全 文 ：第 ３６ 卷第 １５ 期
２０１６年 ８月
生 态 学 报
ＡＣＴＡ ＥＣＯＬＯＧＩＣＡ ＳＩＮＩＣＡ
Ｖｏｌ．３６，Ｎｏ．１５
Ａｕｇ．，２０１６
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
基金项目：国家自然科学基金资助项目 （ ３１１６０１１４， ４１２６１０８７）；新疆大学博士启动基金项目 （ ＢＳ１３０１０３）；新疆自然科学基金资助项目
（２０１５２１１Ｃ２７６）
收稿日期：２０１５⁃０６⁃１０； 　 　 修订日期：２０１５⁃１２⁃２９
∗通讯作者 Ｃｏｒｒｅｓｐｏｎｄｉｎｇ ａｕｔｈｏｒ．Ｅ⁃ｍａｉｌ： ｘｉｊｉａｎｈｕ＠ １２６．ｃｏｍ
ＤＯＩ： １０．５８４６ ／ ｓｔｘｂ２０１５０６１０１１６６
冯金杰，张辉国，胡锡健，师庆东，祖拜代·木依布拉．降水量和温度对植被覆盖指数影响的空间非平稳性特征———以新疆伊犁河谷地区为例．生
态学报，２０１６，３６（１５）：４６２６⁃４６３４．
Ｆｅｎｇ Ｊ Ｊ， Ｚｈａｎｇ Ｈ Ｇ， Ｈｕ Ｘ Ｊ， Ｓｈｉ Ｑ Ｄ， Ｚｕｂａｉｄａｉ．Ｍｕｙｉｂｕｌａ． Ｓｐａｔｉａｌ ｎｏｎ⁃ｓｔａｔｉｏｎａｒｉｔｙ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｔｈｅ ｉｍｐａｃｔｓ ｏｆ ｐｒｅｃｉｐｉｔａｔｉｏｎ ａｎｄ ｔｅｍｐｅｒａｔｕｒｅ ｏｎ
ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｉｎｄｅｘ： ａ ｃａｓｅ ｓｔｕｄｙ ｉｎ Ｙｉｌｉ Ｒｉｖｅｒ Ｖａｌｌｅｙ， Ｘｉｎｊｉａｎｇ．Ａｃｔａ Ｅｃｏｌｏｇｉｃａ Ｓｉｎｉｃａ，２０１６，３６（１５）：４６２６⁃４６３４．
降水量和温度对植被覆盖指数影响的空间非平稳性
特征
———以新疆伊犁河谷地区为例
冯金杰１，张辉国１，胡锡健１∗，师庆东２，祖拜代·木依布拉２
１ 新疆大学数学与系统科学学院，乌鲁木齐 ８３００４６
２ 新疆大学干旱生态环境研究所，乌鲁木齐 ８３００４６
３ 新疆绿洲生态重点实验室，乌鲁木齐 ８３００４６
摘要： 多变量空间相关分析多基于时间序列数据，对数据时长与统计要求严格，空间非平稳性特征分析可以利用单期数据分析
多变量之间的相关性。 通过空间变系数回归模型分析了 ２００６年和 ２０１１年的新疆伊犁地区降水量和温度对植被覆盖度指数影
响的空间变化特征， 利用局部线性地理加权回归（ＧＷＲ）方法估计得到了回归系数曲面，揭示出变量间相互影响的空间异质
性，同时利用线性回归最小二乘估计进行了对比。 结果表明：（１） 空间变系数回归模型可以用于变量间的空间相关分析；（２）
局部线性 ＧＷＲ估计方法明显优于线性回归最小二乘估计；（３）拟合结果表明，伊犁地区降水量和温度对植被覆盖指数的影响
具有显著的空间非平稳性特征；（４）模型估计误差是降水、气温之外的地形、地貌及人类活动等多种因素造成的，需进一步研
究。 方法可为具有空间非平稳性特征变量间空间相关性分析以及植被覆盖指数的空间模拟分布提供思路和方法。
关键词： 伊犁地区；空间变系数回归模型；局部线性 ＧＷＲ；植被覆盖指数；降水量； 温度
Ｓｐａｔｉａｌ ｎｏｎ⁃ｓｔａｔｉｏｎａｒｉｔｙ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｔｈｅ ｉｍｐａｃｔｓ ｏｆ ｐｒｅｃｉｐｉｔａｔｉｏｎ ａｎｄ
ｔｅｍｐｅｒａｔｕｒｅ ｏｎ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｉｎｄｅｘ： ａ ｃａｓｅ ｓｔｕｄｙ ｉｎ Ｙｉｌｉ Ｒｉｖｅｒ
Ｖａｌｌｅｙ， Ｘｉｎｊｉａｎｇ
ＦＥＮＧ Ｊｉｎｊｉｅ１， ＺＨＡＮＧ Ｈｕｉｇｕｏ１， ＨＵ Ｘｉｊｉａｎ１∗， ＳＨＩ Ｑｉｎｇｄｏｎｇ２， ＺＵｂａｉｄａｉ·Ｍｕｙｉｂｕｌａ２
１ Ｃｏｌｌｅｇｅ ｏｆ Ｍａｔｈｅｍａｔｉｃｓ ａｎｄ Ｓｙｓｔｅｍ Ｓｃｉｅｎｃｅｓ， Ｘｉｎｊｉａｎｇ Ｕｎｉｖｅｒｓｉｔｙ， Ｕｒｕｍｕｑｉ ８３００４６， Ｃｈｉｎａ
２ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ａｒｉｄ Ｌａｎｄ Ｅｃｏｌｏｇｙ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ ａｔ Ｘｉｎｊｉａｎｇ Ｕｎｉｖｅｒｓｉｔｙ， Ｕｒｕｍｕｑｉ ８３００４６， Ｃｈｉｎａ
３ Ｍｉｎｉｓｔｒｙ ｏｆ Ｅｄｕｃａｔｉｏｎ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｏａｓｉｓ Ｅｃｏｌｏｇｙ， Ｕｒｕｍｕｑｉ ８３００４６， Ｃｈｉｎａ
