2025, Vol. 46
2. 内蒙古自治区水资源保护与利用自治区重点实验室，呼和浩特 010018;
3. 内蒙古乌梁素海湿地生态系统国家定位观测研究站，巴彦淖尔 014404
2. Inner Mongolia Water Resource Protection and Utilization Key Laboratory, Hohhot 010018, China;
3. State Gauge and Research Station of Wetland Ecosystem, Wuliangsuhai Lake, Inner Mongolia, Bayannur 014404, China
生态环境是一个包含社会经济和自然要素的复合系统，它不仅为人类提供自然资源和生活服务，也是区域社会经济可持续发展的基础[1]. 社会经济的快速发展带来了众多生态环境问题[2]. 生境质量可以有效反映社会经济发展与区域环境之间的协调程度[3]. 因此，科学评估生境质量及其对自然环境和人类活动的影响，对区域环境和经济的可持续发展至关重要.
近年来，遥感技术因其效率和准确性的提升而被广泛应用于生境质量研究[4]. 目前，生态环境评价方法主要分为两类[5，6]：一是单一遥感生态指数，例如增强型植被指数（EVI）[4]、归一化差分植被指数（NDVI）[7]和净初级生产力（NPP）[8]等；二是综合模型，如DPSIR模型[9]和层次分析法（AHP）[10]等. 然而，使用单一指标无法全面准确地评估生境质量，存在局限性和偶然性[4，7，8]；综合模型通常需要实地收集数据，权重依赖专家打分，耗时且受主观影响大，更适用于小范围的地理单元[3，4]. 遥感生态指数（remote sensing ecological index，RSEI）[11]结合了绿度（NDVI）、湿度（WET）、干度（NDBSI）和热度（LST）4个指标，其客观的权重分配和直观的结果展示为生境质量评估提供了新方法[12]. 但RSEI的计算受到Landsat影像的时间分辨率和质量的限制[13 ~ 15]. MODIS影像具备多时相、广覆盖和易获取等优势，可用于构建RSEI以实现市级和省级等大尺度区域的生境质量评估[4]. 同时，GEE（Google Earth Engine）平台能高效在线处理大量遥感影像数据，为RSEI在大尺度区域应用中的数据处理问题提供了解决方案[16]. 在探究驱动因素时，不同因素可能存在交互作用，对生态环境产生额外影响，地理探测器可用于分析以上多因素交互作用[17]. 但不同驱动因素对生境质量的影响表现出空间异质性，多尺度地理加权回归模型（multi-scale geographically weighted regression model，MGWR）通过将空间位置纳入回归分析，克服了传统模型的局限[2]. 因此，本文采用地理探测器和MGWR研究影响区域RSEI变化的主要因素，捕捉空间变化的差异性，旨在为生境质量变化提供准确而全面的解释.
内蒙古自治区覆盖干旱和半干旱区，其复杂的生态系统对气候变化和人类活动极为敏感[18]. 政府已连续实施了多项生态保护工程[19]，但目前关于生态工程实施后的生境质量动态变化及其影响因素的研究相对缺乏，尽管已有一些研究，如闫志远等[20]分析了内蒙古近40 a不同地类中FVC的时空变化及其与气候变化的关系，揭示了气温和降水与FVC的相关性，但单一指标难以全面反映生境质量. 张雨斯等[21]通过构建遥感生态指数（RSEI）分析了呼伦贝尔地区的生境质量变化及其与气候因素的关系，发现RSEI能全面反映草原生境质量，但不足以揭示内蒙古生境的整体演变，且尚未量化生境质量对驱动因素变化的响应. 因此，本研究利用GEE平台和MODIS数据，构建2000~2022年RSEI年尺度长时间序列，监测内蒙古近23 a生境质量演化，并从空间分异角度探究关键的自然和社会经济因素对生境质量的影响，以期为政府和相关部门生态环境管理政策的制定提供科学依据和技术支持.
1 材料与方法 1.1 研究区概况内蒙古自治区，作为中国北方重要的生态屏障，紧邻蒙古国和俄罗斯，横跨欧亚大陆中部草原带（97°12′~126°04′E，37°24′~53°23′N），东西延伸2 400 km，南北宽1 700 km，总面积达118.3万km2（图 1）. 海拔介于700~1 400 m，地势自西南向东北逐渐降低，涵盖平原、山地和高原等多种地貌. 属于典型的温带大陆性气候，除大兴安岭以东的湿润和半湿润区外，气候自东向西由半湿润向半干旱和干旱过渡，具有明显的经向地带性[22]. 内蒙古地区生长季主要集中在4~9月，生长季内平均气温介于3.87~25.02℃，自东北向西南递增；年降水量为299.64 mm，自西向东逐渐增多，占全年总降水量的89.47%[23]；年蒸发量介于1 000~3 000 mm，呈由东向西递增趋势；年日照时数则自西向东递减[22，24]. 受降雨和气温等气象因素的影响，研究区西部主要是荒地和荒漠，中部以草地生态系统为主，草地面积约为880万km2，占全国草地总面积的22%，而东部则以寒温带针叶林为主[25].
|
图 1 研究区概况示意 Fig. 1 Overview of the study area |
MODIS系列遥感影像以其高时间分辨率、强数据稳定性、广覆盖范围和便捷的获取方式等优点，广泛应用于大范围生境质量监测研究[4]. 为确保生境质量RSEI的准确性，根据前人研究结果，各生态指标分量均提取自7~8月的MODIS影像[4]. 在该时段内，内蒙古地区的植被生长状态良好，不同区域的植被覆盖度差异较为明显，利于RSEI的计算. 本研究利用GEE平台调用MODIS数据（MOD13A1、MOD11A2及MOD09A1），提取NDVI、WET、NDBSI和LST，耦合构建RSEI，并对年度生态指标数据进行预处理. 预处理步骤包括云层移除、水体掩膜、裁剪镶嵌及重采样等. 然后，对每年的生态指标栅格数据进行中值合成，以消除云层、大气和太阳高度角等气象因素的影响[4].
结合研究区生态环境特点并参考现有研究成果[2]，将4个遥感生态指标（NDVI、WET、NDBSI和LST）作为内部驱动因子，以及4类地形、气候、人为和土地利用因子共计10个因子作为外部驱动因子，以探究内蒙古生境质量的驱动因素. 降水量、平均气温和蒸发量均来自国家地球系统科学数据中心（http://www.geodata.cn/）；高程数据来自地理空间数据云（https://www.gscloud.cn/），坡度和坡向则由高程计算而得；夜间灯光强度、人口密度、GDP、土地利用以及内蒙古自治区矢量边界来源于中国科学院资源环境科学与数据中心（https://www.resdc.cn/），空间分辨率均重采样至1 km×1 km. 本研究采用Asia North Lambert Conformal Conic投影坐标系.
