基于小波的浙江省NDVI与自然—人文因子多尺度空间关联分析

地理研究GEOGRAPHICAL RESEARCH 第34卷第3期

2015年3月V ol.34,No.3March,2015

基于小波的浙江省NDVI 与自然—人文因子

多尺度空间关联分析

徐芝英1,2，胡云锋1，甄霖1，庄大方1

（1.中国科学院地理科学与资源研究所，北京100101；2.中国科学院大学，北京100049）

摘要：对地表植被的空间分布格局及其与自然、人文因子间的关系开展综合的、多尺度的定量

分析，这是全球气候变化背景下土地利用与覆被研究中的一项重要内容。以地处亚热带湿润

季风区的浙江省为研究区，设置了东西向（样线A ）和北南向（样线B ）两条样线，并应用小波分

析方法对研究区NDVI 、高程、坡度和土地利用强度等因子的尺度特征以及这些因子间的多尺

度相关关系进行了分析。结果表明：①研究区内，NDVI 、高程、坡度及土地利用强度的空间分

布格局存在四个尺度域；

②上述因子在样线A 及样线B 上的空间分布分别存在两个主要特征尺度，其中东西向（样线A ）上的特征尺度为40km 和80km ，北南向（样线B ）上主要的特征尺度

为30km 和50km ；③在较大尺度域（8km 以上），土地利用强度是影响NDVI 空间分布的最主

要因素，而在小尺度域（0~8km ），坡度和高程因子成为影响NDVI 分布的主要因子。研究还认

为，小波分析方法为识别地理要素空间分布的特征尺度、量测要素间任意尺度、任意位置上的

相干关系，提供了方便的工具。

关键词：陆地植被；环境因子；尺度特征；多尺度相关；小波分析

DOI:10.11821/dlyj201503014

1引言

作为联系土壤圈和大气圈间的桥梁，陆地植被生态系统一直是地理学、生态学、大气科学等学科研究的重点对象之一。在全球气候变化背景下，陆地植被生态系统的空间分布、动态演替及其与相关自然、人文驱动因子间的关系受到研究人员的广泛关注。对表征地表植被生长因子与相关影响因子间关系的研究已经由传统的静态、单一尺度、仅关联单一要素的分析，逐步发展到动态、多尺度、综合自然—人文多要素的分析阶段。

大量研究已经表明，气候、地形、土地利用、土壤性状、动物及微生物活动等环境因子可对地表植被的空间格局及动态演变产生影响。Nicholson 等[1-3]研究发现，气温和降水与植被生长存在显著相关，且降水量对于地表植被的影响存在阈值；冯建孟等[4,5]分析了地形因子对于塑造山区植被的空间格局具有重要作用；Pearson 等[6]认为土地利用因子在精细尺度上主导了植被类型的空间分布。总的来看，由于缺乏合适的分析工具，这些研究虽然能够囊括多种自然—人文因子来开展综合性分析，但研究尺度相对单一，多数收稿日期：2014-07-03;修订日期：2014-11-08

基金项目：国家重点基础研究发展计划项目（973计划）（2010CB950904）；国家自然科学基金项目（40971223）；中

国科学院方向性项目（KZCX2-EW-306）

作者简介：徐芝英（1987-），女，浙江江山人，硕士，主要从事地理空间分析研究。

E-mail:xuzyhappy11@https://www.360docs.net/doc/951624379.html,

通讯作者：胡云锋（1974-），男，江西赣州人，博士，副研究员，主要从事资源环境遥感与地理信息技术应用研

究。E-mail:huyf@https://www.360docs.net/doc/951624379.html,

567-577页

地理研究34卷研究只能在区域尺度上给出一个定性或定量的结论。

小波分析是一种新兴的多尺度分析方法，能以离散或连续的方式在不同尺度上刻画因子的空间分布特征、厘定因子间的联系程度，因此受到生态、遥感和空间分析等学科研究人员的重视[7-9]。李双成等[10,11]基于小波变换方法对生态与环境因子的多尺度特征、生态地理界线进行了分析与识别，邱炳文等[5]利用离散小波对武夷山自然保护区NDVI 与地形因子进行了多尺度空间相关分析，李小梅等[12]利用离散小波对福州市NDVI 的特征尺度进行了识别和分析。概括起来，目前的小波应用研究多是在离散的尺度上、就地表植被与地形地貌等自然因子间的关系进行讨论；由于缺乏可靠的数据支撑和适宜的评估指标，研究未能将人类活动因子纳入研究视野。

