大兴安岭NDVI时间序列的长程相关性特征分析_郭笑怡

第１５卷第１期２０１３年２月

地球信息科学学报

ＪＯＵＲＮＡＬＯＦＧＥＯＩＮＦＯＲＭＡＴＩＯＮＳＣＩＥＮＣＥ　　－　

Ｖｏｌ．１５，Ｎｏ．１

，２０１３Ｆｅｂ．

大兴安岭ＮＤＶＩ时间序列的长程相关性特征分析

郭笑怡，刘德赢，张洪岩＊

（）东北师范大学城市与环境科学学院，长春１３００２４

摘要：运用消除趋势波动分析方法和Ｇ研究大兴安岭１揭示了大兴ＩＭＭＳ数据集，９８２２００６年ＮＤＶＩ长程相关性，－（安岭Ｎ为气候－植被综合模型中时间尺度特性分析提供依据。主要结论有：ＤＶＩ动态的时间尺度特征，１）ＮＤＶＩ是其动态过程受到多个因素和过程影响，一阶消除一个复杂的动力系统，ＮＤＶＩ可能存在多种不同的时空尺度。（２）趋势波动分析可以避免忽略较小时间尺度特征，适合应用于１大兴安岭Ｎ５ｄ分辨率的时间序列；ＤＶＩ在２１５个月－（表明Ｎ是一个由内在自相似机制决定的长程相关过程；随内有较强的长程相关性；ＤＶＩ动态过程不是随机序列，３），着时间的推移，大兴安岭各生态地理区标度指数都存在“拐点”其出现时间在ＮＤＶＩ动态时间特征发生变化，北段西侧与南段“拐点”出现时间比北段和中段早１６．５８．５个月之间，２个月。在较小时间尺度内，ＮＤＶＩ呈现出接－－／近１在较大时间尺度上，不同生态地理区Ｎｆ噪声特点，ＮＤＶＩ具有长程幂律相关性，ＤＶＩ持续性强度有差异。；关键词：长程相关性；大兴安岭ＤＦＡ；ＮＤＶＩ：／ＤＯＩ１０．３７２４ＳＰ．Ｊ．１０４７．２０１３．００１５２

１　引言

植被是陆地生物圈的主体，对调节大气成分、保持水土、维持气候稳定和减缓温室气体浓度上升

１］

。归一化差值植被等方面具有不可替代的作用［

４］

。Ｌ．变存在内在的周期循环长度［Ｔｅｌｅｓｅａ和Ｒ．

Ｌａｓａｏｎａｒａ对意大利南部地中海生态系统不同植ｐ

被覆盖类型Ｎ指出了不ＤＶＩ的持续行为进行分析，同土地覆盖类型ＮＤＶＩ持续行为的时间尺度特

５］

。研究Ｎ能更好地揭征［ＤＶＩ序列的长程相关性，

指数（ＮｏｒｍａｌｉｚｅｄＤｉｆｆｅｒｅｎｃｅＶｅｅｔａｔｉｏｎＩｎｄｅｘ，　　　ｇ）是随着时间变化反映地表动态过程的遥感ＮＤＶＩ

能反映植被吸收的光合有效辐射、叶绿光谱指数，

２］

。Ｎ素密度、叶面积，以及蒸发速率等参数［ＤＶＩ变

示植被动态过程，为综合的气候－植被模型中时间尺度特性研究提供依据，对分析植被动态响应气候变化机理具有重要意义。

一般探讨长程相关性应考虑使用相关系数，或者采用功率谱密度分析，传统方法很难将非平稳时间序列内部特征进行全面的描述和研究。近年来，一些非线性时间序列分析方法被广泛应用，其中，消除趋势波动分析法（ＤｅｔｒｅｎｄｅｄＦｌｕｃｔｕａｔｉｏｎＡｎａｌ　　－，已经被证明是分析非平稳时间序列的有ｓｉｓＤＦＡ）ｙ

效方法。ＤＦＡ是由ＰｅｎＮＡ时提出ｇ等人在研究Ｄ

６］

。经过不断发的一种长程幂律相关性分析方法［

化趋势可以看作是植被覆盖、物候和生物量的动突变和周期性分析是认态。针对ＮＤＶＩ进行趋势、识植被系统动态演化特征的基本方法。

长程相关性也叫长期记忆性或持续性，序列不过去的状态可对同时间的观测值具有显著相关性，

现在和未来产生影响，时间自相关函数以幂律形式

３］

，衰减［长程相关性广泛存在于自然系统中。对

国内外学者对水文ＮＤＶＩ长程相关特征关注较少，气象资料、大气等长程相关性研究较多。仅径流、

／刘亚龙等人利用ＲＳ方法对山东地区ＮＤＶＩ与气结果表明Ｎ象因子持续性进行分析，ＤＶＩ存在长程相关性，植被演ＮＤＶＩ在时间分布上具有分形特征，

；修回日期：收稿日期：２０１２１００９２０１２１２１３．－－－－

展，ＤＦＡ方法被广泛引用到自然系统长程相关性的

］］］７８９

、、研究中，如天气系统［地下水波动［大气成分［

等。本文应用消除趋势波动法，以１９８２２００６年的－探讨大兴安ＧＩＭＭＳＮＤＶＩ时间序列数据为基础，　

岭Ｎ以期深化对研究区植被系统ＤＶＩ长程相关性，

）。基金项目：中央高校基本科研业务费专项资金资助（１１ＳＳＸＴ１３４

，：作者简介：郭笑怡（男，博士研究生，研究方向为Ｇｕｏｘ９１４＠ｎ１９８５ＩＳ应用与环境遥感。Ｅ－ｍａｉｌｅｎｕ．ｅｄｕ．ｃｎ－）ｇｙ，：张洪岩（博士，教授，博士生导师，研究方向为Ｇ１９６５ＩＳ应用与环境遥感。Ｅ－ｍａｉｌｚｈｅｎｕ．ｅｄｕ．ｃｎ＊通讯作者：－）＠ｎｙ

