免费文献传递   相关文献

A Study on the Spatial Structure of the Simulated Biomass of Cultured Tropical Grassland

热带人工草地植被产量的时空结构建模研究



全 文 :第 18 卷  第 5 期
Vol. 18  No. 5
草  地  学  报
ACTA AGRESTIA SINICA
   2010 年  9 月
 Sep.   2010
热带人工草地植被产量的时空结构建模研究
白昌军1, 2 , 严琳玲1, 2
( 1. 中国热带农业科学院作物品种资源研究所, 海南 儋州  571737;
2.农业部热带作物种质资源利用重点开放实验室, 海南 儋州  571737)
摘要 : 在建成 4 年的热带人工草地上研究放牧与不放牧对热带栽培草地的影响,使用 BP 神经网络, 对植被生物量
时空结构进行建模分析,并对 7, 9, 11, 1 月份在 15~ 175 cm 处的植被生物量进行预测。结果表明, 栽培草地群落植
被在垂直空间上层状分布,牧草产量多集中在 11~ 60 cm 草层,尤其是在 10 月份左右, 50 cm 处, 植被生物量达到
最大。
关键词:热带人工草地; BP 神经网络;建模
中图分类号: S812. 8    文献标识码: A      文章编号: 10070435( 2010) 05065605
A Study on the Spatial Structure of the Simulated
Biomass of Cultured Tropical Grassland
BAI Changjun1, 2 , Yan Linling1, 2
( 1. T ropical C rops Genet ic Resou rces Ins titute, Ch ines e Academy of T ropical Agricultural Sciences, Danzhou, H ainan Provin ce 575737, China;
2. M inist ry of Agricultu re Key Lab or atory for Ut ilizat ion of Tropical Crops Germ plasm Resources, Danzh ou , H ain an Province 571737, China)
Abstract: A study w as conducted on the inf luence of grazing on the community st ructure of 4year cultur ed
quadrennial t ropical g rassland. By adopt ing Dual BP Neural Netw or k, a modeling analy sis on the spat ial
st ructure w as made, w hile the g rassland biomass of 15~ 175 cm during July, September, November and
January w as est imated based on the model. Results show ed that the vegetat ion of cultured quadrennial
tr opical gr assland dist ributed by lay ers in the vert ical space. Forage production most ly concentrated in the
layer of 11~ 60 cm. In particular, grassland biomass of 50cm layer had max imum production around October.
Key words: T ropical cultured grassland; BP Neural Netw or k; M odeling
  分布于海南西部的旱生稀树灌丛草地是经过长
期自然演化形成的植被类型, 有天然草地约 20多万
hm 2 ,具有集中连片、地势平坦、地下水源充足及天
然植被资源丰富等特点, 原始植被以厚皮树 ( L an
nea cor omandel ica ( Hout t . ) Merr. )山芝麻( H e
li ct ercs angusti f ol ia L. )白茅( Imper ata cy l indr i
ca var. major ( Nees) )飞机草( Eupatorium od or a
tum Linn. )斑 茅 ( S accharum arund inaceum
Retz. )为主,但天然草地产草量低, 覆盖度 60%, 草
