FAST周邊植被覆蓋度時空演變特征及影響機制研究

趙祖?zhèn)? 趙衛(wèi)權(quán) 李威 呂思思 黃亮 謝冬冬

摘要：指出了作為生態(tài)環(huán)境質(zhì)量變化的敏感指示器，植被覆蓋度的時空演變特征和影響機制成為全球環(huán)境變化研究的前沿和熱點，評估中國天眼（FAST）周邊生態(tài)環(huán)境質(zhì)量的變化，對于維持FAST健康運行具有重要意義。基于1998～2017年的多源遙感數(shù)據(jù)，從人類活動和自然影響兩個角度，利用像元二分模型和地理探測器計算，識別了FAST周邊植被覆蓋度時空演變特征及影響機制。結(jié)果表明：①2008～2017年期間，F(xiàn)AST周邊整體植被覆蓋情況較好，F(xiàn)VC呈現(xiàn)先退化后改善的趨勢;②FVC空間分異主導(dǎo)因素為植被類型、坡度和坡向，自然因素對于空間分異的解釋力更強，人類活動影響局部區(qū)域;③任意影響因子之間呈現(xiàn)雙因子增強或非線性增強，土地利用與其它因素的綜合作用對于FVC空間分異解釋力更好。

關(guān)鍵詞：地理探測器;植被覆蓋度;像元二分模型;影響機制;中國天眼

中圖分類號：Q948

文獻標識碼：A?文章編號：1674-9944（2020）14-0001-07

1?引言

植被是溝通土壤系統(tǒng)、水生態(tài)系統(tǒng)和大氣系統(tǒng)的橋梁，也是地球表面生物賴以生存的基礎(chǔ)，所有其他生物都依賴于植被而生，植被在保水固土、維持生態(tài)系統(tǒng)穩(wěn)定和調(diào)節(jié)氣候等方面具有重要作用，隨著人們對生態(tài)環(huán)境的更加重視，植被覆被及變化情況受到更多的關(guān)注。遙感數(shù)據(jù)已被越來越多的用于生態(tài)研究，植被覆蓋度是當前廣泛應(yīng)用來表征植被覆蓋程度的參數(shù)[1，2]。植被覆蓋度（Fractional Vegetation Cover，F(xiàn)VC）被定義為植被（包括葉、莖、枝）在地面的垂直投影面積占統(tǒng)計區(qū)總面積的百分比，是刻畫地表植被覆蓋程度的基礎(chǔ)指標[3，4]。FVC對于研究生態(tài)環(huán)境質(zhì)量變化、人類活動強度、氣候因子響應(yīng)關(guān)系、區(qū)域景觀格局變化、土地利用變遷響應(yīng)關(guān)系、地形因子關(guān)系、物候時空變化等具有重要意義[5]。

通過Citespace科學(xué)知識圖譜，對1990～2010年中國知網(wǎng)收錄的2984篇FVC相關(guān)文獻進行檢索分析得知，在以往的研究之中，以FVC為研究主題或關(guān)鍵詞的文獻，從2004年起開始迅速增長，2016年達到高峰，F(xiàn)VC通常與石漠化、水土保持、土壤侵蝕、遙感監(jiān)測、生態(tài)環(huán)境、氣候變化、地表溫度、熱島效應(yīng)、生態(tài)修復(fù)、生態(tài)安全等關(guān)鍵詞共同出現(xiàn)[6];FVC估算的數(shù)據(jù)源根據(jù)不同的研究尺度，主要有高光譜數(shù)據(jù)、多光譜數(shù)據(jù)、微波數(shù)據(jù)和激光雷達數(shù)據(jù)等。目前常用來估算FVC的方法，有回歸模型法、機器學(xué)習(xí)法、混合像元分解法?；貧w模型法簡單易實現(xiàn)，要求局部或特定植被類型具有較高的精度，且需要大量的實測數(shù)據(jù)，不易推廣[3，7];機器學(xué)習(xí)法主要包括神經(jīng)網(wǎng)絡(luò)、決策樹、支持向量機等，一般步驟為確定訓(xùn)練樣本、訓(xùn)練模型精度、進行FVC估算，該方法估算FVC精度受訓(xùn)練樣本的影響較大，具有一定的局限性[3];混合像元分解法通過假設(shè)每個組分對傳感器所觀測的信息具有貢獻，建立混合像元分解模型估算FVC，模型分為線性和非線性兩種，其中像元二分模型是線性模型中形式最為簡單和應(yīng)用廣泛的模型，像元二分模型的難點在于純植被和裸土的像元選擇，許多學(xué)者根據(jù)經(jīng)驗，將純植被像元和裸土像元的極值點確定在累計百分比95%和5%或者98%和2%等，具有一定的主觀性，純植被像元和裸土像元的值，還需要與實際情況進行對比確定。

