引用本文
孙斌, 王炳煜, 冯今, 姜佳昌, 潘冬荣, 王惠, 王红霞, 韩天虎. 甘肃省草原产草量动态监测模型. 草业科学, 2015,32(12):1988-1996
SUN Bin, WANG Bing-yu, FENG Jin, JIANG Jia-chang, PAN Dong-rong, WANG Hui, WANG Hong-xia, HAN Tian-hu. Monitoring models of the grass yield for grassland in Gansu Province. Pratacultural Science,2015,32(12): 1988-1996  
Permissions
Copyright©2015, 《草业科学》编辑部
《草业科学》编辑部
甘肃省草原产草量动态监测模型
孙斌, 王炳煜, 冯今, 姜佳昌, 潘冬荣, 王惠, 王红霞, 韩天虎
甘肃省草原技术推广总站,甘肃 兰州 730010
通讯作者:韩天虎(1967-),男(藏族),甘肃天祝人,推广研究员,本科,主要从事草地生态研究与技术推广工作。E-mail:[email protected]

第一作者:孙斌(1968-),男,河南洛阳人,高级畜牧师,本科,主要从事草原资源与生态监测。E-mail:[email protected]

收稿日期: 2015-08-20
基金: 甘肃省农牧厅“甘肃省草原监测与评价研究”项目(GNMKJ-2007-02)
摘要

利用MODIS数据和地面实测资料,研究了甘肃省不同草原区的最适草原生物量遥感估算模型,并反演了甘肃省2005-2009年的草原产草量,分析了其空间分布特征。结果表明,不同草原区适合的植被指数和反演模型类型存异,其中河西走廊高平原荒漠草原区适合的植被指数是RVI、模型类型为对数模型,甘南高原草甸草原区适合的植被指数是EVI、模型类型为指数模型,而黄土高原温性草原区适合的植被指数是NDVI、模型类型为二次多项式模型。甘肃省2009年草原总产鲜草3 718.30万t,整体呈现东北低、西南高的空间变化过程,形成3个高产中心,分别是甘南高原、祁连山北麓中东段和陇南南部。与1985年相比,2005年草原明显减产(相对变化率 V=19.34%),但2005-2009年间甘肃省草原产草量有总体上升的趋势。

关键词: 草原; 产草量; 遥感监测; 植被指数
中图分类号:S812 文献标志码:A 文章编号:1001-0629(2015)12-1988-09 doi: 10.11829/j.issn.1001-0629.2015-0362
Monitoring models of the grass yield for grassland in Gansu Province
SUN Bin, WANG Bing-yu, FENG Jin, JIANG Jia-chang, PAN Dong-rong, WANG Hui, WANG Hong-xia, HAN Tian-hu
Gansu Provincial Extension Station of Grassland Techniques, Lanzhou 730010, China
Corresponding author: HAN Tian-hu E-mail:[email protected]
Abstract

Based on MODIS data and field data, the optimal prediction models of remote sensing were established for different grassland distribution regions, and these established models were also used to estimate the grass yields during the period of 2005 to 2009 in Gansu, and discuss the feature spatial distribution of grass yield. The results showed that optimal vegetation index and inversion model was different for different grassland distribution regions. The vegetation index RVI with logarithm model was suitable for the desert grassland areas of high plain in Hexi Corridor, and vegetation index EVI with exponent model was suitable for meadow grassland areas in Gannan High-land, and vegetation index NDVI with quadratic polynomial model was suitable for temperate steppe grassland areas in the Loess Plateau. The total grass yield of grassland in Gansu was 3.718 30×107 t in 2009, with an increasing trend from northeast regions to southwest regions. There were 3 high yield regions which were in Gannan High-land, the middle-east part of North Slope of Qilan Mountains and south region of Longnan. Compared with that of year 1985, the grass yield of grassland in Ganau province obviously decreased with percent of 19.34%.

