全 文 ：书植被光合有效辐射吸收分量及
最大光能利用率算法的改进
王保林１，２，王晶杰２，杨勇２，常书娟２，陈喜梅２，刘爱军１，２
（１．内蒙古民族大学农学院，内蒙古 通辽０２８０４３；２．内蒙古草原勘察规划院，内蒙古 呼和浩特０１００５１）
摘要：植被冠层对入射光有效辐射的吸收系数 （ＦＰＡＲ）和最大光能利用率是ＮＰＰ模拟的重要参数。利用光量子
仪实测了典型草原植被类型关键生育期光合有效辐射值，根据 ＮＤＶＩ与ＦＰＡＲ之间的良好相关性，建立了２个
ＦＡＰＲ估算模型。结果表明，实测的ＦＰＡＲ值与模型估算的ＦＰＡＲ之间的相关性均达到极显著水平，２个模型的
估测值之间没有显著性差异。因此，本研究中采取求均值后计算了我国草原的ＦＰＡＲ，并与ＮＡＳＡ－ＦＰＡＲ产品进
行了嵌套和互补，形成全国完整的草原ＦＰＡＲ空间分布图。同时，基于归一化植被指数和叶面积指数，以中国草原
１８大类分类结果为基础单元，对中国草原１８大类的最大光能利用率进行调整，调整后的最大光能利用率输入
ＮＰＰ模型后，改善了ＮＰＰ估算精度，在大类尺度上，总体预测精度为８５．７１％。
关键词：植被；光合有效辐射吸收分量；最大光能利用率；算法
中图分类号：Ｑ９４５．１１ 文献标识码：Ａ 文章编号：１００４５７５９（２０１３）０５０２２００９
犇犗犐：１０．１１６８６／ｃｙｘｂ２０１３０５２６
在光能利用率模型中，光合有效辐射和光能利用率是２个决定性因子，而植被冠层对入射光有效辐射的吸收
系数 （ＦＰＡＲ）则尤为重要，因此，基于ＦＰＡＲ的模型已展示出诱人的前景。随着遥感技术的发展，植物吸收的光
合有效辐射已能够通过遥感方式获取［１，２］。
光合有效辐射植被吸收分量（ｆｒａｃｔｉｏｎｏｆａｂｓｏｒｂｅｄｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌｙａｃｔｉｖｅｒａｄｉａｔｉｏｎ，ＦＰＡＲ）是指植被光合
作用对光合有效辐射的吸收比例。基于遥感数据计算的ＦＰＡＲ，是将遥感数据引入ＮＰＰ光能利用率模型的主要
途径。植被所吸收的光合有效辐射取决于ＦＰＡＲ，用公式ＡＰＡＲ（狓，狋）＝ ＲＳ（狓，狋）×０．５×ＦＰＡＲ（狓，狋）表示［３］。
式中，ＲＳ（狓，狋）是狋月像元狓处的太阳总辐射量（ＭＪ／ｍ２）；ＦＰＡＲ（狓，狋）为植被层对光合有效辐射（ｐｈｏｔｏｓｙｎｔｈｅｔｉ
ｃａｌｙａｃｔｉｖｅｒａｄｉａｔｉｏｎ，ＰＡＲ）的吸收比例；常数０．５表示植被所能利用的太阳有效辐射（波长为０．４～０．７μｍ）占
太阳总辐射的比例。
植物吸收性光合有效辐射分量是一个与植物群体生理相关的重要参数，是生态系统功能模型、作物生长模
型、净初级生产力模型、大气模型、生物地理化学模型、生态模型等的重要参量［４１１］。
目前，国际上已有成熟的ＦＰＡＲ遥感产品出现，如ＭＯＤＩＳ（中分辨率成像光谱仪）的ＦＰＡＲ数据产品。ＭＯ
ＤＩＳ－ＦＰＡＲ 产品的２个主要算法是辐射传输模型和植被指数经验模型。当辐射传输模型不能较好的反演
ＦＰＡＲ时，通过与植被指数关系的经验模型来计算ＦＰＡＲ，同时提高获取ＦＰＡＲ估算精度的方法研究一直是重
要的研究方向［１２，１３］。
目前国内外关于ＦＰＡＲ的研究多集中于ＦＰＡＲ与植被指数之间的关系方面［１３，１４］。ＦＰＡＲ估算方法改进和
精度提高是重要的研究方向，也是当前国际研究的热点［１５，１６］。Ｈｕｅｍｍｒｉｃｈ等［１７，１８］从ＳＡＬＬ （Ｓｅａｔｔｅｒｉｎｇｂｙ
ＡｒｂｉｔｒａｒｉｌｙＩｎｃＵｎｅｄＬｅａｖｅｓ，来自任意倾角叶的散射）模型研究得出，在太阳天顶角小于６０°和叶面积指数（ＬＡＩ）
为０．０５～２．００时，ＦＰＡＲ与归一化植被指数（ＮＤＶＩ）之间呈较好的直线相关关系。Ｍｙｎｅｎｉ等［１９］的研究表明，
２２０－２２８
２０１３年１０月
草 业 学 报
ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ
第２２卷 第５期
Ｖｏｌ．２２，Ｎｏ．５
收稿日期：２０１２１２１７；改回日期：２０１３０３２０
基金项目：农业行业科研专项（２００９０３０６０），林业行业科研专项（２０１２０４２０２），农业科技成果转化资金项目（２０１１Ａ４０１０００１）和基于高光谱遥感数
据的典型草原冠层光合有效吸收分量的估算方法研究（２０１３ＭＳ０４１３）资助。
作者简介：王保林（１９８２），男，内蒙古乌兰察布人，在读硕士。Ｅｍａｉｌ：ｗａｎｇｂａｏｌｉｎｎｍ＠１６３．ｃｏｍ
通讯作者。Ｅｍａｉｌ：ｌｉｕａｊ＿８１＠１６３．ｃｏｍ
ＮＤＶＩ和ＦＰＡＲ呈近线性函数关系。Ｒｏｕｊｅａｎ和Ｂｒｅｏｎ［２０］的研究有一个非常重要的发现，当植被覆盖较少时，差
值植被指数（ＤＶＩ）与ＦＰＡＲ具有近线性相关关系，而在全覆盖植被情况下，ＮＤＶＩ能够更好地估计ＦＰＡＲ，而重
归一化植被指数（ＲＤＶＩ）在任何植被覆盖情况下，都与ＦＰＡＲ具有近线性关系。
很多文献都表明，植物最大光能利用率ε取值为０．３８９ｇＣ／ＭＪ，这一取值源自Ｐｏｔｔｅｒ和Ｒａｎｄｅｒｓｏｎ［２１］的研
