基于地理探测器的甘肃省植被覆盖时空变化及驱动力分析

吕泳洁 ，丁文广 *，邓 喆 ，隆耀成

1.兰州大学 资源与环境学院，兰州 730000

2.兰州大学 西部环境教育部重点实验室，兰州 730000

植被能够通过光合、呼吸作用与生物圈其他要素形成紧密联系，是生态系统中的氧气制造者和能量储藏者，同时起到调节温度、涵养水源、保持水土等作用，研究区域尺度的植被变化及其驱动机制对于监测生态环境的变化具有重要作用（Guo et al，2021；Julien and Sobrino，2021）。归一化植被指数NDVI是反映土地植被覆盖状况、表明植被活力的一种遥感指标，在区域和全球的植被状态研究中获得广泛应用（田庆久和闵祥军，1998；杨杰等，2020）。

甘肃省地处长江、黄河上游，是全国生态安全战略格局中“青藏高原生态屏障”、“黄土高原 — 川滇生态屏障”和“北方防沙带”的重要组成部分，也是我国生态环境最为脆弱的地区之一，其生态地位特殊而重要。甘肃省气候多样，植被类型及土壤类型具有明显的区域差异，生态灾害多发，同时受到放牧、开荒等一系列人类活动的影响，植被生长受到自然条件和人为活动的共同影响。众多学者以NDVI为植被表征指标，对甘肃省植被变化及其影响因素进行了分析研究。如王娜云等（2018）针对全省范围内的3个自然地理分区，开展了植被与区域气候之间的关系研究。杨尚武和张勃（2014）与赵鸿雁等（2019）对甘肃河东地区和中东部地区植被NDVI与气温、降水之间的关系进行了研究。崔丹丹等（2014）对甘肃省各生态区内植被NDVI空间格局以及NDVI变化趋势进行了研究。上述研究对于分析甘肃省植被NDVI时空变化特征及驱动机制具有重要贡献，但其主要考虑气温和降水等气候因素对植被覆盖的影响，忽略了对地形地貌、土壤类型等自然因素以及人为因素在区域生态环境变化中的贡献力研究；同时现有研究多以线性相关分析法探讨植被覆盖度与驱动因子间的相关性，无法实现对因子作用力的量化。

地理探测器（王劲峰和徐成东，2017；张思源等，2020）是空间数据探索性分析的有利工具，致力于探测空间分异性以及定量识别因子的影响力、交互作用、作用机理差异性等（王伟等，2019；赵晶晶和戴晓爱，2020），已被广泛应用于生态、气象、水文、社会经济等领域。目前，该模型在植被NDVI变化特征的分析研究中也逐渐受到关注，如祝聪等（2019）以岷江上游为研究区，采用地理探测器模型探究了自然因素对植被变化的驱动作用。庞静（2016）针对自然和人为因素，使用该模型对植被覆盖变化的影响力进行了定量分析，结果表明自然、人为因子的叠加影响远高于其单独对植被的影响。综上，为更全面揭示和量化气候因子、人类活动和自然因素对植被覆盖度的作用，本文以甘肃省为研究区域，基于NDVI分析植被空间变化特征；应用地理探测器量化分析气候、地形地貌、土壤、人文等不同驱动因子对植被NDVI的解释力及因子间的交互作用，为进一步了解甘肃省植被变化、建立生态善治对策提供参考依据。

1 研究区概况

甘肃省位于我国西北部，总面积42.58万km2，是西北干旱区、青藏高寒区、东部季风区三大自然区域的交汇处，气候类型多样，年平均气温0 — 15℃，降水量36.6 — 734.9 mm。省内土壤种类丰富，共涉及15个土纲，其中灰色森林土和暗棕壤分布最广（孙秉强等，2005），分别占全省面积的24.8%和24.5%。植被分布区域差异明显，西北地区以草地为主，分散部分草甸及灌木植被，东南部植被丰富度较高，以草地和种植作物为主（陈昌毓，1987）。森林面积509.74万hm2，占全省总面积的11.9%，森林蓄积量为86.79 m3· hm-2。甘肃是典型的农牧过渡区，气候、土壤、地形、地貌等自然条件复杂，草原类型多样、区系复杂、牧草种类成分丰富，共包含14个草原类，可利用草原面积达1606.6万hm2，草地沙化、盐碱化现象严重（温庆可等，2009），退化面积达1468万hm2。省内泥石流、滑坡、洪涝等自然灾害频发，14个市（州）均有地质灾害分布（杨具瑞等，2001）。

