1998～2012年艾比湖流域NDVI变化及其气候因子驱动分析

王二丽，周军其

武汉大学遥感信息工程学院，武汉430079

1998～2012年艾比湖流域NDVI变化及其气候因子驱动分析

王二丽，周军其

武汉大学遥感信息工程学院，武汉430079

为探究艾比湖流域气候变化对植被覆盖的影响，基于1998～2012年艾比湖流域SPOT VEGETATION数据集，运用最大化合成法及一元线性回归研究其间15年来流域内归一化差分植被指数（normalized diference vegetation index，NDVI）的变化趋势及空间布局，并结合该地区同期降水量和温度数据，利用偏相关分析和复相关分析对研究区域植被覆盖变化的气候驱动力进行了分析与探讨.结果表明，流域内NDVI在15年间显著性增长，植被呈现出较好的发展趋势，自然因素中降水量对植被的影响在力度和范围上均大于温度对植被的影响.流域内植被覆盖变化主要以非气候因子驱动型为主，所占比例为88.9%，基本覆盖整个流域，而受气候影响的区域占整个流域面积的11.1%，主要呈片状分布于流域东部.

归一化差分植被指数；艾比湖流域；气候因子；偏相关分析；复相关分析

植被通过光合作用促进生物地球的化学循环，是生态系统的重要组成部分［1］，在保持水土、维持气候稳定方面具有不可替代的作用.地表植被的变化对地理环境产生巨大的影响［2］，同时在生长过程中也受到自然因素和人为因素等影响［3］，其中自然因素主要表现为气候变化对植被覆盖的影响，尤其是气温和降水对植物的生长有着更直接的作用［4］.归一化差分植被指数（normalized difference vegetation index，NDVI）能够很好地反映目标区域的植被覆盖程度，也经常被用来描述植被生长的状态及植被生物量［5］.随着气候变化对生态环境影响日益增强，基于NDVI数据集研究区域植被覆盖变化及其对气候的响应成为一大热点［6-8］.

艾比湖流域地处新疆西北地区，是天山北坡生态防护体系中重要的防沙、治尘和湿地保护功能区.由于气候变化和人类活动等因素影响，该地区已成为典型的干旱生态环境退化区［9］.因此，加强该区域NDVI的研究，探究该地区植被对气候的响应，分析流域内区域植被覆盖的中长期变化，为该地区生态系统的稳定性制定科学的策略及措施具有十分重要的作用.目前，常用的NDVI序列数据主要包括NOAA/AVHRR数据、EOS/MODIS数据及SPOT VEGETATION NDVI数据等［10］.与NOAA/AVHRR相比，SPOT-4 VEGETATION传感器具有的红光波段更加适合植被的变化研究［11］.

本文选取SPOT VEGETATION数据集，利用遥感技术分析气候因子（降水、温度）对该区域NDVI的影响，旨在探讨上述因子对NDVI空间分布及变化格局之间的作用差异，为艾比湖流域土地合理利用以及生态环境保护提供决策支持和科学依据.

1　研究区域概况

艾比湖流域地理位置位于43◦38′～45◦52′N和79◦53′～85◦02′E之间，地跨湖区所在地的博尔塔拉蒙古自治州博乐市、温泉县和精河县（其中赛里木湖集水区除外），塔城地区的乌苏和托里县南部，伊犁直属的奎屯市及克拉玛依的独山子区.流域面积50 621 km2，其中山地面积24 317 km2，平原区面积25 762 km2，湖泊面积542 km2.艾比湖流域三面朝山，地势东低西高，中心低洼.受西风环流以及蒙古高压和西伯里亚冷空气的影响，艾比湖地区表现为典型的中温带干旱大陆气候，以干旱少雨，蒸发量大，日照充足，气候变化剧烈为特征，特别是与特殊的地形地貌相匹配，风多风大，沙尘暴和浮尘活动频繁是该地区的显著特征［12-13］.

