全 文 ：基于耦合模型的干旱区植被净初级生产力估算
杨会巾１　 李小玉１∗　 刘丽娟１　 马金龙１　 王　 进２
（ １中国科学院新疆生态与地理研究所， 乌鲁木齐 ８３００１１； ２乌兰乌苏农业气象试验站， 新疆石河子 ８３２００３）
摘　 要　 净初级生产力是陆地生态系统物质与能量运转研究的基础， 在干旱区生态环境演
变及其与气候相互作用和影响方面极为敏感，是揭示干旱区生态环境特征的重要指标．本研
究基于 ＲＳ和 ＧＩＳ 技术，利用地面气象数据、涡度相关数据、Ｌａｎｄｓａｔ ８ 数据和 ＭＯＤＩＳ 数据，通
过 ＳＥＢＡＬ模型和光能利用率模型的耦合，估算了新疆玛纳斯河流域植被净初级生产力
（ＮＰＰ），分析了其空间格局及与高程和坡度的关系．结果表明： ＳＥＢＡＬ 模型与光能利用率模
型的耦合对玛纳斯河流域山地⁃绿洲⁃荒漠生态系统植被 ＮＰＰ 的模拟效果较合理，能较好地反
映植被净初级生产力的实际情况；２０１３年，玛纳斯河流域植被 ＮＰＰ 总量为 ７０６６．７２ Ｔｇ Ｃ·ａ－１，平
均值为 ２７８．０６ ｇ Ｃ·ｍ－２·ａ－１，总体分布趋势是自南向北先增加后减少再增加最后减少，随着
地貌和土地利用类型的变化呈现明显的分布规律，且其月变化比较明显，７—８月达到最大值，
占总量 ＮＰＰ 的 ５２．２％；植被净初级生产力随海拔和坡度的增加整体呈下降趋势，但随海拔增
加植被 ＮＰＰ 出现 ３次波动．这些波动主要由地表植被覆盖类型和环境因素所引起．
关键词　 净初级生产力； ＳＥＢＡＬ模型； 光能利用率模型； 高程； 坡度
Ｅｓｔｉｍａｔｉｏｎ ｏｆ ｎｅｔ ｐｒｉｍａｒｙ ｐｒｏｄｕｃｔｉｖｉｔｙ ｉｎ ａｒｉｄ ｒｅｇｉｏｎ ｂａｓｅｄ ｏｎ ｃｏｕｐｌｉｎｇ ｍｏｄｅｌ． ＹＡＮＧ Ｈｕｉ⁃
ｊｉｎ１， ＬＩ Ｘｉａｏ⁃ｙｕ１∗， ＬＩＵ Ｌｉ⁃ｊｕａｎ１， ＭＡ Ｊｉｎ⁃ｌｏｎｇ１， ＷＡＮＧ Ｊｉｎ２ （ １Ｘｉｎｊｉａｎｇ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｅｃｏｌｏｇｙ ａｎｄ
Ｇｅｏｇｒａｐｈｙ， Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ， Ｕｒｕｍｑｉ ８３００１１， Ｃｈｉｎａ； ２Ｗｕｌａｎｗｕｓｕ Ａｇｒｏ⁃ｍｅｔｅｏｒｏｌｏｇｉｃａｌ
Ｅｘｐｅｒｉｍｅｎｔ Ｓｔａｔｉｏｎ， Ｓｈｉｈｅｚｉ ８３２００３， Ｘｉｎｊｉａｎｇ， Ｃｈｉｎａ） ．
Ａｂｓｔｒａｃｔ： Ｎｅｔ ｐｒｉｍａｒｙ ｐｒｏｄｕｃｔｉｖｉｔｙ （ＮＰＰ）， ａｓ ｔｈｅ ｂａｓｅ ｆｏｒ ｔｈｅ ｒｅｓｅａｒｃｈ ｏｆ ｍａｔｔｅｒ ｒｅｃｙｃｌｉｎｇ ａｎｄ
ｅｎｅｒｇｙ ｆｌｏｗ ｉｎ ｔｅｒｒｅｓｔｒｉａｌ ｅｃｏｓｙｓｔｅｍ， ｉｓ ｓｅｎｓｉｔｉｖｅ ｔｏ ｔｈｅ ｃｈａｎｇｅｓ ｏｆ ｅｎｖｉｒｏｎｍｅｎｔ ａｎｄ ｃｌｉｍａｔｅ ｉｎ ａｒｉｄ
ｒｅｇｉｏｎ， ａｎｄ ａｌｓｏ ｉｓ ａｎ ｉｍｐｏｒｔａｎｔ ｉｎｄｉｃａｔｏｒ ｏｆ ｅｃｏ⁃ｅｎｖｉｒｏｎｍｅｎｔａｌ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ． Ｂａｓｅｄ ｏｎ ｒｅｍｏｔｅ
ｓｅｎｓｉｎｇ （ＲＳ） ａｎｄ ｇｅｏｇｒａｐｈｉｃ ｉｎｆｏｒｍａｔｉｏｎ ｓｙｓｔｅｍ （ＧＩＳ）， ｕｓｉｎｇ ｍｅｔｅｏｒｏｌｏｇｉｃａｌ ｄａｔａ， ｅｄｄｙ ｃｏｖａ⁃
ｒｉａｎｃｅ ｄａｔａ， Ｌａｎｄｓａｔ ８ ａｎｄ ＭＯＤＩＳ ｄａｔａ， ｔｈｉｓ ｓｔｕｄｙ ｃｏｕｐｌｅｄ ＳＥＢＡＬ ｍｏｄｅｌ ａｎｄ ｌｉｇｈｔ ｕｔｉｌｉｔｙ ｅｆｆｉｃｉｅｎｃｙ
ｍｏｄｅｌ ｔｏ ｅｓｔｉｍａｔｅ ｔｈｅ ＮＰＰ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｉｎ Ｍａｎａｓ Ｒｉｖｅｒ Ｗａｔｅｒｓｈｅｄ， ａｎｄ ｔｈｅ ｓｐａｔｉａｌ ｐａｔｔｅｒｎ ｏｆ ＮＰＰ
ａｎｄ ｔｈｅ ｒｅｌａｔｉｏｎｓｈｉｐｓ ｂｅｔｗｅｅｎ ＮＰＰ ａｎｄ ｔｅｒｒａｉｎ ｆａｃｔｏｒｓ （ｅｌｅｖａｔｉｏｎ ａｎｄ ｓｌｏｐｅ） ｗｅｒｅ ａｎａｌｙｚｅｄ． Ｒｅｓｕｌｔｓ
ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ｅｓｔｉｍａｔｅｄ ｒｅｓｕｌｔ ｏｆ ＮＰＰ ｉｎ Ｍａｎａｓ Ｒｉｖｅｒ Ｗａｔｅｒｓｈｅｄ ｂｙ ｃｏｕｐｌｉｎｇ ｍｏｄｅｌ ｗａｓ ｒｅａｓｏｎａ⁃
ｂｌｅ ａｎｄ ｃｏｕｌｄ ａｃｔｕａｌｌｙ ｒｅｆｌｅｃｔ ｔｈｅ ＮＰＰ ｏｆ ｖｅｇｅｔａｔｉｏｎ． Ｔｈｅ ｔｏｔａｌ ａｎｎｕａｌ ＮＰＰ ｏｆ ｖｅｇｅｔａｔｉｏｎ ａｎｄ ｔｈｅ
ｍｅａｎ ａｎｎｕａｌ ＮＰＰ ｉｎ Ｍａｎａｓ Ｒｉｖｅｒ Ｗａｔｅｒｓｈｅｄ ｉｎ ２０１３ ｗｅｒｅ ７０６６．７２ Ｔｇ Ｃ·ａ－１ ａｎｄ ２７８．０６ ｇ Ｃ·
ｍ－２·ａ－１ ｒｅｓｐｅｃｔｉｖｅｌｙ． Ｗｉｔｈ ｔｈｅ ｖａｒｉａｔｉｏｎ ｏｆ ｇｅｏｍｏｒｐｈｉｃ ｔｙｐｅ ａｎｄ ｌａｎｄ ｃｏｖｅｒ， ｔｈｅ ＮＰＰ ｃｈａｎｇｅｄ ｒｅ⁃
ｍａｒｋａｂｌｙ ｆｒｏｍ ｓｏｕｔｈ ｔｏ ｎｏｒｔｈ ｉｎ ａ ｔｒｅｎｄ ｏｆ ｉｎｃｒｅａｓｅ⁃ｄｅｃｒｅａｓｅ⁃ｉｎｃｒｅａｓｅ⁃ｄｅｃｒｅａｓｅ ｐａｔｔｅｒｎ． Ｔｈｅ ｔｅｍｐｏｒａｌ
ｖａｒｉａｔｉｏｎｓ ｏｆ ＮＰＰ ｗｅｒｅ ａｌｓｏ ｏｂｖｉｏｕｓ， ｗｉｔｈ ｔｈｅ ＮＰＰ ｉｎ Ｊｕｌｙ ａｎｄ Ａｕｇｕｓｔ ａｃｃｏｕｎｔｉｎｇ ｆｏｒ ５２．２％ ｏｆ ｔｏｔａｌ
ａｎｎｕａｌ ＮＰＰ． Ｗｉｔｈ ｔｈｅ ｉｎｃｒｅａｓｅ ｏｆ ｔｈｅ ｅｌｅｖａｔｉｏｎ ａｎｄ ｓｌｏｐｅ， ｔｈｅ ｍｅａｎ ａｎｎｕａｌ ＮＰＰ ｄｅｃｒｅａｓｅｄ ａｓ ａ
ｗｈｏｌｅ ｗｉｔｈ ｆｌｕｃｔｕａｔｉｏｎｓ ｉｎｄｕｃｅｄ ｂｙ ｄｉｆｆｅｒｅｎｔ ｌａｎｄ ｃｏｖｅｒｓ ａｎｄ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｆａｃｔｏｒｓ．
Ｋｅｙ ｗｏｒｄｓ： ｎｅｔ ｐｒｉｍａｒｙ ｐｒｏｄｕｃｔｉｖｉｔｙ； ＳＥＢＡＬ ｍｏｄｅｌ； ｌｉｇｈｔ ｕｔｉｌｉｔｙ ｅｆｆｉｃｉｅｎｃｙ ｍｏｄｅｌ； ｅｌｅｖａｔｉｏｎ；
ｓｌｏｐｅ．
本文由国家重大科学研究计划项目（２０１４ＣＢ４６０６０３，２０１４ＣＢ９５４２０４⁃３）和国家自然科学基金项目（３１４７０７０８，４１２７１２０２，４１５０１２０５）资助 Ｔｈｉｓ
ｗｏｒｋ ｗａｓ ｓｕｐｐｏｒｔｅｄ ｂｙ ｔｈｅ Ｎａｔｉｏｎａｌ Ｂａｓｉｃ Ｓｃｉｅｎｃｅ Ｒｅｓｅａｒｃｈ Ｐｒｏｇｒａｍ ｏｆ Ｃｈｉｎａ （２０１４ＣＢ４６０６０３， ２０１４ＣＢ９５４２０４⁃３）， Ｎａｔｉｏｎａｌ Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｆｏｕｎｄａｔｉｏｎ
ｏｆ Ｃｈｉｎａ （３１４７０７０８， ４１２７１２０２， ４１５０１２０５）．
２０１５⁃１１⁃０９ Ｒｅｃｅｉｖｅｄ， ２０１６⁃０３⁃０７ Ａｃｃｅｐｔｅｄ．
∗通讯作者 Ｃｏｒｒｅｓｐｏｎｄｉｎｇ ａｕｔｈｏｒ． Ｅ⁃ｍａｉｌ： ｌｉｘｙ７６＠ １６３．ｃｏｍ
应 用 生 态 学 报　 ２０１６年 ６月　 第 ２７卷　 第 ６期　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｊａｅ．ｎｅｔ
