草地地上生物量估算模型研究進展

張雨欣， 黃健熙*， 金云翔， 王 潔， 趙圓圓， 馮權瀧， 馬 欽

(1.中國農業大學土地科學與技術學院， 北京 100083; 2.中國農業科學院農業資源與農業區劃研究所， 北京 100081;3.中國農業大學草業科學與技術學院， 北京 10083; 4.中國農業大學信息與電氣工程學院， 北京 100083)

草地資源是非常重要的再生性自然資源，是陸地生態系統的重要組成部分，在全球氣候調節、生物多樣性保育、水土保持和維系區域經濟等過程中具有重要的作用和價值[1]。我國草地總面積4億公頃，約占國土面積的41.7%，天然草地種類達五千多種，是我國重要的畜牧業基地、江河發源地和生態環境屏障[2]。然而，受到全球氣候變化、自然災害、鼠蟲害以及過度放牧等自然和人為干擾，草地生物量下降、草地沙化退化現象日益嚴重。近10年前，我國草地90%以上發生了不同程度的退化，中度和重度退化草地面積達到了約1 533 333.3 km2[3]。在圍欄封育、禁牧和生態建設工程等國家和地方的草原恢復政策措施調控下，草地的數量、植被覆蓋度、豐富度等指標均有所提升，草地退化的現象逐步得到緩解[4]。但是，草地的生長環境具有脆弱性，極易受到人為或自然干擾的影響，如三江源區2006—2010年生態工程建設后5年內極度退化的草地僅占總面積的1%以下，而在下一個5年草地退化面積又出現增長[5]，說明草地退化監測仍然是一個長期且艱巨的任務。草地資源的數量是草地退化監測的重要內容，而我國的草原資源一直存在底數不清的嚴峻問題，實時、高效的草地地上生物量估算方法對合理保護修復草地資源具有重要的研究價值和現實意義。

遙感信息為草地生物量監測提供了多源的數據支撐，是實現草地生物量監測大尺度研究的有效手段，然而草地地上生物量遙感估算研究仍較為薄弱，遙感信息仍未充分發揮其作用與優勢。草地宏觀、大尺度估產的研究方法以回歸統計模型為主，重點在于建立草地地上生物量與遙感數據之間的回歸模型。統計模型能夠反映草地瞬時地表上的長勢和地上生物量的空間分布，但是，不能解釋草地植被生長發育與生物量形成的內在過程機理以及生長發育過程中與環境的關系。并且，草地生態系統存在復雜的空間異質性，模型過于依賴于地面數據的采集。同時，高精度遙感信息的時序不連續性也導致了統計模型往往不能夠展現出連續的生物量變化特征。機理模型通過數學方法揭示了植被生長的動力學機制，在時間連續性和生理生化過程的模擬上更具優勢，但是大多數機理模型在草地的生長模擬中局限在單點尺度，由于區域尺度的模型初始狀態和模型參數確定困難，區域尺度的作物模型應用仍然具有挑戰性。因此，究竟何種模型更適合推廣到大范圍草地地上生物量監測研究中，如何在草地地上生物量估算方法中更好地體現植被生長的機理性，是草地遙感監測亟需解決的問題之一。

本文以現有研究文獻為依據，梳理了國內外草地地上生物量估算模型方法，從遙感統計模型、作物生長模型、草地生長模型、光能利用率模型等多個方面進行系統闡述和分析，總結了當前研究中存在的不足和未來發展難點，以期為草地地上生物量的定量反演與模擬提供新思路，為草畜平衡、草地生態演替和草地沙化退化的定量研究提供理論參考。

1 草地地上生物量主要估算模型

1.1 遙感統計模型

遙感具有快速獲取大面積地表信息的優勢，輔助草地地上生物量估算突破了傳統實測方法的時空局限。草地地上生物量估算的遙感統計模型不涉及機理問題，基于遙感參數與地面生物物理參數之間存在的高度相關性規律，建立觀測數據與遙感信息的數學模型用于草地地上生物量的估算，這種方法是當前應用最為廣泛的方法[6]。常用的遙感資料包括了植被指數、葉面積指數(Leaf area index，LAI)等，地面生物物理參數主要為草地地上生物量。近20年來，國內外學者有關遙感草地估產統計模型方法的研究可以概括為探討不同遙感資料在不同類型草地和不同觀測時間上與地面實測草地地上生物量關系，以選擇特定研究區域和研究時相的最優模型作為大范圍草地地上生物量遙感估算模型(表1)。

