基于地理探测器的滹沱河流域植被覆盖时空变化与驱动力分析

DOI: 10.12357/cjea.20220309

丁永康, 叶婷, 陈康. 基于地理探测器的滹沱河流域植被覆盖时空变化与驱动力分析[J]. 中国生态农业学报 (中英文),

2022, 30(11): 1737?1749

DING Y K, YE T, CHEN K. Analysis of spatio-temporal dynamics and driving forces of vegetation cover in the Hutuo River Basin

based on the geographic detector[J]. Chinese Journal of Eco-Agriculture, 2022, 30(11): 1737?1749

基于地理探测器的滹沱河流域植被覆盖时空

变化与驱动力分析

丁永康, 叶　婷, 陈　康

(河北地质大学水资源与环境学院/河北省水资源可持续利用与开发重点实验室/河北省水资源可持续利用与产业结构优化协同

创新中心/河北省高校生态环境地质应用技术研发中心　石家庄　050031)

摘　要: 滹沱河流域位于山西和河北两省境内, 是山西忻州市和河北石家庄市的“母亲河”, 也是海河流域的重要组

成部分, 对于区域生态环境和城市发展起到重要作用。本研究基于2000—2020年21年间月尺度MOD13Q1 (250 m)

数据集, 在总结区内植被覆盖空间分异特征基础上, 采用一元线性回归方法分析了流域内植被时空变化趋势, 借助

皮尔逊相关分析方法讨论了温度、降水量与归一化植被指数(NDVI)之间的相关关系, 利用地理探测器将区内温度、

降水量、植被类型、土壤类型、海拔等自然因子, 以及土地利用类型、人口密度、GDP等人为因子进行统计划分,

系统探讨了各驱动因子对NDVI的影响程度, 明确了流域内植被时空变化特征及其驱动因子的驱动力大小, 为生态

环境保护以及可持续发展提供了依据。结果表明: 1)近21年来, 区内植被覆盖度总体呈现增加的趋势, 每年5—9

月NDVI平均值为0.71, Slope指数平均值为0.0035, 区内植被恢复以轻度改善为主, NDVI改善区域面积占81.00%,

退化区域占10.08%。2)区内NDVI与降水量、温度之间整体均呈现正相关关系, NDVI年际变化同降水量更密切,

但阳泉、石家庄周边地区NDVI同二者呈负相关关系, 可能受人类活动影响显著。3)区内单个驱动因子对NDVI

影响程度由大到小排序为: 降水量>温度>土地利用类型>植被类型>土壤类型>人口密度>GDP>海拔, 其中前3个因

子的q值均大于0.3, 作为影响区内NDVI的主要驱动因子。4)区内各驱动因子交互组合驱动力显著高于单个驱动

因子, 并呈现双因子增强效应, 其中人为因子中土地利用类型同自然因子降水量的交互作用最大, q值为0.74, 明显

高于仅有人为因子或仅有自然因子进行的交互作用。总体来看，人类活动对区内植被覆盖时空格局产生了较强的

影响，综合考虑气象因素并合理规划土地利用是改善区内植被覆盖的关键因素。

关键词: 滹沱河流域; 归一化植被指数(NDVI); 时空变化; 地理探测器; 气象因素; 驱动因子

中图分类号: X87开放科学码(资源服务)标识码(OSID):



Analysis of spatio-temporal dynamics and driving forces of vegetation cover in

the Hutuo River Basin based on the geographic detector

DING Yongkang, YE Ting, CHEN Kang





河北省水资源可持续利用与产业结构优化协同创新中心开放基金(QN202143)、中国地质调查局地质调查项目(DD20160238)和河北地质大

学青年科技基金项目(QN202143)资助

通信作者: 陈康, 主要研究方向为地下水环境。E-mail: [e-mail]

丁永康, 主要研究方向为地下水环境。E-mail: [e-mail]

收稿日期: 2022-04-24　接受日期: 2022-06-23

The study was supported by the Open Fund of Hebei Province Collaborative Innovation Center for Sustainable Utilization of Water Resources and Op-

timization of Industrial Structure (QN202143), the Geological Survey Project of China Geological Survey (DD20160238), and the Youth Science and

Technology Fund of Hebei GEO University (QN202143).

Corresponding author, E-mail: [e-mail]

Received Apr. 24, 2022; accepted Jun. 23, 2022



中国生态农业学报 (中英文)　?2022年11月　?第?30?卷　?第?11?期

Chinese?Journal?of?Eco-Agriculture,?Nov.?2022,?30(11):?1737?1749

http://www.ecoagri.ac.cn

(School of Water Resources and Environment, Hebei GEO University / Hebei Province Key Laboratory of Sustained Utilization and

Development of Water Resources / Hebei Province Collaborative Innovation Center for Sustainable Utilization of Water Resources and

Optimization of Industrial Structure / Hebei Center for Ecological and Environmental Geology Research, Shijiazhuang 050031, China)

Abstract: The Hutuo River Basin, located in the Shanxi and Hebei Provinces, plays an important role in regional ecological environ-

ment and urban development. Analysis of the spatio-temporal dynamics and driving forces of vegetation cover in the area provides an

important scientific basis for sustainable social and economic development and ecological environmental protection. Based on the

monthly scale MOD13Q1 (250 m) dataset for 21 years from 2000 to 2020, this study analyzed the spatio-temporal variation trend of

vegetation using the unary linear regression method and discussed the correlation between temperature, precipitation, and NDVI us-

ing the Pearson correlation analysis method. Natural factors such as temperature, precipitation, vegetation type, soil type, and altitude,

and human factors such as land use type, population density, and GDP were statistically divided using the geographic detector, and

the degree of influence of each driving factor on NDVI was systematically discussed. Particularly in the case of the increasingly close

relationship between vegetation cover and human activities, the driving force values of different human factors can be obtained quant-

itatively to provide a basis for future research and analysis of the influence mechanism of the main driving factors, ecological environ-

ment protection, and sustainable development of watershed. The results of this study were as follows: 1) In the past 21 years, vegeta-

tion cover in the area had been increasing, and the average NDVI and Slope index, which is used to indicate vegetation changing

trend with the positive value meaning increase, from May to September every year were 0.71 and 0.0035, respectively. The vegeta-

tion restoration in the area improved slightly, with 81.00% of the area improving in NDVI and 10.08% of the area degrading. 2) There

were positive correlations between NDVI and precipitation and temperature in the area, and the interannual variation in NDVI was

more closely related to precipitation. The proportions of positive and negative correlation areas between precipitation and NDVI were

87.73% and 12.27%, respectively, among which 35.28% and 6.92% of the positive correlation area passed the significance test of

P<0.05 and P<0.01, respectively. However, the NDVI in the surrounding areas of Yangquan and Shijiazhuang cities was negatively

correlated with precipitation and temperature, which may be significantly affected by human activities. 3) The degree of influence of a

single driving factor on NDVI in the area was ranked from high to low as follows: precipitation > temperature > land use type > ve-

getation type > soil type > population density > GDP > altitude. Among them, the q (showing impacting strength of factor) values of

the first three factors were all greater than 0.3, and they were the main driving factors affecting the NDVI in the area. 4) The driving

force of all the driving factors combined in pairs was significantly greater than that of a single driving factor, showing a two-factor en-

hancement effect. In addition, the interaction between land use type and precipitation, with a q value of 0.74, was the largest, and it

was significantly greater than that of interactions between only human factors or only natural factors. In general, human activities

have had a strong impact on the spatio-temporal pattern of vegetation cover, and comprehensive consideration of meteorological

factors and rational planning of land use are key factors in improving vegetation cover in the area.