1.3 研究方法 1.3.1 RSEI模型的构建绿度、湿度、干度和热度的综合效应显著影响人类生存，作为评估生境质量的关键因素，能够反映研究区域的生境状况[26]，并且可以通过遥感影像快速、大范围地获取. 本研究采用归一化差分植被指数（NDVI）代表绿度、湿度分量（WET）代表湿度、地表温度（LST）代表热度和干度指数（NDBSI）代表干度，在GEE平台上计算各指标，并进行了百分位数去噪和归一化处理，以消除异常值并确保各指标具有统一的量纲. 随后执行主成分分析（PCA）. 各指标的具体计算公式列于表 1. 用1减去第一主成分（PC1）的值，得到初始的遥感生态指数（RSEI0）. RSEI0的计算公式如下：
| $ \text { RSEI }_0=1-\text { PC1 }(\text { NDVI, WET, NDBSI, LST }) $ | (1) |
|
表 1 各项指标公式 Table 1 Calculation formulas of each index |
式中，NDVI表示归一化植被指数，WET表示湿度分量，LST表示地表温度，NDBSI表示建筑和裸土指数.
对RSEI0进行归一化处理后获得RSEI值：
| $ \text { RSEI }=\frac{\text { RSEI }_0-\text { RSEI }_{\text {Min }}}{\text { RSEI }_{\text {Max }}-\text { RSEI }_{\text {Min }}} $ | (2) |
式中，RSEI的取值越接近1表示生境质量越好；RSEIMin表示最小值，RSEIMax表示最大值.
1.3.2 Theil-sen & Mann-Kendall趋势分析Theil-Sen Median趋势分析是一种非参数趋势估计方法，与传统回归分析相比，它对误差不敏感，减少了异常值的影响，适用于长时间序列数据的时空趋势分析[27，28]. 本研究在像素尺度上应用该方法分析了2000~2022年间RSEI的变化趋势. Sen斜率度计算公式如下：
| $ \beta_{\mathrm{RSEI}}=\operatorname{Median}\left(\frac{\mathrm{RSEI}_j-\mathrm{RSEI}_i}{j-i}\right), \quad 1＜i＜j＜n $ | (3) |
式中，Median表示中位数，β表示变化斜率. 当β > 0时，表明RSEI随时间改善；当β=0时，表明RSEI保持不变；当β < 0时，表明RSEI在时间序列上有退化趋势. 为验证Theil-Sen Median趋势分析结果的显著性，本研究采用Mann-Kendall非参数检验. 该检验不要求数据遵循特定的分布. 当样本量n≥10时，计算标准正态分布变量的公式为：
| $ Z_{\text {МК }}= \begin{cases}\frac{S-1}{\sqrt{n(n-1)(2 n+5) / 18}}, & S>0, \\ 0, & S=0, \\ \frac{S+1}{\sqrt{n(n-1)(2 n+5) / 18}}, & S＜0,\end{cases} $ | (4) |
| $ S=\sum\limits_{k=1}^{n-1} \sum\limits_{j=k=1}^n \operatorname{sgn}\left(\mathrm{RSEI}_j-\mathrm{RSEI}_k\right) $ | (5) |
式中，显著性水平对应的阈值分别是±1.65（对应90%的置信水平）、±1.96（对应95%的置信水平）和±2.58（对应99%的置信水平）. 结果采用0.05的显著性水平进行双尾检验，根据检验结果，本研究将变化显著性分为不显著变化、微显著变化、显著变化和极显著变化这4类.
1.3.3 Hurst指数重标极差（R/S）法计算的Hurst指数作为定量描述长时序相关性的有效工具，已被广泛应用于气象学、水文学、地质学和生态学等领域，用以分析长时间序列的变化趋势[29]. Hurst指数可分为3种情况：当0≤Hurst < 0.5时，表明RSEI存在长期相关性，即RSEI未来趋势与过去23 a相反，呈反持续性；当Hurst=0.5时，表明RSEI值相互独立，具有随机性；当0.5 < Hurst≤1时，表明RSEI具有持续性，未来总体趋势与过去一致. Hurst指数的范围是[0，1]，值越接近1，表示RSEI的持续性越显著[28].
1.3.4 生境质量空间异质性莫兰指数（Moran's I）是衡量空间单元间相关性和异质性的一种常用空间自相关指标[30]. 本研究计算了全局和局部莫兰指数，以评估内蒙古生境质量空间分布的自相关性，并探究其空间集聚特征.
| $ I_{\mathrm{G}}=\frac{n \sum\limits_{i=1}^n \sum\limits_{j=1}^n \boldsymbol{W}_{i j}\left(x_i-x\right)\left(x_j-x\right)}{\sum\limits_{i=1}^n \sum\limits_{j=1}^n \boldsymbol{W}_{i j} \sum\limits_{i=1}^n\left(x_i-x\right)^2} $ | (6) |
| $ I_{\mathrm{L}}=\frac{\left(x_i-x\right) \sum\limits_{j=1}^n \boldsymbol{W}_{i j}\left(x_j-x\right)}{\sum\limits_{i=1}^n\left(x_i-x\right)^2} $ | (7) |
式中，IG和IL分别表示全局和局部莫兰指数；n为样本总数；Wij为空间权重矩阵；xi为第i个区域的RSEI值；x为研究区域RSEI的平均值. 全局莫兰指数取值范围在-1~1之间. 局部空间自相关性可分为不显著、高高聚集、低低聚集、高低聚集和低高聚集这5种类型[31].
1.3.5 地理探测器地理探测器能够揭示各因素对现象的解释能力，并分析变量间的交互作用. 该方法已在生态环境、社会科学等领域的空间数据探索性分析中证明了其潜力[32]. 本研究通过因子探测和交互作用探测分析影响RSEI的主要因素.
（1）因子探测 通过因子探测，可以分析各因子在时空上对生态质量的影响程度，并探测其大小[32]. 具体定义如下：
| $ q=1-\frac{\sum\limits_{h=1}^L N_h \sigma_h^2}{N \sigma^2} $ | (8) |
式中，q为变量对某一空间属性的解释力，h为变量的类别或分区，Nh为子区域的样本单元数量，N为整个区域的样本单元数量，L为子区域的数量，σ2为整个区域单个变量的方差，σh2为子区域的方差.
