基于遙感衛星的肯尼亞2000—2013年植被覆蓋度研究

朱學山，江 濤，魏顯虎，張宗科

(1.山東科技大學 測繪科學與工程學院，山東 青島 266590；2.中國科學院 遙感與數字地球研究所，北京 100101；3.中國科學院 中-非聯合研究中心，湖北 武漢 430074 )

?

基于遙感衛星的肯尼亞2000—2013年植被覆蓋度研究

朱學山1,3，江 濤1，魏顯虎2,3，張宗科2,3

(1.山東科技大學 測繪科學與工程學院，山東 青島 266590；2.中國科學院 遙感與數字地球研究所，北京 100101；3.中國科學院 中-非聯合研究中心，湖北 武漢 430074 )

基于MODIS-NDVI遙感數據，采用像元二分模型，反演肯尼亞地區2000—2013年植被覆蓋度，結合土地利用數據進行時空變化的相關分析。結果表明,肯尼亞全國的植被覆蓋度由東北部向西南部逐漸增加，其中肯尼亞山周邊及西南部維多利亞湖周圍植被覆蓋度較高。2000—2013年植被覆蓋度總體變化不大，平均50%，其中2007年植被覆蓋度達到最高，為55.8%。雨季對肯尼亞植被覆蓋度的影響較大，長短雨季期間植被覆蓋度明顯高于旱季，特別是2006年5月長雨季比2月旱季植被覆蓋度高出23.3%。

肯尼亞；植被覆蓋度；像元二分模型；雨季

植被覆蓋度是指植被(包括葉、莖、枝)在地面的垂直投影面積占統計區域總面積的百分比[1]。植被覆蓋度是植被茂密程度及植物進行光合作用面積大小，是反映地表植被群落生長態勢的重要指標，對區域生態系統環境變化具有重要指標作用[2]。目前，測量植被覆蓋度的方法主要分為地面測量和遙感測量兩大類[3]：①地面測量方法即傳統測量方法，包括目測法、采樣法、儀器法等[4-5]。這些傳統測量方法耗時、耗力，且具有難以獲取連續時間等缺點[6]。隨著遙感技術的日趨成熟，對大范圍區域尺度上的植被覆蓋研究大都是基于遙感來進行。其中，應用較為廣泛的遙感方法有植被覆蓋度與光譜指數相關分析方法、回歸模型方法等，但上述方法具有操作過程復雜、測量時間長、受限制條件多、效率不高等缺點，因此不易推廣；②遙感測量，包括經驗模型法、植被指數法、像元分解法和光譜梯度法等，具有較高精度和較好適用性，可以推廣到大范圍地區。

近年來，隨著中國對非洲的大力支持，使得中國在非洲的影響力與日俱增。肯尼亞作為東非重要國家，國家地勢復雜氣候條件多變，尤其是最近十幾年降雨的相對減少和時空分布不規律造成眾多自然災害。因此，研究2000—2013年肯尼亞植被覆蓋度及其變化情況，對肯尼亞部分區域的農業發展，整體的生態建設，以及自然環境的保護和開發利用都具有重要意義。

本文利用肯尼亞2000—2013年MODIS歸一化植被指數(NDVI)數據，應用像元二分模型，估算肯尼亞的植被覆蓋度，計算不同時期數值，然后進行動態分析，揭示其變化的原因和規律，為合理利用和保護土地資源提供幫助。

1 研究區概況

肯尼亞位于非洲東部，地理位置04°40′S～05°02′N，33°56′E～41°34′E，瀕臨印度洋，赤道橫貫中部，東非大裂谷縱貫南北，國土面積58.3萬 km2，其中陸地面積569 250 km2，水域面積13 400 km2[7]。東鄰索馬里，北與埃塞俄比亞、蘇丹接壤，西連烏干達，南與坦桑尼亞相連，東南瀕臨印度洋，海岸線長536 km。全國平均海拔超過1 500 m，其中位于中部的肯尼亞山巴蒂安峰海拔5 199 m，為非洲第二高峰。

肯尼亞土地利用/土地覆蓋受自然條件的影響，具有明顯地帶分布特點，總體來看，中西部高原為主要農業生產區，東南地區主要為草灌分布，北部地區地表大多為裸巖石礫或稀疏的草原，森林植被覆蓋比較分散，主要分布在肯尼亞山、阿伯德爾山脈等山地上，除維多利亞湖以外，境內湖泊大部分沿東非大裂谷谷底分布。全境位于熱帶季風區，但受地勢較高的影響為熱帶草原氣候。肯尼亞年平均溫度24℃，年平均降水量500～1 200 mm，且降水季節明顯，每年有兩個雨季，3—6月為長雨季，10—12月為短雨季，其余月份為旱季。

