福建长汀植被覆盖度变化的主要驱动影响因子及影响力分析

王文辉, 马祥庆, 田 超, 靳全锋, 郭福涛

(1.福建农林大学林学院；2.海峡两岸红壤区水土保持协同创新中心，福建 福州 350002)

福建长汀植被覆盖度变化的主要驱动影响因子及影响力分析

王文辉, 马祥庆, 田 超, 靳全锋, 郭福涛

(1.福建农林大学林学院；2.海峡两岸红壤区水土保持协同创新中心，福建 福州 350002)

运用多元线性回归和逐像元趋势分析法，并结合ArcGIS技术手段对2000—2010年福建长汀植被覆盖度变化的驱动因子及影响力进行定量分析.将影响当地植被覆盖变化的相关因素分成气象因素、非气象因素(包括地形因子、社会经济)和全变量因素分别进行分析.研究结果表明：2000—2010年，长汀植被覆盖度整体以增加为主，仅个别地区出现减少的现象；模型拟合结果显示，非气象因素整体对长汀植被盖度变化的影响大于气象因素；变量重要性研究结果表明：农作物播种面积、当地财政支出、坡度和水保活动收益是影响长汀植被覆盖度4个重要因素，进一步揭示了政策和经济因素的重要性.

植被覆盖; 驱动因子; 多元线性回归; 长汀

植被覆盖度是单位面积上植被地上部分在地面垂直投影的面积百分比[1]，其变化可作为评价水土流失治理成效的重要指标[2,3]，植被覆盖度变化是一个复杂的过程，受气象因子、地形及人类活动等众多因素的影响[4].研究表明，植被覆盖度变化的主要驱动因子存在空间异质性，如在干旱和半干旱区域，气象因子是影响植被动态变化的最主要因子[5-7]，而一些水热条件好的区域，植被覆盖度主要受地形因子与人为活动干扰作用的影响.此外，快速的植被覆盖度变化通常被认为由技术创新或政策变化所主导[8-11].可见，主导某一区域植被覆盖度变化的因素可能是气象因子等单一因子，也可能是气象因子与地形因子、人为因子等综合因子.因此，了解影响植被覆盖度变化的主导因素对于如何有效保护或恢复区域生态系统尤为重要.

福建长汀是我国南方亚热带水土流失典型治理区，其水土流失的形成及治理经历了漫长的历史时期.然而，历史上的长汀水土流失治理成效并不显著，植被覆盖度甚至呈现治理和下降同步存在的状况[12].直到2000年以后，福建省加大了长汀水土流失的治理力度，出台了一系列水保政策[13]，增加了科研投入，加之亚热带水热条件适宜，使得长汀地区的植被覆盖度得到逐年恢复.揭示长汀地区植被恢复的主要驱动因子及各因子的影响力，可为开展长汀生态治理提供依据.然而，当前关于长汀植被覆盖度变化及影响因子的研究虽已开展，但研究大多聚焦于气象、土壤等自然因素的影响，未系统提出社会经济、政策变化、人为活动、气象等因子对长汀植被覆盖度动态变化的影响[14-16].

鉴于此，本研究以2000—2010年长汀地区植被覆盖度为基础，综合考虑气象、地形、社会经济、水保政策和人为活动等因素，利用空间分析和多元线性回归模型等方法，探讨长汀植被变化及其主导因素，并量化分析各因素对植被覆盖度变化的相对影响力.

1 材料与方法

1.1 研究区概况

图1 研究区地理位置Fig.1 Geographic location of the study area

长汀位于福建西南部(北纬25°18′40″—26°02′05″，东经116°00′45″—116°39′20″)，总面积为3 099 km2(图1).该区属中亚热带季风性湿润气候，降雨量集中，降雨强度大.土壤以红壤和赤红壤为主，土层较薄，抗侵蚀能力低.地形以低山、丘陵为主，中部是以河田盆地为中心的低山丘陵区，水土流失最严重，且在1966—1985年，长汀的水土流失量以每年5.1%的速度增加[12]，自2000年起，长汀当地政府每年投入2 000万专项资金用于水土流失的治理.长汀是福建省较为贫穷落后的县区之一，人口基数大，且以农村人口为主.

1.2 数据来源与处理

本研究选取气象、基础设施、地形、社会经济等5类共14个因子进行长汀植被变化驱动因子分析(表1).

