天山北坡經濟帶植被覆蓋度動態(tài)變化研究

郝鑫怡,張 喆,2,3*,鄭 浩,高寧真 (.新疆大學地理與遙感科學學院,新疆 烏魯木齊 830046；2.新疆綠洲生態(tài)自治區(qū)重點實驗室,新疆 烏魯木齊 830046；3.智慧城市與環(huán)境建模自治區(qū)普通高校重點實驗室,新疆 烏魯木齊 830046)

植被作為陸地生態(tài)系統(tǒng)的重要組成部分,起到聯結土壤、大氣和水分的自然“紐帶”作用[1-2].同時,對于干旱半干旱地區(qū),植被防風固沙、維持水土平衡、保護生態(tài)穩(wěn)定等作用,對當地的可持續(xù)發(fā)展具有重要的生態(tài)學意義[3-6].植被覆蓋度(FVC)是反映地表植被群落生長態(tài)勢的重要指標和描述生態(tài)系統(tǒng)的重要基礎數據[7-8],動態(tài)監(jiān)測干旱半干旱區(qū)FVC 時空變化及驅動機制,對當地生態(tài)環(huán)境建設及可持續(xù)發(fā)展戰(zhàn)略制定具有重要的理論指導意義及現實意義[5,9].

目前,像元二分法是利用歸一化植被指數(NDVI)對FVC 進行提取的一種遙感估算模型,其憑借著構建簡易且具有物理意義的優(yōu)勢而得到廣泛應用[9-11].眾多學者使用NDVI 數據基于像元二分法開展FVC 時空變化及影響因子探究等方面工作.常夢迪等[12]采用像元二分、線性光譜混合和自適應反射率時空融合三種模型對天山北坡中段山區(qū)FVC時空變化進行研究.Fensholt 等[13]歸納了1981～2007年全球半干旱地區(qū)FVC 的變化,并進行驅動因素分析.李紅梅等[14]采用趨勢分析、斜率回歸分析等方法對天山北坡近30a 的FVC 時空變化情況進行研究.李雪銀等[15]通過Theil-Sen Median和Mann-Kendall等方法分析了黃河流域1982～2021 年FVC 空間格局、月際和年際變化規(guī)律.上述研究分析了不同區(qū)域FVC 時空變化特征及其驅動機制,但多以線性相關分析法為主,主要考慮降水和氣溫等氣候因素,忽略了人文因素、地形因素等對FVC 的影響,無法定量研究各影響因子的作用[16-17].地理探測器是一種空間數據探索分析模型,能夠探測及定量分析地理要素的空間分異性,并揭示各個因子間的交互作用,已被廣泛應用于地學、醫(yī)學、農業(yè)、生物多樣性保護等領域[18-20].由于該模型能夠更為全面揭示和量化各個影響因子對FVC 的影響,逐漸在FVC 變化特征的分析研究中使用[21-22].

但受限于遙感數據處理能力水平,以往針對大時空尺度的研究中,通常提取研究期內特定年份的遙感數據進行對比分析FVC 的時空分布特征,使得數據的連續(xù)性受到一定限制[15,22-24].而近年來興起的高性能地球科學數據分析平臺(GEE),不僅提供了大量的影像數據,而且可以依靠Google 的高性能集群服務器對影像進行在線可視化處理,大大提高了工作效率[4,25].已有學者使用GEE 云平臺探測黃河流域植被覆蓋度變化及驅動因素和內蒙古自治區(qū)不同土地覆被類型中FVC 的時空分布及其與氣候變化的耦合機制等[10,26].目前,GEE 在FVC 分析方面更具優(yōu)勢,在保障影像處理效果的前提下,提高了數據處理效率,對于遙感影像處理,尤其針對長時間、大范圍、寬領域的遙感監(jiān)測研究具有重要意義[25-27].

