基于遥感卫星的肯尼亚2000—2013年植被覆盖度研究

朱学山，江 涛，魏显虎，张宗科

(1.山东科技大学 测绘科学与工程学院，山东 青岛 266590；2.中国科学院 遥感与数字地球研究所，北京 100101；3.中国科学院 中-非联合研究中心，湖北 武汉 430074 )



基于遥感卫星的肯尼亚2000—2013年植被覆盖度研究

朱学山1,3，江 涛1，魏显虎2,3，张宗科2,3

(1.山东科技大学 测绘科学与工程学院，山东 青岛 266590；2.中国科学院 遥感与数字地球研究所，北京 100101；3.中国科学院 中-非联合研究中心，湖北 武汉 430074 )

基于MODIS-NDVI遥感数据，采用像元二分模型，反演肯尼亚地区2000—2013年植被覆盖度，结合土地利用数据进行时空变化的相关分析。结果表明,肯尼亚全国的植被覆盖度由东北部向西南部逐渐增加，其中肯尼亚山周边及西南部维多利亚湖周围植被覆盖度较高。2000—2013年植被覆盖度总体变化不大，平均50%，其中2007年植被覆盖度达到最高，为55.8%。雨季对肯尼亚植被覆盖度的影响较大，长短雨季期间植被覆盖度明显高于旱季，特别是2006年5月长雨季比2月旱季植被覆盖度高出23.3%。

肯尼亚；植被覆盖度；像元二分模型；雨季

植被覆盖度是指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区域总面积的百分比[1]。植被覆盖度是植被茂密程度及植物进行光合作用面积大小，是反映地表植被群落生长态势的重要指标，对区域生态系统环境变化具有重要指标作用[2]。目前，测量植被覆盖度的方法主要分为地面测量和遥感测量两大类[3]：①地面测量方法即传统测量方法，包括目测法、采样法、仪器法等[4-5]。这些传统测量方法耗时、耗力，且具有难以获取连续时间等缺点[6]。随着遥感技术的日趋成熟，对大范围区域尺度上的植被覆盖研究大都是基于遥感来进行。其中，应用较为广泛的遥感方法有植被覆盖度与光谱指数相关分析方法、回归模型方法等，但上述方法具有操作过程复杂、测量时间长、受限制条件多、效率不高等缺点，因此不易推广；②遥感测量，包括经验模型法、植被指数法、像元分解法和光谱梯度法等，具有较高精度和较好适用性，可以推广到大范围地区。

近年来，随着中国对非洲的大力支持，使得中国在非洲的影响力与日俱增。肯尼亚作为东非重要国家，国家地势复杂气候条件多变，尤其是最近十几年降雨的相对减少和时空分布不规律造成众多自然灾害。因此，研究2000—2013年肯尼亚植被覆盖度及其变化情况，对肯尼亚部分区域的农业发展，整体的生态建设，以及自然环境的保护和开发利用都具有重要意义。

本文利用肯尼亚2000—2013年MODIS归一化植被指数(NDVI)数据，应用像元二分模型，估算肯尼亚的植被覆盖度，计算不同时期数值，然后进行动态分析，揭示其变化的原因和规律，为合理利用和保护土地资源提供帮助。

1 研究区概况

肯尼亚位于非洲东部，地理位置04°40′S～05°02′N，33°56′E～41°34′E，濒临印度洋，赤道横贯中部，东非大裂谷纵贯南北，国土面积58.3万 km2，其中陆地面积569 250 km2，水域面积13 400 km2[7]。东邻索马里，北与埃塞俄比亚、苏丹接壤，西连乌干达，南与坦桑尼亚相连，东南濒临印度洋，海岸线长536 km。全国平均海拔超过1 500 m，其中位于中部的肯尼亚山巴蒂安峰海拔5 199 m，为非洲第二高峰。

