草地綜合順序分類法研究新熱點：2008-2020年回顧與展望

林慧龍，范迪，馮琦勝，梁天剛

（中國草業發展戰略研究中心，草地農業生態系統國家重點實驗室，農業農村部草牧業創新重點實驗室，蘭州大學草地農業科技學院，甘肅蘭州730000）

草地面積廣闊，蘊含全球陸地綠色植物資源中面積最大的再生性自然資源，是畜牧業發展的物質基礎，同時草地也是陸地生態系統的重要組成部分，在全球變化演繹中扮演著重要角色［1］。由于世界各國的生態和經濟條件不同，對草地的認識和使用目的存在差異，因此產生了許多各具特色的草地分類系統。在綜合考慮全球現存草地分類法的優缺點后，任繼周等以草地發生學為切入點，遵循草地類型劃分的六大原則，提出草地綜合順序分類法（comprehensive sequential classification system of grassland，CSCS）。

2008年，任繼周等［2］在Rangeland Journal 發表專文，面向國際詳細闡釋了CSCS 及其在中國的應用。根據Wed of Science 數據庫的統計數據，截止至2020年11月，引用該篇文獻的文章達107 篇，總被引頻次達1384 次，相關的研究領域涉及草學、生態學、生物多樣性、農業等十幾種。刊登該篇文獻的期刊Rangeland Journal 的影響因子在2008年一年間增長40%，由0.54 增至1.23。該文獻不僅將具有中國知識產權的唯一的可數量化的草地分類系統推向國際舞臺，更重要的是它開啟了CSCS 研究在國際平臺上的新高潮。以CSCS 作為關鍵詞檢索Wed of Science 及中國知網等科技論文數據庫得到2008-2020年7月已發表的有關CSCS 方法的中文學術論文48 篇（數據來源：中國知網，https：//www.cnki.net/），英文學術論文29 篇（數據來源：Wed of Science，http：//apps.web.ofknowledge.com/）。本研究以檢索所得文獻為基礎，系統梳理CSCS 的最新研究成果，以期為CSCS 的推廣應用和理論體系的深入完善提供基礎。

1 CSCS 的立論依據

綜合順序分類法全稱為氣候-土地-植被綜合順序分類法。綜合是唯物地承認氣候、土地和植被三者對草地發生的影響，而不是片面地使用單一因素或指標確定草地類型；順序是辯證地認識三者在草地分類中的作用，依據其穩定程度順序安排其在CSCS 中的級別［3］。

使用氣候指標確定的類是CSCS 方法的第一級，也是CSCS 方法的核心。CSCS 以草地＞0 ℃的年積溫（growth degree days，GDD0）和全年平均降水量（mean annual precipitation，MAP）為參數，構建濕潤度指數K 模型（式1）。再依據草地GDD0 劃分的7 個熱量級與濕潤度指數K 劃分的6 個濕潤度級，最終定義42 個CSCS 草地類，并建立草地類型檢索圖［2-10］。使用氣候水熱條件判定陸地植被類型，是被國際普遍認可的一種陸地植被分類方法。德國生態學家Walter［11］曾提出氣候是陸地生態系統中最重要的非生物因素；20世紀末，澳大利亞的草地學家Reid 等［12］提出的穆爾分類法，就曾使用氣候水熱條件將澳大利亞的草地類型劃分為9 類。

式中：r為全年降水量（mm），∑θ為＞0 ℃的年積溫。

CSCS 方法作為世界唯一可數量化的草地分類方法，具備特有的先進性與創新性。現存大部分的草地分類法因聚類體系的缺陷，只能確定已知草地類型，在大尺度空間內確定草地類型缺乏精確度和周延性。CSCS 第一次將全球草地生態系統整合至同一分類體系中，并具備與生物分類系統林奈雙名法和門捷列夫化學元素周期表的類似優點，即容納已知草地類型，也容納未知的草地類型。同時，CSCS 方法建立的草地類型檢索圖，實現了對草地類型的快速檢索。更為重要的是，因為使用氣候水熱條件作為草地類型劃分的定量指標，CSCS 方法從草地發生學上解釋了不同草地類型間的本質聯系，避免了主觀因素對草地類型劃分的影響，大幅提高了精度與實用性［2，10］。CSCS 的提出及發展，標志著我國在草地類型學、草地生態學和潛在植被等多個領域的重要突破。

