厲方楨，鐘華平，歐陽(yáng)克蕙，趙小敏，3*，李愈哲*

（1. 江西農(nóng)業(yè)大學(xué)，江西 南昌 330045；2. 中國(guó)科學(xué)院地理科學(xué)與資源研究所，北京 100101；3. 江西省鄱陽(yáng)湖流域農(nóng)業(yè)資源與生態(tài)重點(diǎn)實(shí)驗(yàn)室，江西南昌 330045）

草地占陸地面積的1/4，是世界上關(guān)鍵的陸地生態(tài)系統(tǒng)之一［1-2］。草地生物量由地上部分和地下部分組成，其空間格局決定了草地生態(tài)系統(tǒng)生產(chǎn)力的分布［3］。目前可以通過(guò)不同的參數(shù)和途徑較好地估算地上生物量［4］，但對(duì)地下部分的估測(cè)仍然存在難度［5-7］。因此，成功估算草地地下生物量并實(shí)現(xiàn)二維空間化，對(duì)研究草地系統(tǒng)生產(chǎn)力的空間分布具有重要意義［8-10］。

地理位置、氣候條件、土壤性質(zhì)和植被特征都影響著草地地下生物量的空間變化，是估測(cè)草地地下生物量的重要環(huán)境要素，特別是水熱條件與草地植物物候密切相關(guān)［11］。一些研究也證實(shí)，優(yōu)越的水熱配合可以在加快草地再生的同時(shí)延長(zhǎng)草地生長(zhǎng)周期，提高草地生物量［12］。因此，考慮到生態(tài)因子和草地生物量之間的聯(lián)系，一些學(xué)者基于多源數(shù)據(jù)，利用傳統(tǒng)多元線性方程估算草地地下生物量［13-14］。但從結(jié)果上看，仍然無(wú)法實(shí)現(xiàn)對(duì)地下根系的有效估測(cè)。機(jī)器學(xué)習(xí)作為人工智能的核心，是一種通用性的數(shù)據(jù)處理技術(shù)，包含大量學(xué)習(xí)算法，是科學(xué)研究的前沿手段［15］，已被廣泛應(yīng)用于解決工程應(yīng)用和科學(xué)中的復(fù)雜問(wèn)題，在互聯(lián)網(wǎng)、金融、農(nóng)業(yè)、醫(yī)學(xué)等領(lǐng)域的工作中表現(xiàn)理想?？臻g化是數(shù)字制圖的另一個(gè)重要部分，也是進(jìn)一步分析草地生物量空間格局的重要參考。在實(shí)際研究中，野外的實(shí)測(cè)數(shù)據(jù)雖然質(zhì)量高，但不能反映空間上的變化。空間插值能將離散點(diǎn)的測(cè)量數(shù)據(jù)轉(zhuǎn)換為連續(xù)的數(shù)據(jù)曲面，是實(shí)現(xiàn)點(diǎn)狀數(shù)據(jù)空間化的主要手段。因此，空間化方法的選擇也至關(guān)重要，更適合的空間化方法必然能得到更符合客觀實(shí)際的結(jié)果。

目前，經(jīng)驗(yàn)?zāi)Ｐ徒Y(jié)合了野外調(diào)查和衛(wèi)星遙感的優(yōu)點(diǎn)，是草地生態(tài)系統(tǒng)監(jiān)測(cè)研究中生物量模擬的主流方法［16］。在一些研究中，基于實(shí)地調(diào)研數(shù)據(jù)，通過(guò)氣溫和降水等簡(jiǎn)單要素能簡(jiǎn)單地估測(cè)出研究區(qū)的草地地下生物量，這樣的草地類(lèi)型往往是單一的或是相似的，比如高原地區(qū)［17］。但受地形、土壤等多重要素的影響，陸地表面的草地類(lèi)型在空間上的變異是必然的［18］。這導(dǎo)致某一草地類(lèi)型下得出的模擬方法在外推時(shí)存在局限性。因此，本研究嘗試一種更能適應(yīng)復(fù)雜地形的綜合模擬方法，在實(shí)現(xiàn)草地地下生物量估測(cè)的同時(shí)完成數(shù)字制圖。