國家重大工程500 m口徑球面射電望遠鏡（Five-hundred-meter Aperture Spherical Telescope，F(xiàn)AST），位于貴州省黔南布依族苗族自治州平塘縣克度鎮(zhèn)大窩凼的喀斯特洼坑中[8]。隨著FAST工程的竣工及使用，為保護FAST周邊的無線電靜默環(huán)境，核心區(qū)內(nèi)進行了一系列的建設(shè)工程、移民搬遷工程，中間區(qū)和邊遠區(qū)內(nèi)，為旅游觀光而進行的開發(fā)建設(shè)也如火如荼，如天文酒店、天文體驗區(qū)、天坑景區(qū)，F(xiàn)AST周邊5 km以外的人類活動強度不斷加大。因此，識別FAST周邊核心區(qū)、中間區(qū)和邊遠區(qū)的生態(tài)環(huán)境質(zhì)量變化特征及影響因素，對于FAST周邊的生態(tài)安全格局和FAST健康運行具有重要意義。

基于此，本文以FAST周邊30 km緩沖區(qū)為研究區(qū)域，首先，基于土地利用和1.08 m分辨率的高清Google影像進行像元二分模型的參數(shù)提取，估算1998～2017年FAST周邊30 km緩沖區(qū)的FVC值及其分析空間變化特征;其次，從自然影響和人類活動影響兩個角度選取7個指標，利用ArcGIS對空間化因子進行隨機采樣（3000個樣本），利用地理探測器模型識別FVC空間差異化影響機制。

2?研究區(qū)概況

500 m口徑球面射電望遠鏡（Five-hundred-meter Aperture Spherical Telescope，F(xiàn)AST），是一架直徑500 m，利用貴州現(xiàn)有喀斯特坑洼為基礎(chǔ)，反射面能主動變形的球面射電望遠鏡，位于貴州省黔南州平塘縣克度鎮(zhèn)大窩凼坑洼中。作為一個關(guān)鍵技術(shù)指標處于國際前沿的天文觀測設(shè)備，F(xiàn)AST蘊藏著巨大的發(fā)現(xiàn)機遇，具有對天文學(xué)產(chǎn)生重大影響的潛力[8]。

1993年，中國天文學(xué)家提出在貴州喀斯特峰叢洼地建設(shè)大射電望遠鏡陣列的建議[9]。2007年，國家批復(fù)了FAST立項建議書，工程進入可行性研究階段。2011年3月，村民搬遷完畢，F(xiàn)AST項目開始動工。2016年9月25日，舉世矚目的“大射電”竣工并投入使用。從選址、開工到投入使用。FAST周邊環(huán)境經(jīng)受了移民搬遷、施工建設(shè)、旅游開發(fā)等多方面的影響。

依據(jù)《貴州省500米口徑球面射電望遠鏡電磁波寧靜區(qū)保護辦法》，為保護FAST正常運行，將FAST電磁波寧靜區(qū)劃分為核心區(qū)、中間區(qū)和邊遠區(qū)，以FAST臺址為中心，半徑5 km的區(qū)域為核心區(qū)，半徑5～10 km環(huán)帶為中間區(qū)，半徑10～30 km環(huán)帶為邊遠區(qū)。FAST周邊30 km的電磁波寧靜區(qū)，約95.77%在貴州省境內(nèi)，4.23%在廣西省河池市天峨縣三堡鄉(xiāng)（圖1）。

