人類活動影響下安徽省植被指數(shù)時(shí)空變化分析

魏圓圓 孫守剛 梁 棟 賈兆紅

(1.安徽大學(xué)互聯(lián)網(wǎng)學(xué)院, 合肥 230039；2.安徽大學(xué)農(nóng)業(yè)生態(tài)大數(shù)據(jù)分析與應(yīng)用技術(shù)國家地方聯(lián)合工程研究中心, 合肥 230601)

0 引言

植被聯(lián)結(jié)了水體、空氣、土壤等自然地理環(huán)境，是維持陸地生態(tài)系統(tǒng)的主要組成部分。隨著遙感技術(shù)的研究與發(fā)展，研究人員對紅光和紅外波段進(jìn)行組合并定義了40多種植被指數(shù)[1-3]。其中，歸一化植被指數(shù)(Normalized difference vegetation index,NDVI)是表征植被覆蓋和生長狀況的重要指標(biāo),常用于指示植被的數(shù)量特征、監(jiān)測植被季節(jié)變化和生態(tài)系統(tǒng)質(zhì)量評價(jià)[4-8]等。

目前，多位學(xué)者已經(jīng)對我國眾多地區(qū)植被指數(shù)時(shí)空變化特征展開了深入研究。崔利芳等[9]研究了長江流域氣溫、降水量和植被NDVI變化特征，結(jié)果表明1982—2015年流域NDVI呈顯著增加趨勢，NDVI與氣溫的相關(guān)性較高,而與降水量的相關(guān)性并不顯著；許敏等[10]利用植被指數(shù)產(chǎn)品(MOD13A3)對安徽省植被覆蓋度進(jìn)行研究，結(jié)果表明2000—2014年研究區(qū)內(nèi)植被覆蓋度整體呈增長趨勢；何彬方等[11]基于MODIS (Moderate-resolution imaging spectroradiometer)數(shù)據(jù)對2000—2009年安徽省植被時(shí)空變化的研究結(jié)果表明，安徽省年平均NDVI趨勢總體增加，但空間分布上有差異；徐光來等[12]基于2000—2016年MODIS數(shù)據(jù)探討了安徽省NDVI時(shí)空變化與氣象因子的關(guān)系，結(jié)果表明安徽省NDVI呈顯著增加趨勢，各類植被月均NDVI與氣溫或降水具有相關(guān)性；汪小欽等[13]利用Landsat系列遙感數(shù)據(jù)基于TAVI對長汀縣1988—2013年5個時(shí)期的植被覆蓋度進(jìn)行分析，結(jié)果表明長汀縣植被覆蓋情況總體良好，中高以上植被覆蓋度區(qū)域占全縣面積的65%以上；劉惠敏等[14]以MODIS和AVHRR衛(wèi)星資料為主要數(shù)據(jù)源，針對安徽省淮北平原、大別山區(qū)進(jìn)行數(shù)值對比及特點(diǎn)分析，結(jié)果表明相同覆被類型對應(yīng)的兩個衛(wèi)星日值之間具有較好的相關(guān)性，但不同地表覆被NDVI波形差異明顯；陳寬等[15]應(yīng)用線性趨勢分析法和地理探測器模型探討2000—2015年自然和人為因素對植被NDVI變化的影響，結(jié)果表明植被覆蓋度總體上呈增加趨勢，植被NDVI變化受土壤類型和糧食產(chǎn)量的交互影響最為明顯；王濤等[16]對榆林地區(qū)植被變化與人類活動響應(yīng)進(jìn)行研究,結(jié)果表明榆林地區(qū)NDVI減少趨勢主要和人類活動有關(guān)；文獻(xiàn)[17-18]對湖北省2005—2015年NDVI數(shù)據(jù)進(jìn)行分析，結(jié)果表明NDVI與夜間燈光亮度呈顯著負(fù)相關(guān)，整體上人類經(jīng)濟(jì)活動與NDVI呈負(fù)相關(guān)關(guān)系。以上研究大多數(shù)是基于低分辨率(空間和時(shí)間)的MODIS或AVHRR數(shù)據(jù)進(jìn)行研究，采用的線性趨勢回歸方法規(guī)避誤差能力較弱；同時(shí)，利用人類活動影響因子與植被指數(shù)變化做相關(guān)分析的研究相對較少，或僅做主觀分析判斷，并未涉及影響因子的定量分析。

