CN114819545A - 一种适用于高寒草地合理放牧率的评估方法及装置 - Google Patents
一种适用于高寒草地合理放牧率的评估方法及装置 Download PDFInfo
- Publication number
- CN114819545A CN114819545A CN202210364201.4A CN202210364201A CN114819545A CN 114819545 A CN114819545 A CN 114819545A CN 202210364201 A CN202210364201 A CN 202210364201A CN 114819545 A CN114819545 A CN 114819545A
- Authority
- CN
- China
- Prior art keywords
- productivity
- npp
- livestock
- data
- alpine
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 65
- 238000009304 pastoral farming Methods 0.000 title claims abstract description 61
- 244000144972 livestock Species 0.000 claims abstract description 114
- 230000000694 effects Effects 0.000 claims abstract description 50
- 241000282414 Homo sapiens Species 0.000 claims abstract description 37
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 50
- 238000001556 precipitation Methods 0.000 claims description 36
- 238000006243 chemical reaction Methods 0.000 claims description 30
- 230000005855 radiation Effects 0.000 claims description 27
- 241001494479 Pecora Species 0.000 claims description 23
- 238000000034 method Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 10
- 239000002028 Biomass Substances 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000003307 slaughter Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 7
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 5
- 101150050438 NPPA gene Proteins 0.000 claims description 5
- 238000012952 Resampling Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 229910052799 carbon Inorganic materials 0.000 claims description 5
- 238000005094 computer simulation Methods 0.000 claims description 5
- 238000003786 synthesis reaction Methods 0.000 claims description 5
- 238000010521 absorption reaction Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 abstract description 32
- 241001465754 Metazoa Species 0.000 abstract description 6
- 238000009826 distribution Methods 0.000 description 28
- 238000010586 diagram Methods 0.000 description 15
- 238000011084 recovery Methods 0.000 description 10
- 241000968928 Carex brizoides Species 0.000 description 8
- 230000002596 correlated effect Effects 0.000 description 7
- 230000007423 decrease Effects 0.000 description 7
- 238000011160 research Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- 230000003247 decreasing effect Effects 0.000 description 4
- 244000025254 Cannabis sativa Species 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 238000001704 evaporation Methods 0.000 description 3
- 230000008020 evaporation Effects 0.000 description 3
- 241000283690 Bos taurus Species 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000357297 Atypichthys strigatus Species 0.000 description 1
- 241000282832 Camelidae Species 0.000 description 1
- 241000283707 Capra Species 0.000 description 1
- 229920000742 Cotton Polymers 0.000 description 1
- 241000283086 Equidae Species 0.000 description 1
- 241000283074 Equus asinus Species 0.000 description 1
