草地综合顺序分类法研究新热点：2008-2020年回顾与展望

林慧龙，范迪，冯琦胜，梁天刚

（中国草业发展战略研究中心，草地农业生态系统国家重点实验室，农业农村部草牧业创新重点实验室，兰州大学草地农业科技学院，甘肃兰州730000）

草地面积广阔，蕴含全球陆地绿色植物资源中面积最大的再生性自然资源，是畜牧业发展的物质基础，同时草地也是陆地生态系统的重要组成部分，在全球变化演绎中扮演着重要角色［1］。由于世界各国的生态和经济条件不同，对草地的认识和使用目的存在差异，因此产生了许多各具特色的草地分类系统。在综合考虑全球现存草地分类法的优缺点后，任继周等以草地发生学为切入点，遵循草地类型划分的六大原则，提出草地综合顺序分类法（comprehensive sequential classification system of grassland，CSCS）。

2008年，任继周等［2］在Rangeland Journal 发表专文，面向国际详细阐释了CSCS 及其在中国的应用。根据Wed of Science 数据库的统计数据，截止至2020年11月，引用该篇文献的文章达107 篇，总被引频次达1384 次，相关的研究领域涉及草学、生态学、生物多样性、农业等十几种。刊登该篇文献的期刊Rangeland Journal 的影响因子在2008年一年间增长40%，由0.54 增至1.23。该文献不仅将具有中国知识产权的唯一的可数量化的草地分类系统推向国际舞台，更重要的是它开启了CSCS 研究在国际平台上的新高潮。以CSCS 作为关键词检索Wed of Science 及中国知网等科技论文数据库得到2008-2020年7月已发表的有关CSCS 方法的中文学术论文48 篇（数据来源：中国知网，https：//www.cnki.net/），英文学术论文29 篇（数据来源：Wed of Science，http：//apps.web.ofknowledge.com/）。本研究以检索所得文献为基础，系统梳理CSCS 的最新研究成果，以期为CSCS 的推广应用和理论体系的深入完善提供基础。

1 CSCS 的立论依据

综合顺序分类法全称为气候-土地-植被综合顺序分类法。综合是唯物地承认气候、土地和植被三者对草地发生的影响，而不是片面地使用单一因素或指标确定草地类型；顺序是辩证地认识三者在草地分类中的作用，依据其稳定程度顺序安排其在CSCS 中的级别［3］。

使用气候指标确定的类是CSCS 方法的第一级，也是CSCS 方法的核心。CSCS 以草地＞0 ℃的年积温（growth degree days，GDD0）和全年平均降水量（mean annual precipitation，MAP）为参数，构建湿润度指数K 模型（式1）。再依据草地GDD0 划分的7 个热量级与湿润度指数K 划分的6 个湿润度级，最终定义42 个CSCS 草地类，并建立草地类型检索图［2-10］。使用气候水热条件判定陆地植被类型，是被国际普遍认可的一种陆地植被分类方法。德国生态学家Walter［11］曾提出气候是陆地生态系统中最重要的非生物因素；20世纪末，澳大利亚的草地学家Reid 等［12］提出的穆尔分类法，就曾使用气候水热条件将澳大利亚的草地类型划分为9 类。

式中：r为全年降水量（mm），∑θ为＞0 ℃的年积温。

CSCS 方法作为世界唯一可数量化的草地分类方法，具备特有的先进性与创新性。现存大部分的草地分类法因聚类体系的缺陷，只能确定已知草地类型，在大尺度空间内确定草地类型缺乏精确度和周延性。CSCS 第一次将全球草地生态系统整合至同一分类体系中，并具备与生物分类系统林奈双名法和门捷列夫化学元素周期表的类似优点，即容纳已知草地类型，也容纳未知的草地类型。同时，CSCS 方法建立的草地类型检索图，实现了对草地类型的快速检索。更为重要的是，因为使用气候水热条件作为草地类型划分的定量指标，CSCS 方法从草地发生学上解释了不同草地类型间的本质联系，避免了主观因素对草地类型划分的影响，大幅提高了精度与实用性［2，10］。CSCS 的提出及发展，标志着我国在草地类型学、草地生态学和潜在植被等多个领域的重要突破。

