三江源地區(qū)高寒草地地上生物量時(shí)空動(dòng)態(tài)變化

楊淑霞，馮琦勝，孟寶平，高金龍，葛 靜，梁天剛

(蘭州大學(xué)草地農(nóng)業(yè)生態(tài)系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室 蘭州大學(xué)草地農(nóng)業(yè)科技學(xué)院，甘肅 蘭州 730020)

草地是覆蓋陸地表面最大的自然景觀之一，約占陸地面積的1/5[1]，是陸地生態(tài)系統(tǒng)最重要的組成部分之一。草地生物量可以判斷草地的生長(zhǎng)狀況和生產(chǎn)潛力，草地生物量及其動(dòng)態(tài)變化的準(zhǔn)確估算在全球碳循環(huán)方面具有重要意義[2-3]。

三江源區(qū)作為長(zhǎng)江、黃河和瀾滄江的發(fā)源地，素有“中華水塔”之稱。是我國(guó)重要的水源涵養(yǎng)和生態(tài)功能保護(hù)區(qū)，三江源區(qū)具有特殊的地理位置，豐富的自然資源以及顯著的生態(tài)功能，三江源區(qū)成為青藏高原重要的自然保護(hù)區(qū)[4-5]。然而，三江源區(qū)具有海拔高、自然條件嚴(yán)酷等特點(diǎn)，致使該區(qū)生態(tài)系統(tǒng)極其脆弱。除此之外，近年來(lái)隨著氣候不斷變暖及人類干擾活動(dòng)的不斷增強(qiáng)，三江源區(qū)生態(tài)系統(tǒng)發(fā)生了很大的變化。為了及時(shí)準(zhǔn)確地獲取該區(qū)域草地生物量信息，開展三江源區(qū)草地地上生物量動(dòng)態(tài)變化的研究，可以為該區(qū)草地資源的可持續(xù)利用和生態(tài)恢復(fù)提供科學(xué)依據(jù)。

傳統(tǒng)的生物量實(shí)地測(cè)量方法費(fèi)時(shí)費(fèi)力、成本高、效率低，且難以在大范圍地區(qū)開展草地調(diào)查工作。遙感技術(shù)的發(fā)展，為草地植被信息的研究提供了新的方法[6]。遙感手段具有重復(fù)周期短、覆蓋范圍廣、數(shù)據(jù)源豐富、節(jié)約成本等優(yōu)勢(shì)，得到了廣泛的應(yīng)用[7]。許多學(xué)者運(yùn)用3S技術(shù)對(duì)草地地上生物量進(jìn)行了大量研究，以植物葉面在可見光波段有強(qiáng)吸收特性而在紅外波段有強(qiáng)反射特性為基礎(chǔ)[8-9]，利用植被指數(shù)，如NDVI (normalized difference vegetation index)等，結(jié)合地面樣點(diǎn)的調(diào)查數(shù)據(jù)和遙感圖像處理系統(tǒng)，構(gòu)建地上生物量的統(tǒng)計(jì)模型，開展地上生物量動(dòng)態(tài)監(jiān)測(cè)研究。遙感監(jiān)測(cè)方法已在世界各地，尤其是偏遠(yuǎn)地區(qū)被廣泛應(yīng)用于草地地上生物量的動(dòng)態(tài)監(jiān)測(cè)和評(píng)價(jià)研究中[10]。如姚興成等[11]以云南省為研究區(qū)，結(jié)合2012-2014年草地生物量野外調(diào)查數(shù)據(jù)以及相應(yīng)時(shí)期的MODIS(moderate-resolution imaging spectroradiometer)遙感數(shù)據(jù)，建立草地地上生物量的遙感監(jiān)測(cè)模型。于惠等[6]基于MODIS SWIR(short-wave infrared)數(shù)據(jù)及地面實(shí)測(cè)樣方數(shù)據(jù)，篩選出干旱區(qū)草地地上生物量(above ground biomass,AGB)的敏感性指標(biāo)，構(gòu)建了草地AGB反演模型。除此之外，也有學(xué)者對(duì)高寒草甸生物量動(dòng)態(tài)變化與環(huán)境因子之間的關(guān)系進(jìn)行探究[12-14]。劉艷書等[15]分析了三江源區(qū)不同剝蝕退化高寒草甸生物群落生物量的變化特征;李鳳霞等[16]探索了放牧強(qiáng)度對(duì)三江源典型高寒生物量的影響，發(fā)現(xiàn)封育區(qū)的地上生物量和地下生物量最高，隨著放牧強(qiáng)度的增加，草地地上生物量和地下生物量均呈減少趨勢(shì);曾納等[17]結(jié)合遙感植被指數(shù)、海拔、氣象觀測(cè)資料構(gòu)建了BP神經(jīng)網(wǎng)絡(luò)模型，對(duì)2001-2010年三江源區(qū)的草地AGB進(jìn)行估算，并分析草地地上生物量動(dòng)態(tài)變化。以上的研究采用不同模擬方法估算了草地地上生物量，并且探討了影響生物量變化的相關(guān)因子，但是對(duì)草地地上生物量的精確反演一直是草地遙感監(jiān)測(cè)研究的難點(diǎn)[18]?；谝陨显?，本研究利用三江源區(qū)草地地上生物量實(shí)測(cè)值，結(jié)合同時(shí)段的遙感數(shù)據(jù)，采用BP-ANN(back propagation artificial neural network)的方法構(gòu)建草地地上生物量估算模型，分別從草地類型和流域方面分析草地地上生物量的年際和月際變化，以揭示該區(qū)域草地地上生物量的動(dòng)態(tài)變化特征。

