貴州烏江流域NDVI降尺度適應(yīng)性評價

1、貴州烏江流域NDVI降尺度適應(yīng)性評價摘要：降尺度獲取較高的空間分辨率植被遙感數(shù)據(jù)，能更好地揭示出中小流域植被變化特征及其驅(qū)動因素。 文章利用IDL實現(xiàn)AVHRR GIMMS NDVI數(shù)據(jù)空間統(tǒng)計降尺度，將原始19822000年8 km AVHRR GIMMS NDVI數(shù)據(jù)降尺度到250 m，并對其精度進行評價，再與20002016年MODIS NDVI數(shù)據(jù)相結(jié)合，分析1982 2016年貴州烏江流域NDVI時空變化。結(jié)果表明：應(yīng)用空間統(tǒng)計方法得到的降尺度數(shù)據(jù)誤差較小，可良好地反映 烏江流域NDVI變化特征，說明該方法具有一定的適用性及科學(xué)性% 19822016年，貴州烏江流域NDVI變化呈 明

2、顯波動增加趨勢，在逐年NDVI空間分布中，呈東高西低的分布格局;35年來，貴州烏江河流域NDVI年際變化 呈上升趨勢。關(guān)鍵詞：NDVI；空間;統(tǒng)計降尺度;流域;烏江Evaluation of NDVI Downscaling Adaptability inWujiang River Basin, GuizhouAbstract: It can better reveal the character i sti cs of v-g-tati on changes and the dri v i ng factors i n small and med i um watersheds for do

3、wnscaling and obtaining higher spatial resolution vegetation remote sens ing data. The paper uses IDL to implement AVHRR GIMMS NDVI data for spatial statistical downscaling. The original 8 km AVHRR GIMMS NDVI data during 1982-2000 is downscaled to 250 m,and its accuracy is evaluated. Then, it combne

4、s with 2000-2016 MODIS NDVI data to analyze NDVI spatotemporal changes during 1982-2016 in Wuj iang River basin,Guizhou. The results show that：the error of the downscalng data obtaned by applyng the spatal statstcal method ,s relatvely small , whch can well reflect the characteristics of NDVI change

5、s, indicating that the method is applicable and scientific； from 1982 to 2016 , the NDVI change shows a sgnfcant fluctuaton and an ,ncreasng trend ,n Wuj ang Rver bas n , Guzhou , and ,n the annual spatal dstrbuton of NDVI,the distribution pattern is high in the east and low in the west；over the pas

6、t 35 years,the nterannual variation of NDVI n Wuj ang Rver basn , Guzhou has shown an upward trend.Key words: NDVI ； space ； statstcal downscalng ； watershed ； W uj iang River77引言治理與生態(tài)建設(shè)具有重要指導(dǎo)意義植被是陸地生態(tài)系統(tǒng)的主體，具有廣泛性、復(fù)雜 性、豐富性的物種資源，是地表水循環(huán)、生物循環(huán)的 重要途徑#$司。隨著遙感技術(shù)的發(fā)展，其觀測面積 廣、信息量大、分辨率高、時間序列長等優(yōu)勢，在植被 監(jiān)測中得到廣泛應(yīng)用#%

7、歸一化植被指數(shù)(normalized difference vegetation Index, NDVI)是目前公認(rèn)的 表征植被變化的最有效參數(shù)之一，已廣泛用于植被 生長及其動態(tài)變化研究中王茜等應(yīng)用NDVI 數(shù)據(jù)研究我國30年NDVI時空變化，并對氣候因素 影響進行分析(蒙吉軍等基于NDVI、NPP數(shù)據(jù)研 究西南喀斯特植被變化對氣候的響應(yīng)(朱林富等 對山地城市進行植被變化時空分異特征分析；張繼 等#1$基于NDVI對生態(tài)工程建設(shè)背景下貴州高原 植被變化及因素分析；王冰等基于NDVI數(shù)據(jù)分 析貴州喀斯特地區(qū)植被覆蓋變化趨勢在降尺度研 究中，統(tǒng)計降尺度方法得到廣泛運用%如Huth#11 運用神經(jīng)網(wǎng)

