福建長汀植被覆蓋度變化的主要驅(qū)動(dòng)影響因子及影響力分析

王文輝, 馬祥慶, 田 超, 靳全鋒, 郭福濤

(1.福建農(nóng)林大學(xué)林學(xué)院；2.海峽兩岸紅壤區(qū)水土保持協(xié)同創(chuàng)新中心，福建 福州 350002)

福建長汀植被覆蓋度變化的主要驅(qū)動(dòng)影響因子及影響力分析

王文輝, 馬祥慶, 田 超, 靳全鋒, 郭福濤

(1.福建農(nóng)林大學(xué)林學(xué)院；2.海峽兩岸紅壤區(qū)水土保持協(xié)同創(chuàng)新中心，福建 福州 350002)

運(yùn)用多元線性回歸和逐像元趨勢(shì)分析法，并結(jié)合ArcGIS技術(shù)手段對(duì)2000—2010年福建長汀植被覆蓋度變化的驅(qū)動(dòng)因子及影響力進(jìn)行定量分析.將影響當(dāng)?shù)刂脖桓采w變化的相關(guān)因素分成氣象因素、非氣象因素(包括地形因子、社會(huì)經(jīng)濟(jì))和全變量因素分別進(jìn)行分析.研究結(jié)果表明：2000—2010年，長汀植被覆蓋度整體以增加為主，僅個(gè)別地區(qū)出現(xiàn)減少的現(xiàn)象；模型擬合結(jié)果顯示，非氣象因素整體對(duì)長汀植被蓋度變化的影響大于氣象因素；變量重要性研究結(jié)果表明：農(nóng)作物播種面積、當(dāng)?shù)刎?cái)政支出、坡度和水?；顒?dòng)收益是影響長汀植被覆蓋度4個(gè)重要因素，進(jìn)一步揭示了政策和經(jīng)濟(jì)因素的重要性.

植被覆蓋; 驅(qū)動(dòng)因子; 多元線性回歸; 長汀

植被覆蓋度是單位面積上植被地上部分在地面垂直投影的面積百分比[1]，其變化可作為評(píng)價(jià)水土流失治理成效的重要指標(biāo)[2,3]，植被覆蓋度變化是一個(gè)復(fù)雜的過程，受氣象因子、地形及人類活動(dòng)等眾多因素的影響[4].研究表明，植被覆蓋度變化的主要驅(qū)動(dòng)因子存在空間異質(zhì)性，如在干旱和半干旱區(qū)域，氣象因子是影響植被動(dòng)態(tài)變化的最主要因子[5-7]，而一些水熱條件好的區(qū)域，植被覆蓋度主要受地形因子與人為活動(dòng)干擾作用的影響.此外，快速的植被覆蓋度變化通常被認(rèn)為由技術(shù)創(chuàng)新或政策變化所主導(dǎo)[8-11].可見，主導(dǎo)某一區(qū)域植被覆蓋度變化的因素可能是氣象因子等單一因子，也可能是氣象因子與地形因子、人為因子等綜合因子.因此，了解影響植被覆蓋度變化的主導(dǎo)因素對(duì)于如何有效保護(hù)或恢復(fù)區(qū)域生態(tài)系統(tǒng)尤為重要.

福建長汀是我國南方亞熱帶水土流失典型治理區(qū)，其水土流失的形成及治理經(jīng)歷了漫長的歷史時(shí)期.然而，歷史上的長汀水土流失治理成效并不顯著，植被覆蓋度甚至呈現(xiàn)治理和下降同步存在的狀況[12].直到2000年以后，福建省加大了長汀水土流失的治理力度，出臺(tái)了一系列水保政策[13]，增加了科研投入，加之亞熱帶水熱條件適宜，使得長汀地區(qū)的植被覆蓋度得到逐年恢復(fù).揭示長汀地區(qū)植被恢復(fù)的主要驅(qū)動(dòng)因子及各因子的影響力，可為開展長汀生態(tài)治理提供依據(jù).然而，當(dāng)前關(guān)于長汀植被覆蓋度變化及影響因子的研究雖已開展，但研究大多聚焦于氣象、土壤等自然因素的影響，未系統(tǒng)提出社會(huì)經(jīng)濟(jì)、政策變化、人為活動(dòng)、氣象等因子對(duì)長汀植被覆蓋度動(dòng)態(tài)變化的影響[14-16].