1 材料與方法

1.1 研究區(qū)概況

三江源區(qū)地處青海省南部，其地理位置31°38′-36°20′ N，89°31′-102°14′ E，三江源區(qū)是青海省的主要牧區(qū)。該區(qū)是我國(guó)黃河、長(zhǎng)江、瀾滄江三大水系發(fā)源地，素有“中華水塔”之稱。

三江源區(qū)土地總面積36.3萬(wàn)km2，約占青海省土地總面積的50.3%。該區(qū)隸屬青海省南部的3個(gè)自治州，三江源區(qū)天然草原面積為2 098.97萬(wàn)hm-2，占三江源區(qū)土地總面積的59%，其中可利用草地面積1 787.44萬(wàn)hm-2。草地類型主要由高寒草甸類(alpine meadow steppe)和高寒干草原類(alpine steppe)組成，高寒草甸面積約占草地占面積的76%，高寒干草原面積約占草地占面積的23%，土壤主要以高山沼澤化草甸為主(圖1)。其平均海拔在4 000 m以上，年平均氣溫介于-5.6～4.9 ℃，大部分地區(qū)低于1 000 ℃，年降水量介于391.7～764 mm，主要集中在6-9月。夏季短暫，牧草生長(zhǎng)期短，植物長(zhǎng)勢(shì)低矮，產(chǎn)草量低，冷季長(zhǎng)達(dá)7～8個(gè)月，為典型的高原大陸性氣候[19]。

1.2 研究數(shù)據(jù)

1.2.1地面實(shí)測(cè)數(shù)據(jù) 本研究所用的草地外業(yè)觀測(cè)數(shù)據(jù)包括：1) 2003-2014年青海省氣象局在三江源區(qū)的15個(gè)牧業(yè)氣象站的監(jiān)測(cè)數(shù)據(jù)[19](圖1a)；2)2010-2014年青海省草原站草地觀測(cè)數(shù)據(jù)[18](圖1a)；3)2015年本項(xiàng)研究人員在三江源區(qū)開展的草地調(diào)查數(shù)據(jù)(圖1b)。

圖1 2003-2015年三江源區(qū)采樣點(diǎn)(a)、草地類型(b)和流域(c)分布圖Fig. 1 The sampling sites (a), grassland types (b) and watersheds(c) in the Three River Headwaters Region (TRHR) from 2003 to 2015

在以上調(diào)查中，樣區(qū)面積設(shè)置為(3～5) km×(1～2) km，在此范圍內(nèi)設(shè)置監(jiān)測(cè)樣方,在植被群落均一性較好的樣地內(nèi)設(shè)置樣方，其大小為0.5 m×0.5 m,在植被均一性較差且分布不均勻的地區(qū)設(shè)置樣方，其大小為1.0 m×1.0 m。每年在草地生長(zhǎng)盛草期(7-8月)開展草地監(jiān)測(cè)，主要記錄樣地和樣方的經(jīng)緯度、海拔、坡度、坡向、草地類型、草地植被蓋度、草層高度、地上生物量鮮重，以及在65 ℃烘箱烘干48 h后測(cè)量的干物質(zhì)產(chǎn)量等特征數(shù)據(jù)。

1.2.2地形數(shù)據(jù) 本研究使用DEM數(shù)據(jù)的空間分辨率為90 m，版本為V004的SRTM(Shuttle Radar Topography Mission)影像，從國(guó)際農(nóng)業(yè)研究磋商小組空間信息聯(lián)盟(The Consultative Group on International Agricultural Research Consortium for Spatial Information，CGIAR-CSI)的網(wǎng)站(http://srtm.csi.cgiar.org/)下載。數(shù)據(jù)格式為Geo-Tiff。為了和已有數(shù)據(jù)相匹配，將經(jīng)過(guò)拼接的數(shù)字高程數(shù)據(jù)進(jìn)行轉(zhuǎn)投影和重采樣處理，投影類型定義為WGS84，柵格單元重采樣至500 m。為了開展后續(xù)的統(tǒng)計(jì)分析，使用ArcGIS軟件提取與地面實(shí)測(cè)樣點(diǎn)相對(duì)應(yīng)像元的經(jīng)度、緯度。

1.2.3MODIS植被指數(shù)數(shù)據(jù) 本研究使用了MODIS逐日地表反射率產(chǎn)品(MOD09GA)，數(shù)據(jù)格式為EOS-HDF，空間分辨率為500 m。對(duì)2001-2016年三江源區(qū)每年5-10月逐日MOD09GA反射率數(shù)據(jù)進(jìn)行投影轉(zhuǎn)換及拼接等處理，得到MOD09GA 1-7通道的逐日反射率數(shù)據(jù)。結(jié)合質(zhì)量控制文件，采用最大值合成方法計(jì)算得到研究區(qū)16年間逐月NDVI植被指數(shù)圖像。

