引用本文
荀其蕾, 董乙强, 安沙舟, 闫凯. 基于MOD 09GA数据的新疆草地生长状况遥感监测研究. 草业学报, 2018,27(4): 10-26
XUN Qi-lei, DONG Yi-qiang, AN Sha-zhou, YAN Kai. Monitoring of grassland herbage accumulation by remote sensing using MOD 09GA data in Xinjiang. Acta Prataculturae Sinica,2018,27(4): 10-26  
Doi:10.11686/cyxb2017232
Permissions
Copyright©2018, 草业学报编辑部
本文属于开放获取期刊。
基于MOD 09GA数据的新疆草地生长状况遥感监测研究
荀其蕾1, 董乙强1, 安沙舟1,*, 闫凯2
1.新疆农业大学草业与环境科学学院,新疆 乌鲁木齐 830000
2.新疆维吾尔自治区草原总站,新疆 乌鲁木齐 830000
*通信作者Corresponding author. E-mail:xjasz@126.com

作者简介:荀其蕾(1988-),女,山东文登人,在读博士。E-mail:427761875@qq.com

收稿日期: 2017-05-10
基金项目:国家重点研发计划(2017FY100200-1)和新疆草原总站委托项目资助
摘要

以新疆全区草地为研究对象,利用2010-2014年天然草地地上生物量实测数据(above-ground biomass,AGB)和EOS Terra MODIS每日地表反射率产品MOD 09GA,采用空间分析方法分别计算了生长季(4-10月)草地NDVImax,MSAVImax,PVImax,NDVImean,MSAVImean和PVImean 6种植被指数,探讨了NDVImax,MSAVImax,PVImax与草地地上生物量之间的遥感反演模型,分析了新疆草地生长季多年NDVImean,MSAVImean和PVImean空间分布特征和空间变化特征。根据所选的最优模型反演了新疆2005-2014年的草地地上生物量,统计分析了地上生物量的空间变化特征。结果表明,新疆草地2010-2014年NDVImean,MSAVImean和PVImean总体上均具有由北向南、由西向东逐渐递减的空间分布特点,不同草地类型的生物量差异显著。2005-2014年低地草甸类的生物量最高,高寒荒漠类最低。统计分析2010-2014年的NDVImean,MSAVImean和PVImean变化趋势发现,北疆有28%以上草地处于改善状态,南疆草地则以稳定为主;全疆14个地、州、市草地以稳定为主,处于稳定比重的草地大于40%,博尔塔拉蒙古自治州、哈密地区、塔城地区、巴音郭楞蒙古自治州草地处于改善状态的草地超过15%,阿勒泰地区、博尔塔拉蒙古自治州、伊犁哈萨克自治州直属、克拉玛依市、昌吉回族自治州、克孜勒苏柯尔克孜自治州、阿克苏地区和乌鲁木齐市轻度改善的草地比重大于10%;除吐鲁番市和乌鲁木齐市外,其余地、州、市恶化草地比重低于10%,全疆草地整体改善以稳定为主,总体趋于良好。

关键词: 新疆; 草地地上生物量; 植被指数; 遥感监测
Monitoring of grassland herbage accumulation by remote sensing using MOD 09GA data in Xinjiang
XUN Qi-lei1, DONG Yi-qiang1, AN Sha-zhou1*, YAN Kai2
1.College of Grassland and Environment Science, Xinjiang Agricultural University, Urumqi 830000, China
2.The Pasture Management General Bureau in Xinjiang Uygur Autonomous Region, Urumqi 830000, China
Abstract

This study focuses on grassland in the Xinjiang Uygur Autonomous Region; in situ measurements of above ground biomass (AGB) and its spatial distribution were recorded during the growing seasons from 2010 to 2014. Regression models using AGB data and the corresponding daily surface reflectance obtained remotely from EOS Terra MODIS were established. Spatial analysis was used to calculate six vegetation indices (NDVImax, MSAVImax, PVImax, NDVImean, MSAVImean and PVImean) using MOD 09GA data and the accuracy of the inversion models analyzed. The spatial distribution and spatial variation of the NDVImean, MSAVImean and PVImean values from 2010 to 2014 were also analyzed. Above-ground grassland biomass and its spatial distribution from 2005 to 2014 were estimated. It was found that NDVImean, MSAVImean and PVImean values gradually decreased from South to North and from West to East, and different grassland types have characteristic biomass differences. The biomass of azonal lowland meadow was highest and alpine desert type lowest among the grassland types included in the study. The trend of NDVImean, MSAVImean and PVImean value from 2010 to 2014 indicates that over 28% of regions in North Xinjiang could be categorized as showing ‘Improvement’, whereas in South Xinjiang these indicators were stable. The grassland of 14 prefectures in Xinjiang, representing 40% of the region, was also stable. The grassland of the Bortala Mongol Autonomous Prefecture, Kumul Prefecture, Tacheng Prefecture and Bayingolin Mongol Autonomous Prefecture showed improvement of over 15%. Over 10% of the grassland in Altary Prefecture, Bortala Mongol Autonomous Prefecture, Ili Kazakh Autonomous Prefecture, Karamay City, Changji Hui Autonomous Prefecture, Kizilsu Kirghiz Autonomous Prefecture, Aksu Prefecture and Urumqi City can be categorized as showing ‘Mild Improved’. The overall trend for grassland vegetation in Xinjiang is positive.

Keyword: Xinjiang; grassland above-ground biomass; vegetable indices; remote sensing monitoring

草地资源是在一定空间范围内所包含的草地类型、面积和分布, 以及由它们产生出来的供给家畜生命活动所需要的物质和能量的蕴藏量, 概称为生产能力[1]。对于草地的生产能力一直是草原学研究的重要内容。传统的草地测产方法为草地生态系统结构功能与生产力评价提供了依据[2], 但由于受到环境、人力、物力和财力的影响, 监测的范围有限。随着遥感技术的快速发展, 遥感卫星资料以低费用、大范围和多时相等优点被广泛应用于草地植被的监测中[3, 4]。

