李 霞，張國(guó)壯,，陳永昊，陳 喆

農(nóng)牧交錯(cuò)帶遼河流域2010—2019年植被覆蓋變化及驅(qū)動(dòng)因素分析

李 霞1，張國(guó)壯1,2，陳永昊2，陳 喆3

（1. 長(zhǎng)安大學(xué)土地工程學(xué)院，西安，710054；2. 長(zhǎng)安大學(xué)地球科學(xué)與資源學(xué)院，西安，710054；3. 國(guó)家林業(yè)和草原局西北調(diào)查規(guī)劃院，西安，710048）

農(nóng)牧交錯(cuò)帶是中國(guó)北方重要的生態(tài)屏障，厘清其內(nèi)部植被變化特征及驅(qū)動(dòng)機(jī)理對(duì)區(qū)域生態(tài)建設(shè)和環(huán)境保護(hù)具有重要戰(zhàn)略意義。雖然一些學(xué)者對(duì)遼河流域植被變化的特點(diǎn)和影響因素進(jìn)行了研究，但植被變化是一個(gè)復(fù)雜的過程，部分研究只考慮了單因素對(duì)流域內(nèi)植被變化的影響，而沒有充分探討因素之間交互作用對(duì)植被的復(fù)雜影響。該研究基于MOD1S NDVI數(shù)據(jù)，采用因子回歸和因子交互相結(jié)合的方法，從區(qū)域和整體角度分析了2010—2019年自然和社會(huì)經(jīng)濟(jì)因素對(duì)遼河流域植被覆蓋度（Fractional Vegetation Cover，F(xiàn)VC）變化的影響。研究結(jié)果表明：1）2010—2019年遼河流域FVC整體呈上升趨勢(shì)，10年平均FVC值為0.68，植被覆蓋水平整體較高。植被覆蓋度上升趨勢(shì)從大到小依次為牧區(qū)、農(nóng)區(qū)、半牧區(qū)。2）自然因素對(duì)全流域植被變化的解釋力大于人為因素，其中降水的解釋力最為顯著。同時(shí)，植被變化和降水變化存在明顯的同步性，此趨勢(shì)在牧區(qū)最為顯著。3）多數(shù)因子對(duì)植被覆蓋變化的影響呈現(xiàn)出相互促進(jìn)和非線性增強(qiáng)的特點(diǎn)，不存在完全獨(dú)立因子。對(duì)整個(gè)流域影響最大的三組交互作用因素是降水∩溫度、降水∩高程、降水∩風(fēng)速。在牧區(qū)和半牧區(qū)，自然因素的交互作用對(duì)植被變化起主導(dǎo)作用，而在農(nóng)區(qū)則是自然和人類活動(dòng)共同作用，顯著影響了植被變化。4）降水梯度影響了遼河流域植被覆蓋空間異質(zhì)性的解釋程度。隨著降水的增加，其他環(huán)境因子與FVC的擬合效果越來越好。農(nóng)牧交錯(cuò)帶植被空間覆蓋異質(zhì)性顯著，受自然和人類活動(dòng)多種因子交互作用，自然因子強(qiáng)于人類活動(dòng)，降水在全流域及各分區(qū)植被變化中起到了關(guān)鍵作用。該區(qū)域植被保護(hù)應(yīng)因地制宜，分類施策，以自然恢復(fù)為主，降低人為擾動(dòng)，輔以合理生態(tài)工程建設(shè)。

植被覆蓋；時(shí)空變化；驅(qū)動(dòng)機(jī)制；遼河流域；農(nóng)牧區(qū)

0 引 言

植被作為陸地生態(tài)系統(tǒng)的重要組成部分，是有機(jī)質(zhì)的生產(chǎn)者和能量傳輸?shù)妮d體，同時(shí)也是連接土壤、大氣和水的紐帶[1]。植被變化作為環(huán)境變化的敏感指標(biāo)，可以直接反映生態(tài)環(huán)境狀況，進(jìn)而為生態(tài)環(huán)境建設(shè)和保護(hù)提供可靠信息[2]。

近年來，隨著生態(tài)問題的日益嚴(yán)重，人們愈發(fā)重視對(duì)生態(tài)環(huán)境的監(jiān)測(cè)，遙感技術(shù)的快速發(fā)展使其逐漸成為生態(tài)環(huán)境監(jiān)測(cè)的有效手段。在從遙感數(shù)據(jù)提取的各種植被指數(shù)中，歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）以其明確的物理意義和簡(jiǎn)單的反演算法被廣泛應(yīng)用于植被動(dòng)態(tài)研究[3-5]。許多學(xué)者利用NDVI數(shù)據(jù)集對(duì)全球和區(qū)域尺度的植被變化進(jìn)行了卓有成效的研究[6-7]。

在全球?qū)用嫔?，?0世紀(jì)80年代以來，全球植被覆蓋率有所增加，這主要?dú)w因于氣候條件的改善和二氧化碳濃度的升高[8]。在區(qū)域尺度上，不同地域的植被分布及變化趨勢(shì)各不相同，具有明顯的空間異質(zhì)性，且與多種因素相關(guān)[9-10]。因此，理解植被變化驅(qū)動(dòng)因素的多樣性及其相互作用是植被變化機(jī)制研究的關(guān)鍵。已有研究表明，自然和人為因素，如溫度、降水、土壤類型、土地利用等均會(huì)對(duì)植被變化產(chǎn)生影響[11-12]。同時(shí)由于環(huán)境和社會(huì)經(jīng)濟(jì)發(fā)展的區(qū)域差異，植被對(duì)環(huán)境和社會(huì)經(jīng)濟(jì)發(fā)展的響應(yīng)在不同地區(qū)也有所不同，這意味著植被變化的驅(qū)動(dòng)因素也具有空間異質(zhì)性。例如，干旱和半干旱地區(qū)的植被分布特征和驅(qū)動(dòng)因素與濕潤(rùn)和半濕潤(rùn)地區(qū)有所差別[13]，山地、平原和荒漠地區(qū)的植被分布特征和影響因素也存在較大差異[14-15]。因此，探索植被覆蓋在區(qū)域尺度上的分布特征和驅(qū)動(dòng)因素，對(duì)于當(dāng)?shù)亻_展生態(tài)保護(hù)和修復(fù)工程具有重要意義。

遼河流域位于中國(guó)東北地區(qū)，是典型的季風(fēng)氣候和大陸性氣候的過渡地帶，同時(shí)也是中國(guó)農(nóng)耕活動(dòng)和畜牧活動(dòng)的交錯(cuò)區(qū)域，該區(qū)域自古以來就是中國(guó)北方重要的生態(tài)屏障。近年來，伴隨著急劇的氣候變化和越來越多的人為干擾，遼河流域的植被狀況一直在發(fā)生變化。一些學(xué)者也對(duì)該區(qū)域的植被變化和影響因素展開了研究[16-17]。例如，趙子娟等利用一元線性回歸和皮爾遜相關(guān)系數(shù)分析了西遼河流域2000—2018年植被覆蓋時(shí)空變化趨勢(shì)及其影響因素，結(jié)果表明水熱條件是影響流域植被覆蓋變化的主導(dǎo)因素[18]。李一鳴等研究顯示，溫度是影響遼河流域年際植被覆蓋度變化的主導(dǎo)因子，年內(nèi)植被覆蓋度變化則對(duì)降水的響應(yīng)更加明顯[19]。但是目前的研究多集中于對(duì)流域整體植被變化的研究，而忽略了其作為中國(guó)農(nóng)區(qū)與牧區(qū)的交錯(cuò)區(qū)域，內(nèi)部（農(nóng)區(qū)和牧區(qū)、半牧區(qū)）植被覆蓋變化及其影響因子具有明顯的空間異質(zhì)性。因此，精確地了解流域內(nèi)各分區(qū)植被覆蓋變化特征及其驅(qū)動(dòng)機(jī)制是制定有效的區(qū)域植被保護(hù)政策的先決條件和依據(jù)。

