新疆伊犁地區草地植被地上生物量遙感反演

張旭琛，朱華忠，鐘華平*，程耀東,靳瑰麗，邵小明

(1.蘭州交通大學，甘肅 蘭州 730070；2.中國科學院地理科學與資源研究所，北京 100101；3.新疆農業大學，新疆 烏魯木齊 830052；4.中國農業大學，北京 100083)

?

新疆伊犁地區草地植被地上生物量遙感反演

張旭琛1,2，朱華忠2，鐘華平2*，程耀東1,靳瑰麗3，邵小明4

(1.蘭州交通大學，甘肅 蘭州 730070；2.中國科學院地理科學與資源研究所，北京 100101；3.新疆農業大學，新疆 烏魯木齊 830052；4.中國農業大學，北京 100083)

本文以伊犁地區146個草地樣地調查數據為基礎，結合遙感及氣象數據，進行草地植被地上生物量與NDVI、EVI、海拔、年均降水、年均氣溫、積溫、干燥度、濕潤指數等因子的回歸分析。并通過各因子對地上生物量影響權重參數分析和加權融合，運用ArcGIS軟件，反演分析了新疆伊犁地區草地植被地上生物量的空間分布特征。結果表明,新疆伊犁地區草地平均產草量約為704.96 kg/hm2，與20世紀80年代全國草地調查數據相比，產草量有所下降。草地植被地上生物量與各項因子具有較好的相關性，反演結果與伊犁地區的地形、地貌、氣候特征基本吻合，反映了伊犁地區草地植被的空間分布特征。地上生物量反演結果得到驗證，預測值與實測值之間相關系數(R2)為0.8532；均方根誤差(RMSE)為216.559 kg/hm2，偏離度為22.92%，可以為新疆伊犁地區草地資源合理利用與評價提供參考。

草地植被；地理信息系統；地上生物量；遙感反演

長期以來，生態系統生產力一直是生態學研究的一個重要方向[1]。在草地生態研究領域，長期的定位研究和不同區域草地資源的大量調查，為草地生態系統結構功能與生產力評價提供了基礎[2-3]。并且基于不同基礎數據，國內許多學者對我國草地植被總生物量(或碳儲量)進行了估算[4-8]，同時基于遙感模型還給出了我國草地植被生物量的空間分布格局[9]。但是，由于受研究方法、數據來源、觀測資料等條件的限制，全國草地植被生物量的估算還存在很大的不確定性[10]。并且隨著草地資源調查向草地生態系統功能評價發展，傳統的草地群落學方法逐漸滿足不了在區域尺度上對草地動態監測和草地生態環境評價研究的需求。在時效性方面跟不上草地動態監測的節奏，在區域研究上又遇到數據尺度轉換帶來的不確定性瓶頸。與傳統的草地生態學方法相比，草地遙感技術能夠獲取全時段與草地植被相關的遙感數據信息，彌補時效性和全面性的不足。

早期的草地生物量遙感反演多采用NOAA/AVHRR數據計算歸一化植被指數(NDVI)來監測草地植被生產力的動態變化，認為牧草生長期的地上生物量與NDVI密切相關[11]。隨著遙感數據的不斷完善，更多的學者利用Landsat TM和NOAA/AVHRR結合，建立NDVI與草地生物量之間的回歸模型，來監測植物生長和生物量估算[12-13]。進一步促進了我國草地植被生物量研究的發展[14-17]，也奠定了對草地動態監測和草地生態系統功能評價的基礎[18-26]。特別是隨著高光譜遙感技術的應用，高光譜遙感數據、TM/ETM、MODIS數據和植被指數方法在植被生態監測方面得到廣泛應用，在地面植被遙感與應用研究中表現出強大優勢[27-30]。

