基于放牧時空軌跡的天然草地利用評估模型

汪傳建 江紅紅 魯為華 張 雅 孫世澤 李 冬

(1.石河子大學信息科學與技術學院， 石河子 832000； 2.兵團空間信息工程技術研究中心， 石河子 832000； 3.石河子大學動物科技學院， 石河子 832003)

0 引言

草地是重要的生態屏障，也是畜牧業發展的基礎。我國現有天然草地總面積約4億hm2，其中90%的草地出現不同程度的退化[1]。新疆是中國的五大天然牧場之一，草地資源豐富，然而80%以上的天然草地出現了不同程度的退化[2]，而長期過度放牧是導致草地退化的主要原因之一[3]。因此，及時、準確地獲取畜群對草地的利用情況，對有效管理草地畜牧業和保護草地具有重要意義。

近年來，國內外相關學者對草地利用情況進行大量研究。DENGLER[4]、KAWAMURA等[5]利用全球定位系統(Global positioning system，GPS)設備以一定時間間隔記錄牧群的放牧軌跡，通過網格法計算每個單元格內的畜群數，以此得到放牧強度分布；汪傳建等[6]通過GPS設備記錄牧群的軌跡信息，然后采用緩沖區和網格分析法獲得放牧分布情況，結合模擬采食法，利用網格疊加獲得采食量分布；謝芮等[7]、王夢佳等[8]和LI等[9]通過遙感影像數據計算放牧強度；地上生物量與草地利用狀況密切相關[10]，基于遙感數據估算草地生物量[11-15]可大范圍定量監測草地產量；XIE 等[16]利用人工神經網絡和多元線性回歸兩種模型來評估內蒙古草地地上生物量；王新云等[17]利用雷達數據和HJ1B數據，并結合野外實測生物量，估算荒漠草原地上生物量；ZHANG等[18]將高時間分辨率的MODIS與中空間分辨率的Landsat數據融合，提出了一種高時空分辨率的合成歸一化植被指數(Normalized difference vegetation index，NDVI)時間序列，進而估算地上生物量；FRANKE等[19]利用遙感技術評估草地利用強度;朱桂林等[20]研究放牧條件下草地植物的單枝重和分蘗情況，建立了草地合理利用的判別模型。以上研究在一定程度上反映了草地的利用情況，而對草地的有效利用面積及草地利用的空間分布情況相關研究甚少。

本文在采集GPS牧群軌跡數據的基礎上，提出一種基于放牧時空軌跡的天然草地利用評估模型，通過GPS實時獲取牧群軌跡，利用地理信息系統(Geographic information system，GIS)中的網格分析法計算畜群的采食強度，并依據模糊數學建立簡單隸屬函數模型，利用最大隸屬度原則確定不同采食強度下草地利用情況。

1 研究區與數據

1.1 研究區概況

研究區位于新疆生產建設兵團農八師一五一團紫泥泉牧場，其地理位置85°46′15.06″E，44°00′13.23″N，如圖1所示。該地區為低山丘陵區，平均海拔高度1 000 m，屬半干旱型氣候，降水量240～380 mm。草地植被類型單一，群落類型為博洛塔絹蒿(Seriphidiumborotalense)、針茅(Stipacapillata)及苔草(Carexliparocarpos)等，其中絹蒿為優勢種，構成了溫性荒漠化草地(土質荒漠亞類)。草層高度10～30 cm。畜群放牧時間從每年的4月到10月共7個月，每天放牧2次。放牧綿羊為新疆細毛羊共170只，放牧草地面積為864 hm2。研究區DEM數據來源于中國科學院計算機網絡信息中心國際科學數據鏡像網站(http:∥www.gscloud.cn/)。

圖1 研究區位置 Fig.1 Location of study area

1.2 數據的獲取與處理

在研究過程中，采用GPS項圈(GT03C型，深圳谷米)作為定位跟蹤設備，定位誤差小于10 m，機身尺寸為91.5 mm×57.0 mm×37.5 mm(長×寬×高)，整機質量為202 g，記錄時間間隔為3 min的工作模式下，可正常工作120 h。每次隨機選擇10只具有代表性的綿羊佩戴GPS項圈進行軌跡追蹤。在綜合考慮GPS軌跡數據與現實軌跡的擬合度以及GPS設備續航時間兩大因素的情況下，將定位時間間隔設置為3 min。

軌跡數據采集時間為2015年7—10月、2016年4—9月、2017年4月至今。采集的軌跡數據被實時上傳至服務器，上傳的數據主要包括羊佩戴的設備ID、位置信息及發報時間等。

