2000—2018年天山中段高海拔草地暖季承载力

乔郭亮，金晓斌,2,3，顾铮鸣，杨绪红，徐伟义，尹延兴，周寅康,2,3

2000—2018年天山中段高海拔草地暖季承载力

乔郭亮1，金晓斌1,2,3※，顾铮鸣1，杨绪红1，徐伟义1，尹延兴1，周寅康1,2,3

（1. 南京大学地理与海洋科学学院，南京 210046；2. 自然资源部海岸带开发与保护重点实验室，南京 210046；3. 江苏省土地开发整理技术工程中心，南京 210046）

草地是新疆重要的植被类型，快速评价区域草地生产力状况，揭示高海拔草地暖季食草动物承载力，对典型区域草地与食草牲畜平衡管理具有重要意义。为克服传统实地取样方法在数据可获取性、多年监测连续性、区域覆盖性等方面的限制，利用MODIS MOD17A3H/NPP数据产品，以新疆和静县为研究区，探索草地地上生物量（Aboveground Biomass，AGB）估算模型在高海拔草地应用的有效性，分析研究区草地AGB的时空变化规律，探讨其多年载畜状况。结果表明：1）基于MODIS MOD17A3H数据模拟的草地地上净初级生产力（Aboveground Net Primary Productivity，ANPP）与已有文献获取的实地数据相比，均方根误差（Root Mean Square Error，RMSE）处于3.13～11.89 g/(m2·a)之间，估算结果具有较高精度。2）研究期内（2000—2018年）研究区AGB均值为1 252.34 kg/hm2，且存在波动上升的趋势，其线性增长率为7.78 kg/(hm2·a)（<0.01），草地AGB整体处于轻微上升趋势，AGB增长的草地占比达74.90%。3）研究期内年均地上干草产量均值为15.01万t，其中海拔>2 500 m的高寒草原及高寒草甸干草产量最大，占比分别为24.20%及57.46%，修正后可利用干草产量为8.62万t。4）研究区草地理论载畜量多年均值为24.26万～31.94万羊单位，不考虑自然及管理因素修正的理论承载力为31.94万羊单位，草地欠载2.99%；修正后理论承载力为24.26万羊单位，草地超载27.82%。研究结果可为制定区域国土管理制度和牧业规划政策提供参考，对促进区域自然资源可持续发展具有积极作用。

草地；承载力；高海拔；MODIS；净初级生产力；新疆

0 引 言

草地作为陆地植被的重要组成部分为畜牧业发展提供重要的物质基础。新疆草地面积占全国草地面积的19.52%，是中国重要的畜牧业基地之一[1]。自20世纪70年代以来，全球气温不断上升，新疆地区草地正逐渐朝增温增湿的方向发展[2]，而处于高海拔的草地生态系统对气候变化的响应更为迅速与敏感[3-4]。伴随当地人类放牧活动的不断增强及气候的不断变化，新疆局部地区植被发生显著退化，成为制约当地经济发展与生态保护的重要因素。草地退化致使草地生产水平持续下降，草畜供求时空格局出现失衡[5]，直接影响地区生态安全与畜牧业可持续发展。准确便捷估算区域地表生物量，探讨其时空分布特征及草地理论载畜量，寻求更好规划策略是解决上述问题的关键。一般来说，载畜量过高会导致草地过度利用，引起草地退化；载畜量过低则会造成牧草资源浪费，不利于地区经济发展。因而，放牧利用不应超过载畜量阈值[6]。科学确定草地载畜量合理范围，不仅是指导草地管理的重要依据，也是科学确定放牧强度，避免超载过牧，维持草地持续生产的有效手段。

基于NPP的草地地上生物量（Aboveground Biomass，AGB）的有效估算是科学评估草地载畜量的基础，在评价草地可持续发展中占据重要地位[7]。随着遥感技术的发展，草地AGB获取已由传统实地刈割法发展到以遥感数据为主要数据源结合模型估算的阶段[8]，CASA（Carnegie-Ames-Stanford-Approach）模型是模拟草地NPP（Net Primary Productivity，NPP）的典型代表[9-10]，但模型输入参数较多（气温、降水、植被类型、植被指数、太阳辐射等），限制了其在高海拔偏远地区的应用[6]。MOD17A3H是基于TERRA卫星搭载的中分辨率成像光谱仪MODIS（Moderate-resolution Imaging Spectroradiometer）遥感参数通过BIOME-BGC模型计算得到的全球陆地植被净初级生产力年际变化数据产品[11-12]。该数据产品在全球植被生长、生物量估算、承载力评估等研究中得到广泛应用[13-15]。国志兴等[16]借助MODIS MOD17A3数据利用一元线性回归和简单差值等方法分析了东北地区2000—2006年植被NPP演变特征。安妮等[17]借助MODIS MOD17A3H数据利用实测数据建立线性拟合函数分析了内蒙古高原干旱地区2006—2018年NPP时空分布特征。王琪等[6]借助MODIS MOD17A3H数据结合草地根冠比系数计算了2015年青海湖流域产草量及理论载畜量。不同高程的草地对气候响应存在显著差别，有研究显示高海拔地区草地NPP与年均温存在显著相关性[18]，温度被认为是制约植物生长的关键因素[19]。现阶段基于MODIS数据的研究中，不论是对于草地NPP的时空演变研究，还是对于草地承载力的探讨，仍存在时间尺度短，无法充分显示研究区植被特征变化及载畜量动态变化过程、直接利用植被根冠比系数带来计算误差等问题。特别是对于草地承载力研究而言，模型计算的理论载畜量如未进行合理修正，其结果可能难以支撑研究区畜牧业的可持续发展。新疆天山作为地区畜牧业发展的重要基地，生态环境十分脆弱，草地资源的准确快速监测不仅对当地的畜牧业发展十分重要，同时对于地区的生态环境保护也不可或缺。目前聚焦于天山南坡中段草地承载力的研究相比于北坡较为少见，而南坡的生态环境相较北坡更为脆弱敏感，面临的生态保护与经济社会发展双重压力更为艰巨。故对于土壤含水率高的南坡草地，有必要建立适宜的草地AGB计算模型，结合自然及管理因素对其理论载畜量进行合理修正，探究其长时间序列的载畜量动态变化。

