摘要：冬春季牧草在自然枯黃衰減與牲畜不斷采食的雙重壓力下，地上生物量持續(xù)消耗減少，使這一時期成為生態(tài)破壞與畜牧業(yè)災(zāi)害的高發(fā)與重發(fā)期。因此，本研究利用若爾蓋地區(qū)Landsat衛(wèi)星影像，基于枯草植被指數(shù)（Dead grass vegetation index，DGVI），建立了冬季牧草生物量的最優(yōu)估算模型，該模型的驗證R2達到0.791 1，并在此基礎(chǔ)上，提出了一種針對冬季枯草的草畜平衡時空動態(tài)監(jiān)測與評估方法，計算了若爾蓋地區(qū)的冬季不同月份草地牧草存量及其超載狀況。該區(qū)域超載率在冬季前期的11月—次年1月迅速增加，次年1月—2月，大部地區(qū)達到超載狀態(tài)保持基本穩(wěn)定?；贒GVI的冬季草畜平衡動態(tài)估算方法，具有比利用綠色植被指數(shù)估算的冬季草畜平衡更高的準(zhǔn)確性和更強的應(yīng)用能力，研究成果可為冬季枯草期草畜平衡時空動態(tài)監(jiān)測與評估提供一種可行的應(yīng)用技術(shù)與新思路。

關(guān)鍵詞：生物量；草畜平衡；若爾蓋地區(qū)；枯草指數(shù)

中圖分類號：S812 """文獻標(biāo)識碼：A """"文章編號：1007-0435（2024）05-1629-13

A Dynamic Evaluation Method for Forage-livestock Balance in Winter Based

on the Dead Grass Vegetation Index

LI Hang1， XU Wei-xin1，2*， HUANG Kun-lin1， DAI Na1， XIAO Qiang-zhi1，

ZHU Cun-xiong2， WANG Qi-yu1， SI Jing-ke1， LI Zi-xiang1， LI Li-dong1

（1.Chengdu University of Information Technology， Chengdu，Sichuan Province 610225， China； 2.Qinghai Provincial

Key Laboratory of Disaster Prevention and Reduction， Xining， Qinghai Province 810001， China）

Abstract：Under the dual pressure of natural withering and continuous grazing by livestock，the above ground biomass of winter and spring grasses continues to be decreased，making this period become a high incidence and recurrence period of ecological damage and livestock disasters. Therefore，this study utilized Landsat satellite imagery from the Ruoergai region and established an optimal estimation model for winter grass biomass based on the Dead grass vegetation index （DGVI）. The validation R2 of the model reached 0.791 1. Based on this，a spatio-temporal dynamic monitoring and evaluation method for the forage-livestock balance in winter was proposed，and the grassland stock and overload status in different months of winter in the Ruoergai area were calculated. The overloading rate in this area rapidly increases from November to January in the early winter period and in most areas. It reaches an overloaded state and remains basically stable from January to February of the following year. The dynamic estimation method of winter forage-livestock balance based on DGVI has higher accuracy and stronger application ability than the estimation of winter forage-livestock balance using green vegetation index. The research results provide a feasible application technology and new ideas for the spatio-temporal dynamic monitoring and evaluation of winter forage-livestock balance during the dry season.

Key words：Biomass;Forage-livestock balance;Ruoergai region;Dead grass vegetation index

草地是陸地生態(tài)系統(tǒng)的主要組成部分之一［1］，我國約2.1億hm2的天然草地是畜牧業(yè)發(fā)展的重要基礎(chǔ)［2］。若爾蓋草原位于青藏高原東部，主要以高寒草甸為植被類型，這種特殊的生態(tài)環(huán)境條件使其成為一個脆弱敏感而重要的生態(tài)系統(tǒng)［3］，體現(xiàn)出其重要的生態(tài)地位和資源優(yōu)勢［4］。放牧是若爾蓋地區(qū)長久以來的人文自然現(xiàn)象［5-7］，然而，由于過度放牧等人類活動的持續(xù)影響［8］，草地退化與荒漠化現(xiàn)象不斷加劇［9］，并仍有加劇趨勢［10］。時至今日，該區(qū)域人類活動與草地生態(tài)保護的矛盾仍然嚴(yán)峻［11］，是研究人類與自然交互關(guān)系的理想?yún)^(qū)域和熱點地帶。

作為衡量一地放牧壓力程度的直接指標(biāo)，草畜平衡通過判斷一定區(qū)域和時間內(nèi)草原或者其他途徑能夠提供的飼草總量，是否與飼養(yǎng)的牲畜所需要的飼草總量達到動態(tài)平衡從而實現(xiàn)草地放牧壓力與強度的判斷與評估［12］。保持合理的載畜量，就能夠?qū)崿F(xiàn)草地的合理利用并防止草地退化，達到草地畜牧業(yè)可持續(xù)發(fā)展和生態(tài)平衡的目的［13］。因此，草畜平衡的動態(tài)監(jiān)測對草原的可持續(xù)發(fā)展以及生態(tài)保護等具有十分重要的作用［14-15］。然而，現(xiàn)有的大多數(shù)草畜平衡的估算方法，往往源于理論計算值或是生長盛期牧草產(chǎn)量推算所得［16］，主要以基于生長季鮮草總量或年最大生物量為依據(jù)，估算出一年的靜態(tài)平衡數(shù)值。例如，呂鑫等［17］基于中分辨率成像光譜儀（Moderate resolution imaging spectroradiometer，MODIS）數(shù)據(jù)和7，8月的實測生物量數(shù)據(jù)，結(jié)合草畜平衡指數(shù)和草地載畜壓力指數(shù)開展了青海省果洛與玉樹藏族自治州近10年草畜平衡動態(tài)分析。莫興國等［18］利用MODIS植被指數(shù)和葉面積指數(shù)及實測生物量數(shù)據(jù)，利用植被界面過程（Vegetation interface processes，VIP）模型，分析了2000—2018年間青藏高原地區(qū)縣域尺度草畜平衡狀態(tài)變化?，F(xiàn)有的研究主要基于夏季盛期綠草產(chǎn)量值，靜態(tài)的指代全年的供應(yīng)量，不僅難以體現(xiàn)不同時段供給量的差別，更不能掌握不同時段下空間區(qū)域的差異性。個別基于增強型植被指數(shù)（Enhanced vegetation index，EVI）模型進行的全年草畜平衡評估的研究，受植被指數(shù)枯草監(jiān)測能力不足的制約，因估算的1—4月產(chǎn)量區(qū)別較小，而忽略了冬季草畜平衡狀態(tài)的重要性［12］。事實上，冬季牧草地上生物量因自然衰變［19］及牲畜采食而有明顯的月際差異［20］。但在基于綠色植被葉片葉綠素與葉片結(jié)構(gòu)機理之上，通過綠色植被指數(shù)進行枯草生物量估算，在面對冬季干枯葉片狀況時，因植被指數(shù)構(gòu)建機理上的不同，而難以敏銳捕捉到枯草生物量較小的變化。也就是說，現(xiàn)有利用綠草特性建立遙感監(jiān)測指標(biāo)與方法，難以直接應(yīng)用于冬季牧草枯干狀況下的草畜平衡估算與監(jiān)測。眾所周知，草地生態(tài)環(huán)境嚴(yán)重破壞及畜牧業(yè)災(zāi)害主要發(fā)生于冬春枯草季［21］，冬季草畜平衡狀態(tài)及其時空動態(tài)變化過程，才是衡量和確定草地人類活動壓力的最直接指標(biāo)。因此，有必要發(fā)展一種基于枯草特征結(jié)合遙感監(jiān)測的冬季草畜平衡估算方法。

