王穗子, 张雅娴,2, 樊江文,*, 张海燕

三江源自然保护区高寒草地草情诊断研究

王穗子1, 张雅娴1,2, 樊江文1,*, 张海燕1

1. 中国科学院地理科学与资源研究所, 陆地表层格局与模拟院重点实验室, 北京 100101 2. 西南民族大学青藏高原研究院, 成都 610041

三江源生态保护和建设工程的实施对生态环境产生了积极的影响, 草地是该地区最主要的生态系统类型, 准确的草情诊断对该地区的生态稳定和畜牧业发展具重要意义, 可更好的指导三江源区生态环境的保护和发展。基于长时间序列的遥感观测资料和野外采样数据, 通过构建草情诊断基准值, 结合草地覆盖度和产草量的变化率, 根据加权求和计算出草情指数, 诊断分析三江源生态工程实施后草地植被生长变化状况。结果表明: 自2005年工程实施后, 三江源自然保护区多年平均草情指数是3.47, 草情状况较好, 空间上呈现西南向东北方向变好的格局。草情状况极好、较好和中等的草地面积占比均显著高于草情极差和较差的草地面积占比。12年间草情指数变异系数为12.47%, 草情年间变化呈现轻微波动。其中80.32%的草地草情状况无显著变化(> 0.05), 14.61%的草情状况下降趋势显著, 5.07%的草地草情状况上升趋势显著(<0.05)。三江源国家公园的各园区的年均草情指数为黄河源园区(3.78)>长江源园区(3.61)>澜沧江源园区(3.15), 草情状况较好。三个园区2/3以上的草地的草情无显著变化趋势; 黄河源园区变化趋势显著变差的面积占比最高(17.74%), 澜沧江源园区最低(13.49%); 变化趋势显著变好的面积占比最高的为长江源园区(6.46%), 最低的为澜沧江源园区(3.46%)。自生态保护工程实施后, 草情呈现较好状况, 但部分区域呈现下降的趋势, 应继续加强三江源自然保护区草情状况的长期监测, 进行合理的草情诊断, 加大草情状况较差区域的生态保护。

草情指数; 基准值; 遥感; 高寒草地; 三江源

0 前言

作为分布最广泛的植被类型之一, 草地具有保持水土、净化空气、控制温室气体排放和防风固沙等功能[1-3]。我国草地资源极为丰富, 天然草地面积大, 总面积约为400×104km2, 占据世界草地面积的8%[4]和我国国土面积的41.7%[5]。草地生态系统是三江源地区最主要的生态系统类型, 其面积大约占源区总面积的65%, 且主要为高寒草地[6]。受全球气候变化和人类活动的影响, 三江源地区草地呈现持续退化状态[7], 而三江源自然保护区工程实施以来, 生态状况有所好转[8]。对草情进行监测, 及时掌握草地生长状况, 并快速进行预测预警, 可以更好的指导三江源区生态环境的保护和发展。因此进行合理的草情诊断, 将对该地区的草地动态变化监测、畜牧业平衡分析、生态环境变化和社会经济发展具有重要意义[9]。

草地地上生物量监测研究主要分为地面测量和遥感两个主要方法[10]。目前有关部门对草情监测的手段, 主要以县为单位逐月进行采样并上报, 均是以点为单位, 但我国草地资源分布广泛, 且空间异质性高, 极易受到地形、可获得性和区域环境的影响, 使用传统手段进行草地监测存在一定滞后性和不全面性[11]。遥感方法是基于植物冠叶的可见和近红外波段的强光谱特征, 具有覆盖范围广, 经济实惠、重访周期短等优点, 目前草地遥感监测比较常用的方法是利用植被指数, 如NDVI[12]。综合植被指数和野外采样数据共同判断草情状况更具有科学性, 产草量和植被覆盖度是度量和评价草地植被状况的重要指标[13]。虽已有关于三江源草地覆盖度或产草量的多年动态变化的研究[14,15], 但均仅阐述多年的覆盖度/产草量动态变化, 无法明确阐释草情的变化状况(如草情呈现变好/变坏趋势)。本研究试图结合多年野外实测数据和遥感数据, 选择三江源生态工程实施前5年的数据构建基准值, 通过分别计算生态工程实施后逐年产草量和植被覆盖度的变化情况, 通过加权求和产草量和覆盖度的变化率计算出草情指数, 进而综合判断生态工程实施后的草地生长变化情况。以期为生态工程实施后效果和大范围的草情监测提供科学依据, 对政府进行区域规划与决策具有重要作用。

