干旱半干旱地区植被覆盖度变化及主导因素分析:以锡林郭勒为例

李茂林，闫庆武，仲晓雅，朝鲁孟其其格

(1.中国矿业大学环境与测绘学院，江苏 徐州 221116；2.中国矿业大学公共管理学院，江苏 徐州 221116；3.内蒙古自治区草原勘察规划院，内蒙古 呼和浩特 010051)

植被是衡量草原生态脆弱性的一个重要指标，同时也是表征干旱半干旱地区生态累积效应的一个重要参数[1]。由于植被对自然、人为因素极其敏感，尤其是在生态脆弱性较高的干旱半干旱地区，植被一旦遭到破坏便难以恢复。锡林郭勒地处内蒙古中部，属于北方典型的干旱半干旱生态区[2]，在我国生态、资源方面占据着极其重要的影响地位[3-4]。因此，动态监测锡林郭勒植被并探究其主导因素，对干旱半干旱地区的生态治理具有重要意义[5-7]。

目前，探究植被覆盖度影响因素的研究主要从自然、人为等因素切入[8]。相关研究表明，植被主要受降水、气温和人为因素的影响，例如：高江波等[9]基于GIMMS-NDVI数据集对1982—2013年中国的NDVI及影响因素进行探究，结果显示NDVI与地表气温具有空间上的非平稳性，降水和气温对NDVI表现出不同程度的空间异质影响；ZHOU等[10]利用多元回归和Hurst模型研究了我国植被变化特征并做出预测，并对部分地区(如东北、东南地区)植被影响因素做出分析和解释；阿多等[11]从不同的时空尺度探究了华北平原生态区植被与影响因素之间的相关关系，并解释了降水和人类活动对各生态区不同程度的影响。上述研究从大尺度水平上探究了降水、气温、人为因素和植被之间的关系，分析了植被对不同影响因素的响应机制，解释了植被的空间异质性成因[12-15]。然而，植被生长是耦合多种因素共同作用下的结果，特别是在干旱半干旱地区，植被生长的自然条件恶劣，影响因素更为复杂。赵卓文等[16]对宁夏生长季植被动态监测，结果表明植被生长与地形因素(高程、坡度)呈显著的正相关关系；高海东等[17]和张含玉等[18]对黄土高原植被恢复进行研究，发现植被受干旱影响较大，且与降水量呈显著正相关关系；董弟文等[19]对和田地区植被进行研究，发现和田地区植被区域异质性强，不同地区的主导因素(人为、社会、自然)各不相同。此外，田志秀等[20]和胡君德等[21]分别对锡林郭勒和鄂尔多斯地区植被与气候之间的相关关系进行探究，并对其时空变化做出了定量分析。上述研究针对干旱半干旱地区分别探究了植被与降水、气温、人为等因素之间的关系，并分析了不同影响因素对干旱半干旱地区植被的影响。

然而，关于植被影响因素及其空间异质分析的研究虽多，却不够深入。例如，在植被影响因素方面，相关研究主要关注降水、气温对植被的影响[22-27]，而忽略了植被生长受多因素(如水热条件、土壤质量等)的共同作用[28-29]，因此仅从降水、气温等单一因素方面对植被影响进行探究，可能会使研究具有片面性，不利于对结果的精准评价。对此，结合已有研究[30]和数据的可获取性，应遴选出多个影响因素(砂粒、粉粒、黏粒、降水、气温、高程、坡度、坡向、人口及矿区距离)，以全方面多角度地揭示干旱半干旱地区植被的驱动机制。此外，当多个影响因素共存时，应对因素间的多重共线性进行检验并剔除冗余变量。在植被空间异质分析方面，已有研究主要利用相关性分析或经典回归分析来探究植被与影响因素在空间上的关系[8,31]，而对于GWR在这方面的应用却较少，GWR是一种可在不同地理位置反映空间非平稳性和空间依赖的局部模型[32]，相比于相关性分析或经典回归分析可有效揭示植被的空间异质性成因，因此，利用GWR探究植被变化及其主导因素更具优势。

当前，国内对于锡林郭勒研究多涉及牧民福祉、生态治理、产业结构与发展等[4]，而利用GWR对植被的研究却较少。该研究在已有研究的基础之上，选取Landsat数据，利用像元二分法提取出2000—2019年锡林郭勒地区的植被覆盖度，然后对降水、气温等10个影响因素进行共线性检验和冗余变量处理，最后利用GWR探究出锡林郭勒植被覆盖度主导因素及其空间异质分布格局，以期为该地区的生态可持续发展提供一定的科学依据。

