全 文 ：植物生态学报 2009, 33 (2) 254~269
Chinese Journal of Plant Ecology

——————————————————
收稿日期: 2008-01-08 接受日期: 2008-07-10
基金项目: 中国科学院西部行动计划资助项目(KZCX2-XB2-06-03)、国家自然科学基金(30500064 和 40501048)和国家科技支撑项目(2006BAC-
08B00)
青海省环境监测中心站提供了用于模型验证的地面样方数据, 中国气象局气象卫星中心提供了遥感数据, 中国科学院地理科学与资源研究所“三
江源生态监测本底年综合评估”项目组提供了 Landsat 遥感解译的土地覆盖图, 特此致谢
E-mail:jbwang@igsnrr.ac.cn
基于遥感-过程耦合模型的1988～2004年
青海三江源区净初级生产力模拟
王军邦 刘纪远 邵全琴 刘荣高 樊江文 陈卓奇
(中国科学院地理科学与资源研究所,北京 100101)
摘 要 三江源区不仅是地处青藏高原的全球气候变化的敏感区, 也是我国甚至亚洲最重要河流的上游关键源
区。作为提供物质基础的植被净初级生产力(Net primary production, NPP), 是评价生态系统状况的重要指标。该文
应用已在碳通量观测塔验证, 扩展到区域水平的遥感-过程耦合模型GLOPEM-CEVSA, 以空间插值的气象数据和
1 km分辨率的AVHRR遥感反演的FPAR数据为模型主要输入, 模拟并分析了1988～2004年该区NPP时空格局及其
控制机制。结果表明, 该区植被平均NPP为143.17 gC·m–2·a–1, 呈自东南向西北逐渐降低的空间格局, 其中, 以森林
NPP最高(267.90 gC·m–2·a–1), 其次为农田(222.94 gC·m–2·a–1)、草地(160.90 gC·m–2·a–1)和湿地(161.36 gC·m–2·a–1), 荒漠
最低(36.13 gC·m–2·a–1)。其年际变化趋势在空间上呈现出明显的差异, 西部地区NPP表现为增加趋势, 每10 a增加
7.8~28.8 gC·m–2; 而中、东部表现为降低趋势, 每10 a降低13.1~42.8 gC·m–2。根据显著性检验, NPP呈增加趋势(趋
势斜率b>0), 显著性水平高于99%和95%的区域占研究区总面积的13.43%和20.34%, 主要分布在西部地区; NPP呈
降低趋势(趋势斜率b<0), 显著性水平高于99%和95%的区域占研究区面积的0.75%和3.77%, 主要分布在中、东部
地区, 尤以该区长江和黄河等沿线区分布更为集中, 变化显著性也更高。三江源NPP的年际变化趋势的气候驱动
力分析表明, 整个区域水平上该地区植被生产力受气候变化的主导, 西部地区暖湿化趋势, 造成了该地区生产力
较为明显的、大范围的增加趋势; 但东、中部地区则主要受人类活动的影响, 特别是长江、黄河等河流沿线, 是人
类居住活动密集的地区, 造成这些地区放牧压力较大、草地退化严重, 而该地区暖干化趋势加剧了这一过程。
关键词 青海 三江源 净初级生产力 遥感-过程模型
SPATIAL-TEMPORAL PATTERNS OF NET PRIMARY PRODUCTIVITY FOR
1988–2004 BASED ON GLOPEM-CEVSA MODEL IN THE “THREE-RIVER
HEADWATERS” REGION OF QINGHAI PROVINCE, CHINA
WANG Jun-Bang, LIU Ji-Yuan, SHAO Quan-Qin, LIU Rong-Gao, FAN Jiang-Wen, and CHEN Zhuo-Qi
Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101
Abstract Aims The “Three-River Headwaters” Region, as the headwaters of important rivers and an
area sensitive to global climate change, has become a recent research focus. Our objective is to model
and assess the spatial-temporal pattern of net primary production (NPP) and its control mechanisms.
Methods We applied the GLOPEM-CEVSA model, which has been validated with carbon flux obser-
vation in forest, grassland and cropland. The main inputs are spatially interpolated meteorological data
and fraction of photosynthetically active radiation absorbed by vegetation canopy, using 1 km resolution
of the Advanced Very High Resolution Radiometer of the National Oceanic and Atmospheric Admini-
stration in 1988–2004.
Important findings Modeled NPP ranged from 36.13 gC·m–2·a–1 for desert to 267.90 gC·m–2·a–1 for
forest, and the mean was 143.17 gC·m–2·a–1. Spatially, NPP decreased from southeast to northwest, as
influenced by geography and climate. Variability of NPP was the largest in desert (41.75%), was similar
王军邦等: 基于遥感—过程耦合模型的 1988～2004 年
2 期 青海三江源区净初级生产力模拟 DOI: 10.3773/j.issn.1005-264x.2009.02.003 255
for cropland (25.93%), grassland (22.31%) and wetland (24.72%) and was the smallest in forest
(20.79%). During 1988–2004, NPP increased at the rate of 7.8–28.8 gC·m–2 per 10 years in the western
area, but decreased 13.1–42.8 gC·m–2 per 10 years in the central and eastern areas. At 99 and 95% sig-
nificance levels, the area with NPP increasing (regression slope b > 0) was 13.43% and 20.34%, respec-
tively, of the whole area, and mainly distributed in the western region, while the area with NPP de-
creasing (b < 0) was 0.75% and 3.77%, respectively, of the whole area and distributed in the central and
western areas and was more concentrated near the main rivers at higher significance levels. Increases of
NPP in the western area may have been affected by increasing temperature and precipitation, while cen-
tral and eastern areas may have been impacted by human activities, especially along the Yangtze, Yellow
and other rivers with intensive human habitation and where the warmer and drier climate has led to
more serious grassland degradation. The effects of human activities on NPP were not analyzed because
data on human activity were unavailable and spatial interpolation of the impact is difficult.
Key words “Three-River Headwaters” Region, Qinghai, net primary productivity, GLOPEM-CEVSA
DOI: 10.3773/j.issn.1005-264x.2009.02.003
青藏高原被称为气候变化的启动区, 也被认
为是全球气候变化的敏感区 (汤懋苍和李存强 ,
1992; 冯松等, 1998; Liu & Chen, 2000; 姚檀栋和
朱立平, 2006)。地处青藏高原腹地的三江源区是
长江、黄河和澜沧江3大河流的发源地, 是我国甚
至亚洲最重要河流的上游关键源区 (马致远 ,
2004), 也是生物多样性重点保护区, 三江全流域
可持续发展的重要生态功能源区, 其典型生态系
统的可持续能力为世界科学界所瞩目和关注(黄
铁青等, 2007)。过度放牧等人类活动被认为是导
致该地区草地退化的主要因素, 而全球气候变化
主导的暖干化趋势加剧了这一过程 (汪诗平 ,
2003)。草地退化有可能改变植被格局、水碳平衡
和生产力, 从而影响人类社会生存和发展。因此,
对该地区植被生产力的定量研究, 不仅是陆地生
态系统过程及其功能这一生态学基本问题的探
讨, 也是关系到生态系统服务功能评价和区域可
持续发展决策的社会经济问题(MA, 2003)。
目前已经发展了一系列生产力模型, 从比较
早期的气候相关统计关系模型(Lieth, 1975; Esser,
1991)到20世纪90年代涌现 , 目前还广泛应用的
生理生态机制模型 (Melillo et al., 1993; Foley,
1994; Warnant et al., 1994; Cao & Woodward,
1998a, 1998b; Chen et al., 1999, 2000; Cox et al.,
2000; Cramer et al., 2001; Friedlingstein et al.,
2001), 以及基于光能利用率概念的利用卫星遥
感数据的生产效率模型(Potter et al., 1993; Prince
& Goward 1995; Ruimy et al., 1996; Running et
al., 2000; Xiao et al., 2004a, 2004b; Yuan et al.,
2007)。生理生态机制模型被认为是“自下而上”
的模型, 建立在样地或者叶片水平对植物生理生
态学试验分析基础上, 在预测生态系统对未来大
气CO2浓度变化、气温和降水等全球气候变化及
土地利用变化和氮沉降等人类活动影响下生态系
统的可能变化具有很大模拟潜力; 然而, 这类模
型对于样点尺度的生态学过程描述较好 , 但是 ,
如果外推到区域尺度时, 由采样点的代表性决定
了模型对较大尺度景观异质性的描述是有问题的
(Goetz et al., 1999; 曹明奎等, 2004b)。应用遥感
的生产效率模型, 被认为是“自上而下”的模型,
它以区域连续的卫星遥感数据为输入, 能够较好
地描述景观异质性, 但是, 它难以解释所揭示现
象下的生态学机制(Goetz et al., 1999; 曹明奎等,
2004b)。基于此, 曹明奎等(2004b)认为新一代生
态系统模型应该实现跨尺度模拟, 并提出了具体
的实现途径, 即耦合“自上而下”和“自下而上”
两种模拟途径, 实现优势互补。Wang等1)首先在
站点尺度实现了这一设想, 将生态系统过程模型
CEVSA和生产效率模型GLO-PEM进行了耦合 ,
提出了GLOPEM-CEVSA模型 , 并利用通量观测
在不同森林生态系统验证了该新模型, 得到了较
为理想的结果1)。也在高寒草甸生态系统进行了
参数校正, 在此基础上, 将该模型应用于区域尺
度, 模拟了青海省净初级生产力和净生态系统生
产力(王军邦, 2007)。