表1 草地地上生物量遙感估算統計模型

天然草地是一個空間異質性較大的地表覆蓋類型，不同草地類型地上生物量及其年際間變化存在較大差異。因此，在不同地區、不同草地類型適宜的植被指數和回歸模型也有較大差異。杜玉娥等[13]利用青海省三江源地區326個樣本結合MODIS的歸一化植被指數(Normalized difference vegetation index,NDVI)，增強型植被指數(Enhanced vegetation index,EVI)資料建立了三江源地區草地地上生物量反演模型，認為同一地區不同草地類型的適宜植被指數存在差異，模型構建時應該重視區分不同草地類型。賀俊杰等[14]利用S曲線回歸估產模型測算了草甸草原、典型草原和荒漠化草原的逐月牧草產量，同樣發現了各類草原地上生物量的建模差異。王正興等[15]分別按照4種草地類型和NDVI，EVI兩種植被指數，建立了線性模型和冪函數模型，得出草甸和典型草原模型相關性高，沙地和荒漠模型相關性較低的特點，而典型草原的冪函數模型效果最佳，草甸的線性模型效果最佳，且不同草地類型對NDVI和EVI建模的效果差異明顯。因此，統計模型同時受到草地類型的顯著影響，建模過程中應該充分考慮分區建模。保證遙感數據與地面觀測數據同步，避免因植被隨著生長發育受不同時期的水熱影響帶來的模型誤差，或選擇對植被葉綠素含量響應更為敏感的指數，減少因綠度變化帶來的影響[15]。

在保證實測數據與遙感觀測數據時間基本同步下，統計模型方法估產的反演精度較高，能夠滿足大范圍草地估產的實際應用需求。且該方法試驗過程簡單，研究者僅需要注重控制兩類誤差來源，一是地面采樣精度，嚴格轉換干重和濕重，防止由觀測帶來的不確定性；二是遙感數據精度，注意時相是否一致和空間分辨率是否適宜。但是該類方法存在諸多局限，主要有以下5點：(1)對于高密度植被區而言，植被指數存在過飽和問題(如NDVI)，會導致地面高值低估。(2)由于地面樣方一般小于遙感影像一個像元的大小，因此在應用中低分辨率的遙感數據時，地面驗證數據與遙感影像存在著空間尺度不匹配問題，混合像元嚴重，影響驗證精度。(3)光學遙感受云雨影響嚴重，在研究區較大、對比年份較多的情況下，很難找到多年內覆蓋整個研究區且影像質量均較好的時相，尤其是對于高分辨率的數據而言(如高分數據)。(4)MODIS等植被指數產品被頻繁應用到遙感統計模型中，受到傳感器等影響，產品常常出現異值，需要研究者采取相鄰時相替代法、S-G濾波等方法濾除異常值。(5)受到地形、成像角度等因素影響，遙感影像存在異物同譜和同物異譜，這些像元不能準確表達地物的狀態和類型，地面草地植被信號容易被混淆，影響建模精度。

1.2 植被生長類機理模型

1.2.1基于作物生長類的機理模型 自20世紀50年代以來，國內外相繼發表了一系列優秀的作物生長模型，如DSSAT，STICS，CECROS等。作物模型機理性強、適應性廣的特點對推動農業信息技術的發展產生了積極影響，促使了學術界在模型區域運用、氣候災害響應以及農業農情監測等方面開展了系統性的研究工作。CROPGRO模型、APSIM模型和WOFOST模型是應用較為普遍的作物模型，能夠模擬小麥(TriticumaestivumL.)和水稻(OryzasativaL.)等農作物的生長，也能夠反映草地生長發育過程[16-17]。

CROPGRO-Perennial模型是DSSAT-CROPGRO系列模型的1個子模塊，是草地估產中應用最為廣泛的作物生長模型，根據輸入的生理過程、土壤特征、氣候和管理參數來預測植被的生長動態[18]。Rmyph等[19]利用CROPGRO-Perennial模型估算了白喜草(PaspalumnotatumFlugge)的地上生物量，Pedreira等[20]、Pequeno等[21]和Lara等[22]研究發現該模型能夠有效地整合草地生長資料，滿足草地生長模擬的精度要求，也有學者將該模型應用到豚草(AmbrosiaartemisiifoliaL.)[23]、紫花苜蓿(MedicagosativaL.)[24]、百慕大草(Bermuda)和臂形草(Brachiariaeruciformis(J. E. Smith) Griseb.)[25]等草地類型。可見，該模型早些年主要被運用在單一物種的模擬上，但近年來也有研究針對模型在物種泛化能力上的表現做出了相應的研究，探索該模型如何克服空間異質性。Pequeno等[25]對3種不同的禾本科植物產量進行了模擬，證明了3種禾草間的差異主要是由植物部分組成和同化物質在植物器官之間的分配所驅動。Bosi等[26]分別對CROPGRO-Perennial模型在林牧交錯帶進行了參數化，R2達到了0.93～0.96。