鉴于此，以浙江省作为研究区，首先构建了东西向和北南向两条生态样线；继而选取归一化植被指数NDVI 表征地表植被空间分布，选取高程、坡度及土地利用强度指数作为驱动NDVI 变化的自然、人文因子，而后应用小波方差分析法，对生态样线上自然、人文因子空间分布的尺度特征进行识别，应用小波相干分析技术，对NDVI 与相关自然—人文因子间的多尺度关系展开定量分析。

2研究方法与数据来源

2.1研究区与样线

浙江省位于118°01′E~123°08′E 及27°01′N~31°10′N 之间，陆地总面积约为10.2万km 2。地貌类型以山地为主，约占全省面积的70%；其次为平原，约占全省面积的20%。地势由西南向东北倾斜，大致可分为五个自然地理单元，即西部丘陵区、南部山地区、东部丘陵和平原区、中部盆地区及东北部平原区（图1）。

浙江省属于亚热带湿润季风气候，陆地植被常年生长良好。研究区年平均气温为15~18℃，平均降水量为1092~2029mm 。自

然植被以常绿阔叶林为主，森林资源十分

丰富。全省林地面积约为5.57万km 2，森

林广泛分布于浙东、浙南和浙西的丘陵地

区，覆盖率达59.4%；耕地则主要集中在中

部的金衢盆地和东北部的浙北平原。

样线设置应当考虑样线的位置应尽量

与浙江省区域的主轴（即横轴与纵轴）平

行或重合，并考虑研究区自然地理特征的

空间变异规律，尽可能多地穿越各种自然

地理和生态景观单元。根据以上原则，本

研究构建了东西向（样线A ）和北南向

（样线B ）两条生态样线（图1）。

样线A 西起于29°11′55″N 、118°9′51″E ，

东止于29°38′49″N 、121°44′2″E ，自西向东

依次穿越了浙西丘陵、钱塘江流域、金衢盆

地以及浙东丘陵区。样线B 南起于27°43′49″N 、119°32′14″E ，北终于30°45′49″N 、119°48′46″E ，

自北向南依次穿越了浙北平原区域、浙西图1浙江省地形及样线设置Fig.1Terrain of Zhejiang province and distributions of two ecological transacts

568

3期徐芝英等：基于小波的浙江省NDVI 与自然—人文因子多尺度空间关联分析丘陵、钱塘江流域、金衢盆地、瓯江流域以及浙南山地。

2.2数据处理

归一化植被指数（NDVI ）是表征地表植被健康和生长态势的重要指标，被国内外研究人员广泛应用于植被覆盖的空间格局、时空变化及其地理生态特征研究中[13-16]。本研究中NDVI 数据基于2012年3月和4月Land-

sat7TM 影像（https://www.360docs.net/doc/951624379.html, ）计算

得到，空间分辨率为30m （图2）。NDVI

计算公式为：

NDVI =(ρNIR

-ρR )/(ρNIR +ρR )（1）式中：ρNIR 为近红外反射率；ρR 为红光

反射率；在TM 影像中分别为波段4和波

段3。

高程和坡度数据由数字高程模型

（Digital Elevation Model ，DEM ）计算得

到。DEM 数据来源于美国太空署

（

NASA ）和日本经济产业省（METI ）联

合推出ASTER GDEM 数据集（http://dat-

https://www.360docs.net/doc/951624379.html,/dem/）。ASTER GDEM 数

据空间分辨率为1弧秒（约30m ），垂直

精度为20m ，水平精度为30m 。

土地利用强度指数（land use intensi-

ty ，LUI ）由庄大方等提出[17,18]。该指数反

映了人类对于土地的开发利用程度，被

研究人员广泛应用于土地利用空间格局、

时空变化过程研究[19,20]。LUI 的计算公式

如下：

LUI =100×

∑i =1n A i ×C i

（2）式中：LUI 为土地利用程度综合指数；A i

为第i 级的土地利用程度分级指数；C i 为

第i 级土地利用程度分级面积百分比。

计算LUI 指数使用2008年浙江省土地

利用/覆被空间数据（图3）。该数据来自

中国科学院资源环境科学数据中心提供的

中国1∶10万土地利用/土地覆被时空数据

平台（https://www.360docs.net/doc/951624379.html,/）。中国1∶10万

土地利用/覆被空间数据是以Landsat TM/

ETM+等遥感影像为信息源，在计算机辅

助下通过人工目视解译生成。根据野外实

地随机抽查统计结果，土地利用/覆被类型

划分的准确率达到92.9%[21,22]