表1 模型自变量选择及来源Table 1 Model variables and sources

根据研究需要，对数据进行预处理：

(1)

式中：Rnir为近红外波段反射率；Rred为红外波段反射率，然后利用归一化植被指数NDVI，根据前人研究成果[18]，以NDVI为基础采用像元二分模型求取植被覆盖，公式[19]如下：

(2)

式中，FVC为研究区植被覆盖度，NDVIsoil、NDVIveg分别为纯土壤像元值、纯植被像元值，其中，NDVIsoil、NDVIveg在ENVI中以5%置信区间确定[20].

各影响因子数据处理：坡度、坡向等地形因子通过数字高程模型(DEM)并应用ArcGIS 10.2的表面分析模块进行提取；路网密度、河网密度、居民点密度等基础设施因子以及人口密度和人均GDP数据通过ArcGIS 10.2中的空间分析模块进行提取；农作物面积、当地财政支出、水保活动收益等数据通过福建省统计年鉴获得.当地财政支出指长汀政府用于长汀的公共服务、教育、科学技术、农林水事务等方面的支出；水保活动收益为当地居民在水保措施下的收益，单位为万元；气象因子包括年平均降水、年平均温度、年平均相对湿度和年平均辐照度，数据通过ArcGIS 10.2进行提取.上述所有因子提取后均进行栅格转化，栅格大小为1 km×1 km，栅格数据整合后，在SPSS 19.0中进行标准化处理及模型拟合.

1.3 研究方法

1.3.1 逐像元趋势分析 本研究运用线性趋势法分析长汀2000—2010年植被覆盖度的整体变化趋势.计算每个象元的趋势，并反映每个象元的空间变化特点.具体公式为[21]：

(3)

式中θslope表示长汀植被覆盖度变化趋势.当θslope>0时，表明研究长汀植被覆盖呈增加趋势；当θslope<0时，长汀植被覆盖为下降趋势；而当θslope=0时，表明植被覆盖整体未发生变化.本研究中N为定值11，T代表时间，FVC为植被覆盖度.

1.3.2 变量选择及模型计算 多元线性回归模型广泛用于探讨自变量与因变量之间关系，能充分揭示植被覆盖度与其影响因子间的关系，模型运算前，为防止自变量之间信息重复，应对变量进行多重共线性诊断，多元共线性诊断的主要指标为方差膨胀因子(VIF).一般情况下，当VIF<10时，自变量间不存在多重共线性问题[22].本研究中，所有变量1

为进一步探究长汀植被变化的主要驱动因子，本研究将变量分为3大类(气象因子、非气象因子、全变量因子)进行模型拟合，同时为了避免样本分布对实验结果产生影响，每个类别随机分成训练样本(60%)、测试样本(40%)，并进行5次重复试验，应用R软件中的Relaimpo函数计算变量的贡献度[23]，并用lmg指标测定评估每个变量的相对重要性[24]，最终得到影响植被覆盖的主要因子.

2 结果与分析

2.1 植被覆盖时空变化分析

2000—2010年长汀植被覆盖度呈波动增加，2000—2002年植被覆盖度呈增加趋势，2003—2005年，植被覆盖度以降低为主，且2005年达到最低，2005—2007年，植被覆盖度出现一个小高峰，2007—2008年，植被覆盖度下降，但下降幅度较小，2008—2010年，植被覆盖度增加且在2010年达到最高(图2A).运用逐象元趋势分析法进一步探究植被覆盖度空间变化特征(图2B)，结果表明：在2000—2010年，长汀植被覆盖发生剧烈变化，植被覆盖变化类型以增加为主，植被覆盖度减少和不变的区域植被较少，增加部分(θslope>0)约占长汀整体的88%，减少区域(θslope<0)仅占7%，植被覆盖整体呈现增加趋势，但植被覆盖减少类型呈斑块状分布在边缘和北部地区，仅很少一部分地区植被覆盖未发生变化.

A:2000—2010年植被覆盖度;B:2000—2010年植被变化趋势.图2 2000—2010年植被覆盖和变化趋势Fig.2 The vegetation coverage (A) and its trend (B) from 2000-2010

2.2 多元线性回归变量选择及模型比较

2.2.1 基于气象因子的多元线性回归模型分析 通过不同样本变量重要性排序(图3)可知，年平均气温>年平均辐照度>年相对湿度>年平均降水，表明长汀地区降水丰富，降水不是影响植被覆盖度变化的重要条件，相对于降水，气温对长汀植被的影响较大.由表2可知，基于气象因子模型，训练样本与测试样本对模型的解释度为13%～14%，调整R2为0.138～0.145，观察值与预测值相关性0.3～0.4，表明仅气象因子不能完全揭示长汀植被覆盖度变化本质.

图3 气象因子重要性排序Fig.3 Importance order of meteorological factors

表2 气象因子模型中5个训练与测试样本的解释度、调整R2、观测值与预测值之间的相关性1)

1)**显著水平，P<0.01.

