关于季节放牧地月适宜载畜量计算方法的探讨——以青海省荷日恒村为例

张雅娴，樊江文，张海燕，王穗子

(1.中国科学院地理科学与资源研究所，陆地表层格局与模拟重点实验室，北京 100101；2.中国科学院大学，北京 100049)

作为草地资源大国，家畜放牧是中国草地利用最主要的方式，不合理放牧对草地生态系统的稳定发展造成严重威胁。过度放牧导致草地退化，放牧不足造成草地浪费，使草地利用不均匀而形成草地斑块，二者都会造成畜牧业效益下降。因此，需要对草地资源的适宜载畜量进行定量研究。科学、准确地估算草地适宜载畜量不仅对草地管理和草畜平衡发展决策有至关重要的意义，而且有利于可持续发展畜牧业体系的经济效益最大化。

草地适宜载畜量的定量研究是一个极复杂的过程，涉及家畜、畜群、草地生态系统等多个对象的多个过程，需考虑的参数众多。目前，对于以“年”为时间尺度的天然草地合理载畜量的确定已逐渐标准化[1-2]。基于年内最大产草量，利用草地可利用率、可食牧草比例等参数校正，再除以一年内家畜生长对牧草的需求量，是目前最为常用的草地载畜量的计算方法[3]。实际上在一年中，由于家畜个体生长不同时期需草量、畜群年龄组成、牧草产量和营养物质等变化，草地适宜载畜量也是一个动态变化量。受气候条件限制，我国草地放牧区普遍存在夏秋季节牧草丰茂、冬春季节草地可利用量匮乏的情况，草地可供牧草量与家畜需草量在时间上的差异造成季节性草畜矛盾[4]，因此，草地可利用牧草量年内季节性和月变化对家畜、草畜平衡管理均有较大影响，以“年”为时间尺度的天然草地合理载畜量的计算，并不能有效解决我国草地放牧区普遍存在的季节性超载问题。月适宜载畜量的计算，能够实时监控草地放牧情况和月草畜平衡状况，帮助决策者及时调整放牧策略。同时，为春季休牧期长短的确定、秋季相关部门安排出栏计划以及冬季牧民购买的冬储草料量提供有价值的参考，有利于解决由月差异造成的草地可供牧草量与家畜需草量之间的矛盾问题。

目前，对草地载畜量的计算研究多集中在相关参数确定和草地产草量计算等方面，鲜有以"月"为时间尺度的草地载畜量计算研究，因为以"月"为时间尺度的草地载畜量计算存在众多难点。一方面是月产草量计算困难且计算方法尚存争议。有研究用生长旺盛期的(7月或8月)采样数据与对应时期的植被指数建立的经验模型推算各个月的月产草量，但由于各月的植被指数变化非线性，因此各月产草量与植被指数之间的关系并不一致，单纯用一个月的关系推算其他月的关系，其结果是不准确的[5-6]。李青丰和齐智鑫[7]引入“月动态系数”参数，以生长季一个月的产草量推算其他月份产草量，该方法对产草总量的推算简单易行，但无法揭示产草量空间上的差异性；另一方面，各月适宜载畜量计算的相关参数选取仍存在争议[3]。针对上述问题，本研究提出一种将基于遥感和地面调查建立的月牧草产量遥感经验模型与牧草产量月动态系数相结合的方法，用于估算月草地适宜载畜量，并以青海省河南县荷日恒村季节牧场为例进行示范计算。

1 研究区概况与研究方法

1.1 研究区概况

荷日恒村地处青海省黄南藏族自治州河南蒙古族自治县南部，位于101°32′-101° 44′ E， 34°27′-34°44′ N，海拔3 548～4 221 m(图1)。该地区地势南高北低，属青藏高原特有气候，热量低，两季性明显，雨热同期，多年平均气温-1 ℃，平均降水量587 mm。该地区草地类型以高寒草甸为主，草地总面积156 km2。其中暖季放牧地面积占27%，为公共放牧地；冷季放牧地面积占73%，已确权到户。冷暖两季放牧地分布极其不均衡。