1) Wang JB, Cao MK, Liu YF, Yu GR, Li KR. Modeling
carbon fluxes of different forests through coupling a remote
sensing model with an ecosystem process model. Ecologi-
cal Modelling. (In Review)

256 植 物 生 态 学 报 www. plant-ecology.com 33 卷
1 模 型
GLOPEM-CEVSA模型建立在碳循环过程及
其生理生态学理论基础上1)(王军邦, 2007)。通过
模拟光能利用率, 以卫星遥感反演的植被吸收光
合有效辐射比例(FPAR)模拟植被吸收的光合有效
辐射 (APAR), 获得植被总初级生产力 (GPP); 以
植被生物量和气温及不同植被群落的维持性呼吸
系数及温度关系模拟植被维持性呼吸(Rm)和生长
性呼吸(Rg), 获得植被净第一性生产力(NPP); 植
被通过自养呼吸释放一部分光合作用固定的碳到
大气中, 其余的碳按分配模式分配到根、茎和叶
中储存或凋落, 凋落物进入土壤后, 与土壤中原
有的有机质在微生物等的作用下进行异养呼吸
(Rh), 将生态系统固定的一部分碳释放到大气中,
最后固定在植被中的这部分碳即为净生态系统生
产力(Cao & Woodard, 1998a, 1998b; Cao et al.,
2002)。因此, 模型包括如下主要模块: GPP模块、
生物量分配模块、自养呼吸模块、凋落物模块、
异养呼吸模块及土壤水分模块(图1)。
GPP模拟 根据GLO-PEM模型 , 它建立在
植被GPP与植被吸收光合有效辐射成正比假设基
础上(Prince & Goward, 1995; Goetz et al., 1999,
2000), 即:
gFPARPARGPP ε⋅⋅= (1)
公式中PAR为光合有效辐射, FPAR为植被吸
收光合有效辐射比率, PAR与FPAR的乘积即为植
被吸收的光合有效辐射量(APAR), εg是GPP概念
上的植被光能利用率。本研究中, PAR根据气候学
辐射计算方法估算(Allen et al., 1998)。FPAR采用



图1 GLOPEM-CEVSA模型概念框架
Fig. 1 The conception frame of GLOPEM-CEVSA model
–––––––––––––––––––
1) Wang JB, Cao MK, Liu YF, Yu GR, Li KR. Modeling carbon fluxes of different forests through coupling a remote
sensing model with an ecosystem process model. Ecological Modelling. (In Review)
王军邦等: 基于遥感—过程耦合模型的 1988～2004 年
2 期 青海三江源区净初级生产力模拟 DOI: 10.3773/j.issn.1005-264x.2009.02.003 257

基于冠层辐射传输算法的卫星遥感反演数据(Liu
et al., 2007)。εg是根据气孔导度类比模型, 认为在
理想条件下 , 植被存在潜在的最大光能利用率
(ε*g), 植被由于受到环境胁迫(σ)而不能达到最大
光能利用水平(Stewart, 1988; Cao et al., 2004a),
以公式表达如下(式2):
σεε *gg = (2a)
σ = f (VPD)·f (PAR)·f (Ta)·f (CO2)·f (SW)
(2b)
在式(2)中, f(VPD)、(PAR)、f(Ta)、f(CO2)及
f(SW)分别代表水气压亏缺(VPD)、光合有效辐射
强度(PAR)、气温(Ta)、大气CO2浓度(CO2)、及土
壤水分(SW)对植被光能利用率的影响系数(Cao et
al., 2004a), 具体各项的确定见附录1。
与CASA(Potter et al., 1993)、TURC(Ruimy et
al., 1996)等给定一确定数值作为植被潜在光能利
用率的方法不同, 在这里, 潜在光能利用率依据
植物光合作用中内禀光量子效率的理论研究
(Farquhar et al., 1980; Collatz et al., 1991), 并区
分C3和C4植被分别确定(Prince & Goward, 1995)。
生物量分配模拟 基于CEVSA模型静态版
本 , 它假定植被通过光合作用固定的有机物质 ,
按一定比例分配到根、茎和叶各器官中(Cao &
Woodward, 1998a), 生物量分配比例系数除了参
考CEVSA模型给定值外 , 还参考了Biome-BGC
等模型(Hunt & Running, 1992)给定的值(表1)。
自养呼吸模拟 参考了BEPS模型和Biome-
BGC模型 , 将自养呼吸(Ra)分为维持性呼吸(Rm)
和生长性呼吸(Rg), 并分别粗根、细根、茎和叶计
算(式3)。
∑
=
+=
4
1
,
i
gima RRR (3a)
Rm,i = Mirm,iQ10(T–Tb)/10 (3b)
GPPrR gg = (3c)
式中Mi为植被各器官生物量, 以含C量表示;
rm,i为植被各器官维持性呼吸系数; Q10为维持性
呼吸对温度的敏感性因子 , 表示温度变化10 ℃
时维持性呼吸速率的变化量 , 本研究中根据
BEPS模型, 叶、枝干、根维持性呼吸得Q10分别为












