（2）交互探测 通过分析不同影响因素之间的相互作用强度，可以确定因素X1和X2共同对生态质量的解释力是否增加或减少[32]. 它们之间的关系如表 2所示.
|
|
表 2 因子交互作用类型 Table 2 Interaction types of factors |
1.3.6 普通最小二乘法（OLS）
OLS是空间建模的基础模型及分析的基准，作为全局模型，其常数项和解释变量系数是相同的，并不能反映区域之间的空间差异. 为保证地理加权回归模型（GWR）的准确性，在构建GWR模型之前，通常需要采用OLS线性回归来实现模型变量诊断[2]. 公式如下：
| $ Y_i=\beta_0+\beta_i X+\varepsilon_i $ | (9) |
式中，β0为常数项；βi为回归系数；εi为随机误差项.
1.3.7 多尺度地理加权回归（MGWR）模型GWR是对线性回归模型的改进，通过引入反映地理差异的参数，对局部范围内的变量进行差分回归，有效避免了由于变量空间差异而引起的误差. MGWR模型在GWR模型基础上改进了带宽选择，允许不同变量选择不同的带宽值，更好地反映了变量间的空间异质性特征，从而提高了回归分析的精度[33]. MGWR模型表达式如下：
| $ Y_i=\sum\limits_{j=1}^k \beta_{b u j}\left(u_i, v_i\right) x_{i j}+\beta_0\left(u_i, v_i\right)+\varepsilon_i $ | (10) |
式中，Yi表示因变量RSEI；xij表示自变量（自然或社会经济因子）；k表示参与分析的空间单位总数；εi表示随机误差项；（ui，vi）表示样本点的空间坐标. β0（ui，vi）表示i地点截距；βbwj（ui，vi）表示i处j个变量的局部回归系数，回归系数的绝对值越大，对RSEI的作用也越强.
2 结果与分析 2.1 RSEI合理性分析对2000~2022年各生态指标进行主成分分析（PCA），得到第一主成分（PC1）载荷值及特征值贡献率（表 3）. 研究期间，PC1的平均特征值贡献率达到89.70%，说明其在各生态指标中具有较强的解释能力，并代表了大部分信息. 因此，基于PC1计算的RSEI适合用于评估内蒙古地区的生境质量. 在PC1中，NDVI和WET的载荷值始终为正值，表明它们对RSEI具有正向促进作用；而NDBSI和LST的载荷值始终为负值，表明它们对RSEI具有负向抑制作用，与实际情况相符[26]. 此外，干度与热度的载荷值绝对值之和始终低于绿度与湿度的载荷值绝对值之和，这说明在内蒙古地区，干度和热度对生境质量的抑制作用较小，不及绿度和湿度的促进作用.
|
|
表 3 第一主成分载荷值及特征值贡献率 Table 3 First principal component load value and eigenvalue contribution rate |
2.2 内蒙古生境质量时空变化分析 2.2.1 内蒙古生态指标分量和RSEI时序变化特征
如图 2所示，近23 a来，NDVI呈上升趋势，其增速为0.001 7 a-1（slope=0.002 6，P < 0.01）；而WET、NDBSI和LST则呈下降趋势，增速分别为-0.000 8 a-1（slope=-0.000 4，P < 0.01）、0.008 2 a-1（slope=-0.006 2，P < 0.01）和-0.003 4 a-1（slope=-0.002 0，P < 0.01）. 同时，RSEI的均值从0.458 6（2000年）上升至0.473 2（2022年），其上升速率为0.000 6 a-1（slope=0.001 6，P > 0.05），表明内蒙古生境质量总体上呈上升趋势，但不存在显著的时间差异. 根据UF曲线观察，2003年前内蒙古的RSEI呈下降趋势，2003~2009年呈上升趋势，2009~2013年再次下降，2013年后持续上升. 而UF和UB曲线于2004年、2013年和2015年出现交汇，表明这3个年份为RSEI发生突变的年份. 从各曲线上观察，RSEI的变化走向与任一指标均不一致，表明各生态指标分量共同推动了内蒙古生境质量的变化.
|
图 2 2000~2022年内蒙古NDVI、WET、NDBSI、LST、RSEI变化曲线和RSEI变化突变点检验 Fig. 2 Change curves of NDVI, WET, NDBSI, LST, and RSEI and the mutation point test of RSEI in Inner Mongolia from 2000 to 2022 |
为定量分析内蒙古地区生境质量动态变化特征，参考2015年颁布的《生态环境质量技术评价规范》和现有相关研究结果，以0.2为间隔[4，26]，将RSEI等分为5个等级：差（0≤RSEI < 0.2）、较差（0.2≤RSEI < 0.4）、中等（0.4≤RSEI < 0.6）、良好（0.6≤RSEI < 0.8）和优秀（0.8≤RSEI≤1）.
由图 3内蒙古RSEI空间分布可知，2000年，内蒙古生境质量等级良好和优秀的区域主要集中在呼伦贝尔市、兴安盟、通辽市和赤峰市；少量分布在锡林郭勒盟的东部和南部，乌兰察布市、鄂尔多斯市、包头市和呼和浩特市；2005年，等级较差的区域向东部和南部扩张，特别是呼伦湖周围的生态环境等级由一般转为较差，等级良好和优秀的区域同时也在收缩；到2010年，等级差和较差的区域向东部扩张，河套平原地区优秀和良好等级的区域有所扩大，而研究区东部等级良好和优秀的区域进一步收缩；2015年，研究区中西部等级差和较差的区域面积有所减少，东部呼伦湖附近大多地区的生态环境等级也由较差转为一般，东部优秀和良好等级的区域有所扩大；2022年，等级差和较差的区域面积进一步减少，等级差的区域几乎仅分布在最西部的阿拉善盟，河套平原地区生境质量有所改善，锡林郭勒盟东部和呼伦湖周边地区等级较差的区域有所扩张.
|
图 3 2000~2022年内蒙古RSEI等级分布 Fig. 3 RSEI grade distribution in Inner Mongolia from 2000 to 2022 |
由图 4可知，生境质量为良好和优秀等级的区域面积在2000~2022年整体上呈增加趋势，占比增加5.26%. 由290 940.81 km2（2000年）减少到227 356.18 km2（2010年），再增加到346 864.60 km2（2022年），并在2022年达到最大值，占总面积的32.65%；一般等级的区域面积由287 823.79 km2（2000年）减少到244 900.04 km2（2022年），在2010年达到最小值（231 496.69 km2），占总面积的21.79%；差和较差等级的区域面积由483 709.80 km2（2000年）增加到603 628.26 km2（2010年），再下降到470 720.79 km2（2022年），面积占比整体下降了1.22%，在2010年面积最大，占研究区总面积的56.81%. 综上所述，从2000~2022年，内蒙古生境质量良好和优秀等级的面积不断增加，而一般、差和较差等级的面积则逐渐减少，表明研究区的生境质量呈改善趋势.