1 材料与方法

1.1 研究区概况

三江源地区地处青藏高原腹地青海省南部, 介于东经89°45′—102°23′, 北纬31°39′—36°12′, 海拔2800—6564 m, 素有“中华水塔”之称, 是长江、黄河和澜沧江的发源地, 是高原生物多样性最为集中的区域, 是全球气候变化的敏感区和启动区, 是我国生态安全的重要屏障[16]。三江源区属于典型高原大陆性气候, 降水量集中且降水地域差异较大, 温度日较差大但年较差小, 年均降水量262.2—772.8 mm, 年均气温-5.38—4.14℃, 年蒸发量为730—1700 mm[17]。行政区域包括果洛、海南、黄南、玉树四个藏族自治州的21个县, 以及格尔木市的唐古拉山乡。源区总面积为36.3×104km2, 其中草地面积占三江源地区总面积1/2以上, 为20.3×104km2[18]。三江源地区草地类型主要为高寒草甸类和高寒草原类, 其面积分别为源区草地总面积的76.2 %和23.4 %(图1, 图2)。

图1 研究区地理位置及采样点示意图

Figure 1 The geographic location and sampling points of the study area

图2 三江源地区多年年降水(A)和年均温(B)空间分布图

Figure 2 The spatial of annual precipitation (A) and annual average temperature (B) during 1990-2016

1.2 数据来源与处理

1.2.1 遥感数据

植被指数(Normalized difference vegetation index, NDVI)数据是美国地质调查局(USGS) MODIS-NDVI 16天合成产品(MOD13A1), 数据采集为2000—2016年, 空间分辨率为500 m。通过几何校正、拼接、最大值合成(MVC)每年生长季的10期影像, 并根据刘纪远等[19]提出的土地利用/土地覆被变化(LUCC)数据进行掩膜, 得到研究区2000—2016年每年的草地NDVI最大值合成影像。

1.2.2 野外采样数据

于研究年限的每年7月中旬到8月中旬在三江源地区进行野外调查与采样, 共251个样地, 为了增加样本的代表性, 每个样地选择3个间隔5 m的样方(1 m × 1 m)(图1)。采用标准收获法将样方内所有植物齐地面刈割, 装进信封袋, 带回室内在65 ℃下烘干至恒重进行称重, 得到样方内地上生物量干重。

1.2.3 草地产草量估算

根据Grubbs检验剔除异常值, 鉴于样方的空间分布和草地类型的代表性, 最终有效数据为234个, 将数据集随机划分为构建经验模型(67%,=157)和验证(33%,=77)的数据集。将NDVI与地上生物量进行相关回归分析, 建立的地面-遥感相结合的三江源产草量估算经验模型, 计算2000-2016年的年均产草量。产草量估算经验模型为:

=56.629×4.185NDVI(1)

其中,: 产草量干重, 单位为kg·hm-2。

根据预留的地上生物量数据来验证该经验模型的精度,2较高(0.69), 说明估计值和实测值具有良好的一致性, 且均方根误差(344.37 kg·hm-2), 平均相对误差(26.38%)和平均绝对误差(207.39 kg·hm-2)相对较低。因此, 该草地产草量估算经验模型的计算结果具有可信性。

1.2.4 草地覆盖度

草地覆盖度采用遥感方法计算, 得到2000—2016年草地覆盖度。

计算公式如下:

其中,F为草地覆盖度, NDVI和NDVI分别为区域内最小和最大的NDVI值。由于不可避免的存在噪声, 故NDVI和NDVI取一定置信区间(5%—95%)内的最小值和最大值。