2.2.2 基于非气象因子的多元线性回归模型分析 在非气象因子模型中，重要性排序(图4)为：农作物播种面积>当地财政支出>坡度>水保活动收益>高程>人口密度>人均国内生产总值>路网密度>居民区密度>河网密度.非气象因子模型中，训练样本与测试样本模型解释度在60%～62%之间，调整R2范围0.601～0.612，观察值与预测值的相关性均为0.372，且在P<0.01水平显著(表3)，非气象因子模型具有较高的模型解释度和调整R2，相较于气象因子模型，非气象因子模型更能体现长汀植被变化实际情况.

图4 非气象因子重要性排序Fig.4 Importance order of non-meteorological factors

2.2.3 基于全变量因子的多元线性回归模型分析 为进一步判定影响长汀植被变化的驱动因子，本研究将气象因子与非气象因子合并为全变量因子进行模型拟合.由图5可知，因子重要性排序为：农作物播种面积>当地财政支出>坡度>水保活动收益>平均温度>高程>平均相对湿度>人口密度>平均降水>平均辐照度>人均国内生产总值>路网密度>居民区密度>河网密度.全变量模型的拟合结果(表4)为：训练样本与测试样本变量解释度64%～66%，调整R2约0.65，观察与预测值的相关性系数约0.8.

表3 非气象因子中5个训练与测试样本的解释度、调整R2、观测值与预测值之间的相关性1)Table 3 Degree of interpretation of training and testing samples, adjusted R2 and the correlation between observed and predicted value in the non-meteorology factor model

1)**显著水平，P<0.01.

图5 全变量因子重要性排序Fig.5 Importance order of all-variable factors

表4 全变量因子中5个训练与测试样本的解释度、调整R2、观测值与预测值之间的相关性1)Table 4 Degree of interpretation of training and testing samples, adjusted R2 and the correlation between observed and predicted values in the all-variable factor model

1)**显著水平，P<0.01.

2.3 模型比较

为进一步探究各模型对长汀植被变化的拟合程度及判定影响植被变化的驱动因子，本研究对气象因子模型、非气象因子模型、全变量因子模型的解释度、调整R2进行比较，结果表明：全变量模型的解释度最大(65.5%)，气象因子模型的最小(14.3%)，两者差距显著.图6为3种模型的观察值和预测值的相关性及线性拟合度，表明全变量模型的线性拟合度最好、相关性最强，其次是非气象因子模型，最后是气象因子模型.综上可知，非气象因子模型各项指标均优于气象因子模型，说明长汀植被覆盖度变化过程中，非气象因子是主要的驱动因子，而全变量模型优于非气象因子模型，说明气象和非气象因子结合起来更能揭示长汀植被覆盖变化的实质.

R为观测值与预测值的相关性，**代表P<0.01,极显著，A、B、C分别为气象因子、非气象因子、全变量因子模型.图6 3种模型观测值和预测值拟合图Fig.6 Fitting chart between the observed and predicted values in 3 models

3 结论

本研究运用趋势分析法、多元线性回归模型等方法探讨长汀2000—2010年植被覆盖度变化及其驱动因子，可得出以下结论：

(1)近11年长汀植被覆盖度以增加为主，其中植被覆盖度增加区域约88%，植被覆盖度降低区域(7%)主要呈斑块状分布于西北地区.

(2)长汀植被覆盖度变化驱动因子的重要性表明植被覆盖度增加是气象因子和非气象因子共同作用的结果，非气象因子(86.6%)重要性大于气象因子(13.4%)是引起长汀植被覆盖度变化的主要因子.

(3)通过影响长汀植被覆盖度的影响因子重要性可知，“农作物播种面积”、“当地财政支出”、“坡度”、“水保活动收益”等4个因子对长汀植被覆盖度影响力最高的因子.