图1　研究区示意图Figure 1 Location of the study area

2　数据源及预处理

2.1遥感影像数据及预处理

本文所选用的遥感影像数据是从1998年4月至2012年12月的SPOT VEGETATIONNDVI数据集，空间分辨率为1 km.其中1998～2008年数据来源于中国西部科学数据中心，2009～2012年数据来源于SPOT VGT数据分发中心.每10天合成一幅影像，共计531幅影像.其中1998年缺失1、2、3月份数据，但由于艾比湖流域植被最好生长季出现在7、8月份，所缺失影像对研究影响不大.该数据经过预处理（辐射校正、几何校正）生成了10 d最大化合成的NDVI数据，并将-1.0～-0.1的值设置为-0.1，其他值拉伸到0～250.每月NDVI值通过国际通用的最大合成法（maximum value composites，MVC）获得，研究表明最大值合成可有效减少NDVI数据系列中的噪声［14］，其计算公式为

式中，NDVIi为第i月的NDVI值，NDVIij为第i月第j旬的NDVI值，而每年的NDVI值采用当年各个月份NDVI的最大值，即

式中，NDVIy为第y年的NDVI值，NDVIi为第i月的NDVI值.

2.2气象数据及预处理

降水和气温数据来源于中国气象数据共享网提供的1998～2012年全国722个标准气象站点的月平均温度和月降水量资料，其中研究区域共覆盖20个站点.利用ArcGIS的Geostatistical Analyst模块对气温和降水数据进行Kriging空间插值，采样成1 km×1 km的空间分辨率，并采用Albert投影，以获取与NDVI数据像元大小一致、投影相同的气象栅格数据.通过数据裁切获取艾比湖流域的月平均温度和月降水量的栅格图像.

3　研究方法

3.1NDVI变化趋势

回归趋势线是对一组随时间变化的变量进行回归分析的方法［15］.Stow等采用该方法计算了植被的绿度变化率［16］.为掌握1998～2012年该研究区域植被的整体演变与发展状态，本文采用一元线性回归来分析每栅格点的NDVI变化趋势，对研究区域内不同地区的植被长势与变化大小进行空间定量分析，进而探讨该变化对气候的响应.

通过计算每个像元的年NDVI值，采用趋势线分析方法来模拟1998～2012年这15年植被NDVI的空间变化趋势，其计算公式为

式中，n为监测时间序列的长度，本文中取n=15；MNDVIi为第i年NDVI的均值；θslope为趋势线增加的斜率；θslope＞0，说明研究区域的NDVI在该时间段内呈增加趋势；θslope＜0，说明NDVI呈减少趋势；θslope=0，则说明研究区域的NDVI未发生变化.

3.2偏相关分析

地理要素之间相关关系密切程度的测定，主要是通过对相关系数的计算与检验来完成的.在多要素所构成的地理系统中，不考虑其他要素的影响，而单独研究两个要素之间的相互关系的密切程度，称为偏相关.用以度量偏相关程度的统计量，称为偏相关系数［17］.首先计算相关系数，其次固定变量由相关系数得到偏相关系数.相关系数为

式中，rxy为变量x和y的相关系数，表示两要素之间的相关程度，介于［-1，1］之间；rxy＞0，表示正相关；rxy＜0，表示负相关；其绝对值越接近于1，表明要素间的关系越密切；越接近于0，表明要素间的关系越不密切.其中，n为样本数目，和分别为变量x和y的均值.本文中的xi和yi分别代表第i年的NDVI及温度或降水量，为15年NDVI的平均值，为15年温度或者降水量的平均值.

基于降水量的NDVI与温度的偏相关系数及基于温度的NDVI与降水量的偏相关系数计算公式为

式中，rxy，z为变量z固定后变量x和y的偏相关系数，rxy、rxz、ryz分别为变量x和y、变量x与z、变量y与z的相关系数.偏相关系数的显著性检验，一般采用t检验法，其统计量计算公式为

式中，tp为偏相关系数显著性检验所构建的统计量，rxy，z为偏相关系数，n为样本数目，m为自变量数目.

3.3复相关分析

多要素间相关程度的测定通过复相关系数的计算与检验实现，用以反映几个要素与某一个要素之间的复相关程度，其计算公式为

式中，Rx，yz表示因变量x和自变量y，z的复相关系数，rxz，y表示固定变量y后变量x和z的偏相关系数，rxy表示变量x和变量y的相关系数.

复相关系数的显著性检验采用F检验法，其统计量计算公式为

式中，Fm为检验显著性所构建的统计量，Rx，yz为复相关系数，n为样本数目，k为自变量数目.