Keywords: Hutuo River Basin; Normalized difference vegetation index (NDVI); Spatio-temporal dynamics; Geographic detector;

Meteorological factors; Driving factors



植被作为生态系统中重要的组成部分, 在全球

物质与能量循环、气候变化调节中发挥着重要作用[1],

其覆盖度能够表征某一区域植被的生长状况以及生

长趋势, 也是气候变化、人类活动特征和水资源丰

富度等因素作用的综合体现[2]。通常植被覆盖度用

归一化植被指数(normalized difference vegetation in-

dex, NDVI)表征, 其影响因素众多, 在全球气候变暖

的趋势下, 探究植被变化特征同气象因素之间的关

系, 始终是广大学者重点讨论的话题[3-4]。众多学者

研究了气象因素(比如温度、降水量、蒸发量等)同

NDVI之间的时空变化特征关系: Detsch等[5]对坦桑

尼亚Kilimanjaro植被动态进行研究, 发现该地区植

被生长受到季节性温度变化影响; Fu等[6]对澳大利

亚的Namoi流域植被覆盖变化进行研究, 利用回归

树方法探究NDVI动态变化同气象因素以及地下水

资源之间的响应关系; 孔冬冬等[7]对青藏高原植被气

象因素进行分析, 发现温度对物候的影响占主导地

位, 8月植被生长季的主要限制因素是降水量。但近

年来研究发现随着人类活动的日益加剧, 部分地区

气象因素对植被变化的影响呈现减弱趋势。孟丹等[8]

通过气象因素对京津冀地区NDVI变化进行了驱动

分析, 发现区内人类活动对植被覆盖变化影响巨大;

谷金芝等[9]通过残差分析法得出2000 ?2015年华北

平原非气象因素对植被覆盖的影响占比更大; 李镇

等[10]研究发现滹沱河流域2000 ?2015年NDVI年

际变化与标准化降水蒸散指数(SPEI)具有显著正相

关, 且植被生长受到干旱影响较大, 并利用残差分析

表明人类活动所占比重逐年增大; 刘启兴等[11]对黄

河源区植被进行研究, 发现人类活动对区域生态环

境产生一定积极作用的同时, 仍然有接近1/2的区域

1738 中国生态农业学 报 (中英文 )?2022 第 30 卷

http://www.ecoagri.ac.cn

NDVI减少是由人类活动导致。因此人类活动在速

度和程度上对植被的影响有超过自然因子的趋势[12-16]。

传统采用变异系数、Hurst指数、偏相关分析等

一系列分析NDVI影响因素的方法[7-10], 其各个因素

的影响程度不能进行定量判断, 具有一定局限性。

地理探测器是王劲峰等[17]通过空间方差分析来判定

空间分异性, 并揭示其驱动因子的统计方法, 能够定

量识别因子的影响力及其交互作用强度等关系。目

前部分学者已经利用地理探测器对植被NDVI的驱

动因子进行研究, 比如张思源等[18]利用地理探测器

对内蒙古地区影响植被NDVI的驱动因子进行分析,

得出该区域植被特征时空变化以及各因素促进植被

生长的最适宜范围; 彭文甫等[19]利用地理探测器对

四川地区植被进行研究, 发现自然因子对植被NDVI

存在交互作用影响, 并且该交互作用增强了单一因

子的影响; 李晓丽等[20]利用残差分析法发现人类活

动促进了西南岩溶槽谷区植被的恢复, 区内土地利

用类型和温度是主要的驱动因子。同时, 地理探测

器还能够对双驱动因子之间的协同作用进行分析,

得出具体的驱动力大小(q), 从而确定区域内占主导

作用的驱动因子, 进而为后续的研究及流域治理提

供参考。

近年来滹沱河流域的生态问题日益突出, 众多

影响因素同生态环境均在时间和空间尺度上不断发

生 演 变[21]。 为 了 更 加 有 效 地 保 护 流 域 生 态, 了 解

NDVI时空变化特征以及造成空间分异的驱动原因

和各个驱动因子影响力大小十分必要[22]。由于MODIS

数据具有时间连续性长、空间分辨率高、覆盖率广

以及可免费获取等特点, 众学者将其作为表征研究

区地表覆盖特征的数据源[23-26], 在不同的区域选取不

同产品类型的MODIS数据进行研究, 结果表明NDVI

受到气象因素以及区域干旱程度影响较大[27], 与其他

因素交互影响植被生态状况[15-20]。长期以来, 许多学

者 通 过 残 差 分 析 法, 定 量 分 析 了 人 类 活 动 影 响 下

NDVI的空间变化情况。然而, 人类活动类型、自然

因子和人为因子协同作用对NDVI的影响程度大小

等方面研究相对较少。近年来, 有学者开始采用地

理探测器分析人类活动对NDVI的定量影响问题, 主

要研究了土地利用类型、人口密度、GDP等3种驱

动因子, 有关政策实施、民众环境意识变化等因子

分析较少, 该领域有关人类活动对NDVI产生影响的

定量问题仍需深入研究探讨[18-20]。

本 研 究 以2000 ?2020年 期 间 分 辨 率 为250 m

的MODIS数据(MOD13Q1)作为遥感数据源, 首先

采用一元线性回归和皮尔逊相关分析方法, 对降水

量和温度两种自然因子进行定量研究。然后通过地

理探测器对区内影响NDVI的驱动因子进行分析, 结

合多种驱动因子数据, 定量评价人为因子(土地利用

类型、GDP、人口密度)和自然因子的年际影响力,

以及不同驱动因子之间的交互作用, 旨在探究区内

植被覆盖的时空演变特征以及驱动因子的影响力情

况, 揭示近21年来区内流域生态建设改善的效果, 为

区内可持续发展、生态修复及环境保护提供科学依

据和决策参考。

1 材料与方法



1.1 研究区概况

滹沱河是海河流域子牙河系的支流之一, 发源

于山西省繁峙县五台山北麓, 迂回穿越太行山进入

河北省平山县境, 向东流至河北省献县, 与滏阳河汇

合 后 形 成 子 牙 河 并 入 海, 地 理 位 置 位 于37°17′~

39°28′N, 112°13′~115°16′E, 全长587 km, 流域面积

24 690 km2 (图1)。区内海拔在11~2992 m, 山西省五

台县瑶池村为上游河段, 瑶池村至黄壁庄水库为中

游河段, 黄壁庄水库至河北省献县为下游河段。其

中包含4种典型地貌类型: 丘陵、盆地、平原和山

地, 面积分别占15%、18%、27%和50%, 其中最高

峰五台山海拔高程2992 m[28]。区内整体植被覆盖程

度不高, 水土流失较重, 以五台山区植被覆盖度最好,

海拔从高到低呈现针叶林、阔叶林、草甸植被、灌

丛植被、草原植被分布的垂直地带性[29]。区内土壤

类型以初育土类型为主。地处东亚温带大陆季风气

候区, 多年平均降水量为380.7~833.4 mm, 其时空分

布不均。区内年均温度在2.8~14.1 ℃, 呈现自南向北

递减趋势[30]。

1.2 数据来源及预处理

1.2.1 NDVI数据

为了研究区内植被时空变化特征, 本研究数据

源选用具有时效性好且分布范围广泛的美国国家航

空航天局(National Aeronautics and Space Administra-

tion, NASA, http://ladswed.nascom.Nasa.gov/data/search.

html)提 供 的 MODIS (Moderate Resolution Imaging

Spectroradiometer) MOD13Q1的NDVI时 间 序 列 产

品, 其中条带号包括h26v05、h27v05两幅影像, 时间

尺度为2000 ?2020年期间每年的5 ?9月植被生长

期时段, 时间分辨率为16 d, 空间分辨率250 m。利

用 MRT (MODIS Reprojection Tools)对 原 始 MOD-

IS数据进行批量拼接、裁剪、投影变换等操作, 得

到105幅(21年×5幅/年)影像, 输出为Geotiff格式

第 11 期 丁永康等 : 基于地理探测器的滹沱河流域植被覆盖时空变化与驱动力分析 1739

http://www.ecoagri.ac.cn

文件; 基于5 ?9月地表植被处于生长繁盛期, 且本

次研究时间跨度大, 使用最大值合成法(MVC)将每

年5 ?9月的月最大NDVI取平均值, 以表征当年的

植被生长覆盖状况[27]。

1.2.2 气象数据

气象数据来源于中国气象数据网(http://date.cma.