Ａｂｓｔｒａｃｔ： Ｔｈｅ ｍｕｌｔｉｖａｒｉａｂｌｅ ｓｐａｔｉａｌ ｃｏｒｒｅｌａｔｉｏｎ ａｎａｌｙｓｉｓ ｉｓ ｍａｉｎｌｙ ｂａｓｅｄ ｏｎ ｔｉｍｅ ｓｅｒｉｅｓ ｄａｔａ ａｎｄ ｒｅｑｕｉｒｅｓ ｌｏｎｇ⁃ｔｅｒｍ ｔｉｍｅ
ｓｅｒｉｅｓ ｆｏｒ ｓｔａｔｉｓｔｉｃａｌ ａｎａｌｙｓｉｓ． Ｔｈｅ ａｎａｌｙｓｉｓ ｏｆ ｓｐａｔｉａｌ ｎｏｎ⁃ｓｔａｔｉｏｎａｒｙ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｃａｎ ｄｅｔｅｒｍｉｎｅ ｔｈｅ ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ
ｍｕｌｔｉｖａｒｉａｔｅ ｖａｒｉａｂｌｅｓ ｂｙ ｕｓｉｎｇ ｓｉｎｇｌｅ ａ ｓｉｎｇｌｅ ｄａｔａｓｅｔ． Ｂａｓｅｄ ｏｎ ｔｈｅ ｓｐａｔｉａｌｌｙ ｖａｒｙｉｎｇ ｃｏｅｆｆｉｃｉｅｎｔ ｒｅｇｒｅｓｓｉｏｎ ｍｏｄｅｌ， ｔｈｉｓ ｓｔｕｄｙ
ａｎａｌｙｚｅｄ ｔｈｅ ｓｐａｔｉａｌ ｖａｒｉａｔｉｏｎ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｔｈｅ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｉｎｄｅｘ ｉｎ ｒｅｓｐｏｎｓｅ ｔｏ ｐｒｅｃｉｐｉｔａｔｉｏｎ ａｎｄ ｔｅｍｐｅｒａｔｕｒｅ ｉｎ
ｔｈｅ Ｙｉｌｉ ａｒｅａ ｏｆ Ｘｉｎｊｉａｎｇ ｉｎ ２００６ ａｎｄ ２０１１． Ｔｈｅ ｒｅｇｒｅｓｓｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔ ｍａｐ ｅｓｔｉｍａｔｅｄ ｂｙ ｕｓｉｎｇ ｔｈｅ ｌｏｃａｌ ｌｉｎｅａｒ ｇｅｏｇｒａｐｈｉｃａｌ
ｗｅｉｇｈｔｅｄ ｒｅｇｒｅｓｓｉｏｎ（ＧＷＲ） ｍｅｔｈｏｄ ｆｕｒｔｈｅｒ ｒｅｖｅａｌｅｄ ｔｈａｔ ｔｈｅ ｓｐａｔｉａｌ ｈｅｔｅｒｏｇｅｎｅｉｔｙ ｏｆ ｔｈｅ ｉｎｔｅｒａｃｔｉｏｎ ｂｅｔｗｅｅｎ ｔｈｅ ｖａｒｉａｂｌｅｓ．
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
Ｔｈｅ ｒｅｓｕｌｔｓ ｗｅｒｅ ｃｏｍｐａｒｅｄ ａｇａｉｎｓｔ ｌｉｎｅａｒ ｌｅａｓｔ ｓｑｕａｒｅｓ ｒｅｇｒｅｓｓｉｏｎ ｍｅｔｈｏｄ． Ｔｈｅ ｍａｉｎ ｆｉｎｄｉｎｇｓ ａｒｅ ｔｈｅ ｆｏｌｌｏｗｉｎｇ： （１） Ｔｈｅ
ｓｐａｔｉａｌｌｙ ｖａｒｙｉｎｇ ｃｏｅｆｆｉｃｉｅｎｔ ｒｅｇｒｅｓｓｉｏｎ ｍｏｄｅｌ ｃａｎ ｂｅ ｕｓｅｄ ｔｏ ａｎａｌｙｚｅ ｔｈｅ ｓｐａｔｉａｌ ｃｏｒｒｅｌａｔｉｏｎ ｂｅｔｗｅｅｎ ｖａｒｉａｂｌｅｓ． （２） Ｔｈｅ ｌｏｃａｌ
ｌｉｎｅａｒ ＧＷＲ ｉｓ ｓｕｐｅｒｉｏｒ ｔｏ ｔｈｅ ｌｉｎｅａｒ ｌｅａｓｔ ｓｑｕａｒｅｓ ｒｅｇｒｅｓｓｉｏｎ ｍｅｔｈｏｄ． （３） Ｒｅｓｕｌｔｓ ｓｈｏｗｅｄ ａ ｃｌｅａｒｌｙ ｓｐａｔｉａｌ ｎｏｎ⁃ｓｔａｔｉｏｎａｒｙ
ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｔｈｅ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｉｎｄｅｘ ｕｎｄｅｒ ｔｈｅ ｅｆｆｅｃｔｓ ｏｆ ｐｒｅｃｉｐｉｔａｔｉｏｎ ａｎｄ ｔｅｍｐｅｒａｔｕｒｅ ｉｎ ｔｈｅ Ｙｉｌｉ ａｒｅａ ｏｆ Ｘｉｎｊｉａｎｇ．
（４） Ｉｎ ａｄｄｉｔｉｏｎ ｔｏ ｐｒｅｃｉｐｉｔａｔｉｏｎ ａｎｄ ｔｅｍｐｅｒａｔｕｒｅ， ｆａｃｔｏｒｓ ｓｕｃｈ ａｓ ｔｏｐｏｇｒａｐｈｙ， ｇｅｏｍｏｒｐｈｏｌｏｇｙ ａｎｄ ｈｕｍａｎ ａｃｔｉｖｉｔｉｅｓ ｃａｎ ｃａｕｓｅ
ｄｅｖｉａｔｉｏｎｓ ｉｎ ｔｈｅ ｅｓｔｉｍａｔｉｏｎ， ｗｈｉｃｈ ｒｅｑｕｉｒｅｓ ｆｕｒｔｈｅｒ ｒｅｓｅａｒｃｈ． Ｔｈｉｓ ｐａｐｅｒ ｐｒｏｖｉｄｅｓ ｎｅｗ ｉｄｅａｓ ａｎｄ ｍｅｔｈｏｄｓ ｔｏ ａｎａｌｙｚｅ ｓｐａｔｉａｌ
ｃｏｒｒｅｌａｔｉｏｎ ｂｅｔｗｅｅｎ ｖａｒｉａｂｌｅｓ ｔｈａｔ ｅｘｈｉｂｉｔ ｓｐａｔｉａｌ ｎｏｎ⁃ｓｔａｔｉｏｎａｒｙ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ａｎｄ ｔｏ ｏｂｔａｉｎ ｓｐａｔｉａｌ ｓｉｍｕｌａｔｉｏｎ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ
ｔｈｅ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｉｎｄｅｘ．
