草原火险区划初探

草原火险区划是依据草原火燃烧系统各主导因素和条件 ,将草原区划分为不同等级潜在的发生草原火能力的区域范围。草原火险区划的主要依据包括可燃物量 (牧草 )及其含水量、可燃物的连续性、可燃物细碎度以及可燃物 (牧草 )的高度。同时要考虑风速风向、空气湿度和土壤温度以及坡度等自然影响因素。本文在综合分析研究草原可燃物特征及其环境条件的基础上 ,将内蒙古自治区划分为无、低、中和高 4个草原火险区。     

干旱对内蒙古草原牧草生物量损失的评估方法研究

为探索草原干旱对牧草生物量造成损失的评估方法,以内蒙古扎鲁持旗北部的巴雅尔图草原为例,利用水分亏缺量作为内蒙古草原干旱评估指标,建立不同生长阶段牧草生物量损失评估模型。结果表明,牧草生物损失量与牧草返青期、旺盛生长期的水分亏缺量有着显著的Logistic曲线关系。依此确定了不同干旱等级相对应的牧草生物损失量,以满足草原干旱监测与灾损评估需要。     

浙江森林火险气象等级精细化预报预警系统设计与实现

本文以浙江省气象森林火险等级模型为基础,采用自我研发的GIS控件MIDS为核心,运用计算机和网络技术设计并建立了适合我省使用的森林火险气象等级预报系统。着重介绍了该系统的设计和开发的结构,描述了从模型试验和建立、基础气象原始数据的获取、计算、结果存储、图形化显示和上网等过程。系统实现浙江67县森林火险的精细化预报和预警服务。     

青海湖地区草地绿期预报模式初步研究

草地生态景观是青海湖地区旅游资源的重要组成部分,草地绿期的开始与结束依赖于天然牧草的生长发育状况,而其与气象条件的变化紧密关联。为此,利用多年的牧草观测资料和气象资料,界定了青海湖地区草地绿期开始和结束时间,并建立了绿期开始和结束的预报模式,经比较分析,拟合结果较好,建立的模式能定性的预测出青海湖地区天然草地绿期开始和结束的时间。该结果可为青海湖地区旅游和草原管理部门合理规划利用草地生态旅游资源、安排客源、保护和改善生态以及实现草原经济的可持续发展提供参考依据。     

干旱对内蒙古草地牧草返青期的影响

利用4月份降水量与牧草返青期的关系分析干旱对牧草返青期的影响。研究表明,内蒙古草地牧草返青期与4月份降水量呈显著负相关;在荒漠草原,当4月份降水量减少30%～50%时,牧草返青期将推迟5～15 d;在典型草原和草甸草原,当4月份降水量减少50%以上时,牧草返青期才受降水偏少的影响,推迟10 d左右。建立了干旱等级与补饲、人畜饮水成本损失的对应关系,实现了干旱对草地返青期直接经济损失的定量评估,评估模型符合草地牧草生长规律和畜牧业生产特征,实例评估符合畜牧业实际损失程度,因此,能够在干旱对草地畜牧业影响评估服务中推广应用。     

基于风云3B微波亮温数据的内蒙古草原牧区雪深反演研究

基于内蒙古草原牧区2011~2013年两个积雪季的国产卫星FY-3B双极化亮温数据,通过使用2012年MODIS的MCD12Q1土地覆盖类型产品数据提取内蒙古牧区草地植被类型,同时使用与FY-3B数据同期的MOD10A1日积雪覆盖产品剔除研究区内无积雪覆盖的像元,进而得到内蒙古草原牧区有积雪覆盖区域的FY-3B影像各像元的亮温数据。将亮温数据与研究区内相应的野外固定实验站观测数据及呼伦贝尔市的7个气象站点雪深观测数据建立回归拟合关系,初步建立了基于FY-3B亮温数据的适合于内蒙古草原牧区的雪深反演模型,模型参数拟合决定系数R2为0.59。使用2012年研究区雪深观测值检验模型,均方根误差为3.12cm,平均相对误差为18%,表明所建立的雪深反演模型能够较好地估算和识别内蒙古草原牧区雪深的空间分布特征。     

