熊小菊 廖春貴 陳月連

摘要：以人類活動(dòng)強(qiáng)烈和生態(tài)脆弱的北部灣經(jīng)濟(jì)區(qū)為研究對(duì)象，結(jié)合遙感生態(tài)數(shù)據(jù)、社會(huì)經(jīng)濟(jì)數(shù)據(jù)，運(yùn)用地理探測(cè)器來(lái)定量評(píng)價(jià)地理因子對(duì)植被覆蓋變化的影響。研究表明，北部灣經(jīng)濟(jì)區(qū)植被覆蓋從東往西呈高-低-高分布，歸一化植被指數(shù)（normalized difference vegetation index，NDVI）隨緯度的增加呈波動(dòng)上升趨勢(shì);各地級(jí)市的植被覆蓋波動(dòng)差異明顯，以波動(dòng)較小為主;植被覆蓋改善的面積大于退化的面積，植被逐步得到改善;植被覆蓋變化的主要驅(qū)動(dòng)因子按貢獻(xiàn)率大小排列依次為降水、土壤類型、植被類型、人均GDP、坡度。

關(guān)鍵詞：植被覆蓋;地理探測(cè)器：定量分析;交互作用;北部灣經(jīng)濟(jì)區(qū);歸一化植被指數(shù)

中圖分類號(hào)： Q948.2;S181 ?文獻(xiàn)標(biāo)志碼： A ?文章編號(hào)：1002-1302（2019）07-0268-05

隨著全球氣候變暖、人類活動(dòng)的加劇，地表植被遭到了不同程度的破壞[1]。植被是自然生態(tài)環(huán)境的重要組成部分，不僅給人類提供了豐富的木材產(chǎn)品，在調(diào)節(jié)大氣穩(wěn)定、水土保持方面也發(fā)揮著重要的作用[2-3]。隨著遙感技術(shù)的發(fā)展，人們可以長(zhǎng)時(shí)間、大范圍監(jiān)測(cè)植被的變化，歸一化植被指數(shù)（normalized difference vegetation index，NDVI）就是其中一種有效的監(jiān)測(cè)指標(biāo)，歸一化植被指數(shù)被廣泛應(yīng)用于植被覆蓋變化的監(jiān)測(cè)[4-5]。學(xué)者對(duì)植被覆蓋做了不少研究，郭夢(mèng)媚等利用歸一化植被指數(shù)對(duì)江西省植被覆蓋變化進(jìn)行分析，結(jié)果表明江西省植被覆蓋呈增加趨勢(shì)[6];李巖等對(duì)西烏珠穆沁旗的植被覆蓋特征進(jìn)行研究，結(jié)果表明不同地貌的植被覆蓋差異較大，其中低山丘陵的較低[7];方利等對(duì)黑龍江歸省一化植被指數(shù)與氣溫、降水的相關(guān)性進(jìn)行研究，結(jié)果表明各區(qū)域歸一化植被指數(shù)對(duì)氣候因子的響應(yīng)差異較大[8];王志鵬等對(duì)青藏高原草地NDVI與降水的相關(guān)性進(jìn)行分析，結(jié)果顯示高寒荒漠NDVI受降水影響較大[9];徐靜文等對(duì)漢江植被覆蓋與地貌因子的關(guān)系進(jìn)行研究，結(jié)果表明平原、臺(tái)地等NDVI呈上升趨勢(shì)，各地貌類型的植被覆蓋變化差異顯著[10]。目前對(duì)植被覆蓋的研究主要集中于時(shí)空變化規(guī)律及其與氣候、地貌、地質(zhì)等自然因子的簡(jiǎn)單相關(guān)性分析，缺乏對(duì)人文地理因子與植被覆蓋關(guān)系的定量研究。地理探測(cè)器是探測(cè)空間分異性的方法，能有效揭示其背后的影響因子，能定量評(píng)價(jià)地理因子對(duì)植被覆蓋變化的貢獻(xiàn)率以及地理因子之間的交互作用，因此可用于植被覆蓋影響因子的探測(cè)分析[11-12]。

