基于卫星遥感的植被NDVI对气候变化响应的研究进展

第１８卷第３期　气候与环境研究　Ｖｌｏ１．１８．Ｎｏ．３　２０１３年５月　Ｃｌｉｍａｔｉｃ　ａｎｄ　Ｅｎｖｉｒｏｎｍｅｎｔａｌ　Ｒｅｓｅａｒｃｈ　Ｍａｖ　２０１３　侯美亭，赵海燕，王筝，等．２０１３．基于卫星遥感的植被ＮＤＶＩ对气候变化响应的研究进展［Ｊ］ｌ气候与环境研究，ｌ８（３）：３５３—３６４，ｄｏｉ：１０．３８７８￣．ｉｓｓｎ．　１００６－９５８５．２０１２．１　１　１３７．Ｈｏｕ　Ｍｅｉｔｉｎｇ，Ｚｈａｏ　Ｈａｉｙａｎ，Ｗａｎｇ　Ｚｈｅｎｇ，ｅｔ　ａ１．２０１３．Ｖｅｇｅｔａｔｉｏｎ　ｒｅｓｐｏｎｓｅｓ　ｔｏ　ｃｌｉｍａｔｅ　ｃｈａｎｇｅ　ｂｙ　ｕｓｉｎｇ　ｔｈｅ　ｓａｔｅｌｌｉｔｅ—ｄｅｒｉｖｅｄ　ｎｏｒｍａｌｉｚｅｄ　ｄｉｆｆｅｒｅｎｃｅ　ｖｅｇｅｔａｔｉｏｎ　ｉｎｄｅｘ：Ａ　ｒｅｖｉｅｗ［Ｊ］＿Ｃｌｉｍａｔｉｃ　ｎａｄ　Ｅｎｖｉｒｏｎｍｅｎｔａｌ　Ｒｅｓｅａｒｃｈ（ｉｎ　Ｃｈｉｎｅｓｅ），１　８（３）：３５３—３６４．　基于卫星遥感的植被ＮＤＶＩ对气候变化　响应的研究进展　侯美亭　，２　赵海燕２，　王筝２，４　延晓冬２Ｉ５　１中国气象局气象干部培训学院，北京１０００８１　２中国科学院大气物理研究所东亚区域气候一环境重点实验室，北京１０００２９　３山西省气候中心，太原０３０００６　４中国科学院空间应用工程与技术中心，北京１０００９４　５北京师范大学，北京１００８７５　摘要　回顾了以往植被对气候响应的有关研究，从此类研究常使用的数据、方法及获取的结论３个方面进行了　分析，重点阐述了归一化植被指数（Ｎｏｒｍａｌｉｚｅｄ　Ｄｉｆｆｅｒｅｎｃｅ　Ｖｅｇｅｔａｔｉｏｎ　Ｉｎｄｅｘ，ＮＤＶＩ）对降水、温度和辐射等气候　因子的响应特征，并探讨了未来的发展趋势。结果表明，植被ＮＤＶＩ对降水的显著响应往往出现在干旱半干旱地　区和干湿季气候差异明显地区，且具有一定的滞后特征，滞后的时间尺度与局地条件关系密切；温度成为植被　ＮＤＶＩ控制因子的情况常出现在温带或寒温带地区，与对降水的滞后响应相比，植被对于温度的滞后响应并不是　特别明显；辐射对于植被的主导影响主要出现在低纬度的部分区域、高云量区域和高纬度地区的特定时问段内。　认为量化人类在植被对气候变化响应过程中的作用，全球变暖情形下植被对气候响应特征的深入分析，以及植被　受气候影响的多尺度特征可能是以后此类研究的发展方向。　关键词植被归一化植被指数气候变化遥感　文章编号１００６—９５８５（２０１３）０３—０３５３—１２　中图分类号Ｐ４０７　文献标识码Ａ　ｄｏｉ：１０．３８７８￣．ｉｓｓｎ．１００６—９５８５．２０１２．１１１３７　Ｖｅｇｅｔａｔｉｏｎ　Ｒｅｓｐｏｎｓｅｓ　ｔｏ　Ｃｌｉｍａｔｅ　Ｃｈａｎｇｅ　ｂｙ　Ｕｓｉｎｇ　ｔｈｅ　Ｓａｔｅｌｌｉｔｅ－Ｄｅｒｉｖｅｄ　Ｎｏｒｍａｌｉｚｅｄ　Ｄｉｆｆｅｒｅｎｃｅ　Ｖｅｇｅｔａｔｉｏｎ　Ｉｎｄｅｘ：Ａ　Ｒｅｖｉｅｗ　ＨＯＵ　Ｍｅｉｔｉｎｇ　一，ＺＨＡＯ　Ｈａｉｙａｎ　一，ＷＡＮＧ　Ｚｈｅｎｇ　一，ａｎｄ　ＹＡＮ　Ｘｉａｏｄｏｎｇ　，　１　Ｃｈｉｎａ　ＭｅｔｅｏｒｏｌｏｇｉｃａｌＡｄｍｉｎｉｓｔｒａｔｉｏｎ　Ｔｒａｉｎｉｎｇ　Ｃｅｎｔｒｅ，Ｂｅｉｉｉｎｇ　１０００８１　２　Ｋｅｙ　Ｌａｂｏｒａｔｏｒｙ　ｏｆＲｅｇｉｏｎａｌ　Ｃｌｉｍａｔｅ　Ｅｎｖｉｒｏｎｍｅｎｔ　Ｒｅｓｅａｒｃｈ　ｆｏｒ　Ｔｅｍｐｅｒａｔｅ　Ｅａｓｔ　Ａｓｉａ，Ｉｎｓｔｉｔｕｔｅ　ｏｆＡｔｍｏｓｐｈｅｒｉｃ　Ｐ　ｓｉｃｓ，Ｃｈｉｎｅｓｅ　Ａｃａｄｅｍｙ　ｏｆ　Ｓｃｉｅｎｃｅｓ，Ｂｅｉｊ＇ｉｎｇ　１０００２９　３　Ｓｈａｎｘｉ　Ｃｌｉｍａｔｅ　Ｃｅｎｔｅｒ，Ｔａｉｙｕａｎ　０３０００６　４　Ｔｅｃｈｎｏｌｏｇｙ　ａｎｄＥｎｇｉｎｅｅｒｉｎｇ　Ｃｅｎｔｅｒｆｏｒ　Ｓｐａｃｅ　Ｕｔｉｌｉｚａｔｉｏｎ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙ　ｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ　１０００９４　５　Ｂｅｏ＇ｉｎｇ　Ｎｏｒｍａｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ｂｅｏ＇ｉｎｇ　１００８７５　Ａｂｓｔｒａｃｔ　Ｃｌｉｍａｔｅ　ｉｓ　ｏｎｅ　ｏｆ　ｔｈｅ　ｍｏｓｔ　ｉｍｐｏｒｔａｎｔ　ｅｎｖｉｒｏｎｍｅｎｔａｌ　ｆａｃｔｏｒｓ　ａｆｆｅｃｔｉｎｇ　ｓｐａｔｉａｌ　ａｎｄ　ｔｅｍｐｏｒａｌ　ｖｅｇｅｔａｔｉｏｎ　ｄｙｎａｍｉｃｓ．Ｔｈｅ　ｄｉｆｆｅｒｅｎｔ　ｒｅｓｐｏｎｓｅｓ　ｏｆ　ｖｅｇｅｔａｔｉｏｎ　ｔｏ　ｇｌｏｂａｌ　ｗａｒｍｉｎｇ　ｔｅｎｄ　ｔｏ　ｃｈａｎｇｅ　ｏｖｅｒ　ｄｉｆｆｅｒｅｎｔ　ｔｉｍｅ　ａｎｄ　ｓｐａｃｅ　ｓｃａｌｅｓ．　Ｔｈｅ　ｒａｐｉｄ　ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｈａｓ　ｍａｄｅ　ｉｔ　ｐｏｓｓｉｂｌｅ　ｔｏ　ｅｘａｍｉｎｅ　ｖｅｇｅｔａｔｉｏｎ　ｃｈａｎｇｅｓ　ａｔ　ｔｈｅ　ｒｅｇｉｏｎａｌ　ａｎｄ　ｇｌｏｂａｌ　收稿日期　２０１　１＿ｏ８—２２收到，２０１３—０２－０１收到修定稿　资助项目　国家自然科学基金项目４１２０１０４４，国家重点基础研究发展计划项目２０１０ＣＢ９５０９０３　作者简介　侯美亭，男，１９８２年出生，博士，主要从事环境遥感和全球变化研究。Ｅ—ｍａｉｌ：ｈｍｔ５６７＠ｇｍａｉｌ．ｃｏｒｎ　通讯作者　延晓冬，Ｅ－ｍａｉｌ：ｙｘｄ＠ｂｎｕ．ｅｄｕ．ｃｎ　气３５４　候与环境研究　ｌ８卷　Ｖ＿０１．１８　Ｃｌｉｍａｔｉｃ　ａｎｄ　Ｅｎｖｉｒｏｎｍｅｎｔａｌ　Ｒｅｓｅａｒｃｈ　ｓｃａｌｅｓ．Ｔｗｏ　ｂａｓｉｃ　ａｐｐｒｏａｃｈｅｓ　ｔｏ　ｃｈａｒａｃｔｅｒｉｚｉｎｇ　ｖｅｇｅｔａｔｉｏｎ　ｒｅｓｐｏｎｓｅｓ　ｔｏ　ｃｈａｎｇｉｎｇ　ｃｌｉｍａｔｅｓ　ａｒｅ　ｔｏ　ｕｓｅ　ｓｔａｔｉｓｔｉｃｓ　ａｎｄ　ｍｏｄｅｌｉｎｇ．Ｎｅｗ　ｓｔａｔｉｓｔｉｃａｌ　ｍｅｔｈｏｄｓ　ａｎｄ　ｉｍｐｒｏｖｅｄ　ｖｅｇｅｔａｔｉｏｎ　ｍｏｄｅｌｓ　ｈａｖｅ　ｒｅｃｅｎｔｌｙ　ｂｅｅｎ　ｓｕｃｃｅｓｓｆｕｌｌｙ　ａｐｐｌｉｅｄ　ｔｏ　ａｓｓｅｓｓｉｎｇ　ｔｈｅ　ｅｆｆｅｃｔｓ　ｏｆ　ｃｌｉｍａｔｅ　ｃｈａｎｇｅ　ｏｎ　ｖｅｇｅｔａｔｉｏｎ　ｄｙｎａｍｉｃｓ．Ｔｈｅ　ｄａｔａ　ａｎｄ　ａｎａｌｙｔｉｃａｌ　ｍｅｔｈｏｄｓ　ｕｓｅｄ　ａｎｄ　ｔｈｅ　ｄｉｓｃｏｖｅｒｉｅｓ　ｍａｄｅ　ｉｎ　ｐｒｅｖｉｏｕｓ　ｓｔｕｄｉｅｓ　ｏｆ　ｖｅｇｅｔａｔｉｏｎ　ｒｅｓｐｏｎｓｅｓ　ｔｏ　ｃｌｉｍａｔｅ　ａｒｅ　ｓｕｍｍａｒｉｚｅｄ　ｉｎ　ｔｈｉｓ　ｐａｐｅｒ，ｗｉｔｈ　ａ　ｆｏｃｕｓ　ｏｎ　ｖｅｇｅｔａｔｉｏｎ　ｒｅｓｐｏｎｓｅｓ　ｔｏ　ｄｉｆｆｅｒｅｎｔ　ｃｌｉｍａｔｅ　ｐａｒａｍｅｔｅｒｓ，ｉｎｃｌｕｄｉｎｇ　ｐｒｅｃｉｐｉｔａｔｉｏｎ，ｔｅｍｐｅｒａｔｕｒｅ，ａｎｄ　ｒａｄｉａｔｉｏｎ．Ｉｔ　ｉｓ　ｇｅｎｅｒａｌｌｙ　ａｃｃｅｐｔｅｄ　ｔｈａｔ　ｐｒｅｃｉｐｉｔａｔｉｏｎ　ｓｉｇｎｉｉｆｃａｎｔｌｙ　ａｆｆｅｃｔｓ　ｔｈｅ　ｎｏｒｍａｌｉｚｅｄ　ｄｉｆｅｒｅｎｃｅ　ｖｅｇｅｔａｔｉｏｎ　ｉｎｄｅｘ（ＮＤＶＩ）ｉｎ　ａｒｉｄ　ａｎｄ　ｓｅｍｉａｒｉｄ　ｒｅｇｉｏｎｓ　ａｎｄ　ｉｎ　ｒｅｇｉｏｎｓ　ｗｉｔｈ　ｄｉｓｔｉｎｃｔ　ｄｒｙ　ａｎｄ　ｗｅｔ　ｓｅａｓｏｎｓ．Ｔｈｅ　ｔｉｍｅ　ｌａｇ　ｉｎ　ｔｈｅ　ｒｅｓｐｏｎｓｅ　ｏｆ　ｖｅｇｅｔａｔｉｏｎ　ｔｏ　ｐｒｅｃｉｐｉｔａｔｉｏｎ，ａｎｄ　ｔｈｅ　ｗａｙ　ｔｈｅ　ｔｉｍｅ　ｌａｇ　ｄｅｐｅｎｄｓ　ｏｎ　ｌｏｃａｌ　ｃｏｎｄｉｔｉｏｎｓ．Ｔｅｍｐｅｒａｔｕｒｅ　ｉｓ　ｔｈｅ　ｄｏｍｉｎａｎｔ　ｃｌｉｍａｔｅ　ｐａｒａｍｅｔｅｒ　ｔｈａｔ　ａｆｆｅｃｔｓ　ｔｈｅ　ＮＤＶＩ　ｉｎ　ｔｅｍｐｅｒａｔｅ　ａｎｄ　ｂｏｒｅａｌ　ｒｅｇｉｏｎｓ．　Ｔｈｅ　ｔｉｍｅ　ｌａｇ　ｉｎ　ｔｈｅ　ｖｅｇｅｔａｔｉｏｎ　ｒｅｓｐｏｎｓｅ　ｔｏ　ｔｅｍｐｅｒａｔｕｒｅ　ｉｓ　ｓｏｍｅｗｈａｔ　ｌｅｓｓ　ｐｒｏｎｏｕｎｃｅｄ　ｔｈａｎ　ｔｈｅ　ｔｉｍｅ　ｌａｇ　ｉｎ　ｒｅｓｐｏｎｓｅ　ｔｏ　ｐｒｅｃｉｐｉｔａｔｉｏｎ．Ｓｏｌａｒ　ｒａｄｉａｔｉｏｎ　ｉｓ　ｔｈｅ　ｐｒｅｄｏｍｉｎａｎｔ　ｆａｃｔｏｒ　ｌｉｍｉｔｉｎｇ　ｖｅｇｅｔａｔｉｏｎ　ｇｒｏｗｔｈ　ｉｎ　ｓｏｍｅ　ｌｏｗ　ｌａｔｉｔｕｄｅ　ａｒｅａｓ　ａｎｄ　ａｒｅａｓ　ｔｈａｔ　ｈａｖｅ　ｌｏｔｓ　ｏｆ　ｃｌｏｕｄ　ｃｏｖｅｒ，ａｎｄ　ａｔ　ｃｅｒｔａｉｎ　ｔｉｍｅｓ　ｉｎ　ｈｉｇｈ　ｌａｔｉｕｄｅ　ｔｒｅｇｉｏｎｓ．Ｆｕｔｒｅ　ｕｒｅｓｅａｒｃｈ　ｓｈｏｕｌｄ　ｆｏｃｕｓ　ｏｎ　１）ｑｕａｎｔｉｆｙｉｎｇ　ｔｈｅ　ｈｕｍａｎ　ｒｏｌｅ　ｉｎ　ｔｈｅ　ｒｅｓｐｏｎｓｅ　ｏｆ　ｖｅｇｅｔａｔｉｏｎ　ｔｏ　ｃｌｉｍａｔｅ　ｃｈａｎｇｅ，２）ｒｅｍｅａｓｕｒｉｎｇ　ｔｈｅ　ｖｅｇｅｔａｔｉｏｎ　ｒｅｓｐｏｎｓｅｓ　ｔｏ　ｄｉｆｅｒｅｎｔ　ｃｌｉｍａｔｅ　ｐａｒａｍｅｔｅｒ　ｃｈａｎｇｅｓ　ａｓｓｏｃｉａｔｅｄ　ｗｉｔｈ　ｇｌｏｂａｌ　ｗａｒｍｉｎｇ，ａｎｄ　３）ｃｏｎｓｉｄｅｒｉｎｇ　ｔｈｅ　ｍｕｌｔｉ－ｓｃａｌｅ　ａｓｓｅｓｓｍｅｎｔ　ｏｆ　ｃｌｉｍａｔｅ　ｃｈａｎｇｅ　ｉｍｐａｃｔｓ　ｏｎ　ｖｅｇｅｔａｔｉｏｎ．　Ｋｅｙｗｏｒｄｓ　Ｖｅｇｅｔａｔｉｏｎ，Ｎｏｒｍａｌｉｚｅｄ　ｄｉｆｅｒｅｎｃｅ　ｖｅｇｅｔａｔｉｏｎ　ｉｎｄｅｘ（ＮＤＶＩ），Ｃｌｉｍａｔｅ　ｃｈａｎｇｅ，Ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　重要的变量是太阳辐射、温度和降水，它们提供了　１　引言　ＩＰＣＣ第四次评估报告指出，全球范围内许多　生态系统正在受到气候变化的影响，特别是温度升　高的影响（ＩＰＣＣ，２００７）。作为陆地生态系统最重要　的组成部分，植被对气候变化的响应尤为显著。例　如，气候变暖使得北方高纬度区域植被的光合活动　变强（Ｍｙｎｅｎｉ　ｅｔ　ａ１．，１９９７）、阿尔卑斯山植被分布的　海拔范围比以往更高（Ｇｒａｂｈｅｒｒ　ｅｔ　ａ１．，１９９４）。由于　植被对气候变化的敏感性，植被变化在一定程度上　被认为是全球变化的指示器（马明国等，２００６），　因而也受到了研究者长期的持续关注（Ｔｕｃｋｅｒ　ｅｔ　ａ１．，　１９８６；Ｆｕ　ａｎｄ　Ｗｅｎ，１９９９；Ｓｔｅｎｓｅｔｈ　ｅｔ　ａ１．，２００２；Ｚｅｎｇ　植被生长所必需的光、热、水条件。辐射是植物光　合作用的能量来源，只有在合适的光照条件下植物　的光合作用才能顺利进行；温度影响了光合作用和　呼吸作用的速率，以及植物对养分的利用效率；降　水是植物水分需求的主要来源（Ｂａｃｈｅｌｅｔ　ｅｔ　ａ１．，２００１：　Ｗａｎｇ　ｅｔ　ａ１．，２００１；Ｔａｎ，２００７）。本文将从以往研究所　使用的数据、分析方法以及温度、降水和辐射等不　同气候变量对植被产生影响的角度出发，综述植被　对气候变化的响应特征，并探讨此类研究未来的发　展趋势。　２数据源　在植被对气候响应的研究中，所采用的数据可　分为植被数据和气候数据两大类。气候数据不是本　文关注的重点，其来源一般是气象站的站点观测资　料。另外，来自英国东安格利亚大学气候研究中心　ａｎｄＹｏｏｎ，２００９）。　气候变化对植被的影响涉及了从物种到生态　系统的不同尺度水平，传统的收集于小时空尺度的　野外数据一般难以监测区域或全球尺度的变化　（Ｐｅｔｔｏｒｅｌｌｉ　ｅｔ　ａ１．．２００５）。