高寒草甸鼠兔活动与秃斑的耦合关系分析

孙晗; 党星海; 赵健赟; 刘宜浩

doi:10.12404/j.issn.1671-1815.2503963

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (15) :6326-6333 DOI: 10.12404/j.issn.1671-1815.2503963

农业科学

高寒草甸鼠兔活动与秃斑的耦合关系分析

孙晗 ¹ ,
党星海 ¹^,²^,^* ,
赵健赟 ³ ,
刘宜浩 ³

作者信息 +

Coupling Analysis of Plateau Pika Activities and Bare Patches in Alpine Meadows

SUN Han ¹ ,
DANG Xing-hai ¹^,²^,^* ,
ZHAO Jian-yun ³ ,
LIU Yi-hao ³

Author information +

文章历史 +

摘要

高寒草甸是青藏高原生态安全屏障的核心,草甸退化与高原鼠兔(Ochotona curzoniae)活动密切相关。针对传统监测方法效率低、秃斑特征描述单一的问题,基于无人机遥感与机器学习技术,构建了融合秃斑面积(patch area,PA)、形状指数(patch shape index,PSI)、聚集度(patch aggregation index,PAI)和Patrick丰富度指数S的高原鼠兔干扰指数(pika disturbance index,PDI),并分析与秃斑占比的非线性响应关系。结果表明:①随机森林模型秃斑提取精度最高(总体精度96.03%,Kappa=0.920 7),显著优于其他分类方法;②PDI指数可有效划分干扰等级,并揭示出中度干扰区秃斑高度破碎化与局部聚集,而重度干扰区因斑块合并导致聚集度下降的空间分异特征;当秃斑占比达21.7%时,干扰强度显著减弱(R²=0.759),表明生境质量恶化可能诱发鼠兔迁移,从而揭示鼠兔活动存在“自限性”机制。上述结果表明,高原鼠兔活动与秃斑扩张存在“先增强后减弱”的非线性耦合关系,该耦合特征及其空间格局差异可为高寒草甸退化临界状态识别与分级治理提供定量依据。

Abstract

Alpine meadows are recognized as a core component of the ecological security barrier on the Qinghai-Tibet Plateau, whose patchy degradation is closely linked to the activities of the plateau pika (Ochotona curzoniae). To address the limitations of traditional monitoring methods, including low efficiency and oversimplified characterization of bare patches, a plateau pika disturbance index (PDI) is constructed by integrating bare patch area (PA), patch shape index (PSI), patch aggregation index (PAI), and Patrick’s richness index using UAV remote sensing and machine learning. The nonlinear response relationship between the PDI and bare patch coverage was subsequently analyzed. The results demonstrate these as follows. The random forest model achieves the highest accuracy in bare patch extraction, with an overall accuracy of 96.03% (Kappa = 0.920 7), significantly outperforming other classification methods. The PDI is effective in categorizing disturbance intensity levels and reveals distinct spatial heterogeneity: moderately disturbed areas are characterized by highly fragmented and locally aggregated bare patches, whereas severely disturbed areas exhibit a notable decline in aggregation due to patch merging. Furthermore, a marked reduction in disturbance intensity (R² = 0.759) is observed once the bare patch coverage reaches a threshold of 21.7%, suggesting that habitat deterioration may induce pika migration, thereby revealing a “self-limiting” mechanism in pika activity. These results indicate a “strengthening-weakening” nonlinear coupling between plateau pika activity and bare patch expansion, and this coupling feature and its spatial-pattern differences provide a quantitative basis for identifying degradation critical states and implementing level-specific management in alpine meadows. suggesting that habitat deterioration may induce pika migration, thereby revealing a “self-limiting” mechanism in pika activity. These results indicate a “strengthening-weakening” nonlinear coupling between plateau pika activity and bare patch expansion, and this coupling feature and its spatial-pattern differences provide a quantitative basis for identifying degradation critical states and implementing level-specific management in alpine meadows.

Graphical abstract

关键词

高原鼠兔 / 干扰强度 / 生态阈值 / 秃斑 / 高寒草甸

Key words

plateau pika / disturbance intensity / ecological threshold / bare patches / alpine meadows

引用本文

引用格式 ▾

孙晗, 党星海, 赵健赟, 刘宜浩. 高寒草甸鼠兔活动与秃斑的耦合关系分析[J]. 科学技术与工程, 2026, 26(15): 6326-6333 DOI:10.12404/j.issn.1671-1815.2503963

SUN Han, DANG Xing-hai, ZHAO Jian-yun, LIU Yi-hao. Coupling Analysis of Plateau Pika Activities and Bare Patches in Alpine Meadows[J]. Science Technology and Engineering, 2026, 26(15): 6326-6333 DOI:10.12404/j.issn.1671-1815.2503963