畜牧业是荷日恒村最主要的产业，为村民最主要的经济来源。常年的家畜超载使该地放牧地出现不同程度的退化，尤其是作为公共放牧地的暖季放牧地最为严重。近年来，该村开始实行两季轮牧和休牧制度。每年6月初开始在暖季放牧地放牧2～3个月，9月初转入冷季放牧地放牧翌年3月，4～5月休牧两个月。但在实际走访调查中发现，受当地牧民对生态认知的限制，休牧制度并没有得到很好的贯彻，休牧期放牧的情况仍然严重。

1.2 数据资料

本研究使用的地面采样数据其采样时间为2015年5-8月和2016年5-8月每月月末，每月采20个样方，样方大小为1 m×1 m。样方草样收集采用齐地面刈割的方法，然后对样方内草样称重，得到产草鲜重。之后将鲜草重折算成干草重，鲜草折算风干草的系数参考《中国草地资源》，按1∶3折算[8]。除此，样方还测定了经纬度坐标、海拔高度、草地类型、草地覆盖度、植株高度、可食草量等信息。

图1 研究区位置Fig. 1 Geographic location of the study area

归一化植被指数NDVI是反映草地生长状况的重要遥感参数[9-13]，被广泛应用于草地产草量的估算中[14-17]。研究使用的遥感数据为美国陆地卫星LANDSAT系列，空间分辨率为30 m、时间分辨率为16 d，使用的影像为2015年和2016年每年5-8月的Landsat 8 OLI数据。对每景影像进行预处理，计算每景影像NDVI后，并对每月两景影像最大值进行合成。根据地面样方数据的采集时间和经纬度坐标信息，提取对应月份NDVI最大值合成影像中每个样方点约100 m范围内9个像元的NDVI均值，建立NDVI与对应样方牧草产量干重的月数据库。

2015年底荷日恒村各类牲畜存栏13 113头(只、匹)，其中牦牛8 148头，绵羊4 427只，马538匹[18]。根据当地实际情况，幼畜比占35%，各类牲畜折算标准羊单位(SHU)的标准为：1头牦牛按4个SHU折算，1只羊按1个SHU折算，1匹马按6个SHU折算。经计算，2015年年末荷日恒村共有家畜33 204 SHU。

1.3 研究方法

1.3.1月产草量计算 实测产草量NDVI指数关系模型已被证明适用于草地产草量估算[14-17]。本研究基于已建立的NDVI与对应样方月牧草产量干重的数据库，构建了生长季5-8月地面-遥感相结合的牧草产量估算经验模型(表1)。

表1 5-8月各月牧草产量估算模型Table 1 Monthly grass yield estimating model from May to August

Landsat 8影像及NDVI数据计算月牧草产量，受影像数据的云量影响比较大。牧草的生长和产量的积累有较为固定的生长规律曲线，在牧草生长季其产量虽然存在月差异性，但各月间仍有一定关系[7]。为减少对数据质量的影响，引入了牧草产量“月动态系数”这一参数。基于上述模型对研究区过去10年生长季各月牧草产量进行本底计算，从而得到各月牧草产量系数，5,6,7,8月份动态系数分别为0.06,0.38,1.00,0.80，用作影像云量大的月份的牧草产量替代计算。使用月动态系数替代算法虽不能表示月牧草产量空间上的差异，但对产草总量的计算仍具有可信度。

1.3.2月适宜载畜量计算 草地适宜(理论)载畜量是指在一定的草地面积和一定的放牧时间内，在保证草地可持续生产力的情况下，草地所能够承载的家畜数量[2,19-20]。目前最为常用的草地载畜量计算方法是基于产草量，利用草地可利用率和可食牧草比例等参数校正，再除以一年内家畜生长牧草需求量， 即：

