全 文 ：植物生态学报 2009, 33 (2) 237~245
Chinese Journal of Plant Ecology

——————————————————
收稿日期: 2008-04-11 接受日期: 2008-07-25
基金项目: 山东省科技发展计划项目(2006GG2207002)、山东省环保局科技项目(2006049)和山东省优秀中青年科学家科研奖励基金(2006BS08008)
* 通讯作者 Author for correspondence E-mail: wrq@sdu.edu.cn
黄河三角洲植被指数与地形要素的多尺度分析
吴大千1 刘 建2 王 炜1 丁文娟1 王仁卿1,2*
(1 山东大学生命科学学院,济南 250100 ) (2 山东大学环境研究院,济南 250100)
摘 要 结合地理信息系统和遥感技术, 研究了黄河三角洲植被指数NDVI与一系列地形要素间的尺度依赖关系,
从而检验在较大尺度上滨海生态系统植被分布格局是否存在水分再分配的调控作用。结果表明: 1)NDVI值在4种主
要群落类型间差异显著, 这种显著差异是由滨海盐生植物的生境特点决定的; 2)地表高程在所有的10个粒度尺度
上均与NDVI相关关系显著, 这种显著关系在小尺度上与地下水埋深有关, 而在大尺度上可能参与水分再分配过
程; 3)在750 m粒度尺度附近存在水分再分配的调控作用, 在该尺度附近地形湿润度指数(TWI)和坡度与NDVI相关
达到极显著, 而且其Moran’s I指数突然增大。黄河三角洲的植被地形关系表现为不同尺度上对土壤水分和盐分的
调控, 在小尺度上地形因素通过土壤表面蒸发过程影响土壤水分与盐分, 而在大尺度上地形因素主要通过地表径
流对土壤水分与盐分进行再分配。
关键词 NDVI 多尺度分析 遥感 植被地形关系 黄河三角洲
MUTISCALE ANALYSIS OF VEGETATION INDEX AND TOPOGRAPHIC
VARIABLES IN THE YELLOW RIVER DELTA OF CHINA
WU Da-Qian1, LIU Jian2, WANG Wei1, DING Wen-Juan1, and WANG Ren-Qing1, 2*
1College of Life Sciences, Shandong University, Jinan 250100, China, and 2Institute of Environment Research, Shandong University, Jinan
250100, China
Abstract Aims At larger scales, the elevational gradient interacts with the redistribution of water
and soil solutes to determine regional vegetation pattern, especially in regions with small variation in
elevation. However, little is known about the processes of water redistribution in coastal ecosystems.
Our objective is to test if water redistribution affects vegetation pattern at large scales in a coastal eco-
system in the Yellow River Delta using an integrated remote sensing and GIS method.
Methods One-way ANOVA was employed to test whether normalized difference vegetation index
(NDVI) is significantly different among four major plant communities. Correlations between NDVI and
topographic indexes were identified by the Spearman non-parametrical method. Moran’s I coefficients
were also calculated for all selected variables.
Important findings NDVI was highly different among the four communities, as determined by differ-
ences in habitat structure of coastal plants. Correlations between NDVI and elevation were highly sig-
nificant at all scales, which may closely associate with the groundwater depth at smaller scales and with
water redistribution at larger scales. At the 750 m grain scale, the correlation coefficients between to-
pographic wetness index and slope were highly significant and the Moran’s I coefficient increased
abruptly, indicating water redistribution at this scale. Topographical factors affect the vegetation pattern
via scale-dependent adjustment and control on soil moisture and salinity. At small scales, topographic
factors regulate soil water and salinity through evaporation from the soil surface. At large scales, topog-
raphic factors redistribute the soil water and salinity through runoff and the groundwater system.
Key words NDVI, multiscale analysis, remote sensing, vegetation-topography relationship, water redistri-
bution process, Yellow River Delta
DOI: 10.3773/j.issn.1005-264x.2009.02.001

