基于STARFM的草地地上生物量遥感估测研究——以甘肃省夏河县桑科草原为例

遥感数据具有实时、动态、大范围等特点,在草地资源监测与管理研究中获得了广泛应用。然而,单一的遥感植被指数无法同时满足草地地上生物量观测中时空分辨率的需求。因此,本研究基于时间序列Landsat NDVI和MODIS NDVI数据,结合时空融合算法（spatial and temporal adaptive reflectance fusion model, STARFM）,生成了2000-2016年高时空分辨率的植被指数数据集（NDVI_STARFM,时间分辨率为16 d,空间分辨率为30 m）,并基于2013-2016年地面实测草地地上生物量数据,构建了夏河县桑科草原高寒草地地上生物量遥感反演模型,分析了2000-2016年研究区草地地上生物量生长状况和变化趋势。结果表明：1）基于NDVI_STARFM的最优估测模型为乘幂模型,其R²为0.58,均方根误差（root mean square error, RMSE）为795.62 kg·hm^-2,模型的表现能力次于Landsat NDVI最优估测模型（R²=0.76,RMSE=634.83 kg·hm^-2）,而优于MODIS NDVI最优估测模型（R²=0.24,RMSE=937.79 kg·hm^-2）;2）基于NDVI_STARFM最优估测模型对各样区草地地上生物量总产的估测精度优于MODIS NDVI而次于Landsat NDVI,总体精度达84.05%;3）2000-2016年来,夏河县研究区草地地上生物量总体呈现增加趋势,其中90%左右的区域年增量大于30 kg·hm^-2,草地地上生物量呈现减少趋势的区域仅占2.30%。     

基于随机森林的高寒草地地上生物量高光谱估算

草地地上生物量（Aboveground biomass,AGB）是衡量草地生产力的关键因素,准确测定草地AGB具有重要意义。高光谱因具有时效性强、不破坏草地等特点被广泛用于草地生理生态指标的测定。本研究提取和计算了海北试验站高寒草地冠层的原始光谱（Original spectrum,OR）反射率、一阶微分光谱（First derivative spectrum,FD）反射率、光谱位置面积参数（Spectral parameters of spectral position and area,PA）和植被指数（Vegetation indices,VI）4种不同类型的特征变量,使用连续投影算法（Successive projections algorithm,SPA）和递归特征消除算法（Recursive feature elimination,RFE）进行特征选择,采用随机森林算法（Random forest,RF）构建草地AGB估测模型。结果表明：在由4种特征变量分别构建的草地AGB估测模型中,基于VI的RF模型精度最高（测试集R²=0.70,RMSE=557.87 kg·ha^-1）,实测AGB与估测AGB的线性R²达到0.72;不同类型特征变量组合构建的草地AGB估测模型中,PA+VI组合的RF模型精度最高（R²=0.71,RMSE=548.97 kg·ha^-1）,实测AGB和估测AGB的线性R²达到0.73。     

基于机载激光雷达与高景一号数据的草原地上生物量反演研究

草原地上生物量(AGB)是草原调查监测中的重要指标，是草原生态保护和资源合理利用的依据，对草原可持续发展与科学管理具有重要意义。本研究以广西兴安县热性灌草丛为研究对象，结合机载激光雷达数据与高分辨率多光谱卫星影像，利用2021年采集的89个实地样方调查数据，对草原AGB进行了遥感反演研究。结果表明，草层高度信息是草原AGB建模的重要指标。增强型植被指数(EVI)、比值植被指数(RVI)、归一化植被指数(NDVI)中EVI与AGB的相关系数最高(0.666)，高度指标中平均草层高度(CHM_mean)与AGB的相关系数最高(0.686)，二者结合的指标中RVI×CHM_mean与AGB的相关系数最高(0.735)。模型精度验证结果显示，EVI模型中均方根误差(RMSE)最低，为292.047 g·m^-2,CHM_mean模型中RMSE最低，为245.084 g·m^-2,RVI×CHM_mean模型中RMSE最低为225.872 g·m^-2。结果...     