- 241001331845 Equus asinus x caballus Species 0.000 description 1
- 241000209504 Poaceae Species 0.000 description 1
- 241000283984 Rodentia Species 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Mathematical Analysis (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种适用于高寒草地合理放牧率的评估方法及装置，评估方法包括：收集高寒草地数据并进行预处理，获得预处理后的高寒草地数据；根据预处理后的高寒草地数据计算潜在初级净生产力和实际净生产力，从而计算人为活动影响的生产力；根据预处理后的高寒草地数据计算牲畜实际消耗的生产力，并根据人为活动影响的生产力和牲畜实际消耗的生产力计算高寒草地的评估指标；分析生产力的变化趋势，结合评估指标和生产力的变化趋势，分析评估高寒草地的牲畜合理放牧率。通过确定气候变化结合人为活动对高寒草地生产力的影响，进行高寒草地合理放牧率的评估，提高评估的合理性和准确度，促进高寒草地资源的可持续利用和畜牧业的合理布局。
Description
技术领域
本发明主要涉及陆地生态系统评估技术领域，具体涉及一种适用于高寒草地合理放牧率的评估方法及装置。
背景技术
高寒草地是青藏高原主要的陆地生态系统，而且高寒草地是重要的生态环境资源，在保碳、节水、畜牧生产、生物多样性保护等方面具有至关重要的作用。但是，受到气候变化和人为活动的影响，高寒草地退化严重，而合理放牧会对草地生态系统产生积极影响，可以促进草地多样性和生产力的恢复和提高，增强草地群落的稳定性。
传统的牲畜合理放牧率评估是通过人工实地调查进行换算评估，该方法费时费力，效率低，人工成本高，同时忽略了空间分布的情况，造成评估准确性低的问题。
目前对高寒草地合理放牧率，主要是通过计算草地适宜载畜量与草地实际载畜量的差值或比值进行评估，而草地适宜载畜量一般通过草地的潜在生产力与人为活动产生的草地生产力之间的差异确定，当放牧为主要的人为活动，就会对评估造成较大的误差，影响评估的准确性和合理性。
发明内容
本发明的目的在于克服现有技术的不足，本发明提供了一种适用于高寒草地合理放牧率的评估方法及装置，所述评估方法通过确定气候变化结合人为活动对高寒草地生产力的影响，进行高寒草地合理放牧率的评估，提高评估的合理性和准确度，促进高寒草地资源的可持续利用和畜牧业的合理布局。
本发明提供了一种适用于高寒草地合理放牧率的评估方法，所述评估方法包括：
收集高寒草地数据并对所述高寒草地数据进行预处理，获得预处理后的高寒草地数据；
其中，所述高寒草地数据包括气象数据、遥感影像数据、牲畜量数据以及高寒草地监测数据；
根据所述预处理后的高寒草地数据计算潜在初级净生产力和实际净生产力，并根据所述潜在初级净生产力和实际净生产力计算人为活动影响的生产力；
根据所述预处理后的高寒草地数据计算牲畜实际消耗的生产力，并根据所述人为活动影响的生产力和所述牲畜实际消耗的生产力计算所述高寒草地的评估指标；
根据所述人为活动影响的生产力、初级净生产力和实际净生产力分析生产力的变化趋势；
结合所述评估指标和生产力的变化趋势，分析评估所述高寒草地的牲畜合理放牧率。
进一步的，对所述高寒草地数据进行预处理，包括：
对气象数据进行空间插值、投影转换、栅格重采样的处理；
对遥感影像数据进行影像拼接、投影转换、最大值合成的处理；
对牲畜量数据和高寒草地监测数据进行矢量化、投影转换和异常值剔除的处理。
进一步的，所述根据预处理后的高寒草地数据计算潜在初级净生产力和实际净生产力，包括：
所述潜在初级净生产力的计算模型为：
RDI＝(0.629+0.237PER-0.00313PER2)2；
其中，NPPp潜在净初级生产力，RDI为干度辐射指数，P为年总降水量，PER为潜在蒸散率，BT为年平均气温，T为月平均气温；
所述实际净生产力的计算模型为：
NPPa(x,t)＝APAR(x,t)×ε(x,t)；
APAR(x，t)＝SOL(x，t)×FPAR(x，t)×0.5；
ε(x，t)＝Tε1(x，t)×Tε2(x，t)×Wε(x，t)×εmax；
其中，APAR(x，t)指像素x在t月内吸收的光合有效辐射，ε(x，t)指像素x在t月内实际光能的利用率，SOL(x，t)指像素x在t月内的总太阳辐射，常数0.5是太阳有效辐射的比例中植被可利用的总太阳辐射，FPAR(x，t)指植被对入射光合有效辐射的吸收比，Tε1(x，t)和Tε2(x，t)表示温度对光能利用的影响，Wε(x，t)表示水分条件对光能利用的影响，εmax表示理想状态下植被最大光能利用率。
进一步的，所述根据潜在初级净生产力和实际净生产力计算人为活动影响的生产力，包括：
所述人为活动影响的生产力计算公式为：
NPPh＝NPPp-NPPa；
其中：NPPh为人为活动影响的生产力，NPPp为潜在初级净生产力，NPPa为实际净生产力。
进一步的，所述根据预处理后的高寒草地数据计算牲畜实际消耗的生产力，包括：
所述牲畜实际消耗的生产力的计算模型为：
NPPac＝0.45×NSSUst×GW×GDst×(1-MC)×1000+0.45×NSSUsl×GW×GDsl×(1-MC)×1000；
其中，NPPac为牲畜实际消耗的生产力，NSSUst为牲畜存栏的标准绵羊数量，NSSUsl为牲畜出栏的标准绵羊数量，GW＝1.8，为食用干草重量，GDst＝365，为牲畜存栏的天数，GDsl＝180，为牲畜出栏的放牧天数，MC＝14％，为干草的水分含量，常数0.45表示为生物量与碳含量的换算系数。
更进一步的，所述牲畜的标准绵羊数量计算公式为：
其中，NSSU为牲畜的标准绵羊数量，n为牲畜种类数量，Ni为第i种牲畜的数量，εi为不同种类牲畜的标准绵羊转换系数。
进一步的，所述根据人为活动影响的生产力和所述牲畜实际消耗的生产力计算所述高寒草地的评估指标，包括：
所述评估指标的计算公式为：
NPPgap＝NPPh-NPPac；
其中，NPPgap为所述高寒草地的评估指标，NPPh为人为活动影响的生产力，NPPac为牲畜实际消耗的生产力。
进一步的，所述根据人为活动影响的生产力、初级净生产力和实际净生产力分析生产力的变化趋势，包括：
所述生产力的变化趋势计算模型为：
其中，SlopeNPP为生产力的变化趋势，n为计算样本的总时间跨度年份，i＝1，2，3，...，n，NPPi为第i年的生产力。
进一步的，所述分析生产力的变化趋势还包括分析生产力和温度以及降水之间的相关性；
所述分析NPP与温度以及降水之间的相关性，计算公式如下：
其中，Rxy为相关系数，n为总时间跨度年份，xi为第i年的NPP，yi为第i年的气温或降水量，
为平均值NPP的值，
是温度或降水的平均值，N是样本数。
本发明还提供了一种适用于高寒草地合理放牧率的评估装置，所述评估装置包括：
数据处理模块：收集高寒草地数据并对所述高寒草地数据进行预处理，获得预处理后的高寒草地数据；