根据已有的NDVI数据集、降水量和温度数据，分别计算以像元为单位的NDVI与降水量、温度之间的偏相关系数.在此基础上进行复相关系数的分析与计算，并对两种系数进行显著性检验，以探讨各因子对该区域NDVI变化的驱动影响.计算时温度采用年均温，降水量采用年总降水量，NDVI采用MVC合成的年最大值.

4　结果与分析

4.1艾比湖流域植被NDVI的时空变化动态

4.1.1时间变化

以艾比湖流域像元最大NDVI平均值代表该年整个区域的植被覆盖状况，15年间艾比湖流域NDVI的逐年变化情况如图2所示.分析表明15年间艾比湖流域NDVI总体呈增长趋势，15年的增长速度为0.11.流域NDVI在15年间分别出现两个明显的衰退阶段和增长阶段.植被衰退期发生在1998～2001及2002～2006年间，NDVI呈现出下降趋势，研究区域植被覆盖减少.但是在衰退期之后，出现两个明显的增长期，分别为2001～2002年及2006～2010年，其中2006～2007年间增长速度放缓，处于稳步增长状态.

图2　艾比湖流域1998～2012年NDVI的动态变化Figure 2 Variations of annual mean NDVI in the Ebinur Lake Basin from 1998 to 2012

4.1.2空间变化

由艾比湖流域年NDVI空间分布可知，艾比湖流域年NDVI总体上呈现出片状分布特征，且存在显著的地区差异，如图3（a）所示.植被覆盖较高的区域主要分布在温泉县北部、博乐市中部、精河县西部、乌苏市中、北部及克拉玛依市部分地区，而在精河县艾比湖附近及流域边缘区域，土地类型主要以荒漠、盐漠为主，植被覆盖稀疏.根据式（1）对流域内的每个像元进行趋势分析，为更细致地探究该流域植被退化、增长或保持不变的趋势，对结果在ArcGIS中进行标准差重分类，将研究区域分为7个等级，依次计算出不同变化程度区域所占的面积比例（见表1）和趋势分析空间分布（见图3（b））.

图3　艾比湖流域植被NDVI空间分布及变化趋势Figure 3 Spatial distribution and interannual change trend of NDVI in the Ebinur Lake Basin

由表1可以看出，15年来流域内地表覆盖整体得到改善的区域面积大于退化的区域面积，其中严重退化区域仅占总面积的0.03%，中度退化区域占总面积的0.77%，轻微退化面积所占比例较大，为23.28%.由图3可以看出，退化面积较为严重的区域主要集中分布在温泉县北部及艾比湖东部沙漠，而各市县内退化区域均有零星分布.区域基本不变面积占总面积的43.62%，轻微改善占总面积的24.20%，大部分集中在绿洲附近，少量分布在流域边缘.中度改善及明显改善区域分别占总面积的5.14%、2.96%，均分布于核心绿洲内，可以看出明显改善植被区域均环绕于人类聚集地周围，表明人类对自然环境的改造如城市绿化、开垦农田等，使得植被覆盖呈现增长状态.

表1　艾比湖流域NDVI变化趋势Table 1 Trend of NDVI in the Ebinur Lake Basin

4.2艾比湖流域降水和气温的时空格局

研究区域的年降水量及年均温波动状况如图4所示，其中年降水量最大值出现在2011年，为384.1 mm；最小值出现在2012年，为240.78 mm.15年平均年降水量为322.7 mm.整体年均气温稳定在9.8◦C～10.5◦C之间，15年来年均温最高为11.3◦C，最低为9.8◦C，平均温度为10.4◦C.通过对流域1998～2012年15年间的年平均气温和年降水数据图可以看出，降水呈下降趋势，而气温则有轻微升高趋势，但两者变化均不显著.

图4　年降水量及年平均气温趋势图Figure 4 Variation trend of annual precipitation and annual mean temperature

将气象站点的数据进行插值，生成降水与气温空间分布图（见图5），从图中可以看出，温泉县西部、精河的东南部、托里县西北部及乌苏市的西南部降水丰富.艾比湖周边地区及克拉玛依市西部，从西到东降水呈现出横向递减趋势；温度则呈现不同的空间格局，较高温度出现在托里县、博乐市东部、精河县西部及乌苏市的北部.艾比湖流域处于亚欧大陆腹地，降水主要来源于大西洋气流所带来的水汽，随着空间距离的增长，水分依次递减，这可能是流域中降水呈现西高东低的主要原因.艾比湖西北部的阿拉山口是著名风口所在地，常年大风使得艾比湖周围区域蒸散量高于其他区域，因此该地区温度相对较高.