内蒙古草原锌的分布与评价

摸清内蒙古草原锌的分布状况 ,可为放牧家畜缺锌的防治提供依据。分析检测结果表明 :内蒙古草原类草地中 ,草甸草原、典型草原属于锌适宜草地 ,荒漠草原属于低锌草地 ,应因地制宜 ,对草地采取补锌措施     

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。     

应用数字照相机研究西藏草地产草量

应用农业数字化照相机(ADC)测定西藏草地干物质(DM)量,并与野外采样测定数据相结合,用植被指数测定草地DM量的估测模型.本次研究为4个主要草地类型(高寒草原、高寒草甸、以西藏嵩草为建群种的高寒草甸以及针茅属草为优势种的高寒草原)建立了DM估测模型(与实际有较好的拟合度).该方法为小尺度的草地研究、动态监测和畜牧业生产提供方便、实用、经济且较准确的方法和技术.     

利用MODIS-NDVI进行草地估产研究--以内蒙古锡林郭勒草地为例

MODIS较高的空间分辨率(250 m/pixel)比AVHRR(1.1 km/pixel)在空间分析方面具有更高的精度.以内蒙古自治区锡林郭勒盟的温性荒漠草原、温性沙地典型草原、温性典型草原和温性草甸草原4种具有代表性的草地类型为例,以2002年5-9月的地面测产数据和同步MODIS遥感数据为基础,分别建立每类草地的草产量与MODIS-NDVI关系模型及4类混合的总模型.所有模型均通过0.01的极显著水平的F检验,不同模型拟合效果不同,R由0.55～0.87不等,分析得出:植被覆盖度大、空间分布均匀、NPP大的模型拟合效果好,反之则差.在此基础上初步探讨了利用MODIS-NDVI进行草地估产研究的可行性.     

内蒙古草原生长季干旱预测统计模型研究

选取蒸降差作为草原干旱指标,利用内蒙古自治区的20个站点1971-2004年的逐日气象资料和相关的土壤水分及牧草产量资料,建立生长季4-9月逐日统计预测模型,并进行了30年的回代检验和4年的试报检验,结果表明：各月逐日统计预测模型均能较好地模拟出草原蒸降差的变化趋势,其中4-8月统计预测模型（R2≥0.96）,回代检验和试报检验的平均相对误差均在10%以内,准确率均在90%以上,有较强的实用性,9月逐日统计预测模型相关系数较低,模拟偏差较大,这可能与对异常气候事件、大气环流、未来气候背景、生物与非生物因素等与草原干旱的因果关系考虑的不够深入有关。     

中国草原干旱灾害风险特征研究

干旱灾害是制约中国草原生产力的首要自然灾害。通过分析草原干旱风险的形成原因,收集气象、土壤、植被、地形地貌等数据,从干旱灾害的致灾因子危险性、承灾体暴露性和敏感性以及孕灾环境脆弱性入手,建立了草原干旱风险评价指标体系。采用熵权法确定各指标权重,构建了干旱风险评价模型。基于地理信息系统（GIS）空间分析功能,对中国草原进行了干旱风险评估与区划。结果表明,中国草原的较高危险区主要位于内蒙古地区、河西走廊、柴达木和塔里木盆地边缘、青藏高原西部以及云南地区。较高暴露区主要位于中国的西南和华南地区。较高敏感区主要位于内蒙古东南部、东北地区、青藏高原南部和东部边坡、塔里木盆地北边缘以及西南地区。较高脆弱区主要分布在内蒙古中部和东部、甘肃河西走廊、新疆北部、青藏高原大部分地区、云南和川东地区。较高干旱风险区主要位于内蒙古东北部、东北西部、宁夏北部、塔里木盆地北边缘、青藏高原南部、云贵高原、河南和山东地区。研究结果可为中国草原的科学抗旱提供基础数据与理论支撑。     

