将草地产量和氮营养状况与管理措施联系起来：迈向大规模草地利用强度评估

《Remote Sensing Applications: Society and Environment》：Linking grassland yield and nitrogen nutrition status to management practices: Towards large-scale grassland use intensity assessment

本研究基于Sentinel-2卫星数据，通过步进式线性回归模型提取了草地干物质产量、氮浓度及冠层氮含量，并验证了模型在跨年度和跨地区的适用性。结合草地管理分类与刈割检测方法，分析了不同管理措施和土壤气候条件对草地植被状态及产量收获的影响，为可持续农业政策提供支持。

　　随着全球对食品生产需求的不断增长，草地管理面临着如何在提高产量的同时保持其生态价值的挑战。草地作为农业生态系统的重要组成部分，不仅提供了全球牲畜所需的近一半饲料，还在碳固存、水资源保持和生物多样性保护等方面发挥着关键作用。然而，农业集约化趋势正在威胁草地的生态状况。因此，有必要在适当的时空尺度上监测草地利用强度（GUI），以支持可持续的农业政策。本文探讨了如何利用遥感技术，特别是Sentinel-2卫星数据，来获取草地的生物物理变量，并将其与管理实践和土壤气候条件联系起来，以评估草地的利用强度及其对生态的影响。

为了实现这一目标，研究团队首先从Sentinel-2的多光谱反射率和指数中提取草地的干物质产量（DM）、氮浓度（NC）和冠层氮含量（CNC）。随后，这些变量被与管理实践和土壤气候条件进行关联。通过比较七种不同的方法，研究发现逐步线性回归模型在所有变量中表现最佳。这些模型基于三个生长季节的实地测量数据进行校准，并在独立的第四年数据集上进行了验证，其归一化均方根误差（RMSE）分别为9.5%、15.6%和6.7%。此外，还通过估算的DM和NC计算了氮营养指数（NNI），以评估草地的氮营养状态。

草地管理实践对生物物理变量的影响因土壤气候条件而异。因此，仅依靠基于管理的指标不足以全面监测GUI。研究提出了一种框架，整合了GUI的三个维度：输入（如割草、放牧和施肥）、输出（如饲料产量和质量）和结果（如生物多样性和生态系统服务）。这一框架不仅有助于评估生产输出与未预期生态影响之间的协同效应和权衡，还能够将管理实践与生态效应联系起来。

在遥感技术方面，许多研究使用经验方法，如回归模型，直接将光谱反射率数据与目标变量联系起来。尽管这些方法在某些研究中取得了令人满意的成果，但在更大范围和更长时间跨度的应用上仍需进一步研究。研究发现，尽管基于物理原理的确定性方法（如辐射传输模型）在某些变量（如叶面积指数LAI）的提取上表现良好，但在DM的提取上往往效果较差。相比之下，基于Sentinel-2的逐步线性回归模型在DM、NC和CNC的提取中表现优异，能够有效捕捉草地的生物物理特征。

研究团队在比利时的瓦隆地区进行了实地调查，覆盖了四个农业生态区：Condroz、Fagne-Famenne、Ardenne和Lorraine。通过将土地单元边界与草地分类相结合，他们创建了草地管理单位，并在这些单位内进行数据收集。尽管研究涵盖了广泛的草地类型，但大多数草地没有受到农业环境气候措施（AECM）的限制，这使得数据代表性有所不足。为了测试模型的时空转移能力，研究团队还收集了2020年的额外数据，并将模型应用于整个研究区域的2019年生长季节，以评估不同管理实践对草地状态和饲料产量的影响。

在变量选择和模型校准方面，研究团队尝试了多种回归模型，包括逐步线性回归、岭回归、随机森林回归、序列神经网络回归和支持向量回归。结果显示，逐步线性回归在所有模型中表现最佳，尤其是在NC和CNC的提取上。尽管其他模型在某些方面表现良好，但逐步线性回归因其可解释性而被选为后续分析的主要方法。此外，模型的校准数据集包含120个样本，通过12次交叉验证进一步优化模型性能。

在独立验证阶段，模型的RMSE值表明其在不同年份和区域的可转移性较好。特别是CNC的RMSE值在2020年的验证中表现优于NC，这可能是因为CNC直接依赖于DM和NC，而这两个变量的提取相对准确。然而，NC的提取在某些情况下仍存在低估的问题，这可能是由于光谱信号的饱和或非光合作用植被的比例较高。因此，尽管模型在整体上表现良好，但仍有改进的空间。

在大规模应用方面，研究团队利用遥感数据评估了不同管理实践对草地状态和饲料产量的影响。结果表明，春季的草地状态和第一茬割草的饲料产量在不同农业生态区存在显著差异。Condroz地区的草地状态和饲料产量较高，而Ardenne地区的草地状态和产量相对较低。这些差异可能与当地的气候条件和土壤特性有关。此外，AECM草地（如HNVG和SNG）的氮营养状态与其他草地存在显著差异，这表明AECM对草地生态状况的改善具有积极作用。

研究还发现，不同管理实践对草地的氮浓度和饲料产量有显著影响。例如，早期割草的草地通常表现出更高的氮浓度和饲料产量，而AECM草地则由于施肥限制，其氮浓度相对较低。这些结果强调了管理实践在草地生态系统中的关键作用，同时也为可持续农业政策提供了科学依据。

总体而言，本研究展示了Sentinel-2卫星数据在草地生物物理变量提取中的潜力。通过逐步线性回归模型，研究团队成功地获取了草地的干物质产量、氮浓度和冠层氮含量，并将其与管理实践和土壤气候条件进行关联。这些模型不仅在局部区域表现出良好的性能，而且在更大范围和更长时间跨度的应用中也显示出一定的可转移性。然而，研究也指出，进一步的工作需要改进模型的稳健性和可扩展性，并结合更多的遥感方法，以构建一个更全面的GUI监测框架。

研究还强调了遥感技术在草地管理中的重要性。通过结合多种遥感方法，如草地分类和割草检测，可以更准确地评估不同管理实践对草地状态和饲料产量的影响。这不仅有助于理解草地生态系统的复杂性，还能为农业政策制定提供数据支持。此外，研究还指出，高光谱传感器的使用可能进一步提高遥感在草地监测中的精度，为未来的草地研究和管理提供新的技术手段。

综上所述，本研究为草地管理提供了新的视角和方法，展示了遥感技术在监测草地利用强度和生态状况方面的潜力。通过结合多种数据和模型，研究团队不仅验证了模型的有效性，还揭示了不同管理实践和土壤气候条件对草地生物物理变量的影响。这些发现对于推动可持续农业实践和保护草地生态系统具有重要意义。