第25卷 第6期 热 带 气 象 学 报 V ol.25，No.6 2009年12月 JOURNAL OF TROPICAL METEOROLOGY Dec. ，2009
文章编号：1004-4965(2009)06-0725-08
我国东部地区NDVI 与气温、降水的关系研究
王永立， 范广洲， 周定文， 华维， 黄先伦
(成都信息工程学院高原大气与环境研究中心，四川 成都 610225)
摘 要: 利用东部地区的1982—2001年归一化植被指数(NDVI)资料以及131个标准气象台站的气温、
降水资料，用相关分析、奇异值分析(SVD)方法研究了该地区的植被与气温、降水的相互作用，得到以下几点认识：NDVI 的最大值滞后于气温最高值的时间尺度在一个月左右。前期气温与后期NDVI 的相关系数在春夏为负值，在秋冬却以正值为主。前期植被与后期气温的相关系数以负值为主。NDVI 最大值滞后于降水最大值的时间尺度在两个月左右，同期NDVI 与降水的相关系数为负值，而无论降水超前于NDVI 或者NDVI 超前于降水的时间尺度大于1个月时，二者的相关系数转为正值。由SVD 方法得到东部地区7月份的NDVI 与8月份的气温、降水有较好的相关关系。河南西南部及东北部区域NDVI 与大部分地区的气温为正相关；长江流域NDVI 与32 °N以南地区的降水有较好的负相关。因此，前期植被的变化特征可以作为后期气温、降水的预报的一种参考因子。
关 键 词：气候变化；相关分析和SVD ；NDVI ；东部地区；气温；降水
中图分类号：P461.7 文献标识码：A Doi ：10.3969/j.issn.1004-4965.2009.06.011
Henderson-Sellers 等[5]认为植被退化将使降水减少，而Dickinson 等[6]认为变化不大。Lean 等[7]认为植被退化将造成地面气温显著升高，但Henderson-Sellers 等[8]认
全球气候变化将对陆地生态系统产生重要影响，
为在不同季节、不同区域的地面气温有升、有降或基本不变。尽管以上结论差异显著，但关于下垫面植被改变会对区域气候产生一定影响的结论却是一致的。 通过对地表植被的动态监测来获取地表植被覆盖和长势信息，不仅是许多全球及区域气候模型中所需的重要信息，也是描述生态系统的重要基础数据。对于揭示地表空间变化规律，探讨变化的驱动因子，分析评价区域生态环境有重要现实意义。归一化植被指数(Normalized Difference Vegetatiom Index: NDVI)就是常被用于监测植被的遥感指数[9-10]。NDVI 与绿色叶片生物量、叶面积指数、植物光合能力、总的干物质积累以及年净初级生产力等均有很好的相关性[11-12]
，常被用于进行大尺度土地生长和植被分类[13-14]
、土地生长动态变化检测[15]、模拟各种植被及地表生物物理参数、与气候变化关系[16-17]等方面的研
1 引 言
而陆地生态系统的改变又将反馈于全球气候变化。地表植被是陆地生态系统的重要组成部分，也是地表状况的重要特征，更是生物圈及其生态系统的核心和功能部分，因此植被大气相互作用的研究已经成为全球变化研究的一个重要领域。不同的植被类型通过改变地表反照率、蒸散率、地表粗糙度等影响植被与大气之间的物质(如水和二氧化碳等) 和能量(如太阳辐射、动量和热量等) 交换来影响气候[1]。植被遭到破坏后，将不但会影响当地的降水量，改变下游洪水泛滥的频率和强度[2]，而且还将导致土壤侵蚀和地表水的减少
[3]
。例如：中国西北地区的大面积绿化将导致中国及
中南半岛地区的降水量增加，印度降水减少[4]。关于亚马逊森林砍伐引起的气候效应结论不一，
收稿日期: 2008-07-10; 修订日期：2008-10-18
基金项目：甘肃省气象局局校合作项目“青藏高原植被下垫面对区域气候影响的初步数值模拟研究”；四川省科技厅应用技术研究与开发项目
“四川省植被生态系统演变过程及其机理研究(07JY029-036)”；中国气象局成都高原气象研究所开放课题“青藏高原植被变化对 区域气候的影响及其机理研究(LPM2006020)”共同资助
通讯作者: 王永立(1982-) ，男，河南省人，在读博士研究生，主要从事陆面过程研究。E-mail: [email protected]
726 热 带 气 象 学 报 25卷
究，在气象学领域目前被广泛应用于植被和气候相互作用的研究领域。温刚等[18]分析了个别年份(1988—1989年) 中国大陆植被与气候的关系，发现中国大陆植被生长存在明显的季节变化，生长过程具有“突变性”、植被的生长季节变化与东亚季风进退有关，从而初步确定了一条斜穿中国大陆的大尺度植被过渡带，植被生长延迟气温和降水的变化。谢力等[19]利用1982—1993年的这12年间的资料结合同期的气温、降水数据，运用EOF 方法分析了中国植被覆盖变化的时空特征及其与气温、降水气候因子的定量关系。张井勇等[20]从统计学的角度分析发现中国北方过渡带地区植被覆盖变化对夏季气候有重要影响。李学敏等[21]
发现青藏高原冬季的NDVI 与西南地区夏季气温存在滞后相关关系，高原地区的NDVI 异常偏高则会导致西南地区夏季气温偏高。张井勇等[22]利用NDVI 和标准气象站的气温、降水资料的分析表明：华中地区前期NDVI 与后期的温度、降水有较好的相关关系。上述工作对研究植被与气候变化的关系有重要的意义，但这些利用NDVI 资料所做的分析没有突出东部植被的作用，并且所用的NDVI 资料序列较短。中国东部(22～35 °N，110～120 °E)是东亚季风盛行的地区，具有冬冷夏热、四季分明、水热同季、湿润多雨的特点，从而造就了这里成为生态系统复杂的特殊区[23]
域。植被的变化对于气候的反馈可能加强或减缓气候的变化，对于植被覆盖对气候系统的反馈的研究将帮助我们认识气候变化的机理，提高预测气候变化的能力。因此本文要通过分析植被与气候的超前、滞后相关关系，认识植被覆盖的变化对气候的影响，以利于陆面过程模式中有关部分的改进，从而提高对中国东部区域气候的模拟能力。
气气溶胶、水蒸汽及云层生长的影响校正。该资料被认为是相对标准的数据，因此，本文将利用这一资料研究东部植被变化与气温、降水变化的关系。
气候数据为中国气象局提供的我国东部地区的131个气象台站1982—2001年共20年的逐月气温和降水资料。为了消除地理位置、地形及月际变化的影响，对资料进行了标准化处理。
2.1 相关分析方法
运用我国东部的区域平均NDVI 和其气温、降水资料求同期以及超前滞后相关系数，得出NDVI 分别与气温、降水的相关系数比较显著的月份，然后用一个反馈参数来表示NDVI 对气温、降水的影响量化。此方法在气象界曾由Liu et al(2006)用来计算表示植被变化对气温、降水影响的反馈参数。事实上，这种计算方法最早由Frankignoul 和Hasselmann(1977)提出，而后被Frankignoul et al(1998)运用于海气热量传输过程中研究SST 反馈的机制。与SST 的研究类似，NDVI 具有比气温更长的持续时间。本文用这种分析方法来研究我国东部每月的NDVI 的变化对气温、降水的影响。众所周知，反馈一般是二者的相互作用，不过本文主要研究植被的变化对气温、降水的影响。
Liu 等指出大气变量Α(t +dt α)可以假设由两部分组成，
Α(t +dt α)=λΑV (t )+Να(t +dt α) (1)
式中λΑV (t )表示大气在d t α时间后对植被变化的响应，
λΑ是反馈参数，Να(t +dt α)是大气内部产生的与植被生
长变化无关的气候噪音。在方程(1)两边同时乘以V (t -τ) ，然后对各项求平均，用尖括号表示，就可以得到滞后协方差关系式，
