基于MODIS的青海草原产草量及 载畜平衡估算

刘建红,黄 鑫,何旭洋,申克建

(1.西北大学陕西省地表系统与环境承载力重点实验室,陕西 西安 710127； 2.西北大学城市与环境学院,陕西 西安 710127； 3.青海省农牧业遥感中心,青海 西宁 810007； 4.农业部规划设计研究院，北京 100125)

草原产草量估算是实行以草定畜、草畜平衡管理的前提条件[1]。国内外学者以多种遥感植被指数数据和地面样方调查数据为基础，结合气象数据等资料，对草原产草量的估算方法和区域产草量的变化进行了大量研究[4-10]。归一化差值植被指数(Normalized Difference Vegetation Index，NDVI)与草地生物量之间的拟合精度优于其他植被指数，且分区或按草地类型建模估算草地产草量的精度比全区或不分草地类型建模的精度要高[11-13]。草畜平衡是指在一定区域和时间内通过草原和其他途径提供的饲草饲料量，与饲养牲畜所需的饲草饲料量达到动态平衡[14]。国内外学者在草地产草量遥感估算的基础上，对内蒙古[15]、东北[2,16]、青海[17]、北方农牧交错带[12]的草原载畜状况进行了评估。然而，近年来，由于气候变化和不合理的放牧行为[18]，导致青海部分地区草原有不同程度的退化[6,19-21]。2008年青海严重退化草地面积达1 200万hm2，与1950年相比，单位面积产草量下降了30%～50%；同时，优质牧草的比例下降了20%～30%，而毒害草的草地增加了70%～80%[22]。因此，有必要对青海草地的载畜状况进行持续性监测。

本研究利用2016年青海省的MODIS数据、地面样方调查数据、草地类型数据进行产草量估算建模，以均方根误差(RMSE)、平均相对误差(REE)等指标为不同草地类型选择较优的产草量估算模型，并结合畜牧业统计数据计算各放牧单元的载畜平衡指标，在此基础上分析其载畜平衡状况，以期为青海草原管理和畜牧业发展提供参考依据。

1 研究区概况

青海省位于中国西部、青藏高原东北部，地理位置介于89°35′-103°04′ E、31°09′-39°19′ N。青海省属于高原大陆性气候，年平均气温在-6～9 ℃，无霜期为100～200 d，年降水量在250～550 mm，且主要集中于7-9月。青海天然草地主要分布在海拔3 000 m以上的青南高原、祁连山地及柴达木盆地区，东部黄土高原区较少。根据第2次青海全省草地资源调查，青海省天然草地面积为4 191万hm2，天然草地可利用面积为3 864.58万hm2，栽培草地面积为21.0万hm2[3]。

2 数据来源与处理

2.1 草地类型数据

青海草地类型数据来源于中国科学院中国植被图编辑委员会2007年编制的《中华人民共和国植被图(1∶1 000 000)》，各草地类型的空间分布如图1所示。在青海草地中，高寒草甸面积最大、分布最广，主要分布在南部的玉树州、果洛州、黄南州和北部海北州。面积次之的为高寒草原，主要分布在海西州、玉树州的西部以及海西州的南部。草地产草量的遥感估算是按照不同的草地类型分别进行的。

2.2 地面调查数据

地面调查数据源于青海省草原监理中心2016年地面调查样方，调查时间在7月20日至8月31日。草本及矮小灌木的样方一般为1 m×1 m，灌木样方为10 m×10 m。调查内容包括样方平均高度、植被覆盖度、植物组成、总产草量鲜重、总产草量干重、可食草鲜重产量、可食草干重产量等。地面样方的可靠性会影响模型估算的准确性，因此本研究剔除了经纬度或产草量缺失的样方，并根据产草量的标准差剔除了偏差较大的样方，最后对于落在同一像元内的两个或多个样方求平均值，作为一个样点的数据使用。最终得到可用的样点数为335个，其中建模样点为259个，检验样点为76个(图1)。

图1 研究区草地类型及2016年地面样点分布图Fig. 1 The spatial distribution of different grassland types and the ground survey samples of 2016 in the study area

