西藏高原典型草地地上生物量遥感估算
除多1,2, 德吉央宗2, 姬秋梅3, 唐红2
1.中国气象局成都高原气象研究所, 成都 610072
2.西藏高原大气环境科学研究所, 拉萨 850000
3.西藏自治区畜牧科学研究所, 拉萨 850000

第一作者简介: 除多(1969-),男,博士,正研级高级工程师,主要从事高原环境遥感应用。 E-mail:chu_d22@hotmail.com

摘要

准确估算草地地上生物量对合理规划区域畜牧业、评估草地植被的生态效益有重要意义。利用每月两次的野外调查资料和对应的MODIS植被指数,以GIS空间数据处理技术和多元统计分析方法等为手段,建立了西藏高寒草甸、高寒草原和温性草原3个典型草地类型的地上生物量遥感估算模型和方法。结果表明: MODIS植被指数更适合于高寒草甸和高寒草原的地上生物量估算,对于高寒草甸,最佳估算模型是基于归一化植被指数(normalized difference vegetation index,NDVI)的三次多项式,其相关系数为0.82; 对高寒草原,则是基于增强型植被指数(enhanced vegetation index,EVI)的三次多项式,相关系数达0.83; 由于温性草原存在很强的空间异质性,估算效果较其他2个草地类型差。MODIS植被指数对草地生长期鲜草生物量的估算和模拟效果要优于总地上生物量。在生长期,高寒草甸和高寒草原的鲜草生物量与植被指数之间的相关系数都大于0.8,最高达0.92; 对温性草原,两者的相关系数也均大于0.67,其中,NDVI是高寒草甸和温性草原鲜草生物量估算的最佳植被指数,对高寒草原则是EVI。对同一草地类型,由于地上生物量差异较小,使得相比其他模型,线性或多项式回归模型更适合于西藏高原草地地上生物量的估算。

关键词: 草地地上生物量; 典型草地; 估算方法; 西藏高原
中图分类号:TP79 文献标志码:A 文章编号:1001-070X(2013)03-0043-08 doi: 10.6046/gtzyyg.2013.03.08
Aboveground biomass estimate methods for typical grassland types in the Tibetan Plateau
CHU Duo1,2, DEJI Yangzong2, JI Qiumei3, TANG Hong2
1.Institute of Plateau Meteorology, China Meteorological Administration, Chengdu 610072, China
2.Tibet Institute of Plateau Atmospheric and Environmental Sciences, Lhasa 850000, China
3.Tibet Institute of Animal Husbandry, Lhasa 850000, China
Abstract

The estimation of aboveground biomass (AGB) is necessary for studying productivity, carbon cycles, nutrient allocation, fuel accumulation in terrestrial ecosystems, and rangeland management and monitoring. In this study, AGB estimate models were developed for 3 major grassland types (alpine meadow, alpine steppe, and temperate steppe) in the Tibetan Plateau by integrating AGB data collected from 6 sites in central Tibet in 2004 and concurrent vegetation index (VI) derived from MODIS data sets. The results show that MODIS VI is more suitable for estimates of alpine meadow and alpine steppe. The cubic polynomial regression based on NDVI is the best estimate model for alpine meadow with the correlation of 0.82, while for alpine steppe the model is EVI based cubic polynomial regression model with the correlation of 0.83; due to strong spatial heterogeneity of temperate steppe in central Tibet, the relationship between AGB and VI for temperate steppe is poorer than that for alpine grassland (alpine meadow, alpine steppe). The MODIS VI based estimates of AGB during the growing season is better than the total biomass; during the growing season the correlation between AGB of alpine grassland (alpine meadow and alpine steppe ) and MODIS VI is higher than 0.8 with a maximum value of 0.92, and for temperate steppe it is above 0.67 also. In contrast, NDVI is the best vegetation index for AGB estimates of alpine meadow and temperate steppe while EVI is the best for alpine steppe. Due to unique spectral response of green vegetation, MODIS VI is more suitable for estimates of AGB during the growing season, and the accuracy of AGB estimates will decrease during the non-growing season. For the same types of grassland with less difference in AGB, the linear or polynomial regression model is more suitable for modeling or estimating AGB in the Tibetan Plateau than other estimate models.