新疆是我国西北部重要的生态屏障, 气候多变, 地势复杂, 天然草地辽阔; 有关新疆草地的研究, 很多学者进行大量研究, 并取得了一定的成果[5, 6], 随着计算机技术、通信技术和遥感技术的不断发展, 尤其是中分辨率成像光谱仪(Moderate-resolution Imaging Spectroradiometer, MODIS)数据的应用, 为快速科学监测新疆草地提供了新的方法。梁天刚等[7]将RVI、NDVI与实测草地生物量结合, 在7种经验公式中选出的阜康市草地最优预报模型; 赵金飞等[8]利用2008年4-11月的新疆草地生物量和MODIS数据进行分析, 发现草地产量在年内波动明显, 用MODIS RVI与实测数据相结合建立的估产模型对年内草地产量有很好的估测效果; 吴门新等[9]利用NOAA NDVI与Yield-NDVI估算模型相结合对中国北方草地进行估产, 其中新疆天山和阿尔泰山属于高产区, 新疆北部部分地区和南疆盆地草地属于低产区, 新疆草地均有非常明显的地带性, 遥感估算模型可以较好的反映出草产量的空间分布格局; 昝梅等[10]利用MODIS LAI与实测LAI, 分析LAI的变化特征以及MODIS LAI的精度, 同时探讨LAI用于估算新疆喀纳斯国家自然保护区植被生物量密度的可行性; 张旭琛等[3]以新疆伊犁地区146个草地样地调查数据为基础, 将实测数据与MODIS NDVI、EVI、气象数据(海拔、年均降水、年均气温、积温、干燥度)结合, 对草地植被地上生物量的空间分布特征进行研究, 并建立单因素模型进行估产, 结果MODIS NDVI和EVI的估产效果要好于气象数据; 徐斌等[11]利用MODIS NDVI对全国草地产量进行估产发现, 2005年新疆草地的干草产量位于全国第三位, 并且8月的草产量与2004年持平。

综上所述, 由于新疆特殊的地理环境和气候条件, 导致新疆不同类型的草地相交分布, 空间异质性明显; 近年来, 由于环境的变化和各项政策的实施, 新疆草地有怎样的变化趋势?南疆与北疆变化趋势是否相同?

基于以上因素, 将新疆全区草地作为研究对象, 以2010-2014年Terra/MODIS的每日地表反射率产品MOD 09GA数据的3类植被指数与地面实测数据之间的关系为切入点, 对MOD 09GA计算的生长季草地植被指数与生物量之间的关系进行研究, 建立适合新疆草地地上生物量遥感动态监测模型, 分析植被指数时空动态变化, 有关研究结果不仅可以为揭示新疆草地退化提供重要的理论资料, 还可以为探讨与新疆具有相似地貌区的草地地上生物量估测提供理论资料。

1 材料与方法
1.1 研究区概况

新疆地处亚欧大陆腹地, 位于东经73° 40'-96° 18', 北纬34° 25'-48° 10', 天然草地辽阔, 是我国重要的牧区之一; 新疆包括14个地、州、市, 草原面积5725.88× 104 hm2, 可利用面积4800.68× 104 hm2; 地形较为复杂, 山地和盆地交错分布, 年平均温度6.2~9.2 ℃[12], 年均降水量150 mm, 多集中在6-8月; 天山山脉位于新疆中部, 将新疆分为南疆和北疆两部分, 南北疆气候差异较大[1]。

1.2 数据来源与预处理

1.2.1 草地外业观测数据 草地地面观测数据来源于新疆维吾尔自治区草原总站, 包含新疆境内14个地(州)89个县(市、区)的2010-2014年天然草地地上生物量实测数据(above-ground biomass, AGB)。各地、州、市依据境内的地形、气候和草地类型进行采样点设置, 5年共计6606个采样点(图1); 采样时间为每年4-10月, 每30 d采样一次; 记录每个采样点的经度、纬度和海拔, 每个样点上设3次重复, 每个重复中设3个面积为1 m× 1 m的样方; 将样方内所有植物齐地面剪割, 灌丛或高大灌木只剪割当年的枝条, 测定鲜重。在监测的过程中, 记录草层高度、盖度, 草地地上生物量以及每个采样点隶属的行政区和草地类型, 考虑到AGB的异常数据会影响到产量模型的精度, 在整理数据时, 对处在同一像元内的AGB进行合并, 用其平均值代表与该像元相对的AGB。

图1 2012年研究区采样点分布Fig.1 The spatial distribution of the in situ observation in the study area at 2012

1.2.2 MODIS遥感数据 遥感数据来自NASA MODIS陆地产品组开发的Terra卫星每日地表反射率产品MOD 09GA。该数据通过美国国家航空航天局(National Aeronautics and Space Administration, NASA)官方网站下载获取。下载地址为http://ladsweb.nascom. nasa.gov。该产品包括空间分辨率为500 m的MODIS 1~7通道每日地表反射率数据。本研究使用了2010-2014年草地生长季(4-10月)MODIS 1~7通道的地表反射率数据。数据格式为EOS-HDF, 覆盖全新疆的逐日产品在全球正弦曲线投影(sinusoidal projection, SIN)系统中编号为h23v04、h23v05、h24v04、h24v05、h25v04和h25v05六幅图像, 5年共计6390幅数字图像。

1.2.3 MOD 09GA数据预处理 MOD 09GA数据预处理主要包括以下环节:1)使用MRT(MODIS Reprojection Tool), 将MOD 09GA图像进行数据格式和地图投影转换, 将HDF转换为Tiff格式, 将SIN地图投影转换为WGS84坐标系统。2)在ArcGIS软件中按新疆行政分区、草地资源类型、地面调查样点等数据库, 采用MODIS NDVI、MSAVI和PVI的计算公式(1)、(2)和(3), 分别计算出每日NDVI、MSAVI和PVI数字图像。为了减少阴天、云层等因素对植被指数的影响, 应用ArcGIS空间分析工具分别对MODIS逐日NDVI、MSAVI和PVI像进行逐年生长季最大值和平均值合成处理, 生成新疆2010-2014年生长季NDVI、MSAVI和PVI的最大值及平均值数字图像, 并提取与地面实测样点相对应像元的逐年NDVI、MSAVI和PVI合成数据, 分别记为NDVI最大值(NDVImax)、MSAVI最大值(MSAVImax)、PVI最大值(PVImax)、NDVI平均值(NDVImean)、MSAVI平均值(MSAVImean)、PVI平均值(PVImean)。

NDVI=(NIR-RED)/(NIR+RED) (1)

MSAVI= 2NIR+1-2NIR+1)2-8(NIR-RED)2(2)

PVI= 0.335NIR-0.149RED)2+0.335RED-0.852NIR)2(3)

式中:NIR和RED分别为近红外波段和红光波段经过大气校正的地表反射率值。

1.3 AGB遥感监测模型构建与精度评价

利用SPSS软件的回归分析方法, 统计分析植被指数与地面测产数据之间的相关关系, 分别构建基于新疆AGB和MODIS植被指数(NDVImax、MSAVImax和PVImax)之间的线性、指数、对数、乘幂和多元回归5种模型, 分别利用决定系数(determination coefficient, R2)、均方根误差(root mean square error, RMSE)和交叉验证系数(cross validation coefficient, q)比较分析不同模型的模拟精度, 选取适合于新疆草地生物量反演的最优植被指数及模型。

1.4 草地植被时序空间变化分析

利用一元线性趋势分析方法, 通过计算植被指数(NDVImean, MSAVImean, PVImean)的年际变化率(SLOPE), 分析2010-2014年新疆逐像元(500 m× 500 m)草地植被的变化趋势, 研究草地植被的生长状况。若SLOPE> 0则表示植被生物量呈增加趋势, 植被生长状况良好; 若SLOPE< 0, 则表示植被的生物量呈减少趋势, 植被生长状况变差[13]。