生产力计算模块：根据所述预处理后的高寒草地数据计算潜在初级净生产力和实际净生产力，并根据所述潜在初级净生产力和实际净生产力计算人为活动影响的生产力；
评估指标计算模块：根据所述预处理后的高寒草地数据计算牲畜实际消耗的生产力，并根据所述人为活动影响的生产力和所述牲畜实际消耗的生产力计算所述高寒草地的评估指标；
生产力变化趋势分析模块：根据所述人为活动影响的生产力、初级净生产力和实际净生产力分析生产力的变化趋势；
评估模块：结合所述评估指标和生产力的变化趋势，分析评估所述高寒草地的牲畜合理放牧率。
本发明提供了一种适用于高寒草地合理放牧率的评估方法及装置，所述方法通过确定气候变化结合人为活动对高寒草地生产力的影响，进行高寒草地合理放牧率的评估，提高评估的合理性和准确度，促进高寒草地资源的可持续利用和畜牧业的合理布局。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例中适用于高寒草地合理放牧率的评估方法流程图；
图2是本发明实施例中适用于高寒草地合理放牧率的评估装置示意图；
图3是本发明实施例中青海省2005年到2018年的NPPP年均值分布和变化趋势分布示意图；
图4是本发明实施例中青海省2005年到2018年的NPPa年均值分布和变化趋势分布示意图；
图5是本发明实施例中青海省2005年到2018年的NPPac年均值分布和变化趋势分布示意图；
图6是本发明实施例中青海省2005年到2018年的年均气温分布及变化趋势示意图；
图7是本发明实施例中青海省2005年到2018年的年均降水量分布及变化趋势示意图；
图8是本发明实施例中实测数据和模拟数据正相关函数示意图；
图9是本发明实施例中青海省2005年到2018年的NPPh年均值分布和变化趋势分布示意图；
图10是本发明实施例中青海省2005年到2018年的NPPgap年均值分布和变化趋势分布示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例一：
图1示出了本发明实施例中适用于高寒草地合理放牧率的评估方法流程图，所述评估方法包括：
S11：收集高寒草地数据并对所述高寒草地数据进行预处理，获得预处理后的高寒草地数据；
其中，所述高寒草地数据包括气象数据、遥感影像数据、牲畜量数据以及高寒草地监测数据；
进一步的，对气象数据进行空间插值、投影转换、栅格重采样的处理，主要采用Anusplin软件对气象数据进行空间插值操作，所述Anusplin软件是一款气象插值软件，基于薄盘样条函数，能够适用于多种自然站点的插值运算。
具体的，对遥感影像数据进行影像拼接、投影转换、最大值合成的处理，所述遥感影像数据包括中分辨率成像光谱仪(MODIS)的植被指数产品(MOD13Q1)数据和土地覆盖类型产品(MCD12Q1)，所述植被指数产品数据的空间值分辨率为250m，所述土地覆盖类型产品的空间值分辨率为500m。通过MODIS中的重投影工具(MRT)进行影像拼接、投影转换以及提取数据的处理。
具体的，通过MRT工具对MCD12Q1数据进行Albers地图投影，将所述MCD12Q1数据从HDF(Hierarchical Data Format)格式转换为geo TIFF格式，基于最近邻法重采样到250m空间分辨率，基于IGBP全球植被分类方案和Ge等提出的重分类方案将2005-2018年的MCD12Q1数据重分类为六类，提取草地的空间分布进行进一步分析。
进一步的，所述geo TIFF格式为标签图像文件格式(Tag Image File Format，TIFF)中的一种扩展，能够支持地理空间的扩展。
进一步的，为了方便计算，将气象数据中的月度图像重新采样到250m的空间分辨率，与所述MODIS数据保持一致。通过WGS-1984基准面和Albers等面积圆锥投影应用于所有月度栅格数据。
进一步的，所述WGS-1984基准面是一种国际上采用的地心坐标系。坐标原点为地球质心，其地心空间直角坐标系的Z轴指向BIH(国际时间服务机构)1984.0定义的协议地球极(CTP)方向，X轴指向BIH 1984.0的零子午面和CTP赤道的交点，Y轴与Z轴、X轴垂直构成右手坐标系，称为1984年世界大地坐标系统。
进一步的，所述Albers是指阿尔伯斯投影，又名“正轴等积割圆锥投影”、“双标准纬线等积圆锥投影”，是圆锥投影的一种，为阿伯斯(Albers)拟定。
具体的，对牲畜量数据和高寒草地监测数据进行矢量化、投影转换和异常值剔除的处理。
进一步的，所述异常值剔除处理是采用平均值±2×标准偏差的方法进行剔除，根据高寒草地的主要检测对象AGB，即单位面积的土地上年总生物量，将AGB转换为生产力NPP，转换公式为：
NPP＝AGB*Sbn(1+Sug)；
其中，AGB为单位面积的土地上年总生物量，NPP为生产力，Sbn＝0.45，为草地生物量到NPP的转换系数，Sug为不同草地类型的地下生物量和地上生物量的比率。
S12：根据所述预处理后的高寒草地数据计算潜在初级净生产力和实际净生产力，并根据所述潜在初级净生产力和实际净生产力计算人为活动影响的生产力；
具体的，所述根据预处理后的高寒草地数据计算潜在初级净生产力，包括：
所述潜在初级净生产力的计算模型为：
RDI＝(0.629+0.237PER-0.00313PER2)2；
其中，NPPp潜在净初级生产力，RDI为干度辐射指数，P为年总降水量，PER为潜在蒸散率，BT为年平均气温，T为月平均气温。
进一步的，所述潜在初级净生产力的计算模型为周广胜模型，为周广胜在全球气候变化的中国自然植被的净第一性生产力研究论文中，提出的生产力计算模型。
具体的，所述实际净生产力的计算模型为：
NPPa(x，t)＝APAR(x，t)×ε(x，t)；
APAR(x，t)＝SOL(x，t)×FPAR(x，t)×0.5；
ε(x，t)＝Tε1(x，t)×Tε2(x，t)×Wε(x，t)×εmax；
其中，APAR(x，t)指像素x在t月内吸收的光合有效辐射，所述APAR(x，t)的单位为MJ·m-2，ε(x，t)指像素x在t月内实际光能的利用率，ε(x，t)的单位为gC·MJ-1，SOL(x，t)指像素x在t月内的总太阳辐射，SOL(x，t)的单位为gC·MJ-1，常数0.5是太阳有效辐射的比例中植被可利用的总太阳辐射，FPAR(x，t)指植被对入射光合有效辐射的吸收比，Tε1(x，t)和Tε2(x，t)表示温度对光能利用的影响，Wε(x，t)表示水分条件对光能利用的影响，εmax表示理想状态下植被最大光能利用率。
进一步的，所述εmax的值根据不同植被类型进行选取。
具体的，所述人为活动影响的生产力计算公式为：
NPPh＝NPPp-NPPa；
其中：NPPh为人为活动影响的生产力，NPPp为潜在初级净生产力，NPPa为实际净生产力。
进一步的，所述实际净生产力的计算模型为CASA模型中关于生产力计算的子模型，所述子模型提出植被净初级生产力主要由植被所吸收的光合有效辐射(APAR)与光能转化率两个变量来确定。