2 国内外研究新进展

2.1 CSCS 在草地类型划分方面优于国际公认的分类体系

国际公认的潜在植被分类法对占全球植被面积1/4 的草地植被缺乏重视，草地类型划分过于单一。Holdridge Life Zone（HLZ）和BIOME4 是被国内外学者普遍认可的两种潜在植被分类模型［13-16］。HLZ 使用年平均生物温度、年平均降水量和潜在性蒸散率3 个生物气候指标将全球植被划分为38 个生命地带［17］；BIOME4 模型将全球植被划分为28 种生物群落［16］。但这两种模型都只强调对森林植被的划分，对草地植被缺乏重视-以HLZ为例，全球38 个生命地带中只有一个草地生命地带。这种把草地植被类型笼统归为一类的做法，缺乏科学的严谨性。

CSCS 是针对草地提出的植被分类模型，对草地类型进行了详细的描述。CSCS 使用气候水热指标确定草地植被类型，划分的草地类属于潜在植被（potential natural vegetation，PNV）的范畴。为验证CSCS 方法的精确度，Liang 等［18］以1911-2000年为时间跨度，对比3 个植被分类模型（CSCS、HLZ 和BIOME4）绘制的全球PNV 类型图的一致性，Kappa 统计分析的结果显示3 种模型对冻土带、森林和荒漠区域植被类型的划分结果具有很好地一致性，但在草地类型的划分上，一致性较差。因为CSCS 对草地类型进行了详细的划分，而另外两种模型有所欠缺。HLZ 只确定了一种草地类（冷温带斯太普草地），BIOME4 模型虽在草地的划分上优于HLZ 但也只确定了5种草地类（热带草地、温带草地、热带萨王纳、温带阔叶萨王纳和北方草地）。CSCS 将全球陆地植被划分为42 类，其中草地类就包含13 种。因此，使用CSCS 方法能对全球陆地植被进行全面、系统、均匀地划分［18-19］，是优于HLZ 和BIOME4 的PNV 分类模 型。

2.2 多种空间插值算法的应用，优化了CSCS 分类精度

因气象观测站只能获取周边一定范围内的气候数据，目前常用地统计学模型对区域内GDD0 和MAP 数据进行空间插值，插值精度与所用空间插值法密切相关，并直接影响CSCS 的分类结果［20］。常见空间插值法包括趋势面法（trend surface）、反距离权重法（inverse distance weighted，IDW）、样条函数法（spline）、协同克里金法（co-kriging，CK）、普通克里金法（ordinary kriging，OK）和自然领域插值法（natural neighbor）等［21-24］。以上空间插值法可有效提高CSCS 方法对草地的分类精度。

2.2.1 基于数字高程模型改进传统插值法 传统空间插值法大多数没有考虑地形垂直变化对气候变量的影响，导致生成高海拔山区的高分辨率气候数据会产生较大的误差［25］，使用数字高程模型（digital elevation model，DEM）数据中坡度、坡向、坡度变化率等因子能有效修正海拔变化对气候插值的影响［26］。马轩龙等［27］使用甘肃周边162 个气象站的气候数据评估了IDW、spline、OK 和CK 四种空间插值法和DEM 数据的拟合度，使用交叉验证法得出研究区域内GDD0 插值结果中与DEM 数据相关度最高的插值法是CK 法，MAP 插值结果中与DEM 数据相关度最高的插值法是OK 法，使用DEM 数据修正的插值结果，有效提高了研究区域内CSCS 方法的分类精度；邹德富等［28］使用DEM 数据修正的OK 法建立甘南草地的MAP 和GDD0 数据库，使用此数据库划分所得的CSCS 草地类型很好地突出了草地垂直地带性分布特征，证明了DEM 数据具备对气候数据插值结果的修正作用。

在更大空间内确定草地类型时，使用DEM 数据进行分区控制，可以有效减少气象站分布不均匀、海拔变化和区域地形差异等因素对气候数据插值结果的影响［26］。赵军等［29］使用DEM 分区法修正IDW 模型对GDD0 的空间插值结果，绘制出甘南高原的CSCS 草地类型图，在区域内验证了DEM 分区法的可行性。李飞等［30］基于DEM数据将我国陆地植被划分成多个分区，在各分区内分别使用Kriging 和IDW 插值法对MAP 和GDD0 数据进行插值，提高了CSCS 对我国草地的分类精度，并探索出0～6800 m 是我国潜在植被海拔分布的主要界限，在全国尺度上，验证了DEM 分区法的可行性并提高了气候变量插值精度。DEM 分区法尝试解决了传统插值法在大尺度空间内插值精度不高的问题，也为CSCS 方法在全球的深入广泛应用提供了方法论依据。