新疆伊犁地區作為我國重點牧區，是我國草地遙感研究最活躍的地區之一。包括草地分類體系[31]，草地產草量遙感動態監測[32-35]，草地退化等方面的研究[36-37]，為新疆草地遙感研究奠定了基礎。楊紅飛等[38]關于新疆草地生態系統凈初級生產力方面進行了研究，從數據多元化、模型應用、到草地生產力時空格局分析，把握了新疆草地遙感研究的總體水平。然而，多數研究認為：運用MODIS- NDVI對草原植被狀況進行模型估測的方法，盡管能夠合理地表征植被的狀況，但很難獲得植被投影蓋度產量的真值，表現為NDVI對高植被區具有較低的靈敏度[39]。如在相同的NDVI取值中，高寒草甸和山地草甸生物量有著不一樣的表達，需要有草地類型梯度變化分析的參與。因此，利用草地類型遙感光譜特征，輔以海拔、坡向、坡度、水、熱、土壤等因子對草地的影響分析，對解決草地類型由于“同譜異物、同物異譜”現象而不易區分的難題是可行的[40]。這種多尺度與空間統計分析方法的結合也逐漸成為草地遙感研究的熱點[41]。

本研究則以MODIS數據為基礎，輔以海拔、年降水、年均氣溫、積溫、干燥度、濕潤指數等數據，對新疆伊犁地區草地植被地上生物量反演進行初步嘗試，為探討新疆草地植被地上生物量的分布規律提供參考。

1 材料與方法

1.1 研究區概況

伊犁州地處東經80°09′42″-84°56′50″，北緯42°14′16″-45°50′30″，位于歐亞大陸腹地新疆天山北坡西部山區的伊犁河谷。屬溫帶大陸性氣候，年平均氣溫10.4℃，年日照時數2870 h，年降水量417.6 mm，是新疆最濕潤的地區。伊犁河谷自然條件優越，農、牧業發展優勢顯著，農畜產品豐富，是新疆的糧倉和全國著名的牧區[42]。天然草場資源豐富，總面積約2×107hm2。

1.2 野外調查與采樣

根據對伊犁地區草地類型的分布特點、草地利用方式、利用強度等方面的綜合評估，在全區范圍內進行146個草地樣地的設置，于2013年7月-9月對全部樣地進行實地定位，并對樣地進行樣方調查與采樣(圖1)。

對草地樣地用GPS記錄并保留每一樣地的路徑信息(航跡)，詳細記錄其經緯度坐標、海拔、地形、植被類型、群落名稱、利用方式、利用強度等信息，并對樣地的景觀、群落及物種進行拍照和編號。依據代表性原則，選擇代表整個樣地植被、地形及土壤等特征的地段，設置3個樣方，調查樣方內所有草本植物的總蓋度、群落高度、地上生物量、凋落物生物量和地下生物量，并進行草地表層土壤容重調查，分層采集土壤分析樣品。

地上生物量用收獲法將樣方內植物所有綠色部分用剪刀齊地面剪取，分物種按樣方分別裝進信封袋，帶回室內，在65℃下烘干后稱重。樣品量較多時，在野外先稱總鮮重，然后取部分鮮樣品，稱其鮮重后分裝信封袋，帶回室內，烘干稱重，獲得干重系數，換算成樣方地上生物量干重。樣方面積為1 m×1 m，3個重復。

凋落物：在做完地上生物量的樣方內，用手將地表當年的凋落物和立枯撿起，小心去除凋落物上附著的細土粒，按樣方分別裝入信封內，用鉛筆做好標記。在野外稱量鮮重后帶回室內，在65℃下烘干后稱量干重。

地下生物量：在做完凋落物的樣方內，清理樣方土壤表面的殘留物和雜質，用內徑為66 mm的土鉆按0～10 cm、10～20 cm、20～30 cm分層采集土壤樣品3鉆，分層混合后按樣方分裝在0.37 mm的尼龍袋紗袋中，并用塑料標簽寫好樣方號和層次，帶回室內或在野外有條件的河流進行漂洗，將漂洗后的凈根系樣品分裝信封，用鉛筆做好標記，在65℃烘箱烘至恒重后稱量干重，并換算成1 m×1 m樣方的地下生物量。

1.3 數據來源及處理

本文涉及的基礎數據包括90 m數字高程模型(DEM)柵格數據，多年平均的500 m空間分辨率的氣候柵格數據，2011年250 m空間分辨率的MODIS數據，以及新疆伊犁地區146個樣地的調查數據。

