全 文 ：植物生态学报 2016, 40 (1): 1–12 doi: 10.17521/cjpe.2015.0253
Chinese Journal of Plant Ecology http://www.plant-ecology.com
——————————————————
收稿日期Received: 2015-07-03 接受日期Accepted: 2015-10-23
* 通信作者Author for correspondence (E-mail: lizy@caf.ac.cn)
黑河上游植被总初级生产力遥感估算及其对气候
变化的响应
闫 敏 李增元* 田 昕 陈尔学 谷成燕
中国林业科学研究院资源信息研究所, 北京 100091
摘 要 定量描述植被总初级生产力(GPP)对于全球碳循环和全球气候变化研究具有重要意义。针对MODIS MOD_17 GPP
(MOD_17)产品在通量站点低估的现象, 通过3个实验依次改进了模型输入参数(气象数据和吸收的光合有效辐射吸收比例
(fPAR))和模型本身的参数(最大光能利用率), 分析了各个参数对模拟结果的不确定性影响, 结果表明各参数对模拟结果都有
不同程度的影响。在阿柔草地站, 最大光能利用率的重新标定对结果影响最大, GPP估算结果的提高最为明显; 在关滩森林站
利用广义神经网络算法得到的GLASS fPAR代替原始MODIS fPAR产品, 比其他参数的改进效果更明显, GPP的值更接近涡动
通量观测值。利用改进的MOD_17模型重新估算了黑河上游2001–2012年间植被GPP, 通过趋势分析得出该研究时段内GPP
以9.58 g C·m–2·a–1的平均速率呈上升趋势。同时计算了气候因子(温度、降水和饱和水汽压差(VPD))与时间序列GPP的偏相关
性, 分析了植被GPP对气候变化的响应情况, 2001–2012年平均温度和VPD与年GPP大部分区域呈正相关, 体现了温度和VPD
对植被生长的促进作用; 2001–2012年的降水量与年GPP无明显相关, 且大部分区域呈负相关。
关键词 植被总初级生产力; MOD_17模型; 趋势分析; 气候因子; 偏相关分析
引用格式: 闫敏, 李增元, 田昕, 陈尔学, 谷成燕 (2016). 黑河上游植被总初级生产力遥感估算及其对气候变化的响应. 植物生态学报, 40, 1–12. doi:
10.17521/cjpe.2015.0253
Remote sensing estimation of gross primary productivity and its response to climate change in
the upstream of Heihe River Basin
YAN Min, LI Zeng-Yuan*, TIAN Xin, CHEN Er-Xue, and GU Cheng-Yan
Institute of Forest Resource Information Techniques, Chinese Academy of Forestry, Beijing 100091, China
Abstract
Aims Quantifying the gross primary productivity (GPP) of vegetation is of primary interest in studies of global
carbon cycle. This study aims to optimize the MODIS GPP model for specific environments of a fragile
waterhead ecosystem, by performing simulations of long-term (from 2001 to 2012) GPP with optimized MOD_17
model, and to analyze the response of GPP to the local climatic variations.
Methods The original MODIS GPP products that underestimate GPP were validated against two years
(2010–2011) of eddy covariance (EC) data at two sites (i.e. an alpine pasture site and a forest site, respectively) in
the upstream of Heihe River Basin. Three comparative experiments were then conducted to analyze the effects of
input parameters derived from three sources (i.e. meteorological, biome-specific, and fraction of absorbed
photosynthetically active radiation (fPAR) parameters) on the model behavior. After refining the model-driven
parameters, long-term GPPs of the study area were estimated using the optimized MOD_17 model, and the Least
Absolute Deviation method was applied to analyze the partial correlations between interannual GPPs and climatic
variables (temperature, precipitation and vapor pressure deficit (VPD)).
Important findings The uncertainties in the original MODIS GPP products are attributable to biome-specific
parameters, input data (e.g. meteorological and radiometry data) and vegetation maps. At the pasture site, the light
use efficiency had the strongest impact on the GPP simulations. The refined fPAR calculated from the leaf area
index (LAI) products of Global Land Surface Satellite (GLASS) greatly improved the GPP estimates, especially at
the forest site. The GPPs from the optimized MOD_17 model well matched the EC data (R2 = 0.90, root mean
squared error (RMSE) = 1.114 g C·m–2·d–1 at the alpine pasture site; R2 = 0.91, RMSE = 0.649 g C·m–2·d–1 at the
©?????? Chinese Journal of Plant Ecology
2 植物生态学报 Chinese Journal of Plant Ecology 2016, 40 (1): 1–12