2.2.2 多元回归和残差分析插值法 多元回归和残差分析插值法（analytic method based on multiple regression and residues，AMMRR）能有效降低海拔、坡度和坡向对气候变量插值精度的影响。AMMRR 将气象数据与气象站点的经纬度和海拔进行多元回归，与实测气象数据进行对比，计算出残差值，建立了一个气候变量与经度、纬度、海拔间的关系模型，使用AMMRR 方法结合CSCS 所确定的草地类型具备较高的垂直地带性特征［31-32］。

普通AMMRR 法的残差分析使用易受极值影响的IDW 模型，导致空间插值结果会出现一个空间点的气候数据会明显比周边区域气候数据高或低，在气象图中呈现出突兀的“牛眼”图斑［33］。对此，Liu 等［34］提出了基于AMMRR 法的两种改进方法——在残差分析中加入坡度和坡向效应的AMMRR 插值法（M-AMMRR 方法）和使用OK 法代替IDW 法进行残差分析的AMMRR 插值法（I-AMMRR 方法），因为OK 法建立了气候数据观测点与被估计点间的位置关系模型，剔除极值对气候数据插值精度的影响，所以气象站分布稀少的区域中I-AMMRR 插值结果优于普通AMMRR 方法。使用甘肃省气象站的实测气候数据进行验证，得出3 种插值法中I-AMMRR 方法生成的气象数据精度最高且最符合实际情况。AMMRR 插值法的提出及改进，或能解决我国草地分布地形复杂所带来的气候数据插值精度偏低的问题，但实际应用效果如何，仍需在区域和全国尺度上与传统插值法进行大量对比验证后才能得出。

以上研究尝试通过改进传统空间插值法，提高CSCS 方法的分类精度，但插值区域划分、插值邻域和网格单元大小等多方面仍需继续优化［35］。随着3S 技术（遥感技术remote sensing，RS；地理信息系统geography information systems，GIS；全球定位系统global positioning systems，GPS）的飞速发展，将遥感技术同CSCS 方法结合，使用遥感数据反演气候水热数据也为CSCS 的实际应用提供了解决方法［36］。吴静等［37］基于定量遥感，使用中分辨率成像光谱仪（moderate-resolution imaging spectroradiometer，MODIS）地表温度产品和地表反照率产品反演得到气候水热数据，使用CSCS 方法将甘肃省草地划分为26 类，符合实际情况，证明了此方法的可行性。但是缺少在更大空间范围内的验证研究，尚不明确该方法是否具备对全球草地的普适性。

2.3 不同空间尺度上CSCS 类对气候变化的响应

模拟CSCS 类的变化动态是研究全球气候变化对植被空间分布格局影响的一个重要途径。如上所述，使用CSCS 方法确定的植被类属PNV 类的范畴，大量学者以CSCS 为工具，模拟在历史和未来气候条件下CSCS 类的演替过程，探索全球气候变化对陆地植被的影响，主要研究成果包含以下3 个方面：

2.3.1 CSCS 类的历史动态变化 CSCS 从草地的发生学本质出发，使用气候指标定量确定草地类型，研究全球CSCS 类的动态变化，或能揭示陆地植被演替同气候变化间的双向作用，进而挖掘出陆地植被变化的本质原因。近来，在原先短时期CSCS 类动态变化研究的基础上，很多学者开展了长时间序列、多时段的研究，更形象地呈现出陆地植被对全球气候变化的响应。李飞等［38］以1961-2005年各气象站的观测数据为依据，使用CSCS 方法绘制中国干旱半干旱地区3 个不同时期的CSCS 类型图，研究中国干旱半干旱地区潜在植被的分布及动态，发现过去45年内中国干旱半干旱地区的潜在植被类型由10 种减少至6 种，主要由全球气温升高所致；Liang 等［18］以1911-2000年为时间跨度，每30年为一个时间节点，使用CSCS 方法绘制出各时间节点的全球CSCS 类型图，发现苔原、高山草原、荒漠、亚热带森林和热带森林类呈减少趋势，而温带森林和草地植被类呈增加趋势，并得出这种变化同样由于全球气温的持续升高导致。Feng 等［39］基于CSCS 方法，绘制3 个时期（1911-1940年、1941-1970年和1971-2000年）的全球CSCS 类型图，将划分所得CSCS 类合并为10 个大类后，利用平均中心模型算出各植被大类的移动距离和方向，发现20世纪内全球冻原高寒草地和荒漠面积分别减少了5.1%和5.5%，而森林和草地面积分别增加了2.3%和3.8%，最后得出全球气温持续升高是导致陆地植被变化的首要原因。CSCS 方法以其严谨的植被发生学理论和完善的分类体系，很好地解释了陆地植被类型同气候间的双向作用，是研究陆地生态系统对全球气候变化响应的有力工具。