4 讨论

汪小钦等[16]、刘亚迪等[25]研究表明长汀植被处于恢复状态，这与本研究基本一致.就长汀植被覆盖度的重要因子重要性可知：历史上长汀植被曾遭受严重破坏，人类农业活动的增加改变土壤结构，易造成水土流失进而影响植被盖度[26]，因此“农作物播种面积”是影响植被变化最重要的驱动因子；“当地财政支出”作为技术革新(水保技术、造林技术)、政府政策的重要体现[27]，是长汀植被覆盖度迅速增加的主要原因；长汀以山地为主，平均坡度较大，随着坡度的增加，土壤养分相应较低，不利于植被生长[28]，因此“坡度”对植被覆盖度变化也具有重要的影响；“高程”作为影响植被覆盖度的重要因子，其变化是自然条件与人类活动相互角逐的结果，这与Dai et al[29]研究结果相似；“水保活动收益”是当地水土保持政策成效的反映，其将生态恢复与经济效益结合在一起，通过种植承包经济林，套种各种经济作物等措施提高当地经济收入[30]，因此可作为植被变化的关键驱动因子；近10年长汀人均国内生产总值虽有所增加，但其经济落后、人口众多的背景一直都在，本研究表明“人均国内生产总值”、“人口密度”对当地的植被覆盖变化具有负向作用；She et al[31]研究表明在水热条件充足地区，气象因子对植被覆盖度的影响程度低于人为因子，长汀地区水热条件适中，适合植被生长[32]，且近10年来政府加大对长汀的治理力度，出台《长汀县封山育林县长令》、《关于封山育林禁烧柴草的命令》等一系列法律法规，用于植被保护及生态修复，因此“年平均温度”、“年平均降水”、“年平均相对湿度”、“年平均辐照度”等气象因子对长汀植被变化的驱动力相对小于“农作物播种面积”、“当地财政支出”等人为因素.基于本文研究结论，对该区植被恢复和生态保护建议如下：(1)应加大对长汀西北地区的经济投入及监察力度，严厉打击乱砍滥伐等行为，贯彻实施退耕还林、退耕还草政策，走可持续发展策略(2)适当调整当地农、林产业结构，增加林业经济收入，以提高当地居民生活质量(3)将水保防治措施、生态环境保护策略与当地居民的经济利益结合在一起，进一步提高居民对生态保护的积极性.

[1] GITELSON A A, KAUFMAN Y J, STARK R, et al. Novel algorithms for remote estimation of vegetation fraction[J]. Remote Sensing of Environment, 2002,80(1):76-87.

[2] 陈云浩,李晓兵,史培军,等.北京海淀区植被覆盖的遥感动态研究[J].植物生态学报,2001,5(5):588-593.

[3] PENG J, LIU Y, SHEN H, et al. Vegetation coverage change and associated driving forces in mountain areas of Northwestern Yunnan, China using RS and GIS[J]. Environmental Monitoring & Assessment, 2012,184(8):4 787-4 798.

[4] 严恩萍,林辉,党永峰,等.2000—2012年京津风沙源治理区植被覆盖时空演变特征[J].生态学报,2014(17):5 007-5 020.

[5] 王宇航,赵鸣飞,康慕谊,等.黄土高原地区NDVI与气候因子空间尺度依存性及非平稳性研究[J].地理研究,2016(3):493-503.

[6] WU Z, ZHANG H, KRAUSE C M, et al. Climate change and human activities: a case study in Xinjiang, China[J]. Climatic Change,2010,99(3):457-472.

[7] 王冬梅,孟兴民,邢钊,等.基于RS的武都区植被覆盖度动态变化及其驱动力分析[J].干旱区资源与环境,2012(11):92-97.

[8] MORRIS C, BADIK K J, MORRIS L R, et al. Integrating precipitation, grazing, past effects and interactions in long-term vegetation change[J]. Journal of Arid Environments, 2016,124:111-117.

[9] CHEN A F, HE B, WANG H L, et al. Notable shifting in the responses of vegetation activity to climate change in China[J]. Physics & Chemistry of the Earth, 2015(87):60-66.

[10] CAI H Y, YANG X H, WANG K J, et al. Is forest restoration in the southwest China karst promoted mainly by climate change or human-induced factors?[J]. Remote Sensing, 2014,6(10):9 895-9 910.

[11] 吕华丽.长江流域植被覆盖变化及其驱动力因子研究[D].华中农业大学,2012.

[12] 曾从盛.福建典型区生态环境研究[M].北京:中国环境出版社,2006.

[13] 徐涵秋,何慧,黄绍霖.福建省长汀县河田水土流失区植被覆盖度变化及其热环境效应[J].生态学报,2013(10):2 954-2 963.

[14] 杨婷婷,郭福涛,王文辉,等.福建长汀红壤区植被覆盖度变化趋势分析[J].森林与环境学报,2016,36(1):15-21.

[15] 陈增文.基于NDVI的生态环境变化分析——以福建省龙岩市长汀县为例[J].化学工程与装备,2012(6):204-207,216.

[16] 汪小钦,刘亚迪,周伟东,等.基于TAVI的长汀县植被覆盖度时空变化研究[J].农业机械学报,2016,47(1):289-296.

[17] CAO S, ZHONG B, YUE H, et al. Development and testing of a sustainable environmental restoration policy on eradicating the poverty trap in China's Changting County[J]. Proceedings of the National Academy of Sciences, 2009,106(26):10 712-10 716.