2.3 遥感数据

本研究下载了青海省2016年MOD09Q1和MOD09A1数据(https://lpdaac.usgs.gov/)。两个数据集的时间分辨率为8 d，空间分辨率分别为250 m和500 m。采用MRT软件和ENVI软件对MODIS数据进行波段提取、拼接、转投影、裁剪等预处理。从MOD09Q1数据中提取了红光波段和近红外波段的反射率数据，从MOD09A1数据提取了蓝光波段的反射率数据，并使用双线性内插法将蓝光波段数据重采样到250 m。利用这3个波段的数据计算了归一化植被指数和增强型植被指数(Enhanced Vegetation Index,EVI)。尽管MOD09Q1和MOD09A1数据已经经过大气校正并选择8 d之内的最佳观测值进行合成，但青海的天气状况多变，云和大气的影响仍然不能完全消除，因此有必要对数据中的噪声进行处理，具体方法是检测数据中突然上升和突然下降的数据点，把该数据点标记为噪声点，然后利用该数据点前一期和后一期的值进行线性内插并替补该数据点原来的值，插值处理后再将7-8月的NDVI和EVI数据进行最大值合成，作为一年之中草地长势最好的情况用于产草量估算。

2.4 统计数据

青海省各牧区和半牧区2016年的畜牧业统计数据来源于2015年度末上报的数据，主要是截止到2015年年末牲畜存栏数据。县级家畜补饲数据来源于青海省农牧业遥感中心，需要将草食牲畜存栏量转换成标准羊单位再进行载畜平衡计算。

半夜两点，妻子从别墅的二层走到一层客厅，看到丈夫还在跟一帮赌友玩牌，就对他们说：“听着，能不能让我在自己的房子里安安静静地睡一会儿？”丈夫说：“轻点，亲爱的，现在这已经不是我们的房子了……”

3 研究方法

3.1 产草量遥感估算

3.1.1建模方法 基于遥感数据估算草地产草量首先需要建立植被指数与产草量鲜重的回归关系，然后再根据干鲜比折算系数，估算产草量干重。研究表明，按草地类型建立的产草量估算模型普遍优于不区分草地类型建立的模型[23]，因此本研究将按照草地类型进行建模。其中，由于沼泽类型草地面积在青海草原所占比例过小，且在沼泽区没有地面样方数据，故在后续计算和分析中将其排除在外。而高寒荒漠尽管缺少样方数据，但其所占面积不可忽略，考虑到其与高寒草原植被特征及地理位置都较为接近，故在后续计算中采用高寒草原建立的模型估算产草量。

由于草畜平衡评价中需要用到的是可食草的产量(指在产草量中减去有毒、有害和不可食草成分的重量)[23]，因此利用样点的可食草鲜重产量与相应的植被指数进行回归分析。在参考相关文献的基础上[11-12]，选择一元线性模型、二次多项式模型、幂函数模型、指数模型和对数模型进行产草量建模研究，建立植被指数和地面样点产草量之间的关系，并通过不同模型的精度对比，找出研究区最优产草量的估算模型。根据最优模型估算各草地类型的可食草鲜重之后，再根据干鲜比折算系数计算干重产量。干鲜比折算系数参考《中国草地资源》[24]中的计算标准。

3.1.2模型验证 在按草地类型进行建模时，将地面样点数据分为两部分，一部分用于遥感建模，另一部分用于模型验证，检验样本约占总样本数的1/4，其中盐生草甸由于总样点数过少，为保证其估产模型的可靠性，将该类草地的样点全部用于建模，未预留检验样点。为验证产草量估算模型的精度，用预留的随机样点进行模型精度验证。除了考虑回归方程的决定系数之外，本研究采用均方根误差(RMSE)、平均相对误差(REE)两个指标检验模型精度，计算公式如下：

(1)

(2)