构建新型草原避暑度假目的地——以内蒙古为例

内蒙古地处温带,草原资源丰富,地形地貌多样,夏季日温差大,构建草原避暑度假目的地对内蒙古旅游业的发展与草原资源的保护具有重要的意义。本研究在分析草原避暑度假地与传统避暑度假地优劣势的基础上,认为内蒙古草原避暑度假地具有夏季日温差大、空气干爽、空间开阔、地势起伏适宜、视野开阔等特征,进而结合草原避暑度假目的地开发过程中存在的地区经济发展不平衡、旅游发展水平相对滞后、草原环境承载力较小、基础设施落后等问题,指出内蒙古构建草原避暑度假目的地应实现从以量占优到以质取胜、从草原特色到主题创新、从品牌经济到品牌旅游3个转变,并从加大基础设施投入、提升接待设施水平、保护草原生态环境、提倡旅游环保与节能等方面阐述了开发内蒙古草原避暑度假旅游的对策和措施。     

内蒙古草地地下生物量空间格局分析

本文以内蒙古地区198个草地样地地下生物量调查测定数据为基础,结合遥感及气象数据,进行草地地下生物量与海拔、年均气温、年均降雨、≥10℃年积温、湿润度和NDVI等6个生态因子间的回归分析。根据回归拟合方程,借助ArcGIS平台进行单因素插值,并通过插值预测结果与实测数据的拟合程度赋予各因素不同的权重,加权叠加估算,并综合插值出内蒙古草地地下生物量1 km×1 km栅格的空间分布图。结果表明:内蒙古地区草地地下生物量平均值为1364.06 g/m²,其中温性草原类草地的地下生物量最大,为1916.64 g/m²,温性荒漠类最小,为80.39 g/m²;草地地下生物量与年均气温、年均降雨、≥10℃年积温、湿润度和NDVI均有着极显著的相关性;空间格局上,自东北向西南方向草地地下生物量呈现由高向低过渡的趋势,呼伦贝尔盟和锡林郭勒盟东部地区的地下生物量最高,阿拉善盟大部分地区地下生物量较低;内蒙古草地植被地下生物量空间插值数据通过了检验,预测精度为66.62%。     

基于广义线性模型估算内蒙古荒漠草原及典型草原地上生物量变化

本研究基于广义线性模型（generalized linear model,GLM）,利用中分辨率成像光谱仪（moderate resolution imaging spectroradiometer,MODIS）植被指数产品和野外实测的地上生物量数据（aboveground biomass,AGB）,分析了2009-2015年主要生长季5-10月内蒙古荒漠草原及典型草原AGB动态变化及气候因子的关系。结果表明：NDVI幂函数模型最佳模拟内蒙荒漠草原AGB,RVI对数函数模型最优模拟内蒙典型草原AGB;七年间荒漠草原平均地上总生物量为6.51 Tg,典型草原平均地上总生物量为36.94 Tg;2009-2015年主要生长季内蒙荒漠草原及典型草原AGB变化趋势呈现单峰曲线,生物量高峰出现在每年7,8月份,低值出现在每年10月份;AGB空间分布5-10月,以8月为节点随着季相变化南北交替推进;最后采用面板分析方法解释2类草原的限制因子,结果表明荒漠草原降水贡献较大,典型草原气温贡献较大,因此水热动态假说对该格局解释最佳。     

植被指数在典型草原生物量遥感估测应用中的问题探讨

遥感技术兴起于20世纪60年代初,随后被广泛应用于草地遥感估产研究,通过不同尺度数据之间建立植被指数—生物量函数关系来完成由点及面的转换。本研究选用了14种常用于草地估产的植被指数,对内蒙古锡林浩特市白音锡勒典型草原分别建立植被指数—干重、植被指数—鲜重的回归模型并对14种植被指数进行DCA分析发现,1)鲜重及干重应用在草地生物量遥感估测中均是可行的,但干重效果要优于鲜重,考虑到实验条件限制,鲜重具有更广泛的应用;2)DCA排序的第一、二轴分别代表土壤、大气的影响,且土壤是影响植被指数最主要的因子;DCA排序将14个植被指数分为4类,综合排除了土壤及大气影响的一类植被指数,也就是归一化差异植被指数及由其衍生的土壤调整植被指数、修改型土壤调整植被指数效果最好;3)经验数据显示:当生物量低于370 g/m²时,建立的估产模型都是一元线性的;当生物量在370~720 g/m²时,一元线性模型和指数模型的模拟效果都很好;当生物量高于720 g/m²时,估产模型都是指数的,因此,随着生物量范围的增大,模型逐渐由一元线性趋近于指数模型。     