1.3 分析方法

1.3.1 草情诊断基准值的构建

本研究选择草地覆盖度和草地产草量两项指标构建草情诊断基准值。根据千年评估(MA)的理念, “基准年”并非某一个年份, 而是与本底调查相近的若干年份。选取多年数据构建基准值, 通过与基准值的比较, 使得草情诊断结果更具有科学性和可比性。国务院自2005年1月26日三江源工程批准《青海三江源自然保护区生态保护和建设总体规划》, 为了解三江源生态工程后草情变化状况, 选取2000—2004年5年平均草地覆盖度和草地产草量, 构建草情诊断的基准值。

1.3.2 草情指标分项诊断

通过与草地覆盖度/草地产草量基准值进行比较, 计算每年草地覆盖度/草地产草量变化率(公式3, 4), 从而判断其变化程度, 并对草地覆盖度/产草量变化率进行归一化(表1)。在GIS软件中使用标准差分类的方式对变化率进行分类, 变化率的划分参考了青海省地方标准(DB63/T1342—2015)[20]。若产草量/覆盖度变化率>15 %, 则表示植被生长状况变化极好, 并归一化赋值为5; 若变化率为5%—15%, 则表示植被生长状况较好, 并归一化赋值为4; 若变化率为-5%—5%, 则表示植被生长状况一般, 并归一化赋值为3; 若变化率为-5%—-15%, 则表示植被生长状况较差, 并归一化赋值为2; 若变化率为< -15%, 则表示植被生长状况极差, 并归一化赋值为1。

草地覆盖度/产草量变化率公式如下:

C=(–C)/C×100% (3)

Y=(–Y)/Y×100% (4)

其中,C是草地覆盖度变化率,是当年草地覆盖率,C是草地覆盖度基准值;Y为草地产草量变化率,是草地产草量,Y是草地产草量基准值。

1.3.3 草情综合诊断分析

植被覆盖度和生物量是衡量草原生产力大小的最主要的指标, 是描述草地生态系统健康的重要参数。结合草地覆盖度变化率和草地产草量变化率来诊断和分析草情, 综合判断草地植被的生长情况。通过咨询当地专家, 并结合三江源地区草地实际情况和相关文献[21, 22], 确定草地覆盖度变化率和草地产草量变化率权重各占50 %。通过草情综合诊断公式(公式5)计算草情指数(grassland condition index, GCI), 并将草情指数划分为5类, 分别是1、1—2、2—3、3—4、4—5, 代表草情状况为极差、较差、中等、较好、极好。

草情综合诊断公式如下:

GCI=0.5×C+0.5×Y(5)

其中, GCI为草情指数,C为草地覆盖度变化率归一化值,Y为草地产草量变化率归一化值。

1.3.4 趋势变化分析

草情综合诊断长时间段的变化分析采用趋势线分析法。空间栅格数据以像元为单位, 基于ArcGIS软件, 采用最小二乘法, 建立了2005—2016年草情指数的变化趋势特征, 在ArcGIS软件中运用标准差分类的方法对草情指数变化特征进行分类, 草情指数变化特征分类如表2所示, 具体计算公式如下:

表1 基于遥感的草地覆盖度/产草量变化程度归一化表

表2 草情指数变化程度特征分类

其中, slope为变化趋势,为年份,为总年数,y为第年的草情指数。Slope>0说明其变化趋势是变好, 反之则表示变差。

1.3.5 草情变化波动性分析 草情变化的波动性采用变异系数来表示, 具体计算公式如下:

其中,为变异系数,为数据序列的标准差,为数据序列的平均值。

表3 草情变化波动性程度特征分类

2 结果与分析

2.1 三江源地区草情诊断基准值

本研究选取三江源地区2000—2004年5年平均草地产草量和草地覆盖度, 作为三江源地区草情诊断的基准值。结果显示, 2000—2004年三江源地区5年平均产草量为691.39 kg·hm-2, 空间分布呈现东南向西北方向逐渐降低的趋势。2000—2004年5年平均草地覆盖度为0.56, 空间分布同水热分布格局相似, 也同样呈现东南部高西北部低的空间分布格局(图3)。

