全 文 ：用回归树模型分析陕北黄土丘陵沟壑区
气候因子对 NDVI变异的影响*
刘摇 洋1,2 摇 吕一河2 摇 郑海峰2,3 摇 陈利顶2**
( 1 中国科学院城市环境研究所, 福建厦门 361003; 2 中国科学院生态环境研究中心, 北京 100085; 3 中国科学院东北地理与
农业生态研究所, 长春 130012)
摘摇 要摇 基于延安市 1998 年 4 月到 2008 年 7 月 SPOT VEGETATION 的旬合成 NDVI 数据,
以及同时期延安市的气象资料,用回归树法分析了影响该地区 NDVI 年内及年际变异的主要
气象因子.结果显示:各气象因子对 NDVI变异性的影响随季节及滞后时间的不同而不同;气
温和降水是影响 NDVI 年内变异的主要气象因子;导致 NDVI 年际变异的气象因子为平均最
高气温.回归树在判断影响 NDVI的主要气象因子方面具有较强的优势,但它无法建立气象因
子与 NDVI之间的定量表达关系,从而限制了对其更加广泛的应用.
关键词摇 黄土丘陵沟壑区摇 气候摇 NDVI摇 回归树
文章编号摇 1001-9332(2010)05-1153-06摇 中图分类号摇 Q149摇 文献标识码摇 A
Application of regression tree in analyzing the effects of climate factors on NDVI in loess hilly
area of Shaanxi Province. LIU Yang1,2, L譈 Yi鄄he2, ZHENG Hai鄄feng2,3, CHEN Li鄄ding2
( 1 Institute of Urban Environment, Chinese Academy of Sciences, Xiamen 361003, Fujian, China;
2Research Center for Eco鄄Environmental Sciences, Chinese Academy of Sciences, Beijing 100085,
China; 3Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences, Changchun
130012, China) . 鄄Chin. J. Appl. Ecol. ,2010,21(5): 1153-1158.
Abstract: Based on the 10鄄day SPOT VEGETATION NDVI data and the daily meteorological data
from 1998 to 2007 in Yan爷an City, the main meteorological variables affecting the annual and inter鄄
annual variations of NDVI were determined by using regression tree. It was found that the effects of
test meteorological variables on the variability of NDVI differed with seasons and time lags. Temper鄄
ature and precipitation were the most important meteorological variables affecting the annual varia鄄
tion of NDVI, and the average highest temperature was the most important meteorological variable
affecting the inter鄄annual variation of NDVI. Regression tree was very powerful in determining the
key meteorological variables affecting NDVI variation, but could not build quantitative relations be鄄
tween NDVI and meteorological variables, which limited its further and wider application.
Key words: loess hilly area; climate; NDVI; regression tree.
*中国科学院知识创新工程重要方向项目(KZCX2鄄YW鄄421)和国家
自然科学基金项目(40925003)资助.
**通讯作者. E鄄mail: liding@ rcees. ac. cn
2009鄄11鄄19 收稿,2010鄄02鄄25 接受.
摇 摇 黄土丘陵沟壑区是我国乃至全球水土流失最严
重的地区之一[1-2] .众多研究显示,植被覆盖率低是
造成该地区水土流失的最主要原因[3-7],而植被分
布和变化的直接驱动力是气候条件的变化[8] . 研究
植被的年际、年内变化及其与气候因子之间的关系
可以更好地理解气候对植被变异的影响机制及植被
格局的动态变化情况[9] .针对黄土丘陵沟壑区分析
气候条件对植被的影响可为该区域植被恢复与水土
流失治理提供决策依据. 归一化植被指数( normal鄄
ized difference vegetation index,NDVI)能较好地反映
地表植被的生长及分布特征,在分析地表覆盖与环
境因子关系的研究中得到了广泛应用[10-12] .本文主
要探讨黄土丘陵沟壑区气候因子对 NDVI的影响.