基于Sentinel-2数据的青海门源县天然草地生物量遥感反演研究

草地地上物生物量(AGB)是评价草地生产力的重要指标，精准反演天然草地的AGB，对草地长势监测和草畜平衡评估具有重要的意义。由于常用的遥感数据(如Landsat和MODIS等)受较低时间或空间分辨率引发的诸多问题的影响，因此探索具有更高时空分辨率及更多光谱波段的Sentinel-2卫星数据在县域尺度的草地植被监测状况具有极其重要的作用。利用Sentinel-2卫星遥感影像和青海门源县实测草地AGB数据，构建了基于随机森林(RF)、支持向量机(SVM)和人工神经网络(ANN)3种机器学习方法的草地生物量估算模型，研究了2019-2021年门源县天然草地生物量时空分布特征。结果表明：1)Sentinel-2卫星影像的3个原始波段(B2、B6、B11)和2种植被指数[反红边叶绿素指数(IRECI)和特定色素简单比值植被指数(PSSRa)]，是草地AGB敏感的特征变量。其中，红边波段(B5、B6、B7)对天然草地AGB遥感反演具有重要作用。2)基于RF算法的草地AGB估测模型是门源县天然草地生物量估测的最优模型(验证集R2为0.72,RMSE为622.616 kg·hm-2)，优于SVM模型(...     

不同草地类型WOFOST模型参数敏感性分析

以C为驱动的WOFOST作物生长模型是基于作物生理生态过程,综合考虑了CO₂、土壤、气候等因素对产量的胁迫作用,因此,对WOFOST模型参数进行本地化和优化便可实现时间连续且高精度的草地生物量监测。为探讨WOFOST参数敏感性分析结果在不同草地类型覆盖区表现出的不确定性问题,在天祝藏族自治县不同草地覆盖区选择了4个站点,利用气象数据、草地实测数据及土壤数据,基于扩展傅里叶幅度敏感性检验法（EFAST）研究潜在水平（指保证营养元素和水分为最佳供应,草地地上生物量仅由辐射、温度和作物特性决定）和水分限制水平（假设营养元素的供给仍然是最佳的, 但需考虑土壤有效水分对蒸发和草地生物量的影响）下WOFOST模型在不同草地类型覆盖区的全局敏感性参数和优化模型模拟精度。结果表明潜在生产水平下草地地上生物量（AGB）的敏感参数有比叶面积（SLATB）、单叶片CO₂的初始光能利用率（EFFTB）、最大光合速率（AMAXTB）、根相对维持呼吸速率（RMR）、总干物质占根和叶的比例（FRTB和FLTB）,水分限制条件下的敏感参数有SLATB、AMAXTB、RMR和FLTB。不同生产水平下叶面积指数（LAI）的敏感参数一致,从出苗到出苗后60 d主要受到SLATB、FLTB和FRTB的影响,出苗后60~200 d的敏感性参数为FLTB、FRTB、SLATB和漫射可见光的消光系数（KDIFTB）,LAI开始下降后受到KDIFTB的敏感性增强。其中,山地草甸AGB的模拟值与观测值模拟精度最高,R²=0.94、RMSE=11.71 g·m^-2,高寒草甸模拟精度最低,R²=0.83、RMSE=32.68 g·m^-2。温性荒漠草原LAI的模拟值与观测值模拟精度最高,R²=0.96、RMSE=0.02,温性草原模拟精度最低,R²=0.66、RMSE=0.38。敏感性分析方法在WOFOST模型中的应用减少了人为主观因素的影响,极大地缩短了调参时间,对获取时间连续的草地生长监测方法选择提供参考。     

青藏高原草地地上生物量的ANNs模拟分析

草地地上生物量(Aboveground biomass,AGB)的估算有助于理论载畜量的确定。基于人工神经网络(Artificial neural networks,ANNs),利用遥感植被指数和气候变量与AGB观测值构建函数关系,进行了青藏高原草地AGB的模拟,并基于岭回归分析了每个气候因子对AGB变化的影响强弱。结果表明,在训练期(测试期),ANNs的模拟值与实测值之间的R²为0.92(0.88),RMSE为18.48(23.62)g·m^-2。草地类型从草丛到草甸再到草原,AGB依次减少。AGB随海拔的升高先增加后减少。海拔3 400～3 800 m的区域AGB最高。ANNs与5个机理模型对比,发现ANNs模拟值偏低和偏高的面积分别占总面积的1%和10%,主要原因是训练资料的均值与相应地区中机理模型模拟值的偏差所致。影响因子按重要性从高到低的排序分别为大气CO₂浓度、饱和水汽压差、前一年降雨量、平均风速和平均气温。     

