一种人工草地生长适宜区提取方法

摘要

本发明提供一种人工草地生长适宜区提取方法，所述方法包括：获取分析区域的气候和土壤数据；利用所述环境和土壤数据建立气候土壤适宜度评价模型；获取分析区域的地形数据；利用所述地形数据建立地形适宜度评价模型；根据所述气候土壤适宜度评价模型和地形适宜度评价模型建立人工草地综合适宜度评价模型；应用所述人工草地综合适宜度评价模型进行综合适宜性划分，得到所述人工草地生长适宜区分布。通过获取分析区域的气候、土壤数据和地形数据并建立相应的模型，利用模型获得人工草地生长适宜区分布，提高了人工草地生长适宜区提取的全面性和准确性。

说明书

技术领域

本发明涉及植物种植技术领域，特别是指一种人工草地生长适宜区提取方法。

背景技术

中国草地资源丰富，天然草地面积约为4亿km²，约占中国国土面积的40％。气候变化和人类活动的影响使得中国草地大面积退化。草地退化使草地产量下降，影响了畜牧业的发展，同时草地退化也是造成荒漠化与环境恶化的主要动力与原因。建设人工草地农业生态系统，利用较少的土地，获得高产优质牧草，缓解家畜对天然牧草的压力使退化草地得以恢复。但现有的人工草地种植无法全面的考虑对生长的影响因素，因此无法准确的提取的人工草地生长适宜区。

发明内容

本发明要解决的技术问题是提供一种人工草地生长适宜区提取方法，能够全面准确的提取的人工草地生长适宜区。

为解决上述技术问题，本发明的实施例提供一种人工草地生长适宜区提取方法，所述方法包括：

获取分析区域的气候和土壤数据；

利用所述环境和土壤数据建立气候土壤适宜度评价模型；

获取分析区域的地形数据；

利用所述地形数据建立地形适宜度评价模型；

根据所述气候土壤适宜度评价模型和地形适宜度评价模型建立人工草地综合适宜度评价模型；

应用所述人工草地综合适宜度评价模型进行综合适宜性划分，得到所述人工草地生长适宜区分布。

优选的，所述利用所述环境和土壤数据建立气候土壤适宜度评价模型，包 括：

利用土壤温度，水分和遮阳系数计算气候因素限制下的地上净初级生产力；

利用土壤养分数据建立养分供应限制下的地上净初级生产力；

利用所述气候因素限制下的地上净初级生产力和养分供应限制下的地上净初级生产力计算地上净初级生产力；

分析影响因子的敏感性确定影响因子在气候土壤适宜度评价模型中的权重；

利用所述地上净初级生产力和影响因子在气候土壤适宜度评价模型中的权重得到所述气候土壤适宜度评价模型。

优选的，所述利用土壤温度，水分和遮阳系数计算气候因素限制下的地上净初级生产力，包括：

利用以下公式得到所述气候因素限制下的地上净初级生产力；

ANPP_C＝ANPP_max×f_T(T)×f_M(M)×f_S(S)

其中，ANPP_C为气候因素限制下的地上净初级生产力，ANPP_max(gDW·m^-2·a^-1)是理论上最大地上净初级生产力，f_T(T)是温度T对生长的影响，f_M(M)是土壤水含量M对生长的影响，f_S(S)是遮阳系数的影响；

所述利用土壤养分数据建立养分供应限制下的地上净初级生产力，包括：

利用以下公式得到所述养分供应限制下的地上净初级生产力；

$>{\mathrm{ANPP}}_N={\Sigma }_{i=1}^n{S}_i\times (N_{\mathrm{avail}}\times W_{\mathrm{root}}\times N_{\mathrm{fix}})\times F_i\times {(C:N)}_i$>

其中，ANPP_N为养分供应限制下的地上净初级生产力，N_avail是可利用的矿物氮(土壤溶液中和植物氮库中的氮)；N_fix为植物固氮；W_root是一个植被根部摄取营养的系数；F_i是植物组织i所占植物总潜在N吸收量(N_avail×W_root×N_fix)的比例；(C:N)_i是植物组织i的C:N比；