。图2浙江省地表植被NDVI 的空间分布Fig.2Spatial distribution pattern of vegetation NDVI in Zhejiang

province 图3浙江省土地利用/覆被类型的空间分布Fig.3Spatial distribution pattern of land use /land cover

in Zhejiang province 569

地理研究34卷

2.3小波分析方法

小波分析法是一种能够将时间或空间上的格局与尺度以及具体时、空位置联系起来的分析方法[23]。小波分析的核心是小波变换，对于一维数据，可定义为：

W (a ,x )=1/a ∫-∞∞f (x )ψ(x -b /a )d x （3）式中：f (x )为数据函数，称为分析小波；a 是空间尺度参数；b 代表小波在空间上的中心

位置。ψ(x )为小波核函数，也称为基小波。

小波变换将数据分解为低频信息和高频信息。低频信息是数据的近似，高频信息是数据的细节。从地理学角度看，近似信息反映了数据的本征信息，是全局变化态势；细节信息反映了数据的在特定时空位置上的变化。

小波方差是小波系数模离差的平方和。若某一尺度下的小波方差值越大，则说明其对应尺度下的结构信息越丰富[5]。因此，小波方差反映了变量在地理尺度上的空间异质性，可以揭示地理环境变量空间分布的特征尺度。小波方差的计算公式为：

S 2=1n -1∑i =1n (c i -u ˉ)2（4）

式中：S 2为小波方差；c i 为小波系数；μ为小波系数的均值；n 为小波系数数目。

小波相干系数，是指两个序列数据进行小波变换后的在频率域的相关系数，可通过小波能量谱进行计算，公式如下：R 2Y ,Z （s ）=||2||2||2

|W i YZ (s )|=|W i Y (s )-----W i Z (s )|（5）

式中：Y 、Z 分别为数据序列；R 2Y ,Z (s )为小波相干系数；W i YZ (s )为数据序列Y 、Z 的小波

交叉谱；而W i Y 和W i Z 分别数据序列Y 、Z 的小波系数；“<>”为小波能量谱的光滑函数。

鉴于NDVI 、高程、坡度和土地利用强度等因子具有不同量纲，为保证要素间的可比性，首先对数据进行了Z-Score 标准化预处理；而后在ArcGIS 平台支持下，按照30m 的采样分辨率，分别在A 、B 两条样线上采集了11544个、11361个数据点（包括NDVI 、高程、坡度以及土地利用强度等四组信息）；继而采用Grinsted 等[7]开发的小波分析软件，选取Morlet 小波作为小波基，在Matlab 环境中计算各因子的小波尺度方差和多尺度小波相干系数，分析NDVI 与自然、人文因子的尺度特征及空间关联关系。

3结果分析

3.1东西向样线尺度特征和多尺度相关性

根据小波方差图（图4a ）：研究区东西向样线（样线A ）上NDVI 与高程、坡度和LUI 等因子在空间上分布存在四个尺度域，分别为0~8km 、8~25km 、25~60km 以及>60km 。具体来说，NDVI 因子存在两个特征尺度，其一为40km 左右，其二在85~90km 之间；高程与坡度因子在20km 与80km 左右各存在一个特征尺度；LUI 因子在20km 、40km 以及80km 处各存在一个特征尺度。综合来看，地表植被与土地利用因子在40km 尺度存在耦合，在80~90km 尺度与高程、坡度以及土地利用等因子存在耦合。

根据小波相干分析（图4b~4d 和表1）：研究区东西向样线（样线A ）上的NDVI 与各影响因子间的相关关系也存在四个尺度域，分别为0~8km 、8~25km 、25~60km 以及

570

3期徐芝英等：基于小波的浙江省NDVI 与自然—人文因子多尺度空间关联分析>60km 。这与各要素空间分布的尺度域相一致。

在0~8km 尺度，NDVI 与高程、坡度及土地利用程度间的小波相干系数非常小，通过红噪声检验的比例极小。这表明在小于8km 尺度上，无论是高程、坡度等自然地形因子，还是土地利用这一人类活动因子，对于地表植被空间分布的影响均不明显；相对而言，高程、坡度等自然因子与NDVI 的相关性还是要强于土地利用强度因子与NDVI 的相关性。