3?數(shù)據(jù)與方法

3.1?數(shù)據(jù)來源與處理

根據(jù)影響因子指標和模型運算需求，以及考慮區(qū)域尺度和數(shù)據(jù)可獲取性，研究數(shù)據(jù)主要包括數(shù)字高程模型（DEM）數(shù)據(jù)（12 m分辨率），土地利用數(shù)據(jù)，土壤類型數(shù)據(jù)，植被類型數(shù)據(jù)，1998年、2008年和2017年相近月份的遙感衛(wèi)星影像數(shù)據(jù)（Landsat 5和Landsat 8），人口密度數(shù)據(jù)（公里格網(wǎng)），Google高清影像數(shù)據(jù)等。其中部分影響因子數(shù)據(jù)只獲取到貴州部分，廣西地區(qū)部分略有缺失，不過在采樣過程當中，將3000個隨機采樣點的范圍限定在貴州區(qū)域，廣西區(qū)域因占比?。?.23%），可忽略不計。

其中DEM數(shù)據(jù)用于提取高程、坡度、坡向等自然影響因子，高程按照自然斷點發(fā)劃分為6個等級，坡向劃分為平地、北、東北、東、東南、南、西南、西、西北等9個類別，坡度劃分為0～8°、8～15°、15～25°和>25°等4個等級;土地利用數(shù)據(jù)依據(jù)利用強度不同，主要劃分為園地、建設(shè)用地、林地、耕地、水域、草地和裸地等7個類別;土壤類型劃分為水稻土、石灰土、紫色土、紅壤和黃壤5個類別;植被類型大致劃分為草灌草叢、灌叢、農(nóng)田植被和林木類;人口密度按照自然斷點法結(jié)合Google高清影像劃分為5類，所有影響因子指標進行空間化建庫，統(tǒng)一地理坐標和投影信息。

3.2?研究方法

3.2.1?像元二分模型

歸一化差分植被指數(shù)（NDVI）是植被生長狀態(tài)及植被空間分布密度的最佳指示因子，綜合反映了覆蓋區(qū)域的植被類型和植被生長狀態(tài)[10，11]?；贜DVI估算FVC的像元二分模型是目前較成熟可靠的模型[12，13]。

式（1）中，F(xiàn)VC為植被覆蓋度估算值，NDVIsoil是研究區(qū)域完全裸土或者無植被覆蓋的NDVI值，NDVIveg是研究區(qū)域內(nèi)完全被植被覆蓋的NDVI值，以往的研究之中，在沒有實測數(shù)據(jù)情況下，學(xué)者往往根據(jù)圖像像元值分布情況以及主觀經(jīng)驗對NDVIsoil和NDVIveg值進行估算，如取一定置信度范圍的最大值作為NDVIveg，最小值作為NDVIsoil，或者取圖像像元值的累計概率分布值為98%、95%對應(yīng)的NDVI值作為NDVIveg，取累計概率分布值為2%、5%對應(yīng)的NDVI值作為NDVIsoil。為了減少參數(shù)選取的主觀性帶來的誤差，本文擬采用1.08 m分辨率的Google 影像和土地利用數(shù)據(jù)，對NDVIsoil和NDVIveg值進行比對校準，提高FVC估算精度。

FVC分級：參考以往學(xué)者的分級標準[14，15]、結(jié)合土地利用數(shù)據(jù)和Google影像，將估算的FVC值大致分為6類（表1）。

3.2.2?地理探測器模型

地理探測器是一種通過探測地理要素空間分層異質(zhì)性，來揭示自變量和因變量空間分異驅(qū)動力的方法，地理探測器包括4個分析模塊：因子探測器、風(fēng)險探測器、交互作用探測器和生態(tài)探測器[16，17]。該方法的基本思想是假設(shè)研究區(qū)域有多個區(qū)域，如果某地理要素值在子區(qū)域的方差小于區(qū)域總方差，則存在空間分異性;如果兩個變量的空間分布趨于一致，則兩個存在統(tǒng)計關(guān)聯(lián)性[18]。空間分異性的大小程度，由地理探測器的q值來衡量，q值的大小可以理解為自變量對于因變量空間分布的解釋力大小，值越大，解釋力越強[18]。

式（2）中，h為子區(qū)域分區(qū)個數(shù)或者層數(shù);N為全區(qū)域內(nèi)單元數(shù)，Nh為h子區(qū)域單元數(shù);SSW和SST 分別為層內(nèi)方差之和與全區(qū)總方差;q的值域為[0， 1]，值越大說明因變量的空間分異性越明顯;如果分層是由自變量生成的，則q 值越大表示自變量對因變量的解釋力越強，反之則越弱。極端情況下，q值為1表明因子自變量完全控制了因變量的空間分布，q值為0則表明自變量因子與因變量沒有任何關(guān)系，q值表示自變量解釋了100×q%的因變量。

