滇东喀斯特地区石漠化时空演化特征及驱动机制研究

卢 涛，张 军，胡文英①

(1.云南师范大学地理学部，云南 昆明 650500；2.云南省高校资源与环境遥感重点实验室，云南 昆明 650500；3.云南大学地球科学学院，云南 昆明 650504)

石漠化作为中国西南喀斯特地区社会经济与生态环境因素交织所致的难题，常造成地表干旱、水土流失以及基岩大面积裸露，最终导致耕地资源锐减和土地利用价值丧失[1-2]。曲靖市地处云贵高原、珠江源头，生态区位特殊，喀斯特石漠化的广泛发育，不但削弱了珠江上游的水源涵养能力，严重阻碍曲靖市生态文明建设和经济发展进程，而且对珠江流域下游生态安全构成了潜在威胁。因此，重视并准确掌握石漠化的时空演化规律，揭示其驱动因素，已成为石漠化综合治理以及喀斯特生态环境恢复的重要前提。为了实现石漠化监测及演化机理的探索，前人取得了重要研究成果：白晓永[3]利用贵州省1986—2000年3期石漠化数据，利用空间变换和数学模型评价石漠化的时空演变过程；习慧鹏等[4]利用多源数据反演了1990—2015年4期石漠化空间分布信息并讨论了其时空演变特征；姚永慧等[5]探讨了关岭县2010和2015年的石漠化时空演变状况，并分析了人类活动影响因素。可以看出，该类研究主要采用“双时序”分析方法进行2～4个时相之间的简单对比，未能长时段追踪石漠化在时空上的演化过程[5]，所取得的研究成果和经验方法对已开展了20余年的石漠化治理指导意义不足[6]。为了有效实现石漠化防治结合，从其驱动机制上探索治理措施，很多学者开展了石漠化驱动因素研究。宋同清等[7]以定性分析的方法描述了影响石漠化发育演化的因素；YANG等[8]以景观变化分析结合富余分析的方法对河池市石漠化驱动因素进行了研究；LI等[9]利用空间分析和叠加分析方法分析了后寨河流域石漠化的影响因素；LIU等[10]、张殿发等[11]通过定性描述分析了影响石漠化发生发展的人为因素和自然因素。上述对石漠化的影响因素研究取得了一定的成果，但前人所使用的相关分析和叠加分析等方法未能定量刻画影响石漠化发育演化的因子作用程度，也不能揭示各驱动因子相互作用的空间异质性以及因子间可能具有的协同或拮抗作用，从而很难厘清石漠化发生发展的驱动机制。此外，不同时期的人类活动与自然环境状况等对石漠化的影响程度存在显著差异[12]，而以往许多研究都是基于综合治理工程实施后的有限时间跨度，无法量化综合治理工程实施前后的石漠化变化，因此可能无法揭示变化的实际驱动因素[13]。迫切需要开展喀斯特石漠化驱动因素在长时间线上演变情况的定量研究，从而实现石漠化发育演化的综合防范和针对性治理。

因此，以Landsat TM/OLI遥感影像为主要数据源，综合选取自然因素与人文因素中可能影响石漠化发育演化的因子，定量揭示1987—2020年曲靖市石漠化时空演变规律及其驱动机制，对于喀斯特生态系统恢复以及指导石漠化综合防治具有重要意义。

1 研究区概况与数据来源

曲靖市位于云南省东部、长江与珠江两大水系上游分水岭地带(图1)。

图1 研究区地理位置

曲靖市属亚热带高原季风气候区，受低纬度和中等海拔的影响，具有南亚热带到北温带6种气候类型，同时地处云贵高原，山高谷深，地貌以高原山地为主，喀斯特地貌广泛发育，为石漠化的发育提供了丰富的物质基础。研究所选遥感影像分别为1987—2011年的TM数据以及2014—2020年的OLI数据，共60景，主要集中于植被覆盖较少的1—4月和11—12月。DEM、气象数据以及社会经济统计数据等数据来源与处理方式见表1。