以往关于 NDVI 与气候关系的研究中,多采用
不同气象因子(如气温、降水等)与 NDVI 之间的相
关分析,相关系数越高,则代表该气象因子对植被的
影响越强[9,13-14] .该方法在判别一系列气象因子对
应 用 生 态 学 报摇 2010 年 5 月摇 第 21 卷摇 第 5 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, May 2010,21(5): 1153-1158
NDVI的独立作用时具有一定优势. 但通常我们的
研究目的是要在一系列繁杂的因子中筛选出对 ND鄄
VI起主导作用的因子,以此来制定有针对性的恢复
及治理对策.在这种情况下,相关分析法就显得有些
无能为力.多因素回归法可以实现上述目标,但若自
变量之间存在共线性,则会导致某一因素的作用被
掩盖,使回归系数的正确估计受到影响[15] . 植被对
气候的响应多存在滞后效应[14,16],且不同地区由于
植被组成和土壤类型的差异,滞后时间不同[17-18] .
为确定最优滞后时间及最主要影响因子,有必要将
各气象因子按不同的时间尺度进行分析,如与 NDVI
同时期降雨量( r0),前一旬(月)降雨量( r1),前两旬
(月)降雨量( r2)等.而不同时间尺度的同一气象因
子( r0、r1、r2)之间不可避免的存在不同程度的共线
性,导致多因素回归分析的结果不能正确反映客观
实际.回归树分析是一种新的多因素分析方法,其结
果不受变量间共线性的影响,可用于表征多种连续
变量对响应变量变异的相对贡献[15,19] . 因此,可将
其应用到气象因子对 NDVI 的影响研究.然而,到目
前为止,有关这方面的研究还鲜有报道.本文将尝试
用回归树法分析延安市气候条件对 NDVI的影响.
1摇 材料与方法
1郾 1摇 NDVI数据
本文选取陕西省延安市为研究区域. NDVI 数
据来自比利时 VITO 研究所的 SPOT VEGETATION
产品(旬数据),空间分辨率为 1 km伊1 km,影像值
为拉伸后的 0 ~ 255. 数据自 1998 年 4 月上旬至
2008 年 7 月下旬,共 371 幅影像. 考虑到研究区常
绿植被非常少,冬季植被处于休眠或枯萎状态,研究
中剔除掉各年份冬季的 NDVI 数据,仅保留 3—11
月份的数据,共 282 幅影像. 通过 ArcGIS 的空间分
析功能,提取所保留影像中延安市 NDVI 的平均值,
并导入 EXCEL,为进一步分析提供基础.
1郾 2摇 气象数据
气象数据来自国家气象局提供的延安市气象站
的 1998 年 1 月到 2008 年 7 月的逐日数据,包括日
降水量(R)、日平均气温(T)、日最高气温(H)、日最
低气温(L)、平均相对湿度(Hum)、日照时数(Rad).
为使气象数据与 NDVI 数据的时间分辨率相匹配,
将逐日的气象数据合成为旬数据,除降雨量取总和
之外,其余因子均取旬的平均值. 在此基础上,考虑
到气象因子的滞后作用,将上述旬数据合成为不同
时间分辨率的气象数据,即得到与 NDVI 匹配的当
旬数据(如降雨 R10、均温 T10等),当旬与前 1 旬的
合成值(如 R20、T20等),当旬与前 2 旬的合成值(如
R30、T30等),直至当旬与前 8 旬的合成值(如 R90、T90
等).
1郾 3摇 回归树分析
回归树的基本原理是根据响应变量,利用循环
二分形成二叉树形式的决策树结构,将由预测变量
定义的空间划分为尽可能同质的类别[19] .预测变量
被从主节点中逐次划分为一系列等级结构的左节点
和右节点,每个节点处列出了落在该部分的预测变
量的均值(MEAN)、方差( SD)及样本数(N). 回归
树模型在每个根节点处均可标出消减错误比例的数
值,即任何一个分类参数对因变量变异的贡献程度.
一般而言,位于第一级节点处(分类树最上端分枝)
的分类参数对因变量变异的贡献程度最大,即对因
变量变异起主导作用的因子[20] .
本文以 NDVI 均值为因变量,气象因子为自变
量进行回归树分析,确定导致研究区 NDVI 年内及
年际变化的主要气象因子. 回归树分析在 SYS鄄
TAT12 中进行.