SLOPE =N×∑i=1ni×VIi-∑i=1ni∑i=1nVIin×∑i=1ni2-(∑i=1ni)2(4)

式中:SLOPE表示一元线性方程的回归斜率; VIi表示第i年生长季植被指数值; n为监测时间段的累积年数, 本研究中n=5, i为1到n。

为了更进一步探讨草地生长状况的空间分布格局, 依据SLOPE大小划分为恶化(< -0.01)、轻度恶化(-0.01~-0.001)、稳定(-0.001~0.001)、轻度改善(0.001~0.01)和改善(> 0.01), 并对新疆按南疆、北疆和行政区分别进行统计分析。

标准差[14]能反映一个数据集的离散程度。一个较大的标准差, 代表大部分数值和其平均值之间差异较大; 一个较小的标准差, 代表这些数值较接近平均值。本研究通过计算NDVI、MSAVI和PVI标准差来分析新疆草地2010-2014年逐像元(500 m× 500 m)植被的波动特征。标准差能够反映草地植被变化的程度, 而SLOPE则表示变化的方向。标准差的计算公式为:

σ=1n∑i=1n(VIi-VImean)(5)

式中:VIi表示第i年的植被指数(NDVImean、MSAVImean和PVImean), VImean表示多年平均植被指数(NDVI、MSAVI和PVI), n为监测时间段的累积年数, 本研究中n=5, i表示从1到n。

2 结果与分析
2.1 新疆草地NDVI、MSAVI、PVI的空间变化

2.1.1 新疆草地NDVI、MSAVI和PVI平均值的空间分布格局 图2是2010-2014年新疆草地NDVImean、MSAVImean和PVImean的空间分布格局。 从该图可以看出, 新疆草地NDVImean、 MSAVImean和PVImean总体呈现出由北向南逐渐减少的趋势。NDVImean和MSAVImean的高值区主要集中分布在新疆北部的阿尔泰山山脉(阿勒泰地区), 另一个高值区出现在新疆中部的天山山脉(伊犁哈萨克自治州直属); PVImean的高值区则主要集中在天山山脉(伊犁哈萨克自治州直属)以及准噶尔盆地的部分地区。NDVImean、MSAVImean和PVImean值均表现为由中部向北部和南部逐渐减少。NDVImean低值区主要出现在准噶尔盆地、塔里木盆地和新疆东部(巴里坤哈萨克自治县、吐鲁番市); MSAVImean低值区主要在集中在南疆和新疆东部(巴里坤哈萨克自治县、吐鲁番市); 新疆东部为PVImean的低值区。

图2 2010-2014年新疆草地植被生长季NDVImean(a)、MSAVImean(b)和PVImean(c)空间分布Fig.2 Spatial distribution of NDVImean (a), MSAVImean (b) and PVImean (c) values in Xinjiang during the period from 2010 to 2014

图3 2010-2014年新疆北疆NDVImean(a)、MSAVImean(b)和PVImean(c)变化趋势Fig.3 NDVImean(a), MSAVImean(b) and PVImean(c)variation trends in North Xinjiang during the period from 2010 to 2014

2.1.2 新疆草地NDVI、MSAVI、PVI的年际变化趋势 图3、图4和图5分别为2010-2014年新疆北疆、南疆和各个行政区的草地NDVImean、MSAVImean和PVImean年际变化趋势。可以看出, 新疆NDVI、MSAVI和PVI年际变化趋势在空间上的分布存在明显的差异。从南疆、北疆和各个行政区的草地NDVImean、MSAVImean和PVImean年际变化趋势看, 总体上新疆的草地NDVImean、MSAVImean和PVImean呈上升趋势, 上升趋势由南向北逐渐递增。草地植被以轻微改善和改善为主, 表明随着退牧还草工程、禁牧和休牧政策、基本草原划定工作的推进及相关项目的实施, 新疆草地植被有一定程度的恢复。

统计分析南疆和北疆的NDVImean、MSAVImean和PVImean的变化(表1)发现, 2010-2014年北疆和南疆草地植被变化的总体趋势以改善和稳定为主。其中, 北疆改善所占比重较大, 约为30.39%(NDVImean)、28.14%(MSAVImean)、37.93%(PVImean), 而南疆稳定所占比重较大, 约为21.58%(NDVImean)、29.74%(MSAVImean)、26.34%(PVImean)。南疆轻度改善的草地略高于北疆, 但轻度恶化的草地也高于北疆。3类植被指数中南疆、北疆草地恶化的面积所占比重较小, 北疆依次为8.71%(NDVImean)、14.32%(MSAVImean)、15.54%(PVImean); 南疆依次为10.18%(NDVImean)、18.37%(MSAVImean)、15.68%(PVImean), 南疆的恶化程度略高于北疆。总体而言, 南疆、北疆草地以稳定为主, 恶化面积所占比重比较小, 草地植被生长状况较好。

表1 2010-2014年北疆、南疆草地植被NDVImean、MSAVImean和PVImean趋势变化 Table 1 NDVImean, MSAVImean and PVImean variation trends in the North and South Xinjiang from 2010 to 2014 (%)

表2是新疆各行政区草地NDVImean、MSAVImean和PVImean变化趋势统计分析结果。从该表可以看出, 新疆2010-2014年各行政区草地状况各有不同, 稳定所占比重普遍在40%以上, 改善、轻度改善、轻度恶化和恶化的面积存在较大差异; 从NDVImean、MSAVImean和PVImean变化趋势中看出, 阿勒泰地区、博尔塔拉蒙古自治州和哈密地区处于改善和轻度改善状态的草地比重大于35%, 其中3类植被指数均反映出的草地改善大于20%的地、州、市为博尔塔拉蒙古自治州和哈密地区, 改善比重介于15%~20%的地、州、市包括塔城地区和巴音郭楞蒙古自治州, 其余地、州、市只有个别植被指数所反映的草地改善状况大于15%; 轻度改善的草地面积低于改善草地, 轻度改善大于15%的地、州、市分别为阿勒泰地区、博尔塔拉蒙古自治州、伊犁哈萨克自治州直属和克拉玛依市, 轻度改善比重介于10%~15%的地、州、市包括昌吉回族自治州、克孜勒苏柯尔克孜自治州、阿克苏地区和乌鲁木齐市。

轻度恶化和恶化所占比重存在着显著差异性。在NDVImean、MSAVImean和PVImean变化趋势所反映的草地状况中, 吐鲁番市、阿克苏地区、喀什地区、和田地区和乌鲁木齐市轻度恶化和恶化草地均超过25%, 其中吐鲁番市轻度恶化和恶化状况最严重; 轻度恶化介于10%~20%的分别为昌吉回族自治州、伊犁哈萨克自治州直属、阿克苏地区、喀什地区、和田地区和乌鲁木齐市; 恶化的草地比重较以上4类状况较少, 除了吐鲁番市和乌鲁木齐市的NDVI、MSAVI和PVI反映出的恶化比重大于10%; 以外, 其他地、州、市恶化草地比重大部分低于10%; 草地稳定状态大于50%的地、州、市包括塔城地区、克孜勒苏柯尔克孜自治州和克拉玛依市; 稳定比重介于40%~50%的地、州、市为博尔塔拉蒙古自治州、和田地区和乌鲁木齐市, 其余地、州、市处于稳定状态的草地比重均高于26%。总体来说, 新疆草地以稳定和改善为主, 有少量不同程度的恶化, 草地生长状况较好。