究，该研究认为全球植被的最大光能转化率为０．３８９ｇＣ／ＭＪ。Ｒｕｎｎｉｎｇ等［２２］在研究生理生态模型（Ｂｉｏｍｅ－
ＢＧＣ）时，规定了陆地各生态系统最大光能利用率（εｍａｘ）取值（表１），其中草地植被的最大光能利用率取值为
０．６０８ｇＣ／ＭＪ。
柳梅英等［２３］在估算那马斯河流域植被碳储量时，针对不同的土地利用单元赋予不同的最大光能转化率取
值。同时她们认为，植被最大光能利用率不仅受植被类型的影响，同时也受到植被覆盖均匀度影响。多年来，针
对最大光能利用率取值争议不断，许多研究以证伪的方法说明这一取值的不合理，从不同角度计算出适应某一区
域的最大光能转化率［２４，２５］。但是，这一取值至今一直没有一个公认的标准。
本研究根据草原ＮＰＰ（净初级生产力）估算中的精度问题，对ＦＡＰＲ和最大光能利用率进行优化和改进，使
其在利用光能利用率模型估算草地区ＮＰＰ时能更接近实际状况。
表１ 不同植被类型的最大光能利用率
犜犪犫犾犲１ 犜犺犲犿犪狓犻犿狌犿犾犻犵犺狋狌狊犲犲犳犳犻犮犻犲狀犮狔（ε犿犪狓）狅犳犱犻犳犳犲狉犲狀狋狏犲犵犲狋犪狋犻狅狀狋狔狆犲狊 ｇＣ／ＭＪ
常绿针叶林
Ｅｖｅｒｇｒｅｅｎ
ｎｅｅｄｌｅｌｅａｖｅｄ
ｆｏｒｅｓｔ
常绿阔叶林
Ｅｖｅｒｇｒｅｅｎ
ｂｒｏａｄｌｅａｆ
ｆｏｒｅｓｔ
落叶针叶林
Ｄｅｃｉｄｕｏｕｓ
ｆｏｒｅｓｔ
落叶阔叶林
Ｂｒｏａｄｌｅａｖｅｄ
ｄｅｃｉｄｕｏｕｓ
ｆｏｒｅｓｔ
混交林
Ｃｏｎｉｆｅｒｏｕｓａｎｄ
ｂｒｏａｄｌｅａｖｅｄ
ｍｉｘｅｄｆｏｒｅｓｔ
落叶灌丛及稀树
草原Ｄｅｃｉｄｕｏｕｓ
ｓｈｒｕｂａｎｄ
Ｓａｖａｎｎａ
林缘草甸
Ｆｏｒｅｓｔ
ｍｅａｄｏｗ
矮林灌丛
Ｃｏｐｐｉｃｅ
ｆｏｒｅｓｔ
ｓｈｒｕｂ
草地
Ｇｒａｓｓｌａｎｄ
耕地
Ｆａｒｍｌａｎｄ
其他类型
Ｏｔｈｅｒ
１．００８ １．２５９ １．１０３ １．００４ １．１１６ ０．７６８ ０．７７４ ０．８８８ ０．６０８ ０．６０４ ０．３８９
１ 材料与方法
１．１ 遥感数据
使用的 ＭＯＤＩＳ－ＮＤＶＩ／ＦＰＡＲ数据为２０１０年 ＭＯＤＩＳ／Ｔｅｒｒａ＿１ｋｍ－－１６ＤＡＹ＿ＦＰＡＲ及ＮＤＶＩ／ＬＡＩ。数
据来自于美国国家航空航天局（ＮＡＳＡ）的戈达德地球科学中心（ＧｏｄｄａｒｄＥａｒｔｈＳｃｉｅｎｃｅ，ＧＥＳ），其数据信息服务
中心（ＤａｔａａｎｄＩｎｆｏｒｍａｔｉｏｎＳｅｒｖｉｃｅｓＣｅｎｔｅｒ，ＤＩＳＣ）和分布式活动存档中心（ＤｉｓｔｒｉｂｕｔｅｄＡｃｔｉｖｅＡｒｃｈｉｖｅＣｅｎｔｅｒ，
ＤＡＡＣ）（ｈｔｔｐ：／／ｄａａｃ．ｇｓｆＣ．ｎａｓａ．ｇｏｖ／）提供数据产品的免费分发、订购服务。利用 ＭＯＤＩＳ站点提供的 ＭＲＴ
（ＴｈｅＭＯＤＩＳＲｅｐｒｏｊｅｃｔｉｏｎＴｏｏｌ）投影工具软件，将上述数据镶嵌合成为全国区域的 ＭＯＤＩＳ－ＮＤＶＩ／ＦＰＡＲ／
ＬＡＩ影像。转换为我国常用Ａｌｂｅｒｓ等积圆锥投影。
１．２ 地面测量光合有效辐射实验地选择
植被光合有效辐射（ＰＡＲ）测量的试验地选择在锡林浩特市毛登牧场周围，植被类型为以大针茅建群的大针
茅（犛狋犻狆犪犵狉犪狀犱犻狊）＋冰草（犃犵狉狅狆狔狉狅狀犮狉犻狊狋犪狋狌犿）＋羊草（犃狀犲狌狉狅犾犲狆犻犱犻狌犿犮犺犻狀犲狀狊）草地型。
１．３ 光合有效辐射地面测量
光合有效辐射采用美国ＬＩ－ＣＯＲ公司生产的ＬＩ１９１ＳＡ线性光量子传感器进行测量，测量结果自动直接记
录，输出单位为辐射通量密度（Ｗ／ｍ２）。本研究根据不同的日照和太阳高度角，设定３个时间段进行观测，
８：００－１２：００，１２：００－１６：００，１６：００－２０：００，观测频率为每隔２ｈ测量并自动记录１次数据，每次测量并记录的４
个参数包括冠层接收的光合有效辐射（ＰＡＲ）、冠层反射（ρＰＡＲ）、透射（ＰＡＲｔｒａｎｓ）和土壤（地表）反射（ＰＡＲｓｏｉｌ）。观
测日期为２０１１年５—９月，每月观测２次，１０—１５日和１６—３０日分别进行１次。观测重复次数为１０次。
测量ＰＡＲ和ρＰＡＲ时，将光量子仪的传感器放置距离冠层顶部０．５～１．０ｃｍ处，测量ＰＡＲｓｏｉｌ和ＰＡＲｔｒａｎｓ时
将传感器分别放置在距离地面０～０．５ｃｍ处。
１２２第２２卷第５期 草业学报２０１３年
１．４ 地面测量光合有效辐射数据处理
光合有效辐射在传输过程中衰减包括被植被冠层吸收部分，被直接反射和穿过冠层后被冠层反射回大气部
分，被土壤吸收部分。因此，Ｅｄｕａｒｄｏ等［１６］给出了植被光合作用吸收的光合有效辐射部分的计算公式为：
犃犘犃犚＝犘犃犚－ρ犘犃犚－（犘犃犚ｔｒａｎｓ－犘犃犚ｓｏｉｌ） （１）
式中，犃犘犃犚是植物所能吸收的光合有效辐射（ａｂｓｏｒｂｅｄｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｃｔｉｖｅｒａｄｉａｔｉｏｎ）；犘犃犚是指太阳辐射中
能被绿色植物利用进行光合作用的能量，到达植被冠层的光合有效辐射（ｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌｙａｃｔｉｖｅｒａｄｉａｔｉｏｎ），