Keyword: grassland; grass yield; remote sensing monitoring; vegetation index

草原地上产草量是评价一个区域草畜平衡现状、进而确定适宜载畜量的基础, 因此, 快速估测和获取草原产草量具有重要的现实意义。目前, 我国草原产草量估测方法主要有实测产量法、潜力模型评估法和遥感评估法[1], 其中实测产量法简单易行、精度高, 但存在费时费力, 无法估测偏远地区产草量等问题, 更为重要的是实测产量法估测的产量为静态描述[2], 不利于动态决策。潜力模型评估法虽然成本较低, 且易推广到大范围区域, 但其估测的是适宜气候条件下的产量, 忽视了草原气象条件的年际动态和地形变化的影响, 该方法估测结果往往大于实际产草量[3]。遥感估产法利用地面实测资料和遥感影像, 通过植被指数建立反演模型, 从而可以动态估算产草量[4]。Taylo等[5]发现, LANDSAT TM陆地卫星和NOAA气象卫星数据的NDVI指数与产草量的鲜重和干重均表现为高度相关性, 指出可通过LANDSAT TM和NOAA/AVHRR影像定量估算草原产草量。王兮之等[6]利用AVHRR构建了甘南草地生产力估测模型, 赵冰茹等[7]利用地面测产数据和MODIS-NDVI数据较高地估测了内蒙古锡林郭勒草地产草量。利用遥感影像估测草原产草量不仅避免了直接破坏草原植被, 快速、经济地获取草原产量, 而且能覆盖偏远地区, 更省时省力[4]。遥感方法估测草原产量的核心是植被指数, 不同植被指数监测的重点和适宜区域存在差异, 因此, 只有遴选出适合某地的植被指数, 建立高精度的反演模型, 才能发挥遥感估测方法的优势, 较为准确和及时地估测草原产草量。

甘肃省处于黄土高原、内蒙高原和青藏高原的交汇带[8], 既有干旱半干旱地区的荒漠草原、高原的草甸草原, 又有温性草原, 而以往的研究往往集中于某一草原类型[9, 10, 11], 且时间尺度不尽统一, 因此, 同一时间尺度内不同草原区适合的植被指数是否趋同, 反演模型是否一致, 均需要科学的研究提供证据。本研究以地面调查数据和MODIS数据为材料, 研究不同草原类型区域最适的植被指数, 构建草原产草量与植被指数间最优的反演模型, 以期为甘肃省草原产草量动态监测提供科学依据, 并为不同草原区草畜平衡策略制订提供保障。

1 材料和方法
1.1 研究区概况

甘肃位于中国西部, 地理坐标为32° 11'-42° 57' N, 92° 13'-108° 46' E, 地形狭长, 东西长1 655 km, 南北宽530 km, 地势自西南向东北降低, 海拔相差悬殊。年平均气温0~14 ℃, 由东南向西北降低; 年均降水量42~760 mm, 自东南向西北减少, 降水各季分配不匀, 主要集中在6-9 月。年日照时数1 700~3 300 h, 自东南向西北增多。甘肃是全国六大牧区之一, 草原面积1 790万hm2, 占全省土地面积的39.4%, 主要分布在甘南高原、祁连山地、北部河西走廊和陇中黄土高原。

1.2 研究方法

1.2.1 草产量模型建立区的划分 虽然甘肃省境内有14个草地类, 但集中连片, 且大面积分布的草地类有7个, 其中面积超过全省可利用草原面积20%的草地类型有3种, 分别是山地草甸、温性荒漠和温性草原, 占全省可利用草原面积的25.7%、23.9%和14.9%[12]。因此, 本研究以集中连片分布的草地类为对象, 根据其分布区域特征, 将其划分为甘南高原草甸草原区、河西走廊高平原荒漠草原区和陇中黄土高原温性草原区(表1), 分别研究适宜植被指数, 构建适宜估测模型。

表1 甘肃产草量模型建立区的划分 Table 1 Division of the model areas of grass yield in Gansu Province

1.2.2 地面数据调查 地面样地布设以草地类型为基础, 根据不同草地类型面积大小, 选择样地, 每个样地内布设3个样方, 共调查样地783个, 样方2 349个, 其中随机选取605个样地1 905个样方资料用于遴选植被指数和构建模型, 178个样地534个样方资料用于模型精度的验证。样地内样方间的距离为250 m, 草原样方面积为1 m× 1 m, 灌木及高大草本类植物草原样方面积为10 m× 10 m, 每个样方均用GPS定位。样方调查于植物生长旺盛季节(7月中旬至8月上旬)进行, 时间为2009年。草本及矮小灌木产草量测定采用齐地面刈割法, 灌木及高大草本草产量分别为高大草本、灌丛重量、草本、矮小灌木的和, 其计算公式参照农业部草原监测中心组织的全国草原生产力监测中确定的方法。