图4 2010-2014年新疆南疆NDVImean(a)、MSAVImean(b)和PVImean(c)变化趋势Fig.4 NDVImean(a), MSAVImean(b) and PVImean(c)variation trends in South Xinjiang during the period from 2010 to 2014

图5 2010-2014年新疆各行政区草地植被NDVImean(a)、MSAVImean(b)和PVImean(c)变化趋势Fig.5 NDVImean(a), MSAVImean(b) and PVImean(c)variation trends in different counties in Xinjiang during the period from 2010 to 2014

表2 2010-2014年新疆不同行政区草地变化趋势 Table 2 Grassland variation trends in different administration regions in Xinjiang during the period from 2010 to 2014 (%)

2.1.3 新疆草地NDVImean、MSAVImean和PVImean的波动状况 图6表示新疆草地2010-2014年NDVImean、MSAVImean和PVImean标准差空间分布格局。从图6中可以看出, 草地植被年际波动最大的地区主要分布在新疆北部的阿尔泰山和新疆中部的天山, 这些地区的植被生长状况年际间具有很大的变化; 从MSAVImean和PVImean的标准差空间分布上可以看出, 新疆北部准噶尔盆地的草地植被年际波动也较为明显, NDVI则无明显变化; 而新疆南部的塔里木盆地NDVImean、MSAVImean和PVImean的标准差变化较小, 说明草地植被年际变化小, 草地基本保持稳定。结合新疆草地NDVImean、MSAVImean和PVImean变化趋势(图5)可以看出, 2010-2014年新疆北疆草地NDVImean、MSAVImean和PVImean呈上升趋势, 并且草地植被生长状况波动较大。

图6 2010-2014年新疆草地NDVImean(a)、MSAVImean(b)和PVImean(c)变化的标准差空间分布Fig.6 Spatial distribution of standard deviation of NDVImean (a), MSAVImean (b) and PVImean (c) variation trends in Xinjiang during the period from 2010 to 2014

2.2 AGB遥感模型及精度评价

生物量统计模型常见的主要为线性和非线性模型两种。但是, 因为研究区的自然地理条件和植被特征的不同, 使生物量模型存在较大差异。本研究利用SPSS软件, 统计分析了生长季NDVImax、MSAVImax和PVImax 3种植被指数与新疆草地AGB之间的线性、指数、对数、乘幂和多元回归模型。表3中列出了模拟模型的R2。由该表可以看出:植被指数NDVImax(R2=0.568)、MSAVImax(R2=0.498)和PVImax(R2=0.540)的乘幂模型优于线性、指数和对数模型; 在各种模型中, 联合了NDVImax、MSAVImax和PVImax的多元回归模型的决定系数最高, R2=0.685, 拟合效果最好。从精度评价的结果(表4)可以看出, 多元回归模型的q基本高于其他模型, RMSE是所有模型中的最小值。这说明基于NDVImax、MSAVImax和PVImax构建的多元回归模型估测的草地地上生物量与AGB最接近, 能够较真实地模拟新疆草地地上生物量。因此, 新疆AGB的最优模型为:y=2947.551x1+384266.259x2+1586.515x3-23771.829, R2=0.685, 式中:y表示AGB(kg· hm-2); x1表示生长季NDVImax, x2表示生长季MSAVImax, x3表示生长季PVImax值。

表3 新疆草地不同植被指数与AGB回归模型 Table 3 Regression models of the AGB and VIs in Xinjiang grassland
表4 新疆草地植被指数与草地地上生物量模型精度评价 Table 4 Accuracy assessment of regression modelsbetween AGB and VIs in Xinjiang
2.3 新疆草地地上生物量空间变化特征

新疆2005-2014年草地地上生物量存在显著的区域性差异。因此本研究选取了NDVImax、MSAVImax和PVImax构建了草地产量遥感模型, 生成了可代表年最大产量的数字图像, 对新疆13个地、州、市的草地地上生物量进行了分析(图7); 由于气候、地形和地貌等因素的不同, 新疆10类草地类组的草地地上生物量的年度变化特征也不一致(表5)。

图7 2005-2014年新疆不同行政区AGB变化动态Fig.7 Grassland changing dynamic in different administration regions in Xinjiang during the period from 2005 to 2014

续图7 2005-2014年新疆不同行政区AGB变化动态Continued Fig.7 Grassland changing dynamic in different administration regions in Xinjiang during the period from 2005 to 2014

从图7可以看出, 2005-2014年新疆13个地、州、市AGB存在很大差异。10年中位于南疆的阿克苏地区、巴音郭楞蒙古自治州、和田地区、吐鲁番市、喀什地区和北疆的阿勒泰地区草地AGB在2012年均达到最大值, 其中最大值为7.21× 105 kg· hm-2, 昌吉回族自治州、博尔塔拉蒙古自治州、塔城地区和伊犁哈萨克自治州草地AGB则在2013年达到最大; 10年中伊犁哈萨克自治州AGB为新疆所有地州中的最大值, 10年平均AGB为1.01× 106 kg· hm-2; 吐鲁番市和哈密市草地地上生物量较小, 分别为8.60× 104和4.71× 105 kg· hm-2。

表5 2005-2014年新疆不同草地类型AGB趋势变化 Table 5 AGB variation trends in different grassland types in Xinjiang during the period from 2005 to 2014 (× 104 kg· hm-2)

由表5可知, 2005-2014年新疆10类草地地上生物量除高寒荒漠类以外, 其余9类均呈先降低后上升的变化趋势, 其中山地草甸类、温性草原类、温性草甸草原类和温性荒漠类在2013年达到最大, 而低地草甸类在2012年达到最大; 各草地类地上生物量年际间变化差异很显著, 2012和2013年显著高于其他年份(P< 0.05); 低地草甸类、山地草甸类、温性草原类、温性草甸草原类和温性荒漠类在2012和2013年较2010和2011年有明显的上升趋势, 温性草原化荒漠类地上生物量在10年中变化最小。不同草地类地上生物量在年内波动也很明显, 低地草甸类和山地草甸类AGB显著高于其余8类草地(P< 0.05); 草地地上生物量最低的草地是分布于寒冷干旱地区的高寒荒漠类, 2013年仅为400.0 kg· hm-2, 显著低于其余各草地类(P< 0.05); 草地地上生物量最高的草地类为低地草甸类, 2005-2014年AGB总计为9.15× 106 kg· hm-2; 其次为山地草甸类, 为8.81× 106 kg· hm-2; 其他草地中地上生物量大于3× 106 kg· hm-2的有: 温性草原类、 温性草甸草原类、温性荒漠类、温性荒漠草原类和高寒草甸类; 在这几类地上生物量较高的草地类中, 除温性荒漠类外, 其余4类草地面积都较小, 总可利用面积仅占新疆草地面积的20%, 但这几类草地大部分分布在水热状况较好的地区; 不同草地类地上生物量在年内虽然波动明显, 但变化规律基本一致, 均表现为:低地草甸类> 山地草甸类> 温性草原类> 温性草甸草原类> 温性荒漠类> 温性荒漠草原类> 高寒草甸类> 温性草原化荒漠类> 高寒草原类> 高寒荒漠类。