表1 数据源与预处理

2 研究方法

2.1 石漠化信息提取

基岩裸露为石漠化最直接的表现, 进行基岩裸露信息的提取是石漠化信息提取的首要前提。利用归一化祼岩指数(NDRI，INDR)，根据像元二分模型进行基岩裸露率计算[14]，其计算公式为

(1)

(2)

式(1)～(2)中，RSWI和RNI分别为短波红外波段和近红外波段的像元值；INDR,0和INDRI,r分别为非裸岩和裸岩的像元值。在参考前人研究基础上，选取累计频率为5%和95%的像元值，分别作为INDR,0与INDR,r，最终得到1987—2002年曲靖市裸岩时空分布数据。

植被覆盖度是岩溶石漠化程度评价的重要指标之一。采用增强植被指数(EVI，IEV)及像元二分模型估算植被覆盖度(Fc)，其计算公式为

(3)

(4)

式(3)～(4)中，ρBlue为蓝波段的反射率；ρNIR和ρRed分别为近红外波段和红外波段的反射率；IEV,veg和IEV,soil分别为纯植被和裸土的像元值。选取累计频率为5%和95%的像元值，分别作为IEV,soil和IEV,veg估算值，得到1987—2020年曲靖市植被覆盖度时空分布数据。

坡度起伏直接影响着土层厚度和径流冲刷的速度和强度。坡度越大，地表物质越不稳定,越易使基岩裸露而形成石漠化。因此,坡度常被作为石漠化程度的评价指标。基于前人研究[15-16]，结合研究区实际情况，并参考《云南省岩溶地区第二次石漠化监测实施细则》的分类标准，建立曲靖市石漠化等级表(表2)，基于CART算法决策树得到曲靖市石漠化时空分布图。采取人机交互解译结合Google Earth高清影像,共采集各等级石漠化样本646个，进行精度评价，总体精度为82.50%，Kappa系数为0.771。

2.2 石漠化时空演化特征分析

为定量刻画曲靖市各等级石漠化的变化幅度与速度，根据土地利用动态度原理及公式[17]，引入单一石漠化类型动态度以及综合石漠化动态度2种指标，定量揭示不同等级石漠化和综合石漠化的演变速率。

表2 石漠化等级划分及判读标志

2.3 地理探测器

地理探测器通过判别因变量与自变量的空间分层异质性以揭示因变量X对自变量Y的影响力，大小用q值表征[18]，既可以探测数值型数据，也可以探测定性数据，其模型表达式为

(5)

式(5)中，L为石漠化分布(Y)或驱动因子(X)的分层数；Nh和N分别为层h和全区的单元数；σh2和σ2分别为层h和全区Y值的方差。q∈[0，1]，其值越接近于1, 表示X对Y的解释力越强，反之则越弱。 喀斯特石漠化的发育演化过程受地形、植被、气候等自然环境与人口、耕地、GDP等社会经济因素的综合影响，因此，在前人研究[19]基础上，根据喀斯特石漠化的发育演化特征，分别从社会经济、自然环境等方面，选择可能影响石漠化发育演化的相关因子作为自变量X(表3)，石漠化斑块面积作为因变量Y。其中自变量为数值量，而地理探测器要求自变量为类型量，因此需要进行离散化处理。在ArcGIS软件中采用Jenks自然间断分层法，对12个因子分别重分类得到类型量。为保证数据精度，创建2 km×2 km格网，将石漠化斑块提取至格网，最终得到13 422个采样点数据并导入地理探测器模型，对各因子进行逐年探测分析。

表3 各驱动因子及分层方案

交互式探测器用于识别评估因子间共同作用时是否会增加或减弱对因变量Y的解释力，其交互作用方向和方式如下：q(X1∩X2) max[q(Xl),q(X2)]，双因子增强；q(X1∩X2)=q(X1)+q(X2)，独立；q(X1∩X2)>q(Xl)+q(X2)，非线性增强。