8、絡(luò)與線性回歸方法對歐洲日氣溫進行降 尺度研究，發(fā)現(xiàn)較為簡單的線性方法也可以取得較 好的降尺度效果(Immerzeel等#$&$通過建立TRMM 降水?dāng)?shù)據(jù)與NDVI關(guān)系，對伊比利亞半島的 TRMM年降水?dāng)?shù)據(jù)進行降尺度研究，將RMM數(shù) 據(jù)的空間分辨率從0. 25提高至1 km%之后Duan 等#13$、李凈等#14$、范雪薇等#15$在此基礎(chǔ)上引入地形 因子進行多元回歸，實現(xiàn)了 TRMM降水?dāng)?shù)據(jù)降尺 度，且能夠體現(xiàn)更細(xì)致的降水分布特征然而在植 被變化的研究中，高精度、小尺度的時間序列均較 短，多為2000年至今的研究，對植被降尺度研究較 為缺乏，且19822000年間NDVI產(chǎn)品多是 8 km低分

9、辨率數(shù)據(jù)表明利用該尺度數(shù)據(jù)揭示植 被變化僅能反映大范圍的總體特征，小尺度探究植 被變化存在不足貴州烏江流域地理環(huán)境空間異質(zhì)性大，高分辨 率遙感數(shù)據(jù)揭示中小流域NDVI變化及其驅(qū)動因 素尤其重要#$#t%$%烏江流域地處中國西南喀斯特 腹地，巖溶發(fā)育典型，土壤瘠薄，水資源賦存條件極 弱#18m19 %流域特殊的地質(zhì)背景，再加上人類活動影 響，生態(tài)環(huán)境不斷退化，使其演化為典型生態(tài)脆弱 區(qū)#20m21 %因此，研究喀斯特流域NDVI長時間變化 趨勢，有助于揭示生態(tài)環(huán)境演化特征，減弱不合理人 類活動對其的影響，對山地生態(tài)文明建設(shè)具有積極 意義本文基于空間統(tǒng)計降尺度方法，探究喀斯特 流域NDVI的降尺度

10、與時空變化%研究成果對低 分辨率NDVI數(shù)據(jù)降尺度獲取，喀斯特地區(qū)石漠化1研究區(qū)概況、數(shù)據(jù)與方法1.1 研究區(qū)概況貴州烏江流域位于中國西南腹地，自西向東橫 貫整個貴州省北部，向西與云南省接壤，向北與四川 省和重慶市接壤%流域干流全長847 km,是貴州省 最大流域，支流較多，呈羽狀水系分布流域?qū)賮啛?帶季風(fēng)性濕潤氣候，氣候溫和，降水豐沛，雨熱同季, 年平均氣溫15 P，年平均降水量約1 200 mm%流 域地質(zhì)構(gòu)造上主要屬于揚子準(zhǔn)地臺中的黔北臺隆, 在地域獨特的水熱條件的驅(qū)動下，碳酸鹽巖被流水 侵蝕，使流域內(nèi)巖溶地貌發(fā)育強烈，75.6%的地區(qū)是 石灰?guī)r、白云巖等碳酸鹽巖#22$ %由于碳酸鹽巖

11、抗侵 蝕能力較強，母質(zhì)造土能力差，成土過程緩慢，不利 于土壤的形成與植被生長，使其基巖裸露率高，石漠 化敏感性強地貌類型主要分為上游的巖溶峽谷地 貌，中游的巖溶高原地貌，下游的巖溶槽谷地貌，平 均海拔約1 100 m%1.2數(shù)據(jù)來源GIMMS NDVI 數(shù)據(jù)來自 NOAA 網(wǎng)站(https：/ www. noaa. gov)網(wǎng)站下載，空間分辨率為8 km,時 間分辨率為15 d,時間序列為19822015年；MODIS NDVI數(shù)據(jù)來自美國NASA網(wǎng)站(https：/mods. gsfc. nasa. gov)網(wǎng)站下載 MODIS13 Q1,空間分辨 率為250 m,時間分辨率為16 d,時間