www.plant-ecology.com
forest site). The time series of GPPs displayed an up trend at an average rate of 9.58 g C·m–2·a–1 from 2001 to
2012. Examination of the partial correlations between interannual GPPs and climatic variables showed that the
annual mean temperature and VPD generally had significant positive impacts on GPP, and the annual precipitation
had a negative impact on GPP.
Key words gross primary productivity; MOD_17 model; trend analysis; climatic factors; partial correlation
analysis
Citation: Yan M, Li ZY, Tian X, Chen EX, Gu CY (2016). Remote sensing estimation of gross primary productivity and its re-
sponse to climate change in the upstream of Heihe River Basin. Chinese Journal of Plant Ecology, 40, 1–12. doi: 10.17521/cjpe.
2015.0253
植被储存的碳是陆地生态系统碳库的重要组成
部分, 植被碳主要储存在森林、草地和农田中, 占陆
地生态系统碳库的27.2% (王旭峰, 2012)。植被碳循
环就是植被与大气间碳交换的过程, 该过程由于受
到气候变化、CO2浓度变化和人类活动引起的土地
利用变化等方面的影响(周广胜等, 2002; 龙慧灵等,
2010; Dury et al., 2011; Dai et al., 2014), 存在极大
的不确定性。植被总初级生产力(GPP)反映的是植
被所固定的碳的总量, 是碳循环的重要评价指标
(Beer et al., 2010; Piao et al., 2011), 因此定量化植
被GPP对于碳循环的模拟具有重要意义。
MODIS MOD_17 GPP (MOD_17)模型是目前
应用广泛的基于遥感的光能利用率模型, 它利用
MODIS数据进行空间分辨率为1 km的全球陆地生
态系统GPP估算(Running et al., 1999; Heinsch et al.,
2003)。该模型产品已经过北美、欧洲和我国通量网
多个站点的验证(Plummer, 2006; Yang et al., 2007;
Coops et al., 2009)。我国通量站点的验证结果表明
原始MODIS GPP产品在森林、草地和农田站点均存
在估算不准确的现象, 产品有很大的不确定性。
Zhang等(2008)在海北高寒草甸站和禹城农田站利
用通量观测数据验证了MODIS GPP产品在这两个
站点的精度, 结果表明原始MODIS GPP产品存在
明显的低估现象。Wang等(2013)收集了我国北方10
个通量站(包括森林、草地和农田站)生长季的观测
资料, 对MODIS GPP产品做了进一步的验证, 发现
原始MODIS GPP产品在所有研究站点都明显低于
通量观测数据。
植被GPP具有明显的空间和时间变化特征, 气
候因子是植被生长最直接的影响因素(Nemani et al.,
2003)。黑河流域植被大部分分布于上游祁连山地区,
祁连山冰雪融水是整个黑河流域农田以及人类用水
的重要来源, 在水土保持、涵养水源和生物多样性
保护等方面具有重要作用。黑河上游是典型的寒区
和旱区, 植被生态脆弱, 高山地区水资源、生态系统
受气候变化和人类活动的扰动, 干旱少雨的气候加
之人类活动对流域水资源的过度利用, 使得上游森
林和草地等主要植被生态系统十分不稳定(卢玲等,
2005)。因此, 借助遥感手段进行植被GPP时空变化
的驱动力分析, 可为保护上游地区生态环境和合理
利用森林及草地等资源提供科学数据, 从而有效地
抑制流域土地荒漠化、河道断流、水资源缩减等问
题的进一步恶化。
目前针对黑河上游植被生产力的研究主要存在
研究时间尺度较短、结果验证不足、对生产力及其
与气候之间关系的研究结果不尽一致等问题。一般
来讲, 寒区植被生产力与温度正相关, 温度的适量
增加有助于植被生长季的延长。陈正华等(2008)通
过分析1998–2002年间植被净初级生产力与气候因
子的相关性证明了这一点。另一方面, 降水的增加
对旱区植被光合作用、生长所需水分都有很大影响,
Lu等(2009)和李旭谱(2013)通过相关分析得出水分
条件是植被生产力的决定性因素, 其影响力远远超
过了温度对植被生产力的影响。总体来看, 植被生
产力与驱动力因子之间有着复杂的关系。
因此, 本文针对原始MODIS GPP产品在我国
生态脆弱地区存在较大不确定性的现象, 利用2010
和2011年获取的黑河上游祁连山阿柔草地站和关滩
森林站涡动(eddy covariance)通量观测数据, 针对原
始产品低估的现象进行了分析, 对模型参数进行了
改进, 并重新估算了黑河上游2001–2012年时间序
列GPP; 利用偏相关分析法分析了长时间序列植被
GPP的变化趋势及其对气候变化(温度、降水和饱和
水汽压差(VPD)的变化)的响应情况, 可为分析和评
价我国生态脆弱地区的生态环境保护提供科学的参
考依据。
©?????? Chinese Journal of Plant Ecology
闫敏等: 黑河上游植被总初级生产力遥感估算及其对气候变化的响应 3

doi: 10.17521/cjpe.2015.0253
1 研究区和数据概况
1.1 研究区
黑河是我国西北地区第二大内陆河, 发源于祁
连山北麓中段。黑河流域地貌丰富, 地形复杂多变,
从南到北依次为黑河上游祁连山、中游河西走廊和
下游阿拉善高原。黑河上游位于青藏高原北缘的祁
连山地, 是黑河流域的发源地和产流区。上游属于
温带大陆性气候, 受青藏高原气候影响, 冬季寒冷
干燥, 全年内降水基本发生在夏季, 年降水量为
350–495 mm, 年平均气温为3.1–3.6 (℃ 潘小多，
2012)。祁连山地区海拔1 500–6 000 m, 主要植被类
型为森林、灌木和高寒草甸。森林主要由青海云杉
(Picea crassifolia)组成, 极少数区域混杂着祁连圆
柏 (Juniperus przewalskii), 森林主要分布在海拔
2 500–3 300 m的阴坡。近年来, 由于对水资源和森
林的过度开发, 大量放牧, 导致了流域生态环境日
趋恶化, 草原和森林大面积萎缩(郭云等, 2015)。图1
所示为黑河上游位置及植被分类图, 分类图是在参
考冉有华制作的黑河植被类型图(Ran et al., 2012)
以及Landsat-7 TM 影像的基础上利用分类规则集
算法得到的, 并经过2014年森林样地数据的验证,
森林类别分类精度为98%。
1.2 数据概况
1.2.1 站点气象数据
文中用于改进MOD_17模型的站点气象数据来
自阿柔站和关滩站, 这两个站点为2008年黑河综合
遥感联合实验(WATER)建立的自动气象观测站(李
新等, 2008)。阿柔站位于黑河上游支流八宝河南侧
的河谷高地上, 试验场周围相对平坦开阔, 站点地
理坐标为100.45° E、38.03° N, 海拔为3 033 m, 下垫
面为高寒草甸。关滩站位于黑河上游, 站点地理坐
标为100.25° E、38.53° N, 海拔为2 835.2 m, 下垫面
为青海云杉林。文中所有站点气象数据为8天的日最
低温(Tmin)、VPD和光合有效辐射(PAR), 其中Tmin和
VPD均为 8天的平均值 , PAR为 8天的累加值 ,
2010–2011年站点8天的气象数据季节变化情况如图
2和图3所示。
1.2.2 黑河上游气象驱动数据
利用基于遥感的光能利用率模型重新估算黑河
上游植被生产力, 需要有流域网格的时间序列Tmin、
VPD以及PAR数据, 因此, 文中采用潘小多(2012)基
于中国气象局15个站点(额济纳旗、酒泉、张掖、祁
连、马鬃山、拐子湖、玉门镇、金塔、高台、阿拉