2.3.2 CSCS 类的未来动态变化 国际上大多数气候预测数据集使用气候水热数据，这与CSCS 方法不谋而合，两者叠加分析，可模拟CSCS 类的演替方向，为研究未来全球气候的变化对陆地生态系统的影响提供数据基础。IPCC（intergovernmental panel on climate change）组织定义了4 种未来全球气候的情景模式（A1、A2、B1、B2）［40］，基于4 种情景可建立全球气候预测数据集，如英国气候研究中心建立的CRU TS2.1 全球气候网格空间数据集。任继周等［41］使用1950-2000年和2001-2050年两个时期的全球气候网格空间数据集，首次绘制出基于CSCS 方法的全球自然植被分布图，研究过去和未来全球CSCS 类的变化动态；Liang 等［19］使用2001-2010年青藏高原中分辨率成像光谱仪（MODIS）归一化差异植被指数（normalized difference vegetation index，NDVI）修正了气候预测数据集，结合CSCS 方法绘制出青藏高原在1951-2000年及2020、2050、2080年4 个时期的CSCS 类型图，结合线性回归分析法算出各CSCS 类的演替方向。Zhao 等［42］和车彦军等［43］使用CSCS 方法和不同情景下的气候预测数据集，绘制出21世纪末中国CSCS 类型图，据此分析未来不同气候情景下各CSCS 类对全球气候变化的灵敏度。CSCS 方法是研究潜在植被演替的有效工具，除精确反映全球气候变化对陆地植被类型的影响外，也可结合预测气候数据集预测未来CSCS 类的演替方向，能为世界各国政府科学管理自然环境提供一定依据。

2.3.3 CSCS 类对人类活动的敏感度 将CSCS 类型图同土地覆盖率（land use and land cover change，LUCC）数据进行叠加分析，能够定量研究人类活动对自然植被动态变化的影响程度［44］。基于中分辨率成像光谱仪（MODIS）和国际地圈及生物圈计划（international geosphere-biosphere programme，IGBP）分类系统的LUCC 产品可以反映出不同陆地植被的覆盖率，通过公式反演，从中能够得出人类活动地的分布情况。修丽娜等［44］使用LUCC 数据绘制的甘南残存潜在自然植被分布图和残存自然植被典型区分布图，结合甘南地区的CSCS 类型图，使用SPASS 软件算出甘南地区人类活动对CSCS 类演替的影响强度，并提出“人类占用强度”概念；张静等［45］使用CSCS 方法结合LUCC 遥感数据，算出中东亚干旱地区的人类占用强度，得出研究区域内人类占用比例逐年增加，其中2010-2013年增幅最大达1.45%，而人口迁移是影响占用强度的主要因素。人类活动强度研究，是CSCS 方法同现代3S 技术结合应用的实例，开辟了CSCS 方法的应用新思路。

2.4 基于CSCS 的草地NPP 模型

使用数学模型计算草地净初级生产力（net primary productivity，NPP）是国际上的主流做法，但目前草地NPP研究缺乏统一的草地分类体系，导致不同模型对同一草地的NPP 计算结果差异巨大。草地NPP 是指单位面积草地在单位时间内所能积累的有机干物质的总量，研究草地NPP，可以帮助理解草地生物量和草地生态系统的碳循环过程［7，46-48］。但由于技术限制，实地测量草地NPP 需要耗费大量的人力与物力，因此，使用数学模型估算草地NPP 是当前国际通用的方法［49］。CSCS 作为全球领先的草地分类方法，是唯一使用定量化指标的草地分类系统，以CSCS 为理论框架，我国学者提出了两种NPP 估算的模型-改进的CASA（carnegie-ames-stanford approach，CASA）模型和分类指数模型，两种模型为进一步研究地带性草地类型的生产潜力、草地净第一性生产力的区域分布和全球分布提供了可能。