S13：根据所述预处理后的高寒草地数据计算牲畜实际消耗的生产力，并根据所述人为活动影响的生产力和所述牲畜实际消耗的生产力计算所述高寒草地的评估指标；
具体的，所述牲畜实际消耗的生产力的计算模型为：
NPPac＝0.45×NSSUst×GW×GDst×(1-MC)×1000+0.45×NSSUsl×GW×GDsl×(1-MC)×1000；
其中，NPPac为牲畜实际消耗的生产力，NSSUst为牲畜存栏的标准绵羊数量，NSSUsl为牲畜出栏的标准绵羊数量，GW＝1.8，为食用干草重量，GDst＝365，为牲畜存栏的天数，GDsl＝180，为牲畜出栏的放牧天数，MC＝14％，为干草的水分含量，常数0.45表示为生物量与碳含量的换算系数。
进一步的，所述牲畜的标准绵羊数量计算公式为：
其中，NSSU为牲畜的标准绵羊数量，n为牲畜种类数量，Ni为第i种牲畜的数量，εi为不同种类牲畜的标准绵羊转换系数。
进一步的，为了统一单位方便计算，采用换算系数将所述高寒草地上的各类牲畜转换为标准绵羊单位。
进一步的，换算系数参照中国农业标准中NY/T 635-2015天然草地合理载畜量的计算。
具体的，所述评估指标的计算公式为：
NPPgap＝NPPh-NPPac；
其中，NPPgap为所述高寒草地的评估指标，NPPh为人为活动影响的生产力，NPPac为牲畜实际消耗的生产力。
S14：根据所述人为活动影响的生产力、初级净生产力和实际净生产力分析生产力的变化趋势；
具体的，所述生产力的变化趋势计算模型为：
其中，SlopeNPP为生产力的变化趋势，n为计算样本的总时间跨度年份，i＝1，2，3，...，n，NPPi为第i年的生产力。
进一步的，根据不同NPP的变化趋势，分析推算出生产力NPP的变化原因，总结如下表：
表1 NPPa变化原因
其中，sNPPa为每个像素点的NPPa变化趋势的斜率值，sNPPp为每个像素点的NPPP变化趋势的斜率值，sNPPh为每个像素点的NPPh变化趋势的斜率值。
具体的，从表中可以得出，生产力的变化原因主要在于人为活动的影响和气候变化，人为活动的影响主要以牲畜放牧为主，以牲畜放牧对草地生产力的影响作为主要研究数据，而气候原因以温度、降水等气候因素通过相关性公式进行分析计算。
进一步的，分析NPP与温度以及降水之间的相关性，计算公式如下：
其中，Rxy为相关系数，n为总时间跨度年份，xi为第i年的NPP，yt为第i年的气温或降水量，
为平均值NPP的值，
是温度或降水的平均值，N是样本数。
S15：结合所述评估指标和生产力的变化趋势，分析评估所述高寒草地的牲畜合理放牧率。
具体的，结合所述评估指标和所述生产力的变化趋势，整理分析得到下表。
表2 NPPgap的方向和幅度
具体的，从表中可以得出，根据所述评估指标NPPgap分析可以得到，NPPgap≥0时，代表人为活动影响的生产力NPPh高于牲畜实际消耗的生产力NPPac，牲畜的放牧率低，高寒草地的牧场处于恢复状态，再根据生产力变化趋势进行分析，当生产力的变化趋势≥0时，代表高寒草地牧场的恢复程度高，草地恢复速率高于当前放牧率下牲畜对草地的消耗速率，未来的牲畜放牧率可以适当增加，充分利用高寒草地的资源。当生产力的变化趋势＜0时，代表高寒草地牧场的恢复速率低于或等于当前放牧率下草地的消耗，未来的牲畜放牧率不能增加。
进一步的，当NPPgap＜0时，代表人为活动影响的生产力NPPh低于牲畜实际消耗的生产力NPPac，当前牲畜的放牧率高，高寒草地牧场处于退化状态。再结合生产力变化趋势进行分析，当生产力的变化趋势≥0时，代表高寒草地牧场的退化程度低，依靠高寒草地的自身恢复能力能够维持或者缓慢恢复，因此未来的牲畜放牧率应该减少，以保证高寒草地的恢复。当生产力的变化趋势＜0时，代表高寒草地牧场的恢复速率低于或等于当前放牧率下草地的消耗，当前放牧率下高寒草地不能自我恢复，所以未来的牲畜放牧率必须减少，提升高寒草地的恢复能力以保护高寒草地的生态环境。
实施例二：
图2示出了本发明实施例中适用于高寒草地合理放牧率的评估装置示意图。所述适用于高寒草地合理放牧率的评估装置包括：
数据处理模块1：收集高寒草地数据并对所述高寒草地数据进行预处理，获得预处理后的高寒草地数据。
具体的，所述高寒草地数据包括气象数据、遥感影像数据、载畜量数据和高寒草地监测数据。所述气象数据包括日最高气温、最低气温、平均气温、降水量、蒸发量、相对湿度、风向、风速、日照时数和地温等数据，对所述气象数据进行空间插值、投影转换和栅格重采样。
进一步的，所述遥感影像数据主要是通过遥感拍摄技术获取所述高寒草地的遥感影像，对所述遥感影像数据进行影像拼接、投影转换和最大值合成等处理。
生产力计算模块2：根据所述预处理后的高寒草地数据计算潜在初级净生产力和实际净生产力，并根据所述潜在初级净生产力和实际净生产力计算人为活动影响的生产力。
具体的，所述根据预处理后的高寒草地数据计算潜在初级净生产力，包括：
所述潜在初级净生产力的计算模型为：
RDI＝(0.629+0.237PER-0.00313PER2)2；
其中，NPPp潜在净初级生产力，RDI为干度辐射指数，P为年总降水量，PER为潜在蒸散率，BT为年平均气温，T为月平均气温。
进一步的，所述潜在初级净生产力的计算模型为周广胜模型，为周广胜在全球气候变化的中国自然植被的净第一性生产力研究论文中，提出的生产力计算模型。
具体的，所述实际净生产力的计算模型为：
NPPa(x，t)＝APAR(x，t)×ε(x，t)；
APAR(x，t)＝SOL(x，t)×FPAR(x，t)×0.5；
ε(x，t)＝Tε1(x，t)×Tε2(x，t)×Wε(x，t)×εmax；
其中，APAR(x，t)指像素x在t月内吸收的光合有效辐射，所述APAR(x，t)的单位为MJ·m-2，ε(x，t)指像素x在t月内实际光能的利用率，ε(x，t)的单位为gC·MJ-1，SOL(x，t)指像素x在t月内的总太阳辐射，SOL(x，t)的单位为gC·MJ-1，常数0.5是太阳有效辐射的比例中植被可利用的总太阳辐射，FPAR(x，t)指植被对入射光合有效辐射的吸收比，Tε1(x，t)和Tε2(x，t)表示温度对光能利用的影响，Wε(x，t)表示水分条件对光能利用的影响，εmax表示理想状态下植被最大光能利用率。
进一步的，所述εmax的值根据不同植被类型进行选取。
具体的，所述人为活动影响的生产力计算公式为：
NPPh＝NPPp-NPPa；
其中：NPPh为人为活动影响的生产力，NPPp为潜在初级净生产力，NPPa为实际净生产力。
评估指标计算模块3：根据所述预处理后的高寒草地数据计算牲畜实际消耗的生产力，并根据所述人为活动影响的生产力和所述牲畜实际消耗的生产力计算所述高寒草地的评估指标；
具体的，所述牲畜实际消耗的生产力的计算模型为：
NPPac＝0.45×NSSUst×GW×GDst×(1-MC)×1000+0.45×NSSUsl×GW×GDsl×(1-MC)×1000；
