第1章青藏高原区域概况
青藏高原是世界上海拔*高的高原，素有“世界屋脊'“地球第三极”和“亚洲水塔”之称（姚檀栋等，2017；孙鸿烈，19%;李吉均等，1979）。其主体在我国境内（26.87°N～40.02N，74.46°E～104.68°E），面积约258.13万km2，平均海拔4400m，占整个青藏高原总面积的84%，分布于西藏、青海、甘肃、四川、云南和新疆等6省区内（张镱锂等，2021）。高原北起祁连山、昆仑山，南至喜马拉雅山，西至兴都库什山，东至横断山脉（孙鸿烈，1980）。地势西高东低，边缘起伏不平，内部起伏程度较大（封志明等，2020）。高原内山脉众多、河流密布，中西部分布着冈底斯山一念青唐古拉山、喀喇昆仑山一唐古拉山等，东南部则分布着横断山系诸多高大山脉，长江、黄河、雅鲁藏布江等亚洲大河均发源于此。
青藏高原因其特殊地势和地理格局影响，形成了非地带性的高原气候，对全球气候系统及其变化影响巨大，促进了亚洲季风气候的形成（莫申国等，2004）。青藏高原东南部主要为暖湿气候，西北部主要为冷干气候，大部分地区的年均温为-5～5°C，年均降水量为250～550mm，且自东南向西北递减，干旱半干旱区约占2/3(桑佳文等，2023）。青藏高原空气干燥稀薄，太阳辐射强（比同纬度低地高50%～100%），总辐射高达540～800kJ/(cm2-a），昼夜温差大，多大风和风暴（武素功等，1995）。
青藏高原生态系统以草地为主，是全球变化的气候敏感区和生态脆弱区，其中，高寒草甸与高寒草原为核心类型（中国植被图编辑委员会，2008），兼有森林、灌丛、农田和荒漠等生境（傅伯杰等，2021）。本次植被图编制确定的草地植被占高原总面积的62.78%，其中高寒草甸和高寒草原分别占高原总面积的37.46%和20.65%。植物区系具有明显的东亚特征，北温带和中国-喜马拉雅成分广泛分布，种类丰富，特有种比例突出（吴征镒，1988;郑度，1995），是东亚植物区系的重要演化中心（孙航和周浙昆，1997;孙航和李志敏，2003;魏振铎，2011）。
青藏高原的人口多集中在气温较高、适宜农业发展的河谷区域，其余多数地区人口密度较低，人口空间分布具有显著的集疏差异（田一聪等，2022）。自1952年以来，青藏高原人口稳步增加（杜云艳，2019）。当前，青藏高原正经历快速的城市扩张，2000～2015年，青藏高原城市建成区面积从162.9km2增加至348.6km2，城市人口数从550万增加至1800万，在东部地区增速尤为显著（匡文慧，2021;戚伟，2021）。
农牧业是青藏高原的主要产业，高原腹地和西北部区域为纯牧业区，东南部为农牧业交错区（王月，2021;聂倩文等，2022）。主要粮食作物以小麦、青稞为主，经济作物以蔬菜、油料作物为主，牲畜有牦牛、羊、马等（闵庆文等，2003;魏慧等，2019）。高原农业主要集中在西宁市、海东市、拉萨市以及柴达木盆地等部分地区，而牧业主要集中在青南高原、川西高原西北部以及羌塘高原等地（马海涛，2020;聂倩文等，2022）。青藏高原有着得天*厚的自然景观和以藏族文化为主导的人文景观，在国家对青藏高原基础设施建设的大力扶持下，近年来其旅游业得到了迅速发展（钟林生等，2018）。
新中国成立以来，系统开展了青藏高原植被调查。20世纪70年代**次青藏高原综合科学考察以来，《中华人民共和国植被图（1:400万）》、《中国草地资源图集（1:100万）》和《中华人民共和国植被图（1:1000000）等代表性图件作为里程碑式成果，为青藏高原的植被生态学和植物地理学研究奠定了重要基础。近半个世纪以来，在气候变化加剧与人类活动强度增强的背景下，青藏高原植被分布格局经历了显著的动态变化，早期图件的现实性逐渐弱化，植被图的更新需求日益迫切。2017年启动的第二次青藏高原综合科学考察研究，为草地植被图绘制带来了新的发展机遇和研究需求。
第2章青藏高原草地植被分类系统
本图植被分类系统主要依据《中国植物区系与植被地理》（陈灵芝等，2014）、《西藏植被》（中国科学院青藏高原综合科学考察队，1988）、《青海植被》（周兴民等，1987）、《青海省植被图（1:100万）》（周立华和孙世洲，1990）和《中国植被分类系统修订方案》（郭柯等，2020）等的分类体系。
1.分类原则与依据
根据青藏高原地区的实际情况，本图沿用“植物群落学-生态学”的分类原则，植被类型划分的依据为植物群落本身特征和群落所处的生态条件，对不同等级的分类单位采用的指标会有所侧重，高级分类单位偏重于生态外貌，中低级分类单位着重种类组成和群落结构。群系是植物群落分类中的重要等级单位，主要依据建群种或共建种划分，即同一群系的植物群落具有相同的建群种或共建种，这些建群种同时也是区别于其他群系的特征种（王国宏等，2020;陈佐忠等，2002）。
