全 文 ：书基于犆犛犆犛的黑河上游潜在植被
犖犘犘及其水热关系研究
王大为１，２，赵军１，韩涛２，李丽丽３
（１．西北师范大学地理与环境科学学院，甘肃 兰州７３００７０；２．西北区域气候中心，甘肃 兰州７３００２０；
３．兰州大学资源环境学院，甘肃 兰州７３００００）
摘要：潜在植被ＮＰＰ空间分布格局是植被长期适应自然的结果，是ＮＰＰ与外界环境关系的反映，通过这种关系有
助于理解地表碳循环发生的环境背景。本研究利用综合顺序分类法（ＣＳＣＳ）对黑河上游潜在植被进行模拟，通过
植被反演计算潜在植被ＮＰＰ总量以及累积量，探讨了潜在植被ＮＰＰ与水热因子之间的相关性。结果表明，黑河上
游潜在植被类型共有８个类，且具有明显的垂直地带性分布特征。潜在植被 ＮＰＰ积累量分布特征为河流流经的
地区高于其他地区，在山区中，随着海拔的上升，ＮＰＰ积累量呈先上升后下降的趋势，潜在植被的ＮＰＰ积累量由黑
河上游水热分布条件决定的。ＮＰＰ积累量与≥０℃年积温在寒冷和寒温级内呈正相关，在微温级内呈负相关；与湿
润度在干旱、微干、微润和湿润４个等级内呈正相关，在潮湿级内呈负相关。这种分布格局反映了潜在植被对生境
和气候变化的多元适应性结构。
关键词：潜在植被ＮＰＰ；水热因子；综合顺序分类法（ＣＳＣＳ）；黑河上游；相关性
中图分类号：Ｑ９４８．１ 文献标识码：Ａ 文章编号：１００４５７５９（２０１４）０６００１１０９
犇犗犐：１０．１１６８６／ｃｙｘｂ２０１４０６０２
植被净第一性生产力（ｎｅｔｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｖｉｔｙ，ＮＰＰ）是指绿色植物在单位面积、单位时间内所累积的有机
物数量，是由光合作用所产生的有机质总量（ｇｒｏｓｓｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｖｉｔｙ，ＧＰＰ）中扣除自养呼吸（ａｕｔｏｔｒｏｐｈｉｃｒｅｓ
ｐｉｒａｔｉｏｎ，ＲＡ）后的剩余部分［１］，是植物自身生物学特性与外界环境因子相互作用的结果，是植物光合作用有机
物质的净创造，作为表征陆地生态过程的关键参数，ＮＰＰ是理解地表碳循环过程不可缺少的部分，是估算地球支
持能力和评价陆地生态系统可持续发展的一个重要指标［２４］。
自Ｌｉｅｔｈ［５］和其他研究者利用实测数据建立了第一个全球ＮＰＰ回归模型以来，国际上对ＮＰＰ的研究主要向
着２个方面发展：一是通过所建立的植物生理过程模型来模拟地表植被净第一性生产力［６１７］；二是利用遥感数据
来实现对地表植被净第一性生产力的估算［１８２６］。目前，国内学者对ＮＰＰ的研究主要依靠遥感技术，通过对瞬时
数据的叠加分析了解ＮＰＰ的年平均值，以及年际变化量。针对黑河上游地区，国内已有学者利用遥感技术对黑
河植被ＮＰＰ进行了估算［２７２８］。但是，这种叠加估算瞬时性强，对数据质量的依赖程度大，且模型繁琐。而由于气
候数据观测的连续性，利用气候生产力统计模型对潜在植被（ｐｏｔｅｎｔｉａｌｎａｔｕｒａｌｖｅｇｅｔａｔｉｏｎ，ＰＮＶ）的ＮＰＰ积累量
以及二者之间相关性的分析研究，能够突破遥感数据获取上的时间制约性，从而得出时间和空间分布规律上的普
遍性特征。受山地气候影响，黑河流域上游晴空资料较少，在多云天气状况下利用遥感数据反演ＮＰＰ会干扰估
算的准确性。任继周等［２９］采用ＣＳＣＳ方法和分类指数模型模拟并分析了中国及世界范围内潜在植被的碳汇分
布和动态变化，但是研究的空间尺度大，而目前针对流域尺度的相关研究还较少。分类指数模型的复杂性特征使
得模型无法直观判定出的ＮＰＰ与水热因子之间的关系。因此，利用植被分类模型和气候生产力统计模型研究黑
河上游潜在植被及其ＮＰＰ分布，并探求ＮＰＰ与水热因子之间的联系，是对ＮＰＰ研究的一种新的尝试。本研究
主要探索在仅受气候因素影响下生长的植被类型状态及其碳汇能力，可为流域的生态环境发展提供科学依
第２３卷 第６期
Ｖｏｌ．２３，Ｎｏ．６
草 业 学 报
ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ
１１－１９
２０１４年１２月
收稿日期：２０１３１１０４；改回日期：２０１４０１２１
基金项目：国家自然科学基金（４０９６１０２６和３０９７２１３５）资助。
作者简介：王大为（１９８３），男，甘肃兰州人，助理工程师，硕士。Ｅｍａｉｌ：ｇｉｓｗａｎｇ＠１６３．ｃｏｍ
通讯作者。Ｅｍａｉｌ：ｚｈａｏｊｕｎ＠ｎｗｎｕ．ｅｄｕ．ｃｎ
据［３０３６］。
１ 材料与方法
１．１ 研究区概况
黑河发源于青藏高原东北缘祁连山地，干流全长８２１ｋｍ。出口莺落峡以上为上游，河道两岸山高谷深，河床
