全 文 ：植被归一化指数( ND VI)及气候因子相关起伏型
时间序列变化分析 3
毕晓丽　王　辉　葛剑平 3 3
(北京师范大学生态学研究所 北京 100875)
【摘要】　利用中国大陆 1km 分辨率的月 NDV I 数据和相应的 400 个国家标准气象站点的月降水、月均温
数据 ,依据中国气象局提出的气候分区 ,探讨了不同气候区 NDV I 与气候因子之间的时、空变化格局. 结果
表明 ,各月份降水与 NDV I 相关性均显著相关 ; 起伏型时间序列模型能很好地拟合相关性的时间序列的
动态变化 ,NDV I 与降水的相关性拟合结果好于与温度相关性的拟合结果 ,全国范围内 ,与降水相关性拟
合的 R2 为 0191 ,与温度相关性拟合的 R2 为 0186.
关键词 　NDV I 　降水 　气温 　起伏型时间序列 　模拟
文章编号 　1001 - 9332 (2005) 02 - 0284 - 05 　中图分类号 　P467 　文献标识码 　A
Wave2type time series variation of the correlation between NDVI and climatic factors. BI Xiaoli ,WAN G Hui ,
GE Jianping ( Institute of Ecology , Beijing Norm al U niversity , Beijing 100875 , China) . 2Chin. J . A ppl .
Ecol . ,2005 ,16 (2) :284～288.
Based on the 1992～1996 data of 1km monthly NDV I and those of the monthly precipitation and mean tempera2
ture collected by 400 standard meteorological stations in China ,this paper analyzed the temporal and spatial dy2
namic changes of the correlation between NDV I and climatic factors in different climate districts of this country.
The results showed that there was a significant correlation between monthly precipitations and NDV I. The wave2
type time series model could simulate well the temporal dynamic changes of the correlation between NDV I and
climatic factors ,and the simulated results of the correlation between NDV I and precipitation was better than that
between NDV I and temperature. The correlation coefficients ( R2 ) were 0191 and 0. 86 , respectively for the
whole country.
Key words 　NDV I , Precipitation , Temperature , Wave2type time series , Simulation.
3 国家重点基础研究发展规划项目 ( G2000046802 ,2002CB111507) 、
高等学校博士学科点专项科研基金项目 (2000002716)和国家自然科
学基金资助项目 (30270254) .3 3 通讯联系人.
2003 - 12 - 24 收稿 ,2004 - 11 - 15 接受.
1 　引 　　言
气候变化被认为是引发地表覆盖变化的主要因
素 ,是全球变化研究中的重点[1 ] . 对气候变化最为
敏感的是陆地生态系统 ,尤其是地表植被的相应变
化最为显著. 地表植被类型的时空分布既是长期气
候适应的结果 ,又对短期的气候波动产生极为敏感
的响应 ,有关气候变化与地表植被变化及二者相互
关系的研究主要集中在这对矛盾体上. NDV I (Nor2
mal Different Vegetation Index) 是公认的表征植被
变化的有效参数 ,它包含有植被覆盖的有用信息 ,因
此 ,不少学者从不同角度对气候因子 (主要是降水、
温度)与 NDV I 之间的关系、敏感性及其变化进行
研究 ,并探讨这种关系产生的机制机理及其生态效
应.近来又有学者将气候因子的滞后效应、土壤类
型、时间尺度等问题加以考虑 ,相关研究逐步深入 ,
目的是为地表植被对全球气候变化的响应提供预报
和预测[2～12 ] . 对于 NDV I 与气候因子相关性研究主
要集中表现在空间分异、时间变化两大内容. 以往的
研究多从不同植被类型或不同的气候区域来进行 ,
从时间序列上所做的定量研究工作较少 ,由于降水、
温度对植被作用的有效时间尺度是分布不均的 ,限
于现有的技术水平 ,NDV I 只有取旬、月的尺度才具
有实际应用价值. 由于 NDV I 本身所具有的明显的
周期性 ,笔者认为 ,以月为基本的时间尺度进行植被
与气候因子相关性分析具有更高的可信度和实际价
值. 本文以 1992～1996 年的 NDV I 月数据及相应年
份的月平均降水、月平均温度数据为基础 ,首次利用
起伏型时间序列方法进行二者相关性的定量分析 ,
旨在探讨这种相关性的时间序列变化规律 ,为全球
气候变化下植被的动态响应研究提供理论依据.
