摘 要：利用1982年1月到2006年12月的 AVHRR（Advanced Very High Resolution Radiometer） GIMMS（Global Inventory Monitoring and Modeling Studies） NDVI數(shù)據(jù)，應(yīng)用經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）方法，對(duì)淮河流域NDVI數(shù)據(jù)進(jìn)行了周期分析。結(jié)果表明：淮河流域安徽段各站點(diǎn)SINDVI基本存在2～3a、9～10a、12～13a及15～16a的變化周期，其主要影響因子可能為氣溫和降水，而氣候因子的周期性變化主要受海-氣相互作用和太陽(yáng)黑子活動(dòng)的影響，進(jìn)而影響植被的周期變化。

關(guān)鍵詞：NDVI；EMD；周期分析；氣候因子

中圖分類號(hào) P343.1 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-7731（2013）10-116-02

目前，在全球變化研究領(lǐng)域中，利用遙感的方法對(duì)植被的動(dòng)態(tài)變化進(jìn)行監(jiān)測(cè)，并且對(duì)植被的這種動(dòng)態(tài)變化與氣候的關(guān)系進(jìn)行分析，已成為一種重要方法。地表植被作為生態(tài)系統(tǒng)存在的基礎(chǔ)，是土壤和大氣間物質(zhì)能量交換的重要環(huán)節(jié)，在地表能量交換和水分循環(huán)及地球生化循環(huán)中起著尤為重要的作用。植被-氣候關(guān)系具有很大的復(fù)雜性，其復(fù)雜程度主要是因?yàn)闅夂虻亩嘧冃?。影響地表植被的因素包括氣候變化、施肥的效?yīng)以及土地利用的變化，在這些影響因素中，對(duì)植被有著最為直接和重要的因素就是氣溫和降水。因此，對(duì)植被—大氣之間的關(guān)系進(jìn)行分析研究，有助于了解并預(yù)測(cè)全球氣候變化對(duì)未來(lái)陸地生態(tài)系統(tǒng)造成的影響[1]。陸地生態(tài)系統(tǒng)是巨大的，研究獲得的數(shù)據(jù)信息也是復(fù)雜多樣的，如果單憑人工獲取數(shù)據(jù)信息，不僅造成人力資源的浪費(fèi)，而且獲取的數(shù)據(jù)時(shí)效性相對(duì)較低。遙感衛(wèi)星因其獲取數(shù)據(jù)信息具有時(shí)空連續(xù)性和覆蓋范圍廣等優(yōu)勢(shì)，已經(jīng)成為獲取植被動(dòng)態(tài)變化信息的可靠方法和有效數(shù)據(jù)源。因此，用遙感方法監(jiān)測(cè)植被動(dòng)態(tài)變化并以此分析這種變化與氣候之間的關(guān)系，已成為研究全球氣候變化的一個(gè)重要領(lǐng)域[2]。遙感植被動(dòng)態(tài)研究中應(yīng)用最為廣泛的影響因子就是歸一化植被指數(shù)[3]（Normalized Difference Vegetation Index，NDVI），它不僅能很好地反映出植被生長(zhǎng)狀況和植被覆蓋度，而且也能對(duì)植被生長(zhǎng)狀況、生物物理化學(xué)性質(zhì)及生態(tài)系統(tǒng)參數(shù)的變化作出動(dòng)態(tài)響應(yīng)。

筆者利用1982年1月到2006年12月的AVHRR（Advanced Very High Resolution Radiometer） GIMMS（Global Inventory Monitoring and Modeling Studies） NDVI數(shù)據(jù)，應(yīng)用經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）方法，選取了淮河流域蚌埠、合肥、阜陽(yáng)、宿州、六安共5個(gè)國(guó)家標(biāo)準(zhǔn)氣象站為分析站點(diǎn)，結(jié)合該區(qū)域的氣象數(shù)據(jù)，對(duì)同一時(shí)段淮河流域植被歸一化指數(shù)數(shù)據(jù)進(jìn)行周期分析，并且研究了NDVI周期性與氣溫、降水周期性之間的關(guān)系。

1 材料與方法

1.1 研究區(qū)域概況 淮河流域是我國(guó)南北方的一條自然分界線，介于長(zhǎng)江和黃河兩流域之間，位于E111°55′-121°25′、N30°55′-36°36′，面積為27萬(wàn)km2?；春右员睂倥瘻貛^(qū)域，淮河以南屬北亞熱帶區(qū)域。安徽省位居淮河中游，境內(nèi)流域面積達(dá)到6.7萬(wàn)km2，地處南北氣候過(guò)渡帶，季風(fēng)盛行，冬季干旱少雨，夏季炎熱多雨，旱澇災(zāi)害往往交替出現(xiàn)，氣候變化脆弱敏感。