鑒于此，本研究以2000—2010年長汀地區(qū)植被覆蓋度為基礎(chǔ)，綜合考慮氣象、地形、社會(huì)經(jīng)濟(jì)、水保政策和人為活動(dòng)等因素，利用空間分析和多元線性回歸模型等方法，探討長汀植被變化及其主導(dǎo)因素，并量化分析各因素對(duì)植被覆蓋度變化的相對(duì)影響力.

1 材料與方法

1.1 研究區(qū)概況

圖1 研究區(qū)地理位置Fig.1 Geographic location of the study area

長汀位于福建西南部(北緯25°18′40″—26°02′05″，東經(jīng)116°00′45″—116°39′20″)，總面積為3 099 km2(圖1).該區(qū)屬中亞熱帶季風(fēng)性濕潤氣候，降雨量集中，降雨強(qiáng)度大.土壤以紅壤和赤紅壤為主，土層較薄，抗侵蝕能力低.地形以低山、丘陵為主，中部是以河田盆地為中心的低山丘陵區(qū)，水土流失最嚴(yán)重，且在1966—1985年，長汀的水土流失量以每年5.1%的速度增加[12]，自2000年起，長汀當(dāng)?shù)卣磕晖度? 000萬專項(xiàng)資金用于水土流失的治理.長汀是福建省較為貧窮落后的縣區(qū)之一，人口基數(shù)大，且以農(nóng)村人口為主.

1.2 數(shù)據(jù)來源與處理

本研究選取氣象、基礎(chǔ)設(shè)施、地形、社會(huì)經(jīng)濟(jì)等5類共14個(gè)因子進(jìn)行長汀植被變化驅(qū)動(dòng)因子分析(表1).

表1 模型自變量選擇及來源Table 1 Model variables and sources

根據(jù)研究需要，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理：

(1)

式中：Rnir為近紅外波段反射率；Rred為紅外波段反射率，然后利用歸一化植被指數(shù)NDVI，根據(jù)前人研究成果[18]，以NDVI為基礎(chǔ)采用像元二分模型求取植被覆蓋，公式[19]如下：

(2)

式中，F(xiàn)VC為研究區(qū)植被覆蓋度，NDVIsoil、NDVIveg分別為純土壤像元值、純植被像元值，其中，NDVIsoil、NDVIveg在ENVI中以5%置信區(qū)間確定[20].

各影響因子數(shù)據(jù)處理：坡度、坡向等地形因子通過數(shù)字高程模型(DEM)并應(yīng)用ArcGIS 10.2的表面分析模塊進(jìn)行提?。宦肪W(wǎng)密度、河網(wǎng)密度、居民點(diǎn)密度等基礎(chǔ)設(shè)施因子以及人口密度和人均GDP數(shù)據(jù)通過ArcGIS 10.2中的空間分析模塊進(jìn)行提??；農(nóng)作物面積、當(dāng)?shù)刎?cái)政支出、水?；顒?dòng)收益等數(shù)據(jù)通過福建省統(tǒng)計(jì)年鑒獲得.當(dāng)?shù)刎?cái)政支出指長汀政府用于長汀的公共服務(wù)、教育、科學(xué)技術(shù)、農(nóng)林水事務(wù)等方面的支出；水?；顒?dòng)收益為當(dāng)?shù)鼐用裨谒４胧┫碌氖找?，單位為萬元；氣象因子包括年平均降水、年平均溫度、年平均相對(duì)濕度和年平均輻照度，數(shù)據(jù)通過ArcGIS 10.2進(jìn)行提取.上述所有因子提取后均進(jìn)行柵格轉(zhuǎn)化，柵格大小為1 km×1 km，柵格數(shù)據(jù)整合后，在SPSS 19.0中進(jìn)行標(biāo)準(zhǔn)化處理及模型擬合.