陡峻，气候阴湿寒冷，植被较好，是黑河流域水资源产蓄区。行政区划上包括青海省祁连县的大部分和甘肃省肃
南县的部分地区。处于“冰源水库”和河川水系之间的山地森林生态系统是黑河上游生态系统的重要组成部分，
以其特有的调节气候、涵养水源、调蓄径流的作用，对维护黑河中下游地区社会经济的发展和绿洲生态的安全起
着重要作用，是黑河流域中下游地区农牧民赖以生存的命脉［３７］。因此，研究黑河上游潜在植被ＮＰＰ，对理解流域
的碳循环过程和物质的流动方向，解决生态和环境问题具有重要的现实意义。
１．２ 数据来源
本研究所用气候数据和犇犈犕（ｄｉｇｉｔａｌｅｌｅｖａｔｉｏｎｍｏｄｅｌｓ）数据均来源于国家自然科学基金委员会“中国西部
环境与生态科学数据中心”（ｈｔｔｐ：／／ｗｅｓｔｄｃ．ｗｅｓｔｇｉｓ．ａｃ．ｃｎ），包括黑河上游及其周边１２个气象台站１９６０－２００９
年观测的逐日气温、降水量以及各气象台站名称、经度、纬度和海拔数据。犇犈犕 数据空间分辨率为９０ｍ×９０
ｍ。通过将逐日≥０℃气温数据整理为１９６０－２００９年多年平均≥０℃年积温数据和多年平均年降水量数据，并计
算出近５０年的平均湿润度数据。
１．３ 研究方法
１．３．１ 综合顺序分类法理论模型 综合顺序分类法（ｃｏｍｐｒｅｈｅｎｓｉｖｅｓｅｑｕｅｎｔｉａｌｃｌａｓｓｉｆｉｃａｔｉｏｎｓｙｓｔｅｍ，ＣＳＣＳ）全
称为气候－土地－植物综合顺序分类法，其基本分类单元———类，是以生物气候指标为依据，将具有同一地带性
农业生物气候特征的植被划分为类。在具体分类中，首先以量化的生物气候指标———≥０℃年积温（∑θ）和湿润
度（犓）为依据，将热量带级和湿润度级相结合进行类的划分［３８４０］。
１．３．２ 植被反演方法 在地理学研究中，由于常规方法无法对空间中所有点进行观测，常需要根据已知的空间
数据估计（预测）未知空间点的数值。由于气象台站分布的离散性，气象数据也以离散点的形式分布。要想获取
整个区域的气候特征，就需要根据离散的气象数据空间插值得到整个区域的气候特征。考虑到下垫面性质对气
候影响的复杂性和研究区域的地理特征，本文选择基于犇犈犕 修正的犐犇犠 插值方法，对研究区积温和湿润度数
据进行空间化模拟［３８，４１］。
根据ＣＳＣＳ的湿润度模型，可得到研究区湿润度数据：
犓＝犚／０．１∑θ （１）
式中，犓 为湿润度；犚为年降水量；∑θ为≥０℃年积温；０．１为模型调整系数。
基于犇犈犕 分区修正的犐犇犠 插值模型：
犢＝犪×犇犈犕＋犫＋犐犇犠（犡－＾狔），＾狔＝犪犎＋犫 （２）
式中，犢 表示气候数据的预测值，犇犈犕 表示分区后的数字高程数据，系数犪，犫表示分区的海拔与气候数据的线性
统计参数，犐犇犠（犡－＾狔）表示对残差的反距离加权处理，犡 表示实际的观测值，＾狔表示海拔与气候数据的统计函
数。
对≥０℃年积温与湿润度插值结果进行分级，依据ＣＳＣＳ的植被评定模型对研究区潜在植被类型进行划分，
通过ＧＩＳ空间叠合分析，得到黑河上游潜在植被类型图，以此为据分析黑河上游潜在植被空间分布与格局特征。
１．３．３ ＮＰＰ计算模型 ＮＰＰ分类指数模型是由周广胜和张新时［４２］建立的综合植被模型推导而来。将∑θ、犓
与年辐射干燥度（犚犇犐）、可能蒸散率（犘犈犚）的统计关系代入综合植被模型，得到植被净第一性生产力与∑θ和犓
指标间的关系模型［４３］：
犖犘犘＝犔２（犓）×０．１×∑θ×
［犓６＋犔（犓）犓３＋犔２（犓）］
［犓６＋犔２（犓）］×［犓５＋犔（犓）犓２］ ×ｅ
－ １３．５５＋３．１７犓－１－０．１６犓－２＋０．００３２犓槡 －３ （３）
其中，犔（犓）＝０．５８８０２犓３＋０．５０６９８犓２－０．２５７０８１犓＋０．０００５１６３８７４。
２１ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１４） Ｖｏｌ．２３，Ｎｏ．６
ＮＰＰ分类指数模型利用犓 指标和∑θ的组合来表示植被ＮＰＰ，更能揭示植被类型与其ＮＰＰ的内在联系，为
进一步研究地带性植被类型的生产潜力、植被ＮＰＰ的区域分布和全球分布提供了可能［４４］。
２ 结果与分析
２．１ 黑河上游潜在植被分布特征
根据ＣＳＣＳ的分类体系，模拟绘制出近５０年黑河上游潜在植被的空间分布格局（空间分辨率为９０ｍ×９０
ｍ）。黑河上游潜在植被类型共有８类（图１，表１），呈明显的垂直地带性特征。ⅠＦ为研究区主要的植被类型，
占研究区总面积的６９．４３％；ⅡＤ分布最少，仅占研究区总面积的０．４１％。从分布区域来看，除ⅠＦ和ⅢＢ外，其
余植被类型均沿河谷和山前垂直分布；ⅢＢ主要分布在海拔较低的平地，而ⅠＦ则分布在海拔３３００ｍ以上的山
区。
表１ 黑河上游潜在植被分布特征
犜犪犫犾犲１ 犇犻狊狋狉犻犫狌狋犻狅狀犮犺犪狉犪犮狋犲狉犻狊狋犻犮狊狅犳犘犖犞犻狀狋犺犲狌狆狆犲狉狉犲犪犮犺犲狊狅犳犎犲犻犺犲犚犻狏犲狉犅犪狊犻狀
