李茂林，閆慶武，仲曉雅，朝魯孟其其格

(1.中國礦業(yè)大學(xué)環(huán)境與測繪學(xué)院，江蘇 徐州 221116；2.中國礦業(yè)大學(xué)公共管理學(xué)院，江蘇 徐州 221116；3.內(nèi)蒙古自治區(qū)草原勘察規(guī)劃院，內(nèi)蒙古 呼和浩特 010051)

植被是衡量草原生態(tài)脆弱性的一個重要指標(biāo)，同時(shí)也是表征干旱半干旱地區(qū)生態(tài)累積效應(yīng)的一個重要參數(shù)[1]。由于植被對自然、人為因素極其敏感，尤其是在生態(tài)脆弱性較高的干旱半干旱地區(qū)，植被一旦遭到破壞便難以恢復(fù)。錫林郭勒地處內(nèi)蒙古中部，屬于北方典型的干旱半干旱生態(tài)區(qū)[2]，在我國生態(tài)、資源方面占據(jù)著極其重要的影響地位[3-4]。因此，動態(tài)監(jiān)測錫林郭勒植被并探究其主導(dǎo)因素，對干旱半干旱地區(qū)的生態(tài)治理具有重要意義[5-7]。

目前，探究植被覆蓋度影響因素的研究主要從自然、人為等因素切入[8]。相關(guān)研究表明，植被主要受降水、氣溫和人為因素的影響，例如：高江波等[9]基于GIMMS-NDVI數(shù)據(jù)集對1982—2013年中國的NDVI及影響因素進(jìn)行探究，結(jié)果顯示NDVI與地表氣溫具有空間上的非平穩(wěn)性，降水和氣溫對NDVI表現(xiàn)出不同程度的空間異質(zhì)影響；ZHOU等[10]利用多元回歸和Hurst模型研究了我國植被變化特征并做出預(yù)測，并對部分地區(qū)(如東北、東南地區(qū))植被影響因素做出分析和解釋；阿多等[11]從不同的時(shí)空尺度探究了華北平原生態(tài)區(qū)植被與影響因素之間的相關(guān)關(guān)系，并解釋了降水和人類活動對各生態(tài)區(qū)不同程度的影響。上述研究從大尺度水平上探究了降水、氣溫、人為因素和植被之間的關(guān)系，分析了植被對不同影響因素的響應(yīng)機(jī)制，解釋了植被的空間異質(zhì)性成因[12-15]。然而，植被生長是耦合多種因素共同作用下的結(jié)果，特別是在干旱半干旱地區(qū)，植被生長的自然條件惡劣，影響因素更為復(fù)雜。趙卓文等[16]對寧夏生長季植被動態(tài)監(jiān)測，結(jié)果表明植被生長與地形因素(高程、坡度)呈顯著的正相關(guān)關(guān)系；高海東等[17]和張含玉等[18]對黃土高原植被恢復(fù)進(jìn)行研究，發(fā)現(xiàn)植被受干旱影響較大，且與降水量呈顯著正相關(guān)關(guān)系；董弟文等[19]對和田地區(qū)植被進(jìn)行研究，發(fā)現(xiàn)和田地區(qū)植被區(qū)域異質(zhì)性強(qiáng)，不同地區(qū)的主導(dǎo)因素(人為、社會、自然)各不相同。此外，田志秀等[20]和胡君德等[21]分別對錫林郭勒和鄂爾多斯地區(qū)植被與氣候之間的相關(guān)關(guān)系進(jìn)行探究，并對其時(shí)空變化做出了定量分析。上述研究針對干旱半干旱地區(qū)分別探究了植被與降水、氣溫、人為等因素之間的關(guān)系，并分析了不同影響因素對干旱半干旱地區(qū)植被的影響。