段旭輝等［22］提出了的可用于高寒冬季枯草的遙感監(jiān)測枯草植被指數(shù)（Dead grass vegetation index，DGVI），代娜等［19］的研究也驗證了該指數(shù)可以用于青藏高原冬季的牧草生物量監(jiān)測。因此本研究主要基于枯草植被指數(shù)DGVI及其與歸一化植被指數(shù)（Normalized difference vegetation index，NDVI）枯草生物量監(jiān)測能力對比角度，試圖提出一種適于冬季草畜平衡估算與評估的方法。

1 材料與方法

1.1 研究區(qū)概況

若爾蓋草原位于青藏高原東部邊緣（32°10′～34°15′ N，101°45′～103°27′ E）［23］，該地區(qū)的草地利用類型以放牧為主［24］。本研究以四川省的若爾蓋、紅原和阿壩縣的主體區(qū)域為研究區(qū)（圖1），區(qū)域擁有豐富的動植物資源，被稱為“川西北高原的綠洲”，植被類型包括濕地、草地和森林等，草地主要以高寒草甸為主［4］。研究區(qū)海拔介于3 300～3 600 m之間，除西北和西南部之外的大部分地區(qū)地勢較平坦，以高寒草原和草甸構(gòu)成連片大范圍的高寒草地，是開展草地遙感監(jiān)測評估與算法研究的理想地區(qū)。高原山地冷涼氣候特征明顯，年平均氣溫0.7～1.1℃，夏季最熱的7月平均氣溫10.9～11.4℃，冬季最冷月的1月平均氣溫-10.5～-7.9℃，年降水量650～750 mm，雨熱同季特征顯著，6—8月降水量，約占全年的1/2［25］。研究區(qū)地理位置及其土地覆蓋狀況見圖1。

1.2 數(shù)據(jù)

1.2.1 枯草生物量 2019年及2022年共開展了兩次草地生物量野外調(diào)查。其中，2019年12月在四川阿壩縣、紅原縣、若爾蓋縣共設(shè)置9個野外隨機調(diào)查樣點，采用十字交叉法采集標(biāo)準(zhǔn)樣方生物量鮮重數(shù)據(jù)36個。2022年11月在四川省紅原縣設(shè)置3個野外隨機調(diào)查點，采集標(biāo)準(zhǔn)樣方生物量鮮重數(shù)據(jù)15個。由于觀測條件和觀測時間等因素影響，各個采樣點的樣本數(shù)不盡相同，具體樣本數(shù)見表1。

受野外數(shù)據(jù)采集過程中不同人員主觀認(rèn)識及不確定因素的干擾，樣本數(shù)據(jù)不可避免存在一些偏差。因此，數(shù)據(jù)分析前，對所有原始實測數(shù)據(jù)進行質(zhì)量篩查，對偏離較大的數(shù)值予以剔除。由于每個樣點通過十字交叉法共可以獲取得到5個樣本，當(dāng)某個樣本與總樣本平均值偏差超過±20%時，即認(rèn)為該樣本質(zhì)量存疑。對存疑樣本觀測前后的照片記錄核對確認(rèn)后，判斷該樣本是否留存或剔除。如紅原種羊場采樣點（ZYC）的中心和東南北方向4個樣方的生物量分別為1 829.2，2 908.4，1 714.8，2 411.6 kg·hm-2，而西向樣本僅為1 184 kg·hm-2，與平均值及其他樣方偏差達到41%，偏差較大質(zhì)量存疑。進一步通過查閱觀測記錄和現(xiàn)場觀測照片發(fā)現(xiàn)該樣方區(qū)域有一陳跡干牛糞，其下牧草稀少，因而剔除ZYC-W樣方數(shù)據(jù)。同理，發(fā)現(xiàn)安曲02（AQ02）樣點的4個樣方中，西向和南向2個樣方中牧草根部仍殘存部分鮮草，由于12月觀測牧草統(tǒng)一被視為枯草，以上兩個樣方重量不代表實際生物量數(shù)值而予以剔除。逐一篩查判別，最終保留39個有效生物量樣本數(shù)據(jù)。其中30個樣本數(shù)據(jù)用于枯草生物量估算模型構(gòu)建，9個用于模型驗證。

1.2.2 衛(wèi)星影像 收集2019年12月上旬和2022年11月上旬覆蓋若爾蓋地區(qū)所有野外調(diào)查采樣點且時相相近的晴空少云Landsat8或Landsat9衛(wèi)星影像，用于枯草生物量模型的構(gòu)建及驗證。此外，還收集了2022年7月、12月，2023年1月、2月上旬衛(wèi)星影像，用于分析草畜平衡的時空動態(tài)變化。數(shù)據(jù)來源于United States Geological Survey（http：//glovis.usgs.gov/）。收集到的影像數(shù)據(jù)經(jīng)過輻射定標(biāo)、大氣校正、裁剪等基本預(yù)處理，并預(yù)先利用NDSI（Normalized Difference Snow Index）完成積雪區(qū)域去除［26］。

