基于地理探测器的珠江流域NDVI时空变化及驱动力分析

王睿卿，蒋晓辉，聂 桐

(西北大学城市与环境学院，陕西 西安 710127)

植被是连接大气、水分和土壤关系的重要纽带，被认为是全球气候变化研究中的“指示器”[1]。归一化植被指数(NDVI,Normalized Difference Vegetation Index)可以有效地反映出区域植被覆盖程度与植被生长状况[2]，也可以作为监测生态系统和区域植被变化的重要指标[3]。珠江流域地处中国南部亚热带湿润地区，上游位于云南、贵州、广西三省交界处，是中国岩溶地貌集中分布区，也是中国水土流失最严重的地区之一，流域的水土流失呈地带性分布，存在着石漠化、崩岗等问题[4]。珠江同时也是中国水流量第二大河流，境内第三长河流，流域涉及六省区，面积约45万km2，覆盖人口约1.24亿。对流域植被覆盖的动态监测有助于深入研究植被与气候变化和人类活动之间的关系，揭示区域环境状况的演化过程并预测未来发展趋势，对区域生态保护和水土保持有积极作用。因此，深入分析NDVI对各因子的响应特征具有重要意义。

以往研究多采用趋势线性分析等方法[5-7]，定性分析植被覆盖的时空变化且多集中于温度和降水因素对珠江流域植被变化的影响。这些研究对认识珠江流域覆盖变化的驱动因素具有重要意义，但也普遍存在多因子交互作用度量不足、驱动因子选择不全面等问题，特别是在中国社会经济快速发展的背景下，人为因素更加不可忽视，若缺少人类活动因子对于珠江流域内植被覆盖的研究，在一定程度上影响了驱动机制分析的客观性[8-9]。地理探测器可以探测空间分异性，亦可揭示其背后驱动因素。其中心思想在于这样的假设[10]：如果一个自变量对某一个因变量有明显的影响，那么2个变量之间的空间布局应该存在相似性。应用地理探测器模型不仅可以相对全面地研究植被变化的驱动因素，探索驱动因素之间对植被变化的交互作用，而且可以探测数值型和定性数据，能够有效探测空间分异性。运用此模型探测植被空间分异性，量化并计算分析各影响因子对植被空间分布的影响力及适合植被生长的类型或范围，为进一步促进珠江流域生态保护和高质量发展提供科学依据。

1 研究区概况

珠江流域位于北纬21°31′～26°49′、东经102°14′～115°53′。地跨滇、黔、桂、粤、湘、赣六省区，流域总面积45.26×104km2(图1)。流域地势西北高，东南低，自西向东横跨云贵高原、两广丘陵和珠江三角洲平原3个地形单元。属亚热带季风气候区，北回归线横穿流域，濒临南海，故受季风影响强烈。气候温和多雨，年均温14～22℃，年际变化较小。雨量充沛，多年平均年降雨量1 550 mm，降雨量由东向西递减,降水时间分配不均。流域植被群落结构类型多样，以常绿阔叶林为主，其次为针阔叶混交林。珠江干流沿岸及三角洲平原等地主要是栽培植被。流域内土壤类型繁多且性质各异，广泛分布着红壤、砖红壤、黄壤、山地草甸土和石灰土等。

图1 珠江流域地理位置

2 数据来源与研究方法

2.1 数据来源和预处理

研究选用年度NDVI数据，2000—2015全球500 m分辨率的“类NPP-VIIRS”夜间灯光数据集，中国土地利用现状遥感监测数据，坡向、坡度、降水、气温、土壤类型、植被类型、地貌类型数据。其中NDVI选自中国科学院资源环境科学数据中心(http://www.resdc.cn)，空间分辨率1 km，基于SPOT/VEGETATION PROBA-V 1 KM PRODUCTS卫星遥感数据，在月数据基础上采用最大值合成法生成的年度植被指数。“类NPP-VIIRS”夜间灯光数据集由Harvard Dataverse平台(https://doi.org/10.7910/DVN/YGIVCD)获取。坡向、坡度来源于地理空间数据云 (www.gscloud.cn)根据90 m空间分辨率DEM数据计算获得。全国土地利用类型数据、土壤类型数据、植被类型数据、地貌类型以及降水和气温均选自中科院资源环境科学数据中心(http://www.resdc.cn)，空间分辨率1 km。各因子数据通过ArcGIS进行投影变换、掩膜提取、重分类等处理，最终像元大小保持一致。坡度坡向、土壤类型和土地利用类型分别按照《土地利用现状调查技术规程》《1∶100万中华人民共和国土壤图》、中国土地利用现状遥感监测数据库建立的LUCC分类体系进行重分类预处理，其余数据按照自然间断法进行重分类预处理。