１期郭笑怡等：大兴安岭ＮＤＶＩ时间序列的长程相关性特征分析

１５３　　　

动力机制的认识。集进行掩膜，提取研究区的空间范围。ＧＩＭＭＳ数

］１２１４－

，据集已经广泛应用到许多研究当中［本文中不

２　研究区与数据

２．１　研究区概况

大兴安岭范围依据中国生态地理区域图提

１０］

，取［将其分为北段、北段西侧、中段、南段４个区

对其数据质量进行评价和分析。

在对ＮＤＶＩ时间序列进行长程相关性分析之

前，考虑到研究对象是一个累计连续变化量，先对数据集进行去除季节循环处理，即分析ＮＤＶＩ异常，），值（计算方法如公式ＡｎｏｍａｌＮＤＶＩＡＮＤＶＩｙ　（）：１

（），，ＡＮＤＶＩＤＶＩＤＶＩ１ｉｉｊ＝Ｎｊ－Ｎｊ

；ｉ表示年份，ｉ∈［１９８２，２００６］ｊ表示一年中第ｊ期；数据，，１，２４］ＡＮＤＶＩｊ∈［ｉｊ表示第ｉ年中第ｊ期ＮＤＶＩ异常值ＮＤＶＩｊ表示每年第ｊ期数据平均

值。

如图１所示。大兴安岭横亘于我国东域分别讨论，

北地区西部，山脉东侧为小兴安岭与松辽平原，受到海洋性季风气候控制；西侧向呼伦贝尔高原和蒙古高原缓慢过渡，是非季风区。其山脉本身的长度达１在气候、地形多因素叠加作用下，水热５００ｋｍ，条件呈梯度分布。北段是我国唯一的寒温带，其他３个区域为中温带。研究区内年平均降水量相似的

前提下，干湿状况差异明显，北段属于湿润地区，中南段是半干旱区。植被类间２个区域为半湿润区，

型自北向南，由森林逐渐过渡到草原，北段为针叶落叶林区，北段西侧与中段分别是森林草原区和草南段为草原区

。原森林区，

３　大兴安岭ＮＤＶＩ时间序列长程相

关性分析

３．１　研究方法

３．１．１　长程相关

一般情况下，对平稳时间序列自相关函数，可定量描述该时间序列间隔ｓ段的自相关性，采用公

１５］）；计算［式（２

）＝［［，且ｓ＞０Ｃ（ｓｘｘｋ－ｘ］ｋｓ－ｘ］＋

∑Ｎ－ｓｋ＝１（）２

该时间序列没有自相关性；当ｓ）＝０时，　　当Ｃ（

）表明在这一时间段里，该时间序列具有Ｃ（ｓ＞０时，

如果自相关性，

）∝ｅＣ（ｓｘｐ

ｓｋ

将这种关系称之为短程相关，若满足

Ｎ－ｓ

）

（）３

图１　大兴安岭分区示意图Ｆｉ．１　Ｌｏｃａｔｉｏｎｏｆｔｈｅｓｔｕｄａｒｅａ　　　ｇｙ　

－γ

）∝ｓ，（）Ｃ（ｓ０＜γ＜１４

）即Ｃ（呈幂律下降，则为长程相关，其中，ｓγ为自相关系数。

３．１．２　消除趋势波动分析法

２．２　数据源

本研究使用中国地区长时间序列ＧＩＭＭＳ植

１１］

，被指数数据集［下载于中国西部环境与生态科学／／／）。该数数据中心（ｈｔｔｗｅｓｔｄｃ．ｗｅｓｔｉｓ．ａｃ．ｃｎｐ：ｇ

据空间分辨率是８时间涵盖了自１ｋｍ，９８１年７月至２００６年１２月每隔１５ｄ一期数据。我们选择每年２１９８２２００６年的数据进行长程相关性分析，４－期，共２总计６５年，００期ＮＤＶＩ时间序列。对数据

消除趋势波动分析法起源于随机游走理论，能

１６］

。与谱分析和Ｒ／检测非平稳时间序列自相似性［

一是能检测Ｓ分析相比较，ＤＦＡ法具有两个优点：

出非平稳时间序列中内在的自相似性；二是可避免即可检测出由于外在趋势而导致的明显自相似性，

１７］

。Ｄ消除序列中的伪相关现象［ＦＡ计算步骤如

下：

，首先，对数据进行积分，若时间序列为ｘ（ｉ）

１５４

地球信息科学学报　　　　　　　　　　　　　　　　　　　２０１３年

……，对其求积ｉ＝１，２，３，Ｎ，Ｎ为时间序列长度，分；

ｋ

如图２所示。将其视为衡量大进行空间平均统计，

该时间序列具有明显的季兴安岭ＮＤＶＩ平均水平，没有任何显著性统计趋势。节循环和非平稳特点，

序列的周期性波动会对长期相关检测产生显著影容易导致检测到并不存在的长程相关性。研究响，

区Ｎ合理ＤＶＩ变化存在以年为周期的季节性波动，地消除其季节性波动是准确估计标度值α的一个重要环节。图３显示了ＮＤＶＩ去除季节循环后的波动序列，即前述提到的ＡＮＤＶＩ序列。直观感觉看起来有升有降，杂乱无ＡＮＤＶＩ是一组随机序列，在不同年份的波动程度差异较大，即使是同一章，

年份内，不同时间的波动值也不完全相同，然而该序列都可视为围绕０值上下波动。但是，大兴安岭ＮＤＶＩ异常时间序列仍然可能包含多个尺度的振荡

特征，不同尺度间具有层次结构，这种不规则动力特点说明了不同时间尺度振荡间的标度行为可能这样的变化特征反映了大兴安岭环境不同。同时，

因子复杂性，对植被生长的影响，植被的响应则体现在了ＮＤＶＩ动态变化上。

图４为１９８２２００６的２５年间大兴安岭ＡＮＤＶＩ－变化直方图，通过计算ＡＮＤＶＩ值基本呈对称分布，得到ＡＮ峰度为ＤＶＩ分布特征与偏度为－０．５３５，但与高斯白噪声２．２０５的高斯分布曲线十分相似，仍有差异。