1.2.3 載畜量及放牧強度 載畜量數(shù)據(jù)為各縣統(tǒng)計數(shù)值，阿壩縣、若爾蓋縣、紅原縣牲畜年末存欄數(shù)據(jù)來源于阿壩藏族羌族自治州統(tǒng)計年鑒。草地面積數(shù)據(jù)來源于阿壩藏族羌族自治州自然資源局。折合羊單位的換算系數(shù)來源于中華人民共和國農(nóng)業(yè)行業(yè)標(biāo)準(zhǔn)《天然草地合理載畜量的計算》（NY/T 635-2015）［27］，其中牛的轉(zhuǎn)換系數(shù)按照牦牛4.5SU計算，馬的轉(zhuǎn)換系數(shù)按照藏馬5SU計算，驢的轉(zhuǎn)換系數(shù)按照西藏驢2.5SU計算。平均放牧強度表示單位面積草地對應(yīng)的羊單位數(shù)量，3縣草畜統(tǒng)計數(shù)據(jù)如表2。

1.2.4 土地覆蓋 土地覆蓋數(shù)據(jù)來源于全國地理信息資源目錄服務(wù)系統(tǒng)（https：//www.webmap.cn）中30 m全球地表覆蓋數(shù)據(jù)（GlobalLand 30）［28］。該數(shù)據(jù)集包含十個主要的地表覆蓋類型，分別是耕地、森林、草地、灌木地、濕地、水體、苔原、人造地表、裸地、冰川和永久積雪。從圖1可以看出，草地類型覆蓋了研究區(qū)絕大部分區(qū)域，森林主要分布于研究區(qū)西南部和北部邊緣地帶，中部的高山地區(qū)存在較多的高山裸地及雪冰。本研究針對草畜平衡開展，因此，首先利用該數(shù)據(jù)將各非草地類型區(qū)域予以掩膜剔除，研究計算與分析討論僅以草地類型區(qū)域展開。

1.3 方法

1.3.1 生物量數(shù)據(jù)采樣 為更好地保證調(diào)查采樣的隨機性及樣本數(shù)據(jù)的穩(wěn)定性與代表性，樣方設(shè)置采用十字交叉法。在野外環(huán)境條件中，平坦開闊草場中隨機選擇一點作為調(diào)查樣區(qū)中心點，自該中心點南北向與東西向分別各延伸30 m，構(gòu)成一個十字形狀樣區(qū)，在該樣區(qū)中心以及東南西北方向30 m處放置50 cm×50 cm標(biāo)準(zhǔn)樣方，構(gòu)成十字交叉的5個野外觀測樣方。由于中心點為隨機選取，而其余四個方向處的樣方由中心點的距離所確定，所以最大程度保證了5個樣方點的隨機性，而區(qū)域連續(xù)的多個樣方，既能對比篩查異常樣本，又能增加數(shù)據(jù)序列的穩(wěn)定性。各樣方間隔距離30 m，對應(yīng)了Landsat，GF等常用高分辨率衛(wèi)星影像的像元尺度，而5個樣方的平均值則可以作為一個樣方，更好地對應(yīng)MODIS或FY等極軌衛(wèi)星分辨率，增加了樣方的代表性。

野外調(diào)查樣地，在不同覆蓋度的草地分別設(shè)置標(biāo)準(zhǔn)樣方采集生物量數(shù)據(jù)。生物量的獲取采用刈割方式，將樣方內(nèi)的牧草全部齊根部剪下裝入紙質(zhì)信封，現(xiàn)場稱重得到牧草鮮重。樣品帶回實驗室，在烘箱中90℃溫度經(jīng)6小時烘干，獲牧草樣方干重。

1.3.2 枯草生物量估算模型構(gòu)建與驗證 由于植被類型及地理特征的差異性，生物量的估算帶有明顯區(qū)域特征。構(gòu)建適用于若爾蓋高原地區(qū)冬季牧草的草畜平衡監(jiān)測方法，首先需要建立區(qū)域適用的生物量反演模型。本研究利用NDVI和DGVI兩種植被指數(shù)分別建模對比。

NDVI是應(yīng)用最為廣泛的植被指數(shù)，且現(xiàn)有的草畜平衡監(jiān)測與評估絕大多數(shù)采用了NDVI與實測生物量鮮重數(shù)據(jù)建立牧草生物量模型。其計算公式如下：

式中，NIR表示近紅外波段；R為紅光波段。

DGVI是一種專門針對且對枯草響應(yīng)敏感的植被指數(shù)，段旭輝等人［22］的研究證明了其較好地高寒冬季枯草識別能力。在其研究中采用了MODIS 1 628～1 652 nm波段和459～479 nm波段，但由于Landsat8和Landsat9衛(wèi)星波段并不完全與其相符，本研究選用與MODIS最相近的兩個波段。其計算公式如下：

式中，SWIR1表示中遠紅外紅外波段1；B表示藍光波段。

隨機抽取30個不同樣方地面實測生物量鮮重數(shù)據(jù)，并提取出樣方對應(yīng)像元衛(wèi)星波段，分別計算得到各樣方像元點處NDVI和DGVI值，利用樣方植被指數(shù)與對應(yīng)生物量數(shù)據(jù)序列進行模型構(gòu)建，分別構(gòu)建線性、指數(shù)、冪函數(shù)、二次項、對數(shù)5種統(tǒng)計模型。將剩余9組樣方數(shù)據(jù)用于模型驗證與評價。通過所建模型決定系數(shù) R2、方程F檢驗、均方根誤差（RMSE）和平均絕對百分比誤差（MAPE）等參數(shù)進行模型精度驗證。