2.2 研究方法

2.2.1NDVI等级划分

选取2000、2005、2010、2015年4期NDVI数据作为代表年份，便于后续部分结果的展示及问题的讨论。将4期NDVI数据根据NDVI大小按照等间距划分法划分为5类，使其更好地反映植被覆盖变化，分别是低等级(0～0.2)、中低等级(0.2～0.4)、中等级(0.4～0.6)、中高等级(0.6～0.8)、高等级(0.8～1.0)。

2.2.2影响因子分级

通过ArcGIS生成间隔8 km的点阵，最终形成7 035个采样点。根据各影响因子重分类标准将土壤类型、夜间灯光强度、坡向、植被类型、土地利用类型、地貌类型、坡度、降水、气温分别划分为10类、9类、9类、8类、6类、6类、4类、4类、4类。将类型量数据与NDVI值提取到采样点后输入至地理探测器中进行计算。

2.2.3趋势分析

采用一元线性回归分析法研究NDVI年际变化趋势，反映植被在研究时段内的年变化趋势[11]。其计算公式为：

(1)

式中 Slope——NDVI回归方程的斜率，Slope>0表示区域植被覆盖呈现上升趋势，随时间变化NDVI升高，Slope<0表示随时间变化NDVI呈下降趋势；n——监测时间年跨度，研究年跨度为2000—2015年，n取值16；NDVIi——第i年的NDVI值。

2.2.4单一土地利用类型动态度

单一土地利用类型动态度是运用土地利用在一段时期内的变化模型加以表述的。计算公式[12]为:

(2)

式中 LUa、LUb——研究期始、末地类的总面积，km2;T——研究期时长，a;k——与T时期对应的某类土地利用类型的变化速率，正值表示土地利用面积增加，负值反之，动态度的绝对值代表土地利用变化的程度，值越大变化程度越大。

2.2.5地理探测器模型

地理探测器是探测空间分异性，以及揭示其背后驱动因子的一种统计学方法，其理论核心是通过空间分异性来探测因变量与自变量之间空间分布格局的一致性，据此衡量自变量对因变量的解释力度。空间分异是自然和社会经济在发展变化中的空间表现，也是自亚里士多德以来人类认识自然的重要途径之一[10]。此方法具有简洁的形式和明确的物理含义，即q值的体现，可用以度量空间分异性、量化分析各自变量对因变量空间分布的影响力、分析自变量之间交互关系。该模型由因子探测、生态探测、交互作用探测和风险因子探测4个探测器构成，在衡量自变量对因变量空间分布的解释力上是相互完善、互相支撑的关系。

a)因子探测。探测Y的空间分异性以及探测因子X多大程度上解释了属性Y的空间分异。通过因子探测可以计算出各探测因子(表1)对植被NDVI空间分异的影响力即q值。q的值域为[0,1]，q值越大，说明某探测因子对于植被NDVI空间分布的影响力越大，见式(3)：

(3)

表1 各探测因子指标

b)生态探测。生态探测用于比较各探测因子之间对植被NDVI空间分布是否有显著差异，用F统计量表示：

(4)

(5)

