贵州乌江流域NDVI降尺度适应性评价

1、贵州乌江流域NDVI降尺度适应性评价摘要：降尺度获取较高的空间分辨率植被遥感数据，能更好地揭示出中小流域植被变化特征及其驱动因素。 文章利用IDL实现AVHRR GIMMS NDVI数据空间统计降尺度，将原始19822000年8 km AVHRR GIMMS NDVI数据降尺度到250 m，并对其精度进行评价，再与20002016年MODIS NDVI数据相结合，分析1982 2016年贵州乌江流域NDVI时空变化。结果表明：应用空间统计方法得到的降尺度数据误差较小，可良好地反映 乌江流域NDVI变化特征，说明该方法具有一定的适用性及科学性% 19822016年，贵州乌江流域NDVI变化呈 明

2、显波动增加趋势，在逐年NDVI空间分布中，呈东高西低的分布格局;35年来，贵州乌江河流域NDVI年际变化 呈上升趋势。关键词：NDVI；空间;统计降尺度;流域;乌江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引言治理与生态建设具有重要指导意义植被是陆地生态系统的主体，具有广泛性、复杂 性、丰富性的物种资源，是地表水循环、生物循环的 重要途径#$司。随着遥感技术的发展，其观测面积 广、信息量大、分辨率高、时间序列长等优势，在植被 监测中得到广泛应用#%

7、归一化植被指数(normalized difference vegetation Index, NDVI)是目前公认的 表征植被变化的最有效参数之一，已广泛用于植被 生长及其动态变化研究中王茜等应用NDVI 数据研究我国30年NDVI时空变化，并对气候因素 影响进行分析(蒙吉军等基于NDVI、NPP数据研 究西南喀斯特植被变化对气候的响应(朱林富等 对山地城市进行植被变化时空分异特征分析；张继 等#1$基于NDVI对生态工程建设背景下贵州高原 植被变化及因素分析；王冰等基于NDVI数据分 析贵州喀斯特地区植被覆盖变化趋势在降尺度研 究中，统计降尺度方法得到广泛运用%如Huth#11 运用神经网

8、络与线性回归方法对欧洲日气温进行降 尺度研究，发现较为简单的线性方法也可以取得较 好的降尺度效果(Immerzeel等#$&$通过建立TRMM 降水数据与NDVI关系，对伊比利亚半岛的 TRMM年降水数据进行降尺度研究，将RMM数 据的空间分辨率从0. 25提高至1 km%之后Duan 等#13$、李净等#14$、范雪薇等#15$在此基础上引入地形 因子进行多元回归，实现了 TRMM降水数据降尺 度，且能够体现更细致的降水分布特征然而在植 被变化的研究中，高精度、小尺度的时间序列均较 短，多为2000年至今的研究，对植被降尺度研究较 为缺乏，且19822000年间NDVI产品多是 8 km低分

9、辨率数据表明利用该尺度数据揭示植 被变化仅能反映大范围的总体特征，小尺度探究植 被变化存在不足贵州乌江流域地理环境空间异质性大，高分辨 率遥感数据揭示中小流域NDVI变化及其驱动因 素尤其重要#$#t%$%乌江流域地处中国西南喀斯特 腹地，岩溶发育典型，土壤瘠薄，水资源赋存条件极 弱#18m19 %流域特殊的地质背景，再加上人类活动影 响，生态环境不断退化，使其演化为典型生态脆弱 区#20m21 %因此，研究喀斯特流域NDVI长时间变化 趋势，有助于揭示生态环境演化特征，减弱不合理人 类活动对其的影响，对山地生态文明建设具有积极 意义本文基于空间统计降尺度方法，探究喀斯特 流域NDVI的降尺度

