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：国家自然科学基金项目（４１５７１１７３）；国家科技支撑计划项目（２０１４ＢＡＫ１９Ｂ０６）
收稿日期：２０１５⁃０１⁃０３； 　 　 网络出版日期：２０１５⁃１１⁃１６
∗通讯作者 Ｃｏｒｒｅｓｐｏｎｄｉｎｇ ａｕｔｈｏｒ．Ｅ⁃ｍａｉｌ： ｓｈｉｌｉａｎｇｌｉｕ＠ ｂｎｕ．ｅｄｕ．ｃｎ
ＤＯＩ： １０．５８４６ ／ ｓｔｘｂ２０１５０１０３０００６
刘世梁，田韫钰，尹艺洁，安南南，董世魁．云南省植被 ＮＤＶＩ时间变化特征及其对干旱的响应．生态学报，２０１６，３６（１５）：４６９９⁃４７０７．
Ｌｉｕ Ｓ Ｌ， Ｔｉａｎ Ｙ Ｙ， Ｙｉｎ Ｙ Ｊ， Ａｎ Ｎ Ｎ， Ｄｏｎｇ Ｓ Ｋ．Ｔｅｍｐｏｒａｌ ｄｙｎａｍｉｃｓ ｏｆ ｖｅｇｅｔａｔｉｏｎ ＮＤＶＩ ａｎｄ ｉｔｓ ｒｅｓｐｏｎｓｅ ｔｏ ｄｒｏｕｇｈｔ ｃｏｎｄｉｔｉｏｎｓ ｉｎ Ｙｕｎｎａｎ Ｐｒｏｖｉｎｃｅ．Ａｃｔａ
Ｅｃｏｌｏｇｉｃａ Ｓｉｎｉｃａ，２０１６，３６（１５）：４６９９⁃４７０７．
云南省植被 ＮＤＶＩ时间变化特征及其对干旱的响应
刘世梁∗，田韫钰，尹艺洁，安南南，董世魁
北京师范大学环境学院水环境模拟国家重点实验室，北京　 １００８７５
摘要：基于云南省 ７４个气象站点的 １９９７—２０１２年逐日降水资料和逐旬 ＳＰＯＴ⁃ＮＤＶＩ 值，利用标准化降水蒸散指数（ＳＰＥＩ）多尺
度分析了云南省干旱时间和强度演变与 ＮＤＶＩ 时间动态特征及其相关性分析，进而探讨气候变化对植被的影响。 结果表明，
１９９９—２０１３年云南省年平均 ＮＤＶＩ值和年最大 ＮＤＶＩ值均呈现波浪式的发展趋势，其趋势线斜率分别为 ０．００１７和 ０．００１１；ＮＤＶＩ
年内各月变化情况大体上相同；不同季节 ＮＤＶＩ的年际变化特征呈现出显著差异。 １９９７—２０１２年不同时间尺度 ＳＰＥＩ均体现出
干旱化加剧的趋势，并随 ＳＰＥＩ的时间尺度增大而增大；３个月尺度的 ＳＰＥＩ值（ＳＰＥＩ３）结果表明，各月的变化呈现先增大后减小
的趋势；ＳＰＥＩ３反映出多年季节水平的干旱强度为：冬季＞秋季＞春季＞夏季。 总体上，云南省的年均 ＮＤＶＩ 与 ＳＰＥＩ 的相关性极
弱，年最大 ＮＤＶＩ与 ＳＰＥＩ呈正相关；多年月均 ＮＤＶＩ与不同尺度 ＳＰＥＩ的相关性较强且存在滞后性；不同季节 ＮＤＶＩ与 ＳＰＥＩ的相
关性及滞后性有较大差异，其中冬季 ＮＤＶＩ、秋季 ＮＤＶＩ与其当年当季 ＳＰＥＩ的负相关性较强。
关键词：标准化降水蒸散指数；ＮＤＶＩ；时间序列；云南省；相关性
Ｔｅｍｐｏｒａｌ ｄｙｎａｍｉｃｓ ｏｆ ｖｅｇｅｔａｔｉｏｎ ＮＤＶＩ ａｎｄ ｉｔｓ ｒｅｓｐｏｎｓｅ ｔｏ ｄｒｏｕｇｈｔ ｃｏｎｄｉｔｉｏｎｓ ｉｎ
Ｙｕｎｎａｎ Ｐｒｏｖｉｎｃｅ
ＬＩＵ Ｓｈｉｌｉａｎｇ∗， ＴＩＡＮ Ｙｕｎｙｕ， ＹＩＮ Ｙｉｊｉｅ， ＡＮ Ｎａｎｎａｎ， ＤＯＮＧ Ｓｈｉｋｕｉ
Ｓｔａｔｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｗａｔｅｒ Ｅｎｖｉｒｏｎｍｅｎｔ Ｓｉｍｕｌａｔｉｏｎ， Ｓｃｈｏｏｌ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ， Ｂｅｉｊｉｎｇ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ， Ｂｅｉｊｉｎｇ １００８７５， Ｃｈｉｎａ
Ａｂｓｔｒａｃｔ： Ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｄｒｏｕｇｈｔ ａｔ ｄｉｆｆｅｒｅｎｔ ｔｉｍｅ ｓｃａｌｅｓ ｂｅｔｗｅｅｎ １９９７ ａｎｄ ２０１２ ｉｎ Ｙｕｎｎａｎ Ｐｒｏｖｉｎｃｅ ｗｅｒｅ ｓｔｕｄｉｅｄ
ｕｓｉｎｇ ａ ｎｅｗ ｄｒｏｕｇｈｔ ｉｎｄｅｘ （ ｓｔａｎｄａｒｄｉｚｅｄ ｐｒｅｃｉｐｉｔａｔｉｏｎ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｉｎｄｅｘ， ＳＰＥＩ ） ｃａｌｃｕｌａｔｅｄ ｂａｓｅｄ ｏｎ ｄａｉｌｙ
ｐｒｅｃｉｐｉｔａｔｉｏｎ ｄａｔａ ｆｒｏｍ ７４ ｗｅａｔｈｅｒ ｓｔａｔｉｏｎｓ． Ｉｎ ａｄｄｉｔｉｏｎ， ｗｅ ｕｓｅｄ ａ ｔｉｍｅ ｓｅｒｉｅｓ ｄａｔａ ｓｅｔ （１９９９—２０１３） ｏｆ ｔｈｅ ｎｏｒｍａｌｉｚｅｄ
ｄｉｆｆｅｒｅｎｃｅ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｅｘ （ＮＤＶＩ） ａｎｄ ｔｉｍｅ ｓｅｒｉｅｓ ａｎａｌｙｓｉｓ ｔｏ ａｓｓｅｓｓ ｔｅｍｐｏｒａｌ ｄｙｎａｍｉｃｓ ｏｆ ｔｈｅ ＮＤＶＩ， ａｎｄ ｗｅ ｅｘｐｌｏｒｅｄ ｔｈｅ
ｒｅｌａｔｉｏｎｓｈｉｐｓ ｂｅｔｗｅｅｎ ＮＤＶＩ ａｎｄ ＳＰＥＩ． Ｃｏｒｒｅｌａｔｉｏｎｓ ｂｅｔｗｅｅｎ ＮＤＶＩ ａｎｄ ｍｕｌｔｉｓｃａｌｅ ＳＰＥＩ ｗｅｒｅ ｅｘａｍｉｎｅｄ， ｉｎｃｌｕｄｉｎｇ ａｎｎｕａｌ，
ｍｏｎｔｈｌｙ， ａｎｄ ｓｅａｓｏｎａｌ ｌｏｎｇ⁃ｔｅｒｍ ｄｙｎａｍｉｃｓ． Ａｎｎｕａｌ ａｖｅｒａｇｅ ａｎｄ ａｎｎｕａｌ ｍａｘｉｍｕｍ ＮＤＶＩ ｉｎ Ｙｕｎｎａｎ Ｐｒｏｖｉｎｃｅ ｓｈｏｗｅｄ ａｎ
