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)國家重點實驗室 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狀況和生產(chǎn)潛力，草地生物量及其動態(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)作為長江、黃河和瀾滄江的發(fā)源地，素有“中華水塔”之稱。是我國重要的水源涵養(yǎng)和生態(tài)功能保護區(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，致使該區(qū)生態(tài)系統(tǒng)極其脆弱。除此之外，近年來隨著氣候不斷變暖及人類干擾活動的不斷增強，三江源區(qū)生態(tài)系統(tǒng)發(fā)生了很大的變化。為了及時準(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)的生物量實地測量方法費時費力、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，得到了廣泛的應(yīng)用[7]。許多學(xué)者運用3S技術(shù)對草地地上生物量進行了大量研究，以植物葉面在可見光波段有強吸收特性而在紅外波段有強反射特性為基礎(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)計模型，開展地上生物量動態(tài)監(jiān)測研究。遙感監(jiān)測方法已在世界各地，尤其是偏遠地區(qū)被廣泛應(yīng)用于草地地上生物量的動態(tài)監(jiān)測和評價研究中[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)測模型。于惠等[6]基于MODIS SWIR(short-wave infrared)數(shù)據(jù)及地面實測樣方數(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)者對高寒草甸生物量動態(tài)變化與環(huán)境因子之間的關(guān)系進行探究[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]探索了放牧強度對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，隨著放牧強度的增加，草地地上生物量和地下生物量均呈減少趨勢;曾納等[17]結(jié)合遙感植被指數(shù)、海拔、氣象觀測資料構(gòu)建了BP神經(jīng)網(wǎng)絡(luò)模型，對2001-2010年三江源區(qū)的草地AGB進行估算，并分析草地地上生物量動態(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，但是對草地地上生物量的精確反演一直是草地遙感監(jiān)測研究的難點[18]?；谝陨显颍狙芯坷萌磪^(qū)草地地上生物量實測值，結(jié)合同時段的遙感數(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)是我國黃河、長江、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個自治州，三江源區(qū)天然草原面積為2 098.97萬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，牧草生長期短，植物長勢低矮，產(chǎn)草量低，冷季長達7～8個月，為典型的高原大陸性氣候[19]。

1.2 研究數(shù)據(jù)

1.2.1地面實測數(shù)據(jù) 本研究所用的草地外業(yè)觀測數(shù)據(jù)包括：1) 2003-2014年青海省氣象局在三江源區(qū)的15個牧業(yè)氣象站的監(jiān)測數(shù)據(jù)[19](圖1a)；2)2010-2014年青海省草原站草地觀測數(shù)據(jù)[18](圖1a)；3)2015年本項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(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。每年在草地生長盛草期(7-8月)開展草地監(jiān)測，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)過拼接的數(shù)字高程數(shù)據(jù)進行轉(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)計分析，使用ArcGIS軟件提取與地面實測樣點相對應(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2001-2016年三江源區(qū)每年5-10月逐日MOD09GA反射率數(shù)據(jù)進行投影轉(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%的比例隨機分成訓(xùn)練數(shù)據(jù)集(training)、驗證數(shù)據(jù)集(validation)和測試數(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)練評價指標(biāo)，當(dāng)驗證樣本的平均誤差增加時訓(xùn)練停止，并計算目標(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)點數(shù)據(jù)。

1.3.2草地地上生物量監(jiān)測模型精度分析方法 以實測值與相應(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)對模型進行精度評價。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用來衡量預(yù)測值和實測值之間的偏差，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)的計算公式如下：

(1)

(2)

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

1)Theil-Sen median趨勢分析。Theil-Sen Median趨勢分析和Mann-Kendall檢驗結(jié)合分析，已成為長時間序列數(shù)據(jù)趨勢判斷的重要方法，并且已經(jīng)成功應(yīng)用到植被長時間序列分析中[22-25]。該方法的優(yōu)點是不需要數(shù)據(jù)服從一定的分布，對數(shù)據(jù)誤差具有較強的抵抗能力，對于顯著水平的檢驗具有較為堅實的統(tǒng)計學(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 趨勢分析是一種穩(wěn)健的非參數(shù)統(tǒng)計的趨勢計算方法，可以減少數(shù)據(jù)異常值的影響。Theil-Sen Median 趨勢計算n(n-1)/2個數(shù)據(jù)組合的斜率的中位數(shù)，其計算公式[26-28]為：

