近日，中國農(nóng)業(yè)科學院草原研究所團隊關(guān)于草地生物量估算的最新研究成果在國際期刊《環(huán)境遙感》發(fā)表。這是該團隊繼2023年在國際期刊《科學》發(fā)表論文之后，又一重要研究進展。

草地生物量是草地生態(tài)系統(tǒng)碳儲量的重要組成部分，同時也是畜牧業(yè)生產(chǎn)的重要飼草料來源。然而，由于物種結(jié)構(gòu)、氣候環(huán)境等因素影響，精確估算草地生物量一直面臨巨大挑戰(zhàn)。盡管現(xiàn)有的衛(wèi)星遙感技術(shù)和機器學習方法提供了新的研究思路，但這些估算方法在空間擴展性中依然很不穩(wěn)定，主要因為對驅(qū)動指標與模型之間耦合關(guān)系的理解尚不清晰。

研究團隊對中國草地生物量進行了全面評估，特別關(guān)注了不同驅(qū)動變量間的復雜耦合關(guān)系，通過31個遙感、氣候、地形和土壤指標，結(jié)合6種機器學習算法，首先對中國草地地上生物量進行了10米精度的制圖。在此基礎(chǔ)上，基于18種草地類型的根冠比和畜牧業(yè)統(tǒng)計數(shù)據(jù)，計算了總生物量，并通過蒙特卡洛模擬和隨機森林的Gini重要性方法，分析了各變量在不同尺度下的貢獻。

研究結(jié)果表明，單純增加驅(qū)動變量并未提升機器學習算法在生物量建模中的表現(xiàn)能力。粗分辨率的氣候因子，特別是多年平均降水量（MAP）和高分辨率的增強型植被指數(shù)（EVI）等衛(wèi)星指標表現(xiàn)出明顯的尺度效應(yīng)：氣候因子在草地地上生物量大尺度估算中起主要作用，而衛(wèi)星指標反映了草地群落局部異質(zhì)性變化。

此外，研究發(fā)現(xiàn)，機器學習算法普遍具有飽和性收斂的特點，當訓練樣本不足時，模型的穩(wěn)定性會受到顯著影響，從而在不同草地類型之間產(chǎn)生較大的估算偏差。最后，綜合考慮地下生物量與放牧啃食量的貢獻，研究估算的2020年中國草地生態(tài)系統(tǒng)植被碳儲量為1.79PgC。這一結(jié)果與之前的大量地面觀測數(shù)據(jù)相近。

以上研究為中國草地碳儲量核算以及牧戶尺度放牧利用管理提供了可靠的技術(shù)與數(shù)據(jù)支撐。

中國農(nóng)業(yè)科學院草原研究所科研助理李華強為論文第一作者，李飛研究員為通訊作者，林克劍研究員為合作作者，美國新罕布什爾大學肖勁鋒教授、美國密歇根州立大學陳吉泉教授、內(nèi)蒙古師范大學包剛教授、內(nèi)蒙古自治區(qū)林業(yè)和草原監(jiān)測規(guī)劃院劉愛軍研究員、內(nèi)蒙古自治區(qū)軍民融合發(fā)展研究中心魏國為共同作者。該研究得到內(nèi)蒙古自治區(qū)科技計劃項目（2021GG0058）和中國農(nóng)業(yè)科學院農(nóng)業(yè)科技創(chuàng)新工程（CAAS-ASTIP-27-GRI-04）的共同資助。（果叮咚）