交互作用探測：識別不同風(fēng)險因子之間的交互作用，即評估2個自變量共同作用時是否會增加或減弱對因變量的解釋力，或這些自變量因子對因變量的影響是相互獨立的[18]。

本文將研究區(qū)的FVC作為因變量，自然影響因子（土壤類型、坡度、坡向、高程、植被類型）和人類活動影響因子（土地利用類型、人口密度）作為自變量，構(gòu)建FAST周邊FVC空間分異影響機制分析模型，因子空間化如圖2所示。

4?結(jié)果與分析

4.1?1998～2017年FAST周邊FVC時空演變分析

基于像元二分模型計算了1998～2017年FAST周邊植被覆蓋度，并利用ArcGIS對計算結(jié)果進行分級顯示（圖3）。結(jié)合Google影像和土地利用數(shù)據(jù)觀察可知，無覆蓋區(qū)域一般為水體、城鄉(xiāng)居民點、寬闊道路或大片裸露巖石等區(qū)域;低覆蓋和中低覆蓋區(qū)域，一般為居民點與周邊植被的混合像元點、低植被覆蓋的耕地和草地、兩邊為植被覆蓋的河灘、小面積裸地等區(qū)域;中覆蓋、中高覆蓋和高覆蓋區(qū)域，則對應(yīng)于不同植被覆蓋的林地和草地。

從整體分布和變化趨勢上看，F(xiàn)AST周邊植被覆蓋情況較好，1998～2017年間，整體植被覆蓋情況呈現(xiàn)先退化后改善的趨勢。中高和高覆蓋區(qū)域面積占比分別為67.09%、58.51%和70.99%，無覆蓋和低覆蓋區(qū)域主要集中在城鄉(xiāng)建設(shè)中心及周邊，如北部太陽鄉(xiāng)和羨塘鄉(xiāng)之間大片農(nóng)用地、克渡鎮(zhèn)和塘邊鎮(zhèn)周邊建設(shè)開發(fā)用地和耕地、董當鄉(xiāng)和云干鄉(xiāng)之間大片耕地和城鄉(xiāng)居民點、羅甸縣縣城周邊、西涼鄉(xiāng)周邊等區(qū)域。1998～2008年期間，無覆蓋區(qū)域面積有所減少，變化幅度不大，但中高覆蓋區(qū)域和高覆蓋區(qū)域面積分別減少約134.20 km2和108.45 km2，減少幅度均超過10%，低覆蓋區(qū)域和中低覆蓋區(qū)域面積增加數(shù)量較大，分別為43.71 km2和160.57 km2。從空間分布上看，1998～2008年高覆蓋減少區(qū)域主要集中在大塘鎮(zhèn)南部、通州鎮(zhèn)和西涼鄉(xiāng)北部，中低覆蓋和中覆蓋增加區(qū)域主要分布在太陽鄉(xiāng)中部、羨塘鄉(xiāng)西北部、克度鎮(zhèn)和茂井鎮(zhèn)集中居民點周邊、西涼鄉(xiāng)、通州鎮(zhèn)、董當鄉(xiāng)、牙舟鎮(zhèn)、龍坪鎮(zhèn)東部等地。2008～2017年期間，無覆蓋區(qū)域面積增加11.07 km2，低覆蓋、中低覆蓋、中覆蓋區(qū)域面積分別減少75.29 km2、210.89 km2和77.54 km2，而中高覆蓋和高覆蓋區(qū)域分別增加88.74 km2和263.92 km2（表2）。