2 國內外研究新進展

2.1 CSCS 在草地類型劃分方面優于國際公認的分類體系

國際公認的潛在植被分類法對占全球植被面積1/4 的草地植被缺乏重視，草地類型劃分過于單一。Holdridge Life Zone（HLZ）和BIOME4 是被國內外學者普遍認可的兩種潛在植被分類模型［13-16］。HLZ 使用年平均生物溫度、年平均降水量和潛在性蒸散率3 個生物氣候指標將全球植被劃分為38 個生命地帶［17］；BIOME4 模型將全球植被劃分為28 種生物群落［16］。但這兩種模型都只強調對森林植被的劃分，對草地植被缺乏重視-以HLZ為例，全球38 個生命地帶中只有一個草地生命地帶。這種把草地植被類型籠統歸為一類的做法，缺乏科學的嚴謹性。

CSCS 是針對草地提出的植被分類模型，對草地類型進行了詳細的描述。CSCS 使用氣候水熱指標確定草地植被類型，劃分的草地類屬于潛在植被（potential natural vegetation，PNV）的范疇。為驗證CSCS 方法的精確度，Liang 等［18］以1911-2000年為時間跨度，對比3 個植被分類模型（CSCS、HLZ 和BIOME4）繪制的全球PNV 類型圖的一致性，Kappa 統計分析的結果顯示3 種模型對凍土帶、森林和荒漠區域植被類型的劃分結果具有很好地一致性，但在草地類型的劃分上，一致性較差。因為CSCS 對草地類型進行了詳細的劃分，而另外兩種模型有所欠缺。HLZ 只確定了一種草地類（冷溫帶斯太普草地），BIOME4 模型雖在草地的劃分上優于HLZ 但也只確定了5種草地類（熱帶草地、溫帶草地、熱帶薩王納、溫帶闊葉薩王納和北方草地）。CSCS 將全球陸地植被劃分為42 類，其中草地類就包含13 種。因此，使用CSCS 方法能對全球陸地植被進行全面、系統、均勻地劃分［18-19］，是優于HLZ 和BIOME4 的PNV 分類模 型。

2.2 多種空間插值算法的應用，優化了CSCS 分類精度

因氣象觀測站只能獲取周邊一定范圍內的氣候數據，目前常用地統計學模型對區域內GDD0 和MAP 數據進行空間插值，插值精度與所用空間插值法密切相關，并直接影響CSCS 的分類結果［20］。常見空間插值法包括趨勢面法（trend surface）、反距離權重法（inverse distance weighted，IDW）、樣條函數法（spline）、協同克里金法（co-kriging，CK）、普通克里金法（ordinary kriging，OK）和自然領域插值法（natural neighbor）等［21-24］。以上空間插值法可有效提高CSCS 方法對草地的分類精度。

2.2.1 基于數字高程模型改進傳統插值法 傳統空間插值法大多數沒有考慮地形垂直變化對氣候變量的影響，導致生成高海拔山區的高分辨率氣候數據會產生較大的誤差［25］，使用數字高程模型（digital elevation model，DEM）數據中坡度、坡向、坡度變化率等因子能有效修正海拔變化對氣候插值的影響［26］。馬軒龍等［27］使用甘肅周邊162 個氣象站的氣候數據評估了IDW、spline、OK 和CK 四種空間插值法和DEM 數據的擬合度，使用交叉驗證法得出研究區域內GDD0 插值結果中與DEM 數據相關度最高的插值法是CK 法，MAP 插值結果中與DEM 數據相關度最高的插值法是OK 法，使用DEM 數據修正的插值結果，有效提高了研究區域內CSCS 方法的分類精度；鄒德富等［28］使用DEM 數據修正的OK 法建立甘南草地的MAP 和GDD0 數據庫，使用此數據庫劃分所得的CSCS 草地類型很好地突出了草地垂直地帶性分布特征，證明了DEM 數據具備對氣候數據插值結果的修正作用。