2.2 三江源地区草情指标分项诊断

以2016年为例, 2016年三江源地区产草量为708.41 kg·hm-2, 空间上呈现东南向西北方向逐渐降低。相比草地产草量基准值(即2000—2004年平均产草量), 2016年三江源地区产草量均值增加了2.08 %, 变化不大。其中东北部产草量明显好转, 西南部和东南部也有所好转, 而中部地区产草量则显著变差(图4)。

2016年三江源地区平均草地覆盖度为0.57, 由东南向西北方向逐渐降低。与草地覆盖度基准值(即2000—2004年草地覆盖度均值)相比, 2016年三江源草地覆盖度均值增加了4.39 %。大部分地区覆盖度呈好转变化趋势, 东南地区呈极度转好状况, 仅中部小范围区域覆盖度呈转差趋势(图5)。

2.3 三江源地区草情综合诊断

从全区草情诊断指数来看, 2016年三江源地区平均草情指数为3.16, 整体草情属于较好。可能与三江源区生态建设工程的实施取得的生态成效, 草地生态状况好转有关。草情状况极好的的草地面积占全区草地总面积21.08%, 主要分布于水热条件好、海拔低的地区, 如东北部的共和县、贵德县、尖扎县、同仁县、贵南县、泽库县、同德县以及兴海县东北部。草情状况较好和中等的草地面积分别占26.50%和28.17%, 主要位于西部和西南部地区, 以及东部地区的中间区域。曲麻莱县、玛多县北部、称多县西南部、达日县东部草情状况草情较差, 且曲麻莱县和玛多县部分区域草情呈极差状态(图6)。黄河源园区、长江源园区和澜沧江源园区绝大部分地区的草情状况呈较好以上, 其草地面积占比分别为43.49%, 45.44%和45.94%。长江源园区草情状况极差的草地面积占比相对最高, 为9.15%, 而澜沧江的面积占比相对最低, 为3.07%。草情状况呈现中等水平的草地面积占比最高的是澜沧江源园区(31.68%), 其次分别为黄河源园区(28.33%)和长江源园区(25.01%)(图7)。

图3 三江源地区草地产草量(左)和覆盖度(右)基准值

Figure 3 Reference value of grassland yield(left)and coverage(right) in the Three-River Headwater Region

图4 2016年三江源地区产草量(左)和产草量变化诊断(右)

Figure 4 Grassland yield (left) and diagnosis (right) at the Three-River Headwater Region in 2016

图5 2016年三江源地区覆盖度(左)和覆盖度变化诊断(右)

Figure 5 Grassland coverage (left) and diagnosis (right) at the Three-River Headwater Region in 2016

2.4 近十年来三江源区域草情的动态变化

整个三江源地区2005-2016年的平均草情指数为3.47, 草情状况较好, 从空间分布来看, 三江源地区呈现北部高南部低, 东北部高中南部低(图8)。根据草情指数分级结果, 草情状况较好和极好的草地, 其年均面积占比分别为25.66%和30.43%, 超过总草地面积的1/2; 草情状况中等的草地面积年均占比为28.98%; 草情状况较差和极差的草地面积占比很低, 12年平均面积占比分别为77%和2.03%, 草情状况中等、较好和极好的草地面积占比显著高于草情状况较差和极差的草地面积占比(图9)。从12年间草情指数的变化趋势来看, 有74.52%的草地在2005—2016年中草情变化基本不变, 6.99%的草地草情轻度变好, 0.51%的草地明显变好, 有16.90%的草地草情变化呈现轻度变差, 1.08%的草地呈现明显变差。根据显著性检验得到, 80.32%的草地草情变化不显著(> 0.05), 14.61%的草地草情指数下降趋势显著(< 0.05), 5.07%的草地草情指数上升趋势显著(< 0.05)(图10)。从草情指数的波动特征来看, 草情波动基本不变和剧烈波动的区域分别仅占总区域面积的6.30%和5.63%, 37.79%的草地处于明显波动状态, 50.28%的草地其草情变化处于轻微波动。东部和北部地区的草情指数波动较小, 处于基本不变和轻微波动的状态; 而西南部和中部地区的草情指数波动明显, 年际变化较大, 这与当地的自然背景特征和政府政策决策具有密切联系(图11)。