肯尼亚土地利用/土地覆盖受自然条件的影响，具有明显地带分布特点，总体来看，中西部高原为主要农业生产区，东南地区主要为草灌分布，北部地区地表大多为裸岩石砾或稀疏的草原，森林植被覆盖比较分散，主要分布在肯尼亚山、阿伯德尔山脉等山地上，除维多利亚湖以外，境内湖泊大部分沿东非大裂谷谷底分布。全境位于热带季风区，但受地势较高的影响为热带草原气候。肯尼亚年平均温度24℃，年平均降水量500～1 200 mm，且降水季节明显，每年有两个雨季，3—6月为长雨季，10—12月为短雨季，其余月份为旱季。

2 数据和方法

2.1 相关数据

2.1.1 MODIS数据

MODIS是TERRA和AUQA卫星装载的中分辨率成像光谱仪，具有36个光谱通道，分辨率有3种，分别为250、 50、 1 000 m，扫描宽度2 330 km。美国航空航天局(national aeronautics and space administration，NASA)将MODIS数据经过严格算法和处理形成44种标准数据产品。本文采用的遥感数据产品MODIS13Q1是MODIS陆地2级标准数据产品，数据来自NASA数据中心(http://wist.echo.nasa.gov/api)。数据的时间分辨率为16 d，数据格式是HDF，包括NDVI、EVI、蓝、红、近红、中红和VI质量文件等12层数据，并且每层数据都使用MVC(maximum value composite)法对16 d数据进行最大值合成。MODIS数据投影为正弦曲线投影，在实际应用中需要将EOD-HDF格式转换为大多数软件都支持的Tiff格式，投影方式转换为WGS84/Albers Equal Area Conic投影，通过MRT(MODIS reprojection tools)软件来完成的，同时可以完成图像的空间拼接和重采样，将16 d数据采用最大合成法(MVC)得到月NDVI数据，并利用肯尼亚国家边界矢量文件裁剪出肯尼亚国家2000—2013年NDVI栅格数据。

2.1.2 土地利用数据

采用肯尼亚1∶10万土地利用数据以2010年TM影像作为基础数据，通过人工目视解译得到数据，其平均精度达90%以上。参照国际地圈-生物圈计划(IGBP)全球土地覆盖分类系统和中国土地利用现状分类标准，将肯尼亚土地利用类型划分为耕地、林地、草地、水体、建筑用地和其他用地6个一级类型和18个二级类型，同时可用支持向量机的方法对影像进行分类，分类结果较为准确[8-9]。土地分类的数据主要用于不同土地类型植被覆盖度的变化分析，探究其变化的原因，然后就整体变化进行深入研究。

图1 肯尼亚土地利用图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]是一种非常简单的线性加权计算的定量遥感估算模型，原理是在单个像元上所表达的信息R有两部分组成：一部分为纯植被覆盖的信息RV，另外一部分为非植被覆盖(裸土)的信息RS，单个像元上的信息可表示为两者的线性加权之和：

R=RV+RS，

(1)

假设影像上一个像元中有植被覆盖的面积比例为fc，即该像元的植被覆盖度，那么非植被覆盖(裸土)所占的面积比例为1-fc。如果该像元全部被植被所覆盖，那么得到的遥感信息为Rveg，则混合像元的纯植被覆盖部分所贡献的信息RV可以表示为Rveg与fc的乘积：

RV=Rveg×fc，

(2)

而非植被覆盖(裸土)部分所贡献的信息RS可以表示为Rsoil与1-fc的乘积：

RS=Rsoil×(1-fc)，

(3)

通过式(1)～(3)可以解得植被覆盖度公式：

fc=(R-Rsoil)/(Rveg-Rsoil)。

(4)

其中,Rveg与Rsoil是像元二分模型的2个参数。因此，只要知道这2个参数就可以根据式(4)利用遥感信息来估算植被覆盖度。

2.2.2 由NDVI估算植被覆盖度

植被覆盖度和NDVI之间存在极显著的线性相关关系，通过建立两者之间的转换关系，可以直接提取植被覆盖度的信息[13]。根据像元二分模型的原理，一个像元的NDVI值同样可以表示为有植被覆盖的部分和无植被覆盖的部分组成的形式。植被覆盖度的计算公式可表示为：

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

(5)