2摇 结果与分析
2郾 1摇 NDVI年内变化规律及主导因子分析
2郾 1郾 1 NDVI年内变化规律 摇 自 1998 年到 2008 年
的多年平均显示(图 1),从 3 月中旬开始,NDVI 逐
渐上升;4 月后 NDVI迅速增长,到 8 月达到顶峰;此
后 NDVI值急剧下降,到 11 月时达到 4 月中下旬水
平.全年 NDVI以 7—9 月期间最大.
2郾 1郾 2 NDVI年内变化的主导气象因子分析 摇 图 2
列出了用气象因子预测延安市 NDVI 年内(3—11
月)、春季(3—5 月)、夏季(6—8 月)以及秋季(9—
11 月)变化的回归树.由图 2A可知,前 60 d 平均气
温(T60)是造成NDVI年内变化的主要气象因子,可
图 1摇 延安市 NDVI年内变化曲线
Fig. 1 摇 Annual variation of inter鄄annual average NDVI in
Yan爷an City.
4511 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 21 卷
图 2摇 气象因子预测 NDVI回归树
Fig. 2摇 Regression tree for predicting NDVI from meteorological variables.
A: 全年 Annual; B:春季 Spring; C:夏季 Summer; D:秋季 Autumn郾 NDVI均值(MEAN)、标准差(SD)及其样本数(N)标注于每个节点中.消减
错误比例(PRE)标注于每次分类节点处的括号内 Each node was labeled with average NDVI (MEAN), standard deviation (SD) and the number of
NDVI images in that group (N) . Partial PRE values were presented in parentheses at each root node to split. 下同 The same below.
解释其变异的 60%以上. 在分类树的第二级分类
中,左、右节点的分类指标分别为前 50 d 最低气温
(L50)和前 60 d 降水 (R60 ). 在前 60 d 均温低于
15郾 15 益,且前 50 d 最低气温低于 5郾 87 益的条件
下,NDVI 达到全年的最小值;当前 60 d 均温大于
15郾 15 益,且前 60 d 降水大于 113郾 10 mm 时,NDVI
为全年最大.前 60 d均温、前 50 d 最低气温以及前
60 d降水共可解释 NDVI 年内变异的 77郾 9% . 由图
2B可见,前 50 d 平均最低温度(L50)是影响 NDVI
春季变异的主要气象因子,其对 NDVI 变异的贡献
率为 70% .影响 NDVI 春季变异的第二个气象因子
为前 70 d平均日照时数(RAD70),可解释其变异的
7郾 5% .当前 50 d 平均最低气温低于 5郾 87 益时,春
季 NDVI达到最小值;在前 50 d 平均最低气温大于
5郾 87 益,且前 70 d 平均日照时数超过 7郾 37 h 的条
件下,春季 NDVI达到最大值.
从图 2C可以看出,前 90 d 总降雨量(R90)、前
20 d平均空气湿度(Hum20)、前 90 d 平均空气湿度
(Hum90)为影响夏季 NDVI 变异的主要气象因子. 这
3 个指标共可解释夏季 NDVI 变异的 65郾 4% .其中,
前 90 d总降雨量为主要的影响因子,位于分类树的
第一级分枝和第二级分枝的左节点处,其对夏季
NDVI变异的总贡献率为 49郾 9% .在夏季,当前 90 d
降水量小于 90 mm时,NDVI值最低;当前 90 d降水
大于 147郾 7 mm,且前 20 d 平均空气湿度大于
67郾 41%时,NDVI值最高.
由图 2D 可知,前 80 d 平均最低温度(L80)、前
40 d平均最低气温(L40)为影响 NDVI 变异的第一、
55115 期摇 摇 摇 摇 摇 摇 摇 刘摇 洋等: 用回归树模型分析陕北黄土丘陵沟壑区气候因子对 NDVI变异的影响摇 摇 摇 摇
第二位主导因子,分别可解释总变异的 61郾 7% 和
9郾 1% .当前 80 d平均最低气温低于 12郾 42 益时,秋
季 NDVI达到最小值;当前 80 d 平均最低气温高于
12郾 42 益,且前 40 d平均最低气温高于 14郾 89 益时,
秋季 NDVI达到最大.