ρ犘犃犚是植被冠层反射的光合有效辐射；犘犃犚ｔｒａｎｓ是穿透植被冠层到达地表的光合有效辐射；犘犃犚ｓｏｉｌ是土壤表面
反射的光合有效辐射；（犘犃犚ｔｒａｎｓ－犘犃犚ｓｏｉｌ）是土壤吸收的光合有效辐射。
１．５ 光合有效辐射（ＡＰＡＲ）及光合有效吸收分量（ｆＰＡＲ）的计算
光合有效辐射（ＡＰＡＲ）采用公式（１）计算，光合有效吸收分量（ｆＰＡＲ）＝ＡＰＡＲ／ＰＡＲ，采用公式（７）计算。需
要说明的是，利用光量子仪测量得到的是瞬时ＰＡＲ分量，因此，需要采用积分求算光合有效辐射的时段ＰＡＲ（ｐ）
和日值ＰＡＲ（ｄ）、植被吸收的光合有效辐射时段值ＡＰＡＲ（ｐ）和日值ＡＰＡＲ（ｄ），进而计算获得光合有效吸收分量
日值ｆＰＡＲ（ｄ）。
光合有效辐射日值计算公式如下：
犘犃犚（犱）＝∫
狋１２
狋８
｛犘犃犚（狆１）｝ｄ狋＋∫
狋１６
狋１２
｛犘犃犚（狆２）｝ｄ狋＋∫
狋２０
狋１６
｛犘犃犚（狆３）｝ｄ狋 （２）
式中，∫
狋１２
狋８
｛犘犃犚（狆１）｝ｄ狋、∫
狋１６
狋１２
｛犘犃犚（狆２）｝ｄ狋、∫
狋２０
狋１６
｛犘犃犚（狆３）｝ｄ狋分别是８：００－１２：００，１２：００－１６：００，１６：００－
２０：００这３个时段的光合有效辐射时段值。
植被吸收的光合有效辐射时段值计算公式如下：
犃犘犃犚（狆１）＝∫
狋１２
狋８
｛［犘犃犚（狋）－ρ犘犃犚（狋）］－［犘犃犚ｔｒａｎｓ（狋）－犘犃犚ｓｏｉｌ（狋）］｝ｄ狋 （３）
犃犘犃犚（狆２）＝∫
狋１６
狋１２
｛［犘犃犚（狋）－ρ犘犃犚（狋）］－［犘犃犚ｔｒａｎｓ（狋）－犘犃犚ｓｏｉｌ（狋）］｝ｄ狋 （４）
犃犘犃犚（狆３）＝∫
狋２０
狋１６
｛［犘犃犚（狋）－ρ犘犃犚（狋）］－［犘犃犚ｔｒａｎｓ（狋）－犘犃犚ｓｏｉｌ（狋）］｝ｄ狋 （５）
植被吸收的光合有效辐射日值计算公式如下：
犃犘犃犚（犱）＝犃犘犃犚（狆１）＋犃犘犃犚（狆２）＋犃犘犃犚（狆３） （６）
光合有效吸收分量日值ｆＰＡＲ（ｄ）的计算公式：
犳犘犃犚（犱）＝犃犘犃犚
（犱）
犘犃犚（犱）
（７）
１．６ ＦＰＡＲ与归一化植被指数（ＮＤＶＩ）的线性方程
根据ＮＡＳＡ提供的对照表，建立了ＮＤＶＩ－ＦＰＡＲ回归方程。
犉犘犃犚＝
ｍｉｎ［１．１６×犖犇犞犐－０．０４３９，０．９］ （犖犇犞犐＞０．０７５）
０ （犖犇犞犐≤０．０７５
烅
烄
烆 ）
（８）
１．７ ＦＰＡＲ与植被指数（ＶＩ）的线性方程
假设当地表被植被完全覆盖时，ＦＰＡＲ达到最大值，其值接近于１（假定此值为０．９５），而对于无植被地段，
ＦＰＡＲ最小，令其为０．００１。这时ＦＰＡＲ与ＶＩ的关系用下式表示：
犉犘犃犚＝（犞犐－犞犐犻，ｍｉｎ）（０．９５－０．００１）／（犞犐犻，ｍａｘ－犞犐犻，ｍｉｎ）＋０．００１ （９）
式中，犞犐犻，ｍａｘ对应着犻植被类型当犉犘犃犚 达到最大值时的犖犇犞犐值，犞犐犻，ｍｉｎ对应于犻植被类型当犉犘犃犚 最小时的
犖犇犞犐值。犞犐和犖犇犞犐之间存在如下换算关系：
犞犐＝（１＋犖犇犞犐）／（１－犖犇犞犐） （１０）
基于上述２种方法，利用１６ｄ合成的 ＭＯＤＩＳ－ＮＤＶＩ遥感影像数据，生成了２０１１年５月－９月的每月２期
的ＦＰＡＲ数据集（每月１６ｄ合成的数据）。
２２２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１３） Ｖｏｌ．２２，Ｎｏ．５
１．８ 光能转化率计算方法
光能转化率ε模型基本表达为：
ε＝犜ε１×犜ε２×犠ε×ε （１１）
式中，犜ε１ 和犜ε２ 表示温度对光能转化率的影响；犠ε即水分胁迫影响系数；ε是理想条件下的最大光能转化率。
１．９ 净初级生产力（ＮＰＰ）的计算
犖犘犘＝犃犘犃犚×ε （１２）
１．１０ 地上生物量的计算
地上生物量计算公式为：
犌犢＝ 犖犘犘
１＋犅犌犅×犔犅犌犅×犜狌狉狀狅狏犲狉犃犖犘犘
＝ 犖犘犘
１＋犅犌犅×犔犅犌犅×
（０．０００９×犃犖犘犘＋０．２５）
犃犖犘犘
（１３）
式中，犖犘犘：模型模拟得到时间序列上的空间数据集，可以视为已知。犔犅犌犅：为活根系生物量占总根系生物量的
比例，可以视为已知。对于犅犌犅和犃犖犘犘，一般可以根据草地类型分别设定其数值，因此可以视为已知。犜狌狉狀
狅狏犲狉为草地植物根系周转值，犜狌狉狀狅狏犲狉（周转系数）＝０．０００９×ＡＮＰＰ＋０．２５。
１．１１ 相对误差
相对误差为各实测值与预测值之差除以实测值的百分率。该指标能够反映预测值和实测值的离散程度。公
式为：
犚犈＝（狔狋－犲狋）／狔狋×１００％ （狋＝１，２，……，狀） （１４）
式中，狔狋为实际观测值，犲狋为预测值。
１．１２ 平均绝对相对误差
各项相对误差绝对值的总和，除以误差项数所得平均数的百分数。该指标能够真实反映预测精度。公式为：
犕犃犈＝１狀∑｜狔狋－犲狋｜×１００％
（狋＝１，２，……，狀） （１５）
２ 结果与分析
２．１ ＦＰＡＲ的估算值与实测值及ＮＡＳＡ－ＦＰＡＲ数据比较
根据公式（８）和公式（９），计算全国草原的ＦＰＡＲ值，并与公式（７）计算的实测值进行比较，结果发现，公式
（８）估算值普遍比实测值偏低，而公式（９）估算值又比实测值偏高。二者回归结果如表２所示。