1.3 研究方法

1.3.1 逐像元趨勢(shì)分析 本研究運(yùn)用線性趨勢(shì)法分析長汀2000—2010年植被覆蓋度的整體變化趨勢(shì).計(jì)算每個(gè)象元的趨勢(shì)，并反映每個(gè)象元的空間變化特點(diǎn).具體公式為[21]：

(3)

式中θslope表示長汀植被覆蓋度變化趨勢(shì).當(dāng)θslope>0時(shí)，表明研究長汀植被覆蓋呈增加趨勢(shì)；當(dāng)θslope<0時(shí)，長汀植被覆蓋為下降趨勢(shì)；而當(dāng)θslope=0時(shí)，表明植被覆蓋整體未發(fā)生變化.本研究中N為定值11，T代表時(shí)間，F(xiàn)VC為植被覆蓋度.

1.3.2 變量選擇及模型計(jì)算 多元線性回歸模型廣泛用于探討自變量與因變量之間關(guān)系，能充分揭示植被覆蓋度與其影響因子間的關(guān)系，模型運(yùn)算前，為防止自變量之間信息重復(fù)，應(yīng)對(duì)變量進(jìn)行多重共線性診斷，多元共線性診斷的主要指標(biāo)為方差膨脹因子(VIF).一般情況下，當(dāng)VIF<10時(shí)，自變量間不存在多重共線性問題[22].本研究中，所有變量1

為進(jìn)一步探究長汀植被變化的主要驅(qū)動(dòng)因子，本研究將變量分為3大類(氣象因子、非氣象因子、全變量因子)進(jìn)行模型擬合，同時(shí)為了避免樣本分布對(duì)實(shí)驗(yàn)結(jié)果產(chǎn)生影響，每個(gè)類別隨機(jī)分成訓(xùn)練樣本(60%)、測試樣本(40%)，并進(jìn)行5次重復(fù)試驗(yàn)，應(yīng)用R軟件中的Relaimpo函數(shù)計(jì)算變量的貢獻(xiàn)度[23]，并用lmg指標(biāo)測定評(píng)估每個(gè)變量的相對(duì)重要性[24]，最終得到影響植被覆蓋的主要因子.

2 結(jié)果與分析

2.1 植被覆蓋時(shí)空變化分析

2000—2010年長汀植被覆蓋度呈波動(dòng)增加，2000—2002年植被覆蓋度呈增加趨勢(shì)，2003—2005年，植被覆蓋度以降低為主，且2005年達(dá)到最低，2005—2007年，植被覆蓋度出現(xiàn)一個(gè)小高峰，2007—2008年，植被覆蓋度下降，但下降幅度較小，2008—2010年，植被覆蓋度增加且在2010年達(dá)到最高(圖2A).運(yùn)用逐象元趨勢(shì)分析法進(jìn)一步探究植被覆蓋度空間變化特征(圖2B)，結(jié)果表明：在2000—2010年，長汀植被覆蓋發(fā)生劇烈變化，植被覆蓋變化類型以增加為主，植被覆蓋度減少和不變的區(qū)域植被較少，增加部分(θslope>0)約占長汀整體的88%，減少區(qū)域(θslope<0)僅占7%，植被覆蓋整體呈現(xiàn)增加趨勢(shì)，但植被覆蓋減少類型呈斑塊狀分布在邊緣和北部地區(qū)，僅很少一部分地區(qū)植被覆蓋未發(fā)生變化.

A:2000—2010年植被覆蓋度;B:2000—2010年植被變化趨勢(shì).圖2 2000—2010年植被覆蓋和變化趨勢(shì)Fig.2 The vegetation coverage (A) and its trend (B) from 2000-2010

2.2 多元線性回歸變量選擇及模型比較

2.2.1 基于氣象因子的多元線性回歸模型分析 通過不同樣本變量重要性排序(圖3)可知，年平均氣溫>年平均輻照度>年相對(duì)濕度>年平均降水，表明長汀地區(qū)降水豐富，降水不是影響植被覆蓋度變化的重要條件，相對(duì)于降水，氣溫對(duì)長汀植被的影響較大.由表2可知，基于氣象因子模型，訓(xùn)練樣本與測試樣本對(duì)模型的解釋度為13%～14%，調(diào)整R2為0.138～0.145，觀察值與預(yù)測值相關(guān)性0.3～0.4，表明僅氣象因子不能完全揭示長汀植被覆蓋度變化本質(zhì).