238 植 物 生 态 学 报 www. plant-ecology.com 33 卷

在景观以及更精细尺度上, 非地带性的因素
是环境与植被异质性格局的决定性因素(Levins,
1992)。地形因素作为非地带性因素中最重要的因
素之一 , 是植被格局的重要塑造力量 (Turner,
1989; Swanson et al., 1998)。地形要素并不是严格
意义上的单一环境变量, 而是一组相互联系相互
作用的变量的集合, 并通过一系列的过程对区域
植被的格局产生影响 (Austin & Nicholls, 1988;
Reed et al., 1993)。由于很早就发现地形要素通过
不同的过程控制山地植被地区的水热条件和土壤
条件, 所以以往的植被地形关系研究主要集中于
山地植被地区, 内容多集中于地形要素对群落类
型及构成的影响(Whittaker & Niering, 1975; Hara
et al., 1996; Pinder et al., 1997; Del Barrio et al.,
1997; 沈 泽 昊 等 , 2000; Pfeffer et al., 2003;
Garcia-Aguirre et al., 2007; 黄晓霞等, 2007), 而
对于地形较为平坦地区研究较少。
一些研究表明: 在地形平坦的地区, 地形要
素仍然是影响植被分布格局的重要因素, 并且地
形要素在较大尺度上往往通过径流和地下水系统
完成对水分的再分配, 从而决定中等尺度或者更
大 尺 度 上 植 被 条 带 状 (Banded) 分 布 的 格 局
(Cantero et al., 1998; Galle et al., 1999; Valentin et
al., 1999; Muñoz-Reinoso & Novo, 2005; Wu &
Archer, 2005)。然而, 这些研究区域多集中于热带
沙漠和内陆地区, 而且多采用样带取样方法。滨
海盐生植物随着距海岸线距离的远近表现出明显
的空间分带(Spatial zonation)分布(Snow & Vince,
1984; van de Rijt et al., 1996; Emery et al., 2001),
滨海生态系统其植被地形尺度依赖关系是怎样
的以及是否存在大尺度上的水分再分配过程一
直缺乏检验。本文拟采用遥感与GIS相结合的技
术对黄河三角洲这个典型滨海生态系统的植被
地形关系进行多尺度分析 , 这不仅是对多尺度
分析方法的有益探索 , 而且对深入揭示植被与
地形要素之间的关系有着重要意义 , 有望为滨
海生态系统的生态系统管理和植被预测提供科
学依据。
黄河三角洲是黄河入海口地带的扇形冲击平
原, 地势平坦。由于海陆交互作用的影响, 区域内
的土壤结构没有完全发育, 加之受黄河侧渗及海
水顶托, 地下水位较高。区域内盐生植物群落的
分布格局受土壤盐分及水分的影响, 而且地面高
程参与土壤盐分与水分的调控(李兴东, 1993; 王
仁卿和张治国, 1993; 吴志芬等, 1994)。三角洲作
为复杂的沉积环境, 存在着多尺度的沉积和水文
过程以及复杂相关联的地理要素变量(Fang et al.,
2005), 因此, 黄河三角洲是研究平坦地区植被与
地形多尺度关系的理想案例。
我们对黄河三角洲植被地形关系提出如下假
设: 黄河三角洲植被格局在小尺度上可能与地
表高程有着显著的相关关系 , 而在较大尺度上
可能存在着水分再分配的调控作用。当NDVI值
可以作为主要群落类型的指示指标时 , 以上问
题就可以表述为NDVI值在小尺度上和高程存
在着显著相关关系 , 而在大尺度上可能与坡度
及基于地形水分分布机制的地形湿润度指数
(Topographic wetness index, TWI)有着显著相关
关系。本研究拟通过遥感和空间分析技术对一
系列尺度上的植被指数和地形因子间的相关关
系和空间自相关特征进行分析 , 对提出的假设
进行检验 , 解决如下两个问题: 1)黄河三角洲地
区的归一化差异植被指数(NDVI)在主要的群落
类型间是否差异显著 , NDVI在黄河三角洲区域
是否可以作为植物群落指示指标 ; 2)如果NDVI
值是一个显著的指标 , 那么NDVI与地形指数间
的尺度依赖关系如何 , 是否可能存在一个可能
的水分再分配尺度区域。
1 研究地区
现代黄河三角洲是黄河入海地带的扇形冲积
平原 , 位于渤海湾南岸和莱州湾西岸 , 地处
117°31′~119°18′ E和36°55′~38°16′ N之间 , 是中
国的三大三角洲之一(图1)。该区属暖温带半湿润
大陆性气候 , 气候温和 , 四季分明 , 雨热同期 ;
年平均气温12 ℃左右, 无霜期200 d以上, 年平均
降水592.2 mm。现代黄河三角洲在植被区划中属
北温带落叶阔叶林带, 区系成分以各种温带成分
居多。森林覆盖率约为4%, 自然植被为草甸植被,
尤以盐生草甸占显著地位, 植物群落优势种有白
茅 (Imperata cylindrica var. major) 、 芦 苇
(Phragmites communis)、獐茅( Aeluropus littoralis
var. sinensis)、盐地碱蓬(Suaeda heteroptera)、柽
柳(Tamarix chinensis)等。