层高 30~ 50 cm,年产草量仅 3750 kg  hm2 , 牧草品
质差,粗蛋白含量为 6%左右。草地产量低, 草质
差,枯草期长,容易老化而不被牛羊采食, 载畜量极
低, 一般 1. 5~ 2 hm2 草地适合放牧饲养 1 头
牛[ 1, 4~ 6]。热带栽培草地生物量的测定和营养成份
分析已有报道[ 2, 3] , 但热带栽培草地群落结构以及
放牧对栽培草地的影响未见报道, 特别是热带典型
栽培草地的生物量、群落结构及其动态对热带栽培
草地的利用具有现实意义,掌握栽培草地植物多样
性、群落结构,对延长热带栽培草地的利用寿命, 持
续提高热带草地生产力以及农林牧生态系统的永
续利用有积极意义。
建立系统的机理模型,是进行系统模拟的首选
途经。然而, 对多数系统而言, 难以得到其机理模
型。人工神经网络可用于解决各种非线性问题, 已
得到成功的应用[ 7~ 1 1]。由于生态系统的复杂性, 近
年来,经验模型和自学习模型等,成为生态系统模拟
的重要工具。为此, 本研究对热带栽培草地植被生
物量时空结构进行 BP 神经网络建模分析, 为相关
研究提供依据。
收稿日期: 20091103;修回日期: 20100623
基金项目:国家科技支撑计划( 2008BADB3B08) ;物种资源保护项目;国家重点研究发展计划( 973)项目 ( 2007CB108903)资助
作者简介:白昌军( 1967 ) ,男,甘肃民勤人,研究员,博士,主要从事热带牧草种质资源保存、鉴定评价、新品种选育等方面研究, Email :
baich angju n2000@ yah oo. com . cn
第 5期 白昌军等:热带人工草地植被产量的时空结构建模研究
1  材料与方法
1. 1  试验样地概况
本试验样地位于海南儋州市雅星林场热带农林
牧生态子系统的栽培草地。该草地位于 1922~ 19
24N, 10930~ 10933E, 地处热带北缘, 属于低山丘
陵台地类型,气候为热带季风半湿润性气候。在1996
年建成后轮牧和自然放牧相结合。试验样地在栽培
草地建成第 4年选取具有代表性的草地进行隔离围
栏,其中放牧样地继续放牧,不放牧草地实行严格隔
离。围栏草地面积约 1000m2 ,样地具有代表性。
1. 2  试验材料
栽培草地于 1996年 6月建植,主要草种为热研
2号柱花草( Sty losanthes guianensis cv. Reyan 2)、
有钩柱花草( S . hamata)、西卡柱花草( S . scabr a cv.
Seca)、银合欢 ( L eucaena leucocephala )、大翼豆
(Macr op t il ium atrop ur pureum ) 和珊状臂 形草
( Br achiar ia br iz antha )。
1. 3  试验方法
本试验采用分层割取法测定栽培草地的生产结
构,在样地内随机取 1  1 m2 样框刈割后按 10 cm
间隔进行层状测产,分析人工草地地上部分空间结
构[ 12, 13]。试验于 1999年 5月进行预割,此后每 2个
月刈割测产一次。试验 2000年 12月结束。
1. 4  数据分析
本研究使用 3层 BP 神经网络(分别为输入层、
输出层、隐含层) [ 8, 11]。对植被生物量时空结构进行
建模分析, BP 神经网络是一个输入空间到输出空间
的映射; g: R p Rm , g( X ) = Y . 对输入集 x i  Rp ,
与输出集 y i  Rm , 存在映射 g 使得 g ( x i ) = y i , i=
1, 2, , n. 要求得某个映射 f  G= { g | g: Rp 
R
m
} ,使得 f 是g 的最佳逼近 [ 7, 9]。BP 神经网络通
过学习样本数据,逼近所给的连续函数。在 3层 BP
网络中, 输出层神经元传递函数为线性函数 Pure
l in,隐层神经元传递函数为正切 S型函数 T ansig。
建模和网络训练采用软件 Matlab 6. 5。训练函
数为 t rainlm,该网络的隐含层节点采用 log sig 作为
传递函数, 输出层节点采用 purelin作为传递函数,
选用 LevenbergMarquardt 算法训练网络, 以梯度
下降函数进行网络学习, 性能函数为均方误差,在正
向传播过程中, 输入信号逐层传递,同时计算每个神
经元的实际输出;在反向传播过程中,逐级逐层计算
实际输出与期望输出的误差,并根据误差调整权重。
2  结果与分析
植被群落结构是人工草地群落主要特征之一,
决定着草地的生产功能, 并与草地的合理利用和培
育有着十分密切的关系。本试验采用分层垂直割取
法测定人工草地植被群落生产结构,其结果见表2。
柱花草为多年生直立或半直立草本植物,多数
主茎不明显, 分枝多斜生,长可达 0. 5~ 2. 0 m, 多年
后斜生老茎平铺地面, 嫩茎斜向上生长;珊状臂形草
