基于遙感數(shù)據(jù)的呼倫貝爾草原放牧強度研究

王夢佳,孫睿*,劉喆，4,辛曉平,劉剛,張蕾,喬晨

?

基于遙感數(shù)據(jù)的呼倫貝爾草原放牧強度研究

王夢佳1，2，3,孫睿1，2，3*,劉喆1，2，3，4,辛曉平5*,劉剛1，2，3,張蕾1，2，3,喬晨1，2，3

(1.遙感科學(xué)國家重點實驗室，北京 100875；2.北京師范大學(xué)地理科學(xué)學(xué)部遙感科學(xué)與工程研究院，北京 100875；3.環(huán)境遙感與數(shù)字城市北京市重點實驗室，北京 100875；4.西北師范大學(xué)地理與環(huán)境科學(xué)學(xué)院，甘肅 蘭州 730070；5.呼倫貝爾草原生態(tài)系統(tǒng)國家野外科學(xué)觀測研究站，中國農(nóng)業(yè)科學(xué)院資源區(qū)劃所，北京 100081)

呼倫貝爾草甸草原是我國主要的畜牧業(yè)基地，放牧強度直接影響著該草原生態(tài)系統(tǒng)的穩(wěn)定和可持續(xù)發(fā)展。本文首先建立了研究區(qū)草地地上生物量的遙感估算經(jīng)驗?zāi)Ｐ?，然后結(jié)合凈初級生產(chǎn)力(NPP)，研究了草地放牧強度估算方法；基于該方法，利用2014年6月到7月多期Landsat遙感數(shù)據(jù)計算謝爾塔拉牧場草地地上生物量變化和放牧強度。研究結(jié)果表明：所使用方法可較好用于放牧強度的估算，估算結(jié)果與實際情況基本吻合，決定系數(shù)R2達0.7996；謝爾塔拉牧場的公共放牧區(qū)放牧強度范圍為1～2.5 Au/hm2，屬于過度放牧狀態(tài)，重度放牧區(qū)多位于小型湖泊周圍和草地面積較少但牛相對較多的生產(chǎn)隊，輕度放牧區(qū)多位于圍封地；將尺度擴展到海拉爾區(qū)分析：所使用方法能夠準確地將輕度、中度和重度放牧區(qū)分開，且海拉爾區(qū)東北方向的放牧強度明顯高于西南地區(qū)。

遙感數(shù)據(jù)；呼倫貝爾草原；生物量；凈初級生產(chǎn)力；放牧強度

草原生態(tài)系統(tǒng)是全球分布最廣、最重要的陸地生態(tài)系統(tǒng)類型之一，在物質(zhì)和能量循環(huán)過程中起著不可忽視的作用。呼倫貝爾草甸草原是我國主要的畜牧業(yè)養(yǎng)殖基地，草原總面積為997.3萬hm2，養(yǎng)牛業(yè)一直是該地區(qū)的主體產(chǎn)業(yè)。因此放牧強度與草地生長量的關(guān)系直接影響著該草原生態(tài)系統(tǒng)的穩(wěn)定和可持續(xù)發(fā)展。但是近些年，由于人類活動和過度放牧的強烈干擾，草原退化日漸加劇[1]。牲畜對牧草的啃食結(jié)果直接表現(xiàn)在草地地上生物量和草原生產(chǎn)力的變化，不同的放牧強度會使草地生物量表現(xiàn)出不同的特征。禁牧或輕度放牧易造成資源浪費，不利于畜牧業(yè)和當?shù)亟?jīng)濟的發(fā)展；而過度放牧又會引起草地退化，不利于可持續(xù)發(fā)展。故保持合理放牧對草原資源的利用尤為重要，這就對大面積監(jiān)測草原放牧情況提出要求。