阿勒泰地區(qū)是典型的優(yōu)良牧場(chǎng)，共有7 種草地類(lèi)型：自干旱半干旱環(huán)境的溫性荒漠向高寒條件的高寒草甸過(guò)渡，這為復(fù)雜地形中的草地生物量研究提供了獨(dú)特的優(yōu)勢(shì)。本研究依托野外實(shí)測(cè)和遙感數(shù)據(jù)，通過(guò)比較機(jī)器學(xué)習(xí)模型，估算阿勒泰地區(qū)的草地地下生物量，篩選合適的空間插值方法實(shí)現(xiàn)草地地下生物量估測(cè)值的空間化，并分析其空間格局，得出“估算模型+空間插值方法”的可靠組合，實(shí)現(xiàn)阿勒泰地區(qū)草地地下生物量的數(shù)字制圖。

1 材料與方法

1.1 研究區(qū)概況

阿勒泰地區(qū)（85°31′36″-91°04′23″E，45°00′00″-49°10′45″N），位于阿爾泰山南麓，是歐亞草原的典型地區(qū)，國(guó)土總面積1.18×105hm2。山地、平原、丘陵和沙漠4 種主要地貌并存。該地區(qū)屬寒溫帶大陸性氣候，年平均氣溫4.5 ℃，年平均降水量200 mm（山區(qū)為400～600 mm），蒸發(fā)量1682.6 mm。地形上，自南向北呈“低-高”趨勢(shì)，空間起伏明顯。草地類(lèi)型包括低地草甸、溫性荒漠、溫性荒漠草原、溫性草原、溫性草甸草原、山地草甸和高寒草甸。

1.2 數(shù)據(jù)

1.2.1實(shí)地調(diào)查數(shù)據(jù) 考慮到不同草地類(lèi)型的田間分布和人為干擾程度，2015 年生長(zhǎng)季（6-8 月），在阿勒泰地區(qū)隨機(jī)選擇代表性樣地191 個(gè)。所有樣點(diǎn)均采用GPS 進(jìn)行空間定位（圖1）。為保證樣地的數(shù)量和質(zhì)量，每個(gè)樣地間以20 cm 左右的間距設(shè)置3 個(gè)具有相似地形條件、土壤屬性和植被類(lèi)型的樣方（1 m×1 m）。調(diào)查記錄的數(shù)據(jù)包括空間位置中的經(jīng)度、緯度、海拔以及反映草地群落特征中的植被類(lèi)型、高度、蓋度等。其中，用皮尺測(cè)量高度，蓋度經(jīng)方格法計(jì)算得到。每個(gè)樣地中隨機(jī)選擇一個(gè)樣方，以五點(diǎn)法取土樣，分別制成0～10 cm、10～20 cm、20～30 cm 土層的混合樣方。將每個(gè)土樣放入尼龍袋中，用0.3 mm 的篩網(wǎng)收集根系，65 ℃烘干，稱(chēng)重，測(cè)量恒定的地下生物量。同時(shí)，采集表層（0～5 cm）土壤樣品，105 ℃烘干，得到草地表層土壤容重。為保證數(shù)據(jù)的完整性，所有現(xiàn)場(chǎng)數(shù)據(jù)均由一組研究者采用統(tǒng)一的方法收集。

圖1 阿勒泰地區(qū)樣點(diǎn)設(shè)置和草地類(lèi)型Fig.1 Samples setting and the grassland types of Altay region

1.2.2地形、氣候和NDVI 地形信息獲取自陸地過(guò)程分布式主動(dòng)建檔中心（land processes distributed active archive center，LP DAAC）（https：//lpdaac. usgs. gov/）的先進(jìn)星載熱發(fā)射和反射輻射儀全球數(shù)字高程模型（advanced spaceborne thermal emission and reflect radiometer global digital elevation，ASTER GDEM）。 在ArcGIS 10.2 環(huán)境下，提取坡度、坡向和曲率，空間分辨率30 m。本研究氣候資料來(lái)源于中國(guó)氣象信息中心（http：//data.cma.cn/en），包括：年均氣溫，≥10 ℃年積溫、年均降水量、濕潤(rùn)度。濕潤(rùn)度指數(shù)采用Ivanov’s 公式：