所述利用所述气候因素限制下的地上净初级生产力和养分供应限制下的地上净初级生产力计算地上净初级生产力，包括：

利用以下公式得到地上净初级生产力；

ANPP＝min (ANPP_C，ANPP_N)

其中，ANPP为所述地上净初级生产力。

优选的，所述温度T通过以下公式得出：

T＝f_t(tmx，tmn)

其中，tmx为月平均最高温度，tmn为月平均最低温度；

所述土壤水含量M通过以下公式得出：

M＝f_m(prep，irri，et，sand，silt，clay，nlayer)

其中，prep为月降水量，irri为灌溉水量，et为蒸散量，sand为土壤沙粒含量，silt为土壤粉粒含量，clay为土壤粘粒含量，nlayer为土层数量； 

土壤PH对生长的影响通过以下公式得出：

SOM_Dec＝f_Dec(pH)

C:N＝f_SOM(SOM，SOM_Dec)

其中，SOM_Dec为有机质分解率，SOM为土壤有机质。

优选的，所述分析影响因子的敏感性确定影响因子在气候土壤适宜度评价模型中的权重，包括：

所述影响因子的敏感性可以通过下式得出：

$>Y_i=\frac{\mathrm{ANPP}(x_i+\mathrm{\Delta x})-\mathrm{ANPP}\left(x_i\right)}{\mathrm{ANPP}\left(x_i\right)}$>

其中，ANPP(x_i)为影响因子x_i为实际值时的地上生物量模拟值，是影响因子x_i变化Δx时的地上生物量模拟值，x_i为第i个影响因子的实际值，Y_i为第i个影响因子的敏感性；

利用下式得到影响因子在气候土壤适宜度评价模型中的权重：

$>W_i=\frac{\left|Y_i\right|}{{\Sigma }_1^n{\left|Y\right|}_i}$>

其中，W_i为第i个影响因子在气候土壤适宜度评价模型中的权重；

所述利用所述地上净初级生产力和影响因子在气候土壤适宜度评价模型中的权重得到所述气候土壤适宜度评价模型，包括：

根据权重叠加模型的原理，利用以下公式对标准化以后的各影响因子进行加权求和，得到所述气候土壤适宜度评价模型；

$>S={\Sigma }_1^n{W}_i{X}_i$>

其中，S为适宜度；W_i为第i项影响因子的权重；X_i为第i项标准化后的影响因子；n为影响因子个数；

变量标准化公式：

$>E_i=\frac{x_i-x_{\min }}{x_{\max }-x_{\min }}$>

其中，E_i为标准化值；X_i为数据原始值；X_min为数据最小值；X_max为数据最大值。

$>\left(\begin{array}{cc}{E}_i=\frac{1}{1+\frac{{(x_i-\beta )}^2}{{\alpha }^2}}& X_i<\beta \\ E_i=1& X_i\ge \beta \end{array}\right)$>