登录浏览全文

4963

注册一个新账户忘记密码

高寒草甸是青藏高原生态系统的核心组成部分,具有水源涵养、碳储存和生物多样性维持等重要生态功能。然而,受气候变化和人类活动的叠加影响,青藏高原出现了不同程度的退化^[1],其中斑块化退化(即裸露斑块的形成与扩张)成为草地退化的典型特征。高原鼠兔(Ochotona curzoniae)作为高寒草甸生态系统的关键物种,其挖掘和啃食行为通过改变植被结构与土壤环境,直接驱动裸露斑块的形成^[2]。但鼠兔活动对草地的影响具有显著的双重性^[3]:适度干扰可促进植被更新与群落演替,而过度干扰则导致草地破碎化^[4-5]、土壤侵蚀加剧,甚至引发“黑土滩”退化^[6-7]。因此明确不同鼠兔干扰强度下秃斑空间分布特征与规律,定量分析鼠兔活动与草原秃斑占比的动态耦合关系,是揭示高寒草甸退化机制和实现科学恢复治理的关键问题之一,对青藏高原生态安全与高质量发展具有重要意义^[8]。

当前,中外学者在鼠兔干扰与草地退化的关系研究上已取得进展。传统研究多基于地面样方调查,通过填图法、求积仪法^[9]等手段获取秃斑数据:前者通过固定网格划分样地,逐一手工记录斑块边界;后者基于野外采集的等比例影像,利用求积仪对图像面积进行测定。此类方法虽在局部尺度具备一定可靠性,但其效率低且对绘图人员经验具有较高要求,难以支撑大区域、动态化监测需求。在此基础上,学者多通过统计鼠兔洞口数目、洞口密度、植被覆盖度等指标建立线性回归模型^[10-13]。然而,鼠兔活动具有显著的空间异质性,小尺度样方难以捕捉斑块扩张的时空动态。近年来,随着无人机遥感与机器学习技术的融合,该领域研究方法逐步向自动化、精细化方向发展。无人机凭借其高时空分辨率与高效数据采集能力,为量化鼠兔干扰强度与秃斑景观格局提供了新的技术路径^[14]。蔡斌等^[15]对多种分类算法在鼠害秃斑识别中的性能进行了系统比较,进一步推动了秃斑信息提取的自动化进程。然而,现有研究在秃斑特征的描述上仍多集中于面积指标,或仅关联单一景观指数,对秃斑形状复杂性、空间聚集性等多维景观特征的分析尚显不足,尤其缺乏对鼠兔干扰强度与秃斑格局之间非线性响应机制的深入探讨。

因此,现利用无人机对地观测技术,通过机器学习和聚类分析对10块高寒草甸样地进行调查。通过引入秃斑面积、形状指数、聚集度和Patrick丰富度指数等多维景观因子,构建高原鼠兔干扰指数^[16](pika disturbance index,PDI),根据鼠兔干扰指数对样地划分高原鼠兔的干扰等级,并建立其与秃斑占比的非线性响应模型,分析秃斑与鼠兔活动的耦合关系。

1 研究区概况

研究区位于青海省黄南州河南蒙古族自治县(100°53'28″E~102°15'23″E,34°04'00″N~34°54'24″N),平均海拔3 700 m,属高原大陆性气候。年均气温约为1.04 ℃,年降水量主要集中在夏季,受西南季风影响,植被生长的理想时间段为每年5—9月^[17]。冬季受西风环流控制,气候寒冷干燥,四季不分明,无绝对的霜期。境内天然草地面积约为6 472 km²,草地类型以典型高寒草甸为主,同时包括山地草甸、高寒灌丛类草甸、高寒沼泽化草甸以及疏林类草甸。其中典型高寒草甸是河南县天然草地的主要组成部分,其植被群落以高山嵩草、线叶嵩草等为主^[18],土壤类型为高山草甸土,具有较高的有机质含量和持水能力。该区域同时也是高原鼠兔活动较为集中的典型高寒草甸区,鼠兔种群分布广泛(图1),其挖掘与采食行为对草甸植被结构与土壤环境具有重要影响。

2 数据来源与研究方法

2.1 数据来源

2024年7月底,利用大疆Phantom4 RTK,Multispectral无人机对研究区进行摄影测量。为获取高分辨率地表影像,无人机飞行高度设置为20 m^[19],航线覆盖范围为50 m×50 m,航向重叠率与旁向重叠率均为80%,云台相机倾角90°,确保影像的垂直投影和几何精度。数据采集时段选择晴朗无云、光照稳定的正午时段,以最小化阴影对影像解译的干扰。