式中：n为检验样本数，ri为第i个样本实测的可食鲜草产量(kg·hm-2)；ri′为第i个样本模型估算的可食鲜草产量(kg·hm-2)。

3.2 载畜平衡估算

目前我国宏观和综合性载畜平衡监测，主要集中于我国牧区和半牧区的县级行政单元。载畜平衡估算的关键是获取单元内的牲畜数量(换算为标准羊单位)和可被牲畜利用的饲草总量。根据《全国草原监测培训教材(一)》，载畜平衡指标的计算公式如下：

(3)

式中：BIj为第i个放牧单元的载畜平衡指标，ACCj为第j个放牧单元的实际载畜量(标准羊单位)，TCCj为第j个放牧单元的理论载畜量。

3.2.1实际载畜量计算 实际载畜量来源于青海草原监理站提供的2015年末青海牧区和半牧区县(市)畜牧业统计数据。需要把各县(市)牲畜存栏量转换为标准羊单位，折算系数采用《天然草地合理载畜量的计算》(中华人民共和国农业行业标准NY/T635-2002)标准。因此，县(市)的实际载畜量计算如下：

(4)

式中：m为草食牲畜的种类，ATjk为第j个放牧单元第k类牲畜上年末的存栏量，Ck为第k类牲畜与标准羊单位之间的转换系数。

3.2.2理论载畜量计算 理论载畜量是指在放牧利用下，能保持草地健康和可持续发展的条件下，草地可最大限度承载的牲畜数量。计算公式如下：

(5)

饲草总量包括天然草地产草量、牲畜采食量、补充饲料量，式(5)中GYj、ITj、SPj分别为第j个放牧单元的天然草地产草量、牲畜采食量和补充饲料量。其中，牲畜采食量、补充饲料量数据来源于青海省农牧业遥感中心的县级统计数据。天然草地产草量计算公式如下：

(6)

式中：h为草地类型数量，DYjl为第j个放牧单元第l类草地的产草量干重，是根据计算结果统计得到，Sl为第l类草地的标准干草折算系数，Rl是第l类草地的放牧利用率。各类型草地的标准干草折算系数和放牧利用率参照中华人民共和国农业行业标准(NY/T635-2002)。

3.2.3载畜平衡等级划分 根据各县(市)计算的载畜平衡指标进行载畜平衡状况的划分。本研究在参考他人研究[2,24]的基础上将载畜情况分为5级：<-10%为载畜不足，-10%～10%为载畜平衡，10%～20%为临界超载，20%～50%为超载，>50%为严重超载。

4 结果与分析

4.1 最优产草量估算模型

各草地类型地面样点植被指数与可食鲜草产量的回归关系如表1所列。样点NDVI与可食鲜草产量建立的估算模型的R2基本在0.55～0.96，样点EVI与可食鲜草产量建立的估算模型的R2基本在0.34～0.97。除荒漠草原样点EVI与可食鲜草产量建立的线性模型仅通过0.05水平显著性检验外，其余估算模型均通过了0.01水平显著性检验。此外，除了盐生草甸，其余几种草地类型基于NDVI估算可食鲜草产量估算模型的R2普遍高于基于EVI估算模型的R2。从RMSE和模型精度来看，基于NDVI的可食鲜草产量估算模型，也全部优于基于EVI的估算模型。对于禾草草原、荒漠草原和高寒草甸而言，基于NDVI和基于EVI建立的估产模型精度相差较大，表现为基于NDVI的估算模型精度均高于基于EVI的估算模型。但对于高寒草原和盐生草甸，基于NDVI和EVI建立的估算模型精度差异相对较小，甚至个别情况下基于EVI的估算模型精度更高。

表1 基于NDVI和EVI估算可食鲜草产量的模型精度Table 1 Accuracies of fresh edible grass yield estimation model based on NDVI and EVI

**，表示通过0.01水平显著性检验(P<0.01)，*，表示通过0.05水平显著性检验(P<0.05)，“-”表示无数据。

**, indicate passing the significance test at the 0.01 level, *, indicate passing the significance test at the 0.05 level, -, indicate no data.