图5　艾比湖流域年降水与年均气温空间分布图Figure 5 Spatial pattern of annual precipitation and annual mean temperature in the Ebinur Lake Basin

4.3NDVI与年降水、年均温之间的关系及其驱动分析

计算艾比湖流域15年间NDVI与年平均气温和年降水偏相关系数，得出该区域降水和NDVI偏相关系数r1及温度和NDVI偏相关系数r2的空间分布图（见图6）.其中，NDVI与年降水的最大偏相关系数为0.89，与年平均气温的最大偏相关系数为0.77，最小偏相关系数均为-0.80.

图6　偏相关系数空间分布图Figure 6 Partial correlation coefficients in Ebinur Lake Basin

从图6（a）中可以看出，乌苏市中部、奎屯市东部及托里县与乌苏市的交界处偏相关系数为正，降水对植被起促进作用；但在艾比湖东部沙漠地区，温泉县、乌苏市南部及精河县东南部等地区，偏相关系数为负.对NDVI与年降水量的空间分布图进行空间统计分析后发现，研究区域内NDVI与年降水量呈正相关的区域，所占比例为79.0%，并有1.5%通过p＜0.01的检验，6.7%通过p＜0.05的检验（见图7）；呈负相关区域为21.0%，因此降水对植被生长整体表现为积极因素.分析图6（b）可以发现，NDVI与平均温度偏相关系数为正的区域所占百分比为50.1%，并有0.6%通过p＜0.05的检验，但通过p＜0.01的像元数目仅有9个（见图7）.其中，又以两大绿洲范围内NDVI与温度的偏相关性最好，可能是人类灌溉设施等干扰因素，使得植被生长过程中不缺乏水分供给，此时温度对植被生长起促进作用.西部及南部边缘地区NDVI与降水量及温度的偏相关性都比较低，主要是因为艾比湖流域三面环山，海拔较高（见图1），地表主要为高寒甸植被及永久冻土，气温与降水并非主要影响因素.对整个研究区域进行空间统计分析后发现，同一像元符合r1＞r2的区域占整个研究区域的72.8%，该结果表明在15年间植被变化对降水的响应程度高于对温度的响应程度.

图7　r1及r2的检验分布图Figure 7 Map of r1and r2

为更加细致地分析研究区域内降水和气温对植被变化的驱动机制，本文基于文献［18-19］的研究植被覆盖变化驱动分区原则及标准，用偏相关分析和复相关分析对艾比湖流域植被覆盖变化进行驱动分区.将满足复相关显著（显著性水平设定为0.05，以下显著性检验水平均为0.05）和NDVI与降水偏相关显著的像元定义为降水驱动型，将满足复相关显著和NDVI与气温偏相关显著的像元定义为气温驱动型；而将满足复相关显著，但NDVI与降水偏相关、温度偏相关不显著的像元定义为气温、降水驱动型；不满足复相关显著的像元划分为非气候因子驱动型.

按照以上准则，对艾比湖流域植被覆盖驱动分区结果如图7所示.降水驱动型区域呈片状分布于流域东部，以乌苏市中部、托里县东北及南部最为明显，占整个研究区域的9.7%.属于气温驱动型区域仅占流域面积的0.2%，呈零星状分布于各个市县中.在海拔较高区域，气温对植物生长比降水有更直接的作用，因此在研究区域边缘的中高山地带处零星分布有气温驱动型区域.降水和气温驱动型占流域面积的1.2%，主要集中于人口密集的市县区域及流域边缘区；非气候因子驱动型所占比例最大为88.9%，基本覆盖整个流域.综合来看，自然因子中降水对该区域植被生长的驱动作用大于温度的驱动作用.近几年随着人类不断开垦，农业面积呈现快速增加的趋势，其中灌溉中水利设施会降低植被NDVI和降水、温度的相关程度，说明人类对自然的干扰可能是非气候因子驱动型占主导地位的重要原因.