ｕｐｗａｒｄ ｔｒｅｎｄｉｎｇ ｗａｖｅ ｓｈａｐｅ ｗｉｔｈ ｓｌｏｐｅｓ ｏｆ ０．００１７ ａｎｄ ０．００１１， ｒｅｓｐｅｃｔｉｖｅｌｙ． Ｍｏｎｔｈｌｙ ＮＤＶＩ ｓｈｏｗｅｄ ｔｈｅ ｓａｍｅ ｐａｔｔｅｒｎ， ａｎｄ
ｔｈｅ ｗａｖｅ ｃｒｅｓｔ ｉｎ ｅａｃｈ ｙｅａｒ ｗａｓ ｃｏｎｃｅｎｔｒａｔｅｄ ｉｎ Ｊｕｌｙ ｔｈｒｏｕｇｈ Ｓｅｐｔｅｍｂｅｒ． Ｉｎｔｅｒａｎｎｕａｌ ｖａｒｉａｂｉｌｉｔｙ ｉｎ ｔｈｅ ＮＤＶＩ ｓｈｏｗｅｄ
ｓｉｇｎｉｆｉｃａｎｔ ｓｅａｓｏｎａｌ ｄｉｆｆｅｒｅｎｃｅｓ， ｗｉｔｈ ｈｉｇｈｅｒ ＮＤＶＩ ｉｎ ｓｕｍｍｅｒ ａｎｄ ａｕｔｕｍｎ ｃｏｍｐａｒｅｄ ｔｏ ｓｐｒｉｎｇ ａｎｄ ｗｉｎｔｅｒ． Ａ ｒｅｌａｔｉｖｅｌｙ
ｃｏｎｓｉｓｔｅｎｔ ａｎｄ ｄｙｎａｍｉｃ ｔｒｅｎｄ ｗａｓ ｆｏｕｎｄ ｉｎ ｔｈｅ ｔｉｍｅ ｓｃａｌｅｓ ｏｆ ｍｅａｎ ａｎｎｕａｌ ＳＰＥＩ． Ｄｒｏｕｇｈｔ ｉｎｔｅｎｓｉｔｙ ｉｎｃｒｅａｓｅｄ ｉｎ ｓｍａｌｌ
ｉｎｃｒｅｍｅｎｔｓ ｆｒｏｍ １９９７ ｔｏ ２０１２， ａｎｄ ｔｈｅ ｔｒｅｎｄ ｗａｓ ｍｏｒｅ ｏｂｖｉｏｕｓ ａｔ ｌａｒｇｅｒ ｔｉｍｅ ｓｃａｌｅｓ． Ｔｈｅ ３⁃ｍｏｎｔｈ ＳＰＥＩ ｖａｌｕｅ （ ＳＰＥＩ３）
ｉｎｉｔｉａｌｌｙ ｉｎｃｒｅａｓｅｄ ａｎｄ ｔｈｅｎ ｄｅｃｒｅａｓｅｄ， ａｎｄ ｉｔｓ ｗａｖｅ ｃｒｅｓｔ ｗａｓ ｃｏｎｃｅｎｔｒａｔｅｄ ｉｎ Ｍａｙ ｔｈｒｏｕｇｈ Ｊｕｌｙ． Ｔｈｅ ｓｅａｓｏｎａｌ ＳＰＥＩ３ ｖａｌｕｅ
ｒｅｆｌｅｃｔｅｄ ｔｈｅ ｌｅｖｅｌ ｏｆ ｄｒｏｕｇｈｔ ｓｔｒｅｎｇｔｈ ａｓ ｆｏｌｌｏｗｓ： ｗｉｎｔｅｒ ＞ ａｕｔｕｍｎ ＞ ｓｐｒｉｎｇ ＞ ｓｕｍｍｅｒ． Ｗｅ ｆｏｕｎｄ ｔｈａｔ ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ
ｂｅｔｗｅｅｎ ＮＤＶＩ ａｎｄ ＳＰＥＩ ａｔ ｄｉｆｆｅｒｅｎｔ ｔｉｍｅ ｓｃａｌｅｓ ｗａｓ ｃｏｍｐｌｅｘ ａｎｄ ｖａｒｉａｂｌｅ． Ｔｈｅ ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ ａｎｎｕａｌ ａｖｅｒａｇｅ ＮＤＶＩ
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
ａｎｄ ａｎｎｕａｌ ＳＰＥＩ ｗａｓ ｗｅａｋ， ｗｈｉｌｅ ｔｈｅ ａｎｎｕａｌ ｍａｘｉｍｕｍ ＮＤＶＩ ａｎｄ ａｎｎｕａｌ ＳＰＥＩ ｗｅｒｅ ｐｏｓｉｔｉｖｅｌｙ ｃｏｒｒｅｌａｔｅｄ， ｅｓｐｅｃｉａｌｌｙ ｆｏｒ
ＳＰＥＩ３， ＳＰＥＩ６， ａｎｄ ＳＰＥＩ１２． Ｎｏ ｓｉｇｎｉｆｉｃａｎｔ ｃｏｒｒｅｌａｔｉｏｎ ｗａｓ ｏｂｓｅｒｖｅｄ ｂｅｔｗｅｅｎ ｍｏｎｔｈｌｙ ＮＤＶＩ ａｎｄ ＳＰＥＩ； ｉｎ ｃｏｎｔｒａｓｔ， ｙｅａｒｓ
ｗｉｔｈ ａｖｅｒａｇｅ ｍｏｎｔｈｌｙ ＮＤＶＩ ｓｈｏｗｅｄ ａ ｓｔｒｏｎｇ ｒｅｓｐｏｎｓｅ ｔｏ ＳＰＥＩ ａｔ ｄｉｆｆｅｒｅｎｔ ｔｉｍｅ ｓｃａｌｅｓ． Ｔｈｅ ｃｏｅｆｆｉｃｉｅｎｔｓ ｂｅｔｗｅｅｎ ｙｅａｒｓ ｆｏｒ
ａｖｅｒａｇｅ ｍｏｎｔｈｌｙ ＮＤＶＩ ａｎｄ ＳＰＥＩ ｗｅｒｅ ｓｔｒｏｎｇｌｙ ａｆｆｅｃｔｅｄ ｂｙ ｔｈｅ ＳＰＥＩ ｔｉｍｅ ｓｃａｌｅ， ｗｉｔｈ ａ １⁃ ａｎｄ ２⁃ｍｏｎｔｈ ｌａｇ． Ｔｈｅ ＮＤＶＩ ｉｎ
ａｕｔｕｍｎ ａｎｄ ｗｉｎｔｅｒ ｓｈｏｗｅｄ ａ ｓｔｒｏｎｇ ｎｅｇａｔｉｖｅ ｃｏｒｒｅｌａｔｉｏｎ ｗｉｔｈ ＳＰＥＩ ｆｏｒ ｔｈｅ ｓａｍｅ ｓｅａｓｏｎ， ａｎｄ ｔｈｅ ａｕｔｕｍｎ ＮＤＶＩ ｗａｓ ｓｌｉｇｈｔｌｙ
ｃｏｒｒｅｌａｔｅｄ ｗｉｔｈ ＳＰＥＩ ｉｎ ｓｕｍｍｅｒ ｏｆ ｔｈｅ ｓａｍｅ ｙｅａｒ． Ｔｈｅ ｌａｇ ｅｆｆｅｃｔ ｗａｓ ａｌｓｏ ｆｏｕｎｄ ｉｎ ｏｔｈｅｒ ｓｅａｓｏｎｓ ｔｏ ｄｉｆｆｅｒｅｎｔ ｅｘｔｅｎｔｓ．
Ｋｅｙ Ｗｏｒｄｓ： ｓｔａｎｄａｒｄｉｚｅｄ ｐｒｅｃｉｐｉｔａｔｉｏｎ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｉｎｄｅｘ； ＮＤＶＩ； ｔｉｍｅ ｓｅｒｉｅｓ； Ｙｕｎｎａｎ Ｐｒｏｖｉｎｃｅ； ｃｏｒｒｅｌａｔｉｏｎ
植被是生态系统的重要组分。 它不仅是重要自然资源，同时在一定的程度上能代表土地覆盖的变化。 植
被变化对全球变化较为敏感，具有指示作用。 同时，地表植被被认为对全球的能量平衡、生物化学循环、水循
环等起着调控作用，对气候系统变化有着深远的影响［１］。 植被与气候变化之间的关系是密不可分的，二者之
间的相互作用主要表现在 ２个方面，即植被对气候的适应性与植被对于气候的反馈作用［２］。 因此在全球变化
研究中，植被变化的监测与动态在地表覆盖与变化研究中一直备受重视。
干旱是对人类社会影响最为严重的气象灾害之一，影响范围广、造成危害大、涉及时间长。 西南地区一直
是我国干旱发生频率较高的区域，近年来干旱更加突出［３⁃４］，目前已经有研究针对西南地区干旱特征和变化
趋势进行研究分析［５⁃８］。 在干旱的时空动态研究中［９⁃１１］，应用最广泛的是 Ｖｉｃｅｎｔｅ⁃Ｓｅｒｒａｎｏ 于 ２０１０ 年提出的标
准化降水蒸散指数（Ｓｔａｎｄａｒｄｉｚｅｄ Ｐｒｅｃｉｐｉｔａｔｉｏｎ Ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ Ｉｎｄｅｘ，ＳＰＥＩ），它不仅考虑了降水与蒸散，而且