12、序列為2000) 2016 年 1.3研究方法本文采用的NDVI數(shù)據(jù)是基于GIMMS和 MODIS13 Q1 2種遙感產(chǎn)品獲取，都源于美國國 家航空 航天局(National Aeronautics and Space Administration, NASA)的一系列遙感衛(wèi)星 GIMMS NDVI數(shù)據(jù)集是使用時間較長的植被數(shù) 據(jù),該數(shù)據(jù)空間分辨率為8 km,時間分辨率是15 d, 下載19822015年數(shù)據(jù)，總共816幅影像，利用 Matlab編程語言轉(zhuǎn)換GIMMS NDVI3g. v1原始產(chǎn) 品為Geottif格式，采用 WGS_1984地理坐標(biāo)和 Albers Equal-Area Co

13、nic 投影坐標(biāo) MODIS NDVI 數(shù) 據(jù)是植被數(shù)據(jù)中具有較高分辨率且應(yīng)用廣泛的數(shù)據(jù), 空間分辨率為250 m,時間分辨率為16 d,下載2000) 2016年數(shù)據(jù)，總共408幅影像，利用MRT(MODIS reproj ection tools)軟件對數(shù)據(jù)進行投影轉(zhuǎn)換、數(shù)據(jù) 拼接等預(yù)處理，采用與GIMMS NDVI數(shù)據(jù)一致的 地理坐標(biāo)和投影坐標(biāo)再運用ENVI/ArcGIS對數(shù) 據(jù)集進行裁剪、拼接、幾何校正等預(yù)處理工作，同時剔除NDVI產(chǎn)品的無效填充值。采用最大值合成 法 % maximum value composites, MV C）將每月 中 2期NDVI影像提取最大值，作為每月的N

14、DVI值, 此方法能進一步消除大氣、衛(wèi)星軌道飄移、太陽高度 角等的干擾，在地形復(fù)雜的山地具有較好的效果。 其計算如式（1）所示。NDVI, = Max（NDVIy）%$）式中：NDVI為歸一化植被指數(shù)）NDVI.指第z個月 或者第z年的NDVI）NDVI,指第.年的第，個半月 的NDVI或第z年第,月的NDVI回歸模式法是應(yīng)用最早和最廣泛的統(tǒng)計降尺度技 術(shù)，是通過建立預(yù)報變量與預(yù)測因子之間線性或非線 性關(guān)系的一種概念性方式* 應(yīng)用IDL（ interactive data langguage）編寫線性回歸方程代碼，實現(xiàn)NDVI 數(shù)據(jù)降尺度，獲取更早時間序列及較高空間分辨率 的數(shù)據(jù)其原理利用20

15、012015年的GIMMS NDVI與MODIS NDVI數(shù)據(jù)進行15年逐像元回歸 分析，且該GIMMS NDVI數(shù)據(jù)的空間分辨率都重 采樣為250 m分辨率，與MODIS NDVI分辨率一 致得出 20012015 年的 GIMMS NDVI 與 MODIS NDVI數(shù)據(jù)像元回歸方程的參數(shù)后，基于1982 2000年GIMMS NDVI數(shù)據(jù)，反推出各像元上的 NDVI 值，從而得到 19822000 年 250 m 的 NDVI 數(shù)據(jù)，具體流程如圖1所示式（2）為線性回歸 方程GNz = a+bCMN,+c,（2）式中：GN,代表第z月、年的GIMMS NDVI；MN,代 表第z月、年的MO

16、DIS NDVI； a和3為常數(shù)；c為 回歸方程的殘差圖1降尺度流程圖采用平均絕對誤差（M1）、平均相對誤差（XT,）、 均方根誤差（巫）、Theil不等系數(shù)（XQ探究 GIMMS NDVI數(shù)據(jù)空間降尺度得到的NDVI和 MODIS NDVI數(shù)據(jù)的精度,對其做時間序列與空間 的可靠性分析(式(3)式(6)#2*24M1 = * | a,但 |(3)z 1M2 - * 冬二(4)+七 a：M4 = J* D I C卜式中：a,實際值由為模擬值;+為檢驗點的個數(shù); M4介于0和1之間,M4越趨近0,則代表實際值與 模擬值誤差越小，模型模擬的精度越高利用線性趨勢法進行NDVI時間趨勢的分析, 模擬出

