学校代码：10126 学号： 31815020

分类号： 编号：

内蒙古大学
论文题目

锡林郭勒盟植被覆盖度变化及影响
因素分析

学 院：生态与环境学院
专 业：生态学
研究方向：植被生态学
姓 名：陈 宽
指导教师：潮洛濛副教授

2021 年 6 月 6 日
 原 创 性 声 明
本人声明：所呈交的学位论文是本人在导师的指导下进行的研究工作及取得的研究

成果。除本文已经注明引用的内容外，论文中不包含其他人已经发表或撰写过的研究成

果，也不包含为获得内蒙古大学及其他教育机构的学位或证书而使用过的材料。与我一同

工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。

学位论文作者签名： 指导教师签名：

日 期： 日 期：

在学期间研究成果使用承诺书
本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：内蒙古大学有权将

学位论文的全部内容或部分保留并向国家有关机构、部门送交学位论文的复印件和磁盘，允

许编入有关数据库进行检索，也可以采用影印、缩印或其他复制手段保存、汇编学位论文。

为保护学院和导师的知识产权，作者在学期间取得的研究成果属于内蒙古大学。作者今后

使用涉及在学期间主要研究内容或研究成果，须征得内蒙古大学就读期间导师的同意；若用

于发表论文，版权单位必须署名为内蒙古大学方可投稿或公开发表。

学位论文作者签名： 指导教师签名：

日 期： 日 期：
 本论文由以下项目资助
1.国家重点研发计划重点专项课题“锡林郭勒草甸草原持续稳定恢复

技术与模式（2016YFC500604）”

2.内蒙古自然科学基金“基于维护典型草原景观服务功能的景观生态

安全格局研究（2015MS0325）”
 内蒙古大学硕士学位论文

锡林郭勒盟植被覆盖度变化及影响因素分析

摘 要

研究干旱半干旱地区植被覆盖度变化并探寻其驱动因素对于当

地生态安全建设具有重大意义。本文分析了 2000—2018 年锡林郭勒

盟植被 NDVI 时空变化，并利用地理探测器分析了研究时段内自然因

素（年降水量、年平均气温、植被类型、土壤类型和地貌类型）和人

为因素（土地利用与土地覆盖（LUCC）和人口密度）对植被 NDVI

变化的影响。得出了以下结论：

（1）锡林郭勒盟 2000—2018 年，中低覆盖度植被、中覆盖度植

被、中高覆盖度植被和高覆盖度植被的面积均增加。其中，面积增加

最大的是中低覆盖度植被，从占整体面积占比的 8.77%增加到了

36.61%。低覆盖度植被面积明显减少，面积占比从 87.87%减少到了

48.50%。从变化趋势来看，19 年间整个研究区 NDVI 在空间上增加

与减少共存，整体呈增加趋势。从旗县变化趋势来看，植被 NDVI 增

加最明显的是多伦县，达 0.0085；从乡镇（苏木）变化趋势来看，多

伦县十五号乡增加趋势最大，达到 0.0097；正镶白旗羊群滩乡植被

NDVI 减少趋势最严重，达-0.0018。从变化等级来看，空间上显现出

南部与东北部改善，北部和东部极少零散的区域呈退化。其中改善面

积最大的旗县是多伦县，改善面积达 2000.7km²；退化最严重的是东

乌珠穆沁旗，退化面积达 107.9 km²。

I
 内蒙古大学硕士学位论文

（2）研究区在研究时段内的平均气温为 3.274℃。气温年际变化，

呈波动中缓慢上升趋势，但上升趋势不显著。降水年际变化，呈现出

波动中缓慢减少的趋势，但减少趋势并不显著。

（3）2000—2010 年，研究区耕地、林地和建设用地呈增加；草

地和水域面积呈减少；未利用地变化不大。其它 LUCC 类型扩张的主

要来源是草地，其次是水域。2000—2010 年，水域面积减少最严重，

与 2000 年相比减少了 28.9%的面积。2010—2018 年，未利用地减少；

草地和水域呈增加；耕地面积减少。但建设用地扩张主要来源还是草

地。

（4）锡林郭勒盟 2000—2018 年，研究区人口主要集中分布在南

部和中部，其中南部分布最广。人口主要分布在各旗县的城镇地区。

从空间分布来看，在 2010 年人口向城镇明显集中。

（5）2000 年，影响研究区植被 NDVI 的因素由大到小排序是：

年降水量＞土壤类型＞年平均气温＞LUCC 类型＞地貌类型＞植被

类型＞人口密度。其中，年降水量对植被 NDVI 的解释率达 42%。

2010 年，各因子对植被 NDVI 影响程度排序为：年平均气温＞土壤

类型＞年降水量＞LUCC 类型＞地貌类型＞植被类型＞人口密度。其

中年平均气温对植被 NDVI 的解释率达 40%。2018 年，各因子对植

被 NDVI 影响程度排序为：年降水量＞年平均气温＞土壤类型＞

LUCC 类型＞地貌类型＞植被类型＞人口密度。年降水量对植被

NDVI 的解释率达 42%。

II
 内蒙古大学硕士学位论文

（6）在 2000、2010 和 2018 年，影响研究区植被 NDVI 的因子

之间都呈现出非线性增强和双因子增强两种关系。在 2000 年，年降

水量∩年平均气温交互作用对植被 NDVI 的影响最大，解释率达

63.4%；其次是年降水量∩土壤类型解释率达 56.1%。在 2010 年，解

释率最大的是年降水量∩年平均气温，达 65.4%；其次是年平均气温

∩土壤类型，解释率达 53.5%。到了 2018 年，解释率最大的是年降水

量∩年平均气温，达 50.5%；其次是年降水量∩LUCC 类型，解释率达

46.8%。

关键词：锡林郭勒盟；植被 NDVI；变化趋势；年降水量；年平均气

III
 内蒙古大学硕士学位论文

ANANLYSIS ON THE CHANGE OF VEGETATION

COVERAGE AND ITS INFLUENCING FACTORS
IN XILINGOL LEAGUE

ABSTRACT

It is of great significance to study the change of vegetation

coverage in arid and semi-arid regions and explore its driving factors for

the construction of local ecological security. We analyzed the spatial and

temporal variation, 2000-2018 years of XilinGol League area vegetation

NDVI and making use of the Geodetector analysis research period of

natural factors (annual precipitation, annual average temperature,

vegetation type, soil type and geomorphologic types) and human factors

(land use and land cover (LUCC) and population density) impact on

vegetation NDVI changes. Here's what we found：

1)From 2000 to 2018, the area of Medium and Low coverage

vegetation, Medium and High coverage vegetation and High coverage

vegetation increased in XilinGol League. Among them, the vegetation with

Medium and Low coverage increased the most, from 8.77% to 36.61%.

IV
 内蒙古大学硕士学位论文

The area of Low vegetation coverage decreased significantly, from 87.87%

to 48.50%. From the change trend, NDVI in the whole study area increased

and decreased in space during the 19 years, showing an overall increasing

trend. From the perspective of county change trend, the NDVI of

vegetation increased most obviously in DUOLUN County, up to 0.0085;

From the perspective of the trend of town change, SHIWUHAOXIANG of

DUOLUN County has the largest increasing trend, reaching 0.0097;The

NDVI of vegetation in YANGQUNTAN Township of

ZHENGXIANGBAIQI Banner decreased most seriously, reaching -

0.0018. In terms of the level of change, the south and northeast of the

region showed improvement, while the north and east of the region showed

a few scattered areas of degradation. DUOLUN County has the largest area

of improvement, with an area of 2,000.7 km².The most seriously degraded

area is DONGWUZHUMUQINQI Banner, with an area of 107.9 km².

2) The average temperature in the study area was 3.274℃ during

the study period. The annual variation of air temperature showed a slow

rising trend in fluctuation, but the rising trend was not significant. The

interannual variation of precipitation showed a slow decreasing trend in the

fluctuation, but the decreasing trend was not significant.

3) From 2000 to 2010, cultivated land, woodland and

construction land increased in the study area. Grassland and water area

decreased; Unused land doesn't change much. The main source of

V
 内蒙古大学硕士学位论文

expansion for the other LUCC types is grassland, followed by water. From

2000 to 2010, water area declined the most, losing 28.9% of its area

compared with 2000. Unused land will be reduced from 2010 to 2018;

Grassland and water area increased; The area of cultivated land decreased.

However, the main source of expansion of construction land is grassland.

4) From 2000 to 2018, the population in the study area was

mainly concentrated in the south and central part of Xilingol League, with

the southern part being the most widely distributed. The population is

mainly distributed in the urban areas of various counties. From the

perspective of spatial distribution, the population was obviously

concentrated in cities and towns in 2010.

5) In 2000, the factors affecting the NDVI of vegetation in the

study area were ranked from large to small as follows: annual precipitation,

soil type, annual average temperature, LUCC type, geomorphologic type,

vegetation type and population density. In 2010, the influence degree of

each factor on vegetation NDVI was ranked as follows: annual average

temperature, soil type, annual precipitation, LUCC type, landform type,

vegetation type and population density. In 2018, the influence degree of

each factor on vegetation NDVI was ranked as follows: annual

precipitation, annual average temperature, soil type, LUCC type,

geomorphologic type, vegetation type and population density.

VI
 内蒙古大学硕士学位论文

6) In 2000, 2010 and 2018, the relationship between the factors

affecting the NDVI of vegetation in the study area showed two kinds of

non-linear enhancement and double-factor enhancement. In 2000, annual

precipitation ∩ annual mean temperature interaction has the greatest

influence on NDVI, with an explanation rate of 63.4%. In 2010, the largest

explanation rate is annual precipitation ∩ annual mean temperature, which

is 65.4%. In 2018, the largest explanation rate is annual precipitation ∩

annual mean temperature, which is 50.5%.

KEY WORDS: XilinGol League; vegetation NDVI; change trend; annual precipitation;
annual mean temperature

VII
 内蒙古大学硕士学位论文

目 录

第一章 引言 .............................................................. 1
1.1 研究背景 ........................................................................................................................................... 1
1.2 研究进展 ........................................................................................................................................... 2
1.3 研究目的和研究内容 .................................................................................................................... 5
1.3.1 研究目的 ................................................................................................................................... 5
1.3.2 研究内容 ................................................................................................................................... 5

第二章 研究区概况与研究方法 .............................................. 7

2.1 研究区概况 ....................................................................................................................................... 7
2.1.1 地形和地貌 ............................................................................................................................. 7
2.1.2 气候 ........................................................................................................................................... 8
2.1.3 自然资源 .................................................................................................................................. 8
2.2 研究方法 .......................................................................................................................................... 9
2.2.1 研究区 2000-2018 年间逐年植被 NDVI 变化趋势研究 ............................................. 9
2.2.2 研究区 2000、2010 和 2018 年植被 NDVI 变化特征研究 .................................... 10
2.2.3 研究区植被 NDVI 变化驱动因素特征分析 ................................................................ 10
2.2.4 基于地理探测器的植被 NDVI 变化驱动因素研究 .................................................. 12

第三章 研究结果 ......................................................... 14

3.1 锡林郭勒盟 2000—2018 年植被 NDVI 变化 ....................................................................... 14
3.1.1 锡林郭勒盟 2000—2018 年 19 年间植被 NDVI 变化趋势...................................... 14
3.1.2 锡林郭勒盟 2000—2018 年植被 NDVI 不同变化类型空间分布 .......................... 16
3.1.3 基于 30m 分辨率的 2000、2010 和 2018 年植被 NDVI 变化............................... 18
3.2 锡林郭勒盟 2000、2010 和 2018 年 LUCC 变化研究 ...................................................... 21
3.2.1 2000、2010 和 2018 年 LUCC 状况 ............................................................................... 21
3.2.2 锡林郭勒盟 2000—2010 年 LUCC 变化 ....................................................................... 21
3.2.3 锡林郭勒盟 2010—2018 年 LUCC 变化 ....................................................................... 22
3.3 研究区年均气温和年降水变化特征分析.............................................................................. 23
3.4 研究区人口密度变化分析 ........................................................................................................ 25
1
 内蒙古大学硕士学位论文

3.5 基于地理探测器的植被覆盖度变化影响因素分析 ........................................................... 26

3.5.1 地理探测器之单因素分析 ................................................................................................. 26
3.5.2 地理探测器之交互作用分析............................................................................................. 28
3.5.3 地理探测器之风险区探测 ................................................................................................. 30

第四章 讨论与结论 ....................................................... 33

4.1 讨论 ................................................................................................................................................. 33
4.1.1 植被 NDVI 变化 ................................................................................................................... 33
4.1.2 降水对植被 NDVI 的影响 ................................................................................................. 33
4.1.3 气温对植被 NDVI 的影响 ................................................................................................. 33
4.1.4 土壤类型对植被 NDVI 的影响 ........................................................................................ 34
4.1.5 LUCC 类型对植被 NDVI 的影响 .................................................................................... 34
4.2 结论 .................................................................................................................................................. 35

致 谢 ................................................................... 37
攻读学位期间发表的学术论文 .............................................. 37
参考文献 ................................................................ 38

2
 内蒙古大学硕士学位论文

第一章 引言

1.1 研究背景

在气候变化的大背景下，陆地植被受着前所未有的影响[1]。据 IPCC 在 2018

年提供的特别报告指出，人类活动导致的全球地表温度比工业化前水平已经升高
成为 1℃，按目前的排放速度，在未来 12—34 年间会升高为 1.5℃[2]。在世界范
围内，包括中国北部、印度、西亚、非洲、澳大利亚和其它地区，都观测到了十
年以上尺度的气候变暖和地表退化[3-7]。全球变暖导致的极端气候事件会破坏水
和碳平衡[8]导致植被死亡[9]，并降低陆地系统的净初级生产力[10,11]，特别是在干
旱半干旱地区。干旱半干旱地区在全球范围内发挥着重要作用，因为它们给全球
约 20 多亿人口提供着生存舞台，而且在全球范围内提供关键的生态系统产品和
服务[12]。干旱半干旱地区的生态系统十分脆弱，对人类活动和气候变化的相互作
用下表现十分敏感[13]。由于全球变暖，半干旱和干旱地区的干旱趋势越来越明显，
从而导致了水循环的加强，使气候湿润地区变得更加湿润，干旱地区变得更加干
燥[14]。草地是干旱半干旱地区主要的植被类型。在全球陆地面积中草原占三分之
一以上，对气候和粮食安全有着重要贡献[15-17]。由于几十年的气候变化和人类活
动，全球干旱和半干旱地区的草地生态系统发生了严重退化[18]。在全球尺度上，
49.25%的草地生态系统发生了退化；近 5%的草原经历了严重到极端的退化。其
中，气候变化是导致草地退化的主要原因，占 45.51%，人类活动占 32.53%[18]。
我国在 20 世纪 70 年代草地退化面积只占草地总面积的 10%，到了 80 年代增加
到了 30%，到了 90 年代中期更是增加到 50%[19]。草地退化会使草地生产力下降、
生物多样性降低、土地退化、生态系统服务功能下降等相关问题出现[20]。对于草
地退化状况，近几十年来，我国开展了一系列保护草原生态环境的建设工程[21]，
包括退耕还林还草、天然草地保护、京津风沙源治理等生态保护工程，还有人工
种草、生态补偿、轮牧、鼠害防治等[22]。这些草原生态环境建设工程也得到了显
著的效果[23]。
1
 内蒙古大学硕士学位论文

