榆林地區(qū)植被時空分異特征及其影響因素研究

聶桐 ，董國濤, ，蔣曉輝，郭欣偉，黨素珍，鄭嘉昊，李立纏，王江

1. 西北大學(xué)，陜西 西安 710127；2. 黃河水利委員會黃河水利科學(xué)研究院，河南 鄭州 450003；3. 黑河水資源與生態(tài)保護(hù)研究中心，甘肅 蘭州 730030

植被是生態(tài)系統(tǒng)聯(lián)系大氣圈、土壤圈和水圈的重要部分，也是直接反映生態(tài)環(huán)境變化的敏感因子（Wei et al.，2018），且植被作為陸地生態(tài)系統(tǒng)的重要組成部分，提供生態(tài)服務(wù)并維持陸地生態(tài)系統(tǒng)的功能（Du et al.，2020）。植被對自然環(huán)境和人類活動的變化具有敏感性，反映氣候變化和人類活動在短時間內(nèi)的影響（Meng et al.，2020）。歸一化植被指數(shù)（NDVI）不僅是應(yīng)用于全球和區(qū)域植被生長的重要指標(biāo)（Yuan et al.，2019），也是用于監(jiān)測植被時空變化的重要指標(biāo)。目前對植被覆蓋變化驅(qū)動力的研究集中于自然因子和人類活動因子的耦合作用，已有許多學(xué)者對植被動態(tài)變化的影響因素開展研究。

國內(nèi)學(xué)者利用遙感數(shù)據(jù)監(jiān)測區(qū)域內(nèi)植被覆蓋空間分布特征及動態(tài)變化（賈坤等，2013），對黃土高原（孫銳等，2020）、華北地區(qū)（劉斌等，2015）、三江源（劉憲鋒等，2013）等地區(qū)的植被覆蓋變化進(jìn)行探索，研究發(fā)現(xiàn)氣候變化是影響植被覆蓋時空分異性的主要影響因素。全國尺度上，植被 NDVI空間異質(zhì)性明顯（高江波等，2019），水分以及溫度在不同空間呈現(xiàn)一定的限制性。在小區(qū)域尺度上，地形要素（夏安全等，2020）、地貌類型（龐國偉等，2021）、土壤類型（呂家欣等，2020）的不同影響植被形成和生長狀態(tài)，導(dǎo)致各地區(qū)植被分布存在明顯的差異性。因此，各類自然因素對植被NDVI影響存在時空上的疊加效應(yīng)，導(dǎo)致植被時空分布變化出現(xiàn)不穩(wěn)定性和復(fù)雜性。隨著城市化進(jìn)程的加快，人類活動對植被覆蓋變化產(chǎn)生顯著影響，并且對植被覆蓋的影響不是單一的，而是雙重的（趙維清等，2019）。國內(nèi)采取退耕還林還草等工程對植被恢復(fù)產(chǎn)生正影響，但過快的城市化發(fā)展對植被覆蓋也產(chǎn)生負(fù)影響（于璐等，2020）。人類活動對國內(nèi)植被覆蓋影響具有明顯的空間分異性，從整體來看人為活動負(fù)影響呈現(xiàn)波動減少趨勢，正影響表現(xiàn)出增大趨勢（王建邦等，2019）。例如秦嶺山區(qū)和三江源地區(qū)，人為因素對植被覆蓋呈現(xiàn)正影響關(guān)系（李輝霞等，2011；鄧晨暉等，2018），表明生態(tài)保護(hù)等措施取得了初步成效。

目前研究植被NDVI時空變化及影響因素多數(shù)是線性回歸分析、趨勢分析與相關(guān)分析方法（肖強等，2016；鄭杰等，2016；孔冬冬等，2017），但在長時間序列中植被變化與影響因素之間少有嚴(yán)格標(biāo)準(zhǔn)的線性關(guān)系（Hein et al.，2011），定量分析植被時空特征的驅(qū)動力仍比較困難。國內(nèi)外許多學(xué)者對半干旱半濕潤區(qū)域的植被覆蓋時空變化進(jìn)行研究（Gholamnia et al.，2019；Liu et al.，2019），陜西省榆林市位于半濕潤區(qū)向半干旱區(qū)過渡地帶（欒金凱等，2018），北部是毛烏素沙漠南緣，南部是黃土高原的腹地，溝壑縱橫決定了榆林市生態(tài)環(huán)境脆弱，因此對榆林市植被時空分異性及其驅(qū)動力研究對生態(tài)保護(hù)具有現(xiàn)實意義。地理探測器模型既可以探測數(shù)值型數(shù)據(jù)，也可以探測定性數(shù)據(jù)（王勁峰等，2017），同時可以探測兩因子交互作用于因變量。本文通過地理探測器模型定量分析NDVI空間分異性，將自然因素與人類活動因素進(jìn)行整體研究，并找出影響因子對植被的最佳適應(yīng)范圍，為促進(jìn)榆林市植被保護(hù)與生態(tài)格局建設(shè)提供科學(xué)依據(jù)。