1.3 研究方法

1.3.1基于ANN的草地地上生物量模型構(gòu)建 本研究選取草地蓋度、高度、地理位置(經(jīng)緯度)和NDVI作為輸入?yún)?shù)，基于BP-ANN方法，構(gòu)建了草地地上生物量反演模型，構(gòu)建過(guò)程包括如下步驟：1)數(shù)據(jù)歸一化。將所有的輸入數(shù)據(jù)歸一化到0～1，歸一化方法為(x-xmin)/(xmax-xmin)，其中x為某一參數(shù)的原始值，xmin和xmax分別為該參數(shù)的最大和最小值。2)將輸入數(shù)據(jù)按75%、15%、15%的比例隨機(jī)分成訓(xùn)練數(shù)據(jù)集(training)、驗(yàn)證數(shù)據(jù)集(validation)和測(cè)試數(shù)據(jù)集(testing)三部分。選擇Levenberg-Marquardt函數(shù)作為ANN訓(xùn)練函數(shù)，平均誤差(MSE)作為訓(xùn)練評(píng)價(jià)指標(biāo)，當(dāng)驗(yàn)證樣本的平均誤差增加時(shí)訓(xùn)練停止，并計(jì)算目標(biāo)數(shù)據(jù)與輸出數(shù)據(jù)之間的相關(guān)關(guān)系[20]，通過(guò)多次訓(xùn)練，根據(jù)訓(xùn)練結(jié)果確定適當(dāng)?shù)碾[藏層節(jié)點(diǎn)數(shù)據(jù)。

1.3.2草地地上生物量監(jiān)測(cè)模型精度分析方法 以實(shí)測(cè)值與相應(yīng)的模擬值之間的決定系數(shù)(R2)和均方根誤差(root mean square error，RMSE)對(duì)模型進(jìn)行精度評(píng)價(jià)。其中，R2取值范圍0～1，其值越接近1，模型精度越高，可信度也就越高；RMSE用來(lái)衡量預(yù)測(cè)值和實(shí)測(cè)值之間的偏差，其值越小，表示構(gòu)建的草地地上生物量模型擬合效果越好。RMSE和決定系數(shù)的計(jì)算公式如下：

(1)

(2)

1.3.3三江源區(qū)高寒草地AGB變化趨勢(shì)分析 采用Theil-Sen Median趨勢(shì)分析和Mann-Kendall 趨勢(shì)檢驗(yàn)，研究三江源區(qū)地上生物量的時(shí)空變化動(dòng)態(tài)[21]。

1)Theil-Sen median趨勢(shì)分析。Theil-Sen Median趨勢(shì)分析和Mann-Kendall檢驗(yàn)結(jié)合分析，已成為長(zhǎng)時(shí)間序列數(shù)據(jù)趨勢(shì)判斷的重要方法，并且已經(jīng)成功應(yīng)用到植被長(zhǎng)時(shí)間序列分析中[22-25]。該方法的優(yōu)點(diǎn)是不需要數(shù)據(jù)服從一定的分布，對(duì)數(shù)據(jù)誤差具有較強(qiáng)的抵抗能力，對(duì)于顯著水平的檢驗(yàn)具有較為堅(jiān)實(shí)的統(tǒng)計(jì)學(xué)理論基礎(chǔ)，使得結(jié)果較為科學(xué)和可信[22]。其中，Theil-Sen Median 趨勢(shì)分析是一種穩(wěn)健的非參數(shù)統(tǒng)計(jì)的趨勢(shì)計(jì)算方法，可以減少數(shù)據(jù)異常值的影響。Theil-Sen Median 趨勢(shì)計(jì)算n(n-1)/2個(gè)數(shù)據(jù)組合的斜率的中位數(shù)，其計(jì)算公式[26-28]為：

2001≤i

(3)

式中：AGBj和AGBi分別表示j年和i年的AGB值。Median為符號(hào)涵數(shù)。當(dāng)SAGB>0時(shí)，表明AGB呈增長(zhǎng)趨勢(shì)，當(dāng)SAGB<0時(shí)，表明AGB呈惡化趨勢(shì)。

2)Mann-kendall檢驗(yàn)。Mann-Kendall是一種非參數(shù)統(tǒng)計(jì)檢驗(yàn)方法，用來(lái)判斷趨勢(shì)的顯著性，它無(wú)需樣本服從一定的分布，也不受少數(shù)異常值的干擾[29-30]。其計(jì)算公式如下：

(4)

(5)

(6)

S(S)=n(n-1)(2n+5)/18。

(7)

式中:AGBi和AGBj分別表示i年和j年的AGB值，n表示時(shí)間序列的長(zhǎng)度；sgn是符號(hào)函數(shù)；統(tǒng)計(jì)量Z的取值范圍為(-∞,+∞)。在給定顯著性水平α下，當(dāng)|Z|>u1-α/2時(shí)，表示研究序列在α水平上存在顯著的變化。一般取α=0.05，本文判斷在0.05置信水平上AGB時(shí)間序列變化趨勢(shì)的顯著性。

2 結(jié)果

2.1 基于ANN模型的生物量反演

為了探索神經(jīng)網(wǎng)絡(luò)方法在高寒草地生物量反演中的作用，本研究采用BP ANN方法，選取與AGB關(guān)系密切且具有一定獨(dú)立性的草地生物物理指標(biāo)：蓋度(C)，地理位置：經(jīng)度(X)、緯度(Y)，及MODIS的NDVI(N)4變量作為自變量，構(gòu)建基于BP ANN的AGB反演模型(CXYN的模型)。該模型的R2=0.769 9，RMSE=429.06 kg·hm-2(圖2)。模型可以很好地?cái)M合研究區(qū)草地地上生物量的變化趨勢(shì)，且優(yōu)于單因素模型[19]。