2郾 2摇 NDVI年际变化规律及主导气象因子分析
2郾 2郾 1 NDVI 年际变化规律 摇 研究通常选择植被生
长最好月份的 NDVI 均值来代表植被的年生长状
况[14,16] .延安市 NDVI 的年内变化曲线显示,7—9
月为全年 NDVI 最大的月份,即植被生长最好的时
期.因此本文选择 7—9 月平均 NDVI 代表植被年生
长状况,分析延安市植被生长的年际变化规律. 因
2008 年的 NDVI 仅包含 7 月的数据,不能代表全年
的植被生长状况,故不予考虑. 研究区 1998—2007
年植被生长的年际变化规律如图 3 所示. 1998—
2007 年,NDVI 呈显著增长趋势. 回归分析结果显
示,NDVI年均增长率为 2郾 415 a-1 .
2郾 2郾 2 NDVI 年际变化的气象因子分析摇 以 1998—
2007 年 7—9 月的 NDVI 平均值为因变量,考虑到
NDVI与气象因子间的滞后作用,用各气候因子 5—
9月的平均值或累计值(降水)代表年气候条件,作
图 3摇 延安市 NDVI年际变化规律
Fig. 3 摇 Inter鄄annual variation of July to September average
NDVI during 1998 to 2007 in Yan爷an City.
图 4摇 气象因子预测 NDVI年际变化的回归树
Fig. 4 摇 Regression tree predicting inter鄄annual variation of
NDVI from meteorological variables.
为回归分析的自变量,得到气象因子预测 NDVI 年
际变化的回归树(图 4).如图 4 所示,该回归树只有
一个节点,分类因子为平均最高气温(HIGH),它可
以解释 NDVI年际变异的 41郾 8% .值得注意的是,平
均最高气温与 NDVI 年均值之间呈负向关系. 在平
均最低气温低于 28郾 05 益时,年均 NDVI 较大;反
之,则较小.
3摇 讨摇 摇 论
3郾 1摇 气象因子与 NDVI的关系
温度和降水是影响植被生长的两个主要气象因
子.由于延安市属于半干旱地区,降水一直被认为是
影响该地区植被生长的主要因素[21-22] . 然而,本文
的研究结果显示,影响该地区 NDVI 年内变化的最
主要因子是前 60 d 平均气温(T60). 降水只有在满
足一定的气温条件后,即 T60逸15郾 15 益时,才会对
植被生长产生影响;且它对 NDVI 年内变化的贡献
率也仅为 8郾 8% (图 2A). 赵文武等[13] 对延安市
1999 到 2001 年气象因子与 NDVI 的相关性分析也
显示,NDVI与平均气温的相关系数要明显高于 ND鄄
VI与降雨量的相关系数. 可见,热量资源对延安市
全年的植被生长是至关重要的. 气温的变化对植物
萌芽、开花以及营养期结束都起到关键作用[23] . 在
全球范围内,气候变暖使北半球中高纬度地区植物
的生长周期延长,光合作用增强[12,24],年内生物量
的积累也比以往更多地依赖于温度条件.
对`NDVI季节变化的研究表明,前50 d最低气温
(L50)和前 80 d最低气温(L80)分别是影响春秋两季
NDVI变化的主导因子,而降水对 NDVI 的影响并不
显著,均未参与分类树的分枝(图 2B、D).春季最低气
温对 NDVI的影响可能主要体现在土壤温度方面.经
过漫长的寒冬之后,春季土壤开始逐渐解冻.较高的
气温可导致较高的土壤温度,使土壤快速解冻,土质
逐渐疏松,植物根系对水分和养分的吸收较快,有利
于叶片的光合作用和干物质积累,从而使植物冠层生
长较好,NDVI增大;反之,若土温过低,则会限制植物
根系吸收水分和养分,植物生长受到胁迫[25] .而在秋
季,气温过低可能使植被迅速进入霜冻期,极端低温
还有可能导致冷害、冻害等自然灾害[14],使植被的生
理机能严重受损,NDVI 降低.在夏季,延安市多年平
均 T60为 21郾 68 益,此时的温度条件适宜植被的生长,
而较多的降雨会提升土壤中水分的含量[26],促进植
被生长,NDVI值较高.因此,降水是影响延安市夏季
NDVI变异的主要气象因子(图 2C).
