楊江州，周旭，熊軍，周志凱，韋小茶

(1.貴州省地質(zhì)礦產(chǎn)勘查開發(fā)局 117地質(zhì)大隊，貴陽 550018；2.貴州師范大學 地理與環(huán)境科學學院，貴陽 550025)

0 引言

植被是陸地生態(tài)系統(tǒng)的主體，具有廣泛性、復雜性、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[1-2]。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)測中得到廣泛應用[3-5]。歸一化植被指數(shù)(normalized difference vegetation index，NDVI)是目前公認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[5]。王茜等[6]應用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[7]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；朱林富等[8]對山地城市進行植被變化時空分異特征分析；張繼等[9]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[10]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)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[12]通過建立TRMM降水數(shù)據(jù)與NDVI 關(guān)系，對伊比利亞半島的TRMM年降水數(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降水數(shù)據(jù)降尺度，且能夠體現(xiàn)更細致的降水分布特征。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1982—2000年間NDVI產(chǎn)品多是8 km低分辨率數(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[16-17]。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[18-19]。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)[20-21]。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)石漠化治理與生態(tài)建設(shè)具有重要指導意義。

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)賮啛釒Ъ撅L性濕潤氣候，氣候溫和，降水豐沛，雨熱同季，年平均氣溫15 ℃，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1982—2015年；MODIS NDVI數(shù)據(jù)來自美國NASA網(wǎng)站(https：//modis.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1982—2015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地理坐標和Albers Equal-Area Conic投影坐標。MODIS NDVI數(shù)據(jù)是植被數(shù)據(jù)中具有較高分辨率且應用廣泛的數(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 reprojection tools)軟件對數(shù)據(jù)進行投影轉(zhuǎn)換、數(shù)據(jù)拼接等預處理，采用與GIMMS NDVI數(shù)據(jù)一致的地理坐標和投影坐標。再運用ENVI/ArcGIS對數(shù)據(jù)集進行裁剪、拼接、幾何校正等預處理工作，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，MVC)將每月中2期NDVI影像提取最大值，作為每月的NDVI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，在地形復雜的山地具有較好的效果。其計算如式(1)所示。

NDVIi=Max(NDVIij)

(1)

式中：NDVI為歸一化植被指數(shù)；NDVIi指第i個月或者第i年的NDVI；NDVIij指第i年的第j個半月的NDVI或第i年第j月的NDVI。

回歸模式法是應用最早和最廣泛的統(tǒng)計降尺度技術(shù)，是通過建立預報變量與預測因子之間線性或非線性關(guān)系的一種概念性方式[11]。應用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2001—2015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2001—2015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1982—2000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。

GNi=a+b×MNi+ci

(2)

式中：GNi代表第i月、年的GIMMS NDVI；MNi代表第i月、年的MODIS NDVI；a和b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(M2)、均方根誤差(M3)、Theil不等系數(shù)(M4)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))[23-24]。

(3)

(4)

(5)

(6)

式中：ai實際值；bi為模擬值；n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[25-26]。

(7)

式中：B為某像元的趨勢線斜率；t為年份；n為研究年段35(1982—2016年)。當B值為正值時，表現(xiàn)為隨時間t變化NDVI呈上升趨勢；反之，當B為負值時，隨時間t變化NDVI呈下降趨勢。其絕對值越大表示研究區(qū)域NDVI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。

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1982—2000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1982—2000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1982—2000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1982—2000年的GIMMS NDVI數(shù)據(jù)和降尺度NDVI數(shù)據(jù)做誤差檢驗分析(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(M2)達到最高，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)(M4)為0.005 45，雖各年份的誤差均有波動，但整體較小。

表1 年際平均值誤差檢驗

從月尺度時間序列來看，運用1982—2000年各月均值的GIMMS NDVI數(shù)據(jù)和降尺度NDVI數(shù)據(jù)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(M1)與相對誤差(M2)來看，6月的多年各月平均值絕對誤差(M1)與相對誤差(M2)達到最高，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)值回歸后導致誤差偏大；9月絕對誤差(M1)與相對誤差(M2)值最低，分別為0.000 70、0.001 00。多年各月平均值均方根誤差(M3)為0.029 56，Theil不等系數(shù)(M4)為0.029 45，相對于年尺度變化可發(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(1982—2000年)各月平均值誤差檢驗

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

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)。年際平均值統(tǒng)計尺度相關(guān)分析的線性方程為y=0.635 6x+0.215，R2=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y=1.238 6x-0.139 8，R2=0.949 6，都且在0.05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，2000—2015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NDVI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)。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?yōu)?.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。

圖4 2000年貴州烏江流域MODIS NDVI與降尺度NDVI分布圖

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(M1)、平均相對誤差(M2)、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ArcGIS進行數(shù)據(jù)處理得出空間圖(圖4)。由于NDVI絕對值處于0～1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。

表3 2000年MODIS 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，誤差占比分別為80.82%、80.82%、86.20%；5%～10%誤差值集中于西部，誤差占比分別為18.11%、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(M2)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。