然而，關(guān)于植被影響因素及其空間異質(zhì)分析的研究雖多，卻不夠深入。例如，在植被影響因素方面，相關(guān)研究主要關(guān)注降水、氣溫對植被的影響[22-27]，而忽略了植被生長受多因素(如水熱條件、土壤質(zhì)量等)的共同作用[28-29]，因此僅從降水、氣溫等單一因素方面對植被影響進(jìn)行探究，可能會使研究具有片面性，不利于對結(jié)果的精準(zhǔn)評價(jià)。對此，結(jié)合已有研究[30]和數(shù)據(jù)的可獲取性，應(yīng)遴選出多個影響因素(砂粒、粉粒、黏粒、降水、氣溫、高程、坡度、坡向、人口及礦區(qū)距離)，以全方面多角度地揭示干旱半干旱地區(qū)植被的驅(qū)動機(jī)制。此外，當(dāng)多個影響因素共存時(shí)，應(yīng)對因素間的多重共線性進(jìn)行檢驗(yàn)并剔除冗余變量。在植被空間異質(zhì)分析方面，已有研究主要利用相關(guān)性分析或經(jīng)典回歸分析來探究植被與影響因素在空間上的關(guān)系[8,31]，而對于GWR在這方面的應(yīng)用卻較少，GWR是一種可在不同地理位置反映空間非平穩(wěn)性和空間依賴的局部模型[32]，相比于相關(guān)性分析或經(jīng)典回歸分析可有效揭示植被的空間異質(zhì)性成因，因此，利用GWR探究植被變化及其主導(dǎo)因素更具優(yōu)勢。

當(dāng)前，國內(nèi)對于錫林郭勒研究多涉及牧民福祉、生態(tài)治理、產(chǎn)業(yè)結(jié)構(gòu)與發(fā)展等[4]，而利用GWR對植被的研究卻較少。該研究在已有研究的基礎(chǔ)之上，選取Landsat數(shù)據(jù)，利用像元二分法提取出2000—2019年錫林郭勒地區(qū)的植被覆蓋度，然后對降水、氣溫等10個影響因素進(jìn)行共線性檢驗(yàn)和冗余變量處理，最后利用GWR探究出錫林郭勒植被覆蓋度主導(dǎo)因素及其空間異質(zhì)分布格局，以期為該地區(qū)的生態(tài)可持續(xù)發(fā)展提供一定的科學(xué)依據(jù)。

1 研究區(qū)概況及數(shù)據(jù)來源

1.1 研究區(qū)概況

錫林郭勒總面積約20.3×104km2，位于內(nèi)蒙古中部干旱半干旱地區(qū)(41.58°～46.77° N,111.15°～119.97° E)。錫林郭勒地貌以高原為主，臺地、盆地、丘陵錯落其間，海拔為741～1 913 m(圖1)；該地區(qū)屬溫帶大陸性氣候區(qū)，年均氣溫約為0～4 ℃，年降水量200～400 mm，降水分布極不均勻，由東到西隨經(jīng)度遞減。錫林郭勒植被類型較為單一、生態(tài)較為脆弱，其中草原植被占錫林郭勒總面積的90%以上，整體分布格局自東至西由草甸向荒漠草原過渡[33-34]。

1.2 數(shù)據(jù)來源及預(yù)處理

研究所選用的Landsat數(shù)據(jù)源自地理空間數(shù)據(jù)云(http:∥www.gscloud.cn/)，缺失影像從美國USGS網(wǎng)站(https:∥glovis.usgs.gov/)獲得，所獲遙感影像為夏季植被生長旺盛期，成像云量均≤10%，所用遙感影像均由ENVI 5.3軟件經(jīng)輻射定標(biāo)、大氣校正、影像鑲嵌、配準(zhǔn)以及裁剪得到[19]。氣象數(shù)據(jù)來自中國國家氣象網(wǎng)(http:∥data.cma.cn/)和中科院地理研究所(http:∥www.resdc.cn/)；高程(DEM)數(shù)據(jù)來自ASTER GDEM數(shù)據(jù)(http:∥gdem.ersdac.jspacesystems.or.jp/)。人口分布數(shù)據(jù)來自WorldPop數(shù)據(jù)集(https:∥www.worldpop.org/geodata/summary/)；礦區(qū)邊界經(jīng)實(shí)地調(diào)研獲得(表1)。各柵格數(shù)據(jù)均進(jìn)行重投影(CGCS2000_GK_Zone_20)，并提取至10 km×10 km的規(guī)則格網(wǎng)。