天山北坡作為西北干旱區(qū)重要的天然屏障,其植被生長狀況對于當地的水土保持、水資源利用及局地生態(tài)平衡等方面有重要作用[28].但近年來城市群經濟、工業(yè)的快速發(fā)展和城市化進程的加快,使得當地本就脆弱的生態(tài)環(huán)境進一步惡化,嚴重阻礙了“一帶一路”倡議的可持續(xù)發(fā)展.所以探究天山北坡經濟帶FVC 的時空變化特征,對于把握典型干旱區(qū)經濟帶的生態(tài)環(huán)境狀況,提出對應防治措施,優(yōu)化國土資源布局、調整產業(yè)結構具有重要意義[24,28-29].綜上,本文基于MODIS13Q1NDVI、氣象、地形、人文數據,結合GEE 云平臺、Theil-Sen Median 趨勢分析、Mann-Kendall 顯著性檢驗以及穩(wěn)定性分析方法,探究天山北坡經濟帶2000～2020 年間FVC 時空變化特征,并利用地理探測器模型分析FVC 影響因子的空間分異特征,以期為天山北坡經濟帶為代表的干旱區(qū)城市群的高質量可持續(xù)發(fā)展、優(yōu)化局地產業(yè)布局、保障生態(tài)環(huán)境質量提供科學依據.

1 研究數據與方法

1.1 研究區(qū)概況

天山北坡經濟帶位于我國天山北麓與準噶爾盆地的過渡地區(qū),地勢南高北低,屬溫帶大陸性半干旱氣候,年降水量較少,季節(jié)差異顯著.包括以烏魯木齊都市圈為核心的(烏-昌)城鎮(zhèn)群經濟區(qū)、以石河子市為中心的(石-瑪-沙)城鎮(zhèn)群經濟區(qū)和以奎屯-烏蘇-克拉瑪依三角區(qū)為核心的(奎-烏-克)城鎮(zhèn)經濟區(qū)(圖1).

圖1 研究區(qū)位置Fig.1 Location on study area

天山北坡經濟帶作為國家二級重點城市群,以其優(yōu)越的資源稟賦及其良好的經濟基礎,已經成為新疆的經濟核心地區(qū),并在“一帶一路”政策支持下成為我國連接中亞、西亞的核心樞紐地區(qū)[30].在絲綢之路經濟帶建設背景下,天山北坡經濟帶的經濟得到快速發(fā)展,但其干旱區(qū)的區(qū)位使得天山北坡經濟帶具有生態(tài)環(huán)境極其脆弱、環(huán)境承載力低及環(huán)境恢復力差等局限性,極易受到外界環(huán)境影響[24,28].

1.2 數據源及預處理

1.2.1 MOD13Q1-NDVI 數據 本研究通過GEE云平臺獲取 MOD13Q1-NDVI 數據(https://code.earthengine.google.com/),其時間分辨率為16d,空間分辨率為250m,共有12 個波段,第1 波段為NDVI 波段,全年共計23 景影像,時間跨度為2000 年1 月～ 2020年12 月.利用GEE 自帶的在線編程方式處理數據,運用最大值合成法對每年的NDVI 影像進行融合,并使用研究區(qū)矢量圖進行裁剪,獲取天山北坡經濟帶每年的NDVI 最大值影像,NDVI 最大值影像可以反映當年植被長勢最好時期的地表植被覆蓋狀況.

1.2.2 人文數據 2000～2020 年人口密度數據來源于官方網站(https://www.WorldPop.org/),是由英國南安普頓大學地理數據研究所領導的全球人口分布制圖計劃研制的全球人口格網化數據,空間分辨率為90m.

DMSP/OLS 和NPP/VIIRS 夜間燈光數據均來源于美國國家海洋和大氣管理局官網(https://www.ngdc.noaa.gov/eog/).DMSP/OLS 空間分辨率為1km,下載時間為2000 年、2005 年和2010 年; NPP/VIIRS 空間分辨率為500m,下載時間為2015 年和2020 年.該數據可以克服由于六位量化和動態(tài)范圍的限制,為后續(xù)地理探測器處理提供沒有傳感器飽和的全球夜間照明產品.

土地利用類型數據來源于歐空局(https://cds.climate.copernicus.eu/),空間分辨率為300m.下載了2000 年、2005 年、2010 年、2015 年和2020 年5a的柵格數據.用矢量行政邊界對土地利用數據進行掩膜提取.再對圖像進行投影,然后重采樣成像元大小為30m,再進行后續(xù)處理.