目前一些學(xué)者通過設(shè)置多種情景模式，選用殘差趨勢(shì)和相關(guān)分析來區(qū)分氣候變化及人類活動(dòng)對(duì)區(qū)域植被的單因素及多因素的影響。例如，崔利芳等應(yīng)用殘差和回歸分析方法，研究了1982—2015年長(zhǎng)江流域植被變化及其與氣候和人為因素的關(guān)系[20]。畢馨予等基于偏相關(guān)和回歸分析方法，研究了1998—2013年遼寧省植被變化對(duì)氣候變化的響應(yīng)[21]。然而，以往研究大多將自然因素和人為因素視為獨(dú)立的因素，而未考慮它們對(duì)植被變化的交互作用。此外，傳統(tǒng)的相關(guān)分析和回歸分析工具都假設(shè)植被變化與其驅(qū)動(dòng)因子之間存在一定線性關(guān)系。然而，由于自然和人為因素之間存在復(fù)雜的相互作用，這種作用可能增強(qiáng)或削弱各因子對(duì)植被覆蓋變化的影響，從而改變它們與植被變化之間的關(guān)系，這導(dǎo)致基于線性假設(shè)的植被覆蓋變化驅(qū)動(dòng)力分析可能存在一定的偏差。相較于傳統(tǒng)的回歸分析而言，地理探測(cè)器（Geo-Detector）是一種用于探測(cè)地理現(xiàn)象的空間異質(zhì)性和驅(qū)動(dòng)機(jī)制的統(tǒng)計(jì)工具[22]。該方法的主要優(yōu)點(diǎn)是它可以檢測(cè)兩個(gè)驅(qū)動(dòng)因素對(duì)因變量的交互作用，而不必遵循傳統(tǒng)統(tǒng)計(jì)方法的線性假設(shè)。目前，對(duì)組合因子回歸和因子交互聯(lián)合探討影響植被覆蓋變化的驅(qū)動(dòng)因素的相關(guān)研究還較少[7,11,14]。因此，本研究以MODIS NDVI數(shù)據(jù)為基礎(chǔ)，采用貝葉斯線性回歸、地理探測(cè)器等方法，定量探討了2010—2019年遼河流域及其內(nèi)部各分區(qū)（農(nóng)區(qū)、牧區(qū)、半牧區(qū)）植被覆蓋時(shí)空演變特征及其驅(qū)動(dòng)機(jī)制，以期為區(qū)域生態(tài)保護(hù)和經(jīng)濟(jì)社會(huì)可持續(xù)發(fā)展提供科學(xué)參考依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

遼河是中國(guó)七大河流之一，發(fā)源于河北省的光頭山，流經(jīng)河北、內(nèi)蒙古、吉林、遼寧四省（自治區(qū)），注入渤海，全長(zhǎng)1 345 km。主要支流包括渾河、太子河、大遼河、西遼河和東遼河等。遼河流域橫跨中國(guó)干旱、半干旱、半濕潤(rùn)地區(qū)，總面積達(dá)21.9萬(wàn)km2（圖1）。該地區(qū)是典型的季風(fēng)氣候和大陸性氣候的過渡地帶，也是中國(guó)農(nóng)耕活動(dòng)和畜牧活動(dòng)的交錯(cuò)帶。整個(gè)流域可以劃分為以農(nóng)業(yè)活動(dòng)為主的東部農(nóng)區(qū)平原（農(nóng)區(qū)）、以畜牧業(yè)活動(dòng)為主的中西部牧區(qū)草原、荒漠（牧區(qū)）和兩者之間的農(nóng)牧交錯(cuò)帶（半牧區(qū)）（劃分依據(jù)為中央政府門戶網(wǎng)站（https://www.gov.cn）發(fā)布的中國(guó)牧區(qū)、半農(nóng)半牧區(qū)縣、旗一覽表）。

1.2 因子選擇與數(shù)據(jù)來源

自然因素和人類活動(dòng)都對(duì)植被變化具有重要貢獻(xiàn)[7]。本文選取2000—2019年的FVC值作為因變量，并選擇了氣候、地形和人類活動(dòng)等10個(gè)具有代表性、易于獲取和量化的因子作為自變量（表1）。溫度和降水是影響植被變化的兩個(gè)最重要影響因素[11]。其他自然因素，如海拔、坡度、風(fēng)速和太陽(yáng)輻射通過影響植被的蒸騰作用和水分利用效率，從而間接影響植被生長(zhǎng)[23]。已有研究證明，人類活動(dòng)也對(duì)植被變化具有重要影響[24]，人口密度、夜間燈光、距道路距離和距居民點(diǎn)距離可以有效地反映人類活動(dòng)強(qiáng)弱，所以本文將這４個(gè)因素也列為自變量。

本研究采用的植被覆蓋數(shù)據(jù)來自美國(guó)國(guó)家航空航天局的中分辨率成像光譜儀（Moderate-resolution Imaging Spectroradiometer，MODIS）的NDVI產(chǎn)品（https://ladsweb.modaps.eosdis.nasa.gov），基于每年 1—12月份的月NDVI最大值，采用最大值合成法合成年度NDVI數(shù)據(jù)集，空間分辨率為250 m。研究區(qū)2010—2019年的人口、夜間燈光數(shù)據(jù)下載于中國(guó)科學(xué)院資源與環(huán)境中心（https://www.resdc.cn/），空間分辨率為1 km。2010—2019年的溫度、降水和風(fēng)速數(shù)據(jù)獲取自國(guó)家地球系統(tǒng)科學(xué)數(shù)據(jù)中心（http://www.geodata.cn），分辨率為1 km。數(shù)字高程模型（Digital Elevation Model，DEM）數(shù)據(jù)來源于地理空間數(shù)據(jù)云（http://www.gscloud.cn/），空間分辨率為90 m，坡度數(shù)據(jù)由ArcGIS工具進(jìn)行計(jì)算提取。太陽(yáng)輻射數(shù)據(jù)來自國(guó)家氣象科學(xué)數(shù)據(jù)中心（http://www.data.cma.cn/）。在研究區(qū)選擇27個(gè)監(jiān)測(cè)站，并使用ArcGIS中的克里金工具進(jìn)行內(nèi)插，得到研究區(qū)太陽(yáng)輻射數(shù)據(jù)。主要道路和居民點(diǎn)的數(shù)據(jù)來自中國(guó)科學(xué)院資源與環(huán)境中心（https://www.resdc.cn/），并通過ArcGIS中的空間分析工具計(jì)算距主要道路和居民點(diǎn)的距離（表1）?；?ArcGIS 重采樣函數(shù)對(duì)數(shù)據(jù)進(jìn)重采樣，將所有數(shù)據(jù)分辨率統(tǒng)一為1 km。在研究區(qū)建立2 263個(gè)10 km×10 km的規(guī)則漁網(wǎng)，并提取每個(gè)漁網(wǎng)中11個(gè)變量的值。