类型代号
ＣｌａｓｓＩＤ
潜在植被类型
ＣｌａｓｓｎａｍｅｏｆＰＮＶ
面积
Ａｒｅａ（ｋｍ２）
海拔范围Ｒａｎｇｅｏｆ
ｅｌｅｖａｔｉｏｎ（ｋｍ）
ⅠＦ 寒冷潮湿多雨冻原、高山草甸类Ｆｒｉｇｉｄｐｅｒｈｕｍｉｄｒａｉｎｔｕｎｄｒａ，ａｌｐｉｎｅｍｅａｄｏｗ １９１３４．５７ ＞３．３
ⅡＦ 寒温潮湿寒温性针叶林类Ｃｏｌｄｔｅｍｐｅｒａｔｅｐｅｒｈｕｍｉｄｔａｉｇａｆｏｒｅｓｔ ４５８５．２１ ２．７～３．３
ⅡＥ 寒温湿润山地草甸类Ｃｏｌｄｔｅｍｐｅｒａｔｅｈｕｍｉｄｍｏｎｔａｎｅｍｅａｄｏｗ １３６６．２９ ２．５～２．７
ⅡＤ 寒温微润山地草甸草原类Ｃｏｌｄｔｅｍｐｅｒａｔｅｓｕｂｈｕｍｉｄｍｏｎｔａｎｅｍｅａｄｏｗｓｔｅｐｐｅ １１２．７８ ２．４～２．５
ⅢＥ 微温湿润森林草原、落叶阔叶林类Ｃｏｏｌｔｅｍｐｅｒａｔｅｈｕｍｉｄｆｏｒｅｓｔｓｔｅｐｐｅ，ｄｅｃｉｄｕｏｕｓｂｒｏａｄｌｅａｖｅｄｆｏｒｅｓｔ ４３９．１４ ２．３～２．５
ⅢＤ 微温微润草甸草原类Ｃｏｏｌｔｅｍｐｅｒａｔｅｓｕｂｈｕｍｉｄｍｅａｄｏｗｓｔｅｐｐｅ ８７６．３７ ２．１～２．３
ⅢＣ 微温微干温带典型草原类Ｃｏｏｌｔｅｍｐｅｒａｔｅｓｅｍｉａｒｉｄｔｅｍｐｅｒａｔｅｔｙｐｉｃａｌｓｔｅｐｐｅ ６４２．８４ １．９～２．１
ⅢＢ 微温干旱温带半荒漠类Ｃｏｏｌｔｅｍｐｅｒａｔｅａｒｉｄｔｅｍｐｅｒａｔｅｓｅｍｉｄｅｓｅｒｔ ４００．６５ ＜１．９
２．２ 潜在植被类型的ＮＰＰ分布特征
根据林慧龙等［４４］提出的ＮＰＰ分类指数模型，模拟出黑河上游潜在植被ＮＰＰ空间分布格局（空间分辨率为
９０ｍ×９０ｍ）（图２）。由图２可知，在整个研究区域中各条河流流经地区的ＮＰＰ积累量较其他地区高，且西段
ＮＰＰ年累积量明显低于中段和东段；在山区中，随着海拔的上升，ＮＰＰ积累量呈先上升后下降的趋势。
图１ 黑河上游潜在植被类型分布格局
犉犻犵．１ 犛狆犪狋犻犪犾犱犻狊狋狉犻犫狌狋犻狅狀狆犪狋狋犲狉狀狅犳犘犖犞犻狀狋犺犲
狌狆狆犲狉狉犲犪犮犺犲狊狅犳犎犲犻犺犲犚犻狏犲狉犅犪狊犻狀
图２ 黑河上游潜在植被类型的犖犘犘分布格局
犉犻犵．２ 犛狆犪狋犻犪犾犱犻狊狋狉犻犫狌狋犻狅狀狆犪狋狋犲狉狀狅犳犖犘犘狅犳犘犖犞
犻狀狋犺犲狌狆狆犲狉狉犲犪犮犺犲狊狅犳犎犲犻犺犲犚犻狏犲狉犅犪狊犻狀
３１第２３卷第６期 草业学报２０１４年
依据Ｎｉ［４５］提出每２．２ｇ植物干重约等于１ｇ碳的
公式对ＮＰＰ模拟结果进行换算，将潜在植被ＮＰＰ表
述为通用格式。结果表明，黑河上游潜在植被ＮＰＰ年
总量约为２．９７ＴｇＣ（１ＴｇＣ＝１０１２ｇＣ），单位面积
ＮＰＰ年平均积累量约为１０７．９１ｇＣ／ｍ２，最大年积累
值约为２０８．６８ｇＣ／ｍ２，最小值为０ｇＣ／ｍ２。
潜在植被ＮＰＰ年平均积累量与总量具有非一致
性。从各潜在植被类型来看，潜在植被ＮＰＰ年平均积
累量由高到低依次是：针叶林类（ⅡＦ）＞森林草原、落
叶阔叶林类（ⅢＥ）＞山地草甸类（ⅡＥ）＞草甸草原类
（ⅡＤ、ⅢＤ）＞典型草原类（ⅢＣ）＞多雨冻原、高山草
甸类（ⅠＦ）＞半荒漠类（ⅢＢ），即森林类植被年平均积
累量最高，半荒漠类植被平均积累量最低；ＮＰＰ平均
积累量只比ⅢＢ略高的ⅠＦ，其植被ＮＰＰ总量为１．６２
表２ 各潜在植被类型犖犘犘积累量
犜犪犫犾犲２ 犖犘犘犪犮犮狌犿狌犾犪狋犻狅狀狅犳犲犪犮犺犘犖犞犮犾犪狊狊
潜在植被
类型代号
ＣｌａｓｓＩＤ
面积
Ａｒｅａ
（ｋｍ２）
ＮＰＰ总量
Ｔｈｅｇｒｏｓｓ
ｃｕｍｕｌａｔｅｏｆ
ＮＰＰ（ＴｇＣ）
ＮＰＰ年平均值
Ｔｈｅａｖｅｒａｇｅｏｆ
ｙｅａｒｃｕｍｕｌａｔｅｏｆ
ＮＰＰ（ｇＣ／ｍ２）
ⅠＦ １９１３４．５７ １．６２ ８４．９０
ⅡＦ ４５８５．２１ ０．７９ １７１．４６
ⅡＥ １３６６．２９ ０．２３ １６８．７３
ⅡＤ １１２．７８ ０．０２ １３６．２１
ⅢＥ ４３９．１５ ０．０７ １６９．８７
ⅢＤ ８７６．３７ ０．１３ １５１．３６
ⅢＣ ６４２．８４ ０．０８ １２５．０２
ⅢＢ ４００．６５ ０．０３ ８１．８５
ＴｇＣ，二者相差１．５９ＴｇＣ（表２），这与其面积差异较大有关。
２．３ 气候指标与ＮＰＰ累积量的相关性
气候因子是潜在植被类型的分类指标，也是计算潜在植被ＮＰＰ模型的要素。因此，分别分析根据气候指标
进行划分的热量级、湿润度级与潜在植被ＮＰＰ的相关性，有助于详细探讨水热分布、植被类型与ＮＰＰ累积三者
之间的联系。为了可以直观地分析黑河上游潜在植被ＮＰＰ与气候因子的相关性，将研究区≥０℃年积温、湿润度
和年均ＮＰＰ分别重采样为１０ｋｍ×１０ｋｍ格点，其值分别为１０ｋｍ×１０ｋｍ范围内的平均值，通过ＮＰＰ格点值
分别与≥０℃年积温和湿润度建立线性回归来分析其相关性。
从图３可以看出，随着≥０℃年积温和湿润度的增加，潜在植被ＮＰＰ积累量均表现出近似倒“Ｕ”抛物线的变
化趋势，且 ＮＰＰ与≥０℃年积温变化趋势更显著。从格点分布来看，在≥０℃年积温值为２０４９℃，湿润度值为
２．１４时，潜在植被ＮＰＰ积累量达到最大值（１８７．４１ｇＣ／ｍ２）；在拐点以左，ＮＰＰ与≥０℃年积温和湿润度均呈正
相关，递增率分别为９．４７ｇＣ／（ｍ２·１００℃）和５．２４ｇＣ／（ｍ２·０．１），但 ＮＰＰ与≥０℃年积温的相关性（犚２＝
０．９１）要比与湿润度的相关性（犚２＝０．７２）显著；在拐点以右，ＮＰＰ积累量与≥０℃年积温和湿润度均呈负相关，递
减率分别为６．９２ｇＣ／（ｍ２·１００℃）和６．５８ｇＣ／（ｍ２·０．１），但ＮＰＰ与湿润度的相关性（犚２＝０．７７）要比与≥０℃
年积温的相关性（犚２＝０．６５）显著。说明在≥０℃年积温、湿润度均较低的环境下，ＮＰＰ变化主要受≥０℃年积温
影响，而在≥０℃年积温、湿润度均较高的环境下，ＮＰＰ变化主要受湿润度影响。
图３ ≥０℃年积温、湿润度与犖犘犘的相关性
犉犻犵．３ 犆狅狉狉犲犾犪狋犻狅狀犫犲狋狑犲犲狀犖犘犘犪狀犱≥０℃犪狀狀狌犪犾犪犮犮狌犿狌犾犪狋犲犱狋犲犿狆犲狉犪狋狌狉犲狅狉犺狌犿犻犱犻狋狔
４１ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１４） Ｖｏｌ．２３，Ｎｏ．６
研究区内≥０℃年积温分为３个热量级（图４）。在寒冷级（Ⅰ：０～１３００℃），ＮＰＰ积累量随积温的升高而急剧
增加，相关性一致（犚２＝０．９６）；在寒温级（Ⅱ：１３００～２３００℃），ＮＰＰ积累量随积温的升高平稳而缓慢的增加，增加
幅度不大，无明显相关关系（犚２＝０．１４）；在微温级（Ⅲ：２３００～３３６４℃），ＮＰＰ积累量随积温的升高而减少，具有显
著的负相关 （犚２＝０．７２）。
图４ 各热量级下的≥０℃年积温与潜
在植被犖犘犘相关性
犉犻犵．４ 犆狅狉狉犲犾犪狋犻狅狀犫犲狋狑犲犲狀≥０℃犪狀狀狌犪犾犪犮犮狌犿狌犾犪狋犲犱
狋犲犿狆犲狉犪狋狌狉犲犫犲犾狅狀犵犲犱狋狅犲犪犮犺狋犺犲狉犿犪犾
狕狅狀犲狊犪狀犱狆狅狋犲狀狋犻犪犾狏犲犵犲狋犪狋犻狅狀犖犘犘
研究区内湿润度分为５个湿润度级，由于干旱级（Ｂ：０．５～０．９）只有１个格点，故只分析其他４个湿润度级下
的湿润度与潜在植被ＮＰＰ的相关性（图５）。微干级（Ｃ：０．９～１．２），ＮＰＰ积累量随湿润度的升高平稳增加，相关
性明显，分布一致（犚２＝０．９７）；微润级（Ｄ：１．２～１．５），ＮＰＰ积累量随湿润度的升高平稳增加，增加幅度不大，无
明显的相关性（犚２＝０．３８）；湿润级（Ｅ：１．５～２．０），ＮＰＰ积累量随湿润度的升高平稳而缓慢的增加，增加幅度不
大，相关性不明显（犚２＝０．１６）；潮湿级（Ｆ：２．０～６．２），ＮＰＰ积累量随湿润度的升高急剧减少，具有显著的负相关
（犚２＝０．７７）。
２．４ 各潜在植被类型的ＮＰＰ累积量增长趋势分析
为了能够清晰表达黑河上游潜在植被ＮＰＰ积累量在水热条件影响下的增长趋势，本研究用提取的格点的
ＮＰＰ、≥０℃年积温和湿润度属性值，使用 ＭＡＴＬＡＢ软件绘制出黑河上游各潜在植被类型ＮＰＰ积累量的增长趋
势（图６），其中实线框部分为影响潜在植被类型的气候因子分级，虚线框部分为研究区内存在的潜在植被类型及
其气候因素界线，彩色实线为研究区内潜在植被ＮＰＰ趋势线，由红向蓝的变化表示ＮＰＰ积累量由高到低的变化
趋势。
由图６可知，随着热量和湿润度的不同，各潜在植被类型ＮＰＰ积累量的增长方向不同，但总的趋势是由左上
向右下呈扇形递增，即ＮＰＰ积累量随着≥０℃年积温和湿润度的增加而增加。ＮＰＰ积累量最大值出现在ⅡＦ框
内的右下角，说明该区域的针叶林类植被为ＮＰＰ积累量最大的植被类型，且最大值出现在年积温２３００℃和湿润
度３．６５的条件下（研究区内出现ⅡＦ类型的区域内湿润度最大值为３．６５）；最小值出现在ⅠＦ框的上方，即≥０℃
年积温为０℃的条件下。ⅠＦ的范围跨越了４条等值线，是研究区内潜在植被ＮＰＰ跨度最大的类型，而其边框多
覆盖在ＮＰＰ的低值区，这也造成了其ＮＰＰ总量最大，而平均积累量偏小的结果；跨度最小的类型是ⅢＥ。
５１第２３卷第６期 草业学报２０１４年
图５ 各湿润度级下的湿润度与潜在植被犖犘犘相关性
犉犻犵．５ 犆狅狉狉犲犾犪狋犻狅狀犫犲狋狑犲犲狀犺狌犿犻犱犻狋狔犫犲犾狅狀犵犲犱狋狅犲犪犮犺犺狌犿犻犱犻狋狔狕狅狀犲狊犪狀犱狆狅狋犲狀狋犻犪犾狏犲犵犲狋犪狋犻狅狀犖犘犘
３ 结论与讨论
图６ 黑河上游各潜在植被类型犖犘犘积累量增长趋势
犉犻犵．６ 犌狉狅狑狋犺狋狉犲狀犱狊狅犳狋犺犲犪犮犮狌犿狌犾犪狋犻狅狀狅犳犖犘犘狅犳犘犖犞
犻狀狋犺犲狌狆狆犲狉狉犲犪犮犺犲狊狅犳犎犲犻犺犲犚犻狏犲狉犅犪狊犻狀
植被类型空间格局对气候有着敏感的响应，对于
这种响应规律的测度与分析，对植被类型空间分布的
认识有重要的意义。潜在植被作为一个地区现状植被
的发展趋势，是对原生植被分布的一种模拟。所以研
究潜在植被与气候之间的响应规律，对现存植被对气
候变化的响应有一定参考意义。
黑河上游潜在植被共有８种类型，潜在植被ＮＰＰ
年总量约为２．９７ＴｇＣ（１ＴｇＣ＝１０１２ｇＣ），该结果比
陈正华等［２８］根据ＣＡＳＡ模型估算出的上游ＮＰＰ总量
低（约５．５４ＴｇＣ），这可能是由不同的模型选择、时间
序列（陈：５年，本研究：５０年）和空间分辨率（陈：１．１５
ｋｍ×１．１５ｋｍ，本研究：９０ｍ×９０ｍ）等多方面原因造
成的；单位面积ＮＰＰ年平均积累量约为１０７．９１ｇＣ／
ｍ２，比卢玲等［２７］根据光能利用率模型估算出的整个黑河流域单位面积ＮＰＰ年平均值略高（约１０６ｇＣ／ｍ２）。研
究区中ＮＰＰ积累量总的分布特征为各条河流流经的地区高于其他地区，说明ＮＰＰ累积量总体分布格局与黑河
流域水系分布及其水量分配有很高的相关性，即受水分条件的制约，这在ＮＰＰ累积量与气候关系研究中同样发
现的结论相一致，在低海拔地区随着湿润度的增加ＮＰＰ的积累量均不断增大。在山区中，随着海拔的上升，ＮＰＰ
积累量呈先上升后下降的趋势，这表明ＮＰＰ积累与植被类型有高度的一致性，即潜在植被地带性分布特征受水
热条件影响的分布趋势相同，这与本研究中ＮＰＰ与积温与湿润度相关性出现的结果相一致，陈正华等［２８］也认为
黑河上游ＮＰＰ与热量有较好的相关性。由此可知，黑河上游的潜在植被的ＮＰＰ积累量是由潜在植被的类型决
６１ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１４） Ｖｏｌ．２３，Ｎｏ．６
定的，即ＮＰＰ的累积直接由黑河上游水热分布条件决定。研究潜在植被类型ＮＰＰ总量时发现，ⅠＦ的ＮＰＰ总
量最多，ⅡＤ的ＮＰＰ总量最少。按各潜在植被类型单位面积 ＮＰＰ计算，ⅡＦ的 ＮＰＰ平均积累量最多，ⅢＢ的
ＮＰＰ平均积累量最少，这充分说明ＮＰＰ的总量与累积量没有必然关系，与该潜在植被类型所占的面积有直接关
系，即面积的优势可补偿ＮＰＰ累积量的不足，出现低ＮＰＰ累积，高ＮＰＰ总量的现象。
在研究区内微温级的潜在植被类型主要分布在海拔２５００ｍ以下，随着海拔的降低气温升高，湿润度降低，
在２种气候因子综合影响下使得潜在植被向干旱类型变化，相应的ＮＰＰ呈下降趋势，海拔最低的半荒漠类植被
的ＮＰＰ平均积累量已达到最小；而潮湿级的潜在植被类型主要分布在海拔２７００ｍ以上，且随着海拔的上升气温
降低，湿润度升高，在２种气候因子综合影响下使得植被向寒冷类型变化，相应的ＮＰＰ呈下降趋势。由于在本研
究中潜在植被ＮＰＰ的模拟过程受≥０℃年积温和湿润度这２个参数共同影响，因此，研究区内潜在植被ＮＰＰ积
累量与气候因子的相关性是受垂直地带性影响下的综合表现。即ＮＰＰ积累量与≥０℃年积温在寒冷和寒温级内
呈正相关，在微温级内呈负相关；与湿润度在干旱、微干、微润和湿润４个等级内呈正相关，在潮湿级内呈负相关。
对于潜在植被ＮＰＰ积累量的计算和模拟依据是林慧龙等［４４］提出的ＮＰＰ分类指数模型，该模型已经证明在
大中尺度下模拟结果具有一定的精确性［２９，４６］，但是在流域尺度下的模拟结果的精确性还有待验证和讨论。在５０
年的时间推移中，尤其是近几十年气候变化显著，潜在植被类型空间格局必然会发生相应的改变，因此，研究结果
之间存在一定差异是不可避免的。在分析过程中与卢玲等［２７］和陈正华等［２８］的模拟结果的比较，由于存在着时
间尺度的差异，因此仅能作为参考。由于本文只研究黑河上游潜在植被类型及其ＮＰＰ积累量，其他地区的潜在
植被类型及相应的ＮＰＰ积累量增长趋势是否与此相同还需要进一步的研究。
参考文献：
［１］ ＬｉｅｔｈＨ，ＷｈｉｔｔａｋｅｒＲＨ．ＰｒｉｍａｒｙＰｒｏｄｕｃｔｉｖｉｔｙｏｆｔｈｅＢｉｏｓｐｈｅｒｅ［Ｍ］．ＮｅｗＹｏｒｋ：ＳｐｒｉｎｇｅｒＶｅｒｌａｇＰｒｅｓｓ，１９７５．
［２］ ＣａｒｂｏｎａｎｄＣｌｉｍａｔｅＷｏｒｋｉｎｇＧｒｏｕｐ．Ａ．Ｕ．Ｓ．Ｃａｒｂｏｎｃｙｃｌｅｓｃｉｅｎｃｅｐｌａｎ［ＥＢ／ＯＬ］．ｈｔｔｐ：／／ｗｗｗ．ｃａｒｂｏｎｃｙｃｌｅｓｃｉｅｎｃｅ．ｇｏｖ／
ｐｌａｎｎｉｎｇ．ｈｔｍｌ＃ｐｌａｎ，１９９９．
［３］ 冯险峰，刘高焕，陈述彭，等．陆地生态系统净第一性生产力过程模型研究综述［Ｊ］．自然资源学报，２００４，１９（３）：３３６３７８．
［４］ 蔡承侠．植被净第一性生产力及其对气候变化响应研究进展［Ｊ］．新疆气象，２００３，２６（６）：１７．
［５］ ＬｉｅｔｈＨ．ＣｏｍｐｕｔｅｒＭａｐｐｉｎｇｏｆＦｏｒｅｓｔＤａｄａ［Ｃ］．Ｐｒｏｃ．５１ＡｎｎｕａｌＭｔｇ．ＡｍｅｒｉｃａｎＳｅｃｔ：ＳｏｃｉｅｔｙｏｆＡｍｅｒｉｃａｎＦｏｒｅｓｔｓ，１９７２：
５３７９．
［６］ ＬｉｅｔｈＨ，ＢｏｘＥ．ＥｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎａｎｄＰｒｉｍａｒｙＰｒｏｄｕｃｔｉｏｎ［Ａ］．Ｉｎ：ＴｈｏｒｎｔｈｗａｉｔｅＷ．ＭｅｍｏｒｉａｌＭｏｄｅｌ．ＰｕｂｌｉｃａｔｉｏｎｓｉｎＣｌｉ
ｍａｔｏｌｏｇｙ［Ｃ］．ＮｅｗＪｅｒｓｅｙ：Ｃ．Ｗ．ＴｈｏｒｎｔｈｗａｉｔｅＡｓｓｏｃｉａｔｅｓ，１９７２：３７４６．
［７］ ＢｏｘＥＯ．Ｅｓｔｉｍａｔｉｎｇｔｈｅｓｅａｓｏｎａｌｃａｒｂｏｎｓｏｕｒｃｅｓｉｎｋｇｅｏｇｒａｐｈｙｏｆａｎａｔｕｒａｌ，ｓｔｅａｄｙｓｔａｔｅｔｅｒｒｅｓｔｒｉａｌｂｉｏｓｐｈｅｒｅ［Ｊ］．Ｊｏｕｒｎａｌｏｆ
ＡｐｐｌｉｅｄＭｅｔｅｏｒｏｌｏｇｙａｎｄＣｌｉｍａｔｏｌｏｇｙＡｄｖａｎｃｅｄＳｅａｒｃｈ，１９８８，２７：１１０９１１２４．
［８］ ＲｏｓｅｎｚｗｅｉｇＭＬ．Ｎｅｔｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｖｉｔｙｏｆｔｅｒｒｅｓｔｒｉａｌｃｏｍｍｕｎｉｔｉｅｓ：Ｐｒｅｄｉｃｔｉｏｎｆｒｏｍｃｌｉｍａｔｏｌｏｇｉｃｄａｔａ［Ｊ］．ＡｍｅｒｉｃａｎＮａｔｕ
ｒａｌｉｓｔ，１９６８，１０２：６７７４．
［９］ ＥｆｉｍｏｖａＮＡ．ＰｌａｎｔＰｒｏｄｕｃｔｉｖｉｔｙａｎｄＲａｄｉａｔｉｏｎＦａｃｔｏｒ［Ｍ］．Ｇｉｄｒｏｍｅｔｅｏｉｚｄａｔ：Ｌｅｉｎｇｒａｄ，１９７７．
［１０］ ＵｃｈｉｊｉｍａＺ．Ａｇｒｏｃｌｉｍａｔｅｅｖａｌｕａｔｉｏｎｏｆｎｅｔｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｖｉｔｙｏｆｎａｔｕｒａｌｖｅｇｅｔａｔｉｏｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＡｇｒｉｃｕｌｔｕｒａｌＭｅｔｅｏｒｏｌｏ
ｇｙ，１９８５，４０：３４３３５２．
［１１］ 陈国南．用迈阿密模型预测我国生物生产量的初步尝试［Ｊ］．自然资源学报，１９８７，２（３）：８４９８．
［１２］ 侯光良，游松才．用筑后模型估算我国植物气候生产力［Ｊ］．自然资源学报，１９９０，５（１）：６０６５．
［１３］ 张宪洲．我国自然植被净第一性生产力的估算与分布［Ｊ］．自然资源，１９９２，（１）：１５２１．
［１４］ 刘世荣，郭泉水，王兵．气候变化对中国森林生产力的影响．Ｉ．中国森林现实生产力的特征及地理分部格局［Ｊ］．林业科学
研究，１９９３，６（６）：６３３６４２．
［１５］ 刘世荣，徐德应，王兵．气候变化对中国森林生产力的影响．Ⅱ．中国森林净第一性生产力的模拟［Ｊ］．林业科学研究，１９９４，
７（４）：４２５４３０．
［１６］ 朱志辉．自然植被净第一性生产力估计模型［Ｊ］．科学通报，１９９３，３８（１５）：１４２２１４２６．
［１７］ 周广胜，张新时．全球气候变化的中国自然植被的净第一性生产力研究［Ｊ］．植物生态学报，１９９６，２０（１）：１１１９．
７１第２３卷第６期 草业学报２０１４年
［１８］ ＰｏｔｔｅｒＣＳ，ＲａｎｄｅｒｓｏｎＪＴ，ＦｉｅｌｄＣＢ，犲狋犪犾．Ｔｅｒｒｅｓｔｒｉａｌｅｃｏｓｙｓｔｅｍｐｒｏｄｕｃｔｉｏｎ：ａｐｒｏｃｅｓｓｍｏｄｅｌｂａｓｅｄｏｎｇｌｏｂａｌｓａｔｅｌｉｔｅａｎｄ
ｓｕｒｆａｃｅｄａｔａ［Ｊ］．ＧｌｏｂａｌＢｉｏｇｅｏｃｈｅｍｉｃａｌＣｙｃｌｅ，１９９３，７：８１１８４１．
［１９］ ＰｒｉｎｃｅＳＤ，ＳａｍｕｅｌＮ．Ｇｌｏｂａｌｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｏｎ：ａｒｅｍｏｔｅｌｙｓｅｎｓｉｎｇａｐｐｒｏａｃｈ［Ｊ］．ＪｏｕｒｎａｌｏｆＢｉｏｇｅｏｇｒａｐｈｙ，１９９５，（２２）：
８１５８３５．
［２０］ ＲｕｉｍｙＡ，ＳａｕｇｉｅｒＢ，ＤｅｄｉｅｕＧ．ＭｅｔｈｏｄｏｌｏｇｙｆｏｒｔｈｅｅｓｔｉｍａｔｉｏｎｏｆｔｅｒｒｅｓｔｒｉａｌＮＰＰｆｒｏｍｒｅｍｏｔｅｌｙｓｅｎｓｅｄｄａｔａ［Ｊ］．Ｊｏｕｒｎａｌｏｆ
ＧｅｏｐｈｙｓｉｃａｌＲｅｓｅａｒｃｈ，１９９４，９９（Ｄ３）：５２６３５２８３．
［２１］ ＫｕｍａｒＭ，ＭｏｎｔｅｉｔｈＪＬ．Ｒｅｍｏｔｅｓｅｎｓｉｎｇｏｆｃｒｏｐｇｒｏｗｔｈ［Ａ］．Ｉｎ：ＳｍｉｔｈＨ．ＰｌａｎｔｓａｎｄｔｈｅＤａｙｌｉｇｈｔＳｐｅｃｔｒｕｍ［Ｃ］．Ｌｏｎｄｏｎ：
Ａｃａｄｅｍｉｃ，１９８２：１３３１４４．
［２２］ 肖乾广，陈维英，盛永伟．用ＮＯＡＡ气象卫星的ＡＶＨＲＲ遥感资料估算中国的第一性生产力［Ｊ］．植物学报，１９９６，３８（１）：
３５３９．
［２３］ 朴世龙，方精云，郭庆华．利用ＣＡＳＡ模型估算我国植被净第一性生产力［Ｊ］．植物生态学报，２００１，２５（５）：６０３６０８．
［２４］ 周宇庭，付刚，沈振西，等．藏北典型高寒草甸地上生物量的遥感估算模型［Ｊ］．草业学报，２０１３，２２（１）：１２０１２９．
［２５］ 穆少杰，李建龙，杨红飞，等．内蒙古草地生态系统近１０年ＮＰＰ时空变化及其与气候的关系［Ｊ］．草业学报，２０１３，２２（３）：
６１５．
［２６］ 孙成明，刘涛，田婷，等．基于 ＭＯＤＩＳ的南方草地ＮＰＰ遥感估算与应用［Ｊ］．草业学报，２０１３，２２（５）：１１１７．
［２７］ 卢玲，李新，ＦｒａｎｋＶ．黑河流域植被净初级生产力的遥感估算［Ｊ］．中国沙漠，２００５，２５（６）：８２３８３０．
［２８］ 陈正华，麻清源，王建，等．利用ＣＡＳＡ模型估算黑河流域净第一性生产力［Ｊ］．自然资源学报，２００８，２３（２）：２６３２７３．
［２９］ 任继周，梁天刚，林慧龙，等．草地对全球气候变化的响应及其碳汇潜势研究［Ｊ］．草业学报，２０１１，２０（２）：１２２．
［３０］ 肖洪浪，赵文智，冯起，等．中国内陆河流域尺度的水资源利用率提高研究———黑河流域水生态经济管理试验示范［Ｊ］．中
国沙漠，２００４，２４（４）：３８１３８４．
［３１］ 张济世，康尔泗，姚进忠，等．黑河流域水资源生态环境安全问题研究［Ｊ］．中国沙漠，２００４，２４（４）：４２５４３０．
［３２］ 王根绪，程国栋．黑河流域土地荒漠化及其变化趋势［Ｊ］．中国沙漠，１９９９，１９（４）：３６８３７４．
［３３］ 卢玲，李新，程国栋．利用ＮＯＡＡＡＶＨＲＲ植被指数数据集分析黑河流域季候特征［Ｊ］．中国沙漠，２００２，２２（２）：１８７１９１．
［３４］ 陈仁升，康尔泗，杨建平，等．Ｔｏｐｍｏｄｅｌ模型在黑河干流出山径流模拟中的应用［Ｊ］．中国沙漠，２００３，２３（４）：４２８４３４．
［３５］ 陈仁升，康尔泗，杨建平，等．内陆河流域分布式水文模型———以黑河山区干流山区建模为例［Ｊ］．中国沙漠，２００４，２４（４）：
４１６４２４．
［３６］ 马耀明，马伟强，李茂善，等．黑河中游非均匀地表能量通量的卫星遥感参数化［Ｊ］．中国沙漠，２００４，２４（４）：３９８４０４．
［３７］ 程国栋．黑河流域水－生态－经济研究［Ｍ］．北京：科学出版社，２００９．
［３８］ 李飞，赵军，赵传燕，等．中国西北干旱区潜在植被模拟与动态变化分析［Ｊ］．草业学报，２０１１，２０（４）：４２５０．
［３９］ 李飞，赵军，赵传燕，等．中国干旱半干旱区潜在植被演替［Ｊ］．生态学报，２０１１，３１（３）：６８９６９７．
［４０］ 任继周．草原合理利用与草原类型［Ｍ］．北京：中国农业出版社，２００４．
［４１］ ＺｈａｏＪ，ＬｉＦ，ＦｕＨＹ，犲狋犪犾．ＡＤＥＭＢａｓｅｄＰａｒｔｉｔｉｏｎＡｄｊｕｓｔｍｅｎｔｆｏｒｔｈｅＩｎｔｅｒｐｏｌａｔｉｏｎｏｆＡｎｎｕａｌＣｕｍｕｌａｔｉｖｅＴｅｍｐｅｒａｔｕｒｅｉｎ
Ｃｈｉｎａ［Ｍ］．ＧｅｏｓｐａｔｉａｌＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅ，２００７：６７５３．
［４２］ 周广胜，张新时．自然植被净第一性生产力模型初探［Ｊ］．植物生态学报，１９９５，１９（３）：１９３２００．
［４３］ 林慧龙，王军，徐震．草地净第一性生产力与＞０℃年积温、湿润度指标间的关系［Ｊ］．草业科学，２００５，２２（６）：８１０．
［４４］ 林慧龙，常生华，李飞．草地净初级生产力模型研究进展［Ｊ］．草业科学，２００７，２４（１２）：２６２９．
［４５］ ＮｉＪ．ＮｅｔｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｖｉｔｙｉｎｆｏｒｅｓｔｓｏｆＣｈｉｎａ：Ｓｃａｌｉｎｇｕｐｏｆｎａｔｉｏｎａｌｉｎｖｅｎｔｏｒｙｄａｔａａｎｄｃｏｍｐａｒｉｓｏｎｗｉｔｈｍｏｄｅｌｐｒｅｄｉｃ
ｔｉｏｎｓ［Ｊ］．ＦｏｒｅｓｔＥｃｏｌｏｇｙａｎｄＭａｎａｇｅｍｅｎｔ，２００３，１７６：４８５４９５．
［４６］ 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性分析［Ｊ］．草业学报，２０１０，１９（２）：７１３．
８１ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１４） Ｖｏｌ．２３，Ｎｏ．６