17、每個柵格的變化趨勢，以單個像元時間變化 特征綜合反映出整個區(qū)域的時空演變格局和空間變 化規(guī)律隨著時間序列的改變,NDVI表現(xiàn)為序列 整體的上升或下降變化趨勢，呈現(xiàn)出空間分布格局 的變化和在某時刻出現(xiàn)突變或轉(zhuǎn)折，NDVI變量可 以看作是時間的一元線性回歸，利用最小二乘法逐 像元計算NDVI變化斜率如式（7）所示#2526$ *NDV 頃-1 *NDV,*,B =+=（7）nn*,- *,）2式中：B為某像元的趨勢線斜率為年份;n為研究 年段35（19822016年）當(dāng)B值為正值時，表現(xiàn) 為隨時間變化NDVI呈上升趨勢；反之，當(dāng)B為負(fù) 值時，隨時間變化NDVI呈下降趨勢其絕對值 越大表示研究區(qū)域N

18、DVI上升或下降的趨勢越 顯著2統(tǒng)計降尺度模型結(jié)果驗證2.1基于降尺度數(shù)據(jù)的可靠性分析由于GIMMS與MODIS數(shù)據(jù)在2000年開始 重疊，以2000年GIMMS NDVI降尺度為例，更能 說明降尺度的效果特征，如圖2所示二者對比，整 體來看，分辨率為8 km的GIMMS NDVI降尺度后 得到分辨率250 m的NDVI影像更加清晰，更有利 于揭示流域NDVI變化；雖然在GIMMS NDVI中, 烏江流域西部和中南部的低值在統(tǒng)計降尺度后有一 定的變化，但整體的趨勢都呈現(xiàn)西北低、東南高的變 化趨勢表明降尺度的NDVI整體分布狀況與 GIMMS NDVI在空間上有著較好的一致性(b)降尺度NDVI

19、NDVI 值(b)降尺度NDVINDVI 值iWj： 0.84低：0.00圖2 2000年貴州烏江流域GIMMS NDVI降尺度效果圖2.2 降尺度數(shù)據(jù)的時間驗證利用19822000年的GIMMS NDVI數(shù)據(jù)和 降尺度NDVI數(shù)據(jù)的年際平均值統(tǒng)計尺度和多年 各月平均值統(tǒng)計尺度進行時間相關(guān)性檢驗。年際平 均值統(tǒng)計尺度相關(guān)性驗證為19822000年全省平 均的年時間序列，有19個時間點；多年各月平均值 統(tǒng)計尺度相關(guān)性驗證為19822000年多年各月平 均值組成的站點序列，有12個時間點。以年尺度時間序列來看，運用19822000年的 GIMMS NDVI數(shù)據(jù)和降尺度NDVI數(shù)據(jù)做誤差檢 驗分析(

20、表1),結(jié)果表明：從實際誤差(M)來看，誤 差值的正數(shù)值與負(fù)數(shù)值的個數(shù)各在一半，且多年總和 為0.007 11,表明GIMMS數(shù)據(jù)降尺度得到NDVI 數(shù)據(jù)與實際波動較為合理，誤差較小。在絕對誤差 與相對誤差中，1993年絕對誤差(M1)與相對誤差 (XU達(dá)到最高，分別為0. 013 02(0. 022 95；1992年 絕對誤差(M1 )與相對誤差(M2 )值最低，分別為 0. 000 22、0.000 37。從數(shù)值趨勢來看,90年代與 80年代相比，具有上升的趨勢。19年間，二者均 方根誤差(M3 )為0. 006 52,Theil不等系數(shù)(MQ 為0. OO5 4,雖各年份的誤差均有波動，

21、但整體 較小。表1年際平均值誤差檢驗?zāi)攴軬IMMSNDVI降尺度NDVI實際誤差(M)絕對誤差(M1)相對誤差 (M2)均方根誤差 (M3)Theil不等 系數(shù)M19820. 589 490593 51-0. 004 020004 020006 8319830. 602 860601 200001 660001 660002 7619840579 950587 49-0007 540007 540013 0019850595 100596 62-0001 520001 520002 5619860600 910599 960000 950000 950001 5819870611 870606