在8~25km 尺度，NDVI 与高程、坡度及土地利用强度等因子间的相干性逐渐增强，相干系数依次为0.4061、0.4392和0.5209。根据NDVI-DEM 小波相干图（图4b ），在距西起始点（29°11′55″N 、118°9′51″E ）50km 和150km 处，相关系数出现了峰值，在地理空间上对应着千里岗山、昱岭山区域。根据NDVI-SLOPE 小波相干图（图4c ），在距西起始点150km 处也存在一个峰值，在地理空间上对应着昱岭山区域。根据NDVI-LUI 小波相干图（图4d ），在距西起始点180km 和250km 处存在峰值，对应区域分别是金衢盆地与浙东绍兴平原区，该地区主要土地利用类型为农田。

在25~60km 尺度，NDVI 与各因子间的相干性继续增强，NDVI 与与高程、坡度及土地利用强度等因子间相干系数分别达到0.5766、0.7386和0.7613，小波相干分析通过红噪声检验的比例急剧增大。其中，NDVI 与坡度因子、土地利用因子的小波相干系数已超过0.7，红噪声检验通过率均达到70%以上。这表明在该尺度，坡度因子和土地利用

因子对植被空间分布有显著影响。

图4样线A 上各因子随尺度变化的小波方差和因子间相干系数

Fig.4Wavelet variances and coherences between NDVI and other driving factors along transect A

571

地理研究

34卷在>60km 尺度，NDVI 与环境因子间的小波相干性极强，分别为0.6223、0.8654和0.9397；NDVI 与坡度、LUI 的相干系数通过红噪声检验的范围基本覆盖整个区域，这说明大尺度植被空间分布显著地受到土地利用强度、坡度和海拔高度的影响。

3.2北南向样线尺度特征和多尺度相关性

根据小波方差图（图5a ）：研究区北南向样线（样线B ）上NDVI 与高程、坡度和LUI 等因子在空间上的分布存在四个尺度域，分别为0~8km 、8~20km 、20~70km 以及>70km 。具体来说，NDVI 因子存在三个特征尺度，其一为18km 左右，其二为30km 左右，其三为50km 左右；高程因子在30km 与50km 左右各存在一个特征尺度；坡度因子在18km 与50km 左右各存在一个特征尺度；LUI 因子在30km 与50km 处各存在一个特征尺度，其中LUI 因子在30km 处的特征尺度不明显。综合来看，地表植被在18km 尺度上坡度因子存在耦合，地表植被在30km 和50km 尺度上，与高程、坡度以及土地利用等因子存在耦合。

根据小波相干分析（图5b~5d 和表2）：研究区北南向样线（样线B ）上的NDVI 与各影响因子间的相关关系也存在四个尺度域，分别为0~8km 、8~20km 、20~70km 以及>70km 。这与各要素空间分布的尺度域相一致。

在0~8km 尺度上，NDVI 与高程、坡度以及土地利用强度间的小波相干系数非常小，通过红噪声检验的比例也极小。这表明在小于8km 尺度上，无论是高程、坡度等自然地形因子，还是土地利用这一人类活动因子，对于地表植被空间分布的影响均不明显；相对而言，高程、坡度等自然因子与NDVI 的相关性还是要强于土地利用强度因子与NDVI 的相关性。

在8~20km 的尺度上，NDVI 与高程、坡度及土地利用强度等因子的相干性逐渐增强，相干系数依次为0.3704、0.4934和0.5513。根据NDVI-DEM 小波相干图（图5b ），在距南起始点（27°43′49″N 、119°32′14″E ）230km 处出现了峰值，在空间上对应着钱塘江流域。根据NDVI-SLOPE 小波相干图（图5c ），在同样位置也发现了这一峰值；在距南起始点50km 处小波相干系数存在一个峰值，所对应区域正是瓯江流域。根据NDVI-LUI 相干图（图5d ），除50km 和230km 外，在距南起始点150km 处也存在一个峰值，其对应的区域是金衢盆地区域，主要土地利用类型均为耕地。