2 數據和方法

2.1 相關數據

2.1.1 MODIS數據

MODIS是TERRA和AUQA衛星裝載的中分辨率成像光譜儀，具有36個光譜通道，分辨率有3種，分別為250、 50、 1 000 m，掃描寬度2 330 km。美國航空航天局(national aeronautics and space administration，NASA)將MODIS數據經過嚴格算法和處理形成44種標準數據產品。本文采用的遙感數據產品MODIS13Q1是MODIS陸地2級標準數據產品，數據來自NASA數據中心(http://wist.echo.nasa.gov/api)。數據的時間分辨率為16 d，數據格式是HDF，包括NDVI、EVI、藍、紅、近紅、中紅和VI質量文件等12層數據，并且每層數據都使用MVC(maximum value composite)法對16 d數據進行最大值合成。MODIS數據投影為正弦曲線投影，在實際應用中需要將EOD-HDF格式轉換為大多數軟件都支持的Tiff格式，投影方式轉換為WGS84/Albers Equal Area Conic投影，通過MRT(MODIS reprojection tools)軟件來完成的，同時可以完成圖像的空間拼接和重采樣，將16 d數據采用最大合成法(MVC)得到月NDVI數據，并利用肯尼亞國家邊界矢量文件裁剪出肯尼亞國家2000—2013年NDVI柵格數據。

2.1.2 土地利用數據

采用肯尼亞1∶10萬土地利用數據以2010年TM影像作為基礎數據，通過人工目視解譯得到數據，其平均精度達90%以上。參照國際地圈-生物圈計劃(IGBP)全球土地覆蓋分類系統和中國土地利用現狀分類標準，將肯尼亞土地利用類型劃分為耕地、林地、草地、水體、建筑用地和其他用地6個一級類型和18個二級類型，同時可用支持向量機的方法對影像進行分類，分類結果較為準確[8-9]。土地分類的數據主要用于不同土地類型植被覆蓋度的變化分析，探究其變化的原因，然后就整體變化進行深入研究。

圖1 肯尼亞土地利用圖Fig.1 Map of land use in Kenya

2.2 研究方法

2.2.1 像元二分模型

像元二分模型[10-12]是一種非常簡單的線性加權計算的定量遙感估算模型，原理是在單個像元上所表達的信息R有兩部分組成：一部分為純植被覆蓋的信息RV，另外一部分為非植被覆蓋(裸土)的信息RS，單個像元上的信息可表示為兩者的線性加權之和：

R=RV+RS，

(1)

假設影像上一個像元中有植被覆蓋的面積比例為fc，即該像元的植被覆蓋度，那么非植被覆蓋(裸土)所占的面積比例為1-fc。如果該像元全部被植被所覆蓋，那么得到的遙感信息為Rveg，則混合像元的純植被覆蓋部分所貢獻的信息RV可以表示為Rveg與fc的乘積：

RV=Rveg×fc，

(2)

而非植被覆蓋(裸土)部分所貢獻的信息RS可以表示為Rsoil與1-fc的乘積：

RS=Rsoil×(1-fc)，

(3)

通過式(1)～(3)可以解得植被覆蓋度公式：

fc=(R-Rsoil)/(Rveg-Rsoil)。

(4)

其中,Rveg與Rsoil是像元二分模型的2個參數。因此，只要知道這2個參數就可以根據式(4)利用遙感信息來估算植被覆蓋度。

2.2.2 由NDVI估算植被覆蓋度

植被覆蓋度和NDVI之間存在極顯著的線性相關關系，通過建立兩者之間的轉換關系，可以直接提取植被覆蓋度的信息[13]。根據像元二分模型的原理，一個像元的NDVI值同樣可以表示為有植被覆蓋的部分和無植被覆蓋的部分組成的形式。植被覆蓋度的計算公式可表示為：

fc=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)。

(5)