1 研究区概况及数据来源

1.1 研究区概况

锡林郭勒总面积约20.3×104km2，位于内蒙古中部干旱半干旱地区(41.58°～46.77° N,111.15°～119.97° E)。锡林郭勒地貌以高原为主，台地、盆地、丘陵错落其间，海拔为741～1 913 m(图1)；该地区属温带大陆性气候区，年均气温约为0～4 ℃，年降水量200～400 mm，降水分布极不均匀，由东到西随经度递减。锡林郭勒植被类型较为单一、生态较为脆弱，其中草原植被占锡林郭勒总面积的90%以上，整体分布格局自东至西由草甸向荒漠草原过渡[33-34]。

1.2 数据来源及预处理

研究所选用的Landsat数据源自地理空间数据云(http:∥www.gscloud.cn/)，缺失影像从美国USGS网站(https:∥glovis.usgs.gov/)获得，所获遥感影像为夏季植被生长旺盛期，成像云量均≤10%，所用遥感影像均由ENVI 5.3软件经辐射定标、大气校正、影像镶嵌、配准以及裁剪得到[19]。气象数据来自中国国家气象网(http:∥data.cma.cn/)和中科院地理研究所(http:∥www.resdc.cn/)；高程(DEM)数据来自ASTER GDEM数据(http:∥gdem.ersdac.jspacesystems.or.jp/)。人口分布数据来自WorldPop数据集(https:∥www.worldpop.org/geodata/summary/)；矿区边界经实地调研获得(表1)。各栅格数据均进行重投影(CGCS2000_GK_Zone_20)，并提取至10 km×10 km的规则格网。

表1 数据获取及处理Table 1 Acquisition and processing of data

2 研究方法

2.1 植被覆盖度信息提取

归一化植被指数(normalized difference vegetation index，NDVI)[35-36]是基于植被在不同波段的光谱差异所构建的，即植被在近红外波段具有高反射率，而在红外波段具有强吸收率。

(1)

式(1)中，RNIR、RRed分别为近红外波段、红光波段的地表反射率。在此基础之上，假设同一像元存在2种不同的混合组分(裸地和植被)，利用像元二分模型[34]将NDVI计算为植被覆盖度(FVC)。

(2)

式(2)中，Nveg、Nsoil分别代表纯植被和纯裸地的NDVI值。分别在累积概率95%和5%处取得Nveg和Nsoil，并利用ENVI 5.3软件实现Fvc计算，使计算后的Fvc介于[0，1]之间，结合相关研究将Fvc划分为三大类：低覆盖(0～0.40)、中覆盖(>0.40～0.80)、高覆盖(>0.80～1.00)，并提取出5期(2000、2005、2010、2015和2019年)遥感影像的植被信息。

2.2 趋势分析

一元线性回归方法可以在每个像元的基础之上，模拟2000—2019年植被覆盖度的变化趋势[8,37]，计算公式为

(3)

式(3)中，Slope为Fvc的变化趋势斜率；n为监测时间段的年数，a；i为年序数；Ni为第i年的NDVI。斜率为正表示Fvc随时间呈增加趋势；斜率为负表示Fvc随时间呈减少趋势。

2.3 地理加权回归

地理加权回归(geographical weighted regression,GWR)是对OLS的拓展，距离函数为所在地理空间位置与回归点地理空间位置之间的观测值，作用是权衡不同空间位置的观测值对于回归点参数估计的影响程度[32,38]，估计参数反映自变量与因变量之间的空间依赖性与非平稳性。

(4)

式(4)中，i为样本数；j为自变量个数；xij与yi分别为自变量和因变量；(uil，vi)为第i个样本空间坐标；β0(ui，vi)为第i个样本的常数项估计值；βj(ui，vi)是第i个样本的第j个回归参数；εi为服从独立标准正态的误差。将平均植被覆盖度(MF)和植被覆盖度变化(VF)作为因变量(平均植被覆盖度为多年植被覆盖度的平均值,植被覆盖度变化为研究时段植被覆盖度的变化值)；将砂粒、粉粒、黏粒、降水、气温、高程、坡度、坡向、人口、矿区距离作为自变量。

2.4 模型评价

为了对比OLS与GWR拟合的效果，选用赤池信息准则[32](AICc)来对模型差异进行评估。

(5)

式(5)中，k为样本数量；x为标准差；tr(S)为投影模型矩阵的迹；AICc值越低证明模型拟合效果较好。此外，利用调整后的拟合优度(R2)对模型的结果进行评价，R2越高则表示模型结果越好；利用Moran′sI指数对模型残差评估，Moran′sI指数接近0则表明残差结果呈随机分布。

