植被是陆地生态系统重要的组成部分^[1], 是陆地生态系统物质循环、能量流动、信息传递的重要枢纽^[2]。植被覆盖度变化表示着整个陆地生态系统一定程度上的波动或变化^[3]。特别是在干旱半干旱地区, 植被覆盖度变化是监测和评价生态环境变化的一个重要指标^[4], 所以定量分析区域植被覆盖度变化并探寻其驱动因素对于生态环境建设具有重要的意义。利用归一化植被指数(Normalized Difference Vegetation Index, NDVI)研究植被生长状况, 已经被国内外学者广泛应用^[5-9]。引起植被覆盖度变化的影响因素主要分自然和人为因素, 特别是在我国社会经济快速发展下, 人为因素更加不可忽视^[10]。

内蒙古是典型的干旱、半干旱地区, 生态环境具有脆弱性和不稳定性。该区是我国北部的重要生态屏障, 也是我国重要的农牧业生产基地。目前较多学者在内蒙古从不同的尺度和方法探索了自然或人为因素对于植被变化的研究^[11-14]。Zhou等^[15]用残差趋势分析法研究了蒙古高原植被变化驱动力；李仕冀等^[16]在县级尺度上, 利用多重线性回归模型分析了整个内蒙古地区乡村人口迁出对植被NDVI的影响；史娜娜等^[11]利用趋势分析法研究了锡林郭勒植被NDVI时空变化；周锡饮等^[17]基于GIMMS NDVI分析了1981—2006年蒙古高原植被覆盖度变化。上述研究是以整个内蒙古或者以部分盟市为研究区, 分析植被变化特征及单因子对植被的影响。并在因素分析方面, 自然因素中以气候因素为主, 社会因素中以载畜量为主。而以盟市下一级行政单位旗县区为研究对象, 以及因子之间的交互作用对植被覆盖度变化的影响研究较少。

内蒙古自治区旗县区按照产业特点主要分为牧区、半农半牧区、农区和城区等类型。牧区以放牧为主, 天然草地为主要植被类型, 其余旗县以非牧业为主^[18]。不同的生活生产方式对生态系统的影响也有所不同。本文以旗县区为研究单位, 分为牧业旗县区和非牧业旗县区, 利用地理探测器方法^[19]分析自然因子(气候、高程、土壤、植被类型、地貌类型)和人为因子(乡村人口、乡村劳动力、乡村户数、粮食产量、农牧民人均收入、牲畜数量)的单因子作用和双因子交互作用对植被覆盖度变化的影响。本研究进一步认清自然因子和人为因子对内蒙古植被变化中的作用, 并且为实施地方经济“生态优先, 绿色发展”提供重要的科学依据。

1 数据与方法 1.1 研究区概况

内蒙古自治区位于中国北部边疆, 界于37°24′—53°23′N, 97°12′—126°04′E之间, 土地总面积约为118.3万km²。内蒙古地域辽阔, 地势较高, 全区地貌以蒙古高原为主体, 具有复杂多样的形态^[20]。除东南部外, 基本都是高原。内蒙古是我国北部的重要生态屏障, 属于干旱、半干旱气候, 是全球变化最为敏感的区域之一^[21]。

内蒙古包括11个盟市, 包括52个旗、17个县、11个盟(市)辖县级市、23个市辖区。牧业旗县33个, 这些牧业旗县生产方式主要以牧业为主^[18]。非牧业旗县包括市辖区、农区或半农半牧地区, 以非牧业产业为主(图 1)。牧业旗县占内蒙古自治区总面积的67.75%, 非牧业旗县占32.25%。

1.2 数据来源

植被NDVI、自然因素和行政矢量边界数据来自于中国科学院资源环境科学数据(http://www.resdc.cn)。NDVI是年度植被指数, 是基于连续时间序列的SPOT/VEGETATION NDVI卫星遥感数据, 采用最大值合成法生成。自然因素包括气候、高程、土壤、植被、地貌类型。其中气候数据是通过插值计算的分辨率为1 km×1 km的年降水量和年平均气温栅格图。高程是基于最新的SRTM V4.1数据经重采样生成的1 km数据。土壤、地貌和植被类型分布数据分别来源于中国土壤普查办公室1995年编制《1∶100万中华人民共和国土壤图》、《中华人民共和国地貌图集(1∶100万)》和1∶100万植被图数字化生成的图, 分辨率为1 km；坡度、坡向由分辨率为1 km的DEM数据计算获取。人为因素数据来源于内蒙古统计年鉴, 包括乡村人口、乡村劳动力、乡村户数、粮食产量、农牧民人均收入、牲畜数量(统一换算成羊单位：骆驼、马、牛相当于5只绵羊, 山羊则1只)。本研究根据内蒙古统计年鉴进行牧业旗县与非牧业旗县的划分。

