摘要：为了采用广义加法模型整合数字高程模型和遥感数据进行植被分布的预测,并探索耦合环境变量和遥感数据作为预测变量是否能够有效地提高植被分布预测的精度,选择海拔、坡度、至黄河最近距离、至海岸线最近距离,以及从SPOT5遥感影像中提取的光谱变量作为预测变量,采用广义加法模型整合环境变量和光谱变量,建立植被分布预测模型。研究设置3种建模情景（以环境变量作为预测变量,以光谱变量作为预测变量,综合使用环境变量与光谱变量作为预测变量）对黄河三角洲的优势植被类型的分布进行了预测,并对预测结果采用偏差分析、受试者工作特征曲线和野外采样点对比等3种方法进行了验证。结果表明：（1）基于广义加法模型的植被分布预测方法具有一定的实用性,可以较为准确地预测植被的分布;盖度较高的植被类型预测精度较高,盖度较低的植被类型预测精度较低,植物群落结构的特点是出现这些差异的主要原因;综合使用环境变量和光谱变量作为预测变量的模型,预测精度高于单独以环境变量或者光谱变量作为预测变量的模型。（2）环境变量、光谱变量大多被选入模型,二者均对植被分布预测有重要的作用;同一预测变量在不同植被类型的预测模型中的贡献不同,这与植被的光谱、环境特征差异有关;同一预测变量在不同的建模情景下对模型的贡献不同,环境变量与光谱变量的耦合效应可能是导致预测变量对模型的贡献出现变化的原因。

单位：中国科学院植物研究所植被与环境变化国家重点实验室 北京100093 环境保护部卫星环境应用中心 北京100094 中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室 北京100101