式中：K表示年濕潤(rùn)度；R為年降水量；E0為年蒸發(fā)量；ti為月均氣溫；fi為月均蒸發(fā)量。

采用基于中分辨率成像光譜儀（moderate-resolution imaging spectroradiometer，MODIS）的歸一化植被指數(shù)（normalized difference vegetation index，NDVI），選取2015 年的月度合成數(shù)據(jù)（MOD13Q1），空間分辨率1 km，數(shù)據(jù)采集時(shí)間為當(dāng)年的植被生長(zhǎng)旺季（6-8 月），具體為第255 天。數(shù)據(jù)來(lái)源于美國(guó)戈達(dá)德太空飛行中心（https：//ladsweb. modaps. eosdis. nasa. gov/），軌 道 編 號(hào)h23v04 和h24v04。 原 始hdf 格 式 數(shù) 據(jù) 經(jīng)MRT（MODIS reprojection tool）轉(zhuǎn)化處理后，用ENVI（the Environment for Visualizing Images）拼接、去噪和轉(zhuǎn)投影，用ArcGIS 12.0 軟件裁剪出基于阿勒泰地區(qū)行政邊界的NDVI 柵格數(shù)據(jù)。具體公式如下：

管理會(huì)計(jì)主要是對(duì)資金流動(dòng)的情況和具體方向進(jìn)行剖析研究，而財(cái)務(wù)會(huì)計(jì)主要研究企業(yè)資金的預(yù)算和使用情況，對(duì)企業(yè)怎樣籌集資金進(jìn)行研究。實(shí)質(zhì)上，二者在研究對(duì)象上基本一致。不同的是，財(cái)務(wù)會(huì)計(jì)注重對(duì)企業(yè)經(jīng)濟(jì)活動(dòng)實(shí)際狀況進(jìn)行管理，而管理會(huì)計(jì)則直接或間接對(duì)資金流動(dòng)以及未來(lái)資金流動(dòng)方向進(jìn)行管理分析，同時(shí)把相關(guān)數(shù)據(jù)整理出來(lái)，遞交到?jīng)Q策層。二者都是為了企業(yè)能謀取更大利潤(rùn)而提供服務(wù)的。所以說(shuō)，財(cái)務(wù)會(huì)計(jì)和管理會(huì)計(jì)的服務(wù)對(duì)象基本一致[2]。

式中：NDVI表示歸一化植被指數(shù)；Bnir為近紅外波段；Bred為紅光波段。

1.2.3其他數(shù)據(jù) 阿勒泰地區(qū)的土壤圖和草地類(lèi)型圖，獲取自中國(guó)科學(xué)院資源環(huán)境數(shù)據(jù)云平臺(tái)（http：//www.resdc.cn/）。

1.3 方法

偏最小二乘回歸（partial least squares regression，PLS）按照協(xié)方差極大化原則，分解自變量和因變量的數(shù)據(jù)矩陣，建立對(duì)應(yīng)的解釋隱變量和反應(yīng)隱變量間的回歸方程。它兼具多元線性回歸分析、典型相關(guān)分析和主成分分析的優(yōu)勢(shì)，在多重共線性的數(shù)據(jù)處理和預(yù)測(cè)中表現(xiàn)突出。支持向量機(jī)（support vector machine，SVM）是一種處理非線性分類(lèi)和回歸的方法，基于統(tǒng)計(jì)學(xué)原理，尋求結(jié)構(gòu)學(xué)習(xí)的風(fēng)險(xiǎn)最小化以提高學(xué)習(xí)機(jī)的泛化能力，達(dá)到統(tǒng)計(jì)樣本量較小時(shí)獲得良好統(tǒng)計(jì)規(guī)律的目的。它可以解決小樣本、非線性、高維等數(shù)據(jù)困境。隨機(jī)森林（random forest，RF）作為集成學(xué)習(xí)的代表模型，由多個(gè)決策樹(shù)組成，最終輸出由森林中的每個(gè)決策樹(shù)決定。該模型利用了均方誤差最小的原理，被廣泛應(yīng)用于分類(lèi)和回歸問(wèn)題中。解決了決策樹(shù)過(guò)擬合和精度低的問(wèn)題，適用于高維數(shù)據(jù)的預(yù)測(cè)。在本研究中，隨機(jī)森林模型被運(yùn)行100 次，以所有結(jié)果的均值為可靠值。