３．２．２　大兴安岭ＮＤＶＩ长程相关性计算分析

为了准确估算标度在进行ＤＦＡ计算过程中，，分割区间长度ｌ和各区间内拟合次数取值指数α

应适当。若分割区间太小没有实际意义，取值太大会影响计算结果，并且随着区分割区间个数较少，

间内拟合次数的增加，最小分割区间也相应扩大。（／），一般情况下，或者由拟合次ｌ可取４≤ｌＩｎｔＮ４≤

ｋ）＝ｙ（

ｉ＝１

）ｘ（ｉ－ｘ］∑［

（）５

）的平均值；将积分后的序列划分ｘ为ｘ（ｉ　　其中，成长度为ｌ且互不重叠的子区间，区间个数取整（／）；数，对于每一个小区间，积分后的信号已ＩｎｔＮｌ经剔去了局部趋势，并采用最小二乘法进行趋势拟；合，拟合后的函数为ｙ然后，计算时间序列的ｋ）ｌ（均方根函数值；

）＝Ｆ（ｌ

Ｎ

）如果Ｆ（表明ｌ－ｌ在双对数坐标中具有线性关系，研究对象有标度行为，拟合斜率即为估算的标度指数；

α

）∝ｌＦ（ｌ

标度指数α与自相关系数γ关系如下：

２

（））ｋｋ－ｙｙｌ（［］∑Ｎｋ＝１

（）６

（）７

，（）０＜γ＜１８２

　　α取值范围体现了序列不同的时间尺度特征。

当α＝０．表示序列各个值之间是相互独立的，５时，

α＝１－

体现出典型随机游走特征；当α≠０．意味着该５时，序列具有长期特征。在０＜表现与５区间内，α＜０．幂律相反的持续性；如果０．则表现为幂律５＜α＜１，／若α＝１，序列是典型１系统在长程相关性；ｆ噪声，临界状态边缘；当１＜长程相关性仍然５时，α＜１．存在，但是不符合幂律分布；此外，当α＝１．序５时，列表现为布朗运动。３．２　相关性计算结果与分析３．２．１　ＮＤＶＩ时间序列特征

本文对１９８２２００６年大兴安岭ＮＤＶＩ各期数据－

图２　大兴安岭１９８２２００６年ＧＩＭＭＳＮＤＶＩ原始时间序列－　

Ｆｉ．２　ＺｏｎａｌｍｅａｎｔｉｍｅｓｅｒｉｅｓｏｆＧＩＭＭＳＮＤＶＩｄｕｒｉｎ１９８２２００６ｉｎｔｈｅＧｒｅａｔｅｒＫｈｉｎａｎＭｏｕｎｔａｉｎｓ　　　　　　　－　　　　ｇｇｇ　

１期郭笑怡等：大兴安岭ＮＤＶＩ时间序列的长程相关性特征分析

１５５　　　

图３　去除季节循环后ＡＮＤＶＩ时间序列

Ｆｉ．３　ＴｉｍｅｓｅｒｉｅｓｏｆａｎｏｍａｌＮＤＶＩｄｕｒｉｎ１９８２２００６ｉｎｔｈｅＧｒｅａｔｅｒＫｈｉｎａｎＭｏｕｎｔａｉｎ

ｓ　　　　－　　　　ｇｙｇｇ　　

图４　大兴安岭１９８２２００６年ＡＮＤＶＩ变化直方图－

（曲线为拟合的高斯分布曲线）

Ｆｉ．４　ＨｉｓｔｏｒａｍｏｆｄｉｆｆｅｒｅｎｃｅｓｉｎａｎｏｍａｌＮＤＶＩｗｉｔｈ　　　　　ｇｇｙ　

ｔｈｅｆｉｔｔｅｄＧａｕｓｓｉａｎｄｉｓｔｒｉｂｕｔｉｏｎｃｕｒｖｅ　　　　

图５　ＤＦＡ１计算大兴安岭ＮＤＶＩ结果Ｆｉ．５　ＴｈｅＤＦＡ１ｒｅｓｕｌｔｏｆｔｈｅＧｒｅａｔｅｒＫｈｉｎａｎ　　　　　ｇｇ

ＭｏｕｎｔａｉｎｓｏｆｔｈｅａｎｏｍａｌＮＤＶＩ　　　ｙ　

数确定最小分割区间，公式为

［１８］

：

白噪的标度指数（十分接近，表现出较强．５０）α＝０的随机性，原始序列的标度指数为０体现了较．８５，验证了研究区Ｎ强的长程相关特征。因此，ＤＶＩ时间序列变化不是完全随机过程，是一个持续有序过程。

时间标度存在于Ｎ其时间尺度特ＤＶＩ序列中，征有利于了解植被生物周期和外在因素对植被的影响。ＮＤＶＩ动态变化受到多种复杂因素的交互影响，如植被群落变化、降水、积温、地形和人类活动等。不同区域研究证明，气温、降水、相对湿度等气候因子具有长程相关性，ＮＤＶＩ的长程相关性可能是由气象因子长程相关性引起的。已有对我国日平均气温和相对湿度的长程相关性分析表明，在本研究区内日平均气温１００１０００ｄ的时间尺度上，－

［０］

，的标度指数在０．日相对湿度的标７０．７６之间２－

［１］

，度指数在０．本研究中Ｎ６８０．９５之间２ＤＶＩ的标－

（）ｌ＝２ｎ＋２９

依据该公式，若局部拟合次数为２，则其分割最小区意味着忽略了３个月内的Ｎ间应为６，ＤＶＩ长程特征。结合图５可以看出，在ｌ≤３０的区间内线性关系非常明显，函数呈现明显的波动ｌ０的区间上，＞３上升态势。因此，大兴安岭ＮＤＶＩ长程相关性在１５个月内表现的更为明显。根据本研究数据特点，将对应的时间段为２分割区段ｌ取值为４≤ｌ≤３０，１５－个月，区间内采用１次线性拟合，记作ＤＦＡ１。