(1)

式中：Cl为单位面积草地适宜(理论)载畜量(羊单位)；Y为对应放牧时间内草地产草总量(kg)；K为草地可食牧草比率(%)；U为草地可利用率(%)；R为一个标准羊单位的日食量(kg·d-1)；T为草地放牧天数(d)；C为标准干草折算系数。

在研究区进行计算时，根据相关标准，生长季草地可利用率U取值为50%，一个标准羊单位家畜的日食量R取值为1.8 kg·d-1；根据实测采样数据，通过咨询当地专家，并结合相关文献，可食牧草比例K取值为80%；放牧时间T按每月实际放牧天数或冷季放牧天数取值；目前我国采用的美国相关标准，每个羊单位日需粗蛋白量为0.053 9 kg·d-1，代谢能为8.38 MJ·d-1[21]。如果按照1羊单位日食干草1.8 kg·d-1计算，则粗蛋白含量大于0.04%或代谢能大于5 MJ·kg-1，家畜则不会发生蛋白营养或代谢能缺乏等现象。根据杜雪燕等[22]在青海省河南县测定的各月天然草地牧草营养成分的结果表明，该地区各月草地牧草粗蛋白含量和代谢能均较高，能满足家畜生长需要，无需进行季节调整，因此标准干草折算系数C取值为1。

由于冷季补饲情况的不一致性，难以计算每月的适宜载畜量，本研究以整个冷季为时间段进行计算，冷季的可利用牧草量以转入冷季放牧地时间8月末为计算点。研究区草地植被以短根茎、密丛型为主，终年气温低、冷季时间长，且土壤封冻早、冻结期长，能在冷季很好的保护草地植被的根部不被破坏[23]。同时，该地区饲养家畜类型以欧拉羊和牦牛为主，没有刨根吃净习性，在较高草地可利用率的情况下，不会对草地植被根部造成破坏，并不会影响第2年草地返青生长。因此，在咨询当地牧民和专家后，确定冷季草地可利用率U取值为80%。

1.3.3年适宜载畜量计算 为比较本研究提出的月适宜载畜量和目前较为常用的年适宜载畜量计算方法的异同，本研究基于现有数据建立经验模型，对荷日恒村年适宜载畜量进行了估算[24]。年产草量计算模型的建立是基于7月采样数据与当年各期NDVI最大值合成影像得到的，最终得到最适模型为：

Y=52.267×e4.575×NDVI。

(2)

月适宜载畜量则根据式(1)计算得到。

1.3.4载畜压力指数的计算 为了分析和评价不同时间尺度下荷日恒村草地放牧的草畜平衡状况，采用草地载畜压力指数这一概念进行表征[25-26]：

(3)

式中：Cs为草地现实载畜量；Cl为草地适宜载畜量；Ip为草地载畜压力指数，若Ip=1，表明草畜平衡；若Ip>1，表明草地超载；若Ip<1，则表明草地尚有载畜潜力。

根据当地走访结果，暖季结束后全村集中出栏，出栏率约为30%。因此，在计算过程中，暖季放牧地现实载畜量与2015年末保持一致，为33 204 SHU；而冷季放牧地现实载畜量为出栏30%后的数量，即23 243 SHU。

2 结果与分析

2.1 牧草产量

为减少遥感影像质量对计算结果的影响，研究以2013-2016年Landsat 8 OLI数据计算得到的各月牧草产量均值来估计研究区荷日恒村各月适宜载畜量。荷日恒村月牧草产量变化结果显示(图2)，5月草地开始生长，但此时牧草产量极低仅为110.86 kg·hm-2，6月牧草产量逐渐增加，到7月末达到峰值(1 515.63kg·hm-2)，等到8月牧草产量开始逐渐减少。该结果与梁天刚等[5]在甘南地区以及张福平等[6]在祁连县计算的月草地生物量结果一致。空间上，暖季放牧地产草量明显低于冷季放牧地，到7、8月份这种差异更为明显。