Keyword: aboveground biomass; typical grassland; estimate model; Tibetan Plateau
0 引言

草地生物量估算是草地资源空间格局动态研究的重要内容, 也是草畜平衡综合分析的基础。目前草地生物量的估算方法主要有直接收获法、产量模拟模型和遥感模型等方法[1, 2]。由于卫星遥感技术具有宏观、动态性强和监测范围大的特点, 在区域到大尺度草地生物量监测中得到了更为广泛的应用, 成为目前主要的生物量估算和监测手段[3, 4]

在国内, 根据不同区域特点, 研究人员已建立了各种草地生物量遥感估算模型。马文红等建立了我国北方草地地上生物量与NOAA NDVI之间的关系[5]; 朴世龙等的研究表明, 中国草地植被地上生物量与当年最大NOAA NDVI呈幂函数关系[6]; 徐斌等根据MODIS NDVI数据和同期地面调查数据, 建立了我国不同类型草原区NDVI和地面样方的产草量之间的关系模型, 在此基础上推算了全国草原产草量分布[7]; 金云翔等建立了内蒙古草原地面样方的产草量与MODIS NDVI的关系模型, 认为各模型中幂函数的相关关系最优[8]

在青藏高原, 中国科学院海北高寒草甸生态系统定位站在高寒草原生物量的观测和研究方面开展了大量工作[9, 10, 11, 12], 其他一些学者从不同角度对青藏高原草地生物量的遥感估算方法进行了研究[3, 13, 14, 15, 16, 17, 18, 19], 然而, 这些研究工作大多集中在青藏高原的青海省和甘肃省境内, 而针对西藏高原境内高寒草地生产力估算模型的研究报道较少。特别是以往的草地生物量遥感估算模型并没有考虑某一区域内的不同草地类型特点, 构建估算模型时包括了各种草地类型。由于不同草地类型在遥感图像上的光谱响应特征比相同草地类型差异明显, 估算模型的精度不高。

为此, 本研究的目的是通过较连续的地面实测草地地上生物量数据结合同期MODIS遥感信息建立高寒草甸、高寒草原和温性草原3个西藏高原典型草地类型的地上生物量估算模型和方法, 揭示不同草地类型遥感监测方法上的差异, 旨在为草地退化、草地资源有效管理和利用、以及合理确定草地载畜量提供科学的理论依据。

1 研究区概况及数据源
1.1 研究区概况

西藏高原是青藏高原的主体。草地生态系统是西藏高原分布面积最广的自然生态系统类型, 占西藏土地总面积的71.15%[20], 不仅是西藏畜牧业赖以生存和发展的物质基础, 也是高原生态安全屏障的重要组成部分。近年来, 由于气候变化和过度放牧, 西藏高原的草地退化严重, 直接降低了草地生态系统的物质生产能力, 加重了草畜失衡的矛盾[21]。因此, 本研究针对西藏高原中部典型草地类型建立的遥感估算模型用于定量表达草地地上生物量的时空变化特征和草地的退化程度。

1.2 数据源

1.2.1 地面观测数据

草地生物量采样点设置在西藏高原中部当雄县、墨竹工卡县和拉萨市周边。该地区属于高原温带半干旱季风气候区, 年平均温度在1.5~7.8℃, 分布特点是从南部雅鲁藏布江河谷和拉萨河谷向北部逐渐降低; 年平均降水在340~594 mm, 呈从东向西逐渐减少趋势。

表1给出了2个高寒草甸、2个高寒草原和2个温性草原草地共计6个采样点的草地类型、经纬度、海拔高度等信息, 数据源自西藏自治区第一次草地资源普查成果图件。采样点当雄-1和日多属于高山嵩草为建群种的典型天然高寒草甸草原类型, 当雄-1位于当雄谷地远离公路和人类活动影响较小的山坡上, 而日多观测点位于其东部170 km处的墨竹工卡县日多乡东面宽阔平坦地段。当雄-2和羊八井观测点是紫花针茅为建群种的典型高寒草原, 伴有小莎草, 都位于当雄谷地, 两者相距近80 km, 当雄-2位于当雄县城以西远离公路的地段, 羊八井观测点则位于羊八井镇北面远离公路和人类活动影响较小的地段, 二者均为天然草原。拉木乡和拉萨观测点位于拉萨河谷南面相对平缓的山麓冲积扇上, 属藏白蒿为建群种的西藏高原中部典型温性草原类型, 均为天然草原。