Ｋｅｙ Ｗｏｒｄｓ： Ｙｉｌｉ ａｒｅａ； ｓｐａｔｉａｌｌｙ ｖａｒｙｉｎｇ ｃｏｅｆｆｉｃｉｅｎｔ ｒｅｇｒｅｓｓｉｏｎ ｍｏｄｅｌ； ｌｏｃａｌ ｌｉｎｅａｒ Ｇｅｏｇｒａｐｈｉｃａｌｌｙ Ｗｅｉｇｈｔｅｄ Ｒｅｇｒｅｓｓｉｏｎ
（ＧＷＲ）； ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｉｎｄｅｘ； ｐｒｅｃｉｐｉｔａｔｉｏｎ； ｔｅｍｐｅｒａｔｕｒｅ
植被受气候、地形地貌及人类活动的影响在空间上具有差异性分布［１⁃３］，定位定量分析某一区域植被覆
盖变化特征及驱动因素对区域生态环境保护有着十分重要的意义。 温度与降水量是影响区域植被分布格局
和覆盖变化的关键因子［４⁃６］。 前期植被覆盖变化与气温、降水量的相关性研究中，多采用时间序列分析，这需
要一定时间段的数据积累及尺度的一致性等统计要求。 孙红雨等［７］采用时间序列方法，并结合同期的降水
量和温度数据，对中国植被覆盖变化与气候因子进行相关性分析。 李震等［８］利用 １９８２年到 ２０００年的数据采
用差分法、斜率变化和主成分分析 ３种方法，研究了中国西北地区 ＮＤＶＩ 变化与温度和降水的关系。 师庆东
等［９］采用分区分海拔的方法对 ＦＶＣ影像进行分类，定量分析了 １９８２ 年到 ２０００ 年的新疆植被覆盖的变化情
况并利用气温、降雨、地貌等因素进行了植被景观分类［３］。 王智等［１０⁃１１］采用分区＋海拔分类方法，对新疆各区
分别做植被覆盖度与年均降水量、年均气温在长时间序列上的相关性分析。 刘芳等［１２］采用像元尺度的线性
回归方法和相关系数法分析了伊犁河谷草地植被 ＮＤＶＩ变化及其降水敏感性的特征。
上述研究多利用线性回归模型研究降水量或温度对植被覆盖指数的平均影响强度，这种方法需要多期数
据的积累，受时间序列数据时序样本数量限制，研究结果的准确性受到限制。 实际上，植被覆盖度的空间特征
与气温和降水有着直接联系，在每一个时间段中都具有这种空间相关性。 本文利用单期植被覆盖指数、降水
量和温度选择空间变系数模型，在 Ｇａｕｓｓ核函数下用局部线性 ＧＷＲ估计方法进行拟合，用交叉确认法确定光
滑参数 ｈ的值，采用三阶矩 χ２ 逼近方法计算检验植被覆盖指数的空间非平稳性。 同时在线性回归模型下用
最小二乘估计方法进行拟合，把两种拟合结果与实测值进行对比分析，为检验算法的稳定性，以新疆伊犁地区
２００６、２０１１年两期数据验证，以该地区实际植被覆盖指数验证模型正确性与准确度，最终证明在只有单期降
水量和温度数据支持的情况下，可以利用空间非平稳性特征分析方法对植被覆盖进行模拟，这为植被覆盖变
化提供一种新的不受时间序列影响的计算方法。
１　 研究区域概况及数据来源
１．１　 研究区域
研究区为伊犁哈萨克自治州，中国天山山脉西部，三面环山，“三山两盆两谷”组成该区域的主要地貌单
元。 地处 ８０°９′４２″—９１°０１′４５″Ｅ，４０°１４′１６″—４９°１０′４５″Ｎ，属于温带大陆性气候和高山气候，年平均气温
１０．４℃，年日照时数 ２８７０ｈ。 年降水量 ４１７．６ｍｍ，山区达 ６００ｍｍ，是新疆最湿润的地区。
１．２　 数据与数据处理
植被覆盖指数（ＦＶＣ） ［９］ 　 是从植被归一化指数 （ＮＤＶＩ）中推算出来的反映植被覆盖度的指数，它是反应
某一区域环境好坏的重要指标，同时也能反映该区域生态环境的状况。 本文所用遥感数据取自马里兰大学全
球总量监测和模拟研究组发布的 ８ｋｍ×８ｋｍ分变率、１５ｄ最大值合成 ＮＯＡＡ ／ ＡＶＨＲＲ 的 ＮＤＶＩ 的 ２００６ 和 ２０１１
年数据集［９，１３］，利用研究区边界矢量图切割生成研究的相关变量图。 根据 Ｇｕｍａｎ［１４］和 Ｚｅｎｇ等［１５］提供的计算
７２６４　 １５期 　 　 　 冯金杰　 等：降水量和温度对植被覆盖指数影响的空间非平稳性特征 　
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
图 １　 伊犁地区区域分布图
Ｆｉｇ．１　 Ｔｈｅ ｒｅｇｉｏｎａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｇｒａｐｈ ｏｆ Ｙｉｌｉ ａｒｅａ
方法，将 ＧＭＭＳ ＮＤＶＩ数据推算为 ＦＶＣ指数。
气温与降水量　 本文采用的数据由新疆大学干旱生态环境研究所提供，该数据的算法考虑了新疆地区气
象站点稀疏，利用纬度、地形（ＤＥＭ）等多种影响降水与气温的因子，通过多元回归与地形调节，复二次径向基
函数计算获得［１０⁃１１］。 对伊犁地区进行网格化后共产生了 ８３５个点，而在每个点处都有与其对应的植被覆盖指
数、年均降水量和年均温度的值。
图 ２和图 ３分别为 ２００６、２０１１年的年均降水量等值线图，伊犁地区位于新疆天山西部，北、东、南三面环
山，只有西面敞开，从西而来的湿润气流在西部形成较多降水；中部平原地区受山地影响降水减少，而东部地
区随海拔升高降水量增大。 图 ４、图 ５表明伊犁中部平原地区随海拔升高年均温度降低，其中伊犁河、特克斯