2008年北部灣經(jīng)濟(jì)區(qū)成立后，大批工廠入駐，當(dāng)?shù)氐纳鷳B(tài)環(huán)境發(fā)生了較大的變化[13-14]。對(duì)北部灣經(jīng)濟(jì)區(qū)植被覆蓋的監(jiān)測(cè)，能有效地反映其生態(tài)環(huán)境質(zhì)量的變化[15]。運(yùn)用地理探測(cè)器模型對(duì)北部灣經(jīng)濟(jì)區(qū)植被覆蓋的驅(qū)動(dòng)因子進(jìn)行研究，有助于揭示影響植被覆蓋變化的主要驅(qū)動(dòng)因子，為北部灣經(jīng)濟(jì)區(qū)生態(tài)環(huán)境質(zhì)量保護(hù)及開(kāi)發(fā)提供參考。

1 材料與方法

1.1 數(shù)據(jù)來(lái)源

本研究根據(jù)文獻(xiàn)[16-17]的研究成果以及北部灣經(jīng)濟(jì)區(qū)的實(shí)際情況，選擇降水、土壤類型、植被類型、坡度、氣溫、坡向、海拔高程等7個(gè)自然地理因素以及地區(qū)生產(chǎn)總值（GDP）、人均GDP、人口密度、農(nóng)村居民人均純收入、城鎮(zhèn)居民人均可支配收入、糧食總產(chǎn)量、居民生活用電量、耕地面積等8個(gè)人文地理因素對(duì)植被覆蓋的影響進(jìn)行探測(cè)分析。其中歸一化植被指數(shù)（NDVI）數(shù)據(jù)集來(lái)自美國(guó)國(guó)家航空天局，空間分辨率為250 m×250 m;海拔高程數(shù)據(jù)來(lái)自地理空間數(shù)據(jù)云網(wǎng)站（http：//www.gscloud.cn），空間分辨率為90 m×90 m;氣溫降水?dāng)?shù)據(jù)來(lái)自中國(guó)地面氣候資料日值數(shù)據(jù)集;地區(qū)生產(chǎn)總值、人口數(shù)量、農(nóng)村居民人均純收入、城鎮(zhèn)居民人均可支配收入、糧食總產(chǎn)量、耕地面積等人文因子數(shù)據(jù)來(lái)源于廣西壯族自治區(qū)統(tǒng)計(jì)信息網(wǎng)站（http：//www.gxtj.gov.cn）。

1.2 一元線性回歸法

1.4 地理探測(cè)器

地理探測(cè)器是探測(cè)空間分異的有效工具，是一種運(yùn)算速度快、數(shù)據(jù)要求低、精確度高的空間分析模型，被廣泛應(yīng)用于植被覆蓋變化、土地利用、環(huán)境污染等方面。地理探測(cè)器主要由交互作用探測(cè)、因子探測(cè)、風(fēng)險(xiǎn)探測(cè)和生態(tài)探測(cè)等4個(gè)模塊組成。地理探測(cè)器原理、使用步驟、應(yīng)用案例、結(jié)果分析等詳見(jiàn)文獻(xiàn)[11-12]。

本研究從自然和人文2個(gè)方面，結(jié)合北部灣經(jīng)濟(jì)區(qū)的實(shí)際情況，選擇15個(gè)地理因子對(duì)植被覆蓋的變化進(jìn)行探測(cè)，主要運(yùn)用地理探測(cè)器的交互作用探測(cè)和因子探測(cè)模塊。用因子探測(cè)模塊分別計(jì)算出自然地理因子、人文對(duì)植被覆蓋變化的相對(duì)重要性，交互作用模塊主要是探測(cè)自然因子、人文因子對(duì)植被覆蓋的交互影響。首先在ArGIS 10.2軟件中將地理因子數(shù)據(jù)進(jìn)行分類，利用工具生成1 km×1 km的網(wǎng)格圖，根據(jù)網(wǎng)格圖的中心點(diǎn)提取NDVI及其對(duì)應(yīng)的地理因子數(shù)據(jù)，然后在地理探測(cè)器模型中，以NDVI為Y變量，地理因子數(shù)據(jù)為X變量進(jìn)行探測(cè)。