图6 2016年三江源的草情状况空间分布

Figure 6 The spatial distribution of grassland condition at Three-River Headwater Region in 2016

图7 2016年三江源草情状况面积比

Figure 7 Ratio of grassland area in different condition

通过分析三江源国家公园的不同园区草情动态分析, 黄河源园区、长江源园区和澜沧江源园区的多年平均草情指数分别为3.78, 3.61和3.14, 表明三个园区的草情状况均较好。黄河、长江和澜沧江分别有70.76%、64.18%和62.97%的草地草情变化趋势<0。根据草情指数变化特征分类, 三个园区的草情变化趋势主要以基本不变为主, 其中澜沧江源园区草情基本不变的草地占比最高, 为76.16%。草情呈持续转好变化的草地面积占比最高的是澜沧江源园区(8.61%), 其次分别为长江源园区(7.60%)和黄河源园区(5.84%)。从3大园区草情变化的波动特征值看, 澜沧江源园区绝大部分地区草情变化呈现明显波动, 明显波动的草地占澜沧江源园区草地面积的62.73%。黄河源园区和长江源园区草情主要为轻微波动, 占各自园区草地面积的55.83%和48.65% (表3)。

3 讨论与结论

本研究基于遥感和多年野外采样数据对三江源自然保护区进行草情诊断。首次在草地植被遥感监测研究中引入“草情指数(grassland condition index, GCI)”的概念, 通过选取多年平均产草量和平均草地覆盖度作为草情诊断基准值, 来分析源区更大时间尺度的产草量和草地覆盖度变化情况, 对产草量和草地覆盖度变化率赋权重综合计算草情指数, 进而诊断草地生长状况, 可以更确切的表达出不同地理位置草地的变化情况, 更具科学性和可比性。

本研究选择2000-2004年作为草情诊断基准值构建年份, 以探究三江源生态工程的实施对草情变化状况的影响。结果表明, 以2016年三江源区草地草情诊断为例, 2016年三江源区产草量和草地覆盖度分别增加2.08%和4.39%。2016年全区草情指数为3.16, 属于草情状态较好。其中东部地区草情指数为4—5, 草地生长状况很好, 主要可能因为工程实施后, 生态移民、减少牲畜、退牧还草等措施, 减轻了该地区的载畜压力, 草地理论载畜量有所提升, 而现实载畜量明显下降[23, 24]。同时该地区水热条件相对较好, 草地生产力较高, 自然承受和恢复能力也更强[25], 且农牧互补特色明显, 较大面积的林地与灌丛也一定程度缓解了载畜压力。曲麻莱县、称多县西南部和玛多县北部部分区域草情指数< 2, 草地状况很差, 表明黄河源区的草地退化较为严重。该地区大部分草地中度持续退化沙化, 自20世纪70年代草地面积退化比例高于70%, 是源区退化最为严重的区域[7], 主要是由于鼠害、气候等原因, 其中曲麻莱县遭受多年干旱, 加速了草地沙化[26]; 称多县草地上开采矿产和挖药材, 属于玉树地震中受灾区域, 生态受到一定程度的破坏, 均造成了草地退化和沙化; 玛多县的鼠害严重, 在高原鼠兔危害严重的地方, 甚至达到了轻度沙漠化的水平[27]。

图8 2005—2016年三江源的平均草情指数空间分布

Figure 8 The spatial distribution of GCI at Three-River Headwater Region during 2005-2006

图9 2005—2016年三江源的草情状况平均面积占比

Figure 9 The ratio of GCI at Three-River Headwater Region during 2005-2006

图10 三江源区2005—2016年草情状况变化趋势(左)和显著性检验(右)图

Figure 10 The change trend (left) and fluctuation (right) of GCI on the Three-River Headwater Region from 2005 to 2016