本文基于MODIS NPP数据构建新疆高海拔草地AGB估算模型，以新疆和静县为例探究高海拔草地AGB多年时空变化特征及变化趋势，并进一步结合自然及管理因素修正研究区近20年高海拔草地牲畜理论承载量，最后基于3种维度（草地类型、地貌单元及乡镇单元）分析研究区多年草地承载力时空变化状况，旨在为高海拔地区牧业的精细化管控、畜牧业政策的科学制定提供参考和借鉴。

1 数据与方法

1.1 研究区概况

和静县位于新疆自治区巴音郭楞蒙古自治州北部，地处82°28′～87°52′E，42°06′～43°33′N。国土总面积33 779 km2（不含兵团），其中草地面积约21 103 km2，占比67.2%，耕地、林地占比分别为1.11%和4.02%。和静县属中温带大陆性气候，温度低，气候恶劣，地形以山地为主，地势西北高、东南低。境内分布的高海拔草地多位于天山山地植被垂直带最上部，平均高程在2 900 m左右。地区年均降水量442.05 mm，降水变率为10.16%，因地温低、湿度较大，有机质不易分解，导致牧草长势低矮。植被多以喜温耐寒植物为主，是典型的高海拔山区草地（图1a），研究区地形起伏较大，坡度在30%～60%的地区占比相对较大（图1b），对地区天然草地放牧有一定的限制。每年暖季（6—10月）研究区降水丰沛且水热同期，利于植被生长发育，是高海拔山区草地物质生产和放牧利用的黄金季节。

从生态功能上划分，和静县属于天山南坡草原牧业区，放牧牲畜主要以巴音布鲁克大尾羊为主。从地貌单元上划分，研究区可分为低山（800～1 600 m）、亚高山（>1 600～2 500 m）、高山（>2 500～3 000 m）、亚雪山（>3 000～3 500 m）及雪山（>3 500 m）。从行政区划分，研究区包括8镇（和静镇、巴伦台镇、巴润哈尔莫墩镇、哈尔莫墩镇、巴音布鲁克镇、巩乃斯镇、乃门莫敦镇、协比乃尔布呼镇）、4乡（克尔古提乡、阿拉沟乡、额勒再特乌鲁乡、巴音郭愣乡）、3兵团（兵团21团、兵团22团及兵团223团）及1农场（乌拉斯台农场）。

1.2 数据来源及处理

本研究所使用的MODIS MOD17A3H/NPP数据源自美国国家航空航天局NASA/EOS LPDAAC数据中心（https://lpdaac.usgs.gov），数据包括2000—2018年MODIS MOD17A3H 数据集产品，空间分辨率为500 m，时间分辨率为16 d，利用MRT工具对获取的原始数据进行拼接处理、格式投影转换等预处理，得到TIFF格式数据；年平均温度数据取源于国家青藏高原科学数据中心（http://data.tpdc.ac.cn）中国1 km分辨率逐月平均气温数据集，经最大值合成法处理后（Maximum Value Composite，MVC）得到年均温度数据；Landsat遥感数据及MODIS NDVI数据来源于美国地质调查局（https:www.usgs.gov），数据精度分别为30和250 m；统计数据及相关规划资料源于巴音郭楞蒙古自治州及和静县相关行政部门；植被类型来源于1∶100万中国草地资源图[20]；DEM数据来自地理空间数据云平台（http://www.gscloud.cn），分辨率30 m。所有数据经过裁剪处理供后续计算。

1.3 研究方法

1.3.1 草地AGB估算

基于MOD17A3H数据集，建立其与实地草地生物量的相互转换关系[21]，计算得到草地总地上生物量，以kg/hm2表示。

BNPP=NPP·（0.829 4-0.012 8MAT） （1）

式中BNPP（Belowground Net Primary Productivity）指地下净初级生产力，g/(m2∙a)；ANPP（Aboveground Net Primary Productivity）为地上净初级生产力，g/(m2∙a)；MAT（Mean Annual Temperature）指年平均温度，℃；指转化系数，按照1g生物量=0.47g C 换算[19]。

1.3.2 草地AGB修正

有研究揭示MOD 17A3H数据比地表实测植被NPP值偏低[15,17]。有研究显示对应于实地采样点的Landsat（30 m）NDVI均值比MODIS（250 m）NDVI均值显著高出20%左右，并通过二者NDVI均值的比值来修正模拟的草地AGB，结果显示修正后的AGB数值与实际采样的AGB数据结果差距从38%下降到16%[15]，模拟精度有了较大程度的提升。同理，本文通过研究区Landsat 与MODIS NDVI均值的比值来修正基于MOD 17A3H数据计算得出的草地AGB。修正所用MODIS数据为MOD13Q1产品中的NDVI数据，空间分辨率为250 m，时间分辨率为16 d，影像获取时间为7月28日（2005、2010、2015年），Landsat数据为Landsat 8 OLI产品数据，空间分辨率为30 m，轨道访问周期为16 d，在保证数据质量的情况下，尽量选取与MODIS数据影像时间相一致的数据，数据获取时间分别为2005年7月12日、2010年8月2日及2015年7月17日，数据云量低于10%。

式中AGB指的是研究区修正后的草地可利用地上生物量，kg/(hm2·a)；NDVIlandsat和NDVIMODIS分别指基于Landsat和MODIS系列影像数据获取的NDVI值。

同时，由于研究区地处高寒草原，生态环境脆弱，有必要保留一定生物量以确保植被在下一个生长季节持续再生。因此，在承载力模型中引入草地合理使用系数来限定草地地上生物量可持续利用比例。即