式中NX1、NX2——2个探测因子的样本数量；SSWX1、SSWX2——由2个探测因子形成分层的层内方差之和；L1、L2——变量X1和X2分层数目。

其中零假设H0：SSWX1=SSWX2。如果在α的显著性水平上拒绝H0，则表明两因子X1、X2对属性Y的空间分布的影响存在显著差异。

c)交互作用探测。用于评估影响因子之间的交互作用，通过比较单一因子q值、双因子之和q值以及双因子交互作用后的q值，判断两因子在交互作用后增大还是减弱了对植被NDVI空间分布的影响，或是处于独立作用，即比较q(Xi)、q(X1)+q(X2)和q(X1∩X2)之间的关系。

d)风险因子探测。用于判断2个子区域间的属性均值是否有显著的差别。通过计算某一影响因子在子区域的NDVI均值，进行统计显著性检验，NDVI均值越大的影响因子子区域越适合植被的生长，可以用于判断各影响因子的适宜范围或类型。检验表达式为：

(6)

3 结果分析

3.1 植被NDVI变化特征

3.1.1植被NDVI年际变化

取年最大NDVI数据像元平均值，以示当年植被覆盖度整体状况，绘制NDVI年际变化曲线(图2)。分析可得，2000—2015年珠江流域NDVI平均增速为0.005 3/a，表明流域植被覆盖度逐渐改善。16年间植被变化的阶段性明显，以2002、2013年为界，期间10年内基本稳定，2002年以及2013年以后植被活动朝增强的方向发展，有相对较大的提升。其原因与流域旱涝情况密切相关，2002年前后流域出现显著的旱涝转变，其中2001年为强降水年。研究区干旱期主要集中在2003—2013年，2009、2011年尤为显著，年均降水量均不足1 200 mm。其中2009年珠江流域西部还发生了秋、冬、春连旱[13-15]，抑制了植被的生长。2014—2015年降水的持续回升使植被快速生长，故植被NDVI有所上升。

图2 2000—2015年珠江流域年最大NDVI均值

3.1.2植被NDVI时空变化

按照等间距法将植被NDVI划分为低(≤0.2)、中低(0.2～0.4)、中(0.4～0.6)、中高(0.6～0.8)和高(0.8～1.0)5个植被覆盖度等级。中高及高植被覆盖区共占流域面积的94%以上，反映了研究区植被覆盖度情况良好，均处于在中高、高植被覆盖度，研究期范围内高植被区显著增加(表2)。2000—2015年低、中低、高植被覆盖区面积呈上升趋势，相对于研究区总面积的占比分别增加0.052%、0.719%、61.446%。中、中高植被覆盖区面积呈下降趋势，相较于研究区总面积占比分别减少1.667%和60.549%。2000、2015年中高和高植被覆盖区分别占珠江流域面积的88.881%、5.422%和28.331%、66.868%。这表明中高植被覆盖区和高植被覆盖区二者在时空变化上存在互补对应性，在低、中低、中植被覆盖度基本不变的情况下，减少的中高植被覆盖度极大地转变为高植被覆盖度。2000—2015年，植被改善与退化区域分布不均，总体上呈现流域中上游植被覆盖明显改善，主要分布在郁江和红水河上游以及桂江下游等地。退化区域集中分布在珠江三角洲城市密集地区，零星分布于流域西部源头南盘江、北盘江上游喀斯特地区以及广西中部大中城市及周边(图3)。过去的30余年，珠江流域的土地利用类型结构发生了巨大的改变：一方面中上游区域通过退耕还林还草、封山育林、石漠化综合治理等生态手段，使植被活动朝着增强的方面发展；另一方面，尤其是下游珠江三角洲地区，由于城市规模的迅速扩张和工业化等人类活动导致部分地区植被退化。