1.2.3 地形數據 DEM 數據來源于地理空間數據云(https://www.gscloud.cn/),空間分辨率為90m,利用ArcGIS 10.8 軟件對高程數據進行鑲嵌、拼接、裁剪等處理,基于軟件中的分析模塊提取坡度和坡向信息,并進行重分類,為后續(xù)使用地理探測器提供分類數據.

1.2.4 氣象數據 年均降水數據和氣溫(2m temperature)數據均來源于歐洲中期天氣預報中心ECMWF(https://cds.climate.copernicus.eu/),時間跨度為2000～2020 年,空間分辨率均為250m.先對獲取的原始氣象數據進行像元統(tǒng)計得到年降水和年均溫,再使用反距離權重插值法(IDW)對氣象數據進行空間插值.

1.3 研究方法

1.3.1 基于NDVI 的植被覆蓋度計算 NDVI 是一種反映植被長勢情況的遙感指標,為近紅外通道與可見光通道反射率之差與其和的比值,根據公式(1)計算得到.基于已有的NDVI 數據在GEE 中選取MOD13Q1產品數據,運用最大值合成法將每個像元12 個月的NDVI 值讀取成數組,然后用max 函數獲取其中最大值,計算出研究區(qū)2000～2020 年每年NDVI 最大值.

式中:NIR 是TERRA 衛(wèi)星傳感器的近紅外波段的發(fā)射率值;RED是TERRA衛(wèi)星傳感器的紅光波段的發(fā)射率值[28];NDVI 取值范圍[-1,1].把NDVI 數據導入ENVI 中,基于像元二分模型估算研究區(qū)植被覆蓋度,即假定地面只由非植被像元和純植被像元覆蓋,根據其原理,計算植被覆蓋度公式為:

式中:FVC 表示植被覆蓋度;NDVIsoil表示裸土或無植被覆蓋區(qū)域的NDVI 值;NDVIveg則表示完全被植被覆蓋的像元的NDVI 值,即純植被覆蓋度像元NDVI 值;FVC 取值范圍[0,1].使用此方法最主要的是確定NDVIveg和NDVIsoil的取值,但該數據獲取受大氣、濕度和光照等的干擾,直接獲取十分困難,本研究使用ENVI 5.3 軟件對NDVI 像元進行統(tǒng)計,選取累計概率分布為95%和5%的NDVI 值代表NDVIveg和NDVIsoil,以消除噪聲誤差[31].

1.3.2 Theil-Sen Median 趨勢分析和Mann-Kendall顯著性檢驗 Theil-Sen Median 方法又稱Sen 斜率估計,是一種非參數統(tǒng)計的趨勢計算方法.由于該方法計算效率高,對離群數據和測量誤差不敏感,常被用于分析長時間序列植被生長狀況變化情況[32].其計算公式為:

Mann-Kendall 顯著性檢驗方法又稱M-K 檢驗,用于檢驗數據在長時間序列斜率的顯著性.此方法和Sen 斜率估計法都不要求樣本服從正態(tài)分布,因此結果不易受到異常值的影響[33-34].其統(tǒng)計檢驗方法為:對于時間序列Xi,i=1,2,3,…,n.定義標準化檢驗統(tǒng)計量Z:

式中:FVCj和FVCi與公式(3)中表示意義相同;n表示數據個數即時間序列的長度;sgn 表示符號函數;Z的取值范圍為(-∞,+∞).在給定顯著性水平下,若|Z|>Z1-a/2,表明不存在趨勢的假設被拒絕,時間序列數據存在顯著變化.本研究判斷植被覆蓋度時間序列變化趨勢在95%置信水平上的顯著性.

1.3.3 穩(wěn)定性分析 變異系數(CV)是衡量長時間序列變異程度的一個統(tǒng)計量,可以很好地反映空間數據在觀測序列上變化的差異程度,評價數據時間序列的穩(wěn)定性.計算公式為:

式中:σ為研究區(qū)21a 間FVC 的標準差;為研究區(qū)21a 間FVC 的算數平均值.CV 值越大,表示數據年際波動越大,植被覆蓋度越不穩(wěn)定;反之,則表示數據年際波動越小,植被覆蓋度越穩(wěn)定.

