基于MODIS數(shù)據(jù)和植被特征估算草地生物量*

姚興成, 曲恬甜, 常文靜, 尹 俊, 李永進(jìn), 孫振中**, 曾 輝,3

?

基于MODIS數(shù)據(jù)和植被特征估算草地生物量*

姚興成1, 曲恬甜1, 常文靜1, 尹 俊2**, 李永進(jìn)2, 孫振中1**, 曾 輝1,3

(1. 北京大學(xué)深圳研究生院城市規(guī)劃與設(shè)計(jì)學(xué)院 深圳 518055; 2. 云南省草原監(jiān)督管理站 昆明 650224; 3. 北京大學(xué)城市與環(huán)境學(xué)院 北京 100871)

準(zhǔn)確估算草地生物量, 對(duì)全球氣候變化背景下的陸地生態(tài)系統(tǒng)碳循環(huán)研究具有重要意義。過(guò)去幾十年, 草地生物量估算研究大多集中在北方, 而南方草地具有類型繁多和分布零散等特征, 對(duì)其生物量進(jìn)行評(píng)估的報(bào)道較少。本文以云南省為例, 應(yīng)用2012—2014年草地生物量野外調(diào)查資料和同期MODIS遙感數(shù)據(jù), 建立草地地上生物量(AGB)遙感估算模型; 再引入草地植被群落特征(高度和蓋度)信息對(duì)統(tǒng)計(jì)模型進(jìn)行優(yōu)化, 并進(jìn)行生物量空間反演。結(jié)果表明: 優(yōu)化后模型的估算精度由原來(lái)的35.0%提升為43.7%; 反演得到云南省3年年均AGB的總量介于1 026.86萬(wàn)~1 408.54萬(wàn)t, 平均為1 221.11萬(wàn)t; 從空間分布上看, 云南省草地AGB密度總體上呈現(xiàn)西部高東部低、南部高北部低的格局。本研究首次將遙感植被指數(shù)數(shù)據(jù)與實(shí)測(cè)植被群落特征參數(shù)結(jié)合, 使估算精度比傳統(tǒng)的純粹光學(xué)遙感模擬方法顯著提升24.9%, 但精確估算大面積的草地AGB, 需要進(jìn)一步探索如何將激光雷達(dá)數(shù)據(jù)或遙感立體影像中提取的植被特征信息應(yīng)用于草地AGB估算研究。

云南省; MODIS數(shù)據(jù); 地上生物量; 植被特征信息; 空間反演

草地是陸地生態(tài)系統(tǒng)的重要組成部分, 在全球氣候變化和碳循環(huán)中扮演著重要角色[1]。草地生物量可以用來(lái)判斷草地的生長(zhǎng)狀況和生產(chǎn)潛力, 準(zhǔn)確估算草地生物量及其動(dòng)態(tài)變化對(duì)研究全球碳循環(huán)和評(píng)估草地植被的生態(tài)效益具有重要意義[2-3]。

我國(guó)草地面積為3.55×108hm2, 占國(guó)土面積的41.7%[4]。自20世紀(jì)90年代中期, 一些學(xué)者相繼開展了我國(guó)草地植被生物量估算的研究[5-8]。這些研究主要集中在北方區(qū)域[9], 包括西藏、內(nèi)蒙古、青海及新疆等地。如牛志春等[7]利用TM遙感圖像和同期野外實(shí)測(cè)數(shù)據(jù), 建立了青海湖環(huán)湖地區(qū)草地植被生物量的遙感監(jiān)測(cè)模型; 張峰等[10]利用內(nèi)蒙古典型草原連續(xù)13年的地上生物量(aboveground biomass, AGB)資料, 基于遙感信息進(jìn)行生態(tài)系統(tǒng)碳循環(huán)過(guò)程的CASA模型驗(yàn)證, 并分析了內(nèi)蒙古典型草原1982— 2002年植被凈初級(jí)生產(chǎn)力的時(shí)間變異及其影響因子。據(jù)統(tǒng)計(jì), 南方各省有草山草坡6 000多萬(wàn)hm2, 占全國(guó)草地面積近1/6[11], 在北方草地趨于退化的情形下[12-13], 南方草地在全國(guó)草地生態(tài)系統(tǒng)中的地位越發(fā)重要。然而, 南方地形復(fù)雜、氣候差異顯著等因素導(dǎo)致草地的空間異質(zhì)性非常明顯, 表現(xiàn)為草地類型繁多, 且分布零散, 因而對(duì)云南省草地生物量進(jìn)行反演與估算的研究尚屬空白[14]。

生物量估算模型一般為: ①基于過(guò)程模型; ②基于經(jīng)驗(yàn)?zāi)Ｐ? ③基于生物量擴(kuò)張/轉(zhuǎn)換因子或系數(shù); ④定點(diǎn)數(shù)據(jù)與遙感數(shù)據(jù)結(jié)合[15]。在以上方法中, 定點(diǎn)數(shù)據(jù)與遙感數(shù)據(jù)結(jié)合的方法在大面積估算植被生物量時(shí)應(yīng)用較多, 尤其在具有野外生物量調(diào)查數(shù)據(jù)庫(kù)的區(qū)域[15]?，F(xiàn)有的清單數(shù)據(jù)和野外調(diào)查數(shù)據(jù)在進(jìn)行植被生態(tài)系統(tǒng)年度動(dòng)態(tài)評(píng)估時(shí)存在缺陷, 包括缺乏連續(xù)的空間覆蓋、較低的空間分辨率、行政邊界間不連續(xù)和明顯的時(shí)間滯后性等[16]。遙感數(shù)據(jù)具有廣泛的空間覆蓋、較高的時(shí)空分辨率及良好的一致性和穩(wěn)定性[17-20], 可以從一定程度上彌補(bǔ)上述不足。植被遙感定量研究利用已有的實(shí)地調(diào)查數(shù)據(jù), 建立以遙感植被指數(shù)或者環(huán)境因子為自變量、生物量為因變量的回歸模型, 在此基礎(chǔ)上推算整個(gè)區(qū)域的生物量[21]。在利用遙感影像(如Landsat和MODIS數(shù)據(jù)等)計(jì)算的各種植被指數(shù)中, 歸一化植被指數(shù)(normalized difference vegetation index, NDVI)是較為常用的植被生物量指示指標(biāo), 為監(jiān)測(cè)不同尺度植被生物量的時(shí)空分異特征提供了一個(gè)理想的可量化參數(shù)[22-23]。但是, 用NDVI估算生物量有一定的局限性, 包括遙感平臺(tái)及傳感器性能限制、影像容易受到云和氣溶膠的影響以及NDVI存在數(shù)據(jù)飽和的問(wèn)題等[24-26]。前人研究發(fā)現(xiàn), 生物量隨著物種組成和植被高度的變化而變化[27], 激光雷達(dá)具有直接測(cè)量冠層高度分布的特點(diǎn), 適合大面積生物量估算[20]。因此, 將植被群落特性信息(如, 高度和蓋度等)與NDVI聯(lián)合, 可以為植被生物量研究提供新的思路。本研究考慮到雷達(dá)數(shù)據(jù)的可獲取性以及植被高度跟種群的相關(guān)性[26], 在進(jìn)行草地生物量反演時(shí)加入草地植被群落特征參數(shù), 為用模型進(jìn)行大面積生物量估算提供參考。