表２ 犉犘犃犚实测值与估算值的回归关系
犜犪犫犾犲２ 犜犺犲狉犲犵狉犲狊狊犻狅狀狉犲犾犪狋犻狅狀狊犺犻狆狅犳狋犺犲犿犲犪狊狌狉犲犱狏犪犾狌犲犪狀犱狊狋犻犿狌犾犪狋犻狅狀狏犪犾狌犲狊
项目
Ｉｔｅｍ
回归方程
Ｒｅｇｒｅｓｓｉｏｎｆｕｎｃｔｉｏｎ
样本数
ＳａｍｐｌｉｎｇＮｏ．
Ｓｉｇ． 犚２
实测值与公式（８）估算值 Ｍｅａｓｕｒｅｄａｎｄｓｔｉｍｕｌａｔｅｄｖａｌｕｅｓｂａｓｅｄｏｎｍｏｄｅｌ（８） 犢＝０．９８８狓＋０．０１６ １０ ０．０００ ０．９１１
实测值与公式（９）估算值 Ｍｅａｓｕｒｅｄａｎｄｓｔｉｍｕｌａｔｅｄｖａｌｕｅｓｂａｓｅｄｏｎｍｏｄｅｌ（９） 犢＝１．０２１狓－０．０１３ １０ ０．０００ ０．９４５
公式（８）与ＮＡＳＡ－ＦＰＡＲＳｔｉｍｕｌａｔｅｄｖａｌｕｅｓ（８）ａｎｄＮＡＳＡ－ＦＰＡＲｖａｌｕｅｓ 犢＝１．００３狓－０．００５ ３０ ０．０００ ０．９８４
公式（９）与ＮＡＳＡ－ＦＰＡＲＳｔｉｍｕｌａｔｅｄｖａｌｕｅｓ（９）ａｎｄＮＡＳＡ－ＦＰＡＲｖａｌｕｅｓ 犢＝１．００６狓－０．００４ ３０ ０．０００ ０．９８１
实测的ＦＰＡＲ与公式（８）及（９）估算的ＦＡＰＲ之间的相关性均达到显著水平（表２），但２个模型的估测值之
间没有显著性差异。因此，采取二者求均值的方法计算了我国草原地区的ＦＰＡＲ空间分布，并与ＮＡＳＡ－ＦＰＡＲ
数据有效值进行了嵌套和互补，形成逐月草原的ＦＰＡＲ分布图（图１所示是２０１１年４－９月的全国草原嵌套的
ＦＰＡＲ分布图）。
从４－９月，我国草原植被光合有效吸收分量随着时间推移逐渐增加（图１）。在空间上，我国南方草原光合
有效吸收比例最大，基本在０．８左右，从东南向西北递减，新疆、藏西北、阿拉善等地区ＦＰＡＲ最小。我国北方草
原中，东北地区、内蒙古东北部、青藏高原大部分地区光合有效吸收比例也达到０．６～０．８左右。内蒙古中部、新
３２２第２２卷第５期 草业学报２０１３年
疆北部、西藏等地区光合有效吸收比例介于０．２～０．４之间，内蒙古阿拉善、新疆南部以及西藏北部荒漠地区，植
被冠层光合有效吸收分量低于０．２。
２．２ 最大光能利用率ε取值的优化和改进
很多文献说明，最大光能利用率大小取决于植被类型和叶面积指数。叶面积越大，植物截获的光能就越多，
光合作用积累化学能也会越多；另一方面，叶片越厚，光透射越少，光能利用效率也会提高。本研究使用了归一化
植被指数和叶面积指数，以中国草原１８大类作为基础分类单元，对最大光能利用率进行分类调整。
对最大光能利用率进行优化做如下假设：最大光能利用率与植被指数和叶面积指数呈现乘性因子关系，且成
正比，最大光能利用率调整后的取值范围为（０．６０８，１），则ε改进的算法为：
εａｄｊｕｓｔ＝０．６０８犽１＋犽２犪犫（犖犇犞犐≤０．１时，犽１＝０，犽２＝０；犖犇犞犐＞０．１时，犽１＝１，犽２＝０．１） （１６）
图１ 中国草原２０１１年４－９月植被光合有效吸收分量
犉犻犵．１ 犞犲犵犲狋犪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犪犫狊狅狉狆狋犻狅狀犮狅犿狆狅狀犲狀狋狅犳犆犺犻狀犪犻狀２０１１
４２２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１３） Ｖｏｌ．２２，Ｎｏ．５
式中，εａｄｊｕｓｔ代表调整后的ε，犪代表植被指数（ＮＤＶＩ），犫代表叶面积指数（ＬＡＩ），犽为调整系数，其作用是保证最
大光能利用率取值区间为（０．６０８，１）。当某一类型草原植被指数值（ＮＤＶＩ）小于０．１时（地表近似裸地），犽１、犽２
取值为０，那么，最大光能利用率取值即为０；当某一类型草原植被指数（ＮＤＶＩ）趋于最大，其值接近于１（地表植
被覆盖趋于１００％）时，最大光能利用率取值上限为１。通过公式（１６），对我国１８大类草原最大光能利用率取值
进行调整，调整后ε取值见表３。
表３ 优化调整后的中国草原植被最大光能利用率取值
犜犪犫犾犲３ 犌狉犪狊狊犾犪狀犱狅犳犾犪狉犵犲狊狋狊狅犾犪狉犲狀犲狉犵狔狌狋犻犾犻狕犪狋犻狅狀狏犪犾狌犲狊狅犳犆犺犻狀犪
草地类型Ｇｒａｓｓｌａｎｄｔｙｐｅ 叶面积指数ＬＡＩ 植被指数ＮＤＶＩ 最大光能利用率ε
温性草甸草原Ｔｅｍｐｅｒａｔｅｍｅａｄｏｗｓｔｅｐｐｅ １．９１ ０．５９６３ ０．７２２
温性草原类Ｔｅｍｐｅｒａｔｅｓｔｅｐｐｅ １．１５ ０．４００１ ０．６５４
温性荒漠草原类Ｔｅｍｐｅｒａｔｅｄｅｓｅｒｔｓｔｅｐｐｅ ０．６８ ０．２３４８ ０．６２４
高寒草甸草原类Ａｌｐｉｎｅｍｅａｄｏｗｇｒａｓｓｌａｎｄ ０．６１ ０．２５９９ ０．６２４
高寒草原类Ａｌｐｉｎｅｓｔｅｐｐｅ ０．５９ ０．２２００ ０．６２１
高寒荒漠草原类Ａｌｐｉｎｅｄｅｓｅｒｔｓｔｅｐｐｅ ０．２３ ０．１３０３ ０．６０８
温性草原化荒漠类Ｔｅｍｐｅｒａｔｅｓｔｅｐｐｅｄｅｓｅｒｔ ０．３６ ０．１６１８ ０．６１４
温性荒漠类Ｔｅｍｐｅｒａｔｅｄｅｓｅｒｔ ０．２２ ０．１３４２ ０．６０８