锡林郭勒盟位于欧亚大陆温带草原的核心区域，是典型的北半球干旱半干旱
地区[24]，近 60 年增温趋势为 0.43 ℃ / 10a，比全国的上升速率高 34.38%[25]。二
十世纪 70 年代开始，锡林郭勒盟草地开始逐渐退化，直到 2000 年退化达到了顶
点[26]。虽然在 2000 年后退化有所好转，但也有不同程度的草地退化存在[27]。而
且导致草地退化的因素及其因素之间的相交互作用越来越复杂，使得研究锡林郭
勒盟草地变化成为了必要[28]。研究区主要土地覆被类型是草地，所以本文中的植
被变化及指草地变化。归一化植被指数（Normalized Difference Vegetation Index,
NDVI）已经被国内外学者广泛应用于植被变化[29-33]。因此本文应用 NDVI 变化
来表示锡林郭勒盟 2000—2018 年植被变化，并揭示植被变化的趋势。

1.2 研究进展

植被 NDVI 的研究是基于遥感科学的基础上迅速发展起来的[34]。直到现在
已经被应用于生态环境研究的各个领域[35-41]。最初的研究集中于地物光谱特征的
研究。1987 年 Melvin B.Satterwhite 等通过研究内华达州北部土壤和植被的光谱
特征，比较系统的评价了半干旱土壤和植被的光谱特征[42]。A.R.Huete 评价了干
旱草地植被光谱特征，发现区域冠层的绿色植被信号受到枯落层垂直方向的散射
影响[43]。TOWNSHEND J R G 研究了 NDVI 和 MPDT 数据对陆地覆盖特征差别，
发现 NDVI 数据集总体上优于 MPDT 数据集的土地覆盖特征[44]。MALO A R 利
用 NDVI 研究了非洲萨赫勒地区降雨和植被动态，发现 NDVI 对物候的反映表明
了土壤水分的有效性[45]。随着 NDVI 数据的不断累积，植被 NDVI 的变化研究也
慢慢开始。主要集中于大尺度上的植被覆盖度对气候的响应关系研究。Zhou, LM
根据 1981 - 1999 年植被 NDVI 数据推断北半球北部植被活动的变化，发现在阿
拉斯加、加拿大北部和亚洲东北部的部分地区，NDVI 下降是由于温度引起的干
旱[46]。Fensholt, Rasmus 研究了 1981—2007 年全球半干旱地区的植被覆盖度变
化，发现了全球半干旱地区的平均 NDVI 在研究时段内增加，并表示降水是影响
植被覆盖度的主要限制因素，气温是重要因子 。也有较多学者基于 NDVI 数
[47]

据开展了物候方面的研究。Piao, SL 等用 NDVI 研究了中国温带植被的物候变化，

发现 1982—1999 年中国温带地区的生长季延长了 1.16 天。春季植被返青期提前

2
 内蒙古大学硕士学位论文

了 0.79 天，秋季植被枯黄期推迟了 0.37 天[48]。Myneni 等对北半球高纬度地区植

被覆盖变化进行了研究，发现在 1981—1991 年期间，植被覆盖变化趋势整体呈
现增加，其中 45°—75°N 内的植被覆盖增加尤为明显。而且北半球的生长季有
所延长[49]。Lee, R 等利用 NDVI 数据研究了内蒙古草原气候变化及其对植物物候
的影响，发现 1982—1990 年内蒙古森林和耕地的返青期几乎没有变化，典型荒
漠区和荒漠草原的返青期呈逐渐提前和推迟的趋势[50]。
对于内蒙古的植被 NDVI 变化的研究也主要集中于植被和气候因素之间的
相应关系研究。Chuai, X. W 等研究了内蒙古 1998—2007 年不同植被类型 NDVI
与气温和降水之间的关系，发现 NDVI 与气温和降水的相关性差异较大，具有明
显的季节差异[51]。Tian, Haijing 等利用 2000-2012 年的气候数据和 MODIS NDVI
数据，对内蒙古植被的时空动态进行了评价，发现研究区总面积 45.1%的植被受
年降水量的影响，而日照长和气温只影响研究区总面积的 3.37%和 0.73%；其余
面积受人为和政策因素的影响[52]。也有学者强调，研究内蒙古植被覆盖度变化时
应该分区域研究[53-54]。Miao, Lijuan 等研究了内蒙古不同植被类型动态及其影响
因子，发现锡林郭勒中部植被 NDVI 呈下降趋势，荒漠和林区植被恢复明显，并
表明降水是导致这些区域植被生长的主要驱动因素，而不是温度[53]。Li, Chunlan
等研究了内蒙古不同植被类型的 NDVI 对于干旱的响应，发现典型草原、草原化
荒漠和荒漠草原植被对较短时间的干旱比较敏感，而森林、森林草原和荒漠对较
长的干旱时间尺度比较敏感[54]。近年来，人为因素对内蒙古植被覆盖度变化的影
响研究也逐渐增多，主要研究方法有残差趋势分析法和基于社会经济数据的多元
回归分析法[55-57]。Xiang Zhou 等人基于残差趋势法和 NDVI 数据研究了人为和
气候变化对蒙古高原植被的影响，发现 1993-2012 年，内蒙古牧区草地和蒙古国
草地地上生物量均经历了明显的人为减少，并发现 2000 年以来，内蒙古农牧交
错带的地上生物量和植被覆盖度均显著增加，这与市场因素促进粮食生产有关
。LI Shiji 等人基于 2000—2010 年的 NDVI 数据、统计年鉴数据和人口普查数
[27]

据，采用多元回归分析法分析了内蒙古植被变化驱动力，发现乡村人口的减少对
研究区植被有明显的改善作用，并表示在该研究时段内人为因素对植被的影响超
过了自然因素对植被的影响[58]。

3
 内蒙古大学硕士学位论文

国内对植被 NDVI 的研究相比于国外较晚。1992 年，符淙斌等人研究了中

国植被 NDVI 与气候的相互关系，这是我国最早的植被 NDVI 研究[59]。李晓兵和
史培军利用连续时间序列的 1km×1km 分辨率的 NOAA AVHRR 影像研究了中国
主要植被类型 NDVI 变化规律，发现降水条件的变化是影响中国植被特征变化的
宏观控制因素[60]。张军和葛剑平等研究了我国东北地区主要植被类型 NDVI 变
化和气候因子的关系，发现受各类型植被自身生理特点和气候因子的影响, 随着
温带典型草原-森林、草原过渡类型-森林类型的逐渐过渡, 各类型的 NDVI 由低
到高变化[61]。陈云浩等研究了我国 1983—1992 年陆地植被 NDVI 演变特征，发
现研究时段内植被 NDVI 变化东西分异明显，东部变化大于西部，整体上呈现稳
中略增[62]。方精云等使用第三代 NOAA-AVHRR/NDVI 时间序列数据，研究了我
国 1982—1999 年植被变化动态，发现研究时段内,我国大多数地区的 NDVI 都呈
现不同程度的增加趋势,表示我国的植被呈增强[63]。穆少杰等利用 2001—2010 年
MODIS-NDVI 数据反演了内蒙古植被覆盖度的空间格局和变化规律，发现植被
覆盖度空间上呈现出东高西低的特征，在研究时段内植被生长总体上与降雨量的
关系更加密切,而在月际水平上,降雨量和温度对植被生长的影响作用相当[64]。
对于锡林郭勒盟植被 NDVI 变化的研究大致从 2005 年开始。邢旗等应用
MODIS-NDVI 数据分析了 2002、2003 年 5 月 30 日 NDVI，利用分级图对植被长
势的时空变化进行了研究，发现春季休牧利于改善草原植被 [65]。张连义等利用
1999—2001 年 MODIS 和 TM 数据分析了锡林郭勒草地植被动态规律和变化趋
势，发现草地植被的群落结构较稳定，只有植被高度、盖度和生物量呈下降趋势，
但没有到不可逆的程度[66]。王海梅研究了锡林郭勒盟气候变化规律与植被覆盖
度变化之间的关系，发现了研究区绝大部分地区的 NDVI 与年降水量呈现不同程
度的正相关，与年平均气温呈现不同程度的负相关;大部分地区的 NDVI 与年干
燥度呈现不同程度的正相关 [67] 。迟登凯等应用 1989—2008 年锡林郭勒盟
NOAA/AVHRR NDVI 数据分析了不同植被类型的生长季变化，发现了不同植被
类型生长季长度均延长[68]。贾若楠等利用 MODIS-NDVI 数据分析了 2001—2005
年锡林郭勒盟植被变化时空特征及其对气候的响应，发现植被 NDVI 呈波动中上
升趋势，其植被的改善与降水量密切相关，并表示生态恢复项目的实施应该与区
域气候相结合[69]。艾丽娅等人利用 5 期 Landsat 影响反演了 1977—2017 年锡林

4
 内蒙古大学硕士学位论文

郭勒盟中部植被 NDVI，并结合气候和统计年鉴数据分析了驱动因素，发现植被
覆盖变化的最基本驱动力是降水量和气温变化,人为因素起主要影响作用,生态恢
复工程、载畜量控制等起正向影响;超载放牧和开采矿石起负向影响[70]。

1.3 研究目的和研究内容

1.3.1 研究目的
本研究的目的在于探寻锡林郭勒盟 2000—2018 年植被 NDVI 时空变化和变
化趋势，并找出影响植被 NDVI 的驱动因子。并探究因子之间的交互作用对植被
NDVI 的影响。为区域生态安全建设提供有力的依据。
植被是陆地生态系统重要的组成部分[71]，是陆地生态系统物质循环、能量流
动、信息传递的重要枢纽[72]。植被覆盖度变化表示着整个陆地生态系统一定程度
上的波动或变化[73]。特别是在干旱半干旱地区，植被覆盖度变化是监测和评价生
态环境变化的一个重要指标 [74]，所以研究干旱半干旱地区植被覆盖度变化并探
寻其驱动因素对于当地生态安全建设具有重大意义。锡林郭勒盟是典型的干旱半
干旱地区，主要植被类型是天然草原。其生态系统具有敏感性和脆弱性特征。对
于全球变暖和人为活动的干扰极其敏感。所以研究锡林郭勒盟植被 NDVI 变化对
于区域生态安全建设具有重大意义。
1.3.2 研究内容
研究区为内蒙古锡林郭勒盟。利用 NDVI 来表示植被变化，并选取自然因素
（年降水量、年平均气温、植被类型、土壤类型和地貌类型）和人为因素（土地
利用与土地覆盖类型（LUCC）和人口密度），利用地理探测器分析各因素对植
被的影响。研究内容主要包括以下几点：
1.研究区 2000—2018 年植被 NDVI 变化。利用 TM、ETM 和 OLI 遥感数据
生成 2000、2010 和 2018 年植被 NDVI 数据，分析三期植被变化状况。利用 2000—
2018 年研究区每年的 SPOT／VEGETATION NDVI 卫星遥感数据，采用趋势线
分析法，分析植被 NDVI 在时空上的变化趋势和特征。

5
 内蒙古大学硕士学位论文

2. 研究区 2000—2018 年研究区气候变化。以内蒙古 118 个气象站点数据为

基础，利用 ANUSPLIN 插值软件生成了 2000—2018 年每年的年降水量和年平均
气温栅格图，分析了该年间气候变化。
3. 2000、2010 和 2018 年土地利用土地覆盖（LUCC）变化。利用 30 米分辨
率的栅格 LUCC 数据，采用转移矩阵法分析了 3 期 LUCC 变化。
4. 2000、2010 和 2018 年人口密度变化。利用 Worldpop 平台的分辨率为１
Km×1Km 人口密度栅格图，利用 ArcGIS 空间分析功能分析了三期人口密度的时
空变化。
5. 植被 NDVI 变化影响因素分析。利用地理探测器分析了 2000、2010 和
2018 年本文选取的各因素对植被 NDVI 的影响。识别出了在各期中导致植被
NDVI 变化的主要原因，并分析了双因素之间的关系和交互作用。最后分析了各
因子对植被 NDVI 的影响特征。

6
 内蒙古大学硕士学位论文

第二章 研究区概况与研究方法

2.1 研究区概况

锡林郭勒盟是内蒙古自治区所辖盟，界于 43°02′N—44°52′N，115°13′E—
117°06′E 之间，边境线长 1098 公里。北部与蒙古国接壤，南邻河北张家口、承
德，西连乌兰察布市，东接赤峰市、兴安盟和通辽[75]。锡林郭勒盟有蒙古族、汉
族、回族、藏族等 20 多个民族组成的，其中蒙古族为主体，汉族占多数，是一
个具有浓厚的草原文化特色的少数民族聚居区 [76]
。全区行政土地面积 20.26 万
平方公里。包括 9 个旗、2 个市和 1 个县。包括东乌珠穆沁旗、西乌珠穆沁旗、
阿巴嘎旗、苏尼特左旗、苏尼特右旗、太卜寺旗、镶黄旗、正蓝旗和正镶白旗等
旗（相当于县）；包括锡林浩特市和二连浩特市两个市和一个县—多伦县（图 2.1）。
盟公署驻地在锡林浩特市[76]。
2.1.1 地形和地貌
锡林郭勒盟地势从西南向东北逐渐降低，地形较平缓，起伏不明显。平均海
拔在 1104m 以上，最低海拔 761m，最高海拔 1927m。其中南部、中部和北部海
拔最高，最高可达 1800m 以上（图 2.1）。以高原平原地貌为主体，兼有丘陵、
浅山等地貌类型。从类型分区看，典型地貌单元有乌拉盖盆地、乌珠穆沁波状高
平原、大兴安岭西麓低山丘陵区、阿巴嘎旗火山熔岩台地、巴龙马格隆丘陵地、
苏尼特层状高平原、察哈尔低山丘陵地区、浑善达克沙地和嘎亥额勒苏沙地[58]。