1.3.4 影響因素信息提取 氣象因子如降水、平均氣溫、最高氣溫,地形因子如地形區(qū)、高程等,對NDVI 空間分異特性有一定的解釋能力[35].而人口密度、土地利用類型同樣對FVC 的空間分布有影響[36].如表1 所示,本研究選取人文、地形和氣象三大類因素,共8 個影響因子,使用因子探測、生態(tài)探測、交互作用探測來探究天山北坡經濟帶植被覆蓋度空間分異的影響.

表1 影響因素的類別Table 1 Category of influencing factors

利用ArcGIS 10.8 創(chuàng)建漁網工具,生成全區(qū)范圍內5km×5km 網格,總共3853 個采樣點,提取空間上對應的X和Y的屬性值,利用自然間斷點法、幾何間隔法、分位數法將不同的影響因子分類,然后導入地理探測器軟件中處理.

1.3.5 地理探測器 地理探測器模型是由王勁峰提出的一個空間統(tǒng)計模型,用于定量描述空間分異性;分析多個自變量交互對因變量的影響和探究各變量之間的關系;以及揭示背后驅動因子的一種新型統(tǒng)計學方法,其核心思想是基于假設:如果某個自變量對某個因變量具有重要影響,那么自變量和因變量的空間分布應該具有相似性[37-39].本文選取2005、2010、2015和2020 年天山北坡經濟帶的8 個影響因子數據作為自變量,對應時期的FVC 數據作為因變量來進行交互探測分析,確保探測影響因子結果準確.

(1)分異及因子探測:探測植被覆蓋度空間分層異質性和各個影響因子對植被覆蓋度的解釋程度,并用q來衡量.q的值域為[0,1],q越大表明影響因子對植被覆蓋度的空間分布影響越大.q表達式如下:

式中:h表示影響因子的分類或分層,h=1,2,3…,L;N表示研究區(qū)域的單元數;Hn表示第h分層的單元數;σ2表示研究區(qū)域的方差;表示分層h的方差.SSW 是層內方差之和;SST 是全區(qū)總方差.

(2)交互作用探測:評價不同因子X之間的交互作用,即探測不同的影響因子X1、X2共同作用時對植被覆蓋度的解釋力是增強還是減弱.核心思想是通過比較單一因子、雙因子之和以及雙因子交互作用分別對植被覆蓋度的解釋程度[38-39].基本思路是:首先分別計算2 個因子X1和X2對因變量Y的q,記q(X1)和q(X2),其次計算二者疊加后的因子X1∩X2的q,記為q(X1∩X2),最后對q(X1)、q(X2)和q(X1∩X2)的值進行比較,即可判斷X1和X2對因變量Y的交互作用類型.交互作用類型如表2 所示.

表2 影響因子的交互作用類型Table 2 Types of interaction of the detection factor

(3)生態(tài)探測:用于比較影響因子X1和X2對FVC 空間分布是否存在顯著的差異,用統(tǒng)計量F表示如下:

式中:NX1、NX2分別表示影響因子X1、X2的樣本數量;l1表示影響因子X1樣本的分層數量;表示由影響因子X1形成分層的層內方差之和.

2 結果與分析

2.1 天山北坡經濟帶FVC 時間變化特征

通過分析2000～2020 年天山北坡經濟帶FVC最大值及其變化趨勢,統(tǒng)計了各植被覆蓋度等級像元占比.由圖2 可知,天山北坡經濟帶FVC 整體呈波動上升趨勢,增長速度為0.007%,R2為0.0343.FVC最大值在2000～2002 年、2005～2007 年、2008～2010年、2013～2015 年和2018～2019 年均為增長趨勢,峰值出現在2015 年,為0.998;最小值為0.989 出現在2018 年.結合本研究區(qū)的實際情況,按照等間隔法使用ArcGIS 軟件將FVC 劃分為5 個等級(表3).時間尺度上,研究區(qū)21a間FVC變化總體趨勢較為穩(wěn)定,5種等級植被覆蓋度像元占比均有小范圍浮動,但總體仍比較穩(wěn)定(圖3).