时间序列分析法是一种自相关分析方法 ,它有
很多种 ,起伏型时间序列是一种新的时间序列方法 ,
是用差分使序列变为符合傅里叶级数型的变化方
法 ,该法已成功地应用于林业、气象、灾害等具有周
应 用 生 态 学 报 　2005 年 2 月 　第 16 卷 　第 2 期 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
CHIN ESE JOURNAL OF APPL IED ECOLO GY ,Feb. 2005 ,16 (2)∶284～288
期性现象的领域模拟及预测预报[13～16 ] .
2 　研究方法
211 　数据来源
从美国的 USGS/ EROS 数据中心免费下载 NOAA/
AVHRR 所提供的 NDV I 数据 ,空间分辨率为 1 km2 ,时间分
辨率为月 ,时间序列为 1992～1996 年 (缺少 1994 年的数
据) . 利用 MVC 法 (Maximum Value Composites) 消除云和大
气的部分干扰[2 ] . 利用 ARC/ INFO 软件对其进行投影转换 ,
使之与研究区的矢量文件投影一致 ,然后在 grid 模块下从数
据集中提取出中国大陆部分. 气象数据采用中国 400 个标准
站点 1992 到 1996 年的月平均气温、月平均降水资料 ,并对
其进行标准化处理 ,基本能反应所研究时间段内的气候变化
趋势 (图 1) .
图 1 　中国 400 个标准气象站点分布图
Fig. 1 Location of 400 standard meteorological stations in China.
212 　相关分析方法
根据 400 气象站点的地理位置数据 ,先在 Arc/ Info 的工
作站环境下生成点的矢量图层 (coverage) ,并转化为栅格数
据 (grid) ,利用 Arc/ Info 的 AML (宏语言) 进行编程 ,从相同
的地理坐标系下的 NDV I 图中提取出相应气象站点的 ND2
V I 值 ,计算各站 NDV I 序列与月平均降水、月均温的相关系
数.为了能比较分析 ,文中计算 4 年总的各月平均相关系数
及各年份中的月相关系数 ,由于降水的滞后性特点 ,相关计
算采取文献[3 ]的方法. 同时因为 NDV I 与气候因子的相关性
具有强烈的空间分异 ,依据中国气象局的气候区划将 400 个
站点分在不同的气候区域中 [17 ] ,分区进行比较 (图 2) .
图 2 　中国气候区划
Fig. 2 Distrioution of climatic region on the landsurface in China.
213 　起伏型时间序列法
设 X = { x0 , x1 , x2 , ⋯x1 , ⋯x n} , t = 0 ,1 ,2 , ⋯n ,为起
伏型时间序列 ,对 x i 作差分处理 :Δbχ1 = χ1 - χt - 1 是一阶向
后差分 ;Δfχt = χt +1 - χ1 是一阶向前差分. 序列 x t 在一阶差
分处理后遵从微分方程 :
dx
dt = ∑
k
i = 0
( aicos w i t +βi sin w i t) = a0 + ∑
k
i = 1
( aicos w i t +
βi sin w i t) (1)
式中 , w i = 2πi
n + 1 , t = 0 ,1 ,2 , ⋯, n , k = n/ 2.
　　起伏型时间序列法具体推导过程见文献 [13 ] ,得微分方
程 (2) 的解为 :
χt = χ0 +α0 t + ∑
k
i = 1
αi
ωi sin i t + ∑
k
i = 1
βi
ωi (1 - cosωi t)
( t = 0 ,1 ,2 , ⋯, N ) (2)
计算矩阵β^(α^0 ,α^i ,β^i) 的解 ,并将其代入 (3) 式 ,对原序列进
行拟合.
拟合过程中采用改进单纯形法进行参数优化.
3 　结果与分析
311 　不同月份 NDV I 与降水、温度之间的相关性
4 年中平均各月的相关性计算结果表现出以下
趋势 :全国的 NDV I 与降水因子的相关性较大 ,各
月均达到 0101 水平的显著性 ,其中 1 月份降水与
NDV I 相关性最大 ,6、7 月和 9、10 月的降水与 ND2
V I 的相关性也较大 ,表明 1 月份的降水程度对整个
中国范围内的植被变化影响最为强烈 ,同时 NDV I
与气候因子的相关性在不同的气候区域上的分布是
不一样的 (表 1) .