基于MODIS逐日地表反射率数据的青南地区草地生长状况遥感监测研究

大范围草地生长状况遥感监测对研究草地变化动态和草地畜牧业的管理具有重要意义。利用2010-2013年的草地外业调查数据和EOS Terra MODIS每日地表反射率产品MOD09GA,采用空间分析方法分别计算了生长季(5-9月)草地NDVI_max, EVI_max, NDVI_mean和EVI_mean4种植被指数,探讨了这4种植被指数与草地地上生物量之间的遥感反演模型,分析了青南地区草地生长季多年NDVI平均值空间分布特征;根据所选的最优模型反演了青南牧区近10年(2004-2013年)的草地地上生物量,统计分析了地上生物量的空间变化特征。结果表明,青南地区多年NDVI平均值和草地地上生物量总体上均具有由西北向东南逐渐增加的空间分布特点。不同草地类型的生物量差异显著。近10年来山地草甸类的生物量最高,达1280 kg DW/hm²;其次为高寒草甸类、温性草原类、温性荒漠类和沼泽类,生物量介于244.9~902.4 kg DW/hm²;高寒草甸草原类、高寒荒漠类和高寒荒漠草原类生物量较小,在65 kg DW/hm²以下。海拔对生物量具有明显的影响,在3500 m以上地区的草地生物量随海拔的升高而减小。当海拔介于3500~4000 m,最大生物量达1358.8 kg DW/hm²;海拔介于4000~4500 m,生物量小于920 kg DW/hm²;海拔介于4500~5000 m,生物量为574.2 kg DW/hm²;海拔大于5500 m,生物量仅为94.4 kg DW/hm²。统计分析近10年间的NDVI变化趋势发现,三江源地区的黄河、长江和湄公河三大流域及各行政区的草地植被生长状况以轻度改善和改善为主,总体趋于良好。     

基于MODIS数据的伊犁地区草地地上生物量反演

为伊犁草地资源监测、保护及合理利用提供参考依据,利用新疆伊犁地区2012年7-8月野外草地地上生物量采样数据和同期的MODIS数据,分析了增强型植被指数(EVI)、归一化植被指数(NDVI)与实测草地地上生物量的一元线性、指数和二次多项式回归模型,并对各种回归模型进行分析比较.利用优选模型的反演结果分析了伊犁地区地上生物量的空间分布.结果表明:各植被指数都与实测生物量有较好的相关性,但以EVI指数建立的二次多项式回归模型(y = 14759x²-4758x + 1346,R²= 0.8402)较优,拟合模型平均估产精度达到 92.19%,可作为该区域草地地上生物量遥感反演模型;伊犁地区2012年平均产草量为1817 kg·hm^-2,总产草量达70.59×10⁸ kg,并且产草量随高程增加呈现先增加后减少的特征.     

NDVI相似性分区下天山地区草地总产草量遥感估算

山区草地总产草量遥感估算是定量评价区域牧业生产力的有效手段。常规总产草量地面观测数据准确性较高,但无法覆盖整个天山山区,且耗时耗力。针对此问题,以新疆天山山区为研究区,选取MODIS/MOD13Q1 250m植被指数(normalized difference vegetation index,NDVI)产品数据,以县(市)为单元,基于巴氏距离定量评价研究区植被指数分布区域相似性以得到有效遥感建模分区,在此分区基础上,结合草地总产草量实测数据,建立研究区植被指数-草地总产草量遥感估算模型。结果显示,1)基于各县(市)2009-2015年7月底至8月初植被生长期多年NDVI均值直方图计算巴氏距离,以巴氏距离d0.5为阈值,研究区被划分为7个遥感建模区;2)各分区内NDVI-草地总产草量数据拟合方程形式不同,有线性、指数、幂指数和多项式回归方程几种形式。总体来看,各分区NDVI-草地总产草量拟合相关系数在0.784~0.836。交叉检验除天山北坡西段-伊犁河谷草原畜牧业区RMSE值在2 951kg·hm-2外,其他分区RMSE值均在266~928kg·hm-2,原因在于伊犁河谷草原畜牧业区实测草地总产量在10 000~30 000kg·hm-2的样点居多,区域草地总产量较其他区域多。     