保留了 ＳＰＩ、ＰＤＳＩ指数等对温度降水的敏感度，又具备 ＳＰＩ 适合多尺度、多空间比较的优点［５］。 由于气候是决
定地球上植被类型及其分布的最主要因素，因此在全球变化与陆地生态系统关系的研究中，气候—植被关系
的确定具有十分重要的实际意义［１２］。
在植被研究中，归一化差值植被指数（ＮＤＶＩ）由于其具有植被空间覆盖范围广、植物检测灵敏度高、能消
除地形和群落结构的阴影和辐射干扰、削弱太阳高度角和大气所带来的噪音、数据具有高可比性等特点，在多
种植被指数中应用最多最广泛［１］。 近年来国内外利用 ＮＤＶＩ做了大量的植被研究，主要集中于区域植被的时
空变化与气候因子的相互关系［１３⁃１８］以及对气候变化的响应［１９⁃２０］，其中气候因子主要为温度和降水量，并不能
综合反映气候变化，因此 ＮＤＶＩ 与单独的气候因子的相关性研究尺度单一且不全面，不足以确定气候⁃植被关
系。 而多时间尺度的 ＳＰＥＩ值能够清楚地反映区域干湿演变与可获得水资源状况，因此本研究从多尺度研究
了云南省 ＮＤＶＩ和 ＳＰＥＩ两大指数的时间序列变化规律，利用 ＳＰＥＩ指数进一步分析了云南省的气候变化情况
和干旱发生强度，同时利用 ＮＤＶＩ指数分析了研究区域的植被变化情况。 此外，本研究试图对云南省的 ＳＰＥＩ
与 ＮＤＶＩ作了不同尺度上的相关性分析，进一步探讨了植被的变化趋势及其对气候变化的响应机制，为制定
相应的对策提供了科学依据，具有重要的理论和现实意义。
１　 研究区域与研究方法
１．１　 研究区概况
云南省（２１°８′３２″—２９°１５′８″Ｎ， ９７°３１′３９″—１０６°１１′４７″Ｅ）北依亚洲大陆，南连位于太平洋和印度洋之间的
东南亚半岛，处在东南季风和西南季风控制之下，又受西藏高原区的影响，从而形成了复杂多样的自然地理环
境。 总面积 ３９．４万 ｋｍ２，平均海拔 ２０００ｍ 左右。 地理位置特殊，地形地貌复杂。 由于大气环流的影响，冬季
受干燥的大陆季风控制，夏季盛行湿润的海洋季风，属低纬山原季风气候。 全省气候的区域差异较大。 植被
资源丰富，森林覆盖率 ４７．５％，植被 ＮＤＶＩ分析与干旱的变化的研究具有可行性并有现实意义。
１．２　 数据处理
１．２．１　 气候数据前处理
选用 １９９８—２０１２年云南省地面气象观测站逐年的日降水量的实测资料。 对个别台站的缺测数据进行了
００７４ 　 生　 态　 学　 报　 　 　 ３６卷　
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
插补处理，主要采用的是均值替换法。 首先对于明显错误数据进行检测，确定错误数据或者断点，剔除或用多
年平均值取代错误或断点数据［１０］。 经过订正处理后的各要素资料具有较好的连续性。
１．２．２　 ＮＤＶＩ数据处理
作为反映植被状况的一个重要遥感参数，归一化差值植被指数（ＮＤＶＩ）是植物生长状态和植被空间分布
密度的指示因子，与植被分布密度呈线性相关，即 ＮＤＶＩ 值越高表明植被状况越好。 利用 １９９９—２０１３ 年的
ＳＰＯＴ ＶＥＧＥＴＡＴＩＯＮ逐旬 ＮＤＶＩ数据进行分析，共有 ５０４幅图像，空间分辨率为 １ ｋｍ。 ＮＤＶＩ 数据主要采用均
值法和最大合成法进行处理，为避免某些极端值的影响，每月 ＮＤＶＩ值由上、中、下三旬数据求平均值获得；每
年 ＮＤＶＩ值除了年均值还采用了国际通用的最大合成法获取，以进一步消除云、大气、太阳高度角等的部分
干扰［２０］。
１．３　 研究方法
标准化降水蒸散发指数 ＳＰＥＩ（Ｓｔａｎｄａｒｄｉｚｅｄ Ｐｒｅｃｉｐｉｔａｔｉｏｎ Ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ Ｉｎｄｅｘ）是 Ｖｉｃｅｎｔｅ⁃Ｓｅｒｒａｎｏ 在标
准化降水指数 ＳＰＩ的基础上引入潜在蒸散项构建的，其融合了 ＳＰＩ和帕尔默干旱指数 ＰＤＳＩ的优点，具体计算
步骤如下［２１］：
第 １步　 计算潜在蒸散。 Ｖｉｃｅｎｔｅ⁃Ｓｅｒｒａｎｏ采用的是 Ｔｈｏｒｎｔｈｗａｉｔｅ方法。
第 ２步　 用公式（１）计算逐月降水与蒸散的差值
Ｄｉ ＝ Ｐ ｉ － ＰＥＴｉ （１）
式中，Ｄｉ 为降水与蒸散的差值，Ｐ ｉ 为月降水量，ＰＥＴｉ 为月蒸散量。
第 ３步　 同 ＳＰＩ方法，对 Ｄｉ 数据序列进行正态化。 由于原始数据序列 Ｄｉ 中可能存在负值，所以 ＳＰＥＩ 指
数采用了 ３个参数的 ｌｏｇ⁃ｌｏｇｉｓｔｉｃ概率分布。 ｌｏｇ⁃ｌｏｇｉｓｔｉｃ概率分布的累积函数为
Ｆ ｘ( ) ＝ １ ＋ α
ｘ － ｙ
æ
è
ç
ö
ø
÷
βé
ë
êê
ù
û
úú
－１
（２）
式中，参数 α、β、γ分别采用线性矩的方法拟合获得。
然后对累积概率密度进行标准化
Ｐ ＝ １ － Ｆ（ｘ） （３）
当累积概率 Ｐ≤０．５时
Ｗ ＝－ ２ｌｎ Ｐ( ) （４）
ＳＰＥＩ ＝ Ｗ －
Ｃ０ ＋ Ｃ１Ｗ ＋ Ｃ２ Ｗ２
１ ＋ ｄ１Ｗ ＋ ｄ２ Ｗ２ ＋ ｄ３ Ｗ３
（５）
式中，Ｗ 为蒸散降水推导函数的累计概率函数值，Ｃ０ ＝ ２． ５１５５１７，Ｃ１ ＝ ０． ８０２ ８５３，Ｃ２ ＝ ０． ０１０３２８， ｄ１ ＝
１．４３２７８８，ｄ２ ＝ ０．１８９２６９，ｄ３ ＝ ０．００１３０８。
当 Ｐ＞０．５时，以 １－Ｐ表示 Ｐ，ＳＰＥＩ变换符号。
本文中 ＳＰＥＩ对应的干旱等级按照表 １中的标准进行划分。