2 結(jié)果與分析

2.1 植被覆蓋隨經(jīng)度、緯度變化

不同經(jīng)緯度地區(qū)的氣溫、降水以及植被類型各不相同，研究植被覆蓋在緯向、經(jīng)向的變化規(guī)律具有重大的意義。由圖1可知，北部灣經(jīng)濟(jì)區(qū)不同經(jīng)度區(qū)域的植被覆蓋差異明顯。在106.5°～109.1°E區(qū)域的NDVI平均值隨經(jīng)度的增加而顯著下降;在109.2°～110.5°E區(qū)域的NDVI平均值隨經(jīng)度的增加而波動(dòng)上升。研究區(qū)東、西部NDVI平均值較大，中部NDVI平均值較小，NDVI平均值從東往西呈現(xiàn)高—低—高的分布趨勢(shì)。整體上，研究區(qū)NDVI值與經(jīng)度呈負(fù)相關(guān)關(guān)系，與田義超等的研究結(jié)果[19]基本一致。

分析研究區(qū)不同緯度區(qū)域的植被覆蓋，有利于理清兩者之間的復(fù)雜關(guān)系。由圖2可知，2007—2016年研究區(qū)NDVI平均值隨緯度的增加而波動(dòng)上升。緯度低于21.4°N區(qū)域的NDVI平均值在0.7以下，主要是這些區(qū)域多為濱海平原，地勢(shì)平坦，交通便利，人類活動(dòng)強(qiáng)烈，植被覆蓋較低。研究表明，不同緯度區(qū)域植被覆蓋差異明顯，整體上NDVI平均值與緯度呈正相關(guān)關(guān)系，與田義超等的研究結(jié)果[19]基本一致。

2.2 植被覆蓋波動(dòng)分析

基于像元尺度計(jì)算北部灣經(jīng)濟(jì)區(qū)NDVI的標(biāo)準(zhǔn)差。根據(jù)文獻(xiàn)[19]將植被覆蓋波動(dòng)變化劃分為波動(dòng)大、波動(dòng)較大、波動(dòng)小、波動(dòng)較小、波動(dòng)一般等5個(gè)級(jí)別。北部灣經(jīng)濟(jì)區(qū)各區(qū)域NDVI標(biāo)準(zhǔn)差的空間分布差異比較明顯，NDVI標(biāo)準(zhǔn)差在 0.006～0.106之間。由圖3可知，北部灣經(jīng)濟(jì)區(qū)植被覆蓋波動(dòng)大的面積有1 617 km2，占總面積的2.22%;植被覆蓋波動(dòng)較大的面積有6 315 km2，占總面積的8.68%;植被覆蓋波動(dòng)一般的面積為21 250 km2，占總面積的29.22%;植被覆蓋波動(dòng)較小的面積為27 402 km2，占總面積的37.67%;植被覆蓋波動(dòng)小的面積為16 155 km2，占總面積的22.21%。由此可知，研究區(qū)大部分區(qū)域的植被覆蓋波動(dòng)變化幅度不大，以波動(dòng)較小為主。

對(duì)研究區(qū)各地級(jí)市植被覆蓋波動(dòng)進(jìn)行分析，由圖3可知，地級(jí)市的植被覆蓋波動(dòng)情況各不相同。植被覆蓋波動(dòng)較小在防城港、欽州、玉林、崇左、南寧占的比重最大，分別占區(qū)域面積的42.45%、38.51%、36.47%、37.13%、37.54%，其中防城港的最高。植被覆蓋波動(dòng)一般在北海、防城港、欽州、玉林、崇左、南寧占的比重較大，分別占區(qū)域面積的36.32%、35.80%、35.68%、30.36%、28.48%、23.00%，其中北海的最高。植被覆蓋波動(dòng)大、波動(dòng)較大在各地級(jí)市占的比例不大。植被覆蓋波動(dòng)小在玉林、崇左、南寧占的比重較大，而在北海、防城港占的比重較小，空間分布差異明顯。

2.3 植被覆蓋變化趨勢(shì)