总产草量=草本、半灌木及矮小灌木产草量× (100-灌木覆盖面积)/100+灌木及高大草本产草量。

1.2.3 遥感数据获取 遥感数据为TERRA/MODIS植被指数产品, 来源于美国NASA LP DAAC(The Land Processes Distributed Active Archive Center, https://wist.echo.nasa.gov/api/), 选择与地面采样同时相的16 d合成的植被指数产品数据集, 该产品集包含两种植被指数产品(NDVI, EVI), 对应的两个质量信息波段, 以及RED、NIR、BLUE、MIR 4个原始波段等共11个波段的信息, 统一采用SIN GRID投影, 并经过了去云、辐射校正、大气校正等处理。该产品编号为MOD13Q1, 数据格式为HDF, 空间分辨率250 m。

1.2.4 植被指数计算 根据植被的光谱特性, 将卫星可见光和近红外波段进行组合, 形成了各种植被指数。植被指数是遥感领域中用来表征地表植被覆盖及生长状况的一个简单有效的度量参数。目前, 已经定义了40多种植被指数[13], 本研究中通过对获取的植被指数产品数据集进行投影转换, 提取NDVI和EVI, 另外, 基于MOD13Q1数据中的原始波段, 计算了5种植被指数用于产草量的估算, 分别是优化土壤调节植被指数(Optimized Soil Adjusted Vegetation Index, OSAVI)、修正型土壤调整植被指数(Modified Soil Adjusted Vegetation Index, MSAVI)、差值植被指数(Difference Vegetation Index, DVI)、比值植被指数(Ratio Vegetation Index, RVI)和转换型植被指数(Transformation Vegetation Index, TVI)。

优化土壤调节植被指数(OSAVI)表示为:

OSAVI=ρnir-ρredρnir+ρred+X.

式中, ρ nir代表近红外光波段反射率, ρ red代表红光波段反射率, X为土壤调节优化值, 能有效减少土壤背景对植被指数的影响, 本研究中X取值为0.16[14]。

修正型土壤调整植被指数(MSAVl)的提出是为了减小SAVI中的裸土影响[4]。计算公式如下:

MSAVI=2ρnir+1-2ρnir-1)2-8(ρnir-ρred)2.

差值植被指数(DVI)表示为:

DVI=ρ nir-ρ red .

该植被指数对土壤背景的变化极为敏感, 有利于对植被生态环境的监测[13]。

比值植被指数(RVI)能够充分表现植被在红光和近红外波段反射率的差异, 能增强植被与土壤背景之间的辐射差异[14]。计算公式如下:

RVI=ρnirρred.

转换型植被指数(TVI)是基于NDVI计算得到的[15], 其计算公式如下:

TVI=NDVI+0.5.

1.2.5 模型选优与验证 分别以甘南高原草甸草原区、河西走廊高平原荒漠草原区和陇中黄土高原温性草原区为对象, 建立基于上述7个植被指数的一次函数模型、指数模型、乘幂模型、对数模型和二次多项式模型, 以模型的决定系数大小为选择适宜指数和模型的主要依据, 从中优选出每个区域的最优植被指数和最佳模型形式, 然后对最优植被指数模型采用估测精度评价了模型的准确性。

1.2.6 甘肃省草产量估算 以分区建立的最优模型为依据, 然后估算2005-2009年甘肃省各个县的草产量, 然后将其以行政市州为单位进行统计, 分析甘肃省草产量的空间分布格局。对不同年份产草量变化用相对变化率(V)进行比较分析, V为两个年份产量的差值占被比较年份产草量的比例。

2 结果与分析
2.1 植被指数与生物量间的相关性分析

甘南高原草甸草原区, 河西走廊高平原荒漠草原区和陇中黄土高原温性草原区内植被指数和地上生物量实测值间的相关性有一定差别(表2)。荒漠草原区地上生物量与植被指数相关系数的绝对值从大到小依次为EVI> NDVI=RVI=OSAVI=TVI> MSAVI> DVI; 草甸草原区表现为EVI> MSAVI> DVI> NDVI=RVI=OSAVI=TVI; 温性草原区表现为NDVI=RVI=OSAVI=TVI> MSAVI> EVI> DVI。3个区域地上生物量与对应的7种植被指数中, 除RVI为负相关, 其余指数均为正相关, 说明所选题的7种植被指数均与地上生物量具有一定的相关性, 不同指数和产草量的相关系数的绝对值都大于0.4, 且均达到极显著水平(P< 0.01), 说明这7种植被指数均可用于构建地上生物量反演模型。