表 １　 ＳＰＥＩ对应的干旱等级划分
Ｔａｂｌｅ １　 Ｄｒｏｕｇｈｔ ｌｅｖｅｌｓ ｂａｓｅｄ ｏｎ ＳＰＥＩ ｖａｌｕｅｓ ｉｎ Ｓｏｕｔｈｗｅｓｔ Ｃｈｉｎａ
ＳＰＥＩ ＜－２ ［－２，－１．５） ［－１．５，－１） ［－１，０）
干旱等级 Ｄｒｏｕｇｈｔ ｌｅｖｅｌｓ 极端干旱 严重干旱 中等干旱 轻微干旱
　 　 ＳＰＥＩ： 标准化降水蒸散发指数 Ｓｔａｎｄａｒｄｉｚｅｄ Ｐｒｅｃｉｐｉｔａｔｉｏｎ Ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ Ｉｎｄｅｘ
２　 结果与分析
２．１　 云南省不同尺度植被指数的时间序列变化分析
２．１．１　 ＮＤＶＩ的年际变化分析
对云南省 ７４个气象台站同一年内各旬的 ＮＤＶＩ取平均值，得到当年云南省平均 ＮＤＶＩ。 年平均 ＮＤＶＩ 值
１０７４　 １５期 　 　 　 刘世梁　 等：云南省植被 ＮＤＶＩ时间变化特征及其对干旱的响应 　
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
变化曲线及其趋势线见图 １，从图中可以清楚的看到，在 １９９９ 年至 ２０１３ 年间，云南省年平均 ＮＤＶＩ 值呈现波
浪式的发展趋势，而趋势线斜率为正，说明年均 ＮＤＶＩ 值总体略有增加。 ２００３ 年、２００６ 年、２０１３ 年的年平均
ＮＤＶＩ值相对较大，可能与当年降雨量丰富有关；云南省年平均 ＮＤＶＩ 值基本都保持在 ０．３８５—０．４２５ 之间，表
明 ＮＤＶＩ具有相对稳定性，总体植被状况较为乐观。
考虑到云、大气、太阳高度角等的部分干扰，通过最大合成法得到每年最大 ＮＤＶＩ 值。 从图 １ 可以看出，
年最大 ＮＤＶＩ值的波动情况与年均 ＮＤＶＩ 值相似，进一步表明了 １９９９—２０１３ 年云南省 ＮＤＶＩ 的年际变化特
征，即总体稳定，波动中略有增大。
２．１．２　 ＮＤＶＩ的月尺度变化分析
将 ７４个气象站点的 ＮＤＶＩ取月平均值如图 ２所示。 可以看到云南省各年的 ＮＤＶＩ 年内各月变化情况大
体上是相同的，波峰基本集中在 ７—９月份。 各年之间波动情况相近，具有周期性，但周期内的变化曲线有时
也会出现波动，最典型的是 ２００７ 年 ７ 月和 ２０１２ 年 ６ 月出现异常，比其它年份同时期的 ＮＤＶＩ 值偏低。 从
ＮＤＶＩ的年内波动情况可以看出，ＮＤＶＩ值与气温及降雨量有一定关系。
图 １　 １９９９—２０１３年云南省年均 ＮＤＶＩ及年最大 ＮＤＶＩ变化
　 Ｆｉｇ． １ 　 Ｖａｒｉａｔｉｏｎｓ ｏｆ ａｎｎｕａｌ ＮＤＶＩ ａｎｄ ｍａｘｉｍｕｍ ＮＤＶＩ ｉｎ
Ｙｕｎｎａｎ Ｐｒｏｖｉｎｃｅ ｄｕｒｉｎｇ １９９９—２０１３
图 ２　 １９９９—２０１３年云南省月平均 ＮＤＶＩ变化
　 Ｆｉｇ．２　 Ｖａｒｉａｔｉｏｎｓ ｏｆ ｍｏｎｔｈｌｙ ａｖｅｒａｇｅ ＮＤＶＩ ｉｎ Ｙｕｎｎａｎ Ｐｒｏｖｉｎｃｅ
ｄｕｒｉｎｇ １９９９—２０１３
图 ３　 云南省季节尺度 ＮＤＶＩ指数长期动态特征
　 Ｆｉｇ． ３ 　 Ｌｏｎｇ⁃ｔｅｒｍ ｄｙｎａｍｉｃ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ＮＤＶＩ ｆｏｒ ｆｏｕｒ
ｓｅａｓｏｎｓ ｉｎ Ｙｕｎｎａｎ Ｐｒｏｖｉｎｃｅ
２．１．３　 ＮＤＶＩ的季节变化规律分析
利用天文季节的划分方法来划分四季，即 ３—５ 月
为春季，７—８月为夏季，９—１１月为秋季，１２ 月至次年 ２
月为冬季。 将 ７４ 个站点取各季节 ＮＤＶＩ 的平均值，得
到 １９９９—２０１３年的季节变化时间序列（图 ３）。 从图 ３
可以看出，云南省 ＮＤＶＩ的年际变化呈现显著的季节性
差异，夏季和秋季的 ＮＤＶＩ 值总体相对较高，其中夏季
呈现起伏较大的波浪式发展趋势，在 ０．３５—０．５间波动，
可能是由于夏季气温高且降水量年间差异较大；冬季和
春季的 ＮＤＶＩ 值总体偏低，年际波动幅度相对较小，均
在 ０．３—０．４之间波动。 可见四季中 ＮＤＶＩ的总体大小排序为：秋季＞夏季＞冬季＞春季，从 ＮＤＶＩ年内月尺度的
波动情况也可以看出这一特点。
２．２　 云南省不同尺度 ＳＰＥＩ指数的时间序列变化特征
２．２．１　 基于不同尺度 ＳＰＥＩ的气候变化特征
１９９７—２０１２年云南省 ７４个站点 ＳＰＥＩ 的平均值的变化趋势见图 ４。 从图 ４ 可以看出，不同时间尺度的
ＳＰＥＩ值均呈现出一致的线性趋势，即干旱化趋势在加强，但其值随时间变化的敏感性明显不同，时间尺度越
小，趋势线斜率的绝对值越小。
西南地区是典型的季风气候区，受季风系统影响，降水的季节分布极不均匀。 如图 ４ 所示，ＳＰＥＩ３ 因为对
于短期降水和温度变化都比较敏感，其数值波动性较大；而 ＳＰＥＩ６受多雨期和少雨期的影响，其数值波动幅度
也很大，因此云南省的干旱持续时间达半年的发生频率也比较高。 ＳＰＥＩ１２ 和 ＳＰＥＩ２４ 能够更清楚地反映
２０７４ 　 生　 态　 学　 报　 　 　 ３６卷　
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
１９９７—２０１２年的干旱变化状况，即 ２００４—２００８ 年、２０１０—２０１２ 年的干旱频率较高，其中 ２００４—２００８ 年为轻
微干旱，２０１０—２０１２年达到中等干旱甚至严重干旱，且干旱持续时间较长，出现数年连旱的现象。 由此可见，