表1 數(shù)據(jù)獲取及處理Table 1 Acquisition and processing of data

2 研究方法

2.1 植被覆蓋度信息提取

歸一化植被指數(shù)(normalized difference vegetation index，NDVI)[35-36]是基于植被在不同波段的光譜差異所構(gòu)建的，即植被在近紅外波段具有高反射率，而在紅外波段具有強(qiáng)吸收率。

(1)

式(1)中，RNIR、RRed分別為近紅外波段、紅光波段的地表反射率。在此基礎(chǔ)之上，假設(shè)同一像元存在2種不同的混合組分(裸地和植被)，利用像元二分模型[34]將NDVI計(jì)算為植被覆蓋度(FVC)。

(2)

式(2)中，Nveg、Nsoil分別代表純植被和純裸地的NDVI值。分別在累積概率95%和5%處取得Nveg和Nsoil，并利用ENVI 5.3軟件實(shí)現(xiàn)Fvc計(jì)算，使計(jì)算后的Fvc介于[0，1]之間，結(jié)合相關(guān)研究將Fvc劃分為三大類：低覆蓋(0～0.40)、中覆蓋(>0.40～0.80)、高覆蓋(>0.80～1.00)，并提取出5期(2000、2005、2010、2015和2019年)遙感影像的植被信息。

2.2 趨勢分析

一元線性回歸方法可以在每個像元的基礎(chǔ)之上，模擬2000—2019年植被覆蓋度的變化趨勢[8,37]，計(jì)算公式為

(3)

式(3)中，Slope為Fvc的變化趨勢斜率；n為監(jiān)測時(shí)間段的年數(shù)，a；i為年序數(shù)；Ni為第i年的NDVI。斜率為正表示Fvc隨時(shí)間呈增加趨勢；斜率為負(fù)表示Fvc隨時(shí)間呈減少趨勢。

2.3 地理加權(quán)回歸

地理加權(quán)回歸(geographical weighted regression,GWR)是對OLS的拓展，距離函數(shù)為所在地理空間位置與回歸點(diǎn)地理空間位置之間的觀測值，作用是權(quán)衡不同空間位置的觀測值對于回歸點(diǎn)參數(shù)估計(jì)的影響程度[32,38]，估計(jì)參數(shù)反映自變量與因變量之間的空間依賴性與非平穩(wěn)性。

(4)

式(4)中，i為樣本數(shù)；j為自變量個數(shù)；xij與yi分別為自變量和因變量；(uil，vi)為第i個樣本空間坐標(biāo)；β0(ui，vi)為第i個樣本的常數(shù)項(xiàng)估計(jì)值；βj(ui，vi)是第i個樣本的第j個回歸參數(shù)；εi為服從獨(dú)立標(biāo)準(zhǔn)正態(tài)的誤差。將平均植被覆蓋度(MF)和植被覆蓋度變化(VF)作為因變量(平均植被覆蓋度為多年植被覆蓋度的平均值,植被覆蓋度變化為研究時(shí)段植被覆蓋度的變化值)；將砂粒、粉粒、黏粒、降水、氣溫、高程、坡度、坡向、人口、礦區(qū)距離作為自變量。

2.4 模型評價(jià)

為了對比OLS與GWR擬合的效果，選用赤池信息準(zhǔn)則[32](AICc)來對模型差異進(jìn)行評估。

(5)

式(5)中，k為樣本數(shù)量；x為標(biāo)準(zhǔn)差；tr(S)為投影模型矩陣的跡；AICc值越低證明模型擬合效果較好。此外，利用調(diào)整后的擬合優(yōu)度(R2)對模型的結(jié)果進(jìn)行評價(jià)，R2越高則表示模型結(jié)果越好；利用Moran′sI指數(shù)對模型殘差評估，Moran′sI指數(shù)接近0則表明殘差結(jié)果呈隨機(jī)分布。