2 期 吴大千等: 黄河三角洲植被指数与地形要素的多尺度分析 DOI: 10.3773/j.issn.1005-264x.2009.02.001 239


图1 黄河三角洲地理位置
Fig. 1 Location of the Yellow River Delta


2 研究方法
2.1 影像处理
所用影像数据为2001年9月11日的一景TM影
像。以黄河三角洲地区1:50 000的地形图作为几
何校正的主控图件, 采用控制点校正方式, 地面
实际均匀测量控制点36个, 地图坐标与图像坐标
之间的对应关系以二次多项式表示。选取若干控
制点以最小二乘法求出多项式系数, 双线性内插
法重采样(Resample)。影像的投影方式为高斯克
吕格投影 , 其投影参数为 : 椭球体为Krasovsky,
投影带中央经线为 117°00′00″ E, 中央纬线为
0°0′0″, 向东位移500 km, 向南北位移为0, 缩放
比例为1。坐标转换时的精度控制在RMS<0.3个像
元。影像数据通过ENVI的Flaash模块进行大气校
正。
2.2 数据生成
2.2.1 NDVI的计算与比较
NDVI通过式(1)计算:
)()( 3434 ρρρρ +−=NDVI (1)
式(1)中, ρ3和ρ4分别为TM影像第3和第4波段
反射率。根据同期的土地利用图, 将其它覆被类
型掩膜, 保留灌草地覆被类型的NDVI影像。生成
的NDVI影像的分辨率为30 m, 然后将NDVI影像
重采样为90、150、210、300、450、600、750、
900和1 050 m分辨率的NDVI影像。
利用与遥感影像同期的野外调查数据, 根据
野外记录, 选择面积较大的均质地物斑块。共选
择4种主要植被群落类型(盐生柽柳灌丛、芦苇群
落、翅碱蓬群落和白茅獐茅群落)共80个均质地物
斑块 , 并根据斑块坐标获得该位置的30 m影像
NDVI值。对4种主要群落类型的NDVI值进行一元
方 差 分 析 , 如 果 达 到 显 著 (p<0.05), 则 进 行
Duncan多重比较。
2.2.2 地形指数的计算
研究中的数字高程模型(DEM)由1:50 000地
形图跟踪数字化后线性内插法生成, 分辨率为30
m。高程信息(Elevation, EL)直接从DEM中获取,
坡度(Slope, SL)和坡向(Aspect, AS)利用DEM数据
在Arc/Info的3D Analyst中生成。利用下列公式将
坡向(°)转为南向指数(Southness index, SI)和东
向指数 (Eastness index, EI)(Deng et al., 2007):
)cos(aspectSI −= (2)
)sin(aspectEI = (3)