在更大空間內確定草地類型時，使用DEM 數據進行分區控制，可以有效減少氣象站分布不均勻、海拔變化和區域地形差異等因素對氣候數據插值結果的影響［26］。趙軍等［29］使用DEM 分區法修正IDW 模型對GDD0 的空間插值結果，繪制出甘南高原的CSCS 草地類型圖，在區域內驗證了DEM 分區法的可行性。李飛等［30］基于DEM數據將我國陸地植被劃分成多個分區，在各分區內分別使用Kriging 和IDW 插值法對MAP 和GDD0 數據進行插值，提高了CSCS 對我國草地的分類精度，并探索出0～6800 m 是我國潛在植被海拔分布的主要界限，在全國尺度上，驗證了DEM 分區法的可行性并提高了氣候變量插值精度。DEM 分區法嘗試解決了傳統插值法在大尺度空間內插值精度不高的問題，也為CSCS 方法在全球的深入廣泛應用提供了方法論依據。

2.2.2 多元回歸和殘差分析插值法 多元回歸和殘差分析插值法（analytic method based on multiple regression and residues，AMMRR）能有效降低海拔、坡度和坡向對氣候變量插值精度的影響。AMMRR 將氣象數據與氣象站點的經緯度和海拔進行多元回歸，與實測氣象數據進行對比，計算出殘差值，建立了一個氣候變量與經度、緯度、海拔間的關系模型，使用AMMRR 方法結合CSCS 所確定的草地類型具備較高的垂直地帶性特征［31-32］。

普通AMMRR 法的殘差分析使用易受極值影響的IDW 模型，導致空間插值結果會出現一個空間點的氣候數據會明顯比周邊區域氣候數據高或低，在氣象圖中呈現出突兀的“牛眼”圖斑［33］。對此，Liu 等［34］提出了基于AMMRR 法的兩種改進方法——在殘差分析中加入坡度和坡向效應的AMMRR 插值法（M-AMMRR 方法）和使用OK 法代替IDW 法進行殘差分析的AMMRR 插值法（I-AMMRR 方法），因為OK 法建立了氣候數據觀測點與被估計點間的位置關系模型，剔除極值對氣候數據插值精度的影響，所以氣象站分布稀少的區域中I-AMMRR 插值結果優于普通AMMRR 方法。使用甘肅省氣象站的實測氣候數據進行驗證，得出3 種插值法中I-AMMRR 方法生成的氣象數據精度最高且最符合實際情況。AMMRR 插值法的提出及改進，或能解決我國草地分布地形復雜所帶來的氣候數據插值精度偏低的問題，但實際應用效果如何，仍需在區域和全國尺度上與傳統插值法進行大量對比驗證后才能得出。

以上研究嘗試通過改進傳統空間插值法，提高CSCS 方法的分類精度，但插值區域劃分、插值鄰域和網格單元大小等多方面仍需繼續優化［35］。隨著3S 技術（遙感技術remote sensing，RS；地理信息系統geography information systems，GIS；全球定位系統global positioning systems，GPS）的飛速發展，將遙感技術同CSCS 方法結合，使用遙感數據反演氣候水熱數據也為CSCS 的實際應用提供了解決方法［36］。吳靜等［37］基于定量遙感，使用中分辨率成像光譜儀（moderate-resolution imaging spectroradiometer，MODIS）地表溫度產品和地表反照率產品反演得到氣候水熱數據，使用CSCS 方法將甘肅省草地劃分為26 類，符合實際情況，證明了此方法的可行性。但是缺少在更大空間范圍內的驗證研究，尚不明確該方法是否具備對全球草地的普適性。