在模型進(jìn)行評價(jià)之前，需利用Eview 8.0軟件中的方差膨脹因子(VIF)和特征根(CR)對各自變量進(jìn)行多重共線性檢驗(yàn)，剔除冗余變量(表2)。

表2 多重共線性檢驗(yàn)Table 2 Multicollinearity testing

3 結(jié)果與分析

3.1 植被覆蓋度時(shí)空變化

如圖2～3所示，利用ArcGIS 10.6對多年FVC進(jìn)行統(tǒng)計(jì)，并分成低、中、高3個等級。

錫林郭勒FVC整體呈現(xiàn)出由東北向西南逐級遞減的空間分布規(guī)律。低覆蓋植被區(qū)主要分布在二連浩特、蘇尼特左旗以及蘇尼特右旗，占總面積的29.48%；中覆蓋植被區(qū)分布較廣，主要集中在錫林郭勒中部(阿巴嘎旗、錫林浩特市、鑲黃旗、正鑲白旗、正藍(lán)旗、太仆寺旗、多倫多縣)及中東部東烏珠穆沁旗和西烏珠穆沁旗大部分地區(qū)，占總面積的59.82%；高覆蓋植被區(qū)分布較少，主要集中在東烏珠穆沁旗東北部和西烏珠穆沁旗東部，僅占總面積的10.70%。

2000—2019年錫林郭勒FVC呈整體上升、局部衰減的變化趨勢(表3)。西部低覆蓋植區(qū)被增長緩慢，大部分地區(qū)增長不顯著；中部中覆蓋區(qū)植被整體增長平緩，并逐漸趨于穩(wěn)定，局部地區(qū)(太仆寺旗和多倫縣)植被改善顯著；東部高覆蓋區(qū)植被整體相對穩(wěn)定，但在東烏珠穆沁旗和西烏珠穆沁旗存在局部衰減的現(xiàn)象。錫林郭勒低覆蓋植被區(qū)面積年均減少為3.03%，高覆蓋植被區(qū)面積年均減少1.70%，中覆蓋植被區(qū)面積年均增長5.01%。整體來看，錫林郭勒低、中覆蓋植被有所改善，高覆蓋植被存在一定程度衰減。

表3 2000—2019年植被覆蓋度統(tǒng)計(jì)結(jié)果Table 3 Statistical results of fractional vegetation coverage from 2000 to 2019

3.2 OLS與GWR模型檢驗(yàn)結(jié)果

首先利用OLS對解釋變量進(jìn)行全局回歸，剔除共線較強(qiáng)自變量(表4)。當(dāng)因變量為MF時(shí)，通過控制變量依次剔除粉粒、黏粒，使得其余解釋變量的VIF值<2.1；同理，當(dāng)因變量為VF時(shí)，依次剔除粉粒、砂粒，使得其余解釋變量VIF值<2.7。此時(shí)，解釋變量均可通過多重共線性檢驗(yàn)。

表4 方差膨脹因子(VIF)檢驗(yàn)結(jié)果Table 4 VIF verifying results

OLS結(jié)果(表5)表明，當(dāng)因變量為MF時(shí)，除氣溫外，其余解釋變量多重共線性極弱，模型殘差Moran′sI值為0.52，統(tǒng)計(jì)值(Z)為175.01，顯著性(P)為0.001，模型擬合效果差；當(dāng)因變量為VF時(shí)，除礦區(qū)距離和降水外，其余解釋變量多重共線性極弱，此時(shí)，模型殘差Moran′sI值為0.26，Z為86.66，P為0.001，模型擬合效果一般。

表5 普通最小二乘法(OLS)參數(shù)估計(jì)與模型檢驗(yàn)結(jié)果Table 5 Parameter estimations and testing results of OLS