針對以上情況，本研究采用MOD13Q1產(chǎn)品NDVI數(shù)據(jù)、GDP、POP以及Land Cover網(wǎng)格數(shù)據(jù)作為影響因子，利用Sen+MK (Theil-Sen Median and Mann-Kendall)趨勢分析法、Hurst指數(shù)分析法、地理探測器模型，開展安徽省2006—2020年NDVI的時(shí)間變化特征、空間分布及變化特性等研究，為安徽省生態(tài)環(huán)境保護(hù)、社會經(jīng)濟(jì)可持續(xù)發(fā)展提供重要參考。

1 研究區(qū)域與數(shù)據(jù)

1.1 研究區(qū)概況

安徽省位于長江三角洲地區(qū)，東經(jīng)114°54′～119°37′，北緯29°41′～34°38′，總面積1.401×105km2。安徽省地形地貌復(fù)雜多樣，長江和淮河自西往東橫穿全境，將全省劃分為淮北、江淮、江南3大自然區(qū)。淮河以北地勢平坦廣闊，歸屬平原一帶。江南一帶以丘陵、山地為主，山地多呈北東向、近東西向分布。安徽省位處暖溫帶與亞熱帶氣候帶，氣候溫和，四季分明，但因季風(fēng)氣候影響，降水變化明顯，常伴有旱澇等自然災(zāi)害[19]。全省年平均氣溫15.49℃，平均降水量1 195.6 mm[10]。安徽省是農(nóng)業(yè)大省，全省耕地面積5.5×106hm2，農(nóng)作物品類豐富。

1.2 研究數(shù)據(jù)與預(yù)處理

本文遙感數(shù)據(jù)來自于美國NASA(National Aeronautics and Space Administration)的Terra/MODIS網(wǎng)格陸地植被數(shù)據(jù)(http:∥search.earthdata.nasa.gov/search),選用2006—2020年MOD13Q1數(shù)據(jù)產(chǎn)品[20]，該產(chǎn)品時(shí)間分辨率為16 d，空間分辨率為250 m，包括12個波段，第1波段為NDVI波段、第12波段為像元可信度波段，本文將使用以上兩個波段數(shù)據(jù)。采用-1～3標(biāo)記像元可信度類型，見表1[21]。

表1 MOD13Q1像元可信度Tab.1 MOD13Q1 pixel reliability

利用MRT(Modis reprojection tools)工具對安徽省2006—2020年全部MODIS數(shù)據(jù)進(jìn)行預(yù)處理，批量拼接、投影、轉(zhuǎn)換、提取波段，并統(tǒng)一為WGS84坐標(biāo)系。利用安徽省省界矢量圖對數(shù)據(jù)進(jìn)行裁剪，得到安徽省區(qū)域數(shù)據(jù)，并進(jìn)行MVC(Maximum value composites)最大化合成，得到2006—2020年每月數(shù)據(jù)[22-24]。使用S-G濾波(Savitzky Golay filter)算法對長時(shí)間序列NDVI數(shù)據(jù)集進(jìn)行平滑降噪處理，并用像元可信度波段進(jìn)行質(zhì)量控制，得到每月NDVI柵格影像(有效值0～1)。S-G濾波算法又稱數(shù)據(jù)平滑多項(xiàng)式濾波法，通過最小二乘卷積擬合方法來平滑和計(jì)算一組相鄰值或光譜值的導(dǎo)數(shù)，與中值迭代濾波法、傅里葉變換法相比，基于S-G濾波法重構(gòu)后的NDVI 時(shí)間序列在曲線平滑程度和直觀表現(xiàn)上均取得了較好的效果，對提高該數(shù)據(jù)產(chǎn)品質(zhì)量有很大幫助[21,25]。最后，對月NDVI柵格影像均值化處理可得到研究期內(nèi)年均、季節(jié)NDVI數(shù)據(jù)。

使用中國科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心(http:∥www.resdc.cn/Default.aspx)提供的2010年和2015年中國GDP空間分布公里網(wǎng)格數(shù)據(jù)集、中國人口空間分布公里網(wǎng)格數(shù)據(jù)集，分別作為人類活動對NDVI空間分布的影響因子1和影響因子2。使用European Space Agency (ESA)(https:∥climate.esa.int/en/)的2010年和2015年Land Cover數(shù)據(jù)作為人類活動對NDVI空間分布的影響因子3。所有數(shù)據(jù)均重新采樣到空間分辨率250 m。