因此，早在２０世纪７０年　（Ｃｌｉｍａｔｉｃ　Ｒｅｓｅａｒｃｈ　Ｕｎｉｔ，ＣＲＵ）、戈达德空间研究所　（Ｇｏｄｄａｒｄ　Ｉｎｓｔｉｔｕｔｅ　ｆｏｒ　Ｓｐａｃｅ　Ｓｔｕｄｉｅｓ，ＧＩＳＳ）、全球降　水气候学计划（Ｇｌｏｂａｌ　Ｐｒｅｃｉｐｉｔａｔｉｏｎ　Ｃｌｉｍａｔｏｌｏｇｙ　Ｐｒｏｊｅｃｔ，ＧＰＣＰ）、全球综合分析降水集（ＣＰＣ　Ｍｅｒｇｅｄ　Ａｎａｌｙｓｉｓ　ｏｆ　Ｐｒｅｃｉｐｉｔａｔｉｏｎ，ＣＭＡＰ）等栅格类型的数　据也有部分使用（Ｃａｍｂｅｒｌｉｎ　ｅｔ　ａ１．，２００７），这里不再　专门阐述。　代，卫星遥感就开始用于陆地植被监测，到２０世　纪８０年代末，Ｇｏｗａｒｄ（１９８９）提出了“卫星生物　气候学”的概念。近几年来，高光谱遥感技术的迅　速发展，使得植被遥感的准确性和灵敏性有了大幅　提高。至今，遥感影像已成为最重要的植被数据源，　在评价植被覆盖、物候学、生产力及一些生物物理　过程方面取得了巨大成功（Ｇｌｅｎｎ　ｅｔ　ａ１．，２００８），是　监测全球和区域尺度植被动态的最有效工具　（Ｐｏｕｌｉｏｔ　ｅｔ　ａ１．．２００９）。　植被数据多采用基于卫星遥感的植被指数。近　３０年来，国内外学者已经发展了几十种不同的遥感　植被指数，包括归～化植被指数（Ｎｏｒｍａｌｉｚｅｄ　Ｄｉｆｆｅｒｅｎｃｅ　Ｖｅｇｅｔａｔｉｏｎ　Ｉｎｄｅｘ，ＮＤＶＩ）、简单比值指数　驱动植被变化的各种气候变量中，最基本和最　３期　侯美亭等：基于卫星遥感的植被ＮＤＶＩ对气候变化响应的研究进展　ＮＯ．３　ＨＯＵ　Ｍｅｉｔｉｎｇ　ｅｔ　ａ１．Ｖｅｇｅｔａｔｉｏｎ　Ｒｅｓｐｏｎｓｅｓ　ｔｏ　Ｃｌｉｍａｔｅ　Ｃｈａｎｇｅ　ｂｙ　Ｕｓｉｎｇ　ｔｈｅ　Ｓａｔｅｌｌｉｔｅ—Ｄｅｒｉｖｅｄ　Ｎｏｒｍａｌｉｚｅｄ　Ｄｉｆｆｅｒｅｎｃｅ．．．　３５５　（Ｓｉｍｐｌｅ　Ｒａｔｉｏ　Ｖｅｇｅｔａｔｉｏｎ　Ｉｎｄｅｘ，ＳＲ）、差值植被指数　成为其中最为常用的ＮＤＶＩ数据集（Ｈｅｒｒｍａｎｎ　ｅｔ　ａ１．，　（Ｄｉｆｆｅｒｅｎｃｅ　Ｖｅｇｅｔａｔｉｏｎ　Ｉｎｄｅｘ，ＤＶＩ）、土壤调节植被指　２００５）。但是，ＡＶＨＲＲ传感器最初的设计目的不是　数ｆＳｏｉｌ—Ａｄｊｕｓｔｅｄ　Ｖｅｇｅｔａｔｉｏｎ　Ｉｎｄｅｘ，ＳＡＶＩ）、全球环　用来监测植被特征的，在其ＮＤＶＩ产品生成过程中　境监测指数（Ｇｌｏｂａｌ　Ｅｎｖｉｒｏｎｍｅｎｔａｌ　Ｍｏｎｉｔｏｒｉｎｇ　存在一些固有的问题（例如宽的光谱波段造成的水　Ｉｎｄｅｘ，ＧＥＭＩ）、气溶胶不敏感植被指数（Ａｅｒｏｓｏｌ　汽吸收），导致ＮＤＶＩ数据存在潜在噪声（Ｓｔｅｖｅｎ　ｅｔ　Ｆｒｅｅ　Ｖｅｇｅｔａｔｉｏｎ　Ｉｎｄｅｘ，ＡＦＶＩ）、增强型植被指数　ａ１．，２００３；Ｆｅｎｓｈｏｌｔ　ｅｔ　ａ１．，２００９）。ＭＯＤＩＳ和ＳＰＯＴ　（Ｅｎｈａｎｃｅｄ　Ｖｅｇｅｔａｔｉｏｎ　Ｉｎｄｅｘ，ＥＶＩ）等（Ｔｕｃｋｅｒ，１　９７９；　ＶＧＴ两种传感器的波段设置特别考虑了植被监测　Ｐｉｎｔｙ　ａｎｄ　Ｖｅｒｓｔｒａｅｔｅ，１９９２；Ｌｉａｎｇ，２００４）。不同植被指　目的（Ｆｅｎｓｈｏｌｔ　ｅｔ　ａ１．　２００９），数据质量要明显高于　数具有不同的优势，也存在不同的局限。例如，ＳＡＶＩ　ＡＶＨＲＲ，因此当研究较小空间尺度的问题或者不需　可以抵抗土壤背景干扰，ＡＦＶＩ、ＥＶＩ能够抵抗大气　要１９９８年以前的数据时，应尽量使用ＭＯＤＩＳ或　干扰，但计算这些指数需要知道更多的参数或波段　ＳＰＯＴ　ＶＧＴ数据（Ｐｅｔｔｏｒｅｌｌｉ　ｅｔ　ａ１．，２００５）。值得注　信息。　意的是，表１最后列出的分别产生于ＰＯＬＤＥＲ．３和　根据以往研究，在各种植被指数中，ＮＤＶＩ不　ＭＥＴＯＰ—ＡＶＨＲＲ传感器的两种ＮＤＶＩ产品是最新　仅计算简便，而且能在很大程度上反映地表植被状　的可利用ＮＤＶＩ数据，目前的使用非常少，尽管其　况，其应用也最为广泛（Ｊｕｌｉｅｎ　ａｎｄ　Ｓｏｂｒｉｎｏ，２００９）。　时间覆盖范围短，但具有重要的应用前景。其他两　ＮＤＶＩ与植被总初级生产力（Ｇｒｏｓｓ　Ｐｒｉｍａｒｙ　种传感器ＳｅａＷｉＦＳ和ＭＩＳＲ的主要目的也不是监　Ｐｒｏｄｕｃｔｉｏｎ．ＧＰＰ）、光合有效辐射分量（Ｆｒａｃｔｉｏｎ　ｏｆ　测植被，提供的ＮＤＶＩ产品分辨率相对较粗，在　Ｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌｌｙ　Ａｃｔｉｖｅ　Ｒａｄｉａｔｉｏｎ，ＦＰＡＲ）、叶面积　时间覆盖长度上也不具优势，在以往研究中也很少　指数（Ｌｅａｆ　Ａｒｅａ　Ｉｎｄｅｘ，ＬＡＩ）等重要的植被特征存　使用。　在显著关系，能够成功地反映植被覆盖和植被光合　尽管ＮＤＶＩ是最为常用的植被指数，然而其局　能力（Ｔｕｃｋｅｒ　ａｎｄ　Ｓｅｌｌｅｒｓ，１９８６；Ｌｏ　Ｓｅｅｎ　ｅｔ　ａ１．，１９９５）。　限不可忽视，例如它容易饱和，易受水汽、沙尘气　表１列出了目前可以利用的覆盖全球的不同时　溶胶的污染等等（Ｍａｒｔｉｎｙ　ｅｔ　ａ１．，２００５）。增强型植被　空分辨率的ＮＤＶＩ数据集，其中，始于１９８１年的　指数（ＥＶＩ）的出现弥补了ＮＤＶＩ的一些缺点，ＥＶＩ　基于ＮＯＡＡＡＶＨＲＲ的ＮＤＶＩ数据具有最长的时问　的优势在于减少了由土壤背景和残留气溶胶影响　覆盖范围，它的应用最为广泛。在ＰＡＬ、ＧＶＩ、ＧＶＩ—Ｘ、　造成的污染，而且不容易饱和，可以容忍更大的冠　ＬＴＤＲ、ＦＡＳＩＲ、ＧＩＭＭＳ等皆基于Ｎ０ＡＡ　ＡＶＨＲＲ　层密度变化，适于雨林及其它有大量植被覆盖的高　的不同ＮＤＶＩ数据集中，ＧＩＭＭＳ因为同时具有较　生物量区域（Ｈｕｅｔｅ　ｅｔ　ａ１．，２００２；王正兴等，２００３）。　好的质量和较佳的时空分辨率、免费获取等优势而　但由于ＥＶＩ的发展基于ＭＯＤＩＳ数据，因此其数据　表１　目前可利用的全球归一化植被指数数据集　Ｔａｂｌｅ　１　Ｔｈｅ　ｃｕｒｒｅｎｔ　ａｖａｉｌａｂｌｅ　ｇｌｏｂａｌ　Ｎｏｒｍａｌｉｚｅｄ　Ｄｉｆｅｒｅｎｃｅ　Ｖｅｇｅｔａｔｉｏｎ　Ｉｎｄｅｘ（ＮＤＶＩ）ｄａｔａｓｅｔｓ　注：最新的ＧＩＭＭＳ数据（简称ＧＩＭＭＳ　３ｇ）已经延长至２０１１年，但仍未公开发布。　气３５６　候与环境研究　１８卷　Ｖｂ１．１８　Ｃｌｉｍａｔｉｃ　ａｎｄ　Ｅｎｖｉｒｏｎｍｅｎｔａｌ　Ｒｅｓｅａｒｃｈ　仅在２０００年以后可以利用。　多窗谱分析是一种处理时问序列的谱分析　方法，与其他谱分析方法相比，尤其适合于短序列、　３研究方法　研究气候变化对基于遥感的植被指数的影响通　常分为两个步骤，一是植被指数或气候数据的预处　理，二是植被对气候变化响应特征的确定。　３．１植被指数或气候数据的预处理方法　高噪声背景下准周期信号的诊断分析，具体算法见　江志红等（２００１）。Ｊａｒｌａｎ　ｅｔ　ａ１．（２００５）使用多窗谱　分析方法发现了Ｓａｈｅｌ地区植被ＮＤＶＩ的准两年和　准四年波动特征。总体来讲，多窗谱分析方法在气　候信号检测上的应用要多于在植被上的应用。小波　分析基于窗口傅里叶变换的思想，是一种窗口大小　固定但形状可以改变的时频局域化分析方法，可以　植被指数、气候数据均为时空序列数据，包含　了时间、空间上的海量信息，分析起来不够简便灵　活。因此，研究者多采用可以反映时空格局、周期　有效细致地分析时间序列的时频结构（魏凤英，　２００７）。植被和气候序列通常包括不同时间尺度上　的（例如短期的、季节的、长期的）丰富变化信息，　使用小波分析可以对这些信息进行多尺度的细化　分析。Ｍａｒｔｉｎｅｚ　ａｎｄ　Ｇｉｌａｂｅｒｔ（２００９）利用Ｍｅｙｅｒ小波　信号及其他与时空场变化有关的分析方法，以提取　植被或气候数据的有效变化特征，同时达到浓缩信　息的目的。表２列出了从植被或气候数据中提取主　要变化信号的有关方法。　经验正交函数（Ｅｍｐｉｒｉｃａｌ　Ｏ￣ｈｏｇｏｎａｌ　Ｆｕｎｃｔｉｏｎ，　分析方法，将ＮＤＶＩ序列分解到年内和年际问两个　时间尺度上，并提取到了植被物候循环的重要信息。　时间序列谐波分析（Ｈａｒｍｏｎｉｃ　Ａｎａｌｙｓｉｓ　ｏｆＴｉｍｅ　Ｓｅｒｉｅｓ，ＨＡＮＴＳ）是基于傅里叶变换改进后的一种　算法，它可以处理时间序列数据不等间隔的问题，重　ＥＯＦ）或主成分分析（Ｐｒｉｎｃｉｐａｌ　Ｃｏｍｐｏｎｅｎｔ　Ａｎａｌｙｓｉｓ，　ＰＣＡ）方法可以用来提取植被或气候序列的时空变　化特征。由于植被和气候数据集往往包含了大量的　时空信息，利用ＥＯＦ或ＰＣＡ方法可以将大部分信　息集中到少数的彼此独立的主分量上。卢玲等　（２００２）利用ＰＣＡ方法将ＮＤＶＩ的时间和空问变　化特征分离开来。聚类分析方法是一种常见的多元　统计方法，利用该方法可以将具有相似的植被或气　建无缝的时间序列，同时可以显著降低云对植被数　据的干扰。具体算法可参见Ｊｕｌｉｅｎ　ｅｔ　ａ１．（２００６）。王　丹和姜小光（２００６）利用ＨＡＮＴＳ方法对１９９５　２０００年的中国ＮＤＶＩ时间序列进行了去云处理，并　分析出中国植被覆盖变化的周期。Ｚ－ｓｃｏｒｅ方法是　一候变化特征的区域进行类别划分。自相关分析用来　评价植被或气候序列的随机性特征，它可分为时间　和空间上的自相关。例如，ＮＤＶＩ在空间上的强烈　自相关意味着相邻像元的ＮＤＶＩ变化不是由随机　过程引起的（Ｚｈｏｕ　ｅｔ　ａ１．，２００１），而气候序列在时　间上的白相关可能放大了气候的变化趋势（陶　杰等，２００８）。因此，在使用植被或气候数据之前，　评价其白相关特征是十分有必要的。　表２植被或气候时空序列数据的预处理方法　种基于均值和标准差的数据标准化方法，常用于　气象数据的处理（Ｔａｎ　ｅｔ　ａ１．，２００１）。将Ｚ－ｓｃｏｒｅ方法　应用于植被ＮＤＶＩ序列中的最大优点是可以去除植　被数据的季节循环趋势（侯美亭等，２０１３），这有　利于寻找季节波动掩盖下的植被真实变化信息。　３．２植被指数对气候变化响应特征的确定方法　分析植被对气候变化的响应，通常基于统计方　法和数值模拟两类途径。统计方法大致包括相关分　Ｔａｂｌｅ　２　Ｔｈｅ　ｐｒｅ－ｔｒｅａｔｍｅｎｔ　ｍｅｔｈｏｄｓ　ｆｏｒ　ｔｅｍｐｏｒａｌ－ｓｐａｔｉａｌ　ｓｅｑｕｅｎｃｅ　ｏｆ　ｖｅｇｅｔａｔｉｏｎ　ｏｒ　ｃｌｉｍａｔｅ　ｄａｔａ　３期　Ｎｏ．３　侯美亭等：基于卫星遥感的植被ＮＤＶＩ对气候变化响应的研究进展　ＨＯＵ　Ｍｅｉｔｉｎｇ　ｅｔ　ａ１．Ｖｅｇｅｔａｔｉｏｎ　Ｒｅｓｐｏｎｓｅｓ　ｔｏ　Ｃｌｉｍａｔｅ　Ｃｈａｎｇｅ　ｂｙ　Ｕｓｉｎｇ　ｔｈｅ　Ｓａｔｅｌｌｉｔｅ—Ｄｅｒｉｖｅｄ　Ｎｏｒｍａｌｉｚｅｄ　Ｄｉｆｅｒｅｎｃｅ　３５７　析、回归分析、Ｇｒａｎｇｅｒ因果检验、典型相关分析　（Ｃａｎｏｎｉｃａｌ　Ｃｏｒｒｅｌａｔｉｏｎ　Ａｎａｌｙｓｉｓ，ＣＣＡ）、奇异值分解　（Ｓｉｎｇｕｌａｒ　Ｖａｌｕｅ　Ｄｅｃｏｍｐｏｓｉｔｉｏｎ，ＳＶＤ）、耦合流形技术　（Ｃｏｕｐｌｅｄ　Ｍａｎｉｆｏｌｄ　Ｔｅｃｈｎｉｑｕｅ）、残差趋势分析等。数　值模拟是指通过静态和动态植被模型来模拟气候　对植被产生的影响（Ｆｏｌｅｙ　ｅｔ　ａ１．，２０００）。　在所使用的众多统计方法中，相关和回归是最　常用、最基本的分析方法。如，Ｄｅｌ　Ｇｒｏｓｓｏ　ｅｔ　ａ１．　（２００８）使用线性回归方法研究了全球植被净初级　生产力与年降水、年均温之问的关系。Ｌｉ　ｅｔ　ａｌ＿　（２００２）使用Ｓｐｅａｒｍａｎ相关分析方法研究了中国　不同气象站的ＮＤＶＩ与月生长度日（Ｇｒｏｗｉｎｇ　Ｄｅｇｒｅｅ　Ｄａｙｓ　ＧＤＤ）、月降水之间的关系。Ｐｒａｓａｄ　ｅｔ　ａｌ　（２００８）使用偏最小二乘多元回归方法分析了印度　Ｇｈａｔｓ西部的植被与降水、温度、地形等环境变量　的关系。Ｚｈｏｕ　ｅｔ　ａ１．（２００１）认为植被数据或者气候　变量的变化可能包含了随机趋势，通过在回归模型　中添加一个确定性变量的方法，减少了植被与气候　关系的可能误判。　