本文以云南省為研究區(qū)域, 利用MODIS數(shù)據(jù)計(jì)算的NDVI, 結(jié)合同期草地AGB實(shí)測(cè)數(shù)據(jù), 建立基于NDVI的草地AGB估算模型, 并應(yīng)用植物群落的高度和蓋度等特征, 對(duì)估算模型進(jìn)行優(yōu)化, 探討①將植被群落特征信息引入草地AGB估算模型是否有助于提升估算精度; ②云南省草地AGB的空間分布規(guī)律; ③以云南為代表的南方草地在我國(guó)草地生態(tài)系統(tǒng)中的地位。旨在為我國(guó)草地生物量估算、載畜能力評(píng)估以及持續(xù)利用提供科學(xué)依據(jù)。

1 數(shù)據(jù)獲取與研究方法

1.1 研究區(qū)概況

云南省地處中國(guó)西南邊陲, 位于21°09′~29°15′N、97°30′~106°00′E(圖1), 區(qū)域海拔差異顯著, 為76.4~ 6 740 m。云南省總土地面積為3.94×107hm2, 其中草地面積為1.527×107hm2, 占總土地面積的38.7%, 可利用草地面積為1.187×107hm2[28]。氣候類型屬于高原型的熱帶季風(fēng)氣候, 具有年溫差小, 日溫差大, 雨量充沛的氣候特征。全省平均氣溫24 ℃, 年平均降雨量1 100 mm, 冬春季降水僅占年降水的20%左右。良好的自然環(huán)境為植物生長(zhǎng)提供了適宜的光照、土壤、氣候等環(huán)境, 形成了生物資源的多樣性。根據(jù)實(shí)地調(diào)研情況, 云南省的植被類型圖主要有高寒草甸類、溫性草原類、山地草甸類、暖性(灌)草叢類、熱性(灌)草叢類、干熱稀樹灌草叢類等幾大類。

1.2 研究方法

1.2.1 草地生物量地面調(diào)查

外業(yè)調(diào)查時(shí)間主要集中在2012—2014年草地生長(zhǎng)季, 根據(jù)草地類型的空間分布特征和面積大小, 共在云南地區(qū)設(shè)計(jì)了305塊調(diào)查樣地。在2012— 2014年8—10月期間, 對(duì)分布面積較大的草地進(jìn)行了調(diào)查, 采樣點(diǎn)包括云南省58個(gè)縣/縣級(jí)市。在進(jìn)行數(shù)據(jù)處理時(shí)剔除了表現(xiàn)異常的個(gè)別采樣點(diǎn)數(shù)據(jù), 最終剩下684個(gè)數(shù)據(jù)用于建模和驗(yàn)證(圖1), 其中2012年設(shè)置138個(gè)采樣點(diǎn); 2013年設(shè)置230個(gè)樣點(diǎn); 2014年擴(kuò)大了草地調(diào)查的范圍和類型, 設(shè)置了316個(gè)采樣點(diǎn)。

樣地設(shè)置在草地植被空間分布均一, 具有代表性的典型地段。在植被群落均一性較好的樣地內(nèi)設(shè)置1或2個(gè)0.5 m′0.5 m的樣方, 在植被類型比較復(fù)雜、分布不均勻的區(qū)域設(shè)置3或4個(gè)1.0 m′1.0 m的樣方。在樣地的基本特征調(diào)查中, 主要記錄樣地所隸屬行政區(qū)、草地類型、地形、季節(jié)利用方式和利用狀況等。利用GPS測(cè)定樣方的經(jīng)緯度和海拔, 同時(shí)在樣方內(nèi)采用常規(guī)植被調(diào)查法測(cè)定植物種數(shù)、植被蓋度、群落平均高度及總地上生物量等指標(biāo)。

1.2.2 遙感數(shù)據(jù)獲取及處理

本研究所使用的遙感數(shù)據(jù)為USGS(美國(guó)地質(zhì)調(diào)查局)提供的EOS/MODIS MOD13Q1數(shù)據(jù), 該數(shù)據(jù)空間分辨率為250 m, 是16 d合成圖像, 數(shù)據(jù)格式為EOS-HDF, 空間位置在全球正弦曲線投影SIN(sinusoidal projection)系統(tǒng)中編號(hào)為h26v06和h27v06的兩景圖像, 時(shí)間序列為2012—2014年草原生長(zhǎng)季(8—10月), 共計(jì)6幅云量小于10%的遙感影像。

利用MODIS專業(yè)處理軟件MRT(MODIS Reprojection Tools)對(duì)下載的NDVI數(shù)據(jù)進(jìn)行投影和格式轉(zhuǎn)換處理, 并設(shè)置為統(tǒng)一的Albers投影(第1標(biāo)準(zhǔn)緯度: 25°N, 第2標(biāo)準(zhǔn)緯度: 47°N, 中央經(jīng)線: 105°E, 大地基準(zhǔn)面: WGS84)。根據(jù)研究區(qū)植被特征, 并參考國(guó)內(nèi)外草地地上生物量相關(guān)研究, 利用遙感軟件ENVI及地理信息系統(tǒng)軟件ArcGIS, 從MODIS數(shù)據(jù)中提取歸一化植被指數(shù)NDVI, 計(jì)算公式[29]為:

植被覆蓋度與NDVI之間具有極顯著線性相關(guān)關(guān)系, 因此可以利用NDVI提取植被覆蓋度信息[30-31]。根據(jù)像元二分模型, 每個(gè)像元的NDVI值可以表達(dá)為由綠色植物部分所貢獻(xiàn)的信息NDVIveg與裸土部分所貢獻(xiàn)的信息NDVIsoil2部分組成, 則植被覆蓋度的公式[32]如下:

式中:c為植被覆蓋度; NDVIsoil為完全裸土或無(wú)植被覆蓋區(qū)域的NDVI值, 本研究中選取土地單元內(nèi)累積頻率為0.5%的NDVI值為NDVIsoil; NDVIveg則表示完全被植被覆蓋區(qū)域的NDVI值, 本研究中選取土地單元內(nèi)累積頻率為99.5%的NDVI值為NDVIveg。