2 研究方法

2.1 Sen+MK趨勢分析

Theil-Sen Median方法又被稱為Sen斜率估計(jì)，是一種穩(wěn)健的非參數(shù)統(tǒng)計(jì)的趨勢計(jì)算方法。該方法計(jì)算效率高，對于測量誤差和離群數(shù)據(jù)不敏感，常被用于長時(shí)間序列數(shù)據(jù)的趨勢分析[18,26-27]。若年變化率β大于0，則表示植被呈增長趨勢，反之呈退化趨勢。β計(jì)算式為

(1)

式中NDVIj、NDVIi——各像元第j年、第i年NDVI

Median(·)——取中值函數(shù)

Mann-Kendall (MK)屬于非參數(shù)檢驗(yàn)方法，與其他參數(shù)檢驗(yàn)的方法相比，不需要樣本遵從一定的分布[26]。Sen斜率估計(jì)用于計(jì)算趨勢值，通常與MK非參數(shù)檢驗(yàn)結(jié)合使用，即先計(jì)算Sen趨勢值，然后使用MK方法判斷趨勢顯著性。計(jì)算公式為

(2)

其中

(3)

(4)

(5)

式中Z——統(tǒng)計(jì)量，取(-∞,+∞)

sgn——符號函數(shù)

k——序列中數(shù)據(jù)個數(shù)，取15

當(dāng)Z通過0.05的顯著性檢驗(yàn)(P<0.05)，認(rèn)為植被呈現(xiàn)顯著性變化。

2.2 Hurst指數(shù)(R/S)分析

Hurst指數(shù)是描述非函數(shù)長周期的重要指標(biāo)，該指數(shù)由英國水文專家HURST提出[28-29]。本文采用R/S分析(Rescaled range analysis)法計(jì)算Hurst指數(shù)進(jìn)行NDVI預(yù)測，原理如下：

將長時(shí)間序列NDVI(i)(i=1,2,…,N)劃分為L個子序列NDVI(L)={X1(t),X2(t),…,XL(t)}(t=1,2,…,n),n=N/L，為每個子序列的長度。

均值序列為

(6)

累計(jì)離差序列為

(7)

極差序列為

(8)

標(biāo)準(zhǔn)差序列為

(9)

原始序列在長度為n的時(shí)間跨度上的重標(biāo)極差為

(10)

若有(R/S)n∝nH，則表示存在Hurst現(xiàn)象，Hurst指數(shù)用H表示，可用于長時(shí)間NDVI序列的持續(xù)性判斷。Hurst指數(shù)判斷形式分為4類，當(dāng)0

2.3 地理探測器模型

王勁峰等[30]結(jié)合GIS空間疊加技術(shù)和集合論，提出“地理探測器”模型GeoDetector (http:∥www.geodetector.cn/)，該模型由4部分組成，分別為風(fēng)險(xiǎn)探測器、因子探測器、生態(tài)探測器、交互作用探測器。本文使用因子探測器(Factor_detector)定量分析人類活動對植被區(qū)域分布的影響，其工作原理簡要描述如下。

圖1 空間類別分區(qū)及疊加圖層示意圖Fig.1 Space category partition and overlay layer

(11)

式中Nd——d區(qū)域網(wǎng)格數(shù)

N——全區(qū)域網(wǎng)格數(shù)

V——全區(qū)域NDVI方差

q越大則表明影響因子B對NDVI的影響越大，反之則影響越??；若q=0，則說明影響因子B與NDVI分布完全獨(dú)立；若q=1，則說明影響因子B完全控制了NDVI的分布。

3 結(jié)果與分析

3.1 NDVI時(shí)間變化特征

3.1.1年際變化

對于NDVI在時(shí)間維度上的變化特征一般采用趨勢分析法[2]，若線性擬合趨勢系數(shù)(作為增長率)大于0則表明植被呈增長趨勢，反之表明植被趨于退化。采用決定系數(shù)R2和F檢驗(yàn)來判定趨勢顯著性[11]。2006—2020年安徽省歸一化植被指數(shù)NDVI的年變化趨勢如圖2所示。研究期內(nèi)NDVI的變化范圍為0.535～0.568，平均值為0.553；最大值出現(xiàn)在2020年，其值約為0.568；最小值出現(xiàn)在2006年，其值約為0.535。2006—2020期間年增長率為0.001 7a-1，決定系數(shù)為0.623 9，通過顯著性水平α=0.01的顯著性檢驗(yàn)(P<0.01)，15年累積增長率為6.23%，表明研究期內(nèi)安徽省植被覆蓋總體上呈增長趨勢。