然而，传统的相关或回归分析存在一些固有的　缺点，如它们不能说明变量间的关系是否是一种巧　合，或者因变量是否一定依赖于自变量的变化　（Ｋａｕｆｍａｎｎ　ａｎｄ　Ｓｔｅｒｎ．１９９７）。Ｇｒａｎｇｅｒ因果检验方法　可以恰当地解释不同变量间是否具有因果关系（曹　鸿兴等，２００８）。Ｋａｕｆｍａｎｎ　ｅｔ　ａ１．（２００３）使用Ｇｒａｎｇｅｒ　因果检验方法较好地说明了大陆尺度上北美和欧　亚植被与地表温度之间的关系。Ｐｈｉｌｉｐｐｏｎ　ｅｔ　ａ１．　（２００５）同时使用交叉相关和Ｇｒａｎｇｅｒ因果检验解释　了西非地区降水对植被和土壤水分的影响。　ＣＣＡ和ＳＶＤ都是用来研究两组变量或两个变　量场之间的相关信号、以及各变量对相关场贡献的　诊断技术（魏凤英，２００７）。Ｌｏｔｓｃｈ　ｅｔ　ａ１．（２００３）使　用ＣＣＡ方法研究了全球尺度的植被和标准化降水　指数协同变化的时空格局。王永立等（２００９）使用　ＳＶＤ方法研究了中国东部植被ＮＤＶＩ与气温、降水　的关系。耦合流形技术是近几年发展的一种寻找两　变量场交互关系的新方法（Ｎａｖａｒｒａ　ａｎｄ　Ｔｒｉｂｂｉａ，　２００５），广义上类似于ＣＣＡ或ＳＶＤ方法，该方法的　优点在于能够清楚找出两个变量场间的相互强迫　部分。Ａｌｅｓｓａｎｄｒｉ　ａｎｄ　Ｎａｖａｒｒａ（２００８）使用该方法评　价了陆地区域的季节性植被动态和降水年际异常　的关系。　残差趋势分析是用来寻找除气候造成的植被　变化之外，其它因素对植被可能产生的影响。Ａｒｃｈｅｒ　（２００４）将ＮＤＶＩ残差描述为观测到的ＮＤＶＩ与由　植被一气候回归关系得到的理想ＮＤＶＩ之间的差　异，在散点图上，ＮＤＶＩ残差表示每一个观测点与　回归线之间的距离，这种差异被认为是由气候之外　的其他因素造成的。Ｅｖａｎｓ　ａｎｄ　Ｇｅｅｒｋｅｎ（２００４）使用　ＮＤＶＩ残差消除了植被对降水的响应，分析了人类　活动对植被带来的可能影响。然而，植被的残差可　能受到了除主导气候因子以外的各种噪声的影响，　因此，尽管利用植被残差可以明显地识别出与气候　无关的植被变化，但是确定引起这种残差的具体原　因时一般需要辅以野外调查或更高分辨率的数据　（Ｗｅｓｓｅｌｓ　ｅｔ　ａ１．，２００７）。　气候对植被影响的数值模拟经历了一个从早　期静态生物地理模型到目前全球动态植被模型　（Ｄｙｎａｍｉｃ　Ｇｌｏｂａｌ　Ｖｅｇｅｔａｔｉｏｎ　Ｍｏｄｅｌ，ＤＧＶＭ）的发展　过程，相继出现了Ｈｏｌｄｒｉｄｇｅ生命地带模型、Ｂｏｘ　模型、ＣＣＶＭ、ＢＩＯＭＥ４、Ｌｕｎｄ—Ｐｏｔｓｄａｍ—Ｊｅｎａ　ＤＧＶＭ　（ＬＰＪ）等不同类型的植被模型（Ｐｅｎｇ，２０００）。早期　的生物地理模型（例如Ｈｏｌｄｒｉｄｇｅ、Ｂｏｘ模型）基于　统计、非机理的角度来描述气候和自然植被分布之　问的关系（毛嘉富等，２００６），难以反映植被对气　候变化的瞬时响应，因此这类模型是相当局限的。　目前，研究者多采用ＤＧＶＭ模拟气候对植被　产生的影响（王旭峰等，２００９）。动态植被模型运　用生理学、生物地球物理学和生物地球化学的过程　来解释和动态的模拟植被对气候变化的响应。孙艳　玲等（２００７）使用ＣＲＵ０５资料和改进后的ＬＰＪ模　型模拟了中国２Ｏ世纪不同气候阶段的潜在植被类　型的分布变化。而植被动态模型与气候模式耦合，　不但可分析植被对气候系统的响应，而且还可用来　研究植被对气候系统的反馈（Ｂｏｎａｎ，２００２）。Ｂｏｎａｎ　ａｎｄ　Ｌｅｖｉｓ（２００６）评价了耦合了ＣＬＭ．ＤＧＶＭ的　ＣＡＭ３的模拟效果。　４植被ＮＤＶＩ对不同气候变量的响应　特征　从植被生长所需的光温水等基本气候要素的　角度出发，以往研究已经在降水、温度、辐射等气　候因子对植被产生的影响方面取得了长足的进展。　４．１植被对降水的响应　植被与降水的显著关系往往出现在干旱半干　气３５８　候与环境研究　１８卷　Ｖ０１．１８　Ｃｌｉｍａｔｉｃ　ａｎｄ　Ｅｎｖｉｒｏｎｍｅｎｔａｌ　Ｒｅｓｅａｒｃｈ　旱地区和干湿季气候差异明显地区，尤其是干旱半　干旱生态系统植被生长的开始期和持续时间一般　受降水控制（Ｓｐａｎｏ　ｅｔ　ａ１．，１９９９）。Ｉｃｈｉｉ　ｅｔ　ａ１．（２００２）　分析了年际尺度上全球植被与气候的关系，发现植　被与降水的正相关出现在中亚、撒哈拉沙漠南部、　南非、澳大利亚、南美洲南部，尽管温度对这些区　域的植被也有一定的影响，但是降水的影响占据了　主导。Ａｎｙａｍｂａ　ｅｔ　ａ１．（２００２）使用ＧＩＭＭＳ　ＮＤＶＩ数　据分析了Ｓａｈｅｌ地区１９８１￣２００３年问逐月和生长季　（７～ｌ０月）的植被动态，发现１９８２￣１９９３年问的　ＮＤＶＩ呈现负距平、１９９４￣２００３年间的ＮＤＶＩ呈现　正距平，而这种格局与该地区同时段内的降水变化　趋势具有很好的一致性（Ｎｉｃｈｏｌｓｏｎ，２００１）。Ｐｈｉｌｉｐｐｏｎ　ｅｔ　ａ１．（２００５）发现，在Ｓａｈｅｌ和几内亚，ＮＤＶＩ与降　水的关系存在明显的季节依赖性，它们之间的相关　主要出现在雨季（通常也是植被的生长季）。信忠　保等（２００７）发现中国黄土高原地区的植被ＮＤＶＩ　对降水有着敏感的响应，认为降水对该地区的植被　空间分布起着决定性作用。索玉霞等（２００９）发现，　中亚地区植被受降水的影响明显大于气温，年降水　量尤其是春季降水是中亚地区植被生长的主要限　制因子。另外，干旱半干旱过渡地区的植被变化在　响应于降水的同时，也对降水具有一定的正反馈作　用（Ｄｅｋｋｅｒ　ｅｔ　ａ１．，２００７）。张井勇等（２００３）指出，　中国东部干旱一半干旱区春季的植被ＮＤＶＩ对当年　夏季的降水有正的影响。而在更长的时间尺度上，　自然植被向农田的转变、草地向半荒漠的转变以及　大规模的土地退化可能导致了近３０００年来中国北　方的干旱化趋势，特别是黄河中下游流域的夏季降　水出现了明显减少趋势（Ｆｕ，２００３）。　植被对降水的响应具有一定的滞后特征，尤其　是干旱半干旱区域的生态系统动态，通常与季节或　更长时间尺度上的降水变化有关（Ｌｏｔｓｃｈ　ｅｔ　ａ１．，　２００３）。Ｓｉｖａｋｕｍａｒ（１９８８）认为生长季开始时期的降　水可能是植被峰值生长期长度和强度的主要控制　因素。植被活动对于降水响应的滞后，有时也被称　作植被的“记忆效应”（Ｐｈｉｌｉｐｐｏｎ　ｅｔ　ａ１．，２００５）。例　如，Ｄａｖｅｎｐｏｒｔ　ａｎｄ　Ｎｉｃｈｏｌｓｏｎ（１９９３）发现在东非的　一些区域，３月的ＮＤＶＩ与１～３月的平均降水（而　不是３月同期降水）具有最好的相关。Ｐｈｉｌｉｐｐｏｎ　ｅｔ　ａ１．　（２００５）指出Ｓａｈｅｌ地区的植被对降水的响应存在大　约一个月的滞后。Ｃａｐｅｃｃｈｉ　ｅｔ　ａ１．（２ｏｏ８）也发现，在　Ｓａｈｅｌ的一些区域，８月的ＮＤＶＩ会出现显著增长，　而这种增长与前期（特别是７月）的降水存在相　当的一致。信忠保等（２００７）发现在植被生长季节，　黄土高原植被ＮＤＶＩ对降水的滞后也大概为一个　月。在美国中部大平原，植被变化也受到同期或前　期降水的强烈影响（Ｗａｎｇ　ｅｔ　ａ１．，２００３）。　植被对降水的滞后响应也可能出现在更长的　时间尺度上。Ｍａｒｔｉｎｙ　ｅｔ　ａ１．（２００５）发现，在非洲的　一些半干旱区域，植被活动除了与同一年的降水　有关外，甚至与上一年的降水存在一定程度的相　关，植被对前一个特别干旱或湿润的年份都存在显　著的记忆效应。不过，植被对降水滞后一年的响应　可能受到了所采用空间尺度的影响（Ｃａｍｂｅｒｌｉｎ　ｅｔ　ａ１．，２００７）。另外，植被对降水的长时间尺度的记忆　也可能更多的与植物本身的生物学机制有关，如深　根植物对降水变化的记忆时间可能更长（Ｐｈｉｌｉｐｐｏｎ　ｅｔ　ａ１．，２００５）。Ｒｉｃｈａｒｄ　ｅｔ　ａ１．（２００８）分析了非洲南部　半干旱区域不同植被类型ＮＤＶＩ对降水的滞后响　应，发现早夏季节（９～１１月）一些植被的ＮＤＶＩ对　于前期７～１０个月、１２～１４个月的降水分别存在　负、正的记忆效应，研究认为这种相反的记忆可能　取决于植被种子形成、干物质积累与萌芽等不同阶　段的水分条件。总体来说，植被对于降水的滞后响　应，有助于预测植被未来的变化。然而从定量的角　度上，植被对于降水的响应时问是不易确定的，因　为从降水转化为植被可利用水经过了一系列过程，这　个过程与土壤类型、土地利用、气候条件、植被生　理和形态学特征有关ｆＳｃｈｗｉｎｎｉｎｇ　ａｎｄ　Ｓａｌａ，２００４）。　例如，徐兴奎等（２００３）发现，在中国不同气候区　域，植被ＮＤＶＩ对降水的滞后时间存在明显差异，　在较为干旱的西北区域，一次大的降水就可能改变　地表的植被状况，因此滞后时间比较短，而对于降　水相对较多的南方湿润地区，植被对降水的滞后时　间尺度相对较长。　植被对于降水的量的响应是有限的，当降水量　超过某阂值时，ＮＤＶＩ会达到“饱和”状态，从而　基本维持不变。Ｄａｖｅｎｐｏｒｔ　ａｎｄ　Ｎｉｃｈｏｌｓｏｎ（１９９３）分　析了东非的包括森林、灌丛及草地等不同植被类型　在内的ＮＤＶＩ变化特征，发现虽然不同植被类型的　水分利用效率存在差异，然而当年降水小于１０００　ｍｍ、月降水不超过２００　ｍｍ时，各种植被类型的　ＮＤＶＩ与降水具有明显的相关关系，而且对于降水　的年际变化非常敏感；当降水超过这个阈值时，就　算降水的年际变化很大，年累计ＮＤＶＩ也几乎没有　３期　Ｎｏ．３　侯美亭等：基于卫星遥感的植被ＮＤＶＩ对气候变化响应的研究进展　ＨＯＵ　Ｍｅｉｔｉｎｇ　ｅｔ　ａ１．Ｖｅｇｅｔａｔｉｏｎ　Ｒｅｓｐｏｎｓｅｓ　ｔｏ　Ｃｌｉｍａｔｅ　Ｃｈａｎｇｅ　ｂｙ　Ｕｓｉｎｇ　ｔｈｅ　Ｓａｔｅｌｌｉｔｅ—Ｄｅｒｉｖｅｄ　Ｎｏｒｍａｌｉｚｅｄ　Ｄｉｆｆｅｒｅｎｃｅ　３５９　明显的改变。Ｍａｒｔｉｎｙ　ｅｔ　ａ１．（２００６）发现热带非洲　（撒哈拉南部）的降水与ＮＤＶＩ之间具有非线性的　相关关系，当年降水在２００￣６００　ｍｍ时，ＮＤＶＩ与　降水的关系最为显著；当年降水在８００～１０００　ｍｍ　时，ＮＤＶＩ趋向于饱和；当年降水超过１６００　ｍｍ时，　ＮＤＶＩ与降水量基本没有相关存在，这些阈值也与　Ｎｉｃｈｏｌｓｏｎ　ａｎｄ　Ｆａｒｒａｒ（１　９９４）、Ｆｕｌｌｅｒ　ａｎｄ　Ｐｒｉｎｃｅ　（１９９６）、Ｃａｍｂｅｒｌｉｎ　ｅｔ　ａ１．（２００７）的发现基本一致。　Ｃａｍｂｅｒｌｉｎ　ｅｔ　ａ１．ｆ２００７）解释，在非常干旱的区域，植　被ＮＤＶＩ具有低的信噪比，而在更为湿润的森林区　域，降水不是植被生长的限制因子，因此，ＮＤＶＩ　与降水的显著相关没有出现在降水偏少或偏多的　区域。　４．２植被对温度的响应　温度成为植被活动控制因子的情况通常出现　在湿润的温带或寒温带地区（Ｚｈａｎｇ　ｅｔ　ａ１．，２００４）。在　全球变暖背景下，北方高纬度区域，特别是冬春季　节的阿拉斯加、加拿大北部和欧亚大陆北部的温度　上升尤为显著（Ｈａｎｓｅｎ　ｅｔ　ａ１．。１９９９），因而这些区域　的植被活动受温度变化的影响最为明显。Ｚｈｏｕ　ｅｔ　ａ１．　ｆ２００１）利用１９８１～１９９９年间的全球ＧＩＭＭＳ　ＮＤＶＩ　数据，发现在４０。Ｎ～７０。Ｎ之问，植被与温度变化　存在显著的相关关系。Ｉｃｈｉｉ　ｅｔ　ａ１．（２００２）进一步指　出，北方中高纬区域的植被活动与温度变化的关系　呈现出一定的季节变化特征，在３～５月植被与温　度的正相关首先出现在偏南的区域，到了夏季正相　关北移至苔原带，植被活动可能受到了生长季初期　温度的强烈影响。　植物的一些物候特征，例如生长季长度的改变，　一般对温度的变化具有高度的敏感性。Ｍｙｎｅｎｉ　ｅｔ　ａ１．（１９９７）利用１９８１～１９９１年间的ＡＶＨＲＲ　ＮＤＶＩ　数据，发现在全球尺度上，随温度的升高，４５。Ｎ～　７５。Ｎ之间的植物的生长季延长最为显著，该区域雪　消融时间的提前也暗示了春季的变暖。Ｍｅｎｚｅｌ　ａｎｄ　Ｆａｂｉａｎ（１９９９）分析了１９５９￣１９９３年的欧洲植被观　测数据，发现由于温度的上升，植被生长季在３０　余年间延长了１０．