基于隨機(jī)森林模型長汀縣植被覆蓋度的影響因子

楊婷婷, 韋 丹, 馬祥慶, 田 超, 郭福濤, 吳鵬飛

(福建農(nóng)林大學(xué)林學(xué)院/國家林業(yè)局杉木工程技術(shù)研究中心，福建 福州 350002)

基于隨機(jī)森林模型長汀縣植被覆蓋度的影響因子

楊婷婷, 韋 丹, 馬祥慶, 田 超, 郭福濤, 吳鵬飛

(福建農(nóng)林大學(xué)林學(xué)院/國家林業(yè)局杉木工程技術(shù)研究中心，福建 福州 350002)

應(yīng)用隨機(jī)森林回歸模型對水土流失典型區(qū)域——長汀縣2000—2010年植被覆蓋度變化及主要影響因子進(jìn)行分析.研究表明：長汀縣近11 a植被覆蓋度以每年4.11%的速率增加，其中2005年植被覆蓋度最低(0.12)，2010年植被覆蓋度最高(0.70)，且2006年之后植被覆蓋度均發(fā)生正向突變；隨機(jī)森林模型對植被覆蓋度主要驅(qū)動因子的擬合效果較好,其觀測值和預(yù)測值的方差解釋率均在78.30%以上，相關(guān)性為0.885～0.939，極顯著相關(guān)(P<0.01)，且均方殘差都小于0.001；當(dāng)?shù)刎斦С龊娃r(nóng)村人均純收入、年平均地表比輻射率、年平均風(fēng)速等人為因子和自然因子是影響長汀縣植被覆蓋度變化的主要因子.

長汀縣; 植被覆蓋度; 隨機(jī)森林模型; 人為因子; 自然因子

近年來，隨著城市化進(jìn)程的加快產(chǎn)生了一系列生態(tài)環(huán)境問題，而植被作為生態(tài)環(huán)境優(yōu)劣的重要指標(biāo)及生態(tài)修復(fù)的重要手段備受國內(nèi)外學(xué)者關(guān)注[1-3].植被覆蓋度(fractional vegetation cover, FVC)與植被具有較好的相關(guān)性，區(qū)域植被覆蓋度變化是區(qū)域生態(tài)環(huán)境變化的重要表現(xiàn)形式.國內(nèi)外學(xué)者開展了植被覆蓋度時空變化及影響因素的研究[4-9]，Wessels et el[10]剔除降水因素對研究區(qū)域的影響，探究植被變化與人類活動的關(guān)系；信忠保等[5]分析氣候變化和人類活動對植被覆蓋的效應(yīng)，研究表明氣候變化和人類活動的共同作用影響植被覆蓋的變化；Xu et al[11]探究中國廣東省植被覆蓋與人口密度的關(guān)系，研究表明人為活動頻繁是植被覆蓋與人口呈倒“N”型波浪式曲線的主要原因；李輝霞等[12]研究表明人類活動對區(qū)域植被覆蓋具有正向效應(yīng).目前國內(nèi)外主要應(yīng)用多元線性回歸模型和相關(guān)分析來解析植被覆蓋度與驅(qū)動因子的關(guān)系[13,14]，僅體現(xiàn)變量間的線性關(guān)系，忽略植被覆蓋度和影響因子之間復(fù)雜的非線性關(guān)系，且自變量間的共線性及獨立性明顯.而隨機(jī)森林模型(random forest regression, RFR)具有運(yùn)算速度快、變量獨立性無要求、對變量間的非線性關(guān)系解釋度高等優(yōu)點，已廣泛應(yīng)用于生態(tài)學(xué)、遙感應(yīng)用等領(lǐng)域[15-17]，但在植被覆蓋度的影響因子判別上還鮮有報道.

長汀縣作為我國生態(tài)文明建設(shè)示范縣和水土流失重點項目地，歷史上該區(qū)域內(nèi)的水土流失、山體滑坡等自然災(zāi)害較為嚴(yán)重.但多年來長汀縣在植被恢復(fù)和生態(tài)建設(shè)中不斷加大投入，目前生態(tài)已經(jīng)恢復(fù)，植被覆蓋度大大提高[18-20].引起長汀縣植被變化的主要因子一直是研究的重點與熱點，但目前對植被覆蓋度研究只考慮植被間的線性關(guān)系，忽略非線性關(guān)系，且研究區(qū)人為因子對植被覆蓋度的效應(yīng)存在爭議.本研究以自然和人為因子為基礎(chǔ)，應(yīng)用隨機(jī)森林模型判斷影響長汀植被覆蓋度的主要驅(qū)動因素和驅(qū)動效應(yīng)，旨在提高我國南方典型紅壤區(qū)水土流失的治理成效.