3 讨论
3.1 新疆草地植被生长状况

本研究利用MOD 09GA数据及草地实际观测数据, 对新疆草地生物量时空动态变化及草地生长状况分析的结果表明, 2010-2014年新疆草地呈局部恶化、整体改善的状况, 改善区主要集中在新疆北部, 其主要原因包括地理环境、气候变化以及国家相关政策这3个方面。很多研究指出, 气候因素中的温度和降水量是影响植被生长的两个重要的非生物因素[14, 15], 尤其是在与温度(高海拔、寒冷)或降水量(炎热、干旱)相关性高的地区[16, 17]。张锐等[18]研究表明近50年新疆草地的温度、降水和蒸散生产潜力均呈明显增加趋势, 春、夏、秋、冬四季和生长季的生产潜力呈线性增加, 夏季和生长季增加最明显; 并且, 草地生产潜力和增幅表现由北向南逐渐递减, 与多年平均降水量变化趋势相同。史瑞琴[19]研究指出中国北方草地生产力主要受水分条件的影响, 利用大气环流模式(general circulation model, GCM)和区域气候模式(regional climate model, RCM)的嵌套结果构建草地气候生产力模型, 模拟结果表明新疆北疆草地生产力在未来气候条件下呈上升趋势, 南疆草地生产力则有降低趋势。在全球温度呈升高趋势的背景下, 处于半干旱区的北疆, 随着温度的升高, 草地地上生物量有所增加, 而南疆, 温度升高降低了环境的湿润度, 草地的生产力受到影响, 地上生物量降低。杨淑霞等[13]研究指出, 高海拔地区土壤多为砾石和粗砂, 对牧草的生长具有很大的影响, 土壤肥力偏低, 微生物活动比较弱, 有机质积累强而分解缓慢, 土壤养分供应不足, 海拔越高的地方, NDVImean越小, NDVImean与海拔呈非正态分布, 高海拔地区植被生长状况普遍较差, NDVImean值偏低。本研究结果与此相似。从NDVImean、MSAVImean和PVImean的时空变化状况可以看出, 新疆北疆的阿勒泰地区、博尔塔拉蒙古自治州和哈密市部分地区的草地状况好于南疆的阿克苏地区、喀什地区及和田地区, 这主要是因为NDVImean、MSAVImean和PVImean的变化与热量和水分的关系密切, 新疆的气候受来自东北方向由大陆极地气候形成的西伯利亚气团和蒙古高原气团的影响很大, 这一强大气流的特点是干燥和冷凉, 含水量极少, 干冷气候强化了准噶尔盆地东端和整个塔里木盆地的极端荒漠化及其周围山地的干旱程度。新疆北疆西部受西来的北大西洋和北冰洋气流中的水汽影响, 降水较多, 草地的NDVImean、MSAVImean和PVImean较高; 此外, 海拔也是影响植被指数的重要因素, 温度随山体升高而递减, 降水则在山地最大降水线以下随地势升高而递增, 新疆南疆的昆仑山和帕米尔高原是剧烈隆起的青藏高原的一部分, 海拔多为4000~5000 m, 气候寒冷干燥, 植被覆盖度较低, 但自其山麓至海拔4000 m之间的低山和亚高山带多有黄土状亚砂土覆盖, 有利于草地植物生长; 天山中西段大部分山体的海拔低于4000 m, 受西来水汽的滋润, NDVImean、MSAVImean和PVImean的值偏高[20]。

新疆是我国西北重要的生态屏障, 自2000年我国投入大量的资金开始实施退牧还草工程, 2011年中央财政将每年安排资金134亿元, 在包括新疆(含新疆生产建设兵团)在内的8个主要草原省(区), 全面建立草原生态保护补助奖励机制[21], 同时2011年也加快基本草原划定工作, 这两项政策对新疆草地的保护有十分重要地意义。李伟[22]指出, 新疆实施草原生态保护补助奖励机制后, 全疆天然草原植被总体长势有所提高, 草地盖度增加, 牧民的生产生活得到改善; 马梅等[23]表明草地政策的实施, 提高了草地质量和可采食的天然牧草量, 家畜存栏量增加, 在全球气候变暖的背景下, 保护草地生态系统的草地政策是控制年末存栏量和保护草地的主要手段。

3.2 草地地上生物量遥感监测算法

本研究结合遥感资料和AGB数据, 找出植被指数与AGB之间的函数关系, 筛选出适合新疆草地AGB的最优模型。虽然由于遥感数据和实测数据不同期, 会导致一定的误差, 但与传统的样方生物量监测方法相比, 遥感估产更高效, 更快捷, 并且可监测大范围草地变化。张小琪等[24]研究了阿勒泰地区草地生物量实测数据与植被指数之间的相关关系, 并建立相关模型, 结果发现NDVI与草地实测生物量的相关性最好, 利用NDVI构建的指数模型为最优估算模型。我国在20世纪80年代开始将遥感手段用于研究草地, 针对新疆的各类草地做了一定的研究工作[4, 25, 26, 27], 但由于新疆地形多变, 草地类型交错分布以及所用遥感数据的不同, 所构建的遥感产量模型差异较大。李霞[28]利用新疆北疆的草地实测生物量与对应的NDVI和EVI进行模型拟合, 结果发现EVI指数模型可以更好地模拟草地地上生物量。周鑫等[29]利用MODIS NDVI和EVI对伊犁地区的草地生物量进行反演, 结果发现二次多项式回归模型(y=14759x2-4758x+1346, R2=0.8402)的平均估产精度超过90%, 可以很好的反应该区域草地地上生物量; 很多研究指出由于研究区自然状况和遥感数据空间、时间的不同, 构建的生物量模型差异较大[30, 31, 32]。俞联平等[33]对甘州区荒漠草地生物量研究发现, TM MSAVI和草地生物量间有极显著相关关系, 利用TM MSAVI构建的草地植物量估产模型, 实测产量与估测值之间的平均误差低于10%; 渠翠平等[34]利用内蒙古科左后旗实测的草产量数据与MODIS NDVI, EVI, MASVI分别构建线性、乘幂和指数3种估产模型, MSAVI构建的地上生物量模型, R2为0.9, 拟合程度优于NDVI和EVI, 但利用NDVI和EVI构建的线性模型对总生物量模拟的精度优于对地上生物量的模拟。本研究中模型参数与其他研究结果有一定差异, 主要因为本研究选用MOD 09GA数据, 为逐日反射率产品, 时间精度较高, 采样时间为2010-2014年4-10月, 采样点6606个, 覆盖全疆所有草地类型, 利用NDVImax、MSAVImax和PVImax构建的一元回归模型中, 乘幂模型的估产精度最高, 但其RMSE值与其他一元回归模型差异不大; 将3类植被指数均作为自变量的多元回归模型(y=2947.551X1+384266.259X2+1586.515X3-23771.829, R2=0.840)是所有模型中R2和q最高, 精度最好的估产模型; 因为不同的植被指数会受到波段宽度、位置和天气的影响, 但通过不同算法得到的植被指数会消除一部分影响, 本研究中选用的MSAVI相比其他植被指数可以很好地消除土壤背景的影响, PVI则可以很好地消除大气影响, 本研究将3种植被指数均作为因变量建立估产模型, 弥补了单一植被指数受外界影响的缺陷, 扩大了模型的适用范围。