〈V (t -τ), A (t +dt α) 〉=λΑ〈V (t -τ), V (t ) 〉+〈V (t -τ), Να(t +dt α)〉 (2) 但是当植被生长这里的气候噪音Να(t +dt α)是未知数，
超前于气温响应0
-
本文研究用到的植被资料是美国国家航天航空
2 资料与方法
局(NASA)的GIMMS(Inventory Modelling and Mapping Studies)植被归一化指数(NDVI)，是NASA 研究人员于2003年11月推出的最新全球植被指数变化数据。资料空间分辨率为0.25 °×0.25 °，时间范围为1982年1月—2001年12月。该资料考虑了全球范围内各种因素对NDVI 值的影响，对下面各种影响作了校正：① 卫星传感器的不稳定性校正；② 热带阔叶林区云的生长引起的变形校正；③ 太阳天顶角和观测角度的校正；④ 火山气溶胶的校正，比如1982年的厄尔奇重火山和1991年的皮纳图博火山的影响；⑤ 对北半球冬季缺失的数据采用了插值法；⑥ 短期大
Να( t+dt α)消去。
〈V (t -τ), Να(t +dt α)〉 (τ>d t α) (3)
这是因为气象噪音无法提前对植被变化产生影响。将方程(3)代入方程(2)，得到一个反馈参数的估计式，
λΑ=〈V (t -τ), A (t +dt α) 〉/〈V (t -τ), V (t ) 〉， 气候响应的时间d t α一般比较短，少于一个月，因此，我们考虑每月的数据时可以忽略d t α。简化后
6期 王永立等：我国东部地区NDVI 与气温、降水的关系研究 727
的反馈参数可以表示为， 正值为主，特别在晚夏初秋，在步长绝对值小于3时相关系数通过了0.1的显著性检验。反映气温的涨落对植被的萌芽、开花、营养期以及落叶起到关键作用。前期NDVI 与后期气温的相关系数以负值为主。特别是时间尺度在3～4个月时，二者的相关系数通过了0.1的显著性检验，说明夏季的植被变化对秋冬的气温涨落有一定的影响，即夏季的植被增加(减少) 时，同年秋冬的气温就降低(升高) 。这与张井勇等[13]的结果：上年冬季的NDVI 与当年夏季的温度在华中为滞后负相关关系的结果有较好的一致性。
0.40.30.20.10-0.1
λΑ=〈V (t -τ), A (t ) 〉/〈V (t -τ), V (t ) 〉 τ>0 (4)
其中τ是时间步长，一般要比大气变量的内部变化时间长。对于气温，λΑ的单位是℃/(月・NDVI) ，表示月NDVI 增加或者减少1时月气温变化的数量值。而对于降水，λΑ的单位是mm/(月・NDVI) 。λΑ的值较大说明NDVI 的变化对气温、降水的变化有大的影响。本文采用Monte Carlo 检验方法(Czaja and Fran- kignoul ，2002) 检验λΑ在统计学上的意义，具体检验方法可见文献[24]。
2.2 SVD方法
SVD 是两个要素场的最大协方差为基础展开，最大限度地从左右场分离出相互独立的耦合分布型，从而揭示出两个场所存在的时域相关性的空间联系
[25]
，由于其计算方便，近年来已被广泛应用于气候本文首先运用相关分析方法研究了东部地区的
诊断研究中[26-28]。
NDVI 与气温、降水的关系，然后再用SVD 方法分析NDVI 与气温及NDVI 与降水在典型月份的关系。
-0.2
-6
-4
-2
0月份
2
4
6
3 结果分析
3.1 NDVI与气温的相互作用
东部地区的植被类型以农作物为主，在武夷山等山区有混合林的存在。如图1c 所示：植被的变化大约滞后于气温变化的时间尺度为一个月。而图1a 中，在气温超前于植被或者植被超前于气温2个月的范围内，NDVI 与气温的相关系数为正值且都通过了0.1的显著性检验，这就说明植被与气温的反馈方式为：在不考虑其它外在因素的影响下，首先高的温度会使后期的植被覆盖度增加，而结果会使表面温度进一步升高。前面提到植被的变化对气温的影响程度可以用λΑ量化表示，利用公式(4)计算出在τ＝1时，λΑ＝15.17 ℃/(月・NDVI) ，并且通过了 0.1的显著性检验。而τ＝2时，λΑ＝12.24 ℃/(月・NDVI) ，说明植被与气温的变化在短期内相互作用比较明显。
图1b 显示了年均每月的NDVI 与同期及与其超前、滞后月气温的相关系数的大小分布，同期二者为正相关，这与图1a 所示结果一致。前期气温对NDVI 的影响体现为在春夏相关系数主要为负值，特别是1月份的温度与6月份NDVI ，相关系数通过了0.01的显著性检验。说明上年冬季的气温升高(降低) ，则当年初夏植被减少(增加) 。而秋冬二者的相关系数以
0.30.40.50.60.7
30
24
180C
12
1
2
3
4
5
6
7
8
9
10
11
月份
6
12
图1 a. 年均NDVI 与气温的相关系数分布 虚(实) 线表
示90%(99%)的显著水平(步长为正表示NDVI 超前月份，负为气温
b. 各月NDVI 与气温相关系数分布 阴影区表示相关系数超过0.1的显著性检验区。 c. 区域平均NDVI 及气温的年际(逐月) 变化 虚线为气温线，实线为NDVI 值。
超前月数) 。
728 热 带 气 象 学 报 25卷
图1c 也显示了NDVI 和气温的年变化，植被指数一年内在0.3～0.6之间变化，3月份植被指数开始增大，8月份达到最大。气温的变化相对植被波动较大，在1月份最低，为6.03 ℃，而在7月份达到最高，在27.62 ℃左右。
从上面的分析可知，植被的变化与气温的变化在短期内相互作用比较明显，前期气温与植被的相关系数在春夏为负值，而在秋冬为正值。前期植被与气温的相关系数则主要为负值。
正值。
0.2
0.1
-0.1
-0.2
(a)
-0.3
-6
-4
-2
0月份
2
4
6
3.2 植被与降水的相互作用
东部地区的植被指数达到最大的月份大约滞后于降水量的大值月份的时间尺度大约为两个月(图2c) ，图2a 显示植被与降水的同期相关系数最大为负值，通过了0.01的显著性检验，而无论植被超前或者滞后于降水的时间尺度在1～4个月时，二者的相关系数转为正值，表明植被覆盖好时，同期的降水量小，但后期的降水量增加。张井勇等[21]的研究表明：区域尺度上植被作用区域气候的滞后期可能为1～2个季节，特别是对降水的滞后相关最为明显。植被的反馈能增加局地大气的含水量，但是局地水分的增加在本地产生降水的响应存在一种时间上的滞后性。而谢力等[18]分析降水的滞后响应可能是由于植被生长对累积土壤湿度的直接依赖性要强于对降水量的直接依赖——植被生长主要通过吸收土壤水分而获得。图2b 显示植被与降水在同期以负相关为主，特别是在春夏两个季节的相关系数通过了0.1的显著性检验，说明春夏两个季节植被的增加(减少) 对同期降水量的减少(增加) 有显著影响。前期降水的变化对植被变化的影响主要体现为正相关，特别是当年夏季的降水量增加(减少) ，秋季的植被增加(减少) ；而前期植被的变化对降水的影响也主要为正相关，特别是秋季的10月份的植被增加(减少) ，则明年冬季的降水量增大(减少) ，但这也可能与融冰化雪有关。在秋季植被与降水存在一个显著相互作用过程：在春末夏初的降水量增加(减少) ，秋季的植被增加(减少) ，冬末春初的降水量增加(减少) 。图2c 表明降水在6月份达到最大，为222.40 mm，12月份最小，为31.81 mm，与温度的年变化相比，最大、最小值出现的月份都提前了一个月。
计算方植被对降水的影响程度也可以用λΑ表示，法与温度类似，在τ＝3时，λΑ＝－702.49 mm /(月・NDVI) 。
植被与降水的相关系数在同期为负值，而前期植被与降水以及前期降水与植被的相关系数则主要为