有關(guān)放牧強度的研究主要集中于不同放牧強度對草原植被群落特征和草地生產(chǎn)力多樣性的影響[2-6]。遙感數(shù)據(jù)由于觀測范圍大、重復(fù)性好，也被用于放牧強度的估算，但比較少，如劉巖[7]利用前后兩期的LAI比值計算放牧強度等級，該方法在一定程度上解釋了錫林格勒草場放牧強度的分布。劉愛軍等[8]研究發(fā)現(xiàn)在牧草生長季節(jié)，天然草原各旬度的利用強度與植被指數(shù)旬度變動系數(shù)呈反比，并在此基礎(chǔ)上計算了錫林郭勒盟草原不同時期不同區(qū)域的放牧等級。以上研究都僅僅局限于定性判定草原的放牧強度。謝芮等[9]利用MODIS數(shù)據(jù)建立了NDVI 差值與放牧強度之間的回歸分析模型，并定量估算了內(nèi)蒙古地區(qū)各草地類型的放牧強度，模型假設(shè)研究區(qū)牧草長勢相同，這種假設(shè)適合長勢均一的草原，但對于生長狀況差異較顯著的草地，利用該方法計算放牧強度容易產(chǎn)生較大誤差。

本文以呼倫貝爾市謝爾塔拉牧場作為試驗區(qū)，通過考慮牧草的不同長勢，結(jié)合凈初級生產(chǎn)力(net primary productivity，簡稱NPP)遙感產(chǎn)品，建立放牧強度估算方法，進而獲取研究區(qū)放牧強度分布圖，為促進草地畜牧業(yè)可持續(xù)發(fā)展提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于呼倫貝爾草甸草原生態(tài)系統(tǒng)野外觀測試驗站(HGERS，簡稱呼倫貝爾站)及周邊，該試驗站位于呼倫貝爾市海拉爾區(qū)謝爾塔拉牧場，在呼倫貝爾市中心的東北方向。研究區(qū)地理緯度為N 49°00′-49°30′，經(jīng)度為E 119°20′-120°20′，海拔為600～700 m，屬溫帶半干旱大陸性氣候。年降水量為350～400 mm，降水多集中在7-9月，該地區(qū)2014年屬于雨水充足的年份，年平均氣溫為-5～-2 ℃，最高、最低氣溫分別為36和-48 ℃；研究區(qū)土壤主要以栗鈣土和黑鈣土為主，草地類型為羊草(Leymuschinensis)和雜類草草甸草原，主要物種有貝加爾針茅草(Stipabaicalensis)、羊草、唐松草(Thalictrumaquilegifolium)、麻花頭(Serratulacentauroides)、冷蒿(Artemisiafrigida)、斜莖黃芪(Astragalusadsurgens)、百合(Liliaceae)、冰草(Agropyroncristatum)、蒙古蔥(Alliummongolicum)等[1]。

1.2 實驗設(shè)計

生物量的地面采集試驗過程中，首先對研究區(qū)進行分塊，選取若干樣地，樣地需盡可能分布均勻并且覆蓋不同植被生長狀況的草地，最終選取47個樣地(圖1)；然后在每塊樣地中用直徑為0.72 m的呼啦圈圈草，呼啦圈內(nèi)的草需全部齊地割取測量地上生物量，然后裝袋、烘干、稱重，測量生物量干重。每個樣地分別選擇3個樣方測量生物量干重，最后取平均值表示該樣點的地上生物量干重。地上生物量干重獲取時間為2014年7月1日-2014年7月4日。

圖1 地上生物量采樣點分布Fig.1 Spatial distribution of sampling sites for aboveground biomass

實際放牧強度數(shù)據(jù)采集包括兩種方式，第一種是走訪謝爾塔拉牧場總部獲取相關(guān)統(tǒng)計數(shù)據(jù)，另一種是深入研究區(qū)觀察和計算實際放牧情況。方案一，獲取2014年各生產(chǎn)隊公共放牧區(qū)的面積和牛羊的數(shù)量，然后計算各隊公共放牧區(qū)的實際放牧強度(表1)。其中以500 kg的肉牛為一個牲畜單位，根據(jù)農(nóng)業(yè)行業(yè)標準《NY/T 635-2015 天然草地合理載畜量的計算》羊的日食牧草量按牛的1/7計算。方案二，主要收集圍封區(qū)、濕地周邊、當?shù)亟蓞^(qū)的位置信息和放牧情況。