表1 變量名稱及編碼

注：FVC為植被覆蓋度。下同。

Note: FVC is fractional vegetation cover. Same below

1.3 研究方法

文中首先采用像元二分模型反演出遼河流域植被覆蓋度（Fractional Vegetation Cover，F(xiàn)VC），然后利用Sen氏斜率分析和Mann-Kendall趨勢(shì)分析流域植被的時(shí)空變化趨勢(shì)，最后通過貝葉斯線性回歸和地理探測(cè)器模型探索植被覆蓋變化的驅(qū)動(dòng)機(jī)理。

1.3.1 植被覆蓋度估算

根據(jù)像元二分模型反演遼河流域植被覆蓋度[5]，公式為

式中NDVI為歸一化植被指數(shù)，NDVIveg和NDVIsoil分別為完全植被覆蓋像元和無植被覆蓋像元的NDVI值。選取累計(jì)頻率1%和99%處的NDVI值作為NDVIveg和NDVIsoil。

1.3.2 Sen + Mann-Kendall趨勢(shì)分析

采用Sen氏斜率分析與Mann-Kendall趨勢(shì)檢驗(yàn)法研究近10年遼河流域植被的變化趨勢(shì)。相較于普通的最小二乘趨勢(shì)分析，Sen氏斜率分析能夠有效減少異常值的干擾，提高檢驗(yàn)結(jié)果的準(zhǔn)確度[25]。同時(shí)，對(duì)2010—2019年FVC進(jìn)行Mann-Kendall趨勢(shì)檢驗(yàn)，以檢驗(yàn)10年來植被變化趨勢(shì)的顯著性[26]。

1.3.3 全子集篩選

全子集篩選是基于自變量的所有可能組合，以找到對(duì)因變量具有最佳預(yù)測(cè)效果的自變量子集[27]。它的主要計(jì)算過程如下：首先根據(jù)“最大調(diào)整2（2）”的原則，用個(gè)預(yù)測(cè)變量對(duì)因變量進(jìn)行擬合，并從個(gè)預(yù)測(cè)變量中選擇出合適的自變量組合。然后依次計(jì)算上述組合的決定系數(shù)（2）、赤池信息準(zhǔn)則（Akaike Information Criterion，AIC）和貝葉斯信息準(zhǔn)則（Bayesian Information Criterion，BIC）[28]。最后，綜合考慮2、AIC和BIC的值擇出最佳自變量子集。

1.3.4 貝葉斯線性回歸

1.3.5 地理探測(cè)器

地理探測(cè)器（Geo-Detector）是一個(gè)用于空間數(shù)據(jù)分析的開源統(tǒng)計(jì)模型（http://www.geodetector.cn/），其基本理論是通過空間分層異質(zhì)性觀點(diǎn)來確定兩個(gè)變量空間分布的相似性[22]。地理探測(cè)器由因子探測(cè)、交互探測(cè)、風(fēng)險(xiǎn)探測(cè)和生態(tài)探測(cè)組成，本研究中主要使用前兩種功能。

因子探測(cè)用于檢測(cè)各影響因素對(duì)FVC（）的空間異質(zhì)性的解釋程度。解釋程度用值來衡量，其計(jì)算方法如下：

交互探測(cè)用來識(shí)別兩因子是否對(duì)因變量有交互作用，即這兩個(gè)因子共同作用時(shí)，是增加還是減少對(duì)植被覆蓋的解釋力。交互作用類型見文獻(xiàn)[23]。

2 結(jié)果與分析

2.1 流域植被覆蓋格局及變化分析

2.1.1 植被空間分布特征

在像元尺度上計(jì)算了流域2010—2019年FVC均值，根據(jù)等間隔法將其劃分為5個(gè)等級(jí)[5]：[0～0.2）（裸地植被）、[0.2～0.4）（低覆蓋植被）、[0.4～0.6）（中覆蓋植被）、[0.6～0.8）（中高覆蓋植被）和[0.8～1.0]（高覆蓋植被）。結(jié)果顯示（圖2），研究區(qū)FVC整體呈現(xiàn)東高西低的格局，10年來遼河流域平均FVC為0.68，其中裸地植被、低覆蓋植被、中覆蓋植被、中高覆蓋植被和高覆蓋植被面積分別占全流域總面積的2.54%、15.32%、23.17%、26.38%和32.59%。這表明該區(qū)域內(nèi)的整體植被覆蓋水平較高。

一方面，裸地和低植被覆蓋區(qū)域主要分布在中部和北部牧區(qū)、半牧區(qū)，包括翁牛特旗、巴林右旗、奈曼旗中西部、庫(kù)倫旗北部等；這些地區(qū)分布在內(nèi)蒙草原、科爾沁沙漠等地，氣候干旱，降水稀少，植被稀疏是其主要環(huán)境特征；另一方面，中高植被和高植被覆蓋區(qū)域主要分布在研究區(qū)東部的農(nóng)區(qū)，以遼河平原最為典型，生長(zhǎng)植被以種植農(nóng)作物為主。該區(qū)域地勢(shì)平坦，降雨量較多且灌溉系統(tǒng)發(fā)達(dá)，植被生長(zhǎng)茂盛，為中國(guó)重要的商品糧基地。此外，在研究區(qū)東部平原上出現(xiàn)了一些局域FVC低值中心，這些區(qū)域大多位于城市周圍，這是由于城市擴(kuò)張和人類活動(dòng)占用了大量農(nóng)田和生態(tài)用地，使得這些區(qū)域內(nèi)FVC相對(duì)較低。同時(shí)，從圖2可知，研究區(qū)植被覆蓋具有明顯的空間異質(zhì)性，農(nóng)區(qū)植被覆蓋情況最好，中高覆蓋植被較為集中；半牧區(qū)其次，牧區(qū)的植被覆蓋最差，流域內(nèi)沙地和裸地植被大多集中在牧區(qū)。

圖2 遼河流域2010—2019年均FVC分布

2.1.2 植被覆蓋時(shí)空變化分析

如圖3所示，2010—2019年全流域植被覆蓋度呈上升趨勢(shì)，但整體上升幅度不大，回歸趨勢(shì)線斜率為0.003/a。對(duì)流域內(nèi)部各分區(qū)而言，農(nóng)區(qū)、牧區(qū)、半牧區(qū)植被覆蓋度均呈上升態(tài)勢(shì)，增加速率為牧區(qū)（0.006 8/a）>農(nóng)區(qū)（0.001 3/a）>半牧區(qū)（0.001 2/a）。且農(nóng)區(qū)植被變化波動(dòng)最小，牧區(qū)植被變化波動(dòng)最大，這可能與人類活動(dòng)存在一定的關(guān)系，先前的研究也證實(shí)了這一觀點(diǎn)[18]。

年均FVC時(shí)間序列的變化反映了植被變化的總體趨勢(shì)，但不能反映植被的空間變化以及空間差異。因此，采用Sen + Mann-Kendall工具來分析植被空間變化趨勢(shì)及其顯著性。圖4顯示，F(xiàn)VC顯著增加的地區(qū)主要分布在農(nóng)區(qū)的東部和北部，以及流域南部的低山丘陵地區(qū)。FVC顯著退化的地區(qū)主要集中在牧區(qū)的草原和荒漠上，這些地區(qū)的鹽堿化和荒漠化問題嚴(yán)重，導(dǎo)致了植被的退化。同時(shí)研究區(qū)東部農(nóng)區(qū)平原上也出現(xiàn)了一些植被顯著退化區(qū)域，稀疏分布在城市周圍。這可能是由于城市用地?cái)U(kuò)張占據(jù)大量生態(tài)用地和農(nóng)田，從而導(dǎo)致城市周圍植被發(fā)生顯著退化。