尽管从上面分析可知，基于NDVI的可食鲜草产量估算模型精度普遍高于基于EVI的模型，但对不同草地类型而言最优估算模型仍然存在差异。对于禾草草原，估算效果最好的是二次多项式模型；荒漠草原估算效果最好的是幂函数模型；高寒草原估算效果最好的是幂函数模型和指数模型；盐生草甸估算效果最好的是线性模型和二次多项式模型；高寒草甸估算效果最好的是幂函数模型和指数模型。根据模型分析最终得出适用于各草地类型的最优估产模型如表2所列。

y表示可食产草量鲜重(kg·hm-2)，x表示NDVI，数值范围在-1.0～1.0，“-”表示无数据。

yis the estimated fresh edible grass yield (kg·hm-2),xis the NDVI, and it ranges from -1.0 to 1.0； -， indicate no data.

4.2 产草量估算结果

青海省草原产草量空间分布差异比较明显(图2)，单产在1 200 kg·hm-2以上的主要分布在东部的禾草草原和高寒草原；单产在600～1 200 kg·hm-2的主要分布在南部和东部的高寒草甸；单产在300～600 kg·hm-2的草地主要分布在南部和东北部的高寒草甸和荒漠草原以及高寒草甸与其他类型草地的过渡地带；单产在300 kg·hm-2以下的主要分布于北部的高寒荒漠以及西部的盐生草甸和高寒草原。平均干重单产最高的是禾草草原，达781.26 kg·hm-2，其次是高寒草甸，为504.95 kg·hm-2(表3)。其他类型草地的平均干重单产都低于500 kg·hm-2，平均单产最低的是高寒荒漠。而可食草干草总产量中，占比最高的是高寒草甸，占干草总产量的70.35%，因为青海草地中，高寒草甸面积最大，分布最广。比重居于第二的为高寒草原，占15.48%，其余草地类型较少。

4.3 载畜平衡估算结果

基于各县(市)的实际载畜量、合理载畜量，在此基础上计算载畜平衡指标并进行载畜平衡等级划分(表4)。可以看出，2016年青海省牧区和半牧区总体载畜情况基本处于平衡状态。在29个县(市)中，21个县(市)属于载畜平衡或载畜不足，8个县(市)属于超载，没有严重超载的县市。从牧区的性质来看，半牧区的3个县总体表现为超载，合理载畜量为222.03万羊单位，实际载畜量为278.18万羊单位，载畜平衡指标为25.7%。牧区的总体情况为载畜平衡，合理载畜量为3 798.05万羊单位，实际载畜量为3 644.61万羊单位，载畜平衡指标为-4.0%。在牧区的25个县(市)中，超载的县市只有5个，分别为同德县、囊谦县、玉树县、班玛县和河南县，载畜平衡指标均在20%～30%。

进一步计算各县(市)2016年存栏牲畜密度，得到每公顷草地的标准羊单位数量(图3)。可以看出，载畜不足的县(市)主要分布在青海的西南部，载畜平衡县(市)主要集中在青海省中东南部和北部，超载的县(市)分散分布在南部和东部。对比载畜平衡状况和存栏牲畜密度可以看出，载畜平衡状况与存栏牲畜密度具有很好的对应关系。载畜不足的县(市)其存栏牲畜密度基本低于0.5羊单位·hm-2，载畜平衡的县(市)存栏牲畜密度基本都在0.5～2.5羊单位·hm-2，而超载县(市)的存栏牲畜密度均大于2.5羊单位·hm-2。这也从侧面说明了存栏牲畜密度对于载畜平衡状况具有一定的指示作用，可以作为判断载畜情况的宏观指标。

草地类型Grassland type面积Acreage/(×104 hm-2)鲜草总重Total weight of fresh grass/t干草总重Total weight of hay grass/t干草单产Hay grass yield/(kg·hm-2)干草总重占比Percentage of hay grass weight/%高寒荒漠Alpine desert53.55 27.03 10.81 201.87 0.55禾草草原Grass steppe219.01 513.30 171.10 781.26 8.68荒漠草原Desert steppe55.46 72.37 24.12 434.95 1.22高寒草原Alpine grassland1 132.04 915.01 305.00 269.43 15.48盐生草甸Salty meadow200.01 234.04 73.14 365.67 3.71高寒草甸Alpine meadow2 745.01 4 435.53 1 386.10 504.95 70.35总计Total4 405.08 6 197.27 1 970.28 426.36 100.00