表2 不同植被指数与地上生物量的相关系数 Table 2 Correlation coefficient of vegetation indexes and aboveground biomass
2.2 反演模型选择

不同草原区7种植被指数与地上生物量间各种模型的决定系数存在一定差异(表3)。河西走廊高平原荒漠草原区, 除了RVI以外, 其余6种植被指数的最适模型均为二次多项式, 7种指数的最适模型的R2均超过0.5, R2由高到低的顺序为RVI> EVI> TVI> NDVI> OSAVI> MSAVI> DVI, RVI的决定系数最高, 为0.578, DVI的决定系数最低, 为0.501; 甘南高原草甸草原区, RVI和DVI的最适模型是乘幂模型, 其余5种指数的最适模型都是指数模型, 7种指数对应最适模型的决定系数R2由高到低的顺序为EVI> MSAVI> RVI> DVI> OSAVI=NDVI> TVI, EVI的决定系数为0.553, TVI的决定系数为0.498; 黄土高原温性草原区, RVI的最适模型是对数模型, DVI的最适模型是乘幂模型, 其余5种植被指数的最适模型都是二次多项式, 7 种指数对应最适模型的决定系数R2由高到低的顺序为NDVI> OSAVI> TVI> RVI> MSAVI> EVI> DVI, 最高的为NDVI(R2=0.582), 最低的为 DVI(R2=0.457)。

表3 植被指数与植被地上生物量的回归模型 Table 3 Regression model of vegetation indexes and aboveground biomass

7种指数对应最适模型拟合方程的决定系数表明, 不同草原区适宜的估产植被指数和反演模型存在差异, 河西走廊高平原荒漠草原区估产最好的是RVI和对数模型, 甘南高原草甸草原区估产最好的是EVI和指数模型, 黄土高原温性草原区估产最好的是NDVI和二次多项式模型(表4)。

表4 优选模型精度检验表 Table 4 The optimal estimation model of the precision inspection index

估产精度评价结果表明, 3个区域相对误差均约30%, 产草量测算精度在70%左右。最大测产精度为河西走廊高平原荒漠草原区, 达到77%; 其次是陇中黄土高原温性草原区, 达到75%; 甘南高原草甸草原区测产精度相对较小, 为69%。

2.3 甘肃省草原产草量空间分布特征

模型计算结果表明, 2009年全省草原总产鲜草3 718.30万t, 单位面积鲜草产量的平均值约等于2 314 kg· hm-2(表5)。行政区划而言, 酒泉市、甘南州、张掖市草地面积分别为全省第1、第2和第3, 分别占全省草地面积的29.7%、15.5%和13.4%, 但草原地上生物量却表现为甘南州最大、酒泉市次之、张掖市位居第3, 分别为全省的38.9%、12.3%和 12.2%, 造成该结果主要是因为酒泉市草地类型主要以温性荒漠类草原和温性草原化荒漠类草原为主, 地上生物量较低。

表5 2009年甘肃省各市(州)草原面积、产草量和单产 Table 5 The grassland area, grass yield and yield per unit at prefectures of Gansu Province in 2009

反演模型估测的全省草原生物量空间分布格局中, 发现3个高产中心, 分别是甘南高原、祁连山北麓中东段和陇南南部(图1), 这种分布格局基本保持了20世纪80年甘肃草原生物量的空间格局(甘肃草地资源)。全省草地单位面积鲜草产量整体表现为东北地区低、西南地区高的态势。

图1 2009年8月甘肃省草原产草量空间分布图Fig.1 The spatial distribution of grass yield in Gansu Province during August 2009