7
 内蒙古大学硕士学位论文

图 2.1 研究区概况

Fig 2.1 Location of the study area

2.1.2 气候
锡林郭勒盟地处蒙古高原东部，中纬度，气候类型属于典型的中温带半干旱
大陆性气候，气候特点主要为寒冷、风大和少雨。年平均降水量从东部向西部逐
渐减少，东部最高可达 450mm 以上，西部最低达 140mm 以下，降水量地区差异
明显。降水集中于夏季和秋季（5 月—9 月），约占全年降水量的 80%，年季间
变化较大[68]。全盟年平均气温在-3—5℃之间，最冷月平均气温-20℃，最高月平
均气温 21℃。温度年较差在 35—42℃之间，日较差平均在 12—16℃。无霜期为
90—130 天，寒冷期可达 7 月。年均蒸发量在 2100mm 左右[77]。受蒙古—西伯利
亚高压的影响，风大也是锡林郭勒盟气候特点之一。全年偏西北风，大风主要集
中在春季，日数可达 50—80 天，年均风速在 3.5—4m/s[78]。
2.1.3 自然资源
锡林郭勒草原归于欧亚大陆草原区，有丰富的草地资源。锡林郭勒盟草原面
积广阔、草地类型种类多，为畜牧业发展和科学研究提供了天然的条件[79]。在天
然草地资源条件下发展了丰富的畜牧业资源，是我国重要的畜牧业生产基地，也
是我国北方生态屏障[80-81]。
锡林郭勒盟有丰富的煤炭资源，现已探明的矿物储量的潜在价值将近 4 万亿
元人民币。主要煤田有胜利煤田、白音华煤田、五间房煤田、巴彦宝力格煤田、

8
 内蒙古大学硕士学位论文

白音乌拉煤田、那仁宝力格煤田、吉日嘎露天矿、道特煤田、贺斯格乌拉露天矿
和农乃庙煤矿。其中储量大于 100 亿吨的有 5 处。煤质大部分为中灰、低硫、低
磷褐煤，是优质的动力煤和化工用煤[82]。
锡林郭勒盟有得天独厚的旅游资源。草地是主要景观，其中包括草甸草原、
典型草原、荒漠草原和沙地等景观。此外还有多种动植物，给旅游开发与发展提
供了雄厚的基础[83]。除了自然景观，还具备着历史悠久的游牧文化人文景观。锡
林郭勒盟是北方游牧民族祖祖辈辈生活的舞台，有灿烂的文化和特殊的草原风土
人情[84]。

2.2 研究方法

2.2.1 研究区 2000-2018 年间逐年植被 NDVI 变化趋势研究

（1）数据来源

基于连续时间序列的 SPOT／VEGETATION NDVI 卫星遥感数据，空间分

辨率为 1km，将每月的 NDVI 数据采用最大值合成法[85]生成的 2000—2018 年
间的 19 期年度 NDVI 数据，数据来源于中国科学院资源环境科学数据中心
（http://www.resde.cn）。
（2）计算方法

本研究采用趋势线分析方法对研究时间段内 NDVI 变化趋势进行分析[86]，即以时间

t 为自变量，对 NDVI 进行一元线性回归分析。计算公式如下：

𝑛 ∑𝑛𝑖=1 𝑖𝑥𝑖 −∑𝑛𝑙=̇ 1 𝑙̇ ∑𝑛𝑖=1 𝑥𝑖
𝑆𝑙𝑜𝑝𝑒 = 𝑛 ∑𝑛𝑖=1 𝑖 2 −[∑𝑛𝑖=1 𝑖 ]2
（1）

式中：𝑆𝑙𝑜𝑝𝑒是 2000—2018 年 NDVI 线性回归系数，即斜率，如果回归系数为正，

说明 NDVI 在研究时段呈上升趋势，反之，该变量呈下降趋势；𝑛为研究时段年数，𝑖表

示 1 到𝑛，𝑛 = 19；𝑥为待分析变量。

在此基础上，为了更好地定量分析植被覆盖度在时间上的变化，利用 NDVI 序列与

时间的相关系数 r 判断了植被覆被变化程度和性质，并且利用相关系数的大小进行显著

性判断[23]。显著性临界值查相关系数检验临界值表获得（样本数为 19 时，显著性水平

在 0.05 和 0.01 时临界值分别为 0.432，0.549）。根据 NDVI 变化趋势斜率及显著性临

界值，将植被变化类型分为极显著退化（斜率＜0，显著性临界值≥0.549）、显著退化（斜

9
 内蒙古大学硕士学位论文

率＜0，0.549＞显著性临界值≥0.432）、无显著变化（斜率（-∞，+∞），0.432＞显著性

临界值）、显著改善（斜率＞0，0.549＞显著性临界值≥0.432）、极显著改善（斜率＞0，

显著性临界值≥0.549）五类[58]。

2.2.2 研究区 2000、2010 和 2018 年植被 NDVI 变化特征研究

（1）数据来源

Landsat4/5、Landsat7 和 Landsat8 卫星携带的 2000、2010 和 2018 年生长

季（6—10 月）的 TM、ETM+和 OLI 传感器数据，空间分辨率为 30 米。将每
月的数据采用最大值合成法生成的锡林郭勒盟生长季 NDVI 数据。数据来源于
美国地质调查局（https://www.usgs.gov/）。
（2）计算方法

根据以往的研究经验，将研究区 2000、2010 和 2018 年 NDVI 值按等间距分为 5 个

等级, 即 0~0.2 (低覆盖度) 、0.2~0.4 (中低覆盖度) 、0.4~0.6 (中覆盖度) 、0.6~0.8 (中高

覆盖度) 、0.8~1.0 (高覆盖度) [87]。

2.2.3 研究区植被 NDVI 变化驱动因素特征分析

（1）数据来源

年降雨量和年均温的气候数据：
气候数据是基于内蒙古 119 个气象站点在 2000、2010 和 2018 年的日观测数
据，通过整理和、计算和空间插值处理生成的。气候数据插值应用的是澳大利亚
的 ANUSPLIN 插值软件，加入分辨率为 1Km 的 DEM 数据为辅助数据计算生成
的[88]。分辨率为１Km 的年降水量和年平均气温栅格图。气象站点数据来源于中
国气象数据网（http://data.cma.cn）。DEM 数据来源于中国科学院资源环境科学
数据中心（http://www.resde.cn）。
土壤、地貌、植被类型数据：
土壤、地貌和植被类型分布数据分别来源于中国土壤普查办公室 1995 年编
制《1:100 万中华人民共和国土壤图》、《中华人民共和国地貌图集
（1:100）》和 1:100 万植被图数字化生成的图，分辨率为 1Km。数据来源于中
国科学院资源环境科学数据（http://www.resde.cn）。
人口密度数据:

10
 内蒙古大学硕士学位论文

人口密度数据来源于 WorldPop 数据集（https://www.worldpop.org/）。分辨

率为１Km×1Km 的栅格数据。
土地利用与土地覆盖（LUCC）数据:
以 2000、2010 和 2018 年各期 Landsat TM/ETM 遥感影像为主要数据源，通
过人工目视解译生成。是分辨率为 30m×30m 的栅格数据。土地利用类型包括耕
地、林地、草地、水域、居民地和未利用土地 6 个一级类型以及 25 个二级类型
（包括水田、旱地、有林地、灌木林地、疏林地、其它林地、高覆盖度草地、中
覆盖度草地、低覆盖度草地、河渠、湖泊、水库坑塘、滩地、城镇用地、农村居
民点、其它建设用地、沙地、盐碱地、沼泽地、裸土地和裸岩石质地）[89]。数据
来源于中国科学院资源环境科学数据中心（http://www.resde.cn）。
（2）计算方法

年降雨量、年均温的变化趋势分析
为研究近 19 年气温和降水量的变化趋势，对气温和降水量数据和年份之间
进行线性回归(公式 1)，计算其拟合斜率 B 和相关系数 R（公式 2 和公式 3）．如
果斜率大于零，说明气象要素变化趋于上升趋势，如果斜率小于零，则说明气象
要素变化趋于下降。如果 R 值通过 0.05 的显著性水平（P＜0.05），则认为气象
要素呈显著增加或显著下降趋势[90]。
𝑌 = 𝐵𝑋 + 𝐴 （2）
∑𝑛𝑖=1 𝑡𝑖 −∑𝑛𝑖=1 𝑥𝑖 ∕(𝑛 ∑𝑛𝑖=1 𝑡1 )
𝐵= ∑𝑛𝑖=1 𝑡 2 −(∑𝑛𝑖=1 𝑡 )2 ∕𝑛
（3）

1 1
𝑅 = √∑𝑛𝑖=1 𝑡𝑖2 − (∑𝑛𝑖=1 𝑡𝑖 )2 ∕ √∑𝑛𝑖=1 𝑥𝑖2 − (∑𝑛𝑙=̇ 1 𝑥𝑖 )2 （4）
𝑛 𝑛

式中：𝐵为斜率；𝑥𝑖̇ 为第 𝑖 年的降水量或气温；𝑡𝑖 为第 𝑖 年年份，在 2000—2018 间

取值；𝑛 为研究时间段，取 19。

土地利用与土地覆盖(LUCC)变化研究：
土地利用转移矩阵方法是较传统的研究土地利用与土地覆盖变化的方法。它能表述

某一时刻一定区域的各 LUCC 面积数据，而且包含更丰富的前期各类 LUCC 面积转出

和后期各类 LUCC 面积转入的数据[91]。所以本文应用了土地利用转移矩阵反映了锡林

郭勒盟 2000、2010 和 2018 年各类 LUCC 类型面积之间相互转化的动态信息过程。土地

利用转移矩阵的通用形式为：

11
 内蒙古大学硕士学位论文

𝑠11 𝑠12 … 𝑠1𝑛

𝑠21 𝑠22 … 𝑠2𝑛
𝑠𝑖𝑗 = [ … … … …] (5)
𝑠𝑛1 𝑠𝑛2 … 𝑠𝑛𝑛

式中：𝑠代表面积；𝑛代表转移前后的土地利用类型；𝑖、𝑗（𝑖, 𝑗 = 1,2, … ，𝑛）分别代表转

移前与转移后的 LUCC 类型；𝑠𝑖𝑗 表示 𝑖 LUCC 类型转换成 𝑗 LUCC 类型的面积。矩阵中

的每一行元素代表转移前的 𝑖 LUCC 类型向转移后的各 LUCC 类型的流向信息，矩阵中

的每一列元素代表转移后的 𝑗 LUCC 类型面积从转移前的各 LUCC 类型的来源信息。

转移前后土地利用类型数可以有所不同，这时𝑠𝑖𝑗 的行数和列数不同，它是一个一般的矩

阵。为研究方便，转移前后通常采用相同的分类体系和分类精度，这样 𝑠𝑖𝑗 的行数和列数

相同，它就是一个 𝑛 阶方阵。

2.2.4 基于地理探测器的植被 NDVI 变化驱动因素研究

（1）数据来源
利用研究植被 NDVI 变化及相关驱动因素数据。
（2）研究方法
数据离散化：
为了定量评价并且揭示各因素对锡林郭勒盟植被覆盖度的影响本文应用了
地理探测器，地理探测器是针对离散数据的算法，所以对连续变量（本文中年平
均气温、年降水和人口密度是连续变量）进行了离散化处理。本文采取自然断点
法[92]，将年平均气温和年降水量分为 10 类。通过以往的研究[93]将人口密度分为
了 6 类。
地理探测器方法：
地理探测器是王劲峰等人首次提出的一种探测空间分异性、揭示驱动因子的一种新

的空间统计方法。地理探测器由４部分组成，分别是因子探测、交互作用探测、风险探

测与生态探测[94]，本文应用了前三个。

（１）空间分异及因子探测。探测ｙ（NDVI）的空间分异性，以及探测各因子多大

程度上解释了属性ｙ(NDVI)的空间分异。用ｑ值度量，表达式为：
∑𝐿ℎ=1 𝑁ℎ 𝜎ℎ2 𝑠𝑠𝑤
𝑞 =1− 𝑁𝜎 2
= 1 − 𝑆𝑆𝑇 (5)

𝑆𝑆𝑊 = ∑𝐿ℎ=1 𝑁ℎ 𝜎ℎ2 ，𝑆𝑆𝑇 = 𝑁𝜎 2

12
 内蒙古大学硕士学位论文

式中：ℎ = 1，…，𝐿为变量𝑦(NDVI)或因子𝑋(某个自然或人为因子)的分层（Strata），即

分类或分区；𝑁ℎ 和𝑁分别为层ℎ和全区的单元数；𝜎ℎ2 和𝜎 2 分别是层ℎ和全区的𝑦值的方差。

𝑆𝑆𝑊和𝑆𝑆𝑇分别为层内方差之和（Within Sum of Squares）和全区总方差（Total Sum of

Squares）。𝑞的值域为[0,1]，值越大说明𝑦(NDVI)的空间分异性越明显；如果分层是由自

变量𝑥生成的，则𝑞值越大表示自变量𝑥对属性𝑦的解释力越强，反之则越弱。

（2）交互作用探测。识别不同自变量因子之间的交互作用，即评估因子𝑥1 和𝑥2 共同

作用时是否会增加或减弱对因变量 𝑦 的解释力。评估的方法是首先分别计算两种因子

𝑥1 和𝑥2 对𝑦的𝑞 值：𝑞(𝑥1 )和𝑞(𝑥2 )，并且计算它们交互时的𝑞值：𝑞(𝑥1 ∩ 𝑥2 )，并对𝑞(𝑥1 )、

𝑞(𝑥2 )与𝑞(𝑥1 ∩ 𝑥2 )进行比较。表 2.1 展现出了两个因子之间的关系。

表 2.1 两个自变量交互作用的类型
Table 2.1 Types of interaction between two covariates
交互作用类型 判断准则
双因子增强 q(X1∩X2) > q(X1) and q(X2)
非线性增强 q(X1∩X2) > q(X1) + q(X2)
单因子非线性减弱 q(X1∩X2) < q(X1) or q(X2)
非线性减弱 q(X1∩X2) < q(X1) and q(X2)
独立 q(X1∩X2) = q(X1) + q(X2)
X1 和 X2 代表影响植被 NDVI 的因子。符号“∩”表示 X1 和 X2 之间的交互作用。