22、 190005 670005 670009 2719880601390599 420001 970001 970003 2819890585 890590 62-0004 730004 730008 080006 520005 4519900626 270613 280013 000013 000020 7519910596300596 56-0000 260000 260000 4419920596 790597 01-0000 220000 2200003719930567 230580 25-0013 020013 020022 9519940591 54059438-0002 8400

23、02 840004 8019950613 500606 710006 800006 800011 0819960580 120588 04-0007 920007 920013 6519970611 460605 660005 800005 800009 4819980625 230613 480011 750011 750018 8019990611 530605 970005 550005 550009 0820000. 587 750591 71-0003 960003 960006 74從月尺度時間序列來看，運用19822000年各 月均值的GIMMS NDVI數(shù)據(jù)和降尺度NDVI數(shù)據(jù)

24、 做誤差檢驗分析(表2),結(jié)果表明：實際誤差(M) 中，有7個正值,5個負(fù)值，大致各在一半，同樣表明 降尺度數(shù)據(jù)的合理性。從絕對誤差(Xi)與相對誤 差(X&)來看,6月的多年各月平均值絕對誤差(Xi) 與相對誤差(M& )達(dá)到最高，分別為0. 084 32、 0.126 32；原因可能在于6月是植被茂盛時期，不同植被每年長勢不一樣，而降尺度數(shù)據(jù)的NDVI被多 年數(shù)值回歸后導(dǎo)致誤差偏大;9月絕對誤差(Xi)與 相對誤差(X2)值最低，分別為0. 000 70)0. 001 00( 多年各月平均值均方根誤差(X3 )為0. 029 56, Theil不等系數(shù)(Ma)為0. 029 45,相對于年

25、尺度變 化可發(fā)現(xiàn)，誤差有所增大，但整體降尺度的月份趨勢 與GIMMS的月份趨勢大致一樣，可以反映月份序 列的變化。表2 多年(19822000年)各月平均值誤差檢驗月份GIMMSNDVI降尺度NDVI實際誤差(M)絕對誤差(X1)相對誤差 (X2)均方根誤差 (M3)Theil不等系數(shù)(M4)1月0. 475 250. 437 840.037 410.037 410.078 712月0. 457 520. 432 020.025 500.025 500.055 743月0. 511 640. 471 230.040 410.040 410.078 994月0. 571 150. 565 240

26、.005 910.005 910.010345月0. 625 100. 663 820.038 720.038 720.061 946月0. 667 480. 751 800.084320.084320.126320.029 560.029 457月0. 745 810. 787 020. 041 210. 041 210.055 258月0.752 780.763 780. 011 000. 011 000. 014 619月0. 702 910.702 210.000 700.000 700.001 0010月0. 633 070.620 240.012 830.012 830.020 2

27、711月0. 560 720.585 270. 024 550.024 550.043 7812月0. 529 750. 501 130.028 620.028 620.054 030.620.610.600.850.620.610.600.85根據(jù)GIMMS NDVI數(shù)據(jù)和降尺度NDVI數(shù)據(jù) 做年際平均值統(tǒng)計尺度和多年各月平均值統(tǒng)計尺度 相關(guān)性分析(圖3)0年際平均值統(tǒng)計尺度相關(guān)分析 的線性方程為 5 = 0. 635 6d + 0. 215,M2 =0. 998 9； 多年各月平均值統(tǒng)計尺度相關(guān)分析的線性方程為 5 = 1. 238 6d 0. 139 8,M2 = 0. 949 6,都且

28、在 0. 05y=0.635 6x+0.215&2=0.998 9槌j 0.59*0.580.56111111110.560.570.580.590.600.610.620.63GIMMS NDVI(a)年際平均值統(tǒng)計尺度尸1.238 6x-0.139 8&2=0.949 60.650 3511110.400.500.600.700.80GIMMS NDVI(b)多年各月平均值統(tǒng)計尺度圖3年際平均值統(tǒng)計尺度和多年 各月平均值統(tǒng)計尺度擬合分析顯著性水平上顯著相關(guān)。表明降尺度得到的NDVI 數(shù)據(jù)與GIMMS NDVI數(shù)據(jù)擬合度較好。綜上所述，年際平均值統(tǒng)計尺度和多年各月平 均值統(tǒng)計尺度都具有擬合精