表2 珠江流域2000—2015年植被覆盖面积及比例

图3 珠江流域植被NDVI空间格局变化

3.2 因子影响力探测分析

根据因子探测器，揭示出各探测因子对珠江流域植被NDVI空间分异的影响力大小，结果见图4。以2015年为例，各因子对植被NDVI的影响大小排序为夜间灯光强度X1(0.453)>地貌类型X9(0.338)>土地利用类型X2(0.323)>植被类型X5(0.178)>土壤类型X6(0.162)>坡度X7(0.062)>气温X3(0.017)>降水X4(0.012)>坡向X8(0.007)。从各因子q值来看，在研究期范围内社会经济因子对珠江流域植被NDVI空间分布的影响力大于自然因子。夜间灯光强度所反映的城市化进程和土地利用类型结构的改变以及地貌类型是主要影响因素。据图4可知：①夜间灯光强度反映的地区城市化进程等人类活动是影响植被变化最主要的经济社会因子，q值达到了45%以上，夜间灯光强度值可以较好地解释NDVI空间格局，具体说明将在后面做详细分析，地貌类型与夜间灯光强度的双因子增强作用对q值的贡献达到了58.9%；②地貌类型因子对NDVI的解释力超过30%，是造成主要影响的自然因子；③年均温、年均降水量、坡度和坡向的单个因素解释力影响很小；④自然因子对q值的贡献基本恒定，经济社会因子对于流域植被覆盖变化的影响力占主导地位且逐年上升。

图4 2000—2015年各探测因子q值变化

3.3 因子生态探测分析

生态探测器用于表示不同影响因子对于植被NDVI空间分布的影响是否存在显著性差异。统计检验表明(表3)，夜间灯光强度与其余各因子对植被NDVI空间分布的影响具有显著的差异；坡向与夜间灯光强度、土地利用类型、植被类型、土壤类型、坡度具有显著的差异，与年均温、年均降水量无显著影响；坡度与年均温、年均降水量、植被类型、土壤类型、夜间灯光亮度以及土地利用类型具有显著的差异；土壤类型与年均温、年降水量、夜间灯光强度和土地利用类型对植被NDVI的空间分布的影响有显著的差异，与植被类型无显著影响等。进一步表明，夜间灯光强度因子所代表的城市化、工业化等人类活动对植被NDVI的影响最大，土地利用类型和地貌类型因子对植被NDVI影响较大，同时受其他因子影响。坡度和坡向因子对植被NDVI空间分布存在间接影响。

表3 探测因子的统计显著性

3.4 因子交互作用探测分析

交互探测器结果表示，双因子交互作用对植被NDVI空间分布的影响力大于单因子作用，因子交互作用呈现非线性增强或双因子协同增强作用，不存在独立关系(表4)。在双因子协同增强中，主要为自然因子和经济社会因子的交互；在非线性增强中，主要为自然因子之间的交互。例如，年降水量X4与其他自然因子之间交互作用为非线性增强关系，X4∩X9(0.362)>X9(0.338);X4∩X6(0.213)>X6(0.162);X4∩X5(0.199)>X5(0.178);X4∩X7(0.075)>X7(0.062);X4∩X8(0.023)>X8(0.007)，说明降水增强了其他自然因子对植被的影响。夜间灯光强度与地貌类型、气温、植被类型、土壤类型、坡度因子叠加作用显著增强了夜间灯光强度对植被NDVI空间分布的影响，即存在明显的双因子增强关系，进一步证明了夜间灯光强度因子的主导作用，如X1∩X9(0.589)>X1∩X5(0.528)>X1∩X6(0.503)>X1∩X7(0.476)>X1∩X3(0.462)>X1(0.453)。总之，自然因素和经济社会因素的共同作用对植被NDVI空间分布影响更大，两因子之间的交互作用不是简单的叠加关系，而是相互增强或非线性增强关系。

表4 因子交互作用的解释力

3.5 风险因子探测分析

根据风险因子探测器，计算分析各自然因子对植被NDVI空间分布变化的适应类型或范围。选取对珠江流域植被NDVI解释力超过30%的地貌类型因子和解释力度在15%以上的土壤类型进行说明。同时对解释力度超过45%的夜间灯光强度因子和解释力达到30%以上的土地利用类型进行进一步分析。