1 數(shù)據(jù)和方法

1.1 研究區(qū)概況

榆林市位于陜西省最北部，處于 107°28′—111°15′E，36°57′—39°35′N 之間。東臨黃河與山西相望，西連寧夏、甘肅，北鄰內(nèi)蒙古，南接本省延安市，地域總土地面積43578 km2（圖1）。榆林市地貌北部為風(fēng)沙草灘區(qū)，占總面積的42%，南部為黃土丘陵溝壑區(qū)，占總面積的58%。全市地勢呈現(xiàn)西南高東南低，西南部平均海拔 1600—1800 m，其他各地平均海拔 1000—1200 m。榆林市是中國日照高值區(qū)之一，年平均日照時數(shù)2593.5—2914.4 h。2018年底，全市常住人口341.78萬人（榆林市統(tǒng)計局，2019）。

圖1 研究區(qū)地理位置Figure 1 The geographical position of the study area

1.2 數(shù)據(jù)來源與處理

本文選取植被NDVI、坡度、坡向、土壤類型、降水、氣溫、土地利用類型、人口密度和GDP等因子作為研究數(shù)據(jù)，用于探測榆林市的植被覆蓋空間分異機制。NDVI采用的 MODIS數(shù)據(jù)（https://ladsweb.nascom.nasa.gov/）為時間分辨率16 d、空間分辨率為250 m的MOD13Q1 NDVI，并采用最大值合成。DEM原始數(shù)據(jù)空間分辨率為90 m，坡向、坡度由DEM數(shù)據(jù)計算獲取。土壤和土地利用數(shù)據(jù)選自中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心（http://www.resdc.cn），空間分辨率為1 km。2000—2018年降水氣溫數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)（http：//data.cma.cn），通過反距離加權(quán)平均法內(nèi)插進(jìn)行預(yù)處理生成2000、2005、2010、2015、2018年5期數(shù)據(jù)。2000—2018年人口密度GDP數(shù)據(jù)源自陜西省統(tǒng)計年鑒，通過空間插值對分縣人口 GDP統(tǒng)計數(shù)據(jù)進(jìn)行空間化處理生成5期數(shù)據(jù)（楊強等，2016）。坡度和土壤類型分別按照《土地利用現(xiàn)狀調(diào)查技術(shù)規(guī)程》《1∶100萬中華人民共和國土壤圖》進(jìn)行劃分預(yù)處理。各因子數(shù)據(jù)經(jīng)過投影轉(zhuǎn)換、榆林市行政邊界掩膜、重采樣處理后，與250 m的NDVI數(shù)據(jù)像元大小保持一致。

1.3 研究方法

1.3.1 最大值合成法與等級劃分

（1）最大值合成法（王正興等，2003）（MVC）。選擇具有 NDVI值的月合成數(shù)據(jù)取最大像元值生成，合成2000—2018年植被NDVI數(shù)據(jù)。（2）等間距法（彭文甫等，2016）。根據(jù)植被NDVI值大小，按照等間距方法進(jìn)行等距劃分，將植被 NDVI劃分為低（0—0.2）、中低（0.2—0.4）、中（0.4—0.6）、中高（0.6—0.8）和高（>0.8）等5個植被覆蓋度等級。

1.3.2 信息提取與自然因子分級

由于在實際操作時需要考慮精度與效率的平衡，最終選擇在ArcGIS 10.4軟件中借助漁網(wǎng)工具建立5 km×5 km格網(wǎng)，生成均勻分布的采樣點共計1688個（圖1）。將坡向、坡度、土壤類型、降水、氣溫、土地利用類型、人口密度和GDP數(shù)據(jù)采用自然間斷點（劉憲鋒等，2015）分級法分別劃分為 9類、5類、9類、9類、9類、6類、9類和9類。將各自然、人文因子類型量數(shù)據(jù)以及榆林市NDVI值提取到點，再將各采樣點因子數(shù)據(jù)和榆林市 NDVI數(shù)據(jù)導(dǎo)入地理探測器中進(jìn)行運算。