圖3 氣象因子重要性排序Fig.3 Importance order of meteorological factors

表2 氣象因子模型中5個(gè)訓(xùn)練與測試樣本的解釋度、調(diào)整R2、觀測值與預(yù)測值之間的相關(guān)性1)

1)**顯著水平，P<0.01.

2.2.2 基于非氣象因子的多元線性回歸模型分析 在非氣象因子模型中，重要性排序(圖4)為：農(nóng)作物播種面積>當(dāng)?shù)刎?cái)政支出>坡度>水保活動(dòng)收益>高程>人口密度>人均國內(nèi)生產(chǎn)總值>路網(wǎng)密度>居民區(qū)密度>河網(wǎng)密度.非氣象因子模型中，訓(xùn)練樣本與測試樣本模型解釋度在60%～62%之間，調(diào)整R2范圍0.601～0.612，觀察值與預(yù)測值的相關(guān)性均為0.372，且在P<0.01水平顯著(表3)，非氣象因子模型具有較高的模型解釋度和調(diào)整R2，相較于氣象因子模型，非氣象因子模型更能體現(xiàn)長汀植被變化實(shí)際情況.

圖4 非氣象因子重要性排序Fig.4 Importance order of non-meteorological factors

2.2.3 基于全變量因子的多元線性回歸模型分析 為進(jìn)一步判定影響長汀植被變化的驅(qū)動(dòng)因子，本研究將氣象因子與非氣象因子合并為全變量因子進(jìn)行模型擬合.由圖5可知，因子重要性排序?yàn)椋恨r(nóng)作物播種面積>當(dāng)?shù)刎?cái)政支出>坡度>水?；顒?dòng)收益>平均溫度>高程>平均相對(duì)濕度>人口密度>平均降水>平均輻照度>人均國內(nèi)生產(chǎn)總值>路網(wǎng)密度>居民區(qū)密度>河網(wǎng)密度.全變量模型的擬合結(jié)果(表4)為：訓(xùn)練樣本與測試樣本變量解釋度64%～66%，調(diào)整R2約0.65，觀察與預(yù)測值的相關(guān)性系數(shù)約0.8.

表3 非氣象因子中5個(gè)訓(xùn)練與測試樣本的解釋度、調(diào)整R2、觀測值與預(yù)測值之間的相關(guān)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)**顯著水平，P<0.01.

圖5 全變量因子重要性排序Fig.5 Importance order of all-variable factors

表4 全變量因子中5個(gè)訓(xùn)練與測試樣本的解釋度、調(diào)整R2、觀測值與預(yù)測值之間的相關(guān)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)**顯著水平，P<0.01.

2.3 模型比較

為進(jìn)一步探究各模型對(duì)長汀植被變化的擬合程度及判定影響植被變化的驅(qū)動(dòng)因子，本研究對(duì)氣象因子模型、非氣象因子模型、全變量因子模型的解釋度、調(diào)整R2進(jìn)行比較，結(jié)果表明：全變量模型的解釋度最大(65.5%)，氣象因子模型的最小(14.3%)，兩者差距顯著.圖6為3種模型的觀察值和預(yù)測值的相關(guān)性及線性擬合度，表明全變量模型的線性擬合度最好、相關(guān)性最強(qiáng)，其次是非氣象因子模型，最后是氣象因子模型.綜上可知，非氣象因子模型各項(xiàng)指標(biāo)均優(yōu)于氣象因子模型，說明長汀植被覆蓋度變化過程中，非氣象因子是主要的驅(qū)動(dòng)因子，而全變量模型優(yōu)于非氣象因子模型，說明氣象和非氣象因子結(jié)合起來更能揭示長汀植被覆蓋變化的實(shí)質(zhì).

R為觀測值與預(yù)測值的相關(guān)性，**代表P<0.01,極顯著，A、B、C分別為氣象因子、非氣象因子、全變量因子模型.圖6 3種模型觀測值和預(yù)測值擬合圖Fig.6 Fitting chart between the observed and predicted values in 3 models

3 結(jié)論

本研究運(yùn)用趨勢(shì)分析法、多元線性回歸模型等方法探討長汀2000—2010年植被覆蓋度變化及其驅(qū)動(dòng)因子，可得出以下結(jié)論：

(1)近11年長汀植被覆蓋度以增加為主，其中植被覆蓋度增加區(qū)域約88%，植被覆蓋度降低區(qū)域(7%)主要呈斑塊狀分布于西北地區(qū).