2 数据来源与研究方法

2.1 数据来源及预处理

NDVI数据源自美国国家航天航空局提供的GIMMS NDVI3数据集（https://ladsweb.modaps.eosdis.nasa.gov/），空间分辨率为1/12°，时间范围为1982 — 2015年，时间分辨率为15 d。GIMMS NDVI是目前时间序列最长的NDVI数据，在全球及区域植被变化的研究中已广泛应用。月度NDVI序列采用最大值合成技术生成（李儒等，2009；张晗和任志远，2014）。

本文选取的NDVI驱动因子包括8个自然因子和7个人为因子（表1）。地貌类型、植被类型、土壤类型和土地利用类型均源自中科院资源环境科学与数据中心，分辨率为1 km（https://www.resdc.cn/）。国内生产总值（GDP）、人均粮食占有量、林业产值、家畜数量、常驻人口等社会经济数据均以县域为单位，数据源自甘肃省统计局发布的2010 — 2015年《甘肃省统计年鉴》（http://tjj.gansu.gov.cn/）。路网数据源自GEOFABRIK地图服务网站（https://download.geofabrik.de/asia.htm）。以上数据均通过甘肃省行政边界矢量数据进行裁剪、投影及变换等处理。使用Arcgis 10.6将统计数据与行政区划做空间连接，经栅格转换等操作，最终以矢量数据呈现。

表1 植被NDVI影响因子Tab.1 NDVI influencing factors of vegetation

利用自然间断点法（郭铌，2003；穆少杰等，2012）将数据进行分类，其中土地利用类型、土壤类型、植被类型及地貌类型分别划分为6类、15类、10类和7类，气温、降水、高程、坡度、受灾面积以及社会经济因子分为8类。通过Arcgis 10.6空间分析中的重分类，将数据离散化为类型量。创建全区范围内20 km×20 km的网格点，基于最邻近距离法对数据集进行重采样，将导出的数据筛选、排序后删除缺失值，得到18659条数据输入到地理探测器中进行计算。

2.2 研究方法

（1）Slope趋势分析法

为揭示1982 — 2015年NDVI的长期动态变化，应用一元线性回归分析逐像元求解甘肃省NDVI的变化趋势，计算公式为：

式中：slope为变化趋势斜率，n为研究时段的年数，NDVIi为第i年的NDVI值。其中slope＞0表明植被活动呈上升趋势；slope＜0，表明植被活动呈下降趋势。

（2）地理探测器

地理探测器是致力于空间分异性探测，以揭示背后驱动力的统计学方法，此方法擅长对类型量进行分析，对于数值量只需适当的离散化即可输入到地理探测器中进行运算，其独特优势是探测两因子交互作用于因变量，通过比较单因子q值和两因子叠加后的q值，检验因子交互作用的强弱，以及线性、非线性等，此模型无线性假设。包括以下4个探测器：

分异及因子探测：探测NDVI的空间分异性，即探测某因子对NDVI的影响力大小。用q值来衡量Y的空间分异性，表达式为：

式中：h= 1，…；L为变量Y或因子X的分层，即分类或分区；Nh和N分别为层h和全区的单元数 ；和分别是层h和全区的Y值的方差。q的值域为 [0， 1]。

交互探测：评估因子Xi和Xj叠加作用是否会增强或减弱对NDVI的解释力。评估的方法是首先分别计算两种因子Xi和Xj对Y的q值：q(X1)和q(X2)，并且计算它们交互叠加变量Xi和Xj两个图层相切所形成的新的多边形分布时的q值：q(Xi∩Xj)，并对q(Xi)、q(Xj)与q(Xi∩Xj)进行比较。