1.2.3 回歸模型建立與精度驗(yàn)證

利用統(tǒng)計(jì)軟件SPSS進(jìn)行NDVI、植被特征信息(高度和蓋度)與樣點(diǎn)實(shí)測(cè)AGB數(shù)據(jù)的相關(guān)分析和回歸分析, 得到以NDVI、植被特征為自變量的AGB遙感估算回歸模型?然后, 利用實(shí)測(cè)樣點(diǎn)AGB數(shù)據(jù)與建立的遙感估算模型計(jì)算的AGB進(jìn)行比較, 通過(guò)均方根誤差(RMSE)和估算精度(Accuracy)對(duì)模型進(jìn)行精度分析[33]?RMSE和Accuracy的計(jì)算公式如下:

式中: RMSE為均方根誤差; Accuracy為估算精度,Y為實(shí)測(cè)草地AGB(g?m-2),Y′為草地AGB估算值(g?m-2),為實(shí)測(cè)草地AGB平均值(g?m-2),為樣點(diǎn)數(shù)?

2 結(jié)果與分析

2.1 AGB-NDVI建模與檢驗(yàn)

從2012—2014年地面樣方調(diào)查的684個(gè)AGB數(shù)據(jù)里面隨機(jī)挑選出600個(gè)數(shù)據(jù), 用ArcGIS從MODIS數(shù)據(jù)中提取與地面樣方位置對(duì)應(yīng)的同時(shí)期NDVI值, 建立草地單位面積的AGB與NDVI的一元線性回歸方程。結(jié)果發(fā)現(xiàn)AGB與NDVI呈顯著正線性相關(guān)(=0.297,<0.01), 回歸方程為:

=3 331.172-405.647 (5)

式中:為AGB,為NDVI。

將預(yù)留的84個(gè)地面樣方數(shù)據(jù)代入公式(3)和(4)對(duì)回歸方程(5)進(jìn)行精度驗(yàn)證, 發(fā)現(xiàn)估算精度為35.0% (圖2)。

2.2 不同類型草地植被特征與生物量

據(jù)從云南省獲得的草地AGB野外調(diào)查資料可知, 云南省主要的草地植被類型有9大類(圖3)。從圖3可以看出, 隨著草地類型由高寒到溫性、再到熱性的變化過(guò)程中, 草地植被的平均高度(average height, AH)逐漸增加, 平均蓋度(average coverage, AC)沒(méi)有明顯變化, 而草地植被的AGB呈現(xiàn)出逐漸增大的趨勢(shì)。此外, 草地AGB和AH的標(biāo)準(zhǔn)誤差較大, 而AC的標(biāo)準(zhǔn)誤差較小, 說(shuō)明在同類草地植被中, AGB和AH的變化波動(dòng)較大, AC的變化較小。進(jìn)一步對(duì)AGB與AH和AC做相關(guān)性分析, 結(jié)果顯示AGB與AH、AC均有明顯的正相關(guān)關(guān)系(表1)。因此, 融入草地植被的群落特征(高度和蓋度)有助于更準(zhǔn)確地估算草地AGB。

1: 高寒草甸類; 2: 高寒草甸草原類; 3: 山地草甸類; 4: 暖性草叢類; 5: 暖性灌草叢類; 6: 溫性草甸草原類; 7: 熱性灌草叢類; 8: 熱性草叢類; 9: 干熱稀樹灌草叢類。1: alpine meadow type; 2: high-cold meadow-steppe type; 3: montane meadow type; 4: warm-temperate herbosa type; 5: warm-temperate shrub herbosa type; 6: temperate meadow-steppe type; 7: tropical shrub herbosa type; 8: tropical herbosa type; 9: arid-tropical shrub herbosa scattered with tree type.

表1 云南省草地地上部生物量(AGB)與植被高度(AH)和蓋度(AC)的相關(guān)分析

2.3 草地AGB估算模型優(yōu)化

將植被群落特征信息加入回歸模型, 用600個(gè)樣點(diǎn)進(jìn)行以AGB為因變量, 以NDVI、高度和蓋度為自變量的多元線性回歸分析, 結(jié)果發(fā)現(xiàn)回歸方程的擬合優(yōu)度有了顯著提升(=0.614,<0.01), 通過(guò)檢驗(yàn)發(fā)現(xiàn)各自變量之間不存在多重共線性(表2)?；貧w方程為:

=2 280.1711+36.8422+15.8923-2 015.156 (6)

式中:為AGB,1為NDVI,2為植被平均高度,3為植被蓋度。

將預(yù)留的84個(gè)地面樣點(diǎn)數(shù)據(jù)代入公式(3)和(4)對(duì)回歸方程(6)進(jìn)行精度驗(yàn)證, 發(fā)現(xiàn)估算精度提升為43.7%(圖4)。優(yōu)化后的回歸模型比之前的擬合優(yōu)度提升了0.289, 估算精度提高了8.7%, 顯然, 模型的優(yōu)化對(duì)于準(zhǔn)確估算云南省草地AGB具有很好的促進(jìn)作用。

表2 云南省草地地上部生物量估算回歸模型系數(shù)及其檢驗(yàn)結(jié)果

2.4 云南省AGB反演與空間分布特征

在利用優(yōu)化后的回歸模型對(duì)云南省草地AGB進(jìn)行反演時(shí), 考慮到全局空間范圍草地植被群落特性數(shù)據(jù)的可獲取性, 在本研究中進(jìn)行了數(shù)據(jù)的簡(jiǎn)化處理, 即用不同類型草地植被的平均高度代替真實(shí)高度, 然后代入回歸模型應(yīng)用GIS中的柵格計(jì)算器等技術(shù)手段進(jìn)行空間反演。

在1︰100萬(wàn)草地類型圖分類系統(tǒng)中, 未對(duì)云南省的高寒草甸、高寒草甸草原、溫性草甸草原和干熱稀樹灌草叢這4類較少的草地類型進(jìn)行統(tǒng)計(jì), 只統(tǒng)計(jì)了優(yōu)勢(shì)種群。因此根據(jù)分類系統(tǒng)將研究區(qū)草地分為6種類型: 低地草甸類、山地草甸類、暖性草叢類、暖性灌草叢類、熱性草叢類及熱性灌草叢類。其中, 除了低地草甸類外, 其余類型草地的高度在地面樣方調(diào)查中均有統(tǒng)計(jì)(圖3); 根據(jù)以前的研究[5,34],低地草甸的高度為18.77~31.00 cm, 取其平均值, 得到低地草甸的AH為24.89 cm。最終得到云南省6種主要草地類型的AH及其標(biāo)準(zhǔn)誤(表3)。

