广东省植被叶面积指数时空变化特征及其影响因素.pdf

第45卷第4期2023年7 月毛智慧，黎丽莉，程露，等.广东省植被叶面积指数时空变化特征及其影响因素 J.地球科学与环境学报，2 0 2 3，45（4）：9 0 7-9 19.MAO Zhi-hui,LI Li-li,CHENG Lu,et al.Spatio-temporal Variation of Vegetation Leaf Area Index and Its Influencing Factors inGuangdong Province,ChinaJ.Journal of Earth Sciences and Environment,2023,45(4):907-919.D01:10.19814/j.jese.2022.07007地球科学与环境学报Journal of Earth Sciences and Environment广东省植被叶面积指数时空变化特征及其影响因素Vol.45No.4July2023环境与可持续发展专刊毛智慧1-2,黎丽莉1,2*，程露1-2,杜建军1.2（1.仲恺农业工程学院资源与环境学院，广东广州510 2 2 5；2.仲恺农业工程学院广东省农业产地环境污染防控工程技术研究中心，广东广州510 2 2 5)摘要：植被变化是评价生态环境和衡量地表植被状况的重要指标之一，探讨植被的时空动态变化特征及其影响因素对生态环境的保护及植被的恢复建设具有重要意义。基于MODIS叶面积指数(LAI)卫星遥感产品、气象数据和社会经济数据，运用Theil-SenMedian趋势分析、Mann-Kendall显著性检验、Hurst指数分析和地理探测器等方法，探究了广东省2 0 0 3 2 0 2 0 年叶面积指数的时空变化特征及其影响因素。结果表明：2 0 0 3 2 0 2 0 年，广东省叶面积指数年际变化呈现为波动上升趋势（增长率为0.2 19/10 a），叶面积指数季节均值的增长率从大到小依次为冬季（0.40 5/10 a）、春季（0.2 51/10 a）、秋季（0.13 9/10 a)和夏季（0.111/10 a）；在空间上，叶面积指数表现为西北高、东南低的特征，低值区主要集中在珠江三角洲地区和沿海经济区；叶面积指数未来变化趋势以弱反持续性和弱持续性为主，持续改善区域的面积远远大于持续退化区域的面积，说明广东省植被覆盖未来改善的可能性较大；叶面积指数主要影响因素为高程、人口密度和GDP，其中高程的影响最为显著，对叶面积指数空间分异的解释力为16.9%，且双因素的交互作用能增强对叶面积指数空间分异的解释力。关键词：叶面积指数；Theil-SenMedian趋势分析；Mann-Kendall显著性检验；Hurst指数；地理探测器；交互作用；时空变化；广东中图分类号：X87;TP79Spatio-temporal Variation of Vegetation Leaf Area Index and ItsInfluencing Factors in Guangdong Province,ChinaMAO Zhi-huil-,LI Li-lil.2*,CHENG Lul-2,DU Jian-junl.?(1.College of Resources and Environment,Zhongkai University of Agriculture and Engineering,Guangzhou 510225,Guangdong,China;2.Guangdong Provincial Engineering and Technology ResearchCenter for Agricultural Land Pollution Prevention and Control,Zhongkai University of Agriculture andAbstract:Vegetation variation is one of important indicators to evaluate the quality of ecologicalenvironment and measure the status of surface vegetation.Exploring the spatio-temporal dynamicvariation of vegetation and its influencing factors is of great significance for the protection of收稿日期：2 0 2 2-0 7-0 4；修回日期：2 0 2 2-11-2 4基金项目：国家自然科学基金项目（42 0 0 7 2 0 5）；广东省自然科学基金项目（2 0 2 2 A1515011077)作者简介：毛智慧（1997-），女，四川乐山人，农学硕士研究生，E-。