1 研究區(qū)概況

長汀縣位于福建省西南部(圖1)，北緯25°18′40″—26°02′05″，東經(jīng)116°00′45″—116°39′20″，位于武夷山脈南段，南與廣東近鄰，西與江西接壤區(qū)，是閩、粵、贛三省的邊陲要沖，土地總面積為3 097.26 km2.該區(qū)屬中亞熱帶季風(fēng)性濕潤氣候，年平均氣溫18.3 ℃，降雨強(qiáng)度大而集中，且年均降雨量為1 730.4 mm.土壤多以紅壤和赤紅壤為主，占總面積的79.81%.土層較薄，抗侵蝕能力差.地貌以低山、丘陵為主，占總面積的71.11%，地形呈四周隆起，中部為以河田盆地為中心的低山丘陵區(qū)，該地區(qū)人類活動多，水土流失嚴(yán)重.根據(jù)中國植被區(qū)劃，長汀縣屬于亞熱帶常綠闊葉林區(qū)，但由于人類長期不合理的開發(fā)和利用，使得原生植被遭到破壞，現(xiàn)有植被主要以馬尾松(Pinusmassoniana)低效林和灌叢、荒草坡等次生植被和人工植被為主；山地植被結(jié)構(gòu)單一，水土保持防護(hù)較弱，加之一些人為因素的作用，極易發(fā)生水土流失.

圖1 長汀縣地形與海拔分布Fig.1 Topography and altitude of Changting County

2 方法

2.1 數(shù)據(jù)來源與處理

數(shù)據(jù)主要由四部分組成：(1)地理空間數(shù)據(jù)云數(shù)據(jù)提供的LandsatTM遙感影像，影像采集時間為2000—2010年，空間分辨率30 m；(2)地球系統(tǒng)科學(xué)數(shù)據(jù)共享平臺提供的分辨率為1 km×1 km的人口密度、氣象數(shù)據(jù)、人均GDP；(3)國家測繪地理信息局提供的道路、居民點、河網(wǎng)等1∶250 000矢量數(shù)據(jù)；(4)福建省統(tǒng)計年鑒提供的長汀縣2000—2010年的當(dāng)?shù)刎斦С龊娃r(nóng)民人均純收入.

FVC提?。夯诘乩砜臻g數(shù)據(jù)云數(shù)據(jù)庫提供的遙感影像在ENVI 4.5中按照式(1)合成歸一化植被指數(shù)(normalized difference vegetation index, NDVI).NDVI與FVC之間具有很強(qiáng)的線性關(guān)系，可應(yīng)用NDVI對植被覆蓋度進(jìn)行估測[21,22].像元二分模型已廣泛用于FVC的估測[23].假設(shè)一個像元信息由土壤和植被兩部分組成，根據(jù)式(2)對長汀縣植被覆蓋度進(jìn)行計算.

(1)

式中，Nnir為近紅外波段反射率，Nred為紅外波段反射率，NDVI為歸一化植被指數(shù).

(2)

式中，F(xiàn)VC為研究區(qū)植被覆蓋度，NDVI為研究區(qū)歸一化植被指數(shù)，NDVIsoil、NDVIveg分別為裸土、全植被的像元值.

矢量路網(wǎng)、河網(wǎng)的提?。夯镜缆贰⒑泳W(wǎng)等數(shù)據(jù)通過ArcGIS 10.2空間鏈接工具提取，得到每1 km2中路網(wǎng)密度、河網(wǎng)密度等變量.氣象數(shù)據(jù)、人均GDP、人口密度柵格數(shù)據(jù)提?。簯?yīng)用ArcGIS 10.2局部分析工具，將數(shù)據(jù)提取到1 km×1 km的格網(wǎng)中.當(dāng)?shù)刎斦С龊娃r(nóng)民人均純收入以每年常數(shù)輸入，提取到1 km×1 km的格網(wǎng).