圖2 NDVI年際變化趨勢Fig.2 Inter-annual trend of NDVI

3.1.2季節(jié)變化

季均歸一化植被指數(shù)NDVI如圖3所示，2006—2020年各季節(jié)變化趨勢各異，但四季均呈現(xiàn)顯著的(P<0.01)增長趨勢，其中秋季年增長率最大，為0.004 2a-1，2020年NDVI最大，為0.565，2006年NDVI最小，為0.484；冬季年增長率次之，為0.003 6a-1，2019年NDVI最大，為0.459，2009年NDVI最小，為0.371。春季和夏季年增長率相當(dāng)，分別為0.002 9a-1和0.003 1a-1，其中春季2006年NDVI最小，為0.558，2016年NDVI最大，為0.612；夏季2006年NDVI最小，為0.667，2019年NDVI最大，為0.721。2006—2020年春、夏、秋、冬的NDVI均值分別為0.590、0.691、0.527、0.420，四季中夏季的NDVI均值最大，這一規(guī)律充分體現(xiàn)了植被生長的季節(jié)性特點(diǎn)。

圖3 四季NDVI年際動態(tài)變化Fig.3 Inter-annual changes of NDVI dynamic in each season

3.2 NDVI空間變化特征

3.2.1NDVI變化趨勢分析

對安徽省2006—2020年NDVI進(jìn)行Sen斜率分析，得到安徽省植被影像數(shù)據(jù)每個像元在研究期內(nèi)的年變化率β，并結(jié)合MK非參數(shù)檢驗(yàn)判斷其趨勢顯著性，參考文獻(xiàn)[26],將變化趨勢分為5種類型，分別為嚴(yán)重退化、輕微退化、穩(wěn)定不變、輕微改善和明顯改善，分析得到2006—2020年NDVI變化趨勢統(tǒng)計(jì)表和變化趨勢分布圖(表2、3和圖4、5)。

表2 2006—2020年NDVI變化趨勢統(tǒng)計(jì)Tab.2 Trend statistics of inter-annul NDVI from 2006 to 2020

由表2可知，安徽省2006—2020年歸一化植被指數(shù)NDVI改善趨勢顯著，輕微改善和明顯改善區(qū)域面積總和為96 904.83 km2，占全省面積的69.17%；安徽省NDVI變化趨勢保持穩(wěn)定不變的區(qū)域面積為10 503.20 km2，占比7.50%；安徽省NDVI呈嚴(yán)重退化、輕微退化趨勢的區(qū)域總面積為32 691.98 km2，占比23.33%?？梢?，安徽省植被15年間總體上改善的比例遠(yuǎn)大于退化的比例，這也與安徽省近些年來堅(jiān)持綠色發(fā)展，加強(qiáng)生態(tài)文明建設(shè)及全面建成小康社會的目標(biāo)相契合。

從圖4可知，安徽省2006—2020年植被改善區(qū)域主要分布在長江以南地區(qū)，如黃山市、池州市、宣城市、六安市中南區(qū)域等，安徽省北部地區(qū)如宿州市、淮北市、蚌埠市與宿州市交界區(qū)域也呈現(xiàn)出明顯的增長趨勢。NDVI退化區(qū)域主要出現(xiàn)在阜陽市、合肥市長豐縣、淮南市壽縣、馬鞍山市當(dāng)涂縣與宣城市交界區(qū)域等。NDVI保持不變的區(qū)域相對分散，遍布在全省各地，其中阜陽市、淮南市壽縣、合肥市、巢湖市、滁州市定遠(yuǎn)縣等地占比相對較高。

圖4 2006—2020年NDVI變化趨勢分布Fig.4 Trend distribution of inter-annul NDVI from 2006 to 2020

從表3可以看出，安徽省15年間4個季節(jié)中，植被改善的面積比例均大于退化的比例，其中夏季植被改善的面積比例小于其他三季、植被退化的面積比例高于其他三季。

表3 2006—2020年季節(jié)NDVI變化趨勢統(tǒng)計(jì)Tab.3 Seasonal trend statistics of inter-annul NDVI from 2006 to 2020