2.2 三江源區(qū)草地地上生物量月際變化

16年間各草地類型的生物量總體表現(xiàn)出從5月份開始上升，7月和8月達(dá)到峰值，9月開始下降的趨勢(shì)(圖3)。各草地類型盛草期的生物量介于40.59～2 600.04 kg·hm-2。其中，山地草甸類的生物量高于其他草地類型，7月和8月的生物量分別為2 657.30和2 600.04 kg·hm-2；其次為高寒草甸類，7-8月生物量介于1 489.43～1 496.09 kg·hm-2；溫性草原類7月的生物量最大，為1 339.09 kg·hm-2；高寒草原類4-10月的生物量介于85.88～397.13 kg·hm-2；沼澤類8月的生物量最高，為483.80 kg·hm-2；高寒荒漠類的生物量最低，7月和8月的生物量均低于50 kg·hm-2。

16年間各流域生物量月際變化趨勢(shì)與草地類型和氣候區(qū)的變化基本一致(圖4)，即7月和8月的草地生物量高于其他月份。從各個(gè)流域看，黃河流域的生物量值均高于其他流域，生物量介于354.86～1 819.67 kg·hm-2，4-10月平均值為960.44 kg·hm-2，5月的生物量最低，7月的生物量最高；瀾滄江流域的生物量略低于黃河流域，6-9月的生物量介于751.98～1 032.63 kg·hm-2；長(zhǎng)江流域7月和8月的生物量高于其他月份，分別為978.80和1 006.39 kg·hm-2；東亞內(nèi)陸流域生物量介于118.06～596.77 kg·hm-2， 7月和8月的生物量值較接近，分別為588.8和596.77 kg·hm-2；怒江流域和青藏高原內(nèi)陸流域生物量的平均值分別為128.62和52.63 kg·hm-2，均低于其他流域?？傮w而言，各流域生物量從高到低依次為黃河流域、瀾滄江流域、長(zhǎng)江流域、東亞內(nèi)陸流域、怒江流域和青藏高原內(nèi)陸流域，不同流域的生物量存在差異。這種差異是由于不同流域所處地域范圍不同，氣候環(huán)境差異較大導(dǎo)致的。研究區(qū)內(nèi)處于東部和南部的流域生物量高于西部和北部的流域。同時(shí)，雖然長(zhǎng)江流域分布在三江源區(qū)的東部、南部和中部地區(qū)，范圍最大，但其生物量要低于黃河流域和瀾滄江流域。

圖2 基于CXYN模型的人工神經(jīng)網(wǎng)絡(luò)模型模擬結(jié)果 Fig. 2 The ANN simulated results based on CXYN model

a,訓(xùn)練集;b,測(cè)試集;c,全集。

a, Training set; b, Test set; c, Total.

圖3 三江源區(qū)2001-2016年生長(zhǎng)季不同草地類型草地生物量變化Fig. 3 The different grassland type biomass change at growing season in the Three-River Headwaters Region from 2001 to 2016

圖4 2001-2016年三江源區(qū)不同流域生物量月際變化Fig. 4 The monthly variation of different river basin biomass in the Three-River Headwaters Region from 2001 to 2016

2016年1-12月地上生物量的空間變化趨勢(shì)基本一致，即由西北向東南逐漸增加的趨勢(shì)(圖5)。1-5月東南部的生物量小于1 000 kg·hm-2。中部及西部地區(qū)的生物量主要集中在300～500 kg·hm-2及小于300 kg·hm-2。從6月開始，生物量從東南向西北部逐漸呈增加趨勢(shì)，其中6月東南部的部分區(qū)域生物量最大值達(dá)3 000 kg·hm-2，中部部分區(qū)域的生物量最大值達(dá)2 000 kg·hm-2。7月和8月東南部的一些區(qū)域生物量最大值在3 000 kg·hm-2以上，中部區(qū)域的生物量較前5個(gè)月有所增加，生物量主要介于500～800 kg·hm-2以及800～1 000 kg·hm-2，且西北部的生物量值主要介于300～500 kg·hm-2以及500～800 kg·hm-2，只有少數(shù)區(qū)域的生物量值小于300 kg·hm-2。

2.3 三江源區(qū)草地地上生物量的年際變化

基于構(gòu)建的生物量反演模型，對(duì)三江源區(qū)草地地上生物量的動(dòng)態(tài)變化進(jìn)行分析，按草地類型、流域分別統(tǒng)計(jì)分析了三江源區(qū)年最大生物量16年來(lái)的變化狀況，主要結(jié)果如下：

7種草地類型的生物量在16年間均呈現(xiàn)不同程度的上升趨勢(shì)(圖6)。由此表明，16年間三江源區(qū)草地地上生物量均呈現(xiàn)增加趨勢(shì)，生態(tài)環(huán)境整體趨于好轉(zhuǎn)。從不同草地類型來(lái)看，各草地類型的年生物量從高到低依次為山地草甸類、高寒草甸類、溫性草原類、溫性荒漠草原類、沼澤類、高寒草原類和高寒荒漠類。16年間，溫性草原類和溫性荒漠草原類草地的生物量有明顯的增加趨勢(shì)，如溫性草原類2001年生物量為985.37 kg·hm-2，到2016年增加到1 479.17 kg·hm-2，平均每年增加約30.86 kg·hm-2。山地草甸類、高寒草甸類和沼澤類草地的生物量在16年間均有較大幅度的增加，而高寒荒漠類草地的生物量在16年間基本保持不變。