河等流域两岸的平均气温都高于其它地区，该地区温度主要受到地形（ＤＥＭ）的影响。 图 ６、图 ７为 ２００６、２０１１
年植被覆盖度图，显示了天山山脉、察汗乌逊山、依连哈比尔尕山以及伊犁河两岸的区域植被覆盖度较低，而
其它区域都非常高，基本为纯植被覆盖，植被主要有荒漠、草原、草甸、森林和隐域植被类型［１６］。 从 ２００６ 与
２０１１年的相对数据分析，植被覆盖指数总的趋势基本一致，局部地区有变化，例如：２０１１ 与 ２００６ 年相比昭苏
县与特克斯县交界处且邻近巩留县的区域植被有所退化，而尼勒克县东部邻近依连哈比尔尕山的区域植被有
所改善。 伊犁地区降水、气温和植被覆盖指数分布具有显著的空间差异性。 总体上，伊犁地区降水充沛和温
度适宜的区域植被覆盖指数比较高，进而说明了降水量和温度都是影响植被覆盖变化的主要自然因子。
８２６４ 　 生　 态　 学　 报　 　 　 ３６卷　
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
图 ２　 ２００６实测降水量计算的年均降水量等值线图
Ｆｉｇ．２　 Ｔｈｅ ｃｏｎｔｏｕｒ ｍａｐ ｏｆ ａｖｅｒａｇｅ ａｎｎｕａｌ ｐｒｅｃｉｐｉｔａｔｉｏｎ ｃａｌｃｕｌａｔｅｄ
ｂｙ ｔｈｅ ｍｅａｓｕｒｅｄ ｐｒｅｃｉｐｉｔａｔｉｏｎ ｏｆ ２００６
图 ３　 ２０１１实测降水量计算的年均降水量等值线图
Ｆｉｇ．３　 Ｔｈｅ ｃｏｎｔｏｕｒ ｍａｐ ｏｆ ａｖｅｒａｇｅ ａｎｎｕａｌ ｐｒｅｃｉｐｉｔａｔｉｏｎ ｃａｌｃｕｌａｔｅｄ
ｂｙ ｔｈｅ ｍｅａｓｕｒｅｄ ｐｒｅｃｉｐｉｔａｔｉｏｎ ｏｆ ２０１１
图 ４　 ２００６实测温度计算的年均温度等值线图
Ｆｉｇ．４　 Ｔｈｅ ｃｏｎｔｏｕｒ ｍａｐ ｏｆ ａｖｅｒａｇｅ ａｎｎｕａｌ ｔｅｍｐｅｒａｔｕｒｅ ｃａｌｃｕｌａｔｅｄ
ｂｙ ｔｈｅ ｍｅａｓｕｒｅｄ ｔｅｍｐｅｒａｔｕｒｅ ｏｆ ２００６
图 ５　 ２０１１实测温度计算的年均温度等值线图
Ｆｉｇ．５　 Ｔｈｅ ｃｏｎｔｏｕｒ ｍａｐ ｏｆ ａｖｅｒａｇｅ ａｎｎｕａｌ ｔｅｍｐｅｒａｔｕｒｅ ｃａｌｃｕｌａｔｅｄ
ｂｙ ｔｈｅ ｍｅａｓｕｒｅｄ ｔｅｍｐｅｒａｔｕｒｅ ｏｆ ２０１１
图 ６　 ２００６遥感数据换算的植被覆盖指数等值线图
Ｆｉｇ．６　 Ｔｈｅ ｃｏｎｔｏｕｒ ｍａｐ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｉｎｄｅｘ ｃｏｎｖｅｒｓｅｄ ｂｙ
ＲＳ ｄａｔａ ｏｆ ２００６
图 ７　 ２０１１遥感数据换算的植被覆盖指数等值线图
Ｆｉｇ．７　 Ｔｈｅ ｃｏｎｔｏｕｒ ｍａｐ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｉｎｄｅｘ ｃｏｎｖｅｒｓｅｄ ｂｙ
ＲＳ ｄａｔａ ｏｆ ２０１１
９２６４　 １５期 　 　 　 冯金杰　 等：降水量和温度对植被覆盖指数影响的空间非平稳性特征 　
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
２　 模型选择与拟合方法
２．１　 线性回归模型
一般线性回归模型的表达形式如下：
Ｙｉ ＝ α０ ＋ α１Ｘ ｉ１ ＋ α２Ｘ ｉ２ ＋ εｉ 　 　 ｉ ＝ １，２，…，ｎ （１）
式中， Ｙｉ为第 ｉ个点的植被覆盖指数， Ｘ ｉ１为第 ｉ个点的年均降水量， Ｘ ｉ２为第 ｉ个点的年均气温； α０为平均基准
植被覆盖指数， α１ 为降水量对植被覆盖指数的平均影响强度， α２ 为温度对植被覆盖指数的平均影响强度， εｉ
为残差。
该模型最常用的拟合方法为最小二乘估计： α＾ ＝ （ＸＴＸ） －１ＸＴＹ ，常被用于分析随着时间的变化降水量﹑气
温对植被覆盖指数的平均影响强度［７，１２］。
２．２　 空间变系数回归模型
本文选用的空间变系数回归模型为：
Ｙｉ ＝ β０（ｕｉ，ｖｉ） ＋ β１（ｕｉ，ｖｉ）Ｘ ｉ１ ＋ β２（ｕｉ，ｖｉ）Ｘ ｉ２ ＋ εｉ 　 　 ｉ ＝ １，２，…，ｎ （２）
式中， ｕｉ 为第 ｉ个位置的横坐标， ｖｉ 为第 ｉ个位置的纵坐标， Ｘ ｉ１ 、 Ｘ ｉ２ 与（１）式相同。 β０（ｕｉ，ｖｉ） 为第 ｉ个位置的
基准植被覆盖指数， β１（ｕｉ，ｖｉ） 为第 ｉ个位置降水量对植被覆盖指数的影响强度， β２（ｕｉ，ｖｉ） 为第 ｉ个位置温度
对植被覆盖指数的影响强度。 对于空间变系数模型，张辉国等［１７］基于 ＧＷＲ 方法和局部线性 ＧＷＲ 方法提出
了稳健性 ＧＷＲ方法来处理异常值，这种方法可以降低异常值对回归系数估计的影响。 王宁等［１８］通过数值模
拟比较了 ＧＷＲ方法和局部线性 ＧＷＲ方法的相应结果，说明局部线性 ＧＷＲ方法在减小回归系数函数估计的
边界效应和偏差方面的优良性。 由于空间变系数模型的系数函数是空间地理位置坐标的二元函数，因此其二