ＳＰＥＩ６和 ＳＰＥＩ１２对于下层土壤水分和河流径流量等有较好地反映，ＳＰＥＩ２４则更深入地涉及到地下水位、水库
蓄水量乃至民生问题。 综上所述，多时间尺度的 ＳＰＥＩ值可以有效地反映云南省干旱程度及其持续时间，并且
不同时间尺度的 ＳＰＥＩ值表现出了不同程度的年际震荡和年代际变化特征。
图 ４　 云南省多时间尺度标准化降水蒸散指数长期动态特征
Ｆｉｇ．４　 Ｌｏｎｇ⁃ｔｅｒｍ ｄｙｎａｍｉｃ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｍｕｌｔｉ⁃ｔｉｍｅ ｓｃａｌｅ ＳＰＥＩ ｉｎ Ｙｕｎｎａｎ Ｐｒｏｖｉｎｃｅ
２．２．２　 ＳＰＥＩ的月尺度变化分析
从图 ４可以看到，ＳＰＥＩ３年内各月的变化情况年与年之间差别较大，峰值所在月份也不尽相同。 将 ７４ 个
气象站点的 ＳＰＥＩ３取月平均值，如图 ５，可以看到 ＳＰＥＩ３ 各月的变化呈现先增大后减小的趋势，峰值在 ５—７
月份，并且其他月份均为轻微干旱，这与全年降雨量分布大体一致。
图 ５　 １９９７—２０１２年云南省月平均 ＳＰＥＩ变化
　 Ｆｉｇ．５　 Ｖａｒｉａｔｉｏｎｓ ｏｆ ｍｏｎｔｈｌｙ ａｖｅｒａｇｅ ＳＰＥＩ ｉｎ Ｙｕｎｎａｎ Ｐｒｏｖｉｎｃｅ
ｄｕｒｉｎｇ １９９７—２０１２
２．２．３　 ＳＰＥＩ的季节尺度变化分析
西南地区一般冬季干旱少雨，夏季雨量丰沛，春、秋
季节是过渡阶段，大多数区域秋雨多于春雨。 因而春、
冬两季是发生旱灾的主要时节［１１］，从图 ５ 也可以看出
这一特点。
选取云南省各站四季 １９９７—２０１２ 年的平均 ＳＰＥＩ３
和 ＳＰＥＩ２４值，分析 ＳＰＥＩ在季节尺度上的变化规律（图
６）。 从图 ６的 ＳＰＥＩ２４变化情况可以看出，云南省 ＳＰＥＩ
的年际变化在季节尺度上的差异性并不明显，均为接近
半数的年份达到干旱，四季均在 ２００３—２００６ 年出现连
年干旱的现象。 从 ＳＰＥＩ３的波动情况来看，冬季干旱最
为严重，干旱频率较高，但年际间波动幅度相对较小；春季和秋季次之，波动幅度较大；夏季干旱的年份最少干
旱强度较小。 由此可见，不同尺度的 ＳＰＥＩ值反映出来的季节变化规律不同，３ 个月尺度的 ＳＰＥＩ 值更能反映
出季节尺度的变化情况，多年季节水平的干旱强度为：冬季＞秋季＞春季＞夏季。
３０７４　 １５期 　 　 　 刘世梁　 等：云南省植被 ＮＤＶＩ时间变化特征及其对干旱的响应 　
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
图 ６　 云南省季节尺度标准化降水蒸散指数长期动态特征
Ｆｉｇ．６　 Ｌｏｎｇ⁃ｔｅｒｍ ｓｅａｓｏｎａｌ ｄｙｎａｍｉｃ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ＳＰＥＩ ｉｎ Ｙｕｎｎａｎ Ｐｒｏｖｉｎｃｅ
２．３　 云南省植被 ＮＤＶＩ 动态变化与 ＳＰＥＩ指数的关系
２．３．１　 云南省 ＮＤＶＩ与 ＳＰＥＩ在年际变化上的相关性
　 　 利用云南省各站点 １９９８—２０１２年的年均 ＳＰＥＩ和 １９９９—２０１３年的 ＮＤＶＩ数据，分析不同年份二者之间的
相关系数 ｒ，探讨二者在年际变化上的相关性和滞后性。 当 ｒ＞０时，表示两变量正相关，当 ｒ＜０时，表示两变量
为负相关，ｒ的绝对值大小代表相关程度。
表 ２ 列出了年平均 ＮＤＶＩ 与不同尺度年均 ＳＰＥＩ 的相关系数，包括同年间 （１９９９—２０１２）以及 ＮＤＶＩ
（１９９９—２０１３）比 ＳＰＥＩ（１９９８—２０１２）滞后 １年的相关系数。 从表 ２ 可以看到，ＮＤＶＩ 值与不同尺度 ＳＰＥＩ 值间
的相关系数均为正值，并且 ＳＰＥＩ的时间尺度越大，相关性越弱，且不同尺度的 ＳＰＥＩ与当年 ＮＤＶＩ 的相关系数
均小于 ０．３，相关性不显著；滞后 １年的 ＮＤＶＩ与不同尺度 ＳＰＥＩ的相关系数也很弱。 可见云南省的年均 ＮＤＶＩ
与 ＳＰＥＩ没有显著的正相关关系，滞后效应不明显。
考虑到云、大气、太阳高度角等的部分干扰可能对 ＮＤＶＩ 与 ＳＰＥＩ 的相关性造成影响，表 ３ 列出了年最大
ＮＤＶＩ与不同尺度年均 ＳＰＥＩ的相关系数，当年 ＮＤＶＩ与滞后 ＮＤＶＩ同表 ２。 从表 ３ 可以看到，年最大 ＮＤＶＩ 与
ＳＰＥＩ的相关系数也均为正值，但明显比表 ２ 的数值大，相关程度更高；ＳＰＥＩ３、ＳＰＥＩ６、ＳＰＥＩ１２ 与当年 ＮＤＶＩ 的
相关系数均大于 ０．５。 可见云南省的年最大 ＮＤＶＩ 与不同尺度年均 ＳＰＥＩ 存在一定的线性正相关关系，说明
ＳＰＥＩ是 ＮＤＶＩ的一大影响因素。
表 ２　 年平均 ＮＤＶＩ与不同尺度 ＳＰＥＩ的相关系数
Ｔａｂｌｅ ２　 Ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔｓ ｏｆ ａｎｎｕａｌ ＮＤＶＩ ａｎｄ ｍｕｌｔｉ⁃ｔｉｍｅ ｓｃａｌｅ ＳＰＥＩ
归一化植被指数 ＮＤＶＩ ＳＰＥＩ３ ＳＰＥＩ６ ＳＰＥＩ１２ ＳＰＥＩ２４
当年 ＮＤＶＩ ＮＤＶＩ ｉｎ ｔｈｅ ｓａｍｅ ｙｅａｒ ０．２５３８ ０．１８９５ ０．１３００ ０．０７４２
滞后 ＮＤＶＩ ＮＤＶＩ ｉｎ ｔｈｅ ｌａｇ ｏｆ ｏｎｅ ｙｅａｒ ０．１９４２ ０．１８７１ ０．１３３８ ０．１１０５
４０７４ 　 生　 态　 学　 报　 　 　 ３６卷　
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