其中，E_i为标准化值；X_i为数据原始值；α为数据适宜性范围；β为数据最佳适宜性阈值。

优选的，所述方法还包括：对所述气候土壤适宜度评价模型进行校正；

所述对所述气候土壤适宜度评价模型进行校正，包括：

比较所述气候土壤适宜度评价模型的模拟值与观测值的吻合程度；

利用以下公式计算所述气候土壤适宜度评价模型的误差；

$>\mathrm{RMSE}=\sqrt{\frac{{\Sigma }_{i=1}^n{(M_i-L_i)}^2}{n}}$>

其中，RMSE为所述误差，Mi和Li分别为模拟值和实测值，n为观测样本数；

利用所述误差对所述气候土壤适宜度评价模型校正。

优选的，所述利用所述地形数据建立地形适宜度评价模型，包括：

利用所述地形数据根据邻域分析法进行起伏度分析；

然后利用数字高程模型数据计算出地形坡度，对坡度数据进行分级；

综合地形起伏度分析和地形坡度数据，建立地形适宜度模型。

优选的，所述应用所述人工草地综合适宜度评价模型进行综合适宜性划分，得到所述人工草地生长适宜区分布，包括：

利用所述人工草地综合适宜度评价模型生成气候土壤适宜度分布图和地形适宜度分布图；

对气候土壤适宜度分布图和地形适宜度分布图进行叠加分析和综合适宜性划分，得到所述人工草地生长适宜区分布。

优选的，所述气候和土壤数据包括：温度数据、湿度数据、光照数据、风力数据、空气质量数据、土壤温度数据、土壤含水量数据、土壤PH数据、土壤养分数据和测量参数数据中的至少一种。

优选的，所述气候和土壤数据的获取以月平均值。

本发明的上述技术方案的有益效果如下：

上述方案中，通过获取分析区域的气候、土壤数据和地形数据并建立相应的模型，利用模型获得人工草地生长适宜区分布，提高了人工草地生长适宜区提取的全面性和准确性。

附图说明

图1为本发明实施例的人工草地生长适宜区提取方法流程图；

图2为本发明实施例的人工草地生长适宜区提取方法模拟值与实测值对比；

图3a为本发明实施例的人工草地生长适宜区提取方法紫花苜蓿气候-土壤适宜性示意图；

图3b为本发明实施例的人工草地生长适宜区提取方法紫花苜蓿地形适宜性示意图；

图4为本发明实施例的人工草地生长适宜区提取方法紫花苜蓿适宜区分布图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

如图1所示，本发明的实施例一种人工草地生长适宜区提取方法，所述方法包括：

步骤101：获取分析区域的气候和土壤数据。

步骤102：利用所述环境和土壤数据建立气候土壤适宜度评价模型。

步骤103：获取分析区域的地形数据。

步骤104：利用所述地形数据建立地形适宜度评价模型。

步骤105：根据所述气候土壤适宜度评价模型和地形适宜度评价模型建立人工草地综合适宜度评价模型。

步骤106：应用所述人工草地综合适宜度评价模型进行综合适宜性划分，得到所述人工草地生长适宜区分布。

人工草地建植的目的是为了得到优质高产的牧草，本研究以草地的地上生产力为基础，考虑气候、土壤、灌溉等影响草地生长的因素，结合century模型，计算影响因子对气候变化响应的敏感性，得到牧草在研究区的土壤-气候适宜性；利用地形数据，提取出研究区地形起伏度和坡度，根据地形分析，提取出牧草的地形适宜区；再把气候-土壤适宜区和地形适宜区结合，实现人工草地适宜区的提取。

优选的，所述利用所述环境和土壤数据建立气候土壤适宜度评价模型，包括：

利用土壤温度，水分和遮阳系数计算气候因素限制下的地上净初级生产力；

利用土壤养分数据建立养分供应限制下的地上净初级生产力；

利用所述气候因素限制下的地上净初级生产力和养分供应限制下的地上净初级生产力计算地上净初级生产力；

分析影响因子的敏感性确定影响因子在气候土壤适宜度评价模型中的权重；

利用所述地上净初级生产力和影响因子在气候土壤适宜度评价模型中的权重得到所述气候土壤适宜度评价模型。

优选的，所述利用土壤温度，水分和遮阳系数计算气候因素限制下的地上净初级生产力，包括：

利用以下公式得到所述气候因素限制下的地上净初级生产力；

ANPP_C＝ANPP_max×f_T(T)×f_M(M)×f_S(S)

其中，ANPP_C为气候因素限制下的地上净初级生产力，ANPP_max(gDW·m^-2·a^-1)是理论上最大地上净初级生产力，f_T(T)是温度T对生长的影响， f_M(M)是土壤水含量M对生长的影响，f_S(S)是遮阳系数的影响；