1.3 研究方法 1.3.1 趋势线分析

本研究采用趋势线分析方法对研究时间段内NDVI、气候和人为因素的变化趋势进行分析^[22], 即以时间t为自变量, 分别对NDVI、年均气温、年降水量以及6个人为因素进行一元线性回归分析。计算公式如下：

(1)

式中, Slope是2000—2015年NDVI、气候或人为要素的线性回归系数, 即斜率, 如果回归系数为正, 说明该变量在研究时段呈上升趋势, 反之, 该变量呈下降趋势；n为研究时段年数, i表示1到n, n=16；x为待分析变量(分别为生长季年均NDVI、年均温、年降水量或人为因素)。

1.3.2 植被NDVI变化等级划分

为了更好地定量分析植被覆盖度在时间上的变化, 利用NDVI序列与时间的相关系数r判断了植被覆被变化程度和性质, 并且利用相关系数的大小进行显著性判断^[23]。显著性临界值查相关系数检验临界值表获得(样本数为16时, 显著性水平在0.05和0.01时临界值分别为0.468, 0.590)。根据NDVI变化趋势斜率及显著性临界值, 将植被变化类型分为极显著退化(斜率＜0, 显著性临界值≥0.590)、显著退化(斜率＜0, 0.590＞显著性临界值≥0.468)、无显著变化(斜率(-∞, +∞), 0.468＞显著性临界值)、显著改善(斜率＞0, 0.590＞显著性临界值≥0.468)、极显著改善(斜率＞0, 显著性临界值≥0.590)五类。

1.3.3 指标选取与信息提取

(1) 指标选取。探究植被NDVI变化因素, 应该从自然和人为两个方面综合分析^[24]。大量研究表明, 内蒙古植被的变化与气候因素高度相关, 尤其是与降水量^[25-26]。内蒙古地域辽阔, 从东到西在土壤、植被、地质地貌上均有很大的差别, 例如植被类型, 从东部的针叶林到中部的草原, 再到西部的荒漠^[27]。所以本文选取了7类自然因素(年降水量、年平均气温、土壤类型、植被类型、地质地貌类型、坡度和坡面)。近年来人为因素对内蒙古植被NDVI的影响研究日趋见长。本文重点考虑乡村地区的因素对植被NDVI的影响, 尽管内蒙古城镇人口不断地在增长, 但内蒙古城镇面积占比很小, 而且城镇人口对于植被的影响相比于乡村地区人口对植被的影响小很多。根据以往的研究, 乡村地区的指标大多数会选择乡村总人口、乡村劳动力或牲畜数量。本文在以往研究的基础上再加上了乡村户数、农牧民人均纯收入和粮食产量。户是家庭单位, 在乡村地区进行生产生活均是由户单位来进行的, 虽然内蒙古乡村人口减少显著, 但在县级尺度上, 有些旗县呈现乡村人口减少, 但户数不变或增加的现象。本文将用粮食产量的变化来代表农业水平的发展程度。由于耕地在牧业旗县里占比很少, 所以本文踢出了在牧业旗县里的粮食产量变化, 以提高结果的准确性。所以本文选取了6类人为因素(乡村总人口、乡村劳动力、乡村户数、农牧民人均纯收入、粮食产量和牲畜数量)。表 1列出了全部因素及解释。

(2) 信息提取。利用ArcGIS 10.3的Create Random Points功能生成间隔为2 km的随机点, 共19897随机点。然后以随机点来提取NDVI与各因素值(图 1)。

1.3.4 地理探测器

地理探测器是王劲峰等人首次提出的一种探测空间分异性、揭示驱动因子的一种新的空间统计方法。地理探测器由4部分组成, 分别是因子探测、交互作用探测、风险探测与生态探测, 本文应用了前三个。

(1) 空间分异及因子探测。探测y(NDVI)的空间分异性, 以及探测各因子多大程度上解释了属性y(NDVI)的空间分异。用q值度量, 表达式为：

(2)