APSIM(Agricultural production systems simulator)模型是一種農業生產建模框架，用于模擬農業系統中各生物物理過程的土壤-作物模型，由澳大利亞聯邦科工組織(CSIRO)以及昆士蘭州政府的農業生產系統小組開發建立，將不同作物模型集成到一個平臺[27-28]。APSIM模型包括了生物物理模塊、管理模塊、數據輸入輸出模塊和模型引擎模塊，有土壤參數、植物參數和管理參數3部分輸入參數[29]。該模型繼承了許多已有模型中的發展較為成熟的模塊，如土壤水平衡、土壤有機質和氮的累積與平衡則可以追溯到CERES模型，具有較高的模擬精度，并強調土壤模塊在植被生長發育中的作用，如土壤水運移過程、土壤N平衡和有機質的累積等。因此，模型運行過程中的天氣因素、管理措施、以及植被生長過程中的生物物理變化等都被映射為土壤特征屬性變量的連續變化。APSIM-Growth，APSIM-Pasture和APSIM-AgPasture等模型可以用作草地的生長模擬，既支持單點尺度上的模擬，也能夠多點同時進行模擬。APSIM模型涵蓋了紫花苜蓿、雜類草等多種草地類型的模擬[30]，具有較高的草地生長模擬潛力[31]。

WOFOST模型是荷蘭瓦赫寧根大學所開發的作物生長模型，是一種基于過程的機理模型，模擬在氣候和其他環境因子影響下的作物生長過程，主要原理是通過光合作用來驅動模型，通過積溫函數來模擬作物的生長發育[32]。模型自開發以來，通常用于小麥、水稻等傳統農作物的生長發育[33-35]。張雪婷等[36]以青海省烏圖美仁的草地為研究對象，利用WOFOST模型開展了草地地上生物量遙感同化估算研究，基于集合卡爾曼濾波(Ensemble KalmanFilter,EnKF)算法，在30米尺度下，同化Landsat-LAI后，2014年草地生物量的均方根誤差(RMSE)從2 447.09 kg·hm-2降低至1 437.21 kg·hm-2。He等[37]基于WOFOST模型的土壤-水-大氣-植物(SWAP)模型，將MODIS葉面積指數產品同化到模型中以估算若爾蓋草原禾草地上干重，確定性系數(R2)達到0.73，RMSE達到617.94 kg·hm-2，間接證實了WOFOST模型具備一定模擬草地生長過程的研究潛力。草的根、莖、葉、花和果實等結構與傳統農作物不同，生長發育過程中，不同結構之間生物量的流轉與分配存在明顯差異。WOFOST模型以光合作用為核心驅動模型，這與草的生長發育理論相一致，因此合理的標定模型參數，將WOFOST模型遷移應用到草地生長的模擬從理論上具有一定的可行性。

上述3個模型的草地模式都是由典型農作物改進而來，雖然目前應用于草地模擬的研究遠遠少于作物模擬，但其應用潛力是較大的。CROPGRO-Perennial模型相較于其他2個模型，能夠區別模擬不同的草地植被品種，適合用于植被地面信息豐富的研究，APSIM模型在氣候變化響應上表現更為優異。