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， Ｊｕｎ． ２０１６， ２７（６）： １７５０－１７５８　 　 　 　 　 　 　 　 　 ＤＯＩ： １０．１３２８７ ／ ｊ．１００１－９３３２．２０１６０６．００８
　 　 陆地植被净初级生产力（ｎｅｔ ｐｒｉｍａｒｙ ｐｒｏｄｕｃｔｉｖｉ⁃
ｔｙ，ＮＰＰ）作为生态系统碳循环的重要组成部分，不
仅能够以统一的尺度标准体现生态系统生产力、表
征陆地生态系统的质量状况［１－２］，而且由于 ＮＰＰ 与
目前备受关注的一些重大问题如碳循环与碳扰动、
土地利用变化、气候变化和自然资源管理等有着密
切联系，是判定生态系统碳源 ／汇和调节生态过程的
主要因子，在全球变化及碳平衡中发挥着重要作
用［１，３］ ．
目前，陆地植被 ＮＰＰ 估算模型可分为统计模型
（气候相关模型）、参数模型（光能利用率模型）和生
理生态过程模型（机理模型）３ 类．统计模型虽然参
数少且容易获得，模拟结果可以反映植被 ＮＰＰ 的地
带性规律，但由于其涉及的因子过于简单，估计精度
难以满足实际要求，且现实中还受到诸如大气和土
壤因素等其他因子的影响，因此模拟结果误差较
大［４］ ．生理生态过程模型比较复杂，所需参数较多，
而且难以获得，用于区域和全球估算过程中网格点
内参数的尺度转换和定量化相对困难，因而难以推
广［５］ ．光能利用率模型（参数模型）比较简单，可直
接利用遥感获得地表覆盖数据，在实验基础上适宜
于向区域及全球推广［５］ ．近年来随着遥感技术的发
展，基于遥感手段的模拟已经成为 ＮＰＰ 估算的主要
发展方向，如荷兰 Ｂａｓｔｉａａｎｓｓｅｎ 等［６－７］提出的陆面能
量平衡方法（ＳＥＢＡＬ模型）具有明确的物理意义，最
初被用于蒸散发的估算与反演，之后用于农作物产
量预测和生物量估算，在国际上得到了广泛应用．
中国西部干旱区巨型山盆体系下的山地生态系
统垂直分异明显，荒漠类型复杂多样，绿洲景观特色
鲜明，形成了山地、绿洲、荒漠生态系镶嵌分布的独
特生态单元，山地、绿洲、荒漠生态系统间的物质循
环、能量转化、信息传输的空间分异显著，荒漠与绿
洲生态过渡带的异质性景观结构对比性强烈．因此，
该区域植被 ＮＰＰ 空间结构特征明显，具有独特的空
间格局和分布规律［８］ ．目前，已经有许多研究者利用
不同模型对中国西北干旱区生态系统 ＮＰＰ 进行反
演．如张杰等［９］ 利用生态⁃遥感光能利用率模型
ＮＰＰ⁃ＰＥＭ 估算了天山北麓植被的 ＮＰＰ，韩其飞
等［１０］利用 Ｂｉｏｍｅ⁃ＢＧＣ模型模拟了近 ５０年天山北坡
森林生态系统的碳动态，王旭阳等［１１］利用 ＣＡＳＡ 模
型估算了新疆准格尔盆地南缘的植被净初级生产力
信息，但由于生理生态模型参数繁杂并且其他模型
输入数据分辨率低，估算结果精确度不是很高．因
此，本研究以生态环境特征在干旱区具有很强典型
性的新疆玛纳斯河流域为例，通过陆地能量平衡模
型和光能利用率模型的时空耦合（两种模型的耦合
既保证了数据源的可靠性和可获得性，又对有关参
数进行了简化，因而在很大程度上提高了模型的可
操作性），利用气象数据、涡度相关数据、Ｌａｎｄｓａｔ ８
和 ＭＯＤＩＳ数据，反演估算流域植被 ＮＰＰ，并在此基
础上分析植被 ＮＰＰ 空间格局和季节变化特征及其
与高程、坡度的关系，不仅可以提高干旱区植被
ＮＰＰ 估算精度和降低模型操作难度，而且在机理上
揭示干旱区流域特征与 ＮＰＰ 时空动态的相互反馈
过程．
１　 研究地区和研究方法
１􀆰 １　 研究区概况
玛纳斯河流域位于新疆天山北坡中段、准噶尔
盆地南缘（４３°２６′—４５°２０′ Ｎ，８４°５６′—８６°２４′ Ｅ）．玛
纳斯河流域包含玛纳斯县、沙湾县、石河子市、农八
师的 １４个农牧团场、农六师的新湖总场以及克拉玛
依的小拐乡，总面积为 ２．２９ 万 ｋｍ２，在行政上地方
政府和生产建设兵团镶嵌分布，在土地管理上既有
地方政府基于农户的分散式管理，也有兵团农场的
集约化管理．按海拔，玛纳斯河流域地貌类型从南向
北分为：山地、山前倾斜平原和沙漠，地势总体表现
为自东南向西北倾斜，属于山地⁃绿洲⁃荒漠复合生
态系统．该流域属于典型的大陆性气候，冬季严寒，
夏季酷热，年平均气温 ５～７ ℃；全年干燥少雨，绿洲
区年平均降水量 １１０ ～ ２００ ｍｍ；湿度小，蒸发大，光
热资源丰富，无霜期 １６０ ～ １８０ ｄ．该流域经济发展主
要依赖于农业，２０１２ 年，流域的第一、二、三产业增
加值分别为 ２０１、１９５ 和 １５２ 亿元，农业产业增加值
比重最大．农田占流域总面积的 ３０．６％，农作物主要
包括棉花、小麦、玉米和其他经济作物，其中，棉花品
质优良，是全国最北的产棉区．玛纳斯河流域的生态
环境特征在干旱区具有良好的代表性，而且流域高
强度的农业生产活动在干旱区也具有很强的典型
性，同时，基于地方农户和兵团农场的镶嵌分布模式
还具有很强的特殊性，是研究干旱区问题的理想
场所．
１􀆰 ２　 数据来源与处理
本研究所利用的遥感数据为 Ｌａｎｄｓａｔ ８卫星获取
的 Ｌ１Ｇ影像和 Ｍｏｄｉｓ 卫星获取的 ＭＯＤ０５＿Ｌ２ 数据．
Ｌａｎｄｓａｔ ８ Ｌ１Ｇ影像和 Ｍ０Ｄ０５＿Ｌ２产品分别来自美国
地质调查局 （ＵＳＧＳ）数据中心 （ ｈｔｔｐ： ／ ／ ｇｌｏｖｉｓ． ｕｓｇｓ．
ｇｏｖ ／ ）和 ｈｔｔｐｓ： ／ ／ ｌａｄｓｗｅｂ．ｎａｓｃｏｍ．ｎａｓａ．⁃ｇｏｖ ／ ｄａｔａ．
１５７１６期　 　 　 　 　 　 　 　 　 　 　 　 　 杨会巾等： 基于耦合模型的干旱区植被净初级生产力估算　 　 　 　 　
基础地理数据主要包括行政区划图、流域边界、
土地覆盖类型图和数字高程模型（ＤＥＭ），其空间分
辨率为 ３０ ｍ×３０ ｍ．行政区划图、流域边界图来源于
新疆遥感与地理信息系统重点实验室，土地覆盖类
型图来源于中国国家土地利用数据集 （ Ｎａｔｉｏｎａｌ
Ｌａｎｄ Ｕｓｅ Ｄａｔａｓｅｔｓ， ＮＬＵＤ），ＤＥＭ数据来源于中国科
学院计算机网络信息中心国际科学数据镜像网站
（ｈｔｔｐ： ／ ／ ｗｗｗ．ｇｓｃｌｏｕｄ．ｃｎ）．气象数据（日照时数和平
均风速）和涡度相关数据（摩擦风速）分别来源于中
国气象数据网和乌兰乌苏农业气象实验站．
摩擦风速和平均风速用于 ＳＥＢＡＬ 模型中计算
感热通量时进行迭代计算中的起始参数设置，日照
时数用于光能利用率模型中光合有效辐射的估算．
归一化植被指数（ＮＤＶＩ）采取最大合成法，可以进一
步消除云、大气、太阳高度角等部分的干扰［１２－１３］ ．栅
格数据批量处理和 ＮＰＰ 的计算过程主要采用 ｐｙ⁃
ｔｈｏｎ语言完成．
１􀆰 ３　 模型计算
基于 Ｌａｎｄｓａｔ ８ 遥感影像、ＭＯＤ０５＿Ｌ２ 产品、土
地覆盖类型图、ＤＥＭ 和气象数据，以及涡度相关数
据，在地表能量平衡的基础上，采用循环递推方法计
算空气辐射温度和感热通量，进而计算水分胁迫系
数，并进一步结合植被的温度胁迫系数和最大光能
利用率，以及吸收光能有效辐射 ＡＰＡＲ 的估算结果
反演农作物 ＮＰＰ．
１􀆰 ３􀆰 １ ＳＥＢＡＬ模型　 ＳＥＢＡＬ模型是建立在地表能量
平衡的基础上．能量平衡方程为：
Ｒｎ ＝Ｇ＋Ｈ＋λＥ （１）
式中：Ｒｎ为净辐射通量；Ｇ 为土壤热通量；Ｈ 为感热
通量；λＥ为潜热通量；λ为水的汽化潜热；Ｅ 为蒸散
量．
净辐射通量、土壤热通量和感热通量是由
Ｌａｎｄｓａｔ ８ 遥感影像和 ＭＯＤ０５＿Ｌ２ 产品反演的地表
参数计算而来，详细计算见参考文献［６，１４－１６］．其
中，瞬时潜热通量与有效能量之间的比值为蒸发比．
改进后的蒸发比，假定土壤热通量在一天内的均值