2.3 不同空間尺度上CSCS 類對氣候變化的響應

模擬CSCS 類的變化動態是研究全球氣候變化對植被空間分布格局影響的一個重要途徑。如上所述，使用CSCS 方法確定的植被類屬PNV 類的范疇，大量學者以CSCS 為工具，模擬在歷史和未來氣候條件下CSCS 類的演替過程，探索全球氣候變化對陸地植被的影響，主要研究成果包含以下3 個方面：

2.3.1 CSCS 類的歷史動態變化 CSCS 從草地的發生學本質出發，使用氣候指標定量確定草地類型，研究全球CSCS 類的動態變化，或能揭示陸地植被演替同氣候變化間的雙向作用，進而挖掘出陸地植被變化的本質原因。近來，在原先短時期CSCS 類動態變化研究的基礎上，很多學者開展了長時間序列、多時段的研究，更形象地呈現出陸地植被對全球氣候變化的響應。李飛等［38］以1961-2005年各氣象站的觀測數據為依據，使用CSCS 方法繪制中國干旱半干旱地區3 個不同時期的CSCS 類型圖，研究中國干旱半干旱地區潛在植被的分布及動態，發現過去45年內中國干旱半干旱地區的潛在植被類型由10 種減少至6 種，主要由全球氣溫升高所致；Liang 等［18］以1911-2000年為時間跨度，每30年為一個時間節點，使用CSCS 方法繪制出各時間節點的全球CSCS 類型圖，發現苔原、高山草原、荒漠、亞熱帶森林和熱帶森林類呈減少趨勢，而溫帶森林和草地植被類呈增加趨勢，并得出這種變化同樣由于全球氣溫的持續升高導致。Feng 等［39］基于CSCS 方法，繪制3 個時期（1911-1940年、1941-1970年和1971-2000年）的全球CSCS 類型圖，將劃分所得CSCS 類合并為10 個大類后，利用平均中心模型算出各植被大類的移動距離和方向，發現20世紀內全球凍原高寒草地和荒漠面積分別減少了5.1%和5.5%，而森林和草地面積分別增加了2.3%和3.8%，最后得出全球氣溫持續升高是導致陸地植被變化的首要原因。CSCS 方法以其嚴謹的植被發生學理論和完善的分類體系，很好地解釋了陸地植被類型同氣候間的雙向作用，是研究陸地生態系統對全球氣候變化響應的有力工具。

2.3.2 CSCS 類的未來動態變化 國際上大多數氣候預測數據集使用氣候水熱數據，這與CSCS 方法不謀而合，兩者疊加分析，可模擬CSCS 類的演替方向，為研究未來全球氣候的變化對陸地生態系統的影響提供數據基礎。IPCC（intergovernmental panel on climate change）組織定義了4 種未來全球氣候的情景模式（A1、A2、B1、B2）［40］，基于4 種情景可建立全球氣候預測數據集，如英國氣候研究中心建立的CRU TS2.1 全球氣候網格空間數據集。任繼周等［41］使用1950-2000年和2001-2050年兩個時期的全球氣候網格空間數據集，首次繪制出基于CSCS 方法的全球自然植被分布圖，研究過去和未來全球CSCS 類的變化動態；Liang 等［19］使用2001-2010年青藏高原中分辨率成像光譜儀（MODIS）歸一化差異植被指數（normalized difference vegetation index，NDVI）修正了氣候預測數據集，結合CSCS 方法繪制出青藏高原在1951-2000年及2020、2050、2080年4 個時期的CSCS 類型圖，結合線性回歸分析法算出各CSCS 類的演替方向。Zhao 等［42］和車彥軍等［43］使用CSCS 方法和不同情景下的氣候預測數據集，繪制出21世紀末中國CSCS 類型圖，據此分析未來不同氣候情景下各CSCS 類對全球氣候變化的靈敏度。CSCS 方法是研究潛在植被演替的有效工具，除精確反映全球氣候變化對陸地植被類型的影響外，也可結合預測氣候數據集預測未來CSCS 類的演替方向，能為世界各國政府科學管理自然環境提供一定依據。