利用Pix4D软件对拍摄获得的照片进行拼接、制作。利用尺度不变特征变换(scale-invariant feature transform,SIFT)算法对所有影像数据进行配准,配准精度在0.5个像元之内,最终获得研究区10张50 m×50 m、空间分辨率优于1 cm的数字正射影像(digital orthophoto map,DOM)数据。

2.2 研究方法

2.2.1 基于典型机器学习的鼠兔干扰信息提取

以空间分布代替时间尺度的方法,在高寒草甸选取了10块目测处于高原鼠兔干扰程度不同的栖息地进行调查,样地大小为边长50 m的正方形。为减少其他环境因素的干扰,选择地势平坦、放牧活动较少的区域作为研究样地^[20]。通过无人机遥感技术获取高分辨率影像数据,在ArcMap 10.8中,采用目视解译方法绘制训练样本,根据影像特征,将地表覆盖类型划分为草地和秃斑两类。每类样本数量控制在(100±10)个,避免出现样本不平衡的问题。为避免训练样本出现偶然性,标注要素时保证样本具有典型性和代表性且在影像中均匀分布^[15]。秃斑样本中包含不同大小、破碎化程度和边缘形态的斑块,以提高模型的泛化能力。完成样本标注后,结合随机森林(random forest,RF)、神经网络(backpropagation neural network,BPNN)、K近邻(K-nearest neighbors,KNN)、决策树(decision tree,DT)4种典型机器学习模型对研究区内鼠兔活动形成的秃斑信息进行提取。训练过程中,将标签数据集按7∶3的比例划分为训练样本和检验样本,模型训练过程中,采用交叉验证(5折)优化超参数^[21],以提高分类精度。

2.2.2 分类结果精度评价

在分类结果精度评价方面采用混淆矩阵的方法,通过对比4种机器学习模型的分类结果与地面验证样本,计算总体分类精度(overall classification accuracy,OCA)和Kappa系数K作为主要评估指标。具体计算公式分别为

(1)

$\mathrm{O}\mathrm{C}\mathrm{A}=\frac{{\mathit{N}}_{\mathrm{t}}}{{\mathit{N}}_{\mathrm{A}}}\times 100\mathrm{\%}$

(2)

$\mathit{K}=\frac{{\mathit{P}}_{0}-{\mathit{P}}_{\mathrm{e}}}{1-{\mathit{P}}_{\mathrm{e}}}$

式中:OCA为总体分类精度;N_t为正确分类的样本数;N_A为参与分类的样本数;K为Kappa系数;P₀为观察到的分类一致性;P_e为随机分类的概率。

2.2.3 鼠兔干扰强度指数的计算与分级

分别统计10个样地内的秃斑面积(patch area,PA)、秃斑形状指数(patch shape index,PSI)、秃斑聚集度(patch aggregation index,PAI)、Patrick丰富度指数S(patrick richness index),对各秃斑特征因子进行标准化处理消除量纲差异并利用主成分分析方法(principal components analysis,PCA)^[16,22-23]确定各因子的权重,建立研究区高原鼠兔干扰指数(pika disturbance index,PDI)模型,即

(3)

$\mathrm{P}\mathrm{D}\mathrm{I}=\mathit{f}(\mathrm{P}\mathrm{A},\mathrm{P}\mathrm{S}\mathrm{I},\mathrm{P}\mathrm{A}\mathrm{I},\mathit{S},\mathit{w})$

式(3)中:w为各因子权重。

鼠兔干扰指数越大,表示鼠兔干扰强度越强。根据式(3)分别计算每个样地的高原鼠兔干扰指数,根据干扰指数采用聚类分析^[24]方法将所有样地划分为微度、轻度、中度、重度4种鼠兔干扰强度等级。K均值聚类以欧氏距离作为数据对象相似性度量标准,计算每个PDI数据点与各聚类中心的距离,并将其分配到距离最近的聚类中心对应的类别中,根据当前分配各聚类的数据点,重新计算其均值作为新的聚类中心,并重复分配与更新过程,当聚类中心不再变化或变化幅度小于预设阈值时,停止迭代。PDI数据点与各聚类中心距离的计算公式^[16]为

(4)

$\mathit{d}(\mathit{X},{\mathit{G}}_{\mathit{i}})=\sqrt{\stackrel{\mathit{m}}{\sum _{\mathit{j}=1}}({\mathit{X}}_{\mathit{j}}-{\mathit{G}}_{\mathit{i}\mathit{j}}{)}^{2}}$

式(4)中:X为聚类数据对象;G_i为第i个聚类中心;m为数据维度(此处为单变量分析,m=1)。

2.2.4 高原鼠兔干扰强度模型的构建

为建立高原鼠兔干扰强度模型,以高寒草甸样地的秃斑面积占比为自变量,以式(3)计算得到的高原鼠兔干扰指数(PDI)为因变量进行回归分析,得到高原鼠兔干扰强度的模型。