为 ０，忽略了土壤通量（Ｇ），以减小土壤热通量计算
的不确定性带来的误差．其公式为［１７］：
ＥＦ＝（Ｒｎ－Ｇ－Ｈ） ／ Ｒｎ （２）
１􀆰 ３􀆰 ２光能利用率模型 　 模型中所估算的 ＮＰＰ 可
以用植物吸收的光合有效辐射（ＡＰＡＲ）和实际光能
利用率（ε）来表示，估算公式如下：
ＮＰＰ（ｘ，ｔ）＝ ＡＰＡＲ（ｘ，ｔ）×ε（ｘ，ｔ） （３）
式中：ＮＰＰ（ｘ， ｔ）为像元 ｘ在 ｔ月份的净初级生产力
（ｇ Ｃ·ｍ－２·ｍｏｎ－１）；ＡＰＡＲ（ｘ， ｔ）为像元 ｘ在 ｔ月份
吸收的光合有效辐射（ＭＪ·ｍ－２·ｍｏｎ－１）；ε（ｘ，ｔ）为
像元 ｘ 在 ｔ 月 份 吸 收 的 实 际 光 能 利 用 率
（ｇ Ｃ·ＭＪ－１），计算公式如下：
ε（ｘ，ｔ）＝ Ｔε１×Ｔε２×Ｗε×εｍａｘ （４）
式中：Ｔε１和 Ｔε２Ｔε２分别为低温和高温对光能利用率
的胁迫作用；Ｗε为水分胁迫系数；εｍａｘ为理想条件下
的最大光能利用率（ｇ Ｃ·ＭＪ－１）．
水分胁迫系数反映了植物所能利用的有效水分
条件对光能转化率的影响，计算公式为［１８］：
Ｗε ＝ ０．５＋０．５×ＥＦ （５）
ＡＰＡＲ、Ｔε１和 Ｔε２由植被归一化指数和空气温度
反演的地表参数计算而来，详见文献［２，１９－２１］．
２　 结果与分析
２􀆰 １　 模型的验证
本研究利用野外调查的实测值［２２］、统计数据及
不同模型的模拟值对估算结果进行验证．将 ２０１３ 年
植被地上生物量野外调查数据与模拟的 ＮＰＰ 分布
进行比较（图 １），结果表明，野外调查的实测值与估
算值接近（斜率为 １．０２），且相关性较高（Ｒ２ ＝ ０．８９），
模拟结果可靠．
大量研究表明，作物产量可用于农田 ＮＰＰ 的估
算和验证［２３－２４］，原理是根据不同作物收获部分的转
换系数（表 １），将农业统计数据的产量转换为植被
碳储量，其公式为［２５］：
ＮＰＰ＝（Ｈ ／ ＨＩ）×（１＋ＲＦ）×（１－ＭＣ）×０．４５ （６）
式中：Ｈ为作物的单位产量；ＨＩ 为作物的收获系数；
ＲＦ为地下生物量与地上生物量的比例；ＭＣ 为作物
的含水量；０．４５为作物碳的转换系数．
棉花、小麦、玉米是玛纳斯河流域最主要的作物
种植类型，其种植面积达到了农田总面积的 ８０％以
上，分别占到流域内沙湾县和玛纳斯县农田总面积
图 １　 ＮＰＰ 估算值与实测值的比较
Ｆｉｇ．１　 Ｃｏｍｐａｒｉｓｏｎ ｏｆ ｓｉｍｕｌａｔｅｄ ＮＰＰ ａｎｄ ｏｂｓｅｒｖｅｄ ＮＰＰ．
２５７１ 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
表 １　 用于估算 ＮＰＰ的作物转换系数
Ｔａｂｌｅ １　 Ｃｒｏｐ ｃｏｎｖｅｒｓｉｏｎ ｆａｃｔｏｒｓ ｕｓｅｄ ｔｏ ｅｓｔｉｍａｔｅ ｃｒｏｐｌａｎｄ
ｎｅｔ ｐｒｉｍａｒｙ ｐｒｏｄｕｃｔｉｏｎ
作物
Ｃｒｏｐ
ＭＣ
（％）
ＨＩ ＲＦ 文献
Ｒｅｆｅｒｅｎｃｅ
棉花 Ｃｏｔｔｏｎ ８．０ ０．４０ ０．１１ ［２６］
玉米籽粒 Ｃｏｒｎ ｇｒａｉｎ １３．０ ０．５３ ０．１８ ［２７］
青贮玉米 Ｃｏｒｎ ｓｉｌａｇｅ ７４．０ １．００ ０．１８ ［２７］
小麦 Ｗｈｅａｔ １２．５ ０．４０ ０．０６ ［３］
ＭＣ： 含水量 Ｍｏｉｓｔｕｒｅ ｃｏｎｔｅｎｔ； ＨＩ： 收获系数 Ｈａｒｖｅｓｔ ｉｎｄｅｘ； ＲＦ： 地下
生物量与地上生物量的比例 Ｒａｔｉｏ ｏｆ ｕｎｄｅｒｇｒｏｕｎｄ ｔｏ ａｂｏｖｅｇｒｏｕｎｄ ｂｉｏ⁃
ｍａｓｓ．
的 ６１．６％、１２．８％、１２．８ 和 ５４．２％、４．７％、２１．４％．根据
作物产量计算的玛纳斯县和沙湾县农田 ＮＰＰ 分别
为 ４２２．４６和 ４６０．２９ ｇ Ｃ·ｍ－２·ａ－１（表 ２），而由模型
模拟得到的农田 ＮＰＰ 分别为 ４６０． ５７ 和 ５０１． ７８
ｇ Ｃ·ｍ－２·ａ－１，误差为 ９．０％和 ９．０％，说明模型反演
的农田 ＮＰＰ 与实际值相近，结果可以接受．
２􀆰 ２　 与其他模型的比较
对本研究所用耦合模型的模拟值与 ＮＰＰ⁃ＰＥＭ
模型、Ｃ⁃ＦＩＸ模型和 ＣＡＳＡ 模型在干旱区的模拟结
果进行比较（表 ３）．由于模拟的时间、空间分辨率和
研究区范围大小不一致，本研究的模拟结果与其他
模型在干旱区的模拟结果有一定差异．玛纳斯河流
域林地主要是分布在天山北坡的常绿针叶林，ＮＰＰ
较高，但低于中国林地 ＮＰＰ 平均值（５０５ ｇ Ｃ·ｍ－２·
ａ－１），更符合研究区的实际情况；草地、灌木林和未
利用地的植被 ＮＰＰ 分别为 ２５３．９４、３２０．４７和 １１４．０７
ｇ Ｃ·ｍ－２·ａ－１，都较干旱区其他模型模拟结果偏
高，但相对于全国平均水平估算值偏低，本模型
ＮＰＰ 模拟值与实测值更相近（图 １ 中斜率为１．０２），
表明本模型模拟结果相对较好；农田 ＮＰＰ 为 ４７９．６７
ｇ Ｃ·ｍ－２·ａ－１，比朱文泉等［２］模拟的 １９８９—１９９３年
全国农田 ＮＰＰ 平均值高 ５３．１７ ｇ Ｃ·ｍ－２·ａ－１，原因
是当时的农田产量低于现在［２８－２９］，并且本研究区光
热条件充足和膜下滴管技术的成熟与大面积的推
广［３０］，有利于农作物对碳的吸收和累积［３１］ ．
２􀆰 ３　 玛纳斯河流域 ＮＰＰ 的空间分布
玛纳斯河流域主要地表覆盖类型是农田、草地
和未利用地（图 ２ａ），分别占总面积的 ３０．６％、３２．１％
和 ３０．８％，其他覆被类型仅有 ６．５％．模型计算结果
表明， ２０１３ 年玛纳斯河流域植被 ＮＰＰ 总量为
７０６６．７２ Ｔｇ Ｃ·ａ－１ ．从流域 ＮＰＰ 的空间分布来看（图
２ｂ），位于天山高海拔区域的植被 ＮＰＰ 在 ０ ～ ５０
ｇ Ｃ·ｍ－２·ａ－１，表明该地区的植被生长状况较差，
主要受温度限制；位于天山中低海拔区域的植被
ＮＰＰ 在 ２００～８００ ｇ Ｃ·ｍ－２·ａ－１，比天山高海拔地区
的植被 ＮＰＰ 高，其原因为此区域植被类型为常绿针
叶林和草地（图 ２ａ），并且此区域水分充足、温度适
宜，有利于植物生长；绿洲区域主要种植农作物，植
被ＮＰＰ主要在４００ ～ ８００ ｇ Ｃ·ｍ－２·ａ－１，光热条件
表 ２　 作物产量计算的农田 ＮＰＰ 和耦合模型估算的农田 ＮＰＰ比较
Ｔａｂｌｅ ２　 Ｃｏｍｐｒｉｓｏｎ ｏｆ ｓｔｉｍｕｌａｔｅｄ ＮＰＰｓ ｂｙ ｔｈｅ ｍｅａｓｕｒｅｄ ｃｒｏｐ ｙｉｅｌｄｓ ａｎｄ ｔｈｅ ｃｏｕｐｌｉｎｇ ｍｏｄｅｌ （ｇ Ｃ·ｍ－２）
地区
Ａｒｅａ
棉花
Ｃｏｔｔｏｎ
玉米∗
Ｍａｉｚｅ
小麦
Ｗｈｅａｔ
统计数据估算
农田 ＮＰＰ 平均值
Ｓｔｉｍｕｌａｔｅｄ ＮＰＰ ｂｙ ｔｈｅ
ｍｅａｓｕｒｅｄ ｃｒｏｐ ｙｅｉｌｄ
模型模拟
农田 ＮＰＰ 平均值
Ｓｔｉｍｕｌａｔｅｄ ＮＰＰ ｂｙ
ｃｏｕｐｌｉｎｇ ｍｏｄｅｌ
误差
Ｅｒｒｏｒ
（％）
玛纳斯县 Ｍａｎａｓ Ｃｏｕｎｔｙ ２５３．２８ ３６８．１１ ６４５．９８ ４２２．４６ ４６０．５７ ９．０
沙湾县 Ｓｈａｗａｎ Ｃｏｕｎｔｙ ２２６．０９ ５１１．６２ ６４３．１６ ４６０．２９ ５０１．７８ ９．０
∗玉米的 ＮＰＰ 是玉米和青贮玉米 ＮＰＰ 的平均值 ＮＰＰ ｏｆ ｍａｉｚｅ ｗｈｉｃｈ ｃｏｎｓｉｓｔｅｄ ｏｆ ｃｏｒｎ ｇｒａｉｎ ａｎｄ ｃｏｒｎ ｓｉｌａｇｅ．
表 ３　 本研究模拟的年均 ＮＰＰ 值与其他模型研究结果的比较
Ｔａｂｌｅ ３　 Ｃｏｍｐａｒｉｓｏｎ ｏｆ ｓｉｍｕｌａｔｅｄ ａｖｅｒａｇｅ ｍｅａｎ ＮＰＰ ｉｎ ｔｈｉｓ ｓｔｕｄｙ ｗｉｔｈ ｒｅｓｕｌｔｓ ｏｆ ｏｔｈｅｒｓ （ｇ Ｃ·ｍ－２·ａ－１）
模型
Ｍｏｄｅｌ
空间分辨率