空間插值分析通過(guò)有限的采樣點(diǎn)數(shù)據(jù)估算周?chē)鷶?shù)值情況，是實(shí)現(xiàn)掌握研究領(lǐng)域數(shù)據(jù)總體分布的有效方法。研究中應(yīng)用的空間插值方法有反距離加權(quán)法（inverse distance weighting，IDW）、徑向基函數(shù)法（radial basis function，RBF）和張力樣條法（spline with tension，SPL）。

在本研究中，將多元環(huán)境因子結(jié)合機(jī)器學(xué)習(xí)模型實(shí)現(xiàn)樣點(diǎn)數(shù)據(jù)的回歸預(yù)測(cè)，比較后得到最優(yōu)的預(yù)測(cè)模型和預(yù)測(cè)值。其次，基于機(jī)器學(xué)習(xí)預(yù)測(cè)結(jié)果，使用誤差較小的空間插值進(jìn)行點(diǎn)狀數(shù)據(jù)的二維曲面化，最終實(shí)現(xiàn)草地地下生物量的數(shù)字制圖。

1.4 精度評(píng)價(jià)

將上述估計(jì)值與實(shí)測(cè)值進(jìn)行比較。模型精度由R2和基于驗(yàn)證數(shù)據(jù)（占總樣本的30%）的均方根誤差（root mean squared error，RMSE）反映。相關(guān)表達(dá)式為：

式中：SSR和SST分別代表回歸平方和（squares sum of regression）與總離差平方和（total squares sum of deviation）；ti和Ti分別表示測(cè)量值和估計(jì)值；N表示驗(yàn)證數(shù)據(jù)的樣本數(shù)量。

1.5 數(shù)據(jù)處理

在數(shù)據(jù)預(yù)處理過(guò)程中，為保證數(shù)據(jù)的質(zhì)量，剔除數(shù)據(jù)集中可能由于采樣誤差造成的6 個(gè)異常值，并對(duì)地下生物量與環(huán)境因子進(jìn)行相關(guān)性檢驗(yàn)（圖2）。隨后，隨機(jī)將數(shù)據(jù)分成兩部分，其中70%用于訓(xùn)練，30%用于驗(yàn)證，并對(duì)地下生物量進(jìn)行描述性統(tǒng)計(jì)。所有數(shù)據(jù)處理在R和matlab 2014b 中實(shí)現(xiàn)。相關(guān)性檢驗(yàn)結(jié)果（圖2）顯示，地下生物量和海拔、坡度、降水、濕潤(rùn)度、蓋度及歸一化植被指數(shù)呈顯著正相關(guān)。與氣溫和土壤容重呈顯著負(fù)相關(guān)。

圖2 草地地下生物量和生態(tài)要素的相關(guān)性Fig. 2 Correlation coefficient between belowground biomass and ecologic factors

2 結(jié)果與分析

2.1 阿勒泰地區(qū)草地地下生物量數(shù)據(jù)概況

在0～30 cm 的土層中，地下生物量為28.85～2485.20 g·m-2（表1），并隨著土 層的加深而 明顯減少。在0～10 cm 土壤層中，地下生物量為169.87～2485.20 g·m-2，平均值為811.21 g·m-2，為10～20 cm 土層的兩倍；在10～20 cm 土層中，為104.76～862.95 g·m-2，平均值為327.23 g·m-2；在20～30 cm 土層中最低，平均值為153.90 g·m-2。統(tǒng)計(jì)結(jié)果顯示，在0～30 cm 土層中，訓(xùn)練數(shù)據(jù)呈單峰的偏態(tài)分布，偏度系數(shù)為0.96、0.89 和0.95。在驗(yàn)證數(shù)據(jù)中，統(tǒng)計(jì)數(shù)據(jù)也呈單峰的偏態(tài)分布。表明在所有數(shù)據(jù)集中，某些樣本的地下生物量略高，故中值比算術(shù)平均值更具統(tǒng)計(jì)意義。