此外，參考Koenker(BP)統(tǒng)計(jì)量，MF和VF的Koenker值分別為316.55和133.42，表現(xiàn)出較顯著的空間異質(zhì)性。因此，在OLS模型的基礎(chǔ)之上，利用GWR對解釋變量進(jìn)行統(tǒng)計(jì)分析(表6)，并對其單元?dú)埐顦?biāo)準(zhǔn)化后的結(jié)果進(jìn)行空間自相關(guān)分析，結(jié)果顯示，MF殘差Moran′sI值為-0.001，Z為-0.367 5，P為0.04；VF殘差Moran′sI值為-0.011，Z為-3.63，P為0.001；MF和VF的殘差Moran′sI值接近于0，在空間上呈隨機(jī)分布。

表6 地理加權(quán)回歸(GWR)模型參數(shù)估計(jì)與檢驗(yàn)結(jié)果Table 6 Parameter estimations and testing results of GWR model

進(jìn)一步對OLS和 GWR模型結(jié)果進(jìn)行統(tǒng)計(jì)發(fā)現(xiàn)(表7)，相比于OLS，GWR模型殘差平方、赤池信息(AICc)顯著降低，特別是當(dāng)因變量為VF時(shí)，調(diào)整后的R2提升3倍以上，表現(xiàn)出GWR較強(qiáng)的自適應(yīng)調(diào)節(jié)能力。因此，利用GWR對錫林郭勒FVC進(jìn)行影響因素分析更具優(yōu)勢。

表7 普通最小二乘法(OLS)與地理加權(quán)回歸(GWR)模型對比Table 7 Comparisons of OLS and GWR models

3.3 植被覆蓋度主導(dǎo)因素分析

為了探究影響FVC變化的因素，對錫林郭勒的降水、氣溫、高程、坡度等因素進(jìn)行分類，然后提取出各單元最顯著因素，并對主導(dǎo)因素占比做出統(tǒng)計(jì)(圖4、表8)。

表8 錫林郭勒植被覆蓋度主導(dǎo)因素占比Table 8 Percentage of dominant factors of vegetation coverage in Xilingol

平均FVC可以反映長時(shí)序下植被的空間分布特征，F(xiàn)VC變化可以反映植被的時(shí)空變化趨勢。從空間分布特征的角度分析，降水、人口和氣溫為影響平均FVC的主導(dǎo)因素，所占比例分別為22.0%、38.8%和31.3%，空間上呈“階梯式”分布。降水主導(dǎo)主要分布在東部(東烏珠穆沁旗和西烏珠穆沁旗)，而人口、氣溫主導(dǎo)主要分布在中部和西部。在自然因素方面，錫林郭勒地處干旱半干旱過渡帶，東西部降水、氣溫分布極為不均，東部降水較為充沛、植被覆蓋度高，因此，降水對植被表現(xiàn)為正主導(dǎo)的促進(jìn)作用；中部和西部的干旱脅迫強(qiáng)、氣溫較高、植被覆蓋度偏低，加之生長季植被蒸騰作用大，因而氣溫表現(xiàn)為對植被的負(fù)主導(dǎo)作用。在人口因素方面，錫林郭勒的人口主要集中在中部和西部，中部農(nóng)牧交錯區(qū)植被覆蓋度較高，人口表現(xiàn)為正主導(dǎo)作用；中西部(自阿巴嘎旗北部至蘇尼特左旗北部)植被覆蓋度較低，人口主要表現(xiàn)為負(fù)主導(dǎo)作用。此外，當(dāng)植被覆蓋度偏低或區(qū)域內(nèi)出現(xiàn)小環(huán)境氣候時(shí)，局部區(qū)域會出現(xiàn)降水負(fù)主導(dǎo)、氣溫正主導(dǎo)的現(xiàn)象。