　　NDV I 与温度因子的相关性不如降水明显. 6、
7、8、9 月 4 个月份 ,从全国范围来讲 ,NDV I 值与温
度因子的相关性不明显 ,甚至有些月份出现负相关 ,
表明在夏、秋季温度的变化从整体上不会对中国的
植被变化产生明显影响 ,这也是植被对气候长期的
适应结果. 有趣的是 ,在其它月份 ,NDV I 与温度的
相关性却较高 ,且大于同期的与降水的相关系数 ,这
与前人研究的结果相符[1 ] ,表明相关性研究中时、
空间尺度问题的存在 (表 1) .
　　由于中国各地区气候、植被类型和土壤质地等
的分布差异 ,NDV I 与气候因子的相关性分布也必
然强弱不均. 本文采用中国气象局的气候区划 ,共分
为 10 个不同的气候区 ,分别进行分析.
Ⅰ区地处东北 ,气候分区为北温带湿润区 ,ND2
V I 与降水因子只有在 5～9 月春末秋初时达到显著
相关 ,而 NDV I 与温度因子的相关性只在 4、9、10 月
未达显著相关。本区内的 NDV I 与 5、7、8 月份的温
度因子呈负相关 ,在各月的气温变化中夏季的气温
5822 期 　　　　　　　　毕晓丽等 :植被归一化指数 (NDV I)及气候因子相关起伏型时间序列变化分析 　　　　　　　　　　　
表 1 　全国及气候分区不同月份 NDVI与气候因子相关性
Table 1 Correlation of different months bet ween NDVI and climate factors in China and different climate districts
相关系数
Correlation
1 月
Jan.
2 月
Feb.
3 月
Mar.
4 月
Apr.
5 月
May
6 月
J une
7 月
J uly
8 月
Aug.
9 月
Sep .
10 月
Oct .
11 月
Dec.
12 月
Nov.
全国 China 降水 P 0134 3 0115 3 0115 3 0125 3 0126 3 0134 3 0122 3 0119 3 0130 3 0139 3 0123 3 0114 3
温度 T 0149 3 0143 3 0134 3 0133 3 0123 3 - 0102 - 0105 - 0109 - 0102 0120 3 0135 3 0141 3
Ⅰ区 降水 P
- 0125 3 - 0105 3 0110 0110 0120 3 0138 3 0133 3 0120 3 0136 3 0106 0102 - 0110
温度 T 0149 3 0154 3 0111 3 - 0108 - 0134 3 - 0155 3 - 0143 3 - 0125 3 0109 - 0101 0131 3 0140 3
Ⅱ区 降水 P 0165 3 0126 3 0163 3 0122 3 0143 3 - 0168 3 0162 3 0149 3 0178 3 0146 3 0114 3 - 0149 3
温度 T 0146 3 0172 3 0122 3 - 0156 3 - 0129 3 - 0121 3 - 0143 3 - 0147 3 - 0129 3 - 0126 3 0169 3 0172 3
Ⅲ区 降水 P 0139 3 0124 3 0132 3 0116 3 0138 3 0163 3 0116 3 - 0114 3 0106 0160 3 0145 3 0147 3
温度 T - 0111 - 0105 - 0106 - 0111
- 0135 3 - 0148 3 - 0128 3 0108 - 0115 3 - 0137 3 - 0114 3 - 0107
Ⅳ区 降水 P 0101 - 0126 3 0133 3 0130 3 0119 3 0150 3 0142 3 0119 3 - 0108 0111 - 0115 3 - 0110
温度 T 0102 - 0100 0134 3 0149 3 0148 3 - 0129 3 0105 - 0114 3 - 0127 3 - 0128 3 - 0128 3 - 0126 3
Ⅴ区 降水 P
- 0133 3 0143 3 0136 3 0174 3 0131 3 0147 3 0139 3 0130 3 0149 3 0118 3 - 0125 3 - 0131 3
温度 T 0105 0130 3 0125 3 0140 3 0131 3 0108 - 0102 - 0101 - 0109 - 0118 3 - 0105 - 0102