式中AF指的是研究区草地可利用地上生物量，kg；F指的是天然草地的合理利用率，%。

1.3.3 趋势分析

本文采用一元线性回归模型逐像元分析2000—2018年研究区草地AGB年际变化趋势。Mann-Kendall是一种非参数检验统计检验方法，用来判断趋势的显著性，无需样本服从一定的分布，也不受少数异常值的干扰[22]，是判断长时间序列数据趋势的有效方法，本文采用Mann-Kendall方法来判断和静县AGB变化的显著性。

1.4 承载力估算与修正

一般来说，在稳定的草地生态系统中（降水>400 mm，年降水变率<20%）多采用平衡范式进行承载力分析[23]。天山中段南坡既是重要的畜牧业生产基地，也是重要的生态屏障，基于合理修正因子修正的理论载畜量对促进和静地区畜牧业可持续发展及生态环境的保护具有重要作用。本文采用基于修正的草地AGB模拟牲畜承载力，提出基于草地类型、地貌类型及乡镇单元的分类结果，为牧区精细化管控提供一定借鉴。

式中B代表草场可食标准干草产量，kg；代表标准干草含水率，%；A代表天然牧草承载力，头/hm2；代表标准干草折算系数，%；代表草场放牧天数，d；代表标准羊标准干草日食用量，kg/d；CC为调整后的牧草承载力，头/hm2；DS代表自然因素干草修正系数[24]，DE代表管理因素干草修正系数。

和静县高山草原每年6月上中旬后，天气转暖，高山冰雪融化，牧草复苏，到10月底开始积雪[25]。根据《巴音郭楞蒙古自治州畜禽品种区域布局规划》，天山牧区以巴音布鲁克羊为优势品种，畜牧业以夏秋季放牧、冬春舍饲为主。本研究取45 kg、日消耗标准干草（含水率14%）的成年绵羊为计算标准，将研究区暖季（夏秋季）放牧（牧食）时间设定为150 d（6月初到10月底）。

2 结果与分析

2.1 草地ANPP估算结果验证

将已有研究中获取的草地ANPP与本研究模拟值进行均方根误差检验的对比结果表明：本研究模拟的草地ANPP值与已有研究获取的ANPP的均方根误差（Root Mean Square Error，RMSE）在3.13～11.89 g/(m2·a)之间（表1），表明模拟值能够较好的反映研究区草地ANPP情况，估算结果具有较高的精度。

2.2 草地AGB时空格局变化及趋势分析

研究区草地可分为温带禾草-矮半灌木荒漠草原、温带丛生禾草草原、温带禾草-杂类草草甸、高寒嵩草-苔草草原以及高寒嵩草-杂类草草甸等五种。2000—2018年年均草地AGB为1 252.34 kg/hm2，因研究区地形、小气候、土壤和草地类型差异较大，再加之人类活动影响程度不一，不同草地AGB空间差异性明显（图2a）。肥沃草原多数位于大尤鲁都斯盆地南端及开都河源头，草地平均AGB超过2 000 kg/hm2；在大尤鲁都斯地区，草地AGB从西北向东南递增，分布特征与该地区水热梯度变化保持较好一致性。研究区西部巴音郭楞乡依克赛河上游、巩乃斯镇北部地区AGB均显著高于周边地区，在较干燥的东南部及坡度较大的中东部地区，草地生产力显著低于其他地区，草地AGB值低于1 000 kg/ hm2；在和静县南部低山地区，因地形平坦，气温较高，较其余地方更为适宜牧草生长，草地AGB多处于3 000～4 000 kg/hm2。

利用一元线性回归分析近20年研究区草地AGB逐像元变化趋势。分析得出，75.01%区域的草地呈增加趋势；23.59%区域的草地呈退化趋势（图2b）。空间分布上，研究区草地AGB下降与上升趋势均不明显，下降及上升超5 g/(m2·a)的区域占比仅0.40%。年均增长率在0～5 g/(m2·a) 的草地占比达75.31%，主要分布在巴音布鲁克镇、巴音郭楞乡、额勒再特乌鲁乡中部及巴伦台镇东南部地区。年均增长率在-5～0 g/(m2·a) 的地区主要分布在巴伦台镇中部、额勒再特乌鲁乡西部及阿拉沟乡西部。通过Mann-Kendall显著性检验发现（图2c），研究区仅有3.72%的草地呈显著上升趋势，呈上升不显著的区域占比71.18%，集中分布在中西部高寒草原及高寒草甸；呈下降不显著的区域占比23.48%，集中分布在大尤鲁都斯盆地西部及额勒再特乌鲁乡中北部高寒草原、阿拉沟乡西部及巴伦台镇中部温带草原、巴伦台镇西北部高寒草原地区；稳定不变与下降显著的区域占比不到3%。

表1 本研究草地地上净初级生产力ANPP模拟值与实地观测值对比

研究区近20 a草地AGB均值整体呈显著上升趋势（<0.01）（图3），线性增长率为7.78 kg/(hm2∙a)。其中，2003年草地AGB值最低，仅为953.77 kg/hm2，2018年草地AGB值最高，达1 199.13 kg/hm2。

2.3 草地理论承载力及载畜量分析

2.3.1 因子修正及标准干草量估算

研究区内坡度在10%～30%的草地多位于陡峭地区的边缘地块，并呈逐渐变缓趋势，坡度>30%的草地主要分布在东部巴伦台艾尔温根山、阿拉沟乡及北部依连哈比尔朵山地区。此外，也有小部分草地坡度>60%，但占比较小（0.4%）。除此之外，大部分地区坡度处于0～10%，这也为地区的畜牧业发展提供有利条件（图1b）。一般来说，在坡度>10%的地区需适当降低地表天然牧草的使用系数以避免草地退化、坡地侵蚀与水土流失。总的来看，研究区适宜放牧的缓坡草地大都位于巴音布鲁克高山草原内的大、小尤鲁都斯盆地周边及部分温带荒漠地区，适宜草地（0～10%）的面积达11 837.22 km2，占研究区天然草场总面积的46.41%。