3 结果与分析

3.1 分类精度评价

模型分类结果以样地1为例(图2),使用验证集评估各分类方法的分类效果,其中随机森林、神经网络、K近邻和决策树4种分类方法的总体分类精度和Kappa系数如表1所示。

综合各模型Kappa系数与总体分类精度(OCA)及其标准差结果可见,随机森林(RF)分类性能最佳且稳定性最高,Kappa系数均值为0.920 7,总体分类精度均值为0.960 3,决策树(DT)次之,BPNN与KNN精度相近但波动更大(表1)。

4种方法均能有效提取鼠兔干扰活动形成的秃斑。与其他3种方法相比,随机森林方法的总体分类精度和Kappa系数均最高,且标准差最小(图3)。综合分析总体分类精度和Kappa系数可知,随机森林是本文研究中分类效果最佳且最稳定的模型,以下实验均基于随机森林的分类结果完成。

3.2 鼠兔干扰强度等级划分

PCA结果显示,秃斑面积(PA)、形状指数(PSI)、秃斑聚集度(PAI)和Patrick丰富度指数S可通过主成分1综合表征,其解释方差为63.788%,成分载荷表明:秃斑面积(PA)与秃斑形状指数(PSI)对主成分1的贡献最大(载荷>0.85),表明鼠兔干扰驱动的规模扩张与边缘复杂化;秃斑聚集度(PAI)负向载荷(-0.687)表明高干扰强度下斑块空间分布趋于扩散;Patrick丰富度指数S正向载荷(0.637)表明短期内物种更替的可能。根据主成分载荷数得到主成分F₁=0.852A+0.973B-0.687C+0.637D,A为秃斑面积,B为秃斑形状指数,C为秃斑聚集度,D为Patrick丰富度指数。根据鼠兔干扰指数,采用聚类分析方法对研究区内高原鼠兔干扰强度进行等级划分,分为微度、轻度、中度和重度干扰4种等级。其中鼠兔干扰指数≤0.36为微度干扰;当0.36<鼠兔干扰指数≤0.51为轻度干扰;当0.51<鼠兔干扰指数≤0.73为中度干扰;当0.73<鼠兔干扰指数为重度干扰。按照以上分级标准,本研究中有4个样地处于中度干扰及以上。

3.3 鼠兔干扰强度与秃斑分布的相互关系

本研究通过主成分分析拟合的鼠兔干扰指数(PDI),考虑鼠兔干扰指数与样地秃斑面积占比的关系,经回归分析,两者呈显著非线性关系,高寒草甸高原鼠兔干扰强度预测模型为y=-20.667x²+8.996x-0.075(R²=0.759)。根据图4结果显示,当秃斑面积占比小于21.7%时,鼠兔干扰强度指数与秃斑占比呈正相关,表明鼠兔活动通过挖掘和啃食行为加速秃斑的形成,当秃斑占比超过21.7%后,鼠兔干扰强度显著下降,表明鼠兔种群因生境质量恶化(如食物资源枯竭、隐蔽条件丧失)被迫迁移,干扰强度随之减弱。与文献[14]研究结果一致,揭示了鼠兔干扰的“自限性”机制:适度的秃斑扩张为鼠兔提供生存资源,但过度退化会触发种群自我调控。

3.4 鼠兔干扰强度与秃斑的空间分布关系

通过空间分析与景观指数量化发现,不同鼠兔干扰强度等级下的秃斑空间分布模式存在显著差异(图5)。在微度与轻度干扰区(PDI≤0.51),秃斑聚集度较高(patch aggregation index,PAI),均值为84.45,斑块间距离短且空间自相关性显著,表明鼠兔活动初期倾向于局部聚集性干扰,形成相对密集的斑块网络。这种分布模式表明鼠兔活动以局部小规模干扰为主,尚未形成显著的扩散效应。圆形斑块因边缘效应较弱,核心区域面积较大,更有利于植被的自然恢复。在中度干扰区(0.51<PDI≤0.73),秃斑破碎化程度加剧,形状指数进一步升高,均值为124.34,斑块边缘复杂化,空间聚集度略有下降(均值为83.87),表明鼠兔活动进入扩散阶段,斑块通过边缘效应逐渐连片化。值得注意的是,重度干扰区(样地8,PDI=0.86)的秃斑聚集度显著降低(PAI=77.38),斑块分布区域均匀,形状指数达到最大值(PSI=182.61),表明此类区域秃斑边界高度不规则,斑块形状呈多分支或带条状,重度干扰导致鼠兔原有栖息地破碎化加剧,斑块合并形成连片核心退化区。