其中：NDVIsoil表示為像元中完全是裸土或者是無植被覆蓋區域的NDVI值，而NDVIveg則表示像元中完全由植被所覆蓋區域的NDVI值。對于大多數類型裸地來說，NDVIsoil值在理論上應等于0，并且是不變的，但在實際獲取數據過程中，受到眾多因素的影響，使得NDVIsoil發生變化，范圍一般在-0.1～0.2之間[14]。同樣，由于NDVIveg受到植被類型和植被時空分布的影響，數值發生改變。因此，即使對于同一影像在計算植被覆蓋度時，NDVIsoil和NDVIveg的值也不能使用固定值[15]。因此，本文在沒有實測數據的情況下，利用圖像在給定的置信區間內的最大值和最小值作為NDVImax與NDVImin的值。其中，NDVIveg值取影像中全覆蓋植被土地的NDVImax值作為理想植被全覆蓋地表，NDVIsoil值取影像中裸露土地的NDVImin值[16]。

3 結果分析與結論

3.1 肯尼亞多年平均植被覆蓋度的空間格局

從2000—2013年平均植被覆蓋度空間分布可以看出(圖2)，肯尼亞植被覆蓋度總體呈東北低西南高、由東北向西南遞減的特征。另外，肯尼亞中西部高原地區及東南沿海地區植被覆蓋度較高，北部地區植被覆蓋度較低。肯尼亞14年間平均植被覆蓋度為0.495，其中林地平均植被覆蓋度最高，草地植被覆蓋度居中，而裸地是除了冰雪之地外最低的，由此可見其空間差異非常明顯。

圖2 肯尼亞14年間平均植被覆蓋度Fig.2 Average vegetation coverage in Kenya during the 14 years

圖3 2000—2013年的年平均植被覆蓋度Fig.3 Annual average vegetation coverage during 2000—2013

肯尼亞林地2000—2013年平均植被覆蓋度達0.807，主要集中在肯尼亞山、阿伯德爾山脈等山地上，由于海拔較高，一般以雪松、竹林、柱子紅樹、羅漢松等為主要樹種，且森林植被覆蓋較分散，森林覆蓋率約8%。

肯尼亞草地2000—2013年平均植被覆蓋度達0.541，東南地區為草灌分布，北部地區大部分為稀疏草原，草地較多，占全國面積的40%以上，且具有典型東非高原稀樹草原的分布格局。

肯尼亞裸地在2000—2013年平均植被覆蓋度達0.283，裸地主要集中在北部東非大裂谷兩側，裸地上主要是裸巖石礫，還有少量荒漠植被。肯尼亞裸地約占全國面積的7%。

3.2 肯尼亞植被覆蓋度的年際變化及空間格局

2000—2013年肯尼亞植被覆蓋度總體變化不大，年平均植被覆蓋度呈波浪式變化(圖3)，2000年全國平均植被覆蓋度最低為0.445，2007年最高為0.558，由線性分析可以看出肯尼亞植被覆蓋度總體稍有下降，并且年平均植被覆蓋度值與年份無明顯相關關系。

由圖4可以看出，肯尼亞不同區域植被覆蓋度變化趨勢不同，東南部地區呈減少趨勢，部分地區顯著減少；中西部高原除小部分地區外，總體呈增加趨勢；北部地區呈增加趨勢，特別是西北地區和東北局部地區均呈顯著增加趨勢。根據土地利用圖可知，西北和東北林地的植被覆蓋度明顯增加，而東南方向草地的植被覆蓋度則明顯減少，維多利亞湖周圍耕地的植被覆蓋度部分明顯增加、而其他部分則明顯減少。

3.3 肯尼亞植被覆蓋度的雨季和旱季變化

肯尼亞全境為熱帶草原氣候，但西南部高原除大裂谷谷底地區較為干熱外，屬于亞熱帶森林氣候，年降水量750～1 000 mm。東南沿海平原地區炎熱濕潤，年降水量500～1 200 mm，主要集中在5月份。北部和東半部是半沙漠區，氣候干熱少雨，年降水量250～500 mm[17]。肯尼亞3—6月為長雨季，10—12月為短雨季，其余月份為旱季。

由以上可知，肯尼亞植被和農作物的生長大部分需要在長短雨季進行，因此，雨季對植被覆蓋度的影響巨大，特別是草原和耕地等區域。這里只對具有代表性的4個月份進行研究：長雨季5月、短雨季11月以及旱季2月和8月。2000—2013年這4個月份的肯尼亞植被覆蓋度的變化情況如圖5，可以看出雨季的5月和11月的植被覆蓋度明顯高于旱季的2月和8月。旱季的2個月份的植被覆蓋度變化較一致，2月份植被覆蓋度最高值是0.551，最低為0.372，8月份的植被覆蓋度最高值為0.514，最低為0.378，總體來說波動不是很大；雨季的2個月份的植被覆蓋度變化較大，5月份植被覆蓋度的最高值為0.681，最低為0.351，11月份的植被覆蓋度最高值為0.63，最低為0.364，可能與降雨量有直接關系，由于目前沒有收集到更詳細的肯尼亞降雨數據，就不進行推測，下一步將進行更深入定量研究。