0.7240
0.6180
0.5
120mm
0.460
0.3
(c)
1
2
3
4
5
67
月份
8
9
10
11
012
图2 同图1，但为降水
3.3 SVD 分析
结合前面各月NDVI 与气温、降水的相关系数分布图，本文选取7月份的NDVI 为左场，8月份的气温、降水分别为右场，应用SVD (Singular Value Decomposition) 方法分析两个要素场之间的协同变化关系，进一步了解前期植被的变化对后期气温、降水的影响。下文对特征向量场的分析是采用异性相关型
[29-30]
。
表1给出前4对模态的协方差贡献(SCF)和累积
3.3.1 7月份的NDVI 对8月份温度的影响
协方差(CSCF)以及相关系数，由表可见前4对模态的累积协方差占总方差的90%以上，其中前两对模态的累积协方差占总方差78.72%，对应的相关系数
6期 王永立等：我国东部地区NDVI 与气温、降水的关系研究
729
也都通过了0.01的显著性检验。表明东部7月份的植被变化与8月份的气温有较明显的相关关系。下面分析前两对模态即可反应东部7月份的植被变化与8月份的气温相互关系的主要信息。
表1 7月份的NDVI 与8月份气温的SVD 结果分析
7月份的NDVI 与8月份的气温从总体上有着较好的正相关关系，河南东北部及西南部是影响8月份气温的显著区域，相关系数在0.6以上。26 °N以南是主要的负相关区，但相关系数都大于－0.4。与此相对应的右场相关系数(图3b) 显示：全区基本为正的相关系数分布，沿长江流域为大值分布区，中心值在0.7以上。福建、广东的沿海地区有小的负值区，且相关
K
SCF/% CSCF/% R (a k ，b k )
1 51.67 51.67 0.78
系数值较小。图3c 给出了两者的第一模态的时间系2 27.05 78.72 0.60
3 10.44 89.16 0.63 数。可以看出7月份的NDVI 与8月份的气温的时间4 3.09 92.26 0.78
图3为SVD 分析得到7月份NDVI 与8月份气温的第一模态异性相关型，它占解释总方差的51.76%，相关系数为0.78，远远大于0.01的显著性检验值。从左场的异性相关系数分布图(图3a) 看出：
系数变化趋势基本一致，7月份的NDVI 的时间系数
的波动较大，且下降趋势明显，而8月份的气温时间系数变化则相对平滑，反映了气温的变化滞后于NDVI 的变化。
图3 第一模态7月份NDVI(a)、8月份气温场(b)异性相关系数分布和时间序列分布(c)
c 中实线表示NDVI 值，虚线为温度值。
7月份的NDVI 与8月份气温SVD 分析得到的第二对模态的方差贡献为27.05%，相关系数为0.60，通过了0.01的显著性检验。左场的异性相关系数图上(图略) 的正负值分布基本与第一模态相反，广东、福建沿海是影响8月份气温的显著正相关区域，中心值在0.6以上。与此对应的右场相关系数(图略) 显示
出东部区域的西南部与其他地区的反相变化，江西的东北部为显著的大值分布，中心值在0.6以上。表明广东、福建沿海地区的植被增加(减少) ，则当年8月份的降水在西南部减少(增加) ，其他地区增加(减少) 。
SVD 的第一模态的分析结果在一定程度上有预
730 热 带 气 象 学 报 25卷
报意义。东部地区7月份26 °N以北的区域NDVI 增加(减少) ，而26 °N以南区域减少(增加) ，则8月份气温在福建减少(增加) ，其他地区增加(减少) ，其中尤以河南的东北部及西南部地区的NDVI 指数有预报意义。
分地区，且相关系数都小于0.4。与此相对应的右场相关系数(图4b) 显示：全区的大部分地区为正相关系数分布，负值基本分布在32 °N以北；江西的中东部的相关系数达到0.6以上；北部地区特别是在河南的东北部的相关系数小于－0.4。图4c 是二者的第一模态的时间系数。可看出7月份的NDVI 与8月份的降水的时间系数趋势基本一致；7月份的NDVI 的时间系数的变化趋势跳跃较大，且上升趋势明显，而8月份的降水时间系数的趋势变化则相对平滑，反映了降水的变化滞后于NDVI 的变化。
上述SVD 第一模态的结果表明，东部7月份的NDVI 增加(减少) ，则8月份的降水在32 °N以北增加(减少) ，32 °N以南减少(增加) ，其中长江流域的NDVI 指数有一定的预报意义。
3.3.2 7月份的NDVI 对8月份降水的影响
表2给出7月份的NDVI 与8月份降水的SVD 分析的前4对模态的协方差贡献(SCF)和累积协方差(CSCF)以及相关系数。由表可见：前4对模态的累积协方差占总方差的80%以上，每对模态的相关系数都通过了0.01的显著性检验。表明东部7月份的植被变化与8月份的降水有较明显的相关关系。而第一模态协方差贡献为48.54%，相关系数高达0.75，表明第一模态反映了东部7月份的植被变化与8月份的气温相互关系的主要信息。
图4为第一模态异性相关型的分布。从左场的异性相关系数分布图(图4a) 看出，7月份的NDVI 与8月份的降水从总体上有着较好的负相关关系。长江流域及其南部地区为影响我国东部8月份降水的关键区域，正值只是零星地分布在河南、淮河流域的小部
表2 7月份的NDVI 与8月份降水的SVD 结果
K SCF/% CSCF/% R (a k ，b k )
2 16.71 65.25 0.88 3 9.85 75.11 0.85 4 6.32 81.32 0.86
图4 同图3，但为降水场
6期 王永立等：我国东部地区NDVI 与气温、降水的关系研究 731
秋季植被与降水存在一个显著相互作用的过程：在春末夏初的降水量增加(减少) ，秋季的植被增加(减少) ，冬末春初的降水量增加(减少) 。降水量6月份达到最大，12月份最小。
(2) SVD分析表明：东部大部分地区7月份的NDVI 与8月份的气温、降水有较好的相关关系，且这种滞后相关存在明显的区域差异。① 东部地区7月份河南西南部及东北部区域NDVI 增加(减少) ，而广东、云南等沿海区域NDVI 减少(增加) ，则随后的8月份气温在福建减少(增加) ，其他地区增加(减少) 。② 东部7月份NDVI 整体增加(减少) ，特别是在长江流域增加(减少) 趋势明显时，则降水在32 °N以南增加(减少) ，以北减少(增加) 。因此，前期植被的变化特征，可以作为后期气温、降水的预报的一种参考因子。
本文只是从统计学角度对二者的关系做了初步的分析和研究，但对二者的物理机制的探讨不够深入，我们将在以后的工作中通过进一步的诊断分析及数值模拟探讨其间的物理机制。
利用季风区20年来(1982—2001年) 植被归一化
4 结论与讨论
指数(NDVI)和131个标准气象台站的气温、降水资料，通过相关分析和SVD 方法，分析了NDVI 与气温、降水的相关关系和协同变化特征。
(1) 相关分析表明：① NDVI的最大值滞后于气温最高值的时间尺度在一个月左右。而NDVI 与超前、滞后两个月的气温为正相关。前期气温与后期NDVI 的相关系数在春夏为负值，在秋冬以正值为主，尤其在晚夏初秋的相关系数最大。而前期植被与后期气温的相关系数以负值为主，特别是夏季的植被与秋末冬初的气温的相关系数最大。NDVI 和气温的年变化说明，植被覆盖度8月份最大，气温在7月份为最高。② NDVI最大值滞后于降水最大值的时间尺度在两个月左右，同期NDVI 与降水为负相关，而无论降水超前于NDVI 或者NDVI 超前于降水的时间尺度在1～4个月时，二者的相关系数转为正值。在
参 考 文 献:
[1] 周广胜，王玉辉，白莉平，等. 陆地生态系统与全球变化相互作用的研究进展[J]. 气象学报，2004，62(5)：692-708.