240 植 物 生 态 学 报 www. plant-ecology.com 33 卷
经过该变换之后 , 当SI=1时 , 坡向为正南 ,
当SI = –1, 坡向为正北, 当EI=1时, 坡向为正东,
当EI = –1时, 坡向为正西。利用ArcView的Solar
Analyst扩展模块结合DEM图层生成区域内的太
阳辐射(Solar radiation, SR)分布图。在ArcView扩
展模块中计算地形湿润度指数(Topographic wet-
ness index, TWI), 计算公式如下(Beven & Kirkby,
1979; Moore et al., 1993):
)tan/ln( βAsTWI = (4)
式(4)中 , As(m2·m–1)为单位等高线长度上垂
直于径流方向的上游汇水区 (Catchment area)面
积, β为像元的坡度(°)。
不同尺度下的地形指数通过如下方法生成 :
将DEM重采样成90、150、210、300、450、600、
750、900和1 050 m分辨率的DEM图层, 然后利用
这些图层分别生成坡度、坡向、南向指数、东向
指数、太阳辐射和地形湿润度指数。
2.3 数据分析
在上文所提的的10个粒度(Grain)尺度上计算
NDVI与所有的地形指数之间的相关系数。考虑到
同时将所有的像元纳入到统计计算当中, 各个计
算变量的空间自相关特征将会影响协方差矩阵的
结构和统计分析的检验(Kühn, 2007), 这里数据
分析采用植被覆盖区域内的400个随机点进行统
计分析。对NDVI和地形指数进行正态性分布检
验, 如满足正态性分布, 则进行Pearson相关系数
计算 , 如不满足正态性分布 , 则采用非参数
Spearman秩相关计算相关系数。黄河三角洲地表
高程分布与距海岸线的距离呈正相关关系, 而植
被分布表现为随距海远近呈明显的带状分布(吴
志芬等, 1994), 所以计算地表高程与NDVI相关系
数时 , 同时计算NDVI与距海岸线距离(DC)之间
的相关系数。以上所有分析均在SPSS中完成。
为了更好地理解相关分析的结果, 在所选的
10个粒度尺度上计算NDVI与所有地形指数的空
间自相关系数。采用Moran’s I指数描述各个变量
的空间自相关特征, 计算时将所有的像元纳入计
算公式中。当i≠j时, 采用式(5)计算Moran’s I:
( )( )
( )∑∑ ∑
∑∑
= = =
= =
−
−−
= n
i
n
j
n
i
iij
n
i
n
j
jiij
xxw
xxxxwn
I
1 1 1
2
1 1 (5)
式中: Xi和Xj分别为在i和j位置的变量值, Wij
是每一个i 和j像元的空间相邻权重矩阵。Moran’s
I指数的取值一般在[–1,1]之间 , 小于0表示负相
关, 等于0表示不相关, 大于0表示正相关。
3 结果
3.1 不同植被类型间NDVI
方差分析结果表明不同植被群落类型之间
NDVI值差异达到显著(F=24.18, p=0.000), 方差齐
性检验(Homogeneity of variance test)结果表明样
本所 在 各 个类 别 方 差齐 性 (p<0.05), 故采 用
Duncan法进行多重比较。翅碱蓬群落的NDVI平均
值最小(0.051±0.019, mean±SE), 芦苇群落的NDVI
平均值最大 (0.465 ± 0.033), 白茅群落 (0.142 ±
0.035)和柽柳群落(0.272 ± 0.029)的NDVI值则居
于中间。Duncan多重比较的结果表明只有翅碱蓬
群落与白茅群落之间差异不显著(p>0.05), 其余
的群落之间均差异显著(p<0.05)。
3.2 不同尺度的相关系数
正态性检验的结果表明并不是所有的变量都
满足正态性分布假设, 采用非参数Spearman秩相
关计算相关系数。如表1所示, 地表高程在研究的
10个尺度中与NDVI值均表现出了极显著的相关
(p<0.001), 在30~600 m尺度上, 随着粒度尺度的
增加 , 地表高程与NDVI的相关系数基本上为增
加, 而在750和900 m尺度上, 两者的相关系数变
小。坡度和地形湿润指数表现出相似的变化规律,
在较小尺度上两者与NDVI的相关关系均不显著,
而在600 m尺度上与NDVI的相关系数突然升高 ,
并一直保持显著相关关系。对于太阳辐射、南向
指数和东向指数 , 随着粒度尺度的增大 , 其与
NDVI的相关系数也逐渐趋于显著。
3.3 不同尺度的空间自相关特征
空间自相关系数的结果如表2所示。地表高程
的Moran’s I最高, 接近于1, 表明地表高程在研究
区域内具有很高的有序性与规律性, 即随着距海
岸线距离的增加高程上升, 而且随着粒度尺度的
增加 , 这种有序性与规律性基本上呈现上升趋
势。对于NDVI, 随着粒度尺度的增加, NDVI的变
化相对复杂, 在30~300 m尺度上, Moran’s I系数
一直增高, 而在600 m尺度上, NDVI的Moran’s I
系数突然增大, 而后保持下降趋势。坡度与太阳
辐射在小尺度上其Moran’s I指数在0.1~0.3区域内

2 期 吴大千等: 黄河三角洲植被指数与地形要素的多尺度分析 DOI: 10.3773/j.issn.1005-264x.2009.02.001 241
变动, 在750 m尺度上突然变大。值得注意的是,
地形湿润度指数的Moran’s I指数在小尺度一直接
近于0, 而在750 m尺度上突然增大, 然后保持较
高水平。南向指数与东向指数与地形湿润度指数
变化趋势相似, 在小尺度上Moran’s I均较小, 而
在大尺度上突然增大, 保持较高水平。


表1 不同粒度尺度上NDVI与地形指数Spearman相关系数
Table 1 Spearman non-parametrical correlation coefficient between NDVI and topographic index at 10 grain scales
粒度
Grain
高程
EL
坡度
SL
太阳辐射
SR
地形湿润度指数
TWI
南向指数
SI
东向指数
EI
距海岸线距离
DC
30 0.345*** -0.037 0.095 0.049 –0.013 –0.003 0.332***
90 0.316*** 0.010 0.055 0.006 –0.076 0.005 0.265***
150 0.351*** 0.064 0.107* –0.054 –0.043 –0.019 0.284***
210 0.362*** 0.059 0.127** –0.066 0.018 –0.061 0.297***
300 0.370*** 0.077 0.131** –0.079 0.020 –0.015 0.259***
450 0.389*** 0.112* 0.174*** –0.095 0.081 –0.067 0.312***
600 0.438*** 0.103* 0.130** –0.104* 0.116* –0.089 0.353***
750 0.424*** 0.250*** 0.140** –0.245*** 0.159*** –0.119** 0.352***
900 0.379*** 0.172*** 0.183*** –0.196*** 0.173*** –0.111* 0.311***
1 050 0.411*** 0.201*** 0.117** –0.188*** 0.108** –0.107* 0.346***
显著水平 Level of significance: * p <0.05; ** p <0.01; *** p <0.001 EL: Elevation SL: Slope SR: Solar radiation TWI: To-
pographic wetness index EI: Eastness index DC: Distance from coastline