表1 草地生物量采样点信息及数据源 Tab.1 Information of 6 sampling points and data sources

1.2.2 遥感数据

本研究采用了从美国地质调查局(USGS)地球资源观测和科学中心(EROS)NASA MODIS 陆地产品分发中心(https://lpdaac.usgs.gov)下载的2004年MOD13Q1产品。全球MOD13Q1数据是一个采用正弦曲线投影方式的3级网格数据产品, 空间分辨率为250 m× 250 m, 每隔16 d提供一次植被指数数据, 正好对应于本文每月两次的地面观测。

MOD13Q1图像处理过程是, 首先利用MRT(MODIS Reprojection Tools)软件将下载的MOD13Q1数据从HDF 格式转化为GeoTIFF格式, 其正弦曲线投影系统转为Geographic投影系统, 同时对图像进行拼接, 之后根据6个地面采样点的GPS数据用ENVI 图像处理软件读取对应的NDVI 和EVI数值, 最后转换成-1~1之间的值。

2 研究方法
2.1 地上生物量的测定

6个典型草地类型的采样点设置在草地植被空间分布比较均一的地方。2004年1月至12月对这6个采样点采用收割样方称重法, 在每月15日和30日(前后3 d内)两次采集草地的地上生物量(above ground biomass, AGB)。每次采样均随机采集3个50 cm× 50 cm的样方, 同时记录观测点的经纬度、海拔高度、土地利用类型等数据。AGB观测步骤是: 首先将3个50 cm× 50 cm的正方形线圈在草地采样点随机抛出, 再用刀片将3个50 cm× 50 cm样方内的草地地上部分齐地面全部刈割, 然后除去黏附的土壤、砾石等杂物后装入纸袋全部带回西藏自治区畜牧科学研究所草原试验室晒干, 在试验室对所有样品的绿色鲜草和干枯(包括立枯物和凋落物)部分进行分拣, 之后在85℃条件下烘箱中烘干至恒重后分别称重, 最后将3 个样方内的重量求平均。绿色鲜草部分烘干后的重量就是草地鲜草的干物质重量(dry matter content of fresh grass), 或称草地鲜草生物量, 以下简称鲜重(fresh AGB); 草地干枯部分烘干后的重量是干枯部分的干物质重量(dry matter content of dead material), 以下简称干枯重; 鲜重和干重的合计值便为草地地上干物质总重, 亦即草地地上生物量(AGB), 或称为草地总地上生物量。最后都换算成单位面积地上干物质量(g· m-2)。

2.2 草地生物量遥感估算模型

草地生物量遥感估算模型大致分为两大类, 一类是综合模型, 另一类是统计模型或经验模型[1]。综合模型借助遥感信息和植被信息、气象因子等来建立, 由于其包含了更多的信息量, 可以较精确地反映植被的生物物理参数。统计模型或经验模型不涉及机理问题, 主要是对观测数据与遥感信息进行统计和相关分析, 建立适当的模型用于测算。目前主要的统计模型是对植被指数与生物量或产量进行回归分析, 得到测算的统计模型。本文采用的方法属于后一类, 常见的统计模型有线性、多项式、幂函数、指数等形式, 回归方法有一元、多元、逐步回归等。

3 结果与分析
3.1 高寒草甸地上生物量与植被指数之间的关系

高寒草甸类草地是在寒冷湿润的气候条件下, 由耐寒的多年生中生草本植物为主而形成的一种矮草草地类型。西藏高原的高寒草甸一般分布在海拔4 000 m以上的高山地带, 为西藏第二大面积的草地类型, 仅次于高寒草原草地类型[20]

对于高寒草甸类型, 选取海拔4 400 m以上的日多和当雄-1两个观测点, 利用每月两次的草地地上生物量作为因变量, 对应的MODIS植被指数NDVIEVI作为自变量进行回归分析。结果表明, 高寒草甸地上生物量与NDVI, EVI之间的关系呈三次多项式分布(图1)。

图1 高寒草甸地上生物量与MODIS NDVI(左)及EVI(右)之间的关系Fig.1 Relationship between AGB and MODIS NDVI(left), EVI(right)in alpine meadow