胖尾分布也会使数据产生长程相关性

［１９］

，为了

证明Ｄ对ＮＦＡ１计算结果的准确性，ＤＶＩ时间序列打破原序列的时间连顺序进行１００万次随机排序，续性。随机重组序列与原始序列具有相同分布特征，但失去了原序列的连续结构。利用随机重组序列同样进行Ｄ结果如图５。重组后的序ＦＡ１计算，列标度指数α置信区间在９与′＝０．５００８，９％以内，

度指数为０．可以看出其波动与气象因子具有内８５，在联系。这与许多前人研究结果一致，ＮＤＶＩ与气

１５６

］１１，２２２３－

。候因子的相关系数较大［

地球信息科学学报　　　　　　　　　　　　　　　　　　　２０１３年

变。在众多因素中地形、地貌、土壤是较为稳定的，气象因子则是不断变化的，已有的研究表明气温和降水均与ＮＤＶＩ有较强的相关性。在较小的时间尺度内，植被系统内部趋于自组织临界状态，影响ＮＤＶＩ波动的各种因素在系统内部形成了平衡力；

在大时间尺度上，气象因子成为ＮＤＶＩ波动的主导因素，但植被对气候因子的响应有差异。

标度指数α的大小表示ＮＤＶＩ长程相关性强弱差异，长程相关性强说明前一段时间ＮＤＶＩ对之后时段影响大，波动较弱。在较大的时间尺度下，大兴安岭北段Ｎ其次是中ＤＶＩ长程相关性最强，段，并且“拐点”出现的时间较晚，说明这两个区域植被系统相对稳定；北段西侧和南段标度指数较“拐点”出现时间比北段和中段体现１长小，２个月，－程相关性较弱，植被系统稳定程度稍差。结合生态地理区域划分方案、植被类型图和土地利用图进行分析。大兴安岭北段是我国重要的林区，森林植被且该区域保护、开发合理，因自身的稳定性较好，

此，北段西侧与中段自然植被都是ＮＤＶＩ持续性强；森林与草原相结合，但是，前者自然植被破坏严重，较小的外部干扰就能引起Ｎ因ＤＶＩ较大波动性，此，中段Ｎ南段则是因为草原自身ＤＶＩ持续性好；结构稳定性差，导致ＮＤＶＩ持续性弱。

表１　各生态地理分区ＮＤＶＩ长程相关性标度指数Ｔａｂ．１　ＴｈｅｔｗｏｅｘｏｎｅｎｔｓｎｄαｆＤＦＡｆｕｎｃｔｉｏｎｆｏｒ　　α　　　１ａ２ｏｐ，，，ａｎｏｍａｌＮＤＶＩｉｎｎｏｒｔｈｎｏｒｔｈｗｅｓｔｍｉｄｄｌｅａｎｄｓｏｕｔｈｔｈｅ　　　　ｙ　

ｏｆｔｈｅＧｒｅａｔｅｒＫｈｉｎａｎＭｏｕｎｔａｉｎｓ　　　　ｇ

生态地理分区

北段北段西侧中段南段

３．２．３　不同生态地理区的ＮＤＶＩ长程相关性特征差异

由图５可以发现，原始序列在不同时间内的拟合程度不同。就某个自然系统来说，其并不只有单一般会有一个或多个交叉点，不同时一标度指数，

间或空间尺度会引起信号相关性的改变，可能反映

２４］

。为进一步解释各生态地不同的系统驱动机制［

理区Ｎ对每个区域进行分ＤＶＩ序列时间尺度特征，段拟合，以便获得不同时间尺度下的标度指数。图６展示了大兴安岭４个生态地理区ＮＤＶＩ

序列ＤＦＡ１分析结果。在双对数坐标系中具有相似的趋势，都有２个时间尺度区域，标度指数表明（）如表１各区ＮＤＶＩ波动在两个时间尺度上均具有长程相关性，不同生态地理区ＮＤＶＩ长程相关性特北段西侧、中段和南段的拐点征差异明显。北段、

分别在８、拐６．５、８．５和７个月的时间点上出现“（）。在“点”拐点”左侧较小的时间尺度ｂｒｅａｋｏｉｎｔｐ标度指数α在该尺度内，．９３１．１７之间变化，－１在０／上Ｎ拐点”之后ＤＶＩ体现出接近１ｆ噪声特征。“标度指数第二个时间段上包含了较大的时间尺度，此时Ｎ．６１０．８４之间，ＤＶＩ时间序列在４个α－２在０