表 ３　 年最大 ＮＤＶＩ与不同尺度 ＳＰＥＩ的相关系数
Ｔａｂｌｅ ３　 Ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔｓ ｏｆ ａｎｎｕａｌ ｍａｘｉｍｕｍ ＮＤＶＩ ａｎｄ ｍｕｌｔｉ⁃ｔｉｍｅ ｓｃａｌｅ ＳＰＥＩ
ＮＤＶＩ ＳＰＥＩ３ ＳＰＥＩ６ ＳＰＥＩ１２ ＳＰＥＩ２４
当年 ＮＤＶＩ ＮＤＶＩ ｉｎ ｔｈｅ ｓａｍｅ ｙｅａｒ ０．５５３４ ０．５７３４ ０．５３２１ ０．３２０２
滞后 ＮＤＶＩ ＮＤＶＩ ｉｎ ｔｈｅ ｌａｇ ｏｆ ｏｎｅ ｙｅａｒ ０．２３１７ ０．１８６８ ０．１０４４ ０．２２９１
２．３．２　 云南省 ＮＤＶＩ与 ＳＰＥＩ在月尺度变化上的相关性
通过比较 １９９９—２０１３年 ７４个台站的月平均 ＮＤＶＩ与不同尺度 ＳＰＥＩ的相关性发现 ＳＰＥＩ１２的相关系数相
对最大，因此做出月平均 ＮＤＶＩ 与 ＳＰＥＩ１２ 的相关图。 从图 ７ 可以看出，同年 ＮＤＶＩ、滞后 １ 年的 ＮＤＶＩ 均与
ＳＰＥＩ２４存在一定的负相关，但相关性不显著。
图 ７　 各站月平均 ＳＰＥＩ１２与 ＮＤＶＩ的相关系数
Ｆｉｇ．７　 Ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔｓ ｏｆ ｍｏｎｔｈｌｙ ｍｅａｎ ＮＤＶＩ ａｎｄ ＳＰＥＩ ｏｆ １２ ｍｏｎｔｈｓ
将各站点 １２个月多年平均的 ＮＤＶＩ分别与对应月的 ＳＰＥＩ进行相关分析，同时考虑到 ＮＤＶＩ对 ＳＰＥＩ的滞
后效应，本研究还将 ＮＤＶＩ分别滞后 １、２、３个月（ＮＤＶＩ１、ＮＤＶＩ２、ＮＤＶＩ３）与 ＳＰＥＩ 进行相关分析，结果见表 ４。
从表 ４可以看出，ＮＤＶＩ与不同尺度的 ＳＰＥＩ 相关性明显不同，其中 ＳＰＥＩ３、ＳＰＥＩ６ 的相关系数大多为正值，而
ＳＰＥＩ１２、ＳＰＥＩ２４则基本为负值；另外，同月 ＮＤＶＩ 与 ＳＰＥＩ１２、ＳＰＥＩ２４ 的负相关性通过了 ０．０１ 水平的显著性检
验，滞后 １个月的 ＮＤＶＩ与 ＳＰＥＩ６的正相关性以及与 ＳＰＥＩ１２、ＳＰＥＩ２４的负相关性均通过了 ０．０１水平显著性检
验，滞后两个月的 ＮＤＶＩ与 ＳＰＥＩ３、ＳＰＥＩ６均为高度相关，滞后 ３ 个月的 ＮＤＶＩ 与 ＳＰＥＩ 的相关性则相对较弱。
可见 ＮＤＶＩ与 ＳＰＥＩ在年内变化月尺度上的相关性较强，响应具有显著的滞后效应。
表 ４　 云南省 ＮＤＶＩ与 ＳＰＥＩ年内变化的相关系数
Ｔａｂｌｅ ４　 Ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔｓ ｏｆ ｉｎｔｅｒ⁃ａｎｎｕａｌ ｃｈａｎｇｅ ｏｆ ＮＤＶＩ ａｎｄ ＳＰＥＩ
ＮＤＶＩ ＳＰＥＩ３ ＳＰＥＩ６ ＳＰＥＩ１２ ＳＰＥＩ２４
ＮＤＶＩ ０．２１６ ０．７０７∗ －０．８４９∗∗ －０．９２１∗∗
ＮＤＶＩ１ ０．６４８∗ ０．８８６∗∗ －０．７６９∗∗ －０．７２３∗∗
ＮＤＶＩ２ ０．８６６∗∗ ０．８４１∗∗ －０．５７２ －０．４１７
ＮＤＶＩ３ －０．１８６ ０．５６２ －０．２６５ ０．０１６
　 　 ∗ 在 ０．０５ 水平（双侧）上显著相关；∗∗ 在 ０．０１ 水平（双侧）上显著相关
２．３．３　 云南省 ＮＤＶＩ与 ＳＰＥＩ在季节尺度变化上的相关性
根据前面对 ＳＰＥＩ季节尺度变化的研究可知，用 ＳＰＥＩ３ 表征其季节变化更为恰当。 因此，本研究利用
ＳＰＥＩ３来研究 ＮＤＶＩ与 ＳＰＥＩ在季节尺度上的相关性。 考虑到植被对气候的滞后效应，每个季节的植被 ＮＤＶＩ
除了与同季节 ＳＰＥＩｓ进行相关分析外，都同其上一个春季、夏季、秋季、冬季的 ＳＰＥＩ（ＳＰＥＩｓｐ、ＳＰＥＩｓｕ、ＳＰＥＩａｕ、
ＳＰＥＩｗｉ）进行了相关分析，得到的相关系数如表 ５所示。 从表 ５ 可以清楚的看到春季的 ＮＤＶＩ 与 ＳＰＥＩ 的相关
５０７４　 １５期 　 　 　 刘世梁　 等：云南省植被 ＮＤＶＩ时间变化特征及其对干旱的响应 　
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
性极弱，夏季的 ＮＤＶＩ与当年夏季的 ＳＰＥＩ呈不显著的正相关，滞后性则不太明显；秋季的 ＮＤＶＩ 与当年秋季
ＳＰＥＩ的负相关性通过了 ０．０１显著性检验，与当年夏季的 ＳＰＥＩ呈负相关；冬季的 ＮＤＶＩ与当年冬季 ＳＰＥＩ 的相
关性通过了 ０．０５显著性检验，与同年春季、秋季的 ＳＰＥＩ呈负相关。
表 ５　 云南省季节 ＮＤＶＩ与 ＳＰＥＩ的相关系数
Ｔａｂｌｅ ５　 Ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔｓ ｏｆ ｓｅａｓｏｎａｌ ＮＤＶＩ ａｎｄ ＳＰＥＩ
ＮＤＶＩ ＳＰＥＩｓ ＳＰＥＩｓｐ ＳＰＥＩｓｕ ＳＰＥＩａｕ ＳＰＥＩｗｉ
ＮＤＶＩｓｐ ０．０６１ －０．１３６ －０．１６８ ０．１８７ －０．１４１
ＮＤＶＩｓｕ ０．４２０ ０．１６６ ０．１１６ ０．１３９ ０．０５５
ＮＤＶＩａｕ －０．６６４∗∗ －０．０４５ －０．４９８ ０．０５７ －０．１６９
ＮＤＶＩｗｉ －０．６２１∗ －０．３９７ －０．１１４ －０．３３９ ０．０５９
　 　 ∗ 在 ０．０５ 水平（双侧）上显著相关； ∗∗ 在．０１ 水平（双侧）上显著相关； ＳＰＥＩｓ是同年同季的 ＳＰＥＩ值；ＳＰＥＩｓｐ、ＳＰＥＩｓｕ、ＳＰＥＩａｕ、ＳＰＥＩｗｉ分别是
上一个春季、夏季、秋季、冬季的 ＳＰＥＩ值