從圖5可以看出，安徽省2006—2020年四季NDVI變化明顯改善所占比例較高的為春季、冬季，其次為秋季和夏季。NDVI變化輕微改善所占比例較高的為夏季、秋季，這表明15年間夏季、秋季植被均長勢良好，變化趨勢不明顯。從空間位置上看，春、冬兩季安徽省中北部區(qū)域均有大面積植被退化區(qū)域，且大致分布在省會城市合肥市及合肥市周邊城市，長江流域在夏季和秋季植被退化較嚴(yán)重。

3.2.2NDVI持續(xù)性分析

安徽省2006—2020年歸一化植被指數(shù)NDVI的Hurst指數(shù)空間分布如圖6所示。全省Hurst指數(shù)分布在0.134～1.000之間，均值為0.543，Hurst指數(shù)大于0.5的區(qū)域占全省總面積的64.52%，其中呈現(xiàn)弱正持續(xù)趨勢的比例為60.64%，呈現(xiàn)強(qiáng)正持續(xù)趨勢的比例為3.88%；Hurst指數(shù)小于0.5的區(qū)域占全省總面積的35.48%，其中呈現(xiàn)弱反持續(xù)趨勢的比例為34.77%，呈現(xiàn)強(qiáng)反持續(xù)趨勢的比例為0.71%。總體來看，安徽省NDVI變化以正持續(xù)性為主。

為更好展現(xiàn)安徽省NDVI變化趨勢的持續(xù)性，將Hurst指數(shù)空間分布結(jié)果(圖6)與Sen斜率分析年NDVI變化趨勢結(jié)果(圖4)相疊加，持續(xù)性變化趨勢分為6類：持續(xù)嚴(yán)重退化、持續(xù)輕微退化、持續(xù)穩(wěn)定不變、持續(xù)輕微改善、持續(xù)明顯改善、變化趨勢不確定，結(jié)果如圖7所示。全省NDVI呈現(xiàn)持續(xù)輕微改善、持續(xù)明顯改善的比例分別為22.03%、20.33%，占據(jù)了全省總面積的42.36%，主要分布在安徽省北部、南部地區(qū)，如宿州市中部區(qū)域、亳州市與淮南市交界、宣城市、池州市等地；持續(xù)嚴(yán)重退化、持續(xù)輕微退化的比例分別為4.13%、13.10%，主要分布在合肥市長豐縣、淮南市壽縣大部、阜陽市的臨泉縣和阜南縣等地；持續(xù)穩(wěn)定不變的比例為4.93%，零星分布在全省各地。NDVI變化趨勢不確定的比例最高，達(dá)35.48%，以大別山區(qū)域?yàn)橹鳎埠?、黃山市以及宿州市靈璧縣也有少量分布。

圖7 2006—2020年NDVI變化特征空間分布Fig.7 Spatial distribution of NDVI based on Hurst index and trend from 2006 to 2020

3.3 人類活動對植被指數(shù)的影響

因子探測器對人類活動影響因子的定量分析結(jié)果如表4所示，2010年及2015年GDP空間分布、POP空間分布、Land Cover空間分布如圖8～10所示。

表4 因子探測器下的q值Tab.4 q value in factor_detection of human factors

圖8 GDP空間分布Fig.8 Spatial distributions of GDP

圖9 人口空間分布Fig.9 Spatial distributions of population

圖10 土地覆蓋空間分布Fig.10 Spatial distributions of land cover

結(jié)合圖8～10，由表4可知，2010年P(guān)OP對NDVI空間分布解釋力在29%以上，GDP對NDVI空間分布的解釋力在27%以上，兩者差距不大，Land Cover對NDVI空間分布的解釋力在39%以上，且都通過了顯著性檢驗(yàn)(P<0.01)，這說明GDP及POP對NDVI的空間分布均存在顯著影響，且Land Cover的影響力度最大；2015年GDP、POP、Land Cover對NDVI空間分布解釋力都在15%以上，解釋力從大到小依次為POP、GDP、Land Cover，但GDP、Land Cover均未通過顯著性(P<0.01)檢驗(yàn)，與2010年相比較，2015年GDP、POP、Land Cover解釋力均有所下降，NDVI的空間變異性可能受更多復(fù)雜因素的影響?？偟膩砜?，體現(xiàn)人類活動的GDP、POP、Land Cover對NDVI分布變異均存在較大影響，其中POP(P<0.01)影響力最大，且有較高的顯著性。