cn/)提供的气象数据, 包括2000 ?2020年区内19个

气象站(图1)的逐月数据, 根据提供的月平均降雨量

和月平均温度, 结合DEM数据, 通过Kriging插值方

法对气象数据进行空间栅格化, 用于一元线性回归、

相关性分析以及作为地理探测器的驱动因子进行综

合分析。

1.2.3 资源数据

土地利用资源数据来自中国土地利用现状遥感

监测数据库, 分别下载2000年、2005年、2010年、

2015年和2020年共5期, 空间分辨率为1 km的土

地利用遥感监测数据进行处理。地貌类型、植被及

土壤分布数据分别来源于《中华人民共和国地貌图

集(1∶100万)》 《1∶100万 中 国 植 被 图 集 》 与

《1∶100万中华人民共和国土壤图》数字化生成;

GDP以及人口密度数据来源于1 km网格的GDP/中

国人口空间分布公里网格数据集, 以上数据均来自

于中国科学院资源环境科学数据中心(http//www.res-

dc.cn), 年份为2000年、2005年、2010年、2015年、

2020年 共5期 数 据 。 区 内DEM (Digital Elevation

Model)数据来源于地理空间数据云平台(https://www.

gscloud.cn)的ASTER GDEM V3高程数据, 空间分辨

率30 m。

1.2.4 其他数据

流域矢量边界数据通过对DEM数据依次进行

拼接、填洼、流向处理, 对流量计算结果按水利部

河流等级规定选取阈值大小, 通过河网分级, 结合中

国科学院资源环境科学数据中心河网数据, 确定泄

洪点, 并最终使用分水岭工具导入流向栅格和泄洪

点, 得到滹沱河流域边界。

1.3 研究方法

1.3.1 NDVI等级划分

预处理过的NDVI影像通过MVC方法消除异

常值的影响[3]。根据已有研究[5-10], 采用等间距重分

类方法, 将区内年最大NDVI划分为6个等级, 进行

植被覆盖时空变化研究, 如表1所示。

1.3.2 趋势分析法

为 直 观 表 征 区 内 植 被 覆 盖 的 变 化 趋 势, 结 合

MVC方法处理后的影像, 基于像元利用一元线性回

归分析方法, 进行区内2000 ?2020年间植被覆盖度

变化趋势研究, 它是一种通过对随机时间变量进行

线性回归分析, 从而对变化趋势进行预测的方法, 其

计算公式为:

slope =

n

n∑

i=1

(i NDVIi)

0B

BBBB

@

n∑

i=1

i

1C

CCCC

A

0B

BBBB

@

n∑

i=1

NDVIi

1C

CCCC

A

n

n∑

i=1

i2

0B

BBBB

@

n∑

i=1

i

1C

CCCC

A

2 (1)

式中: θslope为一元线性方程的回归斜率, n为监测时



0 20 40 80 120 km

113 E

38 N

39 N

114 E 115 E

气象站 Weather station

河流 River

湖泊水库 Lake and reservoir

DEM (m)

High: 3059

Low: 9

116 E

113 E 114 E 115 E 116 E

38 N

39 N



图 1 滹沱河流域地理位置及气象站点分布

Fig. 1 Geographical location and distribution of meteorological stations in the Hutuo River Basin

1740 中国生态农业学 报 (中英文 )?2022 第 30 卷

http://www.ecoagri.ac.cn

i

间段的累计年数(n=21), NDVIi为第 年的NDVI数值。

通过植被覆盖度序列和时间系列的相关关系, 判断

区内覆盖度年际变化显著程度, 回归斜率为正表示

植被覆盖度增加, 反之则降低。参照已有研究[5-18], 为

准确分析区内植被变化状况, 将θslope值分为5个等

级[31], 其对应的植被覆盖变化趋势如表2所示。



表 2 基于植被覆盖度变化一元线性方程回归斜率( θslope)

的植被覆盖变化趋势分类标准

Table 2 Classification standard for vegetation coverage

changes based on the slope of the regression of

vegetation coverage (θslope)

程度 Level

slope

明显退化 Obvious degradation

? 0:009 0

轻度退化 Mild degradation

0:009 0 0:000 9

基本稳定 Basically stable

0:000 9 0:000 9

轻度改善 Slight improvement

0:000 9 0:009 0

明显改善 Significant improvement

? 0:009 0



1.3.3 相关性计算

本次研究采用皮尔逊相关系数表征NDVI与温

度、降水量等气象因素之间的相关性[30], 计算公式如下:

Rxy =

n∑

i=1

[(x

i x)(yi y)

]

√ n∑

i=1

(xi x)2

n∑

i=1

(yi y)2

(2)

x y

式中: Rxy为两变量之间相关系数, 介于1和?1之间,

其中1表示变量间完全正相关, 0表示无关, ?1则表

示完全负相关; xi为第i年的植被覆盖度; yi为第i年

的气象因素; 为多年植被覆盖度的平均值; 为多年

气象因素的平均值; i为样本数目。

1.3.4 地理探测器计算

本研究区地域跨度较大, 气象、土壤及植被类

型差异明显, 同时又受到土地利用类型、人口密度、

GDP等人类活动因素影响, 生态问题受到广泛关注[28]。

地理探测器是一种以空间统计学和空间自相关

为理论基础的统计学方法, 可进行空间分异性探究,

揭示驱动因子同研究对象之间各单因子影响力大小

与显著程度, 探测因子之间风险区与交互作用强度,

以及进行生态探测等方面的研究工作。本次研究利

用该方法的因子探测工具以及交互作用探测工具,

分析区内NDVI驱动因子影响力。

1)因子探测: 用于探测因变量Y (NDVI数值)的

空间分异性, 以及探测自变量X (各个自然因子及社

会经济因子)对于Y的空间分异影响力度的大小, 用

q表示, 公式如下:

q= 1 1N 2

L∑

h=1

Nh 2h = 1 SSWSST (3)

SSW=

L∑

h=1

Nh 2h (4)SSW= N 2 (5)

2h 2

式中: h=1, 2, ···L, L为X或Y的分类; q的值域为[0, 1],

q值越大, 表示X对Y的空间分异的影响力度越强;

Nh和N分别表示变量分为h类所含单元数与空间总

区域内单元数; 和 分别为h类与区域内Y的方差;

SSW和SST分别为L类的方差之和与区域总方差。

本次研究将流域范围划分成3 km×3 km格网,

共3531个中心点作采样点, 提取空间上对应的X和

Y属性值, 最后将其代入地理探测器中计算处理。通

过自然断点法将降水量、温度、海拔、GDP、人口

密度等驱动因子划分为10类, 根据大类标准将土壤

类型分为11类, 植被类型分为10类, 土地利用类型

分为6类[15]。

2)交互作用探测: 识别不同自变量X之间的交

互作用, 反映两个因子共同作用时对Y的影响力是

否相关还是独立, 并用q值[q(X1∩X2)]得出, 如表3所示。

2 结果与分析



2.1 植被覆盖时间变化特征

基 于MVC方 法 得 到2000 ?2020年 每 年5 ?9

月 NDVI最 大 值 , 作 为 年 NDVI数 据 , 由 此 获 得

NDVI变化拟合曲线[32]。如图2所示, 2000 ?2020年

期 间, 区 内NDVI从0.673增 长 到0.759, 增 长 率 为

12.78%, 增速为0.0035?a?1, 植被覆盖改善明显并呈现

增长趋势。区内植被覆盖变化可分为3个阶段(图2):