1.3.3 草畜平衡計算

（1）實際載畜量

實際載畜量數(shù)據(jù)依據(jù)阿壩州年末存欄數(shù)統(tǒng)計數(shù)據(jù)計算得到。單位面積的實際載畜量計算公式如下：

式中，Cs表示單位面積的實際載畜量（SU·hm-2）；A表示該地區(qū)的實際牲畜數(shù)量（SU）；S表示該地區(qū)的草地面積。

（2）理論載畜量

根據(jù)中華人民共和國農(nóng)業(yè)行業(yè)標(biāo)準(zhǔn)《天然草地合理載畜量的計算》（NY/T 635-2015），草地理論載畜量的計算公式如下：

式中，Ct表示單位面積的理論載畜量（SU·hm-2），Yt表示該地區(qū)的平均可食產(chǎn)草量（kg·hm-2），Et表示草地利用率，Ht表示牧草干鮮比，Lt表示冬季牧草留存率，It為1羊單位日食干草量（1.8 kg·SU-1·d-1），Dt表示放牧天數(shù)。

本研究以高寒草地為對象，高寒草地利用率Et為50%；Ht取值參考張聰?shù)热耍?9］在臨近的甘南地區(qū)調(diào)研結(jié)果，設(shè)置為3.2；Lt取值參考李青豐［30］的研究結(jié)果，設(shè)置為50%；羊單位日食干草量It為1.8 kg·SU-1·d-1；Dt以各月實際日數(shù)為準(zhǔn)。

（3）草畜平衡指標(biāo)

超載率是評價草畜平衡的一個重要指標(biāo)，其計算公式如下：

式中，OL表示超載率（%）；Cs表示單位面積的實際載畜量（SU·hm-2）；Ct表示單位面積的理論載畜量（SU·hm-2）。

參考相關(guān)研究，可以根據(jù)超載率將草畜平衡分為7個等級：極度超載（OLgt;100%），嚴(yán)重超載（75%lt;OL≤100%），超載（50%lt;OL≤75%），臨界超載（20%lt;OL≤50%），草畜平衡（-20%≤OL≤20%），載畜不足（-75%≤OLlt;-20%），盈余（OLlt;-75%）。

2 結(jié)果與分析

2.1 枯草生物量遙感模型

2.1.1 模型構(gòu)建 依據(jù)Landsat 8與Landsat 9波段設(shè)置，分別計算得到39個有效樣方對應(yīng)像元DGVI與NDVI，以樣方生物量和植被指數(shù)構(gòu)成時間序列數(shù)據(jù)對。隨機選取其中30組數(shù)據(jù)用于枯草生物量模型構(gòu)建，并以剩余9組數(shù)據(jù)作為驗證。30組建模數(shù)據(jù)中以植被指數(shù)為自變量，生物量鮮重為因變量，分別構(gòu)建線性、指數(shù)、冪函數(shù)、二次項、對數(shù)模型。對比R2、Sig.值（P值）、F檢驗的結(jié)果表明，線性、指數(shù)、冪函數(shù) 3種模型具有較好的擬合效果，DGVI，NDVI與對應(yīng)生物量的散點圖及擬合曲線見圖2。

基于DGVI構(gòu)建的模型中，指數(shù)模型R2達到0.626 6，RMSE為454.2 kg·hm-2，MAPE為24%，為5種模型中綜合最優(yōu)。因此，基于DGVI的估算模型如下：

Y1=12.823e6.906 9X1（6）

式中，Y1表示DGVI估算生物量，X1表示DGVI值。

同上，基于NDVI構(gòu)建的模型中，冪函數(shù)模型的R2為0.506 1，RMSE為608.6 kg·hm-2，MAPE為27%，因此基于NDVI的估算模型如下：

Y2=107 66X21.453 4（7）

式中，Y2表示NDVI估算生物量，X2表示NDVI值。

2.1.2 模型驗證 將9組驗證數(shù)據(jù)代入所建模型，分別驗證基于DGVI和NDVI所構(gòu)建的模型，實測生物量和估算生物量散點圖如圖3所示。由圖可知基于DGVI估算模型的驗證結(jié)果優(yōu)于基于NDVI估算模型的驗證結(jié)果，基于DGVI估算模型驗證數(shù)據(jù)間R2達到0.791 1，二者間相關(guān)關(guān)系通過了0.001的顯著性檢驗水平。NDVI估算模型R2達到0.629 0，也通過了0.01的顯著性檢驗水平。無論基于DGVI還是NDVI所建的估算模型，其MAPE均小于30%，說明兩個模型均具有較好的可信度。

然而，二者對比可以發(fā)現(xiàn)，NDVI估算模型僅通過0.01的顯著性檢驗，未能通過0.001的顯著性檢驗水平，而RMSE和MAPE又高于DGVI估算模型，分別高出34%和12.5%。說明基于DGVI模型能更好地表達枯草生物量實際狀況，且能保證更高的精度。因此，進行冬季枯草生物量估算時，采用DGVI的估算模型可以得到更符合冬季實際的結(jié)果。

2.2 基于DGVI的冬季枯草生物量反演

2.2.1 空間分布 根據(jù)式（6），基于Landsat衛(wèi)星影像，分別計算得到2022年11月和12月、2023年1月和2月各月牧草生物量，并通過土地覆蓋以及積雪區(qū)識別結(jié)果，剔除非草地區(qū)域，研究區(qū)高寒草地枯草生物量結(jié)果如圖4所示。從圖中可以看出，11月時枯草生物量總體上呈東高西低分布，紅原與若爾蓋大部地區(qū)枯草生物量在2 500 "kg·hm-2以上，西南部阿壩縣大部地區(qū)生物量明顯偏低，不少地區(qū)在1 600 "kg·hm-2以下?？梢园l(fā)現(xiàn)全區(qū)枯草生物量在12月均出現(xiàn)了明顯下降現(xiàn)象，特別是東部高生物量區(qū)的降幅最為明顯。全區(qū)植被生物量以1 500～2 000 "kg·hm-2為主，區(qū)域內(nèi)的空間差異明顯縮小，各地存留草量大致接近。11月生物量較高的東部地區(qū)從2 500～3 500 "kg·hm-2等級基本全部下降至1 500～2 000 "kg·hm-2等級，原來植被覆蓋程度較差的區(qū)域雖然下降幅度不大，但植被生物量等級也出現(xiàn)了可觀測的降幅。與NDVI估算模型結(jié)果不同的是，12月與1月，不同區(qū)域植被生物量仍有較明顯的下降趨勢，但降幅較小，全區(qū)植被生物量大致維持在1 000～2 000 "kg·hm-2之間。