3.5.1夜间灯光强度

传统人类活动与城市化水平分析主要依赖于诸如GDP、人口密度、道路等社会经济统计数据，由于研究涉及的时间跨度较长，且珠江流域不是传统的行政区划，使得传统的方法效率低且不易实现[16]。夜间灯光数据反映了公共和商业灯光的使用情况，它与经济状况密切相关，可以反映城市化水平、人口数、用电水平和工业发展状况等综合性信息，使其广泛应用于动态监测人类活动，模拟GDP以及其他关键社会经济指标，证明了它作为监测城市化和人类活动的有效性。本文选用由Harvard Dataverse平台提供的“类NPP-VIIRS”夜间灯光数据集。由于常用的2种夜间灯光遥感数据(DMSP-OLS和NPP-VIIRS)存在不可比的情况，从而限制了夜间灯光数据的可用时间序列长度[17]。“类NPP-VIIRS”夜间灯光数据具有类似于NPP-VIIRS的数据质量，且能够有效缓解原始DMSP-OLS数据的过饱和与溢出效应。因此“类NPP-VIIRS”夜间灯光数据集可作为人类活动的表征，成为了城市化水平监测研究的良好数据源。

利用“类NPP-VIIRS”夜间灯光数据集，计算珠江流域内2000—2015年的灯光数据平均值，值越大代表城市化水平越高，反之越低，其年变化趋势见图5。夜间灯光强度与NDVI空间格局有很好的吻合度，夜间灯光强度高值区对应的NDVI低植被覆盖区，主要位于流域上游南盘江、北盘江地区以及流域中部的城市集群和珠江三角洲地区，夜间灯光强度低值区对应的NDVI中高、高植被覆盖区主要位于流域上游地区，受地形和城区分布影响。从探测因子q值来看，研究期内夜间灯光强度反映的地区人类活动强度是影响植被变化最主要的经济社会因子，q值达45%以上。夜间灯光强度与地貌类型的双因子增强作用对q值的贡献近六成。流域上游整体植被覆盖情况优于中下游地区，上游人类活动强度因受到地形限制故弱于中下游诸如珠江三角洲等地区。2005年后，流域中部南宁、柳州、桂林等城市在原有团块状形态基础上逐步向外辐射状扩展，社会经济发展十分迅速，同时也对应低植被覆盖区域。

a)2000年

b)2005年

c)2010年

d)2015年

3.5.2土地利用类型

土地利用/覆被变化(LUCC)在一定程度上反映了区域的社会经济发展状况及趋势，直接体现自然环境与人类的相互作用[18]，在中国城市化水平不断加快的背景下，土地利用结构也在不断变化。因此，土地利用格局与植被变化之间的关系也愈发重要。

根据土地资源及其利用属性，将流域内土地按照中国土地利用现状遥感监测数据库建立的分类体系Ι级土地分类分为耕地、林地、草地、水域、建设用地、未利用土地6类。为更好地研究流域片区土地利用变化的过程对于植被覆盖变化的影响，剔除掉没有植被覆盖的水域地类，筛选出其余5种土地类型进行驱动机制分析。除建设用地外，其余分区对应的NDVI均值整体呈现增长趋势(图6)，由于中上游区域通过封山育林、退耕还林还草以及石漠化综合治理等生态工程，使对应生态恢复区植被覆盖度总体上得到提高，流域内耕地持续缩减，整体上生态环境得到了一定改善。由图7可看出2000—2015年，流域西部、中部及东南沿海地区土地利用变化显著。其中，流域西部源头南盘江、北盘江地区耕地转入较为分散；流域中部广西北部湾地区林地草地成片转为耕地，广西省南宁市、柳州市、桂林市建设用地转入剧烈；珠江口河网密集，其东部地区大量林地、草地的转出现象也十分显著，且二者大多转为城乡、工矿居民用地，用地类型矛盾较为突出，建设用地的转入大多发生在珠江口沿岸地区。