[2] RICHEY J E, CARLOS NOBRE，CLARA DESER. Amazon river discharge and climate variability: 1903-1985[J]. Science, 1989, 46: 101-103. [3] GORNITZ V. Climate consequences of anthropogenic vegetation changes from 1880～1980.In Climate：History, Periodicity, and Predictability
[J]. Van Nostrand Reinhold, New York, 1987：47-69.
[4] 范广洲，程国栋. 影响青藏高原植被生理过程与大气二氧化碳浓度及气候变化的相互作用[J]. 大气科学, 2002, 26(4) : 509- 518.
[5] HENDENSON-Sellers, DICKINSON R E, DURBIDGE T B, etal. Tropical deforestation: Modeling local-to regional scale climate change[J]. J
Geophys Res, 1993, 98: 7 289-7 315.
[6] DICKINSON R E, HENDERSON-Sellers A. Modeling tropical deforestation:A study of GCM land-surface parameterization[J]. Quart J Roy
Meteor Soc, 1988, 114: 439-462.
[7] LEAN J, ROWNTREE P R. A GCM simulation of the impact of Amazonian deforestation on climate using an improved canopy representation[J].
Quart J Roy Meteor Soc, 1993, 119: 509-530.
[8] HENDERSON-Sellers A, GORNITZ V. Possible climate impacts of land cover transformations,with particular emphasis on tropical deforestation
[J]. Climate Change, 1984, 6: 231-258.
[9] TURKER C J, TOWNSHEND J R G, GOFF T E. African land-cover classification using satellite data[J]. Science, 1985, 227: 369-375. [10] CURRAN P J. Multispectral remote sensing of vegetation amount[J]. Progress in physical geography, 1980, 4: 319-341.
[11] TUCKER C J, VANPRACT C, BOERWINKEL E, etal. Satelite remote sensing of total dry matter production in the Senegalese Sabel[J]. Remote
Sensing of Environment, 1983, 13: 461-474.
[12] TUCKER C J, VAOPRACT C L, SHARMAN M J, et al. Satellite remote sensing of total berbacous biomass production in the Senegalese Sahel:
1980-1984[J]. Remote Sensing of Environment, 1985, 17: 233-249. [13] TUCKER C J, TOWNSBOOD J R G. African land-cover classification using satellite data[J]. Science，1985, 227: 369-375.
[14] RUNNING S W, LOVELAND T R. A remote sensing based vegetation classification logic for global land cover analysis[J]. Remote Sensing of
Environment, 1995, 51: 39-38.
[15] LAMBIN E F, EHRLICH D. Land-cover changes in Sub-Saharan Africa (1982-1991): Application of a change index based on remotely sensed
surface temperature and vegetation indices at a continental scale[J]. Remote Sensing of Environment, 1997, 61: 181-200.
732 热 带 气 象 学 报 25卷
[16] POTTER C S, BROOKS V. Global analysis of empirical relations between annual climate and seasonality of NDVI[J]. International Journal,
2003: 12-18.
[17] FU Cong bin, WEN Gang. Variation of ecosystems over East Asia in association with seasonal, inter-annual and decadal monsoon climate
variability[J]. Climatic Change, 1999, 43: 477-494. [18] 温刚，符淙斌. 东部季风区植被物候季节变化对气候响应的大尺度特征:多年平均结果[J]. 大气科学，2000，24(5)：676-682. [19] 谢力，温刚，符淙斌. 中国植被覆盖季节变化和空间分布对气候的响应—多年平均结果[J] .气象学报，2002，60(2)：181-188. [20] 张井勇，董文杰，叶笃正, 等. 中国植被覆盖对夏季气候影响的新证据[J]. 科学通报，2003，48(1): 91-95.
[21] 李学敏，周定文，范广洲, 等. 青藏高原冬季NDVI 与西南地区夏季气温的滞后关系[J]. 应用气象学报，2008，19(2)：161－170. [22] 张井勇，董文杰，符淙斌. 中国北方和蒙古南部植被退化对区域气候的影响[J]. 科学通报，2005，50(1)：53-58. [23] 杨勤业，郑度，吴绍洪. 关于中国的亚热带[J]. 亚热带资源与环境学报，2006，1(1): 1－10.
[24] 施能，魏凤英, 封国林，等. 气象场相关分析及合成分析中蒙特卡洛检验方法及应用[J]. 南京气象学院学报，1997，20(3)：355－359. [25] 丁裕国，江志红. SVD方法在气象诊断分析中的普适性[J]. 气象学报, 1995, 54(3): 365-371.
[26] 陈科艺，王谦谦，毛文书, 等. 江淮北区6～7月降水异常与北太平洋海温的SVD 分析[J]. 高原气象，2006，25(3)：539－544. [27] 刘雅勤, 范广洲, 周定文, 等. 青藏高原冬、春植被归一化指数变化特征及其与高原夏季降水的联系[J]. 2007，65(6)：959-967. [28] PROHASKA J. A technique for analyzing the linear relationships between two meteorological fields[J]. Mon Wea Rev, 1976, 104: 1 345-1 353. [29] 吴洪宝，吴蕾. 气候变率诊断和预测方法[M]. 北京：气象出版社，2005：111－131.
[30] 江志红, 丁裕国. 我国夏半年降水距平与北太平洋海温异常的奇异值分解法分析[J]. 热带气象学报，1995，11(2)：133－141.
THE STUDY OF THE RELATIONSHIP BETWEEN NORMALIZED DIFFERENCE
VEGETATION INDEX AND BOTH TEMPERATURE AND
PRECIPITATION IN EAST CHINA
WANG Yong-li, FAN Guang-zhou, ZHOU Ding-wen, HUA Wei, HUANG Xian-lun
(Center for Plateau Atmospheric and Environment Research, Chengdu University of
Information Technology, Chengdu 610225, China)
Abstract : With the methods of correlation analysis and SVD, the interactions between vegetation and both temperature and precipitation are studied for 1982—2001 in East China by using the Normalized Difference Vegetation Index (NDVI) and monthly climate data of 131 standard meteorological stations. Based on the correlation analysis, the result shows that the highest NDVI value lags behind the maximum temperature by about a month. The correlation between air temperature and subsequent NDVI is negative in spring and summer while being mostly positive in autumn and winter. The correlation between NDVI and subsequent temperature is almost all negative. The maximum of NDVI is about two months lagging behind that of precipitation. The correlation coefficient is negative for concurrent NDVI and precipitation while being negative if precipitation leads NDVI or NDVI leads precipitation by more than a month. The SVD analysis suggests good correlations between July NDVI and both temperature and precipitation in August. The correlation is highly positive between the NDVI in the southwest and northeast of Henan province and the temperature in most areas shows, while the NDVI in Yangtze River basin is much negatively correlated with the precipitation in areas south of 32 °N. Therefore, the vegetation variability could be considered one of the factors of reference in forecasting the subsequent temperature and precipitation in the east of China.