1.3 數(shù)據(jù)來源與處理

為盡可能地與地面實測生物量和放牧試驗同步，本實驗選取遙感數(shù)據(jù)如表2。

由于2014年7月2日影像中有云層干擾，為獲取質(zhì)量較高的影像，本實驗對該期影像進行去云處理[10-14]，然后對3幅影像進行幾何校正、輻射定標和大氣校正等預(yù)處理操作。ETM+影像中的條帶并未覆蓋研究區(qū)，該影像經(jīng)過預(yù)處理后可直接使用。本實驗利用GLASS數(shù)據(jù)[15-17]生成的1 km空間分辨率的NPP產(chǎn)品計算研究期間草原生長量。

2 結(jié)果與分析

2.1 構(gòu)建地上生物量估算模型

表1 謝爾塔拉牧場放牧情況Table 1 The grazing information of Xeltala pasture

表2 研究所用遙感數(shù)據(jù)Table 2 The remote sensing data used in the study

草地地上生物量的估算已有大量的研究，包括輻射傳輸模型、植被指數(shù)法、綜合法和高光譜方法[18-23]。植被指數(shù)法模型簡單，在遙感影像光譜和空間分辨率較高情況下能夠宏觀連續(xù)監(jiān)測生物量的動態(tài)變化，并且該方法需要輸入的數(shù)據(jù)較少[24]。本實驗采用植被指數(shù)估算生物量，選用的植被指數(shù)有比值植被指數(shù)(ratio vegetation index,簡稱RVI)，歸一化植被指數(shù)(normalized difference vegetation index,簡稱NDVI)，增強植被指數(shù)(enhanced vegetation index,簡稱EVI)，計算公式分別如下：

(1)

(2)

(3)

其中，ρnir、ρred和ρblue分別表示Landsat影像中近紅外、紅光和藍光波段的反射率。

利用2014年7月2日的植被指數(shù)與地面實測地上生物量建立模型，選擇的擬合模型包括線性模型、指數(shù)模型、對數(shù)模型和冪指數(shù)模型。地上生物量的采樣點共有47個，本實驗選用30個點建模，17個點驗證。利用3種植被指數(shù)建立的回歸模型結(jié)果如表3。

表3 植被指數(shù)與地上生物量回歸模型結(jié)果Table 3 The results of vegetation index and aboveground biomass regression model

以上結(jié)果均滿足P<0.01的顯著性檢驗，其中NDVI的冪指數(shù)模型決定系數(shù)最高，誤差較小，故本實驗選用該模型估算生物量，模型驗證結(jié)果如圖2所示，決定系數(shù)R2達到0.4213。同時將該模型應(yīng)用到2014年6月16日和2014年7月26日兩期遙感影像中，共得到3期草地地上生物量分布圖(圖3)。

圖2 模型驗證結(jié)果Fig.2 The result of model validation

從估算生物量分布圖中可以看出，3期地上生物量逐漸增加，2014年6月16日生物量多分布在40～80 g C/m2，2014年7月2日生物量多分布在40～90 g C/m2，2014年7月26日生物量多分布在60～100 g C/m2，符合呼倫貝爾草原牧草生長的規(guī)律。并且，2014年6月16日草地生物量空間差異較明顯，而2014年7月26日草原生物量空間分布較均一。但由于放牧對牧草的影響，存在部分像元后期生物量較前期生物量小的情況。

圖3 三期地上生物量估算結(jié)果Fig.3 The estimated aboveground biomass of 3 periodsa：2014年6月16日，b：2014年7月2日，c：2014年7月26日。a.June 16,2014;b.July 2,2014;c.July 26,2014.

2.2 降尺度估算牧草生長量

圖4 2014年6月16日與2014年7月26日兩期NDVI均值與NPP的關(guān)系Fig.4 The relationship between the mean NDVI and NPP from June 16 to July 26 in 2014

一定時間段內(nèi)牧草的生長量是牧草凈初級生產(chǎn)力的積累減去枯死和脫落損失的生物量[24]，故草地生物量的生長可由NPP計算得到。本研究使用由GLASS數(shù)據(jù)產(chǎn)品估算的1 km空間分辨率NPP數(shù)據(jù)計算草地生長。前人研究結(jié)果表明在一定范圍內(nèi)，NPP與NDVI之間存在一定線性關(guān)系[25-26]，故利用NDVI數(shù)據(jù)與NPP建立回歸關(guān)系。具體過程如下：(1)計算6月16日和7月26日兩期NDVI的平均值；(2)將上一步得到的30 m空間分辨率的NDVI均值數(shù)據(jù)聚合到1 km；(3)計算6月16日到7月26日期間40 d的累加NPP；(4)建立NPP與聚合后NDVI的關(guān)系如圖4。經(jīng)過線性擬合，可得模型。