第1阶段, 2000 ?2003年期间NDVI快速增长, NDVI

从 0.673增 长 到 0.719, 增 长 率 为 6.84%, 增 速 为

0.0126?a?1; 第2阶段, 2004 ?2013年期间NDVI变化

趋于稳定, 增速为0.0004?a?1, 增长不显著; 第3阶段,

2014?2020年 期 间NDVI再 次 快 速 增 长, NDVI从



表 1 基于归一化植被指数(NDVI)的植被覆盖状况分类

标准

Table 1 Classification standard for vegetation coverage based

on the normalized difference vegetation index

(NDVI)

覆盖分区 Overlay partition NDVI

裸露区域 Bare area

? 0

低覆盖度区域 Low coverage area 0~0.2

中低覆盖度区域 Low and medium coverage area 0.2~0.4

中覆盖度区域 Medium coverage area 0.4~0.6

中高覆盖度区域 Medium and high coverage area 0.6~0.8

高覆盖度区域 High coverage area 0.8~1.0

第 11 期 丁永康等 : 基于地理探测器的滹沱河流域植被覆盖时空变化与驱动力分析 1741

http://www.ecoagri.ac.cn

0.704增长到0.759, 增长率为7.82%, 增速0.0087?a?1。

与已有研究结果相比, 2000 ?2015年的趋势变

化同李镇等[10]研究结果保持一致, 区内NDVI增速

大于华北平原增速0.0025?a?1[9], 低于全国平均增速

0.0045?a?1[33]。2000 ?2020年 期 间 植 被 覆 盖 的 变 化,

与区内生态环境保护政策的实施以及人民群众环保

意识的普遍增强关系密切。2000 ?2003年期间, 河

北省响应国家政策, 退耕还林任务共达117.5万hm?2,

开始建设环境保护四大体系并加以实施, 使得区内

植被覆盖变化明显, NDVI快速增长; 2004 ?2013年

期间, 考虑到城市化进程以及区内人口增长, 经济发

展的同时生态环境遭到一定破坏, NDVI呈现出增长

缓慢的趋势, 并且个别年份下降明显; 2014 ?2020年

期间, 民众环保意识不断增强, 国家环保措施力度更

大, 区内NDVI再次快速增长。

2.2 植被覆盖空间变化特征

为更好地评价区内植被空间覆盖变化, 参照已

有研究分类方法, 对NDVI进行分区[9], 总体划分为

裸露区域(?0.3~0]、低覆盖度区域(0~0.2]、中低覆

盖度区域(0.2~0.4]、中覆盖度区域(0.4~0.6]、中高

覆盖度区域(0.6~0.8]、高覆盖度区域(0.8~1]。如图3

所示, 空间上区内植被覆盖呈现明显区域差异, 从西

北上游地区 ?西南中游地区 ?东南下游地区依此呈

现低 ?高 ?低的NDVI分布, 并且存在城市分布的

周边区域植被覆盖水平偏低, 能够反映出人类活动

对NDVI影响显著。

如图4所示, 2000 ?2020年期间, 区内裸露、低

覆盖度区域所占比例很低, 变化趋势不显著; 中低覆

盖度区域占比降速为?0.0004?a?1, 区内所占比例较稳

定; 中覆盖度和中高覆盖度区域占比降速分别为

?0.0058?a?1和?0.0057?a?1, 二者区内所占比例逐年降

低; 高覆盖度区域占比增速为0.012?a?1, 区内所占比

例增长十分显著。整体来看, 裸露区、低覆盖度区

域和中低覆盖度区域的区内占比变幅不大, 其变化

不显著; 中覆盖度以及中高覆盖度区域的区内占比

呈现逐年递减趋势; 高覆盖度区域的区内占比呈现

逐年递增趋势。表明植被覆盖程度较低区域在研究

时段趋于稳定, 中覆盖度及中高覆盖度区域逐年向

高覆盖度区域转化, 高覆盖度区域比例逐年增大。

2000?2020年不同植被覆盖分区的比例变化如

表4所示。2020年中高及高植被覆盖度区域面积比

例最大, 分别为53.40%和39.42%, 低植被覆盖度区

表 3 驱动力大小判据区间及交互作用类型

Table 3 Model driving force size criterion of interval and interaction

判据区间 Criterion of interval 交互作用 Interaction

q(X1∩X2)
Min[q(X1), q(X2)]
q(X1∩X2)>Max[q(X1), q(X2)] 双因子增强 Dual factor enhancement

q(X1∩X2)=q(X1)+q(X2) 独立 Independence

q(X1∩X2)>q(X1)+q(X2) 非线性增强 Nonlinear enhancement



y=0.0126x?24.562

y=0.0004 x?0.0242

y=0.0087x?16.869

0.60

0.65

0.70

0.75

0.80

2000 2001 2002 2003 20042005 2006 2007 2008 2009 2010 2011 2012 2013 20142015 2016 2017 2018 2019 2020

NDVI

年份 Year

2000—2004 2004—2014 2014—2020



图 2 2000—2020年滹沱河流域内各年5—9月NDVI变化趋势

Fig. 2 Variation trend of NDVI from May to September in the Hutuo River Basin from 2000 to 2020

1742 中国生态农业学 报 (中英文 )?2022 第 30 卷

http://www.ecoagri.ac.cn

域比例较低, 仅占0.13%。区内高植被区域所占面积

比例增长幅度很大, 从2000年10.72%增长到2020

年39.42%, 总体说明区内的植被生态状况趋于良性

发展。

2.3 植被覆盖变化趋势分析

利用一元线性回归方法, 分析区内植被覆盖变

化趋势情况。2000 ?2020年区内植被恢复效果显

著, 如图5所示。区内繁峙县以北、定襄西北部和

忻府区南部NDVI增长十分明显。但是上游山间盆

地区域、中游南部以及下游石家庄周边区域位置退

化明显, 这与区内人口的增长、城市化进程以及区

域的经济发展息息相关, 并且下游区域人口分布密

集, 这也是造成下游区域植被覆盖大面积退化现象

的主要原因[34]。总体来说, 区内植被覆盖趋势变化存

在明显的空间差异性, 植被恢复以轻度改善为主, 覆

盖范围占区内77.07%, 基本稳定以及明显改善区域

分别占8.92%和3.93%, 其次退化区域共占10.08%,

Slope指数平均值为0.0035。上游区域的改善状况优

于中下游地区, 可能与中下游平原区域较上游山区

人类活动强烈有关。

2.4 气象因素对植被覆盖的影响

通过克里金插值方法[35]对气象数据进行插值处



N

0 20 40 80 120 km

裸露 Bare

低 Low

中低 Medium low

中 Medium

中高 Medium high

高 High

NDVI overlay partition

NDVI 覆盖分区



图 3 2000—2020年滹沱河流域内年平均5—9月NDVI覆盖分区

Fig. 3 Average annual NDVI overlay partition from May to September in the Hutuo River Basin from 2000 to 2020



y=?0.0004 x+0.8368

y=?0.0058 x+11.845

y=?0.005 7x+12.127

y=0.01 2x?23.801

0

10

20

30

40

50

60

70

80

20002001200220032004200520062007200820092010 20 11 201220132014201520162017201820192020

占比

Proportion (%)

年份 Year

(?0.3~0]

(0.4~0.6]

(0~0.2]

(0.6~0.8]

(0.2~0.4]

(0.8~1.0]



图 4 滹沱河流域内各年NDVI覆盖分区比例变化

Fig. 4 Changes of proportion of NDVI overlay partition of Hutuo River Basin in different years