所有數(shù)據(jù)經(jīng)預(yù)處理后均放到1 km×1 km的格網(wǎng)中，剔除無效值，樣本容量為32 879，各變量數(shù)據(jù)見表1.

表1 變量指標(biāo)的描述及來源Table 1 Description and source of variable index

2.2 潛在影響因子的選擇

影響植被變化的因子主要有人為因子和自然因子兩方面，基于此對氣象因素、社會經(jīng)濟(jì)、人口及基礎(chǔ)設(shè)施等14個變量對植被覆蓋度的影響因子進(jìn)行研究.氣象因子作為影響區(qū)域植被生長的重要因子已得到證實[24-27]；人為因素主要包括居民點密度、地方道路密度、國道密度等.路網(wǎng)密集度越高，人類活動越頻繁，對區(qū)域植被干擾和破壞的可能性越大.人口密度作為區(qū)域生態(tài)發(fā)展的重要影響因子，人口增多，區(qū)域生態(tài)壓力相應(yīng)增大.人均GDP、當(dāng)?shù)刎斦С龊娃r(nóng)民人均純收入等作為社會經(jīng)濟(jì)發(fā)展的重要體現(xiàn)因素，間接影響植被的分布與變化.近年來，隨著經(jīng)濟(jì)的不斷發(fā)展，政府對環(huán)保設(shè)施的投入逐年增加，植被的綠化度呈不斷增長趨勢.本研究選取與植被覆蓋度相關(guān)的自然因子和人為因子等14個變量分析影響長汀縣植被變化的因子.

2.3 影響因子重要性及局部依賴性的分析

根據(jù)植被的非線性變化選取隨機(jī)森林模型(random forest, RF)對植被覆蓋度重要因子進(jìn)行篩選，并對因子之間關(guān)系進(jìn)行研究.隨機(jī)森林模型可用于分類與回歸[28].本研究中植被覆蓋度是連續(xù)變量，應(yīng)采用回歸分析，為保證計算數(shù)據(jù)的準(zhǔn)確性，減少研究結(jié)果的誤差值，將全部數(shù)據(jù)隨機(jī)地分成訓(xùn)練樣本(60%)和測試樣本(40%)，重復(fù)5次[29].根據(jù)R 2.15.2軟件中varSelRF對5個訓(xùn)練樣本進(jìn)行模型自變量的計算，最后選擇在5個樣本組中出現(xiàn)3次及以上的變量作為主要影響因子.

隨機(jī)森林模型mtry、ntree是主要參數(shù)，mtry為變量個數(shù)/3時模型擬合效果最好，ntree越大效果越好.本研究根據(jù)變量個數(shù)及數(shù)據(jù)大小，mtry定為4，ntree為1 000時模型估測效果最好.此外，通過以下2個指標(biāo)判斷自變量對因變量的重要程度：(1)均方誤差遞減意義下的重要性(mean decrease accuracy， MDA)，若此指標(biāo)值越大則說明此自變量對因變量的影響程度越大；(2)精確度遞減意義下的重要性(mean decrease gini， MDG)計算殘差的平方和，若此指標(biāo)值越大則說明此自變量對因變量的影響程度越大[30].本研究應(yīng)用MDA、MDG對影響長汀縣2000—2010年植被覆蓋度變量貢獻(xiàn)度進(jìn)行分析，從而確定影響因子對植被覆蓋度的響應(yīng)程度.

局部依賴性分析主要目的是揭示自變量與因變量之間的相互關(guān)系[31].本研究應(yīng)用R軟件中的局部依賴圖功能，揭示各影響因子與植被覆蓋度之間的關(guān)系.

3 結(jié)果與分析

3.1 植被覆蓋度的變化特征

從圖2可知，2005年長汀縣植被覆蓋度波動變化最小，2010年變化最大，其突變年份分別為2001、2007、2008、2009、2010五個年份.近11 a長汀縣整體植被覆蓋度不斷增大，增大速率為4.11%.

