全 文 ：中国生态农业学报 2013年 7月 第 21卷 第 7期
Chinese Journal of Eco-Agriculture, Jul. 2013, 21(7): 904−912


* 国家自然科学基金项目(31160475)和草业生态系统教育部重点实验室(甘肃农业大学)开放课题(CYZS-2011014)资助
** 通讯作者: 柳小妮(1969—), 教授, 主要从事草业科学方面的研究。E-mail: liuxn@gsau.edu.cn
王红霞(1986—), 女, 硕士研究生, 主要从事草地生态和地理信息系统应用研究。E-mail: whx417987994@163.com
收稿日期: 2012−12−28 接受日期: 2013−03−04
DOI: 10.3724/SP.J.1011.2013.00904
AMMRR插值法的改进及其在内蒙古草地
综合顺序分类中的应用*
王红霞1,2 柳小妮1,2** 郭 婧3 任正超1,4 王凤萍1,2 潘冬荣1,2
(1. 草业生态系统教育部重点实验室 甘肃农业大学 兰州 730070; 2. 甘肃农业大学草业学院 兰州 730070;
3. 兰州商学院 兰州 730020; 4. 甘肃农业大学经济管理学院 兰州 730070)
摘 要 宏观尺度上, 气象数据空间插值模拟在气象科学和草地科学研究中一直占据重要的位置。为进一步
提高其精度和增强草地类型划分空间分异效果, 本研究在多元回归+残差分析(Analytic Method Based on Mul-
tiple Regression and Residues, AMMRR)插值法中增加微地形因子(坡度和坡向), 用普通克里金(OK)函数替换
反距离加权(IDW)函数进行残差分析以建立改进型的多元回归+残差分析(I-AMMRR)插值法, 并将其应用于内
蒙古自治区>0 ℃年积温 (Σθ)、年降水量 (r)和湿润度 (K)的空间插值模拟。依据草地综合顺序分类系统
(Comprehensive and Sequential Classification System of Rangeland, CSCS)原理和 I-AMMRR插值技术, 对内蒙古
自治区草地进行分类, 并研制了相应的草地综合顺序分类图。研究结果表明: (1)I-AMMRR 插值法模拟 Σθ 和 r
的绝对平均误差(MAE)、相对平均误差(RME)和均方根误差(RMSE)均小于AMMRR法, 其精度更高。(2)I-AMMRR
插值法模拟的内蒙古自治区 Σθ、r和 K的空间分布格局呈现水平和垂直地带性分布规律, Σθ自东南向西北递增, r
和 K与 Σθ相反。(3)内蒙古自治区草地被划分为从ⅢF38(微温潮湿针叶阔叶混交林类)到ⅢA3(温暖极干温带荒漠
类)共计 17 个草地综合顺序类。其中ⅢB10(微温干旱温带半荒漠类)分布面积最大, ⅣE32(暖温湿润落叶阔叶林
类)最小。草地植被空间分布的水平和垂直地带性明显, 与内蒙古自治区植被调查结果基本吻合。
关键词 气象要素 微地形 草地分类 综合顺序分类系统 空间插值
中图分类号: S812 文献标识码: A 文章编号: 1671-3990(2013)07-0904-09
Improvement of AMMRR interpolation and application in
CSCS classification of Inner Mongolia grassland
WANG Hong-Xia1,2, LIU Xiao-Ni1,2, GUO Jing3, REN Zheng-Chao1,4, WANG Feng-Ping1,2,
PAN Dong-Rong1,2
(1. Key Laboratory of Grassland Ecology System, Ministry of Education; Gansu Agricultural University, Lanzhou 730070, China; 2. College of
Pratacultural Science, Gansu Agricultural University, Lanzhou 730070, China; 3. Lanzhou University of Finance and Economics, Lanzhou
730020, China; 4. College of Economics and Management, Gansu Agricultural University, Lanzhou 730070, China)
Abstract Spatial interpolation of meteorological data is critical in meteorological and grassland research at macroscopic scales. To
improve precision and enhance spatial differentiation effects of the Analytic Method based on Multiple Regression Residues
(AMMRR) interpolation for the classification of grassland types, the AMMRR was upgraded by adding micro-topography factors
such as slope and aspect, while the Inverse Distance Weighted (IDW) function was replaced with Ordinary Kriging (OK) function.
And then the Improved Analytic Method based on Multiple Regression Residues (I-AMMRR) interpolation was established. The
I-AMMRR was applied in the spatial interpolation of annual accumulated temperature of > 0 ℃ (Σθ), annual precipitation (r) and
humidity (K) in the Inner Mongolia Autonomous Region. Subsequently, the grassland was classified and the corresponding
Comprehensive Sequential Classification System (CSCS) of rangeland map produced for the Inner Mongolia Autonomous Region.
The CSCS and I-AMMRR technique were used in conjunction with meteorological data from 197 stations for the period from 1961
第 7期 王红霞等: AMMRR插值法的改进及其在内蒙古草地综合顺序分类中的应用 905