所述利用土壤养分数据建立养分供应限制下的地上净初级生产力，包括：

利用以下公式得到所述养分供应限制下的地上净初级生产力；

$>{\mathrm{ANPP}}_N={\Sigma }_{i=1}^n{S}_i\times (N_{\mathrm{avail}}\times W_{\mathrm{root}}\times N_{\mathrm{fix}})\times F_i\times {(C:N)}_i$>

其中，ANPP_N为养分供应限制下的地上净初级生产力，N_avail是可利用的矿物氮(土壤溶液中和植物氮库中的氮)；N_fix为植物固氮；W_root是一个植被根部摄取营养的系数；F_i是植物组织i所占植物总潜在N吸收量(N_avail×W_root×N_fix)的比例；(C:N)_i是植物组织i的C:N比；

所述利用所述气候因素限制下的地上净初级生产力和养分供应限制下的地上净初级生产力计算地上净初级生产力，包括：

利用以下公式得到地上净初级生产力；

ANPP＝min (ANPP_C，ANPP_N)

其中，ANPP为所述地上净初级生产力。

优选的，所述温度T通过以下公式得出：

T＝f_t(tmx，tmn)

其中，tmx为月平均最高温度，tmn为月平均最低温度；

土壤水分由降水、灌溉、蒸散以及土壤质地等因素决定，土壤持水能力由土壤质地决定，所述土壤水含量M通过以下公式得出：

M＝f_m(prep，irri，et，sand，silt，clay，nlayer)

其中，prep为月降水量，irri为灌溉水量，et为蒸散量，sand为土壤沙粒含量，silt为土壤粉粒含量，clay为土壤粘粒含量，nlayer为土层数量； 

土壤pH作为影响有机质分解的参数，影响着土壤有机质的分解，对土壤养分供应有一定影响，土壤PH对生长的影响通过以下公式得出：

SOM_Dec＝f_Dec(pH)

C:N＝f_SOM(SOM，SOM_Dec)

其中，SOM_Dec为有机质分解率，SOM为土壤有机质。

优选的，所述分析影响因子的敏感性确定影响因子在气候土壤适宜度评价模型中的权重，包括：

影响因子的敏感性，反映了在模型模拟中影响因子的重要程度，也反映了影响因子对该种牧草生长适宜性的重要程度，所述影响因子的敏感性可以通过下式得出：

$>Y_i=\frac{\mathrm{ANPP}(x_i+\mathrm{\Delta x})-\mathrm{ANPP}\left(x_i\right)}{\mathrm{ANPP}\left(x_i\right)}$>

其中，ANPP(x_i)为影响因子x_i为实际值时的地上生物量模拟值，是影响因子x_i变化Δx时的地上生物量模拟值，x_i为第i个影响因子的实际值，Y_i为第i个影响因子的敏感性；

敏感性反映了牧草生长适宜性的重要程度，因此根据影响因子的敏感性，来确定各影响因子在评价模型中的权重。

利用下式得到影响因子在气候土壤适宜度评价模型中的权重：

$>W_i=\frac{\left|Y_i\right|}{{\Sigma }_1^n{\left|Y\right|}_i}$>

其中，W_i为第i个影响因子在气候土壤适宜度评价模型中的权重；

所述利用所述地上净初级生产力和影响因子在气候土壤适宜度评价模型中的权重得到所述气候土壤适宜度评价模型，包括：

根据权重叠加模型的原理，利用以下公式对标准化以后的各影响因子进行加权求和，得到所述气候土壤适宜度评价模型；

$>S={\Sigma }_1^n{W}_i{X}_i$>

其中，S为适宜度；W_i为第i项影响因子的权重；X_i为第i项标准化后的影响因子；n为影响因子个数；

变量标准化公式：

$>E_i=\frac{x_i-x_{\min }}{x_{\max }-x_{\min }}$>

其中，E_i为标准化值；X_i为数据原始值；X_min为数据最小值；X_max为数据最大值。

$>\left(\begin{array}{cc}{E}_i=\frac{1}{1+\frac{{(x_i-\beta )}^2}{{\alpha }^2}}& X_i<\beta \\ E_i=1& X_i\ge \beta \end{array}\right)$>