风险探测：比较两因子Xi和Xj对NDVI的空间分布影响是否有显著的差异。用t统计量来检验：

式中：yh表示子区域h内的属性均值；nh为子区域h内样本数量，Var表示方差。

生态探测：探测不同因子对植被覆盖影响的适宜范围或类型。以F统计量来衡量：

式中：NXi及NXj分别表示两个因子Xi和Xj的样本量；SSWXi和SSWXj分别表示由Xi和Xj形成的分层的层内方差之和。

3 结果分析

3.1 植被时空分异特征

利用自然间断分级法将NDVI均值划分为低植被覆盖度（[0.079， 0.169]）、中低植被覆盖度（(0.169 ， 0.359]）、中植被覆盖度（(0.359， 0.569]）、中高植被覆盖度（(0.569， 0.763]）和高植被覆盖度（(0.763， 0.989]）5个等级（表2），以便更直观地反映甘肃省植被覆盖的分布特征及区域差异。

表2 植被覆盖度类型Tab.2 Vegetation cover type

由图1a可见，甘肃省植被覆盖具有显著的地域差异，NDVI均值在空间上自西北向东南递增，东南部区域植被覆盖度普遍大于西北区域。高植被覆盖度区域占全区面积的17.8%，主要分布在甘肃省东南部的甘南高原、秦巴山地南部等高海拔地区（甘南州、临夏州、陇南市、天水市部分县区），该区域植被多以林地形式存在。中高植被覆盖度区域主要分布在陇东陇中黄土高原区域，涉及定西市、天水市（部分）、平凉市和庆阳市南部，面积占比14.1%，土地利用类型以耕地为主。中、中低植被覆盖度区域分布在祁连山脉、中部黄河沿岸的草地和部分耕地（兰州市、白银市、庆阳南部以及张掖市、武威市和嘉峪关市的西南部），占比分别为11.7%、17.2%。低植被覆盖度区域主要分布在甘肃省西北部，占全省面积的39.2%，该区域多为低覆盖度草地和荒漠、戈壁等未利用土地，是三北风沙综合防治的重点区域。

从时空尺度来看（图1b），甘肃省大部分地区NDVI在研究时段内呈增长趋势，增长区域面积占全省植被面积的70.2%，植被显著改善区域主要集中在甘肃东部，陇中、陇东地区的NDVI增势最为明显。对比来看，甘南高原、陇南山地部分区域、祁连山脉西段的植被NDVI值呈现不同程度的下降。

图1 1982 — 2015年甘肃省植被NDVI均值及其变化趋势Fig.1 NDVI of vegetation in Gansu Province and its changing trend during 1982 — 2015

3.2 植被NDVI变化驱动力识别

3.2.1 探测因子影响力

不同因子对植被NDVI分布特征的解释力的大小可用分异及因子探测结果中的q值反映。如图2所示，各因子对植被NDVI分异特征的影响力（q值）从大到小排序依次为：降水量＞植被类型＞人均粮食占有量＞土壤类型＞土地利用类型＞家畜数量＞受灾面积＞地貌类型＞坡度＞人口密度＞GDP＞气温＞林业产值＞高程＞路网密度，结果均通过显著性检验。降水量是甘肃省植被覆盖变化的关键制约因子，符合在甘肃乃至西部地区所处的干旱环境中水分对陆地生态系统的制约性。降水量与植被类型、人均粮食占有量、土壤类型、土地利用类型共同成为影响NDVI空间分布差异的主要影响因素，对NDVI时空分异性的解释力分别为75.7%、72.1%、66.9%、58.0%、52.7%；家畜数量、受灾面积、地貌类型、坡度、人口密度、GDP、气温是次要影响因素，对植被分布产生一定影响，解释力均在20% — 50%；林业产值、高程、路网密度的影响力较微弱，解释力均小于20%。

3.2.2 因子间作用机理的差异性

生态探测可探测两因子作用机理的差异性，进一步验证因子影响力的强弱。结果显示（图3）：降水量、植被类型和土壤类型三个起主导作用的自然因子之间不存在显著性差异；除气温外，降水量与其他自然因子的作用机理均不存在显著差异；植被类型、土壤类型与人为因子间均不存在显著性差异。以上进一步验证了降水量对植被分布的突出影响力，且降水、植被类型和人均粮食占有量是影响植被空间分布的主导因子。高程、气温和降水不存在明显差异，除此之外，气温和高程与其他自然因子的作用机理均存在明显差异，说明气温和高程对植被空间分布变化的影响十分微弱，再一次验证了分异及因子探测的结果。