1.3.3 地理探測器模型

地理探測器包括風(fēng)險探測、因子探測、生態(tài)探測和交互探測4個組成部分，主要用來探測研究對象的空間分異性，同時揭示研究對象與驅(qū)動因子之間關(guān)系，是一種新的空間統(tǒng)計方法（王勁峰等，2017）。

（1）因子探測：主要用于探測NDVI的空間分異性，以及探測某自然人文因子（表 1）多大程度上解釋了屬性NDVI的空間分異，圖2為各因子空間分布情況。具體計算：將NDVI圖層與各因子分類圖層疊加取值，進(jìn)行探測分析，最終用q值表示（彭文甫等，2019），表達(dá)式為：

圖2 研究區(qū)各因子的空間分布Figure 2 Spatial distribution of factors in the study area

表1 自然、人文因子指標(biāo)Table 1 The indicators of natural and human factors

式中：

h=1, …；

L——變量植被 NDVI屬性Y或自然、人文因子X的分層；

Nh和N——層h和全區(qū)的單元數(shù)；

和σ2——層h和全區(qū)的Y值的方差。

α和β——層內(nèi)方差之和和全區(qū)總方差。q值越大說明某因子對榆林市植被NDVI的空間分異性解釋力越強。

（2）交互作用探測：交互作用探測用于識別不同自然人文因子之間的交互作用，即評估兩因子共同作用時是否會增加或減弱對因變量植被NDVI的解釋力，或者兩因子共同作用對NDVI的影響是否相互獨立。首先，計算兩類因子對植被NDVI的q值；其次，計算自然人文因子交互作用后的q值，對q(X1)、q(X2)與q(X1∩X2)進(jìn)行比較（王勁峰等，2017）。

（3）風(fēng)險區(qū)探測：風(fēng)險區(qū)探測用于判斷因子內(nèi)部子區(qū)域之間的屬性均值是否有顯著的差別（Liu et al.，2019），用于判斷適應(yīng)植被生長自然、人文因子的最佳范圍，用t統(tǒng)計量來檢驗：

式中：

Y——子區(qū)域植被NDVI；

——子區(qū)域h內(nèi)植被NDVI屬性均值；

nh——子區(qū)域h內(nèi)樣本數(shù)量；

φ——方差。

（4）生態(tài)探測：生態(tài)探測用于比較兩類自然人文因子X1和X2對植被NDVI的空間分異性的影響是否有顯著的差異，也可判斷具體X1X2分兩類因子共同作用對植被NDVI空間分布產(chǎn)生顯著差異，以F統(tǒng)計量來衡量：

式中：

NX1及 NX2——兩個自然因子的樣本數(shù)量（Liu et al.，2019）；

αX1和βX2——由兩個自然人文因子形成分層的層內(nèi)方差之和（孔冬冬等，2017）；

L1和L2——變量X1和X2分層數(shù)目。

2 結(jié)果與分析

2.1 植被NDVI時空變化

2000—2018年榆林地區(qū)植被覆蓋呈現(xiàn)明顯增加趨勢（圖3a），增速為0.11/10 a。表2為2000—2018年植被NDVI動態(tài)變化數(shù)據(jù)，2000年中低等級植被覆蓋區(qū)占榆林市面積的74.57%，到2018年中低等級植被覆蓋區(qū)面積只占到10.59%。中等級以及中高等級植被覆蓋區(qū)面積比 2000年增加了76.61%。2000—2010年間植被改善明顯，植被覆蓋面積呈現(xiàn)增加趨勢，2010—2015年植被改善出現(xiàn)停滯，中低等級植被覆蓋面積增加，氣候變化引起的降水不穩(wěn)定性也會導(dǎo)致區(qū)域NDVI變化具有較大的不確定性。2015—2018年中高等級植被覆蓋面積達(dá)到近20年最大值?？傊?，2000—2018年低以及中低等級植被覆蓋面積明顯減少，而中等級以上植被覆蓋面積明顯增加，中高等級植被覆蓋面積增速最快。為了進(jìn)一步判斷植被覆蓋趨勢變化的突變點，通過M-K檢驗（圖3b）（Yue et al.，2002）發(fā)現(xiàn)，2000—2018年UF的值大于0，則表明序列呈上升趨勢，其中2008年可能是突變點，通過滑動t檢驗（圖3c）驗證2008年確實是突變點，即2008年以后植被增長較為明顯。