258 植 物 生 态 学 报 www. plant-ecology.com 33 卷
2.1、1.5和1.9(Chen et al., 1999); T为气温; Tb为基
温, 本文采用BPES模型给定的15 ℃(Chen et al.,
1999); rg为植物总的生长性呼吸占总生长量的比
例系数, 本文取值0.35(Chen et al., 1999)。
总初级生产力(GPP)与自养呼吸(Ra)之差即
为净初级生产力(NPP)。原来的GLO-PEM模型的
自养呼吸以植被生物量与气温之间的经验关系模
拟 , 并不区分植物器官 , 因此 , 也不包括生物量
分配模拟(Prince & Goward, 1995; Goetz et al.,
1999, 2000; Cao et al., 2004a), 这里采用基于过程
的自养呼吸模拟, 更能反映植被生长过程, 从而
有可能提高NPP模拟精度。
凋落模拟 植物通过光合作用固定的碳, 部
分被积累下来, 部分通过凋落物进入土壤。凋落
物的估计基于植被各器官生物量分配系数及各器
官平均周转周期(Lloyd & Farquhar, 1996)。凋落发
生的季节根据Box(1988)的研究确定 : 对于落叶
林和季节性草地, 地上凋落发生在生长季末; 对
于季节性常绿植被, 凋落发生在春季; 对于典型
常绿植被 , 凋落均匀地出现在全年 (Cao &
Woodward, 1998a, 1998b)。
BHTM
BHFAVGC
RTTM
RTFAVGC
LFTM
LFFAVGCLLFC ⋅+⋅+⋅=
(4)
其中 , VGC为植被总碳库 , LEFA、RTFA和
BHFA分别为叶、根和茎生物量分配系数, LFTM、
RTTM、BHTM分别为叶、根和茎的平均周转周期
(表1)。
土壤有机碳分解和转换 子模块是在
CEVSA (Cao & Woodword, 1998a, 1998b) 和
CENTURY(Pardon, et al., 1987, 1993)模型土壤碳
动力学模块的基础上发展起来的。该子模块将土
壤碳分为8个库, 分别为: 1)土壤表面结构库; 2)
地下结构库; 3)活性库; 4)土壤表面微生物; 5)土
壤表面代谢库; 6)地下微生物; 7)慢分解库; 8)惰
性库。土壤活性库和土壤表面微生物库包括土壤
中的有机质、微生物和其产物, 其周转周期为1～
5 a; 慢分解库是土壤中较难分解的有机质, 其周
转周期为20～40 a; 惰性库是土壤中最难分解的
有机质, 其周转周期最长为200～1 500 a; 植被凋
落物进入结构和代谢库 , 结构库的周转周期为
1～5 a, 代谢库的物质在进入其它土壤库之前的
周转周期为0.1~1 a。土壤有机碳分解和转换可简
单表示为下式(式5):
∑∑∑
===
⋅⋅⋅+⋅⋅⋅+⋅⋅⋅=
8
432,1 i
ici
i
imi
i
ici CALKCTAKCALKHR
(5)
其中, K为最大分解速率, Lc为木质素含量的
影响, A为土壤湿度和温度的影响, C为碳库含碳
量, Tm为土壤质地对活性有机质周转的影响, i取
值1至8, 代表上述8个碳库。最大分解速率K一般
给定值分别为每年3.9、4.8、7.3、6.0、14.8、18.5、
0.2和0.004 5 (Parton et al.,1993)。
从NPP与Rh的差可以获得NEP, 只是这个
NEP表示的是在未受干扰, 如林火、虫害及植物
收获等情况下, 生态系统的植被和土壤储存碳库
的净变化量, 数量上等于陆地生态系统与大气间
的净碳通量(Cao & Woodard, 1998a, 1998b; Cao et
al., 2002)。
2 模型驱动数据
GLOPEM-CEVSA模型输入数据主要包括来
自气象台站观测经空间插值的气温、降水、空气
湿度、风速、相对湿度数据及通过卫星遥感反演
的FPAR。
2.1 基于空间插值的气象数据
气象数据(温度、降水量、风速、日照时数和
相对湿度)是利用1971~2005年全国约730个及青
海省气象局提供的青海三江源地区21个气象站点
数据, 计算每8 d平均值后进行空间内插而得, 空
间分辨率为1 km, 时间分辨率为8 d。所使用的插
值方法是由澳大利亚国立大学基于利用光滑薄板
样条法开发的插值软件ANUSPLIN(Hutchinson,
2001)。在内插过程中主要考虑了经纬度和海拔高
度对各气候要素的影响, 并利用分辨率为1 km网
格的数字高程数据按线性关系对样条函数得到的
表面进行拟合, 得到最后的内插结果。多项研究
认为这种方法对温度和降水的插值效果明显优于
其他方法(王英等, 2006)。
2.2 基于遥感反演的FPAR
基于遥感反演的FPAR是利用1 km分辨率的
1988～2004年AVHRR/NDVI数据, 以Liu等(2007)
发 展 的 冠 层 辐 射 传 输 算 法 反 演 而 得 。 该
AVHRR/NDVI数据由中国气象局气象卫星中心提
供, 是中国气象局自1988年以来接收的1 km空间
分辨率NOAA/AVHRR原始数据 , 根据NOAA公
王军邦等: 基于遥感—过程耦合模型的 1988～2004 年
2 期 青海三江源区净初级生产力模拟 DOI: 10.3773/j.issn.1005-264x.2009.02.003 259
布的最新校正方法和校正系数重新进行了辐射订
正, 并采用手工几何校正的方式, 对该数据进行
了精确的几何纠正。
3 模型参数和初始化
3.1 模型参数
本文采用的植被覆盖类型主要采用三江源地
区2004年30 m分辨率Landsat遥感解译的土地覆
盖图(三江源项目组数据), 包括森林、灌丛、草地、
农田、水体和建筑用地, 在此基础上以刘勇红等
(2006)利用MODIS数据的植被分类结果, 主要对
森林类型进行了细分。用于本模型的生态系统类
型及土地覆盖类型包括常绿针叶林、常绿阔叶林、
落叶针叶林、落叶阔叶林、灌丛、草地、农田、
荒漠以及居民用地和水域(图2)。土壤质地数据来
自刘明亮(2001), 用于土壤水分参数的计算以及
土壤异养呼吸模拟。用于模型初始化的植被碳库
来自王军邦(2004)的数据。该数据是利用全国森
林资源统计(1989～1993)提供的林分各优势树种
面积蓄积统计数据 , 及根据文献资料的生物量
(B)与蓄积量(V)关系式 , 计算出各优势树种的总
生物量, 及各类森林植被类型的平均生物量。同
时也参考了冯宗炜等(1999)和方精云等(1996)对
全国森林、农田、草地和荒漠等生物量的研究结
果, 得出了应用于本研究模型初始化的植被碳库
数据。土壤碳库数据来自王绍强等(2000)根据中
国第二次土壤普查(1979～1994)统计资料, 将数
据空间化而得。



图2 三江源区主要生态系统类型分布图
Fig. 2 Ecosystem classification map on “Three-River Headwaters” Region
ENF: Evergreen needle-leaf forest DNF: Deciduous needle-leaf forest EBF: Evergreen broadleaf forest DBF: De-
ciduous broadleaf forest


3.2 模型初始化
在模型模拟中, 首先应用1988～2004年平均
气温和降水资料 , 及期间遥感观测的FPAR运行
模型, 得到每8 d NPP, 然后计算该时期年平均
NPP及每8 d日平均NPP。另外, 加之用于初始化
模型的植被碳库数据, 迭代运行模型至生态系统
平衡态, 即各个状态变量如植被和土壤碳贮量等
的年际变化小于0.1%, 并且NPP、凋落物量(Litter
productivity, LT)和土壤呼吸(HR)相等(即NEP为
零 ), 得到平衡态植被碳库和土壤碳库 , 然后用
1988～2004年每8 d气象资料 , 及遥感反演的
FPAR进行动态模拟。

260 植 物 生 态 学 报 www. plant-ecology.com 33 卷
土壤水分平衡模拟中, 首先根据土壤质地计
算土壤田间持水量, 将田间持水量作为土壤初始
含水量 , 以 1988～ 2004年气象资料及遥感的
FPAR运行模型 , 将得到的2004年最后时相(12月
底)的模拟的土壤含水量和积雪值作为1988年第
一时相 (1月初)的初始值 , 如此反复多次迭代模
拟, 直至水分平衡状态。
4 结果与讨论
4.1 三江源区植被净初级生产力空间格局
利用 GLOPEM-CEVSA模型模拟的 1988～
2004年青海三江源地区植被NPP平均为143.17
gC·m–2·a–1(图2a)。其中森林生态系统NPP最高
(267.90 gC·m–2·a–1), 其 次 为 农 田 (222.94
gC·m–2·a–1)、湿地(161.36 gC·m–2·a–1)和草地(160.90
gC·m–2·a–1), 荒漠生态系统生产力最低 , 为31.16
gC·m–2·a–1, 与朴世龙和方精云 (2002)利用CASA
模型模拟的1982～1999年青藏高原植被NPP相对
比(表2), 农田高估了27.39％, 森林低估了9.80％,
草地高估了32.98％, 荒漠低估了13.98％。该地区
草地类型主要包括高寒草甸、高寒草原、沼泽湿
地以及面积较小的温性草原、高寒荒漠等(青海省
植被编写委员会, 1994; 青海省草原总站, 1988;
王堃等, 2005), 为便于和20世纪80年代草地调查
(全省)及三江源实测资料对比 , 本文根据Fan等
(2007)的数据 , 以模拟的NPP估算了对应草地类
型 的 产 草 量 , 即 地 上 干 物 质 产 量 , 单 位 为
kgDM·hm–2。尽管不同植被类型的模拟值与观测
值之间的差异较大(表3), 但是, 模拟的17 a草地、
荒漠和湿地的平均产草量为502.76 kgDM·hm–2,
较 之 1980 年 的 草 地 调 查 实 测 产 草 量 (596.67
kgDM·hm–2)、2004年和2005年三江源区台站监测
的 平 均 产 草 量 (537.50 kgDM·hm–2 和 668.50
kgDM·hm–2)分别低15.74％、6.46％和24.79％; 17
a模拟产草量较之所有观测值的平均产草量偏低
13.70%。