表3 植被覆蓋度的等級分類Table 3 Rank classification of vegetation cover

圖2 2000～2020 年最大植被覆蓋度年際變化Fig.2 The inter-annual change of maximum vegetation coverage from 2000 to 2020

圖3 各等級植被覆蓋度的年際變化Fig.3 The inter-annual variation of the vegetation coverage change of different levels

極低植被覆蓋度占比先減少后增加,呈現“U”型變化趨勢,從2000 年的42.46%減少至2011 年的36.36%,后增加至2020 年的47.53%;中低植被覆蓋度占比逐漸減少,從2000 年的19.29%減少至2020年的13.15%;中植被覆蓋度占比呈倒“U”型趨勢,植被覆蓋度先增加后減少,從2000 年的11.91%增加至2010 年的13.28%,后減少至2020 年的9.92%;中高和極高植被覆蓋度變化都呈增加趨勢,其占比分別由2000 年的10.08%、16.26%增長至2020 年的11.15%、18.25%,表明研究區(qū)內植被覆蓋度在21a間出現好轉.

2.2 天山北坡經濟帶FVC 空間變化特征

由2000～2020a 天山北坡經濟帶不同等級FVC空間分布圖(圖4)可知,研究區(qū)FVC 在空間上表現出明顯的空間異質性,呈現出兩條顯著的高植被覆蓋度帶.一條位于研究區(qū)中部,從東至西貫穿天山北坡沿線各城市,主要為烏蘇市東北部、奎屯市、沙灣縣中北部、石河子市、瑪納斯縣中北部、呼圖壁縣中部、昌吉市中部、阜康市南部、烏魯木齊市中部、五家渠市,從土地利用數據上可得該高植被覆蓋帶以農業(yè)用地為主,主要位于城市周邊地區(qū),在城市內部仍然表現為低植被覆蓋區(qū),但隨著政府對生態(tài)環(huán)境保護的重視,圖4 中可明顯看出,低植被覆蓋區(qū)范圍逐漸減少,表明城市內部植被覆蓋愈加改善.此外,另一條高植被覆蓋帶主要位于天山中麓,以雪嶺云杉林為主,該地區(qū)長期得到政策保護,使得高植被覆蓋區(qū)空間連續(xù)性較好,但近年來其高植被覆蓋區(qū)出現減少趨勢,可能由于氣候變化或者人類活動導致[29],固應加大保護力度,避免天然林區(qū)遭到破壞.

圖4 天山北坡經濟帶不同等級植被覆蓋度空間分布Fig.4 Spatial-temporal distribution of vegetation coverage at different levels in in the economic zone on the north slope of Tianshan Mountain

將Theil-Sen Median 趨勢分析和Mann-Kendall顯著性檢驗結合,可有效科學地反映2000～2020 年天山北坡經濟帶植被覆蓋度變化趨勢的空間分布特征.對2000～2020 年天山北坡經濟帶植被覆蓋度7種等級變化像元占比進行統(tǒng)計得出表4,結合表5 可知,計算得到植被覆蓋度等級變化趨勢以減少為主,共占比為 52.36%,其中輕度減少趨勢占比達到43.08%;另外增加趨勢占比為36.58%,并以輕度增加為主.

表4 各等級植被覆蓋度像元占比(%)統(tǒng)計Table 4 Statistics of fractional vegetation coverage pixels of different levels(%)

表5 植被覆蓋度變化趨勢統(tǒng)計Table 5 Statistics of fractional vegetation cover trend

這與天山北坡經濟帶區(qū)位特性有關,其生態(tài)環(huán)境脆弱,植被變化較為敏感,極易受到外界環(huán)境影響[40],因此出現輕微變化的情況占比最多.同時,在空間分布上(圖5),植被覆蓋度減少地區(qū)主要位于南部天山中麓地區(qū)與經濟帶的城市內部地區(qū).這表明天山北坡經濟帶植被減少的直接原因為人類活動,后續(xù)應加大環(huán)境保護力度;而植被增加的地區(qū)則主要位于各個縣市邊緣的農墾地區(qū),表明農業(yè)耕作的范圍在不斷擴大,在一定程度上擴大了植被覆蓋度.