從核心區(qū)植被覆蓋度空間分布和變化趨勢上看，F(xiàn)AST核心區(qū)無覆蓋和低覆蓋區(qū)域主要集中于克渡鎮(zhèn)落良村集中居民點、轎子山、小坡、往董架鄉(xiāng)的條帶區(qū)，以及中部的FAST工程區(qū)、南部的白龍村周邊。植被覆蓋變化方面，無覆蓋、低覆蓋、中低覆蓋和中覆蓋區(qū)域面積均經(jīng)歷了先增后減的趨勢，而中高覆蓋和高覆蓋區(qū)域經(jīng)歷了先減后增的趨勢，說明前10年由于人類活動或氣候原因?qū)е潞诵膮^(qū)植被覆蓋情況變差，無覆蓋、低覆蓋區(qū)域面積擴大，而中高覆蓋和高覆蓋區(qū)域面積被其他空間擠壓;2008～2017年，無覆蓋、低覆蓋區(qū)域面積減少，中高覆蓋和高覆蓋區(qū)域面積擴大，說明FAST核心區(qū)生態(tài)環(huán)境質(zhì)量得到有效保護。

從中間區(qū)植被覆蓋度空間分布和變化趨勢上看，F(xiàn)AST中間區(qū)的無覆蓋、低覆蓋區(qū)域主要集中在北部克渡鎮(zhèn)、西部塘邊鎮(zhèn)、東部鼠場鄉(xiāng)、東南部的董架鄉(xiāng)鄉(xiāng)鎮(zhèn)周邊，西南部和南部植被覆蓋情況較好;1998～2008年期間，F(xiàn)AST中間區(qū)無覆蓋和高覆蓋區(qū)域面積減少，分別減少4.32 km2和14.24 km2，中高覆蓋區(qū)域變化不大，低覆蓋、中低覆蓋和中覆蓋區(qū)域增加;2008～2017年，無覆蓋區(qū)域、中高覆蓋區(qū)域和高覆蓋區(qū)域面積增加，且高覆蓋區(qū)域面積增幅較大，達到21.81%，低覆蓋、中低覆蓋和紅覆蓋區(qū)域面積減少，分別為6.28 km2、15.44 km2和6.40 km2。

從邊遠區(qū)植被覆蓋度空間分布和變化趨勢上看，F(xiàn)AST邊遠區(qū)的無覆蓋、低覆蓋區(qū)域，主要集中于西南部羅甸縣城、西部邊陽鎮(zhèn)、羅沙鄉(xiāng)至栗木鄉(xiāng)條帶區(qū)域、董當鄉(xiāng)至云干鄉(xiāng)居名點和耕地等大片區(qū)域、通州鎮(zhèn)、西涼鄉(xiāng)周邊等;中高覆蓋和高覆蓋區(qū)域，多分布于新塘鄉(xiāng)西部、抵季鄉(xiāng)、塘邊鎮(zhèn)西北部、云干鄉(xiāng)北部、羨塘鄉(xiāng)等。1998～2008年期間，無覆蓋區(qū)域面積經(jīng)歷了先減后增趨勢，但面積變化不大，變化幅度小于10%，低覆蓋、中低覆蓋和中覆蓋區(qū)域總體呈現(xiàn)先增后減趨勢，其中中低覆蓋區(qū)域2008年增幅較大，中高覆蓋區(qū)域和高覆蓋區(qū)域經(jīng)歷了先減后增的趨勢，其中高覆蓋區(qū)域從1998年的915.76 km2，至2017年已增加到1060.49 km2，增幅達15.80%。

整體上，1998～2017年間FAST周邊30 km緩沖區(qū)內(nèi)植被覆蓋經(jīng)歷了先變差再轉(zhuǎn)好的過程。從定性角度來看，整體FVC空間分布與自然氣候、土壤類型、地形地貌等因素有關(guān)，局部區(qū)域與人類活動情況有著千絲萬縷的關(guān)系。如隨著人口膨脹、社會經(jīng)濟發(fā)展以及城鎮(zhèn)化過程，F(xiàn)AST周邊各縣鄉(xiāng)集中居民點范圍不斷的擴大，生活生產(chǎn)區(qū)域不斷吞噬周邊的有植被覆蓋的生態(tài)區(qū)域，體現(xiàn)在城鄉(xiāng)居民點周邊的無覆蓋和低覆蓋區(qū)域擴大。其次，自FAST工程開工建設(shè)以及投入使用過程中，對周邊的FVC布局影響也較大，核心區(qū)體現(xiàn)在隨著時間推移，F(xiàn)AST工程區(qū)從中低覆蓋、低覆蓋和無覆蓋轉(zhuǎn)變?yōu)闊o覆蓋，周邊隨著有道路建設(shè)，景區(qū)旅游設(shè)施建設(shè)，以及移民搬遷工程。中間區(qū)體現(xiàn)在FAST工程的投入使用，給周邊鄉(xiāng)鎮(zhèn)帶來旅游吸引力，尤其克渡鎮(zhèn)和塘邊鎮(zhèn)周邊的旅游配套設(shè)施開發(fā)。