维地理区域边界部分要比一维区域边界部分大。 为了使系数函数在边界区域的估计不失真，本文采用局部线
性 ＧＷＲ方法进行拟合：
β＾（ｕｉ，ｖｉ） ＝ （ Ｉ３，０３×６） （ＸＴＷ（ｕｉ，ｖｉ）Ｘ）
－１ＸＴＷ（ｕｉ，ｖｉ）Ｙ
式中， β＾（ｕｉ，ｖｉ） 为系数函数的无偏估计， Ｗ（ｕｉ，ｖｉ） 为权重矩阵，选择 Ｇａｕｓｓ 函数为核函数， （ｕｉ，ｖｉ） 点的权重
值为：
ｗ ｉｊ ＝
１
２π
ｅｘｐ（ － １
２
（
ｄｉｊ
ｈ
）
２
）　 　 ｊ ＝ １，２，…，ｎ
式中， ｄｉｊ 为 （ｕｉ，ｖｉ） 到 （ｕ ｊ，ｖｊ） 的欧氏距离，使用交叉确认法来确定光滑参数 ｈ 的值，得到光滑参数值 ｈ ＝
１５．６８ｋｍ。
３　 结果分析
本文以 ２０１１年的数据来说明计算过程，２００６年数据计算方法相同，不再赘述。
３．１　 对线性回归模型的估计结果进行列表分析
由表 １可以看出伊犁地区的基准植被覆盖指数约为 ０．６０８，通过对 α０， α１， α２ 进行显著性检验（显著性水
平为 ０．０５）证明了降水量和温度对植被覆盖指数的影响都是显著的。 但是线性回归方法也存在弊端，因为结
果表明，伊犁地区 ８３５个不同地理位置的基准植被覆盖指数均为 ０．６０８，降水量对植被覆盖指数的影响强度均
为 ０．４１‰，温度影响强度为 ０．０１４，即这些值在空间上没有变化，显然这种结果是不合理的。
３．２　 对空间变系数模型的估计结果进行列表分析
如表 ３所示，由于所有检验的 Ｐ值都很小，因此说明整个回归关系具有显著的空间非平稳性，同时各系数
函数随空间地理位置变化也具有高度的显著性。 具体而言，伊犁地区的植被覆盖指数具有显著的变化，同时
不同区域的降水量和温度对植被覆盖指数的影响以及影响强度也有显著的不同。
０３６４ 　 生　 态　 学　 报　 　 　 ３６卷　
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
表 １　 ２０１１年数据的线性回归模型的最小二乘估计
Ｔａｂｌｅ １　 Ｔｈｅ ｌｅａｓｔ ｓｑｕａｒｅｓ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｌｉｎｅａｒ ｒｅｇｒｅｓｓｉｏｎ ｍｏｄｅｌ ｏｆ ｔｈｅ ｄａｔｅ ｏｆ ２０１１
回归系数
Ｒｅｇｒｅｓｓｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔｓ
估计值
Ｅｓｔｉｍａｔｅｄ ｖａｌｕｅｓ
标准误差
Ｓｔｄ ｅｒｒｏｒｓ
ｔ值
ｔ⁃ｖａｌｕｅ
Ｐ值
Ｐ⁃ｖａｌｕｅ
α０ ０．６０７８３ ０．０４６４１ １３．０９６ ＜ ２×１０－１６∗∗∗
α１ ０．０００４１ ０．０００１４ ２．８６７ ０．００４２４∗∗
α２ ０．０１４４６ ０．００１６３ ８．８７６ ＜ ２×１０－１６∗∗∗
　 　 ∗∗∗ ０．００１，∗∗ ０．０１，∗ ０．０５，． ０．１
表 ２　 ２０１１年数据的空间变系数模型的局部线性 ＧＷＲ估计
Ｔａｂｌｅ ２　 Ｔｈｅ ｌｏｃａｌ ｌｉｎｅａｒ ＧＷＲ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｓｐａｔｉａｌｌｙ ｖａｒｙｉｎｇ ｃｏｅｆｆｉｃｉｅｎｔ ｍｏｄｅｌ ｏｆ ｔｈｅ ｄａｔｅ ｏｆ ２０１１
回归系数
Ｒｅｇｒｅｓｓｉｏｎ
ｃｏｅｆｆｉｃｉｅｎｔｓ
最小值
Ｍｉｎｉｍｕｍ
１ ／ ４分位数
１ｓｔ Ｑｕａｒｔｉｌｅ
中位数
Ｍｅｄｉａｎ
均值
Ｍｅａｎ
３ ／ ４分位数
３ｒｄ Ｑｕａｒｔｉｌｅ
最大值
Ｍａｘｉｍｕｍ
β０ ｕ，ｖ( ) －３０．６８８０ －１．３０８２ ０．１７５９ －０．５３８４ １．１３７３ ２．４０９５
β１ ｕ，ｖ( ) －０．００６２ －０．００１０ ０．００１８ ０．００４６ ０．００７７ ０．１０７２
β２ ｕ，ｖ( ) －０．１８７４ －０．００１２ ０．０１７３ ０．０１５８ ０．０２８０ ０．１３２０
表 ３　 ２０１１年数据的空间变系数模型的三阶矩 χ２ 逼近方法检验的 Ｐ值
Ｔａｂｌｅ ３　 Ｔｈｅ Ｐ ｖａｌｕｅ ｏｆ χ２ ｔｈｒｅｅ ｍｏｍｅｎｔｓ ａｐｐｒｏｘｉｍａｔｉｏｎ ｍｅｔｈｏｄ ｏｆ ｓｐａｔｉａｌｌｙ ｖａｒｙｉｎｇ ｃｏｅｆｆｉｃｉｅｎｔ ｍｏｄｅｌ ｏｆ ｔｈｅ ｄａｔｅ ｏｆ ２０１１
回归关系的全局平稳性
Ｔｈｅ ｇｌｏｂａｌ ｓｔａｂｉｌｉｔｙ ｏｆ
ｒｅｇｒｅｓｓｉｏｎ ｒｅｌａｔｉｏｎｓ
β０（ｕ，ｖ） 的显著性
Ｔｈｅ ｓｉｇｎｉｆｉｃａｎｃｅ ｏｆ β０（ｕ，ｖ）
β１（ｕ，ｖ） 的显著性
Ｔｈｅ ｓｉｇｎｉｆｉｃａｎｃｅ ｏｆ β１（ｕ，ｖ）
β２（ｕ，ｖ） 的显著性
Ｔｈｅ ｓｉｇｎｉｆｉｃａｎｃｅ ｏｆ β２（ｕ，ｖ）