图2 荷日恒村5-8月牧草产量(kg·hm-2)Fig. 2 The grass yield from May to August in Heriheng Village

2.2 载畜量分析

按照当地放牧传统，6月开始在暖季放牧地放牧，此时，放牧地载畜压力达到最大值，适宜载畜量仅为16 169.97 SHU，草地超载超过1倍(图3)；7月暖季放牧地适宜载畜量迅速增加，达到39 726.66 SHU，约为6月的2.5倍，载畜压力为0.84，可食牧草仍有剩余；8月暖季放牧地适宜载畜量开始下降，降低到29 388.46 SHU；9月开始转入冷季放牧地，放牧及休牧至翌年3月，共273 d，适宜载畜数量为20 214.27 SHU，此时经过出栏后，现实载畜量为23 243 SHU，在不补饲的情况下，冷季放牧地有轻微的超载，载畜压力指数为1.15。

当以“年”为时间尺度不分季的对全村放牧地的草畜平衡状况进行评估时，全村适宜载畜量为21 329.48 SHU，与现实载畜量(33 204 SHU)相较，草地严重超载，载畜压力指数达到1.56。

图3 季节放牧地不同月份适宜载畜量Fig. 3 The suitable carrying livestock over different month in seasonal pasture

3 讨论

如果保持荷日恒村现有现实载畜量不变，全年只有7月草地未超载，当暖季补饲1 125.88 t，冷季补饲163.55 t，才能保证草地不超载，如此大的补饲量在现实意义上难以实现。从本研究月适宜载畜量计算结果来看，为了维持牧草与载畜之间的平衡，综合牧草的供给和实际载畜量两方面，本研究表明，8月适宜载畜量(29 388.46 SHU)是荷日恒村相对较为合理的放牧规模。若以8月适宜载畜量作为实际放牧量，只需在冷季和6月进行适当补饲，补饲量减少到733.11 t，相对于目前的现实载畜量(33 204 SHU)，仅需减畜3 816 SHU，减畜幅度为11%，在实际实施中执行难度相对较小。此外，从月牧草产量计算结果来看，5月研究区虽然开始返青，但牧草产量仍较低，土地冻融交替，草地植被对家畜放牧干扰十分敏感。此时如果进行放牧，家畜践踏会对草地植被的生长造成不可逆的危害，直接影响当年草地生产力。因此，研究区5月休牧补饲的政策制度应坚持，相关部门应加大休牧期放牧监管力度，同时加强政策宣传，提高牧户对宏观政策的认知程度，增加休牧意愿[27]。8月开始草地牧草产量开始逐渐减少，此时应尽早筹备家畜的出栏。冷季放牧地适宜载畜量较低，高出适宜载畜量的家畜应按冬季家畜日食量合理计算冷季所需补饲草量、春季休牧期以及6月所需草量。在评估草畜平衡状况以及分析由家畜超载导致的草地退化时[28]，应充分考虑放牧的时间尺度。本研究发现，以“年”为评估尺度时，载畜压力在一定时间范围内会被高估。

虽然草地放牧历史资料和牧民长期的放牧经验在草地放牧管理中必不可少，但在全球气候剧烈变化的背景下，草地生态系统的物候、生产力等多个过程都受到无法预测的影响，只依靠传统经验对草地放牧难以做到适当的管理。传统的草地载畜量主要是依靠放牧试验来确定，通常要耗费大量的人力、物力和财力，而且其结果难以推广。随着科技的发展，遥感、地理信息等系统被应用于草地生态系统的监测与评估中，进一步为草地放牧管理提供了有效的参考。近年来，众多研究以“年”为时间尺度计算草地适宜载畜量，但实际上草地放牧是一个动态的过程，较大的时间尺度难以反映这种动态变化。本研究参考大量当地草地放牧历史资料和咨询当地具有长期放牧经验的牧民，结合遥感经验模型，对以“年”为时间尺度的草地适宜载畜量计算方法进行了改进，提出了一种关于月草地适宜载畜量的计算方法。相比于以“年”为时间尺度而言，该方法更能体现放牧的年内动态性，更能满足现代牧业发展的精细化管理需求。随着草地产草量估算方法和模型的更加完善、遥感卫星数据时间空间分辨率和质量的逐步提高，该方法在生产应用中将有更大前景。