Ⅵ区 降水 P - 0107 0117 3 0135 3 0147 3 0108 0126 3 0155 3 0128 3 0131 3 0148 3 0129 3 0116 3
温度 T
- 0137 3 - 0135 3 - 0120 3 0172 3 0111 - 0106 0170 3 - 0144 3 - 0167 3 - 0147 3 - 0138 3 - 0131 3
Ⅶ区 降水 P
- 0125 3 0112 3 - 0115 3 - 0100 - 0108 0101 - 0122 3 0100 0110 0109 - 0115 3 - 0132 3
温度 T 0128 3 0124 3 0127 3 0112 3 0129 3 0137 3 0114 3 0141 3 - 0113 3 0114 3 - 0110 - 0104
Ⅷ区 降水 P 0116 3 0161 3 - 0104 - 0114 3 0178 3 0108 - 0129 3 0127 3 0104 - 0124 3 0102 0122 3
温度 T 0101 - 0112 3 0145 3 0157 3 - 0172 3 - 0154 3 - 0169 3 - 0154 3 - 0161 3 - 0188 3 - 0131 3 - 0109
Ⅸ区 降水 P
- 0151 3 0150 3 0114 3 0121 3 0117 3 0103 - 0104 0112 3 0137 3 0131 3 0125 3 0126 3
温度 T 0145 3 0151 3 0102 0127 3 0125 3 0103 0114 3 - 0108 0105 0119 3 0159 3 0162 3
H 区 降水 P
- 0138 3 - 0103 - 0107 - 0128 3 0105 0144 3 0100 0150 3 0165 3 0153 3 0162 3 0177 3
温度 T
- 0135 3 - 0144 3 - 0159 3 - 0125 3 - 0146 3 - 0111 0140 3 - 0121 3 - 0151 3 - 0120 3 - 0125 3 - 0120 33 P < 0101. P : Precipitation ; T : Temperature. 下同 The same below.
对该区的 NDV I 影响较明显 ,夏季各月份热量的差
异为引发地表植被产生变化的主导因子 ,也就是说
本区 NDV I 受气温驱动 ,夏季植被对气温变化的响
应最为敏感.
Ⅱ区无论从各月的降水与 NDV I 相关性还是
温度与 NDV I 相关性来看 ,均达 0105 显著水平 ,表
明该区是一个降水与温度共同对植被产生作用的类
型.从纬度上讲 ,该区属于相对高纬地区 ;从地形上
讲 ,横跨 3 层阶梯 ;气候包括湿润的海洋性气候到干
燥的大陆性气候. 因此 ,降水与温度结合引发植被的
变化 ,在降水因子中 ,6、7、8 月和 12、1 月 ,即夏、冬
两季 ,降水对该区植被变化贡献较大. 温度因子也同
样存在这种趋势 ,夏季正值该区植被生长旺盛期 ,降
水与植被呈正相关 ,降水量越大 ,植被生长越好.
Ⅲ区为南温带降水驱动型 ,降水与 NDV I 相关
系数除 9 月外其余各月份均达显著相关 ,其中 6 月
份降水与 NDV I 的相关性最大 ,这是由于该区农业
发达 ,天然植被开发程度较高 ,6 月份为该区作物的
生长季 ,降水对作物生长的作用十分重要 ,而到了
8、9 月份 ,大多作物已收获 ,降水与 NDV I 相关性极
小 ,甚至出现负相关 ,温度与 NDV I 的相关性在该
区也不明显.
　　Ⅳ区为北亚热带 ,降水、温度与 NDV I 的相关
性不如温带区明显 ,即在这一区域降水、温度两因子
对 NDV I 变化的驱动不明显 ,NDV I 的变化可能来
自其他生态因子或是多种因子的综合作用.
Ⅴ区又是一个强烈的降水驱动地区 ,各月的
NDV I 值与降水相关均达显著水平 ,而温度则在 2、
3、4 月份即春季对 NDV I 的影响颇大 ,该区植被主
要为中亚热带常绿阔叶林. 7、8、9 月份 ,降水与 ND2
V I 成显著的正相关 ,而温度与 NDV I 呈负相关. 即
降水量的增加 ,增大了植被的生长势 ,使植被生长迅
速 ;而强烈的高温天气则加速植被的蒸发 ,对植被生
长产生不利影响.
Ⅵ区为低纬度南亚热带湿润区 ,降水和温度对
该区的 NDV I 变化有显著影响 ,但其相关没有明显
规律. 随着温度带的南移 ,NDV I 与降水、温度相关
性趋于复杂 ,但整体仍表现为降水因子对 NDV I 的
影响大于温度因子.