to 2004. The research results suggested that: (1) The mean absolute error (MAE), mean relative error (RME) and root-mean-square
error (RMSE) cross validation indices of the training and test datasets of Σθ and r were lower for I-AMMRR than AMMRR. The R
correlation coefficients for Σθ and r between simulated and observed values were 0.969 (P < 0.01) and 0.933 (P < 0.01), respectively.
This suggested that the interpolation accuracy of I-AMMRR was higher than that of AMMRR. (2) The spatial distribution patterns of
Σθ, r and K simulated by I-AMMRR for the Inner Mongolia Autonomous Region showed horizontal and vertical zonalities, which
were strongly agreed with actual distribution of natural zones and natural landscapes in the region. Specifically, Σθ increased from
southeast to northwest while r and K had the reverse pattern. (3) Grassland in the Inner Mongolia Autonomous Region was classified
into a total of 17 CSCS classes, ranging from the cool temperate-humid mixed coniferous broad leaved forest (ⅢF38) to the cool
temperate-extra-arid temperate zonal desert (ⅢA3). The cool temperate-arid temperate zonal semi-desert (ⅢB10) covered the largest
area while the smallest was under warm temperate-humid deciduous broad leaved forest (ⅣE32), with approximate areas of
2.42×105 km2 and 0.647 km2, respectively. The landscape types from east to west included forest, forest-rangeland, meadow, steppe,
semi-desert and desert in that sequence. With simultaneous increase in altitude, the land cover distribution across the region between
Ergun River-Hulun Lake and Da Hinggan Mountains was steppe (ⅢC17), meadow (ⅢD24), montane meadow (ⅢE30) and
coniferous forest (ⅢF37) in that successive order. Meadow (ⅢD24), forest-rangeland (ⅢE31), and coniferous and broad-leaved
mixed forest (ⅣF38) were orderly distributed in the region from southern Nenjiang Plain to Da Hinggan Mountains. Steppe (ⅢC17),
meadow (ⅢD24), forest-rangeland (ⅢE31), and coniferous forest (ⅢF37) were distributed across the area linking Xiliao River Plain
to Da Hinggan Mountains. Horizontal and vertical zones were distinct in spatial distribution of grassland vegetation, which well fitted
the result of vegetation investigation in Inner Mongolia Autonomous Region. These research results provided theoretical evidence
and technical support for dynamic monitoring of the variations in grassland in Inner Mongolia Autonomous Region.
Key words Meteorological element, Micro-topography, Grassland classification, Comprehensive Sequential Classification System
(CSCS), Spatial interpolation
(Received Dec. 28, 2012; accepted Mar. 4, 2013)
任继周等[1−5]提出的草地气候−土地−植被综合顺序
分类系统(Comprehensive and Sequential Classification
System of Rangeland, CSCS)中, 以气候指标——全年
降水量(r)和>0 ℃年积温(Σθ)之比作为划分草地第一
级单元—类的湿润度(K)指标。由于人力、物力、财
力等诸多因素的限制, 可获取的气候指标数据有限,
特别是具有长期观测记录的站点数据十分有限[6]。通
过空间插值计算模型, 能够获得气候指标空间数据
集, 并实现草地类的计算机自动分类和检索。因此,
空间插值方法的准确性, 直接影响气候数据空间特
征的整体评估和草地类的划分结果。
在观测点数量有限的情况下, 要获取大区域高
精度的气候指标数据, 可以通过增加与气象要素相
关的地理信息或者对插值模型加以改进, 从而提高
插值精度[7−9]。近年来, 对传统空间插值方法的改进
和优化在气候数据插值应用中较为广泛[7−16]。柳小
妮等[11−12]利用高程(Digital Elevation Mode, DEM)数
据置换传统站点记录的海拔高度数据, 建立了气候
要素与经纬度、海拔高度间回归关系的空间插值方
法——多元回归+残差分析法(Analytic Method based
on Multiple Regression and Residues, AMMRR), 显著
提高了气候数据的模拟精度。但气候要素在微地形(坡
度和坡向)上的变化趋势仍没有得到很好体现[11,13]。
研究表明, 坡度和坡向等微地形因子及海拔高度
影响水、热等气候要素在局部地区的再分配[17−19]。魏
靖琼[14]在 AMMRR基础上, 加入坡度和坡向变量对甘
肃省的气候要素(温度和降水量)进行空间插值, 其时
空分布更符合当地实际情况。该方法通过增加与气候
要素相关的地理信息(经纬度、海拔高度、坡度和坡向),
弥补了传统方法仅考虑一个或两个变量的缺点, 模拟
结果不仅符合气候因素的水平和垂直地带性分布规律,
同时也反映出了微观尺度上地形的空间分异作用。
但 AMMRR 在残差分析中, 采用计算值易受数
据点集尤其是极值影响的反距离加权法 (Inverse
Distance Weighted, IDW), 其模拟结果常出现一种孤
立点数据明显高于周围数据点的情况, 产生明显“牛
眼”图斑[20−23]。而普通克里金(Ordinary Kriging, OK)
法不仅考虑了观测点本身的数据和被估计点的数据,
也考虑了观测点与被估计点的位置关系和各观测点
间的相对位置关系, 因而在气象站点稀少区域的插
值效果比 IDW法好[24−25]。
本研究通过建立 CSCS气候分类指标——Σθ、r
与经纬度、海拔高度、坡度和坡向间的回归关系, 用
OK代替 IDW进行残差修正, 对 AMMRR法进行改
进, 并依据 CSCS 原理对内蒙古自治区草地进行划
分, 旨在为内蒙古自治区草地动态变化监测提供理
论依据和技术支持。
1 数据来源及研究方法
1.1 研究区域概况
内蒙古自治区位于中国北部边疆, 地跨中国东
906 中国生态农业学报 2013 第 21卷


北、西北地区, 东部与黑龙江省、吉林省、辽宁省毗
邻, 南部、西南部与河北省、山西省、陕西省、宁夏
自治区接壤, 西部与甘肃省相连, 北部与蒙古国为邻,
东北部与俄罗斯交界。面积 1.18×106 km2, 占全国总面
积 12.30%。地理位置为 97°12′~126°04′E, 37°24′~
53°23′N, 属于西北内陆干旱、半干旱气候向东南沿海
湿润、半湿润季风气候的过渡带[26]。地形以内蒙古高
原为主, 海拔高度平均 1 000 m左右, 最高达 3 000 m
以上, 东有大兴安岭, 南有阴山、贺南山。境内东部草
原辽阔, 西部沙漠广布, 全区年平均气温在−5~10 ℃之
间, 自东北向西南递增; 年平均降水量在 35~530 mm
之间, 自东向西或自东南向西北递减[27]。
1.2 数据来源及预处理
气象数据来源于 CSCS检索数据库[28]、中国气象
科学数据共享服务网(http://cdc.cma.gov.cn/ home.do)
及美国国家气候数据中心 (National climatic data
center, NCDC; http://www.ncdc.noaa.gov/); 内蒙古自
治区 1 km分辨率 DEM数据来源于美国地质调查局
(United States Geological Survey, USGS; http://www.
usgs. gov/); 内蒙古自治区 1∶100 万行政区划图来
源于地球系统科学数据共享平台(http://www.geodata.cn)。
内蒙古自治区 1961—2004年气象数据记录完整
的站点共计 197个(含外围 4个点), 数据存储形式为
Excel文件, 利用 Arc GIS 9.3软件将其转化为 Shape
File文件, 并分为 80%的训练样本(158个), 20%的检
验样本(39个)(图 1)。