其中：NDVIsoil表示为像元中完全是裸土或者是无植被覆盖区域的NDVI值，而NDVIveg则表示像元中完全由植被所覆盖区域的NDVI值。对于大多数类型裸地来说，NDVIsoil值在理论上应等于0，并且是不变的，但在实际获取数据过程中，受到众多因素的影响，使得NDVIsoil发生变化，范围一般在-0.1～0.2之间[14]。同样，由于NDVIveg受到植被类型和植被时空分布的影响，数值发生改变。因此，即使对于同一影像在计算植被覆盖度时，NDVIsoil和NDVIveg的值也不能使用固定值[15]。因此，本文在没有实测数据的情况下，利用图像在给定的置信区间内的最大值和最小值作为NDVImax与NDVImin的值。其中，NDVIveg值取影像中全覆盖植被土地的NDVImax值作为理想植被全覆盖地表，NDVIsoil值取影像中裸露土地的NDVImin值[16]。

3 结果分析与结论

3.1 肯尼亚多年平均植被覆盖度的空间格局

从2000—2013年平均植被覆盖度空间分布可以看出(图2)，肯尼亚植被覆盖度总体呈东北低西南高、由东北向西南递减的特征。另外，肯尼亚中西部高原地区及东南沿海地区植被覆盖度较高，北部地区植被覆盖度较低。肯尼亚14年间平均植被覆盖度为0.495，其中林地平均植被覆盖度最高，草地植被覆盖度居中，而裸地是除了冰雪之地外最低的，由此可见其空间差异非常明显。

图2 肯尼亚14年间平均植被覆盖度Fig.2 Average vegetation coverage in Kenya during the 14 years

图3 2000—2013年的年平均植被覆盖度Fig.3 Annual average vegetation coverage during 2000—2013

肯尼亚林地2000—2013年平均植被覆盖度达0.807，主要集中在肯尼亚山、阿伯德尔山脉等山地上，由于海拔较高，一般以雪松、竹林、柱子红树、罗汉松等为主要树种，且森林植被覆盖较分散，森林覆盖率约8%。

肯尼亚草地2000—2013年平均植被覆盖度达0.541，东南地区为草灌分布，北部地区大部分为稀疏草原，草地较多，占全国面积的40%以上，且具有典型东非高原稀树草原的分布格局。

肯尼亚裸地在2000—2013年平均植被覆盖度达0.283，裸地主要集中在北部东非大裂谷两侧，裸地上主要是裸岩石砾，还有少量荒漠植被。肯尼亚裸地约占全国面积的7%。

3.2 肯尼亚植被覆盖度的年际变化及空间格局

2000—2013年肯尼亚植被覆盖度总体变化不大，年平均植被覆盖度呈波浪式变化(图3)，2000年全国平均植被覆盖度最低为0.445，2007年最高为0.558，由线性分析可以看出肯尼亚植被覆盖度总体稍有下降，并且年平均植被覆盖度值与年份无明显相关关系。

由图4可以看出，肯尼亚不同区域植被覆盖度变化趋势不同，东南部地区呈减少趋势，部分地区显著减少；中西部高原除小部分地区外，总体呈增加趋势；北部地区呈增加趋势，特别是西北地区和东北局部地区均呈显著增加趋势。根据土地利用图可知，西北和东北林地的植被覆盖度明显增加，而东南方向草地的植被覆盖度则明显减少，维多利亚湖周围耕地的植被覆盖度部分明显增加、而其他部分则明显减少。

3.3 肯尼亚植被覆盖度的雨季和旱季变化

肯尼亚全境为热带草原气候，但西南部高原除大裂谷谷底地区较为干热外，属于亚热带森林气候，年降水量750～1 000 mm。东南沿海平原地区炎热湿润，年降水量500～1 200 mm，主要集中在5月份。北部和东半部是半沙漠区，气候干热少雨，年降水量250～500 mm[17]。肯尼亚3—6月为长雨季，10—12月为短雨季，其余月份为旱季。