（3）风险区探测。风险探测用于判断两个影响因子（包括自然和人为因子）子区

域间的属性均值是否有显著的差别，用于寻找植被覆盖度退化或改善区域。风险探测

用 t 统计量来检验：

𝑌̅ℎ=1 −𝑌̅ℎ=2
𝑡= 1 （6）
𝑉𝑎𝑟(𝑌ℎ=1 ) 𝑉𝑎𝑟(𝑌ℎ=2 ) 2
[ + ]
𝑛ℎ =1 𝑛ℎ =2

式中：𝑌̅为子区域 ℎ内植被 NDVI 线性回归系数的均值；𝑛ℎ 为子区域ℎ内样本数量；

13
 内蒙古大学硕士学位论文

第三章 研究结果

3.1 锡林郭勒盟 2000—2018 年植被 NDVI 变化

3.1.1 锡林郭勒盟 2000—2018 年 19 年间植被 NDVI 变化趋势

2000—2018 年 19 年间植被 NDVI 变化趋势是基于分辨率为 1km 的每月的
SPOT/VEGETATION NDVI 数据，采用最大值合成法生成的。再采用趋势线分析
法分析了 19 年间锡林郭勒盟植被 NDVI 变化。趋势线分析法是将研究时间段内
每个像素的 NDVI 值与研究时间进行一元线性回归，可以较好地呈现植被 NDVI
变化趋势。
从图 3.1 可以看出，2000—2018 年，19 年间整个锡林郭勒盟植被 NDVI 在
波动中缓慢增加的趋势，但增加不显著。研究区在 2012 年植被 NDVI 最大，达
到 0.546；在 2009 年 NDVI 最低，达 0.374。

0.6
y = 0.0028x + 0.4191
0.55 R = 0.332
P=0.166
0.5
NDVI值

0.45

0.4

0.35

0.3

年份

图 3.1 2000—2018 年锡林郭勒盟平均植被 NDVI 值变化趋势图

Fig 3.1 Change trend of average vegetation NDVI values in XilinGol League from 2000 to
2018

（1）研究区植被 NDVI 变化在旗县尺度上体现出，锡林浩特市北部、阿巴

嘎旗东南部、东乌珠穆沁旗南部、太仆寺旗南部、正蓝旗南部和多伦县增加趋势
14
 内蒙古大学硕士学位论文

明显（图 3.3）。其中增加趋势最高的是多伦县，达 0.0085。太仆寺旗、锡林浩

特市、正蓝旗、西乌珠穆沁旗、东乌珠穆沁旗和阿巴嘎旗的增加趋势分别达到了
0.0059、0.0056、0.0046、0.0042、0.0030 和 0.0024。苏尼特左旗、苏尼特右旗、
二连浩特市和镶黄旗变化趋势较小（图 3.2）。
从图 3.3 还可以看出，苏尼特左旗南部、苏尼特右旗大部分、阿巴嘎旗北部、
正镶白旗西南部、锡林浩特市南部和东乌珠穆沁旗北部植被 NDVI 呈减少趋势。

0.009
0.008
0.007
植被NDVI变化趋势

0.006
0.005
0.004
0.003
0.002
0.001
0

图 3.2 2000—2018 年锡林郭勒盟各旗县植被 NDVI 变化趋势

Fig. 3.2 Change trend of vegetation NDVI in various counties of XilinGol League from 2000
to 2018

（2）从乡镇（苏木）来看，多伦县十五号乡植被 NDVI 增加趋势最大，达

到 0.009745。多伦县的大北沟乡、耗来沟乡和黑山嘴乡增加趋势分别达到了
0.009677、0.008862 和 0.008562。太仆寺旗的五面井乡和锡林浩特市的巴彦宝拉
苏木植被 NDVI 增加趋势，分别达到 0.008823 和 0.00867。可以看出，植被 NDVI
增加趋势明显的区域主要集中在锡林郭勒盟南部与中部，从乡镇（苏木）来看，
增加趋势最明显的是多伦县的几个乡镇（图 3.3）。
正镶白旗羊群滩乡植被 NDVI 减少趋势最严重，达-0.001806。苏尼特右旗赛
汉乌力苏木和赛汉塔拉苏木，减少趋势达-0.001157 和-0.000088。阿巴嘎旗的吉
尔嘎郎苏木和巴彦图嘎、苏尼特右旗的桑宝拉格苏木和苏尼特左旗德勒格尔植被
NDVI 减少趋势分别达-0.000906、-0.000112、-0.000871 和-0.000115。可以看出，

15
 内蒙古大学硕士学位论文

植被 NDVI 减少趋势严重的区域主要集中在锡林郭勒盟北部与西部，从乡镇（苏
木）来看，主要在苏尼特右旗、苏尼特左旗和阿巴嘎旗的几个苏木（图 3.3）。

图 3.3 2000—2018 年锡林郭勒盟植被 NDVI 年际变化趋势空间分布

Fig 3.3 Spatial distribution of interannual variation trend of vegetation NDVI in XilinGol
League from 2000 to 2018

3.1.2 锡林郭勒盟 2000—2018 年植被 NDVI 不同变化类型空间分布

在趋势线分析中，以 19 年的植被 NDVI 为基础，利用 NDVI 序列与时间的
相关系数 r 判断了植被覆被变化程度和性质，并且利用相关系数的大小进行了显
著性判断，根据 NDVI 变化趋势斜率及显著性临界值，将植被变化类型分为极显
著退化、显著退化、无显著变化、显著改善和极显著改善。
2000—2018 年，19 年间整个锡林郭勒盟植被在空间上改善和退化共存，总
体上呈现改善趋势。
面积特征而言，植被 NDVI 改善面积远大于退化面积，其中极显著改善和显
著改善面积分别达到 2575.4 km²和 2660.9 km²，而显著退化和极显著退化的面积
只有 230.9 km²和 164.1 km²（表 3.1）。
空间特征而言，显现出南部与东北部改善，北部和东部极少零散的区域呈退
化（图 3.4）。按旗县来看，改善面积最大的旗县是多伦县，改善面积达 2000.7km²，

16
 内蒙古大学硕士学位论文

其中极显著改善面积高达 1299.7km²。正蓝旗、东乌珠穆沁旗、太仆寺旗、西乌
珠穆沁旗和正镶白旗的极显著改善面积都超过了 100km²，面积依次为 535.2 km²、
208.3 km²、194.8 km²、124.1 km²和 105.0 km²。锡林浩特市、苏尼特左旗和阿巴
嘎旗植被极显著改善面积较小，分别达到了 45.1 km²、36.2 km²和 24.4 km²（表
3.1）。

图 3.4 2000—2018 年基于 NDVI 年际变化趋势及其显著性的锡林郭勒盟植被变

化状况空间分布
Fig 3.4 Spatial distribution of vegetation change in XilinGol League from 2000 to 2018
based on the interannual variation trend of NDVI and its significance

植被 NDVI 显著改善中，多伦县显著改善面积最大，高达 701.0km²。东乌珠

穆沁旗和正蓝旗的改善明显，显著改善面积达 562.0 km²和 546.9 km²。太仆寺旗、
西乌珠穆沁旗、锡林浩特市和正镶白旗的植被 NDVI 显著改善面积也较大，依次
达到了 294.6 km²、172.4 km²、166.6 km²和 121.0 km²。阿巴嘎旗和苏尼特左旗植
被显著改善面积不大，分别达到了 66.0 km²和 28.6 km²。苏尼特右旗、镶黄旗和
二连浩特市植被 NDVI 变化不大，较为稳定（表 4.1）。
植被退化最严重的是东乌珠穆沁旗，退化面积达 107.9 km²，其中极显著退
化 21.6 km²。西乌珠穆沁旗植被极显著退化面积最大，达 52.9 km²。锡林浩特市、
苏尼特左旗、正蓝旗和多伦县植被极显著退化面积分别是 21.6 km²、12.7 km²、
17
 内蒙古大学硕士学位论文

12.6 km²和 11.7 km²。植被显著退化中，东乌珠穆沁旗最为严重，面积达 71.1 km²。

苏尼特左旗、西乌珠穆沁旗、锡林浩特市和正蓝旗植被退化面积在 10 km²以上，
分别是 46.8 km²、26.7 km²、25.8 km²和 15.8 km²。其余旗县植被退化较轻（表
4.1）。
表 3.1 2000—2018 年锡林郭勒盟各旗县植被 NDVI 不同变化类型面积
Table 3.1 Areas of vegetation NDVI with different change levels in each banner county
of XilinGol League from 2000 to 2018
显著退化 极显著退化
极显著改善（Km2） 显著改善（Km2）
（Km2） （Km2）
多伦县 1299.7 701 7.3 11.7
正蓝旗 535.2 546.9 15.8 12.6
东乌珠穆沁旗 208.3 562 71.1 36.8
太仆寺旗 194.8 294.6 5 2.9
西乌珠穆沁旗 124.1 172.4 26.7 52.9
正镶白旗 105 121 9.6 5.8
锡林浩特市 45.1 166.6 25.8 21.6
苏尼特左旗 36.2 28.6 46.8 12.7
阿巴嘎旗 24.4 66 9.6 3.2
苏尼特右旗 2.6 1.4 10.9 3.9
镶黄旗 0 0.4 0.2 0
二连浩特市 0 0 2.1 0
合计 2575.4 2660.9 230.9 164.1

3.1.3 基于 30m 分辨率的 2000、2010 和 2018 年植被 NDVI 变化

本文应用 TM、ETM 和 OLI 数据，采用最大值合成法计算了 2000、2010 和
2018 年锡林郭勒盟生长季（6—10 月）植被 NDVI，分辨率为 30 米。用等间距
来划分植被覆盖度等级，低覆盖度植被（0—0.2）、中低覆盖度植被（0.2—0.4）、
中覆盖度植被（0.4—0.6）、中高覆盖度植被（0.6—0.8）和高覆盖度植被（0.8—
1.0）。
锡林郭勒盟的 2000、2010 和 2018 年植被 NDVI 空间分布如图 3.5。可以看
出，研究区植被 NDVI 总体良好，从 2000、2010 和 2018 年三期可以看出，植被
NDVI 呈增加趋势。2000 年和 2010 年只形成低覆盖度、中低覆盖度、中覆盖度、
中高覆盖度等 4 类植被覆盖度类型，而到 2018 年时出现了高覆盖度植被类型分
布区。

18
 内蒙古大学硕士学位论文

通过比较 2000 年 2018 年以后发现，低覆盖度植被面积减少了 79006.65 km2，

中低覆盖度、中覆盖度、中高覆盖和高覆盖植被面积分别增加了 57052.36 km2、
18075 km2、387270 km2 和 6.09 km2（图 3.6）。

图 3.5 基于 30 米分辨率数据的锡林郭勒盟 2000、2010 和 2018 年植被 NDVI

Fig 3.5 Vegetation NDVI of XilinGol League in 2000, 2010 and 2018 based on 30-meter
resolution data

图 3.6 基于 30 米分辨率数据的锡林郭勒盟 2000、2010 和 2018 年不同植被等级分布面积

Fig 3.6 Distribution areas of different vegetation classes in XilinGol League in 2000, 2010 and
2018 based on 30-meter resolution data

2000 年和 2010 年植被 NDVI 变化而言，在 2000 年低覆盖度植被、中低覆

盖度植被、中覆盖度植被、中高覆盖度植被的比例分别为 88.44%、8.30%、2.90%
和 0.37%。到 2010 年时低覆盖度植被、中低覆盖度植被、中覆盖度植被、中高

19
 内蒙古大学硕士学位论文

覆盖度植被的比例分别为 79.40%、16.37%、3.51%和 0.73%。表现为低覆盖度植

被所占比例下降，其余类型植被覆盖度的面积所占比例增加。
低覆盖度植被中有 25320.79 km2 的面积得到改善，占低覆盖度植被面积的
14.22%。中低覆盖度植被中 2863.56 km2 的面积得到改善，中覆盖度植被区域中
683.56 km2 的面积得到改善。

表 3.2 基于 30 米分辨率数据的锡林郭勒盟 2000—2010 年植被覆盖度转换面积（km2）

Table 3.2 Vegetation coverage conversion area (km2) in XilinGol League from 2000 to 2010
based on 30 m resolution data
2010 年
2000 年 总计
低覆盖度植被 中低覆盖度植被 中覆盖度植被 中高覆盖度植被 高覆盖度植被
低覆盖度植被 152759.83 23264.05 1873.53 183.37 0 178080.78
中低覆盖度植被 6381 7462.9 2565.16 298.12 0 16707.18
中覆盖度植被 704.9 2078.83 2372.46 683.56 0 5839.74
中高覆盖度植被 44.53 149.4 248.58 296.61 0 739.11
高覆盖度植被 0 0 0 0 0
总计 159890.26 32955.19 7059.72 1461.66 0 201366.83

2010 年和 2018 年的植被覆盖度比较后发现，到 2018 年时低覆盖度植被、

中低覆盖度植被、中覆盖度植被、中高覆盖度植被和高度盖度植被面积所占比例
为 49.20%、36.63%、11.88%、2.29%和 0.003%，虽然高度盖度植被面积仅为 6.09
km2，但相比 2000 年和 2010 年而言形成了高覆盖植被，表明植被覆盖度的进一
步改善。低覆盖度植被中有 66460.76km2 的面积得到改善；中低覆盖度植被区域
中 20409.46km2 的面积得到改善；中覆盖度植被区域中 1712.91 km2 的面积得到
改善。
表 3.3 基于 30 米分辨率数据的锡林郭勒盟 2010-2018 年植被覆盖度转换面积（km2）
Table 3.3Vegetation coverage conversion area (km2) in XilinGol League from 2010 to 2018 based
on 30 m resolution data
2018 年
2010 年 总计
低覆盖度植被 中低覆盖度植被 中覆盖度植被 中高覆盖度植被 高覆盖度植被
低覆盖度植被 93429.50 55130.90 10611.70 715.22 2.94 159890.26
中低覆盖度植被 5284.38 16747.70 9487.75 1433.96 1.40 32955.19
中覆盖度植被 333.91 1690.45 3322.46 1711.17 1.74 7059.72
中高覆盖度植被 26.35 190.50 493.34 751.47 0.01 1461.66
高覆盖度植被 0 0 0 0 0 0
总计 99074.13 73759.54 23915.25 4611.82 6.09 201366.83

20
 内蒙古大学硕士学位论文

3.2 锡林郭勒盟 2000、2010 和 2018 年 LUCC 变化研究

3.2.1 2000、2010 和 2018 年 LUCC 状况

锡林郭勒盟 2000、2010 和 2018 年土地利用与土地覆盖现状图中可以看出，
草地是锡林郭勒盟主要的 LUCC 类型（图 3.7）。耕地主要分布在研究区的南部、
东北部和东部，其中南部是主要分布区域。林地主要分布在东部和东北部。未利
用地在研究区全部区域都有分散分布。 研究区大小湖泊较多，也可以明显的看
出，水域呈减少趋势。

图 3.7 2000、2010 和 2018 年锡林郭勒盟土地利用与土地覆盖（LUCC）

Figure 3.7 Land use and land cover (LUCC) in XilinGol League, 2000, 2010 and 2018