Ｓｐａｔｉａｌ
ｒｅｓｏｌｕｔｉｏｎ
（ｍ）
年份
Ｙｅａｒ
研究区
Ｓｔｕｄｙ ａｒｅａ
林地１）
Ｆｏｒｅｓｔ
ｌａｎｄ １）
灌木林地
Ｂｕｓｈ
ｌａｎｄ
草地２）
Ｇｒａｓｓｌａｎｄ ２）
未利用地３）
Ｕｎｕｓｅｄ
ｌａｎｄ ３）
耕地
Ｆａｒｍｌａｎｄ
本研究 Ｔｈｉｓ ｓｔｕｄｙ ３０ ２０１３ 玛纳斯河流域 ４４６．１６ ３２０．４７ ２５３．６４ １１４．０７ ４７９．６７
ＮＰＰ⁃ＰＥＭｌ［９］ １０００ ２００２ 天山北麓 ４２２．５７ １９２．４４ １９５．８６ ８９．６７ ３７５．２７
ＮＰＰ⁃ＰＥＭ［８］ １０００ １９９８ 叶儿羌⁃喀什噶尔河流域 １６９．１４ － － － ４４０．４８
Ｃ⁃ＦＩＸ［３２］ １０００ ２００２ 黑河流域 ２２５．３６ ２６８．１４ １７２．００ ８９．６２ ３６４．１８
ＣＡＳＡ［１１］ ２５０ ２０００—２００９ 准格尔南缘 ３６３．５０ － １６８．１０ － ２５８．００
ＭＬＵＥＭ［２］ １０００ １９８９—１９９３ 中国 ５０５．００ ３６７．７０ ２７９．００ １７３．８０ ４２６．５０
１）林地包括常绿针叶林和落叶阔林叶 Ｃｏｎｓｉｓｔｅｄ ｏｆ ｅｖｅｒｇｒｅｅｎ ｎｅｅｄｌｅ ａｎｄ ｄｅｃｉｄｕｏｕｓ ｂｒｏａｄ⁃ｌｅａｆ ｆｏｒｅｓｔ； ２）草地包括高覆盖度草地、中覆盖度草地和地
覆盖度草地 Ｃｏｎｓｉｓｔｅｄ ｏｆ ｌｏｗ， ｍｏｄｅｒａｔｅ ａｎｄ ｈｉｇｈ ｃｏｖｅｒａｇｅ ｇｒａｓｓｌａｎｄｓ ； ３）未利用地包括沼泽、沙丘 ／戈壁、盐碱地和裸地 ／裸岩 Ｃｏｎｓｉｓｔｅｄ ｏｆ ｓｗａｍｐ，
ｓａｎｄ ｄｕｎｅ ／ ｇｏｂｉ， ｓａｌｉｎｅ ａｎｄ ａｌｋａｌｉｎｅ ｌａｎｄ， ａｎｄ ｂａｒｅ ｓｏｉｌ ／ ｂａｒｅ ｒｏｃｋ． ＭＬＵＥＭ： 改进光能利用率模型 Ｍｏｄｉｆｉｅｄ ｌｉｇｈｔ ｕｔｉｌｉｔｙ ｅｆｆｉｃｉｅｎｃｙ ｍｏｄｅｌ．
３５７１６期　 　 　 　 　 　 　 　 　 　 　 　 　 杨会巾等： 基于耦合模型的干旱区植被净初级生产力估算　 　 　 　 　
图 ２　 玛纳斯河流域土地利用（ａ）、植被 ＮＰＰ 空间分布（ｂ）和高程图（ｃ）
Ｆｉｇ．２　 Ｌａｎｄ ｃｏｖｅｒ ｍａｐ （ａ）， ｓｐａｔｉａｌ ｐａｔｔｅｒｎ ｏｆ ＮＰＰ （ｂ） ａｎｄ ｅｌｅｖａｔｉｏｎ （ｃ） ｉｎ Ｍａｎａｓ Ｒｉｖｅｒ Ｗａｔｅｒｓｈｅｄ．
Ｃ： 农田 Ｆａｒｍｌａｎｄ； Ｆ： 林地 Ｆｏｒｅｓｔ ｌａｎｄ； Ｇ：草地 Ｇｒａｓｓｌａｎｄ； Ｗ：水体 Ｗａｔｅｒ； ＣＴ：城乡用地 Ｕｒｂａｎ ａｎｄ ｒｕｒａｌ ｌａｎｄ； ＵＮ：未利用地 Ｕｎｕｓｅｄ ｌａｎｄ； Ｂ：
灌木林地 Ｓｈｒｕｂｌａｎｄ． 下同 Ｔｈｅ ｓａｍｅ ｂｅｌｏｗ．
充足；位于荒漠边缘的植被 ＮＰＰ 在 ０ ～ １００ ｇ Ｃ·
ｍ－２·ａ－１，主要受水分条件的限制．
由于玛纳斯河流域的植被覆盖度低并且干燥少
雨，因此净初级生产力低于全国平均水平．陈福军
等［２７］估算的中国西部荒漠生态系统植被 ＮＰＰ
１９８１—２００８年平均值在 １００ ｇ Ｃ·ｍ－２·ａ－１以下，而
玛纳斯河流域 ２０１３ 年植被年均 ＮＰＰ 为 ２７８． ０６
ｇ Ｃ·ｍ－２·ａ－１，比全国植被年均 ＮＰＰ （３５５ ｇ Ｃ·
ｍ－２·ａ－１） ［３３］低 ２１．７％．从植被 ＮＰＰ 的年总量来看，
农田、草地和未利用地分别为 ３７３５．１９、２０７２．６６ 和
８９０．７２ Ｔｇ Ｃ，而林地和灌木面积较小，其 ＮＰＰ 也较
低，分别为 １９８．４５和 １５．４６ Ｔｇ Ｃ，仅占全区所有植被
ＮＰＰ 的 １．７％和 ０．３％．
总体来看，玛纳斯河流域植被 ＮＰＰ 整体较低，
处于 ０～２００ ｇ Ｃ·ｍ－２·ａ－１之间的面积最大，占流域
总面积的 ４８．７％，主要为未利用地；ＮＰＰ 在 ２００～４００
和 ４００～ ６００ ｇ Ｃ·ｍ－２·ａ－１区间的面积分别占流域
总面积的 ２２．０％和 １７．８％，主要为农田；而 ＮＰＰ 处
于 ６００～８００ ｇ Ｃ·ｍ－２·ａ－１区间和 ＮＰＰ＞８００ ｇ Ｃ·
ｍ－２·ａ－１的面积分别为 １１．３％和 ０．３％，主要为部分
经济作物（如葡萄、果园等）和山区森林．
２􀆰 ４　 玛纳斯河流域 ＮＰＰ 的月变化
由图 ３和图 ４ 可以看出，７—８ 月，玛纳斯河流
域太阳辐射量充足，水热条件适合植物生长．这段时
期的净初级生产力达到最大值，占全年净初级生产
力的 ５２．２％．６—９ 月 ＮＰＰ 占全年的 ８２．７％，该时期
是草本植物和作物的生长季．４和 １０月，由于月平均
气温较低，植物生长缓慢，导致净初级生产力很低，
月平均 ＮＰＰ 分别为 １０．１９和 ４．９３ ｇ Ｃ·ｍ－２ ．１—３月
和 １１—１２月，新疆平均温度在 ０ ℃以下，植被光合
作用所产生的有机质总量小于或等于自养呼吸后的
剩余部分，植被停止生长．
　 　 从不同土地覆被类型的植被 ＮＰＰ 月变化可以
看出，山区中低海拔区植被（常绿针叶林、草地和灌
丛）ＮＰＰ 在 ７月达最大（图 ４）；未利用地（沙地、戈
壁、盐碱地沼泽地以及裸土地等） ＮＰＰ 在 ４—１０ 月
呈先增加再减少最后又增加的双峰现象；分布在绿
洲区域的农田 ＮＰＰ 在 ６月超过 ８０ ｇ Ｃ·ｍ－２，７月达
到一年中的最大值（图４）；天山中海拔区的常绿针
图 ３　 玛纳斯河流域植被 ＮＰＰ 的月变化
Ｆｉｇ．３　 Ｃｈａｎｇｅｓ ｏｆ ｍｏｎｔｈｌｙ ＮＰＰ ｉｎ Ｍａｎａｓ Ｒｉｖｅｒ Ｗａｔｅｒｓｈｅｄ．
４５７１ 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
图 ４　 玛纳斯河流域植被月 ＮＰＰ 空间分布
Ｆｉｇ．４　 Ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｍｏｎｔｈｌｙ ＮＰＰ ｉｎ Ｍａｎａｓ Ｒｉｖｅｒ Ｗａｔｅｒｓｈｅｄ．
叶林 ＮＰＰ 在 ７ 月有一部分小于 ２０ ｇ Ｃ·ｍ－２，由于
云的覆盖（图 ４），导致其估计值偏低；由于 ６ 月的
Ｌａｎｄｓｅｔ ８ 影像（图 ４）中一部分山地被云覆盖，导致
山地植被月累积 ＮＰＰ 估计值偏低（图 ３）．
２􀆰 ５　 地形因子与植被 ＮＰＰ 的关系
在复杂地形条件下，海拔和坡度对植被 ＮＰＰ 的
影响不可忽略［３４］ ．本研究采用等差分级法对植被
ＮＰＰ 与高程和坡度的相关性进行分析，以 ３０ ｍ 和
３°为级差［３５］，计算各高程和坡度分级（表 ４）内植被
ＮＰＰ 的平均值和标准差．
　 　 由图 ５可以看出，在高程 ７００ ｍ以内，植被 ＮＰＰ
出现较大波动并且变化剧烈：在高程 ２５０ ｍ处，植被
ＮＰＰ达到顶峰，为５５８．７９ ｇ Ｃ·ｍ－２·ａ－１ ．因为此处
表 ４　 高程和坡度的区间划分
Ｔａｂｌｅ ４　 Ｉｎｔｅｒｖａｌ ｄｉｖｉｓｉｏｎｓ ｏｆ ｅｌｅｖａｔｉｏｎ ａｎｄ ｓｌｏｐｅ
地形因子
Ｔｏｐｏｇｒａｐｈｉｃ ｆａｃｔｏｒ
区间划分
Ｉｎｔｅｒｖａｌ ｄｉｖｉｓｉｏｎ
区间含义
Ｍｅａｎｉｎｇ ｏｆ ｉｎｔｅｒｖａｌ
高程 ≤２００ 平原地区
Ｅｌｅｖａｔｉｏｎ （ｍ） ２００～５００ 丘陵地区
５００～１０００ 低山
１０００～１５００ 中山
＞１５００ 高山
坡度 ≤２ 平原至微倾斜平原
Ｓｌｏｐｅ （°） ２～５ 缓坡地
５～１５ 斜坡地
１５～２５ 陡坡地
２５～３５ 急坡
３５～５０ 急陡坡
＞５０ 垂直坡
的植被全部为农作物，由于光热充足并且膜下滴管
提供充足水分，植被 ＮＰＰ 平均值较高．在高程 ２６０ ～
