過(guò)牧引起的;王薩仁娜等[31]對(duì)內(nèi)蒙古荒漠草原FVC 的研究結(jié)果發(fā)現(xiàn)隨著載畜率的增加,草原FVC 顯著降低,不同的載畜范圍對(duì)草原FVC 的影響程度不同[34]且對(duì)人類(lèi)活動(dòng)的變化較為敏感.本研究得出與此相似的結(jié)論.

在數(shù)據(jù)選取方面,由于數(shù)據(jù)的限制和區(qū)域尺度的制約,本文未能定量分析生態(tài)工程措施等對(duì)FVC空間分布的影響,此外,京津風(fēng)沙源區(qū)各個(gè)亞區(qū)所實(shí)施的生態(tài)治理措施不同以及植被類(lèi)型有所差異,若進(jìn)一步探討影響FVC 空間分布的驅(qū)動(dòng)因素,需要針對(duì)各個(gè)亞區(qū)不同工程治理措施以及植被類(lèi)型進(jìn)行具體研究.因此,在今后的研究工作中如何更精準(zhǔn)地定量研究各驅(qū)動(dòng)因子對(duì)FVC 的影響,尤其是人類(lèi)活動(dòng)中生態(tài)工程措施的作用,仍然是之后相關(guān)研究需要考慮并明確分析的內(nèi)容.

國(guó)內(nèi)外學(xué)者借助不同方法對(duì)植被變化及驅(qū)動(dòng)力分析進(jìn)行了大量研究,相關(guān)分析法、殘差分析法是較常用的研究方法,李慶旭等[32]采用相關(guān)分析法探討了京津風(fēng)沙源區(qū)植被覆蓋變化與降水因素的關(guān)系,于璐等[16]使用殘差分析法分離出人類(lèi)活動(dòng)對(duì)植被變化的影響.相關(guān)分析法對(duì)相關(guān)性的空間異質(zhì)性挖掘不足,殘差分析法未能將人類(lèi)活動(dòng)的影響進(jìn)行量化[33].而地理探測(cè)器作為一種分析驅(qū)動(dòng)因子的新統(tǒng)計(jì)學(xué)方法,不僅能探測(cè)驅(qū)動(dòng)因子的解釋力并將其量化,還能分析驅(qū)動(dòng)因子的交互作用[34].研究結(jié)果表明,自然因子是影響FVC 空間分布的主導(dǎo)因子,但自然因子和人類(lèi)活動(dòng)的交互作用下,對(duì)FVC 空間分布的解釋力大于單因子的解釋力,如降水對(duì)FVC 空間分布的解釋力為63.3%,但與其他因子的交互作用解釋力均大于63.3%.

地理探測(cè)器雖有獨(dú)特優(yōu)勢(shì),但是連續(xù)因子的離散化無(wú)明確標(biāo)準(zhǔn),致使其分類(lèi)結(jié)果直接影響著模型運(yùn)算結(jié)果,該方法在分析FVC 影響因素時(shí)會(huì)受尺度效應(yīng)和分層效應(yīng)的影響[35].對(duì)于尺度效應(yīng),目前本文的區(qū)域是京津風(fēng)沙源區(qū),在更大范圍或者在京津風(fēng)沙源不同亞區(qū)的自然地理特征分層時(shí)可能會(huì)導(dǎo)致研究結(jié)果的不確定性.針對(duì)分層效應(yīng),離散化連續(xù)變量的方法有很多,常用的分類(lèi)方法有自然斷點(diǎn)分級(jí)法、相等間隔法、標(biāo)準(zhǔn)差分級(jí)法等.研究中發(fā)現(xiàn),不同的分類(lèi)方法對(duì)探測(cè)結(jié)果具有一定的影響[35].本文選用了標(biāo)準(zhǔn)差分級(jí)法分析,避免了人為分類(lèi)的主觀性.但是,分類(lèi)方法和分類(lèi)數(shù)量對(duì)研究結(jié)果的影響規(guī)律仍需要進(jìn)一步做研究.

4 結(jié)論

4.1 2000～2018 年京津風(fēng)沙源區(qū)FVC 整體呈現(xiàn)上升趨勢(shì),增加的區(qū)域占整個(gè)研究區(qū)的73.7%,主要集中在晉北山地丘陵亞區(qū)、燕山丘陵山地水源保護(hù)亞區(qū)和大興安嶺南部亞區(qū)、科爾沁沙地亞區(qū)的南部;植被覆蓋度下降的區(qū)域占到26.3%,主要集中在農(nóng)牧交錯(cuò)帶亞區(qū)的中部、渾善達(dá)克沙地亞區(qū)的東北部和大興安嶺南部亞區(qū)的中北部.

4.2 2000～2018 年各驅(qū)動(dòng)因子對(duì)植被覆蓋度的解釋力排序?yàn)?降水＞坡度＞氣溫＞年末大牲畜頭數(shù)＞平均相對(duì)濕度＞日降水量≥0.1mm 時(shí)數(shù)＞年末人口總數(shù)＞平均2min 風(fēng)速＞GDP＞糧食作物播種面積＞DEM＞坡向.其中,降水是自然因素中影響植被覆蓋度空間分布的主要因子,解釋力在63%以上,其次是坡度的影響,其解釋力超過(guò)了45%;年末大牲畜頭數(shù)是人類(lèi)活動(dòng)中影響植被覆蓋度空間分布的主要驅(qū)動(dòng)因子,解釋力達(dá)到34.8%.

4.3 各個(gè)驅(qū)動(dòng)力因子間交互作用以雙協(xié)同作用和非線性協(xié)同作用為主.降水與其余因子的交互作用解釋力均在63%以上;除坡向外,人類(lèi)活動(dòng)各驅(qū)動(dòng)因子與自然因子均增強(qiáng)了對(duì)研究區(qū)FVC 空間分布的影響程度,解釋力均在30%以上.