[18] 李苗苗,吴炳方,颜长珍,等.密云水库上游植被覆盖度的遥感估算[J].资源科学,2004,26(4):153-159.

[19] ZHANG X, LIAO C, LI J, et al. Fractional vegetation cover estimation in arid and semi-arid environments using HJ-1 satellite hyperspectral data[J]. International Journal of Applied Earth Observation & Geoinformation, 2013,21(1):506-512.

[20] 陈学兄,张小军,陈永贵,等.陕西省1998—2008年植被覆盖度的时空变化研究[J].武汉大学学报(信息科学版),2013,38(6):674-678.

[21] 王伟军,赵雪雁,万文玉,等.2000—2014年甘南高原植被覆盖度变化及其对气候变化的响应[J].生态学杂志,2016,23(9):2 494-2 504.

[22] 司守奎,孙玺菁.数学模型[M].北京:国防工业出版社,2014.

[23] GROMPING U. Relative importance for linear regression in R: The package relaimpo[J]. Journal of Statistical Software, 2006,17(1):925-933.

[24] LINDEMAN R H, MERENDA P F, GOLD R Z. Introduction to bivariate and multivariate analysis[J]. Journal of the American Statistical Association, 1980,76:375.

[25] 刘亚迪,汪小钦,江洪.基于地形调节植被指数估算长汀县植被覆盖度[J].国土资源遥感,2015,27(1):164-171.

[26] 王智.新疆地区植被覆盖变化与气候、人文因子的相关性探讨[D].新疆大学,2011.

[27] SCHULZ J J, LUIS C, REY-BENAYAS J M, et al. Factors influencing vegetation cover change in Mediterranean Central Chile (1975-2008)[J]. Applied Vegetation Science, 2011,14(4):571-582.

[28] 徐兴奎,陈红,张凤.中国西北地区地表植被覆盖特征的时空变化及影响因子分析[J].环境科学,2007,28(1):41-47.

[29] DAI S P, ZHANG B, WANG H J, et al. Vegetation cover change and the driving factors over northwest China[J]. Journal of Arid Land, 2011,3(1):25-33.

[30] WANG C, YANG Y, ZHANG Y. Cost-Effective targeting soil and water conservation: A case study of changting county in southeast China[J]. Land Degradation & Development, 2015.

[31] SHEN B, FANG S, LI G. Vegetation coverage changes and their response to meteorological variables from 2000 to 2009 in Naqu, Tibet, China[J]. Canadian Journal of Remote Sensing, 2014,40(1):67-74.

[32] 赵嘉阳,郭福涛,梁慧玲,等.福建长汀红壤区1965-2013年气温和降水量的变化趋势[J].福建农林大学学报(自然科学版),2016(1):77-83.

(责任编辑:吴显达)

Driving factors on vegetation coverage change and influence analysis in Changting, Fujian

WANG Wenhui, MA Xiangqing, TIAN Chao, JIN Quanfeng, GUO Futao

(1.College of Forestry, Fujian Agriculture and Forestry University; 2.Soil and water conservation in collaborative innovation center in the red soil region on both sides of the Taiwan straits, Fuzhou, Fujian 350002, China)

Multiple linear regression, pixel-by-pixel trend analysis and ArcGIS technology were used in this study to analyze the main driving factors and their influence on vegetation change in Changting, Fujian Province in 2000-2010. All factors relating to changes of vegetation coverage were divided into 3 groups, including meteorological factors, non-meteorological factors (topographic factors, socio-economic factors), and all-variable factors (all factors combined), and analysis were conducted separately. The results showed that vegetation coverage increased overall in 2000-2010 in Changting, except slightly regional degradation. Fitting model revealed that non-meteorological factors posed greater influence on vegetation coverage than meteorological factors, in which crop sown area, local fiscal expenditure, slope and water conservation activities played the most important roles. Therefore, functions of policy and economic factors on vegetation recovery should be emphasized.

vegetation coverage; driving factors; multiple linear regression; Changting

2016-09-26

2016-11-14

国家科技支撑计划项目(2014BAD15B02)；国家林业局林业公益性行业科研项目(201304303).

王文辉(1988-)，男，硕士研究生.研究方向：水土保持与荒漠化防治.Email：fafuwangedu@126.com.通讯作者郭福涛(1982-)，男，副教授，硕士生导师.研究方向：森林生态学.Email：guofutao@126.com.

Q948

A

1671-5470(2017)03-0277-07

10.13323/j.cnki.j.fafu(nat.sci.).2017.03.008