式中, h=1, …, L为变量y(NDVI)或因子X(某个自然或人为因子)的分层(Strata), 即分类或分区；N_h和N分别为层h和全区的单元数；σ_h²和σ²分别是层h和全区的y值的方差。SSW和SST分别为层内方差之和(Within Sum of Squares)和全区总方差(Total Sum of Squares)。q的值域为[0, 1], 值越大说明y(NDVI)的空间分异性越明显；如果分层是由自变量x生成的, 则q值越大表示自变量x对属性y的解释力越强, 反之则越弱。

(2) 交互作用探测。识别不同自变量因子之间的交互作用, 即评估因子x₁和x₂共同作用时是否会增加或减弱对因变量y的解释力。评估的方法是首先分别计算两种因子x₁和x₂对y的q值：q(x₁)和q(x₂), 并且计算它们交互时的q值：q(x₁∩x₂), 并对q(x₁)、q(x₂)与q(x₁∩x₂)进行比较。表 2展现出了两个因子之间的关系。

(3) 风险区探测。风险探测用于判断两个影响因子(包括自然和人为因子)子区域间的属性均值是否有显著的差别, 用于寻找植被覆盖度退化或改善区域。风险探测用t统计量来检验：

(3)

式中, Y为子区域h内植被NDVI线性回归系数的均值；n_h为子区域h内样本数量；Var表示方差。

1.3.5 数据的离散化

为了定量评价并且揭示自然和人为因子对植被覆盖度的影响本文应用了地理探测器, 地理探测器是针对离散数据的算法, 所以对连续变量(本文13个自变量中, 除了植被类型、土壤类型、地貌类型、坡向, 其它均是连续变量)进行了离散化处理。本文采取自然断点法^[28], 将坡度分为9类, 其余因素分为10类(图 2，图 3)。

2 结果分析 2.1 植被NDVI时空变化

2000—2015年, 16年间整个研究区NDVI在空间上增加和减少共存, 总体上呈增加趋势。空间上显现出西部减少, 东部与南部增加的趋势, 其余地区变化较小。研究时段内植被改善面积大于植被退化面积, 其中极显著改善面积达到了249842.65 km², 占整个内蒙古总面积的21.88%, 显著改善面积占10.88%, 无变化64.38%, 显著退化1.88%, 极显著退化1.00%(表 3)。在空间上植被退化与植被改善区域分布不均匀, 退化区域主要分布在阿拉善盟的西北部和个别城镇周围(图 4)。牧业旗县植被极显著改善面积占比达到了9.65%, 显著改善7.24%, 无变化79.34%, 显著退化2.56%, 极显著退化1.20%(表 3)。牧业旗县植被退化面积占比超过了整个研究区植被退化面积占比, 表明牧业旗县植被退化相对于整个研究区较严重；植被改善面积占比低于整个研究区改善面积占比, 表明相对于整个研究区改善水平低于全局改善水平。非牧业旗县植被极显著改善面积占比达到了47.54%, 显著改善18.52%, 无变化33.00%, 显著退化0.35%, 极显著退化0.57%(表 3), 可以看出植被改善区域主要分布在非牧业旗县。

2.2 探测因子单因素分析

从整个研究区尺度来看, 自然因素对植被NDVI变化的影响高于人为因素, 各因子对植被NDVI变化影响程度排序为：年降水量＞土壤类型＞植被类型＞粮食产量＞牲畜数量＞农牧民人均纯收入＞乡村户数＞乡村人口＞地貌类型＞乡村劳动力＞年平均气温＞坡度＞坡向。自然因素中年降水量、土壤类型及植被类型的影响最为显著, 年降水量与土壤类型的q值分别是0.2244和0.2232, 解释率在22%以上, 植被类型q值为0.1720, 解释率在17%以上。人为因素中粮食产量和牲畜数量对植被NDVI变化的影响较大, 其q值分别是0.1186和0.1182, 解释力在11%以上(表 4)。

在牧业旗县, 自然因素对植被NDVI变化的影响高于人为因素。各因子q值从大到小排序依次为：年降水量＞土壤类型＞植被类型＞农牧民人均纯收入＞牲畜数量＞乡村户数＞地貌类型＞乡村人口＞乡村劳动力＞年平均气温＞坡面＞坡度。自然因素中年降水量、土壤类型q值较大, 分别达到了0.2638和0.2346, 解释率均在23%以上, 其次为植被类型, q值为0.1800, 解释率在18%以上。人为因素而言, 农牧民人均纯收入和牲畜数量影响较大, q值分别为0.1435和0.1167, 解释率在11%以上(表 4)。