Ⅶ～ Ⅸ区为热带气候区 ,全年均一的强降雨对
NDV I 的变化不起明显作用 ,NDV I 的变化只对温
度变化敏感 ,因此是温度对植被变化起主导作用的
区域。该区中各月温度与 NDV I 均显著相关 ,而降
水在 1、2、3 月
682　　　　　　　　　　　　　　　　　　　　应 　用 　生 　态 　学 　报 　　　　　　　　　　　　　　　　　　16 卷
表 2 　1992 年全国及各气候区 NDVI与气候因子相关性起伏型时间序列模型参数值
Table 2 Values of parameters of wave2type time series model of the relationship bet ween NDVI and climate factors in China in 1992
参数
Parameter
全国
China
降水
P
温度
T
Ⅰ区
ⅠArea
降水
P
温度
T
Ⅱ区
ⅡArea
降水
P
温度
T
Ⅲ区
ⅣArea
降水
P
温度
T
Ⅳ区
ⅤArea
降水
P
温度
T
Ⅴ区
ⅥArea
降水
P
温度
T
a0 - 1102 - 0193 - 1103 - 0196 - 0198 - 0185 0185 0184 - 0195 0167 0169 0187
a1 - 2111 - 1194 - 2107 - 2122 - 2115 - 2108 1100 0191 - 2112 1148 0183 1122
a2 - 2120 - 2110 - 2112 - 2153 - 2134 - 2169 - 0159 - 0190 - 2159 1178 - 1102 - 0178
a3 - 2123 - 2119 - 2107 - 3117 - 3110 - 2189 - 2158 - 2184 - 219 - 1129 - 2196 - 2187
a4 - 2117 - 2112 - 1191 - 2197 - 3148 - 3122 - 3179 - 4111 - 3118 - 5121 - 4128 - 4122
a5 - 1156 - 1145 - 1139 - 2165 - 2164 - 2172 - 3161 - 3172 - 2115 - 7158 - 3192 - 3190
a6 - 0149 - 0148 - 0166 - 1147 - 2107 - 1125 - 1168 - 1187 1146 - 5106 - 1199 - 1161
β1 0134 0110 0152 - 0122 0109 - 0136 - 1160 - 1179 - 0104 - 4112 - 1143 - 1168
β2 0179 0170 0188 0130 0127 0114 - 2119 - 2140 0156 - 3107 - 2124 - 2138
β3 1132 1127 1147 1123 1107 0198 - 1167 - 1178 1119 - 4178 - 1138 - 1128
β4 2125 2108 2119 2155 2141 2174 0155 0134 2155 - 7180 0164 0120
β5 3116 3116 2194 3197 4105 4123 3153 3135 1165 1104 3142 3128
β6 4110 4101 4105 6105 5158 6107 5184 5199 5151 5170 5154 5173
R2 (1) 0191 0186 0184 0183 0194 0182 0196 0188 0165 0160 0195 0176
Q (2) 9127 10174 0123 6174 0114 0128 0102 0108 17133 24138 0104 0127
参数
Parameter
Ⅵ区
ⅥArea
降水
P
温度
T
Ⅶ区
ⅦArea
降水
P
温度
T
Ⅷ区
ⅧArea
降水
P
温度
T
Ⅸ区
ⅨArea
降水
P
温度
T
H 区
H Area
降水
P
温度
T
a0 0193 0171 - 0192 - 1120 0173 0176 0177 0173 0178 0175
a1 1125 0197 - 2169 - 2190 0189 0196 0186 0187 0189 0192
a2 - 0147 - 0184 - 2166 - 2191 - 1110 - 1100 - 0182 - 0191 - 1114 - 0181
a3 - 2157 - 2192 - 3121 - 3122 - 3113 - 3131 - 3100 - 2184 - 3124 - 3109
a4 - 4100 - 4106 - 3156 - 3161 - 4175 - 4155 - 4123 - 4116 - 4117 - 4110
a5 - 3157 - 3185 - 2160 - 2136 - 4116 - 4107 - 3188 - 4102 - 4105 - 3172
a6 - 1136 - 1167 - 1132 - 1175 - 1177 - 2107 - 1157 - 1143 - 1168 - 1142
β1 - 1158 - 1164 0105 0116 - 1157 - 1175 - 1161 - 1154 - 1183 - 1172
β2 - 2143 - 2129 0140 0172 - 2131 - 2139 - 2134 - 2135 - 2149 - 2142
β3 - 1183 - 1158 1138 1182 - 1165 - 1168 - 1174 - 1158 - 1176 - 1118
β4 0114 0143 2172 2181 0148 0139 0155 0150 0190 0149
β5 3127 3144 4142 4122 3165 3163 3168 3154 4100 2192
β6 5161 5158 6108 6100 6106 5199 6129 5172 6148 5199
R2 (1) 0195 0195 0187 0179 0196 0195 0194 0182 0161 0177
Q (2) 0101 0101 0109 0136 0101 0103 0102 0104 0154 0143
(1)复相关系数 Multiple correlation coefficient ; (2)离差平方和 Deviation square.