生态地理区均表现出一定的长程幂律相关特点

。

α１

１．０９±０．０５　１．１２±０．０４　０．９３±０．０３　１．１７±０．０４　

α２

０．８４±０．０５０．６４±０．０３０．７７±０．１００．６１±０．０４

４　结论

图６　大兴安岭不同生态地理区ＮＤＶＩ

长程相关性分析

Ｆｉ．６　ＴｈｅＤＦＡｒｅｓｕｌｔｓｏｆｔｈｅｉｎｔｅｒｅｖｅｎｔｔｉｍｅｓｅｒｉｅｓ　　　　　　　ｇ

，，ｍ，ｏｆｔｈｅａｎｏｍａｌＮＤＶＩｉｎｎｏｒｔｈｎｏｒｔｈｗｅｓｔｉｄｄｌｅａｎｄ　　　　ｙ　

ｓｏｕｔｈｏｆｔｈｅＧｒｅａｔｅｒＫｈｉｎａｎＭｏｕｎｔａｉｎｓ　　　　　ｇ

本文利用Ｇ结合ＩＳＭＭ　ＮＤＶＩ时间序列数据，探ＤＦＡ方法研究了大兴安岭ＮＤＶＩ长程相关性，

讨不同生态地理区ＮＤＶＩ动态时间尺度特征。得到主要结论如下：

（植被受到土壤、气候等因素的影响，并与各１）

种因素组成复杂的动力系统。ＮＤＶＩ的变化能反映植被动态，因此，多种因素和过程影响ＮＤＶＩ波动

对于不同区域“拐点”的出现，表明ＮＤＶＩ动态在不同时间尺度上驱动力不同，分析其原因可能是植被系统中影响长程相关性的某些因素发生了改

１期郭笑怡等：大兴安岭ＮＤＶＩ时间序列的长程相关性特征分析

１５７　　　

的时空尺度，ＮＤＶＩ可能存在多个不同的时空尺度，没有单一时空特征。

（２）１５ｄ分辨率的ＮＤＶＩ数据适合采用一阶

可避免忽略小时间尺度特征。大兴安岭ＤＦＡ方法，ＮＤＶＩ在２１５个月时间尺度上具有较强的长程相－

关性，标度指数α＝０．对原始序列随机重组后进８５，行Ｄ标度约为０．ＦＡ１计算，５。由此证明ＮＤＶＩ动而是一个有序的长期过程，态不是完全随机的，ＮＤ－是一个由内在自ＶＩ时间序列中含有多种不同尺度，相似机制决定的长程相关过程。

（）随着时间推移，３ＮＤＶＩ序列的长程相关性质

在不同时间尺度上标度指数不同。从４发生变化，

个生态地理区各自的研究结果来看，标度指数“拐点”出现时间不同，在６．５８．５个月之间。在第一个－较小时间尺度内，标度指数α１，ＮＤＶＩ波动呈现１≈／在较大的时间尺度上，出１ＮＤＶＩ具ｆ噪声特点；有幂律分布长程相关性，持续性强度由北段、中段、北段西侧、南段依次递减。

本文将ＤＦＡ方法应用于大兴安岭植被遥感动态时间尺度特征分析，其中ＮＤＶＩ资料时间分辨率，是１目前Ｎ如５ｄＤＶＩ产品具有多种时间分辨率，

、ＭＯＤＩＳ逐日、８ｄ１６ｄ数据，ＳＰＯＴ－Ｖｅｅｔａｔｉｏｎ的ｇ并且遥感数据的时间序列长度在不１０ｄ产品数据，

断增加，为精细时间尺度或更大时间尺度特征研究，提供了丰富的数据资料。识别ＮＤＶＩ与气候时间序列长期特征的关系，探讨ＮＤＶＩ与复杂气候不对于确定性的行为机制是下一步工作重点。此外，ＮＤＶＩ序列长程相关性物理意义认识还处于比较浅显的阶段，仍然需要进一步挖掘和探索。

参考文献：

［］１ＣｒａｍｅｒＷ　Ｐ，ＬｅｅｍａｎｓＲ．Ａｓｓｅｓｓｉｎｉｍａｃｔｓｏｆｃｌｉｍａｔｅ　　　　ｇｐ　

ｃｈａｎｅｖｅｅｔａｔｉｏｎｕｓｉｎｃｌｉｍａｔｅｃｌａｓｓｉｆｉｃａｔｉｏｎｓｓｔｅｍ　　　　ｇｇｇｙ　［／／Ｓ）Ｍ］．ｏｌｏｍｏｎＡ　Ｍ，ＳｈｕａｒｔＨ　Ｈ（ｅｄｓ．．Ｖｅｅｔａ　　－ｇ：ＣｔｉｏｎＤｎａｍｉｃｓａｎｄＧｌｏｂａｌＣｈａｎｅ．Ｌｏｎｄｏｎｈａｍａｎ　　　　ｙｇｐ，Ｈａｌｌ１９９３，１９０２１７．ａｎｄ　－

［］，２ＤｅＦｒｉｅｓＲＳ，ＦｉｅｌｄＣＢ，ＦｕｎＩｅｔａｌ．Ｍａｉｎｔｈｅ　　　　　ｇｐｐｇ　　

：ｌｏｂａｌｌａｎｄｓｕｒｆａｃｅｆｏｒａｔｍｏｓｈｅｒｅｂｉｏｓｈｅｒｅｍｏｄｅｌｓ－　　　－　ｇｐｐＴｏｗａｒｄｃｏｎｔｉｎｕｏｕｓｄｉｓｔｒｉｂｕｔｉｏｎｓｏｆｖｅｅｔａｔｉｏｎｓｆｕｎｃ　　　　　－ｇ［］，ｒｏｅｒｔｉｅｓｔｉｏｎａｌＪ．ＪｏｕｒｎａｌｏｆＧｅｏｈｓｉｃａｌＲｅｓｅａｒｃｈ　　　　ｐｐｐｙ１９９５，１００：２０８６７２０８８２．－

［］王启光，侯威，郑志海，等．东亚区域大气长程相关性３

［］（）：物理学报，Ｊ．２００９，５８９６６４０６６５０．－

［］刘亚龙，王庆，张明明，等．山东地区Ｎ４ＤＶＩ与气象因子

］（）：持续性分析［资源科学，Ｊ．２０１０，３２９１７７７１７８２．－［］５ＬｕｃｉａｎｏＴ，ＲｏｓａＬ．Ｑｕａｎｔｉｆｉｎｉｎｔｒａａｎｎｕａｌｅｒｓｉｓｔｅｎｔ　　－　ｙｇｐ　

ｂｅｈａｖｉｏｕｒｉｎＰＯＴ－ＶＥＧＥＴＡＴＩＯＮ　ＮＤＶＩａｔａｏｒ　　Ｓ　ｄ　ｆ［］ｅｃｏｓｓｔｅｍｓｏｆｓｏｕｔｈｅｒｎＩｔａｌＪ．ＲｅｍｏｔｅＭｅｄｉｔｅｒｒａｎｅａｎ　　　　ｙｙ，ＳｅｎｓｉｎｏｆＥｎｖｉｒｏｎｍｅｎｔ２００６，１０１：９５１０３．　－ｇ　