注：CL—耕地;FL—林地;GL—草地;RL—城乡、工矿、居民用地;UL—未利用地。

注：FL—林地;W—水域;CL—耕地;GL—草地;UL—未利用地;RL—城乡、工矿、居民用地。

2000—2015年，珠江流域耕地、建设用地变化面积较大。林地、草地和耕地主要转向城乡、工矿、居民用地，空间上体现在广西中部、流域东南沿海地区。流域内耕地面积持续缩减，每5年的缩减面积依次为1 701、742、927 km2。建设用地在研究期内增长了4 797 km2，单一土地利用类型动态度达到10.25% (表5)。耕地转入建设用地面积占总转出面积的65.8%，林地转建设用地面积占总转出的51.1%，草地转建设用地面积占总转出的20.4%。流域内土地利用类型总体变化和NDVI空间分布也有较好的对应关系，例如广西中部、流域东南沿海等耕地和建设用地转入强烈的地区对应的植被覆盖度较低，这与城市扩张挤占草地、林地密不可分。而流域中上游林地、草地转入现象明显的区域，因多年来相关生态工程的开展以及受人类干扰较弱的影响，植被覆盖度较高。总的来说，经济发展质量的提高和增速的加快，促使城市扩张，流域内上述地区的土地利用类型因此发生较为剧烈的变化，植被生长也受到影响，呈现出耕地-城乡建设用地转化机制为首要矛盾(表6)。

表5 2000—2015年珠江流域土地利用类型及其动态变化度

表6 2000—2015 年珠江流域土地利用转移矩阵 单位：km2

3.5.3地貌类型

珠江流域东西横跨中国地形阶梯的两级，西北高东南低。西部为云贵高原，北靠南岭，东部东南丘陵，南临南海，形成西北东三面环山向南倾斜的簸箕状地形，这种地形有利于东南季风和西南季风向流域内输送水、热气流。流域山地面积约占总流域面积的60%以上，以海拔1 000～1 500 m的中山为主，大部分是褶皱山脉，其中以南岭山脉规模最大，构成珠江、长江两大水系分水岭的东段。丘陵主要分布于流域的东南部，占流域总面积的20%以上，具有代表性的丘陵类型有丹霞丘陵和花岗岩丘陵区等。珠江流域的平原面积约占流域总面积的5.6%，其中既有海拔较高的中上游山间盆地小平原、中下游河谷平原，又有下游三角洲平原。其中三角洲平原为流域内最重要的平原，约占三角洲总面积的80%。总体来说，平原分布小而分散。本文将珠江流域地貌类型划分为6个分区，分别是平原、台地、小起伏山地、中起伏山地、大起伏山地和极大起伏山地，用数字1—6表示。随地貌类型的不同，植被NDVI均值波动变化，在4、5、6地貌类型区，植被NDVI均值超过0.830以上，其中6地貌类型区达到最高值0.865，表明4、5、6地貌类型区促进植被生长；统计检验表明，3、4、5地貌类型区与1、6区植被 NDVI均值之间有显著性差异(表7)。由于大起伏的山地不利于城市长久发展，削弱了交通对于城市的连接作用，故植被生长受人类活动影响较少加之复杂多样的山地丘陵地貌，提供了丰富的水热条件及类型，为植被生长提供了多样的生存环境。因此，中起伏山地、大起伏山地和极大起伏山地地貌类型植被覆盖最好。

表7 地貌类型因素每2个分区的植被NDVI均值及其统计显著性(置信水平95%)

3.5.4土壤类型

将土壤类型划分为10个分区，用数字1—10表示。在1、3、7、8土壤类型区中8土壤类型区对应的NDVI达到最高值0.847(表8)，表明以上土壤类型区促进了植被生长；统计检验表明，这些土壤类型区与其他土壤类型区植被NDVI在95%置信水平上有显著性差异。分析表明，随土壤类型的不同，植被NDVI均值波动变化；红壤、黄壤、砖红壤、赤红壤、褐土、棕壤、草甸土等土壤类型，植被NDVI均值超过 0.818，植被覆盖最好，其中黄壤、红壤、赤红壤和砖红壤达到最高值0.847，故得出铁铝土最适合珠江流域植被生长。虽然相关研究认为，土壤类型对植被生长和雨水再利用效率的影响仅在以降水为主要限制因素的地区是显著的[19]，但本文认为土壤类型是珠江流域NDVI变化的重要自然因子之一，原因是铁铝土分区对应的原生植被主要是常绿阔叶林、季雨林等，这些原生植被的生长量大，生物富集作用较强，对植被覆盖度有提升作用。土壤类型与坡度、坡向、地貌类型的交互作用效应显著增强了土壤对植被NDVI的影响，这是因为排水良好的地形条件有利于淋溶作用的进行，从而也有利于铁铝土的形成。与土壤相比，在推动植被NDVI变化的过程中，坡度、坡向因子的影响力相对较弱，坡度坡向需要同其余自然因子共同作用，故坡度和坡向因子对植被NDVI空间分布只存在间接影响。