(2)長汀植被覆蓋度變化驅(qū)動(dòng)因子的重要性表明植被覆蓋度增加是氣象因子和非氣象因子共同作用的結(jié)果，非氣象因子(86.6%)重要性大于氣象因子(13.4%)是引起長汀植被覆蓋度變化的主要因子.

(3)通過影響長汀植被覆蓋度的影響因子重要性可知，“農(nóng)作物播種面積”、“當(dāng)?shù)刎?cái)政支出”、“坡度”、“水?；顒?dòng)收益”等4個(gè)因子對(duì)長汀植被覆蓋度影響力最高的因子.

4 討論

汪小欽等[16]、劉亞迪等[25]研究表明長汀植被處于恢復(fù)狀態(tài)，這與本研究基本一致.就長汀植被覆蓋度的重要因子重要性可知：歷史上長汀植被曾遭受嚴(yán)重破壞，人類農(nóng)業(yè)活動(dòng)的增加改變土壤結(jié)構(gòu)，易造成水土流失進(jìn)而影響植被蓋度[26]，因此“農(nóng)作物播種面積”是影響植被變化最重要的驅(qū)動(dòng)因子；“當(dāng)?shù)刎?cái)政支出”作為技術(shù)革新(水保技術(shù)、造林技術(shù))、政府政策的重要體現(xiàn)[27]，是長汀植被覆蓋度迅速增加的主要原因；長汀以山地為主，平均坡度較大，隨著坡度的增加，土壤養(yǎng)分相應(yīng)較低，不利于植被生長[28]，因此“坡度”對(duì)植被覆蓋度變化也具有重要的影響；“高程”作為影響植被覆蓋度的重要因子，其變化是自然條件與人類活動(dòng)相互角逐的結(jié)果，這與Dai et al[29]研究結(jié)果相似；“水?；顒?dòng)收益”是當(dāng)?shù)厮帘３终叱尚У姆从?，其將生態(tài)恢復(fù)與經(jīng)濟(jì)效益結(jié)合在一起，通過種植承包經(jīng)濟(jì)林，套種各種經(jīng)濟(jì)作物等措施提高當(dāng)?shù)亟?jīng)濟(jì)收入[30]，因此可作為植被變化的關(guān)鍵驅(qū)動(dòng)因子；近10年長汀人均國內(nèi)生產(chǎn)總值雖有所增加，但其經(jīng)濟(jì)落后、人口眾多的背景一直都在，本研究表明“人均國內(nèi)生產(chǎn)總值”、“人口密度”對(duì)當(dāng)?shù)氐闹脖桓采w變化具有負(fù)向作用；She et al[31]研究表明在水熱條件充足地區(qū)，氣象因子對(duì)植被覆蓋度的影響程度低于人為因子，長汀地區(qū)水熱條件適中，適合植被生長[32]，且近10年來政府加大對(duì)長汀的治理力度，出臺(tái)《長汀縣封山育林縣長令》、《關(guān)于封山育林禁燒柴草的命令》等一系列法律法規(guī)，用于植被保護(hù)及生態(tài)修復(fù)，因此“年平均溫度”、“年平均降水”、“年平均相對(duì)濕度”、“年平均輻照度”等氣象因子對(duì)長汀植被變化的驅(qū)動(dòng)力相對(duì)小于“農(nóng)作物播種面積”、“當(dāng)?shù)刎?cái)政支出”等人為因素.基于本文研究結(jié)論，對(duì)該區(qū)植被恢復(fù)和生態(tài)保護(hù)建議如下：(1)應(yīng)加大對(duì)長汀西北地區(qū)的經(jīng)濟(jì)投入及監(jiān)察力度，嚴(yán)厲打擊亂砍濫伐等行為，貫徹實(shí)施退耕還林、退耕還草政策，走可持續(xù)發(fā)展策略(2)適當(dāng)調(diào)整當(dāng)?shù)剞r(nóng)、林產(chǎn)業(yè)結(jié)構(gòu)，增加林業(yè)經(jīng)濟(jì)收入，以提高當(dāng)?shù)鼐用裆钯|(zhì)量(3)將水保防治措施、生態(tài)環(huán)境保護(hù)策略與當(dāng)?shù)鼐用竦慕?jīng)濟(jì)利益結(jié)合在一起，進(jìn)一步提高居民對(duì)生態(tài)保護(hù)的積極性.