氣候數據包括1957-2010年多年平均的年均氣溫(Ta)、年平均降水量(Pa)、≥0℃年積溫、≥10℃年積溫、干燥度、濕潤指數等500 m空間分辨率柵格數據。數據由中國科學院遙感所提供，經過Foxpro預處理的全國氣象站點的氣象數據在Arc/Info中轉為站點的圖層(coverage)，再利用反向距離加權平均的方法內插出全國空間分辨率為500 m×500 m的柵格數據。

遙感數據所用250 m空間分辨率MODIS數據為來自美國地質調查(USGS)的歸一化植被指數(NDVI)與增強型植被指數(EVI)每16 d數據產品(MOD13Q1)。數據覆蓋的時間范圍為2011年7月至8月與2012年7月至8月。MODIS NDVI和EVI采用16 d最大值合成方法(maximum value composite，MVC)生成，利用ArcMap軟件進行格式轉換、拼接、投影轉換和再拼接，生成氣候數據與投影坐標數據相一致。

1.4 分析方法

將新疆伊犁地區146個樣地調查的地上生物量數據通過K-S檢驗，地上生物量數據符合正態分布，采用SPSS 17.0對數據進行統計分析。同時，根據野外調查的146個草地樣地的地理坐標，提取相應樣地的NDVI、EVI、海拔、年均氣溫、年降水、≥0℃年積溫、≥10℃年積溫、干燥度、濕潤指數等數值，與地上生物量生成數據集，用于地上生物量與各因素之間的相關回歸分析。

將146個樣地數據分為2組，約2/3數據經歸類平均化后，進行地上生物量與各因素之間的相關回歸分析和建立回歸方程。同時，運用主成分分析法，分析各要素對地上生物量影響權重參數，構建多數據源的綜合評價模型(1)。最后采用ArcGIS軟件進行插值分析，反演1 km分辨率的新疆伊犁地區草地植被地上生物量的空間分布圖。另1/3數據用于對最終反演結果進行驗證。

(1)

式中，P表示為地上生物量，i為生態因子，Wi為某生態因子對地上生物量的影響權重參數，Yi為某生態因子與地上生物量的回歸方程。

反演精度評價方法主要選擇均方根誤差(RMSE)、偏離度(E)和線性回歸的復相關系數(R2)來評價反演預測值與實測值之間的可信度。

(2)

(3)

2 結果與分析

2.1 新疆伊犁地區草地植被地上生物量統計分析

根據草地樣方調查數據統計分析，146個草地樣地主要包含有低地草甸、高寒草甸、山地草甸、溫性草甸草原、溫性草原、溫性荒漠化草原、溫性草原化荒漠和溫性荒漠8個主要草地類型(表1)。新疆伊犁地區草地平均產草量約為704.96 kg/hm2，其中低地草甸產草量最高，高寒草甸產草量最低；打草場平均產草量在1278.37 kg/hm2以上；放牧場(含溫性草原、溫性草甸草原、山地草甸)平均產草量在625.6 kg/hm2左右；荒漠類草原(溫性荒漠草原、溫性草原化荒漠、溫性荒漠)平均產草量在374.70 kg/hm2左右；高寒草甸平均產草量在213.6 kg/hm2左右，與20世紀80年代全國草地調查數據相比，產草量有下降趨勢。

表1 伊犁地區2013年主要草地類型地上生物量統計結果

2.2 草地植被地上生物量與各要素回歸分析

根據相關性統計分析表明，新疆伊犁地區草地植被地上生物量與NDVI、EVI、海拔、年降水、年均氣溫、積溫、干燥度、濕潤指數等要素之間復相關系數(R2)平均達0.7，有較強的相關性。從圖2中可以看到：地上生物量隨著年降水量、 NDVI和EVI的增加逐漸升高； 與海拔、 濕潤指數、年均氣溫、 ≥0℃年積溫、≥10℃年積溫、干燥度的增加呈∩型變化趨勢。這與新疆伊犁地區草地類型分布規律相吻合，在海拔1050 m以下，主要為溫性荒漠化草原或溫性荒漠，地上生物量較低；在海拔3000 m以上，平均氣溫與積溫較低，地上生物量也較低；在海拔1500～2500 m，主要分布有山地草甸、草甸草原，多為打草場，相對而言地上生物量較高。