其中，E_i为标准化值；X_i为数据原始值；α为数据适宜性范围；β为数据最佳适宜性阈值。

应用模型前要经过校正与验证，首先校正模型，检验模拟值与观测值之间的吻合程度，反复检验模拟结果，调整模型参数，达到最好的模拟效果。基于调试后的参数，再通过对比分析其他年份的模拟与观测结果验证模型。

模型运行前需要先设定主要的植被参数，可基于测点长期气象资料平均值驱动模型，通过将模型运行多年(>5000年)，使土壤有机质的含量达到平衡状态，这样平衡状态下的土壤有机质含量作为不同土壤有机质库的土壤有机质含量的初始值(Parton等，1992)。气候-土壤模型用研究区草地地上生物量实测值和模拟值来校正和检验，检验其对研究区草地模拟的适宜性。

4.2.1模型参数校正 

利用两种方法对气候-土壤子模型的模拟结果进行评价。首先，通过图形直观比较模拟值与观测值的吻合程度，对模型的模拟能力进行定性评价；其次，基于统计指标对模型进行定量化评价，包括观测值与模拟值的线性回归系数(a)，截距(b)，决定系数(R2)，以及相对均方根误差(RMSE)，其计算公式为：

$>\mathrm{RMSE}=\sqrt{\frac{{\Sigma }_{i=1}^n{(M_i-L_i)}^2}{n}}$>

式中，Mi和Li分别为模拟值和实测值，n为观测样本数。

根据实测数据对模型参数进行校正，调试的主要模型参数包括潜在生产力系数，太阳辐射系数，草地生长最高和最适温度等。模型校正后，各参数取值如表1所示，根据本研究所用个紫花苜蓿，调整潜在生产力系数。潜在生产力系数反映不同草地类型的生产力，是模型进行本地化的重要参数校正后的参数如下表：

表1 模型参数及其说明

优选的，所述方法还包括：对所述气候土壤适宜度评价模型进行校正；

所述对所述气候土壤适宜度评价模型进行校正，包括：

比较所述气候土壤适宜度评价模型的模拟值与观测值的吻合程度；

利用以下公式计算所述气候土壤适宜度评价模型的误差；

$>\mathrm{RMSE}=\sqrt{\frac{{\Sigma }_{i=1}^n{(M_i-L_i)}^2}{n}}$>

其中，RMSE为所述误差，Mi和Li分别为模拟值和实测值，n为观测样本数；

利用所述误差对所述气候土壤适宜度评价模型校正。

基于校正后的模型参数，对模型进行验证，分别用其他年份(1994、1995和2011-2013年生长季)的草地地上部分生物量观测数据对模型进行验证。模拟值与实测值对比如图2所示。

从多伦生长季地上生物量观测值与模拟值的对比分析可以看出，模型模拟值与观测值有很好的对应效果(图2)，模拟曲线不仅可以模拟出地上生物量的季节动态变化，而且也能准确地描述出整个年内植物从春季生长到秋季衰老变 化的全部过程。模型模拟的结果对于本研究来说是可用的，可以依据模型确定各影响因子的权重。

得到L＝0.774M+39.859，决定系数R2＝0.622，RMSE＝73.68，R2值大于α＝0.05时的临界值，说明模拟值与实测值显著相关。由于模型是以月为时间步长，模型输出结果是月平均值，而实测值为某一天的地上部分生物量，因此实测值和模拟值存在一定程度的偏差。其次，模型采用月时间尺度，会平滑掉极端天气事件对草地生长的影响，这在一定程度上也影响模型的模拟精度。但整体上讲，模型能够反映地上部分生物量对影响因子变化的响应，模型模拟值与实测值比较吻合，表明模型在研究区是适用的。