新疆地势复杂, 草地类型相交分布, 空间异质性明显; 草地地上生物量是草地空间异质性的综合表现, 主要是受水分、温度以及两者的配合状态决定, 不同草地对水热的敏感性不同。在同一热量带, 从沿海到内陆, 降水逐渐降低, 植被类型也按森林-草原-荒漠依次更替[35]。新疆由北向南, 大陆性气候加强; 由西向东, 西来的湿气流的不断减弱, 所以新疆西部降水高于东部, 南疆温度高于北疆[11], 10类草地受水分、温度或水热组合的影响程度差异明显。总体而言, 低地草甸类和山地草甸类, 由于地下水充足, 草地地上生物量在10年中较高, 高寒草原类和高寒荒漠类, 因为所处地区寒冷和多风, 草地地上生物量则较低; 这主要因为干旱/半干旱区草地生物量的时间变化[36, 37]和空间变化[38, 39]与降水密切相关, 水分对于新疆温性荒漠类和温性草原化荒漠类的分布有着一定的控制作用, 而热量是位于高海拔地区草地主导因素; 此外, 由于天山山脉将新疆分为南疆和北疆, 导致新疆不同区域的水分和最低温度成为影响植被生长的重要因素, 北疆地区主要受水分的影响, 南疆地区则受气温和水分的协同作用, 所以北疆的草地地上生物量略高于南疆。本研究中所选的NDVImean、MSAVImean、PVImean与AGB有相似的变化趋势, 均在天山山脉西部(伊犁哈萨克自治州)的值较高, 因为植被指数是根据植被的典型光谱反射率特征得到的, 通过比值、差分、线性组合等方法可以更好地表征AGB的空间分布状况和空间异质性, 从而建立与AGB的关系。

新疆地势垂直分化明显, 年平均降水量一般在200 mm左右, 虽然有文献[13]指出降水量< 200 mm时, 生物量与生长季温度呈负相关, 但位于高海拔区的新疆草地植被会受到温度和降水量的共同影响, 单纯遥感植被指数对草地进行监测, 对新疆草地有一定的局限性。而将气候因素和遥感植被指数共同作为自变量构建复合模型, 已在小麦产量预测[40]、水稻GPP预测[41]和森林火灾预警[27]等方面有了一定的应用, 因此, 除了提高地面资料和遥感数据的同步性外, 找出最适气候因子和遥感植被指数是改进草地生物量估测模型精度的一种方法, 也是草地遥感监测的主要内容之一。

4 结论

本研究利用MOG 09GA数据, 分别计算了生长季新疆草地的NDVI、MSAVI和PVI的平均值和最大值, 结合MOG 09GA植被指数和2010-2014年AGB数据, 构建新疆草地生物量遥感模型, 并分析新疆草地NDVI、MSAVI和PVI的时空变化特征。主要结论如下:

1)在3种植被指数中, 草地生物量的多元回归模型的R2高于线性、对数、乘幂和指数模型, 基于NDVImax、MSAVImax和PVImax构建的多元回归模型(y=2947.551x1+384266.259x2+1586.515x3-23771.829, R2=0.685)拟合效果优于单一植被指数模型, 多元回归模型的R2最高, 为0.685, 其次为基于NDVImax的乘幂模型R2最高, 为0.568。

2)新疆草地NDVI、MSAVI和PVI呈由北向南、由西向东逐渐减少的空间分布特征。统计分析2010-2014年的新疆草地植被的变化趋势表明, 全疆草地以稳定和改善为主, 北疆处于改善的草地所占比重较大, 达28%以上, 南疆草地则以稳定为主; 南、北疆草地均有一定程度的恶化, 南疆恶化略高于北疆, 但恶化所占的比重在南、北疆均较小。

3) 新疆草地地上生物量在2012和2013年较高, 低地草甸类草地的地上生物量最大, 高寒荒漠类最小。空间格局上, 伊犁哈萨克自治州地上生物量最高, 吐鲁番市和哈密市地上生物量较低; 自北向南, 地上生物量呈由高向低过渡的趋势, 其分布格局与草地类型分布基本吻合。

3)统计分析新疆2010-2014年各行政区的草地变化趋势表明, 新疆草地以稳定为主, 草地改善、稳定、轻度改善、轻度恶化和恶化存在较大的差异性, 稳定比重普遍在40%以上, NDVI、MSAVI和PVI同时反映出改善比重大于15%的地、州、市为:博尔塔拉蒙古自治州、哈密地区、塔城地区、巴音郭楞蒙古自治州; 轻度改善比重大于10%的地、州、市有8个, 分别为:阿勒泰地区、博尔塔拉蒙古自治州、伊犁哈萨克自治州直属、克拉玛依市、昌吉回族自治州、克孜勒苏柯尔克孜自治州、阿克苏地区和乌鲁木齐市, 处于改善状态的草地面积高于轻度改善; 轻度恶化所占比重差异较大, 吐鲁番市轻度恶化比重最大, 3类植被指数所反映的轻度恶化比重均高于19%, 介于10%~20%的地、州、市有6个; 恶化的比重均较小, 全疆除吐鲁番市和乌鲁木齐市外, 其余地、州、市恶化草地比重大部分低于10%。

The authors have declared that no competing interests exist.