2.3.3 CSCS 類對人類活動的敏感度 將CSCS 類型圖同土地覆蓋率（land use and land cover change，LUCC）數據進行疊加分析，能夠定量研究人類活動對自然植被動態變化的影響程度［44］。基于中分辨率成像光譜儀（MODIS）和國際地圈及生物圈計劃（international geosphere-biosphere programme，IGBP）分類系統的LUCC 產品可以反映出不同陸地植被的覆蓋率，通過公式反演，從中能夠得出人類活動地的分布情況。修麗娜等［44］使用LUCC 數據繪制的甘南殘存潛在自然植被分布圖和殘存自然植被典型區分布圖，結合甘南地區的CSCS 類型圖，使用SPASS 軟件算出甘南地區人類活動對CSCS 類演替的影響強度，并提出“人類占用強度”概念；張靜等［45］使用CSCS 方法結合LUCC 遙感數據，算出中東亞干旱地區的人類占用強度，得出研究區域內人類占用比例逐年增加，其中2010-2013年增幅最大達1.45%，而人口遷移是影響占用強度的主要因素。人類活動強度研究，是CSCS 方法同現代3S 技術結合應用的實例，開辟了CSCS 方法的應用新思路。

2.4 基于CSCS 的草地NPP 模型

使用數學模型計算草地凈初級生產力（net primary productivity，NPP）是國際上的主流做法，但目前草地NPP研究缺乏統一的草地分類體系，導致不同模型對同一草地的NPP 計算結果差異巨大。草地NPP 是指單位面積草地在單位時間內所能積累的有機干物質的總量，研究草地NPP，可以幫助理解草地生物量和草地生態系統的碳循環過程［7，46-48］。但由于技術限制，實地測量草地NPP 需要耗費大量的人力與物力，因此，使用數學模型估算草地NPP 是當前國際通用的方法［49］。CSCS 作為全球領先的草地分類方法，是唯一使用定量化指標的草地分類系統，以CSCS 為理論框架，我國學者提出了兩種NPP 估算的模型-改進的CASA（carnegie-ames-stanford approach，CASA）模型和分類指數模型，兩種模型為進一步研究地帶性草地類型的生產潛力、草地凈第一性生產力的區域分布和全球分布提供了可能。

2.4.1 基于CSCS 改進的CASA 模型 張美玲等［50］以CSCS 為框架改進了傳統CASA 模型，使用GDD0 和MAP 參數替換CASA 模型中的生物氣候指標，簡化了CASA 模型，提高了CASA 模型估算結果與陸地植被類型間的聯系。CASA 模型主要包含植被吸收的光合有效輻射和光能轉換率兩個輸入變量，被廣泛應用到全球NPP的研究中，但是傳統CASA 模型存在兩個缺陷：1）在估算過程中，CASA 模型較少考慮陸地植被類型，不能揭示生態系統NPP 含量同植被類型間的聯系；2）CASA 模型使用土壤水分子模型估算水分脅迫因子，而土壤水分因子模型涉及大量輸入參數，包括了土壤黏粒和沙礫百分比等較難獲取的參數，影響了CASA 模型的估算精度。將CASA 模型的土壤水分子模型中的生物氣候指標轉換為GDD0 和MAP，能有效簡化CASA 模型。GDD0 和MAP 參數的引入，解決了CASA 模型同植被類型間關聯性弱的缺陷，改進后的CASA 模型能適應CSCS 不同草地類NPP 的估算［50-51］。

為驗證改進后的CASA 模型對中國草地NPP 含量的估算精度，Zhang 等［52］使用基于CSCS 改進的CASA 模型、Miami 模型和Thornthwaite Memorial 模型分別估算了2004-2008年中國41 個草地類型的NPP 含量，得出改進的CASA 模型對各類草地NPP 估算的平均誤差和平均相對誤差均值分別為4.85 g·m-2·yr-1和7.6%，相比另兩種模型的估算結果更接近實測值。