2.3 單因素驅動下的新疆伊犁地區草地植被地上生物量反演

根據地上生物量與NDVI、EVI、海拔、年降水、年均氣溫、積溫、干燥度、濕潤指數等要素的回歸方程，通過Spatial Analyst工具-地圖代數-柵格計算器，反演出伊犁草地植被地上生物量(圖3)。

從圖中可以看到，根據海拔、年均氣溫、≥0℃年積溫、≥10℃年積溫、NDVI、EVI等要素的地上生物量反演結果有很好效果。而年降水量、干燥度、濕潤指數等要素地上生物量反演的效果不是很理想，主要與年降水量、干燥度、濕潤指數等基礎數據的質量有關。

圖2 地上生物量與不同要素的回歸分析

圖3 單因素的地上生物量反演

續圖3 單因素的地上生物量反演Continued Fig.3 The above-ground biomass inversed with each factor

要素Factor權重參數Weightingparameters要素Factor權重參數Weightingparameters海拔Altitude0.300干燥度Aridity0.025年均氣溫Averageannualtemperature0.150濕潤指數Humidityindex0.025≥0℃年積溫≥0℃temperature0.0508月EVI指數EVIindexinAugust0.025≥10℃年積溫≥10℃temperature0.0258月NDVI指數NDVIindexinAugust0.300年均降雨Averageannualrainfall0.100

2.4 地上生物量綜合反演

圖4 草地地上生物量綜合反演結果Fig.4 The above-ground biomass of grassland with integrated model

為了平衡各要素對地上生物量的影響，運用主成分分析法，分析了NDVI、EVI、海拔、年降水、年均氣溫、積溫、干燥度、濕潤指數等各項因子對地上生物量影響權重參數，融合各因子對伊犁地上生物量貢獻(表2)。采用加權統計分析方法，運用ArcGIS軟件進行插值分析，反演1 km分辨率的新疆伊犁地區草地植被地上生物量的空間分布圖(圖4)。

從反演的地上生物量空間分布圖分析，新疆伊犁地區草地植被地上生物量呈明顯的地帶性分布規律：高海拔地帶的高寒草甸產草量在500 kg/hm2左右；低海拔地帶的荒漠化草原和溫性荒漠產草量在500 kg/hm2以下；海拔為1500～2000 m的半山地帶的山地草甸和草甸草原產草量在1300 kg/hm2左右。昭蘇縣、特克斯縣、新源縣以及尼勒克縣地上生物量分布較高；而霍城縣、察布查爾錫伯自治縣、鞏留縣以及伊寧縣處在河谷地帶，地上生物量較低。

通過對反演的地上生物量數據進行頻度統計分析(圖5)，反演數據符合正態分布。最高值為1839.34 kg/hm2，頻度分布最大值的地上生物量為1200～1300 kg/hm2，而500 ～1600 kg/hm2的地上生物量數據占總生物量的88%，與伊犁地區草地平均地上生物基本吻合。

2.5 新疆伊犁地區草地植被地上生物量反演結果驗證

本文用另一組57個樣地的樣方數據與反演數據進行相關性分析(圖6)。結果表明，其散點分布基本聚集在1∶1周邊，估計值與實測值之間的相關系數R2=0.8532；相關方程斜率為1.0039，趨近于1。方差分析結果，F值為319.785，P<0.001，表明回歸極顯著。估計值與實測值之間的均方根誤差(RMSE)為216.559 kg/hm2，總體偏離約為22.9257%，平均預測精度達80%。

圖5 地上生物量頻度分布Fig.5 Frequency distribution of the above-ground biomass

圖6 反演數據與實測數據相關關系Fig.6 Relationship of the simulated data with the measured data

3 結論

1)調查統計分析表明，新疆伊犁地區草地植被地上生物量平均704.96 kg/hm2，與第一次全國草地資源調查產草量比較：山地草甸、草甸草原、溫性草原、打草場產草量趨于穩定；而荒漠草原、溫性荒漠及高寒草甸產草量有下降趨勢。