圖2 長汀縣2000—2010年植被覆蓋度的變化趨勢Fig.2 Change and trend of vegetation coverage in Changting County during 2000-2010

3.2 隨機(jī)森林模型精度及重要影響因子

為檢驗隨機(jī)森林模型在植被覆蓋度和影響因子的擬合效應(yīng)，對模型方差解釋率、觀測值和預(yù)測值的相關(guān)性及均方殘差進(jìn)行分析(表2).結(jié)果表明，觀測值和預(yù)測值的方差解釋率較高，均在78.30%以上；觀測值與預(yù)測值的相關(guān)性較高，為0.885～0.939，呈極顯著相關(guān)(P<0.01)，均方殘差都小于0.01.綜上可知，隨機(jī)森林模型對植被覆蓋度及其影響因子的擬合效應(yīng)較好，對植被覆蓋度的影響因子確定具有可靠性.

表2 基于5個樣本的隨機(jī)森林回歸模型的方差解釋率和觀測值與預(yù)測值的相關(guān)性1)Table 2 Correlation values between observation and predicted values of 5 samples based on random forest regression model

1)**表示差異極顯著(P<0.01).

基于MDA和MDG重要變量的順序可知(圖3)，在MDG中當(dāng)?shù)刎斦С龊娃r(nóng)村人均純收入等社會經(jīng)濟(jì)因子是最主要的影響因子，而在MDA中年平均地表比輻射率、年平均風(fēng)速等氣象因子是植被覆蓋度變化的最主要因子；非主要因子主要是地方道路密度、國道密度、省道密度、居民點密度和河流密度等5個因子.表明在主要因子判斷上，指標(biāo)不同變量的順序存在差異；但在主要因子和非主要因子判斷上，指標(biāo)不同變量的順序相同.社會經(jīng)濟(jì)因素(當(dāng)?shù)刎斦С?、人均GDP、農(nóng)村人均純收入、人口密度)和氣象因素(年平均地表比輻射率、年平均風(fēng)速、年平均溫度、年平均相對濕度)均為植被覆蓋度變化的主要影響因子，而道路建設(shè)、河網(wǎng)水系密度對植被覆蓋度的影響較小.由此可知，長汀植被覆蓋度變化與社會經(jīng)濟(jì)、氣象變化密切相關(guān).

3.3 植被覆蓋度與影響因子的相關(guān)特征

為進(jìn)一步分析長汀縣植被覆蓋度與影響因子之間相關(guān)特征，本研究分析各因子的局部效應(yīng)(圖4)，并從社會經(jīng)濟(jì)、氣象、非主要影響因子3個方面探究植被覆蓋度變化的驅(qū)動效應(yīng).植被覆蓋度變化是社會經(jīng)濟(jì)因子和氣象因子共同作用的結(jié)果，且不同因子對其驅(qū)動能力不同.

圖3 基于平均基尼指數(shù)遞減度(MDG)和平均準(zhǔn)確率降低度(MDA)的重要變量順序Fig.3 Orders of important variables based on mean decrease gini(MDG) and mean decrease accuracy(MDA)

社會經(jīng)濟(jì)因子作為影響植被覆蓋度變化的主要因子,是人為活動對植被覆蓋度效應(yīng)的重要表現(xiàn).其中,當(dāng)?shù)刎斦С?、農(nóng)民人均純收入的效應(yīng)較大，且波動上升，表明農(nóng)民收入、財政支出的增加促使植被覆蓋度增大，反映財政政策的支持不僅提高人民生活水平，同時擴(kuò)大綠化面積，提高農(nóng)民人均純收入；人均GDP和人口密度對植被覆蓋度影響較小，且呈負(fù)相關(guān)，表明人口及人均GDP的增加導(dǎo)致生態(tài)壓力加大、林木等產(chǎn)品需求增大，加大對局部區(qū)域生態(tài)破壞，降低整體植被覆蓋度.

氣象因子對植被覆蓋度的影響較為復(fù)雜，年平均地表比輻射率為600%～1 400%時具有促進(jìn)作用，年平均風(fēng)速抑制植被覆蓋度增長；當(dāng)年平均氣溫低于16 ℃時，植被覆蓋度保持在一個特定的范圍，而當(dāng)年平均氣溫大于16 ℃時植被覆蓋度減小.降水量對植被覆蓋度的影響較為穩(wěn)定，但降雨量為200 mm時，對植被覆蓋度的效應(yīng)降低.年平均相對濕度與植被覆蓋度呈正相關(guān)，且年平均相對濕度為90%時影響最大.表明植被覆蓋度變化是氣象因子綜合作用的結(jié)果.降水效應(yīng)小于相對濕度，原因是長汀處于熱帶氣候帶，降水較為豐富且穩(wěn)定，滿足植被生長對水分的需求；而相對濕度對綠色植被的呼吸作用影響較大，影響植被覆蓋度的變化.