图1 黑河上游位置及植被分类图。
Fig. 1 The location and vegetation classification map of the upstream of Heihe River Basin.
©?????? Chinese Journal of Plant Ecology
4 植物生态学报 Chinese Journal of Plant Ecology 2016, 40 (1): 1–12

www.plant-ecology.com


图2 阿柔站8天最低温度(Tmin)、光合有效辐射(PAR)和饱水汽压差(VPD)的季节变化。
Fig. 2 Seasonal variations of the 8-day minimum temperature (Tmin), photosynthetically active radiation (PAR), and vapor pressure
deficit (VPD) at the Arou station.




图3 关滩站8天最低温度(Tmin)、光合有效辐射(PAR)和饱水汽压差(VPD)的季节变化。
Fig. 3 Seasonal variations of the 8-day minimum temperature (Tmin), photosynthetically active radiation (PAR), and vapor pressure
deficit (VPD) at the Guantan Station.


善右旗、托勒、野牛沟、山丹、永昌、刚察)以及
WATER项目7个加密观测站(阿柔观测站、冰沟寒区
水文气象观测站、大冬树山垭口观测站、大野口关
滩森林站、花寨子站、大野口马莲滩草地站、盈科
灌区绿洲站)的数据借助气象研究与预测(WRF)模
式获得黑河流域1 km的气象驱动数据。
1.2.3 通量观测数据
本文基于阿柔站和关滩站2010–2011年的碳通
量数据, 验证及改进MOD_17模型。这两个站点的
涡动观测系统由三维声波风速计、CO2和H2O气体分
析仪、热流板、四分量辐射计、温度和相对湿度探
头、风速传感器和数据记录仪组成, 数据采样频率
为10 Hz, 利用EdiRe软件处理成30 min的通量数据,
具体处理过程包括野点剔除、坐标系旋转、频率响
应订正等(Wang et al., 2014)。
涡动相关观测可直接得到生态系统与外界的净
交换量(NEE), 进而从NEE中分解出GPP和生态系
统呼吸量(ER)。植被在夜间不进行光合作用, 因此
把夜间NEE看作生态系统呼吸量, 研究认为呼吸强
度与温度之间存在指数函数的关系 , 文中采用
Vant’s Hoff呼吸方程:
NEEnight = Rref,10 × Q10(T–10) /10 (1)
Rref,10是10 ℃时的呼吸速率, Q10是呼吸随温度的变
化速率, T是实测的10 cm土壤温度。在假定白天温
度对生态系统呼吸ER的响应与夜晚相同的条件下,
可以根据公式(1)推算白天生态系统的呼吸量, 进而
得到站点的GPP值(Desai et al., 2008):
GPP = NEE + ER (2)
1.2.4 遥感数据
文中采用的遥感数据主要有原始MODIS fPAR
(moderate-resolution imaging spectroradiometer, frac-
tion of absorbed photosynthetically active radiation)
(MOD15A2产品)和MODIS GPP (MOD17A2产品)
(http://ladsweb.nascom.nasa.gov)。为对比分析MOD_
17模型改进前后的结果, 文中将全球陆表特征参量
(Global Land Surface Satellite, GLASS)空间分辨率为
©?????? Chinese Journal of Plant Ecology
闫敏等: 黑河上游植被总初级生产力遥感估算及其对气候变化的响应 5

doi: 10.17521/cjpe.2015.0253
1 km、8天合成的叶面积指数(LAI)产品(http://glass-
product.bnu.edu.cn/)用于改进的MOD_17模型估算
植被GPP (Xiao et al., 2014)。
2 研究方法
2.1 MOD_17模型
基于MOD_17模型, 美国国家航空和宇宙航行
局(NASA)推出了空间分辨率为1 km的MODIS GPP
模型, 该模型是基于遥感的光能利用率模型, 主要
驱动数据为模型生物物理参数(最大光能利用率,
εmax)、气象数据(Tmin、VPD和PAR)以及光合有效辐
射吸收比例(fPAR), 模型表达式为:
GPP = εmax × f (Tmin) × f (VPD) × APAR
APAR = PAR × FPAR (3)
其中εmax为查找表中获得的最大光能利用率, 该参
数并不是固定值, 而是随着植被类型的改变而发生
变化(Coops et al., 2009), 这些变化的产生主要是由
植被生理生态结构以及生长环境不同引起的; Tmin
是最小温度, VPD是饱和水汽压差。
MODIS GPP原始产品采用的PAR为入射短波
辐射的常数倍(0.45), fPAR为MOD15A2产品, PAR、
Tmin和VPD由NASA全球陆面数据同化组织(DAO,
http://polar.gsfc.nasa.gov/index.php)提供, 空间分辨
率为1 km, f (Tmin)和f (VPD)的表达式如下:

Tminmax、Tminmin、VPDmax、VPDmin是与植被类型
有关的参数 , 可以从查找表中获得相应的值。
MODIS GPP (MOD17A2)产品中用到的植被类型图
为根据马里兰大学分类标准输出的全球植被类型图,
MOD_17模型中的查找表见表1 (Running et al.,
2000)。
为分析MOD_17模型中各输入参数对模拟结果
影响的大小, 文中进行了3个对比实验。GPP_MOD1:
采用站点气象数据(Tmin、VPD和PAR)和其他默认参
数(εmax、Tminmax、Tminmin、VPDmax、VPDmin和fPAR)进
行站点GPP的估算; GPP_MOD2: 采用站点观测的
气象数据和由站点通量观测数据与APAR计算得到
的εmax估算站点GPP, 其他参数采用默认值; GPP_
MOD3: 考虑到MODIS fPAR产品中的异常值会对
GPP的估算造成影响, 因此在GPP_MOD1和GPP_
MOD2改进的参数基础上, 采用GLASS LAI计算得
到的fPAR估算站点的GPP。
根据站点生长季(4–9月)涡动通量观测的GPP
与站点APAR的比值计算得到各植被类型的最大光
能利用率, 草地和森林分别为1.05 g C·(MJ·APAR)–1、
1.13 g C·(MJ·APAR)–1, 查找表中草地和森林默认值
分别为0.68 g C·(MJ·APAR)–1、1.008 g C·(MJ·
APAR)–1。GLASS LAI 产品经广义神经网络算法处
理减少了噪声的影响(Xiao et al., 2014), fPAR产品根
据公式(6)由GLASS LAI (Jarvis & Leverenz, 1983)计
算得到:
fPAR = 1 – (e(–K × LAI)) (6)
其中K为消光系数, 草地和森林的值均设为0.5, 同
原始MODIS GPP算法和Biome-BGC模型中的设置
(Running et al., 2000)保持一致。图4为MODIS fPAR
与计算得到的GLASS fPAR季节变化对比图, 相比原
始的fPAR, GLASS产品波动性较小, 年内变化曲线
比较平滑, 去除了大部分噪声的影响。
2.2 GPP时间序列分析及其对气候变化的响应
在研究植被生长或气候变化特征时, 通常采用
线性回归模型的斜率表征植被在一段时期的变化趋
势。文中采用一元线性回归模型对植被GPP时间序
列进行拟合:
y a bx ε= + + (7)
式中 y表示植被生长状况的因变量(如GPP), x为
自变量表示时间, 斜率b为线性回归方程对植被变
化的量化指标, a和ε 分别表示线性回归方程的截
距和误差。文中利用最小一乘法(least absolute de-
viation, LAD)确定回归模型的参数, 最小一乘法计
算回归模型参数的准则为观测值与拟合值的绝对偏
差值之和最小, 如下式所示:

©?????? Chinese Journal of Plant Ecology
6 植物生态学报 Chinese Journal of Plant Ecology 2016, 40 (1): 1–12

www.plant-ecology.com
表1 MOD_17模型查找表
Table 1 The lookup table of MOD_17 model
植被类型
Vegetation type
最大光能利用率
Maximum light
use efficiency
(g·(MJ·APAR)–1)
最低温度最小值
Lowest minimum
temperature,
Tminmin (℃)
最低温度最大值
Highest minimum
temperature,
Tminmax (℃)
饱和水汽压差最大值
Maximum vapor
pressure deficit
(VPDmax) (Pa)
饱和水汽压差最小值
Minimum vapor
pressure deficit
(VPDmin) (Pa)
常绿针叶林
Evergreen needle-leaved forest
1.008 –8 8.31 2 500 650
常绿阔叶林
Evergreen broad-leaved forest
1.159 –8 9.09 3 900 1 100
落叶针叶林
Deciduous needle-leaved forest
1.103 –8 10.44 3 100 650
落叶阔叶林
Deciduous broad-leaved forest
1.044 –8 7.94 2 500 650
混交林 Mixed forest 1.116 –8 8.50 2 500 650
多树草原 Grassy woodland 0.800 –8 11.39 3 100 930
稀树草原 Savanna 0.768 –8 11.39 3 100 650
郁闭灌丛 Closed shrubland 0.888 –8 8.61 3 100 650
开放灌丛 Open shrubland 0.774 –8 8.80 3 600 650
草原 Grassland 0.680 –8 12.02 3 500 650
农田 Cropland 0.680 –8 12.02 4 100 650




图4 阿柔(A)和关滩站(B)中分辨率成像光谱仪吸收的光合有效辐射吸收比例(fPAR)和全球陆表参量吸收的光合有效辐射吸
收比例产品对比图。MOD_fPAR, 中分辨率成像光谱仪光合有效辐射吸收比例; GLASS_ fPAR, 全球陆表参量光合有效辐射吸
收比例。
Fig. 4 Comparisons between the moderate-resolution imaging spectroradiometer fraction of absorbed photosynthetically active
radiation (MOD_fPAR) and the Global Land Surface Satellite fraction of absorbed photosynthetically active radiation (GLASS_ fPAR)
at the Arou Station (A) and the Guantan Station (B).


最小一乘法在拟合过程中能将异常值对模型参
数的影响最小化(Birkes & Dodge, 1993), 对于误差
分布不对称或重尾的对称误差分布数据, 最小一乘
法的回归效果较好。
为研究植被GPP对单一气候因子的响应作用,
文中采用基于像元的空间分析法进行植被GPP与温
度、降水和VPD的偏相关分析, 偏相关系数计算公
式如下:
12,3 14,3 24,3
12,34 2 2
14,3 24,3(1 )(1 )
R R R
R
R R
−
=
− −
(9)
式中R12,34为固定3、4变量情况下, 1和2两个变量的
偏相关系数,
1,2 1,3 2,3
12,3 2 2
1,3 2,3(1 )(1 )
R R R
R
R R
−
=
− −
, R14,3和R24,3
的计算与R12,3的计算相同, R1,2、R1,3、R2,3为1和2变
量、1和3变量、2和3变量之间的简单线性相关系数。
偏相关系数与简单相关系数相比, 更能反映两变量
间的关系。
3 结果和分析
3.1 站点GPP估算结果
原始的MODIS GPP产品是利用全球陆面同化
©?????? Chinese Journal of Plant Ecology
闫敏等: 黑河上游植被总初级生产力遥感估算及其对气候变化的响应 7