圖3 2010—2019年遼河流域不同區(qū)域植被覆蓋度時(shí)間序列變化

在過去10年中，植被改善（顯著改善和輕微改善）是植被變化的主要趨勢(shì)（圖4）。這種趨勢(shì)在農(nóng)區(qū)和半牧區(qū)表現(xiàn)的更加明顯，這可能是因?yàn)榻┠暾饾u加強(qiáng)了對(duì)草原的保護(hù)力度。例如在嚴(yán)重超載過牧地區(qū)，采取禁牧封育、免耕補(bǔ)播等措施；對(duì)已墾草原，實(shí)行有計(jì)劃地退耕還草等[18]。

圖4 2010—2019年遼河流域FVC變化趨勢(shì)

2.2 驅(qū)動(dòng)因子回歸分析

變量之間的強(qiáng)相關(guān)性可能會(huì)導(dǎo)致模型失真，所以有必要對(duì)所有變量進(jìn)行多重共線性檢驗(yàn)。表2顯示，所有變量的方差膨脹因子（VIF）都小于10，所有變量的容忍度（1/VIF）都大于0.1，這符合回歸模型的獨(dú)立假設(shè)特征[30]。

對(duì)10個(gè)因素指標(biāo)進(jìn)行標(biāo)準(zhǔn)化，通過調(diào)整2（2）來確定變量組合，篩選出最優(yōu)子集模型。表3列出了2最優(yōu)組合方程。結(jié)果發(fā)現(xiàn)，所有區(qū)域的回歸函數(shù)中絕對(duì)系數(shù)最大的變量都是3（年降水量），說明在2010—2019年的大部分年份，降水對(duì)植被的影響尤為顯著。因此本文重點(diǎn)研究了降水量與植被覆蓋變化之間的關(guān)系。

表2 多重共線性檢驗(yàn)

表3 各區(qū)域FVC最佳回歸方程

圖5為年降水量和各個(gè)分區(qū)植被覆蓋度10年間的變化趨勢(shì)，無論是在農(nóng)區(qū)還是牧區(qū)，植被覆蓋度變化與降水的變化都保持了較高同步性，降水增多的年份，植被覆蓋也隨之增加（圖5），這說明降水變化顯著影響了植被變化，是植被生長(zhǎng)的重要影響因子。

然而農(nóng)區(qū)植被覆蓋度隨降水變化的波動(dòng)幅度明顯小于牧區(qū)，并且可發(fā)現(xiàn)在農(nóng)區(qū)最佳回歸方程中，社會(huì)經(jīng)濟(jì)因子（夜間燈光強(qiáng)度）的回歸系數(shù)排在了第三位。這可能是農(nóng)區(qū)植被以人工種植農(nóng)作物為主，相較于牧區(qū)，農(nóng)區(qū)人類農(nóng)業(yè)種植活動(dòng)較為活躍，其對(duì)植被覆蓋度的正向促進(jìn)作用要大于人類開發(fā)建設(shè)等活動(dòng)的負(fù)向破壞作用，合理的農(nóng)業(yè)活動(dòng)和人為干預(yù)使得農(nóng)區(qū)的植被變化波動(dòng)較小。

圖5 2010—2019年遼河流域各區(qū)域植被覆蓋與降水時(shí)間序列變化

2.3 地理探測(cè)結(jié)果分析

2.3.1 因子獨(dú)立對(duì)植被覆蓋變化的解釋

因子探測(cè)用于揭示各環(huán)境因子對(duì)植被覆蓋的影響程度。通過計(jì)算各環(huán)境因子的解釋力（值）（表4），確定了各環(huán)境因子對(duì)植被覆蓋的影響。2010—2019年，整個(gè)流域內(nèi)環(huán)境因子對(duì)植被覆蓋的影響大小依次為降水、太陽(yáng)輻射、風(fēng)速、高程、夜間燈光、人口密度、坡度、溫度、距居民點(diǎn)距離、距道路距離。具體到流域內(nèi)各分區(qū)而言，影響因子貢獻(xiàn)率排在前三的分別是降水、夜間燈光和高程（農(nóng)區(qū)）；降水、高程和太陽(yáng)輻射（半牧區(qū)）；溫度、降水和坡度（牧區(qū)）。

表4 遼河流域各區(qū)域因子探測(cè)結(jié)果

注：表中數(shù)值為因子解釋力值。

Note：The value in the table is the factor explanatory powervalue.

在整個(gè)流域范圍內(nèi)，降水的影響力最大（0.477），對(duì)植被覆蓋變化的貢獻(xiàn)率超過45%。因此，降水是影響流域植被空間分布的主要驅(qū)動(dòng)因子，這也與回歸分析的結(jié)果相一致。太陽(yáng)輻射對(duì)植被空間分布貢獻(xiàn)排在了第二，太陽(yáng)輻射的強(qiáng)度直接決定了植被光合作用的強(qiáng)度，因此太陽(yáng)輻射對(duì)植被的空間分布變化具有重大影響。風(fēng)速對(duì)植被變化的貢獻(xiàn)排在了第三，風(fēng)可以影響植物的形態(tài)和繁殖，進(jìn)而影響植被的變化。從整個(gè)遼河流域的地形來看，東部和西部為山地丘陵地區(qū)，而中部平原地勢(shì)較為平坦，從歐亞大陸內(nèi)部南下的冷空氣和從太平洋北上的暖空氣可以在中部平原暢行無阻，造成該區(qū)域常年風(fēng)速較大，這會(huì)對(duì)植被變化產(chǎn)生較為重要的影響。除了降水、太陽(yáng)輻射和風(fēng)速外，高程對(duì)植被變化的貢獻(xiàn)率也很大。遼河流域的海拔范圍為0～2 083 m，海拔高度的巨大差異導(dǎo)致流域內(nèi)溫差較大，進(jìn)而影響了植被覆蓋變化。

夜間燈光在一定程度上代表著人類活動(dòng)強(qiáng)度，而在農(nóng)區(qū)，夜間燈光的貢獻(xiàn)率較大（0.268），這表明人類活動(dòng)對(duì)植被變化產(chǎn)生了重要影響。在牧區(qū)，溫度的值最大，為0.269，其對(duì)植被變化貢獻(xiàn)最大。牧區(qū)內(nèi)其他自然因素的值也都居于前列，而社會(huì)經(jīng)濟(jì)因素的值都較低，其對(duì)植被覆蓋度的影響并不顯著。這可能是由于牧區(qū)的氣候?yàn)闇貛Т箨懶詺夂颍瑫円箿夭钶^大，土地利用類型多為沙漠、裸地和草地，受人類活動(dòng)的干擾較少，溫度等自然因子對(duì)植被覆蓋變化的影響較大。