其中，NPPac为牲畜实际消耗的生产力，NSSUst为牲畜存栏的标准绵羊数量，NSSUsl为牲畜出栏的标准绵羊数量，GW＝1.8，为食用干草重量，GDst＝365，为牲畜存栏的天数，GDsl＝180，为牲畜出栏的放牧天数，MC＝14％，为干草的水分含量，常数0.45表示为生物量与碳含量的换算系数。
进一步的，所述牲畜的标准绵羊数量计算公式为：
其中，NSSU为牲畜的标准绵羊数量，n为牲畜种类数量，Ni为第i种牲畜的数量，εi为不同种类牲畜的标准绵羊转换系数。
进一步的，为了统一单位方便计算，采用换算系数将所述高寒草地上的各类牲畜转换为标准绵羊单位。
进一步的，换算系数参照中国农业标准中NY/T 635-2015天然草地合理载畜量的计算。
具体的，所述评估指标的计算公式为：
NPPgap＝NPPh-NPPac；
其中，NPPgap为所述高寒草地的评估指标，NPPh为人为活动影响的生产力，NPPac为牲畜实际消耗的生产力。
生产力变化趋势分析模块4：根据所述人为活动影响的生产力、初级净生产力和实际净生产力分析生产力的变化趋势；
具体的，所述生产力的变化趋势计算模型为：
其中，SlopeNPP为生产力的变化趋势，n为计算样本的总时间跨度年份，i＝1，2，3，...，n，NPPi为第i年的生产力。
进一步的，分析NPP与温度以及降水之间的相关性，计算公式如下：
其中，Rxy为相关系数，n为总时间跨度年份，xi为第i年的NPP，yi为第i年的气温或降水量，
为平均值NPP的值，
是温度或降水的平均值，N是样本数。
评估模块5：结合所述评估指标和生产力的变化趋势，分析评估所述高寒草地的牲畜合理放牧率。
具体的，根据所述评估指标和所述生产力的变化趋势，进行高寒草地的牲畜合理放牧率的评估，根据评估指标确定高寒草地处于恢复状态或者退化状态，根据生产力的变化趋势确定高寒草地的发展趋势，结合目前的放牧率确定未来放牧率的调整方向。达到合理放牧，充分利用高寒草地资源同时保护所述高寒草地资源，保证所述高寒草地资源的可持续利用。
实施例三：
在本发明实施例中，以青海省为研究区域，通过所述高寒草地合理放牧率的评估方法进行该区域的牲畜放牧率合理评估。青海省位于青藏高原东北部，是长江、黄河、澜沧江的发源地，素有“中华水塔”之称。青海省总面积约69.67×104km，平均海拔超过3000m。青海省气候以高寒干旱为主，属大陆性高原气候，气温低，昼夜温差大，雨量少而集中，日照时间长，太阳辐射强。高寒草地是青海省的主要生态系统，约占全省总面积的59.13％，主要分布于祁连山、青南高原和柴达木盆地边缘，主要草地类型包括高寒草甸、高寒草原和温性草原。
收集青海省的高寒草地数据，包括在2005年到2018年间的牲畜数据，包括牛、牦牛、奶牛、马、骡、驴、骆驼、山羊和绵羊的年度存栏量和出栏量。在青海省区域内设置2804个采样点进行数据采集，采集高寒草地AGB数据，其中所述1801个采样点包括217个围栏内采样点和1584个围栏外的采样点，所述217个围栏内采样点用于验证潜在生产力，所述1584个围栏外的采样点用以验证实际生产力。
进一步的，对研究区域的遥感影像数据进行处理，所述遥感影像数据包括中分辨率成像光谱仪(MODIS)植被指数产品(MOD13Q1)和土地覆盖类型产品(MCD12Q1)。MOD13Q1数据空间分辨率为250m，时间分辨率为16天。所述MOD13Q1数据通过MODIS重投影工具(MRT)进行拼接、投影转换和数据提取等预处理，然后将数据转换为geo-TIFF格式和Albers地图投影，基于最大值合成得到2005年至2018年的月最大NDVI数据。
进一步的，对研究区域进行气象数据的采集，包括日最高气温、最低气温、平均气温、降水量、蒸发量、相对湿度、风向、风速、日照时数和地温，来自国家气象科学数据中心，涵盖2005-2018年期间。利用ANUSPLIN软件对获取的气象数据进行空间插值，得到250m分辨率的2005-2018年的年月平均气温、月总降水量和月总太阳辐射量。然后，将WGS-1984基准面和Albers等积圆锥投影应用于所有月度影像。
进一步的，所述WGS-1984基准面是一种国际上采用的地心坐标系。坐标原点为地球质心，其地心空间直角坐标系的Z轴指向BIH(国际时间服务机构)1984.0定义的协议地球极(CTP)方向，X轴指向BIH 1984.0的零子午面和CTP赤道的交点，Y轴与Z轴、X轴垂直构成右手坐标系，称为1984年世界大地坐标系统。
进一步的，所述Albers是指阿尔伯斯投影，又名“正轴等积割圆锥投影”、“双标准纬线等积圆锥投影”，是圆锥投影的一种，为阿伯斯(Albers)拟定。
具体的，图3示出了本发明实施例中青海省2005年到2018年的NPPP年均值分布和变化趋势分布示意图，图4示出了本发明实施例中青海省2005年到2018年的NPPa年均值分布和变化趋势分布示意图，图5示出了本发明实施例中青海省2005年到2018年的NPPac年均值分布和变化趋势分布示意图。通过所述潜在生产力的计算模型计算青海省2005年到2018年的年均潜在生产力NPPp，通过所述实际生产力的计算模型计算青海省2005年到2018年的年均实际生产力NPPa，通过所述NPPp和所述NPPa计算年均牲畜实际消耗的生产力NPPac。
进一步的，通过趋势变化分析得到青海省2005年到2018年的NPPp、NPPa和NPPac的变化趋势。
具体的，图6示出了本发明实施例中青海省2005年到2018年的年均气温分布及变化趋势示意图，图7示出了本发明实施例中青海省2005年到2018年的年均降水量分布及变化趋势示意图。2005年到2018年间青海省高寒草地年平均气温(MAT)为-0.54℃，MAT较高的地区主要分布在海拔较低的地区，如西宁市、海东市、海南州等。14年间MAT呈小幅上升趋势，年均增加0.04℃。增幅由青海省中部向东部、西部两侧逐渐降低。
进一步的，2005年到2018年间青海省高寒草地年均总降水量(MAP)为2174.18mm，空间分布具有明显的空间异质性。总体趋势是由东南向西北逐渐降低。14年间MAP呈下降趋势，年均下降125.54mm。降幅的总体趋势也由东南向西北逐渐降低。
进一步的，结合图3到图7，综合分析可以看出2005年到2018年间，青海省的高寒草地年均NPPp为419.11gC·m-2，其空间分布由东南向西北逐渐减小，与MAP一致，近14年NPPp变化呈下降趋势，年均下降25.45gC·m-2。下降的总体趋势与MAP一致，可以看出年均NPPp与年均降水量密切相关。
进一步的，2005年到2018年间，青海省的年均NPPa为423.42gC·m-2，所述年均NPPa数值较高的地区主要分布在青海省东部。总体趋势也由东南向西北逐渐减弱。在14年期间，青海省58.32％的高寒草地NPP处于增长状态，41.68％面积的高寒草地处于退化状态。退化区主要分布在玉树州、果洛州和海北州中部。青海省的年均NPPac为34.51gC·m-2。所述NPPac高值地区主要分布在青海省东部，如西宁市、海东市、黄南州、海北州等，代表了这些地区实际牲畜承载能力大于理论牲畜承载能力，与其他地区相比，可用牧场较少。在14年期间，青海省84.25％的高寒草地NPPac呈上升趋势，但上升趋势相对较低，年均增长0.43gC·m-2。仅有15.75％的区域呈下降趋势，该地区主要分布在玛多、玛沁、甘德、达日、班玛、泽库县。