高寒荒漠类Ａｌｐｉｎｅｄｅｓｅｒｔ ０．１７ ０．１２３０ ０．６０８
高寒草甸类Ａｌｐｉｎｅｍｅａｄｏｗ １．６４ ０．４９４３ ０．６８９
沼泽类Ｓｗａｍｐ ２．２４ ０．５９５７ ０．７４２
暖性草丛类 Ｗａｒｍｇｒａｓｓ ２．５６ ０．７２２３ ０．７９３
暖性灌草丛类 Ｗａｒｍｓｈｒｕｂｇｒａｓｓｌａｎｄ ３．０２ ０．７３２１ ０．８２９
热性草丛类Ｔｒｏｐｉｃａｌｔｕｓｓｏｃｋｔｙｐｅｒａｎｇｅｌａｎｄ ３．５７ ０．６９０１ ０．８５５
热性灌草丛类Ｔｒｏｐｉｃａｌｓｈｒｕｂｇｒａｓｓｌａｎｄ ３．４７ ０．６９９０ ０．８５０
干热稀树灌草丛类Ｓａｖａｎｎａｓｈｒｕｂｇｒａｓｓｔｙｐｅ ２．９１ ０．６１６２ ０．７８７
低地盐化草甸类Ｌｏｗｌａｎｄｍｅａｄｏｗ １．９０ ０．５０１７ ０．７０３
温性山地草甸类Ｔｅｍｐｅｒａｔｅｍｏｕｎｔａｉｎｍｅａｄｏｗ ２．５９ ０．６５８１ ０．７７９
在最大光能利用优化调整的基础上，通过公式（１１）估算了中国草原２０１１年４－９月光能转化率。其空间分
布见图２。在时间上，我国植被光能转化率随着时间逐渐增加（图２）。到９月，我国草原光能转化率最高的地区
位于青藏高原和南方大部分地区；光能转化率最低的地区位于我国东北、内蒙古东部以及新疆大部分地区，说明
北方地区在９月份以后草原大部分植物生长发育基本停止。
２．３ 精度验证
被检验的数据来源于ＣＡＳＡ（ＣａｒｎｅｇｉｅＡｍｅｓＳｔａｎｆｏｒｄＡｐｐｒｏａｃｈ）模型预测值，同时将所有参数输入模型。
分别将０．３８９，０．６０８ｇＣ／ＭＪ和表３优化结果最大光能利用率作为变量输入模型，其他参数作为常数，再将输出
ＮＰＰ通过公式（１３）转换为地上生物量。检验的数据来自２０１０年６０００多个野外监测数据，其样点布置主要针对
内蒙古自治区草地类型分布进行布点，监测指标有生物量、高度、盖度、频度等。由于地面某一点的实测值很难在
遥感图像上找到确切的对应值，因此，采取面与面检验方法，即从输出遥感估算结果中提取草原亚类单位生物量，
同时对地面数据采用Ｓｐｌｉｎｅ插值方法进行空间插值，此插值方法比较稳定，差异较小，插值结果较光滑。求出对
应亚类的单位生物量。最后根据公式（１４）和（１５）分别计算相对误差和平均绝对相对误差。经计算，在内蒙古草
原亚类尺度上，优化后最大光能利用率将总体预测精度提高到８５．７１％，而最大光能利用率取值为０．３８９和０．６０８
ｇＣ／ＭＪ时，亚类尺度总体预测精度分别为７４．９７％和８０．１５％。
５２２第２２卷第５期 草业学报２０１３年
图２ 全国２０１１年４－９月光能转化率分布图
犉犻犵．２ 犜犺犲犿犪狆狅犳犾犻犵犺狋犲狀犲狉犵狔犮狅狀狏犲狉狊犻狅狀狉犪狋犲犳狉狅犿犃狆狉犻犾狋狅犛犲狆狋犲犿犫犲狉犻狀２０１１
３ 讨论与结论
地面ＦＰＡＲ采样的数据只能代表某一点的性质，而遥感某一点数据是对１个１０００ｍ×１０００ｍ像素范围内
信息的高度概括，二者存在尺度上的不一致性或者差距，而这种差距一部分来自于地面实测数据。比如在较小空
间范围内，植被空间异质性较大，取样位置难以确定、取样数量不够，难以代表总体性质，造成地面数据或者高于
估算值或者低于估算值，这是误差的主要来源。另外，在野外取样时，避免由于家畜采食造成的植被冠层的减少，
这也是实测值与估算值吻合度下降的原因之一。
本研究中，ＦＰＡＲ的算法采用了２套方案，这２种算法都与ＮＤＶＩ密切关联。然而，ＮＤＶＩ的应用中常受到
几个限制，植被高覆盖区容易饱和，有高值低估现象，而在植被低覆盖区易受土壤背景的影响，有低值高估现象；
另外ＮＤＶＩ没有考虑土壤背景对植被指数的影响，虽然ＮＤＶＩ比值算式和最大值合成确实能消除某些内部和外
６２２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１３） Ｖｏｌ．２２，Ｎｏ．５
部噪声，但只是部分而不是全部消除。因此，ＦＰＡＲ估算模型中仍然有不少的局限性。
高光谱数据具有很高的光谱分辨率，能够使我们对植被的光谱特性进行更加深入的认识，从新的视觉建立新
的模型，基于物理机理而不是数理统计来进行新的、高光谱所能及的信息提取，这也是本研究未涉及的研究。如
引言所述，前人大多对ＦＰＡＲ与ＮＤＶＩ等植被指数的关系进行研究，但是，通过高光谱测量的植被反射率或其导
数关系与ＦＰＡＲ的关系方面的研究，能否将进一步证实ＦＰＡＲ与植被指数的关系。草原作为陆地生态系统重要
的植被类型，具有复杂多样、独特的冠层结构等特性，其ＦＰＡＲ的准确估算需引入高光谱数据进行深入研究，这
将为提高ＦＰＡＲ估算精度提供科学支持。
很多研究都说明，最大光能利用率因不同的植被类型而有所不同［２４］。由于最大光能利用率的取值对ＮＰＰ
的估算结果影响很大，彭少麟等［２６］估算了广东植被光能利用率，认为ＣＡＳＡ 模型中所使用的全球植被月最大光
能利用率０．３８９ｇＣ／ＭＪ对广东植被来讲偏低。而另外的研究结果则认为一些草本植物和其他植被的光能利用
率在０．０９～２．１６ｇＣ／ＭＪ之间［１６］。由于草原生态系统的复杂性，ε在时间、空间上都存在变异。有些学者认为，