4.2?FVC空間分異主導(dǎo)因素分析

從自然活動影響和自然因素影響兩個方面選取土壤類型（X1）、人口密度（X2）、坡向（X3）、坡度（X4）、高程（X5）、植被類型（X6）和土地利用（X7）等7個因子作為自變量，將FAST周邊30 km緩沖區(qū)內(nèi)的FVC值作為因變量，利用ArcGIS中的隨機采樣工具提取3000個隨機樣點（貴州范圍內(nèi)），使用地理探測器模型對研究區(qū)FVC值的空間分異 規(guī)律進行統(tǒng)計分析，統(tǒng)計主導(dǎo)影響因子的q值（圖4）。

結(jié)果表明，影響因子的q值由大到小的排序為植被類型>坡度>坡向>土壤類型>人口密度>土地利用>高程，其中植被類型因子的q值最大（0.4193），表明植被類型的分類分層對于FVC空間分異的解釋力最強，這是因為不同的植被類型具有不同的結(jié)構(gòu)、形態(tài)外貌和生態(tài)特點，尤其對于植被覆蓋度的貢獻程度不一樣，生命周期長、枝葉茂密、體型高大的植被類型植被覆蓋度較高，生態(tài)系統(tǒng)服務(wù)價值也較高。除了植被類型以外，q值較大的影響因子是坡度（0.3429）和坡向（0.307），植被生成環(huán)境往往與水熱條件等綜合因子密切相關(guān)，坡度的平峭，影響著水土的保持能力，坡度越陡峭，越不容易涵養(yǎng)水土;坡向方面，陽坡（向南）日照時間長，陽光充足，利于植被進行光合作用，其次不同的坡向，溫度、雨量、風(fēng)速、土壤質(zhì)地等都有不同程度的差異，植被類型不同和長勢不同，長期以往不同坡向的FVC也就不同;土壤類型（0.235）、人口密度（0.2327）、土地利用（0.2319）等因素的q值相近，說明這些因子對于整體FVC空間分異的解釋力差距不大;高程因子的q值最?。?.0929），對于FVC的解釋力最小。

從影響因子的q值統(tǒng)計情況來看，自然因素（植被類型、坡度、坡向）對于FAST周邊FVC值的整體空間分布影響較大，人類活動影響因素（人口密度、土地利用）對于FVC整體空間分布解釋度較小，但是對于局部區(qū)域的FVC值影響較大，如農(nóng)耕、城鄉(xiāng)建設(shè)、工程建設(shè)等。

4.3?影響因素的交互作用分析

影響因素的交互作用探測，是為了探究當任意兩個影響因子同時作用于因變量FVC時，其交互作用對于因變量的解釋力怎樣。依據(jù)探測結(jié)果的不同，一般存在多種情況，如果，則說明兩個自變量因子對于因變量的解釋力呈非線性減弱;如果q（X1∩X2）q（X1）+q（X2），說明兩個自變量之間交互作用為非線性增強。

通過探測FVC 空間分異7個影響因子的交互作用可知（圖5），任意2個影響因子共同作用均出現(xiàn)增強關(guān)系，且增強類型為雙因子增強和非線性增強，說明FVC的空間分異現(xiàn)象不是單因子作用的結(jié)果，而是多類型不同影響因子對植被覆蓋的綜合作用。土地利用類型（X7）與土壤類型（X1）、人口密度（X2）、坡度（X4）、植被類型（X6）的均為非線性增強，且交互后的值較大，說明土地利用與這些因子的共同作用對FVC空間分布的影響較大，土地的高強度利用與其他自然條件以及不合理地建設(shè)開發(fā)活動的共同疊加作用，使得植被的生存空間被擠壓。