*通讯作者：黎丽莉（198 9-），女，湖南岳阳人，副教授，理学博士，E-。文献标志码：AEngineering,Guangzhou 510225,Guangdong,China)投稿网址：http：/je s e.c h d.e d u.c n/文章编号：16 7 2-6 56 1（2 0 2 3)0 4-0 9 0 7-13908ecological environment and the restoration of vegetation.Based on MODIS LAI satellite remotesensing products,meteorological data and socio-economic data,the spatial-temporal variation ofLAI and its influencing factors in Guangdong province from 2003 to 2020 were explored throughTheil-Sen Median trend analysis,Mann-Kendall significance test,Hurst index analysis andgeographic detector.The results show that the variation of LAI annual mean exhibits afluctuating upward trend(0.219/10a)from 2003 to 2020,and the LAI seasonal average in thedescending order are winter(0.405/10a),spring(0.251/10a),autumn(0.139/10a)and summer(0.111/10a);spatially,high values of LAI are distributed in the northwest,while low values aredistributed in the southeast,mainly in the Pearl River Delta and coastal economic zone.LAIshowes a weakly sustainable and weakly anti-sustainable trend in the future.Moreover,the areawith sustainability and improvement is larger than the area showing stability and degradation,indicating the strong possibility of improvement for vegetation in Guangdong province in thefuture.The main influencing factors of LAI in Guangdong province are elevation,populationdensity and GDP,of which elevation has the most impact with an explanatory power of 16.9%for LAI spatial distribution.Moreover,the interaction of two factors could enhance theexplanatory power of LAI spatial distribution in Guangdong province.Key words:LAI;Theil-Sen Median trend analysis;Mann-Kendall significance test;Hurst index;geographic detector;interaction;spatio-temporal variation;Guangdong0 引 言植被是陆地最重要的生态系统，覆盖了地球大部分陆地表面并强烈地影响着地球生态环境，同时又反映了气候变化和人类活动的影响，是描述生态环境变化的重要参数之一 1-2。