风险探测器可用于判断2个子区域间的属性均值是否有显著差别，用t统计量检验。生态探测可用于比较不同因子对因变量空间分布的影响是否有显著差异，用F统计量衡量。

3 结果与分析

3.1 曲靖市喀斯特石漠化时空演化特征分析

曲靖市石漠化在空间分布上呈现出以下特征：石漠化面积大，分布范围广，主要以集中连片状态分布于峰丛洼地、峰丛鞍部、丘陵以及干热河谷地带。极度和重度石漠化主要分布在富源县、罗平县、师宗县及陆良县，尤其是县与县的交界处石漠化较为严重。虽然总体演变趋势好转，但局部在恶化，潜在和轻度石漠化区域面积仍占很大比例(图2)。这是由于潜在和轻度石漠化极不稳定，尤其是潜在石漠化，极易发生转化。

为进一步刻画曲靖市石漠化时空演化速率，统计得到1987—2020年曲靖市各等级石漠化演变速率(表4)。由表4可知，不同程度石漠化类型具有不同的变化幅度，其中尤以潜在及轻度石漠化变化幅度最大，极不稳定。1987—2005年间，潜在石漠化总体变化率增大，而2005—2020年间，潜在石漠化变化率减小，面积增加幅度大于减少幅度，说明潜在石漠化从之前的恢复状态转变为恶化状态。而轻度、中度、重度和极度石漠化总体增幅小于总体减少趋势，总体变化率也较小，说明石漠化现象在逐渐改善。

由表4还可知，1987—2008年间，总石漠化面积减幅较小，重度石漠化和极度石漠化面积减幅最小，其占比分别从0.98%和0.35%减少到0.96%和0.34%，而潜在石漠化和轻度石漠化面积变化较为反复，增幅和减幅动态变化较大，其占比分别从8.56%和9.71%减少到8.54%和9.58%。2008—2020年间，由于石漠化综合治理工程的大力实施，不同程度石漠化均出现了一定幅度的好转。1987—2020年，曲靖市石漠化演变过程极为复杂和剧烈，整体上经历了由恶化到好转的阶段，这与曲靖市实施退耕还林(草)、小流域综合治理等生态环境治理工程有必然关系。

图2 1978—2020年曲靖市石漠化时空分布

表4 1987—2020 年曲靖市各等级石漠化区域面积变化率

石漠化综合动态变化率可衡量石漠化的总体变化幅度和趋势，对石漠化时空分布数据进行统计，结果见表5。1987—2005年，综合石漠化变化率呈先增大后减小的趋势，石漠化面积逐渐减少。2005—2020年，综合石漠化变化率呈先减小后增大再减小的趋势。曲靖市实施封山育林、退耕还林(草)以及坡改梯等工程措施，改变了传统的土地利用方式，对石漠化的恢复治理起了关键作用。综上所述，从综合石漠化动态度变化来看，总石漠化面积虽偶有增长，但整体上随着生态治理工程的不断实施及治理力度的加大，石漠化面积不断减少。

表5 1987—2020年曲靖市石漠化综合动态变化率

3.2 曲靖市喀斯特石漠化时空转移变化分析

为定量揭示不同程度石漠化转换方向和规模，通过统计分析得到曲靖市1987—2020年石漠化转移矩阵(图3)。1987—2005 年，石漠化等级转移方向主要是由低级向更高一级方向转移，石漠化呈加剧趋势。1993—1996年，潜在石漠化向中度石漠化转移408.66 hm2，大于其向无石漠化或轻度石漠化转移面积之和，另外有93.55和5.68 hm2向重度和极度石漠化转移，石漠化程度加剧；而重度和极度石漠化变化幅度较小，潜在石漠化极不稳定，极易发生转化。2017—2020年间，经过多年的综合治理，对严重程度的石漠化治理虽然取得了一定的成就，仍然还有石漠化加重的迹象。如图3(k)所示，分别有408.69、866.77、387.69 hm2无石漠化区域转为潜在石漠化、轻度石漠化和中度石漠化。