基于草地产草量计算草地适宜载畜量，其计算结果精度很大程度上取决于草地产草量计算结果的精度。本研究所使用的遥感经验模型只使用了两年逐月采样数据，且采样点覆盖范围较小，给模型结果带来一定的不确定性。研究区属于降水量低、降水变率高的牧区，如若增加更多年份的采样数据对模型进行改善，有利于排除气候波动等因素带来的不确定性。在未来进一步研究中，应引进降水、气温等气候因素对产草量遥感模型进一步改进，以满足更大区域尺度的应用需求。

4 结论

1)本研究提出的基于遥感和地面调查建立的月牧草产量遥感经验模型与牧草产量月动态系数相结合的方法，能够较好的模拟牧草生长季(5-8月)草地牧草产量的动态变化，从而用以更好的估算月草地适宜载畜量。

2)荷日恒村草地从5月开始生长，在7月末牧草产量达到最高，8月开始逐渐减少。5月返青期间，草地极其敏感，休牧补饲，减少家畜践踏对草地生长的干扰将有利于当年草地生态力的提高。

3)如果保持荷日恒村现有现实载畜量(33 204 SHU)不变，除7月外，其他各月均有不同程度的超载。综合目前荷日恒村放牧地现实载畜情况和对补饲量的评估，本研究认为以8月末适宜载畜量(29 388.46 SHU)作为该村合理放牧量最为合适。

参考文献References:

[1] Galt D,Molinar F,Navarro J.Grazing Capacity and Stocking Rate.Rangelands,2000,22(6):7-11.

[2] 苏大学,杨智,贠旭疆.NY/T 635-2015 天然草地合理载畜量的计算.北京:中国标准出版社,2015.

Su D X,Yang Z,Yun X J.NT/Y 635-2015 Calculation of Proper Carrying Capacity of Rangelands.Beijing:Standards Press of China,2015.(in Chinese)

[3] 徐敏云,高立杰,李运起.草地载畜量研究进展:参数和计算方法.草业学报,2014,23(4):311-321.

Xu M Y,Gao L J,Li Y Q.A review on grassland carrying capacity:Parameters and calculation methods.Acta Agrestia Sinica,2014,23(4):311-321.(in Chinese)

[4] 李青丰.草畜平衡管理系列研究(3)：草畜平衡核算方法改革.草业科学,2011,12(28):2190-2194.

Li Q F.Series of studies on balance control between animal demanding and feed availability (3)：Improvement of current estimation methods for animal-feed balance.Pratacultural Science,2011,12(28):2190-2194.(in Chinese)

[5] 梁天刚,崔霞,冯琦胜,王莺,夏文韬.2001-2008年甘南牧区草地地上生物量与载畜量遥感动态监测.草业学报,2009,18(6):12-22.

Liang T G,Cui X,Feng Q S,Wang Y,Xia W T.Remotely sensed dynamics monitoring of grassland aboveground biomass and carrying capacity during 2001-2008 in Gannan pastoral area.Acta Prataculturae Sinica,20009,18(6):12-22.(in Chinese)

[6] 张福平,王虎威,朱艺文,张枝枝,李肖娟.祁连县天然草地地上生物量及草畜平衡研究.自然资源学报,2017,32(7):1183-1192.