2)新疆伊犁地區草地植被地上生物量與NDVI、EVI、海拔、年降水、年均氣溫、積溫、干燥度、濕潤指數等各項因子具有一定的相關性，相關系數R2平均達0.7以上；但單因子的地上生物量反演并不完全有較好的效果，這與各要素的原數據質量有關系。

3)采用多數據源對新疆伊犁地區草地植被地上生物量在空間上的反演，可以反映伊犁地區草地植被地上生物量的分布規律。反演結果得到檢驗，并通過與實測數據的驗證，預測精度約80%，可以為新疆伊犁地區草地資源合理利用與評價提供參數。

[1] Fang J Y, Liu G H, Xu S L. Biomass and net production of forest vegetation in China. Acta Ecologica Sinica, 1996, 16(5): 479-508.

[2] Feng Z W, Wang X K, Wu G. The Biomass and Productivity of Forest Ecosystem China[M]. Beijing: Science Press, 1999: 1-6.

[3] The Ministry of Agriculture Animal Husbandry and Veterinary Department of The People’s Republic of China. Rangeland Resources of China[M]. Beijing: China Agriculture Press, 1994.

[4] Ni J. Carbon storage in terrestrial ecosystems of China: estimates at different spatial resolutions and their responses to climate change. Climatic Change, 2001, 49(3): 339-358.

[5] Ni J. Carbon storage in grasslands of China. Journal of Arid Environments, 2002, 50(2): 205-218.

[6] Fang J Y, Liu G H, Xu S L. Carbon Pool of Ecosystem Chinese[M]. Beijing: China Environment Science Press, 1996.

[7] Ni J. Forage yield-based carbon storage in grasslands of China. Climatic Change, 2004, 67(2-3): 237-246.

[8] Ni J. Estimating net primary productivity of grasslands from field biomass measurements in temperate northern China. Plant Ecology, 2004, 174(2): 217-234.

[9] Pu S L, Fang J Y, He J S,etal. Spatial distribution of grassland biomass in China. Acta Phytoecologica Sinica, 2004, 28(4): 491-498.

[10] Deng L, Shangguan Z P. Distribution of natural grassland biomass and its relationship with influencing factors in Shanxi. Acta Agrestia Sinica, 2012, 20(5): 825-835.

[11] Li J L, Jiang P, Liang T G. The developing processes, contents and prospects of grassland remote sensing science in China. Grassland of China, 1998, (3): 53-56.

[12] Peng S L, Guo Z H, Wang B S. Applications of RS and GIS on terrestrial vegetation ecology. Chinese Journal of Ecology, 1999, 18(5): 52-64.

[13] Lefsky M A, Harding D, Cohen W B,etal. Surface lidarremote sensing of basal area and biomass in deciduous forests of eastern Maryland, USA. Remote Sensing of Environment, 1998, 67(1): 83-90.

[14] Wang J W, Chen G. Vegetation index and biomass estimation for grassland. Journal of Yunnan Agricultural University, 2006, 21(3): 372-375.

[15] Beeri O, Phillips R, Hendrickson J,etal. Estimating forage quantity and quality using aerial hyperspectral imagery for northern mixed-grass prairie. Remote Sensing of Environment, 2007, 110(2): 216-225.

[16] Cho M A, Skidmore A, Corsi F,etal. Estimation of green grass/herb biomass from airborne hyperspectral imagery using spectral indices and partial least squares regression. International Journal of Applied Earth Observations and Geoinformation, 2007, 9(4): 414-424.

[17] Zhang Y N, Niu J M, Zhang Q,etal. A discussion on applications of vegetation index for estimating aboveground biomass of typical steppe. Acta Prataculturae Sinica, 2012, 21(1): 229-238.

[18] Huangfu J Y, Mao F X, Lu X S. Analysis of grassland resources in southwest China. Acta Prataculturae Sinica, 2012, 21(1): 75-82.