第 11 期 丁永康等 : 基于地理探测器的滹沱河流域植被覆盖时空变化与驱动力分析 1743

http://www.ecoagri.ac.cn

理, 如图6所示。区内上游山西段以及下游华北平

原区域年均降水量为395.30~432.57 mm, 五台山区以

及中游南部区域年均降水量较大, 为473.38~546.14 mm,

降水量表现出明显的空间差异性。年均温度自上游

至下游呈现递增趋势, 五台山区为2.82~7.98 ℃, 中下

游区域为9.04~14.07 ℃。

降水量是控制干旱半干旱区域植被生长的主要

因子。从图7可知, 流域上游山西段西部降水量与

NDVI相关系数高达0.9, 绝大部分区域NDVI对降

水量因子的响应较为显著, 呈现出较强正相关关系。

其 中 正 相 关 与 负 相 关 面 积 比 例 分 别 为87.73%和

12.27%, 在正相关区域中分别有35.28%和6.92%的

区域通过P<0.05和P<0.01检验, 负相关区域中分别

有5.73%和1.27%通 过P<0.05和P<0.01检 验 。 温

度对NDVI影响主要位于上游北部以及中游南部等

区域, 区内温度同NDVI之间呈现弱正相关关系。其

中正相关与负面积比例分别为84.28%和15.72%,

在正相关区域中分别有21.37%和2.01%的区域通

过P<0.05和P<0.01检验, 负相关区域中分别有8.23%

和2.21%通过P<0.05和P<0.01检验; 但二者同NDVI

在阳泉、石家庄周边区域都呈现出显著的负相关关

系。区内NDVI同温度和降水量呈正相关区域大多

位于山区、盆地等区域, 并且上游人类活动较少, 随

温度升高积温增加, 植被生长环境更优, 促使上游区

域NDVI同气象因素之间相关性更强。而下游区域

可能受人类活动影响较为显著, 导致NDVI同气象因

素之间呈现负相关关系。

2.5 各驱动因子对植被覆盖变化的影响分析

为了探究区内各驱动因子以及自然因子与人为

因子交互组合下对植被覆盖度的影响程度, 首先分

析了单因子q值大小, 进而判别占主导作用的驱动

力因子(图8), 其中包括温度、降水量、海拔、植被

类型、土壤类型、土地利用类型、人口密度和GDP

等一系列数据。

表 4 2000—2020年滹沱河流域植被NDVI区间的面积比例变化

Table 4 Changes of NDVI zoning proportion of vegetation in Hutuo River Basin during 2000—2020

覆盖分区

Overlay partition

2000 2020 2000—2020

面积

Area (km2)

比例

Percentage (%)

面积

Area (km2)

比例

Percentage (%)

面积变化

Area change (km2)

变化率

Rate of change (%)

低覆盖度区域 Low coverage area 42 0.17 32 0.13 ?10 ?0.04

中低覆盖度区域 Low and medium coverage area 360 1.50 277 1.16 ?83 ?0.34

中覆盖度区域 Medium coverage area 5338 21.62 1454 5.89 ?3884 ?15.73

中高覆盖度区域 Medium and high coverage area 16 293 65.99 13 184 53.40 ?3109 ?12.59

高覆盖度区域 High coverage area 2647 10.72 9733 39.42 7086 28.70



N

0 20 40 80 120 km

气象站 Weather station

明显退化 Obvious degradation

Slope 指数 Slope index

轻度退化 Mild degradation

基本稳定 Basically stable

轻度改善 Slight improvement

明显改善 Significant improvement

图 5 基于Slope趋势分析的滹沱河流域2000—2020年植被覆盖变化特征

Fig. 5 Variation characteristics of vegetation coverage based on Slope trend analysis in the Hutuo River Basin from 2000 to 2020

1744 中国生态农业学 报 (中英文 )?2022 第 30 卷

http://www.ecoagri.ac.cn

基于地理探测器对区内各驱动因子的q值进行

计 算 分 析(表5), 结 果 表 明 各 驱 动 因 子 对 区 域 内

NDVI的影响力排序为: 降水量(0.59)>温度(0.38)>土

地利用类型(0.33)>植被类型(0.29)>土壤类型(0.27)>

人口密度(0.15)>GDP (0.05)>海拔(0.01)。区内NDVI

空间分异是自然因子同人为因子共同作用的结果,

其中降水量、温度、土地利用类型等具有较强的贡

献率, 其q值均大于0.3, 而植被类型、土壤类型、人

口密度等贡献率相对较小。对于区内NDVI空间分

异的影响因子来说, 降水量、温度等气象因素占主

导, 人为因子中土地利用类型影响力与温度相当, 随

着人口增长、经济发展等社会因素影响, 在未来, 人

类活动同流域NDVI变化以及生态环境演化之间的

关系会更加密切。

为了重点探究自然因子与人为因子交互作用下

植被覆盖的变化, 利用地理探测器分析不同驱动因

子之间的交互作用以及对NDVI空间分异的影响

(表6)。根据表5与表6数据对比可知: 1)任意两个

驱动因子的交互作用对NDVI的影响均大于单个因

子的独立作用, 表现出双因子增强效应。2)降水量

和温度同其余各驱动因子进行交互组合, q值均大

于0.5。3)降水量与土地利用类型、人口密度、GDP

等人为因子的交互作用显著, 其q值均大于0.7, 降水

量与土地利用类型交互作用q值最大, 达0.74。

整体来看, 区内NDVI值的大小受降水量以及温

度等气象因素影响明显, 各驱动因子交互组合驱动

力显著高于单个驱动因子。同时, 人为因子对区内

NDVI值的影响程度较高, 且呈现较强的上升趋势,

以土地利用类型为代表的人为因子与降水量为代表

的自然因子的交互作用, 对区内NDVI值的变化起到

了非常关键的影响, 明显高于仅有人为因子或者仅

有自然因子间的交互作用。



N a b

0 20 40 80 120 km 0395.30~407.72407.72~420.14

420.14~432.57

432.57~445.58

445.58~458.59

458.59~473.38

473.38~487.58

487.58~501.18

501.18~517.75

517.75~546.14

20 40 80 120 km

Average annual precipitation (mm) Average annual temperature (℃)

2.82~4.72

4.72~5.91

5.91~6.97

6.97~7.98

7.98~9.04

9.04~9.97

9.97~10.72

10.72~11.69

11.69~13.06

13.06~14.07

年均降水量年均温度



图 6 2000—2020年滹沱河流域年均降水(a)及温度(b)空间分布

Fig. 6 Spatial distribution of annual average precipitation (a) and temperature (b) in the Hutuo River Basin from 2000 to 2020



N a b

0 20 40 80 120 km 0 20 40 80 120 km

温度与 NDVI 相关系数

Correlation coefficient of

temperature and NDVI

降水与 NDVI 相关系数

Correlation coefficient of

precipitation and NDVI

?0.7~0

0~0.2

0.2~0.4

0.4~0.6

0.6~0.8

0.8~0.9

?0.7~0

0~0.2

0.2~0.4

0.4~0.6

0.6~0.8

0.8~0.9

图 7 2000—2020年滹沱河流域NDVI与温度(a)、降水(b)的相关系数空间分布

Fig. 7 Spatial distribution of correlation coefficients between NDVI and temperature (a) and precipitation (b) in the Hutuo River

Basin from 2000 to 2020

第 11 期 丁永康等 : 基于地理探测器的滹沱河流域植被覆盖时空变化与驱动力分析 1745

http://www.ecoagri.ac.cn

3 讨论与结论



3.1 讨论

本文对近21年间滹沱河流域植被覆盖时空变化

特征以及驱动因子的定量分析进行了深入研究, 统

计了植被覆盖变化不同阶段增长值及增速、改善及

退化区域面积大小, 分析了区内主要的影响因子 ?