NPP=252.757×NDVI-0.573

(5)

然后根據(jù)公式(5)計算出研究區(qū)6月16到7月26日期間40 d的30 m空間分辨率的牧草生長量。

2.3 估算呼倫貝爾草原放牧強度

一段時間，草地地上生物量的變化是牧草的生長和牲畜啃食共同作用的結(jié)果，有如下關(guān)系。

Cb=NPPab-GI×g×d

(6)

其中：Cb表示d天地上生物量的實際增長量，NPPab表示d天牧草地上凈初級生產(chǎn)力，g表示單位牲畜一天的食草量，d表示天數(shù)。

2.2節(jié)計算的NPP數(shù)據(jù)為地上地下總生產(chǎn)力，需要估算地上生產(chǎn)力。根據(jù)White等[27]對全球草原生產(chǎn)力的分析和公婷婷等[28]在呼倫貝爾草原的研究，結(jié)合呼倫貝爾草原溫帶半干旱的氣候特點，本研究按地上與地下生產(chǎn)力為1∶1的關(guān)系計算地上生產(chǎn)力。單位牲畜每天的啃食量取17 kg干草，由農(nóng)業(yè)行業(yè)標準《NY/T 635-2015 天然草地合理載畜量的計算》和當?shù)啬撩窠?jīng)驗得到。然后根據(jù)公式(6)計算出研究站周邊區(qū)域的放牧強度，空間分布如圖5。

圖5 放牧強度分布圖Fig.5 The distribution map of grazing intensitya：謝爾塔拉鎮(zhèn)，b：海拉爾區(qū)，EP:圍封地，UG:輕度放牧區(qū)，TOX:謝爾塔拉鎮(zhèn)，HR:海拉爾河，L：湖泊，G1:1隊，G6:6隊，G11:11隊。a:Xeltala;b:Hailaer;EP:Enclosed places;UG:Under grazing area;TOX:The town of Xeltala;HR:Hailar River;L:Lake;G1:Group 1;G6:Group 6;G11:Group 11.

從放牧強度分布圖5a可以看出呼倫貝爾市謝爾塔拉牧場的放牧強度范圍大致為1～2.5 Au/hm2，與實際放牧情況基本相符，屬于過度放牧狀態(tài)。由該牧場實際放牧情況可知(表1)，不同生產(chǎn)隊的放牧強度大小不一，6 隊、11 隊和1 隊放牧強度依次增加，在估算的結(jié)果圖中也能夠較明顯地將3 種等級的放牧強度區(qū)分開。高放牧區(qū)除了位于牛多地少的生產(chǎn)隊，還分布在小型湖泊周邊，該地區(qū)能夠滿足牲畜對飲水的需求。低放牧區(qū)多位于圍封打草場區(qū)，另外在海拉爾河周邊放牧強度也較小，據(jù)當?shù)鼐用窠榻B濕地周邊的植被高度和物種不適合放牧。從更大范圍放牧強度分布圖(圖5b)來看，呼倫貝爾市海拉爾區(qū)東北方向的放牧強度明顯高于西南地區(qū)，分布圖能夠直觀地展現(xiàn)放牧強度的地區(qū)差異。但對于低放牧區(qū)存在一定程度的低估現(xiàn)象，如在部分超低放牧區(qū)，模型估算放牧強度結(jié)果為0。

圖6 放牧強度驗證圖Fig.6 The validation of grazing intensity

2.4 放牧強度真實性檢驗

根據(jù)廠部2014年統(tǒng)計資料各隊公共放牧區(qū)的面積和牲畜頭數(shù)計算每個隊公共放牧區(qū)的放牧強度，然后在估算的放牧強度分布圖中隨機采若干點進行驗證。收集到的年鑒數(shù)據(jù)共包括謝爾塔拉鎮(zhèn)7個隊的放牧數(shù)據(jù)，每個隊隨機采集3～5個點，共有30個驗證點。另外，實地考察謝爾塔拉鎮(zhèn)的其他區(qū)域，包括圍封區(qū)，濕地周邊，坡度較陡的坡地，當?shù)亟蓞^(qū)，有20個驗證點，共計50個驗證點。驗證結(jié)果如圖6。