为多年生匍匐茎禾草, 分蘖能力强,平展延伸扩展能
力强,因而柱花草和臂形草占优势种的人工草地其
生活型不同,结构复杂。一般柱花草斜向上生长,草
层自然高 70~ 80 cm 或更高,占据了草地的上层空
间,而臂形草相对耐荫,且茎多平铺生长并产生不定
根,草层自然高 40~ 60 cm ,属下繁禾草。
植被群落结构在测定时考虑到绝对伸展长度,
因而测定的群落结构草层多为绝对生长长度。从表
2中可以看出, 在不同的生长季节其草层层次不同,
一般可达到 110~ 170 cm。一般不放牧草地的草层
高度高于放牧地牧草的草层高度, 这主要是因为牛
羊在放牧采食过程中践踏牧草所致。
从群落生物量结构分布表中可以看出(表 2) ,
热带人工草地0~ 10 cm 层产量较少,多为枯枝落叶
层或老化的草茎层,多荫蔽于草层之下。11~ 60 cm
草层为主要草层, 平均每层产量均超过总产量干重
的 10%以上,其中在不放牧草地中该层占草地产量
的 57%,在放牧草地中占草层产量的 58. 3%。在放
牧草地样地中, 21~ 40 cm 的草层产量最高, 其产量
为 60. 6  10- 3 kg  m - 2 ,占草层总产量的 12. 7%,
而在不放牧草地中, 31~ 40 cm 草层的产量最高,其
产量为 75. 13  10- 3 kg m - 2 ,占总产量的 12. 5%。
不放牧草地和放牧草地的植被产量时空结构,
见表 2。用 BP 神经网络对植被产量的时空结构进
行建模、模拟和预测。设定隐层神经元数= 50, 预定
训练次数= 5000, 预定均方误差= 0. 001。模拟效果
见图 1和图 2。
不放牧草地植被产量时空结构模拟( M)与实测
( S)的回归如下:
S= - 0. 0023+ 1. 0001M
R
2 = 1, F= 3227. 9, P< 0. 0001
  回归常数置信区间: [ - 1. 8098, 1. 8053]
回归系数置信区间: [ 0. 9648, 1. 0353]
657
草  地  学  报 第 18卷
表 1  各草层产量的结构分布(  10- 3 kg/ m2)
T able 1  The distributed str uctur e o f the field from every lev el of g rass
处理方式
Treatm ent
月份
Month
层次 Layer, cm
10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170
不放牧
No grazing
6 41. 7 118. 7 90 77 50. 3 35. 7 21. 3 11. 3 3. 7 1. 7 0. 3
8 26. 3 37. 3 47. 3 56. 3 58. 8 54. 5 53 43. 5 40. 8 29 20. 3 10. 3 6 3 1. 3 1
10 35 50. 8 71. 8 89 96. 3 76. 5 72. 3 68 56. 3 44. 8 32. 3 20. 8 14. 3 8 3. 8 3. 3
12 34. 5 56 68. 5 78. 3 82. 3 80. 3 74. 5 83 49 36 76. 8 23. 5 16. 3 9 5 3. 3
放牧
Grazing
6 62. 3 61. 3 48 31. 3 19. 7 14. 7 11. 7 7. 3 5. 7 3. 7 1. 7 0. 3
8 25 35. 5 39. 5 41. 3 43. 8 48 46. 5 47. 8 43. 5 35. 6 30. 8 23 17. 3 10. 8 6. 5 4 2
10 31 74 104 115. 8 105. 3 76. 5 53. 3 33. 5 19. 5 9 5. 8 2. 5 0. 5
12 17 38. 3 51 55. 5 57. 3 58 56 50 37. 5 33. 5 24. 5 15 12 6. 5 3. 3 1
  放牧草地植被产量时空结构模拟( M )与实测
( S)的回归如下:
S= - 0. 0329+ 1. 0010M
R
2= 1, F= 11452, P< 0. 0001
回归常数置信区间: [ - 0. 8330, 0. 7672]
回归系数置信区间: [ 0. 9822, 1. 0197]
根据图 1, 图 2 及上列回归, BP 神经网络对植
被产量的时空结构建模和模拟效果表现较好。另由
图 1, 图 2可见, 50 cm 处, 尤其是在 10月份左右,植
被产量达到最大。
图 1 不放牧地实测产量及 BP 模拟产量的时空结构
F ig . 1  The Spacetime structure of the measur ed field of the nogr azing and the predicting field of BP