2.4.2 基于CSCS 的分類指數模型 以CSCS 方法為框架，Lin 等［53-54］提出一種準確度高，輸入參數易獲取的NPP 估算模型——分類指數模型（classification indices-based model，CIM）。CIM 以CSCS 為理論框架，使用MAP、GDD0 和濕潤度指標K 間數學組合關系來表達三者對NPP 的交互作用。

在經過區域、全國和全球尺度上與傳統NPP 模型的比較驗證后，CIM 因更高的估算精度和簡單易獲取的輸入參數，成為更優的草地NPP 估算模型。在區域內，Lin 等［55］通過對內蒙古西部阿拉善草原、賀蘭山及周邊荒漠地區不同海拔梯度的8 個草地研究點的NPP 進行估算，對比了包括CIM 在內的6 種NPP 計算模型（Miami、Schuur、Chikugo、Beijing、Synthetic 和CIM）的估算精度，使用均方根誤差（root mean squared error，RMSE）的變異系數和預測效率作為評估指標，得出CIM 和Chikugo 模型在該區域NPP 的估算中具有較高的精度，同時根據輸入數據要求和每個模型所涉及的自由參數個數，確定CIM 是研究區域內NPP 估算的最優選；Li 等［56］使用1995-2005年內蒙古8 個采樣點的實際觀測數值對CIM 模型的估算精度進行驗證，得出CIM 估算數據與實測數據具有良好的一致性。為驗證CIM 在全球尺度上對NPP 估算的準確度，Lin 等［57-58］使用Miami、Schuur 和CIM 模型對全球范圍的NPP 進行估算，使用統計學知識對估算所得NPP 結果同樣本點實測數據比對得出CIM 是3 種模型中估算大尺度NPP 最有效的模型。

因為同CSCS 模型的密切關聯，CIM 在估算NPP 的同時揭示了植被類型與NPP 的內在聯系。作為一種新型的氣候-植被關系模型，CIM 有可能在全球尺度上研究草地對全球氣候變化的響應，或將成為一種預測草地對氣候變化響應研究的新工具［55］。Lin 等［54］使用CIM 模型估算了中國42 個CSCS 植被類的NPP 含量，并繪制出了我國NPP 的空間分布圖；王大為等［59］使用CSCS 方法結合CIM 模型分別估算黑河上游8 個CSCS 類的NPP 含量和NPP 總累積量，得出研究區域內CSCS 植被類對生境和氣候變化的多元適用性結構。趙軍等［60］使用CIM 模型估算出內蒙古各CSCS 類的NPP 含量，得出內蒙古NPP 分布表現出明顯的干濕地帶性和緯度地帶性特征；趙明偉等［61］使用CSCS 結合CIM 模型估算出中國北方研究區域內的4 種CSCS 類的平均生物量分別為：76.62、110.94、142.69、180.40 g·m-2；Gang 等［62］使用CSCS 方法結合CIM 模型，繪制出1911-2000年時間節點內全球PNV 的類型圖，并計算出不同CSCS 類的NPP 含量，確定了歷史氣候變化對陸地生態系統的影響，得出在1911-2000年由于全球氣溫持續升高，NPP 增加呈緯向分布，其中熱帶地區NPP 增長總值占全球NPP 增長總值的一半以上。這些研究成果的發表，表明CIM 作為一種簡單高效的草地NPP 計算模型應用在區域和全國的草地NPP研究中，同時CIM 的提出彌補了我國NPP 估算模型構建領域的空白，在探索草地NPP 的空間分布對全球氣候變化響應的研究中扮演重要的角色。