基于ADC和MODIS遥感数据的高寒草地地上生物量监测研究——以黄河源区为例

利用2015-2016年8月采集的黄河源区草地生物量数据和MODIS卫星遥感资料,结合农业多光谱相机(agricultural digital camera,ADC)获取的植被指数数据,比较分析3种_(ADC)植被指数(NDVI_(ADC)、SAVI_(ADC)和GNDVI_(ADC))与野外实测草地地上生物量(above-ground biomass,AGB)数据的相关性,筛选出适合构建草地AGB反演模型的_(ADC)植被指数;结合MODIS NDVI(记作NDVIMOD)构建草地地上生物量反演模型,采用留一法交叉验证方法评价各模型精度,确立适宜模拟研究区草地AGB的最优模型;并利用NDVI_(ADC)校正NDVI_(MOD),获得高分辨率、高精度的草地AGB遥感监测改进模型。结果表明,1)基于_(ADC)获取的3种植被指数中,NDVI_(ADC)与高寒草地地上生物量关系最为密切,其次为SAVI_(ADC),拟合效果最差的是GNDVI_(ADC);2)基于NDVI_(ADC)建立的草地AGB监测模型的精度(RMSEP介于383.55~393.18kg DW/hm2;r范围为0.65~0.66)远高于NDVI_(MOD)的模型精度(RMSEP介于421.08~427.00kg DW/hm~2;r范围为0.55~0.58),NDVI_(ADC)反演得到的草地AGB更接近于黄河源区草地实际生物量,且相较于NDVI_(ADC),NDVI_(MOD)的样本值整体偏高;3)在NDVI_(ADC)构建的4类模型中,线性和乘幂模型模拟研究区草地AGB的能力较好,但线性模型精度更高(y=3248.93×NDVI_(ADC)-305.59,RMSEP=383.55kg DW/hm~2,r=0.66),该模型为黄河源区草地生物量的估测提供了一个新型且易操作的方法;4)NDVI_(ADC)与NDVIMOD相关性较高,利用NDVI_(ADC)校正NDVI_(MOD)可以改进草地AGB遥感反演模型,优化模型为y=2455.54×NDVI_(MOD)-301.69。该模型可在大尺度范围内估测黄河源区的草地生物量,且模型精度接近于地表测量法的监测精度。     

基于Sentinel-2和Landsat 8数据的天祝县草地地上生物量遥感反演

为精确获取区域草地地上生物量（Above-ground biomass，AGB），本研究利用Sentinel-2和Landsat 8数据，计算5种植被指数，与野外实测AGB建立草地AGB遥感估算模型，并用均方根误差、决定系数和平均相对误差等指标综合比较不同估算模型的反演精度。结果表明：5种植被指数与草地AGB均显著相关；基于Sentinel-2数据建立的AGB估算模型总体上优于Landsat 8的估算结果；7月最优反演模型为基于差值植被指数（Difference vegetation index，DVI）的二次多项式模型，精度达86％；8月最优反演模型为基于绿色归一化植被指数（Green normalized difference vegetative index，GNDVI）的指数模型，精度达84％；天祝县草地AGB的空间差异明显，不同草地类型平均AGB顺序为：山地草甸>高寒草甸>温性草原>温性荒漠草原。以上研究结果可为研究区草地AGB合理估算和放牧管理提供科学依据。     

沟垄集雨下密度和施氮对黄土高原青贮玉米叶片酶活性及水氮利用的影响

为探究沟垄集雨下青贮玉米叶片酶活性与水氮利用效率对种植密度和施氮量的响应,于2019和2020年在甘肃环县开展田间试验,设置4个种植密度（D₁：6.0万株·hm^-2;D₂：7.5万株·hm^-2;D₃：9.0万株·hm^-2;D₄：10.5万株·hm^-2）和4个施氮水平（N₀：0 kg·hm^-2;N₁：120 kg·hm^-2;N₂：240 kg·hm^-2;N₃：360 kg·hm^-2）。结果表明：1）在吐丝期和灌浆期,硝酸还原酶（nitrate reductase, NR）、超氧化物歧化酶（superoxide dismutase, SOD）、过氧化氢酶（catalase, CAT）活性随着密度的增加而降低,N₂、N₃处理的灌浆期NR、SOD和CAT活性显著高于N₀。2）饲草产量（干草和鲜草）随着密度升高而逐渐增加,N₃处理的平均饲草产量最高,但与N₂处理无显著差异。3）D₃、D₄处理的降水利用效率（precipitation utilization efficiency, PUE）和生物量水分利用效率（biomass water use efficiency, WUE_B）显著高于D₁和D₂,且D₃处理的籽粒产量水分利用效率（grain yield water use efficiency, WUE_G）最高。N₂、N₃处理的PUE、WUE_B、WUE_G均显著高于N₀和N₁,且N₂处理的WUE_B、WUE_G最高。4）D₃、D₄处理的植株氮含量小于D₁,而氮吸收量、氮肥农学效率（nitrogen agronomic efficiency, AEN）和氮肥利用效率（nitrogen use efficiency, NUE）显著高于D₁。随着施氮量的提高,氮含量与氮吸收量提高,而AEN和NUE则随施氮量增加呈先增高后降低的趋势。密度与施氮的交互作用对叶片酶活性和水氮利用效率影响不显著。所有处理中D₃-N₂的NUE、WUE_G和WUE_B最高,同时获得较高的饲草产量,该措施是一种适宜黄土高原地区青贮玉米种植的管理模式。     