图 1 研究区域及气象站点分布
Fig. 1 Research area and the distribution of meteorological
stations
利用 Arc GIS 平台转化工具(Conversion Tools)
和空间分析工具(Spatial Analyst)于 DEM 数据中分
别提取经纬度、坡度和坡向栅格数据。通过内蒙古
气象数据生成的 Shape File 文件在经纬度、DEM、
坡度、坡向栅格面分别提取经度、纬度、DEM、坡度、
坡向等属性数据, 并用 Excel 2007 汇总其属性信息,
以气象站点的 Σθ、r为输出变量, 以气象站点的经度、
纬度、海拔高度、坡度、坡向为输入变量, 利用 SPSS
17.0进行多元回归分析, 建立对应的回归方程。
1.3 研究方法
1.3.1 插值方法
结合与气候因素相关性较大的微地形因子(坡
度和坡向等)对气候因素进行空间插值模拟, 将会提
高气象数据的插值精度[7,10,14,17], 而插值函数也影响
着气象数据的插值精度[29−30]。本研究通过以下两方
面对 AMMRR法进行改进。
1)建立多元回归方程时, 引入坡度和坡向因子,
其回归方程为:
1 2 3 4 5y ax bx cx dx ex f= + + + + + (1)
式中, y为气象数据值, x1为经度, x2为纬度, x3为海拔
高度, x4为坡度, x5为坡向, a、b、c、d、e、f为求算
的回归系数。
2)采用 OK函数代替 IDW函数模拟残差, OK函
数计算公式为:
0
1
( ) ( )
n
i i
i
Z x Z xλ
=
= ∑ (2)
式中, Z(x0)为x0处的估计值, Z(xi)为未知样点周围的
已知气象站点值, iλ 为第i个已知气象站点值对未知
站点值的权重, n为已知气象站点的个数。
用表 1 所列的 4 种方法, 对内蒙古多年的气候
数据(r、Σθ)进行插值模拟。其中方法 A为原始多元
回归+残差分析法(AMMRR), 方法 B、C、D均为改
进的多元回归 +残差分析法 (Improved Analytic
Method based on Multiple Regression and Residues,
I-AMMRR)。
1.3.2 验证
采用交叉验证对 4 种插值方法的模拟结果进行
比较分析, 选取绝对平均误差(MAE)、相对平均误差
(RME)及均方根误差(RMSE)作为验证指标。
1
n
i i
i
Z Z
MAE
n
α λ
=
−
=
∑
(3)
1
1 n i i
ii
Z ZRME
n Z
α λ
α=
−= ∑ (4)

( )2
1
n
i i
i
Z Z
RMSE
n
α λ
=
−
=
∑
(5)
式中, n为检验站点的数目, iZα 为第 i个站点的实际
观测值 , iZλ 为第 i 个站点的插值估算值 , RME、
MAE、RMSE值越小, 表明模拟效果越好。
第 7期 王红霞等: AMMRR插值法的改进及其在内蒙古草地综合顺序分类中的应用 907


表 1 4种不同的插值方法
Table 1 Four different interpolation methods used in the study
插值方法
Interpolation method
回归因子
Regression factor
残差模拟
Residual simulation
AMMRR (A) 经度、纬度、海拔高度 Longitude, latitude, elevation 反距离加权法
Inverse Distance Weighted (IDW)
I-AMMRR (B) 经度、纬度、海拔高度、坡度、坡向 Longitude, latitude, elevation, slope, aspect 反距离加权法
Inverse Distance Weighted (IDW)
I-AMMRR (C) 经度、纬度、海拔高度 Longitude, latitude, elevation 普通克里金 Ordinary Kriging (OK)
I-AMMRR (D) 经度、纬度、海拔高度、坡度、坡向 Longitude, latitude, elevation, slope, aspect 普通克里金 Ordinary Kriging (OK)

1.3.3 内蒙古自治区草地 CSCS分类
按照湿润度 K=r/(0.1Σθ)[31]计算公式 , 在 Arc
GIS 9.3软件中对 r、Σθ的栅格图进行代数运算, 获
取 K值栅格图。据 CSCS理论[31], 在 Arc GIS 9.3软
件中通过 Patch Analyst (Version 4.0)工具对 Σθ、K栅
格图进行空间叠置分析(逻辑运算), 研制内蒙古自
治区草地 CSCS分类图。
2 结果与分析
2.1 不同插值模拟方法的比较
4种方法对内蒙古 1961—2004年共 44年的 r、
Σθ插值结果进行交叉验证, 结果如表 2所示。
由表 2可知, B、C、D 3种方法的相关系数 R高于
A, 而MAE、RME、RMSE低于 A, 说明 B、C、D 3种
方法均优于 A; C、D 两种方法的相关系数 R 高于 B,
MAE、RME、RMSE也比 B低, 说明空间插值方法对模
拟精度的影响大于微地形因子; 方法 D 的相关系数 R
最高, 而MAE、RME、RMSE最低, 说明 D方法最优。
利用 D方法模拟得到的 r、Σθ与实测样本结果
对照比较见图 2。
图 2 表明, 模拟得到的 r、Σθ 的实测值和模拟
值分布在 1︰1 附近 , 其相关系数分别为 0.933
(P<0.01)和 0.969(P<0.01)。说明增加坡度、坡向因子
微地形因子并利用 OK 函数模拟残差的 I-AMMRR,
模拟的 r、Σθ精度更高。
2.2 气候要素的空间分布
I-AMMRR 方法模拟内蒙古自治区 r、Σθ 及 K
的空间分布见图 3。
表 2 不同插值法对内蒙古自治区 r和 Σθ模拟结果的交叉检验
Table 2 Cross validations of simulation results for r and Σθ in Inner Mongolia by different interpolation methods
插值方法 Interpolation method 插值方法 Interpolation method 项目
Item
指标
Index A B C D
项目
Item
指标
Index A B C D
R 0.887 0.898 0.928 0.933 R 0.952 0.953 0.967 0.969
MAE 38.596 36.98 31.191 29.678 MAE 127.770 124.469 104.458 103.618
RME 0.166 0.156 0.127 0.120 RME 0.041 0.040 0.035 0.033
r
RMSE 47.640 45.725 38.170 36.613
Σθ
RMSE 158.125 156.244 132.109 129.498
r: 全年降水量 annual precipitation; Σθ: >0 ℃年积温 > 0 ℃ annual accumulative temperature.