10、与时空变化%研究成果对低 分辨率NDVI数据降尺度获取，喀斯特地区石漠化1研究区概况、数据与方法1.1 研究区概况贵州乌江流域位于中国西南腹地，自西向东横 贯整个贵州省北部，向西与云南省接壤，向北与四川 省和重庆市接壤%流域干流全长847 km,是贵州省 最大流域，支流较多，呈羽状水系分布流域属亚热 带季风性湿润气候，气候温和，降水丰沛，雨热同季, 年平均气温15 P，年平均降水量约1 200 mm%流 域地质构造上主要属于扬子准地台中的黔北台隆, 在地域独特的水热条件的驱动下，碳酸盐岩被流水 侵蚀，使流域内岩溶地貌发育强烈，75.6%的地区是 石灰岩、白云岩等碳酸盐岩#22$ %由于碳酸盐岩

11、抗侵 蚀能力较强，母质造土能力差，成土过程缓慢，不利 于土壤的形成与植被生长，使其基岩裸露率高，石漠 化敏感性强地貌类型主要分为上游的岩溶峡谷地 貌，中游的岩溶高原地貌，下游的岩溶槽谷地貌，平 均海拔约1 100 m%1.2数据来源GIMMS NDVI 数据来自 NOAA 网站(https：/ www. noaa. gov)网站下载，空间分辨率为8 km,时 间分辨率为15 d,时间序列为19822015年；MODIS NDVI数据来自美国NASA网站(https：/mods. gsfc. nasa. gov)网站下载 MODIS13 Q1,空间分辨 率为250 m,时间分辨率为16 d,时间

12、序列为2000) 2016 年 1.3研究方法本文采用的NDVI数据是基于GIMMS和 MODIS13 Q1 2种遥感产品获取，都源于美国国 家航空 航天局(National Aeronautics and Space Administration, NASA)的一系列遥感卫星 GIMMS NDVI数据集是使用时间较长的植被数 据,该数据空间分辨率为8 km,时间分辨率是15 d, 下载19822015年数据，总共816幅影像，利用 Matlab编程语言转换GIMMS NDVI3g. v1原始产 品为Geottif格式，采用 WGS_1984地理坐标和 Albers Equal-Area Co

13、nic 投影坐标 MODIS NDVI 数 据是植被数据中具有较高分辨率且应用广泛的数据, 空间分辨率为250 m,时间分辨率为16 d,下载2000) 2016年数据，总共408幅影像，利用MRT(MODIS reproj ection tools)软件对数据进行投影转换、数据 拼接等预处理，采用与GIMMS NDVI数据一致的 地理坐标和投影坐标再运用ENVI/ArcGIS对数 据集进行裁剪、拼接、几何校正等预处理工作，同时剔除NDVI产品的无效填充值。采用最大值合成 法 % maximum value composites, MV C）将每月 中 2期NDVI影像提取最大值，作为每月的N

14、DVI值, 此方法能进一步消除大气、卫星轨道飘移、太阳高度 角等的干扰，在地形复杂的山地具有较好的效果。 其计算如式（1）所示。NDVI, = Max（NDVIy）%$）式中：NDVI为归一化植被指数）NDVI.指第z个月 或者第z年的NDVI）NDVI,指第.年的第，个半月 的NDVI或第z年第,月的NDVI回归模式法是应用最早和最广泛的统计降尺度技 术，是通过建立预报变量与预测因子之间线性或非线 性关系的一种概念性方式* 应用IDL（ interactive data langguage）编写线性回归方程代码，实现NDVI 数据降尺度，获取更早时间序列及较高空间分辨率 的数据其原理利用20

15、012015年的GIMMS NDVI与MODIS NDVI数据进行15年逐像元回归 分析，且该GIMMS NDVI数据的空间分辨率都重 采样为250 m分辨率，与MODIS NDVI分辨率一 致得出 20012015 年的 GIMMS NDVI 与 MODIS NDVI数据像元回归方程的参数后，基于1982 2000年GIMMS NDVI数据，反推出各像元上的 NDVI 值，从而得到 19822000 年 250 m 的 NDVI 数据，具体流程如图1所示式（2）为线性回归 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为常数；c为 回归方程的残差图1降尺度流程图采用平均绝对误差（M1）、平均相对误差（XT,）、 均方根误差（巫）、Theil不等系数（XQ探究 GIMMS NDVI数据空间降尺度得到的NDVI和 MODIS NDVI数据的精度,对其做时间序列与空间 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,实际值由为模拟值;+为检验点的个数; M4介于0和1之间,M4越趋近0,则代表实际值与 模拟值误差越小，模型模拟的精度越高利用线性趋势法进行NDVI时间趋势的分析, 模拟出