参考文献
[1] Xu P. Grassland resource investigation and planning. Beijing: China Agricultural Press, 2000: 156-164.
许鹏. 草地资源调查规划学. 北京: 中国农业出版社, 2000: 156-164. [本文引用:2]
[2] Tao Y, Zhang Y M. Multi-scale biomass estimation of desert shrubs: a case study of Haloxylon ammodendron in the Gurbantunggut desert, China. Acta Prataculturae Sinica, 2013, 22(6): 1-10.
陶冶, 张元明. 荒漠灌木生物量多尺度估测-以梭梭为例. 草业学报, 2013, 22(6): 1-10. [本文引用:1]
[3] Zhang X C, Zhu H Z, Zhong H P, et al. Assessment of above-ground biomass of grassland using remote sensing, Ili, Xinjiang. Acta Prataculturae Sinica, 2015, 24(6): 25-34.
张旭琛, 朱华忠, 钟华平, 等. 新疆伊犁地区草地植被地上生物量遥感反演. 草业学报, 2015, 24(6): 25-34. [本文引用:2]
[4] Qian Y R, Yang F, Yu J, et al. Vegetation index feature and spatial-temporal process analysis of desert grassland in the Fukang area of Xinjiang. Acta Prataculturae Sinica, 2013, 22(3): 25-32.
钱育蓉, 杨峰, 于炯, 等. 新疆阜康荒漠植被指数特征和时空过程分析. 草业学报, 2013, 22(3): 25-32. [本文引用:2]
[5] Li C, Cao Z Z, Ding L, et al. Principal component analysis by using multitemporal MODIS -NDVI data in Xinjiang. Meteorological and Environmental Sciences, 2012, 35(2): 40-43.
李聪, 曹占洲, 丁林, 等. 新疆地区多时相MODIS-NDVI数据主成分分析. 气象与环境科学, 2012, 35(2): 40-43. [本文引用:1]
[6] Yong Z, Tong L, Zhou X B, et al. Effects of climate change on plant composition and diversity in the Gurbantunggut desert of northwestern China. Ecological Research, 2016, (31): 427-439. [本文引用:1]
[7] Liang T G, Chen Q G, Wei Y X. Research on the dynamie monitoring model of grassland resources yield in Fukang county of Xinjiang. Remote Sensing Technology and Application, 1996, 11(1): 27-32.
梁天刚, 陈全功, 卫亚星. 新疆阜康县草地资源产量动态监测模型的研究. 遥感技术与应用, 1996, 11(1): 27-32. [本文引用:1]
[8] Zhao J F, Gao M H, Li Y. Research on the meadow output of Xinjiang based on MODIS image. Anhui Agricultural Science Bulletin, 2010, 16(15): 219-223.
赵金飞, 高敏华, 李悦. 基于MODIS影像的新疆草地产量全年变化研究. 安徽农学通报, 2010, 16(15): 219-223. [本文引用:1]
[9] Wu M X, Qian S, Hou Y Y, et al. Estimation of forage yield in Northern China based on NDVI data. Transactions of the CSAE, 2009, 25(Supple 2): 149-155.
吴门新, 钱拴, 侯英雨, 等. 利用NDVI资料估算中国北方草原区牧草产量. 农业工程学报, 2009, 25(增刊2): 149-155. [本文引用:1]
[10] Zan M, Li D Q, Ju W M, et al. Measurement and retrieval of leaf area index using remote sensing data in Kanas National Nature Reserve, Xinjiang. Acta Ecologica Sinica, 2013, 33(15): 4744-4757.
昝梅, 李登秋, 居为民, 等. 新疆喀纳斯国家自然保护区植被叶面积指数观测与遥感估算. 生态学报, 2013, 33(15): 4744-4757. [本文引用:1]
[11] Xu B, Yang X C, Tao W G, et al. Remote sensing monitoring upon the grass production in China. Acta Ecologica Sinica, 2007, 27(2): 405-413.
徐斌, 杨秀春, 陶伟国, 等. 中国草原产草量遥感监测. 生态学报, 2007, 27(2): 405-413. [本文引用:2]
[12] Reziwanguli M, Yang J J, Liu Y Q, et al. Characteristics of changes in temperature and precipitation in Xinjiang in recent 54 years. Research of Soil and Water Conservation, 2016, 23(2): 128-133.
热孜宛古丽·麦麦提依明, 杨建军, 刘永强, 等. 新疆近54年气温和降水变化特征. 水土保持研究, 2016, 23(2): 128-133. [本文引用:1]
[13] Yang S X, Zhang W J, Feng Q S, et al. Monitoring of grassland garbage accumulation by remote sensing using MODIS daily surface reflectance data in the Qingnan Region. Acta Prataculturae Sinica, 2016, 25(8): 14-26.
杨淑霞, 张文娟, 冯琦胜, 等. 基于MODIS逐日地表反射率数据的青南地区草地生长状况遥感监测研究. 草业学报, 2016, 25(8): 14-26. [本文引用:3]
[14] Weltzin J F, Loik M E, Schwinning S, et al. Assessing the response of terrestrial ecosystems to potential changes in precipitation. Bioscience, 2003, 53(10): 941-952. [本文引用:2]
[15] Wang T, Shen W T, Quyang Y, et al. Characteristics of temporal and spatial variation in the grass growing season of Tibet during the period of 1982 to 2010. Acta Agrestia Sinica, 2014, 22(1): 46-51.
王涛, 沈渭涛, 欧阳琰, 等. 1982-2010年西藏草地生长季NDVI时空变化特征, 草地学报, 2014, 22(1): 46-51. [本文引用:1]
[16] Zhou W, Gang C, Chen Y, et al. Grassland coverage inter-annual variation and its coupling relation with hydrothermal factors in China during 1982-2010. Journal of Geographical Sciences, 2014, 24(4): 593-611. [本文引用:1]
[17] Xu Y F, Yang J, Li W H, et al. Spatial-temporal change in different vegetation growth of Xinjiang from 1982 to 2013. Acta Prataculturae Sinica, 2016, 25(1): 47-63.
许玉凤, 杨井, 李卫红, 等. 1982-2013年新疆不同植被生长时空变化. 草业学报, 2016, 25(1): 47-63. [本文引用:1]
[18] Zhang R, Liu P X, Zhang K X. Spatio-temporal characteristics of potential climate productivity of grassland and its responses to climate change in Xinjiang, China. Journal of Desert Research, 2012, 32(1): 181-187.
张锐, 刘普幸, 张克新. 新疆草地气候生产潜力变化特征及对气候响应的预测研究. 中国沙漠, 2012, 32(1): 181-187. [本文引用:1]
[19] Shi R Q. The study of the impact of climate change on the grassland production in the North of China. Nanjing: Nanjing University of Information Science & Technology, 2006.
史瑞琴. 气候变化对中国北方草地生产力的影响研究. 南京: 南京信息工程大学, 2006. [本文引用:1]
[20] Animal Husband ry Department in Xinjiang Uygur Autonomous Region. Grassland resource and utilization in Xinjiang. Urumqi: Press Health Science & Technology in Xinjiang(K), 1993: 61-72.
新疆维吾尔自治区畜牧厅. 新疆草地资源及其利用. 乌鲁木齐: 新疆科技卫生出版社(K), 1993: 61-72. [本文引用:1]