|
（b）圆环从内到外依次对应年份2000、2005、2010、2015和2022年 图 4 2000~2022年内蒙古RSEI各等级面积及占比统计 Fig. 4 Statistics on the area and proportion of RSEI in Inner Mongolia from 2000 to 2022 |
从图 5(a)和表 4可知，生境质量呈改善趋势的区域占总面积的19.09%，其中14.88%的区域属显著和极显著改善. 稳定不变的区域仅占0.32%，发生退化的区域占36.78%，显著和极显著退化的区域占2.28%. 生境质量改善的区域主要分布在河套灌区、兴安盟、通辽市和赤峰市；显著和极显著退化的区域零星分布在阿拉善盟和呼伦贝尔市. 综上所述，尽管内蒙古的生境质量在某些区域有所改善，但仍存在生态环境退化的问题.
|
图 5 2000~2022年内蒙古RSEI动态变化趋势分析 Fig. 5 Analysis of the dynamic change trend of RSEI in Inner Mongolia from 2000 to 2022 |
|
|
表 4 2000~2022年内蒙古RSEI变化趋势类别面积及占比 Table 4 Area and proportion of RSEI change trend categories in Inner Mongolia from 2000 to 2022 |
为进一步研究内蒙古生境质量未来变化趋势，通过分析RSEI的Hurst指数空间分布可知[图 5(b)]，未来，内蒙古90.84%的区域的RSEI变化趋势将与过去23 a大致相反. 以上区域主要位于大兴安岭以西的广大区域. 另外，有9.16%的RSEI持续改善，主要分布在大兴安岭附近的呼伦贝尔市、兴安盟、通辽市和赤峰市，也零星分布在内蒙古中西部地区.
2.3 内蒙古生境质量空间分异特征本研究采用全局莫兰指数（global Moran's I）和局部莫兰指数（local Moran's I）对RSEI的空间自相关性进行分析（图 6）. 2000~2022年，global Moran's I均大于0，且均通过了显著性检验，表明RSEI呈正向空间自相关性，并在空间上显著聚集. global Moran's I先上升后下降，从0.941 2（2000年）降至0.924 0（2022年），表明空间聚集性在减弱. 2005年达到最大值0.944 1，表明当年的空间聚集效应最强. 高值聚集（高高聚集）和低值聚集（低低聚集）分布明显，表明生境质量较高的区域空间相关性显著，并且聚集效应在增强. 高高聚集区主要集中在呼伦贝尔市、兴安盟、通辽市和赤峰市，中西部地区也有零星分布，面积从241 466.89 km2（2000年）减少到216 878.04 km2（2010年），后增加到272 957.89 km2（2022年），低低聚集区主要位于研究区西部，包括阿拉善盟、巴彦淖尔市、包头市、乌兰察布市北部以及锡林郭勒盟西部地区，面积从281 262.02 km2（2000年）增加到306 390.11 km2（2010年），随后减少到281 801.25 km2（2022年）. 综上所述，内蒙古生境质量经历了先下降后上升的变化.
|
图 6 2000~2022年内蒙古RSEI指数LISA聚类 Fig. 6 LISA clustering of the RSEI index in Inner Mongolia from 2000 to 2022 |
本研究基于2015年的4个遥感生态指标（NDVI、WET、NDBSI、LST）作为内在因素，地形（DEM、slope、Aspect）、气候（TEM、PRE、PET）、人为因素（GDP、POP、NLI）和土地利用（CLCD）共计10个因素作为外在因素，评估它们对内蒙古生境质量的解释力及主导因子. 使用ArcGIS 10.8的创建渔网工具创建10 km×10 km渔网，利用分区统计工具获取网格内的各因子的均值或总和，随后采用自然断点法对自变量进行分类，最后导入地理探测器进行因子探测和交互探测分析.
（1）因子探测分析 因子探测结果表明（表 5），除坡向（Aspect）、GDP和夜间灯光强度（NLI）之外，其他因子的P值均为0，表明它们对内蒙古生境质量空间分异的解释力在1%的显著性水平上极为显著. 内部驱动因子中，NDVI能最有效地指示植被生长状况，其q值在所有生态指标分量中解释力最强，表明其对区域生境质量起主导作用. 从外部驱动因子来看，降水量对内蒙古生境质量的影响最为显著，q值为0.672，其次是气温和蒸发量. GDP、人口密度和夜间灯光强度在一定程度上体现了区域经济的发展水平，对生境质量有一定的影响，但其解释力不及生态指标分量和地形指数. 此外，土地利用对内蒙古生境质量也有关键性影响.
|
|
表 5 RSEI因子探测结果1） Table 5 Results of RSEI factor detection |
（2）交互探测分析 交互作用结果表明（图 7），任意两个因素的交互作用对结果的影响均超过单个因素. 所有因素间的交互作用均表现为增强效应，未观察到独立或减弱现象，表明内蒙古生境质量变化是气候、地形、人类活动和土地利用等多种因素与遥感生态指标分量相互作用的结果. 绿度与其他因子的交互作用贡献度超过0.906，表明交互作用显著提升了主导因子的影响力，植被覆盖度和气候是影响内蒙古生境质量的主要内因，其对自然因素具有高度依赖性. 在外部因素中，降水量与生境质量的关联最为显著，其交互作用后的q值大于0.672，特别是降水与土地利用的交互作用解释了RSEI空间变异的81.5%；降水与高程的交互作用则解释了77.6%. 而人类活动对生境质量的影响相对较小. 总体来看，气温、降水量、蒸发量、高程和土地利用是影响区域RSEI空间分布的主要因素.
|
色柱表示相关系数 图 7 RSEI影响因子交互探测结果 Fig. 7 Interactive detection results of RSEI-influencing factors |
地理探测器结果表明（表 5），内蒙古的RSEI受多种因素相互作用的影响. 此外，基于解释力q和多重共线性诊断（VIF > 10的因子被排除），并综合内部主导因子与外部影响因子在各维度上的影响，选择q值大于0.1的因子进行深入的空间异质性分析，包括湿度（WET）、地表温度（LST）、高程（DEM）、坡度（slope）、降水量（PRE）和土地利用分类（CLCD）因子.