在模型进行评价之前，需利用Eview 8.0软件中的方差膨胀因子(VIF)和特征根(CR)对各自变量进行多重共线性检验，剔除冗余变量(表2)。

表2 多重共线性检验Table 2 Multicollinearity testing

3 结果与分析

3.1 植被覆盖度时空变化

如图2～3所示，利用ArcGIS 10.6对多年FVC进行统计，并分成低、中、高3个等级。

锡林郭勒FVC整体呈现出由东北向西南逐级递减的空间分布规律。低覆盖植被区主要分布在二连浩特、苏尼特左旗以及苏尼特右旗，占总面积的29.48%；中覆盖植被区分布较广，主要集中在锡林郭勒中部(阿巴嘎旗、锡林浩特市、镶黄旗、正镶白旗、正蓝旗、太仆寺旗、多伦多县)及中东部东乌珠穆沁旗和西乌珠穆沁旗大部分地区，占总面积的59.82%；高覆盖植被区分布较少，主要集中在东乌珠穆沁旗东北部和西乌珠穆沁旗东部，仅占总面积的10.70%。

2000—2019年锡林郭勒FVC呈整体上升、局部衰减的变化趋势(表3)。西部低覆盖植区被增长缓慢，大部分地区增长不显著；中部中覆盖区植被整体增长平缓，并逐渐趋于稳定，局部地区(太仆寺旗和多伦县)植被改善显著；东部高覆盖区植被整体相对稳定，但在东乌珠穆沁旗和西乌珠穆沁旗存在局部衰减的现象。锡林郭勒低覆盖植被区面积年均减少为3.03%，高覆盖植被区面积年均减少1.70%，中覆盖植被区面积年均增长5.01%。整体来看，锡林郭勒低、中覆盖植被有所改善，高覆盖植被存在一定程度衰减。

表3 2000—2019年植被覆盖度统计结果Table 3 Statistical results of fractional vegetation coverage from 2000 to 2019

3.2 OLS与GWR模型检验结果

首先利用OLS对解释变量进行全局回归，剔除共线较强自变量(表4)。当因变量为MF时，通过控制变量依次剔除粉粒、黏粒，使得其余解释变量的VIF值<2.1；同理，当因变量为VF时，依次剔除粉粒、砂粒，使得其余解释变量VIF值<2.7。此时，解释变量均可通过多重共线性检验。

表4 方差膨胀因子(VIF)检验结果Table 4 VIF verifying results

OLS结果(表5)表明，当因变量为MF时，除气温外，其余解释变量多重共线性极弱，模型残差Moran′sI值为0.52，统计值(Z)为175.01，显著性(P)为0.001，模型拟合效果差；当因变量为VF时，除矿区距离和降水外，其余解释变量多重共线性极弱，此时，模型残差Moran′sI值为0.26，Z为86.66，P为0.001，模型拟合效果一般。

表5 普通最小二乘法(OLS)参数估计与模型检验结果Table 5 Parameter estimations and testing results of OLS

此外，参考Koenker(BP)统计量，MF和VF的Koenker值分别为316.55和133.42，表现出较显著的空间异质性。因此，在OLS模型的基础之上，利用GWR对解释变量进行统计分析(表6)，并对其单元残差标准化后的结果进行空间自相关分析，结果显示，MF残差Moran′sI值为-0.001，Z为-0.367 5，P为0.04；VF残差Moran′sI值为-0.011，Z为-3.63，P为0.001；MF和VF的残差Moran′sI值接近于0，在空间上呈随机分布。

表6 地理加权回归(GWR)模型参数估计与检验结果Table 6 Parameter estimations and testing results of GWR model

进一步对OLS和 GWR模型结果进行统计发现(表7)，相比于OLS，GWR模型残差平方、赤池信息(AICc)显著降低，特别是当因变量为VF时，调整后的R2提升3倍以上，表现出GWR较强的自适应调节能力。因此，利用GWR对锡林郭勒FVC进行影响因素分析更具优势。

表7 普通最小二乘法(OLS)与地理加权回归(GWR)模型对比Table 7 Comparisons of OLS and GWR models

3.3 植被覆盖度主导因素分析

为了探究影响FVC变化的因素，对锡林郭勒的降水、气温、高程、坡度等因素进行分类，然后提取出各单元最显著因素，并对主导因素占比做出统计(图4、表8)。

表8 锡林郭勒植被覆盖度主导因素占比Table 8 Percentage of dominant factors of vegetation coverage in Xilingol