从2005年到2009年间, 甘肃省不同地州市草原鲜草总产量变化趋势不一致(表6)。对比分析2005年与1985年草原总产量的相对变化率, 发现各市州草原鲜草总产量均减产(-27.71%< V< -14.70%), 全省鲜草总量下降19.34%; 2009年与1985年相比较, 14个市州鲜草总产量变化趋势不同, 其中属于减产的有白银市(-31.53%)、武威市(-25.70%)、酒泉市(-23.04%)、金昌市(-20.68%)、嘉峪关市(-16.87%)、兰州市(-16.39%)、平凉市(-14.24%)、庆阳市(-12.55%)、张掖市(-12.08%)、天水市(-6.21%)、临夏州(-6.15%)和定西市(-5.08%); 持平的有甘南州(3.33%)和陇南市(1.67%)。减产的草地面积占全省草地面积的80.36%, 持平的草地面积占全省草地面积的19.64%。

表6 2005-2009年甘肃省各市(州)草原鲜草总产草量变化动态 Table 6 The dynamic of total fresh grass yield in different city(state) of Gansu Province in 2005-2009
3 讨论

虽然运用遥感技术结合地面数据估测草原生物量、实现草地生产力的动态监测已经成为目前草地管理的重要手段[16], 但其精度与遥感影像的分辨率密切相关。由于MODIS资料全天下载和免费的特性, 其目前成为国际上草原生物量监测的主要遥感资料[17], 然而MODIS资料相对低的分辨率, 给草原生物量的遥感监测带来了一定的挑战, 这就需要采用合适的植被指数, 且构建合理的反演模型, 才能弥补MODIS资料分辨率低的不足, 从而提高遥感方法估测草原生物量的精度[18]。不同植被指数强调的侧重点存异, 因此, 不同植被指数估测同一地区的草原生物量时, 其估测精度可能是不同的, 本研究表明, 虽然所选用的7种植被指数均可用于构建草原生物量估测反演模型, 但其精度是不一样的, 河西走廊高平原荒漠草原区最适合的植被指数是RVI, 甘南高原草甸草原区最适合的植被指数是EVI, 而黄土高原温性草原区最适合的植被指数是NDVI, 说明监测不同区域草原生物量时, 因地域背景和草原植被类型存在差异, 应选用不同的植被指数[19]。合适的植被指数需要建立高拟合度的反演模型, 才能较好地估测草原生物量, 河西荒漠草原区最适合的反演模型是对数模型, 甘南高原草甸草原区最适合的反演模型是指数模型, 而黄土高原温性草原区最适合的模型是二次多项式模型, 说明不同地域和草原类型区适合的模型类型存异, 只有选择了合适的植被指数和反演模型类型, 才能提高采用MODIS资料遥感监测草原生物量的精度。

由于不同行政地州市草原类型和气候特征的差异, 甘肃省草原产草量受控于面积和单产两个因素, 这在草畜平衡决策中需要充分关注。如酒泉市草原面积虽然最大, 但其产草量不是最大, 这决定了其载畜量也不是最大[20]。从甘肃省草原地上生物量空间格局分析, 目前其空间分布格局仍然保持了20世纪80年代的空间分布格局, 东南高, 西北低、3个高产中心的分布格局, 这不仅与草地类型有关, 而且与地貌、土壤和气候特征密切相关。甘南高原和祁连山北麓中东段, 虽然气候寒冷, 但太阳年总辐射量超过6 000 MJ· m-2, 年降水量多在500 mm以上, 高原主体部分≥ 10 ℃积温持续期一般仅两个多月, 这种热量状况虽不能满足大多数农作物的生长需要, 却特别适合灌木和草本植物生长[21], 因此, 成为甘肃草原高产区的两个中心, 而陇南南部地区, 水热条件好[22], 成为另外一个高产中心。

与1985年相比, 2005年草原明显减产(V=19.34%), 主要是20世纪90年代甘肃牧区的载畜量增长最大, 草原严重超载, 导致大面积草原的生物量严重下降[23]。2005-2009年, 甘肃省草原产草量总体呈上升趋势, 主要是2001年以来, 甘肃先后实施了“ 天然草原恢复与建设” 、“ 牧草种子繁育基地” 和“ 退牧还草工程” 等一系列国家级草原建设工程项目, 通过草地围栏改良、牲畜棚圈建设、人工饲草料基地建设、良种繁育、草地综合治理等措施, 提高了草原生产力所致。

The authors have declared that no competing interests exist.