doi: 10.17521/cjpe.2015.0253
系统获得的气象数据和MODIS fPAR产品计算所得,
经阿柔和关滩站点涡动通量数据验证, 表明MODIS
GPP原始产品在黑河上游的草地和森林站点均存在
低估现象, 结果用多元线性回归系数R2和均方根误
差(root mean squared error, RMSE)表示(如图5所示,
草地: R2 = 0.75, RMSE = 2.708 g C·m–2·d–1; 森林: R2
= 0.47, RMSE = 2.534 g C·m–2·d–1)。
GPP_MOD1实验中, 采用了站点实测的气象数
据后, 两个站点的GPP估测值较原始产品精度有所
提高 :阿柔站R2提高至0.87, RMSE提高至2.277 g
C·m–2·d–1; 关滩站 R2提高至 0.68, RMSE提高至
1.731 g C·m–2·d–1。GPP_MOD2实验中, 将利用站点
观测数据重新标定的最大光能利用率代入模型后,
GPP的值较GPP_MOD1有较大提高, 阿柔站R2提高
至0.88, RMSE提高至1.154 g C·m–2·d–1; 关滩站R2提
高至0.73, RMSE提高至1.384 g C·m–2·d–1, 重新标定
后的森林站最大光能利用率与模型查找表中的值差
异较小, 因此, MOD2实验中森林站的改进较小。
GPP_MOD3的实验是为了减小MODIS fPAR产品中
可能存在的噪声误差, 会对GPP估算结果产生影
响。实验结果表明, 采用GLASS LAI计算fPAR产品后,
估算的GPP更接近通量观测值。关滩森林站的改进
尤为明显 , R2提高至0.91, RMSE提高至0.649 g
C·m–2·d–1; 而阿柔站的R2和RMSE稍有提高, 分别提
高至0.90和1.024 g C·m–2·d–1。原始MODIS产品以及
文中3个实验结果的GPP季节变化总体趋势与涡动
通量观测较为一致, 但存在严重的整体低估现象,
通过改进模型驱动参数, 可显著提高模型精度。
综上得出, MOD_17模型的误差源主要存在于
气象驱动数据、最大光能利用率和fPAR产品。气象
驱动数据: 原始产品利用NASA数据同化组织利用
全球气象站点3 h的气象数据基于全球环流模型
(global circulation model, GCM)制备的分辨率为
1° × 1°的气象驱动数据, 1° × 1°的像元代表地面约



图5 阿柔站(A、C)和关滩站(B、D)原始中分辨率成像光谱仪总初级生产力(GPP)产品以及改进后结果对比图。GPP_Default,
原始中分辨率成像光谱仪总初级生产力产品; GPP_MOD1、GPP_MOD2、GPP_MOD3分别为文中介绍的3个对比实验。
Fig. 5 Comparisons of original and optimized gross primary productivity products at the Arou Station (A, C) and the Guantan
Station (B, D). GPP_EC, eddy covariance measurements; GPP_Default, original MODIS GPP products; GPP_MOD1, GPP_MOD2,
and GPP_MOD3 are the three comparative experiments described in the study.

©?????? Chinese Journal of Plant Ecology
8 植物生态学报 Chinese Journal of Plant Ecology 2016, 40 (1): 1–12

www.plant-ecology.com
100 km × 100 km的范围, 为与MOD_17对应, 原始
粗分辨率产品插值到1 km存在误差, 利用观测得到
的站点气象数据驱动模型时, 站点GPP结果得到一
定改善。最大光能利用率: 它是光能利用率模型的
重要参数, 利用标定后的参数重新计算GPP, 阿柔站
的结果改进十分明显, 关滩站的GPP估算结果也有
所提高。fPAR产品: 由于原始MODIS fPAR产品受到
噪声干扰, 对GPP的估算造成一定影响, 利用GLASS
fPAR重新估算的GPP在森林站点有较大提高。
3.2 黑河上游GPP空间分布及变化趋势分析
通过MOD_17模型在站点的改进及验证, 利用
黑河上游1 km的气象驱动数据和流域植被类型图,
本研究针对黑河上游草地和森林进行了GPP的重新
估算。图6所示为利用改进的MOD_17模型得到的
2001–2012年黑河上游区域GPP的平均值, 由图6A
中可以看出GPP的平均取值范围为0–1 213.11 g
C·m–2·a–1,平均值为235.19 g C·m–2·a–1, 整体分布呈
现出东南高、西北低的特点, 西北地区主要为戈壁
和少量高寒草甸, 森林和大部分草甸主要分布在中
部和东南部。由GPP的变化趋势图(图6B)可以看出,
2001–2012年间GPP以9.58 g C·m–2·a–1的平均速率呈
上升趋势, 其中只有8.2%的植被GPP呈下降趋势,
下降区域的植被类型主要为高寒草甸。
为研究气候变化对黑河流域上游GPP时空变化
的影响, 文中分析了2001–2012年间主要气候因子
(年平均温度、年降水量和年平均VPD)的变化趋势。
由图7可以得出, 2001–2012年间温度、降水和VPD
表现出明显的空间异质性。温度整体表现为升高的
趋势, 平均增幅为0.054 °C·a–1, 温度降低的区域主
要集中在西北部的高山地区 , 仅占黑河上游的
13.7%, 升高的趋势分布在黑河上游大部分地区。黑
河上游降水以2.73 mm·a–1的平均速率表现出减少的
趋势, 整个区域降水量无明显增加趋势。VPD的变
化趋势以上升为主, 平均变化速率为1.109 Pa·a–1。
结合Lu等(2009)分析的1987–2002年黑河上游气候
变化情况, 得出黑河上游总体气候变化状况趋于暖
干化。
3.3 植被GPP对气候变化的响应
黑河上游2001–2012年间植被GPP与温度和降
水的偏相关性分析的结果如图8所示, 温度总体为
升高趋势, 与植被GPP之间具有很强的正相关, 影
响显著的区域约占整体植被区域的3.1%, 但以西北
高山为代表的地区, 温度的降低趋势并没有造成植
被GPP的明显下降, 所以偏相关分析表现为负相
关。降水与植被GPP大部分为微弱的负相关, 只有
少数高寒草甸地区为正相关, 影响显著的区域约占
整体植被区域的1.7%, 由此说明降水对植被(尤其
是森林) GPP的影响并不显著, 这与陈正华等(2008)
分析得出黑河上游NPP与降水相关性很小的结论类
似。该结论与黑河上游典型的生态环境有关, 金博
文(2007)的相关实验表明黑河上游祁连山区降水形
态虽以降雨为主, 但冬季降雪受到相对高海拔地带
低气温和森林等的影响将在地面积存, 春季气温回
升后地面部分积雪将融化补给植被以及河川径流。