2.3.2 因子交互對(duì)植被覆蓋變化的解釋

單一變量對(duì)植被覆蓋空間差異的解釋是不夠充分的，需要考慮多種自然和人為因素的協(xié)同效應(yīng)。交互探測(cè)可以揭示各因子之間的相互作用及其對(duì)植被覆蓋變化的影響。結(jié)果表明，各因子間的交互作用增強(qiáng)了單因子對(duì)植被覆蓋的影響，表現(xiàn)出雙因子、非線性增強(qiáng)效應(yīng)。

在整個(gè)流域，降水與其他環(huán)境因子的交互作用最為顯著（表5）。三組最大的交互因素分別是降水和溫度、降水和高程、降水和風(fēng)速。在整個(gè)流域范圍內(nèi)自然因子的交互作用占據(jù)主導(dǎo)地位，其中降水和溫度的相互作用可以解釋整個(gè)流域植被變化的60.9%。在農(nóng)區(qū)，交互作用最強(qiáng)的是降水和夜間燈光，兩者之間的相互作用可以解釋整個(gè)區(qū)域植被變化的65.8%。這表明在農(nóng)區(qū)自然因子和人類活動(dòng)同時(shí)作用，對(duì)植被變化產(chǎn)生了巨大影響。在半牧區(qū)，降水和高程的交互作用最大，植被受自然因素的影響較大。在牧區(qū)，交互作用最高的是降水與氣溫，其次為太陽(yáng)輻射和氣溫。這說明在牧區(qū)和半牧區(qū)植被變化主要受自然因素影響，人類對(duì)植被的干擾和影響較小。

表5 流域內(nèi)各區(qū)域最大三組交互因子

2.3.3 降水梯度對(duì)植被變化的影響

貝葉斯線性回歸和地理探測(cè)器都表明，在自然驅(qū)動(dòng)因素中，年降水量對(duì)植被覆蓋的影響最大，這也與以往的研究結(jié)果一致，即水分是植被生長(zhǎng)的關(guān)鍵性限制因素，植被比其他自然因素對(duì)降水更敏感[31]。根據(jù)自然斷點(diǎn)法，將年降水量分為5個(gè)等級(jí)：299.38～407.49 mm（level 1）、407.50～544.81 mm（level 2）、544.82～709.19 mm（level 3）、709.20～873.49 mm（level 4）、873.50～1 044.42 mm（level 5），并討論了不同降水梯度下其他環(huán)境因素對(duì)植被覆蓋變化的影響。

表6顯示，當(dāng)降水處于較低水平時(shí)（level 1），自然因子（如高程、溫度）是影響植被變化的主要因素。隨著降水的增加，從西部干旱半干旱的牧區(qū)和半牧區(qū)向較為濕潤(rùn)的東部農(nóng)區(qū)平原過渡，人類活動(dòng)逐漸活躍，社會(huì)經(jīng)濟(jì)因子對(duì)植被的解釋力逐漸變大。在降水量最高的東部平原（level 5），土壤肥沃，人類開發(fā)歷史悠久，農(nóng)業(yè)機(jī)械化、集約化程度較高，是中國(guó)重要的商品糧生產(chǎn)基地。在這里社會(huì)經(jīng)濟(jì)因素的解釋力超過自然因子的解釋力，成為植被變化的主導(dǎo)驅(qū)動(dòng)因子。

為了更好地理解植被變化的驅(qū)動(dòng)機(jī)制，本研究在不同的降水梯度下建立了各環(huán)境因子與植被覆蓋度的回歸方程，其2如圖6所示。結(jié)果表明，隨著降水的增加，各種環(huán)境因素與植被覆蓋的擬合程度越來越好。這證明了不僅降水本身對(duì)植被覆蓋有很大影響，而且還是影響植被變化的重要催化劑。隨著降水的不斷增加，各因子與植被覆蓋的擬合效果也越來越好，降水的梯度變化影響了植被覆蓋空間異質(zhì)性的解釋程度。

表6 植被覆蓋影響因子隨降水梯度變化的q值

等級(jí)Level

3 討論與展望

3.1 遼河流域植被覆蓋變化分析

研究發(fā)現(xiàn)，整個(gè)流域植被覆蓋呈現(xiàn)從東向西逐漸遞減的格局，這與朱麗亞等得出的遼河流域植被覆蓋空間格局的結(jié)論一致[32]。10年間遼河流域平均植被覆蓋度為0.68，植被覆蓋水平整體較高。遼河流域中西部為溫帶大陸性氣候，氣候干旱，降水稀少，東部受海洋季風(fēng)影響，水汽豐富。東、西部不同的水汽來源導(dǎo)致高空對(duì)流層自西向東降水呈增加趨勢(shì)，這是導(dǎo)致東部植被茂密而西部植被相對(duì)稀疏的一個(gè)重要因素（圖2）。

3.2 農(nóng)區(qū)、牧區(qū)植被覆蓋變化對(duì)環(huán)境因子響應(yīng)差異

本文發(fā)現(xiàn)，農(nóng)牧分區(qū)內(nèi)部植被覆蓋的驅(qū)動(dòng)因素存在差異。在牧區(qū)和半牧區(qū)，自然因子對(duì)植被變化的貢獻(xiàn)占據(jù)了主導(dǎo)地位，人類活動(dòng)的解釋力較弱。這可能是由于牧區(qū)的土地類型以草原和荒漠為主，人類干擾較少，植被變化主要受自然因子的影響[33]。再加上該地區(qū)氣候環(huán)境惡劣，群落結(jié)構(gòu)簡(jiǎn)單，植被變化對(duì)自然因素的響應(yīng)更強(qiáng)，這也與前人研究結(jié)果一致[34]。而在農(nóng)區(qū)，社會(huì)經(jīng)濟(jì)因素對(duì)植被變化的貢獻(xiàn)相較于牧區(qū)明顯提高。遼河流域地處中國(guó)北方農(nóng)牧交錯(cuò)帶，是典型的敏感區(qū)和生態(tài)脆弱區(qū)，同時(shí)也是重要的商品糧食基地，通過分區(qū)研究?jī)?nèi)部植被覆蓋變化及驅(qū)動(dòng)因素，有助于精準(zhǔn)施策，綜合考慮各區(qū)農(nóng)業(yè)資源承載力、環(huán)境容量、生態(tài)類型和發(fā)展基礎(chǔ)等因素。按照因地制宜、分類施策的原則，在牧區(qū)要繼續(xù)加大“退牧還草”“雙千萬(wàn)畝”“鐮刀彎”等生態(tài)工程建設(shè)力度，建立牧區(qū)生態(tài)保護(hù)長(zhǎng)效機(jī)制，在農(nóng)區(qū)要提高對(duì)人類活動(dòng)因素的重視程度，加強(qiáng)農(nóng)業(yè)與科技融合，同時(shí)積極采取相關(guān)政策抑制城市擴(kuò)張和工業(yè)生產(chǎn)侵占、污染耕地現(xiàn)象的發(fā)生，從而促進(jìn)遼河流域生態(tài)植被恢復(fù)，優(yōu)化區(qū)域農(nóng)業(yè)種植結(jié)構(gòu)與布局，提高資源配置效率和生產(chǎn)水平，推進(jìn)農(nóng)業(yè)高質(zhì)量發(fā)展。