圖3 （a）2000—2018年植被覆蓋時間變化趨勢（b）NDVI時間序列M-K檢驗（c）NDVI時間序列的滑動t檢驗Figure 3 (a) Temporal variation trend of vegetation cover from 2000 to 2018; (b) M-K test of NDVI time series;(c) Sliding T-test of NDVI time series

表2 2000—2018年植被覆蓋面積Table 2 Area of vegetation cover from 2000 to 2018

2000—2018年榆林市植被 NDVI從中低等級向中以及中高等級植被覆蓋區(qū)面積轉(zhuǎn)變明顯，說明榆林市植被恢復(fù)取得了重大進(jìn)展。選擇4期數(shù)據(jù)（圖4）對比發(fā)現(xiàn)，2000—2018年植被覆蓋空間分布變化明顯。2000年榆林市植被NDVI中低等級植被覆蓋區(qū)集中于榆林市西部，中等級集中于榆林市東北以及東南部；2018年榆林市植被NDVI中高等級集中于榆林市東部黃土丘陵區(qū)，中低等級集中于榆林市西北部的風(fēng)沙區(qū)。2000—2010年，植被覆蓋等級增加明顯，東部地區(qū)由中低等級向中等級和中高等級轉(zhuǎn)變。2010—2015年，植被覆蓋等級由中高和中等級向中低等級轉(zhuǎn)變，可能的原因與大范圍干旱事件有關(guān)（劉彥隨等，2017）。

圖4 榆林市植被NDVI 2000—2018年時空變化Figure 4 Spatio-temporal changes of vegetation NDVI from 2000 to 2018 in Yulin

2.2 探測因子影響力

因子探測器用于表征各自然、人文因子對植被NDVI的影響力，通過計算得出的q值大小表示對NDVI的解釋力。由表3可知，2018年各自然、人文因子的q值大小排序為：人口密度 (0.224)>氣溫(0.208)>GDP (0.183)>土地利用類型 (0.162)>坡度(0.141)>降水 (0.033)>土壤類型 (0.015)>坡向(0.008)。根據(jù)彭文甫（2019）對主要因子的選取，在8類自然、人文因子中，本文認(rèn)為人口密度和氣溫兩類因子對植被NDVI的解釋力最大，解釋力在20%以上，因此是影響榆林市植被覆蓋空間分異性的主要因素。GDP、土地利用類型、坡度q值分別達(dá)到0.183、0.162和0.141，解釋力超過10%，為次級影響因素。降水、土壤類型和坡向?qū)DVI的解釋力未超過5%，表明這3類因子對榆林市植被NDVI分布存在間接影響。

表3 自然因子的q值Table 3 q value of natural factors

2.3 因子時間變化

2000—2018年5期數(shù)據(jù)結(jié)果顯示（圖5），土壤類型、降水對植被的影響力減小，坡向、坡度、氣溫、土地利用類型、人口密度和GDP的q值總體呈現(xiàn)增加趨勢。其中，2000—2005年坡向、坡度、降水、氣溫、土地利用類型GDP的q值增加外，其余因子q值呈減少趨勢；2005—2010年，除土壤類型q值減少外，其余因子q值都以增加趨勢為主；2010—2015年除土壤類型q值減少外，所有因子q值呈現(xiàn)增加趨勢；2015—2018年土壤類型、降水q值減少，其余因子q值呈現(xiàn)增加趨勢。

圖5 2000—2018年自然人文因子q值變化Figure 5 Changes in natural and human factors q value from 2000 to 2018

2.4 探測因子生態(tài)作用分析

生態(tài)因子探測用于比較兩因子對植被NDVI空間分布的影響是否有顯著性差異。本文中，行因子與列因子有顯著性差異標(biāo)記為“Y”，無顯著性差異標(biāo)記為“N”。由表4可知，坡向與坡度、氣溫、土地利用類型、人口密度和GDP對榆林市植被NDVI空間分布的影響存在顯著性差異；降水與氣溫、土地利用類型、人口密度和 GDP之間存在顯著性差異；土壤類型與坡向、降水之間不存在顯著性差異。表明坡向、土壤類型和降水因子對植被空間分布沒有顯著影響，與其他因子共同作用對植被分布的影響存在顯著性差異。進(jìn)一步說明坡向、土壤類型、降水對植被影響力小，氣溫、人口密度和GDP對植被變化影響力大。