平均FVC可以反映长时序下植被的空间分布特征，FVC变化可以反映植被的时空变化趋势。从空间分布特征的角度分析，降水、人口和气温为影响平均FVC的主导因素，所占比例分别为22.0%、38.8%和31.3%，空间上呈“阶梯式”分布。降水主导主要分布在东部(东乌珠穆沁旗和西乌珠穆沁旗)，而人口、气温主导主要分布在中部和西部。在自然因素方面，锡林郭勒地处干旱半干旱过渡带，东西部降水、气温分布极为不均，东部降水较为充沛、植被覆盖度高，因此，降水对植被表现为正主导的促进作用；中部和西部的干旱胁迫强、气温较高、植被覆盖度偏低，加之生长季植被蒸腾作用大，因而气温表现为对植被的负主导作用。在人口因素方面，锡林郭勒的人口主要集中在中部和西部，中部农牧交错区植被覆盖度较高，人口表现为正主导作用；中西部(自阿巴嘎旗北部至苏尼特左旗北部)植被覆盖度较低，人口主要表现为负主导作用。此外，当植被覆盖度偏低或区域内出现小环境气候时，局部区域会出现降水负主导、气温正主导的现象。

从时空变化趋势角度来看，人口和气温为FVC变化的主导因素。人口表现为双重作用，所占比例为42.5%，空间上自东北至西南呈“鳞片状”分布，而气温主要为负主导作用，所占比例为39.6%，空间上集中分布在中部和西部。综合分析，在年际水平上，该地的人口流动增长趋势显著，而降水差异却较小，因此人口主导比例增长，降水主导比例下降。结合当地生态治理与牧民福祉现状，人口对植被的正主导促进作用主要得益于当地实行禁牧蓄草、建立人工保育区等措施，反之，人口负主导作用则是由于当地为适应经济发展，实行一系列举措所导致的，如城区扩张、基础设施建设等。自然因素方面，由于该地中部、西部植被覆盖度偏低且小环境气候特征显著，所以当年际降水差异不大时，气温主导就会表现出来，具体表现为在植被改善不显著的地区，气温呈负主导作用，在植被显著改善的地区，气温呈正主导的促进作用。

此外，高程、坡度、坡向、黏粒、砂粒对植被表现出较小的主导作用且空间分布较为破碎，当地形因素(高程、坡度、坡向)与土壤因素(黏粒、砂粒)共存时，土壤因素主导作用表现更弱，所占比例更小；矿区距离在矿区周边表现为负主导作用，这表明采矿对周边植被存在显著的负面影响，然而已有研究表明，采矿对周边植被的影响范围最多为几十公里[39-40]，而对于距离矿区较远，矿区距离为负主导的现象，其根本原因是植被变化不明显，且其余影响因素表现不显著时，矿区距离就会呈负主导作用。

综上，锡林郭勒植被在自然因素方面主要受降水、气温影响，在人为因素方面主要受人口的影响，且人口因素表现为双重作用并随时间推移逐渐增强。

3.4 矿区对植被的影响

为了探究白音华、胜利矿区周边植被生长状况，利用矿区边界进行了缓冲区分析(统计出缓冲区内FVC变化的平均值和标准差)，并逐渐增加步长(1 km)，从而确定采矿活动对周边植被的影响范围(图5、表9)。FVC变化在[-1,0)区间表示植被衰减，在[0,1]区间表示植被增长。

表9 矿区影响范围Table 9 Influence of mining area km

结果表明，白音华、胜利矿区的显著影响范围分别为3和4 km，植被在极显著距离范围内，FVC存在明显衰减；在显著距离范围内，FVC变化不稳定；在不显著范围内，FVC有所提升。总体来看，矿区(白音华、胜利矿区)内外植被整体改善不佳，边界范围内植被衰减情况严重，边界范围外植被也存在局部衰减的现象，植被自然恢复和人工治理效果并不理想。

4 讨论

锡林郭勒植被呈整体上升、局部衰减的变化趋势，这与杭玉玲等[33]、史娜娜等[34]的结论一致。锡林郭勒东部地区(东乌珠穆沁旗、西乌珠穆沁旗)植被整体较为稳定，但存在局部的衰减；中部地区植被整体增长平缓，部分地区(多伦多县、太仆寺旗)植被改善显著，大部分地区(阿巴嘎旗、锡林浩特市、镶黄旗、正镶白旗、正蓝旗)植被相对稳定；西部地区(苏尼特左旗、苏尼特右旗、二连浩特市)植被逐渐好转，并趋于平稳。综合锡林郭勒植被分布及变化，分析认为锡林郭勒植被的整体改善主要得益于自然和人为因素的共同作用。