CIM 以CSCS 為框架，使用氣候水熱條件確定草地生態系統的第一性生產力，所得的計算結果是地表潛在植被的NPP 含量，與現實植被NPP 含量間存在差異，而使用歸一化植被指數（NDVI）作為CIM 的修正指標，可以有效降低這種誤差。NDVI 數據作為遙感實測數據，反映了植被光合作用的覆蓋率和強度，同時也被直接或間接地用來估算植被NPP 含量［63-66］。在特定區域的對比驗證中，Wang 等［67］以三江源為研究區域對改進的CIM 模型、CIM、Miami 和CASA 模型進行比較，使用統計學知識對比估算結果后得出改進后的CIM 模型對研究區域NPP的估算具有更好的一致性（R2=0.42、RMSE=178.08）并且優于其他模型，精確算出三江源草地植被的NPP 總量為3.22×1013g C·yr-1。以上研究證明改進的CIM 模型具備較高的估算精度，同時改進的CIM 模型繼承了原CIM 模型的優點——輸入參數易獲取，數據轉換次數少，為在全國各類草地上開展NPP 研究提供了新方法。

3 展望

3.1 亞類與型的量化指標尚待完善

由于數據獲取困難、定量技術限制等原因，對綜合順序分類法亞類與類之下型的定量研究至今沒有突破性的進展。中國草地分類法因其對亞類的定性分類和對劃分標準和命名的詳細描述，從而在實際草類分類中具備較強的實用性［68］。完善CSCS 亞類與型的分類體系，可以剔除人類活動地和永凍冰山等干擾，使CSCS 方法確定的草地類型即為立地實際草地類型，進一步提高CSCS 的實用性。

隨著3S 技術的快速發展，以現有CSCS 類的空間分布圖為根本，結合GPS 實現野外調查的空間定位，可以為亞類與型的研究提供基礎底圖。以此為據，實現CSCS 亞類與型劃分指標的定量化與數字化，是CSCS 理論亟待探索的重要課題。目前，國際上已經研發出包括地表溫度和發射率（MOD11）、土地覆蓋（MOD12）、植被指數（MOD13）、葉面積指數和有效光合輻射（MOD15）、土壤水分蒸散量（MOD16）和植被凈初級生產力（MOD17）等在內的44 種覆蓋全球范圍的合成遙感產品［35，68-75］。使用這些遙感數據結合不斷完善的反演算法，可以為CSCS第二級亞類同第三級型的劃分標準的確定提供數據基礎。李純斌等［68，76］嘗試利用SRTM-DEM 提取的地形坡度、坡向、曲率等數據和MODIS 數據中MODIS09GA、MODIS13A2 影像提取和反演的土壤亮度、植被指數、水體指數、土壤溫度、濕度指數、紋理特征等信息，將甘肅省的草地亞類定量劃分為568 種。雖然只是對甘肅省草地亞類進行劃分，但分類結果就達568 種，當范圍擴至全國甚至全球范圍時，工作量將超乎想象，更無須談及亞類之下還有植被型的劃分。因此，如何以3S 技術為輔助，在CSCS 框架下建立一套完善且易于檢索使用的亞類與型的分類和聚類體系，是CSCS 方法下一步的探索方向。

3.2 基于CSCS 的營養載畜量研究

草地載畜量計算是草地資源管理的一個重要內容，以CIM 模型為例，搭建CSCS 框架下的營養載畜量計算模型，是CSCS 在草地精細化管理中的一個尚待探索的應用領域。以草定畜是一個眾所周知并被普遍推行的政策，在中國草原法2013年修訂版中，明確指出國家實行以草定畜、草畜平衡制度。但是在草地載畜量的科研領域中，以草定畜的理論存在著不足［77］。傳統草畜平衡是以單位面積的草地生物量為基礎，按照家畜的單位時間采食量來確定單位草地所能承受的家畜數量［78-79］。以干物質作為指標評價草畜平衡狀態雖然便捷，但是草地干物質的含量受草地類型，覆蓋植被類型和牧草成熟度等多項因素的制約，不足以代表草地的實際營養量，更不能代表可被畜牧有效利用的部分，無法反映草畜平衡的真實狀況［80］。對此，有學者提出使用草地所蘊含的可食牧草營養量替代干物質產量作為草畜平衡的評價指標，不僅直觀地反映了天然草地營養物質的供應特點，并且為天然草地載畜量的制定提供了客觀的定量的依據［81］。目前對草地營養量的計算研究處于起步階段，草地營養含量仍以采樣檢測為主，尚未有經過有效驗證的計算模型和定量指標提出［82-86］。CIM 模型的提出及驗證，證明了以氣候-植被間的相互作用關系為切入口，能夠通過氣候參數估算陸地植被的生理指數。以此為鑒，探索氣候條件同草地可食性牧草營養量的關系，進而開發氣候植被模型的應用新方向，是CSCS 在營養載畜量研究中亟待開展的課題。