图6 2001–2012年平均总初级生产力(GPP, g C·m–2·a–1)空间分布(A)和总初级生产力变化趋势(B)。
Fig. 6 Maps of the spatial distribution of annual mean gross primary productivity (GPP, g C·m–2·a–1) (A) and the trend of changes
(B) between 2001 and 2012.

©?????? Chinese Journal of Plant Ecology
闫敏等: 黑河上游植被总初级生产力遥感估算及其对气候变化的响应 9

doi: 10.17521/cjpe.2015.0253



图8 2001–2012年黑河上游总初级生产力与气候因子偏相关性分析结果图。
Fig. 8 The maps of partial correlations between gross primary productivity and climatic factors in the upstream of Heihe River
Basin between 2001 and 2012.


VPD与植被GPP大部分区域呈正相关, 偏相关系数
主要集中在0–0.5范围内, VPD影响着植被气孔的闭
合, VPD的增大能促进植被气孔张开, 有利于植被
吸收水分进行光合作用, 但VPD超过一定阈值时会
对植被的生长起抑制作用。
4 结论和讨论
本文基于阿柔和关滩站点的涡动通量观测数据,
验证了黑河上游2010–2011年原始MODIS GPP产
品。通过对模型参数的改进, 在重新估算黑河上游
2001–2012年时间序列GPP的基础上, 揭示了12年
植被GPP的变化趋势, 分析了植被GPP对气候变化
的响应机制。
(1) MODIS GPP原始产品在黑河上游主要植被
类型站点均存在低估现象。本文通过3个对比实验分
析得知模型估测偏差主要存在于模型本身的参数以

图7 黑河上游2001–2012年温度、降水量和饱和水汽
压差的变化趋势。
Fig. 7 The trend of changes in temperature, precipita-
tion and vapor pressure deficit between 2001 and 2012.

©?????? Chinese Journal of Plant Ecology
10 植物生态学报 Chinese Journal of Plant Ecology 2016, 40 (1): 1–12

www.plant-ecology.com
及模型输入参数, 这与Wang等(2013)在黑河流域站
点得出的结论一致。与以往研究不同的是, 本文采
用广义神经网络算法得到的LAI重新计算fPAR, 比
现有研究中采用滤波算法解决fPAR产品噪声的问
题更有效, 最终GPP的估测结果更接近涡动站点的
观测值。
(2) MODIS GPP产品的改进可以通过3个方面
实现: 第一, 充分利用已有通量组网的通量观测数
据来校正模型参数; 第二, 对fPAR数据的改进可以
利用已有的高质量产品, 减小数据噪声对GPP估算
的影响; 第三, 采用更加精细的植被类型图, 因为
不同树种、不同草地类型以及不同农田的参数差异
都很大。
(3)涡动观测站点与遥感影像空间尺度的不匹
配给模型模拟结果带来一定的不确定性, 涡动观测
的通量数据代表的是不规则源区内的通量, 而基于
遥感的光能利用率模型估算植被生产力都是基于规
则像元。可通过估算得到涡动观测的有效源区, 利
用高分辨率遥感数据分别计算源区内每个像元的碳
通量值, 进行相关运算, 得到与涡动相关在空间尺
度上相匹配的通量值。
(4)利用改进的MOD_17模型估算了黑河上游时
间序列植被GPP, 2001–2012年间GPP以 9.58 g
C·m–2·a–1的平均速率呈上升趋势。由偏相关分析结
果得出平均GPP与年平均温度和平均VPD相关关系
显著, 大部分区域为正相关; 而与年降水量的关系
并不显著, 大部分区域表现为负相关, 说明暖干化
的气候变化趋势并未对GPP造成明显的负影响, 气
温的升高会导致祁连山冰雪融化加快, 也为植被的
生长提供了必需的水分, 使得植被生长季延长, 固
碳能力加强。
综合MODIS GPP产品的现有研究, 发现其在
许多地区的站点都存在低估的现象 , 如Turner等
(2006b)、Coops等(2007)的研究都验证了这一结论。
本文选择生态环境敏感脆弱的寒旱区的不同植被类
型站点为研究对象, 对原始MODIS GPP产品进行
了改进, 详细描述了时间序列植被GPP的变化趋势
及其与主要气候因子(年平均温度、年降水量和VPD)
的关系, 对于寒区和旱区天然林、草场保护具有重
要意义。
基金项目 国家重点基础研究发展计划“973计划”
(2013CB733404)和中央级公益性科研院所基金
(IFRIT201302)。
致谢 感谢寒区旱区科学数据中心提供气象数据、
北京师范大学提供全球陆表参量LAI等产品。
参考文献
Beer C, Reichstein M, Tomelleri E, Ciais P, Jung M, Carvalhais
N, Rödenbeck C, Arain MA, Baldocchi D, Bonan GB,
Bondeau A, Cescatti A, Lasslop G, Lindroth A, Lomas M,
Luyssaert S, Margolis H, Oleson KW, Roupsard O,
Veenendaal E, Viovy N, Williams C, Lan Woodward F,
Papale D (2010). Terrestrial gross carbon dioxide uptake:
Global distribution and covariation with climate. Science,
329, 834–838.
Birkes D, Dodge Y (1993). Alternative Methods of Regression.
John Wiley & Sons, New York. 228.
Chen ZH, Ma QY, Wang J, Qi Y, Li J, Huang CL, Ma MG,
Yang GJ (2008). Estimation of Heihe Basin net primary
productivity using the CASA model. Journal of Natural
Resources, 23, 263–273. (in Chinese with English ab-
stract) [陈正华, 麻清源, 王建, 祁元, 李净, 黄春林, 马
明国, 杨国靖 (2008). 利用CASA模型估算黑河流域净
第一性生产力. 自然资源学报, 23, 263–273.]
Coops NC, Black TA, Jassal RS, Trofymow JA, Morgenstern K
(2007). Comparison of MODIS, eddy covariance deter-
mined and physiologically modelled gross primary pro-
duction (GPP) in a Douglas-fir forest stand. Remote Sens-
ing of Environment, 107, 385–401.
Coops NC, Ferster CJ, Waring RH, Nightingale J (2009).
Comparison of three models for predicting gross primary
production across and within forested ecoregions in the
contiguous United States. Remote Sensing of Environment,
113, 680–690.
Dai ZH, Birdsey RA, Johnson KD, Dupuy JM, Hernandez-
Stefanoni JL, Richardson K (2014). Modeling carbon
stocks in a secondary tropical dry forest in the Yucatan
Peninsula, Mexico. Water, Air, & Soil Pollution, 225,
1925.
Desai AR, Richardson AD, Moffat AM, Kattge J, Hollinger
DY, Barr A, Falge E, Noormets A, Papale D, Reichstein
M, Stauch VJ (2008). Cross-site evaluation of eddy co-
variance GPP and RE decomposition techniques. Agricul-
tural and Forest Meteorology, 148, 821–838.
Dury M, Hambuckers A, Warnant P, Henrot A, Favre E,
Ouberdous M, François L (2011). Responses of European
forest ecosystems to 21st century climate: Assessing
changes in interannual variability and fire intensity. For-
est-Biogeosciences and Forestry, 4, 82–99.
Guo Y, Li ZY, Chen EX, Tian X, Ling FL (2015). Estimating
forest above-ground biomass in the upper reaches of Heihe
River Basin using multi-spectral remote sensing. Scientia
©?????? Chinese Journal of Plant Ecology
闫敏等: 黑河上游植被总初级生产力遥感估算及其对气候变化的响应 11