表2 不同粒度尺度上NDVI与地形指数Moran’s I指数
Table 2 Moran’s index for NDVI and topographic index at 10 grain scales
粒度
Grain
高程
EL NDVI
坡度
SL
太阳辐射
SR
地形湿润度指数
TWI
南向指数
SI
东向指数
EI
30 0.893 0.313 0.151 0.186 0.101 0.094 0.089
90 0.908 0.360 0.117 0.247 0.013 0.036 0.075
150 0.913 0.390 0.170 0.173 0.019 0.028 0.021
210 0.916 0.432 0.215 0.266 0.093 0.035 0.100
300 0.916 0.468 0.228 0.232 0.093 0.050 0.039
450 0.923 0.423 0.300 0.276 0.113 0.102 0.128
600 0.925 0.545 0.233 0.199 0.013 0.017 –0.027
750 0.932 0.519 0.460 0.413 0.330 0.326 0.279
900 0.931 0.479 0.398 0.333 0.261 0.281 0.258
1 050 0.945 0.524 0.381 0.368 0.275 0.269 0.274
EL、SL、SR、TWI、SI、EI: 同表1 See Table 1


4 讨 论
若干研究表明如果植被指数与地形要素间存
在着相关关系, 那么两者之间的空间自相关特征
将会存在一定程度的相似性和可比较性(Franklin,
1995; Qi & Wu, 1996; Franklin et al., 2000; Deng

242 植 物 生 态 学 报 www. plant-ecology.com 33 卷
et al., 2007)。基于此我们利用地形要素与NDVI
的相关系数与空间自相关特征综合分析地形要素
与植被之间的关系。地表高程与NDVI的相关关系
在所有的粒度尺度均显著, 且在空间自相关特征
上表现出高度有序化分布特征。一方面是因为黄
河三角洲地表高程分布的有序性与规律性, 地表
高程与距海岸线的距离呈正相关关系, 而植被分
布又表现为随距海远近呈明显的带状分布, 因此
地表高程因为与植被分布存在着相似特征而具有
一定的相关性; 另一方面小尺度上的研究表明高
程确实参与土壤水分与盐分的调控从而对植被分
布产生影响(吴志芬等, 1994; 姚蓉江等, 2006b)。
采用偏相关分析, 以距离海岸线的距离(DC)作为
控制变量, 计算地表高程与NDVI的偏相关系数。
偏相关分析结果表明地表高程与NDVI在所有的
尺度上仍然表现出极显著相关(p<0.001)。地表高
程在小尺度上对水分和盐分的调控主要通过土壤
表面蒸发过程进行。黄河三角洲地下水埋深较浅,
在持续的地表蒸发过程中, 深层土壤以及地下水
中的可溶性盐类借助毛细管作用上升积聚于上层
土壤(姚蓉江等, 2006a), 土壤盐分因此与地下水
埋深紧密相关(关元秀等, 2001)。而针对地下水分
布的研究又表明地下水埋深与地形起伏有关(姚
蓉江等 , 2006b), 因此地表高程在小尺度上参与
地下水对水分和盐分的调控。Pan等(1998)等针对
盐生植被的研究表明不同的地形位置对应着不同
的地下水位, 并因此决定不同的植被格局, 同样
支持这种结论。
坡度和地形湿润度指数在小尺度上与NDVI
并无显著相关关系, 且Moran’s I系数均相对较小,
而在600 m粒度尺度之后, 两者与NDVI的相关系
数达到显著, 在750 m尺度上, 两者与NDVI值达
到极为显著(p<0.001), 两者的Moran’s I系数也出
现较大升高, 这表明在该粒度尺度附近可能存在
阈值效应, 水分再分配过程极有可能在该尺度附
近存在。这同样反映了地形要素在较大尺度上对
土壤盐分和水分的调控。黄河三角洲土壤成土母
质为黄河冲积物 , 土壤质地细腻 , 渗透性较差 ,
大量的盐碱土表面极易板结, 容易产生地表径流,
而少量下渗地下水的流动方向与地表高程降低方
向一致(Chen et al., 2007), 因此地表径流与地下
水流动方向一致, 从而在较大尺度上发生土壤水
分与盐分的再分配。我们推测750 m这个粒度尺度
阈值可能和地形起伏单元的平均大小有关, 由于
黄河的作用与影响, 使黄河三角洲形成了“岗-坡
-洼”相间排列的微地貌类型, 而在较大尺度上黄
河三角洲的地形从内陆到沿海成递减趋势, 所以
当粒度尺度大于微地形起伏单元的平均大小时 ,
小尺度地形起伏的效应消失, 大尺度地形格局的
作用更容易被观察到。有些意外的是太阳辐射也
在大尺度上与NDVI显著相关。一般地, 太阳辐射
受地形遮蔽状况、坡面朝向、地表高程、太阳位
置和大气状况的影响(Dubayah, 1994)。黄河三角
洲地势平坦 , 而且地形变化方向基本上呈东北-
西南方向, 太阳辐射的主要影响因素只能是坡向,
在本研究中南向指数与太阳辐射确实也表现出较
一致的变化特征。由于缺乏相应研究案例和实测
数据, 我们只能推测太阳辐射、南向指数和东向
指数极有可能是通过影响植被群落的蒸腾与土壤
的蒸散而对植被产生作用。
研究结果表明黄河三角洲植被间NDVI值差
异显著, 可以作为指示不同植物群落的良好指标,
这是由滨海盐生植物群落的生境特点决定的。较
早的研究认为滨海盐生群落的分布仅仅依赖于盐
分的梯度, 但是随后大量的研究表明滨海盐生群
落同时依赖于水分和盐分的梯度, 水分与盐分的
交互作用是滨海盐生群落分布的决定性因素
(Ungar, 1967; Ungar et al., 1969; 李兴东, 1993;
Cantero et al., 1998; Pan et al., 1998; Piernik,
2003)。盐生植物群落的生境经常呈现出土壤湿度
和盐分单向变化的梯度格局, 即从湿润和高盐分
的生境过渡到较干燥和低盐分的生境 (Ungar,
1967; Chapman, 1974; Pan et al., 1998)。NDVI值依
据植物体在近红外波段和红外波段的不同的光谱
反射特征计算得到, 对群落的水分条件、盐分特
征 和 盖 度 特 征 有 着 较 为 敏 感 的 响 应 特 征
(Purevdorj et al., 1998; Chuvieco et al., 2004; Li et
al., 2005; Leone et al., 2007)。黄河三角洲主要群
落生境特征如水分、盖度等表现出依赖于盐分的
变化而协同变化的特征 , 并且差异显著(吴志芬
等, 1994), 因此不同群落间的NDVI值差异显著。
黄河三角洲植被与地形关系存在尺度依赖效
应, 在小尺度上表现为地表高程与植被指数的显
著相关, 而在大尺度上则表现为坡度和地形湿润
度指数与植被指数间相关关系的显著增大。这些
结果表明黄河三角洲植被与地形关系主要表现为