根據(jù)從MODIS數(shù)據(jù)中提取的2012—2014年的NDVI數(shù)據(jù), 利用ArcGIS計(jì)算3年NDVI的最大值、最小值和平均值(圖5); AH的最大值為均值減去標(biāo)準(zhǔn)誤, AH的最小值為平均值減去標(biāo)準(zhǔn)誤; 根據(jù)NDVI, 可以計(jì)算得出植被覆蓋度的最大值、平均值和最小值(圖6)。再應(yīng)用GIS中的柵格計(jì)算器將NDVI值、AH及植被覆蓋度代入回歸模型(6), 進(jìn)行云南省草地生物量的空間反演, 得到3年AGB密度的最大值、最小值和平均值(圖7)?？梢钥闯? 云南省草地AGB具有明顯的空間分布特征, 西部AGB密度普遍比東部高, 南部總體上比北部高, 這可能與氣溫、降水等環(huán)境因素的影響有關(guān)。

表3 云南省主要草地類型的植被特征

云南省2012—2014年草地AGB密度介于1 376.76~ 1 888.51 kg?hm-2, 平均為1 637.21 kg?hm-2。云南省總的草地面積為7 458 498.06 hm2, 由此計(jì)算得到, 年均總的草地AGB介于1 026.86萬(wàn)~1 408.54萬(wàn)t, 平均為1 221.11萬(wàn)t。從行政分區(qū)上看(表4), 密度較大的草地位于西雙版納、德宏和普洱等地, 主要分布在云南的南部和西南部地區(qū); 而密度較小的草地位于西北的迪慶和東部的曲靖等地?？侫GB最大的地區(qū)位于紅河哈尼族彝族自治州, 達(dá)148.16萬(wàn)t, 其次是普洱、昭通等地, 而總AGB最小的地區(qū)位于德宏和怒江傈傈族自治州等地。

經(jīng)過(guò)統(tǒng)計(jì)發(fā)現(xiàn), 不同草地類型的AGB差異較大(表5), 從圖1的草地類型分布圖中可以看出, AGB密度最小的山地草甸類主要分布在云南的西北部, 而最大的熱性草叢和暖性草叢主要分布在中部和南部。暖性草叢和暖性灌草叢分布最為廣泛, 這兩類草地的總體AGB也較大, 分別達(dá)611.26萬(wàn)t和412.92萬(wàn)t。

3 討論

空間異質(zhì)性是草地生態(tài)系統(tǒng)的一個(gè)重要特征[35], 不同類型的草地植被之間, 高度和蓋度等植被特征存在明顯的差異。徐敏云等[34]對(duì)河北省草地蓋度、高度和產(chǎn)草量的年際變化進(jìn)行了監(jiān)測(cè)研究, 發(fā)現(xiàn)7種類型的草地植被之間的蓋度差異很大, 其中山地草甸的植被蓋度最大, 為93.97%; 溫性草原的植被蓋度最小, 為57.63%。草地之間的高度差異也比較顯著, 暖性草叢草地植被高度最高, 為49.25 cm; 低地草甸最低, 為18.77 cm。高陽(yáng)等[36]根據(jù)氣候-植被特征, 選取森林草原、典型草原和荒漠草原3種不同類型草地進(jìn)行群落特征研究, 結(jié)果也表明3種草地的蓋度和高度存在顯著性差異。云南省山地面積約占94%, 且地形陡峭、切割破碎[37], 是全球地形地貌最復(fù)雜多變的地區(qū)之一; 全省海拔相差很大, 最高點(diǎn)與最低點(diǎn)相差6 663.6 m[38]。特殊的地形地貌和懸殊的海拔差異形成了云南多樣性氣候, 控制了復(fù)雜的水熱條件引起的物種選擇、資源競(jìng)爭(zhēng)和生境變化, 造成了生態(tài)系統(tǒng)的物種多樣性[39], 由此形成草地群落間顯著的空間異質(zhì)性。本研究(表3)表明, 云南不同類型的草地植被蓋度和高度差異明顯, 與徐敏云等[34]的結(jié)果基本一致。

草地植被的高度、蓋度等特征是描述群落生長(zhǎng)狀況、反映產(chǎn)量高低較為理想的特征量[40]。大多數(shù)草地植被高度增長(zhǎng)與生物量增長(zhǎng)呈正相關(guān), 生物量峰值與植株高度峰值同時(shí)出現(xiàn)[41]。本研究中植被高度與生物量呈顯著的正相關(guān)(=0.539,<0.001)。草地植被蓋度也是生物量高低的重要表征量, 陳生云等[42]在研究植被物種多樣性和生物量的關(guān)系時(shí), 發(fā)現(xiàn)群落蓋度與生物量具有極顯著的線性相關(guān)關(guān)系(=0.96,<0.001), 與本研究結(jié)果相符(=0.104,< 0.001, 表2)。因此, 本研究綜合MODIS數(shù)據(jù)與實(shí)測(cè)的不同類型草地特征數(shù)據(jù)進(jìn)行草地AGB的估算, 使估算精度比傳統(tǒng)的光學(xué)遙感模擬方法顯著提升了24.9%, 而此方法對(duì)于準(zhǔn)確估算草地AGB的應(yīng)用尚少見(jiàn)報(bào)道。大量研究證實(shí)森林垂直結(jié)構(gòu)參數(shù)的反演有助于森林生物量的估測(cè), 于穎等[43]通過(guò)對(duì)大光斑激光雷達(dá)數(shù)據(jù)GLAS波形的處理, 建立模型反演森林生物量, 理論精度達(dá)到91.3%。本研究方法為今后估算草地生物量提供了一個(gè)新的思路。

表4 云南省各市/州2012—2014年草地平均地上部生物量(ABG)

表5 云南省各市/州2012—2014年不同類型草地平均地上部生物量(AGB)