０．００４８ ０．００７７ ０．００７６ ０．００７２
３．３　 局部线性 ＧＷＲ估计
通过局部线性 ＧＷＲ估计结果表明降水量的系数函数 β＾１（ｕｉ，ｖｉ） 的分布具有明显的区域不一致性，大部分
区域的植被覆盖指数与降水量为正相关，其中尼勒克县为显著正相关，可能是由于地表的植被覆盖不同，获得
土壤水分能力的大小各异，导致了相关性的差异。 温度的系数函数 β＾２（ｕｉ，ｖｉ） 的分布也具有空间非平稳性，特
克斯县的东南部为显著正相关，往北显著性逐渐减弱。
３．４　 植被覆盖指数的模拟值及误差值的等值线图
对比图 ６—图 １５两年数据的结果分析，由线性最小二乘估计得到的模拟值与实测值之间有很大的差异，
由局部线性 ＧＷＲ估计得到的模拟值与实测的植被覆盖情况基本一致，从而体现了局部线性 ＧＷＲ 估计方法
的准确性。 图 １４和图 １５分别为 ２００６和 ２０１１年植被覆盖指数的实测值与局部线性 ＧＷＲ估计的模拟值之差
的等值线图，两年数据估计结果的误差基本一致，观测对比误差的空间分布可以认为主要是由降水、气温之外
的地形、地貌及人类活动等多种因素造成的，需要进一步研究。 其中自东向西的巩留－伊宁－霍城县的伊犁河
段为正向误差，可能是由于这一河段是农业种植区或是山前倾斜平原，也是该地区人口相对密集带［１６］； 山地
地区一般为海拔较高的天然草地和天然牧场的分布区，该区域的负向误差可能是由于在模型中未考虑一定海
拔之上温度过低，不利于植被生长，即降水量高但温度低的地区植被也应该弱，但由于其机理比较复杂，需进
一步细化模型。
４　 结论
（１）空间变系数回归模型拟合结果表明，就伊犁地区独特的地理单元而言：降水量和温度对植被覆盖指
数的影响具有显著的空间非平稳性特征。
（２）空间变系数回归模型可以用于变量间的空间相关分析，该模型将数据的地理位置引入回归系数中，
有效地反映了回归关系的空间异质性，计算结果与植被的实际分布基本吻合。
１３６４　 １５期 　 　 　 冯金杰　 等：降水量和温度对植被覆盖指数影响的空间非平稳性特征 　
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
图 ８　 ２００６线性最小二乘估计的植被覆盖指数的模拟图
Ｆｉｇ．８　 Ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｆｉｇｕｒｅ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｉｎｄｅｘ ｂｙ ｌｉｎｅａｒ
ｌｅａｓｔ ｓｑｕａｒｅｓ ｅｓｔｉｍａｔｉｏｎ ｏｆ ２００６
图 ９　 ２０１１线性最小二乘估计的植被覆盖指数的模拟图
Ｆｉｇ．９　 Ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｆｉｇｕｒｅ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｉｎｄｅｘ ｂｙ ｌｉｎｅａｒ
ｌｅａｓｔ ｓｑｕａｒｅｓ ｅｓｔｉｍａｔｉｏｎ ｏｆ ２０１１
图 １０　 ２００６局部线性 ＧＷＲ估计的植被覆盖指数的模拟图
Ｆｉｇ．１０　 Ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｆｉｇｕｒｅ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｉｎｄｅｘ ｂｙ ｌｏｃａｌ
ｌｉｎｅａｒ ＧＷＲ ｅｓｔｉｍａｔｉｏｎ ｏｆ ２００６
图 １１　 ２０１１局部线性 ＧＷＲ估计的植被覆盖指数的模拟图
Ｆｉｇ．１１　 Ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｆｉｇｕｒｅ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｉｎｄｅｘ ｂｙ ｌｏｃａｌ
ｌｉｎｅａｒ ＧＷＲ ｅｓｔｉｍａｔｉｏｎ ｏｆ ２０１１
图 １２　 ２００６线性最小二乘估计的植被覆盖指数的模拟误差图
Ｆｉｇ．１２　 Ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｅｒｒｏｒ ｆｉｇｕｒｅ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｉｎｄｅｘ ｂｙ
ｌｉｎｅａｒ ｌｅａｓｔ ｓｑｕａｒｅｓ ｅｓｔｉｍａｔｉｏｎ ｏｆ ２００６
图 １３　 ２０１１线性最小二乘估计的植被覆盖指数的模拟误差图
Ｆｉｇ．１３　 Ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｅｒｒｏｒ ｆｉｇｕｒｅ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｉｎｄｅｘ ｂｙ