圖5 天山北坡經濟帶植被覆蓋度動態(tài)變化Fig.5 Dynamic change of vegetation in the economic zone on the north slope of Tianshan Mountain

經過統(tǒng)計分析,發(fā)現在研究區(qū)內的大部分地區(qū),FVC 表現出較弱的年際變異和中等年際變異程度,只有零星少部分地區(qū)表現出較為強烈的變異.其中,弱變異到強變異的比例依次為:51.56%、34.92%、8.35%、3.02%、2.15%.

由圖6 可知,強變異地區(qū)主要分布在克拉瑪依市北部部分地區(qū)、烏魯木齊市西南少部分地區(qū)以及研究區(qū)南緣的零星地區(qū).FVC 的變異性是指植被在不同時間和空間上的覆蓋程度差異,它通常用來描述植被生長的狀態(tài)和生態(tài)系統(tǒng)的穩(wěn)定性.根據研究結果,強變異地區(qū)主要分布在少數地區(qū),而大多數地區(qū)的FVC 呈現出較為平穩(wěn)的趨勢.這表明研究區(qū)內的FVC 整體上比較穩(wěn)定,但是少數地區(qū)可能存在一些環(huán)境變化或人為干擾的影響.因此,在保護和管理植被資源方面,應該加強對這些強變異地區(qū)的監(jiān)測和管理,以維護生態(tài)系統(tǒng)的穩(wěn)定性和可持續(xù)發(fā)展.

圖6 天山北坡經濟帶植被覆蓋度穩(wěn)定性Fig.6 The stableness of vegetation coverage in the economic zone on the north slope of Tianshan Mountain

2.3 天山北坡經濟帶FVC 影響因素

通過因子探測分析可以得到不同影響因子對天山北坡經濟帶FVC 空間分異的影響程度.如表6所示,在對8 個影響因子進行分析后,獲得了單個影響因子的解釋力q.其中,人口密度的q最大,達到0.283,解釋力超過25%以上,因此人口密度是對天山北坡經濟帶FVC 空間分異的主要影響因子.而坡向(0.009)、年降水(0.013)和年均溫(0.015)的q較小,對天山北坡經濟帶FVC 空間分異的解釋力相對較小.與之相反,人文因子的q普遍較大,這表明人文因子在影響天山北坡經濟帶FVC 空間分異中起著重要作用.研究結果表明人口密度在區(qū)域FVC 空間分異中的重要性,這可能與人類活動對土地利用和生態(tài)系統(tǒng)的影響有關.此外,土地利用類型和夜間燈光等人為因素也對FVC 空間分異產生顯著影響.

表6 天山北坡經濟帶影響因子探測qTable 6 q values of influencing factors in the economic zone on the north slope of Tianshan Mountain

如圖7 所示,交互探測可以用來了解兩種影響因子相互作用對因變量Y的解釋程度.在考慮雙因子交互作用時,對于天山北坡經濟帶FVC 空間分異的解釋能力會得到增強,以雙因子交互作用增強和非線性交互作用為主.雙因子交互作用中,人口密度∩海拔(X1∩X4,q=0.534)> 人口密度∩年均溫(X1∩X8,q=0.464)>人口密度∩坡度(X1∩X5,q=0.409)對FVC 有較大影響.與單因子作用不同的是,坡度和年均溫的單獨作用并不明顯,需要與人口密度共同作用才更容易影響FVC 的空間分布.

圖7 天山北坡經濟帶各驅動因子的交互作用探測結果Fig.7 The results of Interaction detection of driving factors in the economic zone on the north slope of Tianshan Mountain

除人口密度、海拔、年均溫和坡度外,其他影響因子的交互作用對FVC 的解釋力q均小于0.4.在實際情況下,人文因素、地形因素和氣象因素等因素共同作用時能更好地解釋FVC.