由驗證結(jié)果可知，該方法能夠較準確地估算謝爾塔拉鎮(zhèn)和海拉爾區(qū)的放牧強度，驗證結(jié)果決定系數(shù)達0.7996，基本能將輕度、中度和重度放牧區(qū)分開。但部分放牧區(qū)存在一定低估現(xiàn)象，一方面可能由于計算實際放牧強度時，未成年牲畜列入成年牲畜考慮，導(dǎo)致實際放牧強度偏高；另一方面是在估算草地地上生產(chǎn)力時存在一定誤差。降水影響草地地上地下生物量的分配，王艷芬等[29]的研究結(jié)果表明降水充足的年份地上生物量占總量的比例會明顯增多。2014年6、7月份呼倫貝爾市降水充足，按照文獻中的比例計算地上生產(chǎn)力時在一定程度上會低估地上生物量，進而導(dǎo)致放牧強度部分低估的結(jié)果。另外，在低放牧區(qū)有兩個點存在明顯高估現(xiàn)象，這兩點位于道路兩旁，單個像元包含多種地類，混合像元引起估算誤差。

3 討論

綜上所述，在前人研究的基礎(chǔ)上引入草地凈初級生產(chǎn)力數(shù)據(jù)后，放牧強度的估算精度有一定程度的提高。將估算放牧強度與實際放牧強度進行對比驗證R2達0.7996，故在考慮牧草的不同長勢情況下，該方法具有更高的普適性，能應(yīng)用于更大范圍的放牧強度估算實驗。本文計算了小范圍謝爾塔拉牧場和較大范圍海拉爾區(qū)的放牧強度，結(jié)果顯示該方法不僅能將輕度、中度和重度放牧區(qū)分開，在放牧強度數(shù)值上也有一定參考價值。對于部分放牧區(qū)存在一定低估現(xiàn)象，一方面在計算實際放牧強度時，未成年牲畜列入成年牲畜考慮，導(dǎo)致實際放牧強度偏高；另一方面因為2014年6、7月份呼倫貝爾市雨水充足，計算的地上生產(chǎn)力結(jié)果較實際偏低，從而引起放牧強度低估現(xiàn)象。由于本研究使用數(shù)據(jù)的空間范圍和時間范圍有限，沒有驗證該方法在更大范圍、更長時間下的適用性。故收集更大范圍的多年數(shù)據(jù)，構(gòu)建更加普適性的模型是下一步要做的工作。

4 結(jié)論

放牧是草原生態(tài)系統(tǒng)最主要的干擾因素之一，牲畜對草地的啃食以及踐踏影響草原環(huán)境，改變原有生態(tài)系統(tǒng)的結(jié)構(gòu)和功能。為保證草原的可持續(xù)利用，需要對草原放牧強度進行控制，遙感方法建立估算模型具有簡單方便、可大面積計算草原放牧強度的優(yōu)勢，相比逐縣區(qū)人工調(diào)研方法大大節(jié)省成本。本研究利用Landsat數(shù)據(jù)計算多期草地生物量，NPP數(shù)據(jù)計算牧草生長，最后計算研究區(qū)草原放牧強度。主要結(jié)論如下。

(1)NDVI的冪指數(shù)模型估算研究區(qū)草地地上生物量效果較好，決定系數(shù)R2達0.6168，均方根誤差RMSE為8.735 g C/m2。

(2)根據(jù)地上生物量的實際變化值和牧草生長量估算的謝爾塔拉牧場放牧強度大致為1～2.5 Au/hm2，與實際放牧情況相符，屬于過度放牧狀態(tài)。本文所建方法能夠較準確地將輕度、中度和重度放牧區(qū)分開，高放牧區(qū)多位于牛多地少的生產(chǎn)隊和小型湖泊周邊，低放牧區(qū)位于圍封草地和海拉爾河周邊，且海拉爾區(qū)東北方向的放牧強度明顯高于西南地區(qū)。

References：

[1] Yan R R,Xin X P,Zhang B H,etal.Influence of cattle grazing gradient on plant community characteristics in Hulunber meadow steppe.Chinese Journal of Grassland,2010,32(3):62-67.閆瑞瑞,辛曉平,張保輝,等.肉牛放牧梯度對呼倫貝爾草甸草原植物群落特征的影響.中國草地學(xué)報,2010,32(3):62-67.