doi: 10.17521/cjpe.2015.0253
Silvae Sinicae, 51(1), 140–149. (in Chinese with English
abstract) [郭云, 李增元, 陈尔学, 田昕, 凌飞龙 (2015).
甘肃黑河流域上游森林地上生物量的多光谱遥感估测.
林业科学, 51(1), 140–149.]
Heinsch FA, Reeves M, Votava P, Kang SY, Milesi C, Zhao
MS, Glassy J, Jolly WM, Loehman R, Bowker CF, Kim-
ball JS, Nemani RR, Running SW (2003). GPP and NPP
(MOD17A2/A3) Products, NASA MODIS Land Algorithm.
MOD17 User’s Guide, 1-57. http://research.eeescience.
utoledo.edu/lees/papers_pdf/MOD17UsersGuide.pdf.
Cited: 2003-12-02.
Jarvis PG, Leverenz JW (1983). Productivity of temperate,
deciduous and evergreen forests. In: Lange OL, Nobel PS,
Osmond CB, Ziegler H eds. Physiological Plant Ecology
IV. Springer-Verlag, New York. 233–280.
Jin BW (2007). Measurement and Study on Climatical and
Hydrological Effect and Ecological Function of Water
Conservation Forest in Qilian Mountains. PhD disserta-
tion, Cold and Arid Regions Environment and Engineering
Research Institute, Chinese Academy of Sciences, Beijing.
41–48. (in Chinese with English abstract) [金博文 (2007).
祁连山水源涵养林的气候和水文效应及生态功能试验
研究. 博士学位论文, 中国科学院寒区旱区环境与工程
研究所, 北京. 41–48.]
Li X, Ma MG, Wang J, Liu Q, Che T, Hu ZY, Xiao Q, Liu QH,
Su PX, Chu RZ, Jin R, Wang WZ, Ran YH (2008). Si-
multaneous remote sensing and ground-based experiment
in the Heihe River Basin: Scientific objectives and ex-
periment design. Advances in Earth Science, 23, 897–914.
(in Chinese with English abstract) [李新, 马明国, 王建,
刘强, 车涛, 胡泽勇, 肖青, 柳钦火, 苏培玺, 楚荣忠,
晋锐, 王维真, 冉有华 (2008). 黑河流域遥感—地面观
测同步试验: 科学目标与试验方案. 地球科学进展, 23,
897–914.]
Li XP (2013). The Simulation of NPP Based on Remote Sensing
and Its Temporal-Spatial Analysis Over Heihe River Ba-
sin. Master degree dissertation, Shaanxi Normal Univer-
sity, Xi’an. 46–48. (in Chinese with English abstract) [李
旭谱 (2013). 黑河流域NPP遥感估算及其时空变化特
征分析. 硕士学位论文, 陕西师范大学, 西安. 46–48.]
Long HL, Li XB, Huang LM, Wang H, Wei DD (2010). Net
primary productivity in grassland ecosystem in Inner
Mongolia and its relationship with climate. Chinese Jour-
nal of Plant Ecology, 34, 781–791. (in Chinese with Eng-
lish abstract) [龙慧灵, 李晓兵, 黄玲梅, 王宏, 魏丹丹
(2010). 内蒙古草原生态系统净初级生产力及其与气候
的关系. 植物生态学报, 34, 781–791.]
Lu L, Li X, Veroustraete F (2005). Estimation of net primary
productivity of Heihe River Basin using remote sensing.
Journal of Desert Research, 25, 823–830. (in Chinese with
English abstract) [卢玲, 李新, Veroustraete F (2005). 黑
河流域植被净初级生产力的遥感估算. 中国沙漠, 25,
823–830.]
Lu L, Li X, Veroustraete F, Kang E, Wang J (2009). Analysing
the forcing mechanisms for net primary productivity
changes in the Heihe River Basin, northwest China. Inter-
national Journal of Remote Sensing, 30, 793–816.
Nemani RR, Keeling CD, Hashimoto H, Jolly WM, Piper SC,
Tucker CJ, Myneni RB, Running SW (2003). Climate-
driven increases in global terrestrial net primary produc-
tion from 1982 to 1999. Science, 300, 1560–1563.
Pan XD (2012). Development of High Spatial and Temporal
Resolution Meteorological Forcing Data in the Heihe
River Basin: Model Simulation and Data Assimilation.
PhD dissertation, Cold and Arid Regions Environment and
Engineering Research Institute, Chinese Academy of Sci-
ences, Lanzhou. 2–8. (in Chinese with English abstract)
[潘小多 (2012). 黑河流域高分辨率大气驱动数据的制
备: 模拟与数据同化. 博士学位论文, 中国科学院寒区
旱区环境与工程研究所, 兰州. 2–8.]
Piao SL, Wang XH, Ciais P, Zhu B, Wang T, Liu J (2011).
Changes in satellite-derived vegetation growth trend in
temperate and boreal Eurasia from 1982 to 2006. Global
Change Biology, 17, 3228–3239.
Plummer S (2006). On validation of the MODIS gross primary
production product. IEEE Transactions on Geoscience and
Remote Sensing, 44, 1936–1938.
Ran YH, Li X, Lu L, Li ZY (2012). Large-scale land cover
mapping with the integration of multi-source information
based on the Dempster-Shafer theory. International Jour-
nal of Geographical Information Science, 26, 169–191.
doi: 10.1080/13658816.2011.577745.
Running SW, Nemani R, Glassy JM, Thornton PE (1999).
MODIS Daily Photosynthesis (PSN) and Annual Net Pri-
mary Production (NPP) Product (MOD17), Algorithm
Theoretical Basis Document. Version 3.0. University of
Montana, SCF At-Launch algorithm ATBD Document.
http://MODIS.gsfc.nasa.gov/data/atbd/atbd_mod16.pdf.
Cited: 2015-07-03.
Running SW, Thornton PE, Nemani R, Glassy J (2000). Global
terrestrial gross and net primary productivity from the
earth observing system. In: Sala OE, Jackson RB, Mooney
H eds. Methods in Ecosystem Science. Springer-Verlag,
New York. 44–57.
Turner DP, Ritts WD, Cohen WB, Gower ST, Running SW,
Zhao MS, Costa MH, Kirschbaum AA, Ham JM, Saleska
SR, Ahl DE (2006b). Evaluation of MODIS NPP and GPP
products across multiple biomes. Remote Sensing of Envi-
ronment, 102, 282–292.
Wang XF (2012). Terrestrial Ecosystem Productivity Simula-
tion over Heihe River Basin. PhD dissertation, Cold and
Arid Regions Environment and Engineering Research In-
stitute, Chinese Academy of Sciences, Beijing. 2–8. (in
©?????? Chinese Journal of Plant Ecology
12 植物生态学报 Chinese Journal of Plant Ecology 2016, 40 (1): 1–12