基于机器学习的阿勒泰地区草地地下生物量估测与数字制图

为精准估算草地地下生物量，分析其水平及垂直空间格局，实现草地地下生物量（BGB）的数字制图。调查了2015年阿勒泰地区草地生长季节（6-8月）的生态要素和地下生物量。以地理位置、地形、气候、土壤和植被中的代表性信息为基础，基于机器学习算法估测研究区0~30 cm的草地地下生物量，并根据估测结果利用空间插值法得到地下生物量的空间分布格局，最终实现草地地下生物量的数字制图。结果表明：1）相比偏最小二乘回归（PLS）和随机森林模型（RF），支持向量机模型（SVM）在0~10 cm、10~20 cm和20~30 cm土层地下生物量的估测中表现出最高的精度，验证集数据的精度（R²）依次为0.77、0.67和0.69，相应的RMSE为245.56、98.81和63.58 g·m^-2。从空间插值的效果看，反距离权重插值（IDW）优于径向基函数插值（RBF）和张力样条插值（SPL）。2）进一步比较了不同估测模型与空间插值方法间的组合能力，结果显示，在阿勒泰地区的草地地下生物量研究中，SVM+IDW是可靠的估测模型和空间化方法的组合。在0~10 cm、10~20 cm和20~30 cm土层的草地地下生物量数字制图的R²为0.73、0.64和0.60，RMSE为269.73、108.14和73.01 g·m^-2。3）阿勒泰地区草地地下生物量均值为1265 g·m^-2，是全国平均值的两倍，与全球平均水平相当。其中，高寒草甸的地下生物量最大，为2908.50 g·m^-2，温性荒漠的地下生物量最小，为776.84 g·m^-2，全区草地地下生物量共计1.27×10⁸ t（≈0.13 Pg）。全区草地地下生物量的空间变化明显，整体上自北向南，由山地向平原呈递减的趋势。     

吉林地区麦后复种饲用油菜与燕麦混播效应研究

旨在探讨适合吉林地区麦后复种饲用油菜与燕麦混合播种方案。试验以单播油菜（15 kg·hm^-2）和燕麦（220 kg·hm^-2）为对照组，按照播种量占单独播种量50%、60%、70%、80%、90%、100%的比例进行组合混播，以A~F顺序标记燕麦播种率，以1~6顺序标记油菜播种率，设定3次重复，共计108个试验小区。播种后分别在油菜抽薹期、盛花期、结荚期取样，对作物的生产性能进行评价，并采用灰色系统理论对结果进行分析。结果表明：抽薹期试验组干草产量范围是3999.89~5367.28 kg DM·hm^-2，粗蛋白质含量范围是10.16%~13.99%，中性洗涤纤维含量范围是49.88%~64.51%，酸性洗涤纤维含量范围是36.88%~41.52%。盛花期试验组干草产量范围是5102.35~6453.52 kg DM·hm^-2，粗蛋白质含量范围是11.28%~16.01%，中性洗涤纤维含量范围是57.99%~69.37%，酸性洗涤纤维含量范围是33.88%~48.80%。结荚期试验组干草产量范围是5737.16~6988.16 kg DM·hm^-2，粗蛋白质含量范围是9.25%~13.12%，中性洗涤纤维含量范围是57.10%~68.88%，酸性洗涤纤维含量范围是32.99%~41.01%。表明混播处理C₁在油菜抽薹期和盛花期的综合评价最高，干草产量分别为5281.23及6152.52 kg DM·hm^-2。混播处理C₂在结荚期综合评价最优，干草产量为6988.16 kg DM·hm^-2。     