從時(shí)空變化趨勢角度來看，人口和氣溫為FVC變化的主導(dǎo)因素。人口表現(xiàn)為雙重作用，所占比例為42.5%，空間上自東北至西南呈“鱗片狀”分布，而氣溫主要為負(fù)主導(dǎo)作用，所占比例為39.6%，空間上集中分布在中部和西部。綜合分析，在年際水平上，該地的人口流動增長趨勢顯著，而降水差異卻較小，因此人口主導(dǎo)比例增長，降水主導(dǎo)比例下降。結(jié)合當(dāng)?shù)厣鷳B(tài)治理與牧民福祉現(xiàn)狀，人口對植被的正主導(dǎo)促進(jìn)作用主要得益于當(dāng)?shù)貙?shí)行禁牧蓄草、建立人工保育區(qū)等措施，反之，人口負(fù)主導(dǎo)作用則是由于當(dāng)?shù)貫檫m應(yīng)經(jīng)濟(jì)發(fā)展，實(shí)行一系列舉措所導(dǎo)致的，如城區(qū)擴(kuò)張、基礎(chǔ)設(shè)施建設(shè)等。自然因素方面，由于該地中部、西部植被覆蓋度偏低且小環(huán)境氣候特征顯著，所以當(dāng)年際降水差異不大時(shí)，氣溫主導(dǎo)就會表現(xiàn)出來，具體表現(xiàn)為在植被改善不顯著的地區(qū)，氣溫呈負(fù)主導(dǎo)作用，在植被顯著改善的地區(qū)，氣溫呈正主導(dǎo)的促進(jìn)作用。

此外，高程、坡度、坡向、黏粒、砂粒對植被表現(xiàn)出較小的主導(dǎo)作用且空間分布較為破碎，當(dāng)?shù)匦我蛩?高程、坡度、坡向)與土壤因素(黏粒、砂粒)共存時(shí)，土壤因素主導(dǎo)作用表現(xiàn)更弱，所占比例更?。坏V區(qū)距離在礦區(qū)周邊表現(xiàn)為負(fù)主導(dǎo)作用，這表明采礦對周邊植被存在顯著的負(fù)面影響，然而已有研究表明，采礦對周邊植被的影響范圍最多為幾十公里[39-40]，而對于距離礦區(qū)較遠(yuǎn)，礦區(qū)距離為負(fù)主導(dǎo)的現(xiàn)象，其根本原因是植被變化不明顯，且其余影響因素表現(xiàn)不顯著時(shí)，礦區(qū)距離就會呈負(fù)主導(dǎo)作用。

綜上，錫林郭勒植被在自然因素方面主要受降水、氣溫影響，在人為因素方面主要受人口的影響，且人口因素表現(xiàn)為雙重作用并隨時(shí)間推移逐漸增強(qiáng)。

3.4 礦區(qū)對植被的影響

為了探究白音華、勝利礦區(qū)周邊植被生長狀況，利用礦區(qū)邊界進(jìn)行了緩沖區(qū)分析(統(tǒng)計(jì)出緩沖區(qū)內(nèi)FVC變化的平均值和標(biāo)準(zhǔn)差)，并逐漸增加步長(1 km)，從而確定采礦活動對周邊植被的影響范圍(圖5、表9)。FVC變化在[-1,0)區(qū)間表示植被衰減，在[0,1]區(qū)間表示植被增長。

表9 礦區(qū)影響范圍Table 9 Influence of mining area km

結(jié)果表明，白音華、勝利礦區(qū)的顯著影響范圍分別為3和4 km，植被在極顯著距離范圍內(nèi)，F(xiàn)VC存在明顯衰減；在顯著距離范圍內(nèi)，F(xiàn)VC變化不穩(wěn)定；在不顯著范圍內(nèi)，F(xiàn)VC有所提升?？傮w來看，礦區(qū)(白音華、勝利礦區(qū))內(nèi)外植被整體改善不佳，邊界范圍內(nèi)植被衰減情況嚴(yán)重，邊界范圍外植被也存在局部衰減的現(xiàn)象，植被自然恢復(fù)和人工治理效果并不理想。