3.3 因子回歸與因子交互比較分析

從主要影響因子來看，回歸模型和因子探測(cè)都表明降水是影響遼河流域植被空間分布變化的主要驅(qū)動(dòng)因素，這也與其他類似流域內(nèi)降水主導(dǎo)植被覆蓋變化的研究結(jié)果相似[35]。但是僅從解釋力排序來看，地理探測(cè)器與回歸分析結(jié)果有所不同，這是由于全局最優(yōu)篩選從函數(shù)擬合的角度將具有邏輯關(guān)系的因子進(jìn)行了取舍。如因子探測(cè)顯示，降水和高程對(duì)半牧區(qū)植被空間分布解釋力都很顯著（表4），但是在回歸模型構(gòu)建中為了使函數(shù)擬合效果更好，兩個(gè)因素的回歸系數(shù)差別很大，甚至高程變量并未出現(xiàn)在最佳回歸方程中（表3）。這說明因子獨(dú)立的全局最優(yōu)篩選僅僅是模擬因變量特征的最優(yōu)函數(shù)，其解釋效果與因變量的驅(qū)動(dòng)解釋有時(shí)并不能完全等同。另外雖然回歸模型可以獨(dú)立顯示各因素對(duì)地理現(xiàn)象的影響程度，但其沒有充分考慮各因素之間的相互作用，對(duì)復(fù)雜因素的解釋可能不夠充分。與回歸分析相比，地理探測(cè)器考慮到了各因素之間的相互作用。它通過探測(cè)地理現(xiàn)象的空間分層異質(zhì)性來揭示地理現(xiàn)象的驅(qū)動(dòng)力，這意味著它是解釋植被變化復(fù)雜驅(qū)動(dòng)力的一種有效和合適的方法。雖然地理探測(cè)器可以有效地檢測(cè)出因素交互對(duì)地理現(xiàn)象的影響，但它不能確定獨(dú)立因素的正負(fù)相關(guān)關(guān)系，也缺乏回歸模型模擬因變量特征的能力。

3.4 不足與展望

盡管本文對(duì)植被變化及其與自然和人為因素的耦合關(guān)系的研究將有助于加深對(duì)植被動(dòng)態(tài)驅(qū)動(dòng)機(jī)制的理解，但仍存在一些局限性和不確定性。例如，本研究選擇的潛在影響因素并不全面，未來的研究應(yīng)考慮實(shí)施生態(tài)工程項(xiàng)目和氣候變化對(duì)植被生長(zhǎng)的時(shí)滯效應(yīng)，以及考慮更多的生物氣候和社會(huì)經(jīng)濟(jì)因素，以進(jìn)一步減少對(duì)植被動(dòng)態(tài)影響的不確定性。另外，植被變化是一個(gè)多因素共同作用的復(fù)雜過程，而本研究?jī)H研究了雙因子交互對(duì)植被的影響，在未來要加強(qiáng)多因子交互對(duì)植被變化影響的研究以及對(duì)多因子之間的交互作用關(guān)系進(jìn)行科學(xué)驗(yàn)證。

4 結(jié) 論

本研究基于2010—2019年遼河流域植被覆蓋數(shù)據(jù)，結(jié)合Sen + Mann-Kendall趨勢(shì)檢驗(yàn)、貝葉斯線性回歸、地理探測(cè)器模型等方法，定量探討了遼河流域及其內(nèi)部各分區(qū)植被覆蓋的時(shí)空演變特征，并進(jìn)一步結(jié)合高程、降水、溫度及夜間燈光等10個(gè)自然和人為因素研究其對(duì)植被覆蓋特征和變化趨勢(shì)的影響，主要結(jié)論如下：

1）2010—2019年遼河流域的植被覆蓋整體呈上升的趨勢(shì)，10年平均植被覆蓋度為0.68，植被覆蓋水平整體較高。就植被上升趨勢(shì)而言，牧區(qū)上升幅度最大，農(nóng)區(qū)次之，半牧區(qū)最小。

2）在整個(gè)流域范圍內(nèi)，降水對(duì)植被覆蓋變化的貢獻(xiàn)率最大。且降水的梯度變化影響了其他因子對(duì)植被變化解釋程度，隨著降水的不斷增加，各因子與植被覆蓋的擬合程度也越來越好。

3）因子回歸和和因子交互結(jié)果顯示，自然和社會(huì)經(jīng)濟(jì)因素的共同作用驅(qū)動(dòng)著流域植被覆蓋的變化。在牧區(qū)和半牧區(qū)，自然因素之間的交互作用（牧區(qū)：降水和氣溫；半牧區(qū)：降水和高程）對(duì)植被覆蓋變化起著主導(dǎo)作用，而農(nóng)區(qū)植被覆蓋變化則主要?dú)w因于自然因素（降水）和人類活動(dòng)（夜間燈光）之間的協(xié)同作用。

[1] Ding Y, Li Z, Peng S. Global analysis of time-lag and -accumulation effects of climate on vegetation growth[J]. International Journal of Applied Earth Observations and Geoinformation, 2020, 92: 102179.

[2] Zhong L, Ma Y, Xue Y, et al. Climate change trends and impacts on vegetation greening over the Tibetan Plateau[J]. Journal of Geophysical Reserch-Atmospheres, 2019, 124(14): 7540-7552.

[3] Verbesselt J, Hyndman R, Newham G, et al. Detecting trend and seasonal changes in satellite image time series[J]. Remote Sensing of Environment, 2009, 114(1): 106-115.

[4] Fensholt R, Proud SR. Evaluation of earth observation based global long term vegetation trends-Comparing GIMMS and MODIS global NDVI time series[J]. Remote Sensing of Environment, 2012, 119: 131-147.

[5] 王建國(guó)，張飛. 2000—2019年新疆植被覆蓋度時(shí)空格局及重心變化分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2020，36(20)：188-194.

Wang Jianguo, Zhang Fei. Analysis on spatio-temporal pattern and gravity center change of vegetation coverage in Xinjiang from 2000 to 2019[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(20): 188-194. (in Chinese with English abstract)

[6] Liao L, Song J, Wang J, et al. Bayesian method for building frequent Landsat-like NDVI datasets by integrating MODIS and Landsat NDVI[J]. Remote Sensing, 2016, 8(6): 452.

[7] 涂又，姜亮亮，劉睿，等. 1982—2015年中國(guó)植被NDVI時(shí)空變化特征及其驅(qū)動(dòng)分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2021，37(22)：75-84.

Tu You, Jiang Liangliang, Liu Rui, et al. Analysis on spatio-temporal change characteristics and driving forces of NDVI of vegetation in China from 1982 to 2015[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(22): 75-84. (in Chinese with English abstract)

[8] Wu D, Wu H, Zhao X, et al. Evaluation of spatiotemporal variations of global fractional vegetation cover based on GIMMS NDVI data from 1982 to 2011[J]. Remote Sensing, 2014, 6(5): 4217-4239.

[9] Schulz J J, Cayuela L, Rey-Benayas J M, et al. Factors influencing vegetation cover change in Mediterranean Central Chile (1975-2008): Factors influencing vegetation change[J]. Applied Vegetation Science, 2011, 14(4): 571-582.

[10] 王曉蕾，石守海. 基于GEE的黃河流域植被時(shí)空變化及其地形效應(yīng)研究[J]. 地球信息科學(xué)學(xué)報(bào)，2022，24(6)：1087-1098.

Wang Xiaolei, Shi Shouhai. Study on temporal and spatial changes of vegetation and topographic effects in the Yellow River basin based on GEE[J]. Journal of Geo-Information Science, 2022, 24(6): 1087-1098. (in Chinese with English abstract)

[11] 徐勇，鄭志威，郭振東，等. 2000～2020年長(zhǎng)江流域植被NDVI動(dòng)態(tài)變化及影響因素探測(cè)[J]. 環(huán)境科學(xué)，2022，43(7)：3730-3740.

