杨江州，周旭，熊军，周志凯，韦小茶

(1.贵州省地质矿产勘查开发局 117地质大队，贵阳 550018；2.贵州师范大学 地理与环境科学学院，贵阳 550025)

0 引言

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[1-2]。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[3-5]。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[5]。王茜等[6]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[7]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[8]对山地城市进行植被变化时空分异特征分析；张继等[9]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[10]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[12]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1982—2000年间NDVI产品多是8 km低分辨率数据。……