[2] Zheng W,Dong Q M,Li S Q,etal.Impact of grazing intensities on community biodiversity and production of Alpine grassland in Qinghai lake region.Acta Agrestia Sinica,2012,20(6):1033-1038.鄭偉,董全民,李世雄,等.放牧強度對環(huán)青海湖高寒草原群落物種多樣性和生產(chǎn)力的影響.草地學(xué)報,2012,20(6):1033-1038.

[3] Wang M J,Han G D,Cui G W,etal.Effects of grazing intensity on the biodiversity and productivity of meadow steppe.Chinese Journal of Ecology,2010,29(5):862-868.王明君,韓國棟,崔國文,等.放牧強度對草甸草原生產(chǎn)力和多樣性的影響.生態(tài)學(xué)雜志,2010,29(5):862-868.

[4] Wang M J.Effects of Different Grazing Intensities on Grassland Ecosystem Heath of Leymus Chinensis Meadow Steppe[D].Hohhot:Inner Mongolia Agricultural University,2008.王明君.不同放牧強度對羊草草甸草原生態(tài)系統(tǒng)健康的影響研究[D].呼和浩特:內(nèi)蒙古農(nóng)業(yè)大學(xué),2008.

[5] Li W H,Zheng S X,Bai Y F.Effects of grazing intensity and topography on species abundance distribution in a typical steppe of Inner Mongolia.Chinese Journal of Plant Ecology,2014,38(2):178-187.李文懷,鄭淑霞,白永飛.放牧強度和地形對內(nèi)蒙古典型草原物種多度分布的影響.植物生態(tài)學(xué)報,2014,38(2):178-187.

[6] Wang X T,Zhang S H,Chen D D,etal.The effects of natural grazing intensity on plant community and soil nutrients in alpine meadow.Acta Agrestia Sinica,2010,18(4):510-516.王向濤,張世虎,陳懂懂,等.不同放牧強度下高寒草甸植被特征和土壤養(yǎng)分變化研究.草地學(xué)報,2010,18(4):510-516.

[7] Liu Y.Research on a Remote Sensed-based NPP Model and Environment Response for Semiarid Grassland Ecosystem[D].Beijing:Institute of Remote Sensing Application Chinese Academy of Sciences,2006.劉巖.半干旱草地NPP遙感模型和環(huán)境響應(yīng)研究[D].北京:中國科學(xué)院遙感應(yīng)用研究所,2006.

[8] Liu A J,Han J G.The study of method about monitoring grazing intensity in Xilingol Rangeland using RS data.Chinese Journal of Grassland,2007,29(2):317-320.劉愛軍,韓建國.利用遙感技術(shù)監(jiān)測錫林郭勒天然草原利用強度方法初探.中國草地學(xué)報,2007,29(2):317-320.

[9] Xie R,Wu X Q.Estimating grazing of Inner Mongolia Grassland by using remote sensing method.Acta Scientiarum Naturalium Universitatis Pekinensis:Natural Sciences Edition,2014,50(5):919-924.謝芮,吳秀芹.內(nèi)蒙古草地放牧強度遙感估測.北京大學(xué)學(xué)報:自然科學(xué)版,2014,50(5):919-924.

[10] Moro G D,Halounova L.Haze removal for high-resolution satellite data:A case study.International Journal of Remote Sensing,2007,28(10):2187-2205.

[11] Liang S,Fang H,Chen M.Atmospheric correction of landsat ETM+ land surface imagery.I.methods.IEEE Transactions on Geoscience &Remote Sensing,2001,39(11):2490-2498.

[12] Liang S,Fang H,Morisette J T,etal.Atmospheric correction of landsat ETM+ land surface imagery:II.validation and applications.IEEE Transactions on Geoscience &Remote Sensing,2002,40(12):1-10.