結(jié)果顯示云南省2012—2014年草地AGB均值為1 221.11萬(wàn)t, 在相同的草地面積下, 樸世龍等[8]在全國(guó)尺度估算的云南省草地生物量比本研究估算的均值低185.11萬(wàn)t; 在區(qū)域水平上, Xu等[44]利用MODIS影像和地面實(shí)測(cè)數(shù)據(jù)估算了全中國(guó)6大草地區(qū)域的生產(chǎn)力, 得出云南省2004的估算結(jié)果為1 520.33萬(wàn)t, 2005年為1 154.87萬(wàn)t, 與本研究估算結(jié)果接近。由于Xu等[44]采用的云南省草地面積(104 274 km2)大于本研究的草地面積, 因此計(jì)算的單位面積生物量(1 108 kg?hm-2)小于本研究的結(jié)果。與以往在中國(guó)北方的研究結(jié)果相比, 云南草地AGB平均密度普遍大于北方, 如馬文紅等[45]利用AGB與遙感數(shù)據(jù)之間的關(guān)系, 計(jì)算出中國(guó)北方草地AGB密度為790 kg?hm-2; 賈峰等[46]將19個(gè)北方草地地面定位監(jiān)測(cè)點(diǎn)的實(shí)測(cè)資料數(shù)據(jù)進(jìn)行了分析、歸納和總結(jié), 得出中國(guó)北方典型草原草地的AGB密度為1 112 kg?hm-2。我國(guó)草地植被總AGB為29 232萬(wàn)t[8], 本研究結(jié)果顯示云南生物量范圍為1 026.86萬(wàn)~ 1 408.54萬(wàn)t, 按照這一估算范圍, 計(jì)算出云南草地生物量占全國(guó)比重介于3.5%~4.8%, 在計(jì)算全國(guó)草地生物量時(shí)不可忽略。

本研究利用植被群落特征信息提升了復(fù)雜地形條件下草地生物量估算精度, 但在方法上仍存在一些不確定性。首先, 采用的是1︰100萬(wàn)草地分類地圖, 難免會(huì)忽略面積較小的草地, 造成總的草地面積偏小, 使估算的總生物量偏小。其次, 在進(jìn)行空間尺度轉(zhuǎn)換時(shí)可能會(huì)產(chǎn)生誤差[47]: 使用的是250 m空間分辨率的MODIS影像, 影像算法容易將分散的小塊草地和大塊草地的邊緣判別為非草地植被類型的地塊, 由此計(jì)算的NDVI可能與實(shí)地調(diào)研的生物量數(shù)據(jù)不匹配, 在進(jìn)行模擬時(shí)會(huì)高估生物量; 1︰100萬(wàn)草地類型圖與250 m分辨率的遙感影像在進(jìn)行空間匹配時(shí), 地圖邊緣會(huì)產(chǎn)生像元帶來(lái)的誤差, 這種誤差是難以避免且不容易評(píng)估的。此外, 只對(duì)整個(gè)云南省的草地?cái)?shù)據(jù)進(jìn)行統(tǒng)一建模, 并未分植被類型建模, 沒(méi)有充分考慮不同草地類型相對(duì)獨(dú)立的特點(diǎn)和規(guī)律, 因此建立的模型具有一定的不確定性。如果采用更高分辨率的遙感影像(比如Landsat數(shù)據(jù))可能會(huì)減小尺度轉(zhuǎn)換帶來(lái)誤差, 但可能帶來(lái)新的問(wèn)題, 例如: 整個(gè)云南省共需17幅Landsat影像, 在進(jìn)行拼接時(shí), 難免出現(xiàn)邊界突變的狀況, 而且經(jīng)常遇到所需時(shí)期的影像有云遮蓋的情況, 這將導(dǎo)致在計(jì)算植被指數(shù)時(shí)產(chǎn)生偏差。因此, 綜合考慮后采用MODIS數(shù)據(jù)。利用激光雷達(dá)數(shù)據(jù)(LiDAR)獲取的植被真實(shí)高度能讓估算結(jié)果更加精確[20], 但這類數(shù)據(jù)尚未大范圍應(yīng)用于草地植被, 從數(shù)據(jù)獲取到數(shù)據(jù)處理都不成熟[48]。本文只能采用簡(jiǎn)化處理手段, 用不同類型草地植被的平均高度代替真實(shí)高度, 做初步的探索性研究, 精確估算大面積的草地AGB, 需要進(jìn)一步探索如何從激光雷達(dá)數(shù)據(jù)或遙感立體影像中提取植被的垂直特征信息。

4 結(jié)論

本研究綜合遙感數(shù)據(jù)與地面實(shí)測(cè)生物量數(shù)據(jù), 采用優(yōu)化的估算模型分析了云南省草地AGB及其空間分布格局, 得出以下結(jié)論:

1)用植被特征信息(高度和蓋度)確實(shí)優(yōu)化了草地AGB遙感估算模型, 優(yōu)化后的模型比之前的擬合優(yōu)度提升0.289, 使估算精度提高24.9%, 此方法更適宜地勢(shì)復(fù)雜、氣候多變、草地植被類型分布零散的區(qū)域。

2)云南省2012—2014年草地年均AGB介于1 026.86萬(wàn)~1 408.54萬(wàn)t, 平均為1 221.11萬(wàn)t, 占全國(guó)的4.1%, 表明在計(jì)算全國(guó)生物量時(shí)不可忽視以云南為代表的南方草地。云南省草地AGB密度總體上呈現(xiàn)西部高東部低、南部高北部低的空間分布格局。

3)云南省各市/州之間草地AGB密度介于1 130.12~ 2 116.03 kg?hm-2; 不同草地類型之間AGB密度相差較大, 由山地草甸到暖性草叢再到熱性草叢有增大的趨勢(shì), 表現(xiàn)為: 山地草甸類(1 071.73 kg?hm-2)<低地草甸類(1 552.45 kg?hm-2)<熱性灌草叢類(1 579.80 kg?hm-2)<暖性灌草叢類(1 588.12 kg?hm-2)<暖性草叢類(1 771.02 kg?hm-2)<熱性草叢類(2 004.37 kg?hm-2)。

致謝 衷心感謝在云南省草地生物量野外調(diào)查過(guò)程中提供幫助的工作人員; 感謝朱再春博士幫助修改文章。

[1] 趙明偉, 岳天祥, 孫曉芳, 等. 基于草地綜合順序分類系統(tǒng)(IOCSG)的中國(guó)北方草地地上生物量高精度模擬[J]. 生態(tài)學(xué)報(bào), 2014, 34(17): 4891–4899 Zhao M W, Yue T X, Sun X F, et al. High accuracy simulation of aboveground biomass in northern China based on IOCSG[J]. Acta Ecologica Sinica, 2014, 34(17): 4891–4899

[2] Mao D H, Wang Z M, Li L, et al. Spatiotemporal dynamics of grassland aboveground net primary productivity and its association with climatic pattern and changes in Northern China[J]. Ecological Indicators, 2014, 41: 40–48

[3] Le Toan T, Quegan S, Davidson M M J, et al. The biomass mission: Mapping global forest biomass to better understand the terrestrial carbon cycle[J]. Remote Sensing of Environ-ment, 2011, 115(11): 2850–2860