８　ｄ。Ｋｉｍｂａｌｌ　ｅｔ　ａ１．（２００６）发现在　阿拉斯加、加拿大西北区域，由特别微波辐射／成像　计（ＳＳＭ／Ｉ）反演的春季消融事件与春夏季的ＬＡＩ　最大值、ＧＰＰ以及植被净初级生产力（Ｎｅｔ　Ｐｒｉｍａｒｙ　Ｐｒｏｄｕｃｔｉｏｎ，ＮＰＰ）异常具有很好的相关，在消融时　间较早的年份，ＬＡＩ和年生产力都要高于正常年。余　振等（２０１０）使用１９８２￣２００６年问的ＧＩＭＭＳ　ＮＤＶＩ　数据，发现中国东部南北样带上大部分植被类型的　生长季长度都有所延长，温度对植被物候的影响要　大于降水，但不同植被类型对温度的响应存在差　异。侯美亭和延晓冬（２０１２）发现１９８２￣２００６年　问中国东部长江以南区域的林地生长季长度的延　长、华北区域有灌溉旱地生长开始期的提前皆主要　与气温升高有关。　积温、ＧＤＤ／ＡＧＤＤ（Ａｃｃｕｍｕｌａｔｅｄ　ＧＤＤ）、温　暖指数等具有热量累积意义的生态气候参数更能　体现温度对植被活动的影响，其中，温暖指数的计　算基于积温，ＧＤＤ的计算与日最高温度、最低温　度和植物生长发育所需的基准温度有关（Ｌｉ　ｅｔ　ａ１．，　２００２１。Ｓｕｚｕｋｉ　ｅｔ　ａ１．（２０００）利用大于０。Ｃ的月平均　温度的积温调整了温暖指数，以表征温度的特征，　发现在１　１０。Ｅ的西伯利亚泰加林一苔原带的南北样　带上，温度是决定植被活动的最关键因素。Ｌｉ　ｅｔ　ａｌ＿　（２００２）分析了中国１６０个气象站的温度和ＡＶＨＲＲ　ＮＤＶＩ之间的关系，发现其中１５５个站的ＮＤＶＩ与　ＧＤＤ都具有显著的相关，而且ＮＤＶ１与ＧＤＤ的相　关要强于ＮＤＶＩ与降水的相关。ｄｅ　Ｂｅｕｒｓ　ａｎｄ　Ｈｅｎｅｂｒｙ（２００５）使用二次曲线模型拟合了哈萨克斯　坦１５类植物群落的ＮＤＶＩ与ＡＧＤＤ之间的关系，　划分了４种不同的基于温度的植被物候类型。Ｊｉａ　ｅｔ　ａ１．（２００２）使用大于０。Ｃ的月均温的合计值来反映　阿拉斯加北部植被生长的热量条件，发现其与该区　域的ＮＤＶＩ存在显著的相关。　与植被对降水的滞后响应相比，植被对于温度　的滞后响应并不明显。温刚和符淙斌（２０００）利用　１９８２￣１９９３年的ＰＡＬＮＤＶＩ数据，发现在多年平均　意义上，中国东部的植被在各生长阶段都同步响应　于温度的季节变化。Ｐｉａｏ　ｅｔ　ａ１．（２００３）分析了　１９８２￣１９９９年间中国的月平均ＮＤＶＩ的变化，发现　仅４月或５月的ＮＤＶＩ对温度的响应滞后了大约３　个月的时间，即与２月的温度存在显著的相关，其　余月份的ＮＤＶＩ与温度变化并无显著的滞后相关。　４．３植被对辐射的响应　尽管辐射对植被活动具有重要影响，但与植被　响应于降水、温度的研究相比，使用遥感数据关注　植被受辐射影响的研究相对较少。辐射数据的可利　用性弱于降水、温度数据（例如，辐射观测站点明　显稀少），可能是导致此类研究较少的原因。卫星　反演提供的辐射产品（Ｋａｒｎｉｅｌｉ　ｅｔ　ａ１．，２０１０），或直接　利用云量数据替代辐射（何勇等，２００７），在以往　气３６０　候与环境研究　１８卷　Ｖ０１．１８　Ｃｌｉｍａｔｉｃ　ａｎｄ　Ｅｎｖｉｒｏｎｍｅｎｔａｌ　Ｒｅｓｅａｒｃｈ　此类研究中有所使用。　在低纬度的降水不是限制因子的区域，植被会　表现出对辐射变化的显著响应。Ｇｒａｈａｍ　ｅｔ　ａ１．（２００３）　通过人为增加光照试验发现，在热带森林的雨季期　间，与降水和温度相比，由于云量增加导致的太阳　辐射减少可能是阻碍植物生长的主要原因，他们认　为云以及气溶胶导致的太阳辐射变化主要是通过　影响植被对ＣＯ２的吸收，从而对植物生长发育产生　影响的，并且这种影响是正负两方面的，因为云虽　然减少了太阳的直接辐射，但是也增加了散射辐　射，因此可能存在植被活动最为旺盛的最佳的云覆　盖状态。Ｈｕｅｔｅ　ｅｔ　ａ１．（２００６）指出，在晴朗的旱季，　太阳辐射对于亚马逊雨林物候和生产力的影响要　大于降水的影响，这主要是由于土壤深层水分保证　了亚马逊雨林对水分的需求。何勇等（２００７）发现，　辐射对中国陆地植被的影响主要分布于华南地区。　一些高云量区域，如热带地区、西伯利亚西部、　澳大利亚和海岸带附近的部分区域，植被ＮＤＶＩ与　辐射也呈现显著的相关（Ｓｕｚｕｋｉ，２００７）。Ｈｕ　ｅｔ　ａ１．　（２００９）认为高的云量覆盖引起的太阳辐射减少，可　能造成了华南亚热带区域植被夏季的ＦＰＡＲ、ＥＶＩ　低于春季末期。而在高纬度地区，太阳辐射在特定　时间段内是植被生长的控制因子。Ｋａｍｉｅｌｉ　ｅｔ　ａ１．　（２０１０）研究了温度、降水和太阳辐射对北美大陆　地表温度（Ｌａｎｄ　Ｓｕｒｆａｃｅ　Ｔｅｍｐｅｒａｔｕｒｅ，ＬＳＴ）和ＮＤＶＩ　相关关系的影响，发现在北美的高纬度和高海拔地　区，当能量成为植物生长限制因子时，特别是在生　长季的开始（４～５月）和结束时期（８～９月），ＬＳＴ　和ＮＤＶＩ具有正相关，太阳辐射是ＬＳＴ和ＮＤＶＩ　相关关系的主要控制因素；在仲夏期间（６～７月），　北方高纬地区的太阳辐射基本不会成为植被生长　的限制因子，该时间段内ＬＳＴ和ＮＤＶＩ相关关系的　主要控制因素是气温。　尽管云量数据可在一定程度上替代辐射，但云　以及气溶胶对植被遥感数据的质量造成的负面影　响不可忽视。Ｋｏｂａｙａｓｈｉ　ａｎｄ　Ｄｙｅ（２ｏ０５）发现，在亚　马逊雨林的东部和南部区域，植被ＮＤＶＩ的时间变　化受到了大气条件（例如生物质燃烧气溶胶和云）　的强烈影响，其中４～７月获取的ＮＤＶＩ数据较为　可靠，９～１１月期间持续的生物质燃烧气溶胶严重　干扰了ＮＤＶＩ的可信度，而在亚马逊中部，生物质　燃烧气溶胶的影响有所减少，云的季节变化占据了　主导，云的存在导致无法从ＮＤＶＩ数据中获取植被　的季节动态信息。这也许是难以利用长期植被遥感　数据研究辐射与植被关系的原因之一。　５未来发展趋势　５．１　量化人类活动在植被及气候变化中的作用　虽然植被变化通常与气候限制因子有关，但是　在受人类干扰强烈的区域，植被与气候的关系往往　不够明显，Ｄｕｒａｎｔｅ　ｅｔ　ａ１．（２００９）发现位于地中海附　近一些区域的农作物ＮＤＶＩ的变化在年内和年际尺　度上比自然植被的变化更为稳定，受当地气候变化　的影响更小。　人类活动对植被的影响一般包括两种方式，一　是通过诸如人工造林、森林砍伐、农作物种植或收　获、人为土地利用变化等方式对植被带来的直接人　为改变，另一种是对植被的间接影响，比如人为土　地利用变化、温室气体排放可能引起局地、区域甚　至全球的气候变化，气候变化又进一步影响了植被　活动。Ｋａｕｆｍａｎｎ　ｅｔ　ａ１．（２００７）发现，珠江三角洲的　城市化过程引起了局地降水的减少，从而对植被活　动产生影响。然而，目前关于人类活动究竟在多大　程度上影响了植被多是出于定性的判断，Ｐｉａｏ　ｅｔ　ａ１．　（２００３）定性地认为迅速的城市化进程导致了长江　三角洲和珠江三角洲的ＮＤＶＩ的急剧下降，而农业　活动（灌溉和施肥）可能有助于华北地区ＮＤＶＩ的　迅速增长。如何有效的量化人类活动在植被变化中　的作用是一个亟待解决的问题，以及人类活动在多　大程度上影响了局地的植被一气候反馈，也是值得　关注的问题。　５．２全球变暖背景下的植被对气候响应特征的深　入分析　根据以往的研究，在大的时空尺度上，植被对　气候的响应一般具有以下特征：在寒冷区域，温度　通常是植被生长的限制因子；在温带区域，植被生　长一般受到温度和降水两方面的影响；在相对温暖　的热带区域，温度一般不会影响到植被的季节循　环，因为这些区域的温度通常已经超过了植被生长　所必需的最低温度；在那些降水量超出了植被所需　要最低降水量阈值的区域，植被对于降水变化也是　不敏感的。　然而，全球气候变暖背景下，植被对除温度外　其它气候变量的响应特征可能会因为温度的上升　而发生变化。例如，对于热带雨林，一般如果年降　３期　Ｎｏ．３　侯美亭等：基于卫星遥感的植被ＮＤＶＩ对气候变化响应的研究进展　ＨＯＵ　Ｍｅｉｔｉｎｇ　ｅｔ　ａ１．Ｖｅｇｅｔａｔｉｏｎ　Ｒｅｓｐｏｎｓｅｓ　ｔｏ　Ｃｌｉｍａｔｅ　Ｃｈａｎｇｅ　ｂｙ　Ｕｓｉｎｇ　ｔｈｅ　Ｓａｔｅｌｌｉｔｅ－Ｄｅｒｉｖｅｄ　Ｎｏｒｍａｌｉｚｅｄ　Ｄｉｆｅｒｅｎｃｅ．．．　３６１　水低于１３００￣１５００　１Ｔｉｍ，则热带雨林可能会被热带　草原代替（Ｓａｌｚｍａｎｎ　ａｎｄ　Ｈｏｅｌｚｍａｎｎ，２００５），但是温　度升高可能会提高植被对降水量需求的阈值　（Ｐｈｉｌｌｉｐｓ　ｅｔ　ａ１．，２００８）。　由于植被对各气候变量的响应不是孤立的，因　此，在当前全球变暖情形下，分析植被对不同气候　变量的响应特征时，需特别注意温度所起的作用。　５．３植被对气候响应的多尺度特征　植被对气候的响应，包括了不同时空尺度的生　物物理和化学过程，大尺度上的效应并不一定发生　在小尺度上。例如，尽管在大陆尺度上，温度是北　方中高纬地区植被活动的主导控制因子，但Ｓｕｚｕｋｉ　ｅｔ　ａ１．（２０００）发现，西Ｉ＂ＮＮ亚地区植被与气候的关系　存在明显的经向差异，在７５ｏＥ经向梯度上，降水　的作用明显比温度更为重要，而在１ｌＯ。Ｅ经向梯度　上，温度是最关键的决定因子。因此，全球、区域　和局地尺度上植被对气候响应的差异是值得重视　的。　随着遥感技术的不断发展，出现和积累了越来　越多的不同时间分辨率上的植被ＮＤＶＩ产品，ＮＤＶＩ　的时间覆盖长度也在不断增加。高时间分辨率如逐　日尺度上的ＮＤＶＩ可能容易受到云及其他因素的干　扰，常用的最大值合成（Ｍａｘｉｍｕｍ　Ｖａｌｕｅ　Ｃｏｍｐｏｓｉｔｅ，　ＭＶＣ）方法虽然消除了云的影响，但也丢失了时间　上植被变化的细节信息，这些细节信息可能对于植　被变化的一些关键特征（例如植被物候变化）是非　常重要的，如何更好的利用不同时间分辨率的植被　遥感数据是需要进一步探讨的问题。基于不同卫星　数据源的、时间跨度逐渐加长的ＮＤＶ１产品，也为　研究和对比植被在年代际尺度上对气候变化的响　应提供了便利。　总之，尽管基于遥感手段的很多研究己经提高　了我们对植被响应于气候变化的理解，但需要更多　的研究以确定类似的关系是否存在于与以往研究　不同的时间和空间尺度，以表明已有的发现是否具　有推广意义或者能否得出新的或更细节的植被响　应特征。　参考文献（Ｒｅｆｅｒｅｎｃｅｓ）　Ａｌｅｓｓａｎｄｒｉ　Ａ，Ｎａｖａｒｒａ　Ａ．２００８．Ｏｎ　ｔｈｅ　ｃｏｕｐｌｉｎｇ　ｂｅｔｗｅｅｎ　ｖｅｇｅｔａｔｉｏｎ　ａｎｄ　ｒａｉｎｆａｌｌ　ｉｎｔｅｒ－ａｎｎｕａｌ　ａｎｏｍａｌｉｅｓ：Ｐｏｓｓｉｂｌｅ　ｃｏｎｔｒｉｂｕｔｉｏｎｓ　ｔｏ　ｓｅａｓｏｎａ１　ｒａｉｎｆａ【１　ｐｒｅｄｉｃｔａｂｉｌｉｔｙ　ｏｖｅｒ　ｌｎａｄ　ａｒｅａｓ［Ｊ］．Ｇｅｏｐｈｙｓ．Ｒｅｓ．Ｌｅｔｔ．，３５，Ｌ０２７　１　８，ｄｏｉ：　１０．１０２９／２００７ＧＬ０３２４１５．　Ａｎｙａｍｂａ　Ａ，Ｔｕｃｋｅｒ　Ｃ　Ｊ，Ｍａｈｏｎｅｙ　Ｒ．２００２．Ｆｒｏｍ　Ｅ１　Ｎｉｉｆｏ　ｔｏ　Ｌａ　Ｎｉｉｆａ：　Ｖｅｇｅｔａｔｉｏｎ　ｒｅｓｐｏｎｓｅ　ｐａｔｔｅｒｎｓ　ｏｖｅｒ　ｅａｓｔ　ａｎｄ　ｓｏｕｔｈｅｒｎ　Ａｆｒｉｃａ　ｄｕｒｉｎｇ　ｔｈｅ　１９９７－２０００　ｐｅｒｉｏｄ［Ｊ］＿Ｊ．Ｃｌｉｍａｔｅ，１５：３０９６－３１０３．　Ａｒｃｈｅｒ　Ｅ　Ｒ　Ｍ．２００４．Ｂｅｙｏｎｄ　ｔｈｅ“ｃｌｉｍａｔｅ　ｖｅｒｓｕｓ　ｇｒａｚｉｎｇ’’ｉｍｐａｓｓｅ：Ｕｓｉｎｇ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｔｏ　ｉｎｖｅｓｔｉｇａｔｅ　ｔｈｅ　ｅｆｆｅｃｔｓ　ｏｆ　ｇｒａｚｉｎｇ　ｓｙｓｔｅｍ　ｃｈｏｉｃｅ　ｏｎ　ｖｅｇｅｔａｔｉｏｎ　ｃｏｖｅｒ　ｉｎ　ｔｈｅ　ｅａｓｔｅｒｎ　Ｋａｒｏｏ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ａｒｉｄ　Ｅｎｖｉｒｏｎｍｅｎｔｓ，　５７：３８ｌ—４Ｏ８．　