图 2 年降水量 r(a)和＞0 ℃年积温 Σθ(b)实测值和 I-AMMRR模拟值相关性分析
Fig. 2 Correlation analysis between observed and I-AMMRR simulated values of annual precipitation (a) and > 0 ℃ annual
accumulative temperature (b)
908 中国生态农业学报 2013 第 21卷



图 3 内蒙古自治区年降水量 r (a)、>0 ℃年积温 Σθ (b)、湿润度 K (c)的空间分布图
Fig. 3 Spatial distribution of annual precipitation (a), > 0 ℃ annual accumulative temperature (b) and humidity (c) in Inner Mongolia

2.2.1 降水量(r)
图 3a表明, 内蒙古自治区降水量自东南向西北
递减。以大兴安岭为界, 岭东降水量在 400 mm以上,
属于半湿润区; 岭西与阴山−贺兰山以东地区, 降水
在 200~400 mm, 属于半干旱区; 呼和巴什格−贺兰
山以西地区, 降水在 200 mm以下, 属于干旱区, 与
我国气候区划基本一致[32]。
2.2.2 >0 ℃年积温(Σθ)
由图 3b可知, Σθ整体呈现随纬度、海拔高度增
加而逐渐减小的地带性变化特征。根据 CSCS 热量
级划分标准, 内蒙古自治区被划分为寒冷、寒温、
微温、暖温 4 个热量级。大兴安岭 Σθ 为 1 300~
2 300 , ℃ 属寒温; 鄂尔多斯高原、乌兰察布高原、
锡林郭勒高原、呼伦贝尔高原、河套平原、土默川
平原大部分地区 Σθ为 2 300~3 700 , ℃ 属微温; 阿
拉善高原 Σθ为 3 700~5 300 , ℃ 属暖温; 额尔古纳
市、根河市东北部部分地区 Σθ<1 300 , ℃ 属寒冷;
其中, 微温热量级(2 300~3 700 )℃ 分布面积最广,
寒冷热量级(<1 300 )℃ 分布面积最小。
2.2.3 湿润度(K)
内蒙古自治区 K值的空间分布图(图 3c)表明, K
值呈现出自东南向西北递减的分布规律。依据 CSCS
湿润度级划分标准 , 内蒙古自治区被划分为极干
(<0.3)、干旱(0.3~0.9)、微干(0.9~1.2)、微润(1.2~1.5)、
湿润(1.5~2.0)、潮湿(>2.0)6个湿润度级。
内蒙古西部的阿拉善高原西北部 K 值最小
(K<0.3), 相应的自然景观为荒漠; 额济纳旗以东至
锡林郭勒高原地区, 包括阿拉善高原东部、鄂尔多
斯高原西部、黄河南岸平原、河套平原、土默川平
原西部乌兰察布高原和锡林郭勒高原西部, K 值为
0.3~0.9, 相应的自然景观为半荒漠; 鄂尔多斯高原
东部、乌兰察布高原东部和锡林郭勒高原东部和北
部, K值为 0.9~1.2, 相应的自然景观为草原、干生阔
叶林; 鄂尔多斯高原东部、乌兰察布高原东部、锡

图 4 内蒙古自治区草地 CSCS分类图
Fig. 4 CSCS classification map of grassland in Inner
Mongolia Autonomous Region
A3Ⅲ : 微温极干温带荒漠类 cool temperate-extrarid tem-
perate zonal desert; A4Ⅳ : 温暖极干暖温带荒漠类 warm temper-
ate-extrarid warm temperate zonal desert; B9Ⅱ : 寒温干旱山地半
荒漠类 cold temperate-arid montane semidesert; B10Ⅲ : 微温干
旱温带半荒漠类 cool temperate-arid temperate zonal semidesert;
B11Ⅳ : 暖温干旱暖温带半荒漠类 warm temperate-arid warm
temperate zonal semidesert; C16Ⅱ : 寒温微干山地草原类 cold
temperate-semiarid montane steppe; C17Ⅲ : 微温微干温带典型草
原类 cool temperate-semiarid temperate typical steppe; C18Ⅳ : 暖
温微干暖温带典型草原类 warm temperate semiarid warm tem-
perate typical steppe; ⅡD23: 寒温微润山地草甸草原类 cold
temperate subhumid montane meadow steppe; ⅢD24: 微温微润草
甸草原类 cool temperate-subhumid meadow steppe; ⅣD25: 暖温
微润森林草原类 warm temperate-subhumid forest steppe; ⅡE30:
寒温湿润山地草甸类 cold temperate-humid montane meadow;
ⅢE31: 微温湿润森林草原、落叶阔叶林类 cool temperate-humid
forest steppe, deciduous broad leaved forest; ⅣE32: 暖温湿润落
叶阔叶林类 warm temperate-humid deciduous broad leaved forest;
F36: Ⅰ 寒冷潮湿多雨冻原、高山草甸类 frigid perhumid rain
tundra, alpine meadow; ⅡF37: 寒温潮湿寒温性针叶林类 cold
temperate perhumid taiga forest; ⅢF38: 微温潮湿针叶阔叶混交
林类 cool temperate perhumid mixed coniferous broad leaved
forest.
第 7期 王红霞等: AMMRR插值法的改进及其在内蒙古草地综合顺序分类中的应用 909