2000~2015年RSEI的Moran's I值均大于0，P值均小于0.001，表明RSEI具有显著的正向空间自相关性，可以进行地理加权回归分析. 本研究以2015年的数据为例，分别构建OLS、GWR和MGWR模型分析不同驱动因素对RSEI变化的空间效应. 表 6中MGWR模型的R²和Adjusted R2高于OLS和GWR，与OLS和GWR的阿凯克信息准则（AICc）差值远大于3，三者拟合差异明显；此外，对不同模型的残差进行空间自相关检验，发现OLS、GWR和MGWR残差的全局莫兰指数分别为0.44（P=0）、0.22（P=0）和-0.02（P=0.002），MGWR残差的全局莫兰指数相较于OLS和GWR均有明显降低，其P值也明显增大，即MGWR模型的残差空间分布更趋向于随机性. MGWR模型精度最优，可以解释研究区生境质量98.8%的变异.
|
|
表 6 OLS和MGWR结果比较 Table 6 Comparison of OLS results and MGWR results |
MGWR模型的回归系数揭示了驱动因素对RSEI变化的空间响应. 在ArcGIS 10.8平台上通过自然断点法对回归系数进行可视化（图 8）. 湿度和热度的回归系数平均值的绝对值高于其他因子，表明它们在RSEI变化中起主导作用（表 7）. RSEI与WET呈显著正相关，其回归系数在内蒙古赤峰市和巴彦淖尔市南部较高；RSEI与LST呈显著负相关，回归系数在研究区中部的锡林郭勒盟高而在周围盟市较低. 在外部驱动因素中，降水量和高程是RSEI变化的主导因素，降水量的回归系数呈现自西向东递减的趋势. 内蒙古东部植被覆盖度高，降水的增加为区域植被生长创造了良好的自然条件. 阿拉善盟地区以未利用地为主，包括沙漠、荒原和戈壁等，以上地区生态脆弱，面临严重的水土流失问题，迫切需要加强生态管理和植被恢复. 然而，RSEI与高程的空间关系复杂多变，回归系数在中部和东北部较高，西部较低，反映了研究区地形复杂和自然要素的空间差异. 土地利用对RSEI的空间影响存在显著差异，人口密集区的回归系数为正，而向西北地区则逐渐转为负相关. 各驱动因素的影响在RSEI的空间变化中表现出显著差异，这表明不同区域的RSEI变化受多种因素主导. 因此，实施分区管理策略对生境质量的可持续发展至关重要.
|
图例中的数值表示MGWR回归系数 图 8 内蒙古RSEI影响因素的空间异质性 Fig. 8 Spatial heterogeneity of RSEI-influencing factors in Inner Mongolia |
|
|
表 7 MGWR模型回归系数统计 Table 7 Regression coefficient statistics of the MGWR model |
3 讨论
本研究采用的MODIS产品在学术界已得到验证，在内蒙古地区具有一定的准确性[20]. 作为生境质量评估的关键指标，经过归一化处理的RSEI数值越大，意味着生境质量越好[34]. 内蒙古的RSEI平均值从0.458 6（2000年）下降至0.413 4（2010年），再上升至0.473 2（2022年），表明生境质量呈现出先退化后改善的趋势. 尽管内蒙古自2000年开始实施退牧还草工程、草原奖补工程及阿拉善沙漠治理工程等生态保护修复试点工程[35]，但生境质量的恢复仍相对滞后，因此，内蒙古西部的阿拉善盟仍然面临植被覆盖减少和沙漠扩张的趋势，导致RSEI持续下降. 2001年《中华人民共和国防沙治沙法》颁布后，内蒙古土地沙化程度逐渐得到控制，沙化土地面积呈现减少状态[36]，生境质量得到显著改善，但生态环境仍存在较大压力[35，37]，这表明政策因素是内蒙古生境质量变化的因素之一.
RSEI在空间上呈现出东部明显高于西部的分布特征，RSEI值较高的地区主要位于东部的呼伦贝尔地区，而值较低的区域则主要集中在中西部地区. 生境质量改善的区域主要分布在河套灌区、兴安盟、通辽市和赤峰市；造成这一现象的主要原因是，研究期间东部呼伦贝尔的植被覆盖度在适宜的水热组合以及人类积极干预下得到明显的提升[38]，较高的植被覆盖度使得研究区具有较强的防风固沙和土壤保持能力[39]. 中西部地区主要由草原和荒漠组成，经常受到沙尘暴和干旱等不同气候灾害的影响，加之如畜牧业、草原开垦和矿产资源开发等人类活动的影响，从而导致研究区中西部的草地资源发生退化，研究前期的（2000~2010年）沙漠的面积不断扩大[40]，内蒙古人工建设用地经历了由加速扩张到缓慢扩张的转变[41]，地表的建筑和裸露土地会导致地表变得更加“干化”，进而导致该地区的生态质量下降. 因此，研究区中西部的生境质量较东部差. 随着政策的实施，锡林郭勒和呼伦贝尔等地的草地面积逐年增加，阿拉善等地的沙漠面积有所减少[40，42]，生境质量向好，这与研究后期（2010~2022年）生境质量改善这一研究结果相符. 本研究期间呼伦贝尔等地的植被覆盖度等级上升，水土保持能力增强，降水利用效率逐渐上升，气候湿润度增大[38，43，44]，中西部地区虽有“草进沙退”的趋势，但该地区生态环境本底较为脆弱[35，45]，因此，明显改善地区集中分布在东部.
地理探测器和MGWR结果表明，气候、地形和土地利用等因素对内蒙古生境质量影响显著. 绿度与其他因子相互作用的协同效应显著增强，而降水量、气温、蒸发量、高程和土地利用是外部主导驱动因子. 特别是绿度与湿度交互作用的解释力一直高于干度与热度的交互作用，表明过去23 a中，对内蒙古产生积极影响的因子的解释力大于消极影响的因子. 社会经济因素对生境质量的影响在统计上并不显著，GDP、人口密度和夜间灯光在分析中没有表现出直接的空间相关性. 这种现象归因于内蒙古地域辽阔，人口稀少，且存在许多无人区[41，46]. 海拔、降水量、温度和蒸发量也间接地对生态指标分量起作用. 因此，自然因素在生态景观的塑造中占据主导地位. 综上所述，气候、地形和土地利用因子的复杂相互作用驱动了内蒙古的生态变化.