Key words: climate change；correlation analysis and Singular Value Decomposition；NDVI ；East china；
temperature ；precipitation
第25卷 第6期 热 带 气 象 学 报 V ol.25，No.6 2009年12月 JOURNAL OF TROPICAL METEOROLOGY Dec. ，2009
文章编号：1004-4965(2009)06-0725-08
我国东部地区NDVI 与气温、降水的关系研究
王永立， 范广洲， 周定文， 华维， 黄先伦
(成都信息工程学院高原大气与环境研究中心，四川 成都 610225)
摘 要: 利用东部地区的1982—2001年归一化植被指数(NDVI)资料以及131个标准气象台站的气温、
降水资料，用相关分析、奇异值分析(SVD)方法研究了该地区的植被与气温、降水的相互作用，得到以下几点认识：NDVI 的最大值滞后于气温最高值的时间尺度在一个月左右。前期气温与后期NDVI 的相关系数在春夏为负值，在秋冬却以正值为主。前期植被与后期气温的相关系数以负值为主。NDVI 最大值滞后于降水最大值的时间尺度在两个月左右，同期NDVI 与降水的相关系数为负值，而无论降水超前于NDVI 或者NDVI 超前于降水的时间尺度大于1个月时，二者的相关系数转为正值。由SVD 方法得到东部地区7月份的NDVI 与8月份的气温、降水有较好的相关关系。河南西南部及东北部区域NDVI 与大部分地区的气温为正相关；长江流域NDVI 与32 °N以南地区的降水有较好的负相关。因此，前期植被的变化特征可以作为后期气温、降水的预报的一种参考因子。
关 键 词：气候变化；相关分析和SVD ；NDVI ；东部地区；气温；降水
中图分类号：P461.7 文献标识码：A Doi ：10.3969/j.issn.1004-4965.2009.06.011
Henderson-Sellers 等[5]认为植被退化将使降水减少，而Dickinson 等[6]认为变化不大。Lean 等[7]认为植被退化将造成地面气温显著升高，但Henderson-Sellers 等[8]认
全球气候变化将对陆地生态系统产生重要影响，
为在不同季节、不同区域的地面气温有升、有降或基本不变。尽管以上结论差异显著，但关于下垫面植被改变会对区域气候产生一定影响的结论却是一致的。 通过对地表植被的动态监测来获取地表植被覆盖和长势信息，不仅是许多全球及区域气候模型中所需的重要信息，也是描述生态系统的重要基础数据。对于揭示地表空间变化规律，探讨变化的驱动因子，分析评价区域生态环境有重要现实意义。归一化植被指数(Normalized Difference Vegetatiom Index: NDVI)就是常被用于监测植被的遥感指数[9-10]。NDVI 与绿色叶片生物量、叶面积指数、植物光合能力、总的干物质积累以及年净初级生产力等均有很好的相关性[11-12]
，常被用于进行大尺度土地生长和植被分类[13-14]
、土地生长动态变化检测[15]、模拟各种植被及地表生物物理参数、与气候变化关系[16-17]等方面的研
1 引 言
而陆地生态系统的改变又将反馈于全球气候变化。地表植被是陆地生态系统的重要组成部分，也是地表状况的重要特征，更是生物圈及其生态系统的核心和功能部分，因此植被大气相互作用的研究已经成为全球变化研究的一个重要领域。不同的植被类型通过改变地表反照率、蒸散率、地表粗糙度等影响植被与大气之间的物质(如水和二氧化碳等) 和能量(如太阳辐射、动量和热量等) 交换来影响气候[1]。植被遭到破坏后，将不但会影响当地的降水量，改变下游洪水泛滥的频率和强度[2]，而且还将导致土壤侵蚀和地表水的减少
[3]
。例如：中国西北地区的大面积绿化将导致中国及
中南半岛地区的降水量增加，印度降水减少[4]。关于亚马逊森林砍伐引起的气候效应结论不一，
收稿日期: 2008-07-10; 修订日期：2008-10-18
基金项目：甘肃省气象局局校合作项目“青藏高原植被下垫面对区域气候影响的初步数值模拟研究”；四川省科技厅应用技术研究与开发项目
“四川省植被生态系统演变过程及其机理研究(07JY029-036)”；中国气象局成都高原气象研究所开放课题“青藏高原植被变化对 区域气候的影响及其机理研究(LPM2006020)”共同资助
通讯作者: 王永立(1982-) ，男，河南省人，在读博士研究生，主要从事陆面过程研究。E-mail: [email protected]
726 热 带 气 象 学 报 25卷
究，在气象学领域目前被广泛应用于植被和气候相互作用的研究领域。温刚等[18]分析了个别年份(1988—1989年) 中国大陆植被与气候的关系，发现中国大陆植被生长存在明显的季节变化，生长过程具有“突变性”、植被的生长季节变化与东亚季风进退有关，从而初步确定了一条斜穿中国大陆的大尺度植被过渡带，植被生长延迟气温和降水的变化。谢力等[19]利用1982—1993年的这12年间的资料结合同期的气温、降水数据，运用EOF 方法分析了中国植被覆盖变化的时空特征及其与气温、降水气候因子的定量关系。张井勇等[20]从统计学的角度分析发现中国北方过渡带地区植被覆盖变化对夏季气候有重要影响。李学敏等[21]
发现青藏高原冬季的NDVI 与西南地区夏季气温存在滞后相关关系，高原地区的NDVI 异常偏高则会导致西南地区夏季气温偏高。张井勇等[22]利用NDVI 和标准气象站的气温、降水资料的分析表明：华中地区前期NDVI 与后期的温度、降水有较好的相关关系。上述工作对研究植被与气候变化的关系有重要的意义，但这些利用NDVI 资料所做的分析没有突出东部植被的作用，并且所用的NDVI 资料序列较短。中国东部(22～35 °N，110～120 °E)是东亚季风盛行的地区，具有冬冷夏热、四季分明、水热同季、湿润多雨的特点，从而造就了这里成为生态系统复杂的特殊区[23]
域。植被的变化对于气候的反馈可能加强或减缓气候的变化，对于植被覆盖对气候系统的反馈的研究将帮助我们认识气候变化的机理，提高预测气候变化的能力。因此本文要通过分析植被与气候的超前、滞后相关关系，认识植被覆盖的变化对气候的影响，以利于陆面过程模式中有关部分的改进，从而提高对中国东部区域气候的模拟能力。
气气溶胶、水蒸汽及云层生长的影响校正。该资料被认为是相对标准的数据，因此，本文将利用这一资料研究东部植被变化与气温、降水变化的关系。
气候数据为中国气象局提供的我国东部地区的131个气象台站1982—2001年共20年的逐月气温和降水资料。为了消除地理位置、地形及月际变化的影响，对资料进行了标准化处理。
2.1 相关分析方法
运用我国东部的区域平均NDVI 和其气温、降水资料求同期以及超前滞后相关系数，得出NDVI 分别与气温、降水的相关系数比较显著的月份，然后用一个反馈参数来表示NDVI 对气温、降水的影响量化。此方法在气象界曾由Liu et al(2006)用来计算表示植被变化对气温、降水影响的反馈参数。事实上，这种计算方法最早由Frankignoul 和Hasselmann(1977)提出，而后被Frankignoul et al(1998)运用于海气热量传输过程中研究SST 反馈的机制。与SST 的研究类似，NDVI 具有比气温更长的持续时间。本文用这种分析方法来研究我国东部每月的NDVI 的变化对气温、降水的影响。众所周知，反馈一般是二者的相互作用，不过本文主要研究植被的变化对气温、降水的影响。
Liu 等指出大气变量Α(t +dt α)可以假设由两部分组成，
Α(t +dt α)=λΑV (t )+Να(t +dt α) (1)
式中λΑV (t )表示大气在d t α时间后对植被变化的响应，