内蒙古地区草地表层土壤容重空间格局分析

本文以内蒙古地区草地表层土壤容重调查测定数据为基础,结合遥感和气候多重数据,进行草地土壤容重与海拔、年均气温、年均降雨、≥10℃积温、湿润度和NDVI等6个生态要素之间的回归分析。根据回归拟合方程,借助ArcGIS平台进行单因素插值,并通过插值预测结果与实测数据的拟合程度进行各因素对土壤容重影响的权重分析,加权叠加并综合插值出内蒙古草地土壤容重1 km×1 km栅格的空间分布图。结果表明：内蒙古地区草地土壤容重平均值为1.45 g·cm^-3,其中温性荒漠类草地的土壤容重最大,为1.58 g·cm^-3,温性草甸草原类土壤容重最小,为1.27 g·cm^-3;空间格局上,草地表层土壤容重自东向西方向呈现由低到高逐渐递增的趋势。综合插值得到的内蒙古草地表层土壤容重空间格局图,通过预测值与实测值之间的复相关性检验,其复相关系数R²=0.6739,均方根误差（RMSE）为0.1424 g·cm^-3,总体偏差为9.77%,平均预测精度达90.23%。综合空间插值结果较好地反映了内蒙古地区土壤容重空间分布情况,与土壤类型和草地类型的分布基本吻合。     

高分一号卫星数据在内蒙古草原遥感监测研究中的应用前景

内蒙古天然草地资源丰富,占全国草地面积的22%,目前草原遥感研究采用的数据在精度和效率上不能完全满足内蒙古自治区草原遥感研究与大面积应用需求。介绍了高分一号卫星数据长时效、高时空分辨率、大幅宽、高效能的特点,分析了其在草地分类,面积监测,生产力监测,牧草品质监测,病虫、鼠害监测及草地生态安全业务化监测体系研究中的应用前景。     

草原“三化”遥感监测技术方法和指标的研究

基于"3S"(遥感,地理信息系统及全球定位系统)技术,结合地面调查资料,探讨了内蒙古草原退化、沙化及盐渍化的(以下简称为草原"三化")空间分布现状及其动态变化,并对大尺度草原"三化"监测的技术方法及指标进行了探索研究,以为内蒙古天然草原恢复工程顺利进行提供可靠的图形资料和统计资料。     

Large-Scale Spatial Patterns of Grassland Community Properties in the Inner Mongolia Autonomous Region,China

Mapping large-scale spatial patterns of grassland community properties in the Inner Mongolia Autonomous Region of China and learning how they are affected by environmental factors are vital to understand grassland changes in response to climate change and human activity. We collected data on six grassland community properties across 198 sample plots in the Inner Mongolia Autonomous Region: height, coverage, aboveground biomass (AGB), belowground biomass (BGB), soil bulk density (SBD), and species number (SN). We then analyzed the relationship between these and a range of environmental factors, including elevation, mean annual temperature (MAT), mean annual precipitation (MAP), ≥ 10 C annual accumulated temperature, humidity index, and normalized difference vegetation index (NDVI), using correlation and regression analysis. On the basis of the regression equation, we undertook a multifactor model using ArcGIS, in which different weights were assigned to each factor according to the degree of fitness between the estimated results and measured data. We then mapped the spatial distribution of grassland community properties in Inner Mongolia. We found a significant correlation between all of the grassland community properties and environmental factors measured (P < 0.01). In terms of spatial patterns, SN, height, coverage, AGB, and BGB were positively correlated with the transition from desert grassland to meadow grassland. The community properties model provided good results, with average accuracies of 53.05–90.21% and R² values of 0.40–0.68 (P < 0.01) across the six grassland community properties. The multifactor comprehensive model provides significant correlation between the predicted results and measured data. Therefore, this could be used as a basis for future studies on Inner Mongolia grasslands and to understand temporal and spatial changes of grassland in response to human activity and climate change.