6511 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 21 卷
表 1摇 1998—2007 年 7—9 月平均 NDVI与 5—9 月气象因子均值及累计值的相关分析
Tab. 1摇 Correlation analysis between July to September average NDVI and May to September average / cumulative value of
meteorological variables during 1998 to 2007
平均气温
Average temperature
平均最高气温
Average highest
temperature
平均最低气温
Average lowest
temperature
平均空气湿度
Average air
humidity
平均日照时数
Average sunlight
hours
总降雨量
Total rainfall
r -0郾 741 -0郾 742 -0郾 552 0郾 145 -0郾 424 0郾 48
P 0郾 007 0郾 007 0郾 049 0郾 345 0郾 111 0郾 08
摇 摇 延安市 5—9 月多年平均气温为 21 益,多年平
均降雨量为 391 mm,在雨热同期的气候条件下,植
被生长茂盛,NDVI 值达到全年最大. 然而,此时的
极端高温极有可能使地表蒸发量增大,水分流失增
加[9,22],从而对植被造成灼烧,阻碍其生长. 最高气
温是极端高温的一种表示. 延安市年际 NDVI 与气
象因子的回归分析显示,5—9 月平均最高气温是导
致 NDVI 年际变异的主要气象因子,其解释率在
40%以上.在 5—9 月平均最高气温低于 28郾 05 益的
年份,植被生长良好;而在 5—9 月平均最高气温高
于 28郾 05 益的年份,植被生长受到限制,植被指数较
低.将 7—9 月平均 NDVI 与 5—9 月各气象因子的
均值或累计值进行相关分析发现(表 1),NDVI 与平
均气温、平均最高气温以及平均最低气温间均呈显
著负相关(P<0郾 05),与降雨量呈正相关关系,但未
达到显著性水平(P>0郾 05).这说明年降雨量增加会
促进植被生长,而高温则会抑制植被生长,且在
1998—2007 年,高温对植被的作用超过了降雨的作
用.本文的研究结果与 Piao 等[9]关于黄土高原地区
的结论一致,但与毛飞等[14]对藏北地区的研究结果
以及郑有飞等[27]在贵州省的研究结果均有所不同,
这可能是由研究区域不同从而导致气候与植被条件
的差异所造成的.
3郾 2摇 回归树在气候-NDVI关系研究中的应用
回归树分析具有操作简单、结果简洁易懂的特
征,且其结果不受解释变量间共线性的影响.从这点
来讲,回归树在判定影响 NDVI 的主要气象因子方
面比常规的回归分析方法更具优势.可惜的是,它无
法建立解释变量与预测变量间的定量表达关系,这
使得其应用受到一定限制.近年来,很多学者希望通
过剔除掉气候条件对 NDVI的作用来预测气候之外
的因素,如人类活动、政策等对 NDVI 的影响. 多数
研究仍采用线性回归法建立气象因子与 NDVI 间的
数量关系,如 Herrmann 等[28]、Zhou 等[16] . 然而,气
象因子与 NDVI 间并不只是简单的线性关系,用上
述方法得出的结果极有可能会对真实情况造成一定
的歪曲.回归树与广义线性模型相比具有更高的预
测精度[29-30],我们的研究结果也显示,回归树模型
对 NDVI变异性的估计最高可达 77郾 9% . 如何进一
步挖掘回归树模型的潜力,建立 NDVI 与气象因子
的定量关系,使这种定量关系更多地贴近实际,从而
更深刻地揭示人类活动、政策等对 NDVI 的影响,是
未来研究的一个方向.