表1 草地地下生物量訓(xùn)練數(shù)據(jù)和驗(yàn)證數(shù)據(jù)的描述性統(tǒng)計(jì)Table 1 Descriptive statistics of belowground biomass（BGB）in training data and verification data

2.2 支持向量機(jī)（SVM）、偏最小二乘法（PLS）和隨機(jī)森林（RF）模型的估計(jì)精度

基于上述（圖2）16 個(gè)生態(tài)因素，使用3 種機(jī)器學(xué)習(xí)模型估測(cè)0～30 cm 土層中的地下生物量。結(jié)果表明，訓(xùn)練數(shù)據(jù)的模型精度（R2）為0.61～0.84，驗(yàn)證數(shù)據(jù)的精度（R2）為0.58～0.77（圖3）。與PLS 和RF 模型相比，SVM 模型在0～30 cm 的土層中的驗(yàn)證精度最優(yōu)，R2最高，RMSE 最低。在0～10 cm 的土層中，SVM、PLS 和RF 的R2為0.77、0.73 和0.70，RMSE 為245.56、276.94 和280.00 g·m-2。在10～20 cm 的土層中，SVM、PLS 和RF 的R2為0.67、0.61 和0.58，RMSE 為98.81、109.08 和114.48 g·m-2。在20～30 cm 的土層中，SVM、PLS 和RF 的R2為0.69、0.61 和0.64，RMSE 為63.58、69.24 和66.94 g·m-2。

圖3 預(yù)測(cè)模型在不同土層中對(duì)草地地下生物量的估測(cè)精度Fig.3 Accuracy of belowground biomass（BGB）estimation by estimation models in different soil layers

2.3 最佳的空間化方法選擇

空間插值是點(diǎn)位數(shù)據(jù)空間化的重要手段，但點(diǎn)位數(shù)據(jù)的空間化必然會(huì)導(dǎo)致模擬精度的二次損失。為了獲得最佳的空間插值方法，本研究比較了不同空間化方法的性能（圖4）。以SVM、PLS 和RF 模型對(duì)表層（0～10 cm）土壤中草地的地下生物量的估測(cè)結(jié)果為基礎(chǔ)，分別和IDW、RBF、SPL 相結(jié)合，基于驗(yàn)證數(shù)據(jù)集比較SPL、RBF 和IDW 的性能。結(jié)果顯示（圖4），單就空間插值方法而言，IDW 的插值效果優(yōu)于RBF 和SPL。在結(jié)合預(yù)測(cè)模型和插值方法實(shí)現(xiàn)點(diǎn)位數(shù)據(jù)二維空間化時(shí)，SVM 模型的估測(cè)結(jié)果結(jié)合IDW 空間插值的性能最好，對(duì)應(yīng)R2和RMSE 分別為0.73 和269.73 g·m-2。RF 模型的估測(cè)結(jié)果結(jié)合RBF 空間插值的性能較差，對(duì)應(yīng)R2和RMSE 分別為0.65 和300.52 g·m-2。因此，基于SVM+IDW 的組合方式，也得到了10～20 cm 和20～30 cm 土層中的草地地下生物量的性能，對(duì)應(yīng)的R2為0.64 和0.60，RMSE 分別為108.14 和73.01 g·m-2。

圖4 估測(cè)模型和空間插值方法的組合精度（0～10 cm 土層）Fig.4 Combination accuracy between estimation models and spatial interpolation methods in the 0-10 cm soil layer

