卫星与气候数据融合的巴西牧场牧草量估算方法及其在可持续畜牧业管理中的应用

本研究针对巴西牧场系统中牧草量(FM)监测难题，创新性地整合NASA Harmonized Landsat和Sentinel-2(HLS)卫星数据与SAFER(Simple Algorithm for Evapotranspiration Retrieving)农业气象模型，开发出可解释67% FM变异性的估算方法。研究首次系统比较了粗放(EXT)、集约(INT)和农牧结合(ICL)三种生产系统，发现区分绿色物质(GM)与总干物质(TDM)是提升精度的关键，为热带地区牧场精准管理提供了可推广的技术方案。

　　

在全球粮食安全面临挑战的背景下，牧场作为覆盖70%农业用地的重要生态系统，其生产力监测却长期滞后于耕地。巴西作为世界第二大牛肉生产国，约60%牧场存在退化问题，传统人工测量方法效率低下且难以反映大尺度空间变异。如何实现牧场生产力的精准、动态监测，成为困扰热带地区可持续畜牧业发展的核心难题。

巴西农业研究公司(Embrapa)的科研团队在《Computers and Electronics in Agriculture》发表创新研究，通过融合多源卫星数据与气候模型，建立了适用于不同管理强度的牧草量估算体系。研究团队选取圣卡洛斯试验基地的三种典型生产系统：24年未施肥的粗放系统(EXT)、施用化肥的集约系统(INT)以及玉米轮作的农牧结合系统(ICL)，采用NASA HLS卫星数据(30米分辨率)结合SAFER模型和Monteith光能利用率(LUE)理论框架，创新性地引入"双采样法"获取田间GM数据，通过32天周期的同步观测验证模型精度。

季节性NDVI与气候动态
通过分析2018-2019年数据，发现NDVI与气候参数呈现显著季节性差异，干旱季(4-9月)数值普遍低于雨季(10-3月)。集约系统平均NDVI达0.574，显著高于粗放系统的0.522，印证了管理措施对植被活力的提升作用。

田间GM时空变异特征
农牧结合系统(ICL)展现出最高GM产量(1935±846 kg ha^-1月^-1)，其雨季GM较粗放系统高出37%。研究首次揭示动物载畜量变化对GM的显著影响：2018年雨季2.2 AU/ha(动物单位/公顷)的载畜率使GM波动幅度较2019年(1.0 AU/ha)增加52%。

NDVI与GM的关联性局限
尽管NDVI与GM呈正相关，但在集约系统中决定系数(R²_adj)仅0.381。研究表明，NDVI在茂密植被区的饱和效应及其对冠层阴影的敏感性，限制了其在管理强度高系统的适用性。

SAFER模型的突破性表现
该模型在粗放系统表现最优(R²_adj=0.856)，其精度超越既往机器学习研究。关键创新在于引入蒸发比(ET_a/ET_o)和吸收性光合有效辐射(APAR)算法，通过公式BIO=0.864×ε_max×E_f×APAR实现GM估算，其中最大光能转化效率(ε_max)取值为3.0。干旱季模型稳定性显著提升，ICL系统R²_adj达0.871，得益于作物残茬分解带来的土壤改良效应。

这项研究为热带牧场管理提供了三大科学价值：首次验证了30米分辨率卫星数据在牧场尺度的适用性；建立了GM而非TDM作为核心指标的新标准；揭示了不同生产系统的模型响应规律。特别是发现粗放系统因管理扰动少而更适合遥感监测，这一结论对全球75%的粗放牧场具有普适意义。研究建议未来结合CBERS-4A等高分辨率卫星(5-10米)和加密采样频率(7-15天)，以解决集约系统因轮牧造成的时空异质性难题。

该成果的实践价值在于，为《联合国防治荒漠化公约》(UNCCD)倡导的牧场可持续管理目标提供了可操作的技术路径。通过将气象站数据与免费卫星资源整合，使发展中国家也能实施低成本监测，这对巴西1.12亿公顷牧场的精准管理具有变革性意义。研究揭示的"农牧结合系统提升GM稳定性"规律，为全球气候智慧型农业提供了重要案例支撑。