[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] 陳云浩,李曉兵,史培軍,等.北京海淀區(qū)植被覆蓋的遙感動(dòng)態(tài)研究[J].植物生態(tài)學(xué)報(bào),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] 嚴(yán)恩萍,林輝,黨永峰,等.2000—2012年京津風(fēng)沙源治理區(qū)植被覆蓋時(shí)空演變特征[J].生態(tài)學(xué)報(bào),2014(17):5 007-5 020.

[5] 王宇航,趙鳴飛,康慕誼,等.黃土高原地區(qū)NDVI與氣候因子空間尺度依存性及非平穩(wěn)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,孟興民,邢釗,等.基于RS的武都區(qū)植被覆蓋度動(dòng)態(tài)變化及其驅(qū)動(dòng)力分析[J].干旱區(qū)資源與環(huán)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] 呂華麗.長江流域植被覆蓋變化及其驅(qū)動(dòng)力因子研究[D].華中農(nóng)業(yè)大學(xué),2012.

[12] 曾從盛.福建典型區(qū)生態(tài)環(huán)境研究[M].北京:中國環(huán)境出版社,2006.

[13] 徐涵秋,何慧,黃紹霖.福建省長汀縣河田水土流失區(qū)植被覆蓋度變化及其熱環(huán)境效應(yīng)[J].生態(tài)學(xué)報(bào),2013(10):2 954-2 963.

[14] 楊婷婷,郭福濤,王文輝,等.福建長汀紅壤區(qū)植被覆蓋度變化趨勢(shì)分析[J].森林與環(huán)境學(xué)報(bào),2016,36(1):15-21.

[15] 陳增文.基于NDVI的生態(tài)環(huán)境變化分析——以福建省龍巖市長汀縣為例[J].化學(xué)工程與裝備,2012(6):204-207,216.

[16] 汪小欽,劉亞迪,周偉東,等.基于TAVI的長汀縣植被覆蓋度時(shí)空變化研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),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,吳炳方,顏長珍,等.密云水庫上游植被覆蓋度的遙感估算[J].資源科學(xué),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] 陳學(xué)兄,張小軍,陳永貴,等.陜西省1998—2008年植被覆蓋度的時(shí)空變化研究[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2013,38(6):674-678.

[21] 王偉軍,趙雪雁,萬文玉,等.2000—2014年甘南高原植被覆蓋度變化及其對(duì)氣候變化的響應(yīng)[J].生態(tài)學(xué)雜志,2016,23(9):2 494-2 504.

[22] 司守奎,孫璽菁.數(shù)學(xué)模型[M].北京:國防工業(yè)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] 劉亞迪,汪小欽,江洪.基于地形調(diào)節(jié)植被指數(shù)估算長汀縣植被覆蓋度[J].國土資源遙感,2015,27(1):164-171.

[26] 王智.新疆地區(qū)植被覆蓋變化與氣候、人文因子的相關(guān)性探討[D].新疆大學(xué),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] 徐興奎,陳紅,張鳳.中國西北地區(qū)地表植被覆蓋特征的時(shí)空變化及影響因子分析[J].環(huán)境科學(xué),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] 趙嘉陽,郭福濤,梁慧玲,等.福建長汀紅壤區(qū)1965-2013年氣溫和降水量的變化趨勢(shì)[J].福建農(nóng)林大學(xué)學(xué)報(bào)(自然科學(xué)版),2016(1):77-83.

(責(zé)任編輯:吳顯達(dá))

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

國家科技支撐計(jì)劃項(xiàng)目(2014BAD15B02)；國家林業(yè)局林業(yè)公益性行業(yè)科研項(xiàng)目(201304303).

王文輝(1988-)，男，碩士研究生.研究方向：水土保持與荒漠化防治.Email：fafuwangedu@126.com.通訊作者郭福濤(1982-)，男，副教授，碩士生導(dǎo)師.研究方向：森林生態(tài)學(xué).Email：guofutao@126.com.

Q948

A

1671-5470(2017)03-0277-07

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