林郭勒高原东部和北部、呼伦贝尔高原东部、西辽
河平原部分地区, K 值为 1.2~1.5, 相应的自然景观
为森林、森林草原、草原; 乌兰察布高原南部、大
兴安岭以西至呼伦贝尔高原、西辽河平原以西至大兴
安岭、嫩江以西至大兴安岭地区, K值为 1.5~2.0, 相
应的自然景观为森林、草甸; 大兴安岭及以东地区 K
值大于 2.0, 相应的自然景观为森林、草甸、冻原。
2.3 内蒙古自治区草地的 CSCS分类
内蒙古自治区草地被划分为 17 个 CSCS 类(图
4、表 3)。内蒙古区域植被的水平地带性分布非常明
显, 自东向西依次为森林、森林草原、草甸草原、
典型草原、半荒漠和荒漠。
大兴安岭地区为森林区, 分布有 F37(Ⅱ 寒温潮
湿寒温性针叶林类)、 F38(Ⅲ 微温潮湿针叶阔叶混交
林类)、 EⅣ 32(暖温湿润落叶阔叶林类)和 E31(Ⅲ 微温
潮湿落叶阔叶林类)。
在嫩江西岸平原、鄂尔多斯高原以东阴山以南、
西辽河平原以西至大兴安岭之间的地区为森林与草
原的过渡带, 主要分布着 D25(Ⅳ 暖温微润森林草原
类)。
草甸草原类主要分布在额尔古纳河以南, 沿大
兴安岭山地西麓, 一直到阴山以南、鄂尔多斯高原
以东, 包括 F36(Ⅰ 寒冷潮湿多雨冻原、高山草甸类)、
E30(Ⅱ 寒温湿润山地草甸类)、 D24(Ⅲ 微温微润草甸
草原类)和 D23(Ⅱ 寒温微润山地草甸草原类)。
典型草原类包括: C18(Ⅳ 暖温微干暖温带典型
草原类 )、ⅢC17(微温微干温带典型草原类 )和
C16(Ⅱ 寒温微干山地草原类), 主要分布在呼伦贝尔
高原、锡林郭勒高原, 邻接大兴安岭西麓的草甸草
原带, 一直延伸到鄂尔多斯高原东部, 在西辽河平
原地区也有分布。
半荒漠类从内蒙古高原西部、大青山以西一直
延伸到鄂尔多斯高原以及贺兰山 , 植被类型为
B10(Ⅲ 微温干旱温带半荒漠类)、 B9(Ⅱ 寒温干旱山
地半荒漠)、 B11(Ⅳ 暖温干旱暖温带半荒漠类)。而这
一区域, 正是浑善达克沙漠、库布齐沙漠、毛乌素
沙漠、乌兰布和沙漠和腾格里沙漠的分布区。
在阿拉善高原西部和北部, 即内蒙古最大的沙
漠巴丹吉林沙漠, 以及亚玛雷克沙漠一带, 主要分
布有 A4(Ⅳ 温暖极干暖温带荒漠类)、 A3(Ⅲ 温暖极干
温带荒漠类)荒漠类。
内蒙古植被的垂直地带性也很明显, 如额尔古
纳河−呼伦湖以东至大兴安岭地区, 随海拔的升高,
依次分布着典型草原( C17)Ⅲ −草甸草原( D24)Ⅲ −山
地草甸( E30)Ⅱ −针叶林( F37); Ⅱ 嫩江西岸平原南部
至大兴安岭之间的地区, 从草甸草原( D24)Ⅲ 到森林
草原( E31), Ⅲ 然后为针阔叶混交林( F38); Ⅲ 西辽河
平原至大兴安岭之间地区 , 依次为典型草原
( C17)Ⅲ −草甸草原(ⅢD24)−森林草原( E31)Ⅲ −针叶
林( F37)Ⅱ 。
由表 3可知 , 分布面积最广的 5类分别为 :
B10Ⅲ 、 C17Ⅲ 、 D24Ⅲ 、 F37Ⅱ 、 E31, Ⅲ 其中微温
干旱温带半荒漠类 ( B10)Ⅲ 分布面积最大 , 约
2.42×105 km2, 占内蒙古自治区国土面积的21.14%;
其次为 C17, Ⅲ 约2.10×105 km2, 占18.39%。面积较
小的共7类, D23Ⅱ 、 C16Ⅱ 、 F36Ⅰ 、 C18Ⅳ 、 D25Ⅳ 、
B9Ⅱ 和 E32, Ⅳ 所占比例不足1.00%。
3 讨论与结论
研究表明, 利用气候数据进行空间插值进而划
分草地类型时, 如能结合与气候因素相关性较大的
微地形(坡度和坡向等), 将会提高气候数据的空间插
值精度, 为草原学研究提供更加准确的基础数据[17]。
坡度和坡向等地形因子结合海拔高度, 通过水、热
等气候因子在局部地区的再分配对草原类型的分布
产生影响 [17−18], 如喜马拉雅山南坡较北坡温暖湿
表 3 内蒙古自治区草地 CSCS分类、面积及所占比例
Table 3 Area and proportion of CSCS grassland classes in Inner Mongolia Autonomous Region
编号 Code 面积 Area (km2) 比例 Proportion (%) 编号 Code 面积 Area (km2) 比例 Proportion (%)
ⅢA3 18 862.6 1.651 ⅢD24 161 703.0 14.150
ⅣA4 109 131.0 9.549 ⅣD25 116.5 0.010
IIB9 26.8 0.002 IIE30 50 268.1 4.399
ⅢB10 241 563.0 21.138 ⅢE31 116 962.0 10.235
ⅣB11 66 766.4 5.842 ⅣE32 0.6 0.000
IIC16 2 565.1 0.224 IF36 998.8 0.087
ⅢC17 210 173.0 18.391 IIF37 134 390.0 11.760
ⅣC18 893.4 0.078 ⅢF38 19 784.7 1.731
IID23 8 609.2 0.753
910 中国生态农业学报 2013 第 21卷