在20~70km 尺度上，NDVI 与各因子间的小波相干性继续增强，NDVI 与与高程、坡度及土地利用强度等因子间相干系数分别为0.6516、0.7706以及0.8400。小波相干分析通过红噪声检验的比例也急剧增大。NDVI 与坡度因子、土地利用因子的相干系数已超过0.7，红噪声检验通过率达到68%以上。这表明在该尺度，坡度因子和土地利用因子对于植被空间分布有显著影响。

在>70km 尺度上，NDVI 与环境因子间的小波相干性极强，分别为0.7945、0.9501和0.9420。NDVI 与坡度、LUI 的相干系数通过红噪声检验的范围基本覆盖整个区域，这说明大尺度植被空间分布显著地受到土地利用强度、坡度和海拔高度的影响。

表1样线A 上不同尺度NDVI 与环境影响因子的相干系数及检验

Tab.1Wavelet coherence values with significance test between NDVI and the environment factors on transect A NDVI-DEM NDVI-SLOPE NDVI-LUI 0~8km 相干性0.32640.35300.2914通过率/%5.708.5411.518~25km

相干性

0.4061

0.4392

0.5209通过率/%12.1620.2926.8925~60km 相干性0.57660.73830.7613通过率/%28.5170.3571.26>60km 相干性0.62230.86540.9397通过率/%52.42100100

572

3期徐芝英等：基于小波的浙江省NDVI 与自然—人文因子多尺度空间关联分析4讨论

4.1特征尺度的地学意义

特征尺度是体现自然地理现象或过程空间异质性的最佳表现空间，是观察和分析地理现象或过程最适宜的度量单位[12,24]。结果显示，浙江省东西向上主要的特征尺度为40km 和80km ，北南向上主要的特征尺度为30km 和50km 。表明植被覆盖、地势地形以及人类活动强度在上述尺度上空间异质性最大，其空间结构信息丰富程度最高。特征尺度结果的发现为后续的自然地理、区域生态学等研究在研究尺度的选择提供了

参考。

图5样线B 上的NDVI 与DEM 、坡度以及土地利用强度的小波相干分析

Fig.5Wavelet variances and coherences between NDVI and other driving factors along transect B

表2样线B 上不同尺度NDVI 与环境影响因子间的相干系数及检验

Tab.2Wavelet coherence values with significance test between NDVI and the environment factors on transect B NDVI-DEM NDVI-SLOPE NDVI-LUI 0~8km 相干性0.32770.36020.2758通过率/%

5.668.807.858~20km

相干性

0.3704

0.4934

0.5513通过率/%10.6123.6638.3920~70km 相干性0.65160.77060.8400通过率/%30.7268.0880.11>70km 相干性0.79450.95010.9420通过率/%50.41100100573

地理研究34卷574

研究还表明，东西走向样线上的小波方差值明显高于北南走向样线上的小波方差值。这说明浙江省东西方向上的景观异质性高于北南方向的景观异质性。从浙江省地形地貌图以及土地利用图看，在东西方向上，金衢盆地、绍兴平原分割了浙西与浙东丘陵地带，造成了地表植被、地形地貌以及土地利用的空间变化较快、空间异质性较大；而在北南方向上，金衢盆地虽然对浙西与浙南丘陵山地进行了分割，同时钱塘江以及瓯江水系也对地势造成切割，但总体并不影响沿线地区丘陵山地地貌的主导地位，因此其空间异质性较小。

4.2多尺度相关的地学意义

因子间的多尺度相关性反映了不同尺度下地理要素间的耦合程度，可以揭示地理要素间的关联关系。结果显示，在较大尺度域（8km以上尺度），土地利用强度因子是影响NDVI空间分布的最主要因素，其相关程度总是最高；坡度因子在一定程度上影响着NDVI的分布状况，而高程因子对于NDVI空间分布格局的影响最小。这一结果体现了浙江总体的自然、人文特点：浙江省位于亚热带常绿植被地带，植被生长旺盛，高程对植被空间分布的影响较小；浙江省同时又是人类广泛、深度开发地区，土地利用强度及土地利用可能性（坡度）可以显著地影响植被类型的分布，并进一步影响到植被NDVI的空间分布格局。在较小尺度域（0~8km），由于小尺度上人类活动强度可视作均匀，因此自然要素（DEM和坡度）通过影响局地地形地貌和水分条件，上升成为影响植被类型和植被生长态势的主要因子。