锡林郭勒植被受降水、气温和人口因素的影响占比在80%以上。从全局角度上来看，降水和气温是相对稳定的条件变量，即使出现雨季滞后、干旱等自然现象，植被也只是在短期内出现衰减。长时序中，降水充沛、气温适宜对植被生长起缓慢的促进作用，通常表现为降水呈正主导、气温呈负主导[3]，笔者的研究结论与其一致，而对于局部地区出现降水呈负主导、气温呈正主导的现象，可能是人类活动或干旱等自然灾害所导致；从局部角度上来看，人类活动(受数据获取限制，这里用人口近似表征)具有双重作用，在生态治理方面，禁牧蓄草、退耕还林以及风沙治理等措施[34]使得局部地区(多伦多县、太仆寺旗)的植被显著改善，在资源利用方面，过度放牧、矿产开采、城镇建设等人类活动在短期都会对植被造成极大的破坏。综上，锡林郭勒植被主要受降水、气温和人口的影响，人口在短期内对植被的影响大于降水和气温，降水和气温在长时序下对植被具有促进作用。

降水、气温和人口因素固然重要，但高程、坡度、坡向、黏粒、砂粒因素对植被的影响也不容忽略。高程、坡度、坡向可以反映地形复杂程度以及光照条件，黏粒、砂粒在一定程度上可以表征土壤质量[4]，因此，可以利用它们在空间上的主导分布，实现对植被的区域治理，例如，在地形起伏较大、光照适宜的地区，可以建立生态保护区；在土壤质量较差，植被衰减比较严重的地区，可以利用生物技术对土壤进行修复，改善植被的生长条件，从而促进植被的生长。

矿区生态问题一直是相关学者关注的热点。锡林郭勒矿产丰富，褐煤储量全国第一，采矿活动不仅增加了当地财政收入，同时也影响着牧民的福祉。已有研究表明[5]，大型露天矿在生产作业过程中产生的废水、废渣，不仅污染地下水和土地资源，而且还对地表压占，使得周边的植被遭到严重破坏，引发了一系列 “人地矛盾”的问题。对此结合数据可获取性和矿区规模等综合考虑，选取境内2个典型的大型露天矿(白音华、胜利矿区)，并对其植被改善状况以及影响范围做出研究。结果表明，矿区周边植被存在显著的影响，影响范围为3～4 km，矿区周边植被衰减严重，生态治理效果不理想。因此，建议重点关注矿区周边生态并加强综合治理，在自然恢复不理想的区域进行人工生态景观改造(如复耕、造林等)，增强矿区周边生态的“抗逆性”，实现资源与生态可持续发展。

综上，锡林郭勒植被生态系统承载着当地畜牧业和采矿业的发展，关系着牧民的生计福祉。该研究综合考虑多个因素对锡林郭勒植被覆盖变化的影响，不再仅限于探究降水、气温因素对植被的影响，而是通过利用GWR模型处理多个解释变量间的关系，直观、有效地揭示出当地植被生态系统的空间异质性成因。鉴于上述结论与讨论，为实现“精准治理”，主张对锡林郭勒不同层级植被生态系统进行区域划分，同时建议将资源与环境进行整合，协调好发展与保护的共生机制，从而实现地区长期稳定、健康的发展。

5 结论

基于Landsat数据研究了2000—2019年锡林郭勒的植被覆盖度变化情况，结合自然、人为等多种因素，对该地区植被的空间异质性主导因素做出研究和分析，得出以下结论：

(1)在时间序列上，锡林郭勒FVC整体有所改善。高覆盖植被区面积年均减少1.70%；中覆盖植被区面积年均增长5.01%；低覆盖植被区面积年均减少3.03%。中部中覆盖植被区面积增加；东部高覆盖植被区面积和西部低覆盖植被区面积减少；植被面积总体表现为整体增加局部减少的变化趋势。

(2)在空间分布特征上，锡林郭勒的植被逐渐趋于稳定。东部为高覆盖植被区，植被抗逆性较强，不易受其他因素的影响；西部和中部为低、中覆盖植被区，生态较为脆弱，极易受到降水、人口因素的影响。

(3)影响植被主导因素主要为降水、人口、气温，局部影响因素为矿区距离。植被的整体状况受降水、人口、气温影响最大，受高程、坡度、坡向影响次之，受砂粒、黏粒影响最小，主要表现为降水呈正主导作用，气温呈负主导作用，人口表现为双重作用，高程、坡度、坡向、砂粒、黏粒主导特征表现不显著。矿区周边FVC偏低，采矿对植被存在负主导影响，植被状况多年来改善不显著。

(4)当存在多个植被主导因素变量共线时，GWR较OLS在残差处理、多重共线性检验等方面表现更好，因此，GWR在探究植被主导因素方面具有很好的迁移性和应用性。