５００ ｍ，随着高程的增加，植被从荒漠过渡到绿洲，植
被 ＮＰＰ 呈增加趋势，从 ２２７．７４ ｇ Ｃ·ｍ－２·ａ－１增加
到 ４３０．９８ ｇ Ｃ·ｍ－２·ａ－１；高程 ５００～７００ ｍ主要位于
天山北麓洪积扇顶部，随着高程的增加，草地所占比
例增加，农田所占比例减少，导致植被 ＮＰＰ 平均值
下降至 ２１６．６９ ｇ Ｃ·ｍ－２·ａ－１，标准差降低了 ６８．８６
ｇ Ｃ·ｍ－２·ａ－１ ．高程 ７００ ～ １８００ ｍ 的植被类型包括
草地和山间谷地的农田，由于积雪融化，土壤含水量
随高程的增加逐渐增多， ＮＰＰ 从 １７９．６１ ｇ Ｃ·ｍ－２·
ａ－１增加到 ５０２．３７ ｇ Ｃ·ｍ－２·ａ－１ ．高程 １８００～４０００ ｍ
的植被类型包括常绿针叶林和草地，随着高程增加，
气温降低，林地比例减少、草地增加，因此植被 ＮＰＰ
平均值降低至 ７４．６５ ｇ Ｃ·ｍ－２，并且标准差也随之
降低．随着高程增至 ４４００ ｍ，积雪所占比例增加，未
利用地所占比例减少，并且周围气温逐渐下降，限制
了植被对碳的吸收和累积，植被 ＮＰＰ 平均值呈现降
低趋势．
流域内植被 ＮＰＰ 整体上随坡度升高而下降．在
１６．５°以内，随坡度的增加，植被 ＮＰＰ 逐渐减少，从
３００．３７ ｇ Ｃ·ｍ－２·ａ－１降到 ２７８．１８ ｇ Ｃ·ｍ－２·ａ－１，标
准差降低了 １．０７ ｇ Ｃ·ｍ－２·ａ－１；在 １６．５° ～６４．５°，随
着坡度的增加，植被 ＮＰＰ 下降至 ９６．７８ ｇ Ｃ·ｍ－２·
ａ－１，标准差也随之下降；当坡度达到 ８５°时，ＮＰＰ 趋
于 ０．
５５７１６期　 　 　 　 　 　 　 　 　 　 　 　 　 杨会巾等： 基于耦合模型的干旱区植被净初级生产力估算　 　 　 　 　
图 ５　 植被 ＮＰＰ 与高程和坡度的关系
Ｆｉｇ．５　 Ｒｅｌａｔｉｏｎｓｈｉｐｓ ｂｅｔｗｅｅｎ ｓｔｉｍｕｌａｔｅｄ ＮＰＰ ｗｉｔｈ ｅｌｅｖａｔｉｏｎ ａｎｄ ｓｌｏｐｅ．
３　 讨　 　 论
３􀆰 １　 模型的改进
本研究在光能利用率模型的基础上，耦合 ＳＥ⁃
ＢＡＬ模型，实现干旱区典型流域植被 ＮＰＰ 的模拟估
算．参照朱文泉等［２，２１，３６］的方法，选取本研究区内某
一植被类型生长季 ＮＤＶＩ 的 ５％下侧分位数和 ９５％
下侧分位数作为该植被类型 ＮＤＶＩ 的最大值和最小
值，计算不同植被类型吸收的光合有效辐射，使该模
型更适合干旱区植被的模拟；最大光能利用率根据
干旱区 ＮＰＰ 实测值［３７］设定；水分胁迫系数通过改
进的蒸发比计算；基于能量平衡原理计算净辐射、感
热通量和土壤热通量，进而计算蒸发比；在感热通量
的计算过程中，考虑到近地层大气的极不稳定性和
遥感影像的信噪比，模型中引入了 Ｍｏｎｉｎ⁃Ｏｂｕｋｈｏｖ
定律进行递归运算，通过多次迭代修正空气动力学
阻抗，直到取得稳定的感热通量值，减少误差．
本研究中的相关参数（如植被最大光能利用
率、各植被类型 ＮＤＶＩ最大值和最小值等）仅适用于
干旱区生态系统，与生理生态模型相比，参数较少且
计算过程较为简化，但仍然比光能利用率模型复杂．
本研究模型的空间分辨率比其他模型高，经过与实
测值、农田产量的相互验证，模拟精度明显提高．
３􀆰 ２　 植被净初级生产力的时空格局
植被 ＮＰＰ 的分布受土地覆被类型、气候、地形
等因素的综合影响，空间异质性强．天山北麓空间垂
直分异大，水热条件限制明显，植被碳吸收受到水平
梯度变化的影响，生态系统 ＮＰＰ 空间异质性强
烈［９］ ．玛纳斯河流域植被净初级生产力呈现从南向
北先增加后减少再增加最后减少的趋势，主要原因
在于地表覆盖类型的不同，位于高海拔地区植被的
生长主要受温度影响，位于绿洲和荒漠地区植被主
要受水分限制．
玛纳斯河流域山地⁃绿洲⁃荒漠生态系统各植被
类型月 ＮＰＰ 有明显的季节特征，其主要受地表辐
射、气温、降水和径流分配的季节变化［９］ ．绿洲农田
植被月累积 ＮＰＰ 在 ７ 月达到最大值，而山区植被
ＮＰＰ 在 ５月率先超出 ８０ ｇ Ｃ·ｍ－２·ｍｏｎ－１，是由于 ５
月冰雪融水和春雨导致植物生长旺盛，而此时绿洲
农田受温度和水分限制，大部分 ＮＰＰ 尚未达到 ８０
ｇ Ｃ·ｍ－２·ｍｏｎ－１（图 ４）．生长在荒漠边缘的短命植
物的 ＮＰＰ 变化呈现双峰趋势（图 ３ 和图 ４），因为其
在 ４—６月主要利用早春雨水和雪水生长发育，在夏
季干热季节来临之前迅速完成生活周期，到 ６—７月
开始衰减［９，３８］，７—８月随夏季自然降水和高山冰雪
融水在冲积扇外缘溢散量增加，植被又进入生长旺
盛期［９］ ．
３􀆰 ３　 植被 ＮＰＰ 与地形因子的关系
坡地易于发生水土流失进而导致土壤贫瘠化，
地形起伏是导致水土流失的最直接因素，而坡度是
主要的地形指标［３９］ ．玛纳斯河流域自然植被 ＮＰＰ
的分布受山盆结构分异造成的水热条件限制明显，
总体呈现随海拔升高在山区递减而在平原增加的趋
势．在 ＮＰＰ 与高程和坡度的相关性分析中，等差分
级法较好地揭示了植被 ＮＰＰ 随高程和坡度的连续
变化趋势［３３－３４］，分级尺度越小，植被 ＮＰＰ 随海拔和
坡度增加的波动越明显（图 ５）．在高程小于 ２００ ｍ
并且坡度也小于 ２°的区域，农田分布集中，植被
ＮＰＰ 年均值最高；而在高程大于 １５００ ｍ 并且坡度
大于 ５０°的区域，草地和未利用地所占比例大，且地
表空气温度低，因此植被 ＮＰＰ 年均值最低．
４　 结　 　 论
基于 ＳＥＢＡＬ 模型和光能利用利用率模型的耦
合，估算了干旱区天山北麓玛纳斯河流域 ２０１３ 年的
植被 ＮＰＰ．玛纳斯河流域 ２０１３ 年植被 ＮＰＰ 总量为
６５７１ 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
７０６６．７２ Ｔｇ Ｃ·ａ－１，平均值为 ２７８．０６ ｇ Ｃ·ｍ－２·ａ－１，
ＮＰＰ 的分布以 ０～２００ ｇ Ｃ·ｍ－２·ａ－１为主．在光、热、
水充足的 ７、８月，植被 ＮＰＰ 达到最大值；４ 和 １０ 月
的植被 ＮＰＰ 较低．玛纳斯河流域属于典型的山地⁃绿
洲⁃荒漠复合生态系统，植被 ＮＰＰ 地域差异明显，空
间异质性强．随着高程和坡度的增加，平均植被 ＮＰＰ
呈现降低趋势；随着高程增加，植被 ＮＰＰ 呈现出在
山区递减而在平原增加的趋势；随着坡度增加，植被
ＮＰＰ 整体呈下降趋势．本研究结果经检验，模拟效果
较其他模型精度高，说明 ＳＥＢＡＬ模型和光能利用率
模型的耦合，是估算干旱区植被 ＮＰＰ 的一种有效
途径．
参考文献
［１］　 Ｆｉｅｌｄ ＣＢ， Ｂｅｈｒｅｎｆｅｌｄ ＭＪ， Ｒａｎｄｅｒｓｏｎ ＪＴ， ｅｔ ａｌ． Ｐｒｉｍａｒｙ
ｐｒｏｄｕｃｔｉｏｎ ｏｆ ｔｈｅ ｂｉｏｓｐｈｅｒｅ： Ｉｎｔｅｇｒａｔｉｎｇ ｔｅｒｒｅｓｔｒｉａｌ ａｎｄ
ｏｃｅａｎｉｃ ｃｏｍｐｏｎｅｎｔｓ． Ｓｃｉｅｎｃｅ， １９９８， ２８１： ２３７－２４０
［２］　 Ｚｈｕ Ｗ⁃Ｑ （朱文泉）， Ｐａｎ Ｙ⁃Ｚ （潘耀忠）， Ｚｈａｎｇ Ｊ⁃Ｓ
（张锦水）． Ｅｓｔｉｍａｔｉｏｎ ｏｆ ｎｅｔ ｐｒｉｍａｒｙ ｐｒｏｄｕｃｔｉｖｉｔｙ ｏｆ
Ｃｈｉｎｅｓｅ ｔｅｒｒｅｓｔｒｉａｌ ｖｅｇｒｔａｔｉｏｎ ｂａｓｅｄ ｏｎ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ．
Ａｃｔａ Ｐｈｙｔｏｅｃｏｌｏｇｉｃａ Ｓｉｎｉｃａ （植物生态学报）， ２００７， ３１
（３）： ４１３－４２４ （ｉｎ Ｃｈｉｎｅｓｅ）
［３］　 Ｇｕｏ Ｚ⁃Ｘ （国志兴）， Ｗａｎｇ Ｚ⁃Ｍ （王宗明）， Ｚｈａｎｇ Ｂ