地方道路密度、國道密度、省道密度、居民點密度、河流密度等因子對植被覆蓋度的影響不大，表明基礎(chǔ)設(shè)施建設(shè)選取較為合理，用地多為非植被、低植被覆蓋度區(qū)，由于該區(qū)降水量較大，水分已不是影響植被生長的主要因子.

4 小結(jié)與討論

本研究基于像元二分模型、隨機(jī)森林等方法對長汀縣2000—2010年植被覆蓋度變化及驅(qū)動因子進(jìn)行研究，結(jié)果顯示：長汀縣2000—2010年植被覆蓋度整體呈增長趨勢，2006年后植被覆蓋度均發(fā)生正向突變，且2010年突變最大，這與張燦等[32]、楊婷婷等[33]的研究結(jié)果相一致.根據(jù)隨機(jī)森林模型擬合結(jié)果可知，方差解釋率較高(大于78.30%)，相關(guān)性為0.885～0.939，呈極顯著相關(guān)(P<0.01)，均方殘差都小于0.01，擬合效果較好.說明該模型可反映植被覆蓋度和影響因子之間的關(guān)系.根據(jù)隨機(jī)森林變量的重要性可知，年平均地表比輻射率、年平均風(fēng)速、人均GDP、年平均降水、當(dāng)?shù)刎斦С觥⑥r(nóng)民人均純收入、年平均氣溫、年平均相對濕度、人口密度等9個因子是長汀縣植被覆蓋度變化的主要因子.長汀縣植被覆蓋度變化是社會經(jīng)濟(jì)因子和氣象因子共同作用的結(jié)果，且社會經(jīng)濟(jì)因子對植被覆蓋度的影響大于氣象因子，因此在實施政策及生態(tài)建設(shè)過程中，充分考慮人為活動的效應(yīng)，體現(xiàn)人的主觀能動性.

圖4 各影響因子與植被覆蓋度的局部依賴性Fig.4 Partial dependence of each factor and vegetation coverage

本研究在考慮到人為因子和自然因子的綜合效應(yīng)[34-36]的同時，應(yīng)用隨機(jī)森林模型探究各因子與植被覆蓋度間的非線性關(guān)系，并篩選出主要因子.本研究以路網(wǎng)、河網(wǎng)密度等因子作為非主要因子，這與Schulz et al[37]研究結(jié)果不一致，主要是由于研究區(qū)域不同，長汀基礎(chǔ)設(shè)施建設(shè)所占用地多為裸地或低植被覆蓋區(qū)；其路網(wǎng)密度較低，不足以對當(dāng)?shù)刂脖簧L造成明顯的影響.

[1] 蔡麗平,劉明新,侯曉龍,等.長汀強(qiáng)度水土流失區(qū)不同治理模式恢復(fù)效果的灰色關(guān)聯(lián)分析[J].中國農(nóng)學(xué)通報,2014,30(1):85-92.

[2] 陳增文.基于NDVI的生態(tài)環(huán)境變化分析——以福建省龍巖市長汀縣為例[J].化學(xué)工程與裝備,2012(6):204-207.

[3] 江洪,王欽敏,汪小欽.福建省長汀縣植被覆蓋度遙感動態(tài)監(jiān)測研究[J].自然資源學(xué)報,2006,21(1):126-132.

[4] 朱會利,楊改河,韓磊.延安市退耕過程植被覆蓋度變化及其影響因子分析[J].農(nóng)業(yè)機(jī)械學(xué)報,2015,46(8):272-280.

[5] 信忠保,許炯心,鄭偉.氣候變化和人類活動對黃土高原植被覆蓋變化的影響[J].中國科學(xué),2007,37(11):1 504-1 514.

[6] 王智.新疆地區(qū)植被覆蓋變化與氣候、人文因子的相關(guān)性探討[D].烏魯木齊：新疆大學(xué),2011.