３　 结论与讨论
３．１　 讨论
（１）计算潜在蒸散的 Ｔｈｏｒｎｔｈｗａｉｔｅ方法没有考虑辐射的影响，但对于云南省来说，研究区域范围内的纬度
只差几度，因此辐射的差异较小，而研究主要是关于变化趋势的相关分析，所以对结论的影响也较小。
（２）研究 ＳＰＥＩ变化趋势的过程中，发现其时间变化特征与牛凯杰等人对西南地区的研究结论基本一致，
其中多年季节水平的干旱强度为冬季＞秋季＞春季＞夏季，而牛凯杰等人的研究得到的顺序为春、冬、秋、夏，可
能是由于云南不能代表整个西南地区。
（３）在 ＮＤＶＩ的变化研究中发现，２００７年 ７月和 ２０１２ 年 ６ 月出现异常，比其它年份同时期的 ＮＤＶＩ 值偏
低。 经查证，２００７年为灾害较重年，７月植被的异常情况可能与洪涝灾害有关；６月的 ＮＤＶＩ值普遍不高，可能
是因为云南省 ６月高温且降水少。
（４）在分析 ＮＤＶＩ与 ＳＰＥＩ相关性的过程中，发现两者年际变化的相关性较弱，而年内变化月尺度上的相
关性较强，这可能是由于年尺度上气候对植被的影响很小，其他原因有待深入探讨。
（５）在季节尺度上，ＮＤＶＩ与 ＳＰＥＩ的关系较为复杂。 对于云南来说，秋冬季负相关显著的可能解释是在
多雨的状况下，气温的降低会促使植被落叶，叶片枯黄、脱落，从而降低 ＮＤＶＩ数值，因此干旱情况会使得植被
ＮＤＶＩ增加。 另外，不同季节的耕作等也会影响两者的相关关系，其内在机理需要结合物候变化、空间分异特
征等进行进一步的研究与验证。
３．２　 结论
（１）１９９９—２０１３年云南省年平均 ＮＤＶＩ值和年最大 ＮＤＶＩ值均呈现波浪式的发展趋势，总体略有增大；在
月尺度上，ＮＤＶＩ年内各月变化情况大体上相同且具有周期性，波峰基本集中在 ７—９月份；不同季节 ＮＤＶＩ 年
际变化的总体大小排序为：秋季＞夏季＞冬季＞春季。
（２）１９９７—２０１２年云南省不同时间尺度的 ＳＰＥＩ值均呈现出干旱化加强的线性趋势，时间尺度越大，变化
趋势越大。 在月尺度上，ＳＰＥＩ３各月的变化呈现先增大后减小的趋势，峰值在 ５—７月份；ＳＰＥＩ３反映出多年季
节水平的干旱强度为：冬季＞秋季＞春季＞夏季。
（３）云南省的年均 ＮＤＶＩ与 ＳＰＥＩ呈极弱的正相关关系，而年最大 ＮＤＶＩ 与不同尺度年均 ＳＰＥＩ 存在一定
的线性正相关关系，ＳＰＥＩ是 ＮＤＶＩ的一大影响因素。
（４）ＮＤＶＩ与 ＳＰＥＩ在月尺度上的相关性较为复杂，同月以及滞后一个月的 ＮＤＶＩ 与部分时间尺度的相关
性通过了 ０．０１水平或 ０．０５水平显著性检验，因此 ＮＤＶＩ 与 ＳＰＥＩ 在年内变化月尺度上的相关性较强，响应具
有显著的滞后效应。
（５）季节尺度上，春季以及夏季的 ＮＤＶＩ 与 ＳＰＥＩ 的相关性与滞后性均不显著，而秋季的 ＮＤＶＩ 与当年秋
６０７４ 　 生　 态　 学　 报　 　 　 ３６卷　
ｈｔｔｐ： ／ ／ ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ
季 ＳＰＥＩ的负相关性通过了 ０．０１显著性检验，冬季的 ＮＤＶＩ 与当年冬季 ＳＰＥＩ 的相关性通过了 ０．０５ 显著性检
验，也有一定滞后效应。
参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：
［ １ ］　 Ｌａｍｂｉｎ Ｅ Ｆ， Ｓｔｒａｈｌｅｒ Ａ Ｈ． Ｉｎｄｉｃａｔｏｒｓ ｏｆ ｌａｎｄ⁃ｃｏｖｅｒ ｃｈａｎｇｅ ｆｏｒ ｃｈａｎｇｅ⁃ｖｅｃｔｏｒ ａｎａｌｙｓｉｓ ｉｎ ｍｕｌｔｉｔｅｍｐｏｒａｌ ｓｐａｃｅ ａｔ ｃｏａｒｓｅ ｓｐａｔｉａｌ ｓｃａｌｅｓ． Ｒｅｍｏｔｅ
Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ， １９９４， １５（１０）： ２０９９⁃２１１９．
［ ２ ］ 　 郑玉坤． 多时相 ＡＶＨＲＲ⁃ＮＤＶＩ 数据的时间序列分析及其在土地覆盖分类中的应用［Ｄ］． 北京： 中国科学院遥感应用研究所， ２００２： １⁃４８．
［ ３ ］ 　 周丹， 张勃， 任培贵， 张春玲， 杨尚武， 季定民． 基于标准化降水蒸散指数的陕西省近 ５０ａ干旱特征分析． 自然资源学报， ２０１４， ２９（４）：
６７７⁃６８８．
［ ４ ］ 　 张家发， 唐文坚， 李少龙． 中国西南易旱地区识别的探讨． 中国水利， ２０１２， （５）： １８⁃２１．
［ ５ ］ 　 王东， 张勃， 安美玲， 张调风， 季定民， 任培贵． 基于 ＳＰＥＩ 的西南地区近 ５３ａ 干旱时空特征分析． 自然资源学报， ２０１４， ２９（ ６）：
１００３⁃１０１６．
［ ６ ］ 　 牛凯杰， 梁川， 赵璐， 詹存． 西南地区干旱时空变化特征． 灌溉排水学报， ２０１４， ３３（３）： １⁃６．
［ ７ ］ 　 王明田， 王翔， 黄晚华， 张玉芳， 马均． 基于相对湿润度指数的西南地区季节性干旱时空分布特征． 农业工程学报， ２０１２， ２８（１９）：
８５⁃９２．
［ ８ ］ 　 董谢琼， 段旭． 西南地区降水量的气候特征及变化趋势． 气象科学， １９９８， １８（３）： ２３９⁃２４７．
［ ９ ］ 　 苏宏新， 李广起． 基于 ＳＰＥＩ 的北京低频干旱与气候指数关系． 生态学报， ２０１２， ３２（１７）： ５４６７⁃５４７５．
［１０］ 　 李亚飞， 刘高焕． 澜沧江流域植被覆盖变化特征及其与气候因子的关系． 资源科学， ２０１２， ３４（７）： １２１４⁃１２２１．