圖4 肯尼亞植被覆蓋度變化趨勢Fig. 4 Vegetation coverage change trend in Kenya

圖5 4個月份的植被覆蓋度變化Fig.5 Vegetation coverage changes during four months

4 結論

選用能較好反映植被生長狀況的MODIS13Q1-NDVI影像來做累計，基于像元二分模型計算肯尼亞植被覆蓋度，進而分析肯尼亞植被覆蓋度的變化情況。研究發現，在2000—2013年肯尼亞年平均植被覆蓋度變化不大，但局部植被覆蓋度變化很大，在維多利亞湖周圍、首都內羅畢周邊以及東南沿海人類居住較多區域植被覆蓋度明顯減少，而西北大部和東北局部人類活動較少區域植被覆蓋度明顯增加，而雨季和旱季植被覆蓋度的變化表明降雨對植被的影響。

肯尼亞植被覆蓋度受土地類型、不同區域以及不同季節和月份等因素影響，數據分析表明近年來肯尼亞的植被覆蓋度發生很大變化，特別是人類和降雨量影響較大，下一步可進行定量化研究。

[1]ADAMS J E,ARKIN G F.A light interception method for measuring row crop ground cover[J].Soil Science Society of America Journal,1977,41(4):789-792.

[2]甘春英,王兮之,李保生,等.連江流域近18年來植被覆蓋度變化分析[J].地理科學,2011,31(8):1019-1024. GAN Chunying,WANG Xizhi,LI Baosheng,et al.Changes of vegetation coverage during recent 18 years in Lianjiang river watershed[J].Scientia Geogaphica Sinica,2011,31(8):1019-1024.

[3]于秀娟.三江源區植被覆蓋度的定量估算與動態變化研究[D].青島:山東科技大學,2011:5-11.

[4]邢著榮,馮幼貴,楊貴軍,等.基于遙感的植被覆蓋度估算方法述評[J].遙感技術與應用,2009,24(6):849-854. XING Zhurong,FENG Yougui,YANG Guijun,et al.Method of estimating vegetation coverage based on remote sensing[J].Remote Sensing Technology and Application,2009,24(6):849-854.

[5]張云霞,李曉兵,陳云浩.草地植被覆蓋度的多尺度遙感與實地測量方法綜述[J].地球科學進展,2003,18(1):85-93. ZHANG Yunxia,LI Xiaobing,Chen Yunhao.Overview of field and multi-scale remote sensing measurement approaches to grassland vegetation coverage[J].Advance in Earth Science,2003,18(1):85-93.

[6]馬娜,胡云峰,莊大方,等.基于遙感和像元二分模型的內蒙古正藍旗植被覆蓋度格局和動態變化[J].地理科學,2012,32(2):251-256. MA Na,HU Yunfeng,ZHUANG Dafang,et al.Vegetation coverage distribution and its changes in plan blue banner based on remote sensing data and dimidiate pixel model[J].Scientia Geogaphica Sinica,2012,32(2):251-256.

[7]何磊,王超,別強,等.利用MODIS13Q1產品監測肯尼亞2001—2010年荒漠化動態[J].中國沙漠,2013,33(1):46-52. HE Lei,WANG Chao,BIE Qiang,et al.Monitoring of desertification dynamic in Kenya during 2001—2010 using MODIS13Q1 data[J].Journal of Desert Research,2013,33(1):46-52.

[8]張睿,張繼賢,李海濤.地形數據輔助下的山區土地分類研究[J].山東科技大學學報(自然科學版),2007,26(1):38-41. ZHANG Rui,ZHANG Jixian,LI Haitao.Classification study of mountainous land cover aided by topographic data[J].Journal of Shandong University of Science and Technology (Natural Science),2007,26(1):38-41.