参考文献
[1]摇 Fu BJ, Wang J, Chen LD, et al. The effects of land use
on soil moisture variation in the Danangou catchment of
the Loess Plateau, China. Catena, 2003, 54: 197-213
[2]摇 Fu BJ, Zhao WW, Chen LD, et al. Assessment of soil
erosion at large watershed scale using RUSLE and GIS:
A case study in the loess plateau of China. Land Degra鄄
dation and Development, 2005, 16: 73-85
[3]摇 Liu GB. Soil conservation and sustainable agriculture on
the Loess Plateau: Challenge and prospective. Ambio,
1999, 28: 663-668
[4]摇 Chen LD, Wang J, Fu BJ, et al. Land鄄use change in a
small catchment of northern Loess Plateau, China. Agri鄄
culture, Ecosystems and Environment, 2001, 86: 163-
172
[5]摇 Saito Y, Yang Z, Hori K. The Huanghe (Yellow Riv鄄
er) and Changjiang (Yangtze River) deltas: A review
on their characteristics, evolution and sediment dis鄄
charge during the Holocene. Geomorphology, 2001, 41:
219-231
[6]摇 Li Y, Poesen J, Yang JC, et al. Evaluating gully ero鄄
sion using 137Cs and 210Pb / 137Cs ratio in a reservoir
catchment. Soil & Tillage Research, 2003, 69: 107 -
115
[7]摇 Fu BJ, Zhang QJ, Chen LD, et al. Temporal change in
land use and its relationship to slope degree and soil type
in a small catchment on the Loess Plateau of China. Ca鄄
tena, 2006, 65: 41-48
[8]摇 Ding Y鄄H (丁一汇), Li Q鄄P (李巧萍), Dong W鄄J
(董文杰). A numerical simulation study of the impacts
of vegetation changes on regional climate in China. Acta
Meteorologica Sinica (气象学报), 2005, 63(5): 613-
621 (in Chinese)
[9]摇 Piao SL, Fang JY, Zhou LM, et al. International varia鄄
tions of monthly and seasonal normalized difference veg鄄
etation index ( NDVI) in China from 1982 to 1999.
Journal of Geophysical Research, 2003, 108: 1-13
[10]摇 Tucker CJ. Red and photographic infrared linear combi鄄
75115 期摇 摇 摇 摇 摇 摇 摇 刘摇 洋等: 用回归树模型分析陕北黄土丘陵沟壑区气候因子对 NDVI变异的影响摇 摇 摇 摇
nations for monitoring vegetation. Remote Sensing of En鄄
vironment, 1979, 8: 127-150
[11] Tueller PT. Remote sensing technology for rangeland
management applications. Journal of Range Manage鄄
ment, 1989, 42: 442-452
[12]摇 Wu J, Gao W, Tueller PT. Effects of changing spatial
scale on the results of statistical analysis with landscape
data: A case study. Geographic Information Sciences,
1997, 3: 30-41
[13]摇 Zhao W鄄W (赵文武), L俟 Y鄄H (吕一河), Guo W鄄W
(郭雯雯), et al. The correlations between climatic fac鄄
tors and NDVI in hilly and gully area of loess plateau in
Northern Shaanxi. Research of Soil and Water Conserva鄄
tion (水土保持研究), 2006, 13(2): 112 -114 ( in
Chinese)
[14]摇 Mao F (毛摇 飞), Lu Z鄄G (卢志光), Zhang J鄄H (张
佳华), et al. Relations between AVHRR NDVI and cli鄄
mate factors in Northern Tibet in recent 20 years. Acta
Ecologica Sinica (生态学报), 2007, 27(8): 3198 -
3205 (in Chinese)
[15]摇 Wu Y鄄H (武艳华), Shi B鄄L (史宝林), Ge L鄄P (葛
丽平). Classification and regression tree and its appli鄄
cation in medical research. Journal of Hebei North Uni鄄
versity (Medical Edition) (河北北方学院学报·医学
版), 2008, 25(6): 72-73 (in Chinese)
[16] 摇 Zhou HJ, Rompaey AV, Wang JA. Detecting the im鄄
pact of the “Grain for Green冶 program on the mean an鄄
nual vegetation cover in the Shaanxi Province, China
using SPOT鄄VGT NDVI data. Land Use Policy, 2009,
26: 954-960
[17]摇 Potter CS, Brooks V. Global analysis of empirical rela鄄
tions between annual climate and seasonality of NDVI.