对于不同的群落或植被类型，ε取值应该不同，这种观点得到许多学者的认可［２７］。但本研究认为２个问题值得
注意：１）大范围内，不同群落或植被类型ε取值是否容易实现，因为这意味需要大量的野外观测；ε可以通过地
面的实测来获得，但试验点上所得到的最大光能转化率，实际上是该植被类型中的某一点的最大光能转化率，而
不是整个植被的最大光能转化率［７９］。因此，确定ε时，应考虑它能在该时间单位内最大的代表性；２）不同群落
或植被类型ε的差异是否大到足以明显影响ＮＰＰ的计算结果，从而有必要予以区分，是本研究今后需要进一步
研究来证明区分的必要性。另外，由于直接测量植被最大光能利用率很难，在检验改进后的最大光能利用率取值
时，采取了较大尺度上间接检验的方法，虽然能够在一定程度上说明改进的必要性，但仍然缺乏最直接的验证过
程。
参考文献：
［１］ ＳｅｌｅｒｓＰＪ，ＭｅｅｓｏｎＢＷ，ＨａｌＦＧ，犲狋犪犾．Ｒｅｍｏｔｅｓｅｎｓｉｎｇｏｆｔｈｅｌａｎｄｓｕｒｆａｃｅｆｏｒｓｔｕｄｉｅｓｏｆｇｌｏｂａｌｃｈａｎｇｅ：ｍｏｄｅｌｓａｌｇｏｒｌｔｈｍｓ
ｅｘｐｅｒｉｍｅｎｔｓ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，１９９５，５１：３２６．
［２］ 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．
［３］ 朱文泉，潘耀忠，张锦水．中国陆地植被净初级生产力遥感估算［Ｊ］．植物生态学报，２００７，３１：４１３４２４．
［４］ ＬｉｕＪ，ＣｈｅｎＪＭ，ＣｉｈｌａｒＪ，犲狋犪犾．Ａｐｒｏｃｅｓｓｂａｓｅｄｂｏｒｅａｌｅｃｏｓｙｓｔｅｍｐｒｏｄｕｃｔｉｖｉｔｙｓｉｍｕｌａｔｏｒｕｓｉｎｇｒｅｍｏｔｅｓｅｎｓｉｎｇｉｎｐｕｔｓ［Ｊ］．Ｒｅｍｏｔｅ
ＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，１９９７，６２：１５８１７５．
［５］ ＣｒａｍｅｒＷ，ＫｉｃｋｌｉｇｈｔｅｒＤＷ，ＢｏｎｄｅａｕＡ，犲狋犪犾．Ｃｏｍｐａｒｉｎｇｇｌｏｂａｌｍｏｄｅｌｓｏｆｔｅｒｒｅｓｔｒｉａｌｎｅｔｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｖｉｔｙ（ＮＰＰ）：ｏ
ｖｅｒｖｉｅｗａｎｄｋｅｙｒｅｓｕｌｔｓ［Ｊ］．ＧｌｏｂａｌＣｈａｎｇｉｎｇＢｉｏｌｏｇｙ，１９９９，（Ｓｕｐｐｌ．１）：１１５．
［６］ 张艳楠，牛建明，张庆，等．植被指数在典型草原生物量遥感估测应用中的问题探讨［Ｊ］．草业学报，２０１２，２１（１）：２２９２３８．
［７］ 宋春桥，游松财，刘高焕，等．那曲地区草地植被时空格局与变化及其人文因素影响研究［Ｊ］．草业学报，２０１２，２１（３）：１１０．
［８］ 丁越岿，杨稢，宋炳煜，等．不同植被类型对毛乌素沙地土壤有机碳的影响［Ｊ］．草业学报，２０１２，２１（２）：１８２５．
［９］ 朴世龙．１９８２－１９９９年青藏高原植被净第一性生产力及其时空变化［Ｊ］．自然资源学报，２００２，１７（３）：３７３３８０．
［１０］ 周广胜，张新时．中国陆地生态系统对全球变化响应的实验和模拟研究［Ｊ］．植物学报，１９９７，３９（９）：８７９８８８．
［１１］ 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．
［１２］ ＲｅｉｃｈＰＢ，ＴｕｒｎｅｒＤＰ，ＢｏｌｓｔａｄＰ．Ａｎａｐｐｒｏａｃｈｔｏｓｐａｔｉａｌｙｄｉｓｔｒｉｂｕｔｅｄｍｏｄｅｌｉｎｇｏｆｎｅｔｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｏｎ（ＮＰＰ）ａｔｔｈｅ
ｌａｎｄｓｃａｐｅｓｃａｌｅａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｉｎｖａｌｉｄａｔｉｏｎｏｆＥＯＳＮＰＰｐｒｏｄｕｃｔｓ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，１９９９，７０：６９８１．
［１３］ ＭｙｎｅｎｉＲＢ，ＫｎｙａｚｉｋｈｉｎＹ，ＰｒｉｖｅｔｔｅＪＬ，犲狋犪犾．ＭＯＤＩＳｌｅａｆａｒｅａｉｎｄｅｘ（ＬＡＩ）ａｎｄｆｒａｃｔｉｏｎｏｆｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌｙａｃｔｉｖｅｒａｄｉａ
ｔｉｏｎａｂｓｏｒｂｅｄｂｙｖｅｇｅｔａｔｉｏｎ（ＦＰＡＲ）ｐｒｏｄｕｃｔ（ＭＯＤ１５）［Ｊ］．ＡｌｇｏｒｉｔｈｍＴｈｅｏｒｅｔｉｃａｌＢａｓｉｓＤｏｃｕｍｅｎｔ，１９９９，（４）：１１４．
［１４］ ＦｅｎｓｈｏｌｔＲ，ＳａｎｄｈｏｌｔＩ，ＲａｓｍｕｓｓｅｎＭＳ．ＥｖａｌｕａｔｉｏｎｏｆＭＯＤＩＳＬＡＩ，ｆＡＰＡＲａｎｄｔｈｅｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｆＡＰＡＲａｎｄＮＤＶＩｉｎ