表4 生態(tài)探測結(jié)果Table 4 Ecological detection results

2.5 探測因子交互作用分析

多數(shù)因子交互作用的q值大于單一因子的q值，因子交互作用類型為非線性增強和相互增強關(guān)系，不存在獨立關(guān)系（表5）。如X5∩X7(0.361)>X2∩X5(0.324)>X5∩X6(0.307)>X5∩X8(0.285)>X5∩X4(0.254)>X3∩X5(0.239)，結(jié)果表明，氣溫與坡向、坡度、降水之間交互作用呈現(xiàn)非線性增強效應(yīng)，與土地利用類型、人口密度和GDP呈現(xiàn)相互增強關(guān)系；人文因子與其他因子之間對植被 NDVI的交互作用 ， 如X5∩X7(0.361)>X2∩X7(0.352)>X6∩X7(0.321)>X4∩X7(0.322)>X1∩X7(0.257)>X3∩X7(0.244)，人口密度與坡向、土壤類型、降水之間交互作用呈現(xiàn)非線性增強效應(yīng)，與坡度、氣溫、土地利用類型和GDP呈現(xiàn)相互增強效應(yīng)?？傊?類自然、人文因子的交互作用比單因子對植被NDVI的影響更加顯著，多因子交互作用不是獨立的，而是相互增強和非線性增強顯著關(guān)系。

表5 交互探測因子結(jié)果Table 5 Interaction detection factors results

3 討論

3.1 人口密度

人類活動對生態(tài)環(huán)境的影響不可忽視，本文將人口密度因子劃分為9個分區(qū)（圖2），分別用A1—A9表示（表 6）。榆林市植被 NDVI均值在 A2、A6、A7、A8、A9分區(qū)中超過0.6，說明在這4個分區(qū)范圍植被生長較好。統(tǒng)計檢驗表明，A9與 A1、A2、A3、A4、A5、A6、A7區(qū)植被 NDVI之間存在顯著性差異，在 100—104 person·km-2范圍時，植被NDVI值較大。A9區(qū)主要位于榆林市東南部，以綏德縣、吳寶賢、佳縣南部為主，綜合水熱條件分析，該地區(qū)降水氣溫適宜，為植被生長提供有利的生存條件。人口密度過大對植被生長具有限制性，人口增長使得城市建設(shè)占用大量綠地，在坡地大面積開荒耕種，造成水土流失，破壞并減少了植被覆蓋，因此在城市建設(shè)中，需要增加綠地建設(shè)。人口密度過小區(qū)域位于榆林市定邊縣（圖2g），屬于資源性嚴(yán)重缺水縣，年平均降雨量325 mm，定邊縣的自然環(huán)境條件約束此地區(qū)植被生長。同時，隨著國民生態(tài)意識的提高，人類社會經(jīng)濟活動加大對生態(tài)修復(fù)方面的投入。

表6 人口密度每2個分區(qū)的植被NDVI均值及其統(tǒng)計顯著性（置信水平95%）Table 6 Vegetation NDVI mean and statistical significance for every 2 divisions of population density(95% confidence level)

3.2 氣溫

氣候因子對植被的生長具有限制性。本文將氣溫劃分為9類，分別用B1—B9表示。表7表明，B8區(qū)植被NDVI均值最大，表明這一范圍促進(jìn)植被生長。統(tǒng)計檢驗表明，B8區(qū)與 B1、B2、B3、B4、B5、B6、B9區(qū)植被NDVI均值存在顯著差異，與B7區(qū)無顯著差異。因此在10.67—10.91 ℃范圍，適合植被的生長。氣溫對植被的生長具有明顯的適宜范圍，適度的增溫對植被活動產(chǎn)生積極作用。半干旱半濕潤地區(qū)氣溫對植被生長影響大于降水，氣溫升高會促進(jìn)光合作用，提高凈生產(chǎn)力；然而，溫度過高導(dǎo)致蒸發(fā)量增加以及土壤濕度下降（呂渡等，2018）影響植被變化。降水與氣溫的交互作用顯著增強了氣溫對植被的NDVI的影響，水熱條件協(xié)同作用有助于植被生長。