小波分析作为“数学放大镜”，提供了同时将空间尺度与空间位置相结合的分析方法。本文所示的小波相干分析图就同时提供了任意尺度、任意位置上两个要素之间的相干性指数。借助这一便利的图形分析工具，研究发现：高程、坡度因子在丘陵地区与NDVI因子相关程度较高，而土地利用强度因子在人工生态景观区（耕作盆地和平原）与NDVI因子的相关程度较高。因此，也可利用这种高相关性来推测研究区下垫面性质，即通过合理选择目标因子、分析尺度及相干性阈值，可以将小波相关分析方法用于一些重要地物、地类的判别和空间定位。

4.3不确定性分析

运用小波分析方法研究陆地植被生长及环境、人文要素间的关联关系，其不确定性主要来自于两个方面：一是不同样线布设方案（具体位置和宽度等）导致的不确定性，二是选择不同小波基函数开展小波分解所导致的不确定性。

为探讨样线不同布设方案对研究结果的影响，进行了实验对比研究，即改变样线走向和具体位置、加大样线宽度，而后依照前述技术路线开展分析和结果对比研究。结果表明，在确定样线位置后，采样宽度的少许拓宽（由30m拓宽至150m）不会对分析结果造成重大改变，实验所得的尺度域、特征尺度以及各尺度域上的小波相关系数等基本不变或变化不大，由此反映的基本地学规律也不变。但是，样线走向和具体位置的调整会导致样线穿越区地形、地貌、植被类型、人类活动强度等发生重大变化，相应的实验结果与当前结果相比有显著不同。要消除、减小采样布设方案所导致的不确定性，提高研究人员对研究区整体特征的把握程度，一个可行的方法是将目前的一维小波分析发展到二维小波分析。

此外，在小波分析中，存在Morlet、Daubechies、Haar、Meyer等多个小波核函数[23]。在地学研究中，考虑到地理空间要素的空间连续变化特性，研究人员常常选择Morlet小波。这是因为与其他核小波函数相比，Morlet小波具有更好的平滑性和周期性[11]。数学领域的研究已经表明，选择不同的小波基函数，会导致小波分解后结果发生变化。因

3期徐芝英等：基于小波的浙江省NDVI与自然—人文因子多尺度空间关联分析

575此，在未来的小波方法地学应用研究中，深入分析小波核函数的本质属性，开展基于不同小波核函数的结果对比分析，是认识小波分析方法不确定性、厘定其不确定程度的重要研究方向。

5结论

（1）浙江省植被NDVI、高程、坡度及土地利用强度等四个因子的空间分布格局存在四个尺度域。东西向样线A上的尺度域为0~8km、8~25km、25~60km以及>60km；北南向样线B上的尺度域为0~8km、8~20km、20~70km以及>70km。

（2）研究区东西向样线A上主要的特征尺度为40km和80km，北南向样线B上主要的特征尺度为30km和50km。在上述特征尺度上，植被覆盖、地势地形以及人类活动强度的空间异质性最大，空间结构信息丰富程度最高。特征尺度的确立，可以为后续的自然地理、区域生态学等研究提供了尺度参考。

（3）在浙江省研究区，人文因子（土地利用强度）是较大尺度域（8km以上）上影响NDVI的最主要因素；在较小尺度域（0~8km），自然要素（DEM和坡度）逐渐成为影响植被NDVI的主要因子。鉴于上述尺度—位置对应关系，可将小波相关分析应用于重要地物、地类的识别研究。

（4）小波方差分析得到的空间特征尺度体现了要素空间分布的异质性和丰富度信息，是观察和分析地理现象或过程最适宜的度量单位。小波相干分析图则提供了任意尺度、任意位置上两个要素之间的相干性指数，为认识其在不同尺度—位置上的关系提供了便捷工具。

参考文献(References)

[1]Nicholson S,Davenport M,Malo A.A comparison of the vegetation response to rainfall in the Sahel and East Africa,us-

ing normalized difference vegetation index from NOAA A VHRR.Climatic Change,1990,17(2-3):209-241.

[2]李本纲,陶澍.A VHRR NDVI与气候因子的相关分析.生态学报,2000,20(5):898-902.[Li Bengang,Tao Shu.Corre-

lation between A VHRR NDVI and climate factors.Acta Ecoligica Sinica,2000,20(5):898-902.]