图8　1998～2012年艾比湖流域植被覆盖变化气候因子驱动力分区Figure 8 Climatic factor drivers of vegetation change and distribution in the Ebinur Lake Basin from 1998 to 2012

5　结论

本文利用SPOT VEGETATION数据集分析艾比湖流域1998～2012年NDVI分布空间格局及其变化趋势，并结合该地区同期降水量和温度数据，采用相关系数法对艾比湖流域植被覆盖变化的驱动因子进行分析，得出以下结论：

1）艾比湖流域NDVI从1998～2012年总体上呈增长趋势，增长率为0.11/（15a）.植被丰富地区主要分布在核心绿洲区域，植被稀疏地区主要集中在精河县艾比湖附近及流域边缘的高山区域.趋势分析表明，15年来流域内地表覆盖整体得到改善的区域面积大于退化的区域面积.

2）降水呈下降趋势，而气温则有轻微升高趋势，但两者变化均不显著.偏相关分析表明，该研究区域中NDVI与年降水量的偏相关系数r1大于NDVI与温度的偏相关系数r2的像元所对应的区域占总区域的72.8%，且NDVI与年降水量呈正相关区域的面积大于NDVI与温度呈正相关区域的面积，表明在该流域15年内从力度和范围上降水量对植被的影响均大于温度对植被的影响.

3）流域中非气候因子驱动型所占比例最大为88.9%，这与该区域的人类活动密不可分.其次是降水驱动型所占比例为9.7%，呈片状分布于流域东部.降水和气温驱动型占流域面积的1.2%，主要为人口密集的县市区域.气温驱动型仅占流域面积的0.2%，呈零星状分布于各市县中.

1998～2012年艾比湖流域NDVI总体上呈不断增长的趋势，降水呈下降趋势，气温则有轻微升高趋势，但是变化并不显著，且非气候因子驱动型面积在流域中占有绝对的优势，这表明艾比湖流域生态环境的演变有一定的自然因素影响，但人类活动在其中起着十分重要的作用.近年来，流域内开展的大规模人工植树造林和草地围栏封育等生态保护与建设工作，使得流域内植被状况不断改善.本文仅用气温和降水作为驱动因子进行分析，未考虑人类活动及其他因子的影响（如植被类型对NDVI影响的大小），且在时间尺度上仅考虑了年际变化水平，未将气候因子对植被在月际上的影响及植被生长对水热条件滞后性纳入研究.因此，在后续研究中将进一步对以上问题进行分析，以更科学地定量评定人类活动对植被覆盖时空格局变化的影响及其贡献值的大小.

［1］Jackson R B，Randerson J T，Canadell J G.Protecting climate with forests［J］.Environmental Research Letters，2008，3（4）：044006.

［2］Anderson R G，Canadell J G，Randerson J T，Jackson R B，HungaTe B A，Baldocchi D D.Biophysical considerations in forestry for climate protection［J］.Frontiers in Ecology and Environment，2010，9（3）：174-182.

［3］BoscheTTi M，NuTini F，Brivio P A.Identifcation of environmental anomaly hot spots in West Africa from time series of NDVI and rainfall［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2013，78：26-40.

［4］何勇，董文杰，郭晓寅.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，2007，27（12）：5086-5092. He Y，Dong W J，Guo X Y.The terrestrial growth and its relationship with climate in China based on the MODIS data［J］.Acta Ecologica Sinica，2007，27（12）：5086-5092.（in Chinese）

［5］De Fries R，Field C，Fung L.Mapping the land-surface for global atmosphere-biosphere models，toward continuous distributions of vegetation functional properties［J］.Journal of Geophysical Research，1995，100（D10）：20867-20882.

［6］Zhang Y L，Gao J G，Liu L S.NDVI-based vegetation changes and their responses to climate change from 1982 to 2011：a case study in the Koshi River Basin in the middle Himalayas［J］. Global and Planetary Change，2013，108：139-148.

［7］Liu J H，Wu J J，Wu Z T.Response of NDVI dynamics to precipitation in the Beijing-Tianjin sandstorm source region［J］.International Journal of Remote Sensing，2013，34（15），5331-5350.

［8］Caroline P，Megan L，Davina W.Monitoring temporal dynamics of Great Artesian Basin wetland vegetation，Australia，using MODIS NDVI［J］.Ecological Indicators，2013，（34）：41-52.