润, 南坡发育为各种森林、草甸植被, 而北坡则发育
成高寒草原类[19]; 内蒙古自治区大兴安岭岭东发育
着草甸草原和森林草原, 岭西却发育着草甸草原和
干草原[33]。同样, 山体坡度的大小影响着草地中土
壤水分的滞留, 进而造成植被发育和草地生产力的
差异 , 如坡度缓和地区 , 草地类型带谱较宽 , 而坡
度陡峭地区, 草地类型带谱较窄[19]。本研究结果表
明, 在建立气候要素与经纬度、海拔高度之间回归
关系的同时, 考虑坡度、坡向等微地形因子而构建
的 I-AMMRR法具有更高的模拟精度。张燕卿等[10]、
魏靖琼[14]的研究也表明, 加入坡度和坡向因子使得
空间插值精度更高。
OK 法以区域化变量理论为基础, 半变异函数
为分析工具, 对空间分布具有随机性与结构性变量
的研究具有其独特的优点 [34], 气象站点稀少时, 其
插值效果较好[24−25]。使用 AMMRR法对甘肃省降水
量的空间插值研究也证实, 残差分析中用 OK 函数
代替 IDW函数的模拟精度较高[15]。本研究通过引入
坡度和坡向因子, 利用 OK 函数进行残差分析, 对
AMMRR插值法进行改进。交叉验证结果表明, r、Σθ
模拟值和实测值的 R 值分别为 0.933(P<0.01)和
0.969(P<0.01), MAE、RME和 RMSE均较小, 说明考
虑坡度和坡向因子并利用 OK 函数模拟残差的
I-AMMRR插值法空间插值精度更高。
利用考虑坡度和坡向因子并利用 OK 函数模拟
残差的 I-AMMRR模拟的内蒙古 Σθ、r的空间分布,
很好地反映了 Σθ、r的水平和垂直地带性分布规律:
Σθ 呈现内蒙古自东南向西北递增的规律, r 结果与
Σθ相反; K值则呈现自东南向西北递减的分布规律。
依据CSCS理论, 内蒙古包括从寒带到暖温带 4个热
量级, 极干到潮湿 6个湿润度级, 17个 CSCS类。
内蒙古自治区草地 CSCS 分类结果, 与中国科
学院内蒙古宁夏综合考察队[33]、王义凤等[35]、孙艳
玲等[36]对内蒙古自治区植被带的调查与划分结果基
本吻合, 如依 CSCS理论, F37(Ⅱ 寒温潮湿寒温性针
叶林类)分布在大兴安岭山地的北部和西北部, 王义
凤等 [35]、内蒙古宁夏综合考察队 [33]的调查中发现,
寒温型明亮针叶林带主要分布于大兴安岭山地的北
部, 为欧亚针叶林沿山地向南延伸的部分。而大兴
安岭及以东地区, 为中温型夏绿阔叶林带 [35−36], 其
相应的 CSCS 类为 F38(Ⅲ 微温潮湿针叶阔叶混交林
类)、 E32(Ⅳ 暖温湿润落叶阔叶林类)和 E3Ⅲ 1(微温湿
润森林草原、落叶阔叶林类); 在嫩江西岸平原、鄂
尔多斯高原以东阴山以南、西辽河平原以西至大兴
安岭之间的地区为森林与草原的过渡带, 主要分布
着 D25(Ⅳ 暖温微润森林草原类)。王义凤等[35]的研究
结果也表明, 中温型夏绿阔叶林带、中温型草原带
大致分布在该区域。但也有例外, 如西辽河平原东
部, 依 CSCS 理论, 应该分布着 D24(Ⅲ 微温微润草
甸草原类), 而王义凤等[35]的调查结果表明, 该地区
分布着暖温型森林草原亚带。张永亮等[37]用 CSCS
对内蒙古自治区草原分类的研究也发现, 科左后旗
南部、库伦旗南部及东胜等地区, CSCS理论草地类
为微温微润类 , 但实地自然景观与微温微干类相
似。究其原因, CSCS 所描述的是潜在植被, 即在当
前气候条件下所能发育形成的一种顶极植被类型 ,
但因人为因素干扰, 如将草地转化为农田、过度放
牧、破坏植被、大规模开采矿产等的影响[38], 实际
的草地分布与 CSCS具有一定差异。
CSCS 的研究能够真实反映气候条件对植被形
态变化的影响 , 是植被−环境分类与关系研究的起
点, 也是全球变化对草地生态系统影响研究的关键,
但与实际的草地分布有一定差异, 为更加深刻认识
内蒙古自治区草地资源的时空格局和动态变化, 叠
加新的数据层, 譬如其他领域的数据如植被图或其
他人文生态学数据等有待进一步研究。
参考文献
[1] 任继周 , 胡自治 , 牟新待 . 我国草原类型第一级分类的生
物气候指标[J]. 甘肃农业大学学报, 1965(2): 48–64
Ren J Z, Hu Z Z, Mou X D. Bioclimatological classification
indexes of national grassland[J]. Journal of Gansu Agricul-
tural University, 1965(2): 48–64
[2] 任继周, 胡自治, 牟新待, 等. 草原的综合顺序分类法及其
草原发生学意义[J]. 中国草原, 1980(1): 12–24
Ren J Z, Hu Z Z, Mou X D, et al. The comprehensive and se-
quential classification system and its rangeland germination
science meaning[J]. Grassland of China, 1980(1): 12–24
[3] 胡自治 , 高彩霞 . 草原综合顺序分类法的新改进Ⅰ类的划
分指标及其分类检索图[J]. 草业学报, 1995, 4(3): 1–7
Hu Z Z, Gao C X. Improvement of the comprehensive and
sequential classification system of grasslandsⅠ indices of
grassland classes and index chart[J]. Acta Prataculturae Sinica,
1995, 4(3): 1–7
[4] Ren J Z, Hu Z Z, Zhao J, et al. A grassland classification sys-
tem and its application in China[J]. The Rangeland Journal,
2008, 30(2): 199–209
[5] 任继周. 分类、聚类与草原类型[J]. 草地学报, 2008, 16(1):
4–10
Ren J Z. Classfication and cluster applicable for grassland
type[J]. Acta Agrestia Sinica, 2008, 16(1): 4–10
[6] 邬伦, 吴小娟, 肖晨超, 等. 五种常用降水量插值方法误差
时空分布特征研究——以深圳市为例[J]. 地理与地理信息
科学, 2010, 26(3): 19–24
Wu L, Wu X J, Xiao C C, et al. On temporal and spatial error
distributions of five precipitation interpolation models: A case
of Shenzhen[J]. Geography and Geo-Information Science,
2010, 26(3): 19–24
第 7期 王红霞等: AMMRR插值法的改进及其在内蒙古草地综合顺序分类中的应用 911