1.2.2基于草地植被生長類的機理模型 草的生長周期、生理機制和生長環境等都與作物有許多不同之處，國內外針對草地生長的過程，已發展了較多的草地生長模型，包括了Jouven模型、B模型、MoSt GG模型和SOLVEG模型和BASGRA模型等。Jouven模型是一種研究草地生長與管理之間的季節變化和年際變化機制的動力學模型[38-39]。模型以每日為時間步長來計算草地植被的生長、衰老和凋落，在運行計算過程中充分考慮了有效輻射量等影響生長的潛在因素和葉面積指數(Leaf area Index，LAI)等表征信息。在單點尺度上，能夠充分模擬草地地上總生物量以及不同結構的生物量。HURTADO-URIA等[40]用Jouven模型在愛爾蘭分別與J&T模型和B模型進行了對比實驗，發現Jouven模型的RMSE最小，且8—10月的模擬值與實測值更接近。Calanca等[41]驗證了Jouven模型(ModVege模型)，認為該模型能夠正確地模擬不同地點和不同生長季節的生長趨勢。Ruelle等[42]充分考慮了土壤中氮和水的作用，改進了Jouven模型，提出了MoSt GG模型。該模型與Jouven模型不同的是，Jouven模型強調草的生長主要由降水、溫度、蒸散發等氣候條件控制，簡化了其他復雜的生長約束過程(如氮吸收為常量)，而MoSt GG模型強調了土壤含水量對土壤中氮的吸收的影響，主要通過量化氮的礦化作用和氮的固定來描述土壤中的氮通量，同時模型還支持不同管理模式下的情景模擬。由此可見，這類模型能夠較好模擬草地地上生物量，但在研究中應注重非生長季的不確定性調控。

除此之外，SOLVEG[43]，BASGRA[44]等模型也被廣泛應用于草地的生長模擬，與作物生長模型不同的地方在于，草地生長模型更加關注于土壤中的水分和土壤的作用，精度相對較高，但模型的模擬精度更加依賴于土壤生化參數的地面實際觀測值。

草地植被生長類更能反映草地植被的生長特征，模型更具有代表性，研究者可以根據植被真實情況進行模型修改。但是，該類模型也存在機理模型共有的問題，參數復雜且難獲取，需要研究者結合參數優化算法尋找參數的最優解。

1.3 其他相關模型

除了植被生長類機理模型和統計模型，部分生態系統生產力過程模型、光能利用率模型以及機器學習等模型也可以用于估算草地地上生物量(表2)。迄今為止，相比于作物生長模型和草地生長模型，生態過程模型和光能利用率模型在草地模擬的空間化、區域化上具有明顯的優勢，雖然這兩類模型仍然存在實測數據難獲取、實測點尺度數據難推廣到區域的問題，但已經有相當一部分的研究實現了將草地NPP從單點尺度推展到區域尺度，該類模型的過程機理明確，反演精度普遍較高。并且，生態過程模擬模型，如Biome-BGC模型，能夠實現未來情景預測模擬，尤其是在全球氣候變化背景下，草地的多情景響應具有十分重要的研究意義。但是，NPP和草地地上生物量屬于不同的概念，NPP包括地上、地下生物量兩個部分，兩者存在一定的定量關系[45]，界定草地地上生物量的概念并解釋NPP與地上生物量之間的關系，對草地地上生物量估算十分重要。

2 遙感與機理模型耦合的數據同化模式

2.1 遙感數據同化模式

遙感與作物模型數據同化研究一直是國內外農業遙感領域的熱點，自20世紀60年代發展至今，技術路線和理論基礎都已較為成熟，廣泛應用于玉米[57]、水稻[58-59]和冬小麥[60]等作物的研究。遙感數據同化技術能滿足草地生物量監測同時兼顧植被生長機理性和大范圍面上推廣的需求，具有較為重要的研究潛力。遙感數據同化思想強調在估產過程中將遙感觀測數據整合到一個演進的生長模型當中，更新模型中的變量，使得模擬值與遙感觀測值趨于一致。機理模型能夠彌補遙感對地觀測在植被內在的過程機理模擬方面的不足，通過數據同化的方法，耦合遙感觀測和機理模型，能夠實現兩者的優勢互補，提高區域生物量的模擬能力[61-62]。

目前，基于代價函數的參數優化方法和基于估計理論的順序同化方法是2類主要的數據同化方法[61]。其中，參數優化方法重點在于同化變量、優化算法和目標函數的選取，同化變量常見的有LAI和ET等反演參數[62-63]，優化算法主要包括了復合型混合演化算法(SCE-UA)[58][64]、模擬退火法[65]、粒子群算法[66]等，順序同化方法常用到集合卡爾曼算法(EnKF)[67]等。一般地，采用數據同化的思路來進行草地估產，首先要對模型參數進行標定，使其與研究區植被的生長規律更為吻合，構建適合的模型參數集驅動模型。然后，將作為同化變量的遙感觀測值融入標定后的模型中，擾動模型的運行，使得最后模型輸出的地上生物量與實際觀測值趨于一致。