人类活动作用对植被NDVI的空间分布同样产生影响（姚国慧等，2015；杜英坤等，2016；邱丽莎等，2019），所有人为因子与降水、植被类型等因子的作用无显著差异，但存在一定的空间差异性。除路网密度外的其他人为因子均与高程的作用机理产生明显差异，该结果符合研究区的地理条件。甘肃省地势较高的山地以荒漠、草地为主，人类活动较少，故高程与大部分人为因子的作用机理存在明显差异。土壤类型与人均粮食占有量的作用机理存在显著差异性，但与其他人为因子的作用机理无显著性差异，这与省内的土壤类型分布以及农作物生长条件相关。

结合各因子的影响力和作用机理差异性可以发现，自然因子和人为因子的作用机理存在差异，自然因素是植被NDVI变化的主要影响因素，人类活动影响受自然条件的限制具有空间差异性。

3.2.3 因子交互作用分析

交互探测器可以进一步探测因子间的加成作用（裴志林等，2019）。如图3所示，两两因子交互作用均为增强作用，90%以上的因子组合方式为双因子增强作用，其余因子表现为非线性增强，即两个因子的叠加大大增强了单因子对植被NDVI空间分布的影响。其中，自然因子中降水量和土壤类型的交互作用（q(X2)∩(X7) = 0.892）对植被NDVI的影响力最大，这与土壤的保水保肥特性和植被的生长条件有关，且降水量、土壤类型和植被类型与其他自然因子的交互作用影响力较大。人为因子与自然因子的交互作用影响力均有增强态势，进一步说明植被NDVI的变化是受自然条件与人类活动的共同作用。其中，人均粮食占有量与植被类型、土壤类型的交互作用最强，分别为0.858、0.857。此外，自然因子中降水量、植被类型与其他因子的交互作用明显，人为因子中人均粮食占有量、家畜数量与其他因子交互作用较弱。

图3 因子间作用机理差异性及其交互作用Fig.3 The result of interaction detector and Ecological detector

3.2.4 影响因子的适宜范围或类型

风险探测可以反映各因子对NDVI分布变化的适宜范围或类型，为生态保护与修复提供科学依据。如图4所示，植被NDVI均值随着年降水量增长而持续增加，再次验证了降水对干旱地区植被变化的主导作用。甘肃省自然条件跨度较大，气温、高程等自然因子对NDVI的影响呈现先增加后降低的趋势（丁海勇和丁昕玮，2020；何国兴等，2021）。从地理系统角度来看，温度随着海拔的升高逐渐降低，而降水量则随海拔增加至峰值后逐渐减少，因此，在水热条件的作用下，植被覆盖随着气温和高程的升高呈现先增加后下降的趋势。人为因子方面，随着人口密度、路网密度、GDP、林业产值的不断增加，NDVI均值先上升后下降，说明过度的人类活动会对植被变化造成负面影响。

图4 风险探测器结果Fig.4 The result of risk detector

因人类活动会受到很多自然因素的影响，故只对自然因子进行适宜范围或类型的探讨，结果如表3所示。NDVI高值主要分布在海拔2830 —3349 m和坡度大于21.3°的山地，这些区域大多为高山陡坡，不适宜生产生活，人类在此活动较少，植被覆盖度较高。在年均温为7.7 — 9.7℃，降水量为597 — 763 mm的甘南和祁连山等地区植被覆盖度也比较高。淋溶土、半淋溶土和水成土广泛分布在陇南山地和甘南高原地区，土壤有机质含量较高适于林草及多数植物的生长，对植被的生长具有积极作用，相应分区的NDVI均值分别为0.881、0.812和0.659。与此同时，陇南、甘南等地山峦重迭，沟谷纵横，地形错综复杂，人烟稀少，光照充足，且降雨较多，为植被生长提供了适宜的气候条件。从植被类型方面来看，荒漠占全省面积的39.4%，其次是草原和草甸，分别占比17.5%和7.1%。NDVI值较高的植被类型依次为针阔叶混交林（0.900）、阔叶林（0.828）和针叶林（0.851），但覆盖面积较小，且大多分布在甘肃省与四川省交界的陇南地区。