［］６ＰｅｎＣＫ，ＢｕｌｄｒｅｖＳＶ，ＨａｖｌｉｎＳ，ｅｔａｌ．Ｍｏｓａｉｃｏｒ　　　　　　－ｇｙ　

［］ｏｆＤＮＡｎｕｃｌｅｏｔｉｄｅｓＪ．ＰｈｓｉｃａｌＲｅｖｉｅｗＥ，ａｎｉｚａｔｉｏｎ　　　　　ｙｇ

（）：１９９４，４９２１６８５１６８９．－

［］张秀丽，孙燕，祁文．北京逐日气温和降水量的长程变化７

］（）：气象科学，特征［Ｊ．２００８，２８４４２１４２５．－

［，Ｚ８］ＬｉＺ．ｈａｎＹ　Ｈ．Ｑｕａｎｔｉｆｉｎｆｒａｃｔａｌｄｎａｍｉｃｓｏｆ　　　ｇｙｇｙ　　

ｒｏｕｎｄｗａｔｅｒｓｓｔｅｍｓｗｉｔｈｄｅｔｒｅｎｄｅｄｆｌｕｃｔｕａｔｉｏｎａｎａｌ　　　　　－ｇｙｙ［］，ｓｉｓＪ．ＪｏｕｒｎａｌｏｆＨｄｒｏｌｏ２００７，３３６，１３９１４６．　　－ｙｇｙ［］Ｖ９ａｒｏｔｓｏｓＣＡ，ＯｎｄｏｖＪＭ，ＣｒａｃｋｎｅｌｌＡＰ．Ｌｏｎｒａｎｅ　　　　　　－ｇｇ

［］ｉｎＡｅｒｏｓｏｌＩｎｄｅｘｄｎａｍｉｃｓＪ．ＩｎｔｅｒｌｏｂａｌＰｅｒｓｉｓｔｅｎｃｅ　　　　　－ｙｇ，（：ｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎ２００６，２７１６）３５９３　　　　－ｇ３６０３．

［］郑度．中国生态地理区域系统研究［北京：商务出１０Ｍ］．

版社，２００８．

［］Ｔ，１１ｕｃｋｅｒＣＪＰｉｎｚｏｎＪＥ，ＢｒｏｗｎＭ　Ｅ，ｅｔａｌ．ＡｎＥｘ　　　　　　　－

ｔｅｎｄｅｄＡＶＨＲＲ８ｋｍ　ＮＤＶＩｄａｔａｓｅｔｃｏｍａｔｉｂｌｅｗｉｔｈ　　－　　　　ｐ［］ＭＯＤＩＳａｎｄＳＰＯＴｖｅｅｔａｔｉｏｎＮＤＶＩｄａｔａＪ．Ｉｎｔｅｒｎａ　　　　　－ｇ，２：ｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎ００５，２６（２０）　　　　ｇ４４８５４４９８．－

［］宋怡，马明国．基于Ｇ１２ＩＭＭＳＡＶＨＲＲＮＤＶＩ数据的中　　

］国寒旱区植被动态及其与气候因子的关系［遥感学Ｊ．（）：报，２００８，１２３４９９５０５．－

［］ｈｅｎｏｌｏ１３ＪｕｌｉｅｎＹ，ＳｏｂｒｉｎｏＪＡ．Ｇｌｏｂａｌｌａｎｄｓｕｒｆａｃｅ　　　　　　ｐｇｙ

］ｔｒｅｎｄｓｆｒｏｍ　ＧＩＭＭＳｄａｔａｂａｓｅ［Ｊ．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒ　　　－，（）：ｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎ２００９，３０１３３４９５３５１３．　　　－ｇ［］戴声佩，张勃，王海军．中国西北地区植被Ｎ１４ＤＶＩ的时

］地球信息科学学报，空变化及其影响因子分析［Ｊ．（）：２０１０，１２３３１５３２１．－

［］郜建华，］薛慧文．对云量的长程相关性研究［北京大１５Ｊ．

，（）：学学报（自然科学版）２０１１，４７４６１３６１８．－［］Ｔ１６ａｌｋｎｅｒＰ，ＷｅｂｅｒＲＯ．Ｐｏｗｅｒｓｅｃｔｒｕｍａｎｄｄｅｔｒｅｎｄ　　　　　　－ｐ

：Ａｅｄｆｌｕｃｔｕａｔｉｏｎａｎａｌｓｉｓｌｉｃａｔｉｏｎｔｏｄａｉｌｔｅｍｅｒａ　　　　－ｙｐｐｙｐ　［］（）：ｔｕｒｅｓＪ．ＰｈｓｉｃａｌＲｅｖｉｅｗＥ，２０００，６２１１５０１６０．　　－ｙ［］史凯，张斌，艾南山，等．元谋干热河谷近５１７０ａ降水量时

］：间序列的Ｄ山地学报，ＦＡ分析［Ｊ．２００８，２６（５）５５３－５５９．

［］宋闰柳，于静洁，刘昌明．基于去趋势波动分析方法的１８

］：土壤水分长程相关性研究［水利学报，Ｊ．２０１１，４２（３）３１５３２２．－

［］谢先红，崔远来，周玉桃．参考作物蒸发量时间序列的１９

］：长程相关性和多重分形［水利学报，Ｊ．２００８，３９（１２）１３２７１３３３．－

１５８

地球信息科学学报　　　　　　　　　　　　　　　　　　　２０１３年

（）：学报，１９９８，２３２０４２１０．－

［］２３ＪｉＬ，ＰｅｔｅｒｓＡＪ．Ａｓａｔｉａｌｒｅｒｅｓｓｉｏｎｆｏｒｅｒｏｃｅｄｕｒｅ　　　　　　　　－ｐｇｐ

ｖａｌｕａｔｉｎｔｈｅｒｅｌａｔｉｏｎｓｈｉｂｅｔｗｅｅｎＡＶＨＲＲ－ＮＤＶＩａｎｄ　　　ｇｐ　　［］ｃｌｉｍａｔｅｉｎｔｈｅｎｏｒｔｈｅｒｎＧｒｅａｔＰｌａｉｎｓＪ．Ｉｎｔｅｒｎａｔｉｏｎａｌ　　　　　，（）：ｏｆＲｅｍｏｔｅＳｅｎｓｉｎ２００４，２５２２９７３１１．Ｊｏｕｒｎａｌ　　　－ｇ［］江田汉，邓莲堂．近１北半球和全球气温的２４４０年中国、