优选的，所述利用所述地形数据建立地形适宜度评价模型，包括：

利用所述地形数据根据邻域分析法进行起伏度分析；

然后利用数字高程模型数据计算出地形坡度，对坡度数据进行分级；

综合地形起伏度分析和地形坡度数据，建立地形适宜度模型。

地形适宜性分析中，我们利用邻域分析法进行起伏度分析，选取矩形窗口，窗口大小为n×n，首先统计n×n窗口内像元的最大值max、最小值min；然后计算出max与min的差值，该值即为n×n窗口的地形起伏度。根据地形起伏度，提取出平原、丘陵、山地三种地貌。然后利用dem数据计算出地形坡度，对坡度数据进行分级，划分为0-5°、5-15°、>15°三个等级。综合地形起伏度划分的地形地貌和坡度数据，定量与定性结合，进行地形适宜性的划分，划分标准见表2

表2 地形适宜性划分等级

优选的，所述应用所述人工草地综合适宜度评价模型进行综合适宜性划分，得到所述人工草地生长适宜区分布，包括：

利用所述人工草地综合适宜度评价模型生成气候土壤适宜度分布图和地形适宜度分布图；

对气候土壤适宜度分布图和地形适宜度分布图进行叠加分析和综合适宜性划分，得到所述人工草地生长适宜区分布。

优选的，所述气候和土壤数据包括：温度数据、湿度数据、光照数据、风力数据、空气质量数据、土壤温度数据、土壤含水量数据、土壤PH数据、土壤养分数据和测量参数数据中的至少一种。

优选的，所述气候和土壤数据的获取以月平均值。

本发明实施例的人工草地生长适宜区提取方法，通过获取分析区域的气候、土壤数据和地形数据并建立相应的模型，利用模型获得人工草地生长适宜区分布，提高了人工草地生长适宜区提取的全面性和准确性。

本发明考虑草地生长对气候变化的响应敏感性，土壤、灌溉和施肥对草地生长的影响及不同地形条件对草地生长的差异，结合century模型，发展了一种人工草地适宜区的提取的新方法。并以紫花苜蓿为例，对内蒙古典型草原进行了人工建植适宜区的自动提取。利用牧草地上生物量观测值验证气候-土壤适宜性模型模拟结果，模型模拟值与观测值有很好的一致性，表明气候-土壤适宜性模型模拟的结果较好。利用已经收集的人工草地分布区数据对结果进行了验证，提取的精度达到了83.95％，结果表明发展的人工草地提取方法比较可靠，可应用内蒙古典型草原进行人工草地适宜区的提取。可为发展人工草地提供重要的方法参考。

本发明实施例的选取锡林郭勒典型草原区进行实施，位于内蒙古自治区锡林郭勒盟中东部，经纬度范围112°42′22″E～119°48′52″E，41°34′30″N～46°44′16″N，面积148160.16平方公里，占锡林郭勒大部分(图1)。研究区属于中温带半干旱大陆性气候。年平均降水量从西北部的150mm到东南部的430mm不等。年平均温度从南到北在4.5℃～–0.5℃递减。 光、热、水同季，对动、植物的生长发育是十分有利的。研究区的主要气候资源，在全国主要牧区中属中等偏上水平。加之研究区地势平坦开阔，土质优良，草场种类多，植被物种丰富，使研究区发展畜牧业经济的自然条件显得得天独厚的优越。锡林郭勒草原是我国境内最有代表性的丛生禾草枣根茎禾草(针茅、羊草)温性真草原，也是欧亚大陆草原区亚洲东部草原亚区保存比较完整的原生草原部分。

对照锡林郭勒盟现存人工草地分布数据，在人工草地生长最为旺盛的时期，分别于2012年7月15～8月6日，2013年7月29日～8月6日，进行人工草地的野外调查，利用GPS定位，共调查人工草地60块。每个样地均匀设置3个1m×1m样方，将野外采集的植物样品，在烘箱内105℃杀青15分钟，后在80℃下烘干24小时至衡重，然后用千分之一天平称重得到地上生物量。