  对 7, 9, 11, 1 月份在 15~ 175 cm 处的植被产
量,用 BP 神经网络模型进行预测, 结果见表 2。通
过预测,可以看出: 在 7 月中, 不放牧地的最高产量
达到 82. 27  10- 3 kg  m- 2 ( 45 cm) ,而放牧地的最
高产量只有 49. 70  10- 3 kg m - 2 ( 35 cm ) ,但到了
9月,放牧地的产量却高于不放牧地; 11 月, 不放牧
地除 115 cm 以下的产量都趋于稳定, 在 50~ 90 
10- 3 kg  m- 2 ,放牧地只有在 25~ 65 cm 间达到 50
~ 90  10- 3 kg  m- 2 , 1月,只有中间层的产量较稳
定,约在 50 g  m- 2左右。
3  结论与讨论
以柱花草臂形草为优势种的热带人工草地在
垂直空间上呈现层状分布。11~ 50 cm 草层是草地
产量集中分布区, 在不放牧草地中该层次牧草产量
占总产量的 57%,在放牧草地中占 58. 3%。用人工
神经网络建模,适用于多种问题,且简单灵活。建立
人工神经网络模型,就是以原始数据训练网络, 将数
据机制贮存于网络连接权中。借助于这种模型, 可
以进行模拟和预测。
658
第 5期 白昌军等:热带人工草地植被产量的时空结构建模研究
图 2  放牧地实测产量及 BP 模拟产量的时空结构
F ig . 2  The Spacetime structure of the measur ed field of the gr azing and the predicting field of BP
表 2  BP 神经网络模拟的植被产量
T able 2  The predicting f ield of BP neural netwo rk
不放牧草地
Nograzing grass
月份
M onth
层次 Layer
cm
预测植被产量
Yield of predicted plan t,  10- 3 kg  m- 2
放牧草地
T he grazing gras s
月份
Month
层次 Layer
cm
预测植被产量
Yield of predicted plant ,  10- 3 kg  m- 2
7 15 33. 8172 7 15 36. 2433
7 25 49. 6228 7 25 33. 6045
7 35 54. 8708 7 35 49. 705
7 45 82. 2695 7 45 30. 1357
7 55 50. 7447 7 55 16. 7106
7 65 39. 4802 7 65 5. 0077
7 75 25. 3836 7 75 4. 754
7 85 13. 3746 7 85 4. 3112
7 95 7. 0082 7 95 17. 466
7 105 7. 5839 7 105 28. 8357
7 115 13. 5520 7 115 33. 7492
9 15 30. 0565 7 125 35. 1648
9 25 79. 4405 9 15 66. 0326
9 35 64. 9015 9 25 108. 7476
9 45 78. 5043 9 35 99. 5633
9 55 74. 0224 9 45 79. 1262
9 65 64. 7485 9 55 70. 1059
9 75 71. 1803 9 65 66. 2866
9 85 58. 8388 9 75 54. 5912
9 95 44. 6935 9 85 44. 902
9 105 33. 4970 9 95 32. 1268
9 115 26. 2824 9 105 14. 6249
9 125 6. 1042 9 115 3. 8796
9 135 4. 5719 9 125 2. 4806
9 145 3. 9713 9 135 2. 2443
9 155 3. 7212 9 145 2. 206
9 165 3. 6179 9 155 2. 1998
11 15 52. 6158 9 165 2. 1988
11 25 54. 3346 9 175 2. 1987
659
草  地  学  报 第 18卷
续表 2
不放牧草地
Nograzing grass
月份
M onth
层次 Layer
cm
预测植被产量
Yield of predicted plan t,  10- 3 kg  m- 2
放牧草地
T he grazing gras s
月份
Month
层次 Layer
cm
预测植被产量
Yield of predicted plant ,  10- 3 kg  m- 2
11 35 74. 1183 11 15 39. 4578
11 45 87. 2285 11 25 79. 685
11 55 86. 8157 11 35 81. 7221
11 65 77. 5939 11 45 68. 1091