2010年各個(gè)流域的生物量值最大(表1)。黃河流域生物量值介于1 767.95～2 470.10 kg·hm-2，其平均值為2 014.30 kg·hm-2；瀾滄江流域生物量平均值為1 969.43 kg·hm-2，其中2010年的生物量值最高，為2 326.36 kg·hm-2，2007年的生物量值最低，為1 690.18 kg·hm-2；長(zhǎng)江流域和東亞內(nèi)陸流域生物量的平均值分別為1 145.63和689.10 kg·hm-2；怒江流域和青藏高原內(nèi)陸流域的生物量平均值分別為363.30和156.19 kg·hm-2。16年間6個(gè)流域的生物量均呈現(xiàn)出增加趨勢(shì)，其中黃河流域生物量增加幅度最大，平均每年增加15.57 kg·hm-2，瀾滄江流域和東亞內(nèi)陸流域次之，平均每年分別增加12.40和11.49 kg·hm-2；青藏高原內(nèi)陸流域和怒江流域最低，平均每年增加4.33 kg·hm-2。

圖5 三江源區(qū)草地地上生物量月際變化動(dòng)態(tài)Fig. 5 The dynamic of monthly variation of the grassland AGB in the Three-River Headwaters Region

圖6 三江源區(qū)不同草地類型地上生物量年際變化動(dòng)態(tài)Fig. 6 The dynamic of yearly variation of different grassland type AGB in the Three-River Headwaters Region

三江源區(qū)草地地上生物量呈現(xiàn)出從西北向東南逐漸增加的變化趨勢(shì)，這與該區(qū)域的降水、氣溫、植被和草地類型等因素密切相關(guān)(圖7)。東南部生物量主要集中在2 000～3 000 kg·hm-2，部分區(qū)域的生物量大于3 000 kg·hm-2，中部生物量主要集中在800～1 000和1 000～2 000 kg·hm-2，西北部生物量主要介于300～500 kg·hm-2，少部分區(qū)域的生物量小于300 kg·hm-2。

總體而言，三江源區(qū)16年間年最大生物量介于1 272.24～1 739.56 kg·hm-2，其中2003年生物量最低，2010年最高。

2.4 三江源區(qū)草地地上生物量變化趨勢(shì)分析

16年來(lái)三江源區(qū)年生物量主要以穩(wěn)定和恢復(fù)為主(圖8)，惡化區(qū)域主要集中分布在三江源區(qū)東部和中部的部分區(qū)域。在三江源區(qū)西北部的部分區(qū)域，有少數(shù)區(qū)域的草地出現(xiàn)惡化趨勢(shì)，大部分區(qū)域仍以穩(wěn)定和恢復(fù)趨勢(shì)為主?；贛ann-Kendall Test方法的2001-2016年三江源區(qū)草地地上生物量的變化趨勢(shì)顯著性檢驗(yàn)得出，地上生物量的變化趨勢(shì)從東北部到西北部主要以變化不顯著為主，變化顯著的主要分布在東部和西北部的部分區(qū)域(圖9)。為了揭示草地地上生物量的變化趨勢(shì)及其趨勢(shì)檢驗(yàn)，將生物量變化趨勢(shì)結(jié)果與Mann-Kendall Test結(jié)果進(jìn)行疊加，得到變化趨勢(shì)與趨勢(shì)檢驗(yàn)的空間分布格局。將這種趨勢(shì)檢驗(yàn)分為5種情形，即明顯變化、輕微變化、保持穩(wěn)定、輕微恢復(fù)、明顯恢復(fù)。

統(tǒng)計(jì)各情景的草地面積結(jié)果表明(表3、圖10)，16年間，三江源區(qū)各類草地生物量的變化趨勢(shì)主要以穩(wěn)定和恢復(fù)為主。分析不同草地類型生物量的變化趨勢(shì)表明，高寒荒漠類的穩(wěn)定區(qū)域所占比例為86.88%，明顯惡化和輕微惡化所占比例較小，分別為0.02%和0.79%；高寒草原類有63.32%的草地呈穩(wěn)定狀態(tài)，34.55%的草地呈恢復(fù)狀態(tài)；高寒草甸類51.83%的區(qū)域呈穩(wěn)定狀態(tài)，28.26%的草地呈輕微恢復(fù)趨勢(shì)，8.81%的草地呈明顯恢復(fù)趨勢(shì)。48.62%的山地草甸類呈輕微恢復(fù)趨勢(shì)，30.23%的草地保持穩(wěn)定狀態(tài)，同時(shí)有11.62%的草地出現(xiàn)輕微惡化；沼澤類有64.11%的草地呈恢復(fù)趨勢(shì)，26.46%的草地保持穩(wěn)定，9.43%的草地出現(xiàn)惡化現(xiàn)象；溫性草原類和溫性荒漠草原類主要以恢復(fù)為主，分別占86.81%和81.62%，而惡化趨勢(shì)所占比例均較小。總體而言，三江源區(qū)16年間53.74%的草地保持穩(wěn)定，37.31%的草地表現(xiàn)出不同程度的恢復(fù)趨勢(shì)，有8.95%的草地呈現(xiàn)惡化趨勢(shì)。綜上，可以認(rèn)為三江源區(qū)草地生物量表現(xiàn)出整體穩(wěn)定，局部惡化的趨勢(shì)。

表1 2001-2008年三江源區(qū)不同流域生物量年際變化Table 1 The yearly variation of different watershed biomass in the Three-River Headwaters Region from 2001 to 2008 kg·hm-2

表2 2009-2016年三江源區(qū)不同流域生物量年際變化Table 2 The yearly variation of different watershed biomass in the Three-River Headwaters Region from 2009 to 2016 kg·hm-2

圖7 三江源區(qū)2001-2016年草地地上生物量空間分布圖Fig. 7 The Spatial distribution map of the grassland AGB in the Three-River Headwaters Region from 2001 to 2016

圖8 2001-2016年三江源區(qū)生物量的變化趨勢(shì)Fig. 8 The change trend of the grassland AGB in the Three-River Headwaters Region from 2001 to 2016