降水量和温度同NDVI之间的相关性和显著性, 使用

了地理探测器计算了相关自然因子和人为因子的驱

动力大小, 得出了区内NDVI变化的主要驱动因子。

与现有众多流域研究相比, 本文借助地理探测器定

量计算了滹沱河流域一系列影响NDVI变化的因子

驱动力大小, 同时计算了双因子交互作用下的驱动

力数值。与谷金芝等[9]、李镇等[10]对华北以及滹沱

河流域的植被时空变化演变和影响因素的研究相比,

本文将人类活动影响进行了定量化分析处理, 得出



N a b

c d

e f

0 20 40 80 120 km 0 20 40 80 120 km

0 20 40 80 120 km 0 20 40 80 120 km

0 2040 80 120 km 0 2040 80 120 km

海拔 Elevation (m)

9~213213~540

540~794794~964

964~1139

1139~13261326~1533

1533~17801780~2112

2112~3059

土壤类型 Soil type

植被类型 Vegetation type

其他 Others

针叶林 Coniferous

阔叶林 Broadleaf forest

灌丛 Shrub

耕地 Cultivated land

林地 Woodland草地 Grassland

半淋溶 Semileached soil

钙层土 Calcareous soil 城区 Urban area

江河内沙洲 River sandbar半水成土 Hemihydric soil

盐碱土 Saline-alkali soil

人为土 Artificial soil

高山土 Alpine soil

水域 Water area

建设用地 Built-up land

未建设用地 Unused land草原 Steppe

草丛 Grass

沼泽 Swamp

草甸 Meadow

栽培作物 Cultivated vegetation

土壤利用类型 Land use type

人口密度 GDP

62~96746~288

288~653

653~1138

1138~1866

1866~2754

2754~3846

3846~5019

5019~6312

967~2664

2664~4701

4701~7077

7077~9452

9452~12 620

12 620~16 127

16 127~19 861

19 861~23 368

23 368~29 912

淋溶土 Leached soil

初育土 Primary soil 湖泊、水库 Lakes, reservoirs

7849~10 355

6312~7849

Population density (persons?km?2 ) Gross domestic product (￥?km?2 )



图 8 2000—2020年滹沱河流域植被驱动因子海拔(a)、土壤类型(b)、植被类型(c)、土地利用类型(d)、人口密度(e)、

GDP(f)的空间分布

Fig. 8 Spatial distribution of vegetation driving factors of elevation (a), soil type (b), vegetation type (c), land use type (d), popula-

tion density (e), GDP (f) in the Hutuo River Basin from 2000 to 2020

表 5 2000—2020年滹沱河流域植被NDVI驱动因子 q值

Table 5 Drivers q values of vegetation in the Hutuo River Basin during 2000?2020

温度

Temperature

降水

Precipitation

海拔

Altitude

植被类型

Vegetation type

土壤类型

Soil type

土地利用类型

Land use type

人口密度

Population density GDP

0.38 0.59 0.01 0.29 0.27 0.33 0.15 0.05

1746 中国生态农业学 报 (中英文 )?2022 第 30 卷

http://www.ecoagri.ac.cn

具体的因子驱动力大小。此外, 相比于张思源等[18]、

彭文甫等[19]基于地理探测器对区域的研究, 本文结

合众多流域研究已有结论, 对主要影响流域的降水

量和温度进行了相关分析, 发现降水量同NDVI呈现

较强正相关关系, 是影响区内植被生长及年际变化

的首要因子, 这与前人研究结果保持一致[10]; 区内温

度与NDVI之间相关性较弱, 由于植被受到年际变化

的影响, 在不同的月份中, 温度对植被的生长会起到

促进或抑制的作用[14], 在过去的60年间我国北方的

平均温度增速明显高于全球[31], 温度的影响力呈现明

显波动且表现出下降趋势[36]。

众学者在考虑影响因子时, 皆以降水量和温度

为主, 对于人类活动影响因素同植被覆盖变化之间

的定量分析研究不足, 地理探测器以及残差分析法[37-38]

是目前对人类活动定量分析的两种热点方法, 其中

残差分析法是通过构建回归模型, 用遥感观测的真

实NDVI值减去预测的NDVI值得到各年的NDVI

残差, 再通过趋势分析得到人类活动对NDVI的影

响, 该方法局限性在于不能确定目前研究中, 未知的

自然影响因素是否也会对NDVI变化产生影响, 残差

分析下真实值同预测值的差值就是人类活动的影响

有待证实, 并且不能够对影响因素进行分类研究, 不

能确定各个因子的影响比重究竟如何。本次使用的

地理探测器对数据要求较高, 对于目前人类活动分

类不够精细且缺乏具体数据的情况下, 人为因子的

划分还需进一步深入研究, 再如政策因素、民众生

态环保意识等因素无法定量分析, 目前只能定性解

释。地理探测器虽能够得出单因子和双因子交互作

用下的影响力数值, 但是数据导入并进行设置分类

时, 使用自然间断点方法进行分类, 人为主观性较大,

从而也会影响驱动因子影响力的准确程度。鉴于此,

本次研究尽可能多地搜集了影响区内NDVI时空变

化的自然因子和人为因子数据, 依据国家植被类型、

土壤类型、土地利用类型大类标准, 对分类级数进

行统一, 通过计算处理, 描述了各个单因子以及双因

子交互作用下的影响力数值。区内植被覆盖状况整

体趋于良性发展, 但植被覆盖度较低区域仍需通过

持续的生态监测和野外实地调查进行重点关注, 为

区内合理利用自然资源, 实现社会经济可持续发展

提供科学支撑。

3.2 结论

本次研究旨在探究滹沱河流域2000 ?2020年间

植被覆盖时空演变特征, 结合一元线性回归、相关

分析方法以及地理探测器对自然因子和人为因子进

行综合分析, 分析各驱动因子对区内NDVI的影响程

度。总体来看, 人类活动对区内植被覆盖时空格局

产生了较强的影响, 综合考虑气象因素并合理规划

土地利用是改善区内植被覆盖的关键因素。本次主

要研究结果如下:

1) 2000?2020年每年5 ?9月, NDVI整体呈显

著增长趋势, 增长率为12.78%, 增速为0.0035?a?1。可

进一步细分为3个阶段: 第1阶段(2000 ?2003年),

NDVI增长率为6.84%, 增速为0.0126?a?1; 第2阶段

(2004?2013年), 植被覆盖变化不明显, NDVI增速

为0.0004?a?1; 第3阶段(2014 ?2020年), NDVI增长

率为7.82%, 增速为0.0087?a?1。该变化与区内生态环

境保护政策的实施以及人民群众环保意识的普遍增

强关系密切。

2)区内植被覆盖呈现明显区域差异, 从西北上

游地区 ?西南中游地区 ?东南下游地区依此呈现

低 ?高 ?低 的 NDVI分 布 ; Slope指 数 平 均 值 为

0.0035, NDVI改善区域面积为81.00%, 退化区域面

积仅为10.08%, 植被退化区域集中在阳泉与石家庄

周边人口分布密集区域, 受到人类活动影响较大。

3)研究区地处半干旱区域, 近21年植被覆盖受

到气象因素影响较大, 区内NDVI与降水量、温度整

体上均呈现正相关关系, 前者相关系数普遍大于后

者, NDVI年际变化同降水量更密切, 但阳泉、石家

庄周边地区NDVI同二者呈负相关关系。

4)近21年区内NDVI的驱动因子影响力排序

为: 降水量>温度>土地利用类型>植被类型>土壤类

型>人口密度>GDP>海拔。其中主要驱动因子为降

表 6 2000—2020 年滹沱河流域植被NDVI驱动因子交互组合驱动力数值( q)

Table 6 Statistic values of interactive driving forces (q) of NDVI driving factors in the Hutuo River Basin during 2000?2020