[4] 張彩琴, 張軍, 李茜若. 草地植被生物量動(dòng)態(tài)研究視角與研究方法評(píng)述[J]. 生態(tài)學(xué)雜志, 2015, 34(4): 1143–1151 Zhang C Q, Zhang J, Li X R. A review on the research perspectives and methods for grassland vegetation biomass dynamics[J]. Chinese Journal of Ecology, 2015, 34(4): 1143–1151

[5] 韓廣. 東北平原西部低地草甸的遙感估產(chǎn)模型研究[J]. 遙感技術(shù)與應(yīng)用, 1996, 11(2): 20–25 Han G. A study on the mathematical model of remote rensing estimating yield for lowland meadow in the western part of northeast plain[J]. Remote Sensing Technology and Application, 1996, 11(2): 20–25

[6] Ni J. Carbon storage in grasslands of China[J]. Journal of Arid Environments, 2002, 50(2): 205–218

[7] 牛志春, 倪紹祥. 青海湖環(huán)湖地區(qū)草地植被生物量遙感監(jiān)測(cè)模型[J]. 地理學(xué)報(bào), 2003, 58(5): 695–702 Niu Z C, Ni S X. Study on models for monitoring of grassland biomass around Qinghai Lake assisted by remote sensing[J]. Acta Geographica Sinica, 2003, 58(5): 695–702

[8] 樸世龍, 方精云, 賀金生, 等. 中國(guó)草地植被生物量及其空間分布格局[J]. 植物生態(tài)學(xué)報(bào), 2004, 28(4): 491–498 Piao S L, Fang J Y, He J S, et al. Spatial distribution of grassland biomass in China[J]. Acta Phytoecologica Sinica, 2004, 28(4): 491–498

[9] 劉思瑤. 遙感過(guò)程模型應(yīng)用于中國(guó)南方草地近30年碳儲(chǔ)量變化的研究[D]. 成都: 成都理工大學(xué), 2014 Liu S Y. Carbon storage changes in grassland of southern China between 1982 to 2012 by remote sensing process model[D]. Chengdu: Chengdu University of Technology, 2014

[10] 張峰, 周廣勝, 王玉輝. 基于CASA模型的內(nèi)蒙古典型草原植被凈初級(jí)生產(chǎn)力動(dòng)態(tài)模擬[J]. 植物生態(tài)學(xué)報(bào), 2008, 32(4): 786–797 Zhang F, Zhou G S, Wang Y H. Dynamics simulation of net primary productivity by a satellite data-driven CASA model in inner Mongolian typical steppe, China[J]. Journal of Plant Ecology, 2008, 32(4): 786–797

[11] 孫成明, 劉濤, 田婷, 等. 基于MODIS的南方草地NPP遙感估算與應(yīng)用[J]. 草業(yè)學(xué)報(bào), 2013, 22(5): 11–17 Sun C M, Liu T, Tian T, et al. Remote sensing estimation and application of grassland NPP based on MODIS data in southern China[J]. Acta Prataculturae Sinica, 2013, 22(5): 11–17

[12] 姜曄, 畢曉麗, 黃建輝, 等. 內(nèi)蒙古錫林河流域植被退化的格局及驅(qū)動(dòng)力分析[J]. 植物生態(tài)學(xué)報(bào), 2010, 34(10): 1132–1141 Jiang Y, Bi X L, Huang J H, et al. Patterns and drivers of vegetation degradation in Xilin River Basin, Inner Mongolia, China[J]. Chinese Journal of Plant Ecology, 2010, 34(10): 1132–1141

[13] 趙英偉, 劉黎明, 白曉飛. 西部大開發(fā)草地資源可持續(xù)利用評(píng)價(jià)與發(fā)展對(duì)策[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2004, 12(2): 15–18 Zhao Y W, Liu L M, Bai X F. Evaluation and countermeasures of the sustainable utilization of grassland resources in development of western China[J]. Chinese Journal of Eco- Agriculture, 2004, 12(2): 15–18

[14] 孫成明, 劉濤, 田婷, 等. 南方3種類型草地地上生物量的光譜估測(cè)模型[J]. 揚(yáng)州大學(xué)學(xué)報(bào): 農(nóng)業(yè)與生命科學(xué)版, 2012, 33(4): 51–55 Sun C M, Liu T, Tian T, et al. Hyperspectral estimation model of above-ground biomass of three kinds of grassland types in South China[J]. Journal of Yangzhou University: Agricultural and Life Science Edition, 2012, 33(4): 51–55

[15] Wang G X, Oyana T, Zhang M Z, et al. Mapping and spatial uncertainty analysis of forest vegetation carbon by combining national forest inventory data and satellite images[J]. Forest Ecology and Management, 2009, 258(7): 1275–1283

[16] Gu Y X, Wylie B K, Bliss N B. Mapping grassland productivity with 250-m eMODIS NDVI and SSURGO database over the Greater Platte River Basin, USA[J]. Ecological Indicators, 2013, 24: 31–36

[17] Kumar L, Schmidt K, Dury S, et al. Imaging spectrometry and vegetation science[M]//van der Meer F D, De Jong S M. Imaging Spectrometry. Netherlands: Springer, 2001: 111–155

[18] Wylie B K, Zhang L, Bliss N, et al. Integrating modelling and remote sensing to identify ecosystem performance anomalies in the boreal forest, yukon river basin, alaska[J]. International Journal of Digital Earth, 2008, 1(2): 196–220

[19] Psomas A, Kneubühler M, Huber S, et al. Hyperspectral remote sensing for estimating aboveground biomass and for exploring species richness patterns of grassland habitats[J]. International Journal of Remote Sensing, 2011, 32(24): 9007–9031

[20] Zolkos S G, Goetz S J, Dubayah R. A meta-analysis of terrestrial aboveground biomass estimation using lidar remote sensing[J]. Remote Sensing of Environment, 2013, 128: 289–298

[21] Myneni R, Dong J, Tucker C, et al. A large carbon sink in the woody biomass of northern forests[J]. Proceedings of the National Academy of Sciences of the United States of America, 2001, 98(26): 14784–14789

[22] Zhang B H, Zhang L, Xie D, et al. Application of synthetic NDVI time series blended from Landsat and MODIS data for grassland biomass estimation[J]. Remote Sensing, 2015, 8(1): 10

[23] 李素英, 李曉兵, 鶯歌, 等. 基于植被指數(shù)的典型草原區(qū)生物量模型——以內(nèi)蒙古錫林浩特市為例[J]. 植物生態(tài)學(xué)報(bào), 2007, 31(1): 23–31 Li S Y, Li X B, Ying G, et al. Vegetation indexes-biomass models for typical semi-arid stepp — A case study for Xilinhot in northern China[J]. Journal of Plant Ecology, 2007, 31(1): 23–31