由表1可知，北部灣經(jīng)濟(jì)區(qū)植被覆蓋輕微改善的面積最多，為18 759.5 km2;重度退化的面積最少，僅有3 797 km2。對(duì)研究區(qū)植被覆蓋退化情況進(jìn)行分析，植被覆蓋退化的面積有 22 731.1 km2，占研究區(qū)面積的31.25%，其中重度退化、中度退化、輕微退化的面積分別占總退化面積的16.7%、29.6%、53.7%。植被覆蓋輕度退化面積占的比重較大，主要分布在西南部和東南部，如龍州、憑祥等;植被覆蓋中度退化面積占的比重較小， 零星分布在研究區(qū)的西北部，如江州、扶綏等;植被覆蓋重度退化面積占的比重最小，呈斑塊狀分布在研究區(qū)的南部沿海地區(qū)，如鐵山港、東興等。研究區(qū)植被覆蓋退化呈東、西部較嚴(yán)峻，中部地區(qū)較輕的趨勢(shì)。

對(duì)研究區(qū)植被覆蓋改善情況進(jìn)行分析，植被覆蓋得到改善的面積有39 832.1 km2，占研究區(qū)面積的54.76%，其中輕微改善、中度改善、明顯改善的面積分別占總改善面積的47.1%、37.4%、15.5%。植被覆蓋輕微改善面積占的比重最大，大面積分布在北部灣經(jīng)濟(jì)區(qū)的西北和中部，如天等、上思;植被覆蓋中度改善面積占的比重較大，明顯改善面積占的比重較小，植被覆蓋中度改善和明顯改善的區(qū)域具有較高的重疊性，主要分布在研究區(qū)的中部，如邕寧、良慶等。研究區(qū)中部植被覆蓋改善比較顯著。對(duì)比植被覆蓋改善和退化情況可知，北部灣經(jīng)濟(jì)區(qū)植被覆蓋改善的面積大于退化的面積，2007—2016年植被逐步得到改善。

在ArcGIS 10.2軟件中利用表面分析工具，從海拔高程數(shù)據(jù)集中提取研究區(qū)的坡度，根據(jù)坡度值的大小劃分為4類。由圖4可知，不同坡度區(qū)域的植被覆蓋變化趨勢(shì)差異明顯，各坡度植被覆蓋改善的比例均大于退化的，各坡度植被覆蓋得到改善的比例均高于49%，其中坡度在>15°～25°區(qū)域的最大，為59.6%。植被覆蓋重度退化、明顯改善、中度退化、輕微退化在坡度≤2°中占的比例最大，分別占8.41%、9.12%、12.06%、17.56%;植被覆蓋輕微改善在>15°～25°區(qū)域中占的比例最大，為31.71%。研究表明，不同坡度的植被覆蓋變化趨勢(shì)各不相同。

2.4 植被覆蓋變化地理因子的探究

2.4.1 地理因子的貢獻(xiàn)率 植被分布受氣溫、降水、社會(huì)經(jīng)濟(jì)等多種因素的影響[20-22]，對(duì)影響植被覆蓋的自然地理因子、人文地理因子進(jìn)行探測(cè)，有助于揭示影響植被覆蓋變化的主要因子。在ArcGIS 10.2中利用工具提取相應(yīng)點(diǎn)的NDVI、自然地理因子數(shù)據(jù)以及人文地理因子數(shù)據(jù)，利用地理探測(cè)器進(jìn)行運(yùn)算，得到NDVI與地理因子之間的貢獻(xiàn)率，確定地理因子對(duì)植被覆蓋變化的相對(duì)重要性。研究表明，自然地理因子影響NDVI變化的貢獻(xiàn)率從大到小排序?yàn)榻邓?8.02%）、土壤類型（18.75%）、植被類型（15.24%）、坡度（10.79%）、氣溫（1.86%）、坡向（0.55%）、海拔高程（0.19%）。從自然地理因子對(duì)NDVI的貢獻(xiàn)率來(lái)看，降水的貢獻(xiàn)率最大，且降水、植被類型、土壤類型和坡度的影響力較高，都在10%以上，是影響研究區(qū)植被覆蓋變化的主要自然因子。而氣溫、坡向、海拔高程對(duì)植被覆蓋變化的影響較低，不足2%。因此，降水、植被類型、土壤類型和坡度等4個(gè)因子可作為探測(cè)研究區(qū)植被覆蓋變化的主要自然地理因子。