2.4.1 基于CSCS 改进的CASA 模型 张美玲等［50］以CSCS 为框架改进了传统CASA 模型，使用GDD0 和MAP 参数替换CASA 模型中的生物气候指标，简化了CASA 模型，提高了CASA 模型估算结果与陆地植被类型间的联系。CASA 模型主要包含植被吸收的光合有效辐射和光能转换率两个输入变量，被广泛应用到全球NPP的研究中，但是传统CASA 模型存在两个缺陷：1）在估算过程中，CASA 模型较少考虑陆地植被类型，不能揭示生态系统NPP 含量同植被类型间的联系；2）CASA 模型使用土壤水分子模型估算水分胁迫因子，而土壤水分因子模型涉及大量输入参数，包括了土壤黏粒和沙砾百分比等较难获取的参数，影响了CASA 模型的估算精度。将CASA 模型的土壤水分子模型中的生物气候指标转换为GDD0 和MAP，能有效简化CASA 模型。GDD0 和MAP 参数的引入，解决了CASA 模型同植被类型间关联性弱的缺陷，改进后的CASA 模型能适应CSCS 不同草地类NPP 的估算［50-51］。

为验证改进后的CASA 模型对中国草地NPP 含量的估算精度，Zhang 等［52］使用基于CSCS 改进的CASA 模型、Miami 模型和Thornthwaite Memorial 模型分别估算了2004-2008年中国41 个草地类型的NPP 含量，得出改进的CASA 模型对各类草地NPP 估算的平均误差和平均相对误差均值分别为4.85 g·m-2·yr-1和7.6%，相比另两种模型的估算结果更接近实测值。

2.4.2 基于CSCS 的分类指数模型 以CSCS 方法为框架，Lin 等［53-54］提出一种准确度高，输入参数易获取的NPP 估算模型——分类指数模型（classification indices-based model，CIM）。CIM 以CSCS 为理论框架，使用MAP、GDD0 和湿润度指标K 间数学组合关系来表达三者对NPP 的交互作用。

在经过区域、全国和全球尺度上与传统NPP 模型的比较验证后，CIM 因更高的估算精度和简单易获取的输入参数，成为更优的草地NPP 估算模型。在区域内，Lin 等［55］通过对内蒙古西部阿拉善草原、贺兰山及周边荒漠地区不同海拔梯度的8 个草地研究点的NPP 进行估算，对比了包括CIM 在内的6 种NPP 计算模型（Miami、Schuur、Chikugo、Beijing、Synthetic 和CIM）的估算精度，使用均方根误差（root mean squared error，RMSE）的变异系数和预测效率作为评估指标，得出CIM 和Chikugo 模型在该区域NPP 的估算中具有较高的精度，同时根据输入数据要求和每个模型所涉及的自由参数个数，确定CIM 是研究区域内NPP 估算的最优选；Li 等［56］使用1995-2005年内蒙古8 个采样点的实际观测数值对CIM 模型的估算精度进行验证，得出CIM 估算数据与实测数据具有良好的一致性。为验证CIM 在全球尺度上对NPP 估算的准确度，Lin 等［57-58］使用Miami、Schuur 和CIM 模型对全球范围的NPP 进行估算，使用统计学知识对估算所得NPP 结果同样本点实测数据比对得出CIM 是3 种模型中估算大尺度NPP 最有效的模型。

因为同CSCS 模型的密切关联，CIM 在估算NPP 的同时揭示了植被类型与NPP 的内在联系。作为一种新型的气候-植被关系模型，CIM 有可能在全球尺度上研究草地对全球气候变化的响应，或将成为一种预测草地对气候变化响应研究的新工具［55］。Lin 等［54］使用CIM 模型估算了中国42 个CSCS 植被类的NPP 含量，并绘制出了我国NPP 的空间分布图；王大为等［59］使用CSCS 方法结合CIM 模型分别估算黑河上游8 个CSCS 类的NPP 含量和NPP 总累积量，得出研究区域内CSCS 植被类对生境和气候变化的多元适用性结构。赵军等［60］使用CIM 模型估算出内蒙古各CSCS 类的NPP 含量，得出内蒙古NPP 分布表现出明显的干湿地带性和纬度地带性特征；赵明伟等［61］使用CSCS 结合CIM 模型估算出中国北方研究区域内的4 种CSCS 类的平均生物量分别为：76.62、110.94、142.69、180.40 g·m-2；Gang 等［62］使用CSCS 方法结合CIM 模型，绘制出1911-2000年时间节点内全球PNV 的类型图，并计算出不同CSCS 类的NPP 含量，确定了历史气候变化对陆地生态系统的影响，得出在1911-2000年由于全球气温持续升高，NPP 增加呈纬向分布，其中热带地区NPP 增长总值占全球NPP 增长总值的一半以上。这些研究成果的发表，表明CIM 作为一种简单高效的草地NPP 计算模型应用在区域和全国的草地NPP研究中，同时CIM 的提出弥补了我国NPP 估算模型构建领域的空白，在探索草地NPP 的空间分布对全球气候变化响应的研究中扮演重要的角色。