表2 本研究模拟的各生态系统类型的净初级生产力
Table 2 The modeled NPP of the ecosystem in this study and comparison with other research (gC·m–2·a–1)
生态系统
Ecosystem
平均值
Mean
标准偏差
SD
变异系数
CV (%)
朴世龙和方精云(2002)
Piao & Fang (2002)
农田 Crop 222.94 68.25 30.61 175
森林 Forest 267.90 58.81 21.95 297
草地 Grass 160.90 93.01 57.80 121
荒漠 Desert 36.13 31.16 86.26 42
湿地 Wet land 161.36 70.18 43.49
其它 Other 106.10 78.13 73.64
全区 Whole area 143.17 98.21 68.60



表3 本研究结果与20世纪80年代草地调查(全省)及三江源实测平均产草量比较
Table 3 Comparison between the modeled result with the grass yield surveyed in the 1980s (whole Qinghai Province), and
the surveyed in 2004 and 2005 in Three-River Headwaters region (kgDM·hm–2)
草地类型
Grass type
模拟产草量
Modeled
80年代草调产草量
Surveyed in the 1980s
2004年监测产草量
Surveyed in 2004
2005年监测产草量
Surveyed in 2005
草地 Grass 461.54 666.50 537.50 668.50
荒漠 Desert 187.00 162.00
湿地 Wet land 859.75 961.50


从空间格局而言, 三江源区植被NPP自东南
向西北逐渐降低(图3a)。东部的班玛、久治和河
南地区的NPP较高, 超过300 gC·m–2·a–1; 次之的
是东部的泽库和甘德地区, 及南部的囊谦和玉树
等地区, NPP在254.88~273.53 gC·m–2·a–1之间; 而
西部的曲麻莱、治多和唐古拉等地区较低, 分别
为88.05、66.48和59.73 gC·m–2·a–1(图3a, 表4)。并
形成以澜沧江、长江和黄河源头区为分异的3个
NPP不同区域, 以降水最为丰富的澜沧江流域的
NPP最高, 其次为降水和气温相对理想的黄河流
王军邦等: 基于遥感—过程耦合模型的 1988～2004 年
2 期 青海三江源区净初级生产力模拟 DOI: 10.3773/j.issn.1005-264x.2009.02.003 261
域, 而以降水较少、气温较低、海拔较高、荒漠
分布为主的长江流域的NPP为最低(图2, 图3a); 3
个区域的 NPP 分别为 234.42 、 201.20和 122.05
gC·m–2·a–1。与整个三江源NPP相比较, 澜沧江源
和黄河源分别高63.73%和40.53%, 而长江源则低
14.75%。即三江源区植被的NPP主要受区域水热
分配格局的影响, 从而表现出明显的区域分异特
征。
4.2 三江源区植被净初级生产力年际波动
近17 a (1988～2004年)NPP变异系数表现为,
NPP较低的西部地区年际波动较大, NPP较高的
东南部地区则年际波动较小(图3b)。从生态系统
类型而言, 以荒漠生态系统NPP年际波动最大(变
异系数为41.75%), 其次为农田 (25.93%)、湿地
(24.72%)和草地(22.31%), 森林最小(20.79%)。这
表明, 各生态系统植被生产的稳定性依次为森林
生态系统＞湿地和草地生态系统＞农田生态系统
＞荒漠生态系统(Hu et al., 2007)。
NPP年际变化机制的简单定性分析表明, 三
江源NPP的年际变化呈现出5 a左右周期的波动
规律(图4a)。1989年、1994年和1998年三江源NPP
出现峰值, 这与该区降水峰值出现的年份较吻合
(图4b)。各生态系统的年际变化分析表明, 在降水
较多的1989年、1994年和1998年, 森林生态系统
NPP出现了较明显的波峰, 其中1989年和1998年
的峰值较高, 且较为接近, 而1994年的峰值相对
较低。农田生态系统的NPP也在上述3 a出现峰值,
但1989年的峰值远高于1994年和1998年的峰值,
且最后一个波峰从1997年延续到1999年。草地和
湿地生态系统NPP的峰值在1998年较为明显, 而
在1989年和1994年不明显。荒漠生态系统植被的
NPP从1988年的19.57 gC·m–2·a–1持续增加到1994
年的38.15 gC·m–2·a–1; 1995年NPP突然下降, 降低
到20.71 gC·m–2·a–1, 之后又持续增加, 在2001年
达到63.22 gC·m–2·a–1的最高值。1995~2002年西部
荒漠区NPP出现持续增高的现象, 这可能与该地
区的气候的暖湿化有关。根据该地区托托河气象
台站观测的年降水和年平均气温数据分析, 该区
域该时段降水基本呈逐年增加的趋势, 气温也表
现出较为明显的变暖现象, 这种气候的暖湿化可



图3 三江源植被1988～2004年平均NPP(gC·m–2·a-–1) (a)和变异系数(%)(b), 及NPP年际变化趋势(gC·m–2·a-–1) (c)和
变化趋势显著性(d)的空间格局
Fig. 3 The mean (gC·m–2·a-–1) (a), coefficience of variance (%) of NPP (b), and the slope (gC·m–2·a-–11) (c) and signifi-
cant level of linear regression of NPP trend (d) of Three-River Headwaters region in 1988～2004
变化趋势显著性图为: 当趋势斜率b>0和b<0, 复相关系数高于显著性水平为95%和99%的复相关系数0.23和0.37的
区域, 本文样本数为17 Significance classification of changing trends: slope b>0 (increase) and slope b<0 (decrease) at the
regions where multiple relative R is higher than 0.23 or 0.37 which corresponds to significant level of 95% and 99%, respec-
tively; 17 samples in this paper

262 植 物 生 态 学 报 www. plant-ecology.com 33 卷
表4 三江源植被1988～2004年各县(乡)净初级生产力及其趋势斜率和复相关系数
Table 4 The averaged net primary production and regression coefficient of its trend line of each county in Three-River
Headwaters region
NPP NPP趋势斜率 Trend slope NPP趋势复相关系数 Trend R2 县(乡) County
均值
Mean
标准偏差
SD
变异系数
CV (%)
均值
Mean
标准偏差
SD
均值
Mean
标准偏差
SD
泽库县 Zeku 271.94 40.90 15.04 -3.30 1.69 0.10 0.07
河南县 Henan 328.32 29.16 8.88 -4.28 2.28 0.11 0.07
同德县 Tongde 238.68 52.19 21.87 -2.95 1.97 0.09 0.07
兴海县 Xinghai 161.77 48.10 29.73 -1.93 2.47 0.10 0.10
玛沁县 Maqin 214.03 64.55 30.16 -1.64 2.62 0.08 0.09
班玛县 Banma 303.56 47.57 15.67 -3.75 2.68 0.12 0.11
甘德县 Gande 273.53 48.30 17.66 -2.71 2.10 0.10 0.08
达日县 Dari 233.07 49.13 21.08 -1.31 2.31 0.08 0.08
久治县 Jiuzhi 309.83 57.54 18.57 -3.38 2.52 0.11 0.09
玛多县 Maduo 116.43 43.10 37.02 -1.08 2.54 0.09 0.10
玉树县 Yushu 254.88 53.59 21.03 -2.75 2.81 0.13 0.11
杂多县 Zaduo 175.92 53.63 30.49 0.92 2.72 0.12 0.12
称多县 Chenduo 190.74 53.20 27.89 -2.15 2.20 0.15 0.13
治多县 Zhiduo 66.48 61.33 92.26 1.41 1.80 0.24 0.22
囊谦县 Nangqian 272.58 59.24 21.73 -2.00 3.09 0.10 0.11
曲麻莱县 Qumalai 88.05 46.05 52.30 0.78 1.78 0.16 0.17
唐古拉山 Tanggula 59.73 29.78 49.86 2.88 1.73 0.38 0.19


