一种基于高光谱遥感的高寒草地承载力评估和优化方法

本发明属于高光谱遥感领域，具体涉及一种基于高光谱遥感的高寒草地承载力评估和优化方法。

背景技术：

1、高寒草地生态脆弱且敏感，过度放牧引起草地生态退化，威胁生态安全。开展高寒草地承载力评价是载畜量调控和牧区选择的基础，对保障畜牧业可持续发展和生态安全具有重要意义。目前的草地承载力估算方法多是基于产草量(吴丹,2015)、净初级生产力(npp)(王琪等,2019)和归一化植被指数(ndvi)(ren等,2021)等产量指标，却忽略了质量指标对于草地承载力的重要性，无法有效客观评价实际草地生态系统的健康状况。与普通牧草相比，优质牧草粗蛋白(crude protein，cp)含量较高，而酸性洗涤纤维(acid detergentfiber，adf)和中性洗涤纤维(neutral detergent fiber,ndf)偏低，草质柔软，耐牧性好，具有更高的饲喂价值(陈谷等,2010)。

2、随着高光谱遥感技术的发展，得益于其光谱分辨率高、波长覆盖范围广、图谱合一、连续成像的优点，地物的分辨识别能力大幅提高，成像通道数大大增加，这使得草地产量指标和质量指标(概略养分参数)的精确反演成为可能(高金龙,2020)，也为基于牧草质量优化产量带来了可能性。因此，相比于直接利用产量指标估算的草地承载力，通过质量指标优化后的草地承载力更加合理。由于牧草不同概略养分影响消化能的程度大小不一样，并且概略养分参数数目非常多，如何通过方法设计确定最优的概略养分参数数目和值，以准确、可靠地估计高寒草地承载力是一个值得研究的问题。

3、背景技术部分参考文献如下：

4、[1]陈谷,邰建辉.美国商业应用中的牧草质量及质量标准[j].中国牧业通讯,2010,48-49.

5、[2]高金龙,刘殷,葛侯,冯梁.天然草地牧草营养品质的高光谱遥感研究进展[j].草业学报,2020,29:172-185.

6、[3]王琪,吴成永,陈克龙,张肖,张乐乐,丁俊霞.基于modis npp数据的青海湖流域产草量与载畜量估算研究[j].生态科学,2019,38:178-185.

7、[4]吴丹.陇县关山草原草地成因与承载力研究[m].西北农林科技大学.2015.

技术实现思路

1、本发明针对现有高寒草地承载力估算方法的不足，提供一种基于高光谱遥感的高寒草地承载力评估和优化方法，解决了如何利用牧草质量指标优化产量的难题，通过方法设计确定最优的概略养分参数数目和值，以准确、可靠地估计高寒草地承载力。

2、本发明所采用的技术方案是：一种基于高光谱遥感的高寒草地承载力评估和优化方法，包括如下步骤：

3、步骤1：选择最优牧草产量反演模型y(x)，其中x为反演参数，y为产草量；

4、步骤2：依据农业行业标准《天然草地合理载畜量的计算》(ny/t635–2015)，结合研究区域实际情况，确定草牧参数，所述草牧参数包括草地合理利用率g、草地可食牧草占比e、标准羊单位i和草地放牧时间d；

5、步骤3：基于反演参数x的最优建模结果和步骤2确定的草牧参数，依据农业行业标准《天然草地合理载畜量的计算》(ny/t635–2015)，计算研究区域内每一个栅格单元的高寒草地理论承载力c，c＝{c1，c2，c3，...，ci}，i表示第i个栅格单元，其计算公式如下：

6、

7、式中：c为草地理论承载力，(su·hm-2)；y为单位面积草地的优化产草量(g·m-2)；g为全年草地利用率(％)；e为草地可食牧草比例(％)；i为标准羊单位；d为草地放牧时间(d)。

8、步骤4：选择最优牧草质量反演模型*(x)，其中*为牧草概略养分指标，所述牧草概略养分指标包括粗蛋白含量cp、中性洗涤纤维含量ndf和酸性洗涤纤维含量adf，x为反演参数；