CIM 以CSCS 为框架，使用气候水热条件确定草地生态系统的第一性生产力，所得的计算结果是地表潜在植被的NPP 含量，与现实植被NPP 含量间存在差异，而使用归一化植被指数（NDVI）作为CIM 的修正指标，可以有效降低这种误差。NDVI 数据作为遥感实测数据，反映了植被光合作用的覆盖率和强度，同时也被直接或间接地用来估算植被NPP 含量［63-66］。在特定区域的对比验证中，Wang 等［67］以三江源为研究区域对改进的CIM 模型、CIM、Miami 和CASA 模型进行比较，使用统计学知识对比估算结果后得出改进后的CIM 模型对研究区域NPP的估算具有更好的一致性（R2=0.42、RMSE=178.08）并且优于其他模型，精确算出三江源草地植被的NPP 总量为3.22×1013g C·yr-1。以上研究证明改进的CIM 模型具备较高的估算精度，同时改进的CIM 模型继承了原CIM 模型的优点——输入参数易获取，数据转换次数少，为在全国各类草地上开展NPP 研究提供了新方法。

3 展望

3.1 亚类与型的量化指标尚待完善

由于数据获取困难、定量技术限制等原因，对综合顺序分类法亚类与类之下型的定量研究至今没有突破性的进展。中国草地分类法因其对亚类的定性分类和对划分标准和命名的详细描述，从而在实际草类分类中具备较强的实用性［68］。完善CSCS 亚类与型的分类体系，可以剔除人类活动地和永冻冰山等干扰，使CSCS 方法确定的草地类型即为立地实际草地类型，进一步提高CSCS 的实用性。

随着3S 技术的快速发展，以现有CSCS 类的空间分布图为根本，结合GPS 实现野外调查的空间定位，可以为亚类与型的研究提供基础底图。以此为据，实现CSCS 亚类与型划分指标的定量化与数字化，是CSCS 理论亟待探索的重要课题。目前，国际上已经研发出包括地表温度和发射率（MOD11）、土地覆盖（MOD12）、植被指数（MOD13）、叶面积指数和有效光合辐射（MOD15）、土壤水分蒸散量（MOD16）和植被净初级生产力（MOD17）等在内的44 种覆盖全球范围的合成遥感产品［35，68-75］。使用这些遥感数据结合不断完善的反演算法，可以为CSCS第二级亚类同第三级型的划分标准的确定提供数据基础。李纯斌等［68，76］尝试利用SRTM-DEM 提取的地形坡度、坡向、曲率等数据和MODIS 数据中MODIS09GA、MODIS13A2 影像提取和反演的土壤亮度、植被指数、水体指数、土壤温度、湿度指数、纹理特征等信息，将甘肃省的草地亚类定量划分为568 种。虽然只是对甘肃省草地亚类进行划分，但分类结果就达568 种，当范围扩至全国甚至全球范围时，工作量将超乎想象，更无须谈及亚类之下还有植被型的划分。因此，如何以3S 技术为辅助，在CSCS 框架下建立一套完善且易于检索使用的亚类与型的分类和聚类体系，是CSCS 方法下一步的探索方向。