可见, 以相关系数较大的回归建模原则, 对高寒草甸地上生物量的估算, NDVI的效果要好于EVI, 前者的相关系数R=0.821 8, 而后者R=0.794 0。

植被生长期间的高寒草甸鲜重与MODIS NDVI的关系为一次线性关系, 与EVI的关系为二次多项式分布(图2)。

图2 高寒草甸鲜重与MODIS NDVI(左)及EVI(右)之间的关系Fig.2 Relationship between dry matter content of fresh grass and MODIS NDVI(left), EVI (right)in alpine meadow

对鲜重的估算, 同样NDVI的效果要优于EVI。鲜重与NDVI之间的一次线性关系(R=0.824 6)表明, 在高寒草甸生长期绿色植被的鲜草生物量随着NDVI增大呈线性增加趋势。此外, 无论是NDVI, 还是EVI, 与鲜重的相关系数均大于与总地上生物量的相关系数, 表明植被指数对绿色鲜草的敏感度高于含干枯部分的总地上生物量, 其估算效果更好。其主要原因是MODIS等卫星传感器均为基于可见光和近红外波段反射率差异上建立的植被监测原理决定的。绿色植物的独有光谱特征和强烈的光合作用使得在可见光红光波段存在较低的反射率和强吸收区, 而在近红外波段为较高的反射率和弱吸收区。文中的鲜重仅包括植被年内生长的绿色鲜草部分, 而总地上生物量不仅包括绿色的鲜草, 还包括立枯物、凋落物等草地的干枯部分。干枯植被在可见光波段不存在绿色植被由于光合作用中叶绿素的吸收而出现的低反射率和强吸收带, 在近红外波段绿色植被的反射率也明显大于干枯植被的反射率, 综合作用下影响了植被指数的拟合效果。

3.2 高寒草原地上生物量与植被指数之间的关系

高寒草原是在高原寒冷干旱的气候条件下, 由耐寒的多年生旱生草本植物或小半灌木为主所组成的高寒草地类型[20]。西藏是我国高寒草原类草地的集中分布区, 一般分布在海拔4 300~5 200 m, 是西藏分布最广, 面积最大的一类草地。

对高寒草原类型, 选取当雄-2和羊八井2个观测点的地上生物量与对应16 d合成的MODIS NDVIEVI建立回归模型。高寒草原地上生物量与NDVIEVI的关系呈三次多项式形式(图3)。

图3 高寒草原地上生物量与MODIS NDVI(左)及EVI(右)之间的关系Fig.3 Relationship between AGB and MODIS NDVI(left), EVI(right)in alpine steppe

虽然高寒草原地上生物量与NDVIEVI回归结果均为三次多项式, 但是与EVI相关系数R=0.832 4, 与NDVI相关系数R=0.809 8。可见, EVI对高寒草原的估算效果要好于NDVI, 主要原因是西藏高原中部地区高寒草原的覆盖度相对高寒草甸低, NDVI易受土壤背景的影响, 而EVI采用“ 抗土壤植被指数” 对土壤背景的影响进行了校正[24, 25], 在一定程度上消除了土壤背景的影响。

高寒草原的鲜重与MODIS NDVIEVI间都为二次线性关系(图4)。

图4 高原草原鲜重与MODIS NDVI(左)及EVI(右)之间的相关性Fig.4 Relationship between dry matter content of fresh grass and MODIS NDVI(left), EVI(right) in alpine steppe

同样, MODIS植被指数与高寒草原生长期绿色鲜重之间的关系均为二次线性关系, 但从相关性来看, 鲜重与EVI的相关系数R=0.917 3, 而与NDVI的相关系数R=0.834 4。表明MODIS EVI对高寒草原绿色鲜草生物量的估算精度要高于NDVI, 是更为适宜的植被指数。

3.3 温性草原地上生物量与植被指数之间的关系

温性草原是在温暖半干旱气候条件下, 由中温性旱生多年生草本植物或旱生小半灌木为优势种组成的草地, 在西藏高原主要分布在雅鲁藏布江中游及其支流如拉萨河、年楚河中下游、藏南湖盆以及藏东三江河谷, 多生长在海拔4 300 m以下的河谷谷地、阶地、山麓洪积扇及山坡下部[20]