表3 自然因子的适宜范围或类型Tab.3 A suitable range or type of natural factor

4 讨论

本文基于众多学者对植被变化与气候响应的研究（李辉霞等，2011；穆少杰等，2012），考虑甘肃省实际情况，综合分析植被类型、土壤类型、地形地貌、自然灾害以及人类活动对植被的影响。根据地理探测器的分析结果显示：自然因素是导致甘肃省植被NDVI空间分异特征的决定性因素，其中，降水量是影响其空间分布的决定性因子，这与杨尚武和张勃（2014）、王娜云等（2018）等人的研究结果一致。植被类型和土壤类型对植被NDVI的影响次之，解释力均大于0.6。在降水为限制因素的干旱、半干旱区域，不同土壤类型对植被生长和水分的利用效率具有显著差异。如适宜植被生长的淋溶土、半淋溶土及水成土的分布区域NDVI值较高，而漠土、盐碱土不适宜植被的生长，其分布区域NDVI值较低。受灾面积对植被NDVI影响较显著，解释力为0.395。省内灾害高发地段主要集中在甘肃省西北部的酒泉地区以及东南部的陇南、陇中和陇东等地区，酒泉地区多以沙漠戈壁为主，生态环境极其脆弱，东南部的陇南、陇中和陇东一带虽植被覆盖度较高，但已有下降趋势，表明生态环境退化和灾害频发之间存在着密不可分的关系。

人类活动主要通过改变土地利用类型来影响植被，人均粮食占有量、土地利用、家畜数量以及人口密度对植被NDVI空间分异特征的影响力均大于0.3。全省草地退化较为普遍，草原平均超载率较高，中度以上明显退化的草原面积接近50%，以甘南高原为主的家畜密集地区植被NDVI下降最为明显，过度放牧是造成该区域草地退化的主要人为因素。随着人均粮食占有量的升高，NDVI呈现先增后减的趋势，表明过度耕作同样会对植被覆盖度造成负面影响。兰州、临夏、定西、平凉和庆阳等地人居生态环境压力较大且城市绿化面积不足，城市绿色生态空间萎缩，植被呈低植被覆盖度类型（＜0.359）。

自1999年甘肃省退耕还林工程试点开始启动以来，全省生态文明建设效果显著，截至2017年年底，累计完成退耕还林约220万hm2。退耕还林工程主要集中在黄河以东地区，工程实施区域内植被覆盖度有所增长，生态环境逐步向好，体现了人类活动对植被空间分布具有积极作用。

5 结论

甘肃省NDVI空间分布“两极化”趋势显著，省内低植被覆盖度区域面积分布较多，高、低植被覆盖度区域分别占比21.9%、56.4%，西部区域植被覆盖度较低，高植被覆盖地区主要在甘肃省东南部高原地区。1982 — 2015年植被NDVI呈缓慢上升趋势，陇南市、天水市、平凉市、庆阳市、定西市、临夏州、兰州市和白银市等地的植被覆盖度上升趋势较大，祁连山脉和甘南高原植被覆盖度出现下降趋势。

甘肃省植被NDVI空间分异的主要影响因子解释力：降水量＞植被类型＞人均粮食占有量＞土壤类型＞土地利用，解释力均超过0.5。整体上，自然因子的解释力大于人为因子的解释力，降水量是影响甘肃省植被变化的最关键因子。75%的自然因子解释力大于0.3，代表人类活动程度的家畜数量、人口密度、GDP等人为因子解释力大部分超过0.2。两两因子的交互均为增强作用，自然因子与各因子的交互作用较大，其中，降水量与土壤类型的交互强度达到最高值（0.892）。人为因子与各因子的交互作用呈显著增强状态，其中植被类型与人均粮食占有量的交互作用出现最大值（0.858）。甘肃省深居西北内陆，境内大部分地区气候干燥少雨，生态环境脆弱易变，植被的退化会直接影响地区生态系统的稳定性（丁文广等，2019），因此，全省需继续开展山水林田湖草修复与保护。