驱动因子

Driving factor

温度

Temperature

降水量

Precipitation

海拔

Altitude

植被类型

Vegetation type

土壤类型

Soil type

土地利用类型

Land use type

人口密度

Population density GDP

温度 Temperature 0.38

降水量 Precipitation 0.66 0.59

海拔 Altitude 0.57 0.71 0.01

植被类型 Vegetation type 0.51 0.73 0.42 0.29

土壤类型 Soil type 0.56 0.69 0.35 0.42 0.27

土地利用类型 Land use type 0.53 0.74 0.44 0.39 0.44 0.33

人口密度 Population density 0.56 0.71 0.44 0.37 0.39 0.38 0.15

GDP 0.52 0.71 0.41 0.37 0.35 0.41 0.24 0.05

第 11 期 丁永康等 : 基于地理探测器的滹沱河流域植被覆盖时空变化与驱动力分析 1747

http://www.ecoagri.ac.cn

水量、温度、土地利用类型, 其各自q值分别为0.59、

0.38、0.33, 反映出区内NDVI空间分异的影响因子

中降水量、温度等气象因素占主导, 人为因子中土

地 利 用 类 型 影 响 力 与 温 度 相 当, 人 类 活 动 同 流 域

NDVI变化以及生态环境演化之间的关系越来越密切。

5)利用地理探测器分析不同驱动因子之间的交

互作用以及对NDVI空间分异的影响表明, 各驱动因

子交互组合驱动力显著高于单个驱动因子, 表现出

双因子增强效应。同时, 人为因子对区内NDVI值的

影响程度较高, 且呈现较强的上升趋势, 以土地利用

类型为代表的人为因子与降水量为代表的自然因子

的交互作用, 对区内NDVI值的变化起到了显著影

响, 其q值为0.74, 明显高于仅有人为因子或仅有自

然因子间的交互作用。

参考文献 References

甘春英, 王兮之, 李保生, 等. 连江流域近18年来植被覆盖

度变化分析[J]. 地理科学, 2011, 31(8): 1019?1024

GAN C Y, WANG X Z, LI B S, et al. Changes of vegetation

coverage during recent 18 years in Lianjiang River

watershed[J]. Scientia Geographica Sinica, 2011, 31(8):

1019?1024

[1]

ADAMS J E, ARKIN G F. A light interception method for

measuring row crop ground cover[J]. Soil Science Society of

America Journal, 1977, 41(4): 789

[2]

刘绿柳, 许红梅. 黄河流域主要植被类型NDVI变化规律及

其 与 气 象 因 子 的 关 系[J]. 中 国 农 业 气 象, 2007, 28(3):

334?337

LIU L L, XU H M. Change of NDVI of main vegetations and

their relationship with meteorological factors in Yellow River

Basin[J]. Chinese Journal of Agrometeorology, 2007, 28(3):

334?337

[3]

ZHANG B H, ZHANG L, XIE D, et al. Application of synthetic

NDVI time series blended from landsat and MODIS data for

grassland biomass estimation[J]. Remote Sensing, 2015, 8(1):

10

[4]

DETSCH F, OTTE I, APPELHANS T, et al. Seasonal and long-

term vegetation dynamics from 1-km GIMMS-based NDVI

time series at Mt. Kilimanjaro, Tanzania[J]. Remote Sensing of

Environment, 2016, 178: 70?83

[5]

FU B, BURGHER I. Riparian vegetation NDVI dynamics and

its relationship with climate, surface water and groundwater[J].

Journal of Arid Environments, 2015, 113: 59?68

[6]

孔冬冬, 张强, 黄文琳, 等. 1982—2013年青藏高原植被物

候变化及气象因素影响[J]. 地理学报, 2017, 72(1): 39?52

KONG D D, ZHANG Q, HUANG W L, et al. Vegetation

phenology change in Tibetan Plateau from 1982 to 2013 and its

related meteorological factors[J]. Acta Geographica Sinica,

2017, 72(1): 39?52

[7]

孟丹, 李小娟, 宫辉力, 等. 京津冀地区NDVI变化及气候

因 子 驱 动 分 析 [J]. 地 球 信 息 科 学 学 报 , 2015, 17(8):

1001?1007

MENG D, LI X J, GONG H L, et al. Analysis of spatial-

temporal change of NDVI and its climatic driving factors in

Beijing-Tianjin-Hebei metropolis circle from 2001 to 2013[J].

[8]

Journal of Geo-Information Science, 2015, 17(8): 1001?1007

谷金芝, 宫兆宁. 2001—2015年华北平原植被覆盖度时空变

化特征及影响因素分析[J]. 测绘与空间地理信息, 2018,

41(8): 47?51

GU J Z, GONG Z N. Temporal and spatial variation

characteristics of vegetation coverage and its influencing factors

in North China Plain in the past 15 years (2001?2015)[J].

Geomatics & Spatial Information Technology, 2018, 41(8):

47?51

[9]

李镇, 齐菲, 尚国琲, 等. 滹沱河流域植被覆盖时空演变及

其与SPEI的相关关系[J]. 南水北调与水利科技, 2018, 16(1):

135?143

LI Z, QI F, SHANG G F, et al. Spatial-temporal change of

vegetation cover and its relationship with SPEI in Hutuo River

Basin[J]. South-to-North Water Transfers and Water Science &

Technology, 2018, 16(1): 135?143

[10]

刘启兴, 董国涛, 景海涛, 等. 2000—2016年黄河源区植被

NDVI变化趋势及影响因素[J]. 水土保持研究, 2019, 26(3):

86?92

LIU Q X, DONG G T, JING H T, et al. Change trend of

vegetation NDVI and its influencing factors in the source region

of the Yellow River in the period from 2000 to 2016[J].

Research of Soil and Water Conservation, 2019, 26(3): 86?92

[11]

RAFIQUE R, ZHAO F, DE JONG R, et al. Global and regional

variability and change in terrestrial ecosystems net primary

production and NDVI: a model-data comparison[J]. Remote

Sensing, 2016, 8(3): 177

[12]

李晓荣, 高会, 韩立朴, 等. 太行山区植被NPP时空变化特

征 及 其 驱 动 力 分 析[J]. 中 国 生 态 农 业 学 报, 2017, 25(4):

498?508

LI X R, GAO H, HAN L P, et al. Spatio-temporal variations in

vegetation NPP and the driving factors in Taihang Mountain

Area[J]. Chinese Journal of Eco-Agriculture, 2017, 25(4):

498?508

[13]

GONG Z N, ZHAO S Y, GU J Z. Correlation analysis between

vegetation coverage and climate drought conditions in North

China during 2001–2013[J]. Journal of Geographical Sciences,

2017, 27(2): 143?160

[14]

赵舒怡, 宫兆宁, 刘旭颖. 2001—2013年华北地区植被覆盖

度 与 干 旱 条 件 的 相 关 分 析 [J]. 地 理 学 报 , 2015, 70(5):

717?729

ZHAO S Y, GONG Z N, LIU X Y. Correlation analysis

between vegetation coverage and climate drought conditions in

North China during 2001?2013[J]. Acta Geographica Sinica,

2015, 70(5): 717?729

[15]

崔灿, 郭英, 沈彦俊. 新疆荒漠植被的时空分布变化及其驱

动 因 素 [J]. 中 国 生 态 农 业 学 报 (中 英 文 ), 2021, 29(10):

1668?1678

CUI C, GUO Y, SHEN Y J. Spatio-temporal variation in and the

driving factors of desert vegetation in Xinjiang[J]. Chinese

Journal of Eco-Agriculture, 2021, 29(10): 1668?1678

[16]

王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报,

2017, 72(1): 116?134

WANG J F, XU C D. Geodetector: principle and prospective[J].