Ｂａｃｈｅｌｅｔ　Ｄ，Ｎｅｉｌｓｏｎ　Ｒ　Ｐ，Ｌｅｎｉｈａｎ　Ｊ　Ｍ，ｅｔ　ａ１．２００１．Ｃｌｉｍａｔｅ　ｃｈａｎｇｅ　ｅｆｆｅｃｔｓ　ｏｎ　ｖｅｇｅｔａｔｉｏｎ　ｄｉｓｔｒｉｂｕｔｉｏｎ　ａｎｄ　ｃａｒｂｏｎ　ｂｕｄｇｅｔ　ｉｎ　ｔｈｅ　Ｕｎｉｔｅｄ　Ｓｔａｔｅｓ［Ｊ］．　Ｅｃｏｓｙｓｔｅｍｓ．４：ｌ６４～１８５．　Ｂａｒｂｏｓａ　Ｈ　Ａ，Ｈｕｅｔｅ　Ａ　Ｒ，Ｂａｅｔｈｇｅｎ　Ｗ　Ｅ．２００６．Ａ　２０－ｙｅａｒ　ｓｔｕｄｙ　ｏｆ　ＮＤＶＩ　ｖａｒｉａｂｉｌｉｔｙ　ｏｖｅｒ　ｔｈｅ　Ｎｏｒｔｈｅａｓｔ　ｒｅｇｉｏｎ　ｏｆ　Ｂｒａｚｉｌ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ａｒｉｄ　Ｅｎｖｉｒｏｎｍｅｎｔｓ，６７：２８８－３０７．　Ｂｏｎａｎ　Ｇ　Ｂ．２００２．Ｅｃｏｌｏｇｉｃａｌ　Ｃｌｉｍａｔｏｌｏｇｙ：Ｃｏｎｃｅｐｔｓ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎｓ［Ｍ］．　Ｃａｍｂｒｉｄｇｅ，ＵＫ：Ｃａｍｂｒｉｄｇｅ　Ｕｎｉｖｅｒｓｉｔｙ　Ｐｒｅｓｓ，６７８ｐｐ．　Ｂｏｎａｎ　Ｇ　Ｂ，Ｌｅｖｉｓ　Ｓ．２００６．Ｅｖａｌｕａｔｉｎｇ　ａｓｐｅｃｔｓ　ｏｆ　ｔｈｅ　ｃｏｍｍｕｎｉｔｙ　ｌｎａｄ　ａｎｄ　ａｔｍｏｓｐｈｅｒｅ　ｍｏｄｅｌｓ（ＣＬＭ３　ａｎｄ　ＣＡＭ３）ｕｓｉｎｇ　ａ　ｄｙｎａｍｉｃ　ｇｌ【ｏｂａｌ　ｖｅｇｅｔａｔｉｏｎ　ｍｏｄｅｌ［Ｊ］．Ｊ．Ｃｌｉｍａｔｅ，１９：２２９０－２３０１．　Ｃａｍｂｅｒｌｉｎ只Ｍａｒｔｉｎｙ　Ｎ，Ｐｈｉｌｉｐｐｏｎ　Ｎ，ｅｔ　ａ１．２００７．Ｄｅｔｅｒｍｉｎａｎｔｓ　ｏｆ　ｔｈｅ　ｉｎｔｅｒａｎｎｕａｌ　ｒｅｌａｔｉｏｎｓｈｉｐｓ　ｂｅｔｗｅｅｎ　ｒｅｍｏｔｅ　ｓｅｎｓｅｄ　ｐｈｏｔｏｓｙｎｔｈｅｔｉｃ　ａｃｔｉｖｉｙｔ　ａｎｄ　ｒａｉｎｆａｌｌｉｎｔｒｏｐｉｃａｌＡｆｒｉｃａ［Ｊ１．Ｒｅｍｏｔｅ　Ｓｅｎｓ．Ｅｎｖｉｒｏｎ．，１０６：１９９－２１６．　曹鸿兴，郑艳，虞海燕，等．２００８．气候检测与归因的格兰杰检验法『Ｊ］．　气候变化研究进展，４（１）：３７＿＿４１．Ｃａｏ　Ｈｏｎｇｘｉｎｇ，Ｚｈｅｎｇ　Ｙａｎ，Ｙｕ　Ｈａｉｙａｎ，　ｅｔ　ａ１．２００８．Ｇｒａｎｇｅｒ　ｃａｕｓａｌｉｔｙ　ｔｅｓｔ　ｆｏｒ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ａｔｒｔｉｂｕｔｉｏｎ　ｏｆ　ｃｌｉｍａｔｅ　ｃｈａｎｇｅ［Ｊ］．Ａｄｖａｎｃｅｓ　ｉｎ　Ｃｌｉｍａｔｅ　Ｃｈａｎｇｅ　Ｒｅｓｅａｒｃｈ（ｉｎ　Ｃｈｉｎｅｓｅ），４（１）：　３７—４１．　Ｃａｐｅｃｃｈｉ　Ｃｒｉｓｃｉ　Ａ，Ｇｅｎｅｓｉｏ　Ｌ，ｅｔ　ａ１．２００８．Ａｎａｌｙｓｉｓ　ｏｆＮＤＶＩ　ｔｒｅｎｄｓ　ｎａｄ　ｔｈｅｉｒ　ｃｌｉｍａｔｉｃ　ｏｒｉｇｉｎ　ｉｎ　ｔｈｅ　Ｓａｈｅｌ　１　９８６－２０００［Ｊ］．Ｇｅｏｃａｒｔｏ　Ｉｎｔｅｍａｔｉｏｎａｌ，　２３　ｆ４）：２９７—３１Ｏ．　Ｄａｖｅｎｐｏｒｔ　Ｍ，Ｎｉｃｈｏｌｓｏｎ　Ｓ　Ｅ．１９９３．Ｏｎ　ｈｔｅ　ｒｅｌａｔｉｏｎ　ｂｅｔｗｅｅｎ　ｒａｉｎｆａｌｌ　ａｎｄ　ｔｈｅ　ｎｏｒｍａｌｉｚｅｄ　ｄｉｆｆｅｒｅｎｃｅ　ｖｅｇｅｔａｔｉｏｎ　ｉｎｄｅｘ　ｆｏｒ　ｄｉｖｅｒｓｅ　ｖｅｇｅｔａｔｉｏｎ　ｔｙｐｅｓ　ｉｎ　Ｅａｓｔ　Ａｆｒｉｃａ［Ｊ１．Ｉｎｔ．Ｊ．Ｒｅｍｏｔｅ　Ｓｅｎｓ．，１４（１２）：２３６９－２３８９．　ｄｅ　Ｂｅｕｒｓ　Ｋ　Ｍ，Ｈｅｎｅｂｒｙ　Ｇ　Ｍ．２００５．Ａ　ｓｔａｔｉｓｔｉｃａｌ　ｆｒａｍｅｗｏｒｋ　ｆｏｒ　ｈｔｅ　ａｎａｌｙｓｉｓ　ｏｆｌｏｎｇ　ｉｍａｇｅ　ｔｉｍｅ　ｓｅｒｉｅｓ［Ｊ】．Ｉｎｔ．Ｊ．Ｒｅｍｏｔｅ　Ｓａｎｓ．，２６（８）：１５５１－１５７３．　Ｄｅｋｋｅｒ　Ｓ　Ｃ，Ｒｉｅｔｋｅｒｋ　Ｍ，Ｂｉｅｒｋｅｎｓ　Ｍ　Ｆ　Ｐ．２００７．Ｃｏｕｐｌｉｎｇ　ｍｉｃｒｏｓｃａｌｅ　ｖｅｇｅｔａｔｉｏｎ－ｓｏｉｌ　ｗａｔｅｒ　ａｎｄ　ｍａｃｒｏｓｃａｌｅ　ｖｅｇｅｔａｔｉｏｎ－ｐｒｅｃｉｐｉｔａｔｉｏｎ　ｆｅｅｄｂａｃｋｓ　ｉｎ　ｓｅｍｉｒａｉｄ　ｅｃｏｓｙｓｔｅｍｓ［Ｊ］ｌ　Ｇｌｏｂａｌ　Ｃｈａｎｇｅ　Ｂｉｏｌｏｇｙ，１３：６７１－６７８．　Ｄｅｌ　Ｇｒｏｓｓｏ　Ｓ　Ｊ，Ｐａｔｔｏｎ　Ｗ　Ｊ，Ｓｔｏｈｌｇｒｅｎ　Ｔ　Ｓ，ｅｔ　ａ１．２００８．Ｇｌｏｂａｌ　ｐｏｔｅｎｔｉａｌ　ｎｅｔ　ｐｒｉｍａｒｙ　ｐｒｏｄｕｃｔｉｏｎ　ｐｒｅｄｉｃｔｅｄ　ｆｒｏｍ　ｖｅｇｅｔａｔｉｏｎ　ｃｌａｓｓ，ｐｒｅｃｉｐｉｔａｔｉｏｎ　ａｎｄ　ｔｅｍｐｅｒａｔｕｒｅ［Ｊ１．Ｅｃｏｌｏｇｙ，８９：２ｌ１７－２１２６．　Ｄｕｒａｎｔｅ　Ｐ，Ｏｙｏｎａｒｔｅ　Ｃ，Ｖａｌｌａｄａｒｅｓ　Ｆ．２００９．Ｉｎｆｌｕｅｎｃｅ　ｏｆ　ｌｎａｄ—ｕｓｅ　ｔｙｐｅｓ　ａｎｄ　ｃｌｉｍａｔｉｃ　ｖａｒｉａｂｌｅｓ　ｏｎ　ｓｅａｓｏｎａｌ　ｐａＲｅｍｓ　ｏｆＮＤＶＩ　ｉｎ　Ｍｅｄｉｔｅｒｒｎａｅａｎ　Ｉｂｅｒｉａｎ　ｅｃｏｓｙｓｔｅｍｓ［Ｊ］．Ａｐｐｌｉｅｄ　Ｖｅｇｅｔａｔｉｏｎ　Ｓｃｉｅｎｃｅ，１２：１７７～１８５．　Ｅｖａｎｓ　Ｊ，Ｇｅｅｒｋｅｎ　Ｒ．２００４．Ｄｉｓｃｒｉｍｉｎａｔｉｏｎ　ｂｅｔｗｅｅｎ　ｃｌｉｍａｔｅ　ａｎｄ　ｈｕｍａｎ—　ｉｎｄｕｃｅｄ　ｄｒｙｌａｎｄ　ｄｅｇｒａｄａｔｉｏｎ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ａｒｉｄ　Ｅｎｖｉｒｏｎｍｅｎｔｓ，５７：　５３５－５５４．　Ｆｅｎｓｈｏｌｔ　Ｒ，Ｒａｓｍｕｓｓｅｎ　Ｋ，Ｎｉｅｌｓｅｎ　Ｔ　ｔ　ｅｔ　ａ１．２００９．Ｅｖａｌｕａｔｉｏｎ　ｏｆ　ｅａｒｔｈ　ｏｂｓｅｒｖａｔｉｏｎ　ｂａｓｅｄ　ｌｏｎｇ　ｔｅｒｍ　ｖｅｇｅｔａｔｉｏｎ　ｔｒｅｎｄｓ－Ｉｎｔｅｒｃｏｍｐａｒｉｎｇ　ＮＤＶＩ　ｔｉｍｅ　ｓｅｒｉｅｓ　ｔｒｅｎｄ　ａｎａｌｙｓｉｓ　ｃｏｎｓｉｓｔｅｎｃｙ　ｏｆ　Ｓａｈｅｌ　ｆｒｏｍ　ＡＶＨＲＲ　ＧＩＭＭＳ，　Ｔｅｒｒａ　ＭＯＤＩＳ　ａｎｄ　ＳＰＯＴ　ＶＧＴ　ｄａｔａ［Ｊ］＿Ｒｅｍｏｔｅ　Ｓｅｎｓ．Ｅｎｖｉｒｏｎ．，ｌ１３：　１８８６—１８９８．　Ｆｏｌｅｙ　Ｊ　Ａ，Ｌｅｖｉｓ　Ｓ，Ｃｏｓｔａ　Ｍ　Ｈ，ｅｔ　ａ１．２０００．Ｉｎｃｏｒｐｏｒａｔｉｎｇ　ｄｙｎａｍｉｃ　气３６２　候与环境研究　１８卷　Ｖｌ０１．１８　Ｃｌｉｍａｔｉｃ　ａｎｄ　Ｅｎｖｉｒｏｎｍｅｎｔａｌ　Ｒｅｓｅａｒｃｈ　ｖｅｇｅｔａｔｉｏｎ　ｃｏｖｅｒ　ｗｉｔｈｉｎ　ｇｌｏｂａｌ　ｃｌｉｍａｔｅ　ｍｏｄｅｌｓ［Ｊ】．Ｅｃｏｌｏｇｉｃａｌ　Ａｐｐｌｉｃａｔｉｏｎｓ，１０（６）：１６２０－１６３２．　Ｆｕ　Ｃ　Ｂ．２００３．Ｐｏｔｅｎｔｉａｌ　ｉｍｐａｃｔｓ　ｏｆ　ｈｕｍａｎ—ｉｎｄｕｃｅｄ　ｌａｎｄ　ｃｏｖｅｒ　ｃｈａｎｇｅ　ｏｎ　Ｅａｓｔ　Ａｓｉａ　ｍｏｎｓｏｏｎ［Ｊ］．Ｇｌｏｂａｌ　ａｎｄ　Ｐｌｎａｅｔａｒｙ　Ｃｈａｎｇｅ，３７：２１９－２２９．　Ｆｕ　Ｃ　Ｂ，Ｗｅｎ　Ｃｔ　１９９９．Ｖａｒｉａｔｉｏｎ　ｏｆｅｃｏｓｙｓｔｅｍｓ　ｏｖｅｒ　Ｅａｓｔ　Ａｓｉａ　ｉｎ　ａｓｓｏｃｉａｔｉｏｎ　ｗｉｔｈ　ｓｅａｓｏｎａｌ，ｉｎｔｅｒａｎｎｕａｌ　ａｎｄ　ｄｅｃａｄａｌ　ｍｏｎｓｏｏｎ　ｃｌｉｍａｔｅ　ｖａｒｉａｂｉｌｉｔｙ　．　Ｃｌｉｍａｔｉｃ　Ｃｈａｎｇｅ．４３：４７７—４９４．　Ｆｕｌｌｅｒ　Ｄ　Ｏ，Ｐｒｉｎｃｅ　Ｓ　Ｄ．１　９９６．Ｒａｉｎｆａｌｌ　ａｎｄ　ｆｏｌｉａｒ　ｄｙｎａｍｉｃｓ　ｉｎ　ｔｒｏｐｉｃａｌ　ｓｏｕｔｈｅｒｎ　Ａｆｒｉｃａ：Ｐｏｔｅｎｔｉａｌ　ｉｍｐａｃｔｓ　ｏｆ　ｇｌｏｂａｌ　ｃｌｉｍａｔｉｃ　ｃｈａｎｇｅ　ｏｎ　Ｓａｖａｎｎａ　ｖｅｇｅｔａｔｉｏｎ［Ｊ】ｌ　Ｃｌｉｍａｔｉｃ　Ｃｈａｎｇｅ，３３：６９—９６．　Ｇｌｅｎｎ　Ｅ　Ｐ＇Ｈｕｅｔｅ　Ａ　Ｒ，Ｎａｇｌｅｒ　Ｐ　Ｌ，ｅｔ　ａ１．２００８．Ｒｅｌａｔｉｏｎｓｈｉｐ　ｂｅｔｗｅｅｎ　ｒｅｍｏｔｅｌｙ—ｓｅｎｓｅｄ　ｖｅｇｅｔａｔｉｏｎ　ｉｎｄｉｃｅｓ，ｃａｎｏｐｙ　ａｔｔｒｉｂｕｔｅｓ　ａｎｄ　ｐｌｎａｔ　ｐｈｙｓｉｏｌｏｇｉｃａｌ　ｐｒｏｃｅｓｓｅｓ：Ｗｈａｔ　ｖｅｇｅｔａｔｉｏｎ　ｉｎｄｉｃｅｓ　ｃａｎ　ａｎｄ　ｃａｎｎｏｔ　ｔｅｌｌ　ｕｓ　ａｂｏｕｔ　ｔｈｅ　ｌａｎｄｓｃａｐｅ［ＪＪ．Ｓｅｎｓｏｒｓ．８：２Ｉ３６＿２１６０．　Ｇｏｗａｒｄ　Ｓ　Ａ．１９８９．Ｓａｔｅｌｌｉｔｅ　ｂｉｏｃｌｉｍａｔｏｌｏｇｙ［Ｊ】ｌ　Ｊ．Ｃｌｉｍａｔｅ，２：７１０－７２０．　Ｇｒａｂｈｅｒｒ　Ｇ　Ｇｏｔｔｆｒｉｅｄ　Ｍ，Ｐａｕｌｉ　Ｈ．１　９９４．Ｃｌｉｍａｔｅ　ｅｆｆｅｃｔｓ　ｏｎ　ｍｏｕｎｔａｉｎ　ｐｌｎａｔｓ　ｆＪ］．Ｎａｔｕｒｅ，３６９：４４８．　Ｇｒａｈａｍ　Ｅ　Ａ，Ｍｕｌｋｅｙ　Ｓ　Ｓ，Ｋｉｔ￣ｉｍａ　Ｋ，ｅｔ　ａ１．２００３．Ｃｌｏｕｄ　ｃｏｖｅｒ　ｌｉｍｉｔｓ　ｎｅｔ　ＣＯ２　ｕｐｔａｋｅ　ａｎｄ　ｇｒｏｗｔｈ　ｏｆ　ａ　ｒａｉｎｆｏｒｅｓｔ　ｔｒｅｅ　ｄｕｒｉｎｇ　ｔｒｏｐｉｃａｌ　ｒａｉｎｙ　ｓｅａｓｏｎｓ　［Ｊ］ｌ　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆｔｈｅ　Ｎａｔｉｏｎａｌ　Ａｃａｄｅｍｙ　ｏｆＳｃｉｅｎｃｅｓ，１００：５７２—５７６．　Ｈａｎｓｅｎ　Ｊ，Ｒｕｅｄｙ　Ｒ，Ｇｌａｓｃｏｅ　Ｊ，ｅｔ　ａ１．１９９９．ＧＩＳＳ　ａｎａｌｙｓｉｓ　ｏｆ　ｓｕｒｆａｃｅ　ｔｅｍｐｅｒａｔｕｒｅ　ｃｈａｎｇｅ［Ｊ１．Ｊ．Ｇｅｏｐｈｙｓ．Ｒｅｓ．，１０４（Ｄ２４）：３０９９７—３１０２２．　何勇，董文杰，郭晓寅，等．２００７．基于ＭＯＤＩＳ的中国陆地植被生长及　其与气候的关系［Ｊ］．生态学报，２７（１２）：５０８６－５０９２．Ｈｅ　Ｙｏｎｇ，Ｄｏｎｇ　Ｗｅｎｊｉｅ，Ｇｕｏ　Ｘｉａｏｙｉｎ，ｅｔ　ａ１．２００７．Ｔｈｅ　ｔｅｒｒｅｓｔｒｉａｌ　ｇｒｏｗｔｈ　ａｎｄ　ｉｔｓ　ｒｅｌａｔｉｏｎｓｈｉｐ　ｗｉｔｈ　ｃｌｉｍａｔｅ　ｉｎ　Ｃｈｉｎａ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ＭＯＤＩＳ　ｄａｔａ［Ｊ１＿Ａｃｔａ　Ｅｃｏｌｏｇｉｃａ　Ｓｉｎｉｃａ（ｉｎ　Ｃｈｉｎｅｓｅ），２７（１２）：５０８６－５０９２．　Ｈｅｒｒｍａｎｎ　Ｓ　Ｍ，Ａｎｙａｍｂａ　Ａ，Ｔｕｃｋｅｒ　Ｃ　Ｊ．２００５．Ｒｅｃｅｎｔ　ｔｒｅｎｄｓ　ｉｎ　ｖｅｇｅｔａｔｉｏｎ　ｄｙｎａｍｉｃｓ　ｉｎ　ｔｈｅ　Ａｆｒｉｃａｎ　Ｓａｈｅｌ　ｎａｄ　ｔｈｅｉｒ　ｒｅｌａｔｉｏｎｓｈｉｐ　ｔｏ　ｃｌｉｍａｔｅ【ＪＪ．Ｇｌｏｂａｌ　Ｅｎｖｉｒｏｎ．Ｃｈａｎｇｅ．１５：３９４－４０４．　侯美亭，延晓冬．２０１２．中国东部植被物候变化及其对气候的响应［Ｊ１　．气象科技进展，２（４）：３９＿４７．Ｈｏｕ　Ｍｅｌｔｉｎｇ，Ｙａｎ　Ｘｉａｏｄｏｎｇ．２０１２．　Ｄｅｔｅｃｔｉｎｇ　ｖｅｇｅｔａｔｉｏｎ　ｐｈｅｎｏｌｏｇｉｃａｌ　ｃｈａｎｇｅｓ　ｉｎ　ｒｅｓｐｏｎｓｅ　ｔｏ　ｃｌｉｍａｔｅ　ｉｎ　ｅａｓｔｅｒｎ　Ｃｈｉｎａ［Ｊｌ＿Ａｄｖａｎｃｅｓ　ｉｎ　Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ　（ｉｎ　Ｃｈｉｎｅｓｅ），２（４）：３９＿４７．　侯美亭，赵海燕，王筝，等．２０１３．基于ＧＩＭＭＳ、ＶＧＴ、ＭＯＤＩＳ的中国　东部植被指数对比分析［Ｊ］．遥感技术与应用，２８（２）：２９０－２９９．