[13] Planchon O,Darboux F.A fast,simple and versatile algorithm to fill the depressions of digital elevation models.Catena,2002,46(2):159-176.

[14] Zhang Y,Guindon B,Cihlar J.An image transform to characterize and compensate for spatial variations in thin cloud contamination of Landsat images.Remote Sensing of Environment,2002,82(2-3):173-187.

[15] Xiao Z,Liang S,Wang J,etal.Use of general regression neural networks for generating the GLASS leaf area index product from time-series MODIS surface reflectance.IEEE Transactions on Geoscience &Remote Sensing,2014,52(1):209-223.

[16] Xiao Z,Liang S,Sun R,etal.Estimating the fraction of absorbed photosynthetically active radiation from the MODIS data based GLASS leaf area index product.Remote Sensing of Environment,2015,171:105-117.

[17] Xiao Z,Wang T,Liang S,etal.Estimating the fractional vegetation cover from GLASS leaf area index product.Remote Sensing,2016,8(4):337.

[18] Ullah S,Si Y,Schlerf M,etal.Estimation of grassland biomass and nitrogen using MERIS data.International Journal of Applied Earth Observation &Geoinformation,2012,19(1):196-204.

[19] Xing Z R.Inversion of Leaf Area Index of Spring Wheat Based on Radiative Transfer Model and CHRIS Data[D].Qingdao:Shandong University of Science and Technology,2010.邢著榮.基于輻射傳輸模型和CHRIS數(shù)據(jù)反演春小麥LAI[D].青島:山東科技大學(xué),2010.

[20] Zhang J H,Fu C B.A study on relationships between remote sensing information and plant photosynthetic parameters in estimating biomass model.Acta Geodaeticaet Cartographica Sinica,1999,28(2):128-132.張佳華,符淙斌.生物量估測模型中遙感信息與植被光合參數(shù)的關(guān)系研究.測繪學(xué)報,1999,28(2):128-132.

[21] Ikeda H,Okamoto K,Fukuhara M.Estimation of aboveground grassland phytomass with a growth model using Landsat TM and climate data.International Journal of Remote Sensing,1999,20(20):2283-2294.

[22] Wu Lan T Y,Bao G,Wu Yun D L,etal.Hyper-spectral remote sensing estimates of aboveground biomass of grassland.Journal of Inner Mongolia Normal University:Natural Science Edition,2015,(5):660-666.烏蘭吐雅,包剛,烏云德吉,等.草地地上生物量高光譜遙感估算研究.內(nèi)蒙古師范大學(xué)學(xué)報:自然科學(xué)漢文版,2015,(5):660-666.

[23] Dai A H,Yu S X.Advances in the estimation of vegetation productivity and biomass with the aids of remote sensing.Chinese Journal of Ecology,2004,23(4):92-98.戴小華,余世孝.遙感技術(shù)支持下的植被生產(chǎn)力與生物量研究進展.生態(tài)學(xué)雜志,2004,23(4):92-98.

[24] Lou X T,Zeng Y,Wu B F.Advances in the estimation of aboveground biomass of forest using remote sensing.Remote Sensing for Land &Resources,2011,(1):1-8.婁雪婷,曾源,吳炳方.森林地上生物量遙感估測研究進展.國土資源遙感,2011,(1):1-8.

[25] Ruimy A,Saugier B,Dedieu G.Methodology for the estimation of terrestrial net primary production from remotely sensed data.Bulletin of the American Mathematical Society,1959,65(1959):67.

[26] Zhu W Q,Pan Y Z,Zhang J S.Estimation of net primary productivity of Chinese terrestrial vegetation based on remote sensing.Chinese Journal of Plant Ecology,2007,31(3):413-424.朱文泉,潘耀忠,張錦水.中國陸地植被凈初級生產(chǎn)力遙感估算.植物生態(tài)學(xué)報,2007,31(3):413-424.

[27] White M A,Thornton P E,Running S W,etal.Parameterization and sensitivity analysis of the BIOME-BGC terrestrial ecosystem model:net primary production controls.Earth Interactions,2000,4(3):1-84.