］（）：标度律［高原气象，Ｊ．２００５，２４３４１０４１４．－

［］２０ＬｉｎＧ，ＣｈｅｎＸ，ＦｕＺ．Ｔｅｍｏｒａｌｓａｔｉａｌｄｉｖｅｒｓｉｔｉｅｓｏｆ　　　－　　ｐｐ

ｌｏｎｒａｎｅｃｏｒｒｅｌａｔｉｏｎｆｏｒｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｏｖｅｒＣｈｉｎａ－　　　　　ｇｇｙ　［］（）：Ｊ．ＰｈｓｉｃａＡ，２００７，３８３２５８５５９４．　－ｙ

［］Ｙ２１ｕａｎＮ，ＦｕＺ，ＭａｏＪ．Ｄｉｆｆｅｒｅｎｔｓｃａｌｉｎｂｅｈａｖｉｏｒｓｉｎ　　　　　ｇ　

］ｔｅｍｅｒａｔｕｒｅｒｅｃｏｒｄｓｏｖｅｒＣｈｉｎａ［Ｊ．ＰｈｓｉｃａＡ，ｄａｉｌ　　　　ｐｙｙ　（）：２０１０，３９８１９４０８７４０９５．－

［］孙红雨，王常耀，牛铮，等．中国植被覆盖变化及其与气２２

——基于ＮＯＡＡ时间序列数据［］候因子关系—遥感Ｊ．

ＤｅｔｅｃｔｉｎＬｏｎｒａｎｅＣｏｒｒｅｌａｔｉｏｎｓｉｎＮＤＶＩｏｖｅｒＧｒｅａｔｅｒＫｈｉｎａｎＭｏｕｎｔａｉｎｓ－　　　　　　　ｇｇｇｇ　

，ＧＵＯＸｉａｏｉＬＩＵ　ＤｅｉｎａｎｄＺＨＡＮＧ　Ｈｏｎａｎ　　ｙｙｇｇｙ　

（ＳｃｈｏｏｌｏＵｒｂａｎａｎｄ　ＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓ，Ｎｏｒｔｈｅａｓｔ　ＮｏｒｍａｌＵｎｉｖｅｒｓｉｔＣｈａｎｃｈｕｎ１３００２４，Ｃｈｉｎａ）　　　　ｆ　ｙ，ｇ

：，ＡｂｓｔｒａｃｔＴｈｅｓａｔｉａｌｔｅｍｏｒａｌｌａｗｄｉｓｔｒｉｂｕｔｉｏｎｓａｒｅｆｏｕｎｄｉｎｍａｎｎａｔｕｒａｌｓｓｔｅｍｓ．Ｉｎｔｈｉｓｏｗｅｒａｅｒ　－　－　　　　　　　　ｐｐｙｙｐｐｐ　

）ｍｕｌｔｉｔｅｍｏｒａｌｓｅｒｉｅｓｏｆｓａｔｅｌｌｉｔｅＧＩＭＭＳＮｏｒｍａｌｉｚｅｄＤｉｆｆｅｒｅｎｃｅｏｆＶｅｅｔａｔｉｏｎＩｎｄｅｘ（ＮＤＶＩｄａｔａｆｒｏｍ－　　　　　　　　　　ｐｇ２００６ｗｅｒｅｅｘｌｏｉｔｅｄｆｏｒｓｔｕｄｉｎｌｏｎｒａｎｅｃｏｒｒｅｌａｔｉｏｎｓｉｎｔｈｅＧｒｅａｔｅｒＫｈｉｎａｎＭｏｕｎｔａｉｎｓ．Ｗｅ１９８２ｔｏ　　　　－　　　　　　ｐｙｇｇｇｇ　

，ｕｓｅｄＤｅｔｒｅｎｄｅｄＦｌｕｃｔｕａｔｉｏｎＡｎａｌｓｉｓ（ＤＦＡ）ｗｈｉｃｈｔｈｅｄｅｔｅｃｔｉｏｎｏｆｉｎｎｏｎｅｒｍｉｔｓｅｒｓｉｓｔｅｎｔｒｏｅｒｔｉｅｓ　　　　　　　　　　　－ｙｐｐｐｐ，ｓｔａｔｉｏｎａｒｓｉｎａｌｆｌｕｃｔｕａｔｉｏｎｓ．ＦｉｒｓｔｌａｎｏｍａｌＮＤＶＩｆｌｕｃｔｕａｔｉｏｎｓａｒｅｔｈｅｎｏｎｓｔａｔｉｏｎａｒｓｉｎａｌａｎｄａｃｏｍ－　　　　　　　　ｙｇｙｙｙｇ　　　

，ｄｒｉｖｉｎｓｓｔｅｍ．ＳｅｃｏｎｄｌｔｈｅｆｉｒｓｔｏｒｄｅｒｄｅｔｒｅｎｄｅｄｆｌｕｃｔｕａｔｉｏｎａｎａｌｓｉｓｉｓｓｕｉｔａｂｌｅｆｏｒＧＩＭＭＳＮＤＶＩｌｅｘ　　－　　　　　　　　ｇｙｙｙｐ　，ｄａｔａｓｅｔｓａｎｄｉｎＮＤＶＩｆｌｕｃｔｕａｔｉｏｎｓｌｉｔｔｌｅｔｉｍｅｓｃａｌｅｗｏｎｔｂｅｉｎｏｒｅｄ．ＮＤＶＩｆｌｕｃｔｕａｔｉｏｎｓａｒｅｆｏｕｎｄｔｏｂｅ　　　　　－　　　　　　　　ｇ