λΑ是反馈参数，Να(t +dt α)是大气内部产生的与植被生
长变化无关的气候噪音。在方程(1)两边同时乘以V (t -τ) ，然后对各项求平均，用尖括号表示，就可以得到滞后协方差关系式，
〈V (t -τ), A (t +dt α) 〉=λΑ〈V (t -τ), V (t ) 〉+〈V (t -τ), Να(t +dt α)〉 (2) 但是当植被生长这里的气候噪音Να(t +dt α)是未知数，
超前于气温响应0
-
本文研究用到的植被资料是美国国家航天航空
2 资料与方法
局(NASA)的GIMMS(Inventory Modelling and Mapping Studies)植被归一化指数(NDVI)，是NASA 研究人员于2003年11月推出的最新全球植被指数变化数据。资料空间分辨率为0.25 °×0.25 °，时间范围为1982年1月—2001年12月。该资料考虑了全球范围内各种因素对NDVI 值的影响，对下面各种影响作了校正：① 卫星传感器的不稳定性校正；② 热带阔叶林区云的生长引起的变形校正；③ 太阳天顶角和观测角度的校正；④ 火山气溶胶的校正，比如1982年的厄尔奇重火山和1991年的皮纳图博火山的影响；⑤ 对北半球冬季缺失的数据采用了插值法；⑥ 短期大
Να( t+dt α)消去。
〈V (t -τ), Να(t +dt α)〉 (τ>d t α) (3)
这是因为气象噪音无法提前对植被变化产生影响。将方程(3)代入方程(2)，得到一个反馈参数的估计式，
λΑ=〈V (t -τ), A (t +dt α) 〉/〈V (t -τ), V (t ) 〉， 气候响应的时间d t α一般比较短，少于一个月，因此，我们考虑每月的数据时可以忽略d t α。简化后
6期 王永立等：我国东部地区NDVI 与气温、降水的关系研究 727
的反馈参数可以表示为， 正值为主，特别在晚夏初秋，在步长绝对值小于3时相关系数通过了0.1的显著性检验。反映气温的涨落对植被的萌芽、开花、营养期以及落叶起到关键作用。前期NDVI 与后期气温的相关系数以负值为主。特别是时间尺度在3～4个月时，二者的相关系数通过了0.1的显著性检验，说明夏季的植被变化对秋冬的气温涨落有一定的影响，即夏季的植被增加(减少) 时，同年秋冬的气温就降低(升高) 。这与张井勇等[13]的结果：上年冬季的NDVI 与当年夏季的温度在华中为滞后负相关关系的结果有较好的一致性。
0.40.30.20.10-0.1
λΑ=〈V (t -τ), A (t ) 〉/〈V (t -τ), V (t ) 〉 τ>0 (4)
其中τ是时间步长，一般要比大气变量的内部变化时间长。对于气温，λΑ的单位是℃/(月・NDVI) ，表示月NDVI 增加或者减少1时月气温变化的数量值。而对于降水，λΑ的单位是mm/(月・NDVI) 。λΑ的值较大说明NDVI 的变化对气温、降水的变化有大的影响。本文采用Monte Carlo 检验方法(Czaja and Fran- kignoul ，2002) 检验λΑ在统计学上的意义，具体检验方法可见文献[24]。
2.2 SVD方法
SVD 是两个要素场的最大协方差为基础展开，最大限度地从左右场分离出相互独立的耦合分布型，从而揭示出两个场所存在的时域相关性的空间联系
[25]
，由于其计算方便，近年来已被广泛应用于气候本文首先运用相关分析方法研究了东部地区的
诊断研究中[26-28]。
NDVI 与气温、降水的关系，然后再用SVD 方法分析NDVI 与气温及NDVI 与降水在典型月份的关系。
-0.2
-6
-4
-2
0月份
2
4
6
3 结果分析
3.1 NDVI与气温的相互作用
东部地区的植被类型以农作物为主，在武夷山等山区有混合林的存在。如图1c 所示：植被的变化大约滞后于气温变化的时间尺度为一个月。而图1a 中，在气温超前于植被或者植被超前于气温2个月的范围内，NDVI 与气温的相关系数为正值且都通过了0.1的显著性检验，这就说明植被与气温的反馈方式为：在不考虑其它外在因素的影响下，首先高的温度会使后期的植被覆盖度增加，而结果会使表面温度进一步升高。前面提到植被的变化对气温的影响程度可以用λΑ量化表示，利用公式(4)计算出在τ＝1时，λΑ＝15.17 ℃/(月・NDVI) ，并且通过了 0.1的显著性检验。而τ＝2时，λΑ＝12.24 ℃/(月・NDVI) ，说明植被与气温的变化在短期内相互作用比较明显。
图1b 显示了年均每月的NDVI 与同期及与其超前、滞后月气温的相关系数的大小分布，同期二者为正相关，这与图1a 所示结果一致。前期气温对NDVI 的影响体现为在春夏相关系数主要为负值，特别是1月份的温度与6月份NDVI ，相关系数通过了0.01的显著性检验。说明上年冬季的气温升高(降低) ，则当年初夏植被减少(增加) 。而秋冬二者的相关系数以
0.30.40.50.60.7
30
24
180C
12
1
2
3
4
5
6
7
8
9
10
11
月份
6
12
图1 a. 年均NDVI 与气温的相关系数分布 虚(实) 线表
示90%(99%)的显著水平(步长为正表示NDVI 超前月份，负为气温
b. 各月NDVI 与气温相关系数分布 阴影区表示相关系数超过0.1的显著性检验区。 c. 区域平均NDVI 及气温的年际(逐月) 变化 虚线为气温线，实线为NDVI 值。
超前月数) 。
728 热 带 气 象 学 报 25卷
图1c 也显示了NDVI 和气温的年变化，植被指数一年内在0.3～0.6之间变化，3月份植被指数开始增大，8月份达到最大。气温的变化相对植被波动较大，在1月份最低，为6.03 ℃，而在7月份达到最高，在27.62 ℃左右。
从上面的分析可知，植被的变化与气温的变化在短期内相互作用比较明显，前期气温与植被的相关系数在春夏为负值，而在秋冬为正值。前期植被与气温的相关系数则主要为负值。
正值。
0.2
0.1
-0.1
-0.2
(a)
-0.3
-6
-4
-2
0月份
2
4
6
3.2 植被与降水的相互作用
东部地区的植被指数达到最大的月份大约滞后于降水量的大值月份的时间尺度大约为两个月(图2c) ，图2a 显示植被与降水的同期相关系数最大为负值，通过了0.01的显著性检验，而无论植被超前或者滞后于降水的时间尺度在1～4个月时，二者的相关系数转为正值，表明植被覆盖好时，同期的降水量小，但后期的降水量增加。张井勇等[21]的研究表明：区域尺度上植被作用区域气候的滞后期可能为1～2个季节，特别是对降水的滞后相关最为明显。植被的反馈能增加局地大气的含水量，但是局地水分的增加在本地产生降水的响应存在一种时间上的滞后性。而谢力等[18]分析降水的滞后响应可能是由于植被生长对累积土壤湿度的直接依赖性要强于对降水量的直接依赖——植被生长主要通过吸收土壤水分而获得。图2b 显示植被与降水在同期以负相关为主，特别是在春夏两个季节的相关系数通过了0.1的显著性检验，说明春夏两个季节植被的增加(减少) 对同期降水量的减少(增加) 有显著影响。前期降水的变化对植被变化的影响主要体现为正相关，特别是当年夏季的降水量增加(减少) ，秋季的植被增加(减少) ；而前期植被的变化对降水的影响也主要为正相关，特别是秋季的10月份的植被增加(减少) ，则明年冬季的降水量增大(减少) ，但这也可能与融冰化雪有关。在秋季植被与降水存在一个显著相互作用过程：在春末夏初的降水量增加(减少) ，秋季的植被增加(减少) ，冬末春初的降水量增加(减少) 。图2c 表明降水在6月份达到最大，为222.40 mm，12月份最小，为31.81 mm，与温度的年变化相比，最大、最小值出现的月份都提前了一个月。
计算方植被对降水的影响程度也可以用λΑ表示，法与温度类似，在τ＝3时，λΑ＝－702.49 mm /(月・NDVI) 。