Xu Yong, Zheng Zhiwei, Guo Zhendong, et al. Detection of NDVI dynamic changes and influencing factors of vegetation in the Yangtze River basin from 2000 to 2020[J]. Acta Scientiae Circumstantiae, 2022, 43(7): 3730-3740. (in Chinese with English abstract)

[12] 耿慶玲，陳曉青，赫曉慧，等. 中國(guó)不同植被類型歸一化植被指數(shù)對(duì)氣候變化和人類活動(dòng)的響應(yīng)[J]. 生態(tài)學(xué)報(bào)，2022，42(9)：3557-3568.

Geng Qingling, Chen Xiaoqing, He Xiaohui, et al. Response of normalized vegetation index of different vegetation types in China to climate change and human activities[J]. Acta Ecologica Sinica, 2022, 42(9): 3557-3568. (in Chinese with English abstract)

[13] 張更喜，粟曉玲，郝麗娜，等. 基于NDVI和scPDSI研究1982-2015年中國(guó)植被對(duì)干旱的響應(yīng)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2019，35(20)：145-151.

Zhang Gengxi, Su Xiaoling, Hao Lina, et al. Based on NDVI and scPDSI, the response of Chinese vegetation to drought from 1982 to 2015 was studied[J] Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(20): 145-151. (in Chinese with English abstract)

[14] 王治國(guó)，白永平，車?yán)?，? 關(guān)中平原城市群植被覆蓋的時(shí)空特征與影響因素[J]. 干旱區(qū)地理，2020，43(4)：1041-1050.

Wang Zhiguo, Bai Yongping, Che Lei, et al. Temporal and spatial characteristics and influencing factors of vegetation coverage in Guanzhong Plain urban agglomeration[J]. Arid Land Geography, 2020, 43(4): 1041-1050. (in Chinese with English abstract)

[15] 孫帆，王弋，陳亞寧. 塔里木盆地荒漠-綠洲過渡帶動(dòng)態(tài)變化及其影響因素[J]. 生態(tài)學(xué)雜志，2020，39(10)：3397-3407.

Sun Fan, Wang Yi, Chen Yaning. Dynamic change of desert oasis transition zone in Tarim Basin and its influencing factors[J]. Chinese Journal of Ecology, 2020, 39(10): 3397-3407. (in Chinese with English abstract)

[16] 蒲真，張芳玲，古元陽(yáng)，等. 我國(guó)東北地區(qū)自然植被保護(hù)現(xiàn)狀及保護(hù)優(yōu)先區(qū)分析[J]. 生態(tài)學(xué)雜志，2019，38(9)：2821-2832.

Pu Zhen, Zhang Fangling, Gu Yuanyang, et al. Analysis on the status quo of natural vegetation protection and priority areas in Northeast China[J]. Chinese Journal of Ecology, 2019, 38(9): 2821-2832. (in Chinese with English abstract)

[17] 夏會(huì)娟，孔維靜，孫建新，等. 基于MODIS NDVI的遼河保護(hù)區(qū)成立前后植被覆蓋時(shí)空動(dòng)態(tài)研究[J]. 生態(tài)學(xué)報(bào)，2018，38(15)：5434-5442.

Xia Huijuan, Kong Weijing, Sun Jianxin, et al Temporal and spatial dynamics of vegetation cover before and after the establishment of Liaohe River Reserve based on MODIS NDVI[J]. Acta Ecologica Sinica, 2018, 38(15): 5434-5442. (in Chinese with English abstract)

[18] 趙子娟，范蓓蕾，王玉庭，等. 2000—2018年西遼河流域植被覆蓋度時(shí)空變化特征及影響因素研究[J]. 中國(guó)農(nóng)業(yè)資源與區(qū)劃，2021，42(12)：75-88.

Zhao Zijuan, Fan Beilei, Wang Yuting, et al. Study on spatio-temporal change characteristics and influencing factors of vegetation coverage in the Western Liaohe River Basin from 2000 to 2018[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2021, 42(12): 75-88. (in Chinese with English abstract)

[19] 李一鳴，蘇芳莉，李海福，等. 遼河干流流域植被蓋度變化及其與氣候因子的關(guān)系[J]. 沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2017，48(1)：115-121.

Li Yiming, Su Fangli, Li Haifu, et al. Vegetation coverage change in Liaohe mainstream basin and its relationship with climate factors[J]. Journal of Shenyang Aricultural University, 2017, 48(1): 115-121. (in Chinese with English abstract)

[20] 崔利芳，王倫澈，屈賽，等. 氣溫、降水量和人類活動(dòng)對(duì)長(zhǎng)江流域植被NDVI的影響[J]. 地球科學(xué)，2020，45(6)：1905-1917.

Cui Lifang, Wang Lunche, Qu Sai, et al. Impact of temperature, precipitation and human activities on NDVI of vegetation in the Yangtze River basin[J]. Journal of Earth Science, 2020, 45(6): 1905-1917. (in Chinese with English abstract)

[21] 畢馨予，劉曉靜，馬東來，等. 遼寧省植被NDVI對(duì)氣候因子的滯后響應(yīng)研究[J]. 中國(guó)農(nóng)業(yè)資源與區(qū)劃，2021，42(10)：233-244.

Bi Xinyu, Liu Xiaojing, Ma Donglai, et al. Study on the lag response of vegetation NDVI to climate factors in Liaoning Province[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2021, 42(10): 233-244. (in Chinese with English abstract)

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

Wang Jinfeng, Xu Chengdong. Geographic detector: Principle and prospect[J]. Acta Geographica Sinica, 2017, 72(1): 116-134. (in Chinese with English abstract)

[23] 徐勇，鄭志威，戴強(qiáng)玉，等. 顧及時(shí)滯效應(yīng)的西南地區(qū)植被NPP變化歸因分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2022，38(9)：297-305.

Xu Yong, Zheng Zhiwei, Dai Qiangyu, et al. Attribution analysis of vegetation NPP change in Southwest China considering time lag effect[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(9): 297-305. (in Chinese with English abstract)

[24] 楊艷萍，陳建軍，覃巧婷，等. 2000-2018年廣西植被時(shí)空變化及其對(duì)地形、氣候和土地利用的響應(yīng)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2021，37(17)：234-241.

Yang Yanping, Chen Jianjun, Qin Qiaoting, et al. Spatial and temporal changes of vegetation in Guangxi from 2000 to 2018 and their responses to topography, climate and land use[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(17): 234-241. (in Chinese with English abstract)

[25] 沈貝貝，魏一博，馬磊超，等. 內(nèi)蒙古草原植被覆蓋度時(shí)空格局變化及驅(qū)動(dòng)因素分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2022，38(12)：118-126.

Shen Beibei, Wei Yibo, Ma Leichao, et al. Analysis on spatio-temporal pattern change and driving factors of grassland vegetation coverage in Inner Mongolia[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(12): 118-126. (in Chinese with English abstract)

[26] 王靜，姚順波，劉天軍. 退耕還林背景下降水利用效率時(shí)空演變及驅(qū)動(dòng)力探討[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2020，36(1)：128-137.