4 討論

錫林郭勒植被呈整體上升、局部衰減的變化趨勢，這與杭玉玲等[33]、史娜娜等[34]的結(jié)論一致。錫林郭勒東部地區(qū)(東烏珠穆沁旗、西烏珠穆沁旗)植被整體較為穩(wěn)定，但存在局部的衰減；中部地區(qū)植被整體增長平緩，部分地區(qū)(多倫多縣、太仆寺旗)植被改善顯著，大部分地區(qū)(阿巴嘎旗、錫林浩特市、鑲黃旗、正鑲白旗、正藍(lán)旗)植被相對穩(wěn)定；西部地區(qū)(蘇尼特左旗、蘇尼特右旗、二連浩特市)植被逐漸好轉(zhuǎn)，并趨于平穩(wěn)。綜合錫林郭勒植被分布及變化，分析認(rèn)為錫林郭勒植被的整體改善主要得益于自然和人為因素的共同作用。

錫林郭勒植被受降水、氣溫和人口因素的影響占比在80%以上。從全局角度上來看，降水和氣溫是相對穩(wěn)定的條件變量，即使出現(xiàn)雨季滯后、干旱等自然現(xiàn)象，植被也只是在短期內(nèi)出現(xiàn)衰減。長時(shí)序中，降水充沛、氣溫適宜對植被生長起緩慢的促進(jìn)作用，通常表現(xiàn)為降水呈正主導(dǎo)、氣溫呈負(fù)主導(dǎo)[3]，筆者的研究結(jié)論與其一致，而對于局部地區(qū)出現(xiàn)降水呈負(fù)主導(dǎo)、氣溫呈正主導(dǎo)的現(xiàn)象，可能是人類活動或干旱等自然災(zāi)害所導(dǎo)致；從局部角度上來看，人類活動(受數(shù)據(jù)獲取限制，這里用人口近似表征)具有雙重作用，在生態(tài)治理方面，禁牧蓄草、退耕還林以及風(fēng)沙治理等措施[34]使得局部地區(qū)(多倫多縣、太仆寺旗)的植被顯著改善，在資源利用方面，過度放牧、礦產(chǎn)開采、城鎮(zhèn)建設(shè)等人類活動在短期都會對植被造成極大的破壞。綜上，錫林郭勒植被主要受降水、氣溫和人口的影響，人口在短期內(nèi)對植被的影響大于降水和氣溫，降水和氣溫在長時(shí)序下對植被具有促進(jìn)作用。

降水、氣溫和人口因素固然重要，但高程、坡度、坡向、黏粒、砂粒因素對植被的影響也不容忽略。高程、坡度、坡向可以反映地形復(fù)雜程度以及光照條件，黏粒、砂粒在一定程度上可以表征土壤質(zhì)量[4]，因此，可以利用它們在空間上的主導(dǎo)分布，實(shí)現(xiàn)對植被的區(qū)域治理，例如，在地形起伏較大、光照適宜的地區(qū)，可以建立生態(tài)保護(hù)區(qū)；在土壤質(zhì)量較差，植被衰減比較嚴(yán)重的地區(qū)，可以利用生物技術(shù)對土壤進(jìn)行修復(fù)，改善植被的生長條件，從而促進(jìn)植被的生長。