Ｈｏｕ　Ｍｅｉｔｉｎｇ，Ｚｈａｏ　Ｈａｉｙａｎ，Ｗａｎｇ　Ｚｈｅｎｇ，ｅｔ　ａ１．２０１　３．Ｃｏｍｐａｒｉｓｏｎ　ｏｆ　ＧＩＭＭＳ，　ＶＧＴ　ａｎｄ　ＭＯＤＩＳ　ｖｅｇｅｔａｔｉｏｎ　ｉｎｄｅｘ　ｄａｔａｓｅｔｓ　ｉｎ　ｅａｓｔｅｒｎ　Ｃｈｉｎａ［Ｊ］．Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｔｅｃｈｎｏｌｏｇｙ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎ（ｉｎ　Ｃｈｉｎｅｓｅ），２８（２）：２９０－２９９．　Ｈｕ　Ｙ　Ｈ，Ｊｉａ　Ｇ　Ｓ，Ｇｕｏ　Ｈ　Ｄ．２００９　Ｌｉｎｋｉｎｇ　ｐｒｉｍａｒｙ　ｐｒｏｄｕｃｔｉｏｎ，ｃｌｉｍａｔｅ　ａｎｄ　ｌｎａｄ　ｕｓｅ　ａｌｏｎｇ　ａｎ　ｕｒｂａｎ－ｗｉｌｄｌａｎｄ　ｔｒａｎｓｅｃｔ：Ａ　ｓａｔｅｌｌｉｔｅ　ｖｉｅｗ［Ｊ］．Ｅｎｖｉｒｏｎ　Ｒｅｓ．Ｌｅｔｔ．，４（４）：０４４００９．　Ｈｕｅｔｅ　Ａ，Ｄｉｄａｎ　Ｋ，ＭＪｒｕａ　Ｌ　ｅｔ　ａ１．２００２．Ｏｖｅｒｖｉｅｗ　ｏｆ　ｔｈｅ　ｒａｄｉｏｍｅｔｒｉｃ　ａｎｄ　ｂｉｏｐｈｙｓｉｃａｌ　ｐｅｒｆｏｒｍａｎｃｅ　ｏｆ　ｔｈｅ　ＭＯＤＩＳ　ｖｅｇｅｔａｔｉｏｎ　ｉｎｄｉｃｅｓ［Ｊ］．Ｒｅｍｏｔｅ　Ｓｅｎｓ．Ｅｎｖｉｒｏｎ．，８３：１９５－２１３．　Ｈｕｅｔｅ　Ａ　Ｒ，Ｄｉｄａｎ　Ｋ，Ｓｈｉｍａｂｕｋｕｒｏ　Ｙ　Ｅ，ｅｔ　ａｌ　２００６．Ａｍａｚｏｎ　ｒａｉｎｆｏｒｅｓｔｓ　ｇｒｅｅｎ・ｕｐ　ｗｉｈｔ　ｓｕｎｌｉｇｈｔ　ｉｎ　ｄｒｙ　ｓｅａｓｏｎ【ＪＪ．Ｇｅｏｐｈｙｓ　Ｒｅｓ．Ｌｅｔｔ．，３３，Ｌ０６４０５，　ｄｏｉ：１０．１０２９／２００５ＧＬ０２５５８３．　１ｃｈｉｉ　Ｌ，Ｋａｗａｂａｔａ　Ａ，Ｙａｍａｇｕｃｈｉ　Ｙ　２００２．Ｇｌｏｂａｌ　ｃｏｒｒｅｌａｔｉｏｎ　ａｎａｌｙｓｉｓ　ｆｏｒ　ＮＤＶＩ　ａｎｄ　ｃｌｉｍａｔｉｃ　ｖａｒｉａｂｌｅｓ　ａｎｄ　ＮＤＶＩ　ｔｒｅｎｄｓ：１９８２—１９９０『Ｊ］ｌ　Ｉｎｔ．Ｊ．　Ｒｅｍｏｔｅ　Ｓｅｎｓ．，２３：３８７３－３８７８．　ＩＰＣＣ．２００７．Ｃｌｉｍａｔｅ　ｃｈａｎｇｅ　２００７：Ｔｈｅ　ｐｈｙｓｉｃａｌ　ｓｃｉｅｎｃｅ　ｂａｓｉｓ．ｃｏｎｔｒｉｂｕｔｉｏｎ　ｏｆ　ｗｏｒｋｉｎｇ　ｇｒｏｕｐ　Ｉ　ｔＯ　ｔｈｅ　ｆｏｕｒｔｈ　ａｓｓｅｓｓｍｅｎｔ　ｒｅｐｏｒｔ　ｏｆ　ｔｈｅ　ｉｎｔｅｒｇｏｖｅｒｎｍｅｎｔａｌ　ｐａｎｅｌ　ｏｎ　ｃｌｉｍａｔｅ　ｃｈａｎｇｅ［Ｒ】．Ｃａｍｂｒｉｄｇｅ，ＵＫ：　Ｃａｍｂｒｉｄｇｅ　Ｕｎｉｖｅｒｓｉｔｙ　Ｐｒｅｓｓ，９９６ｐｐ　Ｊａｒｌａｎ　Ｌ，Ｔｏｕｒｒｅ　Ｙ　Ｍ，Ｍｏｕｇｉｎ　Ｅ，ｅｔ　ａ１．２００５．Ｄｏｍｉｎａｎｔ　ｐａｔｔｅｒｎｓ　ｏｆ　ＡＶＨＲＲ　ＮＤＶＩ　ｉｎｔｅｒａｎｎｕａｌ　ｖａｒｉａｂｉｌｉｔｙ　ｏｖｅｒ　ｔｈｅ　Ｓａｈｅｌ　ａｎｄ　ｌｉｎｋａｇｅｓ　ｗｉｔｈ　ｋｅｙ　ｃｌｉｍａｔｅ　ｓｉｇｎａｌｓ（１９８２－２００３）［Ｊ］ｌ　Ｇｅｏｐｈｙｓ．Ｒｅｓ．Ｌｅｔｔ．，３２，Ｌ０４７０１，　ｄｏｉ：１０．１０２９／２００４ＧＬ０２１８４１．　Ｊｉａ　Ｇ　Ｊ，Ｅｐｓｔｅｉｎ　Ｈ　Ｅ，Ｗａｌｋｅｒ　Ｄ　Ａ．２００２．Ｓｐａｔｉａｌ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　ＡＶＨＲＲ－ＮＤＶＩ　ａｌｏｎｇ　ｌａｔｉｔｕｄｉｎａｌ　ｔｒａｎｓｅｃｔｓ　ｉｎ　ｎｏｒｔｈｅｒｎ　Ａｌａｓｋａ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆＶｅｇｅｔａｔｉｏｎ　Ｓｃｉｅｎｃｅ，１３：３１５－３２６．　江志红，屠其璞，施能．２００１．多窗谱分析方法及其在全球变暖研究中　的应用［Ｊ］．气象学报，５９（４）：４８０－４９０．Ｊｉａｎｇ　Ｚｈｉｈｏｎｇ，Ｔｕ　Ｑｉｐｕ，Ｓｈｉ　Ｎｅｎｇ．２００１．Ｍｕｌｔｉ－ｔａｐｅｒ　ｍｅｔｈｏｄ　ｏｆ　ｓｐｅｃｔｒａｌ　ａｎａｌｙｓｉｓ　ａｎｄ　ａｐｐｌｉｃａｔｉｏｎｓ　ｉｎ　ｇｌｏｂａｌ　ｗａｒｍｉｎｇ　ｓｔｕｄｙ［Ｊ］．Ａｃｔａ　Ｍｅｔｅｏｒｏｌｏｇｉｃａ　Ｓｉｎｉｃａ（ｉｎ　Ｃｈｉｎｅｓｅ），５９（４）：　４８０－４９０．　Ｊｕｌｉｅｎ　Ｓｏｂｒｉｎｏ　Ｊ　Ａ．２００９．Ｔｈｅ　ｙｅａｒｌｙ　ｌａｎｄ　ｃｏｖｅｒ　ｄｙｎａｍｉｃｓ（ＹＬＣＤ）　ｍｅｔｈｏｄ：Ａｎ　ｎａａｌｙｓｉｓ　ｏｆ　ｇｌｏｂａｌ　ｖｅｇｅｔａｔｉｏｎ　ｆｒｏｍ　ＮＤＶＩ　ｎａｄ　ＬＳＴ　ｐａｒａｍｅｔｅｒｓ　［Ｊ］ｌ　Ｒｅｍｏｔｅ　Ｓａｎｓ．Ｅｎｖｗｏｎ．，ｌ１　３：３２９—３３４．　Ｊｕｌｉｎａ　Ｙ　Ｓｏｂｒｉｎｏ　Ｊ　Ａ．Ｖｅｒｈｏｅｆ　２００６．Ｃｈａｎｇｅｓ　ｉｎ　ｌａｎｄ　ｓｕｒｆａｃｅ　ｔｅｍｐｅｒａｔｕｒｅｓ　ａｎｄ　ＮＤＶＩ　ｖａｌｕｅｓ　ｏｖｅｒ　Ｅｕｒｏｐｅ　ｂｅｔｗｅｅｎ　１　９８２　ａｎｄ　１　９９９［Ｊ］．　Ｒｅｍｏｔｅ　Ｓａｎｓ．Ｅｎｖｉｒｏｎ．，１０３：４３—５５　Ｋａｒｎｉｅｌｉ　Ａ，Ａｇａｍ　Ｎ，Ｐｉｎｋｅｒ　Ｒ　Ｌ　ｅｔ　ａ１．２０１０．Ｕｓｅ　ｏｆＮＤＶＩ　ａｎｄ　ｌａｎｄ　ｓｕｒｆａｃｅ　ｔｅｍｐｅｒａｔｒｕｅ　ｆｏｒ　ｄｒｏｕｇｈｔ　ａｓｓｅｓｓｍｅｎｔ：Ｍｅｒｉｔｓ　ａｎｄ　ｌｉｍｉｔａｔｉｏｎｓ［Ｊ］．Ｊ．Ｃｌｉｍａｔｅ，　２３：６１８—６３３．　Ｋａｕｆｍａｎｎ　Ｒ　Ｋ，Ｓｔｅｒｎ　Ｄ　Ｉ．１９９７．Ｅｖｉｄｅｎｃｅ　ｆｏｒ　ｈｕｍａｎ　ｉｎｆｌｕｅｎｃｅ　ｏｎ　ｃｌｉｍａｔｅ　ｒｆｏｍ　ｈｅｍｉｓｐｈｅｒｉｃ　ｔｅｍｐｅｒａｔｕｒｅ　ｒｅｌａｔｉｏｎｓ［Ｊ］ｌ　Ｎａｔｕｒｅ，３８８：３９　４．　Ｋａｕｆｍａｎｎ　Ｒ　Ｋ，Ｚｈｏｕ　Ｌ，Ｍｙｎｅｒｉ　Ｒ　Ｂ，ｅｔ　ａ１．２００３．Ｔｈｅ　ｅｆｆｅｃｔ　ｏｆ　ｖｅｇｅｔａｔｉｏｎ　ｏｎ　ｓｒｕｆａｃｅ　ｔｅｍｐｅｒａｔｒｕｅ：Ａ　ｓｔａｔｉｓｔｉｃａｌ　ａｎａｌｙｓｉｓ　ｏｆ　ＮＤＶＩ　ａｎｄ　ｃｌｉｍａｔｅ　ｄａｔａ　［Ｊ］．Ｇｅｏｐｈｙｓ．Ｒｅｓ．Ｌｅｔｔ．，３０（２２）：２１４７，ｄｏｉ：１０．１０２９／２００３ＧＬ０１８２５１．　Ｋａｕｆｍａｎｎ　Ｒ　Ｋ，Ｓｅｔｏ　Ｋ　Ｃ，Ｓｃｈｎｅｉｄｅｒ　Ａ，ｅｔ　ａ１．２００７．Ｃｌｉｍａｔｅ　ｒｅｓｐｏｎｓｅ　ｔｏ　ｒａｐｉｄ　ｕｒｂａｎ　ｇｒｏｗｔｈ：Ｅｖｉｄｅｎｃｅ　ｏｆａ　ｈｕｍａｎ—ｉｎｄｕｃｅｄ　ｐｒｅｃｉｐｉｔａｔｉｏｎ　ｄｅｆｉｃｉｔ［Ｊ］．　Ｊ　Ｃｌｉｍａｔｅ，２０：２２９９—２３０６．　Ｋｉｍｂａｌｌ　Ｊ　Ｓ，ＭｃＤｏｎａｌｄ　Ｋ　Ｃ，Ｚｈａｏ　Ｍ．２００６．Ｓｐｒｉｎｇ　ｔｈａｗ　ａｎｄ　ｉｔｓ　ｅｆｆｅｃｔ　ｏｎ　ｎｏ．ｈｅｍ　ｔｅｒｒｅｓｔｒｉａｌ　ｖｅｇｅｔａｔｉｏｎ　ｐｒｏｄｕｃｔｉｖｉｔｙ　ｏｂｓｅｒｖｅｄ　ｆｒｏｍ　ｓａｔｅｌｌｉｔｅ　ｍｉｃｒｏｗａｖｅ　ａｎｄ　ｏｐｔｉｃａｌ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ［ＪＪ．Ｅａｒｔｈ　Ｉｎｔｅｒａｃｔｉｏｎｓ，１０：１－２２．　Ｋｏｂａｙａｓｈｉ　Ｈ．Ｄｙｅ　Ｄ　Ｇ　２００５．Ａｔｍｏｓｐｈｅｒｉｃ　ｃｏｎｄｉｔｉｏｎｓ　ｆｏｒ　ｍｏｎｉｔｏｒｉｎｇ　ｔｈｅ　ｌｏｎｇ－ｔｅｒｍ　ｖｅｇｅｔａｔｉｏｎ　ｄｙｎａｍｉｃｓ　ｉｎ　ｔｈｅ　Ａｍａｚｏｎ　ｕｓｉｎｇ　ｎｏｒｍａｌｉｚｅｄ　ｄｉｆｅｒｅｎｃｅ　ｖｅｇｅｔａｔｉｏｎ　ｉｎｄｅｘ［Ｊ］．Ｒｅｍｏｔｅ　Ｓｅｎｓ．Ｅｎｖｉｒｏｎ．，９７：５１９　５２５．　Ｌｉ　Ｂ．Ｔａｏ　Ｓ．Ｄａｗｓｏｎ　Ｒ　２００２．Ｒｅｌａｔｉｏｎｓ　ｂｅｔｗｅｅｎ　Ａｖ１｛ＲＲ　ＮＤＶＩ　ａｎｄ　ｅｃｏ－ｃｌｉｍａｔｉｃ　ｐａｒａｍｅｔｅｒｓ　ｉｎ　Ｃｈｉｎａ［Ｊ］．Ｉｎｔ．Ｊ．Ｒｅｍｏｔｅ　Ｓｅｎｓ．，２３：９８９－９９９．　Ｌｉａｎｇ　Ｓ　Ｌ．２００４．Ｑｕａｎｔｉｔａｔｉｖｅ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　ｏｆ　Ｌａｎｄ　Ｓｕｒｆａｃｅｓ［Ｍ］Ｎｅｗ　Ｙｏｒｋ：Ｊｏｈｎ　Ｗｉｌｅｙ　ａｎｄ　Ｓｏｎｓ，Ｉｎｃ，５３４ｐｐ．　Ｌｏ　Ｓｅｅｎ　Ｄ，Ｍｏｕｇｉｎ　Ｅ，Ｒａｍｂａｌ　Ｓ，ｅｔ　ａ１．１９９５．Ａ　ｒｅｇｉｏｎａｌ　Ｓａｈｅｌｉａｎ　ｇｒａｓｓｌａｎｄ　ｍｏｄｅｌ　ｔｏ　ｂｅ　ｃｏｕｐｌｅｄ　ｗｉｔｈ　ｍｕｌｔｉｓｐｅｃｔｒａｌ　ｓａｔｅｌｌｉｔｅ　ｄａｔａ．ＩＩ：Ｔｏｗａｒｄ　ｔｈｅ　ｃｏｎｔｒｏｌ　ｏｆ　ｉｔｓ　ｓｉｍｕｌａｔｉｏｎｓ　ｂｙ　ｒｅｍｏｔｅｌｙ　ｓｅｎｓｅｄ　ｉｎｄｉｃｅｓ［Ｊ］．Ｒｅｍｏｔｅ　Ｓｅｎｓ．　Ｅｎｖｉｒｏｎ．，５２：１９４－２０６．　Ｌｏｔｓｃｈ　Ａ，Ｆｒｉｅｄｌ　Ｍ　Ａ，Ａｎｄｅｒｓｏｎ　Ｂ　ｅｔ　ａ１．２００３．Ｃｏｕｐｌｅｄ　ｖｅｇｅｔａｔｉｏｎ－ｐｒｅｃｉｐｉｔａｔｉｏｎ　ｖａｒｉａｂｉｌｉｔｙ　ｏｂｓｅｒｖｅｄ　ｆｒｏｍ　ｓａｔｅｌｌｉｔｅ　ａｎｄ　ｃｌｉｍａｔｅ　ｒｅｃｏｒｄｓ［Ｊ］．Ｇｅｏｐｈｙｓ．Ｒｅｓ．Ｌｅｔｔ．，３０（１４），１７７４，ｄｏｉ：１０．１０２９／　２００３ＧＬ０１７５０６．　卢玲，李新，程国栋．２００２．利用ＮＯＡＡＡＶＨＲＲ植被指数数据集分析黑　３期　Ｎｏ．３　侯美亭等：基于卫星遥感的植被ＮＤＶＩ对气候变化响应的研究进展　ＨＯＵ　Ｍｅｉｔｉｎｇ　ｅｔ　ａ１．Ｖｅｇｅｔａｔｉｏｎ　Ｒｅｓｐｏｎｓｅｓ　ｔｏ　Ｃｌｉｍａｔｅ　Ｃｈａｎｇｅ　ｂｙ　Ｕｓｉｎｇ　ｔｈｅ　Ｓａｔｅｌｌｉｔｅ—Ｄｅｒｉｖｅｄ　Ｎｏｒｍａｌｉｚｅｄ　Ｄｉｆｆｅｒｅｎｃｅ．．．　３６３　河流域季候特征［Ｊ】．中国沙漠，２２（２）：１８７—１９１．Ｌｕ　Ｌｉｎｇ，Ｌｉ　Ｘｉｎ，　Ｃｈｅｎｇ　Ｇｕｏｄｏｎｇ．２００２．Ａｎａｌｙｓｉｓ　ｏｎ　ｔｈｅ　ｓｅａｓｏｎａｌ　ｐｈｅｎｏｌｏｇｉｃａｌ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　ｔｈｅ　Ｈｅｉｈｅ　Ｒｉｖｅｒ　ｂａｓｉｎ　ｗｉｔｈ　ＡＶＨＲＲ　ＮＤＶＩ　ｄａｔａ　ｓｅｔ［Ｊ］．　Ｊｏｕｍａｌ　ｏｆＤｅｓｅｒｔ　Ｒｅｓｅａｒｃｈ（ｉｎ　Ｃｈｉｎｅｓｅ），２２（２）：ｌ８７—１９１．　马明国，王建，王雪梅．２００６．基于遥感的植被年际变化及其与气候关　系研究进展［ＪＪ．遥感学报，１０（３）：４２１＿＿４３１．Ｍａ　Ｍｉｎｇｇｕｏ，Ｗａｎｇ　Ｊｉａｎ，　Ｗａｎｇ　Ｘｕｅｍｅｉ．２００６．Ａｄｖａｎｃｅ　ｉｎ　ｔｈｅ　ｉｎｔｅｒ－ａｎｎｕａｌ　ｖａｒｉａｂｉｌｉｔｙ　ｏｆｖｅｇｅｔａｔｉｏｎ　ａｎｄ　ｉｔｓ　ｒｅｌａｔｉｏｎ　ｔｏ　ｃｌｉｍａｔｅ　ｂａｓｅｄ　ｏｎ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ（ｉｎ　Ｃｈｉｎｅｓｅ），１０（３）：４２１＿４３１．　毛嘉富，王斌，戴永久．２００６．陆地生态系统模型及其与气候模式耦合　的回顾［Ｊ１．气候与环境研究，１１（６）：７６３—７７１．Ｍａｏ　Ｊｉａｆｕ，Ｗａｎｇ　Ｂｉｎ，　Ｄａｉ　Ｙｏｎｇｊｉｕ．２００６．Ｐｅｒｓｐｅｃｔｉｖｅ　ｏｎ　ｔｅｒｒｅｓｔｒｉａｌ　ｅｃｏｓｙｓｔｅｍ　ｍｏｄｅｌｓ　ａｎｄ　ｔｈｅｉｒ　ｃｏｕｐｌｉｎｇ　ｗｉｔｈ　ｃｌｉｍａｔｅ　ｓｙｓｔｅｍ　ｍｏｄｅｌｓ［Ｊ］．Ｃｌｉｍａｔｉｃ　ａｎｄ　Ｅｎｖｉｒｏｎｍｅｎｔａｌ　Ｒｅｓｅａｒｃｈ（ｉｎ　Ｃｈｉｎｅｓｅ），１１（６）：７６３－７７１．　Ｍａｒｔｉｎｅｚ　Ｂ，Ｇｉｌａｂｅ￣Ｍ　Ａ．２００９．