3.2.2 锡林郭勒盟 2000—2010 年 LUCC 变化

从 2000—2010 年 LUCC 转移矩阵来看（表 3.4），耕地在 2000 年转出的
有 245.88km²，到 2010 年转入的有 373.48 km²，增加了 127.6 km²。其中，草
地最多转入耕地，占全部转入面积的 93%；林地在 2000 年转出的有 61.9 km²，
到 2010 年转入的有 95.4 km²，增加了 33.5 km²。其中，草地最多转入林地，
占全部转入面积的 96%；草地在 2000 年转出的有 2037.11 km²，到 2010 年转
入的有 1519.39 km²，减少了 517.72 km²。其中，草地主要转出为未利用地，
占全部转出面积的 73%；水域在 2000 年转出的有 665.46 km²，到 2010 年转
入的有 118.96 km²，减少了 546.5 km²。其中，水域主要转出为未利用地，占
全部转出面积的 88%；建设用地在 2000 年转出的有 10.77 km²，到 2010 年转
入的有 113.88 km²，增加了 103.11 km²。其中，草地最多转入建设用地，占全
部转入面积的 77%；未利用地在 2000 年转出的有 1287.91 km²，到 2010 年转

21
 内蒙古大学硕士学位论文

入的有 2087.93 km²，增加了 800.02 km²。其中，草地最多转入未利用地，占

全部转入面积的 71%；可以看出 2000—2010 年，草地是其它 LUCC 类型扩
张的主要来源，其次是水域。特别注意的是，2000—2010 年间水域减少最严
重，从 2000 年的 1891.22 km²，减少到了 2010 年的 1344.72 km²。与 2000 年
相比较，到 2010 年水域减少了 28.9%的面积。表明湖泊、湿地等退化严重。

表 3.4 2000—2010 年 LUCC 变化面积（km²）转移矩阵

Table 3.4 LUCC change area (km²) transfer matrix from 2000 to 2010
2010LULC 2000—2010
2000LULC 总计
耕地 林地 草地 水域 建设用地 未利用地 年转出面积
耕地 5615.32 1.21 225.76 0.46 5.94 12.51 5861.20 245.88
林地 5.33 2886.95 54.18 0.06 0.17 2.16 2948.85 61.9
草地 347.23 91.15 166513.28 26.66 87.35 1484.72 168550.39 2037.11
水域 0.44 0.07 76.39 1225.76 0.70 587.86 1891.22 665.46
建设用地 2.26 0.21 7.58 0.05 473.65 0.68 484.42 10.77
未利用地 18.22 2.76 1155.48 91.73 19.72 20044.52 21332.43 1287.91
总计 5988.80 2982.35 168032.67 1344.72 587.53 22132.45
2000—2010
373.48 95.4 1519.39 118.96 113.88 2087.93
年转入面积

3.2.3 锡林郭勒盟 2010—2018 年 LUCC 变化

表 3.5 是 2010—2018 年锡林郭勒盟 LUCC 变化面积转移矩阵。可以看出，
相比于 2000—2010 年 LUCC 变化，2010—2018 年的 LUCC 变化不大。变化最大
的是未利用地，从 2000 年的 22133.94 km²，减少为 2018 年的 21407.94 km²，减
少了 726 km²，其中未利用地转出草地面积最多，占未利用地转出面积的 62%，
水域占 31%；其次是建设用地，从 2000 年的 587.6 km²，增加为 2018 年的 1124.02
km²，增加了 536.35 km²。其中草地转入建设用地面积最多，占建设用地转入面
积的 86%；水域从 2000 年的 1344.74 km²，增加到了 2018 年的 1637.00 km²，增
加了 292.26 km²。其中未利用地转入水域面积最多，占水域转入面积的 64%，草
地占 36%；草地从 2000 年的 168083.72 km²，增加到了 2018 年的 168104.01 km²，
增加了 20.29 km²。草地转出和转入面积相当，其中转入最多面积的 LUCC 类型
是未利用地，占草地转入面积的 73%；林地从 2000 年的 2988.57 km²，增加到了
2018 年的 2996.37 km²，增加了 7.8 km²。林地变化不大，转入和转出面积分别是
18.24 km²和 10.44 km²；
耕地从 2000 年的 5990.75 km²，减少到了 2018 年的 5860.05
22
 内蒙古大学硕士学位论文

km²，减少了 130.72 km²。其中耕地转出草地面积最多，占耕地转出面积的 82%，

其它 LUCC 类型转入耕地面积不多。从 2010—2018 年未利用地减少、草地增加
和水域增加可见区域植被变好趋势。建设用地扩张主要来源是草地，也是草地面
积减少的主要原因。耕地面积呈减少，可能是因为退耕还草项目导致的。

表 3.5 2010—2018 年 LUCC 变化面积（km²）转移矩阵

Table 3.5 LUCC change area (km²) transfer matrix from 2010 to 2018
2018LULC 2010—2018 年
2010LULC 总计
耕地 林地 草地 水域 建设用地 未利用地 转出面积
耕地 5853.65 2.48 111.85 0.31 19.78 2.68 5990.75 137.1
林地 0.00 2978.13 2.48 0.37 7.58 0.00 2988.57 10.44
草地 6.34 15.75 167424.29 141.00 461.22 35.12 168083.72 659.43
水域 0.00 0.00 71.27 1246.10 2.12 25.24 1344.74 98.64
建设用地 0.01 0.01 0.27 0.78 586.58 0.01 587.67 1.09
未利用地 0.04 0.01 493.85 248.42 46.74 21344.89 22133.94 789.05
总计 5860.05 2996.37 168104.01 1637.00 1124.02 21407.94
2010—2018 年
6.40 18.24 679.72 390.90 537.44 63.05
转入面积

3.3 研究区年均气温和年降水变化特征分析

从空间分布来看，锡林郭勒盟年平均气温从西南向东北逐渐降低（图 3.8）。
南北部年平均气温差异大，北部年最低平均气温可达-3.742℃，而西部最高年平
均气温达 6.676℃。年降水量呈现出东部多，西部少的空间分布。东部最高年降
水量可达 599.2mm，西部最低降水量可达 131.6mm，可见整个研究区降水分布很
不均匀。

23
 内蒙古大学硕士学位论文

图 3.8 2000、2010 和 2018 年锡林郭勒盟年平均气温和年降水量空间分布图

Fig. 3.8 Spatial distribution of annual mean temperature and annual precipitation in XilinGol
League in 2000, 2010 and 2018

2000—2018 年锡林郭勒盟年平均气温与年降水量变化及变化趋势如图 7。
19 年平均气温为 3.274℃，其中最低气温出现在 2012 年，达 1.814℃；最高
气温出现在 2014 年，高达 4.691℃。从气温年际变化来看，呈波动中缓慢上升趋
势，但上升趋势不显著（图 3.9）。
19 年平均降水量为 292.63mm，其中最高降水量出现在 2012 年，达 396.76mm；
最低降水量出现在 2017 年，达 215.47mm。从降水年际变化来看，呈现出波动中
缓慢减少的趋势，但减少趋势并不显著（图 3.9）。

24
 内蒙古大学硕士学位论文

图 3.9 2000—2018 年锡林郭勒盟年平均气温和年降水量时间变化趋势

Fig. 3.9 Time variation trend of annual mean temperature and annual mean precipitation in
XilinGol League from 2000 to 2018

3.4 研究区人口密度变化分析

整体来看，研究区人口主要集中分布在南部和中部，其中南部分布最广（图
3.10）。旗县来看，人口主要分布在各旗县的城镇地区。从空间分布来看，到了
2010 年人口向城镇集中比较明显。2018 年人口空间分布相比于 2010 年较为分
散。

图 3.10 2000、2010 和 2018 年锡林郭勒盟人口密度（1km²/人）空间分布图

Fig. 3.10 Spatial distribution of population density (1km²/ person) in XilinGol League in 2000,
2010 and 2018

人口密度小于 4 人/Km²的所占面积从 2000 年的 168745.3 Km²，增加到了

2018 年的 172857.4 Km²，所占面积占比从 84.35%增加到了 86.40%。人口密度

25
 内蒙古大学硕士学位论文

4—12 人/Km²的所占面积从 2000 年的 18884.0 Km²，减少到了 2018 年的 14707.5

Km²，所占面积占比从 9.44%减少到了 7.45%。人口密度 12—20 人/Km²的所占面
积从 2000 年的 5639.4 Km²，减少到了 2018 年的 5180.0 Km²，所占面积占比从
2.82%减少到了 2.59%。人口密度 20—30 人/Km²的所占面积 2000 年与 2018 年变
化不大，但在 2010 年减少到了 1792.4 Km²，所占面积占比从 2000 年的 1.59%减
少到了 2010 年的 0.90%。人口密度 30—100 人/Km²的所占面积从 2000 年的
2892.5 Km²，增加到了 2018 年的 3309.6 Km²，所占面积占比从 1.45%增加到了
1.65%。人口密度大于 100 人/Km²的所占面积从 2000 年的 723 Km²，增加到了
2018 年的 818 Km²，所占面积占比从 0.36%增加到了 0.41%（表 3.6）。

表 3.6 锡林郭勒盟 2000、2010 和 2018 年不同人口密度所占面积（km²）和比例（%）

Table 3.6 Area (km²) and Proportion (%) of Different Population Density in Xilin Gol League in
2000, 2010 and 2018
人/Km² ＜4 4—12 12—20 20—30 30—100 100＜
2000 年 168745.3 18884.0 5639.4 3179.5 2892.5 723.1
84.35% 9.44% 2.82% 1.59% 1.45% 0.36%
2010 年 177729.6 13084.3 3836.0 1792.4 2437.0 1183.0
88.84% 6.54% 1.92% 0.90% 1.22% 0.59%
2018 年 172857.4 14707.5 5180.0 3193.6 3309.6 818.6
86.40% 7.35% 2.59% 1.60% 1.65% 0.41%

3.5 基于地理探测器的植被覆盖度变化影响因素分析

3.5.1 地理探测器之单因素分析
在 2000、2010 和 2018 年，植被 NDVI 受自然因素（年降水量、年平均气
温、植被类型、土壤类型和地貌类型）的影响大于人为因素（LUCC 类型和人口
密度）。从三期的 q 值来看（表 3.7），锡林郭勒盟植被 NDVI 主要受年降水量
的影响，其次是年平均气温和土壤类型；LUCC 对植被 NDVI 的影响也较大，q
值在 0.2 左右；地貌类型的 q 值在 0.19—0.098 之间；植被类型对植被 NDVI 的
影响较小，q 值在 0.11 以下；人口密度对植被 NDVI 的影响最小，q 值在 0.06 以
下。

26
 内蒙古大学硕士学位论文

在 2000 年，各因子对植被 NDVI 影响程度排序为（表 3.7）：年降水量＞土

壤类型＞年平均气温＞LUCC 类型＞地貌类型＞植被类型＞人口密度。其中，年
降水量对植被 NDVI 影响最大，解释率达 42%;土壤类型解释率达 41%；平均气
温的解释率达 30.2%；LUCC 类型解释率达 23%；地貌类型解释率达 16%；植被
类型解释率达 11%；人口密度解释率只有 4.5%。
2010 年，各因子对植被 NDVI 影响程度排序为（表 3.7）：年平均气温＞土
壤类型＞年降水量＞LUCC 类型＞地貌类型＞植被类型＞人口密度。年平均气温
对植被 NDVI 影响最大，解释率达 40%，与 2000 年相比增加了 10%;土壤类型解
释率达 36%，与 2000 年相比减少了 5.6%；年降水量解释率达 35%，与 2000 年
相比减少了 7.4%；LUCC 类型解释率达 23%，与 2000 年相比增加了 1.5%；地
貌类型解释率达 16%，与 2000 年相比增加了 2.9%；人口密度和植被类型解释率
变化不大。
在 2018 年，各因子对植被 NDVI 影响程度排序为（表 3.7）：年降水量＞年
平均气温＞土壤类型＞LUCC 类型＞地貌类型＞植被类型＞人口密度。其中，年
降水量对植被 NDVI 影响最大，解释率达 40.9%;年平均气温解释率达 30.5%；土
壤类型解释率达 22.1%；LUCC 类型解释率达 15.6%；地貌类型解释率达 10.9%；
植被类型解释率达 7.3%；人口密度解释率只在 4.4%。从三期来看，年平均气温
对植被 NDVI 的影响呈增加趋势。在 2010 年甚至成为了影响植被 NDVI 的主要
因子。土壤类型对植被 NDVI 的影响呈减少趋势，从 2000 年的 41.1%的解释率，
降低为 2018 年的 22.1%。其余主要影响因子的波动和变化不大。

表 3.7 2000、2010 和 2018 年影响锡林郭勒盟植被 NDVI 的不同影响因素ｑ值统计

Table 3.7 q value statistics of different influencing factors for vegetation NDVI in XilinGol in
2000, 2010 and 2018
q值 年降水量 年平均气温 植被类型 土壤类型 地貌类型 LUCC 类型 人口密度
2000 年 0.420 0.302 0.110 0.411 0.161 0.231 0.045
P值 0.000 0.000 0.000 0.000 0.000 0.000 0.000
2010 年 0.346 0.403 0.093 0.355 0.190 0.246 0.039
P值 0.000 0.000 0.000 0.000 0.000 0.000 0.000
2018 年 0.409 0.305 0.073 0.221 0.109 0.156 0.054
P值 0.000 0.000 0.000 0.000 0.000 0.000 0.000

27
 内蒙古大学硕士学位论文

3.5.2 地理探测器之交互作用分析
在 2000 年，影响植被 NDVI 的双因子之间呈现出非线性增强和双因子增强
两种关系，不存在独立起作用的因子。双因子之间的交互作用对植被 NDVI 的影
响较大的是年降水量∩年平均气温＞年降水量∩土壤类型＞年降水量∩LUCC 类
型＞年平均气温∩土壤类型＞年降水量∩地貌类型。解释率最大的是年降水量∩
年平均气温，达 63.4%；年降水量∩土壤类型解释率达 56.1%；年降水量∩LUCC
类型解释率达 54.3%；年平均气温∩土壤类型解释率达 52.2%；年降水量∩地貌类
型解释率达 51.4%；。其余因子之间的交互作用的解释率小于 50%（表 3.8）。
可以看出，降水量与其它因子之间的交互作用普遍较高，表明降水量是影响
锡林郭勒盟植被 NDVI 的最主要的因子。年降水量与年平均气温之间的交互作用
对锡林郭勒盟植被 NDVI 的大小起决定性的作用。