3.3 曲靖市石漠化驱动因素分析

3.3.1石漠化发育演化的单一驱动因子分析

从各驱动力因子逐年探测结果(表6)来看，1987—2005年，影响曲靖市石漠化演化的主要驱动因子为农业总产值、总人口和耕地面积，其解释力q值均在0.20～0.28范围内波动。曲靖市作为农业型城市，农业人口多，对土地资源依赖性强，频繁、不合理的农耕方式加剧了该时段石漠化的恶化，因此农业总产值、总人口和耕地面积成为该时段的主导驱动因子。距居民点距离(q值为0.149～0.182)、人口密度(0.096～0.149)、坡度(0.138～0.159)、距公路距离(0.049～0.069)、年均气温(0.024～0.045)、高程(0.08～0.113)在该时段对石漠化的影响程度较弱，成为该时期的次要驱动因子。

2005—2020年，年均降水量、距公路距离、年均气温对石漠化演化的解释力年际变化差异较大。其中，降水量的q值在2011年(0.215)和2014年(0.217)较高，距公路距离的q值在2017年(0.203)和2014年(0.151)较高。人口密度、造林面积和人均GDP的q值在逐年减小，说明其对石漠化的贡献率逐渐减小，而其他驱动力因子q值的年际变化趋势均较小，表明该因子不是影响石漠化发育演化的主要驱动力。农业总产值、人均GDP、耕地面积与人口密度等因子对石漠化演化的解释力较大，说明这些因子对石漠化的发育演化有较大影响，是石漠化发生发展的主要驱动力。究其原因，一方面是由于曲靖市人口基数大、自然增长率高，已经远超区域土地资源环境的承载力，总人口和人口密度的解释力仍然较强；另一方面，庞大的农业人口对土地资源的迫切需求，增加了人为干扰活动的频繁、密集和剧烈程度，从而加剧了生态环境的破坏，造成石漠化加剧。

3.3.2石漠化发育演化的驱动因子组合分析

借助地理探测器的交互式探测模块，评价自变量因子之间的交互作用是否会增强或减弱其对因变量Y的解释力。q值越大，表明自变量因子的交互作用比单一驱动因子对因变量Y具有更强的解释力。由表7可知，影响石漠化发生发展的交互式驱动因子解释力由大到小依次为：耕地面积∩坡度(0.465)、总人口∩耕地面积(0.374)、耕地面积∩人口密度(0.302)、年均降水量∩坡度(0.283)、耕地面积∩距居民点距离(0.278)。各驱动力因子的交互探测结果中，距公路距离∩海拔、距公路距离∩距居民点距离、距公路距离∩年均降水量、人口密度∩坡度、海拔∩坡度和距道路距离∩坡度呈非线性增强,其余各驱动力因子的交互作用都呈双因子增强，大多数驱动力因子之间的交互作用比单因子具有更强的解释力，表明石漠化是多因子交互作用的产物。

图3 1987—2020年曲靖市各石漠化等级转移矩阵

4 讨论与结论

4.1 讨论

对近30 a来曲靖市石漠化的时空演变规律分析表明，曲靖市石漠化总面积的时空动态演化十分剧烈，总体上呈现由恶化到逐渐好转的趋势。究其原因，喀斯特石漠化发育演化不仅与脆弱的喀斯特生态地质环境背景有关,更与不同时期内社会经济发展状况、主导政策和自然环境有关(图4)。近30 a来，曲靖市的石漠化时空演化特征主要分为2个阶段：1987—2005 年主要为石漠化恶化、喀斯特生态环境破坏阶段，由于土地耕作方式效率低，缺乏生态保护意识，经济可持续发展观念淡薄，为喀斯特石漠化的发育演化提供了外在动力条件。此外，该时期内的旱灾、水灾等自然灾害频发，在自然灾害频发与人类活动密集等影响因素的双重驱动下，石漠化恶化进程加剧。2005—2020 年主要为石漠化向良性方向发展、喀斯特生态环境恢复阶段。随着城市化以及社会经济的快速发展，大量农村劳动力从传统农业转移到其他行业中，减缓了土地压力。此外，石漠化综合治理工程的大力实施，促使石漠化生态环境状况逐渐向良性方向发展。