表8 土壤类型因素每2个分区的植被NDVI均值及其统计显著性(置信水平95%)

3.5.5因子适宜性范围或类型

根据风险探测结果，综合表示了各自然因子的适应范围或类型(表9)。本文将珠江流域地貌类型划分为6个分区。流域下垫面类型多样，山地面积约占整个流域面积的60%以上。丘陵主要分布于流域的东南部，占流域总面积的20%以上。随地貌类型的不同，植被NDVI均值波动变化，在 4、5、6地貌类型区，植被NDVI均值超过0.830以上，其中6地貌类型区达到最高值0.865。因此，极大起伏山地地貌类型，植被覆盖最好。地貌对流域植被覆盖变化具有较大影响，原因在于植被对于各种生态因子的要求不同，因此它们的垂直分布都各有其“生态最适区”。有利于植被生长的地貌类型如东北、西南山区，山地的植被种类较平原更加丰富，可以为植被生长提供丰富的生态因子。

土壤是多因素综合影响下变化的客体，一般情况下母质、气候、生物、地形、时间被视为五大成土因素。土壤在支持和调节植物生长所需的水分和养分供应中起着重要作用。本文将土壤类型划分为10类，得出铁铝土最适合珠江流域植被生长。铁铝土是湿润热带和亚热带地区具有富铝化、富铁化及富铁铝化作用的一类土壤。其中，红壤、黄壤、赤红壤等类型，植被NDVI最高值0.847。在湿润地区，土壤水分是提供植被生长所需水分的补给来源之一，土壤类型不同能够为植被生长所提供的养分和水分不同，因此成为限制植被生长的重要因子。土壤类型与降水交互作用显著增强了土壤对植被的影响，二者皆为植被生长提供基本水分条件。

表9 自然因子适应范围或类型

植被是连接大气、水分和土壤关系的重要一环，还能够敏感反映出自然条件和人类活动对生态系统的影响与变化。珠江流域林地植被以常绿阔叶林为主，其次为针阔叶混交林。将珠江流域的植被类型划分为8个分区，随植被类型的不同，植被NDVI均值波动变化，在4植被类型区达到最高值0.867，表明阔叶林植被NDVI值最高。

随坡度和坡向的不同，植被NDVI均值呈波动变化趋势，在22.5～67.5°坡度和东北坡的植被NDVI均值分别达最高值0.813、0.835，表明这一范围的地形因子能够一定程度上促进植被生长。珠江流域山地、丘陵地区，亚热带常绿阔叶林广泛分布，因此NDVI均值较高。坡向、坡度对植被直接影响较小，但与其他自然因子的交互作用显著增强了坡向、坡度对植被的影响。如，坡向坡度与地貌或土壤的交互作用使不同的地形条件有着不同的水热组合和土壤排水性。有研究表明，植被变化受海拔高程、坡向和坡度变化的影响可由微地形因子决定的不同土壤和气候的多样性来解释[20]。同时，植物生长所需营养随着海拔升高和温度下降而降低，坡度和坡向影响了作为生态环境关键因素的太阳辐射的量[21]。

降水和气温因子与流域植被覆盖度的变化相关性较小。总体来说，NDVI对降水的响应程度要高于气温。降水、气温的年际变化与植被年际变化之间存在不一致性即NDVI的变化对降水气温变化不敏感。NDVI与气象因素的关系与研究区所处位置、研究的时间尺度以及下垫面类型有很大关系[22]，对珠江流域而言，植被生长受多种气候因子的综合影响，同时NDVI对不同气候因素的响应存在时间和空间上的差异。降水和气温虽为植被提供基本水热条件，但植被的变化不仅仅是受水热组合变化的影响，是多种自然因素和人为因素综合叠加的体现。