[9]王明偉,王志平,趙春霞,等.基于最大似然和支持向量機方法的遙感影像地物分類精度評估與比較研究[J].山東科技大學學報(自然科學版),2016,35(3):25-32. WANG Mingwei,WANG Zhiping,ZHAO Chunxia,et al.Accuracy evaluation and comparison of ground objects classification in remote sensing images based on ML and SVM methods[J].Journal of Shandong University of Science and Technology (Natural Science),2016,35(3):25-32.

[10]趙英時.遙感應用分析原理與方法[M].北京:科學出版社,2003.

[11]田海靜,曹春香,戴晟懋,等.準格爾旗植被覆蓋度變化的時間序列遙感監測[J].地球信息科學學報,2014,16(1):126-132. TIAN Haijing,CAO Chunxiang,DAI Shengmao,et al.Analysis of vegetation fractional cover in Jungar Banner based on time-series remote sensing data[J].Journal of Geo-information Science,2014,16(1):126-132.

[12]李苗苗,吳炳方,顏長珍,等.密云水庫上游植被覆蓋的遙感估算[J].資源遙感,2004,26(4):153-159. LI Miaomiao,WU Bingfang,YAN Changzhen,et al.Estimation of vegetation fraction in the upper basin of Miyun reservoir by remote sensing[J].Resources Science,2004,26(4):53-159.

[13]穆少杰,李建龍,陳奕兆,等.2001—2010年內蒙古植被覆蓋度時空變化特征[J].地理學報,2012,67(9):1255-1267. MU Shaojie,LI Jianlong,CHEN Yizhao,et al.Spatial differences of variations of vegetation coverage in Inner Mongolia during 2001—2010[J].Acta Geographica Sinica,2012,67(9):1255-1267.

[14]CARLSON T N,RIPLEY D A.On the relation between NDVI fractional vegetation cover and leaf area index[J].Remote Sensing of Environment,1997,62(3):241-252.

[15]KAUFMAN Y J,TANRE D.Atmospherically resistant vegetation index(ARVI) for EOS-MODIS[J].IEEE Transactions on Geoscience and Remote Sensing,1992,30(2):261-270.

[16]喬峰,張克斌,張生英,等.農牧交錯區植被覆蓋度動態變化遙感監測:以寧夏鹽池為例[J].干旱區研究,2006,23(2):283-288. QIAO Feng,ZHANG Kebin,ZHANG Shengying,et al.RS monitoring on the dynamic chang of vegetation coverage in a farming-pasturing ecotons:A case study in Yanchi county,Ningxia Hui autonomous region[J].Arid Zone Research,2006,23(2):283-288.

[17]中國社科院西亞非洲研究所.肯尼亞[EB/OL].(2009-07-01)[2016-6-30] http://iwaas.cass.cn/gjgk/feizhou/2009-06-01/755.shtml.

(責任編輯：高麗華)

Study of Vegetation Coverage During 2000—2013 in Kenya Based on Remote Sensing Satellite

ZHU Xueshan1,3, JIANG Tao1, WEI Xianhu2,3, ZHANG Zongke2,3

(1. College of Geomatics, Shandong University of Science and Technology, Qingdao, Shandong 266590, China;2. Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100101, China;3. Sino-African Joint Research Center, Chinese Academy of Sciences, Wuhan, Hubei 430074, China)

Inversion of vegetation coverage in Kenya during 2000—2013 was first conducted based on MODIS-NDVI remote sensing data and dimidiate pixel model. Then relevant analyses of temporal and spatial variations were made by combining with land-use data. The results show that the vegetation coverage of Kenya increases gradually from northeast to southwest and higher vegetation coverage is found around Mount Kenya and around the Lake Victoria in the southwest. There is little change in overall vegetation coverage during 2000—2013 and the average vegetation coverage is 50%. The vegetation coverage in 2007 reaches 55.8%, the highest during this period. Rainy season has a greater impact on vegetation coverage in Kenya. The vegetation coverage during the long and short rainy seasons is significantly higher than that during the dry seasons. In 2006, the vegetation coverage during the long rainy season in May was 23.3% higher than that during the dry season in February.

Kenya; vegetation fraction; dimidiate pixel model; rainy season

2016-01-19

中國科學院海外科教基地建設計劃項目(SAJC201314)

朱學山(1989—)，男，山東棗莊人，碩士研究生，主要從事資源與環境遙感研究. E-mail:510572787a@163.com 江 濤(1961—)，男，山東濟南人，教授，博士，主要從事遙感信息處理與分析、資源與環境遙感等方面研究，本文通信作者. E-mail:tjiang@126.com

Q948

A

1672-3767(2016)06-0024-06