依据《标准》，将研究区草地AGB转化为地表干草产量。温带荒漠草地及高寒草原草地的可利用标准干草产量折算系数分别为0.90和0.95，其余折算系数为1.00。干草产量高的地区草地类型主要为高山草甸及高山草原，小部分位于低山温带草原区。经过计算可得研究区地表可利用标准干草产量为15.01万t，其中处于2 000～4 000 kg/hm2的占比最大（59.21%），<1 000 kg/hm2及>5 000 kg/hm2的占比分别为5.60%和0.89%，海拔超过2 500 m的高寒草原及高寒草甸干草产量最大，占比分别为24.20%及57.46%。修正后的可利用标准干草产量为8.63万t（表 2），高寒草甸及高寒草原产草量占比达83.91%，是研究区的主导草地类型。

表2 研究区不同草地类型干草产量

2.3.2 理论载畜量及时空格局分析

根据巴州统计年鉴（2000—2018年）及和静县统计公报，和静县天然草地绵羊多年平均载畜量约为31.01万头。研究区以巴音布鲁克大尾羊为主要放牧品种，结合模拟结果，放牧密度呈现从西南向东北递减趋势，在未修正时，大尤鲁都斯盆地放牧密度较大，处于6～9头/ hm2，修正后则仅为3～6头/hm2，只有南部小部分区域放牧潜力较大（图4），整体区间在0.19～11.79头/ hm2之间。在不考虑修正因素情况下，研究区天然草地载畜量为31.94万羊单位，可增长空间仅有2.99%，加上自然及管理因素则下降至24.26万羊单位，超载率达27.82%。

2000—2018年和静绵羊承载量呈波动上升趋势（图 5），但上升趋势并不明显，载畜量多年平均值为24.26万羊单位，其中2003年载畜量最小，为21.68万羊单位；2018年载畜量最大，为27.45万羊单位。

2.3.3 理论载畜量统计分区及载畜状况分析

研究区地处天山中段高海拔地段，自然环境脆弱，同时也是地区重要的畜牧业基地。在面临草地畜牧压力过大情况时如何更好制定合理的畜牧政策将是后期保持地区可持续发展的重要议题，分类研究不同维度下的研究区载畜量情况将为地区精细化管控提供重要的指导与借鉴。

经过系数修正后的和静县草地载畜量呈现高寒草甸草地>高寒草原草地>温带草原草地>温带草甸草地>温带荒漠草地的总体特征（表3）。高寒草原草地及高寒草甸草地载畜量多年均值为20.47万头，占比达84.39%，放牧密度处在2.02～3.40头/hm2是研究区天然畜牧业发展的重点草地类型，一方面是由于其草地面积较大，另一方面因土壤含水率较高，标准干草可利用系数较高，草地产草量及地表可利用干草量均较高。从放牧密度来看，温带草甸类草地最高，为6.41头/hm2，但由于该类型草地面积小，总载畜量仅占6.25%。温带荒漠类草地因降水不足、人类干扰大，放牧密度仅为1.02 头/hm2。

对得到的载畜量进行分地貌类型统计（表4），研究区东南部分布有较多的山前陡坡、北部及南部地区亚雪山、雪山地带海拔高度达3 000 m以上，坡度多在30%～60%，应适当降低放牧强度。经过系数修正，载畜量呈现出高山>亚雪山>亚高山>低山>雪山的特征，其中高山及亚雪山（海拔2 500～3 500 m）载畜量多年均值为19.36万头，占比达79.80%，放牧密度处于2.59～3.08 头/hm2之间，是地方发展畜牧业的重点地区，修正后草地标准羊载畜量为24.26万头，降幅为31.66%。从放牧密度及空间分布来看，研究区标准羊放牧密度多处于3.03～3.82头/hm2，分布在研究区中部巴伦台镇、额勒再特乌鲁乡及巴音布鲁克镇等地区。经过自然和社会经济因素的修正，草地放牧密度下降到2.34～3.08 头/hm2。

表3 分草地类型载畜量及修正后结果

表4 分地貌类型载畜量及修正后结果

对得到的载畜量进行分乡镇统计（表5），从可利用标准干草量来看，经过系数修正后，干草总量为8.62 万t，相比15.01万t，降幅达42.51%，由此可见研究区天然草地资源虽相对丰富，但是可利用草地却相对较少。其中年均可利用干草量超过1万t的仅有巴音布鲁克镇、巴音郭楞乡、额勒再特乌鲁乡及巴伦台镇。从载畜总量来看，未修正前，载畜总量达到31.94万头。标准羊总量超过1万只的包括哈尔莫墩镇等7个乡镇，其载畜总量占全区的93.24%。经过修正之后，则仅有巴音布鲁克镇等5个乡镇承载力总量超过1万头标准羊单位，其载畜总量占全区的86.32%，放牧密度处在1.71～3.72头/hm2。