分析人口密度、地區(qū)生產(chǎn)總值、耕地面積等人文因子對(duì)植被覆蓋變化的相對(duì)重要性。研究表明，人文因子對(duì)NDVI變化的貢獻(xiàn)率從大到小排序?yàn)槿司鵊DP（12.49%）、GDP（8.29%）、人口密度（7.86%）、農(nóng)村居民人均純收入（5.02%）、城鎮(zhèn)居民人均可支配收入（4.49%）、糧食總產(chǎn)量（3.04%）、居民生活用電量（2.66%）、耕地面積（2.39%）。從人文因子對(duì)NDVI的影響程度來(lái)看，人均GDP的貢獻(xiàn)率最大，影響力在10%以上，是影響植被覆蓋變化的主要人文因素;其次是GDP、人口密度、農(nóng)村居民人均純收入等影響力都在5%以上，而城鎮(zhèn)居民人均可支配收入、糧食總產(chǎn)量、居民生活用電量、耕地面積對(duì)植被覆蓋變化的貢獻(xiàn)率較小。

植被覆蓋變化是自然和人文因子綜合作用的結(jié)果，運(yùn)用地理探測(cè)器求出2007—2016年研究區(qū)植被覆蓋變化地理因子的貢獻(xiàn)率，結(jié)果表明，降水、土壤類型、植被類型、人均GDP、坡度等5個(gè)因子對(duì)植被覆蓋的變化具有較大的貢獻(xiàn)率，而GDP、人口密度、農(nóng)村居民人均純收入、城鎮(zhèn)居民人均可支配收入、糧食總產(chǎn)量、居民生活用電量、耕地面積、氣溫、坡向、海拔高程等10個(gè)地理因子對(duì)植被覆蓋變化的貢獻(xiàn)率較小。

2.4.2 自然因子對(duì)植被覆蓋的交互影響 在地理探測(cè)器中，選擇交互作用模塊對(duì)自然因子進(jìn)行交互探測(cè)，識(shí)別不用自然影響因子之間的交互關(guān)系。由表2可知，2007—2016年各自然影響因子對(duì)植被覆蓋變化的交互作用大部分具有較強(qiáng)的雙協(xié)同作用，其中解釋力較大的自然因子從大到小依次為植被類型∩降水（32.20%）、坡度∩降水（31.61%）、降水∩土壤類型（30.29%）、氣溫∩降水（29.78%）、海拔高程∩降水（28.37%）、降水∩坡向（28.22%）、植被類型∩土壤類型（25.28%）、坡度∩土壤類型（23.43%）、植被類型∩坡度（22.8%）。海拔高程與氣溫、植被類型、坡度、降水、坡向的交互為非線性協(xié)同作用，說(shuō)明海拔高程增強(qiáng)了氣溫、植被類型、坡度、降水、坡向?qū)χ脖桓采w的影響，同時(shí)氣溫與坡度、坡向也為非線性協(xié)同作用，說(shuō)明氣溫增強(qiáng)了坡度和坡向?qū)χ脖桓采w的影響。因此，海拔高程和氣溫可作為輔助自然因子應(yīng)用于植被覆蓋監(jiān)測(cè)，研究結(jié)果與龐靜的結(jié)論[17]基本一致。

2.4.3 人文因子對(duì)植被覆蓋的交互影響 對(duì)影響研究區(qū)植被覆蓋的人文因子進(jìn)行交互作用探測(cè)。由表3可知，人文影響因子對(duì)植被覆蓋變化的交互作用呈現(xiàn)雙協(xié)同作用、非線性協(xié)同作用并存，其中解釋力較大的人文因子從大到小依次為居民生活用電量∩人均GDP（14.83%）和人均GDP∩城鎮(zhèn)居民人均可支配收入（14.83%）、人均GDP∩糧食總產(chǎn)量（14.49%）、耕地面積∩人均GDP（14.33%）、人均GDP∩農(nóng)村居民人均純收入（14.25%）、GDP∩人均GDP（13.11%）、人口密度∩人均GDP（13.10%）、人口密度∩糧食總產(chǎn)量（13.04%）。對(duì)植被覆蓋影響力較小的人口密度與耕地面積、糧食總產(chǎn)量的交互探測(cè)表現(xiàn)為非線性協(xié)同作用，說(shuō)明人口密度增強(qiáng)了耕地面積、糧食總產(chǎn)量對(duì)植被覆蓋的影響。研究表明，人文因子之間的相互疊加增強(qiáng)了單一因子對(duì)植被覆蓋的影響。