能是导致该地区NPP持续增加的主要原因(王军
邦, 2007)。
4.3 三江源区植被净初级生产力变化趋势
研究时段内整个三江源地区NPP的年际变化
趋势分析结果为, 以整个三江源地区为统计单元
时 , 变化趋势直线斜率为–0.007 2, 相关系数为
0.002, 显著性水平p为0.99, 说明NPP没有明显年
际变化趋势。在县统计单元水平上(表4), 西部地
区的唐古拉、治多及曲麻莱等县(乡)NPP表现为
增加趋势, 每10 a约增加7.8～28.8 gC·m–2, 且增
加趋势显著; 而中部和东部表现为降低趋势, 其
中, 河南、泽库和同德等地区的NPP下降较快, 每
10 a约降低13.1~42.8 gC·m–2, 但降低趋势不显著。
以各生态系统类型为统计单元时, NPP年际
变化如图3(a)所示 , 其中农田和森林生态系统
NPP变化趋势直线斜率分别为–2.59和–2.87, 但
趋势不显著(复相关系数为0.10和0.07); 草地和湿
地生态系统NPP变化趋势直线斜率分别为0.16和
0.62, 趋势也不显著 (复相关系数为0.00和0.06);
荒漠生态系统NPP变化趋势直线斜率为2.01, 然
而趋势极显著(复相关系数为0.66)。
在像元统计单元上(图3c, 3d), NPP表现为降
低趋势, 即斜率b<0, 显著性水平高于99％、95％
的面积占整个三江源面积的百分比分别为
0.75%、3.77%, 主要分布在东部和中部地区, 尤
以该地区长江和黄河等河流沿线分布更为集中 ,
变化显著性也更高; 而NPP表现为增加趋势, 即
斜率b>0, 显著性水平高于99％、95％的面积占整
个三江源面积的百分比分别为13.43%和20.34%,
主要分布在西部地区。
根据站点数据分析, 1975～2004年研究区各
站年平均温度呈增加趋势, 东部升幅较小, 西部
升幅较大; 同期年降水则东部呈减少趋势, 西部
呈增加趋势。在研究期间的这17 a中, 研究区NPP
与气温和降水的关系如图4c和4d所示, 对全区及
各生态系统的平均NPP与对应区域的平均降水和
气温间的二元线性回归结果表明, NPP与降水和
气温之间存在显著的线性关系(表5)。从去除了量
纲因素的标准化回归系数可以看出, 就全区水平
而言, 气温对植被NPP的影响高于降水, 气温与
降水的标准化回归系数之比为1.7, 即气温的影响
是降水的1.7倍, 说明该地区气温是主要气候控制
因素。从各生态系统水平而言, 对于主要分布在
气温相对较高的东部地区的农田和森林, 降水的
王军邦等: 基于遥感—过程耦合模型的 1988～2004 年
2 期 青海三江源区净初级生产力模拟 DOI: 10.3773/j.issn.1005-264x.2009.02.003 263
影响分别是气温的3.2倍和4.2倍; 该区域分布最广
的草地, 分布在西部的荒漠及分布在气温最低地
区的湿地, 则受气温的影响较高, 对应各生态系
统气温的与降水的标准化回归系数之比分别是
1.2、4.2和535.0。因此, NPP表现出明显的较大范
围的增加趋势, 主要可能是该地区气温升高所致;
而中、东部沿河流地区, 人类活动对生态系统的影
响可能是主要原因, 造成这些区域生产力下降。



图4 三江源区主要生态系统净第一性生产力(NPP) (a)、降水和气温(b)年际变化及NPP与气温(c)和降水(d)的关系
Fig. 4 The interannual variances of NPP of main ecosystem (a), precipitation and temperature of whole area (b), and the
relationship between NPP and temperature (c), and precipitation (d) of whole area in Three-River Headwaters region


表5 三江源区NPP与降水和气温线性回归结果(回归方程为NPP=b0+b1×降水+b2×气温)
Table 5 Linear regression coefficients between NPP and climate factors of precipitation and temperature ( the regresstion
function is: NPP = b0+b1×Precipitation+b2×Temperature)
回归系数
Unstandardized coefficients
标准化回归系数
Standardized coefficients
b0 b1 b2 B1 B2
R2 显著性 Sig.
农田 Crop -101.341 0.697 26.551 0.761 0.236 0.704 0.000
森林 Forest 60.106 0.383 10.168 0.546 0.130 0.357 0.045
草地 Grass 146.243 0.138 14.536 0.327 0.394 0.357 0.045
荒漠 Desert 115.901 0.030 11.084 0.121 0.513 0.304 0.079
湿地 Wet land 178.501 0.000 14.937 0.001 0.535 0.287 0.094
全区 Whole area 105.817 0.067 10.476 0.253 0.442 0.341 0.054


5 讨 论
GLO-PEM模型以卫星遥感反演的PAR、温
度、大气可降水及生物量等数据为主要输入, 应
用于全球植被NPP模拟(Prince & Goward, 1995;
Goetz et al., 2000; Cao et al., 2004a)。由于气象台
站观测数据的易获得性, 本文以经空间插值的气
象数据, 及MODIS陆地产品FPAR为模型输入, 这