表5 分乡镇载畜量及修正后结果

3 讨 论

现有草地承载力研究限于数据可获取性，对单一年份的分析较多，而对于研究区长时间承载力状况的揭示存在不足，同时已有研究较少考虑自然因素与社会管理因素对承载力的限制作用及承载力分区统计对地区承载力分析的指导作用，可操作性稍显不足，弱化了对地区实施相关管理措施提供的借鉴作用。尽管本文在数据方面存在精度较差的不足，但研究结果对于高海拔草地长时间序列承载力研究仍提供了有益探索，后续研究可考虑在获取更高精度遥感数据及实测数据的基础上开展更具针对性的研究，融合高时间分辨率的MODIS系列数据与高空间分辨率Landsat系列数据开展长时间序列承载力研究是下一步可探索的有益方向。一般来说，地表净初级生产力估算的精度与准确性取决于遥感数据的误差以及ANPP的确定。研究显示MOD17 GPP/NPP数据会高估生长季以外的植被生产力，而低估生长季内的植被生产力[31]，从而导致数据集产品与实际数据的差异。安妮等[17]利用实测数据与MOD17A3H数据建立函数关系发现实测数据值大于模拟值，且与已有数据集产品之间存在较显著的线性相关。有研究表明，在受人类影响较小的自然系统中NDVI与植被NPP有较强的线性相关性[12,32]，De Leeuw等[15]利用Landsat与MODIS NDVI数据对同一草地采样点进行对比研究发现，基于Landsat获取的NDVI（30 m）值一般比基于MODIS 获取的NDVI（250 m）值高出20%（<0.05）。因此，在数据受限制的情况下，可以利用NDVI数据对模拟值进行合理修正，但考虑到因地形差异及气候因子的影响，NDVI与NPP的相关性在不同地区也会存在一定差异，放牧的草地生态系统因受到人类干扰其NDVI与NPP关系也会发生变化，故加强放牧期间内草地NDVI与NPP的实时监测将是后续修正草地ANPP的有效手段，进而有利于准确获取草地AGB。对于ANPP的确定，朴世龙等[33]提出的草地根冠比系数是现阶段计算草地ANPP的常用方法，但这种方法由于温度、降水、海拔等因素的影响，不同地区该比例系数有一定差异，直接利用此系数会对ANPP的计算带来较大误差[11]。对于相对湿润的高海拔草地来说，气温对NPP的影响更为显著[19,34]，且基于温度的高海拔ANPP估算也已得到相关研究的验证[15,21]。一般来说，在不同年份草地ANPP差异不大情况下，平均多年产量具有较好指示意义，可用来预测研究区未来年份的草地承载力，并以此为基础预估合适的放牧密度及库存率，从而为地区畜牧业可持续发展提供一定的科学支撑。

本研究提出的承载力模型考虑了保护区和坡度因素，较好地兼顾到了地区生态环境退化及坡度对地区侵蚀风险的影响。但草地可持续利用的影响因素众多，受数据限制，植被地表盖度、土壤质地及距水系距离等因子在本研究未予考虑，后续可以结合更高精度遥感影像及相关实测数据将更多的影响因素纳入研究，从而获取更为精确的草地AGB数据。

对于高山天然草场来说，冷暖季的更替对载畜量的计算有较大差异。暖季牧草营养相对充足，在营养满足家畜需求的时候，家畜可能还会因为未吃饱继续采食，按照营养载畜量安排放牧则会导致过牧[35]，此时天然草场牧草产量是影响草地承载力的主要因素，故其载畜量的计算应优先考虑可食牧草产量。而进入冷季后，牧草地上现存量和营养品质逐月快速下降，再加上气候灾害，很容易导致牧草产量不足，此时应用营养载畜量则有利于地区释放草地资源和生态空间[36]。本研究应用牧草载畜量模拟研究区暖季天然草地家畜放牧情况，较为科学合理的划定出放牧的适宜空间，而在冷季，研究区牧草几乎不生长，应用牧草载畜量可能会产生较大误差。如何进一步科学合理测定冷季牧场放牧情况并结合地区冷季农区放牧、围栏舍饲措施从而得出研究区全年放牧情况，将是后续进一步研究的方向。

4 结 论

本研究基于MODIS MOD17A3H数据建立高海拔地区天然草地承载力模型，模拟得出研究区近20 a天然草地多年草地地上生物量、地表可利用干草量及理论载畜量，分析其时空变化特征，同时基于不同维度统计可利用干草量及理论载畜量，为后续的精准管控提供了一定的参考价值。主要结论如下：

1）基于MODIS 17A3H数据模拟的草地ANPP与已有文献获取的实地数据相比，其均方根误差处于3.13～11.89 g/(m2·a)之间，估算结果具有较高的精度。研究期内和静县天然草地地上净初级生产力均值偏低。研究期内（2000—2018年）研究区地上生物量均值为1 252.34 kg/hm2，且存在波动上升的趋势，其线性增长率为7.78 kg/(hm2·a)（<0.01），增长的草地占比达75.01%。

2）研究期内年均地上干草产量均值为15.01万t，波动较小，但空间分布差异较大。海拔超过2 500 m的高寒草原及高寒草甸干草产量最大，占比分别为24.20%及57.46%，修正后可利用干草产量仅为8.62万t。分草地类型来看，高寒草原草地及高寒草甸草地载畜量多年均值为20.47万头，占比84.39%，放牧密度处在2.02～3.40 头/hm2；分地貌类型来看，高山及亚雪山载畜量多年均值为19.36 万头，占比达79.80%，放牧密度处于2.59～3.08 头/hm2之间；分乡镇来看，巴音布鲁克镇等五个乡镇占比达86.32%，放牧密度处在1.71～3.72头/hm2。研究结果从水平角度（高寒草原及高寒草甸）、垂直角度（高山及亚雪山）及管理角度（巴音布鲁克镇、巴伦台镇、阿拉沟乡、巴音郭楞乡及额勒再特乌鲁乡）划分出研究区天然草地畜牧业发展的重要区。

3）研究区草地理论载畜量均值处在24.26万～31.94万头之间，未进行自然及社会因素修正的研究区标准羊理论承载力为31.94万头，草地欠载2.99%，修正后的研究区标准羊理论承载力为24.26万头，草地超载27.82%。

[1] 刘艳，聂磊，杨耘.基于植被指数估算天山牧区不同利用类型草地总产草量[J].农业工程学报，2018，34(9):182-188.

Liu Yan, Nie Lei, Yang Yun. Estimation of total yield of different grassland types in Tianshan pastoral area based on vegetation index[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(9): 182-188. (in Chinese with English abstract)

[2] 刘艳，舒红，李杨，等. 天山巴音布鲁克草原植被变化及其与气候因子的关系[J]. 气候变化研究进展，2006(4)：173-176.