温性草原拉萨和拉木乡观测点地上生物量与NDVI关系为y=93.233x+39.161(R2=0.129 5, N=43), 与EVI之间的关系为y=102.16x+49.738(R2=0.051 1, N=43), 均未通过P< 0.01显著性检验。对温性草原, MODIS植被指数与地面实测值之间的相关程度很低, 地上生物量与NDVI, EVI之间的相关系数分别为0.359 9和0.226 1, 远不象高寒草原和草甸草原的相关系数都大于0.79那样呈现出的极显著正相关关系。这是因为高寒草甸和高寒草原一般分布在西藏高原海拔4 000 m以上的地段, 环境条件和草地植被空间分布都比较均一, 且大多连片分布, 适合卫星遥感估算; 而温性草原分布在海拔4 300 m以下谷地、阶地、山麓洪积扇及山坡下部等地形相对破碎地区, 而且伴有灌丛等植被, 加上人类活动集中, 使得其空间异质性远大于高寒草甸和高寒草原。

拉萨和拉木乡两个温性草原观测点的草地鲜重与NDVI, EVI之间均呈线性关系(图5)。可见, 对于温性草原生长期鲜草生物量, NDVI(R=0.80)的估算效果要优于EVI(R=0.68), 而且NDVIEVI对植被生长期的地上生物量估算结果显著好于总地上生物量。

图5 温性草原草地鲜重与MODIS NDVI(左)及EVI(右)之间的关系Fig.5 Relationship between dry matter content of fresh grass and MODIS NDVI(left) and EVI(right) in temperate steppe

3.4 模型的综合评价

高寒草甸地上生物量与MODSI NDVI之间呈3次多项式关系, 相关系数为0.821 8, 优于EVI, 且通过了P< 0.001显著性检验, 为最佳监测植被指数; 对高寒草原来说, EVI是地上生物量估算的最优模型, 两者的三次多项式相关系数为0.832 4, 通过了P< 0.001显著性检验; 但是MODIS植被指数与河谷温性草原地上生物量的相关系数小(R< 0.36), 且未通过P< 0.01显著性检验(表2)。由此可知, MODIS植被指数适合于西藏高原的高寒草甸和高寒草原地上生物量监测和估算。

表2 MODIS植被指数与实测数据之间的相关系数 Tab.2 The correlation between AGB and MODIS vegetation index

由草地鲜重实测值与植被指数之间的关系可以发现(表2), 两者的相关程度高于总地上生物量与植被指数之间的关系。对于高寒草甸和高寒草原来说, 鲜重与植被指数之间的相关系数都大于0.8, 其中EVI与高寒草原鲜重之间的相关系数最大, 达到0.917 3, 高寒草甸鲜重与EVI之间的最小, 为0.803 4。相对于地表草地长势均一, 异质性弱、地形相对平缓的高寒草甸和高寒草原, 位于高原中部拉萨河谷地段的温性草原由于其空间分布的异质性强, 长势不均一, 且受局部河谷地形的影响, 加之人类活动相对集中, 其观测值与植被指数之间的相关系数在0.22~0.36, 明显小于前面2个典型草地类型。但是对于草地生长期鲜草生物量模拟结果来看, 与其他2个草地类型相差不是很大。MODIS NDVI与温性草原观测之间的关系相对更好一些, 相关系数为0.797 9, 与EVI之间的则为0.684 6。MODIS植被指数与温性草原总地上生物量之间的相关程度显著小于与草地鲜重之间的。这表明, 基于MODIS等卫星数据的植被遥感监测更适合在植被生长阶段进行, 对植被非生长季节的监测精度将会降低。

此外, 以往开展的草地地上生物量估算模型中并未对研究区域的草地类型进行分类, 建模时包含了各种草地类型。由于不同草地类型的生物量差异极大, 如高寒草原、低地沼泽化草地到灌木, 所以大多数遥感估算模型是指数或幂指数形式。本研究中, 由于根据研究区域的草地空间分布特点, 对主要草地类型进行了分类, 在此基础上构建实测草地生物量与遥感植被指数之间的相关模型, 相比不分类后构建的模型遥感生物量估算精度明显提高。杨秀春等人的研究同样表明, 在北方农牧交错带根据草原类型的空间分布、自然因素特点对草原分区后, 其估算模型优于不分区模型, 在分区基础上建立遥感估算模型更能反映产草量的实际情况[2]。因此, 采用遥感植被指数构建草地生物量估算模型时要注意不同植被指数对不同草地类型生物量响应上的差异。