2.4 阿勒泰地區(qū)草地地下生物量的空間格局

基于生態(tài)因子數(shù)據(jù)集，結(jié)合SVM 模型和IDW 插值方法，得到阿勒泰地區(qū)在0～10 cm、10～20 cm 和20～30 cm 土層中的草地地下生物量的估算值及二維曲面，空間分辨率為1 km×1 km（圖5）。結(jié)果表明，在0～10 cm 的土層中，草地地下生物量為245.24～2004.08 g·m-2，均值為795.36 g·m-2。在10～20 cm 的土層中，草地地下生物量為145.14～712.81 g·m-2，均值為324.59 g·m-2。在20～30 cm 的土層中，草地地下生物量為48.88～356.09 g·m-2，均值為144.96 g·m-2。根據(jù)IDW 插值方法，進(jìn)一步得到草地地下生物量的空間格局，空間分辨率為1 km×1 km。結(jié)果顯示，該地區(qū)不同土層中的草地地下生物量在空間上分布相似，均表現(xiàn)出強(qiáng)烈的異質(zhì)性。在水平層次上，表現(xiàn)為北部集中，南部稀疏；在垂直方向上，山區(qū)的草地地下生物量高于平原地區(qū)，草地地下生物量隨海拔逐漸升高。具體而言，地下生物量的高值區(qū)在地貌上多為山地，主要為研究區(qū)北部和東北部的阿爾泰山區(qū)以及西部的薩吾爾山區(qū)。其中地下生物量最大值在境內(nèi)的阿爾泰山脈的友誼峰附近。低值區(qū)出現(xiàn)在烏倫古河以南的古爾班通古特荒漠，最小值位于西南部的泉洼地附近。

圖5 2015 年阿勒泰地區(qū)草地地下生物量的空間分布Fig.5 Spatial patterns of grassland belowground biomass（BGB）in Altay region of 2015

2.5 區(qū)域主要草地類(lèi)型地下生物量及其垂直結(jié)構(gòu)

為了進(jìn)一步研究阿勒泰地區(qū)不同類(lèi)型草地的地下生物量，采用草地類(lèi)型圖，基于SVM+IDW 組合的預(yù)測(cè)結(jié)果，提取不同草地類(lèi)型的單位草地地下生物量。同時(shí)結(jié)合草地面積，得到各類(lèi)草地地下生物量的總值及區(qū)域草地地下生物量的總值。統(tǒng)計(jì)結(jié)果顯示（表2），全區(qū)0～30 cm 草地地下生物量共計(jì)1.27×108t（≈0.13 Pg）。其中溫性荒漠持有的地下生物量最大，為5.44×107t，占總體的42.97%；低地草甸的最少，為3.26×106t，占總體的2.58%。表明草地面積很大程度上決定了各類(lèi)草地地下生物量的總體保有量。

表2 各草地類(lèi)型0～30 cm 土層地下生物量Table 2 Belowground biomass in the 0-30 cm soil layer of each grassland type

0～30 cm 土層中的單位草地地下生物量的垂直結(jié)構(gòu)顯示（圖6），高寒草甸具有最大的地下生物量，為2908.50 g·m-2；溫性荒漠的地下生物量最少，為776.84 g·cm-2。各類(lèi)草地地下生物量從大到小依次為：高寒草甸＞溫性草甸草原＞山地草甸＞溫性草原＞低地草甸＞溫性荒漠草原＞溫性荒漠。0～10 cm、10～20 cm 和20～30 cm 土層中的地下生物量的垂直比例顯示，溫性草甸草原在表層土壤（0～10 cm）中集中了66.25%的地下生物量，比具有最低比例地下生物量的溫性荒漠高了6.66%。以上這些垂直結(jié)構(gòu)意味著，處于寒冷、濕潤(rùn)生境中的草地類(lèi)型總體地下生物量很高，受水分吸引它們多集中于地表。而炎熱、干燥地區(qū)的草地類(lèi)型的總體地下生物量較低，受水分脅迫它們分布在更深的土層中［19］。本研究也比較了不同草地類(lèi)型中的實(shí)測(cè)值和預(yù)測(cè)值。結(jié)果顯示（圖6），高寒草甸、溫性草甸草原和低地草甸的地下生物量被低估，溫性荒漠的生物量則被高估。

圖6 2015 年植被生長(zhǎng)季節(jié)里0～30 cm 土層中不同草地類(lèi)型的地下生物量Fig.6 Belowground biomass（BGB）of different grassland types in the 0-30 cm soil layers during the peak season of 2015