從2001-2016年三江源區(qū)各個(gè)流域草地地上生物量的變化趨勢(shì)可以看出,不同流域均以穩(wěn)定為主，怒江流域草地穩(wěn)定趨勢(shì)所占比例最大，為75.95%，未出現(xiàn)明顯惡化；其次為青藏高原內(nèi)陸流域，75.19%的草地保持穩(wěn)定；長(zhǎng)江流域的草地有8.52%的草地出現(xiàn)惡化，33.03%的草地呈恢復(fù)趨勢(shì)；黃河流域和瀾滄江流域草地穩(wěn)定趨勢(shì)所占比例差異不大，但是瀾滄江流域有12.06%的草地出現(xiàn)惡化，其中輕微惡化的比例為1.22%，相比而言，輕微恢復(fù)的比例較大，為36.59%；東亞內(nèi)陸流域有55.96%的草地保持穩(wěn)定，明顯恢復(fù)和輕微恢復(fù)所占比例分別為21.24%和18.56%(表4)。

圖9 2001-2016年三江源區(qū)生物量的變化趨勢(shì)檢驗(yàn)Fig. 9 The change trend test of the grassland AGB in the Three-River Headwaters Region from 2001 to 2016

表3 2001-2016年三江源區(qū)不同草地類型生物量變化趨勢(shì)Table 3 The change trend of different grassland types AGB in the Three-River Headwaters Region from 2001 to 2016 %

圖10 2001-2016年三江源區(qū)生物量變化趨勢(shì)分布圖Fig. 10 The distribution of the grassland AGB change trend in the Three-River Headwaters Region from 2001 to 2016

表4 2001-2016年三江源區(qū)不同流域生物量變化趨勢(shì)Table 4 The change trend of different watershed AGB in the Three-River Headwaters Region from 2001 to 2016 %

3 討論

3.1 草地地上生物量遙感估算模型精度的影響因素

草地地上生物量遙感估算模型精度受到以下4個(gè)方面的影響：1)地形因子。三江源區(qū)特殊的地理位置，難以在整個(gè)研究區(qū)進(jìn)行大范圍且均勻的實(shí)地進(jìn)行調(diào)查，這在一定程度上限制了采樣數(shù)據(jù)的空間分布，如本研究的采樣數(shù)據(jù)多集中在研究區(qū)的東部和中部地區(qū)，而西部地區(qū)幾乎沒(méi)有地面調(diào)查數(shù)據(jù)，這使得構(gòu)建的草地地上生物量遙感估算模型在西部地區(qū)的代表性較低；2)地面實(shí)測(cè)數(shù)據(jù)源于不同采集人員，其采樣時(shí)間不同，采樣數(shù)據(jù)的標(biāo)準(zhǔn)不同，導(dǎo)致采樣數(shù)據(jù)的質(zhì)量存在一定的誤差；3)三江源區(qū)特殊的地形地貌和草地資源空間異質(zhì)性的影響，采樣數(shù)據(jù)的空間代表性受到一定限制。MODIS的空間分辨率較低，本研究所用的MOD09GA空間分辨率為500 m，MODIS比較低的空間分辨率導(dǎo)致其像元與地面觀測(cè)樣點(diǎn)在空間范圍上存在較大誤差，像元普遍存在混合地物光譜問(wèn)題，另一方面，受采樣數(shù)據(jù)限制，并未針對(duì)不同草地類型分別構(gòu)建模型，由此忽略了草地類型在空間分布及生物物理特征的差異；4)由于復(fù)雜的地形條件，坡度坡向等地形因子會(huì)對(duì)植被反射率有一定的影響，特別是在三江源地區(qū)，草地類型主要以高寒草甸為主，但是某些地區(qū)的草地受自然條件和人為因素的影響，草地呈惡化趨勢(shì)，草地稀疏，出現(xiàn)裸斑，影響到草地地上生物量模型的精度。

3.2 人工神經(jīng)網(wǎng)絡(luò)在草地AGB模擬中的優(yōu)缺點(diǎn)

BP神經(jīng)網(wǎng)絡(luò)因其對(duì)多變量信息的綜合能力及對(duì)非線性問(wèn)題的擬合等方面所具有的無(wú)可比擬的優(yōu)勢(shì)[26]，已被廣泛應(yīng)用于基于高光譜的葉面積指數(shù)、地上生物量等參數(shù)的估算或反演研究領(lǐng)域。利用人工神經(jīng)網(wǎng)絡(luò)對(duì)草地地上生物量進(jìn)行估算的研究結(jié)果表明，人工神經(jīng)網(wǎng)絡(luò)模型可以充分反應(yīng)草地地上生物量與地理位置、生物物理指標(biāo)之間的非線性關(guān)系，模擬精度優(yōu)于其他傳統(tǒng)的模型。

然而，在估算過(guò)程中仍然存在一些問(wèn)題，如依賴學(xué)習(xí)樣本的數(shù)量和質(zhì)量的代表性，樣本容量越大，模型精度越高。樣本容量較小時(shí)，可能對(duì)某一組數(shù)據(jù)表現(xiàn)出很好的結(jié)果，但是對(duì)另外一組數(shù)據(jù)恰好相反。另一方面，ANN的最佳隱藏層和每層節(jié)點(diǎn)的數(shù)目取決于反復(fù)試驗(yàn)，如何確定合理的隱藏層節(jié)點(diǎn)數(shù)是草地地上生物量反演的關(guān)鍵問(wèn)題。

