基于放牧时空轨迹的天然草地利用评估模型

汪传建 江红红 鲁为华 张 雅 孙世泽 李 冬

(1.石河子大学信息科学与技术学院， 石河子 832000； 2.兵团空间信息工程技术研究中心， 石河子 832000； 3.石河子大学动物科技学院， 石河子 832003)

0 引言

草地是重要的生态屏障，也是畜牧业发展的基础。我国现有天然草地总面积约4亿hm2，其中90%的草地出现不同程度的退化[1]。新疆是中国的五大天然牧场之一，草地资源丰富，然而80%以上的天然草地出现了不同程度的退化[2]，而长期过度放牧是导致草地退化的主要原因之一[3]。因此，及时、准确地获取畜群对草地的利用情况，对有效管理草地畜牧业和保护草地具有重要意义。

近年来，国内外相关学者对草地利用情况进行大量研究。DENGLER[4]、KAWAMURA等[5]利用全球定位系统(Global positioning system，GPS)设备以一定时间间隔记录牧群的放牧轨迹，通过网格法计算每个单元格内的畜群数，以此得到放牧强度分布；汪传建等[6]通过GPS设备记录牧群的轨迹信息，然后采用缓冲区和网格分析法获得放牧分布情况，结合模拟采食法，利用网格叠加获得采食量分布；谢芮等[7]、王梦佳等[8]和LI等[9]通过遥感影像数据计算放牧强度；地上生物量与草地利用状况密切相关[10]，基于遥感数据估算草地生物量[11-15]可大范围定量监测草地产量；XIE 等[16]利用人工神经网络和多元线性回归两种模型来评估内蒙古草地地上生物量；王新云等[17]利用雷达数据和HJ1B数据，并结合野外实测生物量，估算荒漠草原地上生物量；ZHANG等[18]将高时间分辨率的MODIS与中空间分辨率的Landsat数据融合，提出了一种高时空分辨率的合成归一化植被指数(Normalized difference vegetation index，NDVI)时间序列，进而估算地上生物量；FRANKE等[19]利用遥感技术评估草地利用强度;朱桂林等[20]研究放牧条件下草地植物的单枝重和分蘖情况，建立了草地合理利用的判别模型。以上研究在一定程度上反映了草地的利用情况，而对草地的有效利用面积及草地利用的空间分布情况相关研究甚少。

本文在采集GPS牧群轨迹数据的基础上，提出一种基于放牧时空轨迹的天然草地利用评估模型，通过GPS实时获取牧群轨迹，利用地理信息系统(Geographic information system，GIS)中的网格分析法计算畜群的采食强度，并依据模糊数学建立简单隶属函数模型，利用最大隶属度原则确定不同采食强度下草地利用情况。

1 研究区与数据

1.1 研究区概况

研究区位于新疆生产建设兵团农八师一五一团紫泥泉牧场，其地理位置85°46′15.06″E，44°00′13.23″N，如图1所示。该地区为低山丘陵区，平均海拔高度1 000 m，属半干旱型气候，降水量240～380 mm。草地植被类型单一，群落类型为博洛塔绢蒿(Seriphidiumborotalense)、针茅(Stipacapillata)及苔草(Carexliparocarpos)等，其中绢蒿为优势种，构成了温性荒漠化草地(土质荒漠亚类)。草层高度10～30 cm。畜群放牧时间从每年的4月到10月共7个月，每天放牧2次。放牧绵羊为新疆细毛羊共170只，放牧草地面积为864 hm2。研究区DEM数据来源于中国科学院计算机网络信息中心国际科学数据镜像网站(http:∥www.gscloud.cn/)。

图1 研究区位置 Fig.1 Location of study area

1.2 数据的获取与处理

在研究过程中，采用GPS项圈(GT03C型，深圳谷米)作为定位跟踪设备，定位误差小于10 m，机身尺寸为91.5 mm×57.0 mm×37.5 mm(长×宽×高)，整机质量为202 g，记录时间间隔为3 min的工作模式下，可正常工作120 h。每次随机选择10只具有代表性的绵羊佩戴GPS项圈进行轨迹追踪。在综合考虑GPS轨迹数据与现实轨迹的拟合度以及GPS设备续航时间两大因素的情况下，将定位时间间隔设置为3 min。

轨迹数据采集时间为2015年7—10月、2016年4—9月、2017年4月至今。采集的轨迹数据被实时上传至服务器，上传的数据主要包括羊佩戴的设备ID、位置信息及发报时间等。