3 討論

3.1 不同地區(qū)的草地地下生物量

本研究估算阿勒泰地區(qū)0～30 cm 土層的草地地下生物量均值為1265 g·m-2，并將研究區(qū)與其他地區(qū)進(jìn)行比較，確定阿勒泰地區(qū)草地地下生物量狀況。經(jīng)過(guò)文獻(xiàn)統(tǒng)計(jì)，對(duì)比國(guó)內(nèi)主要草原片區(qū)，得出阿勒泰地區(qū)的草地地下生物量低于西藏那曲地區(qū)（3950 g·m-2）［20］、青海海北地區(qū)（1743 g·m-2）［21］和內(nèi)蒙古地區(qū)（1364 g·m-2）［14］。原因在于阿勒泰地區(qū)以山地、盆地為主，而其他3 個(gè)地區(qū)均位于高原地區(qū)，地形相對(duì)簡(jiǎn)單。更為復(fù)雜的地形地貌，使阿勒泰地區(qū)的氣溫和降水差異較其他3 個(gè)區(qū)域更大，也形成了更為多樣的草地類(lèi)型。因此，阿勒泰地區(qū)草地地下生物量均值低于其他3 個(gè)地區(qū)，這和研究區(qū)中部和南部大面積為溫性荒漠有關(guān)。此外，根據(jù)Peng 等［22］和Mokany 等［23］的研究，中國(guó)和全球的草地地下生物量均值分別為604 和1270 g·m-2左右，這表明阿勒泰地區(qū)的草地地下生物量是中國(guó)草地平均水平的兩倍，與全球草地平均水平相當(dāng)。

3.2 驅(qū)動(dòng)因素

海拔和坡度通過(guò)調(diào)節(jié)當(dāng)?shù)匦夂?，?shí)現(xiàn)對(duì)溫度、降水、光照等環(huán)境因子的重分配［24-25］。這引起不同地區(qū)草地的類(lèi)型、結(jié)構(gòu)和生產(chǎn)力的多樣性，影響生物量在空間梯度上的分布。水熱條件是控制草地生物量的關(guān)鍵因素。在阿勒泰地區(qū)，強(qiáng)烈的地形起伏使得氣溫和降水具有明顯的空間異質(zhì)性［25］。在這種條件下，不僅草地類(lèi)型多樣，同時(shí)草地生物量的分布呈明顯的垂直地帶性變化。因此，在阿勒泰地區(qū)水分不足的平原，存在溫帶荒漠和溫帶荒漠草原，單位草地生物量較低。在山區(qū)，大量降水滿足了草地的生長(zhǎng)，涼爽的氣溫延長(zhǎng)了草的生長(zhǎng)周期，在這里形成了以溫帶草原和溫帶草甸為主的大面積的高生物量草地類(lèi)型。土壤容重是土壤機(jī)械組成的反映，也是衡量草地根系環(huán)境的重要指標(biāo)。植被覆蓋度更多地被用來(lái)估算地上生物量［26］。但由于植被在生長(zhǎng)過(guò)程中，對(duì)于物質(zhì)在地上部和地下部的分配存在著一定的比例關(guān)系［27-28］，因此，植被地上部的覆蓋程度也能映射出地下部的情況。

草地生物量的分布與環(huán)境因子密不可分［29］。變化的生境必然導(dǎo)致草地生物量在空間格局上的響應(yīng)。通過(guò)環(huán)境因子對(duì)草地地下生物量進(jìn)行估算，并通過(guò)Pearson 相關(guān)性檢驗(yàn)研究環(huán)境要素對(duì)生物量的驅(qū)動(dòng)關(guān)系。在本研究中，地形、氣候、植被、土壤等環(huán)境要素對(duì)生物量有不同形式的影響。其中，海拔、坡度、水分、植被覆蓋程度和地下生物量呈極顯著正相關(guān)關(guān)系，溫度、土壤容重與地下生物量呈極顯著負(fù)相關(guān)關(guān)系。從相關(guān)系數(shù)上看，以上環(huán)境要素的驅(qū)動(dòng)性影響更明顯。但從生態(tài)學(xué)角度而言，生態(tài)系統(tǒng)中的其他環(huán)境要素也起著潛在的推動(dòng)作用。因此，在本研究的草地地下生物量估測(cè)時(shí)，保留了低相關(guān)性的環(huán)境要素，使結(jié)果更符合生態(tài)系統(tǒng)學(xué)的特征。