5?結(jié)論與討論

5.1?討論

本文基于像元二分模型估算1998～2017年FAST周邊FVC值，利用土地利用數(shù)據(jù)和高分辨率Google影像作為參考，解決像元二分模型中純裸土和純植被覆蓋區(qū)域的參數(shù)選取問題，然后使用ArcGIS對FVC核心區(qū)、中間區(qū)和邊遠區(qū)等進行時空演變特征分析;其次，從自然影響和人類活動兩個角度選取7個影響因子，利用地理探測器識別FVC空間分異影響機制，分析FVC空間分異的主導(dǎo)影響因子和因子間的交互關(guān)系。

總體來看，1998～2017年期間，F(xiàn)AST周邊30 km緩沖區(qū)內(nèi)的植被覆蓋情況呈現(xiàn)先退化后改善，整體空間分布特征變化不是很大，局部區(qū)域受人類活動影響導(dǎo)致無覆蓋和低覆蓋面積增加，尤其是克渡鎮(zhèn)和塘邊鎮(zhèn)及周邊、羅甸縣城及周邊、云干鄉(xiāng)至董當鄉(xiāng)條帶區(qū)等，其中部分區(qū)域受FAST工程建設(shè)影響，大力開發(fā)旅游產(chǎn)業(yè)，部分生態(tài)空間受到擠壓;FAST核心區(qū)、中間區(qū)和邊遠區(qū)不同等級FVC變化趨勢，總體差異不大，尤其是核心區(qū)域移民搬遷以后，生態(tài)環(huán)境得到進一步改善。研究中植被類型、坡度和坡向等q值較大，自然因素對于FVC整體空間分異解釋力更強，而人類活動因子對于FVC整體布局的影響，主要體現(xiàn)在局部區(qū)域;通過影響因子交互探測分析可知，選取的因子兩兩之間均出現(xiàn)增強現(xiàn)象，分為雙因子增強和非線性增強，說明FVC空間分異是多因素共同作用而成。

研究過程中，也有部分值得探討和思考之處。如尺度問題，本研究的研究區(qū)域為FAST項目區(qū)30 km 緩沖區(qū)，因數(shù)據(jù)獲取難度，且研究區(qū)域尺度為中小尺度，理論上認為雨量、溫度等因素影響力較小，故沒有加入到模型之中進行探測，如裴志林研究之中[19]，因其研究區(qū)域為范圍較大的黃河中上游，在影響因子之中加入了氣候類環(huán)境因素，祝聰?shù)萚20]學(xué)者的研究之中，加入了降水和氣溫等影響因素，因此以后的研究工作，可以考慮增加植被生長過程影響的其它因子，使研究結(jié)果更具全面性;其次是本文使用的人口密度數(shù)據(jù)為1 km空間化數(shù)據(jù)，因其分辨率低，對于地理探測器分析結(jié)果具有一定的影響，人口密度或者人類活動影響的數(shù)據(jù)空間化、精細化問題仍然是難點之一。

5.2?結(jié)論

（1）1998～2017年期間，F(xiàn)AST周邊的植被覆蓋總體呈現(xiàn)先退化后改善的趨勢，其中中高覆蓋和高覆蓋區(qū)域面積均大于整個研究區(qū)域的55%，無覆蓋、低覆蓋區(qū)域主要集中于羅甸縣城周邊、羅沙鄉(xiāng)-邊陽鎮(zhèn)-栗木鄉(xiāng)-塘邊鎮(zhèn)-克渡鎮(zhèn)條帶、云干鄉(xiāng)-沫陽鎮(zhèn)-董當鄉(xiāng)條帶、新塘鄉(xiāng)-通州鎮(zhèn)條帶以及西涼鄉(xiāng)周邊，中高覆蓋和高覆蓋區(qū)域主要集中于抵季鄉(xiāng)南部、塘邊鎮(zhèn)東北和西南部、克渡鎮(zhèn)南部、新塘鄉(xiāng)和羨塘鄉(xiāng)之間、云干鄉(xiāng)北部等區(qū)域。

（2）FVC空間分異q值探測結(jié)果為植被類型（X6）>坡度（X4）>坡向（X4）>土壤類型（X1）>人口密度（X2）>土地利用（X7）>高程（X5），植被類型因子的q值最大（0.4193），高程因子q值最?。?.0929），自然因素對于FVC空間分異解釋力較強，人類活動因素解釋力較弱。

（3）選取的7個影響因子對于FVC空間分異的解釋力，任意兩兩因子之間交互呈現(xiàn)增強作用，增強類型主要為雙因子增強或非線性增強，其中土地利用類型（X7）與土壤類型（X1）、人口密度（X2）、坡度（X4）、植被類型（X6）的均為非線性增強，且交互后的值較大，對于FVC空間分異起到較強的影響作用。

參考文獻：

[1]Suzuki R， Masuda K， Dye D G. Interannual covariability between actual evapotranspiration and PAL and GIMMS NDVIs of northern Asia[J]. Remote Sensing of Environment， 2007，106（3）：387～398.