4 结论与讨论

1)MODIS植被指数适合于西藏高原高寒草甸和高寒草原地上生物量监测和估算, 然而不同MODIS植被指数对不同草地类型地上生物量的响应结果上有所不同。MODIS NDVI对高寒草甸的响应要优于EVI, 而EVI更适合高寒草原的监测和估算。温性草原相比前两者存在更强的空间异质性, MODIS植被指数并不适用于非生长季温性草原地上生物量的监测和估算。

2)由于绿色植物独有的光谱响应特征, MODIS植被指数和3种草地类型植被生长期鲜草生物量存在极显著的相关关系, 且其估算效果要好于总地上生物量。对于高寒草甸和高寒草原来说, 植被生长期鲜重与植被指数之间的相关系数大于0.8, 最高达0.92; 对温性草原也均大于0.67。其中, 高寒草甸鲜草生物量估算的最佳模型是基于MODIS NDVI的一次线性回归模型, 相关系数为0.82; 对高寒草原, 则是基于EVI的二次线性回归模型, 相关系数达0.92; MODIS 植被指数同样适用于植被生长期温性草原鲜草生物量的估算和监测, 相对而言, NDVI效果要优于EVI。基于MODIS植被指数的植被遥感监测、生物量参数的提取与估算等宜于植被生长阶段进行, 非生长季节的监测精度将降低。

3)同一地区不同草地类型, 不仅地上生物量的估算模型存在差异, 在适宜的植被指数选择上也有差异; 对同一草地类型, 由于西藏高原草地地上生物量差异较小, 相比其他模型而言, 线性关系或多项式关系模型更适合于进行西藏草地地上生物量估算模型的回归建模。

4)根据研究区域的草地空间分布特点, 对主要草地类型进行分类, 再构建生物量遥感估算模型, 可以明显提高草地地上生物量的估算精度。建议本文模型在西藏高原推广应用时, 需先对主要草地进行分类, 然后再根据不同草地类型的估算模型, 计算区域草地的地上生物量。

The authors have declared that no competing interests exist.