表7 氣溫每2個分區(qū)的植被NDVI均值及其統(tǒng)計顯著性（置信水平95%）Table 7 Vegetation NDVI mean and statistical significance for every 2 divisions of temperature (95% confidence level)

3.3 其他因子

由于篇幅的原因，只選擇q值大于20%的主要因子做詳細(xì)討論。根據(jù)風(fēng)險因子探測結(jié)果總結(jié)出適合植被生長的最佳類型或范圍（表8）。在95%置信水平下通過統(tǒng)計檢驗表明，植被 NDVI均值越大，處于這一均值的范圍更適合植被生長。不同自然、人文因子或因子內(nèi)部分區(qū)的植被NDVI均值存在差異。

表8 自然、人文因子適應(yīng)范圍Table 8 Adaptation range of natural and human factors

隨著各自然、人文因子的變化，植被NDVI均值呈現(xiàn)波動變化。水熱條件是決定植被生產(chǎn)力、空間布局以及動態(tài)變化的主要因素。降水和氣溫分別在 520.48—541.71 mm 和 10.67—10.91 ℃植被NDVI均值達(dá)到最大，分別為0.593和0.650，在這一范圍內(nèi)，暖濕的水熱條件更利于植被活動。當(dāng)降水因子影響力較低時（圖 5），人類活動因子影響力較大，這時NDVI主要受人類活動影響?？赡艿脑蚴?，降水不足以滿足區(qū)域內(nèi)植被生長水分需求時，人類活動一定程度上減緩水分限制，通過增加水分供給和轉(zhuǎn)變土地利用方式。

坡向和坡度分別在 337.5°—22.5°和 6°—25°植被NDVI均值最大，分別為0.595、0.613，地形因子在這一范圍內(nèi)適合于植被生長。研究發(fā)現(xiàn)，在陜西省地勢較低區(qū)域（<6°），是人類活動主要區(qū)域，植被覆蓋相對較低；隨著坡度的不斷增加（6°—15°），人類活動減少，植被覆蓋度隨之增加；在15°—25°之間，通過退耕還林還草等生態(tài)工程的實施，耕地向林草地轉(zhuǎn)變逐漸占據(jù)了該地形的主導(dǎo)（趙亮等，2019），人工種樹和林草自然恢復(fù)使該區(qū)域植被覆蓋度有所增加；在陜北>25°地區(qū)，與關(guān)中和陜南陡坡植被生長不同，該區(qū)域?qū)﹃儽敝脖簧L有一定限制性，較少有天然林生長和人工林種植。隨著坡向的變化，植被NDVI均值變化差別不大，南坡接收太陽輻射多與北坡，北坡相對濕潤且蒸發(fā)較少適合植被生長。

土壤類型劃分為9類（圖2），統(tǒng)計檢驗表明，1區(qū)植被 NDVI均值最高達(dá)到 0.6，鈣層土（栗鈣土、灰褐土、淡灰褐土、粘化黑壚土）較適合植被生長。相關(guān)研究表示，在降水較少地區(qū)，土壤水分是限制植被生長的重要因子。降水與土壤的交互作用增強了土壤類型對植被NDVI空間分布的影響，降水量的輸入降低土壤水分的變異性（陳曉瑩等，2020；彭文甫等，2019）。地貌類型影響土壤水分的分布（Hawley et al.，1983），榆林市土壤類型受地貌類型影響，西部多為風(fēng)沙區(qū)以風(fēng)沙土類型為主，表層土壤含水量極低，不利于植被生長。土地利用類型中耕地和林地土地類型適宜植被生長，NDVI均值達(dá)到最大0.614，林地土地類型為植被生長提供良好的地形條件。實施退耕還林還草工程以來，耕地轉(zhuǎn)林地區(qū)域植被覆蓋度正在持續(xù)增加，土地利用類型的轉(zhuǎn)變對植被分布有直接影響。