本研究对近23 a来内蒙古RSEI时空变化特征以及从空间分异角度对影响因素进行探究. 基于遥感数据的生境质量的评价方法和集成多模型探究驱动机制的优点在于数据源的多样性和较少的主观干预，克服了大尺度区域获取长时间序列数据的困难. 研究方法不仅对改善内蒙古生境质量具有参考价值，还可以推广至其他地区RSEI变化的研究. 然而，本研究存在一些限制，例如，土地利用变化在一定程度上反映区域生境质量的差异. 因此，在构建未来生境质量评价模型时，可结合土地利用变化数据，根据不同土地利用类型的天然特性选取生态因子，更加准确地评价区域生境质量.
4 结论（1）RSEI完全适用于评估内蒙古地区的生境质量. 2000~2022年，内蒙古RSEI整体呈波动上升趋势，整体生境质量在研究期间有所改善，可分为恶化期（2000~2010年）和改善期（2010~2022年），生境质量呈改善趋势的区域占总面积的19.09%，中部地区改善最为显著. 内蒙古90.84%的区域的RSEI未来变化趋势将与过去23 a相反，有生境退化风险.
（2）生境质量的空间分布具有明显的空间异质性，呈现“东部高，中西部低”的显著聚集格局. 高生境质量区主要分布于呼伦贝尔市、兴安盟、通辽市和赤峰市，低生境质量区主要分布于阿拉善盟、巴彦淖尔市、包头市、乌兰察布市北部以及锡林郭勒盟西部地区.
（3）基于地理探测器分析表明，气温、降水量、蒸发量、高程和土地利用是影响内蒙古生境质量空间分布的关键因子. MGWR结果表明，湿度、降水量和坡度对生境质量的影响以正向效应为主，热度、海拔和土地利用则以负向效应为主. 各驱动因子与RSEI的空间变化存在显著差异，不同驱动因子主导着不同区域RSEI的变化，分区管理对于实现生境质量的可持续发展至关重要.
| [1] |
余慧婕, 张方敏, 马赫, 等. 基于遥感生态指数的淮河流域生态环境质量时空演化及其驱动因素分析[J]. 环境科学, 2024, 45(7): 4112-4121. Yu H J, Zhang F M, Ma H, et al. Spatio-temporal evolution and driving factors of ecological environment quality in the Huaihe River basin based on RSEI[J]. Environmental Science, 2024, 45(7): 4112-4121. |
| [2] | Zhang K L, Feng R R, Zhang Z C, et al. Exploring the driving factors of remote sensing ecological index changes from the perspective of geospatial differentiation: a case study of the Weihe River Basin, China[J]. International Journal of Environmental Research and Public Health, 2022, 19(17). DOI:10.3390/ijerph191710930 |
| [3] |
郑启航, 徐光来, 刘永婷, 等. 基于InVEST和MGWR模型的安徽省生境质量评估及驱动[J]. 水土保持研究, 2024, 31(3): 373-382. Zheng Q H, Xu G L, Liu Y T, et al. Assessment and driving of habitat quality in Anhui Province based on InVEST and MGWR models[J]. Research of Soil and Water Conservation, 2024, 31(3): 373-382. |
| [4] |
叶博文, 孙标, 史小红, 等. 巴彦淖尔市土地利用变化及其对生态环境质量的影响[J]. 环境科学, 2024, 45(12): 6899-6909. Ye B W, Sun B, Shi X H, et al. Land use changes and its impact on ecological environment quality in Bayannur City[J]. Environmental Science, 2024, 45(12): 6899-6909. |
| [5] |
杨鹏, 周安娜, 傅楷翔, 等. 基于遥感生态指数的青藏公路典型路段路域生态环境质量评估与分析[J]. 干旱区资源与环境, 2024, 38(5): 39-48. Yang P, Zhou A N, Fu K X, et al. Assessment and analysis on roadside ecological environment quality along typical sections of Qinghai-Tibet Highway based on remote sensing ecological indices[J]. Journal of Arid Land Resources and Environment, 2024, 38(5): 39-48. |
| [6] |
张浩斌, 王婉, 宋妤婧, 等. 基于改进遥感生态指数的干旱内流区生态质量评价——以阴山北麓塔布河流域为例[J]. 生态学报, 2024, 44(2): 523-543. Zhang H B, Wang W, Song Y J, et al. Ecological index evaluation of arid inflow area based on the modified remote sensing ecological index: a case study of Tabu River Basin at the northern foot of the Yin Mountains[J]. Acta Ecologica Sinica, 2024, 44(2): 523-543. |
| [7] |
温煜华. 2011-2021年甘肃省生态环境质量综合评价及时空演变特征分析[J]. 干旱区资源与环境, 2024, 38(6): 110-119. Wen Y H. Assessment and spatial-temporal evolution of ecological environment in Gansu Province from 2011 to 2021[J]. Journal of Arid Land Resources and Environment, 2024, 38(6): 110-119. |
| [8] |
李雪, 于坤霞, 徐国策, 等. 黄河上中游流域植被净初级生产力空间特征及驱动因素分析[J]. 环境科学, 2024, 45(11): 6448-6457. Li X, Yu K X, Xu G C, et al. Spatial characteristics and driving factors of net primary productivity of vegetation in the upper and middle Yellow River Basin[J]. Environmental Science, 2024, 45(11): 6448-6457. |
| [9] |
穆学青, 郭向阳, 明庆忠, 等. 黄河流域旅游生态安全的动态演变特征及驱动因素[J]. 地理学报, 2022, 77(3): 714-735. Mu X Q, Guo X Y, Ming Q Z, et al. Dynamic evolution characteristics and driving factors of tourism ecological security in the Yellow River Basin[J]. Acta Geographica Sinica, 2022, 77(3): 714-735. |
| [10] |
王明阳, 王立成, 莫凌, 等. 热带岛屿流域水生态评价理论研究与实践——以海南岛为例[J]. 中国环境科学, 2024, 44(6): 3334-3341. Wang M Y, Wang L C, Mo L, et al. Theoretical research and practice of water ecological assessment in tropical island watershed: a case study in Hainan Province[J]. China Environmental Science, 2024, 44(6): 3334-3341. |
| [11] |
徐涵秋. 城市遥感生态指数的创建及其应用[J]. 生态学报, 2013, 33(24): 7853-7862. XU H Q. A remote sensing urban ecological index and its application[J]. Acta Ecologica Sinica, 2013, 33(24): 7853-7862. |
| [12] | Peng L, Wu H W, Li Z H. Spatial-temporal evolutions of ecological environment quality and ecological resilience pattern in the middle and lower reaches of the Yangtze River Economic Belt[J]. Remote Sens, 2023, 15(2). DOI:10.3390/rs15020430 |
| [13] | Sun Z X, Liu Y, Sang H B. Spatial-temporal variation and driving factors of ecological vulnerability in Nansi Lake Basin, China[J]. International Journal of Environmental Research and Public Health, 2023, 20(3). DOI:10.3390/ijerph20032653 |
| [14] |