表6 1987—2020年曲靖市各驱动因子的解释力q值

表7 各驱动因子交互式探测的解释力q值

地理探测器模型能定量揭示各因子对石漠化的影响程度，这与许尔琪[20]应用 GWR模型揭示石漠化影响因子在不同空间位置的组合研究结果不同。GWR 模型将数据地理位置镶嵌到回归模型之中，侧重不同空间内因子的影响程度，而地理探测器模型是基于以下假设：如果某个自变量对某个因变量有重要影响，那么自变量和因变量的空间分布应该具有相似性。与张信宝等[21]采用定性描述人口密度等因子及石漠化耦合关系的研究进行对比，地理探测器模型将各因子定量化，有助于厘清各驱动因子的程度大小，而定性描述无法直观刻画各驱动因子的影响程度。通常情况下，在县域小尺度上，气候因子对石漠化的影响较小；而整体上看，石漠化的空间分布存在尺度差异，这主要是由于地质地貌类型和气温的变异范围较大，小尺度上变化范围较小。而当研究区域尺度扩大时，对石漠化空间异质性解释力较小的因子就变成大范围内变异较小的因子[22]。如会泽县位于金沙江流域干旱河谷地区，受气候和地形影响较大，而师宗县和罗平县等地区受耕地面积和经济状况等因子的影响较大。同时，地理探测器模型主要基于类型量的点数据运算，对于较大尺度区域的石漠化驱动因子贡献率计算会存在一定误差，不同尺度的驱动因子对于石漠化发育演化的影响机理研究应考虑结合其他量化方式，以提高计算结果精度[23]。此外，由于石漠化的发育是多种因子的综合影响过程，石漠化等级与土壤性质有明显相关性，也与基岩性质等因素有关[24]。受限于数据的可获得性以及笔者专业认知水平，未对岩性和土壤等因子开展研究。因此，在今后石漠化的驱动机制研究方面，考虑更加全面的驱动因子，更有利于揭示影响喀斯特石漠化的发育演化机理，有助于喀斯特石漠化综合治理的精准施策。

图4 近30 a来影响石漠化的主要因素时间轴

4.2 结论

(1)曲靖市有不同程度的石漠化分布，主要集中连片分布于峰丛洼地、丘陵以及河谷地带。极度石漠化和重度石漠化主要分布在富源县、罗平县、师宗县和陆良县及其交界处，整体上呈东南部重、中部和西北部轻的宏观格局。

(2)1987—2020年，曲靖市石漠化面积总体上不断减少，潜在、轻度、中度、重度和极度石漠化面积占比分别从8.56%、9.71%、4.85%、0.98%、0.35%减少到8.35%、9.29%、4.32%、0.79%和0.29%，年均综合石漠化动态变化率为0.37%，石漠化恶化趋势得到遏制，石漠化综合治理效果显著。潜在、轻度和中度石漠化区域面积减幅较小，年均变化率分别为0.16%、-0.22%和-0.19%。重度和极度石漠化区域面积减幅较大，年均变化率分别为-0.56%和-0.32%。此外，潜在和轻度石漠化极不稳定，易向高等级石漠化转化，在今后的石漠化综合治理过程中应重视其动态演变趋势。

(3)近30 a来，影响曲靖市石漠化发育演化的主要单一驱动力因子为农业总产值、总人口和耕地面积。从交互作用来看，坡度∩耕地面积>耕地面积∩总人口>耕地面积∩人口密度>年均降水量∩坡度>耕地面积∩距居民点距离。表明坡度、年均降水量与距居民点距离因子通过与耕地面积、人口密度等因子的交互作用，对石漠化发育演化的解释力增强。石漠化的发生发展过程受单一驱动因子的影响较小，受多种驱动因子交互作用的影响较大。