17、每个栅格的变化趋势，以单个像元时间变化 特征综合反映出整个区域的时空演变格局和空间变 化规律随着时间序列的改变,NDVI表现为序列 整体的上升或下降变化趋势，呈现出空间分布格局 的变化和在某时刻出现突变或转折，NDVI变量可 以看作是时间的一元线性回归，利用最小二乘法逐 像元计算NDVI变化斜率如式（7）所示#2526$ *NDV 顷-1 *NDV,*,B =+=（7）nn*,- *,）2式中：B为某像元的趋势线斜率为年份;n为研究 年段35（19822016年）当B值为正值时，表现 为随时间变化NDVI呈上升趋势；反之，当B为负 值时，随时间变化NDVI呈下降趋势其绝对值 越大表示研究区域N

18、DVI上升或下降的趋势越 显著2统计降尺度模型结果验证2.1基于降尺度数据的可靠性分析由于GIMMS与MODIS数据在2000年开始 重叠，以2000年GIMMS NDVI降尺度为例，更能 说明降尺度的效果特征，如图2所示二者对比，整 体来看，分辨率为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变化；虽然在GIMMS NDVI中, 乌江流域西部和中南部的低值在统计降尺度后有一 定的变化，但整体的趋势都呈现西北低、东南高的变 化趋势表明降尺度的NDVI整体分布状况与 GIMMS NDVI在空间上有着较好的一致性(b)降尺度NDVI

19、NDVI 值(b)降尺度NDVINDVI 值iWj： 0.84低：0.00图2 2000年贵州乌江流域GIMMS NDVI降尺度效果图2.2 降尺度数据的时间验证利用19822000年的GIMMS NDVI数据和 降尺度NDVI数据的年际平均值统计尺度和多年 各月平均值统计尺度进行时间相关性检验。年际平 均值统计尺度相关性验证为19822000年全省平 均的年时间序列，有19个时间点；多年各月平均值 统计尺度相关性验证为19822000年多年各月平 均值组成的站点序列，有12个时间点。以年尺度时间序列来看，运用19822000年的 GIMMS NDVI数据和降尺度NDVI数据做误差检 验分析(

20、表1),结果表明：从实际误差(M)来看，误 差值的正数值与负数值的个数各在一半，且多年总和 为0.007 11,表明GIMMS数据降尺度得到NDVI 数据与实际波动较为合理，误差较小。在绝对误差 与相对误差中，1993年绝对误差(M1)与相对误差 (XU达到最高，分别为0. 013 02(0. 022 95；1992年 绝对误差(M1 )与相对误差(M2 )值最低，分别为 0. 000 22、0.000 37。从数值趋势来看,90年代与 80年代相比，具有上升的趋势。19年间，二者均 方根误差(M3 )为0. 006 52,Theil不等系数(MQ 为0. OO5 4,虽各年份的误差均有波动，

21、但整体 较小。表1年际平均值误差检验年份GIMMSNDVI降尺度NDVI实际误差(M)绝对误差(M1)相对误差 (M2)均方根误差 (M3)Theil不等 系数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从月尺度时间序列来看，运用19822000年各 月均值的GIMMS NDVI数据和降尺度NDVI数据

24、 做误差检验分析(表2),结果表明：实际误差(M) 中，有7个正值,5个负值，大致各在一半，同样表明 降尺度数据的合理性。从绝对误差(Xi)与相对误 差(X&)来看,6月的多年各月平均值绝对误差(Xi) 与相对误差(M& )达到最高，分别为0. 084 32、 0.126 32；原因可能在于6月是植被茂盛时期，不同植被每年长势不一样，而降尺度数据的NDVI被多 年数值回归后导致误差偏大;9月绝对误差(Xi)与 相对误差(X2)值最低，分别为0. 000 70)0. 001 00( 多年各月平均值均方根误差(X3 )为0. 029 56, Theil不等系数(Ma)为0. 029 45,相对于年