杨绘婷, 徐涵秋. 基于遥感空间信息的武夷山国家级自然保护区植被覆盖度变化与生态质量评估[J]. 应用生态学报, 2020, 31(2): 533-542. Yang H T, Xu H Q. Assessing fractional vegetation cover changes and ecological quality of the Wuyi Mountain National Nature Reserve based on remote sensing spatial information[J]. Chinese Journal of Applied Ecology, 2020, 31(2): 533-542. |
| [15] |
温小乐, 陈旭, 徐涵秋. 基于遥感生态指数的京郊南部城市生态评价——以涿州市、固安县为例[J]. 福州大学学报(自然科学版), 2022, 50(2): 286-292. Wen X L, Chen X, Xu H Q. Ecological evaluation of cities in southern Beijing suburbs based on remote sensing ecological index: taking Zhuozhou City and Gu'an County as examples[J]. Journal of Fuzhou University (Natural Science Edition), 2022, 50(2): 286-292. |
| [16] |
孔玲玲, 冯险峰, 武爽, 等. 拉萨城市圈1994—2017年生态质量的时空动态监测及驱动力分析[J]. 地理科学进展, 2022, 41(3): 437-450. Kong L L, Feng X F, Wu S, et al. Spatiotemporal dynamics and driving factor analysis of ecological quality change in the Lhasa urban circle from 1994 to 2017[J]. Progress in Geography, 2022, 41(3): 437-450. |
| [17] |
廖洪圣, 卫伟, 陈乐, 等. 典型黄土丘陵沟壑区生境质量时空变化及驱动力: 以祖厉河流域为例[J]. 环境科学, 2024, 45(9): 5361-5371. Liao H S, Wei W, Chen L, et al. Spatial and temporal changes in habitat quality and driving forces in typical loess hill and gully areas: a case study of the Zuli River Basin[J]. Environmental Science, 2024, 45(9): 5361-5371. |
| [18] |
王子玉, 许端阳, 杨华, 等. 1981-2010年气候变化和人类活动对内蒙古地区植被动态影响的定量研究[J]. 地理科学进展, 2017, 36(8): 1025-1032. Wang Z Y, XU D Y, Yang H, et al. Impacts of climate change and human activities on vegetation dynamics in Inner Mongolia, 1981-2010[J]. Progress in Geography, 2017, 36(8): 1025-1032. |
| [19] |
常虹, 翟琇, 石磊, 等. 基于土地利用的内蒙古牧区生态系统服务时空变化(2000-2015)[J]. 草地学报, 2021, 29(3): 583-592. Chang H, Zhai X, Shi L, et al. Temporal and spatial changes of ecosystem services based on land use in pastoral areas of Inner Mongolia (2000-2015)[J]. Acta Agrestia Sinica, 2021, 29(3): 583-592. |
| [20] |
闫志远, 张圣微, 王怡璇. 基于GEE的1982—2021年内蒙古地区植被覆盖度时空动态及气候响应特征[J]. 农业工程学报, 2023, 39(15): 94-102. Yan Z Y, Zhang S W, Wang Y X. Spatiotemporal dynamics of fractional vegetation cover and climate response in Inner Mongolia during 1982-2021 based on GEE[J]. Transactions of the Chinese Society of Agricultural Engineering, 2023, 39(15): 94-102. |
| [21] |
张雨斯, 包玉海, 贺忠华. 1990—2021年内蒙古遥感生态环境质量变化及趋势分析——以呼伦贝尔市陈巴尔虎旗为例[J]. 干旱区研究, 2023, 40(2): 326-336. Zhang Y S, Bao Y H, He Z H. Detecting the change and trend of remote sensing ecological quality in Inner Mongolia from 1990-2021: a case study of Chenbarhu Banner of Hulunbuir City[J]. Arid Zone Research, 2023, 40(2): 326-336. |
| [22] |
裴浩, 郝璐, 韩经纬. 近40年内蒙古候降水变化趋势[J]. 应用气象学报, 2012, 23(5): 543-550. Pei H, Hao L, Han J W. Pentad precipitation changes during recent 40 years in Inner Mongolia[J]. Journal of Applied Meteorological Science, 2012, 23(5): 543-550. |
| [23] | Zhao X H, Zhang F M, Liu Q, et al. Climate change overshadows human activities in enhancing vegetation activity in Inner Mongolia[J]. Theoretical and Applied Climatology, 2023, 154(1): 245-259. |
| [24] | Yang D, Yang Z Y, Wen Q K, et al. Dynamic monitoring of aboveground biomass in Inner Mongolia grasslands over the past 23 Years using GEE and analysis of its driving forces[J]. Journal of Environmental Management, 2024, 354. DOI:10.1016/j.jenvman.2024.120415 |
| [25] | Li M Y, Li X B, Liu S Y, et al. Analysis of the spatiotemporal variation of landscape patterns and their driving factors in Inner Mongolia from 2000 to 2015[J]. Land, 2022, 11(9). DOI:10.3390/land11091410 |
| [26] |
叶博文, 孙标, 史小红, 等. 2000—2021年锡林郭勒草原生态环境质量变化及其驱动因素[J]. 水土保持通报, 2024, 44(1): 271-283. Ye B W, Sun B, Shi X H, et al. Quality change and driving factors of grassland ecological environment in Xilingol League from 2000 to 2021[J]. Bulletin of Soil and Water Conservation, 2024, 44(1): 271-283. |
| [27] |
皮贵宁, 贺中华, 游漫, 等. 2001-2020年贵州省气候变化及人类活动对植被变化的影响[J]. 水土保持学报, 2022, 36(4): 160-167. Pi G N, He Z H, You M, et al. Effects of climate change and human activities on vegetation change in Guizhou Province from 2001 to 2020[J]. Journal of Soil and Water Conservation, 2022, 36(4): 160-167. |
| [28] |
徐勇, 黄雯婷, 窦世卿, 等. 2000~2020年西南地区植被NDVI对气候变化和人类活动响应特征[J]. 环境科学, 2022, 43(6): 3230-3240. Xu Y, Huang W T, Dou S Q, et al. Responding mechanism of vegetation cover to climate change and human activities in southwest China from 2000 to 2020[J]. Environmental Science, 2022, 43(6): 3230-3240. |
| [29] |
陈凌伟. 2001—2020年黄河流域水分利用效率时空变化及其对环境因素的响应[J]. 水土保持通报, 2022, 42(5): 222-230. Chen L W. Spatio-temporal variation of water use efficiency and its responses to environmental factors in Yellow River Basin during 2001—2020[J]. Bulletin of Soil and Water Conservation, 2022, 42(5): 222-230. |