Acta Geographica Sinica, 2017, 72(1): 116?134

[17]

张思源, 聂莹, 张海燕, 等. 基于地理探测器的内蒙古植被

NDVI时 空 变 化 与 驱 动 力 分 析[J]. 草 地 学 报, 2020, 28(5):

1460?1472

ZHANG S Y, NIE Y, ZHANG H Y, et al. Spatiotemporal

variation of vegetation NDVI and its driving forces in Inner

[18]

1748 中国生态农业学 报 (中英文 )?2022 第 30 卷

http://www.ecoagri.ac.cn

Mongolia based on geodetector[J]. Acta Agrestia Sinica, 2020,

28(5): 1460?1472

彭文甫, 张冬梅, 罗艳玫, 等. 自然因子对四川植被NDVI

变化的地理探测[J]. 地理学报, 2019, 74(9): 1758?1776

PENG W F, ZHANG D M, LUO Y M, et al. Influence of natural

factors on vegetation NDVI using geographical detection in

Sichuan Province[J]. Acta Geographica Sinica, 2019, 74(9):

1758?1776

[19]

李晓丽, 曹敏, 茆杨. 基于地理探测器的西南岩溶槽谷区近

20年NDVI变化特征及影响因素[J]. 水土保持学报, 2021,

35(6): 38?44, 54

LI X L, CAO M, MAO Y. Variation characteristics and

influencing factors of NDVI in Karst trough area of Southwest

China in recent 20 years based on geo-detector[J]. Journal of

Soil and Water Conservation, 2021, 35(6): 38?44, 54

[20]

韩如意, 赵鹏宇, 付广军. 滹沱河山区气候和生态环境演变

研究进展[J]. 忻州师范学院学报, 2014, 30(5): 62?68

HAN R Y, ZHAO P Y, FU G J. The study advances on climate

and ecological environment evolution in Hutuo River

mountainous regions[J]. Journal of Xinzhou Teachers

University, 2014, 30(5): 62?68

[21]

石嘉丽, 张晓龙, 李红军, 等. 河北坝上地区绿水时空变化

及其驱动因素研究[J]. 中国生态农业学报(中英文), 2021,

29(6): 1030?1041

SHI J L, ZHANG X L, LI H J, et al. Spatial-temporal changes in

green water and its driving factors in the Bashang area of Hebei

Province[J]. Chinese Journal of Eco-Agriculture, 2021, 29(6):

1030?1041

[22]

SHAO Y, LUNETTA R S, WHEELER B, et al. An evaluation

of time-series smoothing algorithms for land-cover

classifications using MODIS-NDVI multi-temporal data[J].

Remote Sensing of Environment, 2016, 174: 258?265

[23]

WYLIE B K, ZHANG L, BLISS N, et al. Integrating modelling

and remote sensing to identify ecosystem performance

anomalies in the boreal forest, Yukon River Basin, Alaska[J].

International Journal of Digital Earth, 2008, 1(2): 196?220

[24]

PSOMAS A, KNEUBüHLER M, HUBER S, et al.

Hyperspectral remote sensing for estimating aboveground

biomass and for exploring species richness patterns of grassland

habitats[J]. International Journal of Remote Sensing, 2011,

32(24): 9007?9031

[25]

FYLLAS N M, PATI?O S, BAKER T R, et al. Basin-wide

variations in foliar properties of Amazonian forest: phylogeny,

soils and climate[J]. Biogeosciences, 2009, 6(11): 2677?2708

[26]

李林叶, 田美荣, 梁会, 等. 2000—2016年呼伦贝尔草原植

被覆盖度时空变化及其影响因素分析[J]. 生态与农村环境学

报, 2018, 34(7): 584?591

LI L Y, TIAN M R, LIANG H, et al. Spatial and temporal

changes of vegetation coverage and influencing factors in Hulun

Buir grassland during 2000?2016[J]. Journal of Ecology and

Rural Environment, 2018, 34(7): 584?591

[27]

孙雷刚, 郑振华. 基于RS的近30年滹沱河流域植被覆盖度

动态变化研究[J]. 地理与地理信息科学, 2014, 30(6): 36?40,

45, 127

SUN L G, ZHENG Z H. RS-based study on dynamic change of

vegetation coverage in Hutuo River watershed in the past 30

years[J]. Geography and Geo-Information Science, 2014, 30(6):

36?40, 45, 127

[28]

刘增力, 郑成洋, 方精云. 河北小五台山主要植被类型的分

布 与 地 形 的 关 系: 基 于 遥 感 信 息 的 分 析[J]. 生 物 多 样 性,

[29]

2004, 12(1): 146?154

LIU Z L, ZHENG C Y, FANG J Y. Relationship between the

vegetation type and topography in Mt. Xiaowutai, Hebei

Province: a remote sensing analysis[J]. Chinese Biodiversity,

2004, 12(1): 146?154

阿多, 赵文吉, 宫兆宁, 等. 1981—2013华北平原气候时空

变化及其对植被覆盖度的影响[J]. 生态学报, 2017, 37(2):

576?592

ADUO, ZHAO W J, GONG Z N, et al. Temporal analysis of

climate change and its relationship with vegetation cover on the

North China Plain from 1981 to 2013[J]. Acta Ecologica Sinica,

2017, 37(2): 576?592

[30]

李薇, 谈明洪. 太行山区不同坡度NDVI变化趋势差异分

析[J]. 中国生态农业学报, 2017, 25(4): 509?519

LI W, TAN M H. NDVI variation tendency under different

slopes in Taihang Mountain[J]. Chinese Journal of Eco-

Agriculture, 2017, 25(4): 509?519

[31]

张景华, 封志明, 姜鲁光, 等. 澜沧江流域植被NDVI与气

候 因 子 的 相 关 性 分 析 [J]. 自 然 资 源 学 报 , 2015, 30(9):

1425?1435

ZHANG J H, FENG Z M, JIANG L G, et al. Analysis of the

correlation between NDVI and climate factors in the Lancang

River Basin[J]. Journal of Natural Resources, 2015, 30(9):

1425?1435

[32]

金凯, 王飞, 韩剑桥, 等. 1982—2015年中国气候变化和人

类活动对植被NDVI变化的影响[J]. 地理学报, 2020, 75(5):

961?974

JIN K, WANG F, HAN J Q, et al. Contribution of climatic

change and human activities to vegetation NDVI change over

China during 1982?2015[J]. Acta Geographica Sinica, 2020,

75(5): 961?974

[33]

王金哲, 张光辉, 聂振龙, 等. 滹沱河流域平原区人类活动

强度的定量评价[J]. 干旱区资源与环境, 2009, 23(10): 41?44

WANG J Z, ZHANG G H, NIE Z L, et al. Quantintative

assessment of human activity intensity in Hutuohe

Catchment[J]. Journal of Arid Land Resources and

Environment, 2009, 23(10): 41?44

[34]

李俊晓, 李朝奎, 殷智慧. 基于ArcGIS的克里金插值方法及

其应用[J]. 测绘通报, 2013(9): 87?90, 97

LI J X, LI C K, YIN Z H. ArcGIS based Kriging interpolation

method and its application[J]. Bulletin of Surveying and

Mapping, 2013(9): 87?90, 97

[35]

VICENTE-SERRANO S M, BEGUERíA S, LóPEZ-MORENO

J I. A multiscalar drought index sensitive to global warming: the

standardized precipitation evapotranspiration index[J]. Journal

of Climate, 2010, 23(7): 1696?1718

[36]

刘斌, 孙艳玲, 王中良, 等. 华北地区植被覆盖变化及其影

响 因 子 的 相 对 作 用 分 析[J]. 自 然 资 源 学 报, 2015, 30(1):

12?23

LIU B, SUN Y L, WANG Z L, et al. Analysis of the vegetation

cover change and the relative role of its influencing factors in

North China[J]. Journal of Natural Resources, 2015, 30(1):

12?23

[37]

周洪建, 王静爱, 岳耀杰, 等. 人类活动对植被退化/恢复

影 响 的 空 间 格 局 ?以 陕 西 省 为 例[J]. 生 态 学 报, 2009,

29(9): 4847?4856

ZHOU H J, WANG J A, YUE Y J, et al. Research on spatial

pattern of human-induced vegetation degradation and

restoration: a case study of Shaanxi Province[J]. Acta Ecologica

Sinica, 2009, 29(9): 4847?4856

[38]

第 11 期 丁永康等 : 基于地理探测器的滹沱河流域植被覆盖时空变化与驱动力分析 1749

http://www.ecoagri.ac.cn