（张　 柏）， ｅｔ ａｌ． Ａｎａｌｙｓｉｓ ｏｆ ｔｅｍｐｏｒａｌ⁃ｓｐａｔｉａｌ ｃｈａｒａｃｔｅ⁃
ｒｉｓｔｉｃｓ ａｎｄ ｆａｃｔｏｒｓ ｉｎｆｌｕｅｎｃｉｎｇ ｖｅｇｅｔａｔｉｏｎ ＮＰＰ ｉｎ Ｎｏｒｔｈ⁃
ｅａｓｔ Ｃｈｉｎａ ｆｒｏｍ ２０００ ｔｏ ２００６． Ｒｅｓｏｕｒｃｅｓ Ｓｃｉｅｎｃｅ （资源
科学）， ２００８， ３０（８）： １２２６－１２３５ （ｉｎ Ｃｈｉｎｅｓｅ）
［４］　 Ｚｈｕ Ｊ⁃Ｆ （朱敬芳）． Ｉｎｆｌｕｅｎｃｅ ｏｆ Ｌａｎｄ Ｃｏｖｅｒ Ｄａｔａ ｏｎ
Ｒｅｇｉｏｎａｌ Ｃａｒｂｏｎ ａｎｄ Ｗａｔｅｒ Ｆｌｕｘｅｓ Ｓｉｍｕｌａｔｉｏｎ： Ａ Ｃａｓｅ
Ｓｔｕｄｙ ｏｎ ｔｈｅ Ｐｏｙａｎｇ Ｌａｋｅ Ｂａｓｉｎ． ＰｈＤ Ｔｈｅｓｉｓ． Ｎａｎｊｉｎｇ：
Ｎａｎｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ， ２０１２ （ｉｎ Ｃｈｉｎｅｓｅ）
［５］　 Ｚｈｕ Ｗ⁃Ｑ （朱文泉）， Ｃｈｅｎ Ｙ⁃Ｈ （陈云浩）， Ｘｕ Ｄ （徐
丹）， ｅｔ ａｌ． Ａｄｖａｎｃｅｓ ｉｎ ｔｅｒｒｅｓｔｒｉａｌ ｎｅｔ ｐｒｉｍａｒｙ ｐｒｏｄｕｃ⁃
ｔｉｖｉｔｙ （ ＮＰＰ ） ｅｓｔｉｍａｔｉｏｎ ｍｏｄｅｌｓ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ
Ｅｃｏｌｏｇｙ （生态学杂志）， ２００５， ２４（３）： ２９６－３００ （ ｉｎ
Ｃｈｉｎｅｓｅ）
［６］　 Ｂａｓｔｉａａｎｓｓｅｎ ＷＧＭ， Ｍｅｎｅｎｔｉ Ｍ， Ｆｅｄｄｅｓ ＲＡ， ｅｔ ａｌ． Ａ
ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｓｕｒｆａｃｅ ｅｎｅｒｇｙ ｂａｌａｎｃｅ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｌａｎｄ
（ＳＥＢＡＬ）． １． Ｆｏｒｍｕｌａｔｉｏｎ． Ｊｏｕｒｎａｌ ｏｆ Ｈｙｄｒｏｌｏｇｙ， １９９８，
２１２： １９８－２１２
［７］　 Ｂａｓｔｉａａｎｓｓｅｎ ＷＧＭ， Ａｌｉ Ｓ． Ａ ｎｅｗ ｃｒｏｐ ｙｉｅｌｄ ｆｏｒｅｃａｓｔｉｎｇ
ｍｏｄｅｌ ｂａｓｅｄ ｏｎ ｓａｔｅｌｌｉｔｅ ｍｅａｓｕｒｅｍｅｎｔｓ ａｐｐｌｉｅｄ ａｃｒｏｓｓ
ｔｈｅ Ｉｎｄｕｓ Ｂａｓｉｎ， Ｐａｋｉｓｔａｎ． Ａｇｒｉｃｕｌｔｕｒｅ， Ｅｃｏｓｙｓｔｅｍｓ ＆
Ｅｎｖｉｒｏｎｍｅｎｔ， ２００３， ９４： ３２１－３４０
［８］　 Ｚｈａｎｇ Ｊ （张　 杰）， Ｐａｎ Ｘ⁃Ｌ （潘晓玲）， Ｇａｏ Ｚ⁃Ｑ （高
志强）， ｅｔ ａｌ． Ｓａｔｅｌｌｉｔｅ ｅｓｔｉｍａｔｅｓ ａｎｄ ｃｈａｎｇｅ ｄｅｔｅｃｔｉｏｎ ｏｆ
ｎｅｔ ｐｒｉｍａｒｙ ｐｒｏｄｕｃｔｉｖｉｔｙ ｏｆ Ｏａｓｉｓ Ｄｅｓｅｒｔ ｂａｓｅｄ ｏｎ ｅｃｏｓｙｓ⁃
ｔｅｍ ｐｒｏｃｅｓｓ ｗｉｔｈ ｒｅｍｏｔｅｌｙ ｓｅｎｓｅｄ ｆｏｒｃｉｎｇ ｉｎ ａｒｉｄ ｗｅｓｔｅｒｎ
Ｃｈｉｎａ． Ａｃｔａ Ｇｅｏｇｒａｐｈｉｃａ Ｓｉｎｉｃａ （地理学报）， ２００６， ６１
（１）： １５－２５ （ｉｎ Ｃｈｉｎｅｓｅ）
［９］　 Ｚｈａｎｇ Ｊ （张　 杰）， Ｐａｎ Ｘ⁃Ｌ （潘晓玲）． Ｓｐａｔｉａｌ ｐａｔｔｅｒｎ
ａｎｄ ｓｅａｓｏｎａｌ ｄｙｎａｍｉｃｓ ｏｆ ｎｅｔ ｐｒｉｍａｒｙ ｐｒｏｄｕｃｔｉｖｉｔｙ ｉｎ
ｍｏｕｎｔａｉｎ⁃ｏａｓｉｓ⁃ｄｅｓｅｒｔ ｅｃｏｓｙｓｔｅｍ ｏｎ ｔｈｅ ｎｏｒｔｈ ｐｉｅｄｍｏｎｔ
ｏｆ Ｔａｎｓｈａｎｉ Ｍｏｕｎｔａｉｎｓ ｉｎ ａｒｉｄ Ｎｏｒｔｈｗｅｓｔ Ｃｈｉｎａ． Ａｒｉｄ
Ｌａｎｄ Ｇｅｏｇｒａｐｈｙ （干旱区地理）， ２０１０（１）： ７８－８６ （ｉｎ
Ｃｈｉｎｅｓｅ）
［１０］　 Ｈａｎ Ｑ⁃Ｆ （韩其飞）， Ｌｕｏ Ｇ⁃Ｐ （罗格平）， Ｌｉ Ｃ⁃Ｆ （李
超凡）， ｅｔ ａｌ． Ｓｉｍｕｌａｔｉｏｎ ｏｆ ｃａｒｂｏｎ ｔｒｅｎｄ ｉｎ ｆｏｒｅｓｔ ｅｃｏ⁃
ｓｙｓｔｅｍ ｉｎ ｎｏｒｔｈｅｒｎ ｓｌｏｐｅ ｏｆ ｔｈｅ Ｔｉａｎｓｈａｎ Ｍｏｕｎｔａｉｎｓ
ｂａｓｅｄ ｏｎ Ｂｉｏｍｅ⁃ＢＧＣ ｍｏｄｅｌ． Ａｒｉｄ Ｚｏｎｅ Ｒｅｓｅａｒｃｈ （干旱
区研究）， ２０１４， ３１（３）： ３７５－３８２ （ｉｎ Ｃｈｉｎｅｓｅ）
［１１］　 Ｗａｎｇ Ｘ⁃Ｙ （王旭阳）， Ｚｈａｎｇ Ｘ⁃Ｆ （张显峰）， Ｚｈａｏ Ｊ⁃Ｐ
（赵杰鹏）， ｅｔ ａｌ． Ｅｓｔｉｍａｔｉｏｎ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｎｅｔ ｐｒｉｍａｒｙ
ｐｒｏｄｕｃｔｉｖｉｔｙ ｉｎ ｔｈｅ ｓｏｕｔｈ ｂｏｒｄｅｒ ｏｆ Ｊｕｎｇｇａｒ Ｂａｓ ｉｎ ｕｓｉｎｇ
ＭＯＤＩＳ ａｎｄ ＴＲＭＭ ｄａｔａ． Ｇｅｏｇｒａｐｈｙ ａｎｄ Ｇｅｏ⁃Ｉｎｆｏｒｍａ⁃
ｔｉｏｎ Ｓｃｉｅｎｃｅ （地理与地理信息科学）， ２０１１， ２７（２）：
２１－２５ （ｉｎ Ｃｈｉｎｅｓｅ）
［１２］　 Ｃｈｅｎ Ｑ （陈 　 强）， Ｃｈｅｎ Ｙ⁃Ｈ （陈云浩）， Ｗａｎｇ Ｍ⁃Ｊ
（王萌杰）， ｅｔ ａｌ． Ｃｈａｎｇｅ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｎｅｔ ｐｒｉｍａｒｙ ｐｒｏ⁃
ｄｕｃｔｉｖｉｔｙ ｉｎ Ｙｅｌｌｏｗ Ｒｉｖｅｒ ｗａｔｅｒｓｈｅｄｓ ｆｒｏｍ ２００１ ｔｏ ２０１０
ａｎｄ ｉｔｓ ｃｌｉｍａｔｉｃ ｄｒｉｖｉｎｇ ｆａｃｔｏｒｓ ａｎａｌｙｓｉｓ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ
ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ （应用生态学报）， ２０１４， ２５（１０）：
２８１１－２８１８ （ｉｎ Ｃｈｉｎｅｓｅ）
［１３］　 Ｚｈａｎｇ Ｙ⁃Ｃ （张月丛）， Ｚｈａｏ Ｚ⁃Ｑ （赵志强）， Ｌｉ Ｓ⁃Ｃ
（李双成）， ｅｔ ａｌ． Ｉｎｄｉｃａｔｉｎｇ ｖａｒｉａｔｉｏｎ ｏｆ ｓｕｒｆａｃｅ ｖｅｇｅｔａ⁃
ｔｉｏｎ ｃｏｖｅｒ ｕｓｉｎｇ ＳＰＯＴ ＮＤＶＩ ｉｎ ｔｈｅ ｎｏｒｔｈｅｒｎ ｐａｒｔ ｏｆ
Ｎｏｒｔｈ Ｃｈｉｎａ． Ｇｅｏｇｒａｐｈｉｃａｌ Ｒｅｓｅａｒｃｈ （地理研究 ），
２００８， ２７（４）： ７４５－７５４ （ｉｎ Ｃｈｉｎｅｓｅ）
［１４］　 Ｓｏｎｇ Ｔ （宋　 挺）， Ｄｕａｎ Ｚ （段　 峥）， Ｌｉｕ Ｊ⁃Ｚ （刘军
志）， ｅｔ ａｌ． Ｃｏｍｐａｒｉｓｏｎ ｏｆ ｆｏｕｒ ａｌｇｏｒｉｔｈｍｓ ｔｏ ｒｅｔｒｉｅｖｅ
ｌａｎｄｓｕｒｆａｃｅ ｔｅｍｐｅｒａｔｕｒｅ ｕｓｉｎｇ Ｌａｎｄｓａｔ ８ ｓａｔｅｌｌｉｔｅ． Ｊｏｕｒｎａｌ
ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ （遥感学报）， ２０１５， １９（３）： ４５１－４６４
（ｉｎ Ｃｈｉｎｅｓｅ）
［１５］　 Ｌｉ Ｂ⁃Ｆ （李宝富）， Ｃｈｅｎ Ｙ⁃Ｎ （陈亚宁）， Ｌｉ Ｗ⁃Ｈ （李
卫红）， ｅｔ ａｌ． Ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ａｎｄ ｔｈｅ ＳＥＢＡＬ ｍｏｄｅｌ ｆｏｒ