www.plant-ecology.com
Chinese with English abstract) [王旭峰 (2012). 黑河流
域陆地生态系统生产力模拟研究. 博士学位论文, 中国
科学院寒区旱区环境与工程研究所, 北京. 2–8.]
Wang XF, Ma MG, Li X, Song Y, Tan JL, Huang GH, Zhang
ZH, Zhao TB, Feng JM, Ma ZG, Wei W, Bai YF (2013).
Validation of MODIS-GPP product at 10 flux sites in
northern China. International Journal of Remote Sensing,
34, 587–599.
Wang XF, Ma MG, Song Y, Tan JL, Wang HB (2014). Cou-
pling of a biogeochemical model with a simultaneous heat
and water model and its evaluation at an alpine meadow
site. Environmental Earth Sciences, 72, 4085–4096.
Xiao ZQ, Liang SL, Wang JD, Chen P, Yin XJ, Zhang LQ,
Song JL (2014). Use of general regression neural networks
for generating the GLASS Leaf Area Index Product from
time-series MODIS surface reflectance. IEEE Transac-
tions on Geoscience and Remote Sensing, 52, 209–223.
Yang FH, Lchii K, White MA, Hashimoto H, Michaelis AR,
Votava P, Zhu AX, Huete A, Running SW, Nemani RR
(2007). Developing a continental-scale measure of gross
primary production by combining MODIS and AmeriFlux
data through support vector machine approach. Remote
Sensing of Environment, 110, 109–122.
Zhang YQ, Yu Q, Jiang J, Tang YH (2008). Calibration of
Terra/MODIS gross primary production over an irrigated
cropland on the North China Plain and an alpine meadow
on the Tibetan Plateau. Global Change Biology, 14,
757–767.
Zhou GS, Wang YH, Jiang YL, Yang LM (2002). Conversion
of terrestrial ecosystems and carbon cycling. Acta Phy-
toecologica Sinica, 26, 250–254. (in Chinese with English
abstract) [周广胜, 王玉辉, 蒋延玲, 杨利民 (2002). 陆
地生态系统类型转变与碳循环 . 植物生态学报 , 26,
250–254.]

责任编委: 张扬建 责任编辑: 王 葳







©?????? Chinese Journal of Plant Ecology