植被指数不仅可以直接反映植被的生长情况，同时也是监测水土流失、土壤侵蚀以及土壤干旱等各种灾害的重要指标，被广泛用于生态环境监测、作物估产、土壤情监测等各种领域 3-41。到目前为止，已有40 多种植被指数被开发用于量化反映植被生长状况和表征植被结构 5-6。现阶段针对植被动态变化的研究多基于归一化植被指数(Normalized Vegetation Index,ND-VI)来反映植被的时空动态变化，但有研究表明，叶面积指数（Leaf Area Index，L A I)在研究植被动态变化时更能反映植被的结构参数，可以更加真实有效地反映植被与其他因素相互作用的结果 7。叶面积指数是指单位地表面积上植被叶子总表面积占地表面积的倍数，是植被冠层的重要结构参数之一 8。传统获取叶面积指数的方法通常是通过光学仪器进行实地测量，这种方式虽然能够准确获取数据，但存在耗时费力、时效性差及效率低等问题 9。遥感技术能在较大空间和时间范围内对叶面积指数进行长时间、周期性观测，已被广泛用于监测区域和全球范围内的陆地植被生长 10。大量研究地球科学与环境学报表明，叶面积指数在植物冠层结构 11、作物种植密度 12、作物产量评估 13 等研究领域已成为必不可少的重要参数。目前，叶面积指数时空特征研究主要集中在基于历史数据的时空变化定量分析 14-15，极少对其时空变化趋势进行预测。并且，随着城市现代化进程加快，城市扩张和工业建设导致了土地利用类型的结构改变，人类活动造成的植被覆盖变化越来越突出 16。现有研究大多使用线性相关分析的方法分别探讨叶面积指数与自然、社会影响因素之间的相关性，无法实现对不同类型影响因素作用力的量化，而且无法探究影响因素之间的协同作用 17-18。地理探测器是探测空间分异性的方法，不仅能有效识别植被覆盖空间分异的主要影响因素，还能解释两个影响因素之间的交互关系 19-2 0。因此，本文拟使用长时间序列的卫星遥感数据对广东省叶面积指数未来变化趋势进行探索，结合地理探测器定量化评估自然因素和社会经济因素对叶面积指数空间分异的影响，从而更加科学地了解植被变化情况，为区域环境治理和生态环境改善提供参考。广东省作为沿海开放省份，近年来随着城市化和工业化进程，植被覆盖发生了较大变化。许多学者针对广东省植被时空变化特征及其影响因素展开了研究，但现有研究多以归一化植被指数作为研究对象。例如，Shobairi 等以2 0 0 12 0 10 年的 MO-DIS归一化植被指数月度合成数据为主要信息源，2023年第4期发现广东省植被覆盖时间趋势总体保持不变 2 1；王思等基于MOD13Q1数据对2 0 0 0 2 0 2 0 年广东省植被覆盖时空特征进行分析，发现广东省植被覆盖呈波动增长趋势且以中高植被覆盖为主 2 2；徐勇等采用同样的数据产品分析了2 0 0 12 0 19年广东省时空格局变迁及变化，发现广东省植被覆盖呈现波动下降趋势，且呈上升趋势的面积略低于呈下降趋势的面积 2 3；邓玉娇等则使用2 0 0 0 2 0 18 年MOD13A3数据，揭示广东省植被动态变化与气温、降水和日照时数显著相关 2 4。但是，高植被覆盖区的归一化植被指数存在易于饱和的缺陷，即植被指数不再随着植物的生长而继续增加，不利于反映真实的植被动态变化情况 2 5。Ren等研究认为，在气候变化的背景下，将叶面积指数作为陆地生态循环系统的重要参数，对植被的生长情况进行监测，并探究其与相关影响因素之间的关系已逐步成为研究重点 2 6。为了评估广东省植被变化趋势及其影响因素，本文采用MODIS叶面积指数卫星遥感产品，结合地学分析手段，揭示广东省植被时空变化特征及其相关影响因素，以期为广东省生态环境格局的构建提供科学依据。1研究区概况广东省位于中国南方，经度范围为10 945 E11720E，纬度范围为2 0 0 9 N2 53 1 N，面积为179700km，地理特征如图1所示。地势主要呈北高南低，地貌以山地、丘陵占优势，其中山地约占总面积的3 5%，丘陵占2 8.5%，台地占15%。广东省辖内河流众多，集水面积大于10 0 km的河流有345条，大于10 0 0 km的有3 8 条，这些河流分属于珠江、韩江、粤东沿海和粤西沿海水系。