Liu Yan, Shu Hong, Li Yang, et al. Relationship between dynamic change of vegetation cover and climate factors in bayinbuluk grassland of the Tianshan Mountains[J]. Advances In Climate Change Research, 2006(4): 173-176. (in Chinese with English abstract)

[3] Grabherr G, Gottfried M, Pauli H. Climate effects on mountain plants[J]. Nature, 1994, 369(6480): 448.

[4] 杨红飞，刚成诚，穆少杰，等. 近10年新疆草地生态系统净初级生产力及其时空格局变化研究[J]. 草业学报，2014，23(3)：39-50.

Yang Hongfei, Gang Chengcheng, Mu Shaojie, et al. Analysis of the spatio-temporal variation in net primary productivity of grassland during the past 10 years in Xinjiang[J]. Acta Prataculturae Sinica, 2014, 23(3): 39-50. (in Chinese with English abstract)

[5] 赵有益，林慧龙，张定海，等. 基于灰色-马尔科夫残差预测模型的甘南草地载畜量预测[J]. 农业工程学报，2012，28(5)：199-204.

Zhao Youyi, Lin Huilong, Zhang Dinghai, et al. Forecasting of grassland carrying capacity of Gannan based on Grey-Markov residual error models[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012，28(5)：199-204. (in Chinese with English abstract)

[6] 王琪，吴成永，陈克龙，等. 基于MODIS NPP数据的青海湖流域产草量与载畜量估算研究[J]. 生态科学，2019，38(4)：178-185.

Wang Qi, Wu Chengyong, Chen Kelong, et al. Estimating grassland yield and carrying capacity in Qinghai Lake Basin based on MODIS NPP data[J]. Ecological Science, 2019, 38(4): 178-185. (in Chinese with English abstract)

[7] 吴晓全，王让会，李成，等. 天山植被NPP时空特征及其对气候要素的响应[J]. 生态环境学报，2016，25(11)：1848-1855.

Wu Xiaoquan, Wang Ranghui, Li Cheng, et al. Spatial-temporal characteristics of NPP and its response to climatic factors in Tianshan mountains region[J]. Ecology and Environment Sciences, 2016, 25(11): 1848-1855. (in Chinese with English abstract)

[8] 李刚，孙炜琳，张华，等. 基于秸秆补饲的青藏高原草地载畜量平衡遥感监测[J]. 农业工程学报，2014，30(17)：200-211.

Li Gang, Sun Weilin, Zhang Hua, et al. Balance between actual number of livestock and livestock carrying capacity of grassland after added forage of straw based on remote sensing in Tibetan Plateau[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(17): 200-211. (in Chinese with English abstract)

[9] Imhoff M L, Bounoua L, DeFries R, et al. The consequences of urban land transformation on net primary productivity in the United States[J]. Remote Sensing of Environment, 2004, 89(4): 434-443.

[10] 张芳，熊黑钢，冯娟，等. 基于遥感的新疆人工绿洲扩张中植被净初级生产力动态变化[J]. 农业工程学报，2017，33(12)：194-200.

Zhang Fang, Xiong Heigang, Feng Juan, et al. Dynamic change of net primary productivity during process of new artificial oasis expansion in Xinjiang based on remote sensing[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(12)：194-200. (in Chinese with English abstract)

[11] Running S W, Nemani R, Glassy J M, et al. MODIS daily photosynthesis (PSN) and annual Net Primary Production (NPP) product (MOD17) Algorithm Theoretical Basis Document[EB/OL]. 1999: http://modarch.gsfc.nasa.gov/MODIS/ ATBD.

[12] 蒋蕊竹，李秀启，朱永安，等. 基于MODIS黄河三角洲湿地NPP与NDVI相关性的时空变化特征[J]. 生态学报，2011，31(22)：6708-6716.

Jiang Ruizhu, Li Xiuqi, Zhu Yongan, et al. Spatial-temporal variation of NPP and NDVI correlation in wetland of Yellow River Delta based on MODIS data[J]. Acta Ecologica Sinica, 2011, 31(22): 6708-6716. (in Chinese with English abstract)

[13] Hunt E R, Miyake B A. Comparison of stocking rates from remote sensing and geospatial data[J]. Rangeland Ecology & Management, 2006, 59(1): 11-18.

[14] Bunkei M, Masayuki T. Integrating remotely sensed data with an ecosystem model to estimate net primary productivity in East Asia[J]. Remote Sensing of Environment, 2002, 81(1): 58-66.

[15] De Leeuw J, Rizayeva A, Namazov E, et al. Application of the MODIS MOD 17 Net Primary Production product in grassland carrying capacity assessment[J]. International Journal of Applied Earth Observation and Geoinformation, 2019, 78: 66-76.

[16] 国志兴，王宗明，张柏，等. 2000年～2006年东北地区植被NPP的时空特征及影响因素分析[J]. 资源科学，2008(8)：1226-1235.

Guo Zhixing, Wang Zongming, Zhang Bai, et al. Analysis of temporal-spatial characteristics and factors influencing vegetation NPP in northeast China from 2000 to 2006[J]. Resources Science, 2008(8): 1226-1235. (in Chinese with English abstract)

[17] 安妮，宁小莉，海全胜，等. 基于MODIS数据的近15年浑善达克沙地植被净初级生产力时空分布研究[J]. 干旱区资源与环境，2020，34(4)：168-175.

An Ni, Ning Xiaoli, Hai Quansheng, et al. Optical model for estimating the spatial and temporal distribution of vegetation net primary productivity in HunShandake sandyland in recent 15 years[J]. Journal of Arid Land Resources and Environemnt, 2020, 34(4): 168-175. (in Chinese with English abstract)

[18] 张仁平，郭靖，张云玲. 新疆草地净初级生产力(NPP)空间分布格局及其对气候变化的响应[J]. 生态学报，2020，40(15)：5318-5326.