Ｖｅｇｅｔａｔｉｏｎ　ｄｙｎａｍｉｃｓ　ｆｒｏｍ　ＮＤＶＩ　ｔｉｍｅ　ｓｅｒｉｅｓ　ａｎａｌｙｓｉｓ　ｕｓｉｎｇ　ｔｈｅ　ｗａｖｅｌｅｔ　ｔｒａｎｓｆｏｒｍ［Ｊ］．Ｒｅｍｏｔｅ　Ｓｅｎｓ．Ｅｎｖｉｒｏｎ．，　ｌ１３（９）：１８２３—１８４２．　Ｍａｒｔｉｎｙ　Ｎ，Ｒｉｃｈａｒｄ　Ｃａｍｂｅｒｌｉｎ　Ｐ　２００５．Ｉｎｔｅｒａｎｎｕａｌ　ｐｅｒｓｉｓｔｅｎｃｅ　ｅｆｆｅｃｔｓ　ｉｎ　ｖｅｇｅｔａｔｉｏｎ　ｄｙｎａｍｉｃｓ　ｏｆ　ｓｅｍｉ－ａｒｉｄ　Ａｆｒｉｃａ［Ｊ］ｌ　Ｇｅｏｐｈｙｓ．Ｒｅｓ．Ｌｅｔｔ．，３２，　Ｌ２４４０３，ｄｏｉ：１０．１０２９／２００５ＧＬ０２４６３４．　Ｍａｒｔｉｎｙ　Ｎ，Ｃａｍｂｅｒｌｉｎ　Ｐ’Ｒｉｃｈａｒｄ　ｅｔ　ａｌ　２００６．Ｃｏｍｐａｒｅｄ　ｒｅｇｉｍｅｓ　ｏｆＮＤＶＩ　ａｎｄ　ｒａｉｎｆａｌｌ　ｉｎ　ｓｅｍｉ・ａｒｉｄ　ｒｅｇｉｏｎｓ　ｏｆ　Ａｆｒｉｃａ［Ｊ１．Ｉｎｔ．Ｊ．Ｒｅｍｏｔｅ　Ｓａｎｓ．，２７　（２３）：５２０１—５２２３．　Ｍｅｎｚｅｌ　Ａ，Ｆａｂｉｎａ　Ｐ　１　９９９．Ｇｒｏｗｉｎｇ　ｓｅａｓｏｎ　ｅｘｔｅｎｄｅｄ　ｉｎ　Ｅｕｒｏｐｅ［Ｊ］．Ｎａｔｕｒｅ，　３９７：６５９．　Ｍｙｎｅｎｉ　Ｒ　Ｂ，Ｋｅｅｌｉｎｇ　Ｃ　Ｄ，Ｔｕｃｋｅｒ　Ｃ　Ｊ，ｅｔ　ａ１．１９９７．Ｉｎｃｒｅａｓｅｄ　ｐｌａｎｔ　ｇｒｏｗｔｈ　ｉｎ　ｔｈｅ　ｎｏｒｔｈｅｒｎ　ｈｉｇｈ　ｌａｔｉｔｕｄｅｓ　ｆｒｏｍ　ｌ９８ｌ　ｔｏ　１９９１［Ｊ］．Ｎａｔｕｒｅ，３８６：　６９８－７０２．　Ｎａｖａｒｒａ　Ａ，Ｔｒｉｂｂｉａ　Ｊ．２００５．Ｔｈｅ　ｃｏｕｐｌｅｄ　ｍａｎｉｆｏｌｄ［Ｊ］．Ｊ．Ａｔｍｏｓ．Ｓｃｉ．，６２：　３１０－３３０．　Ｎｉｃｈｏｌｓｏｎ　Ｓ　Ｎ．２００１．Ｃｌｉｍａｔｅ　ａｎｄ　ｅｎｖｉｒｏｎｍｅｎｔａｌ　ｃｈａｎｇｅ　ｉｎ　Ａｆｒｉｃａ　ｄｕｒｉｎｇ　ｔｈｅ　ｌａｓｔ　ｔｗｏ　ｃｅｎｔｕｒｉｅｓ［Ｊ］．Ｃｌｉｍａｔｅ　Ｒｅｓｅａｒｃｈ，１４：１２３—１４４．　Ｎｉｃｈｏｌｓｏｎ　Ｓ　Ｅ，Ｆａｒｒａｒ　Ｔ　Ｊ．１９９４．Ｔｈｅ　ｉｎｆｌｕｅｎｃｅ　ｏｆ　ｓｏｉｌ　ｔｙｐｅ　ｏｎ　ｔｈｅ　ｒｅｌａｔｉｏｎｓｈｉｐｓ　ｂｅｔｗｅｅｎ　ＮＤＶ１，ｒａｉｎｆａｌｌ，ａｎｄ　ｓｏｉｌ　ｍｏｉｓｔｕｒｅ　ｉｎ　ｓｅｍｉｒａｉｄ　Ｂｏｔｓｗａｎａ．Ｉ．ＮＤＶＩ　ｒｅｓｐｏｎｓｅ　ｔｏ　ｒａｉｎｆａｌｌ［Ｊ］．Ｒｅｍｏｔｅ　Ｓｅｎｓ．Ｅｎｖｉｒｏｎ．，５０：　１０７－１２０．　Ｐｅｎｇ　Ｃ　Ｈ．２０００．Ｆｒｏｍ　ｓｔａｔｉｃ　ｂｉｏｇｅｏｇｒａｐｈｉｅａｌ　ｍｏｄｅｌ　ｔｏ　ｄｙｎａｍｉｃ　ｇｌｏｂａｌ　ｖｅｇｅｔａｔｉｏｎ　ｍｏｄｅｌ：Ａ　ｇｌｏｂａｌ　ｐｅｒｓｐｅｃｔｉｖｅ　ｏｎ　ｍｏｄｅｌｌｉｎｇ　ｖｅｇｅｔａｔｉｏｎ　ｄｙｎａｍｉｃｓ　［Ｊ］．Ｅｃｏｌｏｇｉｃａｌ　Ｍｏｄｅｌｌｉｎｇ，１３５：３３—５４．　Ｐｅｔｔｏｒｅｌｌｉ　Ｎ，Ｖｉｋ　Ｊ　Ｏ，Ｍｙｓｔｅｒｕｄ　Ａ，ｅｔ　ａ１．２００５．Ｕｓｉｎｇ　ｔｈｅ　ｓａｔｅｌｌｉｔｅ—ｄｅｒｉｖｅｄ　ＮＤＶＩ　ｔｏ　ａｓｓｅｓｓ　ｅｃｏｌｏｇｉｃａｌ　ｒｅｓｐｏｎｓｅｓ　ｔ０　ｅｎｖｉｒｏｎｍｅｎｔａｌ　ｃｈａｎｇｅ［Ｊ］＿Ｔｒｅｎｄｓ　ｉｎ　Ｅｃｏｌｏｇｙ　ａｎｄ　Ｅｖｏｌｕｔｉｏｎ，２０：５０３－５　１　０．　Ｐｈｉｌｉｐｐｏｎ　Ｎ，Ｍｏｕｇｉｎ　Ｅ，Ｊａｒｌａｎ　Ｌ，ｅｔ　ａ１．２００５．Ａｎａｌｙｓｉｓ　ｏｆ　ｔｈｅ　ｌｉｎｋａｇｅｓ　ｂｅｔｗｅｅｎ　ｒａｉｎｆａ１１　ｎａｄ　ｌｎａｄ　ｓｕｒｆａｃｅ　ｃｏｎｄｉｔｉｏｎｓ　ｉｎ　ｔｈｅ　Ｗｅｓｔ　Ａｆｒｉｃａｎ　ｍｏｎｓｏｏｎ　ｔｈｒｏｕｇｈ　ＣＭＡＰ，ＥＲＳ・ＷＳＣ，ａｎｄ　ＮＯＡＡ—ＡＶＨＲＲ　ｄａｔａ［Ｊ］＿Ｊ．Ｇｅｏｐｈｙｓ　Ｒｅｓ．，１１０，Ｄ２４１１５，ｄｏｉ：１０．１０２９／２００５ＪＤ００６３９４．　Ｐｈｉｌｌｉｐｓ　Ｏ　Ｌ，Ｌｅｗｉｓ　Ｓ　Ｌ，Ｂａｋｅｒ　Ｔ　Ｒ，ｅｔ　ａ１．２００８．Ｔｈｅ　ｃｈａｎｇｉｎｇ　Ａｍａｚｏｎ　ｆｏｒｅｓｔ［Ｊ１．Ｐｈｉｌｏｓｏｐｈｉｃａｌ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｆｔｈｅ　Ｒｏｙａｌ　Ｓｏｃｉｅｔｙ　Ｂ，３６３：１８１９—　１８２７．　Ｐｉａｏ　Ｓ　Ｌ，Ｆａｎｇ　Ｊ　Ｚｈｏｕ　Ｌ　Ｍ，ｅｔ　ａ１．２００３．Ｉｎｔｅｒａｎｎｕａｌ　ｖａｒｉａｔｉｏｎｓ　ｏｆｍｏｎｔｈｌｙ　ｎａｄ　ｓｅａｓｏｎａｌ　ｎｏｒｍａｌｉｚｅｄ　ｄｉｆｅｒｅｎｃｅ　ｖｅｇｅｔａｔｉｏｎ　ｉｎｄｅｘ（ＮＤＶＩ）ｉｎ　Ｃｈｉｎａ　ｒｆｏｍ　１９８２　ｔｏ　ｌ９９９［Ｊ］ｌ　Ｊ．Ｇｅｏｐｈｙｓ．Ｒｅｓ．，１０８（Ｄ１４）：４４０１，ｄｏｉ：１０．１０２９／　２００２ＪＤ００２８４８．　Ｐｉｎｔｙ　Ｂ，Ｖｅｒｓｔｒａｅｔｅ　Ｍ　Ｍ．１　９９２．ＧＥＭＩ：Ａ　ｎｏｎ－ｌｉｎｅａｒ　ｉｎｄｅｘ　ｔｏ　ｍｏｎｉｔｏｒ　ｇｌｏｂａｌ　ｖｅｇｅｔａｔｉｏｎ　ｆｒｏｍ　ｓａｔｅｌｌｉｔｅｓ［Ｊ］．Ｖｅｇｅｔａｔｉｏ，１叭：１　５＿２Ｏ．　Ｐｏｕｌｉｏｔ　Ｄ，Ｌａｔｉｏｆｖｉｃ　Ｒ，Ｏｌｔｈｏｆ　Ｉ．２００９．Ｔｒｅｎｄｓ　ｉｎ　ｖｅｇｅｔａｔｉｏｎ　ＮＤＶＩ　ｆｒｏｍ　１　ｋｍ　ＡＶＨＲＲ　ｄａｔａ　ｏｖｅｒ　Ｃａｎａｄａ　ｆｏｒ　ｔｈｅ　ｐｅｒｉｏｄ　１　９８５－２００６［Ｊ１＿Ｉｎｔ．Ｊ．　Ｒｅｍｏｔｅ　Ｓａｎｓ．，３０：１４９－１６８．　Ｐｒａｓａｄ　Ｖ　Ｋ，Ｂａｄａｒｉｎａｔｈ　Ｋ　Ｖ　Ｓ，Ｅａｔｕｒｕ　Ａ．２００８．Ｅｆｆｅｃｔｓ　ｏｆ　ｐｒｅｃｉｐｉｔａｔｉｏｎ，　ｔｅｍｐｅｒａｔｕｒｅ　ａｎｄ　ｔｏｐｏｇｒａｐｈｉｃ　ｐａｒａｍｅｔｅｒｓ　ｏｎ　ｅｖｅｒｇｒｅｅｎ　ｖｅｇｅｔａｔｉｏｎ　ｇｒｅｅｎｅｒｙ　ｉｎ　ｔｈｅ　Ｗｅｓｔｅｒｎ　Ｇｈａｔｓ，Ｉｎｄｉａ［Ｊ１ｌ　Ｉｎｔ．Ｊ．Ｃｌｉｍａｔｏ１．，２８：１８０７—１８１９．　Ｒｉｃｈａｒｄ　Ｍａｒｔｉｎｙ　Ｎ，Ｆａｕｃｈｅｒｅａｕ　Ｎ，ｅｔ　ａ１．２００８．Ｉｎｔｅｒａｎｎｕａｌ　ｍｅｍｏｒｙ　ｅｆｆｅｃｔｓ　ｆｏｒ　ｓｐｒｉｎｇ　ＮＤＶＩ　ｉｎ　ｓｅｍｉ－ａｒｉｄ　Ｓｏｕｔｈ　Ａｆｒｉｃａ［Ｊ］ｌ　Ｇｅｏｐｈｙｓ．Ｒｅｓ．Ｌｅｔｔ．．　３５．Ｌ１３７０４．ｄｏｉ：１０．１０２９／２００８ＧＬ０３４１１９．　Ｓａｌｚｍａｎｎ　Ｕ，Ｈｏｅｌｚｍａｎｎ　Ｐ　２００５．Ｔｈｅ　Ｄａｈｏｍｅｙ　Ｇａｐ：Ａｎ　ａｂｒｕｐｔ　ｃｌｉｍａｔｉｃａｌｌｙ　ｉｎｄｕｃｅｄ　ｒａｉｎ　ｆｏｒｅｓｔ　ｆｒａｇｍｅｎｔａｔｉｏｎ　ｉｎ　Ｗｅｓｔ　Ａｆｒｉｃａ　ｄｕｒｉｎｇ　ｔｈｅ　Ｌａｔｅ　Ｈｏｌｏｃｅｎｅ［Ｊ】．Ｔｈｅ　Ｈｏｌｏｃｅｎｅ，１　５：１９０－１９９．　Ｓｃｈｗｉｎｎｉｎｇ　Ｓ，Ｓａｌａ　Ｏ　Ｅ．２００４．Ｈｉｅｒａｒｃｈｙ　ｏｆｒｅｓｐｏｎｓｅｓ　ｔｏ　ｒｅｓｏｕｒｃｅ　ｐｕｌｓｅｓ　ｉｎ　ｒａｉｄ　ａｎｄ　ｓｅｍｉ—ａｒｉｄ　ｅｃｏｓｙｓｔｅｍｓ［川．Ｏｅｅｏｌｏｇｉａ，１４１：２１１－２２０．　Ｓｉｖａｋｕｍａｒ　Ｍ　Ｖ　Ｋ．１　９８８．Ｐｒｅｄｉｃｔｉｎｇ　ｒａｉｎｙ　ｓｅａｓｏｎ　ｐｏｔｅｎｔｉａｌ　ｒｆｏｍ　ｔｈｅ　ｏｎｓｅｔ　ｏｆ　ｒａｉｎｓ　ｉｎ　Ｓｏｕｔｈｅｒｎ　Ｓａｈｅｌｉｎａ　ａｎｄ　Ｓｕｄａｎｉａｎ　ｃｌｉｍａｔｉｃ　ｚｏｎｅｓ　ｏｆ　Ｗｅｓｔ　Ａｆｒｉｃａ【Ｊ］　Ａｇｒｉｃｕｌｕｔｒａｌ　ａｎｄ　Ｆｏｒｅｓｔ　Ｍｅｔｅｏｒｏｌｏｇｙ，４２：２９５—３０５．　Ｓｐａｎｏ　Ｄ，Ｃｅｓａｒａｃｃｉｏ　Ｃ，Ｄｕｃｅ　Ｐ，ｅｔ　ａ１．１９９９．Ｐｈｅｎｏｌｏｇｉｃａｌ　ｓｔａｇｅｓ　ｏｆ　ｎａｔｕｒａｌ　ｓｐｅｃｉｅｓ　ａｎｄ　ｔｈｅｉｒ　ｕｓｅ　ａｓ　ｃｌｉｍａｔｅ　ｉｎｄｉｃａｔｏｒｓ［Ｊ］ｌ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｂｉｏｍｅｔｅｏｒｏｌｏｇｙ，４２：ｌ２４—１３３．　Ｓｔｅｎｓｅｔｈ　Ｎ　Ｃ，Ｍｙｓｔｅｒｕｄ　Ａ，Ｏｔｔｅｒｓｅｎ　Ｇ　ｅｔ　ａ１．２００２．Ｅｃｏｌｏｇｉｃａｌ　ｅｆｆｅｃｔｓ　ｏｆ　ｃｌｉｍａｔｅ　ｌｆｕｃｔｕａｔｉｏｎｓ［Ｊ　Ｊｌ　Ｓｃｉｅｎｃｅ，２９７：１２９２—１２９６．　Ｓｔｅｖｅｎ　Ｍ　Ｄ，Ｍａｌｔｈｕｓ　Ｔ　Ｊ，Ｂａｒｅｔ　Ｆ，ｅｔ　ａ１．２００３．Ｉｎｔｅｒｃａｌｉｂｒａｔｉｏｎ　ｏｆ　ｖｅｇｅｔａｔｉｏｎ　ｉｎｄｉｃｅｓ　ｆｒｏｍ　ｄｉｆｅｒｅｎｔ　ｓｅｎｓｏｒ　ｓｙｓｔｅｍｓ［Ｊ】ｌ　Ｒｅｍｏｔｅ　Ｓｅｎｓ．Ｅｎｖｉｒｏｎ．，８８：　４１２—４２２．　孙艳玲，延晓冬，谢德体，等．２００７．应用动态植被模型ＬＰＪ模拟中国植　被变化研究［Ｊ］．西南大学学报（自然科学版）ｊ　２９（１　１）：８６－９２．Ｓｕｎ　Ｙａｎｌｉｎｇ，Ｙａｎ　Ｘｉａｏｄｏｎｇ，Ｘｉｅ　Ｄｅｔｉｅ，ｅｔ　ａ１．２００７．Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ＬＰＪ　ｍｏｄｅｌ　ｉｎ　ｓｉｍｕｌａｔｉｎｇ　ｖｅｇｅｔａｔｉｏｎ　ｄｉｓｔｒｉｂｕｔｉｏｎ　ｏｆ　Ｃｈｉｎａ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｓｏｕｔｈｗｅｓｔ　Ｕｎｉｖｅｒｓｉｔｙ（Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅ　Ｅｄｉｔｉｏｎ）（ｉｎ　Ｃｈｉｎｅｓｅ），２９（１　１）：８６－９２．　索玉霞，王正兴，刘闯，等．２００９．中亚地区１９８２年至２００２年植被指　数与气温和降水的相关性分析［Ｊ］．资源科学，３１（８）：１４２２—１４２９．Ｓｕｏ　Ｙｕｘｉａ，Ｗａｎｇ　Ｚｈｅｎｇｘｉｎｇ，Ｌｉｕ　Ｃｈｕａｎｇ，ｅｔ　ａ１．２００９．Ｒｅｌａｔｉｏｎｓｈｉｐ　ｂｅｔｗｅｅｎ　ＮＤＶＩ　ａｎｄ　ｐｒｅｃｉｐｉｔａｔｉｏｎ　ａｎｄ　ｔｅｍｐｅｒａｔｕｒｅ　ｉｎ　Ｍｉｄｄｌｅ　Ａｓｉａ　ｄｕｒｉｎｇ　１９８２—２００２［Ｊ］．Ｒｅｓｏｕｒｃｅｓ　Ｓｃｉｅｎｃｅ（ｉｎ　Ｃｈｉｎｅｓｅ），３１（８）：１４２２—１４２９．　Ｓｕｚｕｋｉ　Ｒ．２００７．Ｉｎｔｅｒａｎｎｕａｌ　ｒｅｓｐｏｎｓｅ　ｏｆ　ｇｌｏｂａｌ　ＮＤＶＩ　ｆｏｒ　ｐｒｅｃｉｐｉｔａｔｉｏｎ，　ｔｅｍｐｅｒａｔｒｕｅ，ａｎｄ　ｒａｄｉａｔｉｏｎ［Ｃ］／／３２ｎｄ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｓｙｍｐｏｓｉｕｍ　ｏｎ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　ｏｆ　Ｅｎｖｉｒｏｎｍｅｎｔ　Ｓｕｓｔａｉｎａｂｌｅ　Ｄｅｖｅｌｏｐｍｅｎｔ　Ｔｈｒｏｕｇｈ　Ｇｌｏｂａｌ　ＥａＣｈ　Ｏｂｓｅｒｖａｔｉｏｎｓ．Ｓａｎ　Ｊｏｓｅ，Ｃｏｓｔａ　Ｒｉｃａ，２００７．　Ｓｕｚｕｋｉ　Ｒ，Ｔａｎａｋａ　Ｓ，Ｙａｓｕｎａｒｉ　２０００．Ｒｅｌａｔｉｏｎｓｈｉｐｓ　ｂｅｔｗｅｅｎ　ｍｅｒｉｄｉｏｎａｌ　ｐｒｏｆｉｌｅｓ　ｏｆ　ｓａｔｅｌｌｉｔｅ—ｄｅｒｉｖｅｄ　ｖｅｇｅｔａｔｉｏｎ　ｉｎｄｅｘ（ＮＤＶＩ）ａｎｄ　ｃｌｉｍａｔｅ　ｏｖｅｒ　Ｓｉｂｅｒｉａ［ＪＪ．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｃｌｉｍａｔｏｌｏｇｙ，２０：９５５—９６７．　Ｔａｎ　Ｐ　Ｎ，Ｓｔｅｉｎｂａｃｈ　Ｍ，Ｋｕｍａｒ　ｅｔ　ａ１．２００１．Ｆｉｎｄｉｎｇ　ｓｐａｔｉｏ－ｔｅｍｐｏｒａｌ　ｐａｔｔｅｒｎｓ　ｉｎ　ｅａｒｔｈ　ｓｃｉｅｎｃｅ　ｄａｔａ［Ｃ］／／ＫＤＤ　２００１　Ｗｏｒｋｓｈｏｐ　ｏｎ　Ｔｅｍｐｏｒａｌ　Ｄａｔａ　Ｍｉｎｉｎｇ，Ｓａｎ　Ｆｒａｎｃｉｓｃｏ，ＣＡ．　