图11 三江源区2005—2016年草情状况波动特征图

Figure 11 The fluctuation of GCI on the Three-River Headwater Region from 2005 to 2016

表3 三江源地区草情指数波动特征面积占比(%)

2005—2016年三江源区年均草情指数为3.47, 草情状况良好, 草情状况较差的草地面积所占比例均值仅为7.46 %。且12年间草情指数变异系数较小, 年际变幅不大, 草情状况较为稳定。温度增加使得高原植被生长季延长, 进而提高了生产力[28]。同时三江源地区的人工降雨措施的实施, 以及气候变暖趋势下水分条件的改善均有助于植被的恢复。三江源国家公园虽然有较多区域的草情变化呈下降趋势(slope < 0), 但变化不显著, 多年平均草情指数较高, 草情呈现较好状态。其中黄河源园区的多年平均草情指数最高(3.78)且变化波动相对较小。草地草情变化趋势呈现空间差异性, 可能由于高寒草地不同地区的群落处于不同的演替阶段, 其恢复的能力也不尽相同。如属于成熟期的生态系统, 生态结构完整系统稳定, 但其生产能力不高; 属于成长期的生态系统稳定性较差, 但生产力能力较强[29]。如澜沧江园区呈现显著波动的面积占比最高, 同时草情呈变好趋势的面积占比也为最高。在草地恢复的过程中会受到生物和非生物因素的共同影响, 环境因素会在更广的范围内决定物种的分布, 三江源东部地区水热条件相对更好, 草情更趋于变好且稳定性更高。草皮层受到侵蚀后, 会加重水土流失, 加之冬春季大风, 风湿作用会加剧秃斑裸地扩大与连接, 造成“黑土滩”, 这些区域的草地草皮层的恢复过程更为艰难和缓慢。

三江源地区的草情状况总体呈现整体较好的状态, 并且绝大部分地区无显著变化趋势。草情状况较好的地区主要集中于东部, 主要是因为气候变化的影响和国家相关政策的出台。自2005年开始, 三江源自然保护区一期、二期工程相继实施, 三江源区草地地上生物量和覆盖度呈逐渐恢复趋势, 草地生态系统功能也逐步增强, 水源涵养功能也进一步提升, 水源涵养服务增加趋势自西向东呈递增[8, 30]。气候也呈现增温速率有所减缓, 降水量增加, 湿润系数上升的趋势。

[1] DONG Shikui, SHANG Zhanhuan, GAO Jixi, et al. Enhancing sustainability of grassland ecosystems through ecological restoration and grazing management in an era of climate change on Qinghai-Tibetan Plateau[J]. Agriculture Ecosystem and Environment, 2020,287: 106684.

[2] HU Zhongmin, LI Shenggong, GUO Qun, et al. A synthesis of the effect of grazing exclusion on carbon dynamics in grasslands in China[J]. Global Change Biology, 2016, 22: 1385–1393.

[3] EDWARDS K R, KUCERA T. Management effects on plant species composition and ecosystem processes and services in a nutrient-poor wet grassland[J]. Plant Ecology, 2019, 220(11): 1009–1020.

[4] PRENTICE I C, SYKES M T, LAUTENSCHLAGER M, et al. Modeling global vegetation patterns and terrestrial carbon storage at the last glacial maximum[J]. Global Ecology and Biogeography Letters, 1993, 3 (3): 67–76.

[5] KANG Le, HAN Xingguo, ZHANG Zhibin, et al. Grassland ecosystems in China: Review of current knowledge and research advancement[J]. Philosophical Transactions Biological Sciences, 2007, 362(1482): 997–1008.

[6] LIU Naijing, YANG Yaping, YAO Ling, et al. A regionalized study on the spatial temporal changes of grassland cover in the Three River Headwaters Region from 2000 to 2016[J]. Sustainability, 2018, 10 (0): 3539.

[7] 刘纪远, 徐新良, 邵全琴. 近30年来青海三江源地区草地退化的时空特征[J]. 地理学报, 2008, 63 (4): 364–376.