3.2 基于CSCS 的营养载畜量研究

草地载畜量计算是草地资源管理的一个重要内容，以CIM 模型为例，搭建CSCS 框架下的营养载畜量计算模型，是CSCS 在草地精细化管理中的一个尚待探索的应用领域。以草定畜是一个众所周知并被普遍推行的政策，在中国草原法2013年修订版中，明确指出国家实行以草定畜、草畜平衡制度。但是在草地载畜量的科研领域中，以草定畜的理论存在着不足［77］。传统草畜平衡是以单位面积的草地生物量为基础，按照家畜的单位时间采食量来确定单位草地所能承受的家畜数量［78-79］。以干物质作为指标评价草畜平衡状态虽然便捷，但是草地干物质的含量受草地类型，覆盖植被类型和牧草成熟度等多项因素的制约，不足以代表草地的实际营养量，更不能代表可被畜牧有效利用的部分，无法反映草畜平衡的真实状况［80］。对此，有学者提出使用草地所蕴含的可食牧草营养量替代干物质产量作为草畜平衡的评价指标，不仅直观地反映了天然草地营养物质的供应特点，并且为天然草地载畜量的制定提供了客观的定量的依据［81］。目前对草地营养量的计算研究处于起步阶段，草地营养含量仍以采样检测为主，尚未有经过有效验证的计算模型和定量指标提出［82-86］。CIM 模型的提出及验证，证明了以气候-植被间的相互作用关系为切入口，能够通过气候参数估算陆地植被的生理指数。以此为鉴，探索气候条件同草地可食性牧草营养量的关系，进而开发气候植被模型的应用新方向，是CSCS 在营养载畜量研究中亟待开展的课题。

3.3 基于CSCS 的草地生态服务价值计算

准确地认识草地生态服务价值对人类经济社会发展的作用，对合理利用草地资源和保护草地生态系统具有重要的意义，同时也是实现草地精细化管理的重要前提。使用合理的评估方法，将草地生态系统的生态服务价值置于市场化的衡量体系中，可以让草地的价值以更直观的方式呈现出来，对增强草地管理者和使用者的可持续发展意识起着重要的作用。国内学者虽然针对我国草地的生态服务价值做了大量的研究，但是不同研究成果在草地生态服务价值的内涵确认到评估方法最后到计算结果都存在着巨大的分歧［87-90］。分歧产生的一个重要原因就是缺少一个统一客观的草地生态系统服务价值评价体系。以科学的草地与经济理论为依据，建立通用客观的草地生态服务价值评价体系，是我国草地精细化管理推进的重要一环。

草地类型划分是草地管理与应用的重要前提，对草地生态服务价值的分析，必须同草地类型结合起来。草地作为一种多功能的生态系统，能够提供包括经济服务和生态服务在内的多种生态服务，但是由于不同草地类型覆盖植被的限制，不同草地类型的主要生态服务功能存在差异，如高寒荒漠和高寒草甸的主要功能是生态功能，包括自然保护区、天然植物物种和生物多样性的基因库和土壤保持功能，但是在经济方面贡献不大［2］。高雅等［91］尝试基于CSCS 方法定义草地生态系统服务价值计算的实践方案，提出基于CSCS 确定草地生态服务价值计算的4个步骤-确定研究空间尺度及其内部草地类型、确定研究范围内的利益相关者、选择评估指标和合适的评估方法。该方案可科学客观地定义草地生态系统服务价值分析的标准化流程，有效剔除对草地生态系统内部的异质性特征认识不清所导致的对评估对象和利益相关者的认识偏差。但目前该方法停留在理论阶段，实际的应用案例少见发表。以该实践方案为基础，不断完善理论体系并借以完成我国不同草地类型的生态服务价值分析，是基于CSCS 的草地精细化管理的重要发展方向之一。

4 结语

任继周等［2］于2008年发表的推介CSCS 方法的英文文献，是CSCS 知识体系60年发展历程中的重要里程碑。2008年至今CSCS 方法衍生至多个学科领域，除本研究提及以外，在农业、湿地类型划分和草地专家系统建立等领域均有建树［92-94］。以上研究成果表明，CSCS 以其严谨的草地发生学关系，定量的分类指标和易于检索的草地类型图，成为全球最完善的草地类型分类法。在今后的发展中，基于现有研究进一步开展陆地生态系统对全球变化响应的研究（包括PNV 演替和草地NPP 空间分布两个方面），结合当代计算机与3S 技术探索CSCS 亚类与型的定量指标、基于草地发生学关系构建草地营养量的气候植被模型和基于CSCS 完善草地生态系统服务价值评估体系，是CSCS 接下来发展的重点所在。随着CSCS 吸引了更多的学者参与到草地相关领域的研究来，必将推动我国草业学科的发展，也会让CSCS 方法在世界草学和生态学研究历程上留下浓墨重彩的一笔。