4 讨论与结论

4.1 讨论

无人机遥感与机器学习的结合在高寒草甸秃斑监测中展现出显著优势,如Li等^[25]通过无人机影像(1 cm分辨率)结合支持向量机分类,实现了秃斑与健康草甸的高精度区分(OCA=94%,Kappa=0.89),验证了无人机技术在高寒草甸退化监测中的有效性。相较于依赖地面样方的调查,无人机技术可大范围、高精度捕捉秃斑的空间异质性,尤其在破碎化斑块识别中更具有优势^[26]。此外,基于像元的秃斑特征量化(如形状指数、聚集度)能够更精细地反映鼠兔干扰的空间模式^[27],为生态阈值研究提供新的数据支持。

不同鼠兔干扰强度下的秃斑空间分布存在着显著差异,在微度与轻度干扰区(PDI≤0.51)中,秃斑的聚集度较高(PAI均值为84.45),斑块形状指数较低(PSI均值为82.33),表明鼠兔活动以局部聚集为主,形成边缘相对规则,核心面积较大的秃斑网络。中度干扰区(0.51<PDI≤0.73)中,秃斑破碎化加剧(PSI均值为124.34),聚集度略微下降(PAI均值为83.87),表明鼠兔活动进入扩散阶段,斑块通过边缘效应逐渐连片化。此类区域可能处于干扰过渡期,鼠兔为争夺资源扩大活动范围,导致斑块空间分布从聚集转向分散。在重度干扰区中,秃斑聚集度显著降低(PAI=77.38),斑块呈现破碎化及高度不规则(PSI=182.61),表明生境严重退化,原有斑块合并形成连片核心退化区。整体而言,在轻度干扰地区中,高原鼠兔家群呈现聚集性分布模式,各家群领域间有着明确的领地隔离;而在重度干扰地区中,高原鼠兔呈现均匀分布模式,家群领域边界模糊并出现显著的重叠现象^[28]。

在植被物种多样性方面,适度的鼠兔活动对高寒草地有保护和调节作用。在微度干扰区内,植被丰富度较低(S=6~7)且波动较小,反映低干扰强度下植被群落的稳定性,可能在于优势物种抑制其他物种入侵。轻度与中度干扰区的丰富度差异显著(S=6~12),可能与地形或土壤水分条件有关,但整体的丰富度大于微度干扰区,表明适度干扰可增加植被丰富度。在重度干扰区内,Patrick丰富度指数仍较高,但斑块高度破碎化且聚集度显著下降表明生境已形成连片退化核心区,丰富度的维持可能依靠部分物种的局部优势,此类区域植被恢复能力下降,土壤侵蚀加剧,长期可能引发“黑土滩”退化等生态问题。

高原鼠兔干扰对高寒草甸的影响存在显著的非线性特征。本研究发现,当秃斑的面积占比达到21.7%时,干扰指数出现拐点,表明鼠兔活动对秃斑的驱动作用存在临界点,研究结果与文献[29]基本一致。在临界点前,鼠兔通过挖掘和啃食行为加剧秃斑扩张,形成次生裸地以扩展活动空间^[25],保证获得充足的食物并满足对能量的需求;在拐点后,地表植被的过度丧失导致食物资源匮乏,鼠兔被迫迁移至邻近区域,原秃斑区因干扰中断,逐渐进入自然恢复阶段。这一过程反映了鼠兔种群与植被退化的动态平衡。不同干扰程度下,鼠兔活动对高寒草甸的生态效应呈现显著异质性。在中度和重度干扰区的秃斑表现为高度破碎化与不规则边缘,这与花蕊等^[11]在高寒草甸中观察到的边缘效应增强现象一致。鼠兔活动通过改变植被结构和土壤环境^[30-32](如地表裸露加速侵蚀),进一步加剧草地退化。然而,适度干扰(如轻度干扰)可能通过促进植被群落更新,维系生态系统的弹性^[33-34]。因此,在防控实践中需避免“一刀切”策略,应基于干扰等级动态调整治理措施,如在拐点前实施种群控制^[35],拐点后促进自然恢复。

通过融合多维景观特征构建鼠兔干扰指数(PDI),结合无人机与随机森林模型,实现了秃斑的高精度、自动化提取,显著提升了监测效率与定量化能力。该方法具有操作性强、适用范围广的特点,不仅可用于高寒草甸系统,也可扩展至其他受啮齿类动物干扰的生态系统,具备良好的推广潜力。然而,虽初步揭示了鼠兔干扰与秃斑的时空耦合关系,但存在着样本量有限、生态因子单一等问题,未来需纳入土壤性质、天敌活动等环境变量,并结合时相遥感数据,构建更全面的鼠兔干扰预警体系。