264 植 物 生 态 学 报 www. plant-ecology.com 33 卷
不同于过去GLO-PEM模型以遥感反演PAR和温
度等参数的做法 , 可能更适宜于模型广泛应用 ;
但是, 对于气象站点稀疏地区, 如青藏高原地区,
本文空间插值气象数据的方法可能会带来较大的
不确定性, 而不适合应用本模型。本研究中, 在气
象数据空间插值时, 获得了三江源地区21个地方
台站观测数据, 结合全国730个国家台站数据, 首
先插值获得了全国的数据, 然后, 从中切取了三
江源地区气象参数作为模型输入, 以尽可能避免
气象数据空间插值引入的不确定性。另外, 气象
空间插值数据与MODIS遥感数据结合作为模型
输入, 可能存在空间尺度匹配问题, 本文没有对
此进行分析 , 作为今后应该考虑的问题在此提
出。
尽管本文对模型输入进行了修改, 但模型延
用了Prince和Goward(1995)建立的基于生理生态
学的最大光能利用率模拟方法(附录1), 因此, 本
模型仍然是一个光能利用率模型; 但它又不同于
利用地面观测数据拟合给出最大光能利用率的模
型, 如CASA模型。CASA模型以全球观测数据给
定全球最大光能利用率为0.389 gC·MJ–1(Potter et
al., 1993)。这里, 根据曹明奎等(2004b)多尺度观
测和跨尺度模拟的理念 , 将GLO-PEM模型与生
态系统过程模型CEVSA模型耦合, 实现了碳循环
过程 (碳固定、碳分配和碳周转 )的模拟 , 因此 ,
GLOPEM-CEVSA模型应该是对过去GLO-PEM
模型的发展。
GLOPEM-CEVSA模型不同于完全以气候数
据为驱动的生态系统过程模型 , 如CEVSA模型
(Cao & Woodward, 1998a, 1998b), 也不同于陆地
生态系统 -大气相互作用模型 , 如AVIM模型 (Ji,
1995)。生态系统过程模型和陆地生态系统-大气
相互作用模型完全以气候数据为模型驱动, 认为
生态系统内部是空间同质 ; 而GLOPEM-CEVSA
模型以气候数据和遥感数据同时作为模型输入 ,
通过空间连续的遥感数据, 在模型中考虑了生态
系统内部的空间异质性。
模拟结果的综合对比表明, 模型对森林和荒
漠的模拟精度相对较高, 对农田和湿地的模拟精
度相对较低, 草地的模拟精度居中, 说明模型精
度还需要进一步提高, 特别是模型参数本地化应
该是今后模型研究的核心内容。另外, 需要强调
的是, 模拟结果检验数据的可对比性是影响模型
评价的一个重要因素。本文所用的草地调查是在
样方尺度(≤1 m2)获得的数据(Fan et al., 2007),
而模型输入的遥感数据AVHRR的空间分辩率是1
km2, 因此, 存在空间尺度不匹配的问题。但是,
本文没有考虑调查数据和模拟结果之间的尺度问
题 , 必然影响模型精度评价。对此 , 可借鉴
MODIS数据验证项目BigFoot的尺度转换方法
(Cohen & Justice, 1999; Reich et al., 1999), 将样
地调查数据尺度外推用于模型评价。模型对比也
是评价模型的一种方法, 用来分析模拟结果的不
确定性来源及其大小, 通过对比提供较为科学的
模拟结果(Cramer et al., 1995; 高志强和刘纪远,
2008)。
根据本研究模拟结果, 三江源地区净初级生
产力水平较低, 为140.54 gC·m–2·a–1, 与生态系统
过程模型CEVSA模拟的近20 a平均NPP(陶波 ,
2003)相比, 是全国NPP(363 gC·m–2·a–1)的39.45%,
而较青藏高原地区(104.3 gC·m–2·a–1)高41.37%。
近17 a (1988～2004年)NPP变异系数表现为,
NPP较低的西部地区年际波动较大, NPP较高的
东南部地区则年际波动较小(图3b)。说明西部荒
漠区NPP更易受到年际气候变动的影响而存在较
大波动, 而东部地区森林等植被生产力相对受气
候变化的影响较小。这反映出较脆弱的生态系统
生产力受年际间气候变化的影响相对较大, 容易
发生波动变化, 从而造成生态系统的生产力支持
功能不稳定(Hu et al., 2007), 这可能会影响其对
生态系统其它服务功能的支撑(赵士洞和张永民,
2004)。
NPP的年际变化趋势的空间分布格局表明 ,
在更广泛的空间上而言, 该地区植被生产力受气
候变化主导, 西部地区暖湿化趋势, 造成了该地
区生产力较为明显的、大范围的增加趋势。但在
东、中部地区则主要受人类活动的影响, 特别是
长江和黄河等河流沿线, 是人类居住活动密集的
地区, 造成这些地区放牧压力较大, 草地退化严
重(张镱锂等, 2006), 而该地区暖干化趋势加剧了
这一过程(汪诗平, 2003)。
三江源区30余年气候变化的分析结果表明 ,
近几十年来三江源西部地区气候出现了明显的暖
湿化趋势(王军邦, 2007; 吴绍洪等, 2005; 朱文琴
等, 2001), 这显然是造成该区植被生产力出现较
大幅度提高的主要原因。这一现象与近几十年来
王军邦等: 基于遥感—过程耦合模型的 1988～2004 年
2 期 青海三江源区净初级生产力模拟 DOI: 10.3773/j.issn.1005-264x.2009.02.003 265
全国, 乃至全球植被生产力均有所增高的趋势是
一致的(Cao et al., 2005; 朱文泉等, 2007)。
本文仅仅分析了气候变化对三江源区植被生
产力变化的影响。该地区地形复杂, 气候变化本
身存在一系列需要解答的科学问题, 例如全球气
候变暖与永久冰川冻土的消融, 以及这些变化对
生产力的影响等1)(汪诗平, 2003; 杨建平等, 2005;
何友均, 2005)。对该地区植被生产力变化的另一
个主要影响要素是人类活动, 本文并没有对此进
行直接分析 , 从遥感解译及地面观测研究而言 ,
人类活动是影响该地区植被生产力下降的主要驱
动力之一(刘纪远等, 2008)。因此, 定量辨识和评
价气候和人类活动各自对植被生产力变化的作
用, 是生态恢复与区域可持续发展的基础, 是需
要进一步研究的重要内容。
6 结 论
1)本文在Prince和Goward(1995)建立的光能
利用率模型GLO-PEM基础上 , 根据曹明奎等
(2004b)多尺度观测和跨尺度模拟的理念 , 将
GLO-PEM模型与生态系统过程模型CEVSA模型
耦合, 将GLO-PEM模型发展为GLOPEM-CEVSA
模型。以经空间插值的气象数据, 及MODIS陆地
产品FPAR为模型输入 , 模拟了三江源地区植被
NPP, 说明模型可以应用于区域尺度NPP模拟 ,
但需要今后进一步就模型参数本地化等方面进行
研究, 以提高模型精度。
2)根据分析, 三江源地区净初级生产力水平
较低, 为140.54 gC·m–2·a–1。在空间上呈从东南向
西北递减的分布格局, 这种植被净初级生产力的
空间梯度特征反映了三江源地区由水热条件所决
定的植被地带性格局。在各生态系统类型的净初
级生产力方面, 以森林生态系统最高, 其后依次
为农田、草地、湿地和荒漠等生态系统。从主要
生态系统NPP年际波动看, 表现出从森林、湿地
和草地、农田到荒漠等生态系统依次增高的特征。
3)近17 a年际变化分析表明 , 整体上 , 三江
源区生态系统NPP变化不显著; 但在不同区域上

1) Ma Y(马艳) (2006). Modelling Experiments on Impacts
of Three River Headwater Region’s Change Area on the
Regional Climate (三江源湿地消长对区域气候影响的数
值模拟). Master dissertation, Lanzhou University, Lanzhou.
(in Chinese)
仍表现出较明显的分异特征: 以西部地区呈增加
趋势, 增加区面积占源区面积的20.34%, 而中、
东部地区呈下降趋势, 下降区面积占源区面积的
3.77%, 尤以该地区长江和黄河等河流沿线分布
更为集中, 变化显著性也更高。在更广泛的空间
上而言, 该地区植被生产力受全球气候变化的主
导, 西部地区暖湿化趋势, 造成了该地区生产力
较为明显的、大范围的增加趋势。但在东、中部
地区则主要受人类活动的影响, 特别是长江和黄
河等河流沿线, 是人类居住活动密集的地区, 造
成这些地区放牧压力较大, 草地退化严重, 而该
地区暖干化趋势加剧了这一过程。定量辨识和评
价气候和人类活动各自对植被生产力变化的作
用, 是生态恢复与区域可持续发展的基础, 是需
要进一步研究的重要内容。
参 考 文 献
Allen RG, Pereira LS, Raes D, Smith D (1998). Crop
Evapotranspiration - Guidelines for Computing Crop
Water Requirements - FAO Irrigation and Drainage
Paper 56. FAO - Food and Agriculture Organization of
the United Nations. Rome.
Box EO (1988). Estimating the seasonal carbon source-sink
geography of a natural, steady-state terrestrial bio-
sphere. Journal of Applied Meteorology, 7, 1109-1124.
Cao MK, Prince SD, Shugart HH (2002). Increasing terres-
trial carbon uptake from the 1980s to the 1990s with
changes in climate and atmospheric CO2. Global Bio-
geochemical Cycles, 16, 1069, doi: 10.1029/2001
GB001553.
Cao MK, Prince SD, Small J, Goetz SJ (2004a). Remotely
sensed interannual variations and trends in terrestrial
net primary productivity 1981-2000. Ecosystems, 7,
233-242.
Cao MK, Prince SD, Tao B, Small J, Li KR (2005). Re-
gional pattern and interannual variations in global ter-
restrial carbon uptake in response to changes in climate
and atmospheric CO2. Tellus, 57B, 210-217.
Cao MK, Woodward FI (1998a). Net primary and ecosys-
tem production and carbon stocks of terrestrial eco-
systems and their response to climatic change. Global
Change Biology, 4, 185-198.
Cao MK, Woodward FI (1998b). Dynamic responses of
terrestrial ecosystem carbon cycling to global climate
change. Nature, 393, 249-252.
Cao MK (曹明奎), Yu GR (于贵瑞), Liu JY (刘纪远), Li
KR (李克让 ) (2004b). Multi-scale observation and
cross-scale mechanistic modeling on terrestrial eco-