[19] Fan Y J, Hou X Y, Shi H X,etal. Effect of carbon cycling in grassland ecosystems on climate warming. Acta Prataculturae Sinica, 2012, 21(3): 294-302.

[20] Liu J Y, Xu X L, Shao Q Q. The spatial and temporal characteristics of grassland degradation in the three-river headwaters region in Qinghai Province. Acta Geographica Sinica, 2008, 63(4): 364-376.

[21] Wang J B, Liu J Y, Shao Q Q,etal. Spatial-temporal patterns of net primary productivity for 1988-2004 based on GLOPEM-CEVSAmodel in the “three-river headwaters” region of Qinghai Province, China. Chinese Journal of Plant Ecology, 2009, 33(2): 254-269.

[22] Xu B, Yang X, Tao W,etal. MODIS-based remote sensing monitoring of grass production in China. International Journal of Remote Sensing, 2008, 29: 5313-5327.

[23] Jin Y, Yang X, Qiu J,etal. Remote sensing-based biomass estimation and its spatio-temporal variations in temperate grassland, Northern China. Remote Sensing, 2014, 6: 1496-1513.

[24] Song W, Jia H, Liu S,etal. A Remote Sensing Based Forage Biomass Yield Inversion Model of Alpine-cold Meadow during Grass-withering Period in Three-river Watersarea[C]. Beijing: IOP Publishing, 2014.

[25] Zhao F, Xu B, Yang X,etal. Remote sensing estimates of grassland aboveground biomass based on MODIS net primary productivity (NPP): A case study in the Xilingolgrassland of northern China. Remote Sensing, 2014, 6: 5368-5386.

[26] Xu D, Guo X, Li Z,etal. Measuring the dead component of mixed grassland with landsat imagery. Remote Sensing of Environment, 2014, 142: 33-43.

[27] Zhou L, Xin X P, Li G,etal. Application progress on hyperspectral remote sensing in grassland monitoring. Pratacultural Science, 2009, 26(4): 20-27.

[28] Zhang K, Guo N, Wang R Y,etal. Hyperspectral remote sensing estimation models for aboveground fresh biomass in Gannan grassland. Pratacultural Science, 2009, 26(11): 44-50.

[29] Chu D, Pubu C R, Deji Y Z,etal. Above-ground biomass estimate methods of grassland in the central Tibet. Journal of Mountain Science, 2013, 31(11): 664-671.

[30] Casas A, Riao D, Ustin S,etal. Estimation of water-related biochemical and biophysical vegetation properties using multitemporal airborne hyperspectral data and its comparison to MODIS spectral response. Remote Sensing of Environment, 2014, 148: 28-41.

[31] Qian Y R, Yang F, Yu J,etal. 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.

[32] Huang J F, Sang C Q, Feng Z W. The remote sensing dynamic monitoring model of the grass yield of natural grassland in the middle section of the Tianshan. Journal of Natural Resources, 1993, 8(1): 10-17.

[33] Liang T G, Chen Q G. Research on the dynamic monitoring model of grassland resources yield in Fukang county of Xinjiang. Remote Sensing Technology and Application, 1996, (1): 27-32.

[34] Zhao W Y, Li J L, Chen Y N. Changes of eco-capacity and ecological sustainability in the north Tianshan Mountains region: taking Fukang county as a case of study. Acta Ecologica Sinica, 2008, 28(9): 4363-4371.

[35] Qian Y R, Yang F, Li J L,etal. Yield and animal-feed balance of typical grassland in Xinjiang Fukang using 3S techniques. Pratacultural Science, 2013, 30(9): 1330-1337.

[36] Yang F, Qian Y R, Li J L,etal. Degradation characteristics and causes of desert grassland in the northern Tianshan Mountains. Journal of Natural Resources, 2011, 26(8): 1306-1314.

[37] Zhao W Y. Tianshan Mountains Desert Grassland Degradation Characteristics of Typical Mechanism and Recovery and Reconstruction Technology Research[D]. Nanjing: Nanjing University, 2006: 25.