11 75 75. 3171 11 55 68. 4009
11 85 45. 5451 11 65 76. 3328
11 95 67. 1790 11 75 37. 8629
11 105 54. 9255 11 85 35. 1172
11 115 39. 6618 11 95 27. 1194
11 125 13. 5548 11 105 18. 0551
11 135 8. 0448 11 115 9. 6527
11 145 5. 4729 11 125 9. 557
11 155 4. 3516 11 135 2. 9626
11 165 3. 8792 1 15 23. 322
1 15 34. 5057 1 25 39. 3931
1 25 52. 7132 1 35 52. 5468
1 35 81. 1304 1 45 56. 5348
1 45 74. 8509 1 55 56. 5345
1 55 87. 3667 1 65 56. 5344
1 65 87. 1486 1 75 56. 5347
1 75 78. 3835 1 85 55. 6546
1 85 77. 1415 1 95 46. 3599
1 95 49. 4196 1 105 21. 3936
1 105 43. 4892 1 115 26. 24
1 115 29. 9514 1 125 20. 5985
1 125 33. 1799 1 135 10. 2104
1 135 20. 2106 1 145 9. 5731
1 145 11. 6109 1 155 9. 545
1 155 7. 1208 1 165 2. 9645
1 165 5. 0639
  通过 3层 BP 神经网络对植被产量时空结构进
行建模分析可以看出, 垂直空间上层状分布, 牧草产
量多集中在 11~ 60 cm草层,尤其是在 10月左右, 50
cm处达到最大。因此,在人工草地培育放牧草种时,
应考虑草层的变化,以对优势草层更好地利用。
通过 3层 BP 神经网络对 7, 9, 11, 1月在 15~
175 cm 处的植被产量进行预测, 结果发现各草层在
各时期均有不同的变化, 因此,预测的结果对放牧可
以起到指导作用,避免过度放牧及收割,造成植被群
落的不可修复性。
参考文献
[ 1]  刘国道,罗丽娟. 中国热带饲用植物资源[ M ] .北京: 中国农业
大学出版社, 1999. 124127
[ 2]  邢诒能,唐湘梧,何华玄,等. 提高热带草地生产力及其利用研
究[ J ] .草业科学, 1994, 11( 6) : 4547
[ 3]  何华玄. 海南岛中部山区热带牧草品种适应性试验初报[ J] .
中国草地, 1987, 37( 5) : 4649
[ 4]  农垦部热带作物科学研究院. 热带牧草绿肥引种栽培及利用
[ M ] .农垦部热带作物科学研究院: 1965. 2224
[ 5]  陈学钦. 热带草业在海南经济发展中的地位和作用[ J] .热带
地理, 1990, 10( 2) : 180184
[ 6]  韩中元,陈学钦.试论海南岛西部发展畜牧业的前景[ J] .热带
地理, 1985, 5( 4) : 195204
[ 7]  张文军,齐艳红, S choen ly K G. 泛函连接网络计算软件及其
在生物多样性研究中的应用[ J] . 生物多样性, 2002, 10 ( 3 ) :
345355
[ 8]  张文军. 生态学研究方法[ M ] . 广州:中山大学出版社, 2007
[ 9]  刘光华,齐艳红,张文军. 斜纹夜蛾幼虫存活过程的神经网络
模型的建立[ J] .热带作物学报, 2007, 28( 1) : 9092
[ 10] Zhan g W J , Bai C J , Liu G D. Neural n etw ork modeling of eco
systems: a case s tudy on cabbage growth sy stem[ J ] . Ecologi
cal M odellin g, 2007, 201: 317325
[ 11] Zhang W J, Barrion A T . Function approxim at ion and docu
men tat ion of samplin g data usin g artif icial n eural n etw orks[ J ] .
Environm ental Monitoring an d Asses sment , 2006, 122: 185
201
[ 12] 任继周. 草业科学研究方法 [ M ] . 北京: 中国农业出版社,
1998. 1429
[ 13] 甘肃农业大学草原系. 草原学与牧草学实习实验指导书[ M ] .
兰州:甘肃科技出版社, 1991. 1820
(责任编辑  邵新庆)
660