广东省从北向南跨越了中亚热带、南亚热带、热带3 个温度带，气候类型主要为亚热带季风气候。在复杂多样的气候条件及优越的水热条件下，广东省植被类型丰富多样，主要为常绿阔叶林，包括南亚热带常绿阔叶林、中亚热带常绿阔叶林和石灰岩半绿常绿阔叶林等。该地区是我国物种多样性最高的地区之一，具有明显的地带性植被特征。在社会经济方面，根据2 0 2 1年广东统计年鉴2 7，广东省2 0 2 0 年末常住人口12 6 2 4万人，GDP达110 7 6 0.9 4亿元，连续3 2年居全国首位。此外，广东省是中国进出口贸易规模最大的省份，也是粤港澳大湾区经济发展的引擎，是我国经济最为发达的省份之一。毛智慧，等：广东省植被叶面积指数时空变化特征及其影响因素数据来源与分析方法2.1梦数据来源本文所使用的遥感数据为MODIS叶面积指数卫星遥感数据集（MCD15A2H），空间分辨率为50 0m，来自美国国家航空航天局（https：/lp d a a c.usgs.gov/）。该产品从2 0 0 2 年7 月开始采集，为8天最大值合成数据，避免了生长期、云雨天气和大气条件的影响，能有效表征植被覆盖状况 2 8。本文使用的气象数据来源于国家气象数据中心(http:/ Evaluation Model)数据来源于地理空间数据云（http：/w w w.g s c lo u d.c n/），空间分辨率为3 0 m。社会经济数据来源于2 0 2 1年广东统计年鉴(http:/ Median 趋势分析Theil-Sen Median趋势分析又被称为Sens斜率，是由 Sen提出的一种对数据误差有较强抵抗能力的非参数趋势分析方法，能逐像元地分析植被的波动规律和动态变化 2 9。其计算公式为Sir=median(二)1 ijO时，表示增长趋势，当SLAI0sgn(aj-a,)=o;-a;=0(1aj-a;10时，统计量S近似等于标准正态检验统计量（Z)，可用于检验趋势。其表达式为S-1S0VVar(S)Z=0S+1VVar(S)Var(S)=n(n-1)(2n+5)一,t,(t,-1)(2t,+5)/18式中：m为时间序列数据中重复数据集的个数；tp为第p组中的重复数据集值。当IZIZ1-/2时，可以拒绝零假设，意味着在该数据中存在一个显著的趋势；当|Z|Z1-/2时，将接受趋势的零假设。本文将=0.05定义为给定的显著性水平，则Z1-/2=1.96。2.2.3Hurst 指数Hurst指数由英国水文学家Hurst首先提出，地球科学与环境学报111112肇庆广州惠州汕尾佛山东莞云浮中山深圳江门珠海，茂名阳江70km0(a)行政区划111112070kmL(c)坡度Fig.1 Geographical Features of Guangdong ProvinceS=0S02023年113114韶关清远113115河源梅州潮州汕头23222120114115坡度25图1广东省地理特征多用于研究长时间序列数据的变化趋势是否具有持续性特征，在水文学、气候学和地球化学等领域有着广泛应用 3 2。其基本原理为：对于给定的叶面积指数时间序列(ILAI,),t=1,2,3，,n,有任意时刻t（4)1,则可以构建该时刻的叶面积指数均值。某一时刻的叶面积指数均值(ILAI.）表达式为ILAI.,=1 Z,LAl.(6)(5)式中：ILAI.为某一时刻的叶面积指数，t=1,2，3,n。累积离差（X(t.t)）表达式为X(a)=(ILA1.-ILA.）1t t (7)极差（R()）表达式为Rct)=max X(c)-min X(.)tt标准差（S(t)）表达式为S()=Z,(ILAI LAI.)11611611711725242322212011025N24110N111111112070 kmL(b)地形112113070kmL(d)坡向113114水系高程/m1885-10114115坡向平坡阴坡半阴坡阳坡半阳坡1151168116117117(8)(9)第4期根据上述公式，定义R/S=R(t)/S()，若有R/Soct），则说明分析的时间序列具有Hurst现象。其中,H即为Hurst指数，由log(R/S)，=a 十HXlogn拟合得到。叶面积指数序列的完全随机性和持续性由Hurst指数决定。