［9］王合玲，张辉国，秦璐.新疆艾比湖流域土壤有机质的空间分布特征及其影响因素［J］.生态学报，2012，32（16）：4969-4980. Wang H L，Zhang H G，Qin L.The characteristics of the spatial distribution of soil organic matter and factors in fluencing it in Ebinur Lake Basin of Xinjiang Autonomous Region'China［J］.Acta Ecologica Sinica，2012，32（16）：4969-4980.（in Chinese）

［10］Yu Z，Wang J，Liu S.Inconsistent NDVI trends from AVHRR，MODIS，and SPOT sensors in the Tibetan Plateau［C］//Agro-geoinformatics 2013 Second International Conference on IEEE，2013：97-101.

［11］严晓瑜，董文杰，何勇.不同传感器数据在若尔盖湿地植被变化监测应用中的适宜性分析［J］.遥感技术与应用，2008，23（3）：300-304. Yan X Y，Dong W J，He Y.Analysis of the suitability from diferent remote sensing data on the monitoring of vegetation change in Ruoergai Marsh［J］.Remote Sensing Technology and application，2008，23（3）：300-304.（in Chinese）

［12］白泽龙，包安明，赵金.艾比湖流域近40年来土地利用与覆被动态变化研究［J］.水土保持通报，2012，32（2）：172-177. Bai Z L，Bao A M，Zhao J.Land use/cover changes of Ebinur Lake Watershed in recent forty years［J］.Bulletin of Soil and Water Conservation，2012，32（2）：172-177.（in Chinese）

［13］何书林.艾比湖流域湿地资源及其动态变化研究［D］.乌鲁木齐：新疆大学，2010.

［14］Holben B N.Characteristics of maximum-value composite images from temporal AVHRR data［J］.International Journal of Remote Sensing，1986，7（11）：1417-1434.

［15］宋怡，马明国.基于GIMMS AVHRR NDVI数据的中国寒旱区植被动态及其与气候因子的关系［J］.遥感学报，2008，12（3）：499-505. Song Y，Ma M G.Varitation of AVHRR NDVI and its relationship with climate in Chinese arid and cold regions［J］.Journal of Remote Sensing，2008，12（3）：499-505.（in Chinese）

［16］STow D D S，Hope A.Variability of the seasonally integrated normalized diference vegetation index across the north slope of Alaska in the 1990s［J］.International Journal of Remote Sensing，2003，24（5）：1111-1117.

［17］徐建华.计量地理学［M］.高等教育出版社，2006.

［18］陈云浩，李晓兵，史培军.1983～1992年中国陆地NDVI变化的气候因子驱动分析［J］.植物生态学报，2001，25（6）：716-720. Chen Y H，Li X B，Shi P J.Variation in NDVI driven by climate factors across China，1983～1992［J］.Acta Phytoecologica Sinica，2001，25（6）：716-720.（in Chinese）

［19］王永财，孙艳玲，王中良.1998～2011年海河流域植被覆盖变化及气候因子驱动分析［J］.资源科学，2014，36（3）：594-602. Wang Y C，Sun Y L，Wang Z L.Spatial-temporal change in vegetation cover and climate factor drivers of variation in the Haihe River Basin 1991～2011［J］.Resource Science，2014，36（3）：594-602.（in Chinese）

（编辑：管玉娟）

Analysis of NDVI Changes and Its Climate Factor Drivers in Ebinur Lake Basin from 1998 to 2012

WANG Er-li，ZHOU Jun-qi
School of Remote Sensing and Information Engineering，Wuhan University，Wuhan 430079，China

To explore the impact of climate change on vegetation cover in Ebinur Lake Basin，we apply the data set SPOT VEGETATION to study the trend of normalized diference vegetation index（NDVI）and spatial pattern in this area，using a maximum synthesis and linear regression method.Combining the annual precipitation and annual average temperature in the same period，the vegetation cover driving force of climate change is discussed through partial correlation and multiple correlation analyses.The results indicate that NDVI increases signifcantly，showing a good development trend.Among various natural factors，precipitation has a deeper and more widespread efect on vegetation than temperature during 15 years in Ebinur Lake Basin.In addition，about 88.9%of the study area is impacted by non-climate factor drivers，while 11.1%is driven by climate factors and mainly distributes in the eastern basin.

normalized diference vegetation index（NDVI），Ebinur Lake Basin，climate factors，partial correlation analysis，multiple correlation analysis

P237.4

0255-8297（2015）01-0059-11

10.3969/j.issn.0255-8297.2015.01.007

2014-06-05；

2014-12-24

周军其，博士，副教授，研究方向：遥感图像处理，E-mail：junqi_zhou@163.com