[7] 李學(xué)梅,任志遠(yuǎn),張翀.氣候因子和人類活動對重慶市植被覆蓋變化的影響分析[J].地理科學(xué),2013,33(11):1 390-1 394.

[8] GEERKEN R, ILAIWI M. Assessment of rangeland degradation and development of a strategy for rehabilitation[J]. Remote Sensing of Environment, 2004,90(4):490-504.

[9] ZHANG J, PAN X L, GAO Z Q, et al. Estimation of net primary productivity of the oasis-desert ecosystems in arid west China based on RS-based ecological process[J]. Arid Land Geography, 2006,29(2):255-261.

[10] WESSESLS K J, PRINCE S D, FROST P E, et al. Assessing the effects of human-induced land degradation in the former homelands of northern South Africa with a 1 km AVHRR NDVI time-series[J]. Remote Sensing of Environment, 2004,91(1):47-67.

[11] LI C, KUANG Y, HUANG N, et al. The long-term relationship between population growth and vegetation cover: an empirical analysis based on the panel data of 21 Cities in Guangdong Province, China[J]. International Journal of Environmental Research and Public Health, 2013,10(2):660-677.

[12] 李輝霞,劉國華,傅伯杰.基于NDVI的三江源地區(qū)植被生長對氣候變化和人類活動的響應(yīng)研究[J].生態(tài)學(xué)報, 2011(19):5 495-5 504.

[13] 白文龍.關(guān)中地區(qū)植被覆蓋變化及其主要驅(qū)動因子分析[D].西安：陜西師范大學(xué),2013.

[14] 韓旭.永定河流域植被生物量遙感反演研究[D].北京：北京林業(yè)大學(xué),2012.

[15] NA X, ZANG S, WANG J. Evalution of random forest ensemble classification for land cover mapping using TM and ancillary geographical data[C]//IEEE. Sixth International Conference on Fuzzy Systems and Knowledge Discovery． Tianjin，China：IEEE， 2009：89-93.

[16] GISLASON P O, BENEDIKTSSION J A, SVEINSSON J R. Random forests for land cover classification[J]. Pattern Recognition Letters, 2006,27(4):294-300.

[17] PAL M. Random forest classifier for remote sensing classification[J]. International Journal of Remote Sensing, 2005,26(1):217-222.

[18] 張若男,鄭永平.長汀縣水土流失治理與區(qū)域綜合開發(fā)研究[J].安徽農(nóng)學(xué)通報,2013,19(4):99-102.

[19] 蘭思仁,戴永務(wù).生態(tài)文明時代長汀水土流失治理的戰(zhàn)略思考[J].福建農(nóng)林大學(xué)學(xué)報(哲學(xué)社會科學(xué)版),2013,16(2):1-4.

[20] 陳雷.全面總結(jié)推廣長汀經(jīng)驗扎實做好水土流失治理工作——在總結(jié)推廣長汀水土流失治理經(jīng)驗座談會上的講話[J].水土保持應(yīng)用技術(shù),2012(3):1-3.

[21] 丁艷梅,張繼賢,王堅,等.基于TM數(shù)據(jù)的植被覆蓋度反演[J].測繪科學(xué),2006,31(1):43-45.

[22] 陳云浩,李曉兵,史培軍.基于遙感的植被覆蓋變化景觀分析——以北京海淀區(qū)為例[J].生態(tài)學(xué)報,2002,22(10):1 581-1 586.

[23] 馬俊海,劉丹丹.像元二分模型在土地利用現(xiàn)狀更新調(diào)查中反演植被蓋度的研究[J].測繪通報,2006(4):13-16.

[24] 張超.內(nèi)蒙古植被覆蓋變化及其與區(qū)域氣候相互關(guān)系[D].南京：南京信息工程大學(xué),2013.

[25] 張翀,任志遠(yuǎn),李小燕.黃土高原植被對氣溫和降水的響應(yīng)[J].中國農(nóng)業(yè)科學(xué),2012,45(20):4 205-4 215.

[26] 毛德華,王宗明,宋開山,等.東北多年凍土區(qū)植被NDVI變化及其對氣候變化和土地覆被變化的響應(yīng)[J].中國環(huán)境科學(xué),2011,31(2):283-292.