266 植 物 生 态 学 报 www. plant-ecology.com 33 卷
system carbon cycle. Science in China Series D: Earth
Sciences (中国科学D辑 : 地球科学 ), 34(Suppl. II),
1-14.
Chen JM, Liu J, Cihlar J, Goulden ML (1999). Daily canopy
photosynthesis model through temporal and spatial
scaling for remote sensing applications. Ecological
Modelling, 124, 99-199.
Chen WJ, Chen J, Cihlar J (2000). An integrated terrestrial
ecosystem carbon-budget model based on changes in
disturbance, climate, and atmospheric chemistry. Eco-
logical Modelling, 135, 55-79.
Cohen WB, Justice CO (1999). Validating MODIS terres-
trial ecology products: linking in situ and satellite
measurements. Remote Sensing of Environment,
70,1-4.
Collatz GJ, Ball JT, Crivet C, Berry JA (1991). Physiologi-
cal and environmental regulation boundary layer. Ag-
riculture and Forest Meteorology, 54, 107-136.
Compilation Committee of the Vegetation in Qinghai Prov-
ince (青海省植被编写委员会) (1994). Vegetation in
Qinghai Province (青海植被). Qinghai People’s Press,
Xining, 67-94. (in Chinese)
Cox PM, Betts RA, Jones CD, Spall SA, Totterdell IJ
(2000). Acceleration of global warming due to carbon
cycle feedbacks in a coupled climate model. Nature,
408, 184-187.
Cramer and the Participants of the “Potsdam ‘95” NPP
Model Intercomparison Workshop (1995). Net primary
productivity model intercomparison activity (NPP).
IGBP/GAIM repot series report #5.
Cramer W, Bondeau A, Woodward FI, Prentice IC, Betts
RA, Brovkin V, Cox PM, Fisher V, Foley JA, Friend
AD, Kucharik C, Lomas MR, Ramankutty N, Sitch S,
Smith B, White A, Young-Molling C (2001). Global
responses of terrestrial ecosystem structure and func-
tion to CO2 and climate change: results from six dy-
namic global vegetation models. Global Change Biol-
ogy, 7, 357-373.
Esser G (1991). Osnabrück biosphere modelling and mod-
ern ecology. In: Esser G, Overdieck D eds. Modern
Ecology, Basic and Applied Aspects. Elsevier, Am-
sterdam, 773-804.
Fan JW, Zhong HP, Harris W, Yu GR, Wang SQ, Hu ZM,
Yue YZ (2007). Carbon storage in the grasslands of
China based on field measurements of above- and be-
low-ground biomass. Climate Change, doi:
10.1007/s10584-007-9316-6.
Fang JY (方精云), Liu GH (刘国华), Xu SL (徐嵩龄)
(1996). Carbon storage in terrestrial ecosystem in
China. In: Wang GC (王庚辰), Wen YP (温玉璞) eds.
The Measurement of Greenhouse Gas and Their Re-
lease and Related Processes. Environment Science
Press, Beijing, 109-128. (in Chinese)
Farquhar GD, von Caemmerer S, Berry JA (1980). A bio-
chemical model of photosynthetic CO2 assimilation in
levels of C3 species. Planta, 149, 78–90.
Feng S (冯松), Tang MC (汤懋苍), Wang DM (王冬梅)
(1998). New evidence of the Tibet Plateau as promoter
area of Chinese climate change. Chinese Science Bul-
letin (科学通报), 43, 633-636. (in Chinese)
Feng ZW (冯宗炜), Wang XK (王效科), Wu G (吴刚)
(1999). Biomass and Producvity of Forest Ecosystem
in China (中国森林生态系统的生物量和生产力 ).
Science Press, Beijing. (in Chinese)
Foley JA (1994). Net primary productivity in the terrestrial
biosphere: the application of a global model. Journal
of Geophysical Research, 99, 20773–20783.
Friedlingstein P, Bopp L, Ciais P, Dufresne JL, LeTremt H,
Fairhead L, Herv´e LeTreut, Monfray P, Orr J (2001).
Positive feedback between future climate change and
the carbon cycle. Geophysical Research Letters, 28,
1543-1546.
Gao ZQ (高志强), Liu JY (刘纪远) (2008). Net primary
production comparison of vegetation in China. Chinese
Science Bulletin (科学通报), 53, 317-326. (in Chi-
nese)
Goetz SJ, Prince SD, Goward SN, Thawley MM, Small J
(1999). Satellite remote sensing of primary production:
an improved production efficiency modeling approach.
Ecological Modelling, 122, 235-255.
Goetz, SJ, Prince, SD, Small J, Gleason ACR, Thawley M
(2000). Interannual variability of global terrestrial
primary production: results of a model driven with
satellite observations. Journal of Geophysical Re-
search, 105, 20077-20091.
He YJ (何友均) (2005). Studies on Seed Plant Biodiversity
and Conservation in Main Forest Regions of San Ji-
angyuan Nature Reserve, Qinghai Province (三江源自
然保护区主要林区种子植物多样性及其保护研究).
PhD dissertation, Beijing Forestry University, Beijing.
(in Chinese)
Hu ZM, Fan JW, Zhong HP, Yu GR (2007). Spatiotemporal
dynamics of aboveground primary productivity along a
precipitation gradient in Chinese temperate grassland.
Science in China Series D: Earth Sciences, 50,
754-764
Huang TQ (黄铁青), Zhao T (赵涛), Feng RG (冯仁国),
Ding YJ (丁永建), Li LH (李凌浩), Liu GB (刘国彬),
Xiao HL (肖洪浪), Chen YN (陈亚宁), Liu Q (刘庆),
Wang KL (王克林), He QB (贺秀斌), Zhao XQ (赵新
全), Li X (李新), Wu QB (吴青柏), Xu HH (许洪华)
王军邦等: 基于遥感—过程耦合模型的 1988～2004 年
2 期 青海三江源区净初级生产力模拟 DOI: 10.3773/j.issn.1005-264x.2009.02.003 267
(2007). Project arrangement and primal progress in the
second phase of the CAS action-plan for west
development. Advances in Earth Science (地球科学进
展), 22, 888-895. (in Chinese with English Abstract)
Hunt RE, Running SW (1992). Simulated dry matter yields
for aspen and spruce stands in the North American bo-
real forest. Canadian Journal of Remote Sensing, 18,
126-133.
Hutchinson MF (2001). Anusplin Version 4.2 User Guide.
Centre for Resource and Environmental Studies, Aus-
tralian National University, Canberra.
Ji J (1995). A climate-vegetation interaction model-simu-
lating the physical and biological processes at the sur-
face. Journal of Biogeography, 22, 445-451.
Lieth H (1975). Modeling the primary production of the
world. In: Lieth H, Whittaker RH eds. Primary Pro-
duction of the Biosphere. Springer, Berlin, Heidelberg,
New York, 237-263.
Liu JY (刘纪远), Xu XL (徐新良), Shao QQ (邵全琴)
(2008). The spatial and temporal characteristics of
grassland degradation in the “Three-River Headwa-
ters” region in Qinghai Province. Acta Geographica
Sinica (地理学报 ), 63, 364-376. (in Chinese with
English abstract)
Liu ML (刘明亮) (2001). Land-Use/Land Cover Change
and Terrestrial Ecosystem Phytomass Carbon Pool
and Production in China (中国土地利用/土地覆被变
化与陆地生态系统植被碳库和生产力研究 ). PhD
dissertation, Institute of Remote Sensing Applications,
Chinese Academy of Sciences, Beijing. (in Chinese)
Liu RG, Chen JM, Liu JY, Deng F, Rui S (2007). Applica-
tion of a new leaf area index algorithm to China’s
landmass using MODIS data for carbon cycle research.
Journal of Environmental Management, 85, 649-658.
Liu X, Chen B (2000). Climatic warming in the Tibetan
Plateau during recent decades. International Journal of
Climatology, 20, 1729-1742.
Liu YH (刘勇洪), Niu Z (牛铮), Xu YM (徐永明), Wang
ZY (王长耀), Li GC (李贵才) (2006). Design of land
cover classification system for China and its applica-
tion research based on MODIS data. Transactions of
the Chinese Society of Agricultural Engineering (农业
工程学报), 22(5), 99-104. (in Chinese with English
abstract)
Lloyd J, Farquhar GD (1996). The CO2 dependence of
photosynthesis, plant growth responses to elevated
atmospheric CO2 concentration and their interaction
with soil nutrient status I. general principals and forest
ecosystems. Functional Ecology, 10, 4-32.
Ma ZY(马致远) (2004). Conservation and protection of
water sources in the three river source area in China.
Advances in Earth Science ( 地 球 科 学 进 展 ),
19(Suppl.), 108-111. (in Chinese with English ab-
stract)
MA—Millennium Ecosystem Assessment (2003). Ecosys-
tems and Human Well-being. Island Press, Washing-
ton.
Melillo JM, McGuire AD, Kicklighter DW, Moore B III,
Vorosmarty CJ, Schloss AL (1993). Global climate
change and terrestrial net primary production. Nature,
363, 234-240.
Parton WJ, Schimel DS, Cole CV, Ojima DS (1987).
Analysis of factors controlling soil organic matter lev-
els in Great Plains grasslands. Soil Science Society of
America Journal, 51, 1173-1179.
Parton WJ, Scurlock JMO, Ojima DS (1993). Observations
and modeling of biomass and soil organic matter dy-
namics for grassland biome worldwide. Global Bio-
geochemical Cycles, 7, 785-809.
Piao SL (朴世龙), Fang JY (方精云) (2002). Terrestrial net
primary production and its spatio-temporal patterns in
Qinghai-Xizang Plateau, China during 1982-1999.
Journal of Natural Resources (自然资源学报), 17,
373-380. (in Chinese with English abstract)
Potter CS, Klooster SA, Matson PA, Randerson JT, Field
CB, Vitousek PM, Mooney HA (1993).Terrestrial
ecosystem production: a process model based on global
satellite and surface data. Global Biogeochemical Cy-
cles, 51, 74-88.
Prince SD, Goward SN (1995). Global primary production:
a remote sensing approach. Journal of Biogeography,
22, 815–835.
Qinghai Provincial Grassland Station (青海省草原总站)
(1988). The Grassland Resources in Qinghai. Qinghai
People’s Press, Xining. (in Chinese)
Reich PB, Turner DP, Bolstad P (1999). An approach to
spatially distributed modeling of net primary produc-
tion (NPP) at the landscape scale and its application in
validation of EOS NPP products. Remote Sensing of
Environment, 70(1), 69-81.
Ruimy A, Dedieu G, Saugier B (1996). TURC: a diagnostic
model of continental gross primary productivity and
net primary productivity. Global Biogeochemical Cy-
cles, 10, 269–285.
Running SW, Thornton PE, Nemani R, Glassy JM (2000).
Global terrestrial gross and net primary productivity
from the Earth Observing System. In: Sala OE, Jack-
son RB, Mooney HA, Howarth RW eds. Methods in
Ecosystem Science. Springer Verlag, New York,
44–57.
Stewart JB (1988). Modeling surface conductance of pine