2001≤i

(3)

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

2)Mann-kendall檢驗。Mann-Kendall是一種非參數(shù)統(tǒng)計檢驗方法，用來判斷趨勢的顯著性，它無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表示時間序列的長度；sgn是符號函數(shù)；統(tǒng)計量Z的取值范圍為(-∞,+∞)。在給定顯著性水平α下，當(dāng)|Z|>u1-α/2時，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時間序列變化趨勢的顯著性。

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)。模型可以很好地擬合研究區(qū)草地地上生物量的變化趨勢，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月達到峰值，9月開始下降的趨勢(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，雖然長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基本一致，即由西北向東南逐漸增加的趨勢(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，其中6月東南部的部分區(qū)域生物量最大值達3 000 kg·hm-2，中部部分區(qū)域的生物量最大值達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，對三江源區(qū)草地地上生物量的動態(tài)變化進行分析，按草地類型、流域分別統(tǒng)計分析了三江源區(qū)年最大生物量16年來的變化狀況，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(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，生態(tài)環(huán)境整體趨于好轉(zhuǎn)。從不同草地類型來看，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，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個流域的生物量均呈現(xiàn)出增加趨勢，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，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分析

16年來三江源區(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，大部分區(qū)域仍以穩(wěn)定和恢復(fù)趨勢為主?；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顯著性檢驗得出，地上生物量的變化趨勢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及其趨勢檢驗，將生物量變化趨勢結(jié)果與Mann-Kendall Test結(jié)果進行疊加，得到變化趨勢與趨勢檢驗的空間分布格局。將這種趨勢檢驗分為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，8.81%的草地呈明顯恢復(fù)趨勢。48.62%的山地草甸類呈輕微恢復(fù)趨勢，30.23%的草地保持穩(wěn)定狀態(tài)，同時有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，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%，而惡化趨勢所占比例均較小?？傮w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，有8.95%的草地呈現(xiàn)惡化趨勢。綜上，可以認為三江源區(qū)草地生物量表現(xiàn)出整體穩(wěn)定，局部惡化的趨勢。

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)各個流域草地地上生物量的變化趨勢可以看出,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；黃河流域和瀾滄江流域草地穩(wěn)定趨勢所占比例差異不大，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)生物量的變化趨勢檢驗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，難以在整個研究區(qū)進行大范圍且均勻的實地進行調(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)地面實測數(shù)據(jù)源于不同采集人員，其采樣時間不同，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樣點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題，另一方面，受采樣數(shù)據(jù)限制，并未針對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對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，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

BP神經(jīng)網(wǎng)絡(luò)因其對多變量信息的綜合能力及對非線性問題的擬合等方面所具有的無可比擬的優(yōu)勢[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)對草地地上生物量進行估算的研究結(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，在估算過程中仍然存在一些問題，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，可能對某一組數(shù)據(jù)表現(xiàn)出很好的結(jié)果，但是對另外一組數(shù)據(jù)恰好相反。另一方面，ANN的最佳隱藏層和每層節(jié)點的數(shù)目取決于反復(fù)試驗，如何確定合理的隱藏層節(jié)點數(shù)是草地地上生物量反演的關(guān)鍵問題。

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

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、生物量時空變化特征分析等方面的工作。利用MODIS數(shù)據(jù)與野外實測資料，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，實現(xiàn)了對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。

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主要以穩(wěn)定和恢復(fù)為主。

參考文獻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,孫振中,曾輝.基于MODIS數(shù)據(jù)和植被特征估算草地生物量.中國生態(tài)農(nóng)業(yè)學(xué)報,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,李長斌,周國英.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,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態(tài)變化及環(huán)境因子的關(guān)系:基于模擬增溫實驗.生態(tài)學(xué)報,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,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.放牧強度對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,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)草地生長狀況遙感監(jiān)測研究.草業(yè)學(xué)報,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,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空變化.生態(tài)學(xué)報,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.基于遙感的植被長時序趨勢特征研究進展及評價.遙感學(xué)報,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.