[7] Marqúnez J, Lastra J, García P. Estimation models for pre-
cipitation in mountainous regions: The use of GIS and multi-
variate analysis[J]. Journal of Hydrology, 2003, 270(1/2):
1–11
[8] 孙鹏森 , 刘世荣 , 李崇巍 . 基于地形和主风向效应模拟山
区降水空间分布[J]. 生态学报, 2004, 24(9): 1910–1915
Sun P S, Liu S R, Li C W. Estimation of precipitation using
altitude and prevailing wind direction effect index in moun-
tainous region[J]. Acta Ecologica Sinica, 2004, 24(9):
1910–1915
[9] 徐超 , 吴大千 , 张治国 . 山东省多年气象要素空间插值方
法比较研究[J]. 山东大学学报: 理学版, 2008, 43(3): 1–5
Xu C, Wu D Q, Zhang Z G. Comparative study of spatial in-
terpolation methods on weather data in Shandong Province[J].
Journal of Shandong University: Natural Science, 2008, 43(3):
1–5
[10] 张燕卿, 刘勤, 严昌荣, 等. 黄河流域积温数据栅格化方法
优选[J]. 生态学报, 2009, 29(10): 5580–5585
Zhang Y Q, Liu Q, Yan C R, et al. Methodology for rasteriz-
ing accumulated temperature data in the Yellow River Ba-
sin[J]. Acta Ecologica Sinica, 2009, 29(10): 5580–5585
[11] 柳小妮, 郭婧, 任正超, 等. 基于气象要素空间分布模拟优
化的中国草地综合顺序分类[J]. 农业工程学报, 2012, 28(9):
222–229
Liu X N, Guo J, Ren Z C, et al. Chinese rangeland CSCS
classification based on optimal simulation for spatial distri-
bution of meteorological factors[J]. Transactions of the Chi-
nese Society of Agricultural Engineering, 2012, 28(9):
222–229
[12] 郭婧. 基于 AMMRR 插值法的中国草地综合顺序分类图的
研制[D]. 兰州: 甘肃农业大学, 2011: 56–58
Guo J. Production of Chinese grassland classification map
based on integrated orderly classification system and
AMMRR interpolation method[D]. Lanzhou: Gansu Agricul-
tural University, 2011: 56–58
[13] 郭婧, 柳小妮, 任正超. 基于 AMMRR 插值法的草地综合
顺序分类研究——以甘肃省为例[J]. 草业科学, 2012, 29(3):
384–391
Guo J, Liu X N, Ren Z C. IOCSG based grassland classifica-
tion by AMMRR interpolation—A case study in Gansu Prov-
ince[J]. Pratacultural Science, 2012, 29(3): 384–391
[14] 魏靖琼. 甘肃省草地 NPP 的模拟估算及影响因素研究[D].
兰州: 甘肃农业大学, 2012: 12–23
Wei J Q. Estimation of grassland NPP and factors influencing
in Gansu Province[D]. Lanzhou: Gansu Agricultural Univer-
sity, 2012: 12–23
[15] 王红霞, 柳小妮, 任正超, 等. 降水量的空间插值方法研究
——以甘肃省为例[J]. 草原与草坪, 2012, 32(5): 12–16, 21
Wang H X, Liu X N, Ren Z C, et al. Spatial interpolation of
precipitation—A case of Gansu Province[J]. Grassland and
Turf, 2012, 32(5): 12–16, 21
[16] 吴文玉, 马晓群. 基于 GIS 的安徽省气温数据栅格化方法
研究[J]. 中国农学通报, 2009, 25(2): 263–267
Wu W Y, Ma X Q. GIS-based spatial interpolation of air
temperature in Anhui[J]. Chinese Agricultural Science Bulle-
tin, 2009, 25(2): 263–267
[17] 马轩龙, 李文娟, 陈全功. 基于 GIS 与草原综合顺序分类
法对甘肃省草地类型的划分初探[J]. 草业科学, 2009, 26(5):
7–13
Ma X L, Li W J, Chen Q G. Preliminary exploration of native
grassland classification of Gansu Province based on GIS and
comprehensive and sequential grassland classification
method[J]. Pratacultural Science, 2009, 26(5): 7–13
[18] 赵连春, 刘荣堂, 杨予海, 等. 基于地形因子的草地遥感分
类方法的研究[J]. 草业科学, 2006, 23(12): 26–30
Zhao L C, Liu R T, Yang Y H, et al. Study on the remote
sensing classification of grasslands based on the topographic
factors[J]. Pratacultural Science, 2006, 23(12): 26–30
[19] 中华人民共和国农业部畜牧兽医司 , 全国畜牧兽医总站 .
中国草地资源 [M]. 北京 : 中国科学技术出版社 , 1996:
31–37
Department of Pasturage and Veterinarian, Ministry of Agri-
culture of the People’s Republic of China, Master Station of
National Pasturage and Veterinarian. Grassland resources of
China[M]. Beijing: China Science and Technology Press,
1996: 31–37
[20] Nagamatsu D, Hirabuki Y, Mochida Y. Influence of mi-
cro-landforms on forest structure, tree death and recruitment
in a Japanese temperate mixed forest[J]. Ecological Research,
2003, 18(5): 533–547
[21] 孟庆香, 刘国彬, 杨勤科. 基于 GIS 的黄土高原气象要素
空间插值方法[J]. 水土保持研究, 2010, 17(1): 10–14
Meng Q X, Liu G B, Yang Q K. Spatial interpolation methods
of weather data on loess plateau based on GIS[J]. Research of
Soil and Water Conservation, 2010, 17(1): 10–14
[22] 郑小波, 罗宇翔, 于飞, 等. 西南复杂山地农业气候要素空
间插值方法比较[J]. 中国农业气象, 2008, 29(4): 458–462
Zheng X B, Luo Y X, Yu F, et al. Comparisons of spatial in-
terpolation methods for agro-climate factors in Complex
mountain areas of Southwest China[J]. Chinese Journal of
Agrometeorology, 2008, 29(4): 458–462
[23] 封志明, 杨艳昭, 丁晓强, 等. 气象要素空间插值方法优化
[J]. 地理研究, 2004, 23(3): 357–364
Feng Z M, Yang Y Z, Ding X Q, et al. Optimization of the
spatial interpolation methods for climate resources[J]. Geo-
graphical Research, 2004, 23(3): 357–364
[24] 刘胤雯, 赖格英, 陈元增, 等. 梅江河流域年均降雨量空间
插值方法研究 [J]. 亚热带资源与环境学报 , 2007, 2(3):
29–34
Liu Y W, Lai G Y, Chen Y Z, et al. A research on rainfall
spatial interpolation methods based on GIS[J]. Journal of
Subtropical Resources and Environment, 2007, 2(3): 29–34
[25] 魏智, 金会军, 蓝永超, 等. 基于 Kriging 插值的黑河分水
后中游地下水资源变化 [J]. 干旱区地理 , 2009, 32(2):
196–203
Wei Z, Jin H J, Lan Y C, et al. Changes analysis of ground-
water resources in the middle Heihe River using Kriging
methods after water redistribution[J]. Arid Land Geography,
2009, 32(2): 196–203
[26] 孙艳玲, 郭鹏, 延晓冬, 等. 内蒙古植被覆盖变化及其与气
候、人类活动的关系 [J]. 自然资源学报 , 2010, 25(3):
407–414
Sun Y L, Guo P, Yan X D, et al. Dynamics of vegetation
cover and its relationship with climate change and human ac-
912 中国生态农业学报 2013 第 21卷