29、度較高，良好地反映時 間變化趨勢，說明降尺度得到的NDVI數(shù)據(jù)在時間 序列上具有一定的代表性。但結(jié)合表1和表2比較 來看，年際平均值統(tǒng)計尺度模擬更優(yōu)。原因可能在 于年際平均值統(tǒng)計尺度模型中,20002015年進行 回歸數(shù)據(jù)較少，一年1個數(shù)據(jù)，總共15個數(shù)據(jù)；而多 年月均值統(tǒng)計尺度，一年模擬12個數(shù)據(jù)，總共180 數(shù)據(jù)。表明多數(shù)據(jù)線性回歸后，得到的參數(shù)，模擬 NDVI具有均一性，而各年月氣候環(huán)境的不確定性, 使之降尺度得到的NDVI值誤差精度增大，但整體 誤差值較小，誤差精度滿足NDVI時間變化的研究 需要。2.3 降尺度數(shù)據(jù)的空間驗證以2000年MODIS NDVI數(shù)據(jù)與2000年降尺度 ND

30、VI數(shù)據(jù)進行空間上的相關(guān)性檢驗,進行空間誤差 檢驗分析(圖4)0從圖4可知，2000年降尺度的 NDVI值相對于MODIS數(shù)據(jù)來說，最大值從0. 82變 為0.84,相差0.02,整體值有所增加。但整體均值相 差不大，差值為0. 003 96,變化趨勢保持較好的一致性。(a) MODIS NDVI(b)降尺度NDVI圖4 2000年貴州烏江流域MODIS NDVI與根據(jù)以上原理方法，利用ENVI對柵格數(shù)據(jù)進 行波段運算，求出降尺度NDVI值與MODIS NDVI 值的平均絕對誤差(M$)、平均相對誤差(X&)、均方 根誤差(M3)$Theil不等系數(shù)(M4),進行統(tǒng)計分析 得出表3,再運用Ar

31、cGIS進行數(shù)據(jù)處理得出空間 圖(圖4)%由于NDVI絕對值處于01之間，采用 理論值為小于等于5%的誤差，視為精度效果好；理 論值為5%10%之間的誤差，視為精度效果較好& 大于等于10%的誤差，說明誤差較大%因此，本文 按照實際情況誤差值的大小分為3級：小于等于 5%，精度良好& 5%10%，精度較好；大于等于 10%，精度較差%誤差 區(qū)間平均絕對 誤差(M1)平均相對 誤差(M&)均方根 誤差(Ma)Theil不等 系數(shù)(X)580. 8252. 2980.8286.2051018. 1132.2118.1113.02.101. 0715.501.070.80表3 2000年MODIS

32、NDVI值與降尺度NDVI值誤差占比%結(jié)合表3與圖5來看，可知平均絕對誤差(M1)、 均方根誤差(M3 )、Theil不等系數(shù)(M4)空間占比小 于等于5%誤差值的大部分集中于中部與東北部,降尺度NDVI分布圖(a) Mi(d) M4圖5 2000年貴州烏江流域MODIS NDVI值與降尺度NDVI值誤差空間檢驗尸尸0.001 4x2.185 6 2=0.321 6尸-9E-05x+0.764 3 7?2=0.001 6-j=0.006x-11.508 快=0.827 7誤差占比分別為80. 32% 80. 32%、36. 20% ；5% 10%誤差值集中于西部，誤差占比分別為18. 11%、

33、 18.11% 13.02% (較少出現(xiàn)大于等于10%誤差值, 占比分別為1. 07%、1. 07%、0. 80%。雖然平均相 對誤差(M&)大于等于10%的誤差值有所增加，占比 為15. 50%，集中分布西部，在中部和東部都有零散 的分布，但整體小于等于10%的占比為85. 85%，整 體趨勢精度較好。表明降尺度的NDVI值可以良 好地反映在空間的動態(tài)趨勢。3植被時空變化特征及其趨勢變化分析3.1植被年際時空變化特征以19822000年降尺度NDVI數(shù)據(jù)與2001* 2016年MODIS NDVI數(shù)據(jù)相結(jié)合，統(tǒng)計出烏江流 域19822016年NDVI的年際變化，如圖6所示。 從整體趨勢來看，