[8] 李迪强, 温琰茂. 三江源区湿地生态系统功能分析及保育[J]. 生态科学, 2006, 1: 67–71.

[9] XU Bin, YANG Xiuchun, TAO Weiguo, et al. MODIS-based remote-sensing monitoring of the spatiotemporal patterns of China's grassland vegetation growth[J]. International Journal of Remote Sensing, 2013, 34 (11): 3867–3878.

[10] LIANG Tiangang, YANG Shuxia, FENG Qisheng, et al. Multi-factor modeling of above-ground biomass in alpine grassland: a case study in the Three-River Headwaters Region, China[J]. Remote Sensing of Environment, 2016, 186: 164–172.

[11] LU Dengsheng. The potential and challenge of remote sensing-based biomass estimation[J]. International Journal of Remote Sensing, 2006, 27 (7): 1297–1328.

[12] LI Feng, ZENG Yuan, LI Xiaosong, et al. Remote sensing based monitoring of interannual variations in vegetation activity in China from 1982 to 2009[J]. Science China: Earth Science, 2014, 57 (8): 1800–1806.

[13] 杜玉娥, 刘宝康, 郭正刚. 基于MODIS的青藏高原牧草生长季草地生物量动态[J]. 草业科学, 2011, 28 (6): 1117–1123.

[14] 樊江文, 邵全琴, 刘纪远, 等. 1988-2005年三江源草地产草量变化动态分析[J]. 草地学报, 2010, 18(1): 5–10.

[15] 肖桐, 王昌佐, 冯敏, 等. 2000–2011年青海三江源地区草地覆盖度的动态变化特征[J]. 草地学报, 2014, 22 (1): 39–45.

[16] 刘纪远, 邵全琴, 樊江文. 三江源生态工程的生态成效评估与启示[J]. 自然杂志, 2013, 35 (1): 40–46.

[17] 易湘生, 尹衍雨, 李国胜,等.青海三江源地区近50年来的气温变化[J]. 地理学报, 2011, 66 (11): 1451–1465.

[18] 樊江文, 邵全琴, 王军邦, 等. 三江源草地载畜压力时空动态分析[J]. 中国草地学报, 2011, 33 (3): 64–72.

[19] LIU Jiyuan, DENG Xiangzheng. Progress of the research methodologies on the temporal and spatial process of LUCC[J]. Chinese Science Bulletin, 2010, 55 (14): 1354–1362.

[20] DB63/T1342-2015, 三江源生态保护和建设生态效果评估技术规范[S].

[21] 张雅娴, 樊江文, 曹巍, 等. 2006-2013年三江源草地产草量的时空动态变化及其对降水的响应[J]. 草业学报, 2017, 26(10): 10-19.

[22] ZHANG Liangxia, FAN Jiangwen, ZHOU Decheng, et al. Ecological protection and restoration program reduced grazing pressure in the Three-River Headwaters Region, China[J]. Rangeland Ecology & Management, 2017, 70: 540–548.

[23] 张良侠, 樊江文, 邵全琴,等.生态工程前后三江源草地产草量与载畜压力的变化分析[J]. 草业学报, 2014, 23 (5): 116–123.

[24] 张雅娴, 樊江文, 张海燕, 等. 关于季节放牧地月适宜载畜量计算方法的探讨[J]. 草业科学, 2018, 35(5): 1308–1314.

[25] 郭泺, 黄琪, 李冬冬. 黄河源头地区土地覆盖的时空变化特征[J]. 生态科学, 2013, 1: 98–103.

[26] 达吉. 关于曲麻莱草地生态保护和建设的思考[J]. 中国畜禽种业, 2013, 11: 6–8.

[27] 李晓英, 姚正毅, 王宏伟, 等. 鼠类对玛多县草地表层土壤的影响及沙漠化作用[J]. 草地学报, 2017, 25 (1): 213–216.

[28] Wang Siyuan, Zhang Bin, Yang Qichun, et al. Responses of net primary productivity to phenological dynamics in the Tibetan Plateau, China[J]. Agricultural and Forest Meteorology, 2017, 232: 235–246.