2.2 基于數據同化的草地地上生物量估算

遙感信息能夠實現區域大尺度上的草地地上生物量反演，機理模型能夠較好反映植被的生物物理過程。因此，耦合遙感信息與機理模型，是當前植被生物量估算中的一種主流思路，其中數據同化技術是改進草地估產模式、提高模擬精度的重要途徑。圖1為基于數據同化方法的草地地上生物量估算示意圖，這類模型主要有4種模式[68]：(1)將遙感反演值用到草地植被生長模式中；(2)用遙感反演值更新模式中相應的變量；(3)重新初始化模式，通過調整模式參數使得模擬值與遙感反演值一致，進而確定模式的初始值；(4)重新參數化模式，通過調整模式參數使得模擬值與遙感反演值一致，進而確定模式的參數值。張雪婷等[36]、He等[37]、Zhang等[69]、Nouvellon等[70]采用遙感與作物生長模型數據同化的方法進行草地生長研究，均證明了數據同化能夠顯著提高機理模型的模擬精度。Huang等[71]在缺乏地面知識的情況下采用貝葉斯方法對BASGRA模型進行標定，結合MODIS數據產品實現站點尺度的順序同化。證明了同化過程中嚴格的數學理論能夠有效優化參數從而克服地面知識缺少的問題，為當前大范圍草地地上生物量提供了參考。

圖1 基于遙感數據同化的草地地上生物量估算示意圖

數據同化的方法是促進大范圍草地長勢監測和產量預測向機理化和精準化方向發展的有效技術之一，但是采用同化思想進行估算的研究仍然十分稀缺。其原因有三，一是模型標定困難，過程模型需要對參數進行本地化標定，而草地類型繁多，不同的草種生長規律差異大，地表上不同類型草地交錯分布對參數標定工作造成了極大的困擾，不充分的模型標定則會使得后期同化效果欠佳，因此科學合理的標定策略是今后草地遙感同化的發展方向之一。根據已有研究經驗，草地植被的物候特征可成為參數標定的重要資料，植被的物候特征可以確定植被生殖生長和營養生長的起始時間，從而確定生長積溫等參數的合理范圍。二是機理模型遷移困難，目前已有的研究大都基于作物模型(如WOFOST模型)，作物模型對于作物的模擬目前已發展得較好，但對于非禾本科草的模擬相對受限，因此草地生長模型與遙感數據的耦合是今后發展的挑戰。三是同化效率問題，順序濾波的同化效率較高，但容易導致植被“物候漂移”，精度不如參數優化法，且在區域化應用上受限于模型與遙感觀測數據的尺度差異；而參數優化法運行效率偏低，計算效率始終是瓶頸，在實時模擬預報上不如順序濾波靈活。因此，在草地同化估產中應充分考慮此類不確定性，考慮時空預測上的現實需求，從而更有效地利用數據同化方法應用于大范圍、高精度草地生物量估算研究中。

3 問題和展望

(1)草地地上生物量遙感估算經歷了從統計分析到生長過程模擬的轉變，將環境因子、地形與草地地上生物量的統計關系研究精細到對植被一系列生長發育進行綜合數值模擬的過程。草地覆蓋范圍廣、空間異質性大，同時受到放牧等人為因素，以及草地退化、沙化等自然因素對草地的影響都較大。統計方法雖已得到較為廣泛應用，但其本質仍然是只能描述現象，難以揭示更為詳盡的生物化學原理，在大范圍估產中難免被質疑缺乏機理性。

(2)機理模型往往建立在復雜生物化學理論基礎之上，越來越受到學術界的關注。但是，正如本文所述的CROPGRO-Perennial,APSIM,Jouven等模型皆是點模型，參數往往是根據特定地區的觀測數據建立起來的，需要進行校準和調參，普適性比較差，但隨著“3S”技術的發展，模型參數的標定效率將會大大提高。草地地上生物量遙感估算如何實現從多元統計向生長模型的轉變，既滿足準確模擬草地生長的內在物理過程和動力學機制的生物學要求，又能在大范圍估產中保證高性能計算效率，是草地地上生物量遙感估算的重要發展方向。

(3)遙感數據同化方法能夠將多源的、時間不連續的遙感觀測數據耦合到過程模型中，調整生長過程模擬中的變量，使得狀態變量的模擬結果與觀測值達到一致。遙感信息宏觀性和時空連續性與草地生長模型的連續性和機理性互補，為草地模型的區域化推廣應用提供了支撐，但由于草地的植物種類繁多，尤其是天然草地，其空間異質性遠大于農作物，有待進一步探索。