[2]肖建勇，王世杰，白曉永，等. 喀斯特關(guān)鍵帶植被時空變化及其驅(qū)動因素[J]. 生態(tài)學(xué)報，2018，38（24）：8799～8812.

[3]賈?坤，姚云軍，魏香琴，等. 植被覆蓋度遙感估算研究進展[J]. 地球科學(xué)進展，2013，28（7）：774～782.

[4]馬?娜，胡云鋒，莊大方，等. 基于遙感和像元二分模型的內(nèi)蒙古正藍旗植被覆蓋度格局和動態(tài)變化[J]. 地理科學(xué)，2012，32（2）：251～256.

[5]彭文甫，張冬梅，羅艷玫，等. 自然因子對四川植被NDVI變化的地理探測[J]. 地理學(xué)報，2019，74（9）：1758～1776.

[6]祝?薇，向雪琴，侯麗朋，等. 基于Citespace軟件的生態(tài)風(fēng)險知識圖譜分析[J]. 生態(tài)學(xué)報， 2017，38（12）：4504～4515.

[7]張學(xué)玲，張?瑩，牛德奎，等. 基于TM NDVI的武功山山地草甸植被覆蓋度時空變化研究[J].生態(tài)學(xué)報，2018，38（7）：2414～2424.

[8]李會賢，南仁東. FAST工程進展及展望[J]. 自然雜志， 2015，37（6）：424～434.

[9]南仁東，李會賢. FAST的進展——科學(xué)、技術(shù)與設(shè)備[J]. 中國科學(xué)：物理學(xué)力學(xué)天文學(xué)， 2014， 44（10）：1063～1074.

[10]高江波， 焦珂?zhèn)ィ瑓墙B洪. 1982-2013年中國植被NDVI空間異質(zhì)性的氣候影響分析[J]. 地理學(xué)報， 2019，74（3）：128～137.

[11]孔冬冬，張?強，黃文琳，等. 1982-2013年青藏高原植被物候變化及氣象因素影響[J]. 地理學(xué)報， 2017， 72（1）：39～52.

[12]李苗苗，吳炳方，顏長珍，等. 密云水庫上游植被覆蓋度的遙感估算[J]. 資源科學(xué)， 2004（4）：154～160.

[13]張成才，婁?洋，李?穎，等. 基于像元二分模型的伏牛山地區(qū)植被覆蓋度變化[J]. 水土保持研究， 2020，27（3）：301～307.

[14]楊?錢，席武俊. 基于Landsat影像的楚雄市2002～2016年植被覆蓋度變化研究[J]. 世界生態(tài)學(xué)， 2018，7（3）：143～152.

[15]袁士聰，谷甫剛. 基于歸一化指數(shù)（NDVI）的植被覆蓋度分級研究——以貴州省為例[J]. 環(huán)保科技， 2018（3）.

[16]王?歡，高江波，侯文娟. 基于地理探測器的喀斯特不同地貌形態(tài)類型區(qū)土壤侵蝕定量歸因[J]. 地理學(xué)報， 2018，73（9）：1674～1686.

[17]王?偉. 基于地理探測器模型的中亞NDVI時空變化特征及其驅(qū)動因子分析[J]. 國土資源遙感， 2019， 31（4）：32～40.

[18]王勁峰，徐成東.地理探測器：原理與展望[J]. 地理學(xué)報， 2017， 72（1）：116～134.

[19]裴志林，楊勤科，王春梅，等. 黃河上游植被覆蓋度空間分布特征及其影響因素[J]. 干旱區(qū)研究， 2019（3）：546～555.

[20]祝?聰，彭文甫，張麗芳，等. 2006—2016 年岷江上游植被覆蓋度時空變化及驅(qū)動力[J]. 生態(tài)學(xué)報， 2019， 39（5）：1583～1594.