当0 H0.5时，表明叶面积指数序列具有反持续性，即将来会出现与之前相反的变化趋势；当H=0.5时，表明叶面积指数序列具有随机性；当0.5 H1时，说明叶面积指数序列具有长期持续性，将来依然会保持与先前基本相同的走势，而且当H越接近1，则对应着更强的持续性。2.2.4地理探测器模型地理探测器由王劲峰等提出，是一种探测空间分异性,并解释其背后驱动力的统计学方法 3 3。其核心思想为：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具有相似性。地理探测器既可以探测数值型数据、定性数据，也可以探测两因子交互作用于因变量。探测Y的空间分异性和探测某因素X多大程度上解释了属性Y的空间分异，一般用q值度量。其表达式为q=1-(10)N?式中：h=1,2，,L，为变量Y或X的分层;N,和N分别为第h层和全区的单元数；o%和。为第h层和全区Y值的方差；q的值域为0,1；当q=0时，说明X和Y之间不存在关联；q值越大，说明Y的空间分异性越明显；当q=1时，Y完全由X决定。交互作用探测是评估因素X1和X，共同作用时是否会增强或者减弱对因变量Y的解释力，或者这些因素对因变量Y的影响是相互独立的。计算方法是：首先，评估两种因素X和X对Y的q值（q（X)和q（X）);然后，再计算这两种因素交互作用时的q值（q(XinX)）;最后，对q(X）、q(X2)和q(X,nX)之间的关系进行比较。两个因素之间的关系可以分为5类，详见表1。3结果分析3.1年际时空动态变化图2 为2 0 0 3 2 0 2 0 年广东省叶面积指数年均值的时间序列变化趋势。由图2 可知，广东省叶面积指数年均值变化范围为1.9 42.6 3，研究期内叶面积指数平均值为2.2 9，最高值出现在2 0 17 年（2.6 3），整体呈现波动上升趋势，增长率为0.2 19/10a。广东省叶面积指数在2 0 0 5年、2 0 10 年、2 0 12毛智慧，等：广东省植被叶面积指数时空变化特征及其影响因素in Geographical Detector类型判据类型一q(XinX2)Min(q(Xi),q(X2)Min(q(X1),q(X2)q(Xi nX2)Max(q(Xi),q(X2)类型四q(XinX2)=q(Xi)+q(X2)类型五q(XinX2)q(Xi)+q(X2)2.92.72.52.32.11.91.71.520022200420062008201020122014201620182020图2 叶面积指数年均值变化Fig.2Variation of LAI Annual Mean年、2 0 18 2 0 2 0 年有所下降。姚新宇等研究指出，植被指数与降水之间有较为密切的关系 3 4。而广东省在2 0 0 4年末到2 0 0 5年初、2 0 10 年、2 0 12 年等都发生了较为严重的旱情，这可能是叶面积指数下降的主要原因 3 5。在经济发展带来生态环境破坏后，广东省十分重视城市绿化和植被保护，并于2013年启动了“新一轮绿化广东大行动”，实施了退耕还林、植树造林等一系列生态恢复措施，取得了显著效果，叶面积指数得到了一定的改善 3 6。在整体上，广东省叶面积指数年均值的时间序列变化趋势与王思等基于归一化植被指数得到的广东省植被覆盖变化规律 2 2 一致，都表现为波动上升的趋势，一定程度上说明基于叶面积指数数据资料研究广东省植被覆盖和生态环境变化是可靠的。利用2 0 0 3 2 0 2 0 年广东省叶面积指数年均值可计算得出其多年平均值的空间分布（图3）。由图3可知，广东省叶面积指数多年平均值变化范围为0.115.3 0，总体为2.3 0，呈现明显的空间分异特征。根据计算结果，将广东省叶面积指数空间分布分为5个等级。其中，低植被覆盖区（叶面积指数低于1)占全省总面积的14.44%，主要集中分布在珠江三角洲地区；中低植被覆盖区（叶面积指数介于12)占全省总面积的43.14%，主要分布在粤西地区和粤北梅州、清远地区；中高植被覆盖区（叶面积指数介于3 4)占全省总面积的2 0.2 1%，主要分布911表1地理探测器中交互关系的定义Table 1Definition of Interaction Relationships减弱双因素增强独立非线性增强一拟合线一叶面积指数年均值11年份交互作用情况非线性减弱单因素非线性912110111112113114115116117N25242322湛江21图3 叶面积指数年均值空间分布特征Fig.3 Spatial Distribution Characteristics of LAIAnnual Mean在粤北韶关、清远地区和珠江三角洲的肇庆地区；中植被覆盖区（叶面积指数介于2 3）和高植被覆盖区（叶面积指数高于4)分别占全省总面积的7.43%和14.7 8%，无明显集中分布区域。