表4 2016年青海省载畜平衡评估结果Table 4 The evaluation results of the livestock carrying capacity in Qinghai Province in 2016

从评估结果来看，超载县(市)的当前载畜现状已经超出了当地草地的承载能力，今后应减少牲畜的饲养量，或者通过其他途径扩充牲畜的饲料来源，防止由于过度放养造成草地退化，给当地生态环境和经济发展带来严重影响。评估为载畜平衡的县市应当继续保持当前良好的畜牧业发展状况。西部地区畜牧业还有较大扩大余地的分别是天峻县、格尔木市、都兰县和玛多县，载畜平衡指标均小于-45%。但由于青海西部自然条件差，生态环境对气候和人类活动的影响较为敏感，应谨慎地扩大牲畜饲养量，不宜盲目大规模扩大饲养规模。

图3 2016年青海省载畜平衡状况和存栏牲畜密度对比图Fig. 3 The livestock carrying capacity and current livestock density of each county in Qinghai Province in 2016

5 讨论与结论

在载畜平衡状况的遥感估算中，草地产草量的估算是最关键步骤，其结果对最终的载畜平衡状况评价有很大影响。关于哪种植被指数用于估算草地产草量或生物量得到的效果最优，不同研究得到了不同的结论。杨秀春等[12]、张连义等[25]、罗玲等[26]的研究表明，基于NDVI的估算效果全部优于基于EVI的效果。傅新宇等[11]、王正兴等[27]通过研究得出的结论是因草地类型而异，有些草地用NDVI估算效果好，而有些草地类型用EVI估算效果好。而米兆荣等[28]得出的结论是EVI的估算效果全部优于NDVI的估算效果。本研究表明，基于NDVI和基于EVI的产草量估算效果因草地类型而异，但对青海草地而言，前者普遍优于后者。造成结论不一致的原因一方面可能与草地类型、草种构成、长势状况和稀疏程度有关，另一方面可能与采用的数据及对数据的处理方式有关。例如在建模时，是采用与地面实测数据对应时期的植被指数进行建模，还是采用月度最大值、年度最大值、生长季最大值进行建模。 又如，在估算之前对实测数据中的异常值和遥感数据中的异常值是如何定义与处理的。值得一提的是，绝大部分研究在比较NDVI和EVI估算产草量的效果时，要么只考虑了他们与产草量的相关系数或者是估算模型的R2，要么只考虑了两种模型，而本研究不仅考虑了R2和精度，还比较了5种常用的估算产草量的模型，因而得出的结论更为可靠。另外，目前产草量遥感估算的经验性还比较强，载畜量的估算需要的参数多，步骤复杂，不利于进行持续性的监测。因此，发展一种自动、快速估算草原载畜量的方法是今后的重要研究方向。

本研究利用2016年青海草地的MODIS NDVI和EVI数据、地面样方实测产草量数据、植被类型数据、畜牧业统计数据，按草地类型建模估算草原植被产草量，并在此基础上对载畜平衡状况进行评估。研究结果表明，对于青海草地而言基于NDVI的可食鲜草产量估算模型精度普遍高于基于EVI的模型。2016年青海省草原干草产量空间分布差异较为明显，单产在1 200 kg·hm-2以上的主要分布在东部的禾草草原和高寒草原；单产在300 kg·hm-2以下的主要分布于北部的高寒荒漠以及西部的盐生草甸和高寒草原。从草地总产来看，可食草干重产量占比最高的是高寒草甸，其次为高寒草原。遥感估算结果显示2016年青海省牧区和半牧区总体上基本处于载畜平衡状态，29个县(市)中，21个县(市)为载畜平衡或载畜不足，8个县(市)为超载或严重超载。载畜平衡状况与存栏牲畜密度存在较好的对应关系。