2.4.4 自然與人文因子對(duì)植被覆蓋的交互影響 對(duì)自然因子與人文因子之間的交互作用進(jìn)行探測(cè)，有利于揭示植被覆蓋變化的驅(qū)動(dòng)機(jī)制。選擇貢獻(xiàn)率大于10%的主要影響因子，用地理探測(cè)器的交互探測(cè)模塊，探測(cè)主要地理因子之間的交互作用。由表4可知，地理因子影響NDVI變化的貢獻(xiàn)率從大到小排序?yàn)榻邓?8.02%）、土壤類型（18.75%）、植被類型（15.24%）、人均GDP（12.49%）、坡度（10.79%）。地理因子對(duì)植被覆蓋的交互探測(cè)中，解釋力較大的影響因子從大到小依次為降水∩人均GDP（34.33%）、降水∩植被類型（32.2%）、降水∩坡度（31.61%）、土壤類型∩降水（30.29%），各影響因子之間的交互作用均在30%以上。自然因子與人文因子之間的交互均為雙協(xié)同作用，說(shuō)明多因子的疊加比單一因子對(duì)植被覆蓋的影響更大，植被覆蓋分布及變化受到自然因子和人文因子的共同影響。

3 結(jié)論與討論

北部灣經(jīng)濟(jì)區(qū)不同經(jīng)度、緯度植被覆蓋差異明顯，東、西部NDVI較大，中部NDVI較小，NDVI從東往西呈高- 低-高的分布。整體上，研究區(qū)NDVI隨經(jīng)度的增大而減小，隨緯度的增大而增大。NDVI標(biāo)準(zhǔn)差在0.006～0.106 之間，大部分區(qū)域的植被覆蓋波動(dòng)變化幅度不大，以波動(dòng)較小為主。植被覆蓋得到改善的面積大于退化的面積，植被覆蓋逐步改善。

北部灣經(jīng)濟(jì)區(qū)植被覆蓋變化的主要地理影響因子有降水、土壤類型、植被類型、人均GDP、坡度。自然因子對(duì)植被覆蓋變化的交互作用大部分具有較強(qiáng)的雙協(xié)同作用，海拔高程與氣溫、植被類型、坡度、降水、坡向的交互作用為非線性協(xié)同作用，海拔高程增強(qiáng)了氣溫、植被類型、坡度、降水、坡向?qū)χ脖桓采w的影響。自然因子與人文因子之間的交互均為雙協(xié)同作用，多因子的疊加比單一因子對(duì)植被覆蓋的影響更大，植被覆蓋分布及變化受到自然因子和人文因子的共同影響。

致謝：對(duì)廣西師范學(xué)院汪洋、劉警鑒在數(shù)據(jù)處理方面給予的幫助，深表謝意！

參考文獻(xiàn)：

[1]Cai B F，Yu R. Advance and evaluation in the long time series vegetation trends research based on remote sensing[J]. Journal of Remote Sensing，2009，13（6）：1170-1186.

[2]石悅樾，銀正彤，鄭文鋒. 基于GLDAS和MODIS的烏江流域植被與地表水變化關(guān)系研究[J]. 江蘇農(nóng)業(yè)科學(xué)，2017，45（12）：192-198.

[3]廖春貴，熊小菊，胡寶清，等. 北部灣經(jīng)濟(jì)區(qū)植被覆蓋變化特征及驅(qū)動(dòng)因素[J]. 科學(xué)技術(shù)與工程，2018，18（19）：20-25.

[4]王志國(guó)，尚士友，喬秀蕓，等. 內(nèi)蒙古典型草原植被蓋度與植物生長(zhǎng)高度的相關(guān)性研究[J]. 江蘇農(nóng)業(yè)科學(xué)，2014，42（11）：361-363.

[5]廖春貴，胡寶清，熊小菊，等. 廣西植被時(shí)空變化及其對(duì)氣候響應(yīng)[J]. 森林與環(huán)境學(xué)報(bào)，2018，38（2）：178-184.

[6]郭夢(mèng)媚，郭勝利，周佳雯，等. 江西省植被NDVI變化及其對(duì)氣候變化的響應(yīng)[J]. 江蘇農(nóng)業(yè)科學(xué)，2015，43（11）：421-426.