時間上，冬季枯草生物量11月急劇下降至次年1月和2月維持穩(wěn)定的先急后緩的變化特征，與代娜等人通過地面觀測獲得的結(jié)論一致［19］，較好反映了自然植被季節(jié)性衰減的規(guī)律。從空間分布來看，阿壩縣中部河谷地區(qū)與若爾蓋縣北部邊緣地帶的植被生物量出現(xiàn)了顯著下降且數(shù)值偏低。對照分析發(fā)現(xiàn)，這一區(qū)域的急劇、突變下降的變化，與該區(qū)域大范圍人工草場刈割打草活動有關(guān)，而紅原縣東南部和阿壩南部的高大山系地帶，由于靠近森林以及灌木叢的存在，生物量的衰減變化特征不明顯?？傮w上看，整個若爾蓋地區(qū)冬季牧草生物量在11月之前保持在一個較高的水平，其后呈現(xiàn)全區(qū)性的顯著下降，并在1月以后，達到并維持在一個較低的覆蓋狀態(tài)。

2.2.2 月際變化 為進一步分析不同時期枯草生物量的變化量及其空間差異性，將各月DGVI估算的枯草生物量逐像元依次相減，同時，以2022年11月與2023年2月差值指示整個枯黃時段變化量。從圖5可以看出，全區(qū)枯草生物量自11月—2月總體呈持續(xù)減少，其中11—12月下降幅度最為顯著，各區(qū)域的降幅普遍在600 "kg·hm-2左右（圖5a）。區(qū)域分布上，東北部地區(qū)降幅較大，個別地區(qū)月際降幅可達1 500 "kg·hm-2左右，西南部地區(qū)降幅相對較小，但總體降幅也處于300 "kg·hm-2左右。圖5b的降幅與前一時段相比差異非常明顯，總體上表現(xiàn)為東北部地區(qū)較小的下降幅度，降幅約為100 kg·hm-2；而西南及偏南部地區(qū)，在這一時段則表現(xiàn)出較大的降幅，月季降幅以200～300 "kg·hm-2為主；冬季的1—2月，全區(qū)降幅均處于較小的變化范圍內(nèi)，大部分地區(qū)月際降幅維持在100 "kg·hm-2左右（圖5c）。11月到次年2月的差值表明（圖5d），自秋季11月至深冬2月，全區(qū)大部地區(qū)枯草生物量均呈現(xiàn)顯著的減少特征，東北部大部地區(qū)減幅達到600 "kg·hm-2，南部大部地區(qū)減幅也在400 kg·hm-2以上。

圖4和圖5對比發(fā)現(xiàn)，圖5d枯草生物量降幅的空間分布特征與圖4a大致相近，表明枯草季生物量下降的最大幅度與各區(qū)域原生枯草存量直接相關(guān)，生物量高的地區(qū)降幅大、生物量低的區(qū)域降幅小。隨著時間的推移，牧草自然與牲畜采食不斷持續(xù)，草原地區(qū)各地枯草生物量逐漸趨于一致并達到年最低值，大致維持在1 000～1 500 "kg·hm-2的水平之上（圖4d）。而不同時段東北部與南部降幅的空間差異性，反映了若爾蓋地區(qū)植被氣候生態(tài)的不同。緯度和海拔均略偏高的東北部地區(qū)，在11—12月間降幅大而在其余時段降幅小，反映了該地區(qū)植被在冬季前期較為劇烈的衰減特征與過程。而南部地區(qū)11月至次年1月及2月間降幅明顯，1—2月接近全年最低水平，表明該區(qū)域植被冬季枯干衰減過程相對平緩或溫和。以上空間分布及其時間變化過程的差異性說明，雖然最終地上生物量基于處于較一致的全年最低水平，但不同地區(qū)、不同植被覆蓋類型下，冬季生物量衰減的過程在時間和區(qū)域表現(xiàn)出明顯不同的特征與規(guī)律。

2.3 DGVI與NDVI枯草估算能力對比

2.1部分的建模過程表明，DGVI對枯草生物量的反演能力優(yōu)于NDVI。然而，統(tǒng)計驗證參數(shù)不能指示其優(yōu)劣的具體表現(xiàn)及時間和空間差異性。因此，為了進一步揭示NDVI與DGVI在枯草生物量估算能力上的差別，本研究利用公式（7）反演了2022年11月—2023年2月若爾蓋地區(qū)的牧草生物量，再統(tǒng)計該地區(qū)各月基于DGVI和NDVI估算生物量的直方圖，并將圖4中所示生物量分級閾值標(biāo)示于圖中。

如圖6所示，雖然兩種估算模型的峰值隨著時間推移均表現(xiàn)向低值偏移、數(shù)量持續(xù)增加且值域范圍不斷縮小的特點，指示了生物量不斷下降且低值區(qū)域不斷增大的現(xiàn)象。但兩類模型的數(shù)量分布仍表現(xiàn)出較強的差異性，主要表現(xiàn)在DGVI估算模型的值域范圍更廣、低值的分布峰值更低且正態(tài)分布特征更為顯著?；贜DVI估算的生物量數(shù)值更為集中、峰值偏高，說明其在反映不同草地之間的區(qū)別以及區(qū)域差異性等方面均明顯弱于DGVI。然而，DGVI估算的生物量值在0值附近異常升高的現(xiàn)象較明顯，反映了在低值區(qū)判識能力的不足。通過將低值像元在衛(wèi)星影像上地物類型的對照核實，發(fā)現(xiàn)該現(xiàn)象主要發(fā)生在高山區(qū)域，說明在落差較大的復(fù)雜地形區(qū)，由于NDVI對非植被的其他地物更好的區(qū)分能力、以及對混合像元更強的敏感性，NDVI模型反演能力在這些區(qū)域及低值區(qū)間要強于DGVI。因此，在利用DGVI進行枯草反演時，需要注意低值區(qū)的偏差。