3.3 基于CSCS 的草地生態服務價值計算

準確地認識草地生態服務價值對人類經濟社會發展的作用，對合理利用草地資源和保護草地生態系統具有重要的意義，同時也是實現草地精細化管理的重要前提。使用合理的評估方法，將草地生態系統的生態服務價值置于市場化的衡量體系中，可以讓草地的價值以更直觀的方式呈現出來，對增強草地管理者和使用者的可持續發展意識起著重要的作用。國內學者雖然針對我國草地的生態服務價值做了大量的研究，但是不同研究成果在草地生態服務價值的內涵確認到評估方法最后到計算結果都存在著巨大的分歧［87-90］。分歧產生的一個重要原因就是缺少一個統一客觀的草地生態系統服務價值評價體系。以科學的草地與經濟理論為依據，建立通用客觀的草地生態服務價值評價體系，是我國草地精細化管理推進的重要一環。

草地類型劃分是草地管理與應用的重要前提，對草地生態服務價值的分析，必須同草地類型結合起來。草地作為一種多功能的生態系統，能夠提供包括經濟服務和生態服務在內的多種生態服務，但是由于不同草地類型覆蓋植被的限制，不同草地類型的主要生態服務功能存在差異，如高寒荒漠和高寒草甸的主要功能是生態功能，包括自然保護區、天然植物物種和生物多樣性的基因庫和土壤保持功能，但是在經濟方面貢獻不大［2］。高雅等［91］嘗試基于CSCS 方法定義草地生態系統服務價值計算的實踐方案，提出基于CSCS 確定草地生態服務價值計算的4個步驟-確定研究空間尺度及其內部草地類型、確定研究范圍內的利益相關者、選擇評估指標和合適的評估方法。該方案可科學客觀地定義草地生態系統服務價值分析的標準化流程，有效剔除對草地生態系統內部的異質性特征認識不清所導致的對評估對象和利益相關者的認識偏差。但目前該方法停留在理論階段，實際的應用案例少見發表。以該實踐方案為基礎，不斷完善理論體系并借以完成我國不同草地類型的生態服務價值分析，是基于CSCS 的草地精細化管理的重要發展方向之一。

4 結語

任繼周等［2］于2008年發表的推介CSCS 方法的英文文獻，是CSCS 知識體系60年發展歷程中的重要里程碑。2008年至今CSCS 方法衍生至多個學科領域，除本研究提及以外，在農業、濕地類型劃分和草地專家系統建立等領域均有建樹［92-94］。以上研究成果表明，CSCS 以其嚴謹的草地發生學關系，定量的分類指標和易于檢索的草地類型圖，成為全球最完善的草地類型分類法。在今后的發展中，基于現有研究進一步開展陸地生態系統對全球變化響應的研究（包括PNV 演替和草地NPP 空間分布兩個方面），結合當代計算機與3S 技術探索CSCS 亞類與型的定量指標、基于草地發生學關系構建草地營養量的氣候植被模型和基于CSCS 完善草地生態系統服務價值評估體系，是CSCS 接下來發展的重點所在。隨著CSCS 吸引了更多的學者參與到草地相關領域的研究來，必將推動我國草業學科的發展，也會讓CSCS 方法在世界草學和生態學研究歷程上留下濃墨重彩的一筆。