［１１］ 　 何云玲， 张一平． 澜沧江干流河谷盆地气候特征及变化趋势． 山地学报， ２００４， ２２（５）： ５３９⁃５４８．
［１２］ 　 Ｌｉ Ｚ Ｑ， Ｌｉｕ Ｚ Ｇ， Ｃｈｅｎ Ｚ Ｚ， Ｙａｎｇ Ｚ Ｇ． Ｔｈｅ ｅｆｆｅｃｔｓ ｏｆ ｃｌｉｍａｔｅ ｃｈａｎｇｅｓ ｏｎ ｔｈｅ ｐｒｏｄｕｃｔｉｖｉｔｙ ｉｎ ｔｈｅ Ｉｎｎｅｒ Ｍｏｎｇｏｌｉａ Ｓｔｅｐｐｅ ｏｆ Ｃｈｉｎａ． Ａｃｔａ Ｐｒａｔａｃｕｌｔｕｒａｅ
Ｓｉｎｉｃａ， ２００３， １２（１）： ４⁃１０．
［１３］ 　 Ｃｏｎｇ Ｎ， Ｐｉａｏ Ｓ Ｌ， Ｃｈｅｎ Ａ Ｐ， Ｗａｎｇ Ｘ Ｈ， Ｌｉｎ Ｘ， Ｃｈｅｎ Ｓ Ｐ， Ｈａｎｇ Ｓ Ｊ， Ｚｈｏｕ Ｇ Ｓ， Ｚｈａｎｇ Ｘ Ｐ． Ｓｐｒｉｎｇ ｖｅｇｅｔａｔｉｏｎ ｇｒｅｅｎ⁃ｕｐ ｄａｔｅ ｉｎ Ｃｈｉｎａ ｉｎｆｅｒｒｅｄ
ｆｒｏｍ ＳＰＯＴ ＮＤＶＩ ｄａｔａ： ａ ｍｕｌｔｉｐｌｅ ｍｏｄｅｌ ａｎａｌｙｓｉｓ． Ａｇｒｉｃｕｌｔｕｒａｌ ａｎｄ Ｆｏｒｅｓｔ Ｍｅｔｅｏｒｏｌｏｇｙ， ２０１３， １６５： １０４⁃１１３．
［１４］ 　 李春晖， 杨志峰． 黄河流域 ＮＤＶＩ时空变化及其与降水 ／径流关系． 地理研究， ２００４， ２３（６）： ７５３⁃７５９．
［１５］ 　 吕洋， 董国涛， 杨胜天， 周秋文， 蔡明勇． 雅鲁藏布江流域 ＮＤＶＩ时空变化及其与降水和高程的关系． 资源科学， ２０１４， ３６（３）： ６０３⁃６１１．
［１６］ 　 崔林丽， 史军， 肖风劲， 范文义． 中国东部 ＮＤＶＩ的变化趋势及其与气候因子的相关分析． 资源科学， ２０１０， ３２（１）： １２４⁃１３１．
［１７］ 　 毕晓丽， 王辉， 葛剑平． 植被归一化指数（ＮＤＶＩ）及气候因子相关起伏型时间序列变化分析． 应用生态学报， ２００５， １６（２）： ２８４⁃２８８．
［１８］ 　 王青霞， 吕世华， 鲍艳， 马迪， 李瑞青． 青藏高原不同时间尺度植被变化特征及其与气候因子的关系分析． 高原气象， ２０１４， ３３（２）：
３０１⁃３１２．
［１９］ 　 侯美亭， 赵海燕， 王筝， 延晓冬． 基于卫星遥感的植被 ＮＤＶＩ对气候变化响应的研究进展． 气候与环境研究， ２０１３， １８（３）： ３５３⁃３６４．
［２０］ 　 李辉霞， 刘国华， 傅伯杰． 基于 ＮＤＶＩ的三江源地区植被生长对气候变化和人类活动的响应研究． 生态学报， ２０１１， ３１（１９）： ５４９５⁃５５０４．
［２１］ 　 Ｖｉｃｅｎｔｅ⁃Ｓｅｒｒａｎｏ Ｓ Ｍ， Ｂｅｇｕｅｒíａ Ｓ， Ｌóｐｅｚ⁃Ｍｏｒｅｎｏ Ｊ Ｉ． Ａ ｍｕｌｔｉｓｃａｌａｒ ｄｒｏｕｇｈｔ ｉｎｄｅｘ ｓｅｎｓｉｔｉｖｅ ｔｏ ｇｌｏｂａｌ ｗａｒｍｉｎｇ： ｔｈｅ ｓｔａｎｄａｒｄｉｚｅｄ ｐｒｅｃｉｐｉｔａｔｉｏｎ
ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｉｎｄｅｘ． Ｊｏｕｒｎａｌ ｏｆ Ｃｌｉｍａｔｅ， ２０１０， ２３（７）： １６９６⁃１７１８．
［２２］ 　 张培松． 气象因子与 ＮＤＶＩ的相关性分析［Ｄ］． 重庆： 西南大学， ２００７．
［２３］ 　 袁丽华， 蒋卫国， 申文明， 刘颖慧， 王文杰， 陶亮亮， 郑华， 刘孝富． ２０００⁃ ２０１０ 年黄河流域植被覆盖的时空变化． 生态学报， ２０１３， ３３
（２４）： ７７９８⁃７８０６．
［２４］ 　 何月， 樊高峰， 张小伟， 柳苗， 高大伟． 浙江省植被 ＮＤＶＩ 动态及其对气候的响应． 生态学报， ２０１２， ３２（１４）： ４３５２⁃４３６２．
［２５］ 　 毛飞， 卢志光， 张佳华， 侯英雨． 近 ２０年藏北地区 ＡＶＨＲＲ ＮＤＶＩ与气候因子的关系． 生态学报， ２００７， ２７（８）： ３１９８⁃３２０５．
［２６］ 　 Ｐｒｅｎｔｉｃｅ Ｉ Ｃ． Ｖｅｇｅｔａｔｉｏｎ ｒｅｓｐｏｎｓｅｓ ｔｏ ｐａｓｔ ｃｌｉｍａｔｉｃ ｖａｒｉａｔｉｏｎ． Ｖｅｇｅｔａｔｉｏ， １９８６， ６７（２）： １３１⁃１４１．
［２７］ 　 王宏， 李晓兵， 李霞， 莺歌， 符娜． 基于 ＮＯＡＡ ＮＤＶＩ和 ＭＳＡＶＩ研究中国北方植被生长季变化． 生态学报， ２００７， ２７（２）： ５０４⁃５１５．
［２８］ 　 Ｋｉｒｉｌｅｎｋｏ Ａ Ｐ， Ｓｏｌｏｍｏｎ Ａ Ｍ． Ｍｏｄｅｌｉｎｇ ｄｙｎａｍｉｃ ｖｅｇｅｔａｔｉｏｎ ｒｅｓｐｏｎｓｅ ｔｏ ｒａｐｉｄ ｃｌｉｍａｔｅ ｃｈａｎｇｅ ｕｓｉｎｇ ｂｉｏｃｌｉｍａｔｉｃ ｃｌａｓｓｉｆｉｃａｔｉｏｎ． Ｃｌｉｍａｔｉｃ Ｃｈａｎｇｅ，
１９９８， ３８（１）： １５⁃４９．
［２９］ 　 Ｂｏｎａｎ Ｇ Ｂ， Ｌｅｖｉｓ Ｓ， Ｓｉｔｃｈ Ｓ， Ｖｅｒｔｅｎｓｔｅｉｎ Ｍ， Ｏｌｅｓｏｎ Ｋ Ｗ． Ａ ｄｙｎａｍｉｃ ｇｌｏｂａｌ ｖｅｇｅｔａｔｉｏｎ ｍｏｄｅｌ ｆｏｒ ｕｓｅ ｗｉｔｈ ｃｌｉｍａｔｅ ｍｏｄｅｌｓ： ｃｏｎｃｅｐｔｓ ａｎｄ
ｄｅｓｃｒｉｐｔｉｏｎ ｏｆ ｓｉｍｕｌａｔｅｄ ｖｅｇｅｔａｔｉｏｎ ｄｙｎａｍｉｃｓ． Ｇｌｏｂａｌ Ｃｈａｎｇｅ Ｂｉｏｌｏｇｙ， ２００３， ９（１１）： １５４３⁃１５６６．
［３０］ 　 赵建军． 阿帕拉契亚山植被动态变化及其对气候变化的响应研究［Ｄ］． 吉林： 东北师范大学， ２０１３．
７０７４　 １５期 　 　 　 刘世梁　 等：云南省植被 ＮＤＶＩ时间变化特征及其对干旱的响应