為了更進一步考察兩種估算模型對不同等級生物量響應(yīng)的差異性，以研究區(qū)各月逐像元DGVI和NDVI生物量估算值為依據(jù)繪制散點圖。由于研究區(qū)像元數(shù)過多，利用逢3抽1的方式進行隨機抽樣，并剔除了NDVI lt;0.05的非植被像元。由圖7可知，兩種模型估算的生物量存在顯著的線性關(guān)系，均能通過0.05的顯著性檢驗水平。擬合線明顯偏向DGVI的方向，說明二者的散點更多地被DGVI主導(dǎo)，生物量估算結(jié)果更符合DGVI的分布。對于低值期的1月和2月而言，DGVI的值域范圍明顯大于NDVI，說明在深冬的普遍低值期，NDVI將很容易低估植被地上生物量，且偏差較大。事實上，11月與12月也存在這種現(xiàn)象，只是這一時期植被地上生物量普遍較高，NDVI的這種弱點表現(xiàn)不明顯。從散點的收斂性來看，二者間最明顯的差異表現(xiàn)在兩個數(shù)值區(qū)間，一個是DGVI的低值區(qū)，這對應(yīng)了前述分析中NDVI對于高山地區(qū)及混合像元等更好的區(qū)分能力。另一個差異區(qū)間，主要發(fā)生在DGVI在1 500～2 500 "kg·hm-2的范圍內(nèi)，這一區(qū)域?qū)?yīng)了NDVI的高值區(qū)。對照圖6可以發(fā)現(xiàn)，這一區(qū)間是NDVI出現(xiàn)峰值且相比DGVI值域范圍偏窄的區(qū)間，NDVI在這一區(qū)間上區(qū)分能力明顯弱于DGVI。因此，二者的散點圖也指示了DGVI總體優(yōu)于NDVI的特征。

2.4 冬季草畜平衡動態(tài)估算

根據(jù)上述分析可以得出，基于DGVI的生物量反演模型能夠更好的反演冬季牧草的生物量，且對不同的地物和不同覆蓋度的牧草都有一定的區(qū)分度，因此，草畜平衡的計算采用DGVI反演的生物量進行時空評估。

根據(jù)式（3）和阿壩州各縣牲畜統(tǒng)計數(shù)計算得到阿壩、紅原與若爾蓋3縣實際載畜量，并根據(jù)DGVI估算的牧草生物量數(shù)據(jù)結(jié)合式（4）計算得到各縣理論載畜量，最后根據(jù)式（5）計算每個像元的超載率。研究區(qū)各月超載率計算結(jié)果如圖8所示。從圖中可以看出，11月份阿壩縣和紅原縣的超載率基本在-20%～20%之間，總體保持草畜平衡的狀態(tài)，阿壩縣東北部和紅原縣北部存在載畜不足的情況，若爾蓋縣大部地區(qū)及阿壩縣城周邊區(qū)域超載率處于20%～50%之間，達到臨界超載狀態(tài)。12月，各地超載率表現(xiàn)明顯上升趨勢，所有地區(qū)的草畜平衡狀態(tài)均出現(xiàn)下滑現(xiàn)象。若爾蓋縣的北部及西部的部分地區(qū)超載率超過了100%，達到極度超載狀態(tài)。阿壩縣和紅原縣的超載率主要在河谷和靠近公路的地區(qū)增加較多，也達到了臨界超載的狀態(tài)，發(fā)生臨界超載的區(qū)域大多與人工草地牧草刈割有關(guān)與過度放牧相關(guān)。1月與2月超載情況進一步加劇，各縣的超載率進一步升高，若爾蓋縣全縣基本都在20%以上，達到了超載狀態(tài)，阿壩縣和紅原縣大部分地區(qū)也達到了臨界超載狀態(tài)。

基于DGVI的冬季枯草草畜平衡監(jiān)測，可以改變當(dāng)前以生長季盛期牧草產(chǎn)量指代冬季各月牧草狀態(tài)的時間靜態(tài)草畜評估的現(xiàn)狀，能夠較好較準(zhǔn)確地實現(xiàn)冬季生態(tài)與生產(chǎn)關(guān)鍵期草畜平衡的動態(tài)監(jiān)測與評估，是一種解決冬季牧草監(jiān)測能力不足、實現(xiàn)生態(tài)管理關(guān)鍵時段草畜平衡實時動態(tài)與評估的有效手段，可以為生產(chǎn)與管理部門、生態(tài)環(huán)境保護與智慧生產(chǎn)提供基礎(chǔ)支撐技術(shù)與新的解決思路。

3 討論

現(xiàn)有的草畜平衡研究大多數(shù)以年為時間單位，如莫興國等人［18］針對青藏高原區(qū)域草畜平衡狀況的研究表明，若爾蓋地區(qū)的超載程度在80%左右。而本研究月際動態(tài)計算結(jié)果表明，7月—11月期間，該地區(qū)并未達到超載狀態(tài)，然而，到冬季2月份時，部分地區(qū)出現(xiàn)了80%以上的超載率。二者的對比表明，現(xiàn)有的傳統(tǒng)全年草畜平衡狀況的評估，難以準(zhǔn)確反映不同時段的差異性，無法準(zhǔn)確了解各個月份草畜平衡狀況，將可能對草原精細管理帶來一定誤導(dǎo)。此外，全年平均的計算方式一定程度上分?jǐn)偤拖♂屃顺d的程度，平滑了冬季枯草期超載狀況遠高于全年平均狀態(tài)的事實，導(dǎo)致冬春交接期草地實際承載壓力與平衡狀態(tài)的明顯低估。