2 期 吴大千等: 黄河三角洲植被指数与地形要素的多尺度分析 DOI: 10.3773/j.issn.1005-264x.2009.02.001 243
地形要素在不同尺度上对土壤水分和盐分的调
控。在小尺度上, 高程起伏影响土壤表面蒸发从
而对土壤水分和盐分进行调控。在大尺度上, 地
形因素参与水分再分配的过程, 并通过再分配过
程对土壤水分和盐分进行调控。遥感与GIS相结
合的方法较好的揭示和挖掘了黄河三角洲的植被
和地形之间的尺度依赖关系, 有着良好的应用前
景, 而大量基于过程的景观指数的广泛应用可以
更好地在大尺度上对植被格局形成的机制进行研
究(Li & Wu, 2004; Wu & Archer, 2005)。需要指出
的是所使用影像为9月11日影像。辛晓平等(1999)
通过对松嫩平原碱化草地的研究指出在不同的时
段植被与环境间关系会发生变化。研究中所得到
的植被地形关系主要针对于三角洲植物群落在生
长季末期的植被地形关系。在生长季末期, 黄河
三角洲的主要降水季节刚刚结束, 植被受水分再
分配作用的影响会更加突出。
参 考 文 献
Austin MP, Nicholls AO (1988). Species associates within
herbaceous vegetation in an Australian Eucalyptus
forest. In: During HJ, Werger MJA, Willianms JH eds.
Diversity and Pattern in Plant Communities. SPB
Academic Publishing, The Hague, 95–114.
Beven KJ, Kirkby MJ (1979). A physically based variable
contributing area model of basin hydrology. Hydro-
logical Science Bulletin, 24, 43–69.
Cantero JJ, Leon R, Cisneros JM, Cantero A (1998). Habitat
structure and vegetation relationships in central Ar-
gentina salt marsh landscapes. Plant Ecology, 137,
79–100.
Chapman VJ (1974). Salt marshes and salt desert of the
world. In: Reinold RJ, Queen WH eds. Ecology of
Halophytes. Academic Press, London, 3–19.
Chen JY, Taniguchi M, Liu GQ, Miyaoka K, Onodera S,
Tokunaga T, Fukushima Y (2007). Nitrate pollution of
groundwater in the Yellow River Delta, China.
Hydrogeology Journal, 15, 1605–1614.
Chuvieco E, Coccero D, Riaño D, Martin P, Martínez-Vega
J, de la Riva, Pérez F (2004). Combining NDVI and
surface temperature for the estimation of live fuel
moisture content in forest fire danger rating. Remote
Sensing of Environment, 92, 322–331.
Del Barrio G, Alvera B, Puigdefabregas J, Diez C (1997).
Response of high mountain landscape to topographic
variables: central pyrenees. Landscape Ecology, 12,
95–115.
Deng Y, Chen X, Chuvieco E, Warner T, Wilson JP (2007).
Multi-scale linkages between topographic attributes
and vegetation indices in a mountainous landscape.
Remote Sensing of Environment, 111, 122–134.
Dubayah RC (1994). Modeling a solar radiation topoclima-
tology for the Rio Grande River Basin. Journal of
Vegetation Science, 5, 627–640.
Emery NC, Ewanchuk PJ, Bertness MD (2001). Competi-
tion and salt marsh plant zonation: stress tolerators
may be dominant competitors. Ecology, 82,
2471–2485.
Fang HL, Liu GH, Kearney M (2005). Georalational analy-
sis of soil type, soil salt content, topography, and land
use in the Yellow River Delta, China. Environmental
Management, 35, 72–83.
Franklin J (1995). Predictive vegetation mapping: geo-
graphic modeling of biospatial patterns in relation to
environmental gradients. Progress in Physical Geog-
raphy, 19, 474–499.
Franklin J, Woodcock CE, Warbington R (2000). Digital
vegetation maps of forest lands in California: integrat-
ing satellite imagery, GIS modeling, and field data in
support of resource management. Photogrammetric
Engineering and Remote Sensing, 66, 1209–1217.
Galle S, Ehrmann M, Peugeot C (1999). Water balance in a
banded vegetation pattern – A case study of tiger bush
in western Niger. Catena, 37, 197–216.
Garcia-Aguirre MC, Ortiz MA, Zamorano JJ, Reyes Y
(2007). Vegetation and topography relationships at
Ajusco volcano Mexico, using a geographic informa-
tion system (GIS). Forest Ecology and Management,
239, 1–12.
Guan YX(关元秀), Liu GH(刘高焕), Wang JF(王劲峰)
(2001). Regionalization of salt-affected land for ame-
lioration in the Yellow River Delta based on GIS. Acta
Geographica Sinica (地理学报 ), 56, 198–205. (in
Chinese with English abstract)
Hara M, Hirata K, Oono K (1996). Relationship between
microlandform and vegetation structure in an ever-
green broad-leaved forest on Okinawa Island, SW Ja-
pan. Natural History Research, 4, 27–35.
Huang XX(黄晓霞 ), Jiang Y(江源 ), Liu QR(刘全儒 ),
Huang QR( 黄秋如 ) (2007). Relationship between