268 植 物 生 态 学 报 www. plant-ecology.com 33 卷
forest. Agricultural and Forest Meteorology, 43,
19-35.
Tang MC (汤懋苍 ), Li CQ (李存强 ) (1992). Evidence
analysis on the Tibet Plateau as promoter area of Chi-
nese climate change. In: The China Society on Tibet
Plateau ed. Proceedings of the 1st International Sym-
posium on the Tibetan Plateau. Sciences Press, Bei-
jing, 42-48. (in Chinese)
Tao B (陶波) (2003) Net Primary Production and Net Eco-
system Production Modeling of Terrestrial Ecosystems
in China (中国陆地生态系统净初级生产力与净生态
系统生产力模拟研究). Ph D dissertation, Institute of
Geographical Sciences and Nature Resources Re-
search, Chinese Academy of Sciences, Beijing. (in
Chinese)
Wang JB (王军邦) (2004). Chinese Terrestrial Net Ecosys-
tem Productive Model Applied Remote Sensing Data
(中国陆地净生态系统生产力遥感模型研究 ). PhD
dissertation, Zhejiang University, Hangzhou. (in Chi-
nese)
Wang JB (王军邦) (2007). Modeling Carbon Fluxes of
Terrestrial Ecosystem on Regional Scale Through
Coupling a Remote Sensing Model With an Ecosystem
Process Model (基于遥感模型和过程模型耦合的区
域陆地生态系统碳通量模拟研究 ). Post-doctoral
work report, Institute of Geographical Sciences and
Nature Resources Research, Chinese Academy of Sci-
ences, Beijing. (in Chinese)
Wang K (王堃), Hong FZ (洪绂增), Zong JY (宗锦耀)
(2005). Grass resources and their sustainable utility in
the “Three-River Headwaters” region. Acta Agrestia
Sinica (草地学报 ), 13(Suppl.), 28-31. (in Chinese
with English abstract)
Wang SP (汪诗平 ) (2003). Vegetation degradation and
protection strategy in the “Three rivers fountainhead”
area in the Qinghai province. Acta Prataculturae
Sinica (草业学报), 12(6), 1-9. (in Chinese with Eng-
lish abstract)
Wang SQ (王绍强), Zhou CH (周成虎), Li KR (李克让),
Zhu SL (朱松丽), Huang FH (黄方红) (2000). Analy-
sis on spatial distribution characteristics of soil organic
carbon reservoir in China. Acta Geographica Sinica
(地理学报), 55, 533-544. (in Chinese with English
abstract)
Wang Y (王英), Cao MK (曹明奎), Tao B (陶波), Li KR
(李克让) (2006). The characteristics of spatio- tempo-
ral patterns in precipitation in China under the back-
ground of global climate change. Geographical Re-
search (地理研究), 25, 1031-1040. (in Chinese with
English abstract)
Warnant P, Francois L, Strivay D, Gérard JC (1994).
CARAIB: a global model of terrestrial biological pro-
ductivity. Global Biogeochemical Cycles, 8, 255-270.
Wu SH (吴绍洪), Yin YH (尹云鹤), Zheng D (郑度), Yang
QY (杨勤业) (2005). Climate changes in the Tibetan
Plateau during the last three decades. Acta Geographic
Sinica (地理学报), 60, 3-11. (in Chinese with English
abstract)
Xiao XM, Zhang QY, Saleska S, Hutyra L, Camargo
DE,Wofsy S, Frolking S, Boles S, Keller M, Moore III
B (2004a). Satellite-based modeling of gross primary
production in an evergreen needleleaf forest. Remote
Sensing of Environment, 89, 519-534.
Xiao X, Zhang Q, Braswell B, Urbanski S, Boles S, Wofsy
SC, Moore BI, Ojima D (2004b). Modeling gross pri-
mary production of a deciduous broadleaf forest using
satellite images and climate data. Remote Sensing of
Environment, 91, 256–270.
Yang JP (杨建平), Ding YJ (丁永建), Chen RS (陈仁升)
(2005). NDVI reflection of alpine vegetation changes
in the source regions of the Yangtze and Yellow Riv-
ers. Acta Geographica Sinica ( 地 理 学 报 ), 60,
468–478. (in Chinese with English abstract)
Yao TD (姚檀栋), Zhu LP (朱立平) (2006). The response
of environmental changes on Tibetan Plateau to global
changes and adaptation strategy. Advances in Earth
Science (地球科学进展), 21, 459-464. (in Chinese
with English abstract)
Yuan WP, Liu SG, Zhou GS, Zhou GY, Tieszen LL, Bal-
docchi D, Bernhofer C, Gholz H, Goldstein AH,
Goulden ML, Hollinger DY, Hu YM, Law BE, Stoy
PC, Vesala T, Wofsy SC (2007). Deriving a light use
efficiency model from eddy covariance flux data for
predicting daily gross primary production across bi-
omes. Agricultural and Forest Meteorology, 143,
189-207.
Zhang YL (张镱锂), Liu LS (刘林山), Bai WQ (摆万奇),
Shen ZX (沈振西), Yan JZ (阎建忠), Ding MJ (丁明
军), Li SC (李双成), Zheng D (郑度) (2006). Grass-
land degradation in the source region of the Yellow
River. Acta Geographica Sinica (地理学报), 61, 4-12.
(in Chinese with English abstract)
Zhao SD (赵士洞), Zhang YM (张永民) (2004). Concepts,
contents and challenges of ecosystem assessment —
Introduction to “Ecosystems and Human Well-being :
A Framework for Assessment”. Advances in Earth Sci-
ence (地球科学进展), 19, 650-657. (in Chinese with
English abstract)
Zhu WQ (朱文琴), Chen LX (陈隆勋), Zhou ZJ (周自江)
(2001). Some characteristics of climate change in Ti-
王军邦等: 基于遥感—过程耦合模型的 1988～2004 年
2 期 青海三江源区净初级生产力模拟 DOI: 10.3773/j.issn.1005-264x.2009.02.003 269
batan-Platuae in recent decades. Science in China Se-
ries D: Earth Sciences (中国科学D辑 : 地球科学),
31(Suppl.), 327-334. (in Chinese)
Zhu WQ (朱文泉), Pan YZ (潘耀忠), Yang XQ (阳小琼),
Song GB (宋国宝) (2007). Influence analysis of cli-
mate change on the net primary production of the ter-
restrial vegetation in China. Chinese Science Bulletin
(科学通报), 52, 2535-2541. (in Chinese)

责任编委: 倪 健 责任编辑: 姜联合


附录1