4.2 结论

通过无人机遥感与机器学习技术,实现了高寒草甸鼠兔干扰信息的快速提取与定量化分析,揭示了鼠兔活动与秃斑分布的动态耦合机制。结果表明,随机森林模型在秃斑分类中表现出显著优势,验证了无人机高分辨率影像在破碎化生境监测中的适用性。构建的高原鼠兔干扰指数(PDI)通过多维景观因子集成,实现了干扰强度的精细化分级,明确了不同等级下秃斑的空间异质性特征。研究发现,鼠兔活动对秃斑扩张的驱动作用存在生态阈值效应,当秃斑占比超过21.7%时,生境质量恶化,触发种群迁移,干扰强度随之减弱。空间分析表明,重度干扰区的秃斑趋向于均匀分布和高破碎化形态,形成连片退化核心;而轻度干扰区秃斑分布呈现高度聚集且形状较为规则,更利于植被自然恢复。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	Niu Y, Zhu H, Yang S, et al. Overgrazing leads to soil cracking that later triggers the severe degradation of alpine meadows on the Tibetan Plateau[J]. Land Degradation & Development, 2019, 30(10): 1243-1257.

[2]	田富, 程云湘, 周国利, 等. 高原鼠兔洞穴密度与高寒草甸植物群落结构以及土壤因子的关系[J]. 草业科学, 2019, 36(4): 1094-1104.

[3]	Tian Fu, Cheng Yunxiang, Zhou Guoli, et al. Relations of density of pika burrows with plant community structure and soil in alpine meadows on the eastern Qinghai-Tibetan Plateau[J]. Pratacultural Science, 2019, 36(4): 1094-1104.

[4]	谈昭贤. 高原鼠兔干扰对生态系统多功能性和土壤有机碳积累的影响[D]. 西宁: 青海师范大学, 2025.

[5]	Tan Zhaoxian. Impacts of plateau pika disturbance on ecosystem functional diversity and soil organic carbon accumulation[D]. Xining: Qinghai Normal University, 2025.

[6]	卫万荣. 高原鼠兔和高原鼢鼠种群消长规律及其与植被关系的研究[D]. 兰州: 兰州大学, 2018.

[7]	Wei Wanrong. The study on the population dynamics of plateau pika and plateau zokor, the relationships between population density and vegetation[D]. Lanzhou: Lanzhou University, 2018.

[8]	徐雯雯, 董雪婷, 张志东, 等. 塞罕坝地区植被景观格局时空尺度效应[J]. 东北林业大学学报, 2021, 49(1): 106-111, 116.

[9]	Xu Wenwen, Dong Xueting, Zhang Zhidong, et al. Spatiotemporal scale effect of vegetation landscape pattern in Saihanba Area[J]. Journal of North-East Forestry University, 2021, 49(1): 106-111, 116.

[10]	苏晓雪, 李希来, 孙华方, 等. 高原鼠兔和刈割扰动对高寒草甸植物群落和土壤特征的影响[J]. 生态学报, 2024, 44(22): 10189-10199.

[11]	Su Xiaoxue, Li Xilai, Sun Huafang, et al. Effects of plateau pika and mowing disturbances on plant community and soil physical and chemical properties in alpine meadow[J]. Acta Ecologica Sinica, 2024, 44(22): 10189-10199.

[12]	宋梓涵. 黄河源区高寒草甸退化斑块扩大连通机理与动态模拟研究[D]. 西宁: 青海大学, 2024.

[13]	Song Zihan. Dynamic simulation of the mechanism of the expansion and coalescence of degenerated alpine meadow patches in the source zone of the Yellow River[D]. Xining: Qinghai University, 2024.

[14]	朱剑霄, 尚占环, 蒋胜竞, 等. 草地生态系统保护、修复与功能提升的关键科学问题[J]. 中国科学基金, 2024, 38(4): 658-667.

[15]	Zhu Jianxiao, Shang Zhanhuan, Jiang Shengjing, et al. Key scientific questions of grassland protection, restoration and function improvement[J]. Bulletin of National Natural Science Foundation of China, 2024, 38(4): 658-667.

[16]	花蕊, 包达尔罕, 董瑞, 等. 基于无人机遥感的天然草原鼠害发生面积调查方法研究[J]. 草业学报, 2023, 32(5): 71-82.

[17]	Hua Rui, Bao Daerhan, Dong Rui, et al. Monitoring of rodent damage areas in grassland using unmanned aerial vehicle remote sensing technology[J]. Acta Prataculturae Sinica, 2023, 32(5): 71-82.