参考文献
[1] 徐斌, 杨秀春, 侯向阳, . 草原植被遥感监测方法研究进展[J]. 科技导报, 2007, 25(9): 5-8.
Xu B, Yang X C, Hou X Y, et al. Advance of technology of remote sensing monitoring for grassland vegetation[J]. Science and Technology Review, 2007, 25(9): 5-8. [本文引用:2]
[2] 杨秀春, 徐斌, 朱晓华, . 北方农牧交错带草原产草量遥感监测模型[J]. 地理研究, 2007, 26(2): 213-221.
Yang X C, Xu B, Zhu X H, et al. Models of grass production based on remote sensing monitoring in northern agro-grazing ecotone[J]. Geographical Research, 2007, 26(2): 213-221. [本文引用:2]
[3] 方精云, 杨元合, 马文红, . 中国草地生态系统碳库及其变化[J]. 中国科学: 生命科学, 2010, 40(7): 566-576.
Fang J Y, Yang Y H, Ma W H, et al. Ecosystem carbon stocks and their changes in China’s grassland s[J]. Sciecnce China Life Sciences, 2010, 40(7): 566-576. [本文引用:2]
[4] Piao S L, Fang J Y, Zhou L M, et al. Changes in biomass carbon stocks in China’s grassland s between 1982 and 1999[J]. Global Biogeochemical Cycles, 2007, 21(2): doi: DOI:10.1029/2005GB002634. [本文引用:1] [JCR: 4.528]
[5] 马文红, 方精云, 杨元合, . 中国北方草地生物量动态及其与气候因子的关系[J]. 中国科学: 生命科学, 2010, 40(7): 632-641.
Ma W H, Fang J Y, Yang Y H, et al. Biomass carbon stocks and their changes in northern China’s grassland s during 1982-2006[J]. Science China Life Sciences, 2010, 40(7): 632-641. [本文引用:1] [JCR: 1.512] [CJCR: 0.692]
[6] 朴世龙, 方精云, 贺金生, . 中国草地植被生物量及其空间分布格局[J]. 植物生态学报, 2004, 28(4)491-498.
Piao S L, Fang J Y, He J S, et al. Spatial distribution of grassland biomass in China[J]. Acta Phytoecologica Sinica, 2004, 28(4): 491-498. [本文引用:1]
[7] 徐斌, 杨秀春, 陶伟国, . 中国草原产草量遥感监测[J]. 生态学报, 2007, 27(2): 405-413.
Xu B, Yang X C, Tao W G, et al. Remote sensing monitoring upon the grass production in China[J]. Acta Ecologica Sinica, 2007, 27(2): 405-413. [本文引用:1]
[8] 金云翔, 徐斌, 杨秀春, . 内蒙古锡林郭勒盟草原产草量动态遥感估算[J]. 中国科学: 生命科学, 2011, 41(12): 1185-1195.
Jin Y X, Xu B, Yang X C, et al. Remote sensing dynamic estimation of grass production in Xilinguole, Inner Mongolia[J]. Scientia Sinica Vitae, 2011, 41(12): 1185-1195. [本文引用:1]
[9] 马维玲, 石培礼, 李文华, . 青藏高原高寒草甸植株性状和生物量分配的海拔梯度变异[J]. 中国科学C辑: 生命科学, 2010, 40(6): 533-554.
Ma W L, Shi P L, Li W H, et al. The change of individual plant traits and biomass allocation in alpine meadow with elevation variation on the Qinghai-Tibetan Plateau[J]. Science China Life Sciences, 2010, 40(6)533-554. [本文引用:1] [JCR: 1.512] [CJCR: 0.692]
[10] 李英年, 赵新全, 王勤学, . 青海海北高寒草甸五种植被生物量及环境条件比较[J]. 山地学报, 2003, 21(3): 257-264.
Li Y N, Zhao X Q, Wang Q Xet al. . The comparison of community biomass and environmental condition of five vegetational types in alpine meadow of Haibei, Qinghai Province[J]. Journal of Mountain Science, 2003, 21(3): 257-264. [本文引用:1] [CJCR: 0.876]
[11] 李英年, 王勤学, 古松, . 高寒植被类型及其植物生产力的监测[J]. 地理学报, 2004, 59(1): 40-48.
Li Y N, Wang Q X, Gu S, et al. Integrated monitoring of alpine vegetation types and its primary production[J]. Acta Geographica Sinica, 2004, 59(1): 40-48. [本文引用:1] [CJCR: 3.304]
[12] 董全民, 赵新全, 马玉寿, . 牦牛放牧率与小嵩草高寒草甸暖季草地地上、地下生物量相关分析[J]. 草业科学, 2005, 22(5): 65-71.
Dong Q M, Zhao X Q, Ma Y S, et al. Regressive analysis between stocking rate for yak and aboveground and underground biomass of warm-season pasture in Kobrecia parva alpine meadow[J]. Pratacultural Science, 2005, 22(5): 65-71. [本文引用:1] [CJCR: 0.923]
[13] 除多, 姬秋梅, 德吉央宗, . 利用EOS/MODIS数据估算西藏藏北高原地表草地生物量[J]. 气象学报, 2007, 65(4): 612-620.