GDP反映一個地區(qū)經(jīng)濟發(fā)展情況，經(jīng)濟發(fā)展過快對自然環(huán)境發(fā)展有所影響。將GDP劃分為9分區(qū)，在1區(qū)植被NDVI均值最大，表明這一范圍植被生長較好。統(tǒng)計檢驗表明，在266×104—420×104yuan·km-2范圍內(nèi)，植被覆蓋較好。經(jīng)濟發(fā)展與生態(tài)環(huán)境相互影響、相互作用，兩者互相協(xié)調(diào)影響區(qū)域長期可持續(xù)發(fā)展。社會經(jīng)濟發(fā)展從生態(tài)環(huán)境中獲取自然資源，導(dǎo)致植被破壞、生態(tài)質(zhì)量下降等不利影響，但是植被恢復(fù)工程也需要強大經(jīng)濟基礎(chǔ)的支撐。根據(jù)已有研究（唐曉靈等，2020），榆林市生態(tài)環(huán)境治理投入的力度跟不上經(jīng)濟發(fā)展的速度，導(dǎo)致生態(tài)環(huán)境水平低于經(jīng)濟發(fā)展水平，處于不協(xié)調(diào)狀態(tài)，生態(tài)環(huán)境問題影響到經(jīng)濟的可持續(xù)發(fā)展。為了經(jīng)濟與環(huán)境之間的平衡發(fā)展，采取退耕還林工程、封山育林、水土保持等措施，提高植被覆蓋度，促進(jìn)生態(tài)環(huán)境恢復(fù)。

人口密度以及經(jīng)濟發(fā)展對植被生長在一定范圍內(nèi)起到限制作用，退耕還林還草或者毀林開荒等人類活動都對榆林市植被帶來或正或負(fù)影響。已有研究表明，黃土丘陵溝壑區(qū)退耕還林還草工程取得巨大成就，人類活動對陜西省植被恢復(fù)影響較大（黃麟等，2020；金凱等，2020），這與本文結(jié)論基本一致。建議協(xié)調(diào)好人類活動與自然環(huán)境的關(guān)系，對實現(xiàn)植被恢復(fù)和生態(tài)保護(hù)具有重要意義。

榆林地區(qū)處于中國退耕還林生態(tài)工程重點區(qū)域，自1999年實施退耕還林還草工程以來，植被得到明顯改善，人類活動對生態(tài)環(huán)境產(chǎn)生不可忽視的積極影響。本文對2000—2018年NDVI的時空分異性進(jìn)行分析，探究植被分布與自然因素和人類活動因素的影響機制。植被空間分布受到自然因素和人類活動的共同影響，與自然因素相比，近些年人類活動對植被恢復(fù)的影響更加顯著。本文對年際NDVI進(jìn)行探索，可以考慮生長季NDVI變化研究，此外，通過最大值合成法得到的NDVI數(shù)據(jù)較難與實測數(shù)據(jù)完全相同（彭文甫等，2016），深入研究可以考慮采用高空間分辨率遙感數(shù)據(jù)和詳盡的實地調(diào)查，提高制圖和分類的準(zhǔn)確性。

以往對于榆林地區(qū)植被的研究大多采用線性回歸和相關(guān)分析法（王濤等，2017；欒金凱等，2018），本文采用的地理探測器模型，能夠有效的探測空間分異性，分析各種現(xiàn)象的驅(qū)動力以及多因子交互作用，在分析驅(qū)動力方面得到廣泛運用（王勁峰等，2017）。本文運用地理探測器探測榆林地區(qū)植被空間分異性驅(qū)動力，得出的結(jié)果比較符合已有研究。值得注意的是，降水作用在陜北地區(qū)較小，可能與選擇的尺度問題有關(guān)，在以后的研究中，可以選擇更大的地理單元進(jìn)行研究。

4 結(jié)論

本文基于地理探測器模型，分析 8類自然、人文因子對榆林地區(qū)植被 NDVI的影響機制，總結(jié)各因子對植被的影響力以及交互影響，最終結(jié)論如下：

（1）榆林市植被呈現(xiàn)增長趨勢，NDVI等級劃分為低、中低、中、中高、高等5級，從2000年植被NDVI值占中低等級向2018年植被NDVI中和中高等級明顯轉(zhuǎn)變；2018年中和中高等級植被覆蓋區(qū)集中于榆林市東部，中低等級植被覆蓋區(qū)集中于榆林市西北部。

（2）通過地理探測器分析，各自然因子對植被的解釋力排序為：人口密度>氣溫>GDP>土地利用類型>坡度>降水>土壤類型>坡向，自然因素和人文因素共同作用于榆林市植被。

（3）8類自然、人文因子對榆林市NDVI影響存在交互作用，因子之間的交互效應(yīng)對植被空間分布的影響存在相互增強或非線性增強關(guān)系。風(fēng)險因子探測分析揭示各因子對植被最適宜范圍或類型，為促進(jìn)榆林市植被建設(shè)和生態(tài)恢復(fù)提供一定參考。