25、尺度变 化可发现，误差有所增大，但整体降尺度的月份趋势 与GIMMS的月份趋势大致一样，可以反映月份序 列的变化。表2 多年(19822000年)各月平均值误差检验月份GIMMSNDVI降尺度NDVI实际误差(M)绝对误差(X1)相对误差 (X2)均方根误差 (M3)Theil不等系数(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根据GIMMS NDVI数据和降尺度NDVI数据 做年际平均值统计尺度和多年各月平均值统计尺度 相关性分析(图3)0年际平均值统计尺度相关分析 的线性方程为 5 = 0. 635 6d + 0. 215,M2 =0. 998 9； 多年各月平均值统计尺度相关分析的线性方程为 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)年际平均值统计尺度尸1.238 6x-0.139 8&2=0.949 60.650 3511110.400.500.600.700.80GIMMS NDVI(b)多年各月平均值统计尺度图3年际平均值统计尺度和多年 各月平均值统计尺度拟合分析显著性水平上显著相关。表明降尺度得到的NDVI 数据与GIMMS NDVI数据拟合度较好。综上所述，年际平均值统计尺度和多年各月平 均值统计尺度都具有拟合精

29、度较高，良好地反映时 间变化趋势，说明降尺度得到的NDVI数据在时间 序列上具有一定的代表性。但结合表1和表2比较 来看，年际平均值统计尺度模拟更优。原因可能在 于年际平均值统计尺度模型中,20002015年进行 回归数据较少，一年1个数据，总共15个数据；而多 年月均值统计尺度，一年模拟12个数据，总共180 数据。表明多数据线性回归后，得到的参数，模拟 NDVI具有均一性，而各年月气候环境的不确定性, 使之降尺度得到的NDVI值误差精度增大，但整体 误差值较小，误差精度满足NDVI时间变化的研究 需要。2.3 降尺度数据的空间验证以2000年MODIS NDVI数据与2000年降尺度 ND

30、VI数据进行空间上的相关性检验,进行空间误差 检验分析(图4)0从图4可知，2000年降尺度的 NDVI值相对于MODIS数据来说，最大值从0. 82变 为0.84,相差0.02,整体值有所增加。但整体均值相 差不大，差值为0. 003 96,变化趋势保持较好的一致性。(a) MODIS NDVI(b)降尺度NDVI图4 2000年贵州乌江流域MODIS NDVI与根据以上原理方法，利用ENVI对栅格数据进 行波段运算，求出降尺度NDVI值与MODIS NDVI 值的平均绝对误差(M$)、平均相对误差(X&)、均方 根误差(M3)$Theil不等系数(M4),进行统计分析 得出表3,再运用Ar

31、cGIS进行数据处理得出空间 图(图4)%由于NDVI绝对值处于01之间，采用 理论值为小于等于5%的误差，视为精度效果好；理 论值为5%10%之间的误差，视为精度效果较好& 大于等于10%的误差，说明误差较大%因此，本文 按照实际情况误差值的大小分为3级：小于等于 5%，精度良好& 5%10%，精度较好；大于等于 10%，精度较差%误差 区间平均绝对 误差(M1)平均相对 误差(M&)均方根 误差(Ma)Theil不等 系数(X)580. 8252. 2980.8286.2051018. 1132.2118.1113.02.101. 0715.501.070.80表3 2000年MODIS

32、NDVI值与降尺度NDVI值误差占比%结合表3与图5来看，可知平均绝对误差(M1)、 均方根误差(M3 )、Theil不等系数(M4)空间占比小 于等于5%误差值的大部分集中于中部与东北部,降尺度NDVI分布图(a) Mi(d) M4图5 2000年贵州乌江流域MODIS NDVI值与降尺度NDVI值误差空间检验尸尸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误差占比分别为80. 32% 80. 32%、36. 20% ；5% 10%误差值集中于西部，误差占比分别为18. 11%、