牧草采樣時間為2015年7—10月、2016年4—9月、2017年4月至今，每月采樣2次，每次采集20～30個樣方。根據研究區群落類型的不同劃分典型區域，研究區的典型區有2類，每個典型區設置5～15個1 m×1 m樣方，用手持GPS定位儀記錄樣方所在經緯度，將樣方內的植被齊地面剪下并對每個樣方進行編號，分別測量各樣方的生物量鮮質量，并將其置于干燥箱中干燥至恒定質量，稱取每個樣方的生物量干質量。

軌跡數據采用ArcGIS軟件進行處理，處理步驟如下：①從數據庫讀取軌跡數據，利用創建XY事件圖層工具使軌跡點進行顯示。②通過擦除點工具將位于羊圈內無用軌跡點進行擦除。③分別對研究區及軌跡數據進行投影。④利用創建漁網工具對投影后的研究區進行處理。⑤將軌跡數據與網格化處理之后的研究區進行空間連接。⑥通過添加字段工具添加采食強度屬性。⑦利用計算字段工具，計算每個單元格的采食強度。

2 草地利用評估模型

利用畜群的軌跡數據計算其在不同區域時的采食強度，建立隸屬度函數并利用最大隸屬度原則，對評估對象做出合理的評價，即畜群在不同區域對草地的利用情況。

2.1 評估模型的建立

針對如何評估草地的利用情況這一問題，本文選用利用強度作為評價指標，評判等級分為3級，確定模糊評語集為V={好，中，差}，評語分別表示草地利用情況的程度。禁牧或極輕度放牧造成資源浪費，而極度放牧又會引起草地退化[8]，因此將采食強度超重以及禁牧或極輕度放牧情況下的草地利用等級歸為差；適度放牧可促進牧草生長[21],說明此種情況下草地利用較好；其余情況則為草地利用中等。

到目前為止對于草地的利用情況劃分并沒有給出一定的標準，而且不同地區不同類型的草地利用情況無法找出精確的分類標準，若是嚴格按照分類區間進行劃分，會造成區間之間界限過于生硬，因此本文采用模糊數學對草地利用情況進行評估。模糊識別借助模糊數學的隸屬度理論把定性評價轉換為定量評價，能對蘊藏的模糊性信息做出比較科學、合理、貼近實際的量化評價。

在實際應用中對某一因素的評價往往難以以數學形式進行表達。模糊數學中通常采用專家打分法確定隸屬函數。本文主要依據模糊數學中的降半梯形、升半梯形及中間對稱型建立簡單隸屬函數模型，使之與實際情況盡可能相符。以采食強度作為論域，給出“差”、“中”、“好” 3個模糊集的隸屬函數，簡化模型如下：

將草地利用情況較差的分為兩種不同的隸屬函數(一種是畜群對草地利用較輕，一種為對草地利用較重)。

(1)降半梯形分布，其隸屬函數為

(1)

(2)升半梯形分布，其隸屬函數為

(2)

草地利用適中以及利用較好的情況均采用中間對稱型分布，其隸屬函數為

(3)

(4)

(5)

式中bi——不同采食強度的邊界,i=1,2,…,5

x——采食強度，g/m2

圖2 隸屬函數 Fig.2 Membership function

其隸屬函數如圖2所示。其中(0,b1)為基本沒有采食，(b1,b2)為輕度采食，(b2,b3)為中度采食，(b3,b4)為重度采食，(b4,b5)為超重采食。根據模糊識別中的最大隸屬度原則，通過

max(μ11(x),μ12(x),μ21(x),μ22(x),μ3(x))

可得在不同采食強度下草地的利用情況。

根據NY/T 635—2015天然草地合理載畜量的計算，研究區2015年及2016年草地合理載畜量分別為0.427、0.524羊單位/hm2，由此可得研究區整個畜群在2015年和2016年的合理采食強度分別為15、18 g/m2。

2.2 采食強度的計算

草地的利用與畜群采食情況緊密相關。為了評估研究區的草地利用情況，需對畜群的放牧情況進行監控。在假設畜群日采食量無明顯差異的情況下，根據畜群的軌跡數據集，從研究區的不同區域提取采食強度，則日采食強度為

(6)

式中I——日采食強度，g/m2

F——畜群的日采食總量，g

Ci——某天第i個單元格內的GPS軌跡點數

∑Ci——某天研究區總的GPS軌跡點數

S——單元格面積，m2

圖3 2015年7月和2016年7月研究區草地利用情況分布 Fig.3 Distribution maps of grassland utilization in study area in July 2015 and July 2016

根據需求選取單元格面積，本文單元格面積在選取時以畜群總頭數為依據，鑒于一頭羊體長約1 m，假設一頭羊占地1 m2，畜群總頭數開方并向上取整，可得單元格的邊長，以本研究區為例，共170頭羊，則單元格邊長為14 m。

考慮到在實際應用中，放牧是階段性的，對草地的利用也是階段性的，為了評估一段時間內畜群對草地的采食情況，其計算公式為

(7)