tivities in Inner Mongolia[J]. Journal of Natural Resources,
2010, 25(3): 407–414
[27] 陈效逑, 王恒. 1982—2003 年内蒙古植被带和植被覆盖度
的时空变化[J]. 地理学报, 2009, 64(1): 84–94
Chen X Q, Wang H. Spatial and temporal variations of vegetation
belts and vegetation cover degrees in Inner Mongolia from 1982
to 2003[J]. Acta Geographica Sinica, 2009, 64(1): 84–94
[28] 陈全功 , 任继周 , 王珈谊 . 中国草业开发与生态建设专家
系统[DB/OL]. http://www.ecograss.com.cn/,2008
Chen Q G, Ren J Z, Wang J Y. Expert system of China’s pra-
tacultural development and eco-construction[DB/OL]. http://www.
ecograss.com.cn/,2008
[29] 朱会义 , 贾绍凤 . 降雨信息空间插值的不确定性分析 [J].
地理科学进展, 2004, 23(2): 34–41
Zhu H Y, Jia S F. Uncertainty in the spatial interpolation of
rainfall data[J]. Progress in Geography, 2004, 23(2): 34–41
[30] 彭彬, 周艳莲, 高苹, 等. 气温插值中不同空间插值方法的
适用性分析——以江苏省为例 [J]. 地球信息科学学报 ,
2011, 13(4): 539–548
Peng B, Zhou Y L, Gao P, et al. Suitability assessment of
different interpolation methods in the gridding process of sta-
tion collected air temperature: A case study in Jiangsu Prov-
ince, China[J]. Journal of Geo-Information Science, 2011,
13(4): 539–548
[31] 胡自治 . 草原分类学概论 [M]. 北京 : 中国农业出版社 ,
1997: 225–246
Hu Z Z. Conspectus of rangland classification science[M].
Beijing: China Agriculture Press, 1997: 225–246
[32] 中央气象局编制. 中华人民共和国气候图集[M]. 北京: 地
图出版社, 1979: 222–223
Chinese Climatic Bureau. Climatic atlas of the People’s Re-
public of China[M]. Beijing: Sinomap Press, 1979: 222–223
[33] 中国科学院内蒙古宁夏综合考察队. 内蒙古植被[M]. 北京:
科学出版社, 1985: 420–721
Inner Mongolia and Ningxia Compositive Investigative Team
of Chinese Academy of Sciences. Vegetation of Inner Mon-
golia[M]. Beijing: Science Press, 1985: 420–721
[34] 李新 , 程国栋 , 卢玲 . 青藏高原气温分布的空间插值方法
比较[J]. 高原气象, 2003, 22(6): 565–573
Li X, Cheng G D, Lu L. Comparison study of spatial interpo-
lation methods of air temperature over Qinghai-Xizang Pla-
teau[J]. Plateau Meteorology, 2003, 22(6): 565–573
[35] 王义凤 , 雍世鹏 , 刘钟龄 . 内蒙古自治区的植被地带特征
[J]. 植物学报, 1979, 21(3): 274–284
Wang Y F, Yong S P, Liu Z L. Characteristics of the vegeta-
tional zones in the Inner Mongolia Autonomous Region[J].
Acta Botanica Sinica, 1979, 21(3): 274–284
[36] 孙艳玲, 延晓冬. 基于 C 值和＞5 ℃积温的内蒙古自治区
植被−气候分类[J]. 生态学杂志, 2012, 31(7): 1685–1690
Sun Y L, Yan X D. Vegetation-climate classification in Inner
Mongolia based on C value and ＞5 ℃ accumulated tempera-
ture[J]. Chinese Journal of Ecology, 2012, 31(7): 1685–1690
[37] 张永亮 , 魏绍成 . 用综合顺序分类法对内蒙古草原分类的
研究[J]. 中国草地, 1990(5): 14–20
Zhang Y L, Wei S C. Research on classification of inner
mongolia grassland by complex-ordinal system[J]. Chinese
Journal of Grassland, 1990(5): 14–20
[38] 代光烁, 余宝花, 娜日苏, 等. 内蒙古草原生态系统服务与
人类福祉研究初探 [J]. 中国生态农业学报 , 2012, 20(5):
656–662
Dai G S, Yu B H, Na R S, et al. Preliminary studies on eco-
system services and human well-being in grassland of Inner
Mongolia[J]. Chinese Journal of Eco-Agriculture, 2012, 20(5):
656–662