[29] 张永超. 退化高寒草甸恢复过程中植物群落变化特征及其机制[D]. 兰州: 兰州大学, 2015.

[30] WANG Suizi, FAN Jiangwen, LI Yuzhe, et al. Dynamic response of water retention to grazing activity on grassland over the Three River Headwaters region[J]. Agriculture, Ecosystems and Environment, 2019, 286: 106662.

The study of diagnosis of alpine grassland condition in the Sanjiangyuan Nature Reserve

WANG Suizi1, ZHANG Yaxian1,2, FAN Jiangwen1,*, ZHANG Haiyan1

1. Key Laboratory of Land Surface Pattern and Simulation, Institute of Geographical Sciences and Natural Resources Research, CAS, Beijing 100101, China 2. Institute of Qinghai-Tibetan Plateau, Southwest Minzu University, Chengdu 610041, China

The implementation of ecological protection and construction project has a positive impact on the ecological environment. Alpine grasslands are the main ecosystem type in the Three-River Headwaters Region, China. Accurately monitoring of the condition of grassland is important in guiding the ecological engineering construction and maintaining the balance of grassland ecosystem. Therefore, it is necessary to scientific evaluate the grassland condition. Based on the remote sensing and field sampling data, this paper firstly calculated the average grassland coverage and yield of 5 years before the implementation of the Eco-Project as the reference value of grassland condition, and then based on the weighted sum of grassland coverage and yield changes, the grassland condition index (GCI) was calculated to diagnose the growth status of grassland vegetation after the implementation of the Eco-Project. The results showed that the annual average GCI was 3.47 in the Three-River Headwater Region since the implementation of the Eco-Project. It had a good grassland condition, showing a pattern of getting better from southwest to northeast. The proportion of area with excellent, better and medium grass conditions was significantly higher than that with worse grass condition (<0.05). The fluctuation of the GCI during 2005-2016 was relatively small, with a variation coefficient of 12.47%. 80.32% of the grassland showed no significant change (>0.05), 14.61% showed a significant decline trend, and 5.07% showed a significant increase trend (<0.05). The grassland in the Sanjiangyuan National Park was in good condition. The annual average GCI from high to low was the Yellow River Source Park (3.78), Yangtze River Source Park (3.61), and Lancang River Source Park (3.15). There was no significant change in the GCI of the grasslands above 2/3 in the three parks. The area with significant change in the GCI of the Yellow River Source Park had the highest proportion (17.74%), and the Lancang River Source Park had the lowest (13.49%). The highest percentage of GCI significantly improved area was the Yangtze River Source Park (6.46%), and the lowest was the Lancang River Source Park (3.46%). Since the implementation of the Eco-Protection, grassland has shown good conditions, but some areas have shown a downward trend. We should continue to strengthen the long-term monitoring of grassland condition in Sanjiangyuan Nature Reserve, conduct reasonable grassland condition diagnosis, and increase the ecological protection of areas with poor grass conditions.

grassland condition index; reference value; remote sensing; alpine grassland; Three-River Headwaters Region

10.14108/j.cnki.1008-8873.2022.01.012

王穗子, 张雅娴, 樊江文, 等. 三江源自然保护区高寒草地草情诊断研究[J]. 生态科学, 2022, 41(1): 100–109.

WANG Suizi, ZHANG Yaxian, FAN Jiangwen, et al. The study of diagnosis of alpine grassland condition in the Sanjiangyuan Nature Reserve[J]. Ecological Science, 2022, 41(1): 100–109.

S812

A

1008-8873(2022)01-100-10

2020-05-16;

2020-06-19

第二次青藏高原综合科学考察研究项目(2019QZKK0608); 中国博士后科学基金资助项目(2020M670427); 国家重点研发计划项目(2017YFC0506505)

王穗子(1990—), 女, 四川巴中人, 博士, 特别研究助理, 主要从事生态系统监测与评估, E-mail: wangsz.16b@igsnrr.ac.cn

樊江文, 男, 博士, 研究员, 主要从事草地生态学, E-mail: fanjw@igsnrr.ac.cn