表 3.8 2000 年不同影响因子交互作用探测

Table 3.8 Detection of interaction of different impact factors in 2000
年降水量 年平均气温 植被类型 土壤类型 地貌类型 LUCC 类型 人口密度
年降水量 0.420
年平均气温 0.634 0.301
植被类型 0.480 0.436 0.110
土壤类型 0.561 0.522 0.451 0.411
地貌类型 0.514 0.402 0.262 0.465 0.161
LUCC 类型 0.543 0.473 0.323 0.496 0.328 0.231
人口密度 0.477 0.365 0.142 0.454 0.213 0.270 0.045

在 2010 年，影响植被 NDVI 的双因子之间也呈现出非线性增强和双因子增

强两种关系，不存在独立起作用的因子。双因子之间的交互作用对植被 NDVI 的
影响从大到小排序是年降水量∩年平均气温＞年平均气温∩土壤类型＞年平均气
温∩LUCC 类型＞年降水量∩土壤类型＞年降水量∩LUCC 类型。解释率最大的是
年降水量∩年平均气温，达 65.4%；年平均气温∩土壤类型解释率达 53.5%；年平
均气温∩LUCC 类型解释率达 52.4%；年降水量∩土壤类型解释率达 50.9%；年降
水量∩LUCC 类型解释率在 50.4%；其余因子之间的交互作用的解释率小于 50%
（表 3.9）。
在 2010 年，除了年降水量，年平均气温与其它因子之间的交互作用也普遍
较高，表明在该年气温是影响锡林郭勒盟植被 NDVI 的重要的因子。在 2010 年，

28
 内蒙古大学硕士学位论文

年降水量与年平均气温之间的交互作用对锡林郭勒盟植被 NDVI 的大小也起决

定性的作用。
表 3.9 2010 年不同影响因子交互作用探测
Table3.9 Detection of interaction of different impact factors in 2010
年降水量 年平均气温 植被类型 土壤类型 地貌类型 LUCC 类 人口密度
型
年降水量 0.346
年平均气温 0.654 0.402
植被类型 0.384 0.487 0.093
土壤类型 0.509 0.535 0.400 0.355
地貌类型 0.474 0.473 0.275 0.438 0.190
LUCC 类型 0.504 0.524 0.319 0.457 0.371 0.246
人口密度 0.363 0.457 0.106 0.386 0.233 0.277 0.039

在 2018 年，影响植被 NDVI 的双因子之间也呈现非线性增强和双因子增强

两种关系，不存在独立起作用的因子。双因子之间的交互作用对植被 NDVI 的影
响从大到小排序是年降水量∩年平均气温＞年降水量∩LUCC 类型＞年平均气温
∩土壤类型＞年降水量∩土壤类型＞年降水量∩地貌类型＞年降水量∩植被类型
＞年降水量∩人口密度＞年平均气温∩植被类型＞年平均气温∩地貌类型＞年平
均气温∩人口密度＞年平均气温∩LUCC 类型。解释率最大的是年降水量∩年平
均气温，达 50.4%；年降水量∩LUCC 类型解释率达 46.8%；年平均气温∩土壤类
型解释率达 44.3%；年降水量∩土壤类型解释率在 43.9%；年降水量∩地貌类型解
释率在 43.4%；年降水量∩植被类型解释率达 41.8%；年降水量∩人口密度解释率
达 41.6%；年平均气温∩植被类型解释率达 35.8%；年平均气温∩地貌类型解释率
达 35.2%；年平均气温∩人口密度解释率达 34.8%；年平均气温∩LUCC 类型解释
率达 34.4%；其余因子之间的交互作用的解释率小于 34%（表 3.10）。
在 2018 年，除了年降水量和年平均气温，LUCC 类型与其它因子之间的交
互作用也普遍较高，表明在该年 LUCC 类型是影响锡林郭勒盟植被 NDVI 的重
要的因子。

29
 内蒙古大学硕士学位论文

表 3.10 2018 年不同影响因子交互作用探测

Table 3.10 Detection of interaction of different impact factors in 2018
年降水量 年均温 植被类型 土壤类型 地貌类型 LUCC 类型 人口密度
年降水量 0.409
年均温 0.504 0.305
植被类型 0.418 0.358 0.073
土壤类型 0.439 0.443 0.259 0.222
地貌类型 0.434 0.352 0.164 0.279 0.109
LUCC 类型 0.468 0.344 0.219 0.308 0.241 0.156
人口密度 0.416 0.348 0.108 0.261 0.159 0.201 0.055

3.5.3 地理探测器之风险区探测
风险探测器是计算各自变量每个分区里的 NDVI 均值，从而识别各分区里
的植被覆盖度的高低。基于因子探测器的探测结果，本文列出了影响锡林郭勒
盟植被 NDVI 的主要影响因子，年降水量、年平均气温、土壤类型和 LUCC 类
型（图 3.11）。
将年降水量划分为了 10 个分区，数字越大表示降水量越多（图 3.12）。随
着降水量的增加植被 NDVI 均值也呈增加，说明锡林郭勒盟植被覆盖度主要受
降水因子的驱动。在 10 分区时候 2000、2010 和 2018 年三期 NDVI 最高，分别
达到 0.256、0.242 和 0.525。也可以看出，每个降水量分区的植被 NDVI 均值随
着时间的增加都呈增加。比如，在 5 分区的植被 NDVI 均值从 2000 年的
0.024，增加到了 2018 年的 0.230，增加了近 10 倍，说明研究区植被覆盖度明
显增加（图 3.11）。
将年平均气温划分为了 10 个分区，数字越大表示气温越高（图 3.12）。可
以看出，随着气温的增高 NDVI 呈减少，这表明了在锡林郭勒盟植被覆盖度受
气温因子限制。在每个分区的 NDVI 均值呈增加，这表示研究区植被覆盖度明
显增加。NDVI 均值在 10 分区 NDVI 最低，2000、2010 和 2018 年三期分别达
到了-0.027、-0.035 和 0.030。表明气温越高植被覆盖度越低（图 3.11）。
研究区共有 15 个土壤类型，大多数土壤类型 NDVI 呈增加趋势（图
3.12）。其中栗钙土植被 NDVI 增加最明显，从 2000 年的 0.052 增加到了 2018
年的 0.229。栗钙土是温带干旱半干旱地区草本植物生长的主要土壤类型，也是
锡林郭勒盟分布最广的土壤类型。此土壤的植被 NDVI 增加表明研究区大部分

30
 内蒙古大学硕士学位论文

地区植被覆盖度呈增加；棕钙土植被 NDVI 也呈增加。棕钙土是温带荒漠草原

植被下的土壤，在锡林郭勒盟土壤类型面积排第二，仅次于栗钙土。主要分布
在在研究区西部，此类土壤植被 NDVI 增加表明了研究区荒漠草原植被覆盖度
的增加；风沙土是锡林郭勒盟第三大面积土壤类型，主要分布在研究区中南部
浑善达克沙地。此类土壤相比于栗钙土一般比较贫瘠和植被易受破坏等特点。
此类土壤植被 NDVI 也呈增加趋势，从 2000 年的 0.077 增加到了 2018 年的
0.187。表明了锡林郭勒盟境内浑善达克沙地植被覆盖度呈增加；草甸土植被
NDVI 也呈增加，从 2000 年的 0.125 增加到了 2018 年的 0.238。草甸土是锡林
郭勒盟第四大面积土壤类型，主要分布在研究区北部和南部河流流域周围。草
甸土相比于研究区其它土壤类型，受地下水或潜水的影响具有较高的有机质含
量和土壤团粒结构。在本研究区内分布在该土壤类型上的植被主要是河流流域
周围和地下水位较高的区域植被，表明这些区域植被覆盖度也呈增加；黑钙土
植被 NDVI 也呈增加，从 2000 年的 0.313 增加到了 2018 年的 0.411。黑钙土是
锡林郭勒盟第五大面积土壤类型，主要分布在研究区北部和东部。黑钙土土壤
潜力大于研究区其它土壤。主要植被类型是草甸草原。表示草甸草原植被覆盖
度也呈增加。其余土壤类型相比于以上五类土壤面积较小，但对应的植被
NDVI 也呈上升趋势（图 3.11）。
用地理探测器分析植被 NDVI 影响因素时，LUCC 类型数据用了二级分类
数据。可以看出，各 LUCC 的植被 NDVI 也呈增加趋势。其中面积较大且增幅
大的有沼泽地、旱地、高覆盖度草地、中覆盖度草地和沙地。沼泽地的植被
NDVI 增幅最大，从 2000 年的 0.241 增加到了 2018 年的 0.356；其次是旱地，
从 2000 年的 0.166 增到了 2018 年的 0.352,。这可能与农业水平的提高有关；高
覆盖度草地从 2000 年的 0.081 增到了 2018 年的 0.237；中覆盖度草地从 2000
年的 0.035 增到了 2018 年的 0.161；低覆盖度草地从 2000 年的 0.043 增加到了
2018 年的 0.154；沙地从 2000 年的 0.033 增加到了 2018 年的 0.133（图 3.11）.

31
 内蒙古大学硕士学位论文

图 3.11 不同分区植被 NDVI 均值

Fig. 3.11 Mean NDVI of vegetation in different regions

图 3.12 气候因子分区与土壤类型
Fig. 3.12 Climate factor zoning and soil type

32
 内蒙古大学硕士学位论文

第四章 讨论与结论

4.1 讨论

4.1.1 植被 NDVI 变化
从 2000—2018 年锡林郭勒盟植被 NDVI 整体呈上升趋势，这与以前的研究
结果相一致[23,95]。从空间上来看，植被改善区域主要分布在研究区南部，多伦
县、太仆寺旗和正蓝旗，这主要与国家在当地实施的生态建设项目有关[60,96]。
多伦县、太仆寺旗和正蓝旗是锡林郭勒盟退耕还林还草、京津风沙源治理工程
实施的主要旗县[97-98]。自 2000 年以来这些旗县开始实施有关生态建设项目，并
到目前为止得到了显著地效果[99-100]。
4.1.2 降水对植被 NDVI 的影响
在本文的研究结果中，在 2000 和 2018 年年降水对植被 NDVI 的影响最
大。锡林郭勒盟是典型的干旱半干旱地区，天然草地是主要土地覆被类型，而
且由于研究区地理位置热量相对充足，能够满足植被生长需求，所以降水量是
影响植被覆盖度的主要气候因子[101-102]。这与过去的研究结果相一致[103-105]。在
因子之间的交互作用中年降水量和年平均气温的交互作用对植被覆盖度的影响
最大，表明气候因素是影响锡林郭勒盟植被覆盖度的主要因素。风险区探测结
果显示降水量越大研究区植被 NDVI 更大，这表示了植被 NDVI 主要受降水量
的驱动。
4.1.3 气温对植被 NDVI 的影响
气温对植被 NDVI 的影响。在 2010 年年平均气温是影响植被 NDVI 的主要
因子。表明该年植被 NDVI 的生长状况受气温因子的主导。这可能与当年极端
高温事件发生的天数或出现的频率有关[106-108]。在全球变暖的大背景下，锡林
郭勒盟气温也呈上升趋势[109]。在气温不断上升过程中，未来在锡林郭勒盟气温
可能会代替降水量，并成为影响植被覆盖度的主要因素，至少在 2010 年已经发
生过这种结果。本文风险去探测结果显示，随着气温的升高研究区植被 NDVI
减少，这表示气温对 NDVI 具有抑制作用。
33
 内蒙古大学硕士学位论文

4.1.4 土壤类型对植被 NDVI 的影响

土壤类型对植被 NDVI 的影响。土壤对植被的影响在降水为主要限制因素
的地区显著[110-112]。这与本文的结果相一致。土壤类型对生态系统的生产力产
生起到决定作用，并且直接影响植被覆盖度[113]。栗钙土植被 NDVI 增加最明
显。栗钙土是温带干旱半干旱地区草本植物生长的主要土壤类型，也是锡林郭
勒盟分布最广的土壤类型，植被类型属于典型草原[114]。这表明研究区典型草原
植被覆盖度呈增加，这与以前的研究结果相一致[115]；棕钙土植被 NDVI 也呈增
加。棕钙土是温带荒漠草原植被下的土壤，在锡林郭勒盟土壤类型面积排第
二，仅次于栗钙土。该土壤主要植被类型是荒漠草原[114]。此类土壤植被 NDVI
增加表明了研究区荒漠草原植被覆盖度的增加；风沙土是锡林郭勒盟第三大面
积土壤类型，主要分布在研究区中南部浑善达克沙地[116]。此类土壤植被 NDVI
也呈增加趋势，表明锡林郭勒盟境内浑善达克沙地植被覆盖度呈增加；草甸土
植被 NDVI 也呈增加，草甸土是锡林郭勒盟第四大面积土壤类型，该土壤类型
上的植被主要是河流流域周围和地下水位较高的区域植被[117]，表明这些区域植
被覆盖度也呈增加；黑钙土植被 NDVI 也呈增加，黑钙土是锡林郭勒盟第五大
面积土壤类型，其主要植被类型是草甸草原[114]。表示草甸草原植被覆盖度也呈
增加。
4.1.5 LUCC 类型对植被 NDVI 的影响
LUCC 类型对植被 NDVI 的影响。人类改变地表土地利用与土地覆盖类型
是对植被最直接的破坏[118-121]。从 2000 年开始，锡林郭勒盟逐渐开始开采矿
石，直到现在大小煤矿共有 20 几个[122]。在草原区开采煤矿对于植被有很大的
影响，其主要表现在煤矿排地下水，使煤矿周边区域地下水位的下降，从而导
致该区域周围植被的退化 。除了对地下水位的影响，还有工厂污水的排出
[123]