[24] Mutanga O, Skidmore A K. Hyperspectral band depth analysis for a better estimation of grass biomass () measured under controlled laboratory conditions[J]. International Journal of Applied Earth Observation and Geoinformation, 2004, 5(2): 87–96

[25] Hyde P, Dubayah R, Walker W, et al. Mapping forest structure for wildlife habitat analysis using multi-sensor (LiDAR, SAR/InSAR, ETM+, Quickbird) synergy[J]. Remote Sensing of Environment, 2006, 102(1/2): 63–73

[26] Zhang G, Ganguly S, Nemani R R, et al. Estimation of forest aboveground biomass in california using canopy height and leaf area index estimated from satellite data[J]. Remote Sensing of Environment, 2014, 151: 44–56

[27] Zheng D L, Rademacher J, Chen J Q, et al. Estimating aboveground biomass using Landsat 7 ETM+ data across a managed landscape in Northern Wisconsin, USA[J]. Remote Sensing of Environment, 2004, 93(3): 402–411

[28] 洪世奇, 李曉兵, 劉學(xué)敏, 等. 云南省生態(tài)建設(shè)與常綠草地畜牧業(yè)基地的建設(shè)[J]. 資源科學(xué), 2004, 26(3): 35–43 Hong S Q, Li X B, Liu X M, et al. Ecological construction and evergreen grassland stockbreeding development in Yunnan Province[J]. Resources Science, 2004, 26(3): 35–43

[29] Beck P S A, Atzberger C, H?gda K A, et al. Improved monitoring of vegetation dynamics at very high latitudes: A new method using MODIS NDVI[J]. Remote Sensing of Environment, 2006, 100(3): 321–334

[30] Gutman G, Ignatov A. The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models[J]. International Journal of Remote Sensing, 1998, 19(8): 1533–1543

[31] 潘衛(wèi)華, 陳家金, 陳惠, 等. 基于MODIS數(shù)據(jù)的福建省干旱遙感動(dòng)態(tài)監(jiān)測(cè)分析[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2008, 16(4): 1015–1019 Pan W H, Chen J J, Chen H, et al. Dynamic monitoring of drought in Fujian Province from MODIS remote sensing data[J]. Chinese Journal of Eco-Agriculture, 2008, 16(4): 1015–1019

[32] 吳云, 曾源, 趙炎, 等. 基于MODIS數(shù)據(jù)的海河流域植被覆蓋度估算及動(dòng)態(tài)變化分析[J]. 資源科學(xué), 2010, 32(7): 1417–1424 Wu Y, Zeng Y, Zhao Y, et al. Monitoring and dynamic analysis of fractional vegetation cover in the Hai River Basin based on MODIS data[J]. Resources Science, 2010, 32(7): 1417–1424

[33] 田艷林, 劉賢趙, 毛德華, 等. 基于MODIS數(shù)據(jù)的松嫩平原西部蘆葦濕地地上生物量遙感估算[J]. 生態(tài)學(xué)報(bào), 2016, 36(24): 8071–8080 Tian Y L, Liu X Z, Mao D H, et al. Remote sensing estimation of the aboveground biomass of reed wetland in the western Songnen Plain, China, based on MODIS data[J]. Acta Ecologica Sinica, 2016, 36(24): 8071–8080

[34] 徐敏云, 李運(yùn)起, 王堃, 等. 河北省草地資源分布及植被特征動(dòng)態(tài)[J]. 草業(yè)學(xué)報(bào), 2009, 18(6): 1–11 Xu M Y, Li Y Q, Wang K, et al. Spatial distribution and dynamic characteristics of the grassland vegetation in Hebei[J]. Acta Prataculturae Sinica, 2009, 18(6): 1–11

[35] 張鵬莉, 陳俊, 崔樹娟, 等. 禁牧條件下不同類型草地群落結(jié)構(gòu)特征[J]. 生態(tài)學(xué)報(bào), 2013, 33(2): 425–434 Zhang P L, Chen J, Cui S J, et al. The community characteristics of different types of grassland under grazing prohibition condition[J]. Acta Ecologica Sinica, 2013, 33(2): 425–434

[36] 高陽(yáng), 程積民, 劉偉. 黃土高原地區(qū)不同類型天然草地群落學(xué)特征[J]. 草業(yè)科學(xué), 2011, 28(6): 1066–1069 Gao Y, Cheng J M, Liu W. Community characteristics of different types of grassland in the Loess Plateau[J]. Pratacultural Science, 2011, 28(6): 1066–1069

[37] 段旭, 陶云, 劉建宇, 等. 云南省不同地質(zhì)地貌條件下滑坡泥石流與降水的關(guān)系[J]. 氣象, 2007, 33(9): 33–39 Duan X, Tao Y, Liu J Y, et al. The relationship between the landslide and debris flows and the precipitation in Yunnan Province under conditions of different geology and geomorphology[J]. Meteorological Monthly, 2007, 33(9): 33–39

[38] 段旭, 陶云. 云南近50年來(lái)的氣候變化[J]. 熱帶氣象學(xué)報(bào), 2012, 28(2): 243–250 Duan X, Tao Y. The climate change of Yunnan over the last 50 years[J]. Journal of Tropical Meteorology, 2012, 28(2): 243–250

[39] 劉利利, 盛建東, 程軍回, 等. 新疆不同草地類型植物物種特征與水熱因子的關(guān)系研究[J]. 草業(yè)學(xué)報(bào), 2016, 25(5): 1–12 Liu L L, Sheng J D, Cheng J H, et al. Relationship between plant species characteristics and climate factors in different grassland types of Xinjiang[J]. Acta Prataculturae Sinica, 2016, 25(5): 1–12

[40] 王麗學(xué), 程積民, 萬(wàn)惠娥, 等. 云霧山天然草地植物生長(zhǎng)規(guī)律[J]. 生態(tài)學(xué)報(bào), 2008, 28(7): 3168–3175 Wang L X, Cheng J M, Wan H E, et al. The plant growth patterns in the natural grassland of Yunwu Mountain[J]. Acta Ecologica Sinica, 2008, 28(7): 3168–3175

[41] 王義鳳. 大針茅草原地上生物量形成的規(guī)律與特點(diǎn)[J]. 植物生態(tài)學(xué)報(bào), 1989, 13(4): 297–308 Wang Y F. The feature and rule of formation of aboveground biomass ofsteppe[J]. Chinese Journal of Plant Ecology, 1989, 13(4): 297–308