[38] Yang H F, Gang C C, Mu S J,etal. Analysis of the spatio-temporal variation in net primary productivity of grassland during the past 10 years in Xinjiang. Acta Prataculturae Sinica, 2014, 23(3): 39-50.

[39] Liang Y, Wei Y R, Liu A J. Based on MODIS-NDVI of the application of remote sensing in natural grassland of Inner Mongolia grassland vegetation conditions. Inner Mongolia Prataculture, 2009, 21(9): 40-44.

[40] Zhao L C, Liu R T, Yang R H,etal. Study on the remote sensing classification of grassland based on the topographic factors. Pratacultural Science, 2006, 23(12): 26-30.

[41] Zhang N. Scale issues in ecology: concepts of scale and analysis. Acta Ecologica Sinica, 2006, 26(7): 2340-2355.

[42] An S Z. Resources of grass family germplasm in Yili prefecture of Xinjiang and their evaluation. Grassland and Turf, 2001, (2): 15-19.

參考文獻：

[1] 方精云, 劉國華, 徐嵩齡. 我國森林植被的生物量和凈生產量. 生態學報, 1996, 16(5): 479-508.

[2] 馮宗偉, 王效科, 吳剛. 中國森林生態系統的生物量和生產力[M]. 北京: 科學出版社, 1999： 1-6.

[3] 中華人民共和國農業部畜牧獸醫司. 中國草地資源數據[M]. 北京: 中國農業出版社, 1994.

[6] 方精云, 劉國華, 徐嵩齡. 中國陸地生態系統的碳庫[M]. 北京: 中國環境科學出版社, 1996.

[9] 樸世龍, 方精云, 賀金生, 等. 中國草地植被生物量及其空間分布格局. 植物生態學報, 2004, 28(4): 491-498.

[10] 鄧蕾, 上官周平. 陜西省天然草地生物量空間分布格局及其影響因素. 草地學報, 2012, 20(5): 825-835.

[11] 李建龍, 蔣平, 梁天剛. 我國草地遙感科學發展的軌跡、內涵及展望. 中國草地, 1998, (3): 53-56.

[12] 彭少麟, 郭志華, 王伯蓀. RS和GIS在植被生態學中的應用及其前景. 生態學雜志, 1999, 18(5): 52-64.

[14] 王建偉, 陳功. 草地植被指數及生物量的遙感估測. 云南農業大學學報, 2006, 21(3): 372-375.

[17] 張艷楠, 牛建明, 張慶, 等. 植被指數在典型草原生物量遙感估測應用中的問題探討. 草業學報, 2012, 21(1): 229-238.

[18] 皇甫江云, 毛鳳顯, 盧欣石. 中國西南地區的草地資源分析. 草業學報, 2012, 21(1): 75-82.

[19] 范月君, 侯向陽, 石紅霄, 等. 氣候變暖對草地生態系統碳循環的影響. 草業學報, 2012, 21(3): 294-302.

[20] 劉紀遠, 徐新良, 邵全琴. 近30年來青海三江源地區草地退化的時空特征. 地理學報, 2008, 63(4): 364-376.

[21] 王軍邦, 劉紀遠, 邵全琴, 等. 基于遙感-過程耦合模型的1988～2004年青海三江源區凈初級生產力模擬. 植物生態學報, 2009, 33(2): 254-269.

[27] 周磊, 辛曉平, 李剛, 等. 高光譜遙感在草原監測中的應用. 草業科學, 2009, 26(4): 20-27.

[28] 張凱, 郭鈮, 王潤元, 等. 甘南草地地上生物量的高光譜遙感估算研究. 草業科學, 2009, 26(11): 44-50.

[29] 除多, 普布次仁, 德吉央宗, 等. 西藏高原中部草地地上生物量遙感估算方法. 山地學報, 2013, 31(11): 664-671.

[31] 錢育蓉, 楊峰, 于炯, 等. 新疆阜康荒漠植被指數特征和時空過程分析. 草業學報, 2013, 22(3): 25-32.

[32] 黃敬峰, 桑長青, 馮振武, 等. 天山北坡中段天然草場牧草產量遙感動態監測模式. 自然資源學報, 1993, 8(1): 10-17.