Wang Jing, Yao Shunbo, Liu Tianjun. Discussion on spatial-temporal evolution and driving force of precipitation utilization efficiency under the background of returning farmland to forests[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(1): 128-137. (in Chinese with English abstract)

[27] Bjorn M C, Weiner J, Kollmann J, et al. Increasing local biodiversity in urban environments: Community development in semi- natural species-rich forb vegetation[J]. Landscape and Urban Planning, 2019, 184: 23-31.

[28] Hangshing L, Dabral P P. Multivariate frequency analysis of meteorological drought using copula[J]. Water Resources Management, 2018, 32(5): 1741–1758.

[29] 陳強(qiáng). 高級(jí)計(jì)量經(jīng)濟(jì)學(xué)及 Stata 應(yīng)用[M]. 北京：高等教育出版社，2010.

[30] 楊梅，肖靜，蔡輝. 多元分析中的多重共線性及其處理方法[J]. 中國(guó)衛(wèi)生統(tǒng)計(jì)，2012，29(4)：620-624.

Yang Mei, Xiao Jing, Cai Hui. Multi collinearity and its treatment in multivariate analysis[J]. Chinese Journal of Health Statistics, 2012, 29(4): 620-624. (in Chinese with English abstract)

[31] 于璐，張紅，劉勇，等. 氣候變化背景下京津風(fēng)沙源區(qū)人類活動(dòng)對(duì)植被影響的量化分析[J]. 應(yīng)用生態(tài)學(xué)報(bào)，2020，31(6)：2007-2014.

Yu Lu, Zhang Hong, Liu Yong, et al. Quantitative analysis of the impact of human activities on vegetation in Beijing Tianjin sandstorm source area under the background of climate change[J]. Chinese Journal of Applied Ecology, 2020, 31(6): 2007-2014. (in Chinese with English abstract)

[32] 朱麗亞，胡克，孫爽. 2000—2018年遼河流域植被NDVI變化及其與溫度、降水的響應(yīng)關(guān)系[J]. 生態(tài)科學(xué)，2022，41(3)：203-213.

Julia, Hu Ke, Sun Shuang. Vegetation NDVI change in Liaohe River basin and its response to temperature and precipitation from 2000 to 2018[J]. Ecological Science, 2022, 41(3): 203-213. (in Chinese with English abstract)

[33] 郭恩亮，阿如娜，康堯，等. 內(nèi)蒙古植被穩(wěn)定性及其影響因素分析[J]. 長(zhǎng)江科學(xué)院院報(bào)，2022，39(4)：70-76.

Guo Enliang, A Runa, Kang Yao, et al. Analysis of vegetation stability and its influencing factors in Inner Mongolia[J]. Journal of Yangtze River Scientific Research Institute, 2022, 39(4): 70-76. (in Chinese with English abstract)

[34] 李茂華，都金康，李皖彤，等. 1982-2015年全球植被變化及其與溫度和降水的關(guān)系[J]. 地理科學(xué)，2020，40(5)：823-832.

Li Maohua, Du Jinkang, Li Wantong, et al. Global vegetation change from 1982 to 2015 and its relationship with temperature and precipitation[J]. Scientia Geographica Sinica, 2020, 40(5): 823-832. (in Chinese with English abstract)

[35] 丁永康，葉婷，陳康. 基于地理探測(cè)器的滹沱河流域植被覆蓋時(shí)空變化與驅(qū)動(dòng)力分析[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)(中英文)，2022，30(11)：1737-1749.

Ding Yongkang, Ye Ting, Chen Kang. Analysis of temporal and spatial changes and driving forces of vegetation cover in Hutuo River basin based on geographical detectors[J]. Chinese Journal of Eco-Agriculture, 2022, 30(11): 1737-1749. (in Chinese with English abstract)

Vegetation cover change and driving factors in the agro-pastoral ecotone of Liaohe River Basin of China from 2010 to 2019

Li Xia1, Zhang Guozhuang1,2, Chen Yonghao2, Chen Zhe3

(1.,,710054,;2.,,710054,;3.,710048,)

Driving mechanisms of Fractional Vegetation Cover (FVC) can be a prerequisite for decision-making on vegetation restoration and management. As the intersection of farming and animal husbandry activities in China, the Liaohe River basin is of great significance for the regional ecological construction and environmental protection, in order to clarify the internal vegetation change characteristics and driving mechanisms. Much effort has been made into the characteristics and influencing factors of vegetation change in the region. However, it is still lacking in the spatial heterogeneity of vegetation in the region as an Agro-pastoral intersection zone. Since vegetation change is a complex process, it is very necessary to fully consider the complex influence of the interaction between environmental factors on vegetation change, rather than only the individual factors. In this study, the spatial heterogeneity of FVC was analyzed in the Liaohe River Basin from 2010 to 2019 using the Normalized Difference Vegetation Index derived from the MOD13Q1 product. Furthermore, the factor regression and interaction were combined to jointly explore the effects of natural and socioeconomic factors on the vegetation changes from a regional and overall perspective. The results showed that: 1) There was an overall rising trend of FVC, with a 10-year average FVC of 0.68 and an overall high level of vegetation cover. The most significant was ranked in the order of the pastoral areas > agricultural areas > semi-pastoral areas, and the vegetation improvement trend in the pastoral areas, in terms of the rising trend of vegetation cover. 2) The explanatory power of natural factors on the vegetation changes in the whole basin was greater than that of human factors, among which the explanatory power of precipitation was the most significant. At the same time, there was an outstanding synchronization between the vegetation and precipitation change, where this trend was the most significant in the pastoral areas. 3) The interaction indicated that most factors showed a mutually reinforcing and non-linear enhancement of vegetation change. It infers that the vegetation change was a complex process with multi-factor effects from a system perspective. There were no completely independent factors. The three largest groups of interacting factors across the basin were the precipitation and temperature, precipitation and elevation, and precipitation and wind speed. The natural factors dominated the interaction of vegetation in the pastoral and semi-pastoral areas. By contrast, a combination of natural and human activities significantly affected the vegetation change in the agricultural areas. 4) The precipitation gradient greatly contributed to the explanation degree of FVC spatial heterogeneity. The environmental factors better fitted the FVC with the increase in precipitation. The precipitation was an important catalyst for the vegetation change. 5) human activities also posed an important influence on the vegetation change. The positive effects of human activities were generally dominant in the study area over the past 10 years. Such reasonable human activities can be maintained to increase the FVC in the Liaohe River basin.

fractional vegetation cover; spatio-temporal change; driving mechanism; Liaohe River basin; Agro-pastoral ecotone

10.11975/j.issn.1002-6819.2022.22.007

X87

A

1002-6819(2022)-22-0063-10

李霞，張國(guó)壯，陳永昊，等. 農(nóng)牧交錯(cuò)帶遼河流域2010—2019年植被覆蓋變化及驅(qū)動(dòng)因素分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2022，38(22)：63-72.doi：10.11975/j.issn.1002-6819.2022.22.007 http://www.tcsae.org

Li Xia, Zhang Guozhuang, Chen Yonghao, et al. Vegetation cover change and driving factors in the agro-pastoral ecotone of Liaohe River Basin of China from 2010 to 2019[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(22): 63-72. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.22.007 http://www.tcsae.org

2022-10-17

2022-11-13

中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)（300102352501）

李霞，副教授，研究方向?yàn)榈乩硇畔⒓夹g(shù)及生態(tài)遙感研究。Email：lixia666@chd.edu.cn