参考文献
[1] 任继周. 草业科学研究方法[M]. 北京: 中国农业出版社, 1998. [本文引用:1]
[2] 甘肃省草原总站. 甘肃草地资源[M]. 兰州: 甘肃科学技术出版社, 1997. [本文引用:1]
[3] 覃志豪, 徐斌, 李文娟, 刘海启, 黄建明. 我国北方草原产草量遥感测算模型[C]. 北京: 中国草业可持续发展战略论坛, 2004: 473-479. [本文引用:1]
[4] 董永平, 吴新宏, 戎郁萍. 草原遥感监测技术[M]. 北京: 化学工业出版社, 2005. [本文引用:3]
[5] Taylo B F, Dini P W, Kidson J W. Determination of seasonal and international variation in New Zealand pasture growth from NOAA-7 data[J]. Remote Sensing Environment, 1985, 18: 177-192 [本文引用:1]
[6] 王兮之, 杜国桢, 梁天刚, 戴若兰, 王刚. 基于RS和GIS的甘南草地生产力估测模型构建及其降水量空间分布模式的确立[J]. 草业学报, 2001, 10(2): 95-102. [本文引用:1]
[7] 赵冰茹, 刘闯, 刘爱军, 王正兴. 利用MODIS-NDVI进行草地估产研究——以内蒙古锡林郭勒草地为例[J]. 草业科学, 2004, 21(8): 12-15. [本文引用:1]
[8] 王静, 冯兆忠. 甘肃省动、植物资源现状及持续发展对策[J]. 生物多样性, 2000, 8(2): 227-232. [本文引用:1]
[9] 贺素雯, 喻文虎, 向金城, 许国成, 杨鹏翼, 刘富庭. 河西荒漠草原花棒不同栽植密度旱作技术研究[J]. 草业科学, 2009, 26(7): 105-109. [本文引用:1]
[10] 赵陆强, 王刚. 甘南高寒草甸物种多样性和与生产力的关系[J]. 兰州大学学报(自然科学版), 2009, 45(6): 82-93. [本文引用:1]
[11] 侯彦会. 温性荒漠化草原不同放牧强度下氮素示踪研究[D]. 兰州: 甘肃农业大学硕士学位论文, 2009. [本文引用:1]
[12] 赵忠, 何毅, 李青, 贾生幅, 杨鹏翼, 金赐福, 杨学兰, 孙晓云, 李炬, 顾自林, 屈勇, 张卫军, 乔永松, 王军, 杨生录. 肃南裕固族自治县草原资源调查[J]. 草业学报, 2010, 19(6): 231-247. [本文引用:1]
[13] 查勇, 倪绍祥. 国际草原资源遥感研究新进展[J]. 地理科学进展, 2003, 22(6): 607-617. [本文引用:2]
[14] 陶伟国. 内蒙古草原产草量遥感监测方法研究[D]. 北京: 中国农业科学院硕士学位论文, 2007. [本文引用:2]
[15] 田庆久, 闵祥军. 植被指数研究进展[J]. 地球科学进展, 1998, 13(4): 328-332. [本文引用:1]
[16] 王莺, 夏文韬, 梁天刚, 王超. 基于MODIS植被指数的甘南草地净初级生产力时空变化研究[J]. 草业学报, 2010, 19(1): 201-210. [本文引用:1]
[17] 陶伟国, 徐斌, 杨秀春. 草原产草量遥感估算方法发展趋势及影响因素[J]. 草业学报, 2007, 16(2): 1-8. [本文引用:1]
[18] 张绪校, 唐川江, 周俗, 张新跃. 应用 MODIS进行草原生物量估测误差原因分析[J]. 草业科学, 2014, 31(9): 1653-1658. [本文引用:1]
[19] 李素英, 李晓兵, 莺歌, 符娜. 基于植被指数的典型草原区生物量模型——以内蒙古锡林浩特市为例[J]. 植物生态学报, 2007, 31(1): 23-31. [本文引用:1]
[20] 杨思维. 河西走廊草原畜牧业主要生产模式优化研究[D]. 兰州: 甘肃农业大学硕士学位论文, 2010. [本文引用:1]
[21] 洛桑·灵智多杰. 青藏高原给甘南生态经济示范区研究[M]. 兰州: 甘肃科学技术出版社, 2005. [本文引用:1]
[22] 宋宗水. 陇南地区的泥石流及水土流失的治理[J]. 中国水土保持, 1989(6): 43-47. [本文引用:1]
[23] 丁连生. 甘肃草业可持续发展战略研究[M]. 北京: 科学出版社, 2008. [本文引用:1]