牲畜數(shù)量由于出欄和產(chǎn)羔等原因而處于動態(tài)變化之中［32］，同時由于氣候、環(huán)境等自然因素的影響，牧草營養(yǎng)價值和干物質(zhì)含量往往隨著生長季節(jié)變化而發(fā)生波動性改變［33-34］，牲畜的采食量也將隨之出現(xiàn)時空差異性，這些都會導(dǎo)致理論載畜量的變化［18］。此類數(shù)據(jù)的缺失，將造成超載壓力估算的偏差。然而，已有的研究表明，全年最低值出現(xiàn)在牲畜陸續(xù)出欄后的10月份，10月—次年4月的牲畜數(shù)量可以用牲畜年末存欄量表示［35-36］。因此，可以認(rèn)為，本研究期內(nèi)的11月—次年2月牲畜數(shù)量的變化較小，年末存欄量近似的代替不會帶來較大的誤差。事實上，以年牲畜數(shù)量的固定數(shù)值估算草畜平衡時，其本質(zhì)是通過冬季地上牧草存量的變化動態(tài)的指示和反映。代娜等人［19］的研究表明，高寒草甸冬半年的生物量的自然衰減在11月—次年4月為相對穩(wěn)定階段。因此，可以認(rèn)為在11月—次年2月期間，地上生物量的變化主要是由于牲畜的采食，冬季地上牧草存量的變化也能一定程度上指示草畜平衡在時間和空間上的變化與趨勢。同時本研究的重點在于展示逐月草畜平衡計算的可行性以及這種方法可行性的驗證。在當(dāng)前無時間動態(tài)牲畜數(shù)量觀測記錄和動態(tài)牲畜采食量數(shù)據(jù)的情形下，其結(jié)果更多地偏重于提供一種新的監(jiān)測與服務(wù)的可能性，雖然在準(zhǔn)確性方面存在不可避免的誤差，但其結(jié)果仍具有明確的科學(xué)意義與應(yīng)用價值。若未來可獲得各月存欄牲畜動態(tài)統(tǒng)計數(shù)據(jù)時，利用本研究提出這一新的方法可以實現(xiàn)逐月草畜平衡的動態(tài)監(jiān)測。

冬季枯草是一種特殊遙感輻射目標(biāo)，從冬季枯草與夏季綠草光譜曲線的對比中可以看出二者間本質(zhì)上的不同，也能直接觀察到兩種植被指數(shù)的差別［37］。DGVI是基于SWIR1中紅外波段和可見光的藍光波段進行歸一化運算得到的指數(shù)，從光譜曲線上看，中紅外波段是枯草敏感波段，藍光波段是則對枯草數(shù)量變化呈低敏感性，兩個波段的結(jié)合可以很好的識別冬季牧草及其覆蓋度的不同。NDVI基于近紅外和紅光波段構(gòu)建，兩個波段對于冬季枯草表現(xiàn)出一定的敏感性，其枯草光譜敏感性弱于中紅外波段但強于藍光波段，這使得二者結(jié)合之后的植被指數(shù)，對枯草的估算因光譜響應(yīng)的同步性而表現(xiàn)出敏感性與準(zhǔn)確性不足，且其值域變化區(qū)間也因二者間較強的同步變化特性而相對偏小。因此，NDVI枯草識別區(qū)分能力，從機理和實際監(jiān)測效果上均明顯弱于DGVI。總之，從光譜輻射特征的基本機理、冬季牧草光譜曲線特征、以及植被指數(shù)的構(gòu)成等角度來看，基于DGVI的估算模型，在進行枯草生物量估算時包含有更明確的物理意義與更準(zhǔn)確的實際應(yīng)用能力，更適于進行冬季枯草條件下草畜平衡的估算與監(jiān)測。

4 結(jié)論

基于DGVI的生物量估算模型擬合能力優(yōu)于NDVI模型，能夠更好的區(qū)分不同的地物以及不同覆蓋度的冬季牧草，并且DGVI的波段設(shè)置也更適合非生長季的牧草。若爾蓋地區(qū)的超載率在冬季前期的11月—次年1月迅速增加，次年1—2月，大部地區(qū)達到超載狀態(tài)并基本保持穩(wěn)定。高寒草甸冬半年生物量的自然衰減在11月—次年4月為相對穩(wěn)定階段，因此，在11月—次年2月期間，地上生物量的變化主要是由于牲畜的采食，冬季地上牧草存量的變化能一定程度上指示草畜平衡在時間和空間上的變化與趨勢。

參考文獻

［1］ 李夢嬌，李政海，鮑雅靜，等. 呼倫貝爾草原載畜量及草畜平衡調(diào)控研究［J］. 中國草地學(xué)報，2016，38（2）：72-78

［2］ 中華人民共和國自然資源部. 自然資源概況［N］. 2022年中國自然資源統(tǒng)計公報，2023-04-13（1）

［3］ 朱牛，孫建，石凝，等. 短期圍欄封育對高寒草甸植物群落及土壤理化性質(zhì)的影響［J］. 草地學(xué)報，2023，31（3）：834-843

［4］ 常晶晶，徐麗，薛晶月，等. 放牧強度對若爾蓋高寒草甸土壤有機質(zhì)和微生物的影響［J］. 草業(yè)學(xué)報，2018，27（1）：22-31

［5］ 王江偉，齊虎嘯，余成群，等. 藏北高原高寒草甸植被生產(chǎn)力對冷暖季放牧的響應(yīng)［J］. 遙感技術(shù)與應(yīng)用，2023，38（1）：90-96

［6］ 費璇，鎖才序，向雙，等. 青藏東緣高寒草甸植物群落結(jié)構(gòu)及功能群特征對長期季節(jié)放牧的響應(yīng)［J］. 草地學(xué)報，2022，30（8）：1954-1963

［7］ SUN J，HOU G，LIU M，et al. Effects of climatic and grazing changes on desertification of alpine grasslands，Northern Tibet ［J］. Ecological Indicators，2019，107：105647

［8］ 趙云飛，汪霞，歐延升，等. 若爾蓋草甸退化對土壤碳、氮和碳穩(wěn)定同位素的影響［J］. 應(yīng)用生態(tài)學(xué)報，2018，29（5）：1405-1411

［9］ 魏振海，董治寶，胡光印，等. 近40a來若爾蓋盆地沙丘時空變化［J］. 中國沙漠，2010，30（1）：26-32

［10］游宇馳，李志威，黃草，等. 1990—2016年若爾蓋高原荒漠化時空變化分析［J］. 生態(tài)環(huán)境學(xué)報，2017，26（10）：1671-1680

［11］仲波，孫庚，陳冬明，等. 不同恢復(fù)措施對若爾蓋沙化退化草地恢復(fù)過程中土壤微生物生物量碳氮及土壤酶的影響［J］. 生態(tài)環(huán)境學(xué)報，2017，26（3）：392-399