ｌｉｎｅａｒ ｌｅａｓｔ ｓｑｕａｒｅｓ ｅｓｔｉｍａｔｉｏｎ ｏｆ ２０１１
２３６４ 　 生　 态　 学　 报　 　 　 ３６卷　
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
图 １４　 ２００６局部线性 ＧＷＲ估计的植被覆盖指数的模拟误差图
Ｆｉｇ．１４　 Ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｅｒｒｏｒ ｆｉｇｕｒｅ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｉｎｄｅｘ ｂｙ
ｌｏｃａｌ ｌｉｎｅａｒ ＧＷＲ ｅｓｔｉｍａｔｉｏｎ ｏｆ ２００６
图 １５　 ２０１１局部线性 ＧＷＲ估计的植被覆盖指数的模拟误差图
Ｆｉｇ．１５　 Ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｅｒｒｏｒ ｆｉｇｕｒｅ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒａｇｅ ｉｎｄｅｘ ｂｙ
ｌｏｃａｌ ｌｉｎｅａｒ ＧＷＲ ｅｓｔｉｍａｔｉｏｎ ｏｆ ２０１１
（３）局部线性 ＧＷＲ估计方法明显优于线性回归最小二乘估计。
（４）空间变系数回归模型有效地反映了回归关系的空间非平稳性特征，这为单期数据情况下具有空间相
关性变量计算提供了解决方法。
（５）模型估计误差是降水、气温之外的地形、地貌及人类活动等多种因素造成的。
参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：
［ １ ］　 胡志斌， 何兴元， 李月辉， 朱教君， 李小玉． 岷江上游地区人类活动强度及其特征． 生态学杂志， ２００７， ２６（４）： ５３９⁃５４３．
［ ２ ］ 　 宋怡， 马明国． 基于 ＳＰＯＴＶＥＧＥＴＡＴＩＯＮ数据的中国西北植被覆盖变化分析． 中国沙漠， ２００７， ２７（１）： ８９⁃９３．
［ ３ ］ 　 师庆东， 王智， 贺龙梅， 师庆三， 阿斯姆古丽·阿纳耶提， 刘曼， 常顺利． 基于气候、地貌、生态系统的景观分类体系———以新疆地区为
例． 生态学报， ２０１４， ３４（１２）：３３５９⁃３３６７．
［ ４ ］ 　 孙鹏森， 刘世荣， 李崇巍． 基于地形和主风向效应模拟山区降水空间分布． 生态学报， ２００４， ２４（９）： １９１０⁃１９１６．
［ ５ ］ 　 辛渝， 陈洪武， 张广兴， 张新， 卢戈， 博力健． 新疆年降水量的时空变化特征． 高原气象， ２００８， ２７（５）： ９９３⁃１００３．
［ ６ ］ 　 邱新法， 仇月萍， 曾燕． 重庆山地月平均气温空间分布模拟研究． 地球科学进展， ２００９， ２４（６）： ６２１⁃６２８．
［ ７ ］ 　 孙红雨，王长耀，牛铮，布和敖斯尔，李兵． 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． 遥感学报，
１９９８， ２（３）：２０４⁃２１０．
［ ８ ］ 　 李震， 阎福礼， 范湘涛． 中国西北地区 ＮＤＶＩ变化及其与温度和降水的关系． 遥感学报， ２００４， ９（３）： ３０８⁃３１３．
［ ９ ］ 　 师庆东， 肖继东， 潘晓玲， 吕光辉， 陆海燕． 近 ２０ａ来新疆植被覆盖变化特征研究． 干旱区研究， ２００４， ２１（４）： ３８９⁃３９４．
［１０］ 　 王智， 师庆东， 常顺利， 吴友均， 梁凤超． 新疆地区平均气温空间插值方法研究． 高原气象， ２０１２， ３１（１）：２０１⁃２０８．
［１１］ 　 王智， 吴友均， 梁凤超， 师庆东，常顺利． 新疆地区年降水量的空间插值方法研究． 中国农业气象，２０１１，３２（３）：３３１⁃３３７．
［１２］ 　 刘芳， 张红旗， 董光龙． 伊犁河谷草地植被 ＮＤＶＩ变化及其降水敏感性特征． 资源科学， ２０１４， ３６（８）：１７２４⁃１７３１．
［１３］ 　 李晓松， 高志海， 李增元， 白黎娜， 王琫瑜． 基于高光谱混合像元分解的干旱地区稀疏植被覆盖度估测． 应用生态学报， ２０１０， ２１（１）：
１５２⁃１５８．
［１４］ 　 Ｇｕｍａｎ Ｇ， Ｉｇｎａｔｏｖ Ａ． Ｔｈｅ ｄｅｒｉｖａｔｉｏｎ ｏｆ ｔｈｅ ｇｒｅｅｎ ｖｅｇｅｔａｔｉｏｎ ｆｒａｃｔｉｏｎ ｆｒｏｍ ＮＯＡＡ ／ ＡＶＨＲＲ ｄａｔａ ｆｏｒ ｕｓｅ ｉｎ ｎｕｍｅｒｉｃａｌ ｗｅａｔｈｅｒ ｐｒｅｄｉｃｔｉｏｎ ｍｏｄｅｌｓ．
Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ， １９８８， １９（８）：１５３３⁃１５４３．