| [30] |
杨玉龙, 王磊, 雷天赐, 等. 赣南于都县遥感生态指数与地质建造空间相关性研究[J]. 华南地质, 2021, 37(2): 205-215. Yang Y L, Wang L, Lei T C, et al. Spatial correlation between remote sensing ecological index and geological formation in Yudu County, southern Jiangxi Province[J]. South China Geology, 2021, 37(2): 205-215. |
| [31] |
冯荣荣, 张凯莉, 韩佳宁, 等. 沣河流域生态环境质量的遥感评价及影响因子分析[J]. 生态与农村环境学报, 2022, 38(7): 860-871. Feng R R, Zhang K L, Han J N, et al. Remote sensing evaluation and influence factor analysis of ecological environment quality in the Fenghe River Watershed[J]. Journal of Ecology and Rural Environment, 2022, 38(7): 860-871. |
| [32] |
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. |
| [33] |
文超, 詹庆明, 樊智宇, 等. 1979—2019年武汉市重点水体多要素协同的时空演变特征[J]. 地球信息科学学报, 2021, 23(11): 2055-2072. Wen C, Zhan Q M, Fan Z Y, et al. Spatiotemporal characteristics of multi-factor synergy in urban key water bodies of Wuhan from 1979 to 2019[J]. Journal of Geo-information Science, 2021, 23(11): 2055-2072. DOI:10.12082/dqxxkx.2021.200751 |
| [34] |
程诺, 高文晶, 杨鸿飞, 等. 闽江流域生态环境质量动态变化及其驱动力[J]. 水土保持通报, 2023, 43(2): 310-318, 329. Cheng N, Gao W J, Yang H F, et al. Dynamic change and driving factors of ecological environment quality in Minjiang River Basin[J]. Bulletin of Soil and Water Conservation, 2023, 43(2): 310-318, 329. |
| [35] |
望元庆, 宋书愉, 王杰, 等. 2000—2018年内蒙古沙区"生态-经济-社会"复合系统脆弱性演变及关键影响因素[J]. 生态学报, 2023, 43(6): 2271-2286. Wang Y Q, Song S Y, Wang J, et al. Vulnerability evolution of the ecological-economic-social complex system and the key influencing factors in the sandy region of Inner Mongolia from 2000 to 2018[J]. Acta Ecologica Sinica, 2023, 43(6): 2271-2286. |
| [36] |
贾光普, 左合君, 韩雪莹, 等. 毛乌素沙地沙化土地时空动态研究[J]. 北方园艺, 2019(21): 79-88. Jia G P, Zuo H J, Han X Y, et al. Temporal and spatial dynamics of desertified land in MU Us sandy land[J]. Northern Horticulture, 2019(21): 79-88. |
| [37] |
胡醒木子. 内蒙古沿黄地区经济发展-生态环境-水资源耦合协调研究[J]. 地域研究与开发, 2023, 42(6): 165-171. Hu X M Z. Coupling coordination of economic development, ecological environment and water resources: a case study of the Yellow River Region in Inner Mongolia[J]. Areal Research and Development, 2023, 42(6): 165-171. |
| [38] |
李晶, 刘乾龙, 刘鹏宇. 1998—2018年呼伦贝尔市植被覆盖度时空变化及驱动力分析[J]. 生态学报, 2022, 42(1): 220-235. Li J, Liu Q L, Liu P Y. Spatio-temporal changes and driving forces of fraction of vegetation coverage in Hulunbuir (1998—2018)[J]. Acta Ecologica Sinica, 2022, 42(1): 220-235. |
| [39] |
邢艳春, 甯珂, 李雪兰. 松辽流域生态环境时空动态评价及驱动因素分析[J]. 中国水利水电科学研究院学报(中英文), 2024, 22(1): 84-96, 107. Xing Y C, Ning K, Li X L. Spatial-temporal dynamic changes of land use and ecological effects in Songliao Basin[J]. Journal of China Institute of Water Resources and Hydropower Research, 2024, 22(1): 84-96, 107. |
| [40] |
王敏杰. 近30年内蒙古西部沙漠面积、边界及沙漠湖泊变化研究[D]. 呼和浩特: 内蒙古大学, 2019. Wang M J. Study on the changes of desert area, boundary and desert lake in western Inner Mongolia in recent 30 years[D]. Hohhot: Inner Mongolia University, 2019. |
| [41] | Li S W, Qu S F, Zhang G M, et al. Spatiotemporal pattern and drivers of ecological quality in Inner Mongolia[J]. Land, 2024, 13(5). DOI:10.3390/land13050568 |
| [42] |
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 Mongolia based on geodetector[J]. Acta Agrestia Sinica, 2020, 28(5): 1460-1472. |
| [43] |
李雪敏, 李同宁, 吴芝雨, 等. 多情景模拟下内蒙古草地生态系统服务价值时空演变[J]. 草业学报, 2023, 32(8): 14-27. Li X M, Li T N, Wu Z Y, et al. Spatio-temporal evolution of grassland ecosystem service value in Inner Mongolia under multi scenario simulation[J]. Acta Prataculturae Sinica, 2023, 32(8): 14-27. |
| [44] |
王海梅, 刘昊, 张迎杰. 呼伦贝尔市1961-2016年湿润度时空变化特征[J]. 干旱区资源与环境, 2018, 32(9): 90-96. Wang H M, Liu H, Zhang Y J. Spacial-temporal variation characteristics of moisture index during 1961-2016 in Hulun Buir[J]. Journal of Arid Land Resources and Environment, 2018, 32(9): 90-96. |
| [45] |
易小雅, 张德全, 刘勇, 等. 2000—2020年内蒙古杭锦旗植被变化特征及其对气候要素的响应[J]. 中国沙漠, 2024, 44(3): 51-62. Yi X Y, Zhang D Q, Liu Y, et al. Vegetation change and its response to climate factors in Hanggin Banner, Inner Mongolia, China from 2000 to 2020[J]. Journal of Desert Research, 2024, 44(3): 51-62. |
| [46] |
张建香, 张多勇, 刘万锋, 等. 基于ESAI的黄土高原荒漠化风险评估[J]. 水土保持通报, 2017, 37(2): 339-344. Zhang J X, Zhang D Y, Liu W F, et al. ESAI based assessment of desertification risk in Loess Plateau[J]. Bulletin of Soil and Water Conservation, 2017, 37(2): 339-344. |