[7]李 巖，尚士友，王曉娟，等. 西烏珠穆沁典型草原植被蓋度空間異質(zhì)性研究[J]. 江蘇農(nóng)業(yè)科學(xué)，2017，45（22）：283-288.

[8]方 利，王文杰，蔣衛(wèi)國(guó)，等. 2000—2014年黑龍江流域（中國(guó)）植被覆蓋時(shí)空變化及其對(duì)氣候變化的響應(yīng)[J]. 地理科學(xué)，2017，37（11）：1745-1754.

[9]王志鵬，張憲洲，何永濤，等. 2000—2015年青藏高原草地歸一化植被指數(shù)對(duì)降水變化的響應(yīng)[J]. 應(yīng)用生態(tài)學(xué)報(bào)，2018，29（1）：75-83.

[10]徐靜文，肖 飛，廖 煒，等. 基于MODIS NDVI漢江中游植被時(shí)空變化及其地貌分異分析[J]. 長(zhǎng)江流域資源與環(huán)境，2017，26（11）：1895-1901.

[11]王勁峰，徐成東. 地理探測(cè)器：原理與展望[J]. 地理科學(xué)，2017，72（1）：116-134.

[12]劉吉平，馬長(zhǎng)迪，劉 雁，等. 基于地理探測(cè)器的沼澤濕地變化驅(qū)動(dòng)因子定量分析——以小三江平原為例[J]. 東北師大學(xué)報(bào)（自然科學(xué)版），2017，49（2）：127-135.

[13]熊小菊，廖春貴，胡寶清. 廣西海岸帶旅游資源同質(zhì)化問(wèn)題研究[J]. 農(nóng)村經(jīng)濟(jì)與科技，2018，29（9）：103-105.

[14]熊小菊，廖春貴，胡寶清. 廣西防城港市旅游資源開(kāi)發(fā)研究[J]. 現(xiàn)代園藝，2018（6）：20-21.

[15]廖春貴，熊小菊，陳依蘭，等. 北部灣經(jīng)濟(jì)區(qū)社會(huì)——生態(tài)系統(tǒng)耦合關(guān)聯(lián)分析[J]. 大眾科技，2018，20（1）：13-15，21.

[16]李俊剛，閆慶武，熊集兵，等. 貴州省煤礦區(qū)植被指數(shù)變化及其影響因子分析[J]. 生態(tài)與農(nóng)村環(huán)境學(xué)報(bào)，2016，32（3）：374-378.

[17]龐 靜. 基于地理探測(cè)器模型的自然和人為因素對(duì)植被變化的影響[D]. 太原：山西大學(xué)，2016.

[18]廖春貴，熊小菊，胡寶清，等. 廣西不同巖性植被覆蓋變化及對(duì)人類活動(dòng)的響應(yīng)[J]. 生態(tài)經(jīng)濟(jì)，2018，34（6）：168-173.

[19]田義超，梁銘忠. 基于SPOT-VEGETATION的北部灣經(jīng)濟(jì)區(qū)植被變化特征[J]. 農(nóng)業(yè)現(xiàn)代化研究，2014，35（4）：465-471.

[20]熊小菊，廖春貴，胡寶清. 基于遙感數(shù)據(jù)的廣西植被變化特征分析[J]. 科學(xué)技術(shù)與工程，2018，18（11）：123-128.

[21]逯 穎，王 濤，田 陽(yáng). 秦嶺山地森林植被變化及對(duì)氣候響應(yīng)的地形影響[J]. 江蘇農(nóng)業(yè)科學(xué)，2018，46（1）：214-218.

[22]李 晗，周艷蓮，居為民，等. 植被指數(shù)對(duì)藏北高寒草甸干旱的敏感性分析[J]. 江蘇農(nóng)業(yè)科學(xué)，2018，46（1）：219-224.周曉倫，萬(wàn)建新，王衛(wèi)衛(wèi)，等. 一株提高植物幼苗耐受Cr6+細(xì)菌（Exiguobacterium sp.S2）的分離與鑒定[J]. 江蘇農(nóng)業(yè)科學(xué)，2019，47（7）：273-277.