4 讨论与结论

4.1 讨论

在植被覆盖度相对较高、气象条件复杂以及社会经济快速发展的珠江流域，人类活动强度是影响植被覆盖变化最主要的因素，流域内地貌类型对NDVI的分布具有控制作用，年尺度上NDVI的变化对降水气温变化不敏感，结果与王永锋等[4]的研究基本一致，对气候因子的响应具有一定的滞后时间[5]。研究期内平均植被覆盖呈明显改善趋势。

本文选用的植被指数是目前应用广泛的NDVI，但NDVI也存在着在植被覆盖度较高的区域易饱和、对大气影响的纠正不彻底等问题，关于其易饱和的问题[23-24]在许多研究中都存在。还需进一步选择优化的植被指数，提高对高生物量区域的敏感性，增强对植被的监测能力。通过使用不同数据进行时间序列上的扩展[25]，有助于对珠江流域植被覆盖度与影响因子之间的关系进行长期更深入的探讨。同时对采用NDVI产生的误差范围进行定量的分析比较，以求更准确地反映植被生长变化。另外，混合像元问题通常出现在地类边界影响识别分类精度，一般来说遥感影像的空间分辨率越低，一个像元中包含多类不同性质目标的概率就越大，尤其对线状或细小地类的影响更为突出。对于空间分辨率1 km的NDVI数据可能产生的混合像元问题导致的统计误差，可以通过采用混合像元分解技术[26]或更高精度的分辨率数据来弥补不足。

夜间灯光强度作为人类活动的表征之一，所采用的“类NPP-VIIRS”夜间灯光数据集是城市化水平监测研究的良好数据源。但是对于探测流域内零散分布的乡镇的夜间灯光强度，则对选用的数据集提出了更高的分辨率要求。

覆被变化在一定程度上体现了区域自然环境与人的相互作用，在中国城市化水平不断加快的背景下，土地利用结构也不断变化。因此，土地利用格局与植被变化之间的关系也愈发重要。植被退化区域集中分布在珠江三角洲城市密集地区，这与工业化以及城市化过程中土地利用类型的转变有关。研究土地利用类型变化对流域内城市植被覆盖度的驱动机制也是以后的研究方向，有待进一步研究完善。

4.2 结论

a)2000—2015年，珠江流域NDVI呈现阶段性增长趋势，增速为0.005 3/a。中高植被覆盖区和高植被覆盖区二者在时空变化上存在互补对应性，在低、中低、中植被覆盖度基本不变的情况下减少的中高植被覆盖度极大地转变为增加的高植被覆盖度，生态环境得到了有效改善。

b)夜间灯光强度以及土地利用类型变化所反映的地区人类活动是影响珠江流域植被变化最主要的因子。经济社会因子对NDVI的解释力远大于各自然因子，夜间灯光强度因子解释力超过45%，土地利用类型因子解释力达到30%以上。地貌类型是影响流域植被NDVI空间分布的主要自然因素。年均温、年均降水量、坡度和坡向的单个因素解释力影响很小。NDVI和气候因素的年际变化相关性很弱，同时流域植被覆盖变化对不同气候因素的响应存在时间和空间上的差异。

c)根据风险因子探测分析各自然因子促进植被生长的适宜范围或类型。地貌类型在中起伏至极大起伏山地地貌类型，植被覆盖最好。土壤类型中铁铝土最适合珠江流域植被生长，其中，红壤、黄壤、赤红壤、砖红壤等类型，植被NDVI均值最高值0.847。东北坡以及坡度在6～15°，植被覆盖最好，适合植被生长。

d)自然因子与经济社会因子的交互主要为双因子增强；在非线性增强交互作用中，主要为自然因子之间的交互。自然因素和经济社会因素的共同作用对植被NDVI空间分布影响更大，夜间灯光强度与地貌类型的双因子增强作用对q值的贡献达到了58.9%。两因子之间交互作用不是简单的叠加关系，而是相互增强或非线性增强关系，不存在独立关系。