[28] Gong T T,Feng J C,Ma S,etal.Analysis of adaptation of productivity models and response of productivity to climate change on Hulunbuir grassland.Journal of The Central University for Nationalities:Natural Sciences Edition,2016,25(3):78-84.公婷婷,馮金朝,馬帥,等.呼倫貝爾草地生產(chǎn)力模型適用性及對氣候變化響應(yīng)分析.中央民族大學(xué)學(xué)報:自然科學(xué)版,2016,25(3):78-84.

[29] Wang Y F,Wang S P.Influence of different stocking rates on belowground biomass in inner Mongolia steppe.Acta Agrestia Sinica,1999，(3):198-203.王艷芬,汪詩平.不同放牧率對內(nèi)蒙古典型草原地下生物量的影響.草地學(xué)報,1999，(3):198-203.

A study of grazing intensity in the Hulunbuir grasslands using remote sensing

WANG Meng-Jia1,2,3,SUN Rui1,2,3*,LIU Zhe1,2,3,4,XIN Xiao-Ping5*,LIU Gang1,2,3,ZHANG Lei1,2,3,QIAO Chen1,2,3

1.StateKeyLaboratoryofRemoteSensingScience,Beijing100875,China;2.InstituteofRemoteSensingScienceandEngineering,FacultyofGeographicalScience,BeijingNormalUniversity,Beijing100875,China;3.BeijingKeyLaboratoryforRemoteSensingofEnvironmentandDigitalCity,Beijing100875,China;4.SchoolofGeographyofNorthwestNormalUniversity,Lanzhou730070,China;5.HulunbuirGrasslandEcosystemObservationandResearchStation,InstituteofAgricultureResourcesandRegionalPlanningofChineseAcademyofAgriculturalSciences,Beijing100081,China

The Hulunbuir meadow steppe,located in northeast China,is an important site for animal husbandry.The potential to further develop animal husbandry in this region is closely related to the growth of grass and to sustainable utilization of grasslands more generally.As a critical component of the grassland ecosystem,the intensity of grazing has become an important issue.In this study,remote sensing data,based on Landsat images,and Net Primary Productivity (NPP) data were collected from June to July 2014 and used to estimate grazing intensity in Xeltala pastures.Multi-image Landsat optical data was used to calculate aboveground biomass and biomass increments,while the NPP data was used to analyze grass growth.Unlike previous studies,this analysis used NPP data to take account of the heterogeneity of grassland conditions.The results indicate that this method is capable of accurately estimating grazing intensity,with aR2of 0.7996 when validated by measurements on the ground.Grazing intensity in the Xeltala pastures ranged from 1 to 2.5 Au/ha,with the latter being over-grazed.The local map suggested that heavy grazing areas were distributed around a small lake and in certain locations where abundant grass favoured concentrations of cattle.Light grazing areas,on the other hand,were located in enclosed places where the grass was reserved for winter supplies.Extending the study area to include the city of Hailaer,the grazing intensity map clearly demonstrated the variations between areas of light,moderate and over-grazing,with Hailaer in the southwest appearing as extremely lightly grazed compared to the northeastern meadows.

remote sensing data;Hulunbuir Grassland;biomass;net primary productivity;grazing intensity

10.11686/cyxb2016316 http://cyxb.lzu.edu.cn

王夢佳,孫睿,劉喆,辛曉平,劉剛,張蕾,喬晨.基于遙感數(shù)據(jù)的呼倫貝爾草原放牧強度研究.草業(yè)學(xué)報,2017,26(6):28-36.

WANG Meng-Jia,SUN Rui,LIU Zhe,XIN Xiao-Ping,LIU Gang,ZHANG Lei,QIAO Chen.A study of grazing intensity in the Hulunbuir grasslands using remote sensing.Acta Prataculturae Sinica,2017,26(6):28-36.

2016-08-19；改回日期：2016-11-03

國家科技支撐計劃項目(2013BAC03B02)，國家自然科學(xué)基金(41471349)和中央高?；究蒲袠I(yè)務(wù)費專項(2014kJJCA02)資助。

王夢佳(1993-)，女，河南漯河人，在讀碩士。E-mail:wmeng_jia@163.com

*通信作者Corresponding author.E-mail:sunrui@bnu.edu.cn,xinxiaoping@caas.cn