具体的，图8示出了本发明实施例中实测数据和模拟数据正相关函数示意图，通过对比分析验证，得到实测数据和模拟数据存在正相关关系，如图8所示，即根据模拟的生产力数据，可以估算未来生产力数据，从而得到生产力的变化趋势。
具体的，图9示出了本发明实施例中青海省2005年到2018年的NPPh年均值分布和变化趋势分布示意图，图10示出了本发明实施例中青海省2005年到2018年的NPPgap年均值分布和变化趋势分布示意图，计算得到2005年到2018年间青海省高寒草地NPPh和NPPgap的年均值和变化趋势，NPPh的变化与NPPp和NPPa有关。根据NPPh计算公式，2005-2018年青海省高寒草地年均NPPh为-12.34gC·m-2。年均值偏低的地区主要分布在青海省东北部，如海北州、西宁市等。在14年期间NPPh变化总体呈下降趋势，年均下降26.26gC·m-2，且下降的总体趋势也由东南向西北逐渐减小，因为NPPgap的变化与NPPh和NPPac有关。年均值为-46.89gC·m-2。NPPgap值较低的区域与NPPh值较低的区域基本相同。在14年期间的NPPgap变化率也主要呈现下降趋势，其年均下降26.91gC·m-2，下降的总体趋势与NPPh趋势一致。
进一步的，结合图3到图10，反映了青海省在14年间的气候地貌变化、气温和降水梯度的空间特性，以及人为活动的影响。通过所述NPPp、所述NPPh、所述NPPa、所述NPPac和所述NPPgap，分别与温度和降水进行了相关分析。
2005年至2018年，所述NPPp与青海省高寒草地气温在-0.73～0.66之间，不存在高相关性。其中，95.09％的高寒草地NPPp与温度呈负相关。NPPp与降水呈正相关和高度相关，相关系数大于0.8，说明降水是影响NPPp的主要因素。
进一步的，所述NPPa与温度的平均相关系数为0.21，81.49％的区域相关系数在-0.4～0.4之间，相关性不显著。NPPa主要与温度呈正相关，仅15.54％的地区与温度呈负相关，主要分布在玉树州中部、海西州南部、海东市南部等。NPPa与降水的相关性也不明显显著，85.32％的区域相关系数在-0.4～0.4之间。
进一步的，所述NPPac与温度的相关系数在-0.38～0.64之间，不存在高相关性。与温度呈正相关的区域占80.03％，与温度呈负相关的区域主要分布在天峻、玛多、玛沁、达日和班玛县。NPPac与降水的平均相关系数为-0.38，74.96％的地区与降水呈负相关，呈正相关的地区主要分布在果洛州、格尔木市和泽库县。
进一步的，所述NPPh与温度的平均相关系数为-0.44。总体来看，92.84％的区域与温度呈负相关，NPPh与降水呈正相关且高度相关，相关系数均大于0.8。
进一步的，所述NPPgap与气候的相关性与NPPh与气候的相关性基本一致，与温度呈负相关，与降水呈高度正相关。
具体的，基于气候变化和人为活动对青海省高寒草地生产力相对贡献的进行合理放牧率的评估。通过叠加NPPp、NPPa和NPPh的变化趋势，确定气候变化和人类活动对草地NPP增减的贡献。根据上述NPPa结果，根据表1分析NPPa变化的原因。可以得到青海省41.68％的高寒草地面积处于减少状态，主要分布在玉树州、果洛州和海北州中部。气候变化是导致青海省高寒草地退化的主要驱动因素。NPPa面积增加量占高寒草地总面积的58.32％，主要分布在黄南州、海南州、海西州和玉树州西部。
进一步的，青海省近14年来气温升高、降水减少，使高寒草地在生长发育过程中蒸发量增加，土地沙漠化和盐碱化加剧，导致高寒草地潜在生产力降低。另一方面，青海省实施的“退牧还草”工程、草原生态保护补助奖励、三江源生态保护和建设工程等一系列政策，促使了人为活动对高寒草地的影响，促进了高寒草地的恢复。
具体的，结合表2进行合理放牧率评估，2005-2018年青海省有60.77％的高寒草地处于牲畜消耗生产力超载状态，牲畜放牧率较高，可用牧场已经处于退化状况，主要集中在青海省东部和西南部，如海北州、西宁市、黄南州、海东市及玉树州、果洛州部分区域，该超载区域属于过度放牧，在未来必须降低载畜量，原因在于青海省东部人口密度相对较高，可利用草地相对较少，为满足人类日常消耗，不得不过度利用草地，致使草地退化。此外，由于青海省西南部海拔相对较高，气温和降水量相对较低，该地区的生态系统极为脆弱，加上长期过度放牧，导致青海省西南部草原啮齿动物和害虫泛滥，草地产量急剧下降，“人草畜矛盾”加剧，草地畜牧业受到严峻考验。39.23％的区域处于牲畜消耗生产力临界状态，牲畜放牧率相对较低，可用牧场在一定程度上得以恢复，为进一步恢复高寒草地生产力，在不受放牧的影响下，不应该增加载畜量。
本发明实施例提供了适用于高寒草地合理放牧率的评估方法及装置，通过确定气候变化结合人为活动对高寒草地生产力的影响，进行高寒草地合理放牧率的评估，提高评估的合理性和准确度，促进高寒草地资源的可持续利用和畜牧业的合理布局。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，ReadOnly Memory)、随机存取存储器(RAM，Random AccessMemory)、磁盘或光盘等。
另外，以上对本发明实施例所提供的一种适用于高寒草地合理放牧率的评估方法及装置进行了详细介绍，本文中应采用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种适用于高寒草地合理放牧率的评估方法，其特征在于，所述评估方法包括：
收集高寒草地数据并对所述高寒草地数据进行预处理，获得预处理后的高寒草地数据；
其中，所述高寒草地数据包括气象数据、遥感影像数据、牲畜量数据以及高寒草地监测数据；
根据所述预处理后的高寒草地数据计算潜在初级净生产力和实际净生产力，并根据所述潜在初级净生产力和实际净生产力计算人为活动影响的生产力；
根据所述预处理后的高寒草地数据计算牲畜实际消耗的生产力，并根据所述人为活动影响的生产力和所述牲畜实际消耗的生产力计算所述高寒草地的评估指标；
根据所述人为活动影响的生产力、初级净生产力和实际净生产力分析生产力的变化趋势；
结合所述评估指标和生产力的变化趋势，分析评估所述高寒草地的牲畜合理放牧率。
2.如权利要求1所述的适用于高寒草地合理放牧率的评估方法，其特征在于，对所述高寒草地数据进行预处理，包括：
对气象数据进行空间插值、投影转换、栅格重采样的处理；
对遥感影像数据进行影像拼接、投影转换、最大值合成的处理；
对牲畜量数据和高寒草地监测数据进行矢量化、投影转换和异常值剔除的处理。
3.如权利要求1所述的适用于高寒草地合理放牧率的评估方法，其特征在于，所述根据预处理后的高寒草地数据计算潜在初级净生产力和实际净生产力，包括：
所述潜在初级净生产力的计算模型为：
RDI＝(0.629+0.237PER-0.00313PER2)2；