牧草采样时间为2015年7—10月、2016年4—9月、2017年4月至今，每月采样2次，每次采集20～30个样方。根据研究区群落类型的不同划分典型区域，研究区的典型区有2类，每个典型区设置5～15个1 m×1 m样方，用手持GPS定位仪记录样方所在经纬度，将样方内的植被齐地面剪下并对每个样方进行编号，分别测量各样方的生物量鲜质量，并将其置于干燥箱中干燥至恒定质量，称取每个样方的生物量干质量。

轨迹数据采用ArcGIS软件进行处理，处理步骤如下：①从数据库读取轨迹数据，利用创建XY事件图层工具使轨迹点进行显示。②通过擦除点工具将位于羊圈内无用轨迹点进行擦除。③分别对研究区及轨迹数据进行投影。④利用创建渔网工具对投影后的研究区进行处理。⑤将轨迹数据与网格化处理之后的研究区进行空间连接。⑥通过添加字段工具添加采食强度属性。⑦利用计算字段工具，计算每个单元格的采食强度。

2 草地利用评估模型

利用畜群的轨迹数据计算其在不同区域时的采食强度，建立隶属度函数并利用最大隶属度原则，对评估对象做出合理的评价，即畜群在不同区域对草地的利用情况。

2.1 评估模型的建立

针对如何评估草地的利用情况这一问题，本文选用利用强度作为评价指标，评判等级分为3级，确定模糊评语集为V={好，中，差}，评语分别表示草地利用情况的程度。禁牧或极轻度放牧造成资源浪费，而极度放牧又会引起草地退化[8]，因此将采食强度超重以及禁牧或极轻度放牧情况下的草地利用等级归为差；适度放牧可促进牧草生长[21],说明此种情况下草地利用较好；其余情况则为草地利用中等。

到目前为止对于草地的利用情况划分并没有给出一定的标准，而且不同地区不同类型的草地利用情况无法找出精确的分类标准，若是严格按照分类区间进行划分，会造成区间之间界限过于生硬，因此本文采用模糊数学对草地利用情况进行评估。模糊识别借助模糊数学的隶属度理论把定性评价转换为定量评价，能对蕴藏的模糊性信息做出比较科学、合理、贴近实际的量化评价。

在实际应用中对某一因素的评价往往难以以数学形式进行表达。模糊数学中通常采用专家打分法确定隶属函数。本文主要依据模糊数学中的降半梯形、升半梯形及中间对称型建立简单隶属函数模型，使之与实际情况尽可能相符。以采食强度作为论域，给出“差”、“中”、“好” 3个模糊集的隶属函数，简化模型如下：

将草地利用情况较差的分为两种不同的隶属函数(一种是畜群对草地利用较轻，一种为对草地利用较重)。

(1)降半梯形分布，其隶属函数为

(1)

(2)升半梯形分布，其隶属函数为

(2)

草地利用适中以及利用较好的情况均采用中间对称型分布，其隶属函数为

(3)

(4)

(5)

式中bi——不同采食强度的边界,i=1,2,…,5

x——采食强度，g/m2

图2 隶属函数 Fig.2 Membership function

其隶属函数如图2所示。其中(0,b1)为基本没有采食，(b1,b2)为轻度采食，(b2,b3)为中度采食，(b3,b4)为重度采食，(b4,b5)为超重采食。根据模糊识别中的最大隶属度原则，通过

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

可得在不同采食强度下草地的利用情况。

根据NY/T 635—2015天然草地合理载畜量的计算，研究区2015年及2016年草地合理载畜量分别为0.427、0.524羊单位/hm2，由此可得研究区整个畜群在2015年和2016年的合理采食强度分别为15、18 g/m2。

2.2 采食强度的计算

草地的利用与畜群采食情况紧密相关。为了评估研究区的草地利用情况，需对畜群的放牧情况进行监控。在假设畜群日采食量无明显差异的情况下，根据畜群的轨迹数据集，从研究区的不同区域提取采食强度，则日采食强度为

(6)

式中I——日采食强度，g/m2

F——畜群的日采食总量，g

Ci——某天第i个单元格内的GPS轨迹点数

∑Ci——某天研究区总的GPS轨迹点数

S——单元格面积，m2

图3 2015年7月和2016年7月研究区草地利用情况分布 Fig.3 Distribution maps of grassland utilization in study area in July 2015 and July 2016

根据需求选取单元格面积，本文单元格面积在选取时以畜群总头数为依据，鉴于一头羊体长约1 m，假设一头羊占地1 m2，畜群总头数开方并向上取整，可得单元格的边长，以本研究区为例，共170头羊，则单元格边长为14 m。