[18]	Liu Y, Fan J, Shi Z, et al. Relationships between plateau pika (Ochotona curzoniae) densities and biomass and biodiversity indices of alpine meadow steppe on the Qinghai-Tibet Plateau China[J]. Ecological Engineering, 2017, 102: 509-518.

[19]	花蕊, 花立民, 林克剑, 等. 高寒草甸和高寒草原高原鼠兔的生态阈值确定及为害预测模型构建[J]. 植物保护学报, 2024, 51(5): 1068-1077.

[20]	Hua Rui, Hua Limin, Lin Kejian, et al. Determination of ecological thresholds and construction of hazard prediction models for plateau pika Ochotona curzoniae in alpine meadows and alpine steppes[J]. Acta Phytophylacica Sinica, 2024, 51(5): 1068-1077.

[21]	蔡新成, 魏才卜, 楚彬, 等. 基于文献计量学和Meta分析方法评估高原鼠兔干扰对高寒草甸植物与土壤的影响[J]. 植物保护学报, 2024, 51(5): 1045-1055.

[22]	Cai Xincheng, Wei Caibo, Chu Bin, et al. Assessing the effects of plateau pika Ochotona curzoniae disturbance on vegetation and soil in alpine meadow: insights from bibliometric and Meta-analytical approaches[J]. Acta Phytophylacica Sinica, 2024, 51(5): 1045-1055.

[23]	何秋霞, 张荞荞, 陈德炜, 等. 若尔盖高寒退化草地高原鼠兔防控生态经济阈值初探[J]. 四川农业大学学报, 2024, 42(1): 159-165.

[24]	He Qiuxia, Zhang Qiaoqiao, Chen Dewei, et al. Preliminary study on ecological-economic threshold of rodent control in zoige alpine degraded grassland[J]. Journal of Sichuan Agricultural University, 2024, 42(1): 159-165.

[25]	Zhang J, Liu D, Meng B, et al. Using UAVs to assess the relationship between alpine meadow bare patches and disturbance by pikas in the source region of Yellow River on the Qinghai-Tibetan Plateau[J]. Global Ecology and Conservation, 2021, 26: e01517.

[26]	蔡斌, 董瑞, 花蕊, 等. 基于无人机影像的鼠害地秃斑识别算法筛选[J]. 应用生态学报, 2024, 35(7): 1951-1958.

[27]	Cai Bin, Dong Rui, Hua Rui, et al. Screening of identification algorithm for rodent-induced bare patches based on the drone imagery[J]. The Journal of Applied Ecology, 2024, 35(7): 1951-1958.

[28]	赵健赟, 姜传礼, 李国荣, 等. 高原鼠兔干扰与高寒草甸退化的时空耦合关系[J]. 水土保持通报, 2023, 43(5): 212-219.

[29]	Zhao Jianyun, Jiang Chuanli, Li Guorong, et al. Spatiotemporal coupling relationship between plateau pika disturbance and alpine meadow degradation[J]. Bulletin of Soil and Water Conservation, 2023, 43(5): 212-219.

[30]	陈亚玲, 乔占明, 史惠兰. 高寒地区典型植物群落地表反照率特征分析[J]. 草地学报, 2024, 32(12): 3877-3887.

[31]	Chen Yaling, Qiao Zhanming, Shi Huilan. Surface albedo characteristics of typical plant communities based on latent profile analysis in alpine region[J]. Acta Agrestia Sinica, 2024, 32(12): 3877-3887.

[32]	李兴福. 短期增水对青藏高原高寒草甸植被-土壤系统的影响研究[D]. 北京: 北京林业大学, 2021.

[33]	Li Xingfu. Effects of short-term simulated precipitation increase on vegetation soil system of alpine meadow on the Qinghai-Tibet Plateau[D]. Beijing: Beijing Forestry University, 2021.

[34]	Rey N, Volpi M, Joost S, et al. Detecting animals in African Savanna with UAVs and the crowds[J]. Remote Sensing of Environment, 2017, 200: 341-351.

[35]	黄趾萱, 柯尊舰, 马彦龙, 等. 高原鼠兔不同干扰程度对植物多样性及土壤容重、含水量的影响[J]. 四川农业大学学报, 2024, 42(6): 1348-1356.

[36]	Huang Zhixuan, Ke Zunjian, Ma Yanlong, et al. Effects of different degrees of disturbance by plateau pika on plant diversity, soil bulk density, and water content[J]. Journal of Sichuan Agricultural University, 2024, 42(6): 1348-1356.

[37]	陈香. 机器学习和深度学习在遥感影像分类中的对比研究[J]. 测绘与空间地理信息, 2024, 47(7): 72-75.

[38]	Chen Xiang. Comparative study of machine learning and deep learning in remote sensing image classification[J]. Geomatics & Spatial Information Technology, 2024, 47(7): 72-75.