此外，在生物量的估算中，水源的空間距離也是一個(gè)值得重點(diǎn)考慮的要素［30］。尤其在干旱半干旱地區(qū)，其他外部因素相似，則水源距離對(duì)草地植被生長(zhǎng)的影響力大大增加。在本研究中，阿勒泰中部地區(qū)地勢(shì)低平，氣候條件等要素均相似，但隨著與水源距離的拉大，主要草地類(lèi)型從沼澤和低地草甸向荒漠草原及荒漠過(guò)渡。故在中小尺度地區(qū)的生物量估算時(shí)，應(yīng)考慮加入水源距離這一要素，以放大低地草甸和溫性荒漠二者在生物量上的區(qū)別，提高估測(cè)精度。

3.3 不確定性

主觀上，數(shù)據(jù)的前期處理對(duì)估計(jì)結(jié)果影響較大，包括數(shù)據(jù)采集和遙感圖像處理。有限的樣本下收集的數(shù)據(jù)可能會(huì)使生物量的估計(jì)產(chǎn)生偏差。為保證樣方的數(shù)量和質(zhì)量，應(yīng)盡可能合理且具有代表性地設(shè)置代表樣點(diǎn)，包含不同的草地類(lèi)型。時(shí)間序列中數(shù)據(jù)源的不匹配也是一個(gè)不容忽視的問(wèn)題，這會(huì)極大降低估算的質(zhì)量［31］。本研究采用與野外采樣同期的清晰遙感影像，保證遙感數(shù)據(jù)與調(diào)查數(shù)據(jù)的對(duì)應(yīng)關(guān)系。若天氣條件受限，則以最近同一時(shí)間段的衛(wèi)星圖像代替。

客觀上，草地生物量也受到模型、放牧和物種的影響。估測(cè)模型的選擇很大程度上決定了最后的輸出結(jié)果［32］。本研究選擇以機(jī)器學(xué)習(xí)中的基于線性核函數(shù)的線性SVM 模型實(shí)現(xiàn)地下生物量的估測(cè)，使估測(cè)結(jié)果中的誤差和由傳統(tǒng)方法得到的結(jié)果相似，即對(duì)低值的高估和對(duì)高值的低估，因此其他機(jī)器學(xué)習(xí)的估測(cè)模型值得進(jìn)一步探索和應(yīng)用。世界各地對(duì)放牧的研究發(fā)現(xiàn)，放牧活動(dòng)會(huì)改變草地植被凈初級(jí)生產(chǎn)力和植株中物質(zhì)的分配［33］。食草動(dòng)物在剩余的綠色部分留下的唾液會(huì)加速殘茬的再生［34］。因此，在放牧草地中，更多的物質(zhì)分配到地上部，導(dǎo)致根系變淺，地下生物量減少［35-37］。因此若從不同的時(shí)間尺度上研究地下生物量的空間格局，可能得到的結(jié)果不盡相同。物種組成是影響草地地下生物量的另一個(gè)原因。一般來(lái)說(shuō)，一年生草地的地下生物量比多年生的草地地下生物量小得多，物種豐富地區(qū)的草地地下生物量也高于物種單一地區(qū)［38-39］。因此，考慮到物種組成的差異，在采樣時(shí)也應(yīng)盡量保證物種的比例，以反映當(dāng)?shù)丨h(huán)境的客觀狀態(tài)。

4 結(jié)論

本研究以阿勒泰地區(qū)為例，基于2015 年生長(zhǎng)季的地面調(diào)查數(shù)據(jù)和衛(wèi)星數(shù)據(jù)，結(jié)合機(jī)器學(xué)習(xí)中的SVM 算法和IDW 空間插值方法，估算0～30 cm 土層的草地地下生物量，實(shí)現(xiàn)草地地下生物量的高精度數(shù)字制圖，進(jìn)而研究分析區(qū)域草地地下生物量的空間格局。結(jié)果表明，阿勒泰全區(qū)草地地下生物量保有量共計(jì)1.27×108t（≈0.13 Pg），平均單位地下生物量為1265 g·m-2。在草地地下生物量的空間格局上，研究區(qū)北部草地地下生物量高于南部，其空間變異性受生境影響顯著。對(duì)比不同草地類(lèi)型，高寒草甸的地下生物量最大，為2908.50 g·m-2，溫性荒漠的最小，為776.84 g·m-2。在估測(cè)模型上，SVM 模型精度更高；在數(shù)字制圖上，IDW 插值方法更適用于草地地下生物量的二維空間化。