河西地区豆禾混播草地生产性能对刈割高度与施肥的响应

刈割和施肥是豆禾混播草地生产过程中极为重要的田间管理措施，合理的留茬高度和氮磷配施模式可以有效提高混播草地的生产性能。为探究不同留茬高度和施肥模式对多年生豆禾混播草地产量与品质的影响，在河西走廊地区以紫花苜蓿、无芒雀麦和长穗偃麦草1∶1∶1建植的第3年豆禾混播草地为试验对象，利用裂区试验设计，以留茬高度为主区，设置5 cm（A₁）、8 cm（A₂）、11 cm（A₃）3个留茬高度，施肥模式为副区，设置不施肥CK（B₁）、单施磷肥：150 kg P₂O₅·hm^-2（B₂）、低氮高磷：75 kg N·hm^-2+225 kg P₂O₅·hm^-2（B₃）、氮磷平衡：150 kg N·hm^-2+150 kg P₂O₅·hm^-2（B₄）、单施氮肥：150 kg N·hm^-2（B₅）、高氮低磷：225 kg N·hm^-2+75 kg P₂O₅·hm^-2（B₆）6个施肥模式，在混播草地中豆科牧草初花期进行刈割，施肥方式为第1茬刈割后追施。结果表明：以A₃B₃（11 cm留茬高度和75 kg N·hm^-2+225 kg P₂O₅·hm^-2的施肥模式）处理组合全年产量最高（19626 kg·hm^-2）；A₂B₂（8 cm留茬高度和150 kg P₂O₅·hm^-2的施肥模式）处理组合全年产量最低（14342 kg·hm^-2）。提高留茬高度会在一定程度上降低紫花苜蓿整体品质，提高禾本科牧草整体品质。增施氮肥的同时减施磷肥可有效提高牧草粗蛋白含量和相对饲用价值（RFV），施用量过高会使牧草粗蛋白含量和相对饲用价值下降，最合理的氮磷配施模式为150 kg N·hm^-2+150 kg P₂O₅·hm^-2。综合产量和品质的结果来看，适当的磷肥施用量可以显著提高牧草营养品质。利用TOPSIS综合评价模型对混播草地产量及各混播组分营养品质进行整体评价后得出：8 cm的留茬高度以及施150 kg N·hm^-2+150 kg P₂O₅·hm^-2的氮磷为适宜在河西走廊地区紫花苜蓿+无芒雀麦+长穗偃麦草混播草地利用的留茬高度与施肥模式的组合。     

基于MODIS的南方草地NPP遥感估算与应用

草地NPP遥感模型的构建是实现大面积草地NPP估算的有效途径之一。以MODIS-NDVI数据为基础,以南方草山草坡为研究对象,结合野外实测数据,分析了草地NPP与NDVI之间的关系,同时构建了以NDVI为自变量以及水热条件为调节因子的南方草地NPP遥感估算模型,并通过不同年份独立的实测数据对模型进行了验证。结果表明,南方草地NPP与NDVI之间存在5种相关类型,均达到了极显著水平。NPP的模拟值和实测值之间具有很好的相关性和一致性,5种草地类型R²分别为0.902 2,0.826 6,0.871 2,0.887 7和0.875 5,均达到了极显著水平,均方根误差(RMSE)和相对均方根差(RRMSE)均较小。表明模型的模拟结果比较可靠,为南方草地NPP估算及草地资源管理提供了一种有效的方法。     

氮磷添加对藏北人工牧草生产性能和品质的评价

采用田间实验，随机区组设计，选用禾本科牧草绿麦、燕麦，豆科牧草箭筈豌豆、藏豌豆为试验材料，设置不施肥（CK）、尿素75 kg·hm^-2（N）、磷酸二铵375 kg·hm^-2（NP）、有机肥22500 kg·hm^-2（OM），尿素75 kg·hm^-2+磷酸二铵375 kg·hm^-2+有机肥22500 kg·hm^-2（NPOM）5种处理，应用相关分析和4种评价模型对藏北人工牧草的生产性能和营养品质进行关联性分析和综合评价。结果表明：1）与未施肥（CK）相比，氮磷添加均提高了牧草的生产性能和营养价值，使牧草的主要物候期提前1~12 d。2）简单相关和偏相关分析表明对藏北人工草地的产量影响最大的是株高和出苗率，其次也应关注牧草的茎叶比、分蘖/枝数和盖度。3）主成分分析法、隶属函数分析法、灰色关联分析法、相似优先比法综合评价表明以NPOM处理的绿麦与藏豌豆，NP处理的燕麦、绿麦与藏豌豆，NP和NPOM处理的人工牧草综合评价最佳。因此，藏北人工草地建设过程中应适当地提高株高及出苗率，选用绿麦与藏豌豆混播进行NP、NPOM处理对提高草地生产性能，改善牧草品质效果最好，适宜在藏北地区大面积种植。