34、多年的線性方程為5 = 0. 001危一 2.185 6,M2=0. 321 6,貴州烏江河流域NDVI變化呈 明顯增加波動變化趨勢。根據(jù)烏江流域NDVI的年 際變化，可劃分為2個階段：第1個階段為1982 2000年，流域NDVI值從0. 590 1下降到0.564 2, 線性方程為 5= 9E0. 5z+0. 764 3,M2 =0. 001 6, 有向下的波動變化趨勢，但并不明顯(第2個階段為 20002016年，流域NDVI值從0. 564 2上升到 0. 673 1,線性方程為 5 = 0. 006- 11. 508,M2 = 0.827 7,NDVI值有明顯的增加趨勢。其原因在 于

35、,20世紀(jì)80年代處于改革開發(fā)初期，烏江流域居 民對植被保護的意識不高，再加上人類活動對植被 的亂砍濫伐，造成第一個階段不明顯的下降波動趨 勢。90年代末期，國家加大西南喀斯特地區(qū)的石漠 化治理，使烏江流域植被逐步恢復(fù)改善，因此形成第 2階段明顯增加的波動趨勢)0.700.680.660.640.620.600.580.560.541980 1985 1990 1995 2000 2005 2010 2015 2020年份圖6 19822016年貴州烏江流域植被年際變化應(yīng)用ArcGIS對每年的NDVI影像進行柵格運 算，最后得出多年平均NDVI空間分布，如圖7所示。 貴州烏江河流域逐年NDVI

36、值具有明顯的空間分布 差異，由于受水平地帶性、氣候和地形地貌等因素的 綜合影響，呈現(xiàn)出東高西低的分布格局，NDVI值為 0.060.80。NDVI低值區(qū)域主要分布于流域中西 部,從西部區(qū)域看，形成低值區(qū)域原因為該區(qū)域處于 貴州地勢較高山區(qū)，熱量較低，年降雨量偏少，不利 于植被生長；從中部區(qū)域來看，低值區(qū)域主要集中于 貴陽市與遵義市周邊，其中貴陽市周邊的低值區(qū)域 最大，主要原因是城市的開發(fā)增強，土地利用格局發(fā) 生深刻改變，影響了植被生長。這表明人類活動頻 繁區(qū)域?qū)χ脖簧L起到抑制作用，因此在開發(fā)建成 區(qū)中，應(yīng)加強城市建成區(qū)的綠化，改善人居生態(tài) 環(huán)境。圖7 19822016年貴州烏江流域NDVI

37、多年平均空間分布3.2植被趨勢變化分析基于利用線性趨勢法，在像元尺度上分析了貴 州烏江河流域NDVI年際變化趨勢(圖8)。按照實 際情況趨勢線斜率值的大小分為5級：Y9-0. 001 為顯著下降；一0.001)YV-0. 000 5為輕微下降； -0. 000 5)Y)0. 000 5 為基本不變；0. 000 59Y) 0.001為輕微上升Y80.001為顯著上升。從1982 1999年趨勢來看，基本不變的趨勢占主體，占總面 積的43%，而上升趨勢與下降趨勢呈零散分布狀, 其中上升趨勢占總面積的42%，下降趨勢占總面積 的15%，整體呈增加趨勢。原因在于20世紀(jì)90年 代石漠化治理在21世紀(jì)初期取得了初步成效，生態(tài) 壞境得到了改善，植被覆蓋度增加。圖8 貴州烏江流域NDVI年際變化趨勢4討論與結(jié)論4.1 討論烏江流域地處貴州喀斯特高原，多云雨霧天氣! 覆蓋研究區(qū)的Landsat等高分辨率遙感數(shù)據(jù)云量較 多，數(shù)據(jù)質(zhì)量較差，難以得到時間序列連續(xù)數(shù)據(jù)，而 SPOTAVHRR等數(shù)據(jù)滿足長時間序列，但是空間 分辨率極低，再加上喀斯特山區(qū)地形特征差異顯著! 可進入性極差，地表實測數(shù)據(jù)等基礎(chǔ)資料相對缺乏# 本文基于統(tǒng)計降尺度模型，將19822000年GIMMS NDVI數(shù)據(jù)的8 km分辨率提升到250 m,且與 20002016 年 MODIS