雖然神經(jīng)網(wǎng)絡(luò)能夠解決多因素線性及非線性問(wèn)題，訓(xùn)練的模型精度比統(tǒng)計(jì)模型高，但是對(duì)于神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程及構(gòu)建的模型方程式卻看不到。因此，從理論角度很難對(duì)其結(jié)果進(jìn)行解釋。

4 結(jié)論

本研究以三江源區(qū)為研究區(qū)，主要研究了高寒草地地上生物量遙感反演模型構(gòu)建、生物量時(shí)空變化特征分析等方面的工作。利用MODIS數(shù)據(jù)與野外實(shí)測(cè)資料，構(gòu)建了基于神經(jīng)網(wǎng)絡(luò)方法的三江源區(qū)草地生物量反演的高精度模型，實(shí)現(xiàn)了對(duì)2001-2016年三江源區(qū)草地AGB反演分析；并探討分析了不同草地類型和流域的草地AGB時(shí)空變化特征；

1)采用BP-ANN的方法構(gòu)建的基于蓋度、經(jīng)緯度和NDVI的神經(jīng)網(wǎng)絡(luò)模型適用于天然草地生物量變化監(jiān)測(cè)研究。

2)各草地類型盛草期的生物量介于40.59～2 600.04 kg·hm-2。山地草甸類的生物量高于其他草地類型，高寒荒漠類的生物量最低。7種草地類型的生物量在16年間均呈現(xiàn)不同程度的上升趨勢(shì)。

3)三江源區(qū)黃河流域的生物量高于其他流域，4-10月生物量值介于354.86～1 819.67 kg·hm-2；各流域4-10月生物量從高到低依次為黃河流域、瀾滄江、長(zhǎng)江流域、東亞內(nèi)陸流域、怒江流域和青藏高原內(nèi)陸流域，不同流域的生物量存在顯著的差異。

4)基于Theil-Sen Median和Mann-Kendall方法的趨勢(shì)分析結(jié)果表明，16年間，三江源區(qū)草地生物量的變化趨勢(shì)主要以穩(wěn)定和恢復(fù)為主。

參考文獻(xiàn)References:

[1] Scurlock J M O,Hall D O. The global carbon sink:A grassland perspective.Global Change Biology,1998,4(2):229-233.

[2] Mao D H,Wang Z M,Li L,Ma W.Spatiotemporal dynamics of grassland aboveground net primary productivity and its association with climatic pattern and changes in Northern China.Ecological Indicators,2014,41(6):40-48.

[3] Toan T L,Quegan S,Davidson M W J,Balzter H,Paillou P,Papathanassion K,Plummer S,Rocca F,Saatchi S,Shugart H,Ulander L.The biomass mission: Mapping global forest biomass to better understand the terrestrial carbon cycle.Remote Sensing of Environment,2011,115(11):2850-2860.

[4] Tong L,Xu X L,Fu Y,Li S.Wetland changes and their responses to climate change in the “Three-River Headwaters” region of China since the 1990s.Energies,2014,7(4):2515-2534.

[5] Liu X,Zhang J,Zhu X,Pan Y,Liu Y,Zhang D,Lin Z.Spatiotemporal changes in vegetation coverage and its driving factors in the Three-River Headwaters region during 2000-2011.Journal of Geographical Sciences,2014,24(2):288-302.

[6] 于惠,吳玉鋒,金毅,張峰.基于MODIS SWIR數(shù)據(jù)的干旱區(qū)草地地上生物量反演及時(shí)空變化研究.遙感技術(shù)與應(yīng)用,2017,32(3):524-530.

Yu H,Wu Y F,Jin Y,Zhang F.An approach for monitoring the aboveground biomass of grassland in arid areas based on MODIS SWIR bands.Remote Sensing Technology and Application,2017,32(3):524-530.(in Chinese)

[7] 張靜宇,史擊天,張群.遙感技術(shù)在北京市農(nóng)業(yè)統(tǒng)計(jì)中的應(yīng)用現(xiàn)狀.寧夏農(nóng)林科技,2012,53(4):110-112.

Zhang J Y,Shi J T,Zhang Q.Application of remote sensing technology in agriculture-statistics in Beijing.Ningxia Journal of Agriculture and Forestry Science and Technology,2012,53(4):110-112.(in Chinese)

[8] Craine J M,Nippert J B,Elmore A J,Skibbe A M,Hutchinson S L,Brunsell N A.Timing of climate variability and grassland prodctivity.PNAS,2012,109(9):3401-3405.

[9] Eisfelder C,Kuenzer C,Dech S.Derivation of biomass information for semi-arid areas using remote-sensing data.International Journal of Remote Sensing,2012,33(9):2937-2984.

[10] Lu D.The potential and challenge of remote sensing:Based biomass estimation.International Journal of Remote Sensing,2006,27(7):1297-1328.

[11] 姚興成,曲恬甜,常文靜,易俊,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.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,Yi J,Li Y J,Sun Z Z,Zeng H.Estimating of grassland biomass using MODIS data and plant community characteristics.Chinese Journal of Eco-Agriculture,2017,25(4):530-541.(in Chinese)

[12] 付天新,劉正軍,閆浩文.基于MapReduce模型的生物量并行反演方法.干旱區(qū)資源與環(huán)境.2013,27(1):130-136.

Fu T X,Liu Z J,Yan H W.Remote sensing retrieval method for biomass based on MapReduce parallel model.Journal of Arid Land Resources and Environment,2013,27(1):130-136.(in Chinese)

[13] 聶秀青,楊路存,李長(zhǎng)斌,周國(guó)英.三江源地區(qū)高寒灌叢生物量空間分布格局.應(yīng)用與環(huán)境生物學(xué)報(bào),2016,22(4):538-545.