份与 NDV I 显著相关 ,在 4、5、6 等月份与植被变化
没有明显的相关性.
H 区气候为特殊的高原气候 ,降水和气温均达
到显著性水平 ,但各月程度不一 ,该区主导因子发挥
作用的时间在 1、2、11、12 月份 ,即为冬季 ,因此将其
定义为降水、气温冬季驱动型. 在该区植被在冬季对
降水、气温的变化十分敏感.
312 　不同时间序列 NDV I 与气候因子相关性
众所周知 ,植被与气候因子 (降水、温度)均具有
明显的年周期变化性 ,气候因子与 NDV I 相关性的
各月情况相差较大 ,但具有明显的时间序列变化特
征 ,因此本文分别计算了不同年份的各月相关系数 ,
同时采用时间序列模型从全国、各气候区等不同空
间范围对 NDV I 与气候因子相关性进行模拟. 结果
表明 ,起伏型时间序列模型无论是就全国范围还是
就不同气候区域 ,1992～1996 年 4 年时间均能很好
拟合. 本文以 1992～1993 年 12 个月份 NDV I 值与
相应气候因子的相关性为例进行分析 (表 2) ,从中
可以看出 ,公式 (3) 中的各参数确定结果都比较满
意 ,相关程度较大. 不同区域降水、温度的拟合结果
则有所不同 ,总体而言 ,除 H 区外 ,NDV I 与降水的
相关性要比其与温度的相关性更符合起伏型时间序
列模型 ,相关性越大的因子越符合 ,证明了模型的应
用范围 ,为定量描述 NDV I 及气候因子相关性问题
提供参考.
4 　讨 　　论
　　以较高分辨率 (1 km2) NDV I 数据进行其与气
候因子相关性问题分析 ,结果整体趋势与前人研究
结果相符. 降水与温度对 NDV I 所起的驱动作用及
影响程度一致 ,从而为植被与气候变化相关研究提
供更为精确的理论依据. 因为这种相关性存在明显
的周期性规律 ,文中具体分析了特定年份 12 个月的
相关性变动情况. 不同区域各月植被气候相关性程
度不同 ,主要是各研究区域所处的气候类型、植被特
征、作物生长的生物学特点及人类干扰等多种因子
7822 期 　　　　　　　　毕晓丽等 :植被归一化指数 (NDV I)及气候因子相关起伏型时间序列变化分析 　　　　　　　　　　　
综合作用的结果.
起伏型时间序列模型可以较好地拟合各气候区
NDV I与降水、温度的相关程度 ,以此推广 ,可以对
不同分类类型 ,如植被类型 ,土地利用/ 覆盖类型下
的 NDV I 与气候因子或其它环境因子相关性的时
间变化规律进行拟合 ,从而为定量研究全球气候变
化下下垫面环境类型的响应提供新思路和新方法.
总之 ,植被与气候因子相关性研究已不再局限
于以往的单纯定性分析 ,而趋向于机理性分析、不同
时空变化分析以及气候因子的综合效应等方面. 本
文仅在理论上探讨了起伏型时间序列模型对于植被
与气候因子相关性 ,如何运用该模型进行植被、气候
相关变化的预报、预测是下一步工作的方向及任务.