其中，NPPp潜在净初级生产力，RDI为干度辐射指数，P为年总降水量，PER为潜在蒸散率，BT为年平均气温，T为月平均气温；
所述实际净生产力的计算模型为：
NPPa(x，t)＝APAR(x，t)×ε(x，t)；
APAR(x，t)＝SOL(x，t)×FPAR(x，t)×0.5；
ε(x，t)＝Tε1(x，t)×Tε2(x，t)×Wε(x，t)×εmax；
其中，APAR(x，t)指像素x在t月内吸收的光合有效辐射，ε(x，t)指像素x在t月内实际光能的利用率，SOL(x，t)指像素x在t月内的总太阳辐射，常数0.5是太阳有效辐射的比例中植被可利用的总太阳辐射，FPAR(x，t)指植被对入射光合有效辐射的吸收比，Tε1(x，t)和Tε2(x，t)表示温度对光能利用的影响，Wε(x，t)表示水分条件对光能利用的影响，εmax表示理想状态下植被最大光能利用率。
4.如权利要求1所述的适用于高寒草地合理放牧率的评估方法，其特征在于，所述根据潜在初级净生产力和实际净生产力计算人为活动影响的生产力，包括：
所述人为活动影响的生产力计算公式为：
NPPh＝NPPp-NPPa；
其中：NPPh为人为活动影响的生产力，NPPp为潜在初级净生产力，NPPa为实际净生产力。
5.如权利要求1所述的适用于高寒草地合理放牧率的评估方法，其特征在于，所述根据预处理后的高寒草地数据计算牲畜实际消耗的生产力，包括：
所述牲畜实际消耗的生产力的计算模型为：
NPPac＝0.45×NSSUst×GW×GDst×(1-MC)×1000+0.45×NSSUsl×GW×GDsl×(1-MC)×1000；
其中，NPPa□为牲畜实际消耗的生产力，NSSUst为牲畜存栏的标准绵羊数量，NSSUsl为牲畜出栏的标准绵羊数量，GW＝1.8，为食用干草重量，GDst＝365，为牲畜存栏的天数，GDsl＝180，为牲畜出栏的放牧天数，MC＝14％，为干草的水分含量，常数0.45表示为生物量与碳含量的换算系数。
6.如权利要求5所述的适用于高寒草地合理放牧率的评估方法，其特征在于，所述牲畜的标准绵羊数量计算公式为：
其中，NSSU为牲畜的标准绵羊数量，n为牲畜种类数量，Ni为第i种牲畜的数量，εi为不同种类牲畜的标准绵羊转换系数。
7.如权利要求1所述的适用于高寒草地合理放牧率的评估方法，其特征在于，所述根据人为活动影响的生产力和所述牲畜实际消耗的生产力计算所述高寒草地的评估指标，包括：
所述评估指标的计算公式为：
NPPgap＝NPPh-NPPac；
其中，NPPgap为所述高寒草地的评估指标，NPPh为人为活动影响的生产力，NPPac为牲畜实际消耗的生产力。
8.如权利要求1所述的适用于高寒草地合理放牧率的评估方法，其特征在于，所述根据人为活动影响的生产力、初级净生产力和实际净生产力分析生产力的变化趋势，包括：
所述生产力的变化趋势计算模型为：
其中，SlopeNPP为生产力的变化趋势，n为计算样本的总时间跨度年份，i＝1,2,3,…,n，NPPi为第i年的生产力。
9.如权利要求8所述的适用于高寒草地合理放牧率的评估方法，其特征在于，所述分析生产力的变化趋势还包括分析生产力和温度以及降水之间的相关性；
所述分析NPP与温度以及降水之间的相关性，计算公式如下：
其中，Rxy为相关系数，n为总时间跨度年份，xi为第i年的NPP，yi为第i年的气温或降水量，
为平均值NPP的值，
是温度或降水的平均值，N是样本数。
10.一种适用于高寒草地合理放牧率的评估装置，其特征在于，所述评估装置包括：
数据处理模块：收集高寒草地数据并对所述高寒草地数据进行预处理，获得预处理后的高寒草地数据；
生产力计算模块：根据所述预处理后的高寒草地数据计算潜在初级净生产力和实际净生产力，并根据所述潜在初级净生产力和实际净生产力计算人为活动影响的生产力；
评估指标计算模块：根据所述预处理后的高寒草地数据计算牲畜实际消耗的生产力，并根据所述人为活动影响的生产力和所述牲畜实际消耗的生产力计算所述高寒草地的评估指标；
生产力变化趋势分析模块：根据所述人为活动影响的生产力、初级净生产力和实际净生产力分析生产力的变化趋势；
评估模块：结合所述评估指标和生产力的变化趋势，分析评估所述高寒草地的牲畜合理放牧率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210364201.4A CN114819545A (zh) | 2022-04-07 | 2022-04-07 | 一种适用于高寒草地合理放牧率的评估方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210364201.4A CN114819545A (zh) | 2022-04-07 | 2022-04-07 | 一种适用于高寒草地合理放牧率的评估方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114819545A true CN114819545A (zh) | 2022-07-29 |
Family
ID=82535477
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210364201.4A Pending CN114819545A (zh) | 2022-04-07 | 2022-04-07 | 一种适用于高寒草地合理放牧率的评估方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114819545A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116012733A (zh) * | 2022-12-14 | 2023-04-25 | 兰州大学 | 一种利用乡土草种物种组配修复重度退化高寒草地裸斑的方法 |
| CN116414931A (zh) * | 2023-02-21 | 2023-07-11 | 中国科学院地理科学与资源研究所 | 一种国家公园家畜分布密度空间化的方法 |
| CN116431952A (zh) * | 2023-03-22 | 2023-07-14 | 中国地质大学（北京） | 一种基于人工智能的草原生态监测方法及系统 |
-
2022
- 2022-04-07 CN CN202210364201.4A patent/CN114819545A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116012733A (zh) * | 2022-12-14 | 2023-04-25 | 兰州大学 | 一种利用乡土草种物种组配修复重度退化高寒草地裸斑的方法 |
| CN116012733B (zh) * | 2022-12-14 | 2023-09-29 | 兰州大学 | 一种利用乡土草种物种组配修复退化高寒草地裸斑的方法 |