[42] 陳生云, 劉文杰, 葉柏生, 等. 疏勒河上游地區(qū)植被物種多樣性和生物量及其與環(huán)境因子的關(guān)系[J]. 草業(yè)學(xué)報(bào), 2011, 20(3): 70–83 Chen S Y, Liu W J, Ye B S, et al. Species diversity of vegetation in relation to biomass and environmental factors in the upper area of the Shule River[J]. Acta Prataculturae Sinica, 2011, 20(3): 70–83

[43] 于穎, 范文義, 李明澤, 等. 利用大光斑激光雷達(dá)數(shù)據(jù)估測(cè)樹高和生物量[J]. 林業(yè)科學(xué), 2010, 46(9): 84–87 Yu Y, Fan W Y, Li M Z, et al. Estimation of forest tree heights and biomass from GLAS data[J]. Scientia Silvae Sinicae, 2010, 46(9): 84–87

[44] Xu B, Yang X, Tao W G, et al. Modis-based remote sensing monitoring of grass production in China[J]. International Journal of Remote Sensing, 2008, 29(17/18): 5313–5327

[45] 馬文紅, 方精云, 楊元合, 等. 中國(guó)北方草地生物量動(dòng)態(tài)及其與氣候因子的關(guān)系[J]. 中國(guó)科學(xué): 生命科學(xué), 2010, 40(7): 632–641 Ma W H, Fang J Y, Yang Y H, et al. Biomass carbon stocks and their changes in northern China’s grasslands during 1982-2006[J]. Science China: Life Sciences, 2010, 40(7): 632–641

[46] 色音巴圖, 賈峰. 中國(guó)北方草地生物量時(shí)空分異的定位監(jiān)測(cè)研究[J]. 中國(guó)草地, 2003, 25(5): 9–14 Seying B T, Jia F. The position monitoring of temporal and spatial dynamics of grassland biomass in northern China[J]. Grassland of China, 2003, 25(5): 9–14

[47] 陳健, 倪紹祥, 李靜靜, 等. 植被葉面積指數(shù)遙感反演的尺度效應(yīng)及空間變異性[J]. 生態(tài)學(xué)報(bào), 2006, 26(5): 1502–1508 Chen J, Ni S X, Li J J, et al. Scaling effect and spatial variability in retrieval of vegetation LAI from remotely sensed data[J]. Acta Ecologica Sinica, 2006, 26(5): 1502–1508

[48] Boudreau J, Nelson R F, Margolis H A, et al. Regional aboveground forest biomass using airborne and spaceborne lidar in Québec[J]. Remote Sensing of Environment, 2008, 112(10): 3876–3890

Estimation of grassland biomass using MODIS data and plant community characteristics*

YAO Xingcheng1, QU Tiantian1, CHANG Wenjing1, YIN Jun2**, LI Yongjin2, SUN Zhenzhong1**, ZENG Hui1,3

(1. Department of Urban Planning and Design, Shenzhen Graduate School, Peking University, Shenzhen 518055, China; 2. Yunnan Grassland Supervision and Management Station, Kunming 650224, China; 3. Department of Urban and Environmental Sciences, Peking University, Beijing 100871, China)

In the context of global climate change, the accurate estimation of grassland biomass is critical for terrestrial carbon cycling research. In China, most studies in this area have focused on grasslands in North China over the past decades. Only a few studies have estimated grassland biomass in South China, mainly due to difficulties in spatial complexity of plant species in the region. Therefore, it is necessary to develop a model for the estimation of grassland biomass in South China in order to analyze the spatial distribution of this vegetation type. In this study, we first developed a model for the estimation of aboveground grassland biomass (AGB) in Yunnan Province using field sample and NDVI (normalized difference vegetation index) data (2012–2014), derived from MODIS sensor. The derived grassland characteristics (height and coverage) were then inputted into the model to improve the estimation accuracy. With the improved model, we used remote sensing and GIS platforms to map the spatial pattern of AGB in Yunnan Province. Finally, we carried out statistical analysis of AGB of grassland in a district in Yunnan Province and calculated the average density of AGB in multiple types of grassland. The results indicated that: 1) the model for the estimation of AGB of grassland was improved by the use of field data on plant community. Thus the goodness-of-fit (2) of the model increased by 0.289 and the estimation accuracy of the model also increased (35.0%–43.7%) significantly. 2) During 2012–2014, annual total AGB in the study area was 1.03×107–1.41×107tons, with an average value of 1.22×107tons that accounted for 4.1% of total AGB in China. The results suggested that the area of grasslands in South China is not negligible. The density of AGB of grassland in Yunnan was highest in the eastern and southern regions of the province. 3) The density of AGB of grassland in the districts of Yunnan was 1 130.12–2 116.03 kg?hm-2. Grasslands with high AGB densities were in southern and southwestern areas of the province, including Xishuangbanna, Dehong and Puer. Grasslands with low densities were in northwestern and eastern areas of the province, including Diqing and Qujing. Moreover, AGB density of mutiple grassland types had a clear pattern, with an increasing trend from montane meadow to tropical herbosa. The order of the AGB density increase was: montane meadow (1 071.73 kg?hm-2)

Yunnan Province; MODIS data; Aboveground biomass; Plant community characteristic; Space inversion

10.13930/j.cnki.cjea.160931

P962

A

1671-3990(2017)04-0530-12

2016-10-20

2016-12-29

Oct. 20, 2016; accepted Dec. 29, 2016

* 國(guó)家自然科學(xué)基金項(xiàng)目(41401096)和云南草地生態(tài)紅線研究課題資助

* This work was supported by the National Natural Science Foundation of China (41401096) and the Research on Ecological Baseline of Yunnan Grassland.

** Corresponding authors: YIN Jun, E-mail: yinjun252@sohu.com; SUN Zhenzhong, E-mail: sunzz@pkusz.edu.cn

**通訊作者:尹俊, 主要從事草原監(jiān)督管理工作, E-mail: yinjun252@sohu.com; 孫振中, 主要從事生態(tài)系統(tǒng)生態(tài)學(xué)研究, E-mail: sunzz@pkusz.edu.cn

姚興成, 主要從事遙感與地理信息系統(tǒng)及生態(tài)規(guī)劃研究。E-mail: 1401213729@sz.pku.edu.cn

姚興成, 曲恬甜, 常文靜, 尹俊, 李永進(jìn), 孫振中, 曾輝. 基于MODIS數(shù)據(jù)和植被特征估算草地生物量[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2017, 25(4): 530-541

Yao X C, Qu T T, Chang W J, Yin J, Li Y J, Sun Z Z, Zeng H. Estimation of grassland biomass using MODIS data and plant community characteristics[J]. Chinese Journal of Eco-Agriculture, 2017, 25(4): 530-541