参考文献
1 　Chen Y2H (陈云浩) ,Li X2B (李晓兵) ,Shi P2J (史培军) . 2001.
Variation in NDVI driven by climate factors across China in 1983～
1992. Acta Phytoecol S in (植物生态学报) , 25 (6) : 716～720 (in
Chinese)
2 　Ddfnies RS , Townshend ,J RG. 1994. NDVI2derived land cover clas2
sification at a global scales. Int J Remote Sens , 15 ( 17) : 3675～
3586
3 　Li B2G (李本纲 ) , Tao S (陶 澍 ) . 2000. Correlation between
AVHRR NDVI and climate factors. Acta Ecol S in (生态学报) ,20
(5) :898～902 (in Chinese)
4 　Sun H2Y(孙红雨) ,Li B(李　兵) . 1998. Analysis of the vegetation
cover change and the relationship between NDVI and environment
factors by using NOAA time series data. J Remote Sens (遥感学
报) ,2 (3) :204～210 (in Chinese)
5 　Li X2B(李晓兵) ,Shi P2J (史培军) . 1999. Research on regulation
of NDVI change of Chinese primary vegetation types based on
NOAA/ AVHRR data. Acta Bot S in (植物学报) , 41 ( 3) : 314～
324 (in Chinese)
6 　Zhou T(周　涛) , Yi C2X(仪垂祥) ,Shi P2J (史培军) . 2003. The
relationship of NDVI and climatic factors under different radiation
dryness indexes. Acta Geogr Sin (地理学报) ,58 (7) :512～518 (in
Chinese)
7 　Xu X2K(徐兴奎) ,Lin C2H (林朝晖) , Xue F (薛 　峰) , et al .
2003. Correlation analysis between meteorological factors and the
ratio of vegetation cover. Acta Ecol S in (生态学报) ,23 (2) :221～
230 (in Chinese)
8 　Wu Z2F(吴正方) . 2003. Assessment of eco2climatic suitability and
climate change impacts of/ on broad2leaved Korean pine forest in
Northeast China. Chin J A ppl Ecol (应用生态学报) ,15 (5) :771
～775 (in Chinese)
9 　Hou A2M (侯爱民) , Zhou G2Y(周国逸) , Peng S2L (彭少麟) .
2003. Relationship between climatic factors and radial growth of
Pinus massoniana in Dinghushan Mountain. Chin J A ppl Ecol (应
用生态学报) ,14 (4) :637～639 (in Chinese)
10 　Zeng D2H (曾德慧) ,Jiang F2Q (姜凤岐) , Fang Z2P (范志平) .
2002. Ecological forecasting : A frontier in ecology. Chin J A ppl
Ecol (应用生态学报) ,13 (12) :1699～1702 (in Chinese)
11 　BA Kimball ,Zhu J2G(朱建国) ,Cheng L (程 磊) , et al . 2002. Re2
sponses of agricultural crops to free2air CO2 enrichment . Chin J A p2
pl Ecol (应用生态学报) 13 (10) :1323～1338 (in Chinese)
12 　Wu Y2H(吴玉环) , G2Q (高 谦) ,Cheng G2D(程国栋) . 2002. Re2
sponse of bryophytes to glaobal change and its bioindicatortation.
Chin J A ppl Ecol (应用生态学报) ,13 (7) :895～900 (in Chinese)
13 　Wu C2Z(吴承祯) ,Hong W(洪 伟) . 2001. Simulation of Cunning2
hamia lanceolata growth by wave2type time series analysis. Chin J
A ppl Ecol (应用生态学报) ,12 (5) :659～662 (in Chinese)
14 　Wu C2Z(吴承祯) ,Hong W(洪 伟) . 2000. The Quantitative Man2
agement of Cunninghamia lanceolata . Beijing : China Foresty
Press. 200～225 (in Chinese)
15 　You Z(游 　珍) ,Jiang Q2F (蒋庆丰) , Xu G(徐 　刚) . 2001. A
preliminary study on rainstorm’s law and its disaster. Chongqing
Envi ron Sci (重庆环境科学) ,23 (3) :14～16 (in Chinese)
16 　Wei F2Y(魏凤英) ,Cao H2X (曹鸿兴) . 1990. The Application of
the Long2time Forecast Model. Beijng :Weather Press. 107～115 (in
Chinese)
17 　Compilation of China Natural Geography. 1984. Beijing :China Car2
tographic Press. 25 (in Chinese)
作者简介 　毕晓丽 ,女 ,1976 年生 ,在读博士 ,主要从事数量
生态学及生态系统评价等领域研究 ,发表论文 10 余篇. Tel :
010262205291 ; E2mail :Bixiaoli @163. net .
882　　　　　　　　　　　　　　　　　　　　应 　用 　生 　态 　学 　报 　　　　　　　　　　　　　　　　　　16 卷