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

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1982—2000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1982—2016年NDVI的年際變化，如圖6所示。從整體趨勢來看，多年的線性方程為y=0.001 4x-2.185 6，R2=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y=-9E-0.5x+0.764 3，R2=0.001 6，有向下的波動變化趨勢，但并不明顯；第2個階段為2000—2016年，流域NDVI值從0.564 2上升到0.673 1，線性方程為y=0.006x-11.508，R2=0.827 7，NDVI值有明顯的增加趨勢。其原因在于，20世紀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改善，因此形成第2階段明顯增加的波動趨勢。

圖6 1982—2016年貴州烏江流域植被年際變化

應用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0.06～0.80。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，應加強城市建成區(qū)的綠化，改善人居生態(tài)環(huán)境。

圖7 1982—2016年貴州烏江流域NDVI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：B<-0.001為顯著下降；-0.001≤B<-0.000 5為輕微下降；-0.000 5≤B≤0.000 5為基本不變；0.000 50.001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90年代石漠化治理在21世紀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SPOT、AVHRR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1982—2000年GIMMS NDVI數(shù)據(jù)的8 km分辨率提升到250 m，且與2000—2016年MODIS NDVI數(shù)據(jù)(分辨率為250 m)相結(jié)合，從而得到1982—2016年250 m的長時間序列高分辨率NDVI數(shù)據(jù)。通過該方法獲得研究區(qū)長時間序列高分辨率的NDVI數(shù)據(jù)，高分辨率的NDVI數(shù)據(jù)更能提高喀斯特小空間尺度的植被變化參數(shù)特征，有利于揭示喀斯特山區(qū)流域植被變化及其驅(qū)動因素[14]。因此，基于NDVI數(shù)據(jù)建立2種各像元間的統(tǒng)計關(guān)系，實現(xiàn)數(shù)據(jù)統(tǒng)計降尺度，從而延長插補時間序列獲取高分辨率長時間序列數(shù)據(jù)的方法。該方法也可對今后在難以獲取長時間序列數(shù)據(jù)或小空間尺度需求更高分辨率的相關(guān)研究提供參考。

王秀春等[27]基于1998—2006年SPOT生長季(4—9月)逐旬最大合成NDVI數(shù)據(jù)，分析了烏江流域近10年的植被覆蓋動態(tài)變化，結(jié)果數(shù)據(jù)顯示 NDVI年際變化呈增加趨勢，年增長率為0.009/a，流域內(nèi)地級市及省會城市呈減少的趨勢。在文獻[9-10]基于NDVI數(shù)據(jù)對貴州喀斯特地區(qū)植被覆蓋變化研究中，均發(fā)現(xiàn)貴州喀斯特地區(qū)總體處于上升趨勢，降水對植被變化影響減弱。相對于前人的研究，本文以烏江流域為研究區(qū)，得出1982—2016年研究區(qū)的NDVI年際變化同樣呈增加趨勢，年增長率為0.006/a；流域植被年際趨勢分布變化中，人類活動較大的地方植被變化呈減少的趨勢；從整體來看，本研究的結(jié)果與前人研究基本一致。

在1982—2016年貴州烏江流域植被年際變化中(圖6)，NDVI在2000年出現(xiàn)明顯下降，原因可能為該年降水量偏小，年均溫度較低，不利植被生長。該年現(xiàn)象與文獻[28-29]研究NDVI變化趨勢基本一致。但本文方法只是數(shù)據(jù)的交叉檢驗，沒有輔助數(shù)據(jù)的佐證，缺乏一定的物理機制，在未來模型可以通過加入第3個輔助數(shù)據(jù)來進一步的探討。同時也存在一定的不確定性，如 NDVI 在高植被覆蓋區(qū)易出現(xiàn)飽和的問題；不同傳遞函數(shù)與降尺度結(jié)果精度的關(guān)系等問題。

4.2 結(jié)論

通過IDL編程，實現(xiàn)植被遙感數(shù)據(jù)的空間統(tǒng)計降尺度，對降尺度數(shù)據(jù)進行可靠性分析后將得到降尺度NDVI數(shù)據(jù)與MODIS數(shù)據(jù)相結(jié)合，得出貴州烏江流域NDVI時空變化，結(jié)論如下。

1)通過數(shù)據(jù)的處理與空間統(tǒng)計降尺度模型應用，將1982—2000年GIMMS NDVI數(shù)據(jù)的8 km分辨率降尺度得到250 m NDVI數(shù)據(jù)，且降尺度的NDVI數(shù)據(jù)通過了GIMMS NDVI數(shù)據(jù)和MODIS數(shù)據(jù)在空間尺度與時間尺度的誤差檢驗，能夠滿足研究區(qū)NDVI空間變化的研究需要。

2)基于IDL編程，實現(xiàn)了植被遙感數(shù)據(jù)的空間統(tǒng)計降尺度，降尺度的NDVI數(shù)據(jù)良好反映時空變化的趨勢，表明該方法具有一定的適用性及科學性。

3)1982—2016年，貴州烏江河流域NDVI變化呈明顯增加波動變化趨勢，在逐年NDVI空間分布中，呈現(xiàn)東高西低的分布格局。

4)近35年來，貴州烏江河流域NDVI年際變化趨勢呈上升趨勢。表明20世紀90年代石漠化治理在21世紀初期取得初步成效，生態(tài)壞境得到了改善，植被覆蓋度也有所增加。