植被与降水的相关系数在同期为负值，而前期植被与降水以及前期降水与植被的相关系数则主要为
0.7240
0.6180
0.5
120mm
0.460
0.3
(c)
1
2
3
4
5
67
月份
8
9
10
11
012
图2 同图1，但为降水
3.3 SVD 分析
结合前面各月NDVI 与气温、降水的相关系数分布图，本文选取7月份的NDVI 为左场，8月份的气温、降水分别为右场，应用SVD (Singular Value Decomposition) 方法分析两个要素场之间的协同变化关系，进一步了解前期植被的变化对后期气温、降水的影响。下文对特征向量场的分析是采用异性相关型
[29-30]
。
表1给出前4对模态的协方差贡献(SCF)和累积
3.3.1 7月份的NDVI 对8月份温度的影响
协方差(CSCF)以及相关系数，由表可见前4对模态的累积协方差占总方差的90%以上，其中前两对模态的累积协方差占总方差78.72%，对应的相关系数
6期 王永立等：我国东部地区NDVI 与气温、降水的关系研究
729
也都通过了0.01的显著性检验。表明东部7月份的植被变化与8月份的气温有较明显的相关关系。下面分析前两对模态即可反应东部7月份的植被变化与8月份的气温相互关系的主要信息。
表1 7月份的NDVI 与8月份气温的SVD 结果分析
7月份的NDVI 与8月份的气温从总体上有着较好的正相关关系，河南东北部及西南部是影响8月份气温的显著区域，相关系数在0.6以上。26 °N以南是主要的负相关区，但相关系数都大于－0.4。与此相对应的右场相关系数(图3b) 显示：全区基本为正的相关系数分布，沿长江流域为大值分布区，中心值在0.7以上。福建、广东的沿海地区有小的负值区，且相关
K
SCF/% CSCF/% R (a k ，b k )
1 51.67 51.67 0.78
系数值较小。图3c 给出了两者的第一模态的时间系2 27.05 78.72 0.60
3 10.44 89.16 0.63 数。可以看出7月份的NDVI 与8月份的气温的时间4 3.09 92.26 0.78
图3为SVD 分析得到7月份NDVI 与8月份气温的第一模态异性相关型，它占解释总方差的51.76%，相关系数为0.78，远远大于0.01的显著性检验值。从左场的异性相关系数分布图(图3a) 看出：
系数变化趋势基本一致，7月份的NDVI 的时间系数
的波动较大，且下降趋势明显，而8月份的气温时间系数变化则相对平滑，反映了气温的变化滞后于NDVI 的变化。
图3 第一模态7月份NDVI(a)、8月份气温场(b)异性相关系数分布和时间序列分布(c)
c 中实线表示NDVI 值，虚线为温度值。
7月份的NDVI 与8月份气温SVD 分析得到的第二对模态的方差贡献为27.05%，相关系数为0.60，通过了0.01的显著性检验。左场的异性相关系数图上(图略) 的正负值分布基本与第一模态相反，广东、福建沿海是影响8月份气温的显著正相关区域，中心值在0.6以上。与此对应的右场相关系数(图略) 显示
出东部区域的西南部与其他地区的反相变化，江西的东北部为显著的大值分布，中心值在0.6以上。表明广东、福建沿海地区的植被增加(减少) ，则当年8月份的降水在西南部减少(增加) ，其他地区增加(减少) 。
SVD 的第一模态的分析结果在一定程度上有预
730 热 带 气 象 学 报 25卷
报意义。东部地区7月份26 °N以北的区域NDVI 增加(减少) ，而26 °N以南区域减少(增加) ，则8月份气温在福建减少(增加) ，其他地区增加(减少) ，其中尤以河南的东北部及西南部地区的NDVI 指数有预报意义。
分地区，且相关系数都小于0.4。与此相对应的右场相关系数(图4b) 显示：全区的大部分地区为正相关系数分布，负值基本分布在32 °N以北；江西的中东部的相关系数达到0.6以上；北部地区特别是在河南的东北部的相关系数小于－0.4。图4c 是二者的第一模态的时间系数。可看出7月份的NDVI 与8月份的降水的时间系数趋势基本一致；7月份的NDVI 的时间系数的变化趋势跳跃较大，且上升趋势明显，而8月份的降水时间系数的趋势变化则相对平滑，反映了降水的变化滞后于NDVI 的变化。
上述SVD 第一模态的结果表明，东部7月份的NDVI 增加(减少) ，则8月份的降水在32 °N以北增加(减少) ，32 °N以南减少(增加) ，其中长江流域的NDVI 指数有一定的预报意义。
3.3.2 7月份的NDVI 对8月份降水的影响
表2给出7月份的NDVI 与8月份降水的SVD 分析的前4对模态的协方差贡献(SCF)和累积协方差(CSCF)以及相关系数。由表可见：前4对模态的累积协方差占总方差的80%以上，每对模态的相关系数都通过了0.01的显著性检验。表明东部7月份的植被变化与8月份的降水有较明显的相关关系。而第一模态协方差贡献为48.54%，相关系数高达0.75，表明第一模态反映了东部7月份的植被变化与8月份的气温相互关系的主要信息。
图4为第一模态异性相关型的分布。从左场的异性相关系数分布图(图4a) 看出，7月份的NDVI 与8月份的降水从总体上有着较好的负相关关系。长江流域及其南部地区为影响我国东部8月份降水的关键区域，正值只是零星地分布在河南、淮河流域的小部
表2 7月份的NDVI 与8月份降水的SVD 结果
K SCF/% CSCF/% R (a k ，b k )
2 16.71 65.25 0.88 3 9.85 75.11 0.85 4 6.32 81.32 0.86
图4 同图3，但为降水场
6期 王永立等：我国东部地区NDVI 与气温、降水的关系研究 731
秋季植被与降水存在一个显著相互作用的过程：在春末夏初的降水量增加(减少) ，秋季的植被增加(减少) ，冬末春初的降水量增加(减少) 。降水量6月份达到最大，12月份最小。
(2) SVD分析表明：东部大部分地区7月份的NDVI 与8月份的气温、降水有较好的相关关系，且这种滞后相关存在明显的区域差异。① 东部地区7月份河南西南部及东北部区域NDVI 增加(减少) ，而广东、云南等沿海区域NDVI 减少(增加) ，则随后的8月份气温在福建减少(增加) ，其他地区增加(减少) 。② 东部7月份NDVI 整体增加(减少) ，特别是在长江流域增加(减少) 趋势明显时，则降水在32 °N以南增加(减少) ，以北减少(增加) 。因此，前期植被的变化特征，可以作为后期气温、降水的预报的一种参考因子。
本文只是从统计学角度对二者的关系做了初步的分析和研究，但对二者的物理机制的探讨不够深入，我们将在以后的工作中通过进一步的诊断分析及数值模拟探讨其间的物理机制。
利用季风区20年来(1982—2001年) 植被归一化
4 结论与讨论
指数(NDVI)和131个标准气象台站的气温、降水资料，通过相关分析和SVD 方法，分析了NDVI 与气温、降水的相关关系和协同变化特征。
(1) 相关分析表明：① NDVI的最大值滞后于气温最高值的时间尺度在一个月左右。而NDVI 与超前、滞后两个月的气温为正相关。前期气温与后期NDVI 的相关系数在春夏为负值，在秋冬以正值为主，尤其在晚夏初秋的相关系数最大。而前期植被与后期气温的相关系数以负值为主，特别是夏季的植被与秋末冬初的气温的相关系数最大。NDVI 和气温的年变化说明，植被覆盖度8月份最大，气温在7月份为最高。② NDVI最大值滞后于降水最大值的时间尺度在两个月左右，同期NDVI 与降水为负相关，而无论降水超前于NDVI 或者NDVI 超前于降水的时间尺度在1～4个月时，二者的相关系数转为正值。在
参 考 文 献:
[1] 周广胜，王玉辉，白莉平，等. 陆地生态系统与全球变化相互作用的研究进展[J]. 气象学报，2004，62(5)：692-708.