244 植 物 生 态 学 报 www. plant-ecology.com 33 卷
habitats and communities of subalpine meadow on Mt.
Xiaowutai, North China. Journal of Plant Ecol-
ogy(Chinese Version) (植物生态学报), 31, 437–444.
(in Chinese with English abstract)
Kühn I (2007). Incorporating spatial autocorrelation may
invert observed patterns. Diversity and Distributions,
13, 66–69.
Leone AP, Menenti M, Buondonno A, Letizia A, Maffei C,
Sorrentino G (2007). A field experiment on spec-
trometry of crop response to soil salinity. Agricultural
Water Management, 89, 39–48.
Levins SA (1992). The problem of pattern and scale in
ecology. Ecology, 73, 1943–1967.
Li H, Wu J (2004). Use and misuse of landscape indices.
Landscape Ecology, 19, 389–399.
Li XB, Chen YH, Yang H, Zhang YX (2005). Improvement,
comparison and application of field measurement
methods for grassland vegetation fractional coverage.
Journal of Integrative Plant Biology, 47, 1074–1083.
Li XD(李兴东)(1993). Canonical analysis and the principal
components analysis of plant community with its en-
vironmental factors in the Yellow River Delta. Acta
Botanica Sinica (植物学报), 35(Suppl.), 139–143. (in
Chinese with English abstract)
Moore ID, Gessler PE, Nielsen GA, Peterson GA (1993).
Soil attribute prediction using terrain analysis. Soil
Science Society of America Journal, 57, 443–452.
Muñoz-Reinoso JC, Novo FG (2005). Multiscale control of
vegetation patterns: the case of Doñana (SW Spain).
Landscape Ecology, 20, 51–61.
Pan DY, Bouchard A, Legendre P, Domon G (1998). Influ-
ence of edaphic factors on the spatial structure of
inland halophytic communities: a case study in China.
Journal of Vegetation Science, 9, 797–804.
Pfeffer K, Pebesma EJ, Burrough PA (2003). Mapping al-
pine vegetation using vegetation observations and to-
pographic attributes. Landscape Ecology, 18, 759–776.
Piernik A (2003). Inland halophilous vegetation as indicator
of soil salinity. Basic and Applied Ecology, 4,
525–536.
Pinder JE, Kroh GC, White JD, Basham AM (1997). The
relationships between vegetation types and topography
in Lassen Vocalnic National Park. Plant Ecology, 131,
17–29.
Purevdorj TS, Tateishi R, Ishiyama T, Honda Y (1998).
Relationships between percent vegetation cover and
vegetation indices. International Journal of Remote
Sensing, 19, 3519–3535.
Qi Y, Wu JG (1996). Effects of changing spatial resolution
on the results of landscape pattern analysis using spa-
tial autocorrelation indices. Landscape Ecology, 11,
39–49.
Reed RA, Peet RK, Palmer MW, White PS (1993). Scale
dependence of vegetation-environment correlations: a
case study of a North Carolina piedmont woodland.
Journal of Vegetation Science, 4, 329–340.
Shen ZH (沈泽昊), Zhang XS (张新时), Jin YX (金义
兴)(2000). An analysis of the topographical patterns of
the chief wooly species at Dalaoling in the three
Gorges Region. Acta Phytoecologica Sinica (植物生态
学报), 24, 581–587.(in Chinese with English abstract)
Snow AA, Vince SW (1984). Plant zonation in an Alaskan
salt marsh. II. An experimental study of the role of
edaphic conditions. Journal of Ecology, 72, 669–684.
Swanson FJ, Kratz TK, Caine N, Woodmansee RG (1998).
Landform effects on ecosystem patterns and processes.
BioScience, 38, 92–98.
Turner MG (1989). Landscape ecology: the effect of pattern
on process. Annual Review of Ecology and Systematics,
20, 171–197.
Ungar IA (1967). Vegetation-soil relationships on saline
soils in the northern Kansas. American Midland Natu-
ralist, 78, 98–120.
Ungar IA, Hogan W, McClelland M (1969). Plant commu-
nities of saline soils at Lincoln, Nebraska. American
Midland Naturalist, 82, 564–577.
Valentin C, dHerbes JM, Poesen J (1999). Soil and water
components of banded vegetation patterns. Catena, 37,
1–24.
van de Rijt CWCJ, Hazelhoff L, Blom CWPM (1996).
Vegetation zonation in a former tidal area: a vegeta-
tion-type response model based on DCA and logistic
regression using GIS. Journal of Vegetation Science, 7,
505–518.
Wang RQ(王仁卿 ), Zhang ZG(张治国 )(1993). General
survey on the vegetation of the Yellow River Delta in
China. Journal of Shandong University (山东大学学
报 ), 28(Suppl.), 1–7. (in Chinese with English ab-
stract)
Whittaker RH, Niering WA (1975). Vegetation of the Santa