本图中对植物群落的命名主要依据《中国植被分类系统修订方案》（郭柯等，2020）的命名原则，结合青藏高原的实际情况进行命名。植被型组的名称主要依据群落外貌和水分来划分，如“森林”“灌丛”“草甸”“草原”等；植被型通常在植被型组的名称前再冠以区分和限定植被型的生态特征，主要以生活型来划分，如“丛生草类草甸”“根茎草类草甸”等；植被亚型的命名在植被型名称中再以功能群和热量来划分，如“丛生嵩草高寒草甸”“丛生禾草高寒草甸”等；群系组主要以建群种属的名称来命名，如“嵩草草甸”“针茅草原”等；群系主要以建群种来命名，如“高山嵩草草甸”“紫花针茅草原”等。
2.分类系统
本图以“植被型组-植被型-群系”为主要分类单元，并以植被亚型和群系组为辅助分类单元。其格式如下：
植被型组（vegetation formation group，早期使用vegetation typegroup）
植被型（vegetation formation，早期使用vegetation type）
植被亚型（vegetation subformation，早期使用vegetation subtype）
群系组（alliancegroup，早期使用formationgroup）
群系（alliance，早期使用formation）
根据以上分类原则，青藏高原草地植被图的制图基本单位包括65个群系或群系组，分属于15个植被亚型，8个植被型，2个植被型组。详见下表2.1。
第3章青藏高原草地植被制图方法
传统植被制图大多在调查样点之外，主要基于气候等信息判断植被类型的分布，是基于气候**的制图方法。作者提出了一种结合野外植物群落调查、时间序列多源遥感数据和人工智能技术的制图方法（图3.1），以多元**预测的思路，基于光谱、结构、功能等植物特征以及生长地形、水热条件等生境特征，对草地植被类型的空间分布进行预测。
*先，在研究区开展网格式野外地面调查，结合专家识别获取准确的植物群落结构信息，同时获取覆盖研究区的多源遥感数据；然后，结合野外调查植物群落样方坐标，利用云计算平台提取地面样点时间序列多源植物特征与生境数据，获取各草地植物群落的光谱、结构、功能等植物特征以及地形、水热条件等生境特征，并确定植物群系类型。每种特征数据均包含时间序列信息，以期更好地表征植物及其生长环境在一年中的变化情况，建立植物群系类型-植物特征生境数据关系集。
图3.1基于数字化地面调查、深度学习与多源遥感数据的多元**植物群系制图
在此基础上，构建深度学习网络框架，将植物群系-生境数据集输入深度学习网络，训练形成基于生境信息的植物群系识别模型；*后，将该模型应用于整个青藏高原的多源植物特征和生境数据，实现整个青藏高原的植物群系识别。该方法所形成的植物群系类型-植物特征与生境深度学习模型是一种人工智能专家识别模型，优势在于可以识别由数百个变量组成的生境特征，充分利用多源数据中的时空信息，将传统基于气候**的制图拓展为基于气候、地形、光谱、结构和功能等多源信息的多元**制图，以期更好地预测草地植被的空间分布。
1.野外实地调查
野外植物群落调查由中国科学院大学、中国科学院西北高原生物研究所、中国科学院植物研究所、中国农业科学院农业资源与农业区划研究所、中国科学院地理科学与资源研究所、北京林业大学、中国科学院成都生物研究所、中国科学院青藏高原研究所、中国农业科学院农业环境与可持续发展研究所、北京师范大学等单位近100位专家带队完成，共获取数据37018条，样点覆盖了青藏高原绝大部分地区（图3.2）。在每个样方上通过数字化调查软件记录优势种名称、优势种照片、样方照片、样方坐标、植被盖度、植被高度等信息，同时釆集相应标本。根据记录的样点信息、建群种和优势种信息，结合拍摄的景观照和样方照等影像，对其进行群系识别。
2.时间序列多源植物特征及生境特征数据
遥感数据的获取和处理主要使用Google Earth Engine(GEE）云计算平台（Gorelicket al.，2017），该平台可调用PB级的遥感影像和地理空间数据，支持JavaScript或Python编程自动化云端处理，实现覆盖面广、占用资源巨大、耗时久的地理大数据云端运算。相比于本地运算，云端运算在数据覆盖范围和计算速度上都有明显的优势（Tamiminia et al.，2020）。一是可调集数据类型更全面，可以调用几乎所有区域尺度的遥感数据和再分析气象气候数据，而这些数据使用传统处理方法时难以全部下载到本地进行存储和分析。作者基于这一特性，充分挖掘了涉及植物光谱、结构、功能的多种植物特征和地形、水热条件等生境特征，并且每种特征均获取了时间序列特征信息，以期更好地区分具有不同物候*线的植物群系，这是以往研究，特别是地面填图方法所难以实现的。二是计算稳定性好、时效性高，计算基于云端服务器集群完成，节省了高性能服务器硬件的成本和时间投入，并且可即时调用*新的数据，成图时效性显著提高。
在多源遥感和地理空间产品选择方面，作者除了选择光谱信息与直接体现植物群落结构及其功能的NDVI、EVI、GPP等指数外，还引入了表征环境与气候的数字高程模型（DEM）、温度、降水量等数据。所使用的遥感数据见表3.1。
展开