ａｓｅｍｉａｒｉｄｅｎｖｉｒｏｎｍｅｎｔｕｓｉｎｇｉｎｓｉｔｕｍｅａｓｕｒｅｍｅｎｔｓ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００４，９１：４９０５０７．
［１５］ ＳｔｅｉｎｂｅｒｇＤＣ，ＧｏｅｔｚＳＪ，ＨｙｅｒＥＪ．ＶａｌｉｄａｔｉｏｎｏｆＭＯＤＩＳＦＰＡＲｐｒｏｄｕｃｔｓｉｎｂｏｒｅａｌｆｏｒｅｓｔｓｏｆＡｌａｓｋａ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓ
ｏｎＧｅｏｓｃｉｅｎｃｅａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇ，２００６，４４：１８１８１８２７．
７２２第２２卷第５期 草业学报２０１３年
［１６］ ＥｄｕａｒｄｏＲ，ＣｏｎｄｅＪＲ，ＭíｎｇｕｅｚＭＩ．ＥｓｔｉｍａｔｉｎｇｆＡＰＡＲｆｒｏｍｎｉｎｅｖｅｇｅｔａｔｉｏｎｉｎｄｉｃｅｓｆｏｒｉｒｒｉｇａｔｅｄａｎｄｎｏｎｉｒｒｉｇａｔｅｄｆａｂａｂｅａｎ
ａｎｄｓｅｍｉｌｅａｆｌｅｓｓｐｅａｃａｎｏｐｉｅｓ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，１９９８，６６（１）：８７１００．
［１７］ ＨｕｅｍｍｒｉｃｈＫＦ，ＧｏｗａｒｄＳＮ．ＶｅｇｅｔａｔｉｏｎｃａｎｏｐｙＰＡＲａｂｓｏｒｐｔａｎｃｅａｎｄＮＡＤＩ：Ａｎａｓｓｅｓｓｍｅｎｔｆｏｒｔｅｎｔｒｅｅｓｐｅｃｉｅｓｗｉｔｈｔｈｅ
ＳＡＩＬｍｏｄｅｌ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，１９９２，３９：１１９１４０．
［１８］ ＨｕｅｍｍｒｉｃｈＫＦ，ＰｒｉｖｅｔｔｅＪＬ，ＭｕｋｅｌａｂａｉＭ，犲狋犪犾．ＴｉｍｅｓｅｒｉｅｓｖａｌｉｄａｔｉｏｎｏｆＭＯＤＩＳｌａｎｄｂｉｏｐｈｙｓｉｃａｌｐｒｏｄｕｃｔｓｉｎａＫａｌａｈａｒｉ
ｗｏｏｄｌａｎｄ，Ａｆｒｉｃａ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ，２００５，２６：４３８１４３９８．
［１９］ ＭｙｎｅｎｉＲＢ，ＲａｍａｋｒｉｓｈｎａＲＮ，ＲｕｎｎｉｎｇＳＷ．Ｅｓｔｉｍａｔｉｏｎｏｆｇｌｏｂａｌｌｅａｆａｒｅａｉｎｄｅｘａｎｄａｂｓｏｒｂｅｄｐａｒｕｓｉｎｇｒａｄｉａｔｉｖｅｔｒａｎｓｆｅｒ
ｍｏｄｅｌｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＧｅｏｓｃｉｅｎｃｅａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇ，１９９７，３５（６）：１３８０１３９３．
［２０］ ＲｏｕｊｅａｎＪＬ，ＢｒｅｏｎＦＭ．ＥｓｔｉｍａｔｉｎｇＰＡＲａｂｓｏｒｂｅｄｂｙｖｅｇｅｔａｔｉｏｎｆｒｏｍｂｉｄｉｒｅｃｔｉｏｎａｌｒｅｆｌｅｃｔａｎｃｅｍｅａｓｕｒｅｍｅｎｔｓ［Ｊ］．Ｒｅｍｏｔｅ
ＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，１９９５，５１：３７５３８４．
［２１］ ＰｏｔｔｅｒＣＳ，ＲａｎｄｅｒｓｏｎＪＴ．Ｔｅｒｒｅｓｔｒｉａｌｅｃｏｓｙｓｔｅｍｐｒｏｄｕｃｔｉｏｎ：Ａｐｒｏｃｅｓｓｍｏｄｅｌｂａｓｅｄｏｎｇｌｏｂａｌｓａｔｅｌｉｔｅａｎｄｓｕｒｆａｃｅｄａｔａ［Ｊ］．
ＧｌｏｂａｌＢｉｏｇｅｏｃｈｅｍｉｃａｌＣｙｃｌｅｓ，１９９３，７（４）：８１１８４１．
［２２］ ＲｕｎｎｉｎｇＳＷ，ＴｈｏｒｍｌｏｎＰＥ，ＮｅｍａｎｉＲ，犲狋犪犾．Ｇｌｏｂａｌｔｅｒｒｅｓｔｒｉａｌｇｒｏｓｓａｎｄｎｅｔｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｖｉｔｙｆｒｏｍｔｈｅｅａｒｔｈｏｂｓｅｒｖ
ｉｎｇｓｙｓｔｅｍ［Ａ］．Ｉｎ：ＳａｌａＯ，ＪａｃｋｓｏｎＲ，ＭｏｏｎｅｙＨ．ＭｅｔｈｏｄｓｉｎＥｃｏｓｙｓｔｅｍＥｃｉｅｎｃｅ［Ｍ］．ＮｅｗＹｏｒｋ：ＳｐｒｉｎｇｅｒＶｅｒｌａｇ，
２０００：４４５７．
［２３］ 柳梅英，包安明，晨曦，等．近３０年玛纳斯河流域土地利用／覆盖变化对植被碳储量的影响［Ｊ］．自然资源学报，２０１０，（６）：
９２６９３８．
［２４］ ＺｈｕＷＱ，ＺｈｏｎｇＰＹ，ＨａｏＨ，犲狋犪犾．ＳｉｍｕｌａｔｉｏｎｏｆｍａｘｉｍｕｍｌｉｇｈｔｕｓｅｅｆｆｉｃｅｎｃｙｆｏｒｓｏｍｅｔｙｐｉｃａｌｖｅｇｅｔａｔｉｏｎｔｙｐｅｓｉｎＣｈｉｎａ［Ｊ］．Ｃｈｉ
ｎｅｓｅＳｃｉｅｎｓｅＢｕｌｅｔｉｎ，２００６，５１（４）：４５７４６３．
［２５］ ＲｕｉｍｙＡ，ＳａｕｇｌｅＢ，ＤｅｄｉｅｕＧ．ＭｅｔｈｏｄｏｌｏｇｙｆｏｒｔｈｅｅｓｔｉｍａｔｉｏｎｏｆｔｅｒｒｅｓｔｒｉａｌｎｅｔＰｒｉｍａｒｙＰｒｏｄｕｅｔｉｏｎｆｒｏｍｒｅｍｏｔｅｌｙｓｅｎｓｅｄ
ｄａｔａ［Ｊ］．ＪｏｕｒｎａｌｏｆＧｅｏｇｒａｐｈｉｃａｌＲｅｓｅａｒｃｈ，１９９４，９９（５）：２６３２８３．