Chu D, Ji Q M, Deji Y Z, et al. Estimating grassland biomass in north Tibetan Plateau using EOS/ MODIS[J]. Acta Meteorologica Sinica, 2007, 65(4): 612-620. [本文引用:1] [CJCR: 1.6]
[14] 梁天刚, 崔霞, 冯琦胜, . 2001—2008年甘南牧区草地地上生物量与载畜量遥感动态监测[J]. 草业学报, 2009, 18(6): 12-22.
Liang T G, Cui X, Feng Q S. Remotely sensed dynamics monitoring of grassland aboveground biomass and carrying capacity during 2001-2008 in Gannan pastoral area[J]. Acta Prataculturae Sinica, 2009, 18(6): 12-22. [本文引用:1] [CJCR: 2.746]
[15] 张凯, 郭铌, 王润元, . 甘南草地地上生物量的高光谱遥感估算研究[J]. 草业科学, 2009, 26(11): 44-50.
Zhang K, Guo N, Wang R Y. Hyperspectral remote sensing estimation models for aboveground fresh biomass in Gannan grassland [J]. Pratacultural Science, 2009, 26(11): 44-50. [本文引用:1] [CJCR: 0.923]
[16] 王正兴, 刘闯, 赵冰茹. 等. 利用MODIS增强型植被指数反演草地地上生物量[J]. 兰州大学学报: 自然科学版, 2005, 41(2): 10-16.
Wang Z X, Liu C, Zhao B R, et al. ANPP estimate from MODIS-EVI for the grassland region of Xilingol, China[J]. Journal of Lanzhou University: Natural Sciences, 2005, 41(2): 10-16. [本文引用:1] [CJCR: 0.781]
[17] 姬秋梅, Quiroz R, Leon-Velarde C. 应用数字照相机研究西藏草地产草量[J]. 草地学报, 2008, 16(1): 34-38.
Ji Q M, Robeto Q, Calos L. Dry matter availability sssessment in Tibetan grassland s using ground-level remotely-sensed data[J]. Acta Agrestia Sinica, 2008, 16(1): 34-38. [本文引用:1]
[18] 孙明, 杨洋, 沈渭寿, . 基于TM数据的雅鲁藏布江源区草地植被盖度估测[J]. 国土资源遥感, 2012, 24(3): 71-77.
Sun M, Yang Y, Shen W S, et al. Estimation vegetation coverage in the source region of Yarlung Zangbo River based on TM data[J]. Remote Sensing for Land and Resources, 2012, 24(3): 71-77. [本文引用:1]
[19] Yang Y H, Fang J Y, Pan Y D, et al. Aboveground biomass in Tibetan grassland s[J]. Journal of Arid Environments, 2009, 73: 91-95. [本文引用:1] [JCR: 1.822]
[20] 西藏自治区土地管理局, 西藏自治区畜牧局. 西藏自治区草地资源[M]. 北京: 科学出版社, 1994.
Tibet Land Management Bureau, Tibet Animal Husband ry Bureau. Grassland resources in Tibet Autonomous Region[M]. Beijing: Science Press, 1994. [本文引用:4]
[21] 孙鸿烈, 郑度, 姚檀栋, . 青藏高原国家生态安全屏障保护与建设[J]. 地理学报, 2012, 67(1): 3-12.
Sun H L, Zheng D, Yao T D, et al. Protection and construction of the national ecological security shelter zone on Tibetan Plateau[J]. Acta Geographica Sinica, 2012, 67(1): 3-12. [本文引用:1] [CJCR: 3.304]
[22] 西藏自治区土地管理局和畜牧局. 1: 200万西藏自治区草地类型图[Z]. 北京: 科学出版社, 1991年.
Tibet Land Management Bureau and Tibet Animal Husband ry Bureau. 1: 2 000 000 map of grassland types in Tibet Autonomous Region[Z]. Beijing: Science Press, 1991. [本文引用:1]
[23] 西藏自治区畜牧局, 西藏自治区土地管理局. 1: 20万西藏自治区一江两河中部地区草地类型图[Z]. [s. l][s. n. ], 1991.
Tibet Animal Husband ry Bureau, Tibet Land Management Bureau. 1: 200 000 map of grassland types in the central Tibet Autonomous Region[Z]. [s. l][s. n. ], 1991. [本文引用:1]
[24] 马琳雅, 黄晓东, 方金, . 青藏高原草地植被指数时空变化特征[J]. 草业科学, 2011, 28(6): 1106-1116.
Ma L Y, Huang X D, Fang J, et al. Temporal and spatial change of grassland vegetation index in Tibetan Plateau[J]. Pratacultural Science, 2011, 28(6): 1106-1116. [本文引用:1] [CJCR: 0.923]
[25] 王正兴, 刘闯, Huete A. 植被指数研究进展: 从AVHRR-NDVI到MODIS-EVI[J]. 生态学报, 2003, 23(5): 979-986.
Wang Z X, Liu C, Huete A. From AVHRR-NDVI to MODIS-EVI: Advances in vegetation index research[J]. Acta Ecologica Sinica, 2003, 23(5): 979-986. [本文引用:1]