Zhang Renping, Guo Jing, Zhang Yunling. Spatial distribution pattern of NPP of Xinjiang grassland and its response to climatic changes[J]. Acta Ecologica Sinica, 2020, 40(15): 5318-5326. (in Chinese with English abstract)

[19] 彭开兵，韩其飞，李超凡，等. 天山北坡典型草地净初级生产力对氮沉降及气候变化的响应阈值研究[J]. 南京信息工程大学学报：自然科学版，2021，13(2)：242-251.

Peng Kaibing, Han Qifei, Li Chaofan, et al. Effects of nitrogen deposition and climate change on NPP of typical grasslands on the northern slopes of Tianshan mountain[J]. Journal of Nanjing University of Information Science & Technology: Natural Science Edition, 2021, 13(2): 242-251. (in Chinese with English abstract)

[20] 苏大学. 资源图的编制与研究[J]. 自然资源学报，1996，11(1)：77-83.

Su Daxue. The compilation and study of the grassland resource map of China on the scale of 1: 1000000[J]. Journal of Natural Resources, 1996, 11(1): 77-83. (in Chinese with English abstract)

[21] Hui D F, Jackson R B, Geographical and interannual variability in biomass partitioning in grassland ecosystems: A synthesis of field data[J]. New Phytologist, 2006, 169(1): 85-93.

[22] 袁丽华，蒋卫国，申文明，等. 2000—2010年黄河流域植被覆盖的时空变化[J]. 生态学报，2013，33(24)：7798-7806.

Yuan Lihua, Jiang Weiguo, Shen Wenming, et al. The spatio-temporal variations of vegetation cover in the Yellow River Basin from 2000 to 2010[J]. Acta Ecologica Sinica, 2013, 33(24): 7798-7806. (in Chinese with English abstract)

[23] 徐敏云，高立杰，李运起. 草地载畜量研究进展: 参数和计算方法[J]. 草业学报，2014，23(4)：311-321.

Xu Minyun, Gao Lijie, Li Yunqi. A review on grassland carrying capacity(Ⅱ): Parameters and calculation methods[J]. Acta Prataculturae Sinica, 2014, 23(4): 311-321. (in Chinese with English abstract)

[24] 张慧，沈渭寿，王延松，等. 黑河流域草地承载力研究[J]. 自然资源学报，2005(4)：514-521.

Zhang Hui, Shen Weishou, Wang Yansong, et al. Study on grassland grazing capacity in the Heihe River Basin[J]. Journal of Natural Resources, 2005(4): 514-521. (in Chinese with English abstract)

[25] 张立运，道来提. 天山高寒草地特点及合理利用[J]. 干旱区研究，1999(3)：33-40.

Zhang Liyun, Dao Laiti. The characteristics of alpine grassland and its rational utilization in Tianshan mountain[J]. Arid Zone Research, 1999(3): 33-40. (in Chinese with English abstract)

[26] 安尼瓦尔·买买提，杨元合，郭兆迪，等. 新疆天山中段巴音布鲁克高山草地碳含量及其垂直分布[J]. 植物生态学报，2006，30(4)：545-552.

Mohammat Anwar, Yang Yuanhe, Guo Zhaodi, et al. Carbon contents and its vertical distribution in alpine grasslands in Bayinbulak, middle stretch of the Tianshan moutain of Xinjiang[J]. Chinese Journal of Plant Ecology, 2006, 30(4): 545-552. (in Chinese with English abstract)

[27] 李猛，何永涛，张林波，等. 三江源草地ANPP变化特征及其与气候因子和载畜量的关系[J]. 中国草地学报，2017，39(3)：49-56.

Li Meng, He Yongtao, Zhang Linbo, et al. Dynamics of grassland ANPP and its' relationship with climate change and carrying capacity in the Three River Headwater region[J]. Chinese Journal of Grassland, 2017, 39(3): 49-56. (in Chinese with English abstract)

[28] Meng B P, Ge J, Liang T G, et al. Evaluation of remote sensing inversion error for the Above-Ground Biomass of alpine meadow grassland based on multi-source satellite data[J]. Remote Sensing, 2017, 9(4): 372.

[29] 李成阳，薛娴，赖炽敏，等. 青藏高原退化高寒草甸生长季承载力[J]. 中国沙漠，2018，38(6)：1330-1338.

Li Chengyang, Xue Xian, Lai Chimin, et al. Growing season bearing capacity of degraded alpine meadow in the Qinghai-Tibet Plateau[J]. Journal of Desert Research, 2018, 38(6): 1330-1338. (in Chinese with English abstract)

[30] 尹小君，祝宏辉，GAO Jerry，等. 基于Landsat和MODIS数据融合的农牧区NPP模拟[J]. 农业机械学报，2020，51(8)：163-170.

Yin Xiaojun, Zhu Honghui, GAO Jerry, et al. NPP simulation of agricultural and pastoral areas based on Landsat and MODIS Data fusion[J]. Transactions of the Chinese Society for Agricultural Machinery, 2020, 51(8): 163-170. (in Chinese with English abstract)

[31] Schaefer K, Schwalm C, Williams C, et al. A model-data comparison of gross primary productivity: Results from the North American Carbon Program site synthesis[J]. Journal of Geophysical Research: Biogeosciences, 2012, 117: G03010.

[32] 林志东，武国胜. 基于MODIS的大田县均溪谷地NPP与NDVI相关性的时空变化特征[J]. 亚热带资源与环境学报，2015，10(1)：27-33.