也会导致周围区域的植被污染[124]。

34
 内蒙古大学硕士学位论文

4.2 结论
（1）锡林郭勒盟 2000—2018 年，中低覆盖度植被、中覆盖度植被、中高覆
盖度植被和高覆盖度植被的面积均增加。其中，面积增加最大的是中低覆盖度植
被。从变化趋势来看，19 年间整个研究区 NDVI 在空间上增加与减少共存，整
体呈增加趋势。从旗县变化趋势来看，植被 NDVI 增加最明显的是多伦县，达
0.0085；从乡镇（苏木）变化趋势来看，多伦县十五号乡增加趋势最大；正镶白
旗羊群滩乡植被 NDVI 减少趋势最严重。从变化等级来看，改善面积最大的旗县
是多伦县，改善面积达 2000.7km²；退化最严重的是东乌珠穆沁旗，退化面积达
107.9 km²。
（2）研究区在研究时段内气温年际变化，呈波动中缓慢上升趋势，但上升
趋势不显著。降水年际变化呈现出波动中缓慢减少的趋势，但减少趋势并不显著。
（3）2000—2010 年，研究区耕地、林地和建设用地呈增加；草地和水域面
积呈减少；未利用地变化不大。其中水域面积减少最严重，与 2000 年相比减少
了 28.9%的面积。2010—2018 年，未利用地减少；草地和水域增加；耕地面积减
少。建设用地扩张主要来源于草地。
（4）锡林郭勒盟 2000—2018 年，研究区人口主要集中分布在南部和中部，
其中南部分布最广。人口主要分布在各旗县的城镇地区。从空间分布来看，在
2010 年人口向城镇明显集中。
（5）2000 年，影响研究区植被 NDVI 的因素由大到小排序是：年降水量＞
土壤类型＞植被类型＞年平均气温＞LUCC 类型＞地貌类型＞人口密度。其中，
年降水量对植被 NDVI 的解释率达 42%。2010 年，各因子对植被 NDVI 影响程
度排序为：年平均气温＞植被类型＞土壤类型＞年降水量＞LUCC 类型＞地貌类
型＞人口密度。其中年平均气温对植被 NDVI 的解释率达 40%。2018 年，各因
子对植被 NDVI 影响程度排序为：年降水量＞植被类型＞年平均气温＞土壤类型
＞LUCC 类型＞地貌类型＞人口密度。年降水量对植被 NDVI 的解释率达 42%。
（6）在 2000、2010 和 2018 年，影响研究区植被 NDVI 的因子之间都呈现
出非线性增强和双因子增强两种关系。在 2000 年，年降水量∩年平均气温交互
作用对植被 NDVI 的影响最大，解释率达 63.4%。在 2010 年，解释率最大的是

35
 内蒙古大学硕士学位论文

年降水量∩年平均气温，达 65.4%。到了 2018 年，解释率最大的是年降水量∩年

平均气温，达 50.5%。

36
 内蒙古大学硕士学位论文

致 谢
时光荏苒，硕士三年马上就要结束了。回想起 2018 年春天刚得知自己被录
取时候的喜悦，仿佛就在昨天。感谢在我硕士期间帮助我的老师和同学们。
首先，我要感谢我的导师潮洛濛副教授，从硕士入学开始直到这篇毕业论文
的完成，都是老师在一一指导。在科研中，老师总是严谨和细心地指导着我们。
除了学术方面，潮老师在我精神上也给予很大的鼓励和支持。不管在学术还是生
活上您都将是我一直的学习榜样。
感谢周延林老师和呼格吉勒图老师。感谢两位老师在野外工作中的细心指导，
让我掌握了生态学野外研究方法并积累了经验。
感谢内蒙古师范大学地理科学学院的乌兰图雅老师和那顺达来老师。乌老师
是我本科的任课老师，在本科时候是乌老师在课堂上的演讲影响了我继续读研。
感谢本科班主任那顺达来老师，是那老师引荐我到内蒙古大学读硕士研究生，感
谢老师的引荐。
感谢我们团队的每一位，师兄李科、柴洋洋，师姐马格、苏日古嘎，搭档杨
晨晨，师妹陈瑜和师弟刘锐。
感谢好友白力嘎、都日苏拉、文明、包连锁、敖敏、呼格吉呼。
最要感谢的是我父亲母亲。是父亲母亲的供养和支持使我圆满的完成了自己
的学业。
最后感谢自己，感谢过去的自己在学业上的一直坚持。
前路浩浩荡荡，万事皆可期待！

攻读学位期间发表的学术论文
[1] 陈宽,杨晨晨,白力嘎,陈瑜,刘锐,潮洛濛.基于地理探测器的内蒙古自然和人为因素对植被 NDVI 变化的影
响[J/OL].生态学报:1-13[2021-04-21].http://kns.cnki.net/kcms/detail/11.2031.Q.20210420.1007.016.html.
[2] 陈宽,潮洛濛.内蒙古植被 NDVI 变化趋势及影响因子数据集（2000–2015）[J].全球变化数据学报(中英
文),2020,4(02):137-143+137-143.
[3] 陈宽, 潮洛濛. 内蒙古植被 NDVI 变化趋势及影响因子数据集（2000–2015）[J/DB/OL]. 全球变
化数据仓储电子杂志, 2020. DOI: 10.3974/geodb.2020.05.07.V1.
[4] 陈宽,柴洋洋,李科,白力嘎,潮洛濛.资源型城市人口、GDP 时空变化对土地利用/覆盖的影响——以内蒙古
鄂尔多斯市为例[J].资源开发与市场,2020,36(11):1197-1206.
[5] 杨晨晨,陈宽,周延林,潮洛濛,呼格吉勒图,陈瑜.放牧对锡林郭勒草甸草原群落特征及生产力的影响[J].中
国草地学报,2021,43(05):58-66.

37
 内蒙古大学硕士学位论文

参考文献
［1］ Parmesan C, Yohe G. A globally coherent fingerprint of climate change impacts across natural systems[J]. Nature,

2003,421(6918): 37-42.

［2］ 苏 勃 , 高 学 杰 , 效 存 德 .IPCC 《 全 球 1.5℃ 增 暖 特 别 报 告 》 冰 冻 圈 变 化 及 其 影 响 解 读 [J]. 气 候 变 化 研 究 进

展,2019,15(04):395-404.

［3］ Cullen S. Hendrix,Sarah M. Glaser. Trends and triggers: Climate, climate change and civil conflict in Sub-Saharan

Africa[J]. Political Geography,2007,26(6):695–715.

［4］ John M , Pannell D J , Kingwell R S . Climate Change and the Economics of Farm Management in the Face of Land

Degradation: Dryland Salinity in Western Australia[J]. International Association of Agricultural Economists, 2005，

53:443–459.

［5］ Karen O’Brien,Robin Leichenko,Ulka Kelkar,etc. Mapping vulnerability to multiple stressors: climate change and

globalization in India[J]. Global Environmental Change,2004,14(4):303-313.

［6］ R.J. Thomas. Opportunities to reduce the vulnerability of dryland farmers in Central and West Asia and North Africa to

climate change[J]. Agriculture, Ecosystems and Environment,2008,126(1):36-45.

［7］ 翟盘茂,潘晓华.中国北方近50年温度和降水极端事件变化[J].地理学报,2003,58(S1):1-10.

［8］ Samantha L. MacKay,M. Altaf Arain,Myroslava Khomik, etc. The impact of induced drought on transpiration and growth

in a temperate pine plantation forest[J]. Hydrological Processes,2012,26(12):1779–1791.

［9］ Craig D Allen, Alison K Macalady, Haroun Chenchouni, etc. A global overview of drought and heat-induced tree mortality

reveals emerging climate change risks for forests[J]. Forest Ecology and Management,2009,259(4):660–684.

［10］ Melillo J M , Mcguire A D, Kicklighter D W , etc. Global climate change and terrestrial net primary production[J].

Nature, 1993, 363(6426):234-240.

［11］ Maosheng Zhao, Steven W. Running. Drought-Induced Reduction in Global Terrestrial Net Primary Production from

2000 Through 2009[J]. Science,2010,329(5994) :940–943.

［12］ James Jeremy J,Sheley Roger L,Erickson Todd, etc. A systems approach to restoring degraded drylands[J]. Journal

of Applied Ecology,2013,50(3):730-739.

［13］ Ji M , Huang J . Global semi-arid climate change over last 60 years[C]// Egu General Assembly Conference. EGU

General Assembly Conference Abstracts, 2016

［14］ Seager R , Naik N , Vecchi G A . Thermodynamic and Dynamic Mechanisms for Large-Scale Changes in the

Hydrological Cycle in Response to Global Warming*[J]. Journal of Climate, 2010, 23(17):4651-4668.

［15］ G Lemaire,R Wilkins,J Hodgson. Challenges for grassland science: managing research priorities[J]. Agriculture,

Ecosystems and Environment,2005,108(2):99-108.

［16］ F. P. O'Mara. The role of grasslands in food security and climate change[J]. Annals of Botany,2012,110(6):1236-

1270.

［17］ Gherardi Laureano A,Sala Osvaldo E. Enhanced interannual precipitation variability increases plant functional

diversity that in turn ameliorates negative impact on productivity.[J]. Ecology letters,2015,18(12):1293-1300.

［18］ Chengcheng Gang,Wei Zhou,Yizhao Chen, etc. Quantitative assessment of the contributions of climate change and

human activities on global grassland degradation[J]. Environmental Earth Sciences,2014,72(11):4273-4282.

［19］ 潘庆民,薛建国,陶金,等.中国北方草原退化现状与恢复技术[J].科学通报,2018,63(17):1642-1650.

38
 内蒙古大学硕士学位论文

［20］ Turner B L , Villar S C , Foster D , etc. Deforestation in the southern Yucatán peninsular region: an integrative

approach[J]. Forest Ecology & Management, 2001, 154(3):353-370.

［21］ Liu M, Dries L, Heijman W, etc. The Impact of Ecological Construction Programs on Grassland Conservation in

Inner Mongolia, China[J]. Land Degrad Dev, 2018, 29(2):326-336.

［22］ 叶晗. 内蒙古牧区草原生态补偿机制研究[D].北京:中国农业科学院,2014.

［23］ 马 梅 , 张 圣 微 , 魏 宝 成 . 锡 林 郭 勒 草 原 近 30 年 草 地 退 化 的 变 化 特 征 及 其 驱 动 因 素 分 析 [J]. 中 国 草 地 学

报,2017,39(04):86-93.

［24］ 赵方博.锡林郭勒盟植被覆盖时空变化及关键区生态安全格局研究[D].北京:北京林业大学,2019.

［25］ 曹艳萍,庞营军,庞肖杰.1956-2017年锡林郭勒盟气候变化特征[J].干旱地区农业研究,2019,37(04):284-290.

［26］ 艳燕. 3S技术支撑下的锡林郭勒盟草地变化研究[D].呼和浩特:内蒙古师范大学,2011.

［27］ Xiang Zhou,Yasushi Yamaguchi,Sanjiwana Arjasakusuma. Distinguishing the vegetation dynamics induced by

anthropogenic factors using vegetation optical depth and AVHRR NDVI: A cross-border study on the Mongolian

Plateau[J]. Science of the Total Environment,2018,616-617:730-743.

［28］ Min L , Ld C , Jhb D , etc. The impacts of the eco-environmental policy on grassland degradation and livestock

production in Inner Mongolia, China: An empirical analysis based on the simultaneous equation model - ScienceDirect[J].

Land Use Policy, 2019,88(C):104167-104167.

［29］ 刘 洋 , 李 诚 志 , 刘 志 辉 , 等 .1982 — 2013 年 基 于 GIMMS-NDVI 的 新 疆 植 被 覆 盖 时 空 变 化 [J]. 生 态 学

报,2016,36(19):6198-6208.

［30］ Ran Q, Hao Y, Xia A, etc. Quantitative Assessment of the Impact of Physical and Anthropogenic Factors on Vegetation

Spatial-Temporal Variation in Northern Tibet. Remote Sens-Basel, 2019, 11(10):1183.

［31］ Yang Y, Wang S, Bai X, etc. Factors Affecting Long-Term Trends in Global NDVI. Forests, 2019, 10(5):372.

［32］ Li W, Li X, Tan M, etc. Influences of population pressure change on vegetation greenness in China's mountainous

areas. Ecol Evol, 2017, 7(21):9041-9053.

［33］ 李薇,谈明洪.西南山区人口空间重组及其对植被的影响——以河流沿线为例.生态学报,2018,38(24):8879-8887.

［34］ Satterwhite M B, Henley J P. Spectral characteristics of selected soils and vegetation in Northern Nevada and their

discrimination using band ratio techniques[J]. Remote Sensing of Environment, 1987, 23(2):155-175.

［35］ Loveland T R, Reed B C, Brown J F, etc. Development of a global land cover characteristics database and IGBP

DISCover from 1 km AVHRR data[J]. International Journal of Remote Sensing, 2000, 21(6-7):1303-1330.

［36］ Np A , Jov A , Am A , etc. Using the satellite-derived NDVI to assess ecological responses to environmental change[J].

Trends in Ecology & Evolution,2005,21(9):503-510.

［37］ Marc L. Imhoff, Ping Zhang, Robert E. etc. Remote sensing of the urban heat island effect across biomes in the

continental USA[J]. Remote Sensing of Environment,2009,114(3):504-513.

［38］ Albert I. J. M. van Dijk,Hylke E. Beck,Russell S, etc. The Millennium Drought in southeast Australia (2001-2009):

Natural and human causes and implications for water resources, ecosystems, economy, and society[J]. Water Resources

Research,2013,49(2):1040-1057.

［39］ Huang R , Huang J X , Zhang C , etc. Soil temperature estimation at different depths, using remotely-sensed data[J].

Journal of Integrative Agriculture,2018,19(1):277-290.

［40］ D 'Andrimont R , Taymans M , Lemoine G , etc. Detecting flowering phenology in oil seed rape parcels with Sentinel-

1 and -2 time series[J]. Remote Sensing of Environment, 2020, 239:111660.

39
 内蒙古大学硕士学位论文

［41］ Baeza S , Paruelo J M . Land Use/Land Cover Change (2000–2014) in the Rio de la Plata Grasslands: An Analysis

Based on MODIS NDVI Time Series[J]. Remote Sensing, 2020, 12(3):381.

［42］ Satterwhite M B , Henley J P . Spectral characteristics of selected soils and vegetation in Northern Nevada and their

discrimination using band ratio techniques[J]. Remote Sensing of Environment, 1987, 23(2):155-175.

［43］ Huete A R , Jackson R D . Suitability of spectral indices for evaluating vegetation characteristics on arid rangelands[J].

Remote Sensing of Environment, 1987, 23(2):213,IN1-232,IN8.

［44］ Townshend J, Justice C O, Choudhury B J, etc. A comparison of SMMR and AVHRR data for continental land cover

characterization[J]. International Journal of Remote Sensing, 2012, 10(10):1633-1642.

［45］ Ada, R, Malo, etc. A study of rainfall and vegetation dynamics in the African Sahel using normalized difference

vegetation index - ScienceDirect[J]. Journal of Arid Environments,1990, 19(1):1-24.

［46］ Zhou L, Tucker C J, Kaufmann R K, etc. Variations in northern vegetation activity inferred from satellite data of

vegetation index during 1981 to 1999[J]. Journal of Geophysical Research: Atmospheres, 2001, 106(D17):20069-20083.

［47］ Fensholt R, Langanke T, Rasmussen K, etc. Greenness in semi-arid areas across the globe 1981–2007 — an Earth

Observing Satellite based analysis of trends and drivers[J]. Remote Sensing of Environment, 2012, 121(1):144-158.