[21] Hailiqiemu S. Research on the effect of grazing prohibition policy to herdsman and its behavioral response in Xinjiang. Urumqi: Xinjiang Agricultural University, 2014.
海力且木·斯依提. 禁牧政策对新疆牧民的影响及行为反应研究. 乌鲁木齐: 新疆农业大学, 2014. [本文引用:1]
[22] Li W. Study on implemented the subsidy and incentives system of grassland ecology protection. Animal Husband ry in Xinjiang, 2015, 10: 22-27.
李伟. 新疆实施草原生态保护补助奖励机制初期成效研究. 新疆畜牧业, 2015, 10: 22-27. [本文引用:1]
[23] Ma M, Qiao G H, Wu Y H. Market, climate, and grassland policy influencing the inventory quantity of sheep on pastoral areas—A case of Xilin Gol. Journal of Arid Land Resources and Environment, 2016, 30(2): 63-68.
马梅, 乔光华, 乌云花. 市场、草地政策及气候对牧区羊年末存栏量的影响—以锡林郭勒盟为例. 干旱区资源与环境, 2016, 30(2): 63-68. [本文引用:1]
[24] Zhang X Q, Sheng J D, Wu H Q, et al. Construction of remote sensing inversion models for estimating typical grassland aboveground biomass. Agricultural Network Information, 2013, 4: 12-15.
张小琪, 盛建东, 武红旗, 等. 典型草地地上生物量遥感反演模型的建立. 农业信息管理, 2013, 4: 12-15. [本文引用:1]
[25] Qian Y R, Yang F, Li J L, et al. Yield and animal-feed balance of typical grassland in Xinjiang Fukang using 3S techniques. Pratacultural Science, 2013, 30(9): 1330-1337.
钱育蓉, 杨峰, 李建龙, 等. 基于“3S”的新疆阜康典型草地产草量及草畜平衡分析. 草业科学, 2013, 30(9): 1330-1337. [本文引用:1]
[26] Yang H F, Gang C C, Mu S J, et al. Analysis of the spatial-temporal variation in net primary productivity of grassland during the past 10 year in Xinjiang. Acta Prataculturae Sinica, 2014, 23(3): 39-50.
杨红飞, 刚成诚, 穆少杰, 等. 近10年新疆草地生态系统净初级生产力及其时空格局变化研究. 草业学报, 2014, 23(3): 39-50. [本文引用:1]
[27] Peng G X, Chen Y H, Li J, et al. Combination of remote sensing and meteorological data for fire risk monitoring-A case study in Peninsular Malaysia. Geo-information Science, 2007, 9(5): 99-104.
彭光雄, 陈云浩, 李京, 等. 结合遥感和气象数据的森林火险监测研究-以马来西亚半岛为例. 地球信息科学, 2007, 9(5): 99-104. [本文引用:2]
[28] Li X. Remotely sensed monitoring of grassland aboveground biomass in Northern Xinjiang area. Lanzhou: Lanzhou University, 2008.
李霞. 北疆地区草地生物量遥感监测. 兰州: 兰州大学, 2008. [本文引用:1]
[29] Zhou X, Sheng J D, Zhang W T, et al. Aboveground biomass inversion of grassland in Ili area using MODIS data. Acta Agrestia Sinica, 2015, 23(1): 27-33.
周鑫, 盛建东, 张文太, 等. 基于MODIS数据的伊犁地区草地地上生物量反演. 草地学报, 2015, 23(1): 27-33. [本文引用:1]
[30] Sun C M, Sun Z G, Mu S J, et al. Vegetation index models based on MODIS and their application in grassland ecosystem. Chinese Agricultural Science Bulletin, 2011, 27(22): 84-88.
孙成明, 孙政国, 穆少杰, 等. 基于MODIS的植被指数模型及其在草地生态系统中的应用. 中国农学通报, 2011, 27(22): 84-88. [本文引用:1]
[31] Zhang Y N, Niu J M, Zhang Q Z, et al. A discussion on applications of vegetation index for estimating aboveground biomass of typical steppe. Acta Prataculturae Sinica, 2012, 21(2): 229-238.
张艳楠, 牛建明, 张庆植, 等. 植被指数在典型草原生物量遥感估测应用中的问题探讨. 草业学报, 2012, 21(2): 229-238. [本文引用:1]
32 [32 ] Zhang X X, Tang C J, Zhou S, et al. Errors analysis of grassland biomass investigation based on MODIS data. Pratacultural Science, 2014, 31(9): 1653-1658. [本文引用:1]
33 张绪校, 唐川江, 周俗, 等. 应用MODIS进行草原生物量估测误差原因分析. 草业科学, 2014, 31(9): 1653-1658. [本文引用:1]
[33] Yu L P, Li F D, Li X Y, et al. RS, GIS and GPS based evaluation of desert grassland productivity in Ganzhou of Gansu Province. Grassland and Turf, 2008, (5): 36-38.
俞联平, 李发弟, 李新媛, 等. 基于“3S”技术的甘肃省甘州区荒漠草地生产力评价. 草原与草坪, 2008, (5): 36-38. [本文引用:1]
[34] Qu C P, Guan D X, Wang A Z, et al. Comparison of grassland biomass estimation models based on MODIS data. Chinese Journal of Ecology, 2008, 27(11): 2028-2032.
渠翠平, 关德新, 王安志, 等. 基于MODIS数据的草地生物量估算模型比较. 生态学杂志, 2008, 27(11): 2028-2032. [本文引用:1]
[35] Chen X Q, Wang H. Spatial and temporal variations of vegetation belts and vegetation cover degrees in Inner Mongolia from 1982 to 2003. Acta Geographica Sinica, 2009, 64(1): 84-94.
陈效逑, 王恒. 1982-2003年内蒙古植被带和植被覆盖度的时空变化. 地理学报, 2009, 64(1): 84-94. [本文引用:1]
[36] Osvaldo E S, Parton W J, Joyce L A. Primary production of the central grassland region of the United States. Ecology, 1988, 69(1): 40-45. [本文引用:1]
[37] Lauenroth W K, Sala O E. Long-term forage production of North American short grass steppe. Ecological Applications, 1992, 2(4): 397-403. [本文引用:1]
[38] Esteban G J, Osvaldo E S. Controls of grass and shrub above-ground production in the Patagonian steppe. Ecological Applications, 2000, 10(2): 541-549. [本文引用:1]
[39] Jobbágy E G, Sala O E, Paruelo J M. Patterns and controls of primary production in the Patagonian steppe: A remote sensing approach. Ecology, 2002, 8(2): 307-319. [本文引用:1]
[40] Manjunath K R, Potdar M B, Purohit N L. Large area operational wheat yield model development and validation based on spectral and meteorological data. International Journal of Remote Sensing, 2002, 23(15): 3023-3038. [本文引用:1]
[41] Tang B. Planting area monitoring and yield estimation of rice in Jiangsu province based on remote sensing and meteorological data. Hangzhou: Zhejiang University, 2016.
汤斌. 基于遥感和气象数据的江苏省水稻面积监测和估产研究. 杭州: 浙江大学, 2016. [本文引用:1]