由圖8 可知,2005～2020 年,人口密度(X1)和年均溫(X8)的q總體呈上升趨勢,這意味著它們對FVC 的解釋能力逐漸增強.夜間燈光(X2)和土地利用類型(X3)的解釋力總體上發(fā)生較大變化,并且普遍呈現先增加后減少的趨勢.海拔(X4)、坡度(X5)、坡向(X6)和年降水(X7)等因素的變化幅度相對較小,對FVC 的解釋能力保持相對穩(wěn)定.

圖8 2005～2020 年天山北坡經濟帶探測因子q 變化Fig.8 Variation of q value of detection factors in the economic zone on the north slope of Tianshan Mountain from 2005 to 2020

通過生態(tài)探測可以分析不同因子組合對FVC變化的解釋力之間的顯著性差異.如圖9 所示,經過統(tǒng)計分析,可以得出兩種影響因子的差異是否顯著,其置信度為95%.在此研究中,發(fā)現人口密度與夜間燈光、土地利用類型、海拔、坡度、坡向、年降水和年均溫對FVC 空間分異的影響具有顯著差異;夜間燈光和海拔對FVC 空間分異不存在顯著差異,而與其他影響因子都具有顯著差異;坡向與人口密度、夜間燈光、土地利用類型和海拔對FVC 空間分異存在顯著差異,但與坡度、年降水、年均溫對FVC空間分異不存在顯著差異.年降水、年均溫、坡度和坡向對FVC 空間分異不存在顯著差異,但與其他因子都具有顯著差異.

圖9 天山北坡經濟帶生態(tài)探測顯著性統(tǒng)計(置信水平95%)Fig.9 Statistical results of the ecological detector of influencing factors in the economic zone on the north slope of Tianshan Mountain (95% confidence level)

3 討論

3.1 天山北坡經濟帶FVC 時空變化特征

干旱半干旱地區(qū)的植被對環(huán)境變化尤為敏感,先前已有較多學者對天山北坡經濟帶的FVC 進行研究分析,但很少定量分析FVC 的影響因子效果,研究精度往往較差,本文則通過Google Earth Engine(GEE)平臺,結合Theil-Sen Median 趨勢分析、Mann-Kendall 顯著性檢驗和穩(wěn)定性分析等方法有效彌補了這一缺陷.從時空變化上來看,2000～2020 年間,天山北坡FVC 整體呈波動上升趨勢,在中部和南部地區(qū)呈現兩條高植被覆蓋帶狀分布.對21a 間的最大FVC 進行線性擬合,但擬合效果并不樂觀,更進一步證明天山北坡經濟帶FVC 呈波動上升趨勢,這與天山南麓及其它較為濕潤地區(qū)所呈現的穩(wěn)定增長態(tài)勢并不一致,表明天山北坡經濟帶地處干早半干早地區(qū),生態(tài)環(huán)境具有脆弱性.

天山北坡經濟帶中部FVC 增長的大面積連片地區(qū)中包括FVC 呈顯著減少趨勢的零星地區(qū),這是由于當地面積廣闊,但城市化發(fā)展需以綠洲作為開發(fā)載體,綠洲地區(qū)多被沙漠戈壁分割為相對獨立的地理單元,隨著城市的不斷開發(fā),綠洲地區(qū)面積不斷縮小,從而使得該地區(qū)FVC 呈下降趨勢,表明人類活動是當地FVC 下降的首要原因.研究區(qū)南緣有零星少部分水體、冰川和積雪[41]以及海拔高的山頂地區(qū),常年積雪,不適宜植被生長[14],所以為低植被覆蓋地區(qū).而研究區(qū)北部植被覆蓋度極低,原因可能是該地區(qū)為古爾班通古特沙漠,這是中國最大的固定、半固定沙漠[42],生態(tài)修復過程極其緩慢.

3.2 天山北坡經濟帶FVC 影響因素分析

僅考慮單因子影響效果時,人文因子對天山北坡經濟帶FVC 空間分異的影響較大,尤其是人口密度.而在雙因子交互作用下,氣象因子與人文因子交互對FVC 的空間分異的影響較大,且不同因子間的交互作用對年際變化有不同影響,該結果與李紅梅等[14]、張桂麗等[43]的研究的結果一致.