| CN116414931A (zh) * | 2023-02-21 | 2023-07-11 | 中国科学院地理科学与资源研究所 | 一种国家公园家畜分布密度空间化的方法 |
| CN116414931B (zh) * | 2023-02-21 | 2024-05-14 | 中国科学院地理科学与资源研究所 | 一种国家公园家畜分布密度空间化的方法 |
| CN116431952A (zh) * | 2023-03-22 | 2023-07-14 | 中国地质大学（北京） | 一种基于人工智能的草原生态监测方法及系统 |
| CN116431952B (zh) * | 2023-03-22 | 2024-01-30 | 中国地质大学（北京） | 一种基于人工智能的草原生态监测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114819545A (zh) | 一种适用于高寒草地合理放牧率的评估方法及装置 | |
| Han et al. | Land surface phenology and land surface temperature changes along an urban–rural gradient in Yangtze River Delta, China | |
| CN108170926B (zh) | 一种河谷草地退化情况的信息数据采集及分析方法 | |
| Hill et al. | Estimation of pasture growth rate in the south west of Western Australia from AVHRR NDVI and climate data | |
| Restrepo et al. | Assessing the effect of natural controls and land use change on sediment yield in a major Andean river: the Magdalena drainage basin, Colombia | |
| Assunção et al. | Climate change and agricultural productivity in Brazil: future perspectives | |
| Li et al. | Effects of seasonal folivory and frugivory on ranging patterns in Rhinopithecus roxellana | |
| Mustafa | Spatiotemporal analysis of vegetation cover in Kurdistan region-Iraq using MODIS image data | |
| Tian et al. | Impacts of anthropogenic and biophysical factors on ecological land using logistic regression and random forest: A case study in Mentougou District, Beijing, China | |
| Stickler et al. | Local wood demand, land cover change and the state of Albany thicket on an urban commonage in the Eastern Cape, South Africa | |
| Huang et al. | Grasslands changes in the northern songnen plain, China during 1954–2000 | |
| Giap et al. | Application of GIS and remote sensing for assessing watershed ponds for aquaculture development in Thai Nguyen, Vietnam | |
| Short et al. | Plant Vigor as a Criterion of Range Condition. | |
| CN116310798A (zh) | 天然草地合理载畜量高精度遥感估算方法 | |
| Chi et al. | Archipelago bird habitat suitability evaluation based on a model of form-structure-function-disturbance | |
| Suh et al. | Analysis of land cover land use change in the greater Gaborone area of South Eastern Botswana | |
| CN115965257A (zh) | 一种区域气候变化生态系统服务损失评估方法 | |
| CN114358615A (zh) | 一种动态草畜平衡监测方法 | |
| Zhang et al. | Impacts of land use and land cover changes upon organic productivity values in Karst ecosystems: a case study of Northwest Guangxi, China | |
| van Berkel et al. | Natural capital accounting in the Netherlands: technical report | |
| Wo et al. | Ecological performance evaluation of urban agriculture in Beijing based on temperature and fractional vegetation cover | |
| Huang et al. | The estimation of winter wheat yield based on MODIS remote sensing data | |
| Hu et al. | Effects of Enclosure on Grassland Ecological and Economic Benefits in Northern China | |
| CN114724024B (zh) | 基于云计算平台和生命周期的双季作物种植界线自动化提取方法 | |
| Higham | Landscape and land use in northern England: a survey of agricultural potential, c. 500 BC-AD 1000 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |