全 文 ：书基于 犕犗犇犐犛算法的藏北高寒草甸的
光能利用效率模拟
付刚１，２，沈振西１，张宪洲１，石培礼１，何永涛１，武建双１，２，周宇庭１，２
（１．中国科学院地理科学与资源研究所 生态系统网络观测与模拟重点实验室 拉萨高原生态系统研究站，
北京１００１０１；２．中国科学院研究生院，北京１０００４９）
摘要：光能利用效率（ｌｉｇｈｔｕｓｅｅｆｆｉｃｉｅｎｃｙ，ＬＵＥ）是指初级生产力与植被冠层所吸收的光合有效辐射（ａｂｓｏｒｂｅｄｐｈｏ
ｔｏｓｙｎｔｈｅｔｉｃａｌｙａｃｔｉｖｅｒａｄｉａｔｉｏｎ，ＡＰＡＲ）之比，它反映了植被利用光能的能力。定量化生产力的时空变化是定量化
全球碳循环的重要研究内容，而ＬＵＥ作为光能生产力模型中的一个重要参数，是定量化生产力时空变化的基础。
因此，定量化全球植被的ＬＵＥ是定量化全球碳循环的重要组成部分。基于 ＭＯＤＩＳ光能利用效率算法，本研究模
拟了２００４－２００５年藏北高寒草甸生态系统的光能利用效率（ＬＵＥＭＯＤＩＳ），并用观测的光能利用效率（ＬＵＥＥＣ）对模型
进行了验证。在 ＭＯＤＩＳ算法中，日最低气温（犜犪ｍｉｎ）和饱和水汽压亏缺（ＶＰＤ）分别被用来计算温度胁迫因子
（犜ｓｃａｌａｒ）和水分胁迫因子（犠ｓｃａｌａｒ）。相关分析和多重逐步回归分析结果表明，相对于犠ｓｃａｌａｒ，犜ｓｃａｌａｒ更能够解释观测的
ＬＵＥ的季节变化。２００４和２００５年的模拟值分别高估了约１４．９７％和１６．５７％的观测值，但配对Ｔ检验显示模拟
值和观测值差异不显著，即基于 ＭＯＤＩＳ的ＬＵＥ算法在模拟藏北高寒草甸ＬＵＥ方面具有较高的精度。相关分析
表明，观测的ＬＵＥ与犜犪ｍｉｎ的相关性好于观测的ＬＵＥ与平均气温的相关性，这表明在反应藏北高寒草甸生态系统
ＬＵＥ的季节变异方面，犜犪ｍｉｎ优于平均气温。总之，基于 ＭＯＤＩＳ算法的ＬＵＥ模型能够比较准确地定量化藏北高寒
草甸生态系统的ＬＵＥ。
关键词：光能利用效率；高寒草甸；ＭＯＤＩＳ；藏北高原
中图分类号：Ｓ８１２．２９ 文献标识码：Ａ 文章编号：１００４５７５９（２０１２）０１０２３９０９
光能利用效率（ｌｉｇｈｔｕｓｅｅｆｆｉｃｉｅｎｃｙ，ＬＵＥ）指的是总初级生产力（ｇｒｏｓｓｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｏｎ，ＧＰＰ）或净初级生
产力（ｎｅｔｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｏｎ，ＮＰＰ）与植被冠层所吸收的光能量之比，它反映了植被利用光能的能力［１５］。定量
化生产力的时空变化是定量化全球碳循环的重要挑战之一，在所有的生产力模型中，ＬＵＥ模型最有潜力定量化
生产力的时空变化［６，７］。因此，作为光能利用效率生产力模型的重要参数，ＬＵＥ的准确定量化模拟是定量化生产
力时空变化和全球碳循环的基础。
自１９９９年１２月中分辨率成像光谱仪（ｍｏｄｅｒａｔｅｒｅｓｏｌｕｔｉｏｎｉｍａｇｉｎｇｓｐｅｃｔｒｏｒａｄｉｏｍｅｔｅｒ，ＭＯＤＩＳ）的Ｔｅｒｒａ传
感器成功发射以来，ＭＯＤＩＳ一直以较高的时间分辨率和空间分辨率对全球范围内的ＧＰＰ和ＮＰＰ进行着连续的
监测［８，９］。然而，仍然有必要对 ＭＯＤＩＳ生产力数据进行地表观测数据的验证［１０１２］。通量观测技术是估算生态系
统尺度ＧＰＰ最好的方法之一，它往往被用来检验 ＭＯＤＩＳ的ＧＰＰ产品精度［１１１３］。研究［１２，１４］表明，基于 ＭＯＤＩＳ
算法的ＬＵＥ的低估造成了ＧＰＰ的低估。因此，基于 ＭＯＤＩＳ的ＧＰＰ精度在很大程度上依赖于ＬＵＥ的准确模
拟。
高寒草甸生态系统在亚洲中部高寒环境以及世界高寒地区都极具代表性［１５］。在全国范围内，高寒草甸总面
积约为６．４×１０５ｋｍ２，主要分布在青藏高原，是青藏高原典型植被类型之一［１６１９］。全中国的高寒草甸生态系统
共包含了约３５．４Ｐｇ的碳，约相当于２６．４％的中国所有草地碳库的总量［１６］。此外，青藏高原高寒草甸生态系统
的ＧＰＰ可能会随着大气ＣＯ２ 浓度的增加而增加［１５］。高寒草甸生态系统在中国的区域碳循环中起着举足轻重的
第２１卷 第１期
Ｖｏｌ．２１，Ｎｏ．１
草 业 学 报
ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ
２３９－２４７
２０１２年２月
收稿日期：２０１０１０２９；改回日期：２０１０１１２９
基金项目：国家科技支撑计划项目（２００７ＢＡＣ０６Ｂ０１，２００６ＢＡＣ０１Ａ０４），国家重点基础研究发展计划（２０１０ＣＢ８３３５００）和国家自然基金项目
（４１１７１０８４，４０７７１１２１）资助。
作者简介：付刚（１９８４），男，河北保定人，在读博士。Ｅｍａｉｌ：ｆｕｇａｎｇ０９＠１２６．ｃｏｍ
通讯作者。Ｅｍａｉｌ：ｓｈｅｎｚｘ＠ｉｇｓｎｒｒ．ａｃ．ｃｎ
作用［１２］。因此，准确定量化模拟高寒草甸生态系统的ＬＵＥ和生产力是定量化高寒草甸生态系统碳循环的重要
组成部分。
Ｚｈａｎｇ等［１２］对海北高寒草甸的研究表明，基于 ＭＯＤＩＳ的年均ＧＰＰ仅占通量观测数据估算的年均ＧＰＰ的
５０．０％～６６．７％，而ＬＵＥ的低估是其主要原因。然而，利用通量观测数据对基于 ＭＯＤＩＳ算法的藏北高寒草甸
ＧＰＰ和ＬＵＥ进行验证的研究尚未见报道。因此，基于 ＭＯＤＩＳ的ＬＵＥ算法，本研究利用藏北高寒草甸通量观
测系统的常规气象观测数据模拟了２００４－２００５年生长季节藏北高寒草甸生态系统的ＬＵＥ，并用同期的通量观
测数据进行了模型验证。
１ 材料与方法
１．１ 研究地概况
通量观测系统位于拉萨市当雄县草原站（９１°０４′Ｅ，３０°３０′Ｎ），该站距当雄县城约３ｋｍ，地处念青唐古拉山
的南缘，属丘间盆地类型，地势平坦。当雄县素有拉萨北大门之称，平均海拔４２００ｍ，位于藏北藏南的交错地
带。该地区属于高原性季风气候。降水量有明显的季节之分，８０％的降水集中在生长季节的６－８月。冰冻期较
长，持续３个月（１１月－翌年１月）。土壤类型为高寒草甸土，土壤厚度为３０～５０ｃｍ。植物根系主要分布在０～
２０ｃｍ土层内。植被类型属于典型的高寒嵩草草甸植被，建群种主要有小嵩草（犓狅犫狉犲狊犻犪狆犪狉狏犪）、丝颖针茅（犛狋犻
狆犪犮犪狆犻犾犾犪犮犲犪）、窄叶苔草（犆犪狉犲狓犿狅狀狋犻狊犲狏犲狉犲狊狋犻犻）等，伴生有多种密丛生嵩草。关于研究地概况的介绍也可以参
考文献［２０］。
１．２ 野外观测数据
通量数据和气象数据取自当雄通量观测系统，该通量观测系统以开路涡度相关系统（ｏｐｅｎｐａｔｈｅｄｄｙｃｏｖａｒｉ
ａｎｃｅｓｙｓｔｅｍ）为主，并对常规气象要素进行观测。该系统自２００３年７月开始运行。常规气象要素主要包括光合
有效辐射（ｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌｙａｃｔｉｖｅｒａｄｉａｔｉｏｎ，ｍｏｌＣＯ２／ｍｏｌ光合光量子通量密度，ＰＡＲ）、空气温度（ａｉｒｔｅｍｐｅｒ
ａｔｕｒｅ，℃，Ｔａ）、相对湿度（ｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙ，ＲＨ）、水汽压（ｖａｐｏｒｐｒｅｓｓｕｒｅ，ｋＰａ）、０．０５，０．１０和０．５０ｍ的土壤含
水量（ｓｏｉｌｗａｔｅｒｃｏｎｔｅｎｔ，ｍ３／ｍ３）等。
此外，在２００５年生长季节进行了叶面积（ｌｅａｆａｒｅａｉｎｄｅｘ，ＬＡＩ）的观测，时间间隔大约是１５ｄ，样方大小为０．５
ｍ×０．５ｍ，５个重复。为了得到连续的 ＬＡＩ数据，建立了野外观测的 ＬＡＩ数据和 ＭＯＤＩＳ的 ＮＤＶＩ产品
（ＭＯＤ１３Ｑ１）数据的指数回归方程，其回归方程为狔＝０．１３ｅｘｐ１．１３狓（犚２＝０．７１；犘＜０．００１；ＲＭＳＥ＝０．０５；狔和狓分
别表示基于 ＭＯＤＩＳ的ＮＤＶＩ数据和野外观测的ＬＡＩ数据）。
１．３ 观测的光能利用效率（ＬＵＥＥＣ）
为了验证模拟结果，本研究依照下式计算了基于生态系统碳通量观测的光能利用效率，作为基于地表观测的
光能利用效率（ＬＵＥＥＣ），为了便于描述，在本研究中简称为观测的光能利用效率。
犔犝犈犈犆＝ 犌犘犘犃犘犃犚
（１）
式中，犌犘犘为总初级生产力，由碳通量数据依据一系列的公式［２１２３］计算得到；犃犘犃犚为植被吸收的光合有效辐
射，由下式计算得到：
犃犘犃犚＝犉犘犃犚×犘犃犚 （２）
式中，犘犃犚为光合有效辐射，取自常规气象观测系统；犉犘犃犚为植被冠层吸收的光合有效辐射比（ｆｒａｃｔｉｏｎａｌｐｈｏ
ｔｏｓｙｎｔｈｅｔｉｃａｌｙａｃｔｉｖｅｒａｄｉａｔｉｏｎ，ＦＰＡＲ），按照下式进行计算：
犉犘犃犚＝０．９５×［（１－ｅｘｐ（－犽×犔犃犐）］ （３）
式中，犽为消光系数，在本研究中，取值０．５［２４］；犔犃犐为叶面积指数，由犖犇犞犐数据按照本研究前面建立的回归方
程犖犇犞犐＝０．１３ｅｘｐ１．１３犔犃犐反推获得。
１．４ ＭＯＤＩＳ光能利用效率算法介绍
在 ＭＯＤＩＳ光能利用效率算法中，ＬＵＥ按照下式进行计算：
犔犝犈＝犔犝犈ｍａｘ×犜狊犮犪犾犪狉×犠ｓｃａｌａｒ （４）
０４２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１２） Ｖｏｌ．２１，Ｎｏ．１
式中，犔犝犈ｍａｘ为最大光能利用效率或潜在光能利用效率，在本研究中取０．８５ｇＣ／ＭＪ［２５］；犜ｓｃａｌａｒ和犠ｓｃａｌａｒ分别为
犔犝犈ｍａｘ的温度胁迫系数和水分胁迫系数。在 ＭＯＤＩＳ的ＬＵＥ模型中，犜犪ｍｉｎ和ＶＰＤ分别作为ＬＵＥｍａｘ的温度胁
迫因子和水分胁迫因子，并分别按照式（５）和式（６）计算犜ｓｃａｌａｒ和犠ｓｃａｌａｒ［１２，１３］。
犜ｓｃａｌａｒ＝
犜犪ｍｉｎ－犜犪ｍｉｎｍｉｎ
犜犪ｍｉｎｍａｘ－犜犪ｍｉｎｍｉｎ
（５）
式中，犜犪ｍｉｎｍａｘ和犜犪ｍｉｎｍｉｎ分别表示犜犪ｍｉｎ的最大值和最小值，在本研究中分别取 ＭＯＤＩＳ算法中的默认值１２．０２和
－８．０℃。当犜犪ｍｉｎ＞１２．０２℃时，犜ｓｃａｌａｒ值为１；当犜犪ｍｉｎ＜－８．０℃时，犜ｓｃａｌａｒ值为０。
犠ｓｃａｌａｒ＝
犞犘犇ｍａｘ－犞犘犇
犞犘犇ｍａｘ－犞犘犇ｍｉｎ
（６）
式中，犞犘犇ｍａｘ和犞犘犇ｍｉｎ分别表示犞犘犇 的最大值和最小值，在本研究中分别取 ＭＯＤＩＳ算法中的默认值３．５和
０．６５ｋＰａ。当犞犘犇＞３．５ｋＰａ时，犠ｓｃａｌａｒ值为０；当犞犘犇＜０．６５ｋＰａ时，犠ｓｃａｌａｒ值为１。
２ 结果与分析
２．１ 犜犪ｍｉｎ、ＶＰＤ、犜ｓｃａｌａｒ和犠ｓｃａｌａｒ的季节变化
配对Ｔ检验表明，２年的平均犜犪ｍｉｎ（犘＝０．９４４）、ＶＰＤ（犘＝０．５６６）、犜ｓｃａｌａｒ（犘＝０．９４４）、犠ｓｃａｌａｒ（犘＝０．９２０）都没
有显著性差异。相关分析表明，２年的犜犪ｍｉｎ、ＶＰＤ、犜ｓｃａｌａｒ、犠ｓｃａｌａｒ的相关系数分别为０．８９７（犘＜０．００１），－０．３７２（犘
＝０．２９０），０．８９７（犘＜０．００１），－０．２７７（犘＝０．４３８）。此外，相对于水分胁迫系数而言，温度胁迫系数的值域宽度、
标准差和变异系数较大（表１）。
犜犪ｍｉｎ表现出了明显的季节变化（图１）：基本上呈对称的单峰曲线；２００４年的峰值出现在第１７７～１９２天，而
２００５年的峰值比２００４年的峰值出现时间晚约３２ｄ（第２０９～２２４天），但是２００４年的峰值（６．７６℃）要低于２００５
年的峰值（７．８１℃）；一般都在０℃以上，只在生长季初和生长季末会低于０℃。ＶＰＤ曲线变化比较剧烈：基本上
也呈单峰曲线，２００４年的峰值（０．９６ｋＰａ）出现在生长季初（第１２９～１４４天），而２００５年的峰值（０．９６ｋＰａ）出现在
６月底７月初（第１７７～１９２天）；ＶＰＤ年际变动比犜犪ｍｉｎ曲线剧烈，２年的犜犪ｍｉｎ相关性达到了极显著水平，而２年
的ＶＰＤ相关性不显著，这从侧面反映了这一点。
犜ｓｃａｌａｒ和犜犪ｍｉｎ的季节变化趋势完全一致（图２），犜ｓｃａｌａｒ和犜犪ｍｉｎ２年的相关系数都为１．０００（犘＜０．００１），这从侧
面反映了犜ｓｃａｌａｒ和犜犪ｍｉｎ季节变化趋势的一致性。犠ｓｃａｌａｒ的季节变化趋势不明显：基本上为一条恒值曲线，即几乎
保持１．００不变，２００４年只有第１２９～１４４，２４１～２５６和２５７～２７２天３个１６ｄ尺度的值略微低于１．００，这３个时
间段的值分别为０．８９，０．９７和０．９７；２００５年也只有第１４５～１６０，１６１～１７６，１７７～１９２和２４１～２５６天４个１６ｄ尺
度的值略微低于１．００，这４个时间段的值分别为０．９６，０．９７，０．８９和０．９９。
表１ 光能利用效率的温度胁迫系数和水分胁迫系数的统计指标
犜犪犫犾犲１ 犛狋犪狋犻狊狋犻犮犪犾犻狀犱犻犮犲狊狋犲犿狆犲狉犪狋狌狉犲犪狋狋犲狀狌犪狋犻狅狀狊犮犪犾犪狉犪狀犱狑犪狋犲狉犪狋狋犲狀狌犪狋犻狅狀狊犮犪犾犪狉犳狅狉犾犻犵犺狋
狌狊犲犲犳犳犻犮犻犲狀犮狔犻狀２００４犪狀犱２００５，狉犲狊狆犲犮狋犻狏犲犾狔
年份
Ｙｅａｒ
温度参数犜ｓｃａｌａｒ
均值
Ｍｅａｎ
ｖａｌｕｅ
值域
Ｒａｎｇｅｏｆ
ｖａｌｕｅｓ
标准差
Ｓｔａｎｄａｒｄ
ｄｅｖｉａｔｉｏｎ
变异系数
Ｃｏｅｆｆｉｃｉｅｎｔｓｏｆ
ｖａｒｉａｔｉｏｎ（％）
水分参数犠ｓｃａｌａｒ
均值
Ｍｅａｎ
ｖａｌｕｅ
值域
Ｒａｎｇｅｏｆ
ｖａｌｕｅｓ
标准差
Ｓｔａｎｄａｒｄ
ｄｅｖｉａｔｉｏｎ
变异系数
Ｃｏｅｆｆｉｃｉｅｎｔｓｏｆ
ｖａｒｉａｔｉｏｎ（％）
２００４ ０．５９ ０．４０～０．７４ ０．１３ ２２．１２ ０．９８ ０．８９～１．００ ０．０３ ３．５３
２００５ ０．５９ ０．３１～０．７９ ０．１６ ２６．４２ ０．９８ ０．８９～１．００ ０．０４ ３．５９
２．２ 光能利用效率（ＬＵＥＥＣ和ＬＵＥＭＯＤＩＳ）的季节变化
ＬＵＥＥＣ和ＬＵＥＭＯＤＩＳ的季节变化趋势一致（表２，图３）：ＬＵＥ曲线为单峰曲线；２００４年的ＬＵＥＥＣ和ＬＵＥＭＯＤＩＳ的
峰值都出现在６月底７月初（第１７７～１９２天），其值分别为０．６０和０．６３ｇＣ／ＭＪ；２００５年的ＬＵＥＥＣ的峰值（０．７９
１４２第２１卷第１期 草业学报２０１２年
ｇＣ／ＭＪ）出现在７月中下旬（第１９３～２０８天），而
图１ 日最低空气温度、饱和水汽压亏缺的季节变化
犉犻犵．１ 犛犲犪狊狅狀犪犾犮犺犪狀犵犲狊狅犳犱犪犻犾狔犿犻狀犻犿狌犿犪犻狉
狋犲犿狆犲狉犪狋狌狉犲（犜犪犿犻狀）犪狀犱狏犪狆狅狉狆狉犲狊狊狌狉犲犱犲犳犻犮犻狋（犞犘犇）
图２ 温度胁迫系数、水分胁迫系数的季节变化
犉犻犵．２ 犛犲犪狊狅狀犪犾犮犺犪狀犵犲狊狅犳狋犲犿狆犲狉犪狋狌狉犲犪狋狋犲狀狌犪狋犻狅狀
狊犮犪犾犪狉犪狀犱狑犪狋犲狉犪狋狋犲狀狌犪狋犻狅狀狊犮犪犾犪狉
ＬＵＥＭＯＤＩＳ的峰值（０．６７ｇＣ／ＭＪ）则出现在７月
底到８月初（第２０９～２２４天），比同年的ＬＵＥＥＣ
峰值晚约１６ｄ。
２００４－２００５年ＬＵＥ的年际变化趋势（表２，
图３）是：返青期的值都是２００４年的大于２００５
年；生长期的 ＬＵＥＥＣ值是２００４年的小于２００５
年，而ＬＵＥＭＯＤＩＳ值则是２００４年的大于２００５年；
枯黄期的值都是２００４年的小于２００５年；配对犜
检验表明，２００４年的ＬＵＥＥＣ年均值（０．４３０９±
０．１３１７ｇＣ／ＭＪ）和２００５年的 ＬＵＥＥＣ年均值
（０．４２０６±０．１５９１ｇＣ／ＭＪ）差异不显著（犘＝
０．８１４），２００４年的ＬＵＥＭＯＤＩＳ年均值（０．４９５４±
０．１１８３ｇＣ／ＭＪ）和２００５年的ＬＵＥＭＯＤＩＳ年均值
（０．４９０３±０．１２９５ｇＣ／ＭＪ）差异也不显著（犘＝
０．８１１）；２００４年光能利用效率的变异性小于
２００５年。
２．３ 观测的光能利用效率（ＬＵＥＥＣ）和犜犪ｍｉｎ、
ＶＰＤ、犜ｓｃａｌａｒ以及犠ｓｃａｌａｒ的关系
相关分析（表３）表明，ＬＵＥＥＣ和犜犪ｍｉｎ、犜ｓｃａｌａｒ
的相关性都达到了显著水平，而和 ＶＰＤ、犠ｓｃａｌａｒ
的相关性都不显著。研究［２０］表明，在进行多重
逐步回归分析时，截距项会影响自变量因子进入
回归方程的机会。因此，本研究对有截距项和无
截距项２种情况分别进行了多重逐步回归分析。
回归分析结果（表４）表明，有截距项的情况下，
在２００４年４个自变量都没有进入回归方程；在
２００５年则是截距项不显著（犘＝０．８４２）；无截距
的情况下，在２００４年和２００５年都只是温度胁迫
系数进入回归方程，２００４年的回归方程斜率、
犚２、犜ｓｃａｌａｒ的标准回归系数均大于２００５年，而
２００４年的ＲＭＳＥ小于２００５年。
２．４ 观测的光能利用效率（ＬＵＥＥＣ）和模拟的光能利用效率（ＬＵＥＭＯＤＩＳ）的比较
配对犜检验表明，２００４年的 ＬＵＥＥＣ均值（０．４３０９±０．１３１７ｇＣ／ＭＪ）并没有显著小于 ＬＵＥＭＯＤＩＳ均值
（０．４９５４±０．１１８３ｇＣ／ＭＪ）（犘＝０．１１０），２００５年的ＬＵＥＥＣ均值（０．４２０６±０．１５９１ｇＣ／ＭＪ）也没有显著小于
ＬＵＥＭＯＤＩＳ均值（０．４９０３±０．１２９５ｇＣ／ＭＪ）（犘＝０．０９９）。不同物候期的光能利用效率存在着差异：生长期和枯黄
期都是ＬＵＥＭＯＤＩＳ的值大于ＬＵＥＥＣ的值；２００５年返青期的ＬＵＥＭＯＤＩＳ的值也大于ＬＵＥＥＣ的值，但是２００４年返青期
的ＬＵＥＭＯＤＩＳ的值小于ＬＵＥＥＣ的值（表２）。相关分析表明，２００４年的ＬＵＥＥＣ和ＬＵＥＭＯＤＩＳ的相关系数是０．５８０（犘＝
０．０３９），而２００５年两者的相关系数是０．６７３（犘＝０．０１６），这也反映了ＬＵＥＥＣ和ＬＵＥＭＯＤＩＳ季节变化的一致性
（图３）。
２４２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１２） Ｖｏｌ．２１，Ｎｏ．１
表２ 不同物候期的光能利用效率
犜犪犫犾犲２ 犔犻犵犺狋狌狊犲犲犳犳犻犮犻犲狀犮狔狅犳犱犻犳犳犲狉犲狀狋狆犺犲狀狅狆犺犪狊犲 ｇＣ／ＭＪ
光能利用效率Ｌｉｇｈｔｕｓｅｅｆｆｉｃｉｅｎｃｙ 年份Ｙｅａｒ 返青期Ｓｅｅｄｌｉｎｇｐｅｒｉｏｄ 生长期Ｇｒｏｗｉｎｇｓｅａｓｏｎ 枯黄期 Ｗｉｌｔｐｅｒｉｏｄ
观测的光能利用效率ＬＵＥＥＣ ２００４ ０．４２３０±０．１５７５ ０．４９１９±０．０９６５ ０．２５５９±０．０３４１
２００５ ０．２８９５±０．０３９５ ０．４９７３±０．１６３８ ０．３２１６±０．０５２６
模拟的光能利用效率ＬＵＥＭＯＤＩＳ ２００４ ０．３７００±０．０９８６ ０．５７９１±０．０４７４ ０．３６９９±０．０６８５
２００５ ０．３３８０±０．１０２０ ０．５６９６±０．０７０２ ０．４０５０±０．１３１７
单因子线性回归分析（图４）表明，模拟的光能
图３ 光能利用效率的季节变化
犉犻犵．３ 犛犲犪狊狅狀犪犾犮犺犪狀犵犲狊狅犳犾犻犵犺狋狌狊犲犲犳犳犻犮犻犲狀犮狔
利用效率能解释观测的光能利用效率的季节变
异；２００４年和２００５年回归方程的斜率相同，２００４
年的犚２ 稍大于２００５年，而２００４年的ＲＭＳＥ则
小于２００５年，即２００４年模拟的光能利用效率比
２００５年更多地解释了观测的光能利用效率的季
节变异，同时模型误差较小，这说明２００４年比
２００５年的模拟效果好。
为了 定 量 化 分 析 光 能 利 用 效 率 差 值
（ＬＵＥＭＯＤＩＳ－ＬＵＥＥＣ）的影响因子，本研究对光能
利用效率差值和可能会造成该差值的１０个因子
（总初级生产力、吸收的光合有效辐射、光合有效
辐射、吸收的光合有效辐射比、叶面积指数、归一
化植被指数、日最低气温、饱和水汽压亏缺、温度
胁迫系数以及水分胁迫系数）进行了相关分析和
多重逐步回归分析（表５）。
表３ 犔犝犈犈犆与日最低气温、饱和水汽压亏缺、温度胁迫系数以及水分胁迫系数的相关分析
犜犪犫犾犲３ 犆狅狉狉犲犾犪狋犻狅狀犪狀犪犾狔狊犻狊犫犲狋狑犲犲狀犔犝犈犈犆犪狀犱犱犪犻犾狔犿犻狀犻犿狌犿犪犻狉狋犲犿狆犲狉犪狋狌狉犲（犜犪犿犻狀），犱犪狔狋犻犿犲犿犲犪狀
狏犪狆狅狉狆狉犲狊狊狌狉犲犱犲犳犻犮犻狋（犞犘犇），狋犲犿狆犲狉犪狋狌狉犲犪狋狋犲狀狌犪狋犻狅狀狊犮犪犾犪狉（犜狊犮犪犾犪狉）
犪狀犱狑犪狋犲狉犪狋狋犲狀狌犪狋犻狅狀狊犮犪犾犪狉（犠狊犮犪犾犪狉），狉犲狊狆犲犮狋犻狏犲犾狔
年份 Ｙｅａｒ 日最低气温犜犪ｍｉｎ 饱和水汽压亏缺ＶＰＤ 温度胁迫系数犜ｓｃａｌａｒ 水分胁迫系数犠ｓｃａｌａｒ
２００４ ０．６１９ －０．１１６ ０．６１９ －０．０７６
２００５ ０．６４１ －０．２１５ ０．６４１ ０．１５０
注：和 分别表示显著性达到０．０５和０．０１水平，下同。
Ｎｏｔｅ：ａｎｄ ｍｅａｎｓｉｇｎｉｆｉｃａｎｔｄｉｆｆｅｒｅｎｃｅａｔｔｈｅｌｅｖｅｌｏｆ０．０５ａｎｄ０．０１ｐｒｏｂａｂｉｌｉｔｙｌｅｖｅｌｓ，ｒｅｓｐｅｃｔｉｖｅｌｙ，ｔｈｅｓａｍｅｂｅｌｏｗ．
表４ 犔犝犈犈犆与日最低气温、饱和水汽压亏缺、温度胁迫系数以及水分胁迫系数的多重逐步回归分析
犜犪犫犾犲４ 犕狌犾狋犻狆犾犲狊狋犲狆狑犻狊犲狉犲犵狉犲狊狊犻狅狀犪狀犪犾狔狊犻狊犫犲狋狑犲犲狀犔犝犈犈犆犪狀犱犱犪犻犾狔犿犻狀犻犿狌犿犪犻狉狋犲犿狆犲狉犪狋狌狉犲（犜犪犿犻狀），
犱犪狔狋犻犿犲犿犲犪狀狏犪狆狅狉狆狉犲狊狊狌狉犲犱犲犳犻犮犻狋（犞犘犇），狋犲犿狆犲狉犪狋狌狉犲犪狋狋犲狀狌犪狋犻狅狀
狊犮犪犾犪狉（犜狊犮犪犾犪狉）犪狀犱狑犪狋犲狉犪狋狋犲狀狌犪狋犻狅狀狊犮犪犾犪狉（犠狊犮犪犾犪狉）
年份
Ｙｅａｒ
回归方程
Ｒｅｇｒｅｓｓｉｏｎｅｑｕａｔｉｏｎ
标准回归系数
Ｓｔａｎｄａｒｄｒｅｇｒｅｓｓｉｏｎｃｏｅｆｆｉｃｉｅｎｔｓ
决定系数
犚２
总均方根误差
ＲＭＳＥ（ｇＣ／ＭＪ）
显著性概率
犘
２００４ ＝０．７３犜ｓｃａｌａｒ 犜ｓｃａｌａｒ：０．９８ ０．９５ ０．１０４ ＜０．００１
２００５ ＝０．７１犜ｓｃａｌａｒ 犜ｓｃａｌａｒ：０．９７ ０．９３ ０．１２２ ＜０．００１
３４２第２１卷第１期 草业学报２０１２年
图４ 模拟的光能利用效率和观测的光能利用效率的拟合
犉犻犵．４ 犔犻狀犲犪狉犳犻狋狋犻狀犵犫犲狋狑犲犲狀犿狅犱犲犾犲犱犾犻犵犺狋狌狊犲犲犳犳犻犮犻犲狀犮狔犪狀犱狅犫狊犲狉狏犲犱犾犻犵犺狋狌狊犲犲犳犳犻犮犻犲狀犮狔
相关分析表明（表５），２００４年的ＬＵＥＭＯＤＩＳ－ＬＵＥＥＣ和吸收的光合有效辐射、吸收的光合有效辐射比、叶面积
指数以及水分胁迫系数分别达到了显著或极显著相关水平，而和其他６个因子都没有达到显著相关水平；２００５
年的ＬＵＥＭＯＤＩＳ－ＬＵＥＥＣ和１０个因子都没有达到显著相关水平。
多重逐步回归分析表明（表６），有截距的情况下，在２００４年截距项和进入回归方程的犠ｓｃａｌａｒ有着很强的共线
性，在２００５年则是１０个参与回归的因子没有任何一个因子进入回归方程，而只有截距项；无截距的情况下，２００４
年只有ＬＡＩ进入回归方程，并极显著地解释了３７％的ＬＵＥＭＯＤＩＳ－ＬＵＥＥＣ季节变异，２００５年则只有ＡＰＡＲ进入
了回归方程，并极显著地解释了３６％的ＬＵＥＭＯＤＩＳ－ＬＵＥＥＣ季节变异。
表５ 犔犝犈犕犗犇犐犛－犔犝犈犈犆与日总初级生产力、吸收的光合有效辐射、光合有效辐射、吸收的光合有效辐射比、叶面积指数、
归一化植被指数、日最低气温、饱和水汽压亏缺、温度胁迫系数以及水分胁迫系数的相关分析
犜犪犫犾犲５ 犆狅狉狉犲犾犪狋犻狅狀犪狀犪犾狔狊犻狊犫犲狋狑犲犲狀犔犝犈犕犗犇犐犛－犔犝犈犈犆犪狀犱犵狉狅狊狊狆狉犻犿犪狉狔狆狉狅犱狌犮狋犻狅狀（犌犘犘），犪犫狊狅狉犫犲犱狆犺狅狋狅狊狔狀狋犺犲狋犻犮犪犾狔
犪犮狋犻狏犲狉犪犱犻犪狋犻狅狀犫狔狏犲犵犲狋犪狋犻狅狀犮犪狀狅狆狔（犃犘犃犚），狆犺狅狋狅狊狔狀狋犺犲狋犻犮犪犾狔犪犮狋犻狏犲狉犪犱犻犪狋犻狅狀（犘犃犚），犳狉犪犮狋犻狅狀狆犺狅狋狅狊狔狀狋犺犲狋犻犮犪犾狔犪犮狋犻狏犲
狉犪犱犻犪狋犻狅狀（犉犘犃犚），犾犲犪犳犪狉犲犪犻狀犱犲狓（犔犃犐），狀狅狉犿犪犾犻狕犲犱犱犻犳犳犲狉犲狀犮犲狏犲犵犲狋犪狋犻狅狀犻狀犱犲狓（犖犇犞犐），犱犪犻犾狔犿犻狀犻犿狌犿犪犻狉
狋犲犿狆犲狉犪狋狌狉犲（犜犪犿犻狀），犱犪狔狋犻犿犲犿犲犪狀狏犪狆狅狉狆狉犲狊狊狌狉犲犱犲犳犻犮犻狋（犞犘犇），狋犲犿狆犲狉犪狋狌狉犲犪狋狋犲狀狌犪狋犻狅狀狊犮犪犾犪狉（犜狊犮犪犾犪狉）
犪狀犱狑犪狋犲狉犪狋狋犲狀狌犪狋犻狅狀狊犮犪犾犪狉（犠狊犮犪犾犪狉），狉犲狊狆犲犮狋犻狏犲犾狔
年份
Ｙｅａｒ
总初级
生产力
ＧＰＰ
吸收的光合
有效辐射
ＡＰＡＲ
光合有效
辐射
ＰＡＲ
吸收的光合
有效辐射比
ＦＰＡＲ
叶面积
指数
ＬＡＩ
归一化植被
指数
ＮＤＶＩ
日最低
气温
犜犪ｍｉｎ
饱和水汽压
亏缺
ＶＰＤ
温度胁迫
系数
犜ｓｃａｌａｒ
水分胁迫
系数
犠ｓｃａｌａｒ
２００４ ０．２０５ ０．６３１ －０．４２１ ０．６３９ ０．６０６ ０．５３８ ０．３１５ －０．５１４ ０．３１５ ０．７５９
２００５ ０．１４０ ０．５０２ ０．２９０ ０．４２５ ０．４２０ ０．４０２ ０．２１７ ０．２５８ ０．２１７ －０．２４３
表６ 犔犝犈犕犗犇犐犛－犔犝犈犈犆与日总初级生产力、吸收的光合有效辐射、光合有效辐射、吸收的光合有效辐射比、叶面积指数、
归一化植被指数、日最低气温、饱和水汽压亏缺、温度胁迫系数以及水分胁迫系数的多重逐步回归分析
犜犪犫犾犲６ 犕狌犾狋犻狆犾犲狊狋犲狆狑犻狊犲狉犲犵狉犲狊狊犻狅狀犪狀犪犾狔狊犻狊犫犲狋狑犲犲狀犔犝犈犕犗犇犐犛－犔犝犈犈犆犪狀犱犵狉狅狊狊狆狉犻犿犪狉狔狆狉狅犱狌犮狋犻狅狀（犌犘犘），犪犫狊狅狉犫犲犱
狆犺狅狋狅狊狔狀狋犺犲狋犻犮犪犾狔犪犮狋犻狏犲狉犪犱犻犪狋犻狅狀犫狔狏犲犵犲狋犪狋犻狅狀犮犪狀狅狆狔（犃犘犃犚），狆犺狅狋狅狊狔狀狋犺犲狋犻犮犪犾狔犪犮狋犻狏犲狉犪犱犻犪狋犻狅狀（犘犃犚），
犳狉犪犮狋犻狅狀狆犺狅狋狅狊狔狀狋犺犲狋犻犮犪犾狔犪犮狋犻狏犲狉犪犱犻犪狋犻狅狀（犉犘犃犚），犾犲犪犳犪狉犲犪犻狀犱犲狓（犔犃犐），狀狅狉犿犪犾犻狕犲犱犱犻犳犳犲狉犲狀犮犲狏犲犵犲狋犪狋犻狅狀
犻狀犱犲狓（犖犇犞犐），犱犪犻犾狔犿犻狀犻犿狌犿犪犻狉狋犲犿狆犲狉犪狋狌狉犲（犜犪犿犻狀），犱犪狔狋犻犿犲犿犲犪狀狏犪狆狅狉狆狉犲狊狊狌狉犲犱犲犳犻犮犻狋（犞犘犇），
狋犲犿狆犲狉犪狋狌狉犲犪狋狋犲狀狌犪狋犻狅狀狊犮犪犾犪狉（犜狊犮犪犾犪狉）犪狀犱狑犪狋犲狉犪狋狋犲狀狌犪狋犻狅狀狊犮犪犾犪狉（犠狊犮犪犾犪狉），狉犲狊狆犲犮狋犻狏犲犾狔
年份
Ｙｅａｒ
回归方程
Ｒｅｇｒｅｓｓｉｏｎｅｑｕａｔｉｏｎ
标准回归系数
Ｓｔａｎｄａｒｄｒｅｇｒｅｓｓｉｏｎｃｏｅｆｆｉｃｉｅｎｔｓ
决定系数
犚２
总均方根误差
ＲＭＳＥ（ｇＣ／ＭＪ）
显著性概率
犘
２００４ ＝０．０９ＬＡＩ ＬＡＩ：０．６６ ０．３７ ０．１００７ ０．０２８
２００５ ＝０．０１ＡＰＡＲ ＡＰＡＲ：０．６５ ０．３６ ０．１０６８ ０．０３０
４４２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１２） Ｖｏｌ．２１，Ｎｏ．１
３ 讨论与结论
观测的光能利用效率与日最低气温的相关性强于观测的光能利用效率与饱和水汽压亏缺的相关性，且观测
的光能利用效率与温度胁迫系数的相关性强于观测的光能利用效率与水分胁迫系数的相关性（表３）。观测的光
能利用效率与日最低气温、饱和水汽压亏缺、温度胁迫系数以及水分胁迫系数的多重逐步回归分析结果显示，只
有温度胁迫系数进入了回归方程，并极显著地解释了９５％以上观测的光能利用效率的季节变异（表４）。这些结
果同时表明了高寒草甸生态系统光能利用效率的季节变化主要受控于日最低空气温度。温度胁迫系数的值域宽
度、标准差、变异系数分别大于水分胁迫系数的值域宽度、标准差、变异系数（表１）。配对Ｔ检验表明，温度胁迫
系数均值极显著地小于水分胁迫系数均值。这些也都间接说明了温度胁迫系数比水分胁迫系数更能反应光能利
用效率的季节变化。总之，相对于水分胁迫系数而言，温度胁迫系数更能够解释观测的光能利用效率的季节变
异。
虽然２００４年和２００５年的模拟值分别高估了约１４．９７％和１６．５７％的观测值，但是模拟的光能利用效率和观
测的光能利用效率差异并不显著，这表明基于 ＭＯＤＩＳ算法的光能利用效率模型在定量化藏北高寒草甸生态系
统光能利用效率方面具有较高的精度。
模拟的光能利用效率和观测的光能利用效率的差值的多重逐步回归分析结果显示，２００４年的差异主要由
ＬＡＩ解释，而２００５年的差异主要由ＡＰＡＲ解释。在本研究中，ＬＡＩ被用来计算ＦＰＡＲ，而ＦＰＡＲ是ＡＰＡＲ的一
个关键参数，所以，可以说模拟值和观测值之间的差异主要由ＡＰＡＲ解释。光能利用效率差值的多重回归方程
的犚２ 值比较小，且回归方程也只是达到了显著水平，模拟光能利用效率和观测光能利用效率均值的差异性不显
著在一定程度上可以解释这个结果。因此，模拟值高估的１４．９７％～１６．５７％的观测值主要受ＡＰＡＲ的影响。
研究［６，８］表明，低温将抑制植物代谢和限制植物生长。因此，在生产力光能利用效率模型中，空气温度常作
为最大光能利用效率的温度胁迫因子［６，８，２６］。在气候生产力模型［１８］中，空气温度也是一个非常重要的输入参数。
与本研究不同的是在其他一些模型中，如植被光合模型（ｖｅｇｅｔａｔｉｏｎｐｈｏｔｏｓｙｎｔｈｅｓｉｓｍｏｄｅｌ，ＶＰＭ）［２６］和ＣＡＳＡ模
型［２］，平均气温被用来反应温度对最大光能利用效率的胁迫作用。本研究通过相关分析比较了平均气温和日最
低气温对光能利用效率的胁迫作用，结果发现，２００４年和２００５年平均气温和观测的光能利用效率的相关系数分
别为０．５１５（犘＝０．０６４）和０．４４８（犘＝０．０９７），即都没有达到显著水平，而２年的日最低气温和观测的光能利用
效率的相关性都达到了显著水平（表３）；２００４和２００５年平均气温计算的温度胁迫系数［６，２６］和观测的光能利用效
率的相关系数分别为０．５３８（犘＝０．０５４）和０．４３８（犘＝０．１０３），即也都没有达到显著水平，而２年的日最低气温
计算的温度胁迫系数和观测的光能利用效率的相关性都达到了显著水平（表３）。因此，在定量化藏北高寒草甸
生态系统光能利用效率季节变化方面，日最低气温优于平均气温。
此外，很多研究［２７２９］表明，较高的饱和水汽压亏缺将引起气孔关闭，气孔阻力增加，叶片光合速率降低，从而
导致生产力降低。因此，除 ＭＯＤＩＳ光能利用效率模型采用了饱和水汽压亏缺作为最大光能利用效率的水分胁
迫因子外，如ＧＬＯＰＥＭ等模型［１］也采用了饱和水汽压亏缺。
参考文献：
［１］ ＰｒｉｎｃｅＳＤ，ＧｏｗａｒｄＳＮ．Ｇｌｏｂａｌｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｏｎ：ａｒｅｍｏｔｅｓｅｎｓｉｎｇａｐｐｒｏａｃｈ［Ｊ］．ＪｏｕｒｎａｌｏｆＢｉｏｇｅｏｇｒａｐｈｙ，１９９５，２２：８１５
８３５．
［２］ ＰｏｔｔｅｒＣＳ，ＲａｎｄｅｒｓｏｎＪＴ，ＦｉｅｌｄＣＢ，犲狋犪犾．Ｔｅｒｒｅｓｔｒｉａｌｅｃｏｓｙｓｔｅｍｐｒｏｄｕｃｔｉｏｎ：ａｐｒｏｃｅｓｓｍｏｄｅｌｂａｓｅｄｏｎｇｌｏｂａｌｓａｔｅｌｉｔｅａｎｄ
ｓｕｒｆａｃｅｄａｔａ［Ｊ］．ＧｌｏｂａｌＢｉｏｇｅｏｃｈｅｍｉｃａｌＣｙｃｌｅｓ，１９９３，７：８１１８４１．
［３］ 王莺，夏文韬，梁天刚，等．基于 ＭＯＤＩＳ植被指数的甘南草地净初级生产力时空变化研究［Ｊ］．草业学报，２０１０，１９（１）：
２０１２１０．
［４］ 公延明，胡玉昆，阿德力麦地，等．高寒草原对气候生产力模型的适用分析［Ｊ］．草业学报，２０１０，１９（２）：７１３．
［５］ 王雯癑，韩清芳，宗毓峥，等．不同叶型紫花苜蓿不同茬次光合效率的差异［Ｊ］．草业科学，２０１０，２７（５）：５０５６．
［６］ ＹｕａｎＷＰ，ＬｉｕＳＧ，ＺｈｏｕＧＳ，犲狋犪犾．Ｄｅｒｉｖｉｎｇａｌｉｇｈｔｕｓｅｅｆｆｉｃｉｅｎｃｙｍｏｄｅｌｆｒｏｍｅｄｄｙｃｏｖａｒｉａｎｃｅｆｌｕｘｄａｔａｆｏｒｐｒｅｄｉｃｔｉｎｇｄａｉｌｙ
５４２第２１卷第１期 草业学报２０１２年
ｇｒｏｓｓｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｏｎａｃｒｏｓｓｂｉｏｍｅｓ［Ｊ］．ＡｇｒｉｃｕｌｔｕｒａｌａｎｄＦｏｒｅｓｔＭｅｔｅｏｒｏｌｏｇｙ，２００７，１４３：１８９２０７．
［７］ ＷｕＣＹ，ＮｉｕＺ，ＴａｎｇＱ，犲狋犪犾．ＲｅｍｏｔｅｅｓｔｉｍａｔｉｏｎｏｆｇｒｏｓｓｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｏｎｉｎｗｈｅａｔｕｓｉｎｇｃｈｌｏｒｏｐｈｙＩＩｒｅｌａｔｅｄｖｅｇｅｔａｔｉｏｎ
ｉｎｄｉｃｅｓ［Ｊ］．ＡｇｒｉｃｕｌｔｕｒａｌａｎｄＦｏｒｅｓｔＭｅｔｅｏｒｏｌｏｇｙ，２００９，１４９：１０１５１０２１．
［８］ ＣｏｏｐｓＮＣ，ＪａｓｓａｌＲＳ，ＬｅｕｎｉｎｇＲ，犲狋犪犾．ＩｎｃｏｒｐｏｒａｔｉｏｎｏｆａｓｏｉｌｗａｔｅｒｍｏｄｉｆｉｅｒｉｎｔｏＭＯＤＩＳｐｒｅｄｉｃｔｉｏｎｓｏｆｔｅｍｐｅｒａｔｅＤｏｕｇｌａｓ
ｆｉｒｇｒｏｓｓｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｖｉｔｙ：Ｉｎｉｔｉａｌｍｏｄｅｌｄｅｖｅｌｏｐｍｅｎｔ［Ｊ］．ＡｇｒｉｃｕｌｔｕｒａｌａｎｄＦｏｒｅｓｔＭｅｔｅｏｒｏｌｏｇｙ，２００７，１４７：９９１０９．
［９］ ＲｕｎｎｉｎｇＳＷ，ＮｅｍａｎｉＲＲ，ＨｅｉｎｓｃｈＦＡ，犲狋犪犾．Ａｃｏｎｔｉｎｕｏｕｓｓａｔｅｌｉｔｅｄｅｒｉｖｅｄｍｅａｓｕｒｅｏｆｇｌｏｂａｌｔｅｒｒｅｓｔｒｉａｌｐｒｉｍａｒｙｐｒｏｄｕｃ
ｔｉｏｎ［Ｊ］．Ｂｉｏｓｃｉｅｎｃｅ，２００４，５４：５４７５６０．
［１０］ ＣｏｏｋＢＤ，ＢｏｌｓｔａｄＰＶ，ＮａｅｓｓｅｔＥ，犲狋犪犾．ＵｓｉｎｇＬｉＤＡＲａｎｄｑｕｉｃｋｂｉｒｄｄａｔａｔｏｍｏｄｅｌｐｌａｎｔｐｒｏｄｕｃｔｉｏｎａｎｄｑｕａｎｔｉｆｙｕｎｃｅｒｔａｉｎ
ｔｉｅｓａｓｓｏｃｉａｔｅｄｗｉｔｈｗｅｔｌａｎｄｄｅｔｅｃｔｉｏｎａｎｄｌａｎｄｃｏｖｅｒｇｅｎｅｒａｌｉｚａｔｉｏｎｓ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００９，１１３：２３６６
２３７９．
［１１］ ＨｅｉｎｓｃｈＦＡ，ＺｈａｏＭＳ，ＲｕｎｎｉｎｇＳＷ，犲狋犪犾．ＥｖａｌｕａｔｉｏｎｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｂａｓｅｄｔｅｒｒｅｓｔｒｉａｌｐｒｏｄｕｃｔｉｖｉｔｙｆｒｏｍＭＯＤＩＳｕｓｉｎｇ
ｒｅｇｉｏｎａｌｔｏｗｅｒｅｄｄｙｆｌｕｘｎｅｔｗｏｒｋｏｂｓｅｒｖａｔｉｏｎｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＧｅｏｓｃｉｅｎｃｅａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇ，２００６，４４：１９０８
１９２５．
［１２］ ＺｈａｎｇＹＱ，ＹｕＱ，ＪｉａｎｇＪ，犲狋犪犾．ＣａｌｉｂｒａｔｉｏｎｏｆＴｅｒｒａ／ＭＯＤＩＳｇｒｏｓｓｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｏｎｏｖｅｒａｎｉｒｒｉｇａｔｅｄｃｒｏｐｌａｎｄｏｎｔｈｅ
ＮｏｒｔｈＣｈｉｎａＰｌａｉｎａｎｄａｎａｌｐｉｎｅｍｅａｄｏｗｏｎｔｈｅＴｉｂｅｔａｎＰｌａｔｅａｕ［Ｊ］．ＧｌｏｂａｌＣｈａｎｇｅＢｉｏｌｏｇｙ，２００８，１４：７５７７６７．
［１３］ ＺｈａｏＭＳ，ＨｅｉｎｓｃｈＦＡ，ＮｅｍａｎｉＲＲ．ＩｍｐｒｏｖｅｍｅｎｔｓｏｆｔｈｅＭＯＤＩＳｔｅｒｒｅｓｔｒｉａｌｇｒｏｓｓａｎｄｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｏｎｇｌｏｂａｌｄａｔａｓｅｔ［Ｊ］．Ｒｅ
ｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００５，９５：１６４１７６．
［１４］ ＴｕｒｎｅｒＤＰ，ＲｉｔｔｓＷＤ，ＣｏｈｅｎＷＢ，犲狋犪犾．ＥｖａｌｕａｔｉｏｎｏｆＭＯＤＩＳＮＰＰａｎｄＧＰＰｐｒｏｄｕｃｔｓａｃｒｏｓｓｍｕｌｔｉｐｌｅｂｉｏｍｅｓ［Ｊ］．Ｒｅｍｏｔｅ
ＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００６，（３４）：２８２２９２．
［１５］ ＸｕＬＬ，ＺｈａｎｇＸＺ，ＳｈｉＰＬ，犲狋犪犾．ＥｓｔａｂｌｉｓｈｍｅｎｔｏｆａｐｐａｒｅｎｔｑｕａｎｔｕｍｙｉｅｌｄａｎｄｍａｘｉｍｕｍｅｃｏｓｙｓｔｅｍａｓｓｉｍｉｌａｔｉｏｎｏｎＴｉｂｅｔ
ａｎＰｌａｔｅａｕａｌｐｉｎｅｍｅａｄｏｗｅｃｏｓｙｓｔｅｍ［Ｊ］．ＳｃｉｅｎｃｅｓｉｎＣｈｉｎａＳｅｒｉｅｓＤ，２００５，４８：１４１１４７．
［１６］ ＮｉＪ．ＣａｒｂｏｎｓｔｏｒａｇｅｉｎｇｒａｓｓｌａｎｄｓｏｆＣｈｉｎａ［Ｊ］．ＪｏｕｒｎａｌｏｆＡｒｉｄＥｎｖｉｒｏｎｍｅｎｔ，２００２，５０：２０５２１８．
［１７］ 李东，黄耀，吴琴，等．青藏高原高寒草甸生态系统土壤有机碳动态模拟研究［Ｊ］．草业学报，２０１０，１９（２）：１６０１６８．
［１８］ 周刊社，杜军，袁雷，等．西藏怒江流域高寒草甸气候生产潜力对气候变化的响应［Ｊ］．草业学报，２０１０，１９（５）：１７２４．
［１９］ 仁青吉，武高林，任国华．放牧强度对青藏高原东部高寒草甸植物群落特征的影响［Ｊ］．草业学报，２００９，１８（５）：２５６２６１．
［２０］ 付刚，沈振西，张宪洲，等．基于 ＭＯＤＩＳ影像的藏北高寒草甸的蒸散模拟［Ｊ］．草业学报，２０１０，１９（５）：１０３１１２．
［２１］ ＦａｌｇｅＥ，ＢａｌｄｏｃｃｈｉＤ，ＯｌｓｏｎＲ，犲狋犪犾．Ｇａｐｆｉｌｉｎｇｓｔｒａｔｅｇｉｅｓｆｏｒｄｅｆｅｎｓｉｂｌｅａｎｎｕａｌｓｕｍｓｏｆｎｅｔｅｃｏｓｙｓｔｅｍｅｘｃｈａｎｇｅ［Ｊ］．Ａｇｒｉ
ｃｕｌｔｕｒａｌａｎｄＦｏｒｅｓｔＭｅｔｅｏｒｏｌｏｇｙ，２００１，１０７：４３６９．
［２２］ ＦｕＹ，ＺｈｅｎｇＺ，ＹｕＧ，犲狋犪犾．ＥｎｖｉｒｏｎｍｅｎｔａｌｉｎｆｌｕｅｎｃｅｓｏｎｃａｒｂｏｎｄｉｏｘｉｄｅｆｌｕｘｅｓｏｖｅｒｔｈｒｅｅｇｒａｓｓｌａｎｄｅｃｏｓｙｓｔｅｍｉｎＣｈｉｎａ［Ｊ］．
Ｂｉｏｇｅｏｓｃｉｅｎｃｅｓ，２００９，６：２８７９２８９３．
［２３］ ＹｕＧＲ，ＺｈａｎｇＬＭ，ＳｕｎＸＭ，犲狋犪犾．Ｅｎｖｉｒｏｎｍｅｎｔａｌｃｏｎｔｒｏｌｓｏｖｅｒｃａｒｂｏｎｅｘｃｈａｎｇｅｏｆｔｈｒｅｅｆｏｒｅｓｔｅｃｏｓｙｓｔｅｍｓｉｎｅａｓｔｅｒｎ
Ｃｈｉｎａ［Ｊ］．ＧｌｏｂａｌＣｈａｎｇｅＢｉｏｌｏｇｙ，２００８，１４：２５５５２５７１．
［２４］ ＲｕｉｍｙＡ，ＫｅｒｇｏａｔＬ，ＢｏｎｄｅａｕＡ，犲狋犪犾．Ｃｏｍｐａｒｉｎｇｇｌｏｂａｌｍｏｄｅｌｓｏｆｔｅｒｒｅｓｔｒｉａｌｎｅｔｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｖｉｔｙ（ＮＰＰ）：ａｎａｌｙｓｉｓｏｆ
ｄｉｆｆｅｒｅｎｃｅｓｉｎｌｉｇｈｔａｂｓｏｒｐｔｉｏｎａｎｄｌｉｇｈｔｕｓｅｅｆｆｉｃｉｅｎｃｙ［Ｊ］．ＧｌｏｂａｌＣｈａｎｇｅＢｉｏｌｏｇｙ，１９９９，５：５６６４．
［２５］ ＸｕＬＬ，ＺｈａｎｇＸＺ，ＳｈｉＰＬ，犲狋犪犾．Ｍｏｄｅｌｉｎｇｔｈｅｍａｘｉｍｕｍａｐｐａｒｅｎｔｑｕａｎｔｕｍｕｓｅｅｆｆｉｃｉｅｎｃｙｏｆａｌｐｉｎｅｍｅａｄｏｗｅｃｏｓｙｓｔｅｍｏｎ
ＴｉｂｅｔａｎＰｌａｔｅａｕ［Ｊ］．ＥｃｏｌｏｇｉｃａｌＭｏｄｅｌｉｎｇ，２００７，２０８：１２９１３４．
［２６］ ＸｉａｏＸＭ，ＺｈａｎｇＱＹ，ＢｒａｓｗｅｌＢ，犲狋犪犾．Ｍｏｄｅｌｉｎｇｇｒｏｓｓｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｏｎｏｆｔｅｍｐｅｒａｔｕｒｅｄｅｃｉｄｕｏｕｓｂｒｏａｄｌｅａｆｆｏｒｅｓｔｕｓｉｎｇ
ｓａｔｅｌｉｔｅｉｍａｇｅｓａｎｄｃｌｉｍａｔｅｄａｔａ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００４，９１：２５６２７０．
［２７］ ＡｌｍｅｉｄａＡＣ，ＬａｎｄｓｂｅｒｇＪＪ．Ｅｖａｌｕａｔｉｎｇｍｅｔｈｏｄｓｏｆｅｓｔｉｍａｔｉｎｇｇｌｏｂａｌｒａｄｉａｔｉｏｎａｎｄｖａｐｏｒｐｒｅｓｓｕｒｅｄｅｆｉｃｉｔｕｓｉｎｇａｄｅｎｓｅｎｅｔ
ｗｏｒｋｏｆａｕｔｏｍａｔｉｃｗｅａｔｈｅｒｓｔａｔｉｏｎｓｉｎｃｏａｓｔａｌＢｒａｚｉｌ［Ｊ］．ＡｇｒｉｃｕｌｔｕｒａｌａｎｄＦｏｒｅｓｔＭｅｔｅｏｒｏｌｏｇｙ，２００３，１１８：２３７２５０．
［２８］ 同小娟，李俊，王玲．农田光能利用效率研究进展［Ｊ］．生态学杂志，２００８，２７（６）：１０２１１０２８．
［２９］ 同小娟，李俊，于强．农田生态系统光能利用效率及其影响因子分析［Ｊ］．自然资源学报，２００９，２４（８）：１３９３１４０１．
６４２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１２） Ｖｏｌ．２１，Ｎｏ．１
犕狅犱犲犾犻狀犵犾犻犵犺狋狌狊犲犲犳犳犻犮犻犲狀犮狔狅犳犪犾狆犻狀犲犿犲犪犱狅狑狊狅狀狋犺犲犖狅狉狋犺犲狉狀犜犻犫犲狋犪狀
犘犾犪狋犲犪狌犫犪狊犲犱狅狀狋犺犲犕犗犇犐犛犪犾犵狅狉犻狋犺犿
ＦＵＧａｎｇ１，２，ＳＨＥＮＺｈｅｎｘｉ１，ＺＨＡＮＧＸｉａｎｚｈｏｕ１，ＳＨＩＰｅｉｌｉ１，ＨＥＹｏｎｇｔａｏ１，
ＷＵＪｉａｎｓｈｕａｎｇ１，２，ＺＨＯＵＹｕｔｉｎｇ１，２
（１．ＬｈａｓａＰｌａｔｅａｕＥｃｏｓｙｓｔｅｍＲｅｓｅａｒｃｈＳｔａｔｉｏｎ，ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＥｃｏｓｙｓｔｅｍＮｅｔｗｏｒｋＯｂｓｅｒｖａｔｉｏｎａｎｄ
Ｍｏｄｅｌｉｎｇ，ＩｎｓｔｉｔｕｔｅｏｆＧｅｏｇｒａｐｈｉｃＳｃｉｅｎｃｅｓａｎｄＮａｔｕｒａｌＲｅｓｏｕｒｃｅｓＲｅｓｅａｒｃｈ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆ
Ｓｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１００１０１，Ｃｈｉｎａ；２．ＧｒａｄｕａｔｅＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆ
Ｓｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１０００４９，Ｃｈｉｎａ）
犃犫狊狋狉犪犮狋：Ｌｉｇｈｔｕｓｅｅｆｆｉｃｉｅｎｃｙ（ＬＵＥ）ｉｓｄｅｆｉｎｅｄａｓｔｈｅｒａｔｉｏｏｆｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｏｎｔｏａｂｓｏｒｂｅｄｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌ
ｌｙａｃｔｉｖｅｒａｄｉａｔｉｏｎ（ＡＰＡＲ）ｂｙａｖｅｇｅｔａｔｉｏｎｃａｎｏｐｙａｎｄｉｔｒｅｆｌｅｃｔｓｔｈｅｃａｐａｂｉｌｉｔｙｏｆｕｓｉｎｇｌｕｍｉｎｏｕｓｅｎｅｒｇｙ．
Ｑｕａｎｔｉｔａｔｉｖｅａｎａｌｙｓｉｓｏｆｔｈｅｔｅｍｐｏｒａｌａｎｄｓｐａｔｉａｌｖａｒｉａｔｉｏｎｓｏｆｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｏｎｉｓｂａｓｅｄｏｎｔｈｅｑｕａｎｔｉｔａｔｉｖｅａ
ｎａｌｙｓｉｓＬＵＥａｎｄｉｓａｎｉｍｐｏｒｔａｎｔｃｏｍｐｏｎｅｎｔｏｆｑｕａｎｔｉｔａｔｉｖｅａｎａｌｙｓｉｓｏｆｔｈｅｇｌｏｂａｌｃａｒｂｏｎｃｙｃｌｅ．Ｔｈｅｒｅｆｏｒｅ，
ｑｕａｎｔｉｔａｔｉｖｅａｎａｌｙｓｉｓｏｆｔｈｅｇｌｏｂａｌｖｅｇｅｔａｔｉｏｎＬＵＥｉｓａｎｉｍｐｏｒｔａｎｔｃｏｍｐｏｎｅｎｔｏｆｑｕａｎｔｉｔａｔｉｖｅａｎａｌｙｓｉｓｏｆｔｈｅ
ｇｌｏｂａｌｃａｒｂｏｎｃｙｃｌｅ．ＴｈｅＬＵＥｏｆａｌｐｉｎｅｍｅａｄｏｗｓｏｎｔｈｅＮｏｒｔｈｅｒｎＴｉｂｅｔａｎＰｌａｔｅａｕｗｅｒｅｍｏｄｅｌｅｄｂａｓｅｄｏｎｔｈｅ
ＭＯＤＩＳＬＵＥａｌｇｏｒｉｔｈｍｉｎ２００４－２００５．Ｄａｉｌｙｍｉｎｉｍｕｍａｉｒｔｅｍｐｅｒａｔｕｒｅ（犜犪ｍｉｎ）ａｎｄｖａｐｏｒｐｒｅｓｓｕｒｅｄｅｆｉｃｉｔ
（ＶＰＤ）ｗｅｒｅｕｓｅｄｔｏｃａｌｃｕｌａｔｅｔｈｅｔｅｍｐｅｒａｔｕｒｅａｔｔｅｎｕａｔｉｏｎｓｃａｌａｒ（犜ｓｃａｌａｒ）ａｎｄｗａｔｅｒａｔｔｅｎｕａｔｉｏｎｓｃａｌａｒ（犠ｓｃａｌａｒ），
ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｂａｓｅｄｏｎｃｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓａｎｄｍｕｌｔｉｐｌｅｓｔｅｐｗｉｓｅｌｉｎｅａｒｒｅｇｒｅｓｓｉｏｎａｎａｌｙｓｉｓ，ｔｈｅ犜ｓｃａｌａｒｍｉｇｈｔｅｘ
ｐｌａｉｎｍｏｒｅｓｅａｓｏｎａｌｖａｒｉａｔｉｏｎｓｏｆＬＵＥｔｈａｎｔｈｅ犠ｓｃａｌａｒ．ＭｏｄｅｌｅｄＬＵＥｖａｌｕｅｓｗｅｒｅａｂｏｕｔ１４．９７％ａｎｄ１６．５７％
ｌａｒｇｅｒｔｈａｎｏｂｓｅｒｖｅｄＬＵＥｖａｌｕｅｓｉｎ２００４ａｎｄ２００５，ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｈｏｗｅｖｅｒ，ｔｈｅｒｅｗａｓｎｏｓｉｇｎｉｆｉｃａｎｔｄｉｆｆｅｒｅｎｃｅ
ｂｅｔｗｅｅｎｍｏｄｅｌｅｄＬＵＥａｎｄｏｂｓｅｒｖｅｄＬＵＥ．ＴｈｉｓｍｅａｎｓｔｈａｔｔｈｅＬＵＥｍｏｄｅｌｂａｓｅｄｏｎｔｈｅＭＯＤＩＳａｌｇｏｒｉｔｈｍｈａｄ
ｈｉｇｈａｃｃｕｒａｃｙｔｏｍｏｄｅｌＬＵＥｏｆａｌｐｉｎｅｍｅａｄｏｗｓｏｎｔｈｅＮｏｒｔｈｅｒｎＴｉｂｅｔａｎＰｌａｔｅａｕ．Ｃｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓｓｈｏｗｅｄ
ｔｈａｔｔｈｅｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｂｅｔｗｅｅｎｏｂｓｅｒｖｅｄＬＵＥａｎｄ犜犪ｍｉｎ ｗａｓｌａｒｇｅｒｔｈａｎｔｈａｔｂｅｔｗｅｅｎｏｂｓｅｒｖｅｄＬＵＥ
ａｎｄｍｅａｎａｉｒｔｅｍｐｅｒａｔｕｒｅ．Ｔｈｉｓｉｎｄｉｃａｔｅｄｔｈａｔ犜犪ｍｉｎｗａｓｂｅｔｔｅｒｔｈａｎｍｅａｎａｉｒｔｅｍｐｅｒａｔｕｒｅｉｎｑｕａｎｔｉｔａｔｉｖｅａｎａｌｙ
ｓｉｓｏｆｔｈｅＬＵＥｓｅａｓｏｎａｌｃｈａｎｇｅ．ＴｈｅＬＵＥｍｏｄｅｌｂａｓｅｄｏｎｔｈｅＭＯＤＩＳａｌｇｏｒｉｔｈｍａｃｃｕｒａｔｅｌｙｑｕａｎｔｉｆｉｅｄｔｈｅＬＵＥ
ｏｆａｌｐｉｎｅｍｅａｄｏｗｓｏｎｔｈｅＮｏｒｔｈｅｒｎＴｉｂｅｔａｎＰｌａｔｅａｕ．
犓犲狔狑狅狉犱狊：ｌｉｇｈｔｕｓｅｅｆｆｉｃｉｅｎｃｙ（ＬＵＥ）；ａｌｐｉｎｅｍｅａｄｏｗ；ＭＯＤＩＳ；ＮｏｒｔｈｅｒｎＴｉｂｅｔａｎＰｌａｔｅａｕ
７４２第２１卷第１期 草业学报２０１２年