[3]马明国,王建,王雪梅.基于遥感的植被年际变化及其与气候关系研究进展.遥感学报,2006,10(3):421-431.[Ma

Mingguo,Wang Jian,Wang Xuemei.Advance in the inter-annual variability of vegetation and its relation to climate based on remote sensing.Journal of Remote Sensing,2006,10(3):421-431.]

[4]冯建孟,徐成东.云南西部地区地带性植物群落物种多样性的地理分布格局.生态学杂志,2009,28(4):595-600.

[Feng Jianmeng,Xu Chengdong.Geographical distribution patterns of zonal plant community species diversity in West Yunnan,China.Chinese Journal of Ecology,2009,28(4):595-600.]

[5]邱炳文,苏簪铀,陈崇成.基于小波变换的武夷山自然保护区NDVI与地形因子多尺度空间相关分析.生态学杂志,

2009,28(9):1915-1920.[Qiu Bingwen,Su Zanyou,Chen Chongcheng.Multi-scale spatial correlations between topo-graphic attributes and vegetation indices in Wuyi Mountain Reserve based on wavelet transform.Chinese Journal of Ecology,2009,28(9):1915-1920.]

[6]Pearson R G,Dawson T P,Liu C.Modelling species distributions in Britain:A hierarchical integration of climate and

land-cover data.Ecography,2004,27(3):285-298.

[7]Grinsted A,Moore J C,Jevrejeva S.Application of the cross wavelet transform and wavelet coherence to geophysical

time series.Nonlin Processes Geophys,2004,11(5-6):561-566.

[8]Biswas A,Si B.Application of continuous wavelet transform in examining soil spatial variation:A review.Mathematical

Geosciences,2011,43(3):379-396.

[9]李双成,高伟明,周巧富,等.基于小波变换的NDVI与地形因子多尺度空间相关分析.生态学报,2006,26(12):4198-

4203.[Li ShuangCheng,Gao Weiming,Zhou Qiaofu,et al.Multi-scale spatial analysis on NDVI and topographical fac-tors using wavelet transform.Acta Ecologica Sinica,2006,26(12):4198-4203.]

地理研究34卷576

[10]李双成,赵志强,高江波.基于空间小波变换的生态地理界线识别与定位.生态学报,2008,28(9):4313-4322.[Li Sh-

uangcheng,Zhao Zhiqiang,Gao Jiangbo.Identifying eco-geographical boundary using spatial wavelet transform.Acta Ecologica Sinica,2008,28(9):4313-4322.]

[11]Li S C,Yang Z X,Gao Y.Scale-dependent spatial relationships between NDVI and Abiotic Factors.Journal of Resourc-

es and Ecology,2010,1(4):361-367.

[12]李小梅,沙晋明,连江龙.基于小波变换的NDVI区域特征尺度.生态学报,2010,30(11):2864-2873.[Li Xiaomei,

Sha Jinming,Lian Jianglong.Regional characteristic scale of NDVI based on wavelet analysis.Acta Ecologica Sinica, 2010,30(11):2864-2873.]

[13]韩辉邦,马明国,严平.黑河流域NDVI周期性分析及其与气候因子的关系.遥感技术与应用,2011,26(5):554-560.

[Han Huibang,Ma Mingguo,Yan Ping.Periodicity analysis of NDVI time series and its relationship with climatic faco-tors in the Heihe River Basin in China.Remote Sensing Technology and Application,2011,26(5):554-560.]

[14]Zhang X Y,Hu Y F,Zhuang D F,et al.NDVI spatial pattern and its differentiation on the Mongolia Plateau.Journal of

Geographical Sciences,2009,19(4):403-415.

[15]张雪艳,胡云锋,庄大方,等.蒙古高原NDVI的空间格局及空间分异.地理研究,2009,28(1):10-18.[Zhang Xueyan,

Hu Yunfang,Zhuang Dafang,et al.The spatial pattern and differentation of NDVI in Mongolia Plateau.Geographical Research,2009,28(1):10-18.]

[16]张学珍,郑景云,何凡能,等.1982-2006年中国东部秋季植被覆盖变化过程的区域差异.自然资源学报,2013,67(1):

28-37.[Zhang Xuezhen,Zheng Jingyun,He Fanneng,et al.Spatial differences of variations in autumn factional vegeta-tion coverage in eastern China during1982-2006.Journal of Natural Resources,2013,67(1):28-37.]