33、 18.11% 13.02% (较少出现大于等于10%误差值, 占比分别为1. 07%、1. 07%、0. 80%。虽然平均相 对误差(M&)大于等于10%的误差值有所增加，占比 为15. 50%，集中分布西部，在中部和东部都有零散 的分布，但整体小于等于10%的占比为85. 85%，整 体趋势精度较好。表明降尺度的NDVI值可以良 好地反映在空间的动态趋势。3植被时空变化特征及其趋势变化分析3.1植被年际时空变化特征以19822000年降尺度NDVI数据与2001* 2016年MODIS NDVI数据相结合，统计出乌江流 域19822016年NDVI的年际变化，如图6所示。 从整体趋势来看，

34、多年的线性方程为5 = 0. 001危一 2.185 6,M2=0. 321 6,贵州乌江河流域NDVI变化呈 明显增加波动变化趋势。根据乌江流域NDVI的年 际变化，可划分为2个阶段：第1个阶段为1982 2000年，流域NDVI值从0. 590 1下降到0.564 2, 线性方程为 5= 9E0. 5z+0. 764 3,M2 =0. 001 6, 有向下的波动变化趋势，但并不明显(第2个阶段为 20002016年，流域NDVI值从0. 564 2上升到 0. 673 1,线性方程为 5 = 0. 006- 11. 508,M2 = 0.827 7,NDVI值有明显的增加趋势。其原因在 于

35、,20世纪80年代处于改革开发初期，乌江流域居 民对植被保护的意识不高，再加上人类活动对植被 的乱砍滥伐，造成第一个阶段不明显的下降波动趋 势。90年代末期，国家加大西南喀斯特地区的石漠 化治理，使乌江流域植被逐步恢复改善，因此形成第 2阶段明显增加的波动趋势)0.700.680.660.640.620.600.580.560.541980 1985 1990 1995 2000 2005 2010 2015 2020年份图6 19822016年贵州乌江流域植被年际变化应用ArcGIS对每年的NDVI影像进行栅格运 算，最后得出多年平均NDVI空间分布，如图7所示。 贵州乌江河流域逐年NDVI

36、值具有明显的空间分布 差异，由于受水平地带性、气候和地形地貌等因素的 综合影响，呈现出东高西低的分布格局，NDVI值为 0.060.80。NDVI低值区域主要分布于流域中西 部,从西部区域看，形成低值区域原因为该区域处于 贵州地势较高山区，热量较低，年降雨量偏少，不利 于植被生长；从中部区域来看，低值区域主要集中于 贵阳市与遵义市周边，其中贵阳市周边的低值区域 最大，主要原因是城市的开发增强，土地利用格局发 生深刻改变，影响了植被生长。这表明人类活动频 繁区域对植被生长起到抑制作用，因此在开发建成 区中，应加强城市建成区的绿化，改善人居生态 环境。图7 19822016年贵州乌江流域NDVI

37、多年平均空间分布3.2植被趋势变化分析基于利用线性趋势法，在像元尺度上分析了贵 州乌江河流域NDVI年际变化趋势(图8)。按照实 际情况趋势线斜率值的大小分为5级：Y9-0. 001 为显著下降；一0.001)YV-0. 000 5为轻微下降； -0. 000 5)Y)0. 000 5 为基本不变；0. 000 59Y) 0.001为轻微上升Y80.001为显著上升。从1982 1999年趋势来看，基本不变的趋势占主体，占总面 积的43%，而上升趋势与下降趋势呈零散分布状, 其中上升趋势占总面积的42%，下降趋势占总面积 的15%，整体呈增加趋势。原因在于20世纪90年 代石漠化治理在21世纪初期取得了初步成效，生态 坏境得到了改善，植被覆盖度增加。图8 贵州乌江流域NDVI年际变化趋势4讨论与结论4.1 讨论乌江流域地处贵州喀斯特高原，多云雨雾天气! 覆盖研究区的Landsat等高分辨率遥感数据云量较 多，数据质量较差，难以得到时间序列连续数据，而 SPOTAVHRR等数据满足长时间序列，但是空间 分辨率极低，再加上喀斯特山区地形特征差异显著! 可进入性极差，地表实测数据等基础资料相对缺乏# 本文基于统计降尺度模型，将19822000年GIMMS NDVI数据的8 km分辨率提升到250 m,且与 20002016 年 MODIS