Nie X Q,Yang L C,Li C B,Zhou G Y.Patterns of biomass partitioning across alpine shrubs in the Three-River Source Region. Chinese Journal of Applied and Environmental Biology,2016,22(4):538-545.(in Chinese)

[14] 徐滿厚,劉敏,翟大彤,薛嫻,彭飛,尤全剛.青藏高原高寒草甸生物量動(dòng)態(tài)變化及環(huán)境因子的關(guān)系:基于模擬增溫實(shí)驗(yàn).生態(tài)學(xué)報(bào),2016,38(18):5759-5767.

Xu M H,Liu M,Zhai D T,Xue X,Peng F,You Q G.Dynamic changes in biomass and its relationship with environmental factors in an alpine meadow on the Qinghai-Tibetan Plateau,based on simulated warming experiments.Acta Ecologica Sinica.2016,36(18):5759-5767.(in Chinese)

[15] 劉艷書,樊江文,李愈哲,張良俠.三江源地區(qū)不同剝蝕退化高寒草甸群落生物量與多樣性特征.草業(yè)學(xué)報(bào),2014,23(3):1-7.

Liu Y S,Fan J W,Li Y Z,Zhang L X.Plant community and diversity on alpine meadow steppe in the Three River Headwaters Region,Qinghai Province under different denudation levels.Acta Prataculturae Sinica,2014,23(3):1-7.(in Chinese)

[16] 李鳳霞,李曉東,周秉榮,祁棟林,王力,傅華.放牧強(qiáng)度對(duì)三江源典型高寒草甸生物量和土壤理化特征的影響.草業(yè)科學(xué),2015,32(1):11-18.

Li F X,Li X D,Zhou B R,Qi D L,Wang L,Fu H.Effects of grazing intensity on biomass and soil physical and climate characteristics in the source of Three Rivers.Pratacultural Science,2015,32(1):11-18.(in Chinese)

[17] 曾納,任小麗,何洪林,張黎,李攀,李志強(qiáng),張林波.基于神經(jīng)網(wǎng)絡(luò)的三江源區(qū)草地地上生物量估算.環(huán)境科學(xué)研究,2017,30(1):59-66.

Zeng N,Ren X L,He H L,Zhang L,Li P,Li Z Q,Zhang L B.Aboveground biomass of grassland in the Three-River Headwaters Region based on neural network.Research of Environmental Sciences,2017,30(1):59-66.(in Chinese)

[18] 楊淑霞,張文娟,馮琦勝,孟寶平,高金龍,梁天剛.基于MODIS逐日地表反射率數(shù)據(jù)的青南地區(qū)草地生長(zhǎng)狀況遙感監(jiān)測(cè)研究.草業(yè)學(xué)報(bào),2016,25(8):14-26.

Yang S X,Zhang W J,Feng Q S,Meng B P,Gao J L,Liang T G.Monitoring of grassland herbage accumulation by remote sensing using MODIS daily surface reflectance data in the Qingnan Region.Acta Prataculturae Sinica,2016,25(8):14-26.(in Chinese)

[19] Liang T G,Yang S X,Feng Q S,Liu B K,Zhang R P,Huang X D,Xie H J.Multi-factor modeling of above-ground biomass in alpine grassland: A case study in the Three-River Headwaters Region,China.Remote Sensing of Environment,2016,186:164-172.

[20] Ali I,Cawkwell F,Dwyer E,Barrett B,Green S.Satellite remote sensing of grasslands:From observation to management: Areview.Journal of Plant Ecology,2016,9(6):649-671.

[21] 袁麗華,蔣衛(wèi)國(guó),申文明,劉穎慧,王文杰,陶亮亮,鄭華,劉孝富.2000-2010年黃河流域植被覆蓋的時(shí)空變化.生態(tài)學(xué)報(bào),2013,33(24):7798-7806.

Yuan L H,Jiang W G,Shen W M,Liu Y H,Wang W J,Tao L L,Zheng H,Liu X F.The spatio-temporal variation of vegetation cover in the Yellow River Basin from 2000 to 2010.Acta Ecologica Sinica,2013,33(24):7798-7806.(in Chinese)

[22] 蔡博峰,于嶸.基于遙感的植被長(zhǎng)時(shí)序趨勢(shì)特征研究進(jìn)展及評(píng)價(jià).遙感學(xué)報(bào),2009,13(6):1170-1186.

Cai B F,Yu R.Advance and evaluation in the long time series vegetation trends research based on remote sensing.Journal of Remote Sensing,2009,13(6):1170-1186.(in Chinese)

[23] Tucker C J,Newcomb W W,Los S O,Prince S D.Mean and inter-year variation of growing-season normalized difference vegetation index for the Sahel 1981-1989.International Journal of Remote Sensing,1991,12(6):1133-1135.

[24] Milich L,Weiss E.GAC NDVI interannual coefficient of variation (CoV) images:Ground truth sampling of the Sahel along north-south transects.International Journal of Remote Sensing,2000,21(2):235-260.

[25] Lunetta R S,Knight J F,Ediriwickrema J,Lyon J G,Worthy L D.Land-cover change detection using multi-temporal MODIS NDVI data.Remote Sensing of Environment,2006,105(2):142-154.

[26] Ostendorf B,Hilbert D W,Hopkins M S.The effect of climate change on tropical rainforest vegetation pattern.Ecological Modelling,2001,145(2-3):211-224.