整体来看，广东省主要以中低植被覆盖区和中高植被覆盖区为主，总体呈北部生态发展区植被覆盖高、沿海经济带植被覆盖低的特征。Mann-Kendall显著性检验可以确定植被覆盖变化在时间序列上的趋势变化是否显著，Theil-SenMedian趋势分析则能逐像元地分析植被的波动规律和动态变化。结合Theil-SenMedian趋势分析和Mann-Kendall显著性检验，对广东省2 0 0 3 2020年叶面积指数年均值长时间序列的年变化趋势进一步分析，可以得到像元尺度上叶面积指数变化趋势。由于基本不存在叶面积指数变化趋势严格等于0 的区域，所以本文参照已有研究 3 7-3 8 1并结合实际情况，将Theil-SenMedian趋势分析结果介于一0.0 0 0 50.0 0 0 5的区域划分为稳定区域，小于一0.0 0 0 5的区域划分为退化区域，大于0.0 0 0 5的区域划分为改善区域；将 Mann-Kendall 显著性检验在0.0 5置信水平下的显著性检验结果划分为显著变化（lZI1.96)和不显著变化（Z|1.96）,并据此将广东省叶面积指数变化趋势的空间分布划分为5种类型（图4和表2）。结果表明：广东省植被覆盖严重退化、轻微退化、稳定、轻微改善和明显改善的区域分别占全省总面积的2.7 9%、6.7 5%、1.06%、3 6.0 4%和53.3 7%；广东省植被覆盖变化主要以改善为主，改善区域的面积占比为8 9.41%。这种变化趋势与其他学者的研究结果基本一致，但地球科学与环境学报110111112113114115116117N韶关25梅242322名低植被覆盖区中低植被覆盖区中植被覆盖区0100kmL2023年达梅州清远河源肇庆广州惠州佛山东莞云浮深圳江门阳江茂名湛江21中高植被覆盖区高植被覆盖区潮州揭阳头汕尾严重退化轻微退化：稳定不变0100kmL图4叶面积指数变化趋势空间分布Fig.4Spatial Distribution of LAI Variation Trends表2 叶面积指数变化趋势统计结果Table 2SStatistical Results of LAI Variation Trends类型SLAI类型一-0.0005类型二0.0005类型五0.0005改善区域面积占比（8 9.14%）与王思等使用MOD13Q1归一化植被指数产品分析得到的植被覆盖改善区域面积占比（7 8.18%）2 2 1和邓玉娇等使用MOD13A3归一化植被指数产品分析得到的植被改善区域面积占比（94.50%)2 4存在些许差异。造成差异的原因可能是：一方面，两位学者使用的植被指数、数据空间分辨率以及时间跨度与本研究均有所不同；另一方面，这两个研究使用了一元线性回归进行趋势分析，而本研究是基于Theil-SenMedian趋势分析进行的，分析方法的不同也会导致结果存在差异。植被覆盖严重退化区域主要是粤东潮汕地区和珠江三角洲中部地区，轻微改善区域主要在粤北地区，明显改善区域则主要在粤西地区，轻微退化和稳定区域则在研究区域内无明显集中分布的情况。3.2季节时空动态变化将研究区3 月至5月（春季）、6 月至8 月（夏季）、9月至11月（秋季）和12 月至次年2 月（冬季）的叶面积指数取平均值得到研究区各季节的叶面积指数，其中2 0 2 0 年冬季叶面积指数使用2 0 2 1年1月和2 月数据。广东省2 0 0 3 2 0 2 0 年各季节的叶面积指数随时间变化趋势如图5所示。由图5可知，冬季和春季叶面积指数波动较大，而夏季和秋季变化平缓。叶面积指数季节均值在秋季最高，为轻微改善明显改善1ZI趋势变化类型面积占比1.96严重退化2.79%1.96轻微退化6.75%1.96稳定1.96轻微改善36.04%1.96明显改善53.37%1.06%第4期4.0春季夏季3.5秋季一冬季3.02.52.01.51.00.52002200420062008201020122014201620182020图5叶面积指数季节均值变化Fig.5Variation of LAI Seasonal Average2.93，其次为夏季（2.7 0）、冬季（1.8 2）和春季（1.7 8）。