迟凯歌，庞 博，石树兰，崔黎壮

(1. 北京师范大学水科学研究院，北京 100875；2. 城市水循环与海绵城市技术北京市重点实验室，北京 100875)

0 引 言

植被作为陆地生态系统的主要组分，是生态系统存在的基础，也是联结土壤、大气和水分的自然“纽带”，它在陆地表面的能量交换过程、生物地球化学循环过程和水文循环过程中扮演着重要的角色，在全球变化研究中起着“指示器”的作用[1-3]。NDVI(the Normalized Vegetation Index)是研究植被变化的重要工具，能够较好地反映出区域下垫面植被动态变化的规律。

近年来，国内外在NDVI预测模型方面开展了大量的研究。例如，IWASAKI利用GSMaP(降水数据种类)降水量和JRA-25/JCDAS(温度数据种类)温度对蒙古草原进行NDVI预测，建立了逐步多元线性回归分析预测模型[4]；阿西穆等人基于Markov模型对渭干河和库车河流域的绿洲地区的植被覆盖进行动态变化预测研究[5]；林楠等人以吉林东部为研究区在进行植被覆盖动态变化分析的基础上，利用马尔柯夫模型和灰色系统G(1，1)模型对研究区植被覆盖进行动态模拟和预测，分析其演变特点及规律[6]。WANG等人采用多元线性回归方法对我国南方丘陵地区的降水和温度进行NDVI模拟[7]。雅鲁藏布江流域地形特征复杂，气候变化敏感，生态系统脆弱，如何综合考虑气候要素对流域植被覆盖的影响，构建机制清晰，精度可靠的植被覆盖预测模型成为生态水文领域的挑战[8-10]。随着机器学习技术的发展，人工神经网络由于其强大的非线性模拟能力在预测模型领域得到了广泛的应用。……