2 期 吴大千等: 黄河三角洲植被指数与地形要素的多尺度分析 DOI: 10.3773/j.issn.1005-264x.2009.02.001 245
Catalina Mountains, Arizona. V. Biomass, production
and diversity along an elevational gradient. Ecology,
56, 771–790.
Wu XB, Archer SR (2005). Scale-dependent influence of
topography-based hydrologic features on patterns of
wood plant encroachment in savanna landscapes.
Landscape Ecology, 20, 733–742.
Wu ZF(吴志芬), Zhao SL(赵善伦), Zhang XL(张学雷)
(1994). Studies on interrelation between salt vegetation
and soil salinity in the Yellow River Delta. Acta Phy-
toecologica Sinica(植物生态学报), 18, 184–193. (in
Chinese with English abstract)
Xin XP(辛晓平), Gao Q(高琼), Li ZQ(李镇清) (1999).
Partitioning the spatial and environmental variation of
species abundance of alkaline grassland on Songnen
plain. Acta Botanica Sinica (植物学报), 41, 775–781.
(in Chinese with English abstract)
Yao RJ(姚荣江 ), Yang JS(杨劲松 ), Liu GM(刘广明 )
(2006a). Spatial variability of groundwater properties
in some typical areas of the Yellow River Delta. Chi-
nese Journal of Soil Science ( 土 壤 通 报 ), 37,
1071–1075. (in Chinese with English abstract)
Yao RJ(姚荣江), Yang JS(杨劲松), Liu GM(刘广明), Zou
P(邹平) (2006b). Spatial variability of soil salinity in
characteristic field of the Yellow River Delta. Trans-
actions of the Chinese Society of Agricultural Engi-
neering (农业工程学报), 22(6), 61–66. (in Chinese
with English abstract)


责任编委: 李 博 责任编辑: 李 敏