International Journal of Remote Sensing, 1998, 19:
2921-2948
[18]摇 Richard Y, Poccard I. A statistical study of NDVI sen鄄
sitivity to seasonal and interannual rainfall variations in
Southern Africa. International Journal of Remote Sens鄄
ing, 1998, 19: 2907-2920
[19]摇 Zheng H鄄F (郑海峰). Multi鄄scale analysis of variabili鄄
ty in the productivity of soybean cropping systems in
Black Soil Region of Northeast China: A study in Hailun
County. PhD Thesis. Beijing: Research Center for Eco鄄
Environmental Sciences, Chinese Academy of Sciences,
2009 (in Chinese)
[20] White AB, Kumar P, Tcheng D. A data mining ap鄄
proach for understanding topographic control on climate鄄
induced inter鄄annual vegetation variability over the Unit鄄
ed States. Remote Sensing of Environment, 2005, 98: 1
-20
[21]摇 Yang R鄄J (杨荣金), Fu B鄄J (傅伯杰), Liu G鄄H (刘
国华), et al. Research on the relationship between wa鄄
ter and eco鄄environment construction in loess hilly and
gully regions. Environmental Science (环境科学 ),
2004, 25(2): 37-42 (in Chinese)
[22]摇 Li Z (李摇 震), Yan F鄄L (阎福礼), Fan X鄄T (范湘
涛). The variability of NDVI over Northwest China and
its relation to temperature and precipitation. Journal of
Remote Sensing (遥感学报), 2005, 9(3): 308-313
(in Chinese)
[23]摇 Peng D鄄L (彭代亮), Huang J鄄F (黄敬峰), Wang X鄄Z
(王秀珍). Correlation analysis of regional vegetation
seasonal fluctuation and climate factors based on MO鄄
DIS鄄EVI. Chinese Journal of Applied Ecology (应用生
态学报), 2007, 18(5): 983-989 (in Chinese)
[24]摇 Raynolds MK, Comiso JC, Walker DA, et al. Relation鄄
ship between satellite鄄derived land surface temperatures,
arctic vegetation types, and NDVI. Remote Sensing of
Environment, 2008, 112: 1884-1894
[25]摇 Fan A鄄W (范爱武), Liu W (刘摇 伟), Liu B鄄C (刘
炳成). Effect of soil temperature on the growth of plant
and an analysis of its mechanism. Journal of Engineer鄄
ing Thermophysics (工程热物理学报), 2004, 25(1):
124-126 (in Chinese)
[26] Weiss JL, Gutzler Ds, Coonrod JEA, et al. Seasonal
and inter鄄annual relationships between vegetation and
climate in central New Mexico, USA. Journal of Arid
Environments, 2004, 57: 507-534
[27] 摇 Zheng Y鄄F (郑有飞), Liu H鄄J (刘宏举), Wu R鄄J
(吴荣军), et al. Correlation between NDVI and princi鄄
pal climate factors in Guizhou Province. Journal of Ecol鄄
ogy and Rural Environment (生态与农村环境学报),
2009, 25(1): 12-17 (in Chinese)
[28]摇 Herrmann SM, Anyamba A, Tucker CJ. Recent trends
in vegetation dynamics in the African Sahel and their re鄄
lationship to climate. Global Environmental Changes,
2005, 15: 394-404
[29]摇 Zheng HF, Chen LD, Han XZ, et al. Classification and
regression tree ( CART) for analysis of soybean yield
variability among fields in Northeast China: The impor鄄
tance of phosphorus application rates under drought con鄄
ditions. Agriculture, Ecosystems & Environment, 2009,
132: 98-105
[30]摇 Park SJ, Hwang CS, Vlek PLG. Comparison of adaptive
techniques to predict crop yield response under varying
soil and land management conditions. Agricultural Sys鄄
tems, 2005, 85: 59-81
作者简介摇 刘摇 洋,女,1982 年生,博士研究生. 主要从事植
被恢复及水土流失治理研究. E鄄mail: ly2002wo20@ 126. com
责任编辑摇 肖摇 红
8511 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 21 卷