礦區(qū)生態(tài)問題一直是相關(guān)學(xué)者關(guān)注的熱點(diǎn)。錫林郭勒礦產(chǎn)豐富，褐煤儲量全國第一，采礦活動不僅增加了當(dāng)?shù)刎?cái)政收入，同時(shí)也影響著牧民的福祉。已有研究表明[5]，大型露天礦在生產(chǎn)作業(yè)過程中產(chǎn)生的廢水、廢渣，不僅污染地下水和土地資源，而且還對地表壓占，使得周邊的植被遭到嚴(yán)重破壞，引發(fā)了一系列 “人地矛盾”的問題。對此結(jié)合數(shù)據(jù)可獲取性和礦區(qū)規(guī)模等綜合考慮，選取境內(nèi)2個典型的大型露天礦(白音華、勝利礦區(qū))，并對其植被改善狀況以及影響范圍做出研究。結(jié)果表明，礦區(qū)周邊植被存在顯著的影響，影響范圍為3～4 km，礦區(qū)周邊植被衰減嚴(yán)重，生態(tài)治理效果不理想。因此，建議重點(diǎn)關(guān)注礦區(qū)周邊生態(tài)并加強(qiáng)綜合治理，在自然恢復(fù)不理想的區(qū)域進(jìn)行人工生態(tài)景觀改造(如復(fù)耕、造林等)，增強(qiáng)礦區(qū)周邊生態(tài)的“抗逆性”，實(shí)現(xiàn)資源與生態(tài)可持續(xù)發(fā)展。

綜上，錫林郭勒植被生態(tài)系統(tǒng)承載著當(dāng)?shù)匦竽翗I(yè)和采礦業(yè)的發(fā)展，關(guān)系著牧民的生計(jì)福祉。該研究綜合考慮多個因素對錫林郭勒植被覆蓋變化的影響，不再僅限于探究降水、氣溫因素對植被的影響，而是通過利用GWR模型處理多個解釋變量間的關(guān)系，直觀、有效地揭示出當(dāng)?shù)刂脖簧鷳B(tài)系統(tǒng)的空間異質(zhì)性成因。鑒于上述結(jié)論與討論，為實(shí)現(xiàn)“精準(zhǔn)治理”，主張對錫林郭勒不同層級植被生態(tài)系統(tǒng)進(jìn)行區(qū)域劃分，同時(shí)建議將資源與環(huán)境進(jìn)行整合，協(xié)調(diào)好發(fā)展與保護(hù)的共生機(jī)制，從而實(shí)現(xiàn)地區(qū)長期穩(wěn)定、健康的發(fā)展。

5 結(jié)論

基于Landsat數(shù)據(jù)研究了2000—2019年錫林郭勒的植被覆蓋度變化情況，結(jié)合自然、人為等多種因素，對該地區(qū)植被的空間異質(zhì)性主導(dǎo)因素做出研究和分析，得出以下結(jié)論：

(1)在時(shí)間序列上，錫林郭勒FVC整體有所改善。高覆蓋植被區(qū)面積年均減少1.70%；中覆蓋植被區(qū)面積年均增長5.01%；低覆蓋植被區(qū)面積年均減少3.03%。中部中覆蓋植被區(qū)面積增加；東部高覆蓋植被區(qū)面積和西部低覆蓋植被區(qū)面積減少；植被面積總體表現(xiàn)為整體增加局部減少的變化趨勢。

(2)在空間分布特征上，錫林郭勒的植被逐漸趨于穩(wěn)定。東部為高覆蓋植被區(qū)，植被抗逆性較強(qiáng)，不易受其他因素的影響；西部和中部為低、中覆蓋植被區(qū)，生態(tài)較為脆弱，極易受到降水、人口因素的影響。

(3)影響植被主導(dǎo)因素主要為降水、人口、氣溫，局部影響因素為礦區(qū)距離。植被的整體狀況受降水、人口、氣溫影響最大，受高程、坡度、坡向影響次之，受砂粒、黏粒影響最小，主要表現(xiàn)為降水呈正主導(dǎo)作用，氣溫呈負(fù)主導(dǎo)作用，人口表現(xiàn)為雙重作用，高程、坡度、坡向、砂粒、黏粒主導(dǎo)特征表現(xiàn)不顯著。礦區(qū)周邊FVC偏低，采礦對植被存在負(fù)主導(dǎo)影響，植被狀況多年來改善不顯著。

(4)當(dāng)存在多個植被主導(dǎo)因素變量共線時(shí)，GWR較OLS在殘差處理、多重共線性檢驗(yàn)等方面表現(xiàn)更好，因此，GWR在探究植被主導(dǎo)因素方面具有很好的遷移性和應(yīng)用性。