[33] 梁天剛, 陳全功. 新疆阜康縣草地資源產量動態監測模型的研究. 遙感技術與應用, 1996, (1): 27-32.

[34] 趙萬宇, 李建龍, 陳亞寧. 天山北坡區域生態承載力與可持續發展. 生態學報, 2008, 28(9): 4363-4371.

[35] 錢育蓉, 楊峰, 李建龍, 等. 基于3S的新疆阜康典型草地產草量及草畜平衡分析. 草業科學, 2013, 30(9): 1330-1337.

[36] 楊峰, 錢育蓉, 李建龍, 等. 天山北坡典型荒漠草地退化特征及其成因. 自然資源學報, 2011, 26(8): 1306-1314.

[37] 趙萬羽. 天山典型荒漠草地退化特征、機理與恢復重建技術研究[D]. 南京: 南京大學, 2006: 25.

[38] 楊紅飛, 剛成誠, 穆少杰, 等. 近10年新疆草地生態系統凈初級生產力及其時空格局變化研究. 草業學報, 2014, 23(3): 39-50.

[39] 梁燕, 魏玉榮, 劉愛軍. 基于MODIS- NDVI的草地遙感在內蒙古天然草原植被狀況中的應用. 內蒙古草業, 2009, 21(9): 40-44.

[40] 趙連春, 劉榮堂, 楊予海, 等. 基于地形因子的草地遙感分類方法的研究. 草業科學, 2006, 23(12): 26-30.

[41] 張娜. 生態學中的尺度問題: 內涵與分析方法. 生態學報, 2006, 26(7): 2340-2355.

[42] 安沙舟. 新疆伊犁地區禾本科植物種質資源及其評價. 草原與草坪, 2001, (2): 15-19.

Assessment of above-ground Biomass of Grassland using remote sensing,Yili, Xinjiang

ZHANG Xu-Chen1,2, ZHU Hua-Zhong2, ZHONG Hua-Ping2*, CHENG Yao-Dong1, JIN Gui-Li3,SHAO Xiao-Ming4

1.LanzhouJiaotongUniversity,Lanzhou730070,China; 2.InstituteofGeographicalSciencesandNaturalResourcesResearch,ChineseAcademyofSciences,Beijing100101,China; 3.XinjiangAgriculturalUniversity,Urumchi830052,China; 4.ChinaAgriculturalUniversity,Beijing100083,China

The relationship between the above-ground biomass of grassland vegetation in Yili, Xinjiang (assessed with cut quadrats) and the normalized difference vegetation index (NDVI), enhanced vegetation index (EVI), altitude, annual precipitation, annual mean temperature, accumulated temperature and dryness and wetness indices was analyzed using regression. Subsequently, an ArcGIS interpolation method was used to map the spatial distribution of above ground biomass of the grassland. There was a strong relationship between above-ground biomass and the independent factors assessed; the multiple regression coefficient (R2) was 0.85 and the RMSE was 216.56 kg/ha. It was concluded that the simulation data used in the study could be used to reliably monitor and assess grassland productivity and dynamics.

grassland vegetation; GIS; above-ground biomass; remote sensing inversion

10.11686/cyxb2014478

http://cyxb.lzu.edu.cn

2014-11-25；改回日期：2015-04-07

科技基礎性工作專項(2012FY111900-2)資助。

張旭琛(1989-)，女，甘肅隴西人，碩士。E-mail:312077807@ qq.com *通訊作者Corresponding author. E-mail: zhonghp@igsnrr.ac.cn

張旭琛, 朱華忠, 鐘華平, 程耀東, 靳瑰麗, 邵小明. 新疆伊犁地區草地植被地上生物量遙感反演. 草業學報, 2015, 24(6): 25-34.

Zhang X C,Zhu H Z, Zhong H P, Cheng Y D, Jin G L, Shao X M. Assessment of above-ground Biomass of Grassland using remote sensing,Yili, Xinjiang. Acta Prataculturae Sinica, 2015, 24(6): 25-34.