[39]	祁应莲, 马有龙, 张慧武, 等. 高原鼠兔种群密度与生境因子作用关系[J]. 草业科学, 2024, 41(6): 1441-1452.

[40]	Qi Yinglian, Ma Youlong, Zhang Huiwu, et al. Relationship between population density of plateau pika and environmental factors[J]. Pratacultural Science, 2024, 41(6): 1441-1452.

[41]	倪春雨, 何文, 姚月锋. 基于Landsat 8的漓江流域生态环境质量及其影响因素分析[J]. 科学技术与工程, 2024, 24(12): 5227-5238.

[42]	Ni Chunyu, He Wen, Yao Yuefeng. Analysis of ecological environment quality and its influencing factors of the Lijiang River Basin Based on Landsat 8[J]. Science Technology and Engineering, 2024, 24: 5227-5238.

[43]	赵健赟, 姜传礼, 丁圆圆, 等. 基于BIOMOD2集成模型的黄河源高原鼠兔潜在分布与干扰强度分析[J]. 生态学杂志, 2024, 43(4): 1192-1201.

[44]	Zhao Jianyun, Jiang Chuanli, Ding Yuanyuan, et al. Analyzing potential distribution and disturbance intensity of plateau pika in the source region of the Yellow River via BIOMOD2 integrated model[J]. Chinese Journal of Ecology, 2024, 43(4): 1192-1201.

[45]	Li J, Li X, Gao J, et al. Micro-scale fragmentation of the alpine meadow landscape on the Qinghai-Tibet Plateau under external disturbances[J]. Catena, 2021, 201: 105220.

[46]	Yi S. FragMAP: a tool for long-term and cooperative monitoring and analysis of small-scale habitat fragmentation using an unmanned aerial vehicle[J]. International Journal of Remote Sensing, 2017, 38(8-10): 2686-2697.

[47]	王祎明, 李国荣, 李希来, 等. 高寒草甸斑块化空间分异性及其地形因子影响[J]. 草地学报, 2024, 32(2): 570-578.

[48]	Wang Yiming, Li Guorong, Li Xilai, et al. Spatial heterogeneity of alpine meadow patchiness and its topographic factor influence[J]. Acta Agrestia Sinica, 2024, 32(2): 570-578.

[49]	王在玮. 高原鼠兔(Ochotona curzoniae)种群和行为对高寒草地退化的响应[D]. 兰州: 兰州大学, 2024.

[50]	Wang Zaiwei. The responses of population and behaviors of plateau pika (Ochotona curzoniae) to alpine grassland degradation[D]. Lanzhou: Lanzhou University, 2024.

[51]	Song Z, Li X, Li J, et al. Effects of plateau pika (Ochotona curzoniae) trails on enlargement and connection of degraded patches in alpine meadow[J]. Chinese Journal of Ecology, 2020, 39(10): 3276.

[52]	仲守靖. 高原鼠兔种群密度的生态与社会决定因子研究[D]. 西宁: 青海师范大学, 2025.

[53]	Zhong Shoujing. Ecological and social determinants of plateau pika population density[D]. Xining: Qinghai Normal University, 2025.

[54]	罗斌, 黄智, 禅和霖, 等. 高原鼠兔筑巢行为形成的裸露斑块对土壤动物多样性的影响[J]. 草地学报, 2024, 32(7): 2179-2189.

[55]	Luo Bin, Huang Zhi, Chan Helin, et al. Effects of plateau pika nesting behavior on soil animal diversity[J]. Acta Agrestia Sinica, 2024, 32(7): 2179-2189.

[56]	田富. 高原鼠兔洞穴密度与高寒草甸植被群落及土壤因子的关系研究[D]. 兰州: 兰州大学, 2019.

[57]	Tian Fu. Relations of density of pika holes with plant community structure and soil in alpine meadows on the eastern Qinghai-Tibetan Plateau[D]. Lanzhou: Lanzhou University, 2019.

[58]	Pang X P, Guo Z G. Effects of plateau pika disturbance levels on the plant diversity and biomass of an alpine meadow[J]. Grassland Science, 2018, 64(3): 159-166.

[59]	Xu H, Yu C, Shu C, et al. The effect of plateau pika disturbance on plant community diversity and stability in an alpine meadow[J]. Acta Prataculturae Sinica, 2019, 28(5): 90.

[60]	花蕊. 青藏高原高原鼠兔危害监测预警与风险评估关键技术研究[D]. 兰州: 甘肃农业大学, 2023.

[61]	Hua Rui. Research on key technologies of plateau pika damage monitoring and risk assessment in Qinghai-Tibet Plateau[D]. Lanzhou: Gansu Agricultural University, 2023.