犃狀犪犾狔狊犻狊狅犳狀犲狋狆狉犻犿犪狉狔狆狉狅犱狌犮狋犻狅狀狅犳狆狅狋犲狀狋犻犪犾狀犪狋狌狉犪犾狏犲犵犲狋犪狋犻狅狀犻狀狋犺犲
狌狆狆犲狉狉犲犪犮犺犲狊狅犳狋犺犲犎犲犻犺犲犚犻狏犲狉犫犪狊犻狀
ＷＡＮＧＤａｗｅｉ１，２，ＺＨＡＯＪｕｎ１，ＨＡＮＴａｏ２，ＬＩＬｉｌｉ３
（１．ＣｏｌｅｇｅｏｆＧｅｏｇｒａｐｈｙａｎｄＥｎｖｉｒｏｎｍｅｎｔＳｃｉｅｎｃｅ，ＮｏｒｔｈｗｅｓｔＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｌａｎｚｈｏｕ７３００７０，
Ｃｈｉｎａ；２．ＮｏｒｔｈｗｅｓｔＲｅｇｉｏｎａｌＣｌｉｍａｔｅＣｅｎｔｅｒ，Ｌａｎｚｈｏｕ７３００２０，Ｃｈｉｎａ；３．Ｃｏｌｅｇｅ
ｏｆＥａｒｔｈａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓ，Ｌａｎｚｈｏｕ７３０００，Ｃｈｉｎａ）
犃犫狊狋狉犪犮狋：Ｕｎｄｅｒｓｔａｎｄｉｎｇｔｈｅｓｐａｔｉａｌｐａｔｔｅｒｎｏｆｔｈｅｐｏｔｅｎｔｉａｌｎａｔｕｒａｌｖｅｇｅｔａｔｉｏｎ（ＰＮＶ）ｉｓｉｍｐｏｒｔｆｏｒｉｄｅｎｔｉｆｙｉｎｇ
ｔｈｅｒｅｓｐｏｎｓｅｏｆｓｐａｔｉａｌｐａｔｔｅｒｎｔｏｔｈｅｃｌｉｍａｔｅｃｈａｎｇｅａｎｄｃａｒｂｏｎｃｙｃｌｉｎｇａｎｄｆｏｒｐｒｅｄｉｃｔｉｎｇｎｅｔｐｒｉｍａｒｙｐｒｏｄｕｃ
ｔｉｏｎ（ＮＰＰ）ｄｉｓｔｒｉｂｕｔｉｏｎｏｆＰＮＶｉｎｅｃｏｌｏｇｉｃａｌｒｅｓｔｏｒａｔｉｏｎｐｒｏｊｅｃｔｓ．Ｔｈｅｄｙｎａｍｉｃｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｓｐａｔｉａｌｄｉｓｔｒｉ
ｂｕｔｉｏｎ，ｔｈｅｐｏｔｅｎｔｉａｌｖｅｇｅｔａｔｉｏｎｏｆＮＰＰ，ｔｈｅｇｒｏｓｓａｎｄｃｕｍｕｌａｔｉｖｅＮＰＰａｎｄｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎＮＰＰａｎｄ
ｈｙｄｒｏｔｈｅｒｍａｌｆａｃｔｏｒｓｏｎｔｈｅｕｐｐｅｒｒｅｓｅａｒｃｈｏｆＨｅｉｈｅＲｉｖｅｒｗｅｒｅｉｎｖｅｓｔｉｇａｔｅｄｂｙｕｓｉｎｇｍｅｔｅｏｒｏｌｏｇｉｃａｌｄａｔａｉｎ
ｃｌｕｄｉｎｇｒａｉｎｆａｌ，ｔｅｍｐｅｒａｔｕｒｅａｎｄａｃｃｕｍｕｌａｔｉｖｅｔｅｍｐｅｒａｔｕｒｅ≥０℃ （１９６０－２００９）ｉｎｃｏｎｊｕｎｃｔｉｏｎｗｉｔｈｔｈｅｌｏｃａ
ｔｉｏｎａｎｄａｌｔｉｔｕｄｅｒｅｃｏｒｄｆｒｏｍ１２ｃｌｉｍａｔｅｓｔａｔｉｏｎｓｉｎｗｅｓｔｅｒｎＣｈｉｎａｃｏｖｅｒｉｎｇｔｈｅｐｅｒｉｏｄｆｒｏｍ１９６０ｔｏ２００９．Ｂａｓｅｄ
ｏｎｔｈｅｓｅｄａｔａ，ｗｅｕｓｅｄａｃｏｍｐｒｅｈｅｎｓｉｖｅｓｅｑｕｅｎｔｉａｌｃｌａｓｓｉｆｉｃａｔｉｏｎｓｙｓｔｅｍ（ＣＳＣＳ）ｍｅｔｈｏｄ，ｖａｌｉｄａｔｅｄａｔｒｅｇｉｏｎａｌ
ａｎｄｇｌｏｂａｌｓｃａｌｅｓ，ｔｏｅｓｔｉｍａｔｅｔｈｅＮＰＰｖａｒｉａｔｉｏｎｏｆｇｒａｓｓｌａｎｄｅｃｏｓｙｓｔｅｍｓａｎｄｔｈｅｒｅｓｐｏｎｓｅｓｔｏｃｌｉｍａｔｅｃｈａｎｇｅ．
ＰＮＶ’ｓｆｅｌｉｎｔｏ８ｃｌａｓｓｅｓｂａｓｅｄｏｎｖｅｒｔｉｃａｌｚｏｎｅｓ．ＩｎｃｒｅａｓｉｎｇａｌｔｉｔｕｄｅｉｎｔｈｅｍｏｕｎｔａｉｎｏｕｓｒｅｇｉｏｎｒｅｓｕｌｔｅｄｉｎＮＰＰ
ｉｎｉｔｉａｌｙｔｅｎｄｉｎｇｔｏｒｉｓｅｂｕｔｓｕｂｓｅｑｕｅｎｔｌｙｄｅｃｌｉｎｅ．ＴｈｅｐｒｅｄｉｃｔｉｖｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆＮＰＰｗａｓｄｅｐｅｎｄｅｎｔｏｎｈｙｄｒｏ
ｔｈｅｒｍａｌｆａｃｔｏｒｓ．ＴｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎＮＰＰａｎｄａｎｎｕａｌａｃｃｕｍｕｌａｔｅｄｔｅｍｐｅｒａｔｕｒｅ≥０℃ｗａｓｎｅｇａｔｉｖｅｉｎｃｏｌｄ
ａｒｅａｓ，ｂｕｔｗａｓｐｏｓｉｔｉｖｅｉｎｃｏｏｌｔｅｍｐｅｒａｔｅａｒｅａｓ．ＴｈｅｒｅｗｅｒｅｐｏｓｉｔｉｖｅｃｏｒｒｅｌａｔｉｏｎｓｂｅｔｗｅｅｎＮＰＰａｎｄｈｕｍｉｄｉｔｙｉｎ
ａｒｉｄ，ｓｅｍｉａｒｉｄ，ｓｕｂｈｕｍｉｄａｎｄｈｕｍｉｄａｒｅａｓ．ＴｈｅｓｐａｔｉａｌｐａｔｔｅｒｎｏｆＰＮＶｒｅｆｌｅｃｔｅｄｔｈｅａｂｉｌｉｔｙｏｆｖｅｇｅｔａｔｉｏｎｔｏａ
ｄａｐｔｔｏｄｉｆｆｅｒｅｎｔｈａｂｉｔａｔｓａｎｄｃｌｉｍａｔｅｃｈａｎｇｅ．
犓犲狔狑狅狉犱狊：ＮＰＰｏｆＰＮＶ；ｈｙｄｒｏｔｈｅｒｍａｌｆａｃｔｏｒｓ；ＣＳＣＳ；ｕｐｐｅｒｒｅａｃｈｅｓｏｆＨｅｉｈｅＲｉｖｅｒＢａｓｉｎ；ｃｏｒｒｅｌａｔｉｏｎ
９１第２３卷第６期 草业学报２０１４年