，，ｌｏｎｒａｎｅｌａｗｃｏｒｒｅｌａｔｉｏｎｓｗｉｔｈｅｘｏｎｅｎｔ０．８５（ｓｉｎｉｆｉｃａｎｃｅ９９％）ｆｏｒｔｉｍｅｓｃａｌｅｓｌｏｎｅｒｓｉｓｔｅｎｔｏｗｅｒ　－　－　　　　　　　－ｇｇｐｇｐｐｔｈａｎ２ｍｏｎｔｈｓａｎｄｓｈｏｒｔｅｒｔｈａｎ１５ｍｏｎｔｈｓｉｎｔｈｅＧｒｅａｔｅｒＫｈｉｎａｎＭｏｕｎｔａｉｎｓ．ＴｈｅＤＦＡ１ｗａｓａｌｉｅｄｅｒ　　　　　　　　　　　　　ｇｐｐｇ

ｔｏｒａｎｄｏｍｌｓｈｕｆｆｌｅｄｖｅｒｓｉｏｎｓｏｆｅａｃｈｏｆｔｈｅｏｒｉｉｎａｌｓｅｒｉｅｓ．ＴｈｅｅｘｏｎｅｎｔｆｏｒｔｈｅｓｈｕｆｆｌｅｄｖｅｒｓｉｏｎｏｆＮＤ　　　　　　　　　　　　　　　－ｙｇｐ　

ＶＩｉｓａｂｏｕｔ０．５（ｓｉｎｉｆｉｃａｎｃｅ９９％）．ＴｈｅｒｅｓｕｌｔｓｕｅｓｔｓｔｈａｔＮＤＶＩｈａｖｅｓｅｌｆｓｉｍｉｌａｒｉｔｃｈａｒａｃｔｅｒｉｓｔｉｃｓ．　　　　　　　　　　－ｇｇｇｙ　，，Ｆｉｎａｌｌｔｈｅｆｏｕｒｆｌｕｃｔｕａｔｉｏｎｃｕｒｖｅｓｃａｌｃｕｌａｔｅｄｆｏｒｔｈｅｎｏｒｔｈ，ｎｏｒｔｈｗｅｓｔｍｉｄｄｌｅａｎｄｓｏｕｔｈｏｆｔｈｅＧｒｅａｔｅｒ　　　　　　　　　　　ｙ，ＫｈｉｎａｎＭｏｕｎｔａｉｎｓｒｅｓｅｎｔｔｗｏｓｃａｌｉｎｒｅｉｏｎｓｗｉｔｈｃｒｏｓｓｏｖｅｒｔｉｍｅｓｃａｌｅｓａｔａｂｏｕｔ６．５ｔｏ８．５ｍｏｎｔｈｓ．　　　　　　　　　　　ｇｐｇｇ　ＢｒｅａｋｏｉｎｔｓｏｆｎｏｒｔｈｗｅｓｔａｎｄｓｏｕｔｈｃａｍｅｅａｒｌｉｅｒｔｈａｎｎｏｒｔｈａｎｄｍｉｄｄｌｅｉｎｔｈｅＧｒｅａｔｅｒＫｈｉｎａｎ　　　　　　　　　　　　　　　ｐｇＭｏｕｎｔａｉｎｓ．Ｔｈｅｆｉｒｓｔｔｉｍｅｓｃａｌｅｒｅｉｏｎｓａｒｅｃｈａｒａｃｔｅｒｉｚｅｄｂｓｃａｌｉｎｅｘｏｎｅｎｔｓαａｒｉｎｆｒｏｍ０．９３ｔｏ　　　　　　　ｇｙｇｐｙｇ１ｖ　　　

／１．１７．ＩｔｉｓｓｈｏｗｎｔｈａｔｔｈｅｉｎｔｅｒｖａｌｓｅｕｅｎｃｅｓｏｆＮＤＶＩｃｌｏｓｅｌｒｅｓｅｍｂｌｅｔｈａｔｏｆ１ｆｎｏｉｓｅａｔａｓｍａｌｌｔｉｍｅｓ　　　　　　　　　　　　　　　　　－ｑｙ　ｃａｌｅ．Ｔｈｅｓｅｃｏｎｄｓｃａｌｉｎｒｅｉｏｎｓａｒｅｆｅａｔｕｒｅｄｂｅｘｏｎｅｎｔｓａｎｉｎｂｅｔｗｅｅｎ０．６１ａｎｄ０．８４ａｎｄｅｘｈｉｂｉｔ　　　　　α　　　ｇｇｙｐｇｇ２ｒ　　　ｅｒｓｉｓｔｅｎｔｌｏｎｒａｎｅｌａｗｃｏｒｒｅｌａｔｉｏｎｓ．Ｎｏｒｔｈａｎｄｍｉｄｄｌｅｃｏｒｒｅｌａｔｉｏｎｓａｒｅｓｔｒｏｎｅｒｔｈａｎｎｏｒｔｈｗｅｓｔｏｗｅｒ　－　－　　　　　　　　ｐｇｇｇｐａｎｄｓｏｕｔｈ．Ｖｅｅｔａｔｉｏｎｔｅａｎｄｃｌｉｍａｔｅｍａａｆｆｅｃｔｔｈｅｌｏｎｒａｎｅｃｏｒｒｅｌａｔｉｏｎｉｎｓｏｍｅｗａ．Ｔｈｅｓｅｆｉｎｄｉｎｓ　　　　　　　－　　　　　ｇｙｐｙｇｇｙｇ　ｃｏｕｌｄｂｅｒｏｖｅｄｕｓｅｆｕｌｉｎｔｅｓｔｉｎｔｈｅｒｅｓｕｌｔｓｏｆｃｌｉｍａｔｅｖｅｅｔａｔｉｏｎｍｏｄｅｌｓ．　　　　　　　　－　ｐｇｇ　：；；ＫｅｗｏｒｄｓＤＦＡ；ＮＤＶＩｌｏｎｒａｎｅｃｏｒｒｅｌａｔｉｏｎｓＧｒｅａｔｅｒＫｈｉｎａｎＭｏｕｎｔａｉｎｓ－　　　ｇｇｇｙ