［１５］ 　 Ｚｅｎｇ Ｘ Ｂ， Ｄｉｃｋｉｎｓｏｎ Ｒ Ｅ， Ｗａｌｋｅｒ Ａ， Ｓｈａｉｋｈ Ｍ， ＤｅＦｒｉｅｓ Ｒ Ｓ， Ｑｉ Ｊ Ｇ． Ｄｅｒｉｖａｔｉｏｎ ａｎｄ ｅｖａｌｕａｔｉｏｎ ｏｆ ｇｌｏｂａｌ １⁃ｋｍ ｆｒａｃｔｉｏｎａｌ ｖｅｇｅｔａｔｉｏｎ ｃｏｖｅｒ ｄａｔａ
ｆｏｒ ｌａｎｄ ｍｏｄｅｌｉｎｇ． Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｍｅｔｅｏｒｏｌｏｇｙ， ２０００ ３９（６）：８２６⁃８３９．
［１６］ 　 王倩， 杨太保， 杨雪梅． 新疆伊犁河流域植被变化动态监测与评价． 干旱区资源与环境， ２０１５， ２９（８）：１２６⁃１３１．
［１７］ 　 Ｚｈａｎｇ Ｈ Ｇ， Ｍｅｉ Ｃ Ｌ． Ｌｏｃａｌ ｌｅａｓｔ ａｂｓｏｌｕｔｅ ｄｅｖｉａｔｉｏｎ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｓｐａｔｉａｌｌｙ ｖａｒｙｉｎｇ ｃｏｅｆｆｉｃｉｅｎｔ ｍｏｄｅｌｓ： Ｒｏｂｕｓｔ ｇｅｏｇｒａｐｈｉｃａｌｌｙ ｗｅｉｇｈｔｅｄ ｒｅｇｒｅｓｓｉｏｎ
ａｐｐｒｏａｃｈｅｓ． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｇｅｏｇｒａｐｈｉｃａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ， ２０１１， ２５（９）：１４６７⁃１４８９．
［１８］ 　 Ｗａｎｇ Ｎ， Ｍｅｉ Ｃ Ｌ， Ｙａｎ Ｘ Ｄ． Ｌｏｃａｌ ｌｉｎｅａｒ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｓｐａｔｉａｌｌｙ ｖａｒｙｉｎｇ ｃｏｅｆｆｉｃｉｅｎｔ ｍｏｄｅｌｓ： Ａｎ ｉｍｐｒｏｖｅｍｅｎｔ ｏｎ ｔｈｅ ｇｅｏｇｒａｐｈｉｃａｌｌｙ ｗｅｉｇｈｔｅｄ
３３６４　 １５期 　 　 　 冯金杰　 等：降水量和温度对植被覆盖指数影响的空间非平稳性特征 　
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
ｒｅｇｒｅｓｓｉｏｎ ｔｅｃｈｎｉｑｕｅ． Ｅｎｖｉｒｏｎｍｅｎｔ ａｎｄ Ｐｌａｎｎｉｎｇ Ａ， ２００８， ４０（４）：９８６⁃１００５．
［１９］ 　 Ｂｒｕｎｓｄｏｎ Ｃ， Ｆｏｔｈｅｒｉｎｇｈａｍ Ａ Ｓ， Ｃｈａｒｌｔｏｎ Ｍ Ｅ． Ｇｅｏｇｒａｐｈｉｃａｌｌｙ ｗｅｉｇｈｔｅｄ ｒｅｇｒｅｓｓｉｏｎ： Ａ ｍｅｔｈｏｄ ｆｏｒ ｅｘｐｌｏｒｉｎｇ ｓｐａｔｉａｌ ｎｏｎ⁃ｓｔａｔｉｏｎａｒｉｔｙ． Ｇｅｏｇｒａｐｈｉｃａｌｌｙ
Ａｎａｌｙｓｉｓ， １９９６， ２８（４）：２８１⁃２９８．
［２０］ 　 王智， 师庆三， 王涛， 师庆东， 常顺利， 张履冰． １９８２⁃２００６年新疆山地—绿洲—荒漠系统植被覆盖变化时空特征． 自然资源学报， ２０１１，
２６（４）：６０９⁃６１８．
［２１］ 　 陈冬花， 邹陈， 王苏颖， 李虎， 张新时． 基于 ＤＥＭ的伊犁河谷气温空间插值研究． 光谱学与光谱分析， ２０１１， ３１（７）：１９２５⁃１９２９．
［２２］ 　 赵丽， 杨青， 韩雪云． １９６１⁃２００９年伊犁地区降水指数的时空分布及变化特征分析． 干旱区资源与环境， ２０１４， ２８（１０）：８２⁃８９．
［２３］ 　 叶佰生， 赖祖铭， 施雅风． 伊犁河流域降水和气温的若干特征． 干旱区地理， １９９７， ２０（１）：４６⁃５２．
［２４］ 　 张军民． 伊犁河流域气候资源特点及其时空分布规律研究． 干旱气象，２００６， ２４（２）：１⁃４．
［２５］ 　 易浪， 任志远， 张翀， 刘雯． 黄土高原植被覆盖变化与气候和人类活动的关系． 资源科学， ２０１４， ３６（１）：０１６６⁃０１７４．
［２６］ 　 杜灵通， 田庆久． 宁夏植被覆盖动态变化及与气候因子的关系． 中国沙漠， ２０１２， ３２（５）：１４７９⁃１４８５．
［２７］ 　 穆少杰， 李建龙， 陈奕兆， 刚成诚， 周伟， 居为民． ２００１—２０１０年内蒙古植被覆盖度时空变化特征． 地理学报， ２０１２， ６７（９）：１２５５⁃１２６８．
［２８］ 　 韦振锋， 王德光， 张翀， 刘宪锋， 张晗． １９９９—２０１０年中国西北地区植被覆盖对气候变化和人类活动的响应． 中国沙漠， ２０１４， ３４（６）：
１６６５⁃１６７０．
［２９］ 　 杨光华， 包安明， 陈曦， 刘海隆， 黄莹， 代述勇． １９９８—２００７年新疆植被覆盖变化及驱动因素分析． 冰川冻土， ２００９， ３１（３）：４３６⁃４４５．
［３０］ 　 李秀花， 师庆东， 郭娟， 常顺利， 齐家国． 中国西北干旱区 １９８１—２００１ 年 ＮＤＶＩ 对气候变化的响应分析． 中国沙漠， ２００９， ２９（５）：
９８９⁃９９４．
４３６４ 　 生　 态　 学　 报　 　 　 ３６卷