[27] 陳松林,王天星.不同土地覆蓋類型上地表溫度與植被覆蓋關(guān)系研究——以福州市為例[J].山西師范大學(xué)學(xué)報(自然科學(xué)版),2008,22(4):104-109.

[28] BREIMAN L. Statistical modeling: the two cultures[J]. Statistical Science, 2001,16(3):199-215.

[29] RODRIGUES M, RIVA J D L. An insight into machine-learning algorithms to model human-caused wildfire occurrence[J]. Environmental Modelling & Software, 2014,57:192-201.

[30] 梁慧玲,林玉蕊,楊光,等.基于氣象因子的隨機(jī)森林算法在塔河地區(qū)林火預(yù)測中的應(yīng)用[J].林業(yè)科學(xué),2016,52(1):89-98.

[31] CUTLER D R, JR T C E, BEARD K H, et al. Random forests for classification in ecology[J]. Ecology, 2007,88(11):2 783-2792.

[32] 張燦,徐涵秋,張好,等.南方紅壤典型水土流失區(qū)植被覆蓋度變化及其生態(tài)效應(yīng)評估——以福建省長汀縣為例[J].自然資源學(xué)報,2015,30(6):917-928.

[33] 楊婷婷,郭福濤,王文輝,等.福建長汀紅壤區(qū)植被覆蓋度變化趨勢分析[J].森林與環(huán)境學(xué)報,2016,36(1):15-21.

[34] 張起鵬,王倩,張春花,等.草地植被覆蓋度變化及其驅(qū)動力——以甘南藏族自治州瑪曲縣為例[J].中國農(nóng)業(yè)資源與區(qū)劃,2014,35(4):58-62.

[35] 張東海,任志遠(yuǎn),王曉峰,等.基于MODIS的陜西黃土高原植被覆蓋度變化特征及其驅(qū)動分析[J].生態(tài)與農(nóng)村環(huán)境學(xué)報,2013,29(1):29-35.

[36] 孫微.陜北地區(qū)農(nóng)牧交錯帶植被覆蓋度動態(tài)及驅(qū)動力分析[D].北京：北京林業(yè)大學(xué),2012.

[37] SCHULZ J J, CAYUELA L. Factors influencing vegetation cover change in Mediterranean Central Chile (1975-2008)[J]. Applied Vegetation Science, 2011,14(4):571-582.

FactorsaffectingvegetationcoverageinChangtingCountybasedonrandomforestalgorithm

YANG Tingting, WEI Dan, MA Xiangqing, TIAN Chao, GUO Futao, WU Pengfei

(College of Forestry, Fujian Agriculture and Forestry University/State Forestry Administration Engineering Research Center of Chinese Fir, Fuzhou， Fujian 350002, China)

Random forest regression model was used to analyze changes on vegetation coverage and its dominant factors influencing soil and water loss area in Changting County from 2000 to 2010. The results showed that vegetation coverage increased at an annual rate of 4.11% in recent 11 years, with the lowest vegetation coverage being 0.12 in 2005 and the highest value being 0.70 in 2010. Vegetation coverage mutated positively after 2006. Random forest model had a satisfactory fitting effect on main driving factors of vegetation coverage. The interpretation rate of the observed and predicted values was above 78.30%, with correlation ranging between 0.885-0.939 (P<0.01). The mean square residuals were less than 0.001. To summarize, human factor, including local fiscal expenditure, rural per capita, net income, and natural factors including annual average surface area emissivity and annual average wind speed, were the dominant factors determining the trend of vegetation coverage in Changting County.

Changting County; vegetation coverage; random forest regression; human factor; natural factor

2016-11-29

2017-04-25

國家科技支撐計劃項目(2014BAD15B02)；福建省教育廳資助項目(JA13094)；國家林業(yè)局林業(yè)公益性行業(yè)科研項目(201304303).

楊婷婷( 1989-)，女，碩士研究生.研究方向：水土保持與荒漠化防治.Email:13338250742@189.cn.通訊作者郭福濤(1982-)，男，副教授，碩士生導(dǎo)師.研究方向：森林生態(tài)學(xué).Email:guofutao@126.com.

S714.7

A

1671-5470(2017)06-0641-07

10.13323/j.cnki.j.fafu(nat.sci.).2017.06.007

(責(zé)任編輯:葉濟(jì)蓉)