[2] RICHEY J E, CARLOS NOBRE，CLARA DESER. Amazon river discharge and climate variability: 1903-1985[J]. Science, 1989, 46: 101-103. [3] GORNITZ V. Climate consequences of anthropogenic vegetation changes from 1880～1980.In Climate：History, Periodicity, and Predictability
[J]. Van Nostrand Reinhold, New York, 1987：47-69.
[4] 范广洲，程国栋. 影响青藏高原植被生理过程与大气二氧化碳浓度及气候变化的相互作用[J]. 大气科学, 2002, 26(4) : 509- 518.
[5] HENDENSON-Sellers, DICKINSON R E, DURBIDGE T B, etal. Tropical deforestation: Modeling local-to regional scale climate change[J]. J
Geophys Res, 1993, 98: 7 289-7 315.
[6] DICKINSON R E, HENDERSON-Sellers A. Modeling tropical deforestation:A study of GCM land-surface parameterization[J]. Quart J Roy
Meteor Soc, 1988, 114: 439-462.
[7] LEAN J, ROWNTREE P R. A GCM simulation of the impact of Amazonian deforestation on climate using an improved canopy representation[J].
Quart J Roy Meteor Soc, 1993, 119: 509-530.
[8] HENDERSON-Sellers A, GORNITZ V. Possible climate impacts of land cover transformations,with particular emphasis on tropical deforestation
[J]. Climate Change, 1984, 6: 231-258.
[9] TURKER C J, TOWNSHEND J R G, GOFF T E. African land-cover classification using satellite data[J]. Science, 1985, 227: 369-375. [10] CURRAN P J. Multispectral remote sensing of vegetation amount[J]. Progress in physical geography, 1980, 4: 319-341.
[11] TUCKER C J, VANPRACT C, BOERWINKEL E, etal. Satelite remote sensing of total dry matter production in the Senegalese Sabel[J]. Remote
Sensing of Environment, 1983, 13: 461-474.
[12] TUCKER C J, VAOPRACT C L, SHARMAN M J, et al. Satellite remote sensing of total berbacous biomass production in the Senegalese Sahel:
1980-1984[J]. Remote Sensing of Environment, 1985, 17: 233-249. [13] TUCKER C J, TOWNSBOOD J R G. African land-cover classification using satellite data[J]. Science，1985, 227: 369-375.
[14] RUNNING S W, LOVELAND T R. A remote sensing based vegetation classification logic for global land cover analysis[J]. Remote Sensing of
Environment, 1995, 51: 39-38.
[15] LAMBIN E F, EHRLICH D. Land-cover changes in Sub-Saharan Africa (1982-1991): Application of a change index based on remotely sensed
surface temperature and vegetation indices at a continental scale[J]. Remote Sensing of Environment, 1997, 61: 181-200.
732 热 带 气 象 学 报 25卷
[16] POTTER C S, BROOKS V. Global analysis of empirical relations between annual climate and seasonality of NDVI[J]. International Journal,
2003: 12-18.
[17] FU Cong bin, WEN Gang. Variation of ecosystems over East Asia in association with seasonal, inter-annual and decadal monsoon climate
variability[J]. Climatic Change, 1999, 43: 477-494. [18] 温刚，符淙斌. 东部季风区植被物候季节变化对气候响应的大尺度特征:多年平均结果[J]. 大气科学，2000，24(5)：676-682. [19] 谢力，温刚，符淙斌. 中国植被覆盖季节变化和空间分布对气候的响应—多年平均结果[J] .气象学报，2002，60(2)：181-188. [20] 张井勇，董文杰，叶笃正, 等. 中国植被覆盖对夏季气候影响的新证据[J]. 科学通报，2003，48(1): 91-95.
[21] 李学敏，周定文，范广洲, 等. 青藏高原冬季NDVI 与西南地区夏季气温的滞后关系[J]. 应用气象学报，2008，19(2)：161－170. [22] 张井勇，董文杰，符淙斌. 中国北方和蒙古南部植被退化对区域气候的影响[J]. 科学通报，2005，50(1)：53-58. [23] 杨勤业，郑度，吴绍洪. 关于中国的亚热带[J]. 亚热带资源与环境学报，2006，1(1): 1－10.
[24] 施能，魏凤英, 封国林，等. 气象场相关分析及合成分析中蒙特卡洛检验方法及应用[J]. 南京气象学院学报，1997，20(3)：355－359. [25] 丁裕国，江志红. SVD方法在气象诊断分析中的普适性[J]. 气象学报, 1995, 54(3): 365-371.
[26] 陈科艺，王谦谦，毛文书, 等. 江淮北区6～7月降水异常与北太平洋海温的SVD 分析[J]. 高原气象，2006，25(3)：539－544. [27] 刘雅勤, 范广洲, 周定文, 等. 青藏高原冬、春植被归一化指数变化特征及其与高原夏季降水的联系[J]. 2007，65(6)：959-967. [28] PROHASKA J. A technique for analyzing the linear relationships between two meteorological fields[J]. Mon Wea Rev, 1976, 104: 1 345-1 353. [29] 吴洪宝，吴蕾. 气候变率诊断和预测方法[M]. 北京：气象出版社，2005：111－131.
[30] 江志红, 丁裕国. 我国夏半年降水距平与北太平洋海温异常的奇异值分解法分析[J]. 热带气象学报，1995，11(2)：133－141.
THE STUDY OF THE RELATIONSHIP BETWEEN NORMALIZED DIFFERENCE
VEGETATION INDEX AND BOTH TEMPERATURE AND
PRECIPITATION IN EAST CHINA
WANG Yong-li, FAN Guang-zhou, ZHOU Ding-wen, HUA Wei, HUANG Xian-lun
(Center for Plateau Atmospheric and Environment Research, Chengdu University of
Information Technology, Chengdu 610225, China)
Abstract : With the methods of correlation analysis and SVD, the interactions between vegetation and both temperature and precipitation are studied for 1982—2001 in East China by using the Normalized Difference Vegetation Index (NDVI) and monthly climate data of 131 standard meteorological stations. Based on the correlation analysis, the result shows that the highest NDVI value lags behind the maximum temperature by about a month. The correlation between air temperature and subsequent NDVI is negative in spring and summer while being mostly positive in autumn and winter. The correlation between NDVI and subsequent temperature is almost all negative. The maximum of NDVI is about two months lagging behind that of precipitation. The correlation coefficient is negative for concurrent NDVI and precipitation while being negative if precipitation leads NDVI or NDVI leads precipitation by more than a month. The SVD analysis suggests good correlations between July NDVI and both temperature and precipitation in August. The correlation is highly positive between the NDVI in the southwest and northeast of Henan province and the temperature in most areas shows, while the NDVI in Yangtze River basin is much negatively correlated with the precipitation in areas south of 32 °N. Therefore, the vegetation variability could be considered one of the factors of reference in forecasting the subsequent temperature and precipitation in the east of China.
Key words: climate change；correlation analysis and Singular Value Decomposition；NDVI ；East china；
temperature ；precipitation