1.2 研究方法 研究方法主要采用經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）方法。應(yīng)用經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）方法是一種全新的處理非平穩(wěn)數(shù)據(jù)序列的方法，應(yīng)用此方法主要有以下2個(gè)前提條件：（1）待分解的信號(hào)至少同時(shí)含有極大值和極小值2個(gè)極值點(diǎn)；（2）連續(xù)的2個(gè)極值點(diǎn)間的時(shí)間間隔決定了信號(hào)的時(shí)間特征尺度。EMD可將原始信號(hào)X（t）分解成一系列本征模態(tài)函數(shù)（IMF），IMF具有以下2個(gè)特征：（1）在整個(gè)數(shù)據(jù)長(zhǎng)度中，極值點(diǎn)和過(guò)零點(diǎn)的數(shù)目必須相等或至多相差1個(gè)；（2）在任意數(shù)據(jù)點(diǎn)，局部極大值包絡(luò)和局部極小值包絡(luò)的均值必須為零。EMD分解過(guò)程主要步驟詳見(jiàn)文獻(xiàn)[4]。實(shí)際上，EMD的分解完全可以近似地認(rèn)為就是對(duì)各個(gè)IMF分量進(jìn)行提取的過(guò)程。在分解過(guò)程中，容易出現(xiàn)邊界問(wèn)題，本研究采用鏡像延伸方法[5]很好地解決了EMD方法在分解過(guò)程中容易出現(xiàn)的上沖和下沖現(xiàn)象，取得了預(yù)期效果。

2 結(jié)果與分析

利用EMD方法對(duì)淮河流域合肥、蚌埠、阜陽(yáng)、宿州、六安5個(gè)氣象站所在像元的SINDVI數(shù)據(jù)進(jìn)行分析，獲得各個(gè)分站點(diǎn)的IMF分量。圖1是六安站SINDVI經(jīng)過(guò)EMD分解后獲得的IMF分量。從圖1中可以看出，該序列經(jīng)EMD分解后得到3個(gè)IMF分量及1個(gè)趨勢(shì)分量。IMF1表示一個(gè)2～3a的變化周期；IMF2表示一個(gè)9～10a的變化周期；IMF3表示一個(gè)15～16a的變化周期。表1是計(jì)算得到的各分量的方差貢獻(xiàn)率，IMF1貢獻(xiàn)率最大（57.19%），表明六安站SINDVI波動(dòng)周期以2～3a為主。趨勢(shì)分量r呈上升狀態(tài)，表明在1982-2006年間，六安站的植被呈不斷增加趨勢(shì)（圖1）。

利用EMD方法對(duì)淮河流域其余各站SINDVI序列進(jìn)行分析，得到各站的IMF分量，各分量所表示的周期如表2所示。從表2可以看出，1982-2006年期間，淮河流域安徽段各站點(diǎn)SINDVI基本存在2～3a、9～10a、12～13a及15～16a的變化周期；通過(guò)計(jì)算各站點(diǎn)IMF分量的方差貢獻(xiàn)率發(fā)現(xiàn)（表略），SINDVI波動(dòng)周期均以2～3a為主，表明2～3a的周期為淮河流域安徽段植被變化的主要周期。

3 討論

已有的研究證明[6]，由于受到海-氣相互作用和太陽(yáng)黑子活動(dòng)的影響，氣候因子，尤其是氣溫和降水也存在著周期性變化。一般認(rèn)為，地球上氣象要素變化的最基本周期為2～3a，而本文分析得出的5～6a、10～11a、15～16a的周期很可能與天體運(yùn)動(dòng)以及太陽(yáng)黑子強(qiáng)弱變化的周期有關(guān)，有資料表明：太陽(yáng)黑子的活動(dòng)強(qiáng)弱和海-氣相互作用以及氣候要素的變化具有密切的關(guān)系，淮河流域水文氣象序列的變化規(guī)律很大原因是這種因素的影響。因此認(rèn)為：影響淮河流域植被變化的重要因子就是氣溫和降水。本文利用經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）方法分析了淮河流域植被指數(shù)的周期性，取得了較好的效果。但是，植被和氣候的變化規(guī)律極其復(fù)雜，影響淮河流域植被周期性變化的具體原因還有待進(jìn)一步的深入研究。

參考文獻(xiàn)

[1]羅玲，王宗明，宋開(kāi)山，等.1982-2003年中國(guó)東北地區(qū)不同類型植被NDVI與氣候因子的關(guān)系研究[J]. 西北植物學(xué)報(bào)，2009，29（4）： 800-808.

[2]趙英時(shí). 遙感應(yīng)用分析原理與方法[M]. 北京：科學(xué)出版社，2003.

[3]Rees M，Condit R，Crawley M，et al. Long-term Studies of Vegetation Dynamics[J]. Science，2001，293（5 530）： 650-655.

[4]Huang N，Shen Z，Long S，et al. The Empirical Mode Decomposition and the Hilbert Spectrum for Nonlinear and Non-stationary Time Series Analysis[J]. Proceedings： Mathematical，Physical and Engineering Sciences，1998，454（1 971）： 903-995.

[5]Zhao J and Huang D. Mirror Extending and Circular Spline Function for Empirical Mode Decomposition Method[J]. Journal of Zhejiang University-Science A，2001，2（3）： 247-252.

[6]楊建平，丁永建，陳仁升.長(zhǎng)江黃河源區(qū)水文和氣象序列周期變化分析[J].中國(guó)沙漠，2005，25（3）： 351-355. （責(zé)編：徐世紅）