［48］ Piao S, Fang J , Zhou L , etc. Variations in satellite‐derived phenology in China's temperate vegetation[J]. Global

Change Biology, 2010, 12(4):672-685.

［49］ Myneni R B, Keeling C D, Tucker C J, etc. Increased plant growth in the northern high latitudes from 1981 to 1991[J].

Nature, 1997, 386(6626): 698-702.

［50］ LeeR, YuF, PriceKP,etc. Evaluating vegetation phenological patterns in Inner Mongolia using NDVI time-series

analysis.International Journal of Remote Sensing,2002,23(12):2505-2512.

［51］ Chuai X W, Huang X J, Wang W J, etc. NDVI, temperature and precipitation changes and their relationships with

different vegetation types during 1998–2007 in Inner Mongolia, China[J]. International Journal of Climatology, 2013,

33(7):1696-1706.

［52］ B H T A, A C, A W C, etc. Response of vegetation activity dynamic to climatic change and ecological restoration

programs in Inner Mongolia from 2000 to 2012[J]. Ecological Engineering, 2015, 82(4):276-289.

［53］ Miao L, Chong J, Xue B, et al. Vegetation dynamics and factor analysis in arid and semi-arid Inner Mongolia[J].

Environmental Earth Sciences, 2015, 73(5):2343-2352.

［54］ Li C, Leal Filho W, Yin J, et al. Assessing vegetation response to multi-time-scale drought across inner Mongolia

plateau[J]. Journal of Cleaner Production, 2018, 179(APR.1):210-216.

［55］ B Y Z A, C L Z A, D J X, et al. Spatiotemporal transition of institutional and socioeconomic impacts on vegetation

productivity in Central Asia over last three decades[J]. Science of The Total Environment, 2019, 658:922-935.

［56］ Wang J, Brown D G, Chen J. Drivers of the dynamics in net primary productivity across ecological zones on the

Mongolian Plateau[J]. Landscape Ecology, 2013, 28(4):725-739.

［57］ Ranjeet John, Jiquan Chen, Youngwook Kim，etc. Differentiating anthropogenic modification and precipitation-

driven change on vegetation productivity on the Mongolian Plateau[J]. Landscape Ecology,2016,31:547–566

［58］ LI Shiji, SUN Zhigang, TAN Minghong, etc. Effects of rural–urban migration on vegetation greenness in fragile areas:

A case study of Inner Mongolia in China [J]. Journal of Geographical Sciences,2016,26(03):313-324.

［59］ 符淙斌,温刚,周嗣松,等.我国大陆植被变化的气象卫星遥感 [J].科学通报, 1992, 37(16): 1486-1486.

［60］ 李 晓 兵 , 史 培 军 . 基 于 NOAA/AVHRR 数 据 的 中 国 主 要 植 被 类 型 NDVI 变 化 规 律 研 究 [J]. 植 物 学

40
 内蒙古大学硕士学位论文

报,1999,41(3):314-324.

［61］ 张军,葛剑平,国庆喜.中国东北地区主要植被类型NDVI变化与气候因子的关系[J].生态学报,2001(04):522-527.

［62］ 陈 云 浩 , 李 晓 兵 , 陈 晋 , 史 培 军 .1983—1992 年 中 国 陆 地 植 被 NDVI 演 变 特 征 的 变 化 矢 量 分 析 [J]. 遥 感 学

报,2002(01):12-18+81.

［63］ 方精云,朴世龙,贺金生,马文红.近20年来中国植被活动在增强[J].中国科学(C辑:生命科学),2003(06):554-

565+578-579.

［64］ 穆少杰,李建龙,陈奕兆,等.2001-2010年内蒙古植被覆盖度时空变化特征[J].地理学报,2012,67(09):1255-1268.

［65］ 邢 旗 , 刘 爱 军 , 刘 永 志 , 等 . 应 用 MODIS-NDVI 对 草 原 植 被 变 化 监 测 研 究 — 以 锡 林 郭 勒 盟 为 例 [J]. 草 地 学

报,2005(S1):15-19.

［66］ 张连义,宝路如,尔敦扎玛,等.锡林郭勒盟草地植被生物量遥感监测模型的研究[J].中国草地学报,2008(01):6-14.

［67］ 王海梅.锡林郭勒地区气候变化规律与植被覆盖变化驱动机制研究[D].呼和浩特:内蒙古农业大学,2009.

［68］ 迟登凯,王宏,李晓兵,许凯凯,喻峰.锡林郭勒盟不同类型植被的生长季变化[J].草业科学,2016,33(09):1825-1834.

［69］ 贾 若楠,杜 鑫,李强 子,等 .近15年锡 林郭勒盟 植被变化 时空特 征及 其对气候 的响应 [J].中国 水土保 持科

学,2016,14(05):47-56.

［70］ 艾 丽 娅 , 王 少 军 , 张 志 .1977-2017 年 锡 林 郭 勒 盟 中 部 草 原 植 被 覆 盖 时 空 演 变 及 预 测 [J]. 水 土 保 持 通

报,2019,39(05):249-256+277+347.

［71］ 潘耀忠,史培军,朱文泉,顾晓鹤,范一大,李京.中国陆地生态系统生态资产遥感定量测量[J].中国科学(D辑:地球

科学),2004(04):375-384.

［72］ 李晓文,胡远满,肖笃宁.景观生态学与生物多样性保护[J].生态学报,1999(03):3-5.

［73］ 信忠保,许炯心,郑伟 .气候变化和 人类活动对黄土高原植 被覆盖 变化的影响 [J].中 国科学(D辑:地 球科

学),2007(11):1504-1514.

［74］ 孙红雨,王长耀,牛铮,等.中国地表植被覆盖变化及其与气候因子关系──基于NOAA时间序列数据分析[J].遥感

学报,1998(03):3-5.

［75］ 徐广才,康慕谊,李亚飞.锡林郭勒盟土地利用变化及驱动力分析[J].资源科学,2011,33(04):690-697.

［76］ 内蒙古统计局. 内蒙古统计年鉴[J]. 呼和浩特: 中国统计出版社, 2018

［77］ 王海梅,李政海,韩国栋,等.锡林郭勒盟气候干燥度的时空变化规律[J].生态学报,2010,30(23):6538-6545.

［78］ 赵永胜,李然涛.锡林郭勒盟风资源状况及风电场建设[J].内蒙古科技与经济,2012(10):57-58.

［79］ 王艳芬,陈佐忠.人类活动对锡林郭勒地区主要草原土壤有机碳分布的影响[J].植物生态学报,1998(06):3-5.

［80］ 海山,乌云达赖,孟克巴特尔.内蒙古草原畜牧业在自然灾害中的“脆弱性”问题研究——以内蒙古锡林郭勒盟牧

区为例[J].灾害学,2009,24(02):105-109+137.

［81］ 刘钟龄.北方草原生态安全与草地农牧业发展[J].草原与草业,2014,26(01):7-16.

［82］ 曹叶军. 锡林郭勒盟草原生态补偿问题研究[D].呼和浩特:内蒙古大学,2013.

［83］ 朝洛蒙,巴特尔.锡林郭勒草原旅游资源开发与可持续发展[J].干旱区资源与环境,2004(S3):18-22.

［84］ 特木勒.论锡林郭勒民俗文化旅游[J].经济研究导刊,2011(19):160-161.

［85］ 李 艳 , 张 成 才 , 罗 蔚 然 , 等 . 基 于 改 进 最 大 值 法 合 成 NDVI 的 夏 玉 米 物 候 期 遥 感 监 测 [J]. 农 业 工 程 学

报,2019,35(14):159-165.

［86］ 侯光雷,张洪岩,郭聃,郭笑怡.长白山区植被生长季NDVI时空变化及其对气候因子敏感性[J].地理科学进

展,2012,31(03):285-292.

［87］ 王 颖 , 张 科 利 ,李 峰 . 基 于10 年MODIS 数 据 的 锡 林 郭 勒 盟 草 原植 被覆 盖 度 变 化 监 测 [J]. 干旱 区 资 源与 环

41
 内蒙古大学硕士学位论文

境,2012,26(09):165-169.

［88］ 钱 永 兰 , 吕 厚 荃 , 张 艳 红 . 基 于 ANUSPLIN 软 件 的 逐 日 气 象 要 素 插 值 方 法 应 用 与 评 估 [J]. 气 象 与 环 境 学

报,2010,26(02):7-15.

［89］ 徐新良，刘纪元，张树文，等.中国多时期土地利用土地覆被遥感监测数据集（CNLUCC）.中国科学院资源

环境科学数据中心数据注册与出版系统.(http://www.resdc.cn/DOI),2018.DOI:10.12078/2018070201)

［90］ 包刚,吴琼,阿拉腾图雅,包玉海.近30年内蒙古气温和降水量变化分析[J].内蒙古师范大学学报(自然科学汉文

版),2012,41(06):668-674.

［91］ 刘瑞,朱道林.基于转移矩阵的土地利用变化信息挖掘方法探讨[J].资源科学,2010,32(08):1544-1550.

［92］ 刘彦随,李进涛.中国县域农村贫困化分异机制的地理探测与优化决策.地理学报,2017,72(1):161-173.

［93］ 王 露 , 封 志 明 , 杨 艳 昭 .2000–2010 年 中 国 不 同 地 区 人 口 密 度 变 化 及 其 影 响 因 素 分 析 ( 英 文 )[J].Journal of

Geographical Sciences,2015,25(04):485-496.

［94］ 王劲峰, 徐成东. 地理探测器:原理与展望. 地理学报, 2017, 72(01):116-134.

［95］ 田 志 秀 , 张 安 兵 , 王 贺 封 , 等 . 锡 林 郭 勒 盟 不 同 草 原 类 型 EVI 的 时 空 变 化 及 其 对 气 候 的 响 应 [J]. 草 业 科

学,2019,36(02):346-358.

［96］ 杨 强 , 王 婷 婷 , 陈 昊 , 等 . 基 于 MODIS EVI 数 据 的 锡 林 郭 勒 盟 植 被 覆 盖 度 变 化 特 征 [J]. 农 业 工 程 学

报,2015,31(22):191-198+315.

［97］ 张良侠,樊江文,张文彦,等.京津风沙源治理工程对草地土壤有机碳库的影响——以内蒙古锡林郭勒盟为例[J].

应用生态学报,2014,25(02):374-380.

［98］ 刘洪娥.内蒙古太仆寺旗退耕还林还草后续产业发展对策[J].农业工程技术,2020,40(02):22+24.

［99］ 杜梅.内蒙古锡林郭勒盟退耕还林还草工程效果评估[D].北京:中国农业科学院,2007.

［100］ 锡林郭勒盟提升京津风沙源治理工程质量和效益[J].内蒙古林业,2010(04):18-19.

［101］ 李庆,高素改,张春来,等.内蒙古草地变化过程中气候变化和人类活动的相对作用评估.地理与地理信息科学，

2019,35(3):99-104．

［102］ 肖洋,欧阳志云,王莉雁,等.内蒙古生态系统质量空间特征及其驱动力[J].生态学报, 2016,36(19):6019-6030.

［103］ 赵汝冰,肖如林,万华伟,等.锡林郭勒盟草地变化监测及驱动力分析[J].中国环境科学,2017,37(12):4734-4743.

［104］ 陈楠楠. 2000-2014年气候变化背景下锡林郭勒盟草地气候生产力的时空动态分析[D].呼和浩特:内蒙古大

学,2016.

［105］ 巴 图 娜 存 , 胡 云 锋 , 艳 燕 , 等 .1970 年 代 以 来 锡 林 郭 勒 盟 草 地 资 源 空 间 分 布 格 局 的 变 化 [J]. 资 源 科

学,2012,34(06):1017-1023.

［106］ 董春艳,白海云,何东升,等.1961—2010年锡林郭勒盟极端气温事件变化分析[J].内蒙古气象,2012(03):7-9.

［107］ 吴领弟,阿拉腾图娅.锡林郭勒盟气候变化研究综述[J].农业与技术,2016,36(22):222-226.

［108］ 杨晶.1961—2013年内蒙古极端气温变化分析[J].内蒙古气象,2014(03):17-20.

［109］ 佟斯琴,刘桂香,武娜.1961-2010年锡林郭勒盟气温和降水时空变化特征[J].水土保持通报,2016,36(05):340-

345+351.

［110］ Wang J, Liu Y, Li Y. Ecological restoration under rural restructuring: A case study of Yan’an in China’s loess

plateau[J]. Land Use Policy, 2019, 87:104087.

［111］ 刘宪锋,朱秀芳,潘耀忠,等. 1982-2012年中国植被覆盖时空变化特征.生态学报, 2015, 35(16): 5331-5342.

［112］ 陈欢,任志远.中国大陆植被覆盖对降水与温度变化的响应.水土保持通报, 2013, 33(2): 78-82.

［113］ 吴晓光.内蒙古阴山北麓生态退耕对土壤风蚀的影响及效应研究[D].呼和浩特:内蒙古农业大学,2019.
42
 内蒙古大学硕士学位论文

［114］ 王艳芬,陈佐忠.人类活动对锡林郭勒地区主要草原土壤有机碳分布的影响[J].植物生态学报,1998(06):66-72.

［115］ 程高. 锡林郭勒草原典型植被变化的遥感分析[D].呼和浩特:内蒙古师范大学,2013.

［116］ 陈有君,关世英,李绍良,等.内蒙古浑善达克沙地土壤水分状况的分析[J].干旱区资源与环境,2000(01):80-85.

［117］ 王义凤,雍世鹏,刘钟龄.内蒙古自治区的植被地带特征[J].Journal of Integrative Plant Biology,1979(03):274-284.

［118］ 韩贵锋.中国东部地区植被覆盖的时空变化及其人为因素的影响研究[D].上海:华东师范大学,2007.

［119］ 金凯.中国植被覆盖时空变化及其与气候和人类活动的关系[D].陕西杨凌:西北农林科技大学,2019.

［120］ 肖锐.人类活动影响下流域土壤及植被的时空格局变化[D].杭州:浙江大学,2014.

［121］ 申艳琴.半干旱区煤炭开采对植被扰动规律的研究[D].徐州:中国矿业大学,2014.

［122］ 贾晓磊.内蒙古锡林郭勒盟煤炭资源开发现状分析及建议[J].内蒙古煤炭经济,2019(03):60-61.

［123］ 王超,董少刚,贾志斌,等.草原露天煤矿区植被对地下水位埋深变化的响应[J].生态学报,2020,40(19):6925-6937.

［124］ 崔迪.露天煤矿开采对地下水环境的影响研究[D].呼和浩特:内蒙古大学,2015.

43