Zhang F P,Wang H W,Zhu Y W,Zhang Z Z,Li X Q.Study on the aboveground biomass of natural grassland and balance between forage and livestock in Qilian County.Journal of Natural Resources,2017,32(7):1183-1192.(in Chinese)

[7] 李青丰,齐智鑫.草畜平衡管理系列研究(5)：牧草产量月动态变化.草业科学,2012(2):280-284.

Li Q F,Qi Z X.Animal demanding-feed availability balance control series studies(5)：Herbage yield monthly change.Pratacultural Science,2012(2):280-284.(in Chinese)

[8] 中华人民共和国农业部畜牧兽医司,全国畜牧兽医总站.中国草地资源.北京:中国科学技术出版社,1996:353.

Department of Animal Husbandry and Veterinary and General Station of Animal Husbandry and Veterinary of the Ministry of Agriculture.Rangeland Resources of China.Beijing:China Science and Technology Press,1996:353.(in Chinese)

[9] 闫俊杰,乔木,周宏飞,周生斌,卢磊,宋鹏.基于MODIS/NDVI的新疆伊犁河谷植被变化.干旱区地理,2013,36(3):512-519.

Yan J J,Qiao M,Zhou H F,Zhou S B,Lu L,Song P.Vegetation dynamics in Ili River valley of Xinjiang based on MODIS/NDVI.Arid Land Geography,2013,36(3):512-519.(in Chinese)

[10] 蒋蕊竹,李秀启,朱永安,张治国.基于MODIS黄河三角洲湿地NPP与NDVI相关性的时空变化特征.生态学报,2011,31(22):6708-6716.

Jiang R Z,Li X Q,Zhu Y A,Zhang Z G.Spatial-temporal variation of NPP and NDVI correlation in wetland of Yellow River Delta based on MODIS data.Acta Ecologica Sinica,2011,31(22):6708-6716.(in Chinese)

[11] 李辉霞,刘国华,傅伯杰.基于NDVI的三江源地区植被生长对气候变化和人类活动的响应研究.生态学报,2011,31(19):5495-5504.

Li H X,Liu G H,Fu B J.Response of vegetation to climate change and human activity based on NDVI in the Three River Headwaters region.Acta Ecologica Sinica,2011,31(19):5495-5504.(in Chinese)

[12] 刘斌,孙艳玲,王永财,张悦.基于SPOT/NDVI华北地区植被变化动态监测与评价.干旱区资源与环境,2013,27(9):98-103.

Liu B,Sun Y L,Wang Y C,Zhang Y.Monitoring and assessment of vegetation variation in north China based on SPOT/NDVI.Journal of Arid Land Resources and Environment,2013,27(9):98-103.(in Chinese)

[13] 陈琼,周强,张海峰,刘峰贵.三江源地区基于植被生长季的NDVI对气候因子响应的差异性研究.生态环境学报,2010,19(6):1284-1289.

Chen Q,Zhou Q,Zhang H F,Liu F G.Spatial disparity of NDVI response in vegetation growing season to climate change in the Three River Headwaters Region.Ecology and Environmental Sciences,2010,19(6):1284-1289.(in Chinese)

[14] 陈进发,刘畅,徐剑波.基于TM-NDVI的草地生产力遥感监测研究.安徽农业科学,2011,39(12):7365-7366.

Chen J F,Liu C,Xu J B.Research on the remote sensing monitoring of grass productivity based on TM-NDVI.Journal of Anhui Agricultural Sciences,2011,39(12):7365-7366.(in Chinese)

[15] 金云翔,徐斌,杨秀春,李金亚,王道龙,马海龙.内蒙古锡林郭勒盟草原产草量动态遥感估算.中国科学:生命科学,2011,41(12):1185-1195.

Jin Y X,Xu B,Yang X C,Li J Y,Wang D L,Ma H L.Remote sensing dynamic estimation of grass production in Xilinguole, Inner Mongolia.Scientia Sinica,2011,41(12):1185-1195.(in Chinese)

[16] 牛志春,倪绍祥.青海湖环湖地区草地植被生物量遥感监测模型.地理学报,2003,58(5):695-702.