气象数据来自中国气象局，本文选取研究区内以及周围的34个气象站点，统计数据时段为1960年1月～2008年12月，为月值数据，经过Kriging空间插值，得到栅格图层，栅格大小为300m×300m；土壤数据来源于中科院南京土壤所提供的1：100万土壤类型图及属性数据，土壤数据为面状shp数据，经过栅格转换，得到300m×300m的栅格数据。

影响草地适宜性的影响因子量级往往不一致，因此，在进行适宜性评价前，为使各因子具有可比性，需进行标准化。影响因子有些是连续的，有些在一定区间内影响效果基本相同，结合本研究实际需要将影响因子用公式进行标准化处理，使各影响因子标准化数值在0-1之间，得到新的栅格数据。

根据敏感性公式，对各影响因子的敏感性进行分析，再根据因子敏感性确定各影响因子的权重。由于本研究是对人工草地进行评价，我们加上灌溉的影响，同时考虑干旱区灌溉的经济因素，设定灌溉补水量为5cm/月。然后对气象因素中月降水量升高或降低10％，月平均最低温度、月平均最高温度增加或减少1℃，以及对土壤因子中粘粒、粉粒、粗砂等增加10％，粉粒、粗砂减少10％，pH减少0.1，土层厚度增加和减少1，得出模拟结果与原始模拟结果对比，算出各模拟结果的敏感性。在敏感性基础上根据权重公式，求出各影响因 子的权重。结果如下表所示。

表3 生产量对影响因子敏感性分析

根据气候-土壤子模型，提取的紫花苜蓿气候-土壤适宜区如图3a所示。

选取窗口大小为55×55(面积2.72km2)，得到研究区的地形起伏度。鉴于山地定义(相对高差>500m)不能满足本研究的定量划分需求，综合以前(刘爱利，2006；肖飞，2008；周成虎，2009)基于DEM定量划分地形的研究，结合内蒙古高原的地貌特征，提出以下地形划分标准：平原(起伏度<30m)，丘陵(起伏度30-110m)，山地(起伏度>100m)。根据DEM数据计算得到研究区坡度数据，划分为0-5°、5-15°、>15°三个等级。综合地形地貌和角度数据，和地形适宜性划分标准(表2)，利用ArcGIS的栅格计算，得到紫花苜蓿的地形适宜性分布(图3b)。

对气候-土壤适宜性和地形适宜性进行叠加分析，进行综合适宜性划分，最终得到紫花苜蓿适宜区分布图(图4)。

由图4中可以看出紫花苜蓿生长适宜度由西北向东南适宜度越来越高，并 且成条带状分布。高度适宜区主要分布在研究区的南部的多伦县、太仆寺旗和镶黄旗南部以及西乌珠穆沁旗东部，这里降水量充足，温度适宜，地势平坦，面积为3771.27km2；中度适宜区主要分布于太仆寺旗北部、正镶白旗和正蓝旗南部、镶黄旗东部、东乌珠穆沁旗和西乌珠穆沁旗东部、锡林郭勒市东部和多伦县北部，在降水的基础上稍加灌溉就能满足生长需求，温度较为适宜，地势平坦，大部分为平原，部分为丘陵面积为17406.18km2；低度适宜区分布在试验区中部东乌珠穆沁旗东部、西乌珠穆沁旗西部、锡林浩特市、阿巴嘎旗西南部，苏尼特左旗北部，降水较少，自然降水已不能满足紫花苜蓿的生长需求，完全需要灌溉紫花苜蓿才能较好生长，考虑到经济因素，这些区域现阶段不适宜种植紫花苜蓿，面积为58802.49km2；不适宜区则分布在研究区西北部气候干燥，气温偏低，不利于紫花苜蓿生长的区域和地形起伏大的山地和坡度大的丘陵地区，面积为65426.04km2。

表4 紫花苜蓿在各适宜性等级分布点数量

利用已经收集的人工草地分布区数据对结果进行了验证(图4，表4)，有51个样点分布在高度适宜区内，34个样点分布在中度适宜区内，提取的精度达到了82.52％(高度适宜和中度适宜之和)，证明本方法对紫花苜蓿的提取是可靠的。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。