式中 ∑I——畜群N天的采食強度，g/m2

Ai——畜群采食N天第i個單元格內的GPS軌跡點數

∑Ai——畜群采食N天研究區總的GPS軌跡點數

3 試驗結果與分析

采用ArcGIS軟件，利用上述建立的草地利用評估模型，對研究區2015—2017年的軌跡數據進行處理，并對處理后的數據進行分類統計，獲得研究區的草地利用情況分布圖以及草地的有效利用面積。根據實際放牧情況與野外實測牧草生物量變化之間的關系，對模型進行驗證。

3.1 研究區草地利用情況分布

根據已有的采食強度，在ArcGIS中，對已處理過的軌跡數據集，利用隸屬函數識別不同區域草地的利用情況。為了使草地利用等級中部分成因更加直觀，將草地等級差，細分為未利用、差0(利用較輕)、差1(利用較重)。以2015年及2016年為例，結果如圖3和圖4所示。對圖3b、3d及圖4所得數據進行統計可得研究區草地在不同利用情況下的面積及所占比例，如表1所示。由表1可知，2015年及2016年草地未利用及極輕度利用占研究區總面積的80%以上，表明研究區未進行采食的草地面積較大；2015年和2016年過度放牧面積分別占研究區總面積的1.50%和3.82%，2016年較2015年放牧過度呈上升趨勢。2015年7月與2016年7月分別僅有0.81%、1.19%的草地利用較好。由表1計算可得，在被利用的草地中，2015年7月76.53%的草地利用較差，僅有4.77%的草地利用較好；2016年7月48.84%的草地利用較差，11.92%的草地利用較好。

由圖3可知，7月牧群主要在研究區的東南方進行采食，西北角為羊圈所在地，羊群從西北向東南采食過程中，從羊圈出發，經河道，在中部時通過3條不同路徑進行采食。從圖3軌跡數據可以看出，軌跡中存在一些異常點，結合實際情況可以發現這些點的產生主要是由于羊離群采食或設備故障導致的。通過2015年7月與2016年7月的草地利用情況分布圖(圖3b和圖3d)對比，可以看出2016年7月草地過度放牧情況加劇。

圖4為2015年和2016年研究區草地利用分布情況，由圖4可以看出，羊圈(西北角)的東南方向的部分區域草地利用較差，在圖4b中西南方向同樣有一段草地利用較差，造成這些區域草地利用差的主要原因是該路段地勢平坦位于山谷中，是畜群出羊圈之后經?；顒拥膮^域。對比圖4a、4b可以發現，畜群的主要采食區域由東南向西南轉移。同時對比圖3a、3c可以發現，2015年7月和2016年7月的放牧軌跡整體情況具有一定共同性，結合研究區的實際情況可知，出現這些情況與人為規劃有很大聯系。

圖4 2015年和2016年研究區草地利用情況分布 Fig.4 Grassland utilization distribution maps in study area in 2015 and 2016

時間未利用差0差1中好面積/(196m2)比例/%面積/(196m2)比例/%面積/(196m2)比例/%面積/(196m2)比例/%面積/(196m2)比例/%2015年7月3695283.12565612.72880.2014033.163580.812016年7月4000489.9819354.352400.5417473.935311.192015年2045146.001573835.406671.50597913.4516223.652016年3052468.66629414.1616973.8242239.5017193.87

3.2 模型驗證

利用研究區采樣點的生物量變化驗證模型的準確率。隨機選取研究區2015年6月末與7月初以及7月末與8月初的數據，并將同一區域中的剩余生物量做差，即得2015年7月采樣點的生物量變化，同理可以得到2016年7月采樣點生物量變化，分別將每月的采樣點生物量的變化量按照由高到底劃分為5個等級，并將這5個等級與3.1節中根據模型計算所得的2015年7月及2016年7月研究區草地利用分布情況進行對比，可得與模型結果相對應的采樣點數占總樣本數的86.67%，即為草地利用評估模型準確率。

4 結論

(1)基于模糊數學中的模糊識別原理，根據畜群放牧軌跡，通過牧群采食強度，對草地利用情況進行定量評價，可及時準確獲取大范圍草地利用的空間分布及有效利用面積。

(2)所提出的模型驗證方法不同于文獻[6]中的采食量的驗證方法，主要強調畜群采食中草地生物量的變化，而不是牧草的剩余量，使其與研究目的——草地利用情況更貼切，驗證結果表明，評估模型準確率達86.67%。

(3)利用本文方法計算不同區域畜群的采食情況，借助得到的不同區域的草地利用情況，對牧民的放牧行為進行合理規劃，逐區采食，輪回利用，使過度利用的草地得以修整，合理均衡利用草地資源，進而提高草地生產力，實現草地的可持續利用。