Niu Z C,Ni S X.Study on model for monitoring of grassland biomass around Qinghai lake assisted by remote sensing.Acta Geographica Sinica,2003,58(5):695-702.(in Chinese)

[17] 李文娟,九次力,谭忠厚,马轩龙,陈全功.青海省草地生产力及草畜平衡状况研究.资源科学,2012,34(2):367-372.

Li W J,Jiu C L,Tan Z H,Ma X L,Chen Q G.Natural grassland productivity and the livestock-feeds balance in Qinghai Province.Resources Science,2012,34(2):367-372.(in Chinese)

[18] 张子安.河南县荷日恒村推进畜牧业精准扶贫的几点思考.青海畜牧兽医杂志,2017,47(2):70-71.

Zhang Z A.Some thoughts on the precise poverty alleviation of animal husbandry about Heriheng Village,Henan County.Chinese Qinghai Journal of Animal and Veterinary Sciences,2017,47(2):70-71.(in Chinese)

[19] Fan J,Shao Q,Liu J,Wang J,Harris W,Chen Z,Zhong H,Xu X,Liu R.Assessment of effects of climate change and grazing activity on grassland yield in the Three Rivers Headwaters Region of Qinghai-Tibet Plateau,China.Environmental Monitoring and Assessment,2010,170(1-4):571-584.

[20] 樊江文,邵全琴,王军邦,陈卓奇,钟华平.三江源草地载畜压力时空动态分析.中国草地学报,2011,33(3):64-72.

Fan J W,Shao Q Q,Wang J B,Chen Z Q,Zhong H P.An analysis of temporal-spatial dynamics of grazing pressure on grassland in Three Rivers Headwater Region.Chinese Journal of Grassland,2011,33(3):64-72.(in Chinese)

[21] NRC.Nutrient Requirements of Sheep.Washington DC:National Academy Press,1985.

[22] 杜雪燕,柴沙驼,王迅,刘书杰,张晓卫.河南县高山嵩草草地牧草营养价值与载畜量研究.河南农业科学,2015,44(11):141-146.

Du X Y,Chai S T,Wang X,Liu S J,Zhang X W.Study on nutritional value and carrying capacity ofKobresiapygmeapasture in Henan County.Journal of Henan Agricultural Sciences,2015,44(11):141-146.(in Chinese)

[23] 李英年.高寒草甸地区冷季水分资源及对牧草产量的可能影响.草业学报,2001,10(3):15-20.

Li Y N.Cold season resource and its effects on herbage production in the alphine meadow region.Acta Prataculturae Sinica,2001,10(3):15-20.(in Chinese)

[24] Briske D D,Fuhlendorf S D,Smeins F E.Vegetation dynamics on rangelands:A critique of the current paradigms.Journal of Applied Ecology,2003,40(4):601-614.

[25] Holechek J L.An approach for setting the stocking rate.Rangelands,1988,10(1):10-14.

[26] Holechek J L,Gomez H,Molinar F,Galt D.Grazing studies:What we’ve learned.Rangelands,1999,21(2):12-16.

[27] 覃照素,黄远林,李祥妹.基于牧户行为的草地管理模式:以西藏自治区为例.草业科学,2016,33(2):313-321．

Qin Z S,Huang Y L,Li X M.Grassland management of herdsmen’s decision making:A case of Tibetan Plateau.Pratacultural Science,2016,33(2):313-321.(in Chinese)

[28] 韦惠兰,祁应军.基于遥感监测的青藏高原草地退化及其人文驱动力分析.草业科学,2016,33(12):2576-2586.

Wei H L,Qi Y J.Analysis of grassland degradation of the Tibet Plateau and human driving forces based on remote sensing.Pratacultural Science,2016,33(12):2576-2586.(in Chinese)