Ｔａｎ　Ｓ　Ｙ　２００７．Ｔｈｅ　ｉｎｆｌｕｅｎｃｅ　ｏｆ　ｔｅｍｐｅｒａｔｕｒｅ　ａｎｄ　ｐｒｅｃｉｐｉｔａｔｉｏｎ　ｃｌｉｍａｔｅ　ｒｅｇｉｍｅｓ　ｏｎ　ｖｅｇｅｔａｔｉｏｎ　ｄｙｎａｍｉｃｓ　ｉｎ　ｔｈｅ　ＵＳ　Ｇｒｅａｔ　Ｐｌａｉｎｓ：Ａ　ｓａｔｅｌｌｉｔｅ　ｂｉｏｃｌｉｍａｔｏｌｏｇｙ　ｃａｓｅ　ｓｔｕｄｙ［Ｊ］ｌ　Ｉｎｔ．Ｊ．Ｒｅｍｏｔｅ　Ｓａｎｓ．，２８：４９４７－４９６６．　陶杰，张雪芹，陶建强，等．２００８．气候变化趋势分析中自相关的检验与　气３６４　候与环境研究　１８卷　Ｖｌｏ１．１８　Ｃｌｉｍａｔｉｃ　ａｎｄ　Ｅｎｖｉｒｏｎｍｅｎｔａｌ　Ｒｅｓｅａｒｃｈ　去除［Ｊ］．应用气象学报，１９（１）：４７—５２．Ｔａｏ　Ｊｉｅ，Ｚｈａｎｇ　Ｘｕｅｑｉｎ，Ｔａｏ　Ｊｉａｎｑｉａｎｇ，ｅｔ　ａ１．２００８．Ｔｈｅ　ｃｈｅｃｋｉｎｇ　ａｎｄ　ｒｅｍｏｖｉｎｇ　ｏｆ　ｔｈｅ　ａｕｔｏｃｏｒｒｅｌａｔｉｏｎ　ｉｎ　ｃｌｉｍａｔｉｃ　ｔｉｍｅ　ｓｅｒｉｅｓ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆＡｐｐｌｉｅｄ　Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ　Ｓｃｉｅｎｃｅ（ｉｎ　Ｃｈｉｎｅｓｅ），１９（１）：４７—５２．　Ｔｏｕｒｒｅ　Ｙ　Ｍ，Ｊａｒｌａｎ　Ｌ，Ｌａｃａｕｘ　Ｊ　Ｐ’ｅｔ　ａ１．２００８．Ｓｐａｔｉｏ－ｔｅｍｐｏｒａｌ　ｖａｒｉａｂｉｌｉｔｙ　ｏｆ　ＮＤＶＩ－ｐｒｅｃｉｐｉｔａｔｉｏｎ　ｏｖｅｒ　ｓｏｕｔｈｅｒｎｍｏｓｔ　Ｓｏｕｔｈ　Ａｍｅｒｉｃａ：Ｐｏｓｓｉｂｌｅ　ｌｉｎｋａｇｅｓ　ｂｅｔｗｅｅｎ　ｃｌｉｍａｔｅ　ｓｉｇｎａｌｓ　ａｎｄ　ｅｐｉｄｅｍｉｃｓ【ＪＪ．Ｅｎｖ￣ｏｎ．Ｒｅｓ．Ｌｅｔｔ．，３（４）：　４４００８．　Ｔｕｃｋｅｒ　Ｃ　Ｊ．１９７９．Ｒｅｄ　ａｎｄ　ｐｈｏｔｏｇｒａｐｈｉｃ　ｉｎｆｒａｒｅｄ　ｌｉｎｅａｒ　ｃｏｍｂｉｎａｔｉｏｎｓ　ｆｏｒ　ｍｏｎｉｔｏｒｉｎｇ　ｖｅｇｅｔａｔｉｏｎ［Ｊ］．Ｒｅｍｏｔｅ　Ｓａｎｓ．Ｅｎｖｉｒｏｎ．，８：１２７—１５０．　Ｔｕｃｋｅｒ　Ｃ　Ｊ，Ｓｅｌｌｅｒｓ　Ｐ　Ｊ．１９８６．Ｓａｔｅｌｌｉｔｅ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｏｆｐｒｉｍａｒｙ　ｐｒｏｄｕｃｔｉｏｎ　［Ｊ１．Ｉｎｔ．Ｊ．Ｒｅｍｏｔｅ　Ｓｅｎｓ．，７：１３９５—１４１６．　Ｔｕｃｋｅｒ　Ｃ　Ｊ，Ｆｕｎｇ　Ｉ　Ｋｅｅｌｉｎｇ　Ｃ　Ｄ，ｅｔ　ａ１．１９８６．Ｒｅｌａｔｉｏｎｓｈｉｐ　ｂｅｔｗｅｅｎ　ａｔｍｏｓｐｈｅｒｉｃ　ＣＯ２　ｖａｒｉａｔｉｏｎｓ　ａｎｄ　ａ　ｓａｔｅｌｌｉｔｅ—ｄｅｒｉｖｅｄ　ｖｅｇｅｔａｔｉｏｎ　ｉｎｄｅｘ［Ｊ］．　Ｎａｔｕｒｅ，３　１９：１９５—１９９．　王丹，姜小光．２００６．利用ＮＯＡＡ数据分析中国地区植被覆盖变化周期　［Ｊ］．中国图像图形学报，１１（４）：５１６－５２０．Ｗａｎｇ　Ｄａｎ，Ｊｉｎａｇ　Ｘｉａｏｇｕａｎｇ．　２００６．Ａｎａｌｙｚｅ　ｔｈｅ　ｖｅｇｅｔａｔｉｏｎ　ｃｏｖｅｒ　ｖａｒｉａｔｉｏｎ　ｃｙｃｌｅ　ｏｆ　Ｃｈｉｎａ　ｆｒｏｍ　ＮＯＡＡ　ｄａｔａ［Ｊ］＿Ｊｏｕｒｎａｌ　ｏｆＩｍａｇｅ　ａｎｄ　Ｇｒａｐｈｉｃｓ（ｉｎ　Ｃｈｉｎｅｓｅ），１１（４）：５１６－５２０．　Ｗａｎｇ　Ｊ，Ｐｒｉｃｅ　Ｋ　Ｒｉｃｈ　Ｐ　Ｍ．２００１．Ｓｐａｔｉａｌ　ｐａｔｔｅｍｓ　ｏｆＮＤＶＩ　ｉｎ　ｒｅｓｐｏｎｓｅ　ｔｏ　ｐｒｅｃｉｐｉｔａｔｉｏｎ　ａｎｄ　ｔｅｍｐｅｒａｔｕｒｅ　ｉｎ　ｔｈｅ　ｃｅｎｔｒａｌ　Ｇｒｅａｔ　Ｐｌａｉｎｓ明．Ｉｎｔ．Ｊ．　Ｒｅｍｏｔｅ　Ｓｅｎｓ．，２２：３８２７－３８４４．　Ｗａｎｇ　Ｊ，Ｒｉｃｈ　Ｐ　Ｍ，Ｐｒｉｃｅ　Ｋ　Ｐ．２００３．Ｔｅｍｐｏｒａｌ　ｒｅｓｐｏｎｓｅｓ　ｏｆＮＤＶＩ　ｔｏ　ｐｒｅｃｉｐｉｔａｔｉｏｎ　ａｎｄ　ｔｅｍｐｅｒａｔｕｒｅ　ｉｎ　ｔｈｅ　ｃｅｎｔｒａｌ　Ｇｒｅａｔ　Ｐｌａｉｎｓ，ＵＳＡ［ＪＪ．Ｉｎｔ．Ｊ．　Ｒｅｍｏｔｅ　Ｓａｎｓ．，２４（１　１）：２３４５－２３６４．　王旭峰，马明国，姚辉．２００９．动态全球植被模型的研究进展川．遥感　技术与应用，２４（２）：２４６－２５１．Ｗａｎｇ　Ｘｕｆｅｎｇ，Ｍａ　Ｍｉｎｇｇｕｏ，Ｙａｏ　Ｈｕｉ．　２００９．Ａｄｖａｎｃｅ　ｉｎ　ｄｙｎａｍｉｃ　ｇｌｏｂａｌ　ｖｅｇｅｔａｔｉｏｎ　ｍｏｄｅｌｓ［Ｊ】＿Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｔｅｃｈｎｏｌｏｇｙ　ｎａｄ　Ａｐｐｌｉｃａｔｉｏｎ（ｉｎ　Ｃｈｉｎｅｓｅ），２４（２）：２４６＿２５　１．　王永立，范广洲，周定文，等．２００９．我国东部地区ＮＤＶＩ与气温、降水　的关系研究【ＪＪ．热带气象学报，２５（６）：７２５—７３２．Ｗａｎｇ　Ｙｏｎｇｌｉ，Ｆａｎ　Ｇｕａｎｇｚｈｏｕ，Ｚｈｏｕ　Ｄｉｎｇｗｅｎ，ｅｔ　ａ１．２００９．Ｔｈｅ　ｓｔｕｄｙ　ｏｆ　ｔｈｅ　ｒｅｌａｔｉｏｎｓｈｉｐ　ｂｅｔｗｅｅｎ　ｎｏｒｍａｌｉｚｅｄ　ｄｉｆｅｒｅｎｃｅ　ｖｅｇｅｔａｔｉｏｎ　ｉｎｄｅｘ　ｎａｄ　ｂｏｔｈ　ｔｅｍｐｅｒａｔｕｒｅ　ｎａｄ　ｐｒｅｃｉｐｉｔａｔｉｏｎ　ｉｎ　ｅａｓｔ　Ｃｈｉｎａ［Ｊ】ｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｔｒｏｐｉｃａｌ　Ｍｅｔｅｏｒｏｌｏｇｙ（ｉｎ　Ｃｈｉｎｅｓｅ），２５（６）：７２５—７３２．　王正兴，刘闯，Ｈｕｅｔｅ　Ａ　Ｒ．２００３．植被指数研究进展：从ＡＶＨＲＲ　ＮＤＶＩ　到ＭＯＤＩＳ—ＥＶＩ［Ｊ］．生态学报，２３（５）：９７９－９８７．Ｗａｎｇ　Ｚｈｅｎｇｘｉｎｇ，Ｌｉｕ　Ｃｈｕａｎｇ．Ｈｕｅｔｅ　Ａ　Ｒ．２００３．Ｆｒｏｍ　ＡＶＨＲＲ－ＮＤＶＩ　ｔｏ　ＭＯＤＩＳ－ＥＶＩ：　Ａｄｖａｎｃｅｓ　ｉｎ　ｖｅｇｅｔａｔｉｏｎ　ｉｎｄｅｘ　ｒｅｓｅａｒｃｈ［Ｊ］．Ａｃｔａ　Ｅｃｏｌｏｇｉｃａ　Ｓｉｎｉｃａ（ｉｎ　Ｃｈｉｎｅｓｅ），２３（５）：９７９－９８７．　魏凤英．２００７．现代气候统计诊断与预测技术［Ｍ］．北京：气象出版社，　２９６ｐｐ．Ｗｅｉ　Ｆｅｎｇｙｉｎｇ．２００７．Ｍｏｄｅｍ　Ｓｔａｔｉｓｔｉｃ　Ｄｉａｇｎｏｓｉｎｇ　ｎａｄ　Ｐｒｅｄｉｃｔｉｎｇ　Ｔｅｃｈｎｉｑｕｅｓ　ｏｆ　Ｃｌｉｍａｔｅ［Ｍ］（ｉｎ　Ｃｈｉｎｅｓｅ）．Ｂｅｉｊｉｎｇ：Ｃｈｉｎａ　Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ　Ｐｒｅｓｓ，２９６ｐｐ．　温刚，符淙斌．２０００．中国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，２４（５）：６７６－－６８２．Ｗｅｎ　Ｇａｎｇ，Ｆｕ　Ｃｏｎｇｂｉｎ．２０００．Ｌａｒｇｅ　ｓｃａｌｅ　ｆｅａｔｕｒｅｓ　ｏｆ　ｔｈｅ　ｓｅａｓｏｎａｌ　ｐｈｅｎｏｌｏｇｉｃａｌ　ｒｅｓｐｏｎｓｅｓ　ｔｏ　ｔｈｅ　ｍｏｎｓｏｏｎ　ｃｌｉｍａｔｅ　ｉｎ　Ｅａｓｔ　Ｃｈｉｎａ：Ｍｕｌｔｉ．ｙｅａｒ　ａｖｅｒａｇｅ　ｒｅｓｕｌｔｓ［Ｊ］．Ｃｈｉｎｅｓｅ　Ｊｏｕｒｎａｌ　ｏｆＡｔｍｏｓｐｈｅｒｉｃ　Ｓｃｉｅｎｃｅｓ（ｉｎ　Ｃｈｉｎｅｓｅ）．　２４（５）：６７６￣８２．　Ｗｅｓｓｅｌｓ　Ｋ　Ｊ，Ｐｒｉｎｃｅ　Ｓ　Ｄ，Ｍａｌｈｅｒｂｅ　Ｊ，ｅｔ　ａ１．２００７．Ｃａｎ　ｈｕｍａｎ．ｉｎｄｕｃｅｄ　ｌａｎｄ　ｄｅｇｒａｄａｔｉｏｎ　ｂｅ　ｄｉｓｔｉｎｇｕｉｓｈｅｄ　ｆｒｏｍ　ｔｈｅ　ｅｆｆｅｃｔｓ　ｏｆ　ｒａｉｎｆａｌｌ　ｖａｒｉａｂｉｌｉｔｙ？Ａ　ｃａｓｅ　ｓｔｕｄｙ　ｉｎ　Ｓｏｕｔｈ　Ａｆｒｉｃａ［Ｊ１．Ｊｏｕｒｎａｌ　ｏｆ　Ａｒｉｄ　Ｅｎｖｉｒｏｎｍｅｎｔｓ，６８：　２７ｌ—２９７．　信忠保，许炯心，郑伟．２００７．气候变化和人类活动对黄土高原植被覆　盖变化的影响［Ｊ］．中国科学（Ｄ辑），３７（１１）：１５０４－１５１４．Ｘｉｎ　Ｚｈｏｎｇｂａｏ，Ｘｕ　Ｊｉｏｎｇｘｉｎ，Ｚｈｅｎｇ　Ｗｅｉ．２００８．Ｓｐａｔｉｏｔｅｍｐｏｒａｌ　ｖａｒｉａｔｉｏｎｓ　ｏｆ　ｖｅｇｅｔａｔｉｏｎ　ｃｏｖｅｒ　ｏｎ　ｔｈｅ　Ｃｈｉｎｅｓｅ　Ｌｏｅｓｓ　Ｐｌａｔｅａｕ（１９８１－－２００６）：Ｉｍｐａｃｔｓ　ｏｆ　ｃｌｉｍａｔｅ　ｃｈａｎｇｅｓ　ａｎｄ　ｈｕｍａｎ　ａｃｔｉｖｉｔｉｅｓ［Ｊ］．Ｓｃｉｅｎｃｅ　ｉｎ　Ｃｈｉｎａ（Ｓｅｒ．Ｄ），５　１　（１）：６７—７８．　徐兴奎，林朝晖，薛峰，等．２００３．气象因子与地表植被生长相关性分析　［Ｊ］．生态学报，２３（２）：２２　１－２３０．Ｘｕ　Ｘｉｎｇｋｕｉ，Ｌｉｎ　Ｚｈａｏｈｕｉ，Ｘｕｅ　Ｆｅｎｇ，ｅｔ　ａ１．２００３．Ｃｏｒｒｅｌａｔｉｏｎ　ａｎａｌｙｓｉｓ　ｂｅｔｗｅｅｎ　ｍｅｔｅｏｒｏｌｏｇｉｃａｌ　ｆａｃｔｏｒｓ　ａｎｄ　ｔｈｅ　ｒａｔｉｏ　ｏｆ　ｖｅｇｅｔａｔｉｏｎ　ｃｏｖｅｒ［Ｊ］ｌ　Ａｃｔａ　Ｅｃｏｌｏｇｉｃａ　Ｓｉｎｉｃａ（ｉｎ　Ｃｈｉｎｅｓｅ），２３（２）：　２２ｌ—２３Ｏ．　余振，孙鹏森，刘世荣．２０１０．中国东部南北样带主要植被类型物候期　的变化［Ｊ］．植物生态学报，３４（３）：３１６－３２９．Ｙｕ　Ｚｈｅｎ，Ｓｕｎ　Ｐｅｎｇｓｅｎ，Ｌｉｕ　Ｓｈｉｒｏｎｇ．２０１０．Ｐｈｅｎｏｌｏｇｉｃａｌ　ｃｈａｎｇｅ　ｏｆ　ｍａｉｎ　ｖｅｇｅｔａｔｉｏｎ　ｔｙｐｅｓ　ａｌｏｎｇ　ａ　Ｎｏｒｔｈ－Ｓｏｕｔｈ　Ｔｒａｎｓｅｃｔ　ｏｆ　Ｅａｓｔｅｒｎ　Ｃｈｉｎａ［Ｊ］．Ｃｈｉｎｅｓｅ　Ｊｏｕｒｎａｌ　ｏｆ　Ｐｌｎａｔ　Ｅｃｏｌｏｇｙ（ｉｎ　Ｃｈｉｎｅｓｅ），３４（３）：３１６—３２９．　Ｚｅｎｇ　Ｎ，Ｙｏｏｎ　Ｊ．２００９．Ｅｘｐａｎｓｉｏｎ　ｏｆ　ｔｈｅ　ｗｏｒｌｄ’ｓ　ｄｅｓｅｒｔｓ　ｄｕｅ　ｔｏ　ｖｅｇｅｔａｔｉｏｎ－ａｌｂｅｄｏ　ｆｅｅｄｂａｃｋ　ｕｎｄｅｒ　ｇｌｏｂａｌ　ｗａｒｍｉｎｇ［Ｊ］＿Ｇｅｏｐｈｙｓ．Ｒｅｓ．　ＬｅＲ．，３６，Ｌ１７４０１，ｄｏｉ：１０．１０２９／２００９ＧＬ０３９６９９．　张井勇，董文杰，叶笃正，等．２００３．中国植被覆盖对夏季气候影响的新　证据［Ｊ１．科学通报，４８（１）：９１－９５．Ｚｈａｎｇ　Ｊｉｎｇｙｏｎｇ，Ｄｏｎｇ　Ｗｅｎｊｉｅ，Ｙｅ　Ｄｕｚｈｅｎｇ，ｅｔ　ａ１．２００３．Ｎｅｗ　ｐｒｏｏｆ　ｆｏｒ　ｒｅｆｌｅｃｔｉｏｎ　ｏｆ　ｖｅｇｅｔａｔｉｏｎ　ｃｏｖｅｒ　ｔｏ　ｓｕｍｍｅｒ　ｃｌｉｍａｔｅ　ｉｎ　Ｃｈｉｎａ［Ｊ］．Ｓｃｉｅｎｃｅ　Ｂｕｌｌｅｔｉｎ　ｏｆ　Ｃｈｉｎａ（ｉｎ　Ｃｈｉｎｅｓｅ），４８　（１）：９１－９５．　Ｚｈａｎｇ　Ｘ　Ｆｒｉｅｄｌ　Ｍ　Ａ，Ｓｃｈａａｆ　Ｃ　Ｂ，ｅｔ　ａ１．２００４．Ｃｌｉｍａｔｅ　ｃｏｎｔｒｏｌｓ　ｏｎ　ｖｅｇｅｔａｔｉｏｎ　ｐｈｅｎｏｌｏｇｉｃａｌ　ｐａｔｔｅｒｎｓ　ｉｎ　ｎｏｒｔｈｅｒｎ　ｍｉｄ－ａｎｄ　ｈｉｇｈ　ｌａｔｉｕｔｄｅｓ　ｉｎｆｅｒｒｅｄ　ｒｆｏｍ　ＭＯＤＩＳ　ｄａｔａ［Ｊ】ｌ　Ｇｌｏｂａｌ　Ｃｈａｎｇｅ　Ｂｉｏｌｏｇｙ，１０：１　１３３—１　１４５．　Ｚｈｏｕ　Ｌ　Ｍ，Ｔｕｃｋｅｒ　Ｃ　Ｊ，Ｋａｕｆｍａｎ　Ｒ　Ｋ，ｅｔ　ａ１．２００１．Ｖａｒｉａｔｉｏｎｓ　ｉｎ　ｎｏｒｔｈｅｍ　ｖｅｇｅｔａｔｉｏｎ　ａｃｔｉｖｉｔｙ　ｉｎｆｅｒｒｅｄ　ｆｒｏｍ　ｓａｔｅｌｌｉｔｅ　ｄａｔａ　ｏｆ　ｖｅｇｅｔａｔｉｏｎ　ｉｎｄｅｘ　ｄｕｒｉｎｇ　１　９８１　ｔｏ　１　９９９［Ｊ］．Ｊ．Ｇｅｏｐｈｙｓ．Ｒｅｓ．，１　０６（Ｄ１　７）：２００６９－２００８３．