由以上可知，肯尼亚植被和农作物的生长大部分需要在长短雨季进行，因此，雨季对植被覆盖度的影响巨大，特别是草原和耕地等区域。这里只对具有代表性的4个月份进行研究：长雨季5月、短雨季11月以及旱季2月和8月。2000—2013年这4个月份的肯尼亚植被覆盖度的变化情况如图5，可以看出雨季的5月和11月的植被覆盖度明显高于旱季的2月和8月。旱季的2个月份的植被覆盖度变化较一致，2月份植被覆盖度最高值是0.551，最低为0.372，8月份的植被覆盖度最高值为0.514，最低为0.378，总体来说波动不是很大；雨季的2个月份的植被覆盖度变化较大，5月份植被覆盖度的最高值为0.681，最低为0.351，11月份的植被覆盖度最高值为0.63，最低为0.364，可能与降雨量有直接关系，由于目前没有收集到更详细的肯尼亚降雨数据，就不进行推测，下一步将进行更深入定量研究。

图4 肯尼亚植被覆盖度变化趋势Fig. 4 Vegetation coverage change trend in Kenya

图5 4个月份的植被覆盖度变化Fig.5 Vegetation coverage changes during four months

4 结论

选用能较好反映植被生长状况的MODIS13Q1-NDVI影像来做累计，基于像元二分模型计算肯尼亚植被覆盖度，进而分析肯尼亚植被覆盖度的变化情况。研究发现，在2000—2013年肯尼亚年平均植被覆盖度变化不大，但局部植被覆盖度变化很大，在维多利亚湖周围、首都内罗毕周边以及东南沿海人类居住较多区域植被覆盖度明显减少，而西北大部和东北局部人类活动较少区域植被覆盖度明显增加，而雨季和旱季植被覆盖度的变化表明降雨对植被的影响。

肯尼亚植被覆盖度受土地类型、不同区域以及不同季节和月份等因素影响，数据分析表明近年来肯尼亚的植被覆盖度发生很大变化，特别是人类和降雨量影响较大，下一步可进行定量化研究。

[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.连江流域近18年来植被覆盖度变化分析[J].地理科学,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.三江源区植被覆盖度的定量估算与动态变化研究[D].青岛:山东科技大学,2011:5-11.

[4]邢著荣,冯幼贵,杨贵军,等.基于遥感的植被覆盖度估算方法述评[J].遥感技术与应用,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]张云霞,李晓兵,陈云浩.草地植被覆盖度的多尺度遥感与实地测量方法综述[J].地球科学进展,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]马娜,胡云峰,庄大方,等.基于遥感和像元二分模型的内蒙古正蓝旗植被覆盖度格局和动态变化[J].地理科学,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,别强,等.利用MODIS13Q1产品监测肯尼亚2001—2010年荒漠化动态[J].中国沙漠,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]张睿,张继贤,李海涛.地形数据辅助下的山区土地分类研究[J].山东科技大学学报(自然科学版),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]王明伟,王志平,赵春霞,等.基于最大似然和支持向量机方法的遥感影像地物分类精度评估与比较研究[J].山东科技大学学报(自然科学版),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]赵英时.遥感应用分析原理与方法[M].北京:科学出版社,2003.

[11]田海静,曹春香,戴晟懋,等.准格尔旗植被覆盖度变化的时间序列遥感监测[J].地球信息科学学报,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,吴炳方,颜长珍,等.密云水库上游植被覆盖的遥感估算[J].资源遥感,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,李建龙,陈奕兆,等.2001—2010年内蒙古植被覆盖度时空变化特征[J].地理学报,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]乔峰,张克斌,张生英,等.农牧交错区植被覆盖度动态变化遥感监测:以宁夏盐池为例[J].干旱区研究,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]中国社科院西亚非洲研究所.肯尼亚[EB/OL].(2009-07-01)[2016-6-30] http://iwaas.cass.cn/gjgk/feizhou/2009-06-01/755.shtml.

(责任编辑：高丽华)

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

中国科学院海外科教基地建设计划项目(SAJC201314)

朱学山(1989—)，男，山东枣庄人，硕士研究生，主要从事资源与环境遥感研究. E-mail:510572787a@163.com 江 涛(1961—)，男，山东济南人，教授，博士，主要从事遥感信息处理与分析、资源与环境遥感等方面研究，本文通信作者. E-mail:tjiang@126.com

Q948

A

1672-3767(2016)06-0024-06