考虑到在实际应用中，放牧是阶段性的，对草地的利用也是阶段性的，为了评估一段时间内畜群对草地的采食情况，其计算公式为

(7)

式中 ∑I——畜群N天的采食强度，g/m2

Ai——畜群采食N天第i个单元格内的GPS轨迹点数

∑Ai——畜群采食N天研究区总的GPS轨迹点数

3 试验结果与分析

采用ArcGIS软件，利用上述建立的草地利用评估模型，对研究区2015—2017年的轨迹数据进行处理，并对处理后的数据进行分类统计，获得研究区的草地利用情况分布图以及草地的有效利用面积。根据实际放牧情况与野外实测牧草生物量变化之间的关系，对模型进行验证。

3.1 研究区草地利用情况分布

根据已有的采食强度，在ArcGIS中，对已处理过的轨迹数据集，利用隶属函数识别不同区域草地的利用情况。为了使草地利用等级中部分成因更加直观，将草地等级差，细分为未利用、差0(利用较轻)、差1(利用较重)。以2015年及2016年为例，结果如图3和图4所示。对图3b、3d及图4所得数据进行统计可得研究区草地在不同利用情况下的面积及所占比例，如表1所示。由表1可知，2015年及2016年草地未利用及极轻度利用占研究区总面积的80%以上，表明研究区未进行采食的草地面积较大；2015年和2016年过度放牧面积分别占研究区总面积的1.50%和3.82%，2016年较2015年放牧过度呈上升趋势。2015年7月与2016年7月分别仅有0.81%、1.19%的草地利用较好。由表1计算可得，在被利用的草地中，2015年7月76.53%的草地利用较差，仅有4.77%的草地利用较好；2016年7月48.84%的草地利用较差，11.92%的草地利用较好。

由图3可知，7月牧群主要在研究区的东南方进行采食，西北角为羊圈所在地，羊群从西北向东南采食过程中，从羊圈出发，经河道，在中部时通过3条不同路径进行采食。从图3轨迹数据可以看出，轨迹中存在一些异常点，结合实际情况可以发现这些点的产生主要是由于羊离群采食或设备故障导致的。通过2015年7月与2016年7月的草地利用情况分布图(图3b和图3d)对比，可以看出2016年7月草地过度放牧情况加剧。

图4为2015年和2016年研究区草地利用分布情况，由图4可以看出，羊圈(西北角)的东南方向的部分区域草地利用较差，在图4b中西南方向同样有一段草地利用较差，造成这些区域草地利用差的主要原因是该路段地势平坦位于山谷中，是畜群出羊圈之后经常活动的区域。对比图4a、4b可以发现，畜群的主要采食区域由东南向西南转移。同时对比图3a、3c可以发现，2015年7月和2016年7月的放牧轨迹整体情况具有一定共同性，结合研究区的实际情况可知，出现这些情况与人为规划有很大联系。

图4 2015年和2016年研究区草地利用情况分布 Fig.4 Grassland utilization distribution maps in study area in 2015 and 2016

时间未利用差0差1中好面积/(196m2)比例/%面积/(196m2)比例/%面积/(196m2)比例/%面积/(196m2)比例/%面积/(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 模型验证

利用研究区采样点的生物量变化验证模型的准确率。随机选取研究区2015年6月末与7月初以及7月末与8月初的数据，并将同一区域中的剩余生物量做差，即得2015年7月采样点的生物量变化，同理可以得到2016年7月采样点生物量变化，分别将每月的采样点生物量的变化量按照由高到底划分为5个等级，并将这5个等级与3.1节中根据模型计算所得的2015年7月及2016年7月研究区草地利用分布情况进行对比，可得与模型结果相对应的采样点数占总样本数的86.67%，即为草地利用评估模型准确率。

4 结论

(1)基于模糊数学中的模糊识别原理，根据畜群放牧轨迹，通过牧群采食强度，对草地利用情况进行定量评价，可及时准确获取大范围草地利用的空间分布及有效利用面积。

(2)所提出的模型验证方法不同于文献[6]中的采食量的验证方法，主要强调畜群采食中草地生物量的变化，而不是牧草的剩余量，使其与研究目的——草地利用情况更贴切，验证结果表明，评估模型准确率达86.67%。

(3)利用本文方法计算不同区域畜群的采食情况，借助得到的不同区域的草地利用情况，对牧民的放牧行为进行合理规划，逐区采食，轮回利用，使过度利用的草地得以修整，合理均衡利用草地资源，进而提高草地生产力，实现草地的可持续利用。