3.4 討論

通過安徽省15年(2006—2020年)NDVI的空間分布和變化趨勢分析，發(fā)現(xiàn)研究期內(nèi)安徽省在時(shí)間及空間上植被變化均呈現(xiàn)不斷改善的趨勢。植被生長變化趨勢的分析需要長時(shí)間序列觀測數(shù)據(jù)的支撐，GIMMS(Global inventory modeling and mapping studies)NDVI數(shù)據(jù)是目前覆蓋時(shí)間最長的全球連續(xù)數(shù)據(jù)集，而MODIS NDVI數(shù)據(jù)作為GIMMS NDVI數(shù)據(jù)的延續(xù)和升級，具有高光譜分辨率、高空間分辨率等特點(diǎn)。對比不同衛(wèi)星上搭載的AVHRR、MODIS以及VEGETATION(VGT)等[31-32]傳感器觀測的NDVI數(shù)據(jù)產(chǎn)品(表5)可知，MODIS在監(jiān)測植被生長空間分布和變化趨勢上更具優(yōu)勢。

表5 NDVI遙感數(shù)據(jù)產(chǎn)品對比Tab.5 Comparison of NDVI remote sensing data

植被指數(shù)的變化是眾多因素共同作用的結(jié)果，植被的空間分布格局由自然環(huán)境因子確定，而短期內(nèi)的人類活動如退耕還林、城市擴(kuò)張等政策因素都會對局部區(qū)域NDVI產(chǎn)生重要影響。結(jié)合圖4可以看出，安徽省中部偏北植被呈現(xiàn)退化趨勢，且該區(qū)域未來處于持續(xù)輕微退化或變化趨勢不確定狀態(tài)(圖7)，初步推斷這一趨勢與該區(qū)域城市發(fā)展?fàn)顩r有關(guān)。因此，量化人為因素對植被指數(shù)的影響，將有利于科學(xué)精準(zhǔn)地分析植被指數(shù)的時(shí)空演變特性。

4 結(jié)論

(1)從植被指數(shù)年際變化角度，時(shí)間趨勢上，近15年來，安徽省植被指數(shù)呈波動型增長趨勢，累積增長率(6.23%)的分析體現(xiàn)了植被指數(shù)的不斷改善狀態(tài)；空間分布上，安徽省不同地區(qū)植被覆蓋呈現(xiàn)差異性變化，大部分區(qū)域(69.17%)植被指數(shù)呈明顯增長趨勢，大約23.33%的區(qū)域有退化現(xiàn)象，這些變化趨勢主要與不同城市的建設(shè)與發(fā)展?fàn)顟B(tài)有關(guān)。

(2)從植被指數(shù)季節(jié)變化角度，時(shí)間趨勢上，安徽省各季節(jié)變化趨勢總體一致，四季均呈現(xiàn)顯著的(P<0.01)增長趨勢同時(shí)各季節(jié)又略有差異：其中秋季、冬季增長率較高，說明秋冬兩季對植被指數(shù)整體提升貢獻(xiàn)較大；空間分布上，夏季、秋季輕微改善所占比例最高，說明15年間夏、秋兩季植被長勢持續(xù)良好，變化不顯著。

(3)從NDVI持續(xù)性上分析，安徽省內(nèi)，呈現(xiàn)植被持續(xù)改善的區(qū)域遠(yuǎn)大于植被持續(xù)退化的區(qū)域，其中持續(xù)退化區(qū)域占總面積的17.23%，并且退化區(qū)域主要分布在省會合肥市及其周邊縣域，可見快速的經(jīng)濟(jì)發(fā)展勢必會帶來城市及其周邊植被的退化?？傮w上看，2006—2020年安徽省植被指數(shù)以持續(xù)改善為主。

(4)從人類活動影響來看，2010年安徽省人口分布以及GDP、Land Cover對NDVI的空間分布解釋力都在27%以上。2015年人口分布以及GDP、Land Cover對NDVI的空間分布解釋力有所降低，但仍在15%以上，結(jié)合同期NDVI空間變化趨勢，該現(xiàn)象的存在可能受該時(shí)期內(nèi)經(jīng)濟(jì)高速發(fā)展、城鎮(zhèn)化建設(shè)加速、綠色發(fā)展理念落實(shí)等諸多因素影響。總的來說，人類活動對NDVI時(shí)空變異性存在較大影響，相比國內(nèi)生產(chǎn)總值和土地覆蓋，人口分布的影響最顯著。