［12］張福平，王虎威，朱藝文，等. 祁連縣天然草地地上生物量及草畜平衡研究［J］. 自然資源學(xué)報，2017，32（7）：1183-1192

［13］徐敏云，賀金生. 草地載畜量研究進展：概念、理論和模型［J］. 草業(yè)學(xué)報，2014，23（3）：313-324

［14］郝力壯，王萬邦，王迅，等. 三江源區(qū)嵩草草地枯草期牧草營養(yǎng)價值評定及載畜量研究［J］. 草地學(xué)報，2013，21（1）：56-64

［15］CAO Y N， WU J S， ZHANG X Z，et al. Comparison of Methods for Evaluating the Forage-Livestock Balance of Alpine Grasslands on the Northern Tibetan Plateau ［J］. Journal of Resources and Ecology，2020，11（3）：272-282

［16］特力格爾. 內(nèi)蒙古不同草原類型草畜平衡現(xiàn)狀分析［D］. 呼和浩特：內(nèi)蒙古師范大學(xué)，2021：4-6

［17］呂鑫，王卷樂，康海軍，等. 基于遙感估產(chǎn)的2006—2015年青海果洛與玉樹地區(qū)草畜平衡分析［J］. 自然資源學(xué)報，2018，33（10）：1821-1832

［18］莫興國，劉文，孟鋮鋮，等. 青藏高原草地產(chǎn)量與草畜平衡變化［J］. 應(yīng)用生態(tài)學(xué)報，2021，32（7）：2415-2425

［19］代娜，徐維新，肖強智，等. 青藏高原冬季枯草生物量遙感估算［J］. 生態(tài)學(xué)報，2023，（14）：1-13

［20］杜子銀，蔡延江，王小丹，等. 放牧牦牛行為及其對高寒草地土壤特性的影響研究進展［J］. 草業(yè)學(xué)報，2019，28（7）：186-197

［21］徐敏云. 草地載畜量研究進展：中國草畜平衡研究困境與展望［J］. 草業(yè)學(xué)報，2014，23（5）：321-329

［22］段旭輝，徐維新，梁好，等. 三江源地區(qū)高寒冬季枯草遙感監(jiān)測方法研究［J］. 遙感技術(shù)與應(yīng)用，2022，37（6）：1472-1481

［23］曹霸，凌成星. 基于GF-1遙感數(shù)據(jù)的若爾蓋高寒沼澤濕地地上生物量與土壤有機碳密度估算［J］. 遙感技術(shù)與應(yīng)用，2021，36（1）：229-236

［24］翟星，王繼燕，于冰，等. 基于地上凈初級生產(chǎn)力與地上生物量的若爾蓋高原放牧強度遙感監(jiān)測［J］. 草業(yè)科學(xué)，2021，38（3）：544-553

［25］韓大勇，楊永興. 若爾蓋高原沙化沼澤區(qū)植物群落物種組成及其驅(qū)動因素［J］. 生態(tài)學(xué)報，2020，40（16）：5602-5610

［26］HALL D K，RIGGS G A，SALOMOMSON V V. Development of methods for mapping global snow cover using moderate resolution imaging spectroradiometer data ［J］. Remote Sensing of Environment，1995，54（2）：127-140

［27］中華人民共和國農(nóng)業(yè)部. NY/T 635-2015 天然草地合理載畜量的計算［S］. 2015：1-6

［28］CHEN J，CHEN J，LIAO A，et al. Global land cover mapping at 30 m resolution：A POK-based operational approach［J］. ISPRS Journal of Photogrammetry and Remote Sensing，2015，103：7-27

［29］張聰，閆慧敏，姚曉軍. 甘南地區(qū)草畜平衡動態(tài)評估［J］. 自然資源學(xué)報，2022，37（7）：1903-1917

［30］李青豐. 草畜平衡管理系列研究（3）——草畜平衡核算方法改革［J］. 草業(yè)科學(xué)，2011，28（12）：2190-2194

［31］曹娟，張勇娟，李新一，等. 遙感技術(shù)在青海剛察縣草畜平衡研究中的應(yīng)用［J］. 中國農(nóng)業(yè)資源與區(qū)劃，2020，41（10）：138-146

［32］覃琳，宋孝玉，馮湘華. 基于劃區(qū)輪牧理論的祁連山北麓牧區(qū)動態(tài)草畜平衡研究［J］. 農(nóng)業(yè)工程學(xué)報，2019，35（11）：256-264

［33］張曉慶，金艷梅，田峻成，等. 西藏高寒草原5種牧草養(yǎng)分含量及體外消化率季節(jié)變化［J］. 中國草地學(xué)報，2022，44（1）：71-77

［34］姚喜喜，才華，劉皓棟，等. 不同季節(jié)高寒草甸牧草瘤胃發(fā)酵特性和體外消化率分析［J］. 草地學(xué)報，2021，29（8）：1729-1737

［35］劉輝，宋孝玉，覃琳，等. 基于改進關(guān)鍵場的干旱風(fēng)沙草原牧區(qū)草畜平衡評價［J］. 農(nóng)業(yè)工程學(xué)報，2021，37（4）：294-300

［36］LIU H，SONG X，QIN L，et al. Improvement and Application of Key Pasture Theory for the Evaluation of Forage–Livestock Balance in the Seasonal Grazing Regions of China’s Alpine Desert Grasslands ［J］. Sustainability，2020，12（17）：6794

［37］梁好，徐維新，段旭輝，等. 基于PROSAIL模型的高寒冬季枯草關(guān)鍵參數(shù)閾值率定［J］. 光譜學(xué)與光譜分析，2022，42（4）：1144-1149

（責(zé)任編輯 閔芝智）

收稿日期：2023-08-30；修回日期：2023-11-28

基金項目：青海省防災(zāi)減災(zāi)重點實驗室開放基金（QFZ-2021-Z11）；青海省科技計劃項目（2023-ZJ-733）；四川省科技計劃項目（22ZDYF1749，2022 NSFSC0231，2022YFS0490）；國家自然科學(xué)基金項目（41971328）資助

作者簡介：

李航（1999-），女，漢族，四川遂寧人，碩士研究生，主要從事草地遙感研究，E-mail：lihang0225@163.com；*通信作者Author for correspondence，E-mail：weixin.xu@cuit.edu.cn