近年來,隨著人們環(huán)保意識的提高,城市綠化面積不斷擴大,在一定程度上提高了FVC,“十三五”規(guī)劃中提出要加快城市群建設發(fā)展,重點開發(fā)區(qū)域包括烏魯木齊、克拉瑪依、石河子、伊寧等城市在內的天山北坡地區(qū),政府積極響應國家政策,對城市綠化進行改建,對部分農田進行基礎設施建設.陳泓瑾等[29]通過研究天山北坡人類活動強度與地表溫度的時空關聯性,發(fā)現該區(qū)域天然植被轉為人工植被,邊緣土地轉為建設用地,驗證了天山北坡城市群人口擴展趨勢.同時結合圖爾蓀阿依·如孜等[44]利用夜間燈光數據證明了人類活動對該天山北坡經濟帶FVC 時空變化具有較大影響.此外,海拔和坡度對于FVC 的解釋能力明顯高于坡向,也與前人研究相吻合[45],天山北坡經濟帶山地較多且地理區(qū)域跨度比較大,因此地形因子對FVC 解釋能力一般.

本文重點研究了影響FVC 空間分異的因素,僅考慮了8 個因子對FVC 的影響作用,而新疆地區(qū)土壤鹽堿化較為嚴重,可能對FVC 有一定影響,同時人均GDP、氣溫差值、地形起伏度等也對FVC 具有一定影響,在后續(xù)的研究中可以重點考慮和分析相關因子對天山北坡FVC 變化的影響程度.地理探測器模型可以單獨提取任何一種或兩種因子交互作用的影響效果,通過量化評估人文因子、氣象因子和地形因子對FVC 的影響,結果表明人類活動對干旱半干旱區(qū)生態(tài)環(huán)境的影響較為顯著,在一定氣候范圍,不同環(huán)境對各種各樣人類活動的承載力也不同,研究不同氣候和環(huán)境條件下FVC 的閾值并指導人類進行生產生活和土地利用是后續(xù)研究的重點.

4 結論

4.1 天山北坡經濟帶的植被覆蓋度表現為兩條平行的高覆蓋度帶.其中中部地區(qū)具有較高的植被覆蓋度,而邊緣地區(qū)的植被覆蓋度相對較低.整體上,天山北坡的植被覆蓋度呈現出緩慢增長的趨勢.這種增長趨勢主要體現在極低覆蓋度的地區(qū),呈現先減少后增加的趨勢.同時,中低覆蓋度地區(qū)的占比逐漸減少,而中等覆蓋度地區(qū)的占比則呈先增加后減少的趨勢.中高覆蓋度和極高覆蓋度的地區(qū)則呈現出增加的趨勢.

4.2 2000～2020 年期間,天山北坡經濟帶的FVC 在時空上呈輕度變化,約占總變化的70%.植被改善區(qū)域主要呈現帶狀分布,集中在研究區(qū)的中部,而植被減少區(qū)域主要分布在研究區(qū)的南緣.整體上,天山北坡的植被覆蓋度呈現出西北至東南的相間分布趨勢,并且有逐漸上升的趨勢.與東部地區(qū)相比,西部地區(qū)的植被改善更為明顯.研究區(qū)FVC 整體上表現出較高的穩(wěn)定性和較小的波動,其變異程度介于弱變異和中等變異之間.但是,在少數地區(qū),FVC 存在較強的變異,這些區(qū)域主要分布在克拉瑪依市北部的一些地區(qū)、烏魯木齊市西南的一些地區(qū)以及研究區(qū)南緣的零星地區(qū).

4.3 通過地理探測器模型對天山北坡經濟帶FVC影響因素的研究表明,人類活動是FVC 空間分異的主要解釋因素.其中,人口密度對FVC 的解釋能力最大.說明自2005～2020 年,人類活動對天山北坡經濟帶植被生長具有較大影響.除此之外,氣候因素、地形因素和土地利用方式也對植被覆蓋度的變化產生了一定的影響,但其作用相對較小.