Lin Zhidong, Wu Guosheng. Spatial-temporal changing characteristics of NPP and NDVI correlation in Junxi Valley, Datian County: A study based on MODIS[J]. Journal of Subtropical Resources and Environment, 2015, 10(1): 27-33. (in Chinese with English abstract)

[33] 朴世龙，方精云，贺金生，等. 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 Shilong, Fang Jingyun, He Jinsheng, et al. Spatial distribution of grassland biomass in China[J]. Chinese Journal of Plant Ecology, 2004, 28(4): 491-498. (in Chinese with English abstract)

[34] 李婷婷，马超，郭增长. 2004-2015年贺兰山自然保护区植被NPP时空变化与气候响应[J]. 水土保持研究，2020，143(6)：260-267.

Li Tingting, Ma Chao, Guo Zengzhang. Response of spation-temporal changes of NPP to climate in Helanshan Mountain nature reserve from 2004-2015[J]. Research of Soil and Water Conservation, 2020, 143(6): 260-267. (in Chinese with English abstract)

[35] 郝力壮，刘书杰，吴克选，等. 玛多县高山嵩草草地天然牧草营养评定与载畜量研究[J]. 中国草地学报，2011，33(1)：84-89.

Hao Lizhuang, Liu Shujie, Wu Kexuan, et al. Study on the evaluation of grass nutrition and carrying capacity in alpine grassland of Kobresia hastily in Maduo County[J]. Chinese Journal of Grassland, 2011, 33(1): 84-89. (in Chinese with English abstract)

[36] 徐田伟，王循刚，赵新全，等. 三江源国家公园典型高寒草地冷季牧草营养特征与食草动物承载力[J]. 科学通报，2020，65(32)：3610-3618.

Xu Tianwei, Wang Xungang, Zhao Xinquan, et al. Standing herbage nutrition characters and herbivore carrying capacities of typical alpine grasslands in Sanjiangyuan National Park during cold season[J]. Chinese Science Bulletin, 2020, 65(32): 3610-3618. (in Chinese with English abstract)

Carrying capacity of high-altitude grassland in warm seasons in the middle section of Tianshan Mountain from 2000 to 2018

Qiao Guoliang1, Jin Xiaobin1,2,3※, Gu Zhengming1, Yang Xuhong1, Xu Weiyi1, Yin Yanxing1, Zhou Yinkang1,2,3

(1.,,210046,; 2.,,210046,; 3.,210046,)

Grassland is an important vegetation type in Xinjiang of western China, particularly on the coordinated development of ecological protection and animal husbandry. It is of great significance to rapidly and accurately evaluate the productivity of regional grasslands, thereby revealing the carrying capacity of herbivores in the warm season of high-altitude grasslands, especially for the balanced management of regional grasslands and herbivorous livestock. However, there are only a few reports on the temporal and spatial changes of grassland Aboveground Biomass (AGB) in high-altitude regions using long-term series. It is necessary to effectively evaluate the carrying capacity considering some limiting factors. Taking the Hejing County of Xinjiang as the research area, this study aims to explore the spatiotemporal dynamics and carrying capacity of the grassland AGB using MODIS 17A3H/NPP (Net Primary Productivity, NPP) data products. An estimation model was also proposed to improve the traditional field sampling, in terms of data availability, multi-year monitoring continuity, and regional coverage. The natural and management factors were considered to further modify the model, according to the grassland type, landform, and township. The results showed that: 1) The Aboveground Net Primary Productivity (ANPP) of grassland presented a Root Mean Square Error (RMSE) value of 3.13-11.89 g/(m2·a), indicating a higher accuracy. 2) The AGB average value was 1 252.34 kg/ hm2during the study period (2000—2018), indicating a fluctuating upward trend. Specifically, the linear growth rate was 7.78 kg/(hm2·a) (<0.01), and the overall AGB of grassland was a slight upward trend, where the proportion of grassland with the AGB growth reached 75.01%. The degradation was distributed mostly in the areas with a slope of more than 30%. 3) The annual average aboveground hay was 150 100 t. Among them, the alpine grassland and meadow over 2 500 m produced the largest hay, accounting for 24.20% and 57.46%, respectively. The available hay was reduced to 86 200 t after revision. 4) The average theoretical carrying capacity of grassland in the study area was 242 600 to 319 400 heads. The theoretical carrying capacity of standard sheep without considering natural and management factors was 319 400 heads, the underload of grassland is 2.99%; after revised the carrying capacity was 242 600 heads, and the grass was overloaded by 27.82%, it further illustrated that there was a certain overload risk in the development of grassland animal husbandry in the study area. The research results could provide references for the formulation of regional land management and animal husbandry planning policies, and played a positive role in promoting the sustainable economic development of regional natural resources. The average theoretical carrying capacity of grassland was 242 600 to 319 400 heads. The theoretical carrying capacity of standard sheep was 319 400 heads without considering the natural and management factors, where the underload of grassland was 2.99%. After that, the carrying capacity was 242 600 heads, and the grass was overloaded by 27.82%. Consequently, there was a certain overload risk in the development of grassland and animal husbandry in the study area. The findings can provide a strong reference for the decision-making on the land and animal husbandry, thereby promoting the sustainable development of regional natural resources.

grassland; stocking capacity; high altitude; MODIS; NPP; Xinjiang

乔郭亮，金晓斌，顾铮鸣，等. 2000—2018年天山中段高海拔草地暖季承载力[J]. 农业工程学报，2021，37(22)：253-261.doi：10.11975/j.issn.1002-6819.2021.22.029 http://www.tcsae.org

Qiao Guoliang, Jin Xiaobin, Gu Zhengming, et al. Carrying capacity of high-altitude grassland in warm seasons in the middle section of Tianshan Mountain from 2000 to 2018[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(22): 253-261. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.22.029 http://www.tcsae.org

2021-06-11

2021-11-02

国家自然科学基金项目（41971235）

乔郭亮，研究方向为土地利用与规划。Email：3227311053@qq.com

金晓斌，博士，教授，博士生导师，研究方向为土地资源管理。Email：jinxb@nju.edu.cn

10.11975/j.issn.1002-6819.2021.22.029

F321.1

A

1002-6819(2021)-22-0253-09