ｅｓｔｉｍａｔｉｎｇ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｉｎ ｔｈｅ Ｔａｒｉｍ Ｒｉｖｅｒ． Ａｃｔａ
Ｇｅｏｇｒａｐｈｉｃａ Ｓｉｎｉｃａ （地理学报）， ２０１１， ６６（９）： １２３０－
１２３８ （ｉｎ Ｃｈｉｎｅｓｅ）
［１６］　 Ｌｉｕ Ｚ⁃Ｗ （刘志武）， Ｌｅｉ Ｚ⁃Ｄ （雷志栋）， Ｄａｎｇ Ａ⁃Ｒ
（党安荣）， ｅｔ ａｌ． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ａｎｄ ｔｈｅ ＳＥＢＡＬ ｍｏｄｅｌ
ｆｏｒ ｅｓｔｉｍａｔｉｎｇ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｉｎ ａｒｉｄ ｒｅｇｉｏｎ． Ｊｏｕｒｎａｌ
ｏｆ Ｔｓｉｎｇｈｕａ Ｕｎｉｖｅｒｓｉｔｙ （Ｓｃｉｅｎｃｅ ＆ Ｔｅｃｈｎｏｌｏｇｙ） （清华
大学学报：自然科学版）， ２００４， ４４（３）： ４２１－４２４ （ｉｎ
Ｃｈｉｎｅｓｅ）
［１７］ 　 Ｃｈｅｎ Ｈ （陈 　 鹤）， Ｙａｎｇ Ｄ⁃Ｗ （杨大文）， Ｌｖ Ｈ⁃Ｆ
（吕华芳）． Ｃｏｍｐａｒｉｓｏｎ ｏｆ ｔｅｍｐｏｒａｌ ｅｘｔｒａｐｏｌａｔｉｏｎ ｍｅｔｈ⁃
ｏｄｓ ｆｏｒ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｏｖｅｒ ｖａｒｉａｎｔ ｕｎｄｅｒｌｙｉｎｇ ｃｒｏｐ⁃
ｌａｎｄｓ． Ｔｒａｎｓａｃｔｉｏｎｓ ｏｆ ｔｈｅ Ｃｈｉｎｅｓｅ Ｓｏｃｉｅｔｙ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ
Ｅｎｇｉｎｅｅｒｉｎｇ （农业工程学报）， ２０１３， ２９（６）： ７３－８１
（ｉｎ Ｃｈｉｎｅｓｅ）
［１８］　 Ｙｕａｎ ＷＰ， Ｌｉｕ ＳＧ， Ｚｈｏｕ ＧＳ， ｅｔ ａｌ． Ｄｅｒｉｖｉｎｇ ａ ｌｉｇｈｔ ｕｓｅ
ｅｆｆｉｃｉｅｎｃｙ ｍｏｄｅｌ ｆｒｏｍ ｅｄｄｙ ｃｏｖａｒｉａｎｃｅ ｆｌｕｘ ｄａｔａ ｆｏｒ ｐｒｅ⁃
ｄｉｃｔｉｎｇ ｄａｉｌｙ ｇｒｏｓｓ ｐｒｉｍａｒｙ ｐｒｏｄｕｃｔｉｏｎ ａｃｒｏｓｓ ｂｉｏｍｅｓ． Ａｇ⁃
ｒｉｃｕｌｔｕｒａｌ ａｎｄ Ｆｏｒｅｓｔ Ｍｅｔｅｏｒｏｌｏｇｙ， ２００７， １４３： １８９－２０７
［１９］　 Ｗａｎｇ Ｌ⁃Ｘ （王连喜）， Ｌｉ Ｍ⁃Ｍ （李萌萌）， Ｌｉ Ｑ （李　
琪）， ｅｔ ａｌ． Ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｅｓｔｉｍａｔｉｏｎ ｏｆ ＮＰＰ ｉｎ
Ｓｈａａｎｘｉ ｐｒｏｖｉｎｃｅ ｂａｓｅｄ ｏｎ ＣＡＳＡ ｍｏｄｅｌ． Ｊｏｕｒｎａｌ ｏｆ Ｗｅｓｔ
Ｃｈｉｎａ Ｆｏｒｅｓｔｒｙ Ｓｃｉｅｎｃｅ （西部林业科学）， ２０１５， ４４
（２）： ７４－８０ （ｉｎ Ｃｈｉｎｅｓｅ）
［２０］　 Ｐｏｔｔｅｒ ＣＳ， Ｒａｎｄｅｒｓｏｎ ＪＴ， Ｆｉｅｌｄ ＣＢ ｅｔ ａｌ． Ｔｅｒｒｅｓｔｒｉａｌ
ｅｃｏｓｙｓｔｅｍ ｐｒｏｄｕｃｔｉｏｎ： Ａ ｐｒｏｃｅｓｓ ｍｏｄｅｌ ｂａｓｅｄ ｏｎ ｇｌｏｂａｌ
ｓａｔｅｌｌｉｔｅ ａｎｄ ｓｕｒｆａｃｅ ｄａｔａ． Ｇｌｏｂａｌ Ｂｉｏｇｅｏｃｈｅｍｉｃａｌ Ｃｙｃｌｅｓ，
１９９３， ７： ８１１－８４１
［２１］　 Ｚｈｕ Ｗ⁃Ｑ （朱文泉）， Ｐａｎ Ｙ⁃Ｚ （潘耀忠）， Ｌｏｎｇ Ｚ⁃Ｈ
（龙中华）， ｅｔ ａｌ． Ｅｓｔｉｍａｔｉｎｇ ｎｅｔ ｐｒｉｍａｒｙ ｐｒｏｄｕｃｔｉｖｉｔｙ ｏｆ
ｔｅｒｒｅｓｔｒｉａｌ ｖｅｇｅｔａｔｉｏｎ ｂａｓｅｄ ｏｎ ＧＩＳ ａｎｄ ＲＳ： Ａ ｃａｓｅ ｓｔｕｄｙ
ｉｎ Ｉｎｎｅｒ Ｍｏｎｇｏｌｉａ， Ｃｈｉｎａ． Ｊｏｕｒｎａｌ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ
（遥感学报）， ２００５， ９（３）： ３００－３０７ （ｉｎ Ｃｈｉｎｅｓｅ）
［２２］　 Ｌｉ Ｃ⁃Ｆ （李超凡）， Ｃａｒｂｏｎ Ｓｔｏｃｋ ａｎｄ Ｉｔｓ Ｒｅｓｐｏｎｓｅｓ ｔｏ
Ｃｌｉｍａｔｅ Ｃｈａｎｇｅ ｉｎ Ｃｅｎｔｒａｌ Ａｓｉａ： Ａ Ｓｔｕｄｙ Ｂａｓｅｄ ｏｎ ａｎ
７５７１６期　 　 　 　 　 　 　 　 　 　 　 　 　 杨会巾等： 基于耦合模型的干旱区植被净初级生产力估算　 　 　 　 　
Ａｒｉｄ Ｅｃｏｓｙｓｔｅｍ Ｍｏｄｅｌ． ＰｈＤ Ｔｈｅｓｉｓ． Ｂｅｉｊｉｎｇ ： Ｕｎｉｖｅｒｓｉｔｙ
ｏｆ Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ， ２０１５ （ｉｎ Ｃｈｉｎｅｓｅ）
［２３］　 Ｆａｎｇ Ｊ⁃Ｙ （方精云）， Ｌｉｕ Ｇ⁃Ｈ （刘国华）， Ｘｕ Ｓ⁃Ｌ （徐
嵩龄）， ｅｔ ａｌ． Ｃａｒｂｏｎ Ｐｏｏｌｓ ｉｎ Ｔｅｒｒｅｓｔｒｉａｌ Ｅｃｏｓｙｓｔｅｍｓ ｉｎ
Ｃｈｉｎａ． Ｂｅｉｊｉｎｇ： Ｃｈｉｎａ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｐｒｅｓｓ，
１９９６ （ｉｎ Ｃｈｉｎｅｓｅ）
［２４］　 Ｈｕａｎｇ Ｙ， Ｙｕ ＹＱ， Ｚｈａｎｇ Ｗ， ｅｔ ａｌ． Ａｇｒｏ⁃Ｃ： Ａ ｂｉｏｇｅｏ⁃
ｐｈｙｓｉｃａｌ ｍｏｄｅｌ ｆｏｒ ｓｉｍｕｌａｔｉｎｇ ｔｈｅ ｃａｒｂｏｎ ｂｕｄｇｅｔ ｏｆ ａｇｒｏｅ⁃
ｃｏｓｙｓｔｅｍｓ． Ａｇｒｉｃｕｌｔｕｒａｌ ａｎｄ Ｆｏｒｅｓｔ Ｍｅｔｅｏｒｏｌｏｇｙ， ２００９，
１４９： １０６－１２９
［２５］　 Ｃｉａｉｓ ＰＨ， Ｗａｔｔｅｎｂａｃｈ Ｍ， Ｖｕｉｃｈａｒｄ Ｎ， ｅｔ ａｌ． Ｔｈｅ Ｅｕｒｏ⁃
ｐｅａｎ ｃａｒｂｏｎ ｂａｌａｎｃｅ． Ｐａｒｔ ２： Ｃｒｏｐｌａｎｄｓ． Ｇｌｏｂａｌ Ｃｈａｎｇｅ
Ｂｉｏｌｏｇｙ， ２０１０， １６： １４０９－１４２８
［２６］ 　 Ｌｏｂｅｌｌ ＤＢ， Ｈｉｃｋｅ ＪＡ， Ａｓｎｅｒ ＧＰ， ｅｔ ａｌ． Ｓａｔｅｌｌｉｔｅ ｅｓｔｉ⁃
ｍａｔｅｓ ｏｆ ｐｒｏｄｕｃｔｉｖｉｔｙ ａｎｄ ｌｉｇｈｔ ｕｓｅ ｅｆｆｉｃｉｅｎｃｙ ｉｎ Ｕｎｉｔｅｄ
Ｓｔａｔｅｓ ａｇｒｉｃｕｌｔｕｒｅ， １９８２ － ９８． Ｇｌｏｂａｌ Ｃｈａｎｇｅ Ｂｉｏｌｏｇｙ，
２００２， ８： ７２２－７３５
［２７］　 Ｌｉ ＺＰ， Ｌｉｕ ＳＧ， Ｔａｎ ＺＧ， ｅｔ ａｌ． Ｃｏｍｐａｒｉｎｇ ｃｒｏｐｌａｎｄ ｎｅｔ
ｐｒｉｍａｒｙ ｐｒｏｄｕｃｔｉｏｎ ｅｓｔｉｍａｔｅｓ ｆｒｏｍ ｉｎｖｅｎｔｏｒｙ， ａ ｓａｔｅｌｌｉｔｅ⁃
ｂａｓｅｄ ｍｏｄｅｌ， ａｎｄ ａ ｐｒｏｃｅｓｓ⁃ｂａｓｅｄ ｍｏｄｅｌ ｉｎ ｔｈｅ Ｍｉｄｗｅｓｔ
ｏｆ ｔｈｅ Ｕｎｉｔｅｄ Ｓｔａｔｅｓ． Ｅｃｏｌｏｇｉｃａｌ Ｍｏｄｅｌｌｉｎｇ， ２０１４， ２７７：
１－１２
［２８］　 Ｃｈｅｎ Ｆ⁃Ｊ （陈福军）， Ｓｈｅｎ Ｙ⁃Ｊ （沈彦俊）， Ｌｉ Ｑ （李　
倩）， ｅｔ ａｌ． Ｓｐａｔｉｏ⁃ｔｅｍｐｏｒａｌ ｖａｒｉａｔｉｏｎ ａｎａｌｙｓｉｓ ｏｆ ｅｃｏｌｏｇｉ⁃
ｃａｌ ｓｙｓｔｅｍｓ ＮＰＰ ｉｎ Ｃｈｉｎａ ｉｎ ｐａｓｔ ３０ ｙｅａｒｓ． Ｓｃｉｅｎｔｉａ Ｇｅｏ⁃
ｇｒａｐｈｉｃａ Ｓｉｎｉｃａ （地理学报）， ２０１１， ３１（１１）： １４０９－
１４１４ （ｉｎ Ｃｈｉｎｅｓｅ）
［２９］　 Ｈｏｕ Ｙ⁃Ｙ （侯英雨）， Ｌｉｕ Ｑ⁃Ｈ （柳钦火）， Ｙａｎ Ｈ （延