[17]Zhuang D F,Liu J Y.Modeling of regional differentiation of land-use degree in China.Chinese Geographical Science,

1997,7(4):302-309.

[18]庄大方,刘纪远.中国土地利用程度的区域分异模型研究.自然资源学报,1997,12(2):105-111.[Zhuang Dafang,Liu

Jiyuan.Study on the model of regioanl differentiation of land use degree in China.Journal of Nautural Resources,1997, 12(2):105-111.]

[19]王佳丽,黄贤金,陆汝成,等.区域生态系统服务对土地利用变化的脆弱性评估:以江苏省环太湖地区碳储量为例.

自然资源学报,2010,25(4):556-563.[Wang Jiali,Huang Xianjin,Lu Rucheng,et al.Assessment on the vulnerability of ecosystem services to land use change:A case study of carbon stock of Taihu Lake District in Jiangsu province.Jour-nal of Natural Resources,2010,25(4):556-563.]

[20]胡和兵,刘红玉,郝敬锋,等.城市化流域生态系统服务价值时空分异特征及其对土地利用程度的响应.生态学报,

2013,33(8):2565-2575.[Hu Hebing,Liu Hongyu,Haojingfeng,et al.Spatio-temporal variation in the value of ecosys-tem and its response to alnd use intensity in an urbanized watershed.Acta Ecologica Sinica,2013,33(8):2565-2576.] [21]Liu J Y,Liu M L,Zhuang D F,et al.Study on spatial pattern of land-use change in China during1995-2000.Science in

China Series D,2003,46(4):373-386.

[22]Liu J Y,Tian H Q,Liu M L,et al.China's changing landscape during the1990s:Large-scale land transformations esti-

mated with satellite data.Geophysical Research Letters,2005,32(2):L02405.

[23]Daubechies I.Different Perspectives on Wavelets.Provindence:American Mathematical Society,1993.

[24]邬建国.景观生态学:格局、过程、尺度与等级.北京:高等教育出版社,2007.[Wu https://www.360docs.net/doc/951624379.html,ndscape Ecology:Pat-

tern,Process,Scale and Hierarchy.Beijing:Higher Education Press,2007.]

3期徐芝英等：基于小波的浙江省NDVI与自然—人文因子多尺度空间关联分析

577 Wavelet-based multi-scale analysis of NDVI and

background factors in Zhejiang province

XU Zhiying1,2,HU Yunfeng1,ZHEN Lin1,ZHUANG Dafang1

(1.Institute of Geographic Sciences and Natural Resources Research,CAS,Beijing100101,China;

2.University of Chinese Academy of Science,Beijing100049,China)

Abstract:Terrestrial vegetation ecosystem plays an important role in maintaining the sustainable development of global ecosystem,providing strong supports in exchanging energy and substances between pedosphere and atmosphere.With the rise of global change researches, vegetation research becomes an important content of land use and cover change research, which is one of the branches of studies on global changes.And it is a key step to understand the complex relationships between the vegetation distribution and its physical and artificial processes by using synthetical,quantitative and multi-scale means.In this research,Normalized Differentiation Vegetation Index(NDVI)was calculated as an indicator of vegetation,and three environmental variables were selected as the influencing factors including two topographic variables(elevation and slope)and one human variable(land use intensity,LUI).Continuous wavelet based methods were used to investigate the hierarchical structures and scale-location correlations between NDVI and other environmental factors.And two transects were selected along the east-west orientation(transect A)and the north-south orientation(transect B)in subtropical mountainous and hilly region,Zhejiang,China.The results showed that:(1)Four scales about the spatial distribution of NDVI and its driving factors were identified from the wavelet variance curves,with stronger variance values at larger scales;(2)The characteristic scales along the east-west transect were around40km and80km,whereas the characteristic scales along the north-south transect were around30km and50km.In these scales,the distributions of vegetation cover,landform and human activities exhibited richer structure information;(3)Topographic and humanity factors affected the distribution of NDVI at different scales,which was concluded from the wavelet coherence figures.It was proved that the humanity was the major influencing factor in larger scales(>8km),while the terrain factors had more important effects in relative smaller scales(0-8km).Generally,wavelet based approach provides an effective tool to analyze the multi-scale structure of ecosystem and to understand the scale-location specific relationships between environmental factors. Keywords:terrestrial vegetation;environmental factors;scale variation;multi-scale correlation;wavelet analysis.