［２６］ 彭少麟，郭志华，王伯荪．利用ＧＩＳ和ＲＳ估算广东植被光能利用率［Ｊ］．生态学报，２０００，２０（６）：９０３９０９．
［２７］ Ｒｕｉｍｙ，ＤｅｄｉｅｕＧ，ＳａｕｇｉｅｒＢ．ＡｄｉａｇｎｏｓｔｉｃｍｏｄｅｌｏｆｃｏｎｔｉｎｅｎｔａｌｇｒｏｓｓＰｒｉｍａｒｙＰｒｏｄｕｃｔｉｖｉｔｙａｎｄｎｅｔＰｒｉｍａｒｙＰｒｏｄｕｃｔｉｖｉｔｙ［Ｊ］．
ＧｌｏｂａｌＢｉｏｇｅｏｃｈｅｍｉｃａｌＣｙｃｌｅｓ，１９９６，１０：２６９２８５．
犃犾犵狅狉犻狋犺犿犻犿狆狉狅狏犲犿犲狀狋狊犳狅狉狋狑狅犻犿狆狅狉狋犪狀狋狆犪狉犪犿犲狋犲狉狊狅犳犉犘犃犚犪狀犱
犿犪狓犻犿狌犿狊狅犾犪狉犲狀犲狉犵狔狌狋犻犾犻狕犪狋犻狅狀犲犳犳犻犮犻犲狀犮狔
ＷＡＮＧＢａｏｌｉｎ１，２，ＷＡＮＧＪｉｎｇｊｉｅ２，ＹＡＮＧＹｏｎｇ２，ＣＨＡＮＧＳｈｕｊｕａｎ２，ＣＨＥＮＸｉｍｅｉ２，ＬＩＵＡｉｊｕｎ１，２
（１．ＡｇｒｉｃｕｌｔｕｒａｌＣｏｌｅｇｅｏｆＩｎｎｅｒＭｏｎｇｏｌｉａＮａｔｉｏｎａｌｉｔｉｅｓＵｎｉｖｅｒｓｉｔｙ，Ｔｏｎｇｌｉａｏ０２８０４３，Ｃｈｉｎａ；
２．ＩｎｎｅｒＭｏｎｇｏｌｉａＩｎｓｔｉｔｕｔｅｏｆＧｒａｓｓｌａｎｄＳｕｒｖｅｙａｎｄＰｌａｎｎｉｎｇ，Ｈｏｈｈｏｔ０１００５１，Ｃｈｉｎａ）
犃犫狊狋狉犪犮狋：Ｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌｙａｃｔｉｖｅｒａｄｉａｔｉｏｎａｎｄｓｏｌａｒｅｎｅｒｇｙｕｔｉｌｉｚａｔｉｏｎｅｆｆｉｃｉｅｎｃｙａｒｅｔｗｏｏｆｔｈｅｍｏｓｔｉｍｐｏｒ
ｔａｎｔｐａｒａｍｅｔｅｒｓｉｎＮＰＰ（ｎｅｔｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｖｉｔｙ）ｓｉｍｕｌａｔｉｏｎ．Ｔｈｅｓｏｌａｒｅｆｆｅｃｔｉｖｅｒａｄｉａｔｉｏｎｖａｌｕｅｏｆｋｅｙｐｈｅｎｏ
ｌｏｇｉｃａｌｐｈａｓｅｓｆｏｒｔｙｐｉｃａｌｓｔｅｐｐｅｗａｓｔｅｓｔｅｄｕｓｉｎｇｔｈｅｌｉｇｈｔｑｕａｎｔｕｍｉｎｓｔｒｕｍｅｎｔ，ａｎｄｔｗｏｍｏｄｅｌｓｆｏｒＦＰＡＲ
（ｆｒａｃｔｉｏｎｏｆｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌｙａｃｔｉｖｅｒａｄｉａｔｉｏｎ）ｅｓｔｉｍａｔｉｏｎａｃｃｏｒｄｉｎｇｔｏｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎＮＤＶＩ（ｎｏｒｍａｌｉｚｅｄ
ｄｉｆｆｅｒｅｎｃｅｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ）ａｎｄＦＰＡＲｗｅｒｅｅｓｔａｂｌｉｓｈｅｄ．Ｔｈｅｃｏｒｒｅｌａｔｉｏｎｓｂｅｔｗｅｅｎｍｅａｓｕｒｅｄａｎｄｅｓｔｉｍａｔｅｄ
ＦＰＡＲｖａｌｕｅｓｗｅｒｅｓｉｇｎｉｆｉｃａｎｔ，ａｎｄｔｈｅｒｅｗａｓｎｏｓｉｇｎｉｆｉｃａｎｔｄｉｆｆｅｒｅｎｃｅｂｅｔｗｅｅｎｔｈｅｔｗｏｇｒｏｕｐｓｖａｌｕｅｏｆｍｏｄｅｌ
ｅｓｔｉｍａｔｉｏｎ．Ｔｈｅｒｅｆｏｒｅ，ｍｅａｎｖａｌｕｅｓｏｆｅｓｔｉｍａｔｅｄＦＰＡＲｗｅｒｅｃａｌｃｕｌａｔｅｄ，ａｎｄｎｅｓｔｅｄｗｉｔｈＮＡＳＡ （ｎａｔｉｏｎａｌ
ａｅｒｏｎａｕｔｉｃｓａｎｄｓｐａｃｅａｄｍｉｎｉｓｔｒａｔｉｏｎ）ＦＰＡＲｐｒｏｄｕｃｔｓ，ｔｏｆｏｒｍａｃｏｍｐｌｅｔｅＦＰＡＲｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｍａｐｏｆ
ｇｒａｓｓｌａｎｄｉｎＣｈｉｎａ．Ｉｎａｄｄｉｔｉｏｎ，ｔｈｅｓｔｕｄｙａｌｓｏａｄｊｕｓｔｅｄｍａｘｉｍｕｍｓｏｌａｒｅｎｅｒｇｙｕｔｉｌｉｚａｔｉｏｎｅｆｆｉｃｉｅｎｃｙｏｆ１８ｃａｔｅ
ｇｏｒｉｅｓｏｆｇｒａｓｓｌａｎｄｉｎＣｈｉｎａｂａｓｅｄｏｎｎｏｒｍａｌｉｚｅｄｄｉｆｆｅｒｅｎｃｅｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ （ＮＤＶＩ）ａｎｄｌｅａｆａｒｅａｉｎｄｅｘ
（ＬＡＩ）．Ｔｈｅｒｅｓｕｌｔａｌｓｏｓｈｏｗｅｄｔｈａｔａｄｊｕｓｔｍｅｎｔｏｆｍａｘｉｍｕｍｓｏｌａｒｅｎｅｒｇｙｕｔｉｌｉｚａｔｉｏｎｅｆｆｉｃｉｅｎｃｙｃｏｕｌｄｉｍｐｒｏｖｅ
ａｃｃｕｒａｃｙ（８５．７１％ａｔｌａｒｇｅｒｓｃａｌｅ）ｏｆＮＰＰｅｓｔｉｍａｔｉｏｎａｆｔｅｒｉｎｐｕｔｔｉｎｇｔｈｅＮＰＰｍｏｄｅｌ．
犓犲狔狑狅狉犱狊：ｖｅｇｅｔａｔｉｏｎ；ｆｒａｃｔｉｏｎｏｆｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌｙａｃｔｉｖｅｒａｄｉａｔｉｏｎａｂｓｏｒｐｔｉｏｎ（ＦＰＡＲ）；ｍａｘｉｍｕｍｓｏｌａｒｅｎ
ｅｒｇｙｕｔｉｌｉｚａｔｉｏｎｅｆｆｉｃｉｅｎｃｙ；ａｌｇｏｒｉｔｈｍ
８２２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１３） Ｖｏｌ．２２，Ｎｏ．５