广东省叶面积指数季节均值增长率由大到小依次为冬季、春季、秋季、夏季，增长率分别为0.405/10a、0.2 51/10 a、0.13 9/10 a、0.111/10 a。降水对植被的生长有强烈影响。广东省的降水主要集中在4月和9 月（夏季和秋季），植被生长同期出现高值，因此，夏季和秋季叶面积指数较高 3 9图6 展示了广东省2 0 0 3 2 0 2 0 年叶面积指数季节均值的空间分布。由图6 可知，广东省叶面积指数季节性空间特征差异明显。春季和冬季主要以低植被覆盖区和中低植被覆盖区为主，春季两种植被覆盖区占全省总面积的6 3.98%，秋季占6 3.6 3%；夏季和秋季则以中低植被覆盖区、中植被覆盖区和高植被覆盖区为主，夏季3 种植被覆盖区占全省总面积的8 3.17%，秋季占8 7.91%（表3）。珠江三角洲地区的植被覆盖远低于其他区域，原因可能是珠江三角洲地区是广东省主要的居住聚集地，植被在生长过程中受到人为因素的干扰较大，且珠江三角洲地区作为发展最快速的城市群，在其高度城镇化和经济发展的过程中，土地的利用类型发生了改变，大量的耕地转为经济价值更高的建设用地 3 9。而表3 叶面积指数季节均值不同等级面积占比统计结果Table 3 Statistical Results of Area Proportion of DifferentGrades of LAI Seasonal Average低植被中低植被中植被中高植被高植被季节覆盖区覆盖区覆盖区覆盖区覆盖区春季26.98%37.00%19.70%15.94%夏季8.27%29.65%25.19%8.56%28.33%秋季8.01%29.64%23.84%4.08%34.43%冬季37.31%26.32%11.26%19.01%毛智慧，等：广东省植被叶面积指数时空变化特征及其影响因素拟合线（春季拟合线（夏季）拟合线（秋季）拟合线（冬季)年份913粤北地区作为珠江三角洲的生态屏障，是广东省用材林、水源林和重点毛竹基地，以常绿阔叶林为主，因此，粤北地区在各个季节的植被覆盖均高于其他区域 40。3.3叶面积指数变化可持续分析为预测广东省叶面积指数在未来的变化趋势，本文对2 0 0 3 2 0 2 0 年广东省叶面积指数逐年时间序列数据进行Hurst指数分析（图7），并根据计算结果将其划分为6 个等级（表4）。由表4可知，广东省叶面积指数逐年时间序列的Hurst指数最大值为0.973，最小值为0.10 4，主要以弱反持续性和弱持续性为主，分别占全省总面积的43.18%和40.12%。强反持续性和强持续性的区域较少，分别占比0.36%和1.7 9%。整体来看，Hurst指数小于0.5（反向持续特征）的像元数所占比例为49.95%；Hurst指数大于0.5（同向持续特征）的像元数所占比例为50.0 5%。这说明广东省植被变化特征在未来既存在反向趋势，也存在同向趋势，且两种变化趋势的面积占比相差不大。表4叶面积指数逐年时间序列的Hurst指数统计结果Table 4Statistical Results of Hurst Indexes of LAlYear-by-year Time SeriesHurst指数范围0H0.250.25H0.350.35H0.500.50H0.650.65H0.750.75H1.00为综合反映广东省植被变化趋势及未来变化的可持续性，本文将Hurst指数与广东省叶面积指数年际变化特征进一步耦合，得到广东省植被变化趋势的可持续性特征。耦合结果可划分为5种情形，即持续改善、持续退化、稳定不变、反持续改善和反持续退化（图8 和表5)。结果表明：广东省植被覆盖未来变化趋势中，稳定不变区域的面积占比为1.06%；持续改善和持续退化区域的面积共占比49.51%，持续改善区域的面积占比43.7 8%，持续退化区域的面积占比5.7 2%；反持续改善和反持续退化区域的面积共占比49.43%，反持续退化区域的0.38%面积占比3.8 0%，反持续改善区域的面积占比45.63%。整体来看，持续改善区域的面积远大于持续退化区域的面积，说明广东省未来植被覆盖得到6.11%改善的可能性更大。