在非牧业旗县, 人为因素对植被NDVI变化的影响高于自然因素。各因素q值从大到小排列依次为：粮食产量＞乡村劳动力＞年平均气温＞土壤类型＞年降水量＞乡村户数＞农牧民人均纯收入＞牲畜数量＞乡村总人口＞地貌类型＞坡度＞植被类型＞坡向。人为因素中粮食产量的影响最大, q值为0.1131, 解释率在11%以上；其次为乡村劳动力, q值为0.0896, 解释率为7%以上。自然因素中年平均气温、土壤类型和年降水量的影响较大, q值依次为0.0875、0.0871和0.0781, 解释率均在7%以上(表 4)。

2.3 探测因子交互作用分析

在研究区植被NDVI变化中, 双因子之间的交互作用呈现出两种关系, 即非线性增强和双因子增强, 不存在独立起作用的因子。

在牧业旗, 双因子之间的交互作用对植被NDVI变化的解释率高的6组为(图 5)：乡村户数∩牲畜数量(0.480)＞年降水量∩牲畜数量(0.439)＞土壤类型∩农牧民人均纯收入(0.422)＞年降水量∩乡村户数(0.414)＞乡村劳动力∩牲畜数量(0.411)＞年降水量∩乡村户数(0.403)。表明双因子之间的交互作用中, 乡村户数和牲畜数量因子之间交互作用的影响为最大, 其次为年降水量和牲畜数量的自然因素和人为因素的交互作用。这与单因子分析的自然因子作用大人为因子作用的结果有所不同。

在非牧业旗县, 因子之间的交互作用均呈现出非线性增强关系。双因子之间的交互作用对植被NDVI变化的解释率高的6组为(图 5)：土壤类型∩粮食产量(0.311)＞年降水量∩土壤类型(0.296)＞年降水量∩农牧民人均纯收入(0.274)＞年平均气温∩土壤类型(0.269)＞乡村劳动力∩农牧民人均纯收入(0.266)＞农牧民人均纯收入∩粮食产量(0.265)。可以发现, 因子之间的交互影响中, 植被NDVI变化受粮食产量和土壤类型的双因子交互作用最大, 其次为年降水量和土壤类型的双因子交互作用。

2.4 风险区探测

由于本文选取的影响植被NDVI变化的因素较多, 所以风险区探测只列出了前6个主要因素(图 6)。将2000—2015年的年降水量变化趋势、年平均气温变化趋势、粮食产量趋势和乡村劳动力变化趋势分10个分区, 用数字1—10来表示。

从图 6可以看出随着年降水量的增加趋势NDVI呈增加趋势, 在牧业旗和非牧业旗县NDVI变化趋势达到5类型时达到最高值。还可以看出, 植被NDVI变化趋势随着年降水量的增加趋势也呈增加, 这进一步证明了在内蒙古干旱半干旱地区降水是植被变化的主要驱动因素。

在牧业旗和非牧业旗县, 年平均气温对植被NDVI的影响截然不同。在牧业旗县, 植被NDVI变化趋势在1类型时年均温变化趋势达到最高值, 而且随着年均温的增加趋势植被NDVI变化趋势呈减少。在非牧业旗县, 植被NDVI变化趋势在10类型时年均温变化趋势达到最高值, 而且随着年均温的增加趋势植被NDVI变化趋势呈增加(图 6)。

在非牧业旗县, 9类型粮食产量变化趋势时植被NDVI变化趋势最高, 而且随着粮食产量的增加趋势植被NDVI也呈增加趋势(图 6)。已有研究表明, 内蒙古农区植被的改善与农业种植水平的提高有很大的关系^[29]。

在非牧业旗县, 随着乡村劳动力的增加植被NDVI变化趋势也呈增加。研究表明, 乡村劳动力迁出对植被NDVI具有正影响^[16]。但本文认为在内蒙古牧业旗以外的非牧业旗县, 随着乡村劳动力的增加趋势植被NDVI变化趋势也随之增加。

在内蒙古全区包括有34种土类类型, 另外还有江河、湖泊以及城区。在牧业旗县大多数土壤类型的植被NDVI变化呈增加趋势, 其中湖泊NDVI增加趋势最明显, 达到了0.0083。这可能是内蒙古湖泊退化导致的结果。已有研究表明农业开垦是内蒙古湖泊面积缩小的重要原因^[30], 耕地侵占湖泊水域, NDVI必然会增加, 因为水体的NDVI值在0以下。灰棕漠土、漠境盐土、龟裂土和荒漠风沙土的植被NDVI呈下降趋势, 这几种土壤类型都属于干旱区土壤, 植被生境恶劣, 易受各种因素的影响。