昊）， ｅｔ ａｌ． Ｖａｒｉａｔｉｏｎ ｔｒｅｎｄｓ ｏｆ Ｃｈｉｎａ ｔｅｒｒｅｓｔｒｉａｌ ｖｅｇｅｔａ⁃
ｔｉｏｎ ｎｅｔ ｐｒｉｍａｒｙ ｐｒｏｄｕｃｔｉｖｉｔｙ ａｎｄ ｉｔｓ ｒｅｓｐｏｎｓｅｓ ｔｏ ｃｌｉｍａｔｅ
ｆａｃｔｏｒｓ ｉｎ １９８２－２０００． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏ⁃
ｇｙ （应用生态学报）， ２００７， １８（７）： １５４６－１５５３ （ ｉｎ
Ｃｈｉｎｅｓｅ）
［３０］　 Ｍａ Ｊ⁃Ｌ （马金龙）， Ｌｉｕ Ｌ⁃Ｊ （刘丽娟）， Ｌｉ Ｘ⁃Ｙ （李小
玉）， ｅｔ ａｌ． Ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｐｒｏｃｅｓｓ ｏｆ ｃｏｔｔｏｎ ｆｉｅｌｄ ｕｎ⁃
ｄｅｒ ｍｕｌｃｈｅｄ ｄｒｉｐ ｉｒｒｉｇａｔｉｏｎ ｏｆ ｏａｓｉｓ ｉｎ ａｒｉｄ ｒｅｇｉｏｎ． Ｃｈｉ⁃
ｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｌｏｇｙ （生态学杂志）， ２０１５， ３４（４）：
９７４－９８１ （ｉｎ Ｃｈｉｎｅｓｅ）
［３１］　 Ｌｉ Ｚ⁃Ｇ （李志国）， Ｚｈａｎｇ Ｒ⁃Ｈ （张润花）， Ｌａｉ Ｄ⁃Ｍ
（赖冬梅）， ｅｔ ａｌ． Ｅｆｆｅｃｔｓ ｏｆ ｄｒｉｐ ｉｒｒｉｇａｔｉｏｎ ｗｉｔｈ ｐｌａｓｔｉｃ
ｍｕｌｃｈｉｎｇ ｏｎ ｔｈｅ ｎｅｔ ｐｒｉｍａｒｙ ｐｒｏｄｕｃｔｉｖｉｔｙ， ｓｏｉｌ ｈｅｔｅｒｏ⁃
ｔｒｏｐｈｉｃ ｒｅｓｐｉｒａｔｉｏｎ，ａｎｄ ｎｅｔ ＣＯ２ ｅｘｃｈａｎｇｅ ｆｌｕｘ ｏｆ ｃｏｔｔｏｎ
ｆｉｅｌｄ ｅｃｏｓｙｓｔｅｍ ｉｎ Ｘｉｎｊｉａｎｇ， Ｎｏｒｔｈｗｅｓｔ Ｃｈｉｎａ． Ｃｈｉｎｅｓｅ
Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ （应用生态学报）， ２０１２， ２３
（４）： １０１８－１０２４ （ｉｎ Ｃｈｉｎｅｓｅ）
［３２］　 Ｌｕ Ｌ （卢　 玲）， Ｌｉ Ｘ （李　 新）， Ｆｒａｎｋ Ｖ． Ｅｓｔｉｍａｔｉｏｎ
ｏｆ ｎｅｔ ｐｒｉｍａｒｙ ｐｒｏｄｕｃｔｉｖｉｔｙ ｏｆ Ｈｅｉｈｅ Ｒｉｖｅｒ Ｂａｓｉｎ ｕｓｉｎｇ
ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ． Ｊｏｕｒｎａｌ ｏｆ Ｄｅｓｅｒｔ Ｒｅｓｅａｒｃｈ （中国沙
漠）， ２００６， ２５（６）： ８２３－８３０ （ｉｎ Ｃｈｉｎｅｓｅ）
［３３］　 Ｈｅ Ｙ （何　 勇）， Ｄｏｎｇ Ｗ⁃Ｊ （董文杰）， Ｊｉ Ｊ⁃Ｓ （季劲
松）， ｅｔ ａｌ． Ｔｈｅ ｎｅｔ ｐｒｉｍａｒｙ ｐｒｏｄｕｃｅｔｉｏｎ ｓｉｍｕｌａｔｉｏｎ ｏｆ
ｔｅｒｒｅｓｔｒｉａｌ ｅｃｏｓｙｓｔｅｍ ｉｎ Ｃｈｉｎａ ｂｙ ＡＶＩＭ． Ａｄｖａｎｃｅｓ ｉｎ
Ｅａｒｔｈ Ｓｃｉｅｎｃｅ （地球科学进展）， ２００５， ２０（３）： ３４５－
３４９ （ｉｎ Ｃｈｉｎｅｓｅ）
［３４］　 Ｓｕｎ Ｑ⁃Ｌ （孙庆龄）， Ｆｅｎｇ Ｘ⁃Ｆ （冯险峰）， Ｘｉｏａ Ｘ （肖
潇）． Ｓｐａｔｉｏ⁃ｔｅｍｐｏｒａｌ ｐａｔｔｅｒｎ ｏｆ ＮＰＰ ａｎｄ ｒｅｌａｔｅｄ ａｎａｌｙ⁃
ｓｅｓ ｗｉｔｈ ｔｅｒｒａｉｎ ｆａｃｔｏｒｓ ｉｎ Ｗｕｌｉｎｇ Ｍｏｕｎｔａｉｎｏｕｓ ａｒｅａ．
Ｊｏｕｒｎａｌ ｏｆ Ｇｅｏ⁃ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ （地理信息科学学
报）， ２０１４， １６（６）： ９１５－９２４ （ｉｎ Ｃｈｉｎｅｓｅ）
［３５］　 Ｚｈｕ Ｍ （朱 　 梅）， Ｌｉ Ｆ⁃Ｙ （李发源）． Ｉｎｆｌｕｅｎｃｅ ｏｆ
ｓｌｏｐｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｎ ｓｌｏｐｅ ｓｐｅｃｔｒｕｍ． Ｓｃｉｅｎｃｅ ｏｆ Ｓｕｒｖｅ⁃
ｙｉｎｇ ａｎｄ Ｍａｐｐｉｎｇ （测绘科学）， ２００９， ３４（６）： １６５－
１６７ （ｉｎ Ｃｈｉｎｅｓｅ）
［３６］　 Ｚｈｕ ＷＱ， Ｐａｎ ＹＺ， Ｈｅ Ｈ， ｅｔ ａｌ． Ｓｉｍｕｌａｔｉｏｎ ｏｆ ｍａｘｉｍｕｍ
ｌｉｇｈｔ ｕｓｅ ｅｆｆｉｃｉｅｎｃｙ ｆｏｒ ｓｏｍｅ ｔｙｐｉｃａｌ ｖｅｇｅｔａｔｉｏｎ ｔｙｐｅｓ ｉｎ
Ｃｈｉｎａ． Ｃｈｉｎｅｓｅ Ｓｃｉｅｎｃｅ Ｂｕｌｌｅｔｉｎ， ２００６， ５１： ７００－７０６
［３７］　 Ｆｅｎｇ Ｙ⁃Ｍ （冯益明）， Ｙａｏ Ａ⁃Ｄ （姚爱冬）， Ｊｉａｎｇ Ｌ⁃Ｎ
（姜丽娜）． Ｉｍｐｒｏｖｉｎｇ ｔｈｅ ＣＡＳＡ ｍｏｄｅｌ ａｎｄ ａｐｐｌｙｉｎｇ ｉｔ
ｔｏ ｅｓｔｉｍａｔｅ ｔｈｅ ｎｅｔ ｐｒｉｍａｒｙ ｐｒｏｄｕｃｔｉｖｉｔｙ ｏｆ ａｒｉｄ ｒｅｇｉｏｎ
ｅｃｏｌｏｇｙ ｓｙｓｔｅｍ． Ａｒｉｄ Ｌａｎｄ Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ
（干旱区资源与环境）， ２０１４， ２８（８）： ３９－４３ （ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
［３８］　 Ｒｅｎ Ｊ （任　 珺）， Ｔａｏ Ｌ （陶　 玲）． Ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ ｏｆ
ｅｐｈｅｍｅｒａｌ ｐｌａｎｔｓ ｉｎ ｎｏｒｔｈｅｒｎ ｒｅｇｉｏｎ ｏｆ Ｘｉｎｊｉａｎｇ． Ｐｒａｔｃｕｌ⁃
ｔｕｒａｌ Ｓｃｉｅｎｃｅ （草业科学）， ２００５， ２２（５）： １９－２４ （ ｉｎ
Ｃｈｉｎｅｓｅ）
［３９］　 Ｌｉｕ Ｘ⁃Ｈ （刘新华）， Ｙａｎｇ Ｑ⁃Ｋ （杨勤科）， Ｔａｎｇ Ｇ⁃Ａ
（汤国安）． Ｅｘｔｒａｃｔｉｏｎ ａｎｄ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｒｅｌｉｅｆ ｏｆ Ｃｈｉｎａ
ｂａｓｅｄ ｏｎ ＤＥＭ ａｎｄ ＧＩＳ ｍｅｔｈｏｄ． Ｂｕｌｌｅｔｉｎ ｏｆ Ｓｏｉｌ ａｎｄ Ｗａ⁃
ｔｅｒ Ｃｏｎｓｅｒｖａｔｉｏｎ （水土保持学报）， ２００１， ２１（１）： ５７－
６２ （ｉｎ Ｃｈｉｎｅｓｅ）
作者简介　 杨会巾，女，１９９２ 年生，硕士研究生．主要从事陆
地生态系统净初级生产力研究． Ｅ⁃ｍａｉｌ： ｈｕｉｊｉｎ＿ｕｃａｓ＠ １６３．
ｃｏｍ
责任编辑　 杨　 弘
杨会巾， 李小玉， 刘丽娟， 等． 基于耦合模型的干旱区植被净初级生产力估算． 应用生态学报， ２０１６， ２７（６）： １７５０－１７５８
Ｙａｎｇ Ｈ⁃Ｊ， Ｌｉ Ｘ⁃Ｙ， Ｌｉｕ Ｌ⁃Ｊ， ｅｔ ａｌ． Ｅｓｔｉｍａｔｉｏｎ ｏｆ ｎｅｔ ｐｒｉｍａｒｙ ｐｒｏｄｕｃｔｉｖｉｔｙ ｉｎ ａｒｉｄ ｒｅｇｉｏｎ ｂａｓｅｄ ｏｎ ｃｏｕｐｌｉｎｇ ｍｏｄｅｌ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ
Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， ２０１６， ２７（６）： １７５０－１７５８ （ｉｎ Ｃｈｉｎｅｓｅ）
８５７１ 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