持续性强度强反持续性中反持续性弱反持续性弱持续性中持续性强持续性面积占比0.36%6.41%43.18%40.12%8.14%1.79%117914110111 112N25242322广湛江21110N25242322湛江21110N25242322湛江21图7叶面积指数逐年时间序列的Hurst指数空间分布Fig.7Spatial Distribution of Hurst Indexes ofYear-by-year LAI Time Series3.4影响因素分析3.4.1因素影响力叶面积指数时空变化是多个因素协同作用后的地球科学与环境学报113114韶关清远州惠州肇庆汕尾佛山东莞云浮深圳中山江门珠海二阳江茂名070kmL(a)春季111T茂名111112 113韶关清远肇庆云浮江门木阳江茂名0L2023年115116河源梅州潮州揭阳汕头低植被覆盖区中低植被覆盖区中植被覆盖区中高植被覆盖区高植被覆盖区112113佛山东莞中山珠海低植被覆盖区中低植被覆盖区：中植被覆盖区070km(c)秋季Fig.6Spatial Distributions of LAI Seasonal Average114115河源惠州东Hurst指数00.250.250.3580.350.50100km0.500.650.650.750.751.00117114115中高植被覆盖区高植被覆盖区图6叶面积指数季节均值空间分布116117梅州小潮州110N25242322湛江21116117梅州喝阳汕头111茂名110111N25242322湛江21110N25424232221结果，因此，需综合考虑自然因素和社会因素对叶面积指数的影响 41。基于地理探测器，本文选取研究区的高程（X）、坡度（X）、坡向（X）、气温（X）、降112T070kmL(b)夏季112113韶关远惠州佛山东莞浮中山深圳江门珠海阳江茂名070kmL(d)冬季111112肇庆佛山云浮江门阳江茂名0L图8叶面积指数变化趋势持续性特征Fig.8Characteristics of Sustainability of LAlVariation Trends113佛山中山深圳低植被覆盖区中低植被覆盖区中植被覆盖区中高植被覆盖区高植被覆盖区114115河源：梅州蝎阳汕头油低植被覆盖区中低植被覆盖区中植被覆盖区中高植被覆盖区高植被覆盖区113114115116117梅州清远河源州惠州东持续性退化反持续性改善：稳定不变100km反持续性退化持续性改善114东莞一惠州115梅州喝阳汕头116117潮州潮州揭阳116T潮州第4期表5叶面积指数变化趋势持续性统计结果Table5Statistical Results of Sustainability of LAIVariation TrendSLAI范围Hurst 指数范围0.500.0005H0.50-0.00050.0005H=0.50-0.0005H0.0005H0.50水量（X,）、湿度（X。）、日照时数（X,）、G D P（X：）、人口数量（X。）、人口密度（X1o）共10 种因素，对影响叶面积指数变化的因素进行了探测。高程、坡度、坡向等3个因素是基于ASTERGDEMV330m分辨率数字高程数据提取信息作为输入数据，其余因素均求取2 0 0 32 0 2 0 年的均值作为输入数据，探测结果如图9 所示。各因素对广东省叶面积指数空间分异的解释力值从大到小依次为高程、人口密度、GDP、气温、降水量、日照时数、人口数量、坡度、湿度、坡向（除坡向和湿度外，其余各因素显著性检验值均小于0.0 1）。高程是影响广东省叶面积指数空间分异最主要的影响因素，其q值为0.16 9。坡向和湿度对叶面积指数空间分异的影响最小，且显著性检验值大于0.0 1,说明坡向、湿度与叶面积指数之间没有明显的线性关系。在自然因素中，气温和降水量对研究区叶面积指数的解释力低于高程，原因可能是研究区处于热带和亚热带地区，常年气温较高，降水充沛，为植被生长提供了有利条件，故气温和降水量对植被空间分异的影响不明显42。此外，随着“退耕还林还草”政策的实施，人类活动对叶面积指数的影响力逐渐上升，GDP和人口密度等社会因素比起自然因素更容易引起叶面积指数变化。3.4.2交互作用探测本文运用地理探测器的交互作用模块对广东省0.180.160.140.120.100.080.060.040.020XXX XX,XX,XX,X因子图9 因素探测结果Fig.9Results of Factors Detection毛智慧，等：广东省植被叶面积指数时空变化特征及其影响因素类型面积占比持续退化5.72%持续改善43.78%稳定不变1.06%反持续退化3.80%反持续改善45.63%山了该区域的叶面积指数较低39。因此，在叶面积指数低值区应制定合理的