9、步骤5：查阅参考文献，结合研究区域实际情况，确定未反演的概略养分参数，包括48小时体外中性洗涤纤维消化率ndfd和粗脂肪含量ee；

10、步骤6：基于反演参数x的最优牧草质量建模结果和步骤5确定的未反演的概略养分参数，计算研究区域内每一个栅格单元的高寒草地相对饲喂质量rfq，rfq＝{rfq1，rfq2，rfq3，…，rfqi}，i表示第i个栅格单元，其计算公式如下：

11、rfq＝dmi×tdn/1.23      (2)

12、

13、式中：cp为粗蛋白含量(％)；ndf为中性洗涤纤维含量(％)；adf为酸性洗涤纤维含量(％)；rfq为相对饲喂质量(％)；tdn为可消化养分总量(％)；dmi是粗饲料干物质的随意采食量(％)；ndfn为无氮中性洗涤纤维含量(％)，ndfn＝ndf×0.93；ndfd为48小时体外中性洗涤纤维消化率(％)；nfc为非纤维碳水化合物含量(％)，nfc＝100-(ndfn+cp+ee+ash)，ash为粗灰分含量(％)；ee为粗脂肪含量(％)

14、步骤7：基于研究区域草地优势种类型，以其作为标准牧草类型，假定其概略养分参数为标准定值，按照步骤6计算得到标准牧草的相对饲喂质量rfqs；

15、步骤8：计算每一个栅格单元的牧草相对饲喂质量rfqi与标准牧草相对饲喂质量rfqs的比值ri；

16、ri＝rfqi/rfqs      (5)

17、步骤9：利用比值ri修正每一个栅格单元的高寒草地理论承载力ci，得到优化后的高寒草地理论承载力coi，其计算公式如下：

18、coi＝ci×ri      (6)

19、步骤10：重复步骤8～9，直至高光谱遥感影像中的所有栅格单元计算完毕；

20、步骤11：输出优化后的每一个栅格单元的高寒草地理论承载力coi，优化后高寒草地理论承载力为co＝{co1，co2，co3，…，coi}。

21、进一步的，所述最优牧草产量反演模型y(x)的选择范围包括：逐步回归、偏最小二乘法、主成分分析、物理模型、神经网络、随机森林。

22、进一步的，所述最优牧草质量反演模型*(x)的选择范围包括：逐步回归、偏最小二乘法、主成分分析、物理模型、神经网络、随机森林。

23、进一步的，所述步骤1或步骤4中选择模型y(x)或*(x)时，基于实际的高寒草地采样后实验室分析数据，参考相关科研论文等文献，根据相关系数r2、均方根误差rmse确定最优的反演模型。

24、进一步的，所述步骤1或步骤4中模型的反演参数x的选择范围包括：光谱特征变量和植被指数，所述光谱特征变量包括波段反射率、反射率高阶微分、吸收或反射位置、吸收或反射深度、吸收或反射宽度以及吸收或反射对称性；所述植被指数包括归一化植被指数(ndvi)、增强型植被指数(evi)、差值植被指数(dvi)、比值植被指数(rvi)、转换型植被指数(tvi)、修改型土壤调整植被指数(msavi)、优化的土壤调节植被指数(osavi)。

25、进一步的，所述步骤6中相对饲喂质量rfq是基于相对于标准牧草的可消化养分总量tdn的概念，相对饲喂质量rfq更高的牧草能提供相对于标准牧草更多的能量，默认的标准牧草为盛花期紫花苜蓿，其相对饲喂质量rfq为100。

26、进一步的，所述步骤7中，根据研究区域优势种的不同，标准牧草的类型应以优势种为参考，其相对饲喂质量rfq已不再为100，需重新计算。

27、本发明的有益效果是：

28、与现有技术相比，所提方法结合行业标准基于牧草的相对饲喂质量rfq是相对于标准牧草的可消化养分总量(tdn)的概念，确定了最优的概略养分参数数目和值，优化了仅基于产草量计算的草地承载力，解决了难以利用牧草质量指标公式化修正草地承载力的难点，达到了更加贴近草地实况的目标。