按植被大类把内蒙古植被分成针叶林、阔叶林、灌丛、荒漠、草原、草丛和草甸等。大部分植被类型的NDVI呈增加趋势。在牧业旗县和非牧业旗县荒漠的植被NDVI变化趋势始终最低。在牧业旗县更是低于0, 这表示荒漠植被退化显著。

3 讨论与结论 3.1 讨论

(1) 自然因素对研究区植被变化的影响。在本项研究中牧业旗县植被覆盖变化的主要影响因素为降水量。牧业旗县面积是研究区总面积的67.75%, 主要以放牧为主, 草地为主要土地覆被/覆盖类型。内蒙古自治区位于中国干旱半干旱区, 主要植被为草原^[31], 草原区热量条件相对充足, 能够满足植被生长需要, 降水量是植被生长状况的主要气候因素, 温度的作用不如降水量那样明显^[32-33]。土壤对植被的影响在降水为主要限制因素的地区显著^[34-36], 这与本文研究结果一致。土壤类型对生态系统的生产力产生起到决定作用, 并且直接影响植被覆盖度。非牧业旗县植被覆盖度变化主体为耕地。耕地地力与植被指数之间存在着较高的相关性^[37]。土壤类型影响耕地生产潜力, 而植物的光合效率和水分状况决定了耕地产量, 因此年降水量、土壤类型和年均温为主要影响自然因子。

(2) 人为因子对研究区植被覆盖度的影响。内蒙古地区植被覆盖度变化是由气候变化和人类活动引起^[38]。在内蒙古地区牧业旗县植被覆盖度的主要人为影响因素为户数和牲畜数量。内蒙古地区“家庭联产承包责任制”以后, 草场以家庭户(牧户)为单元进行承包。儿女成家以后, 从父母处获取(分割)草场(通常是用网围栏), 满足需求。相关的政府扶持政策都是按牧户为单位进行分配, 从而增加了牧户数量, 产生很多中小牧户, 而草场超载过牧的主体是中小牧户^[39]。此外草场承包和围栏建设可能会产生“狭地制约”的问题, 使得牧户的草场经营规模变得狭小, 带来草场的破碎化经营^[40], 草场经营面积越小, 载畜量的草地面积单位越低^[41]。在内蒙古地区牲畜密度的增加造成草地地上生物量减少引起植被覆盖度变化^[15]。在内蒙古地区农业的发展在一定程度上增加了该区域植被的恢复^[33], 因此在非牧业旗县中, 粮食产量是植被覆盖度变化主要影响因素。

(3) 研究区植被NDVI变化影响因素而言, 政府实施的政策因子也起到了重要作用。自2000年以来我国在内蒙古地区实施了一系列生态恢复政策项目, 包括退耕还林还草、天然草地保护、京津风沙源治理等生态保护工程, 人工种草、生态补偿、轮牧、鼠害防治等。这些生态项目的实施也很大程度上加速了植被NDVI的恢复和改善, 其效果不可忽视^[13]。在未来研究中, 应该在人为因素中增加政策因子, 更深入研究植被NDVI变化的驱动因素。

3.2 结论

(1) 2000—2015年内蒙古植被覆盖度时空变化明显, 总体上呈增加趋势。在空间上呈现出西部减少, 东部与南部增加趋势, 其余地区变化不明显。不管在牧业旗县还是非牧业旗县植被NDVI都呈增加趋势, 但非牧业旗县的植被NDVI改善区面积大于牧业旗县的改善面积。

(2) 整个研究区, 年降水量和土壤类型是影响植被NDVI的主要驱动因素, 解释率在22%以上。在牧业旗县和非牧业旗县, 前者也是年降水量和土壤类型是主要驱动因素, 但在后者粮食产量是最主要的驱动因素。

(3) 因子之间的交互影响均高于单因子的影响。在牧业旗, 因子之间的交互作用呈现出非线性增强和双因子增强关系, 植被NDVI变化受乡村户数∩牲畜数量的交互影响最为突出。非牧业旗县因子之间呈现出非线性增强的交互作用关系, 植被NDVI变化受土壤类型∩粮食产量的交互影响最为明显。