全 文 ：书基于 犕犗犇犐犛的南方草地犖犘犘遥感估算与应用
孙成明１，刘涛１，田婷１，郭斗斗１，王力坚１，陈瑛瑛１，李菲１，李建龙２
（１．扬州大学农学院 江苏省作物遗传生理国家重点实验室培育点，江苏 扬州２２５００９；２．南京大学生命科学学院，江苏 南京２１００９３）
摘要：草地ＮＰＰ遥感模型的构建是实现大面积草地 ＮＰＰ估算的有效途径之一。以 ＭＯＤＩＳ－ＮＤＶＩ数据为基础，
以南方草山草坡为研究对象，结合野外实测数据，分析了草地 ＮＰＰ与 ＮＤＶＩ之间的关系，同时构建了以 ＮＤＶＩ为
自变量以及水热条件为调节因子的南方草地ＮＰＰ遥感估算模型，并通过不同年份独立的实测数据对模型进行了
验证。结果表明，南方草地ＮＰＰ与ＮＤＶＩ之间存在５种相关类型，均达到了极显著水平。ＮＰＰ的模拟值和实测值
之间具有很好的相关性和一致性，５种草地类型犚２ 分别为０．９０２２，０．８２６６，０．８７１２，０．８８７７和０．８７５５，均达到了
极显著水平，均方根误差（ＲＭＳＥ）和相对均方根差（ＲＲＭＳＥ）均较小。表明模型的模拟结果比较可靠，为南方草地
ＮＰＰ估算及草地资源管理提供了一种有效的方法。
关键词：南方草地；ＮＰＰ；ＮＤＶＩ；估算模型；应用
中图分类号：Ｓ８１２０５；Ｓ１２７　　文献标识码：Ａ　　文章编号：１００４５７５９（２０１３）０５００１１０７
犇犗犐：１０．１１６８６／ｃｙｘｂ２０１３０５０２　　
　　草地是陆地生态系统的重要组成部分，它不仅在物质与能量循环中起着重要的作用，而且在调节全球碳平
衡、减缓大气中ＣＯ２ 等温室气体浓度上升以及维护全球气候稳定等方面具有不可替代的作用。草地净初级生产
力（ＮＰＰ）是指草地在单位面积上、单位时间内所累积的有机物数量，是光合作用所固定的有机碳总量和自养呼吸
消耗量之差，它不仅直接反映草地植被在自然环境条件下的生产能力，而且还反映草地通过光合作用对大气中
ＣＯ２ 的固定能力。因此，ＮＰＰ一直被认为是草地生态系统碳循环和碳平衡的重要指标［１，２］。
有关植被ＮＰＰ的研究，国内外学者进行了大量的探索试验，并取得了一定的成果［３９］。最初的方法是通过地
面有限的观测点的实测数据，根据区域每一种植被类型和对应类型的实测数据计算生产力平均值，然后乘以此类
型的分布面积，得到此类型的总估计值，最后通过对各类型植被的生产力进行求和计算区域植被生产力。这种地
面观测不仅费时，而且成本较高，不适合对大尺度区域的ＮＰＰ进行观测计算。近年来，随着遥感和ＧＩＳ技术的
飞速发展，特别是中分辨率成像光谱仪（ＭＯＤＩＳ）数据的应用，为快速科学估算区域植被ＮＰＰ提供了新的途径，
将卫星遥感参数导入估算模型成为主要的研究方法，被越来越多的研究者接受和使用［１０１３］。中国拥有丰富的草
地资源，草地面积近４亿ｈｍ２，其中南方草地面积６０００多万ｈｍ２，占全国草地面积近１／６。在北方草地不断退化
及荒漠化的不利条件下，南方草山草坡生态系统在全国草地生态系统中的地位已不容忽视。本研究拟通过构建
模型估算南方草地ＮＰＰ并探讨其空间分布，为实现南方草地资源的有效管理与合理利用以及碳源汇研究提供理
论依据。
１　材料与方法
１．１　研究区概况
选取中国南方的草山草坡为研究对象，该区域东起１２２°２０′Ｅ，西至９７°３６′Ｅ，南起１８°１５′Ｎ，北至３５°２０′Ｎ，主
要包括云南、贵州、四川、广西、江西、湖南、安徽等１７个省区的丘陵、山地，草山草坡面积６０００多万ｈｍ２，占全国
草地面积近１／６（图１）。该区域的气候特点是典型的亚热带季风气候区与热带季风气候区，夏季高温多雨，冬季
温和多雨，无霜期在３００ｄ以上，降水量丰沛，大部分地区年降水量在８００～１６００ｍｍ之间，适宜牧草的生长［１４］。
第２２卷　第５期
Ｖｏｌ．２２，Ｎｏ．５
草　业　学　报
ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ 　　
１１－１７
２０１３年１０月
收稿日期：２０１３０４０３；改回日期：２０１３０４１７
基金项目：国家重点基础研究发展计划（９７３）项目（２０１０ＣＢ９５０７０２），江苏高校优势学科建设工程资助项目（２０１１０５）和 ＡＰＮ全球变化基金项目
（ＡＲＣＰ２０１１０６ＣＭＹＬＩ）资助。
作者简介：孙成明（１９７３），男，江苏宿迁人，副教授，博士。Ｅｍａｉｌ：ｃｍｓｕｎ＠ｙｚｕ．ｅｄｕ．ｃｎ
通讯作者。Ｅｍａｉｌ：ｊｌｉ２００８＠ｎｊｕ．ｅｄｕ．ｃｎ
图１　研究区位置及草地分布
犉犻犵．１　犔狅犮犪狋犻狅狀狅犳狊狋狌犱狔犪狉犲犪犪狀犱犵狉犪狊狊犾犪狀犱犱犻狊狋狉犻犫狌狋犻狅狀
　
１．２　气候数据
２００９－２０１０逐月平均温度、逐月总降水量来自于中国气象科学数据共享服务网（ｈｔｔｐ：／／ｃｄｃ．ｃｍａ．ｇｏｖ．ｃｎ／）
７５２个地面观测站。利用地理信息系统（ＧＩＳ）的插值工具，根据各气象站点的经纬度信息，对逐月气象数据进行
Ｋｒｉｇｉｎｇ插值，然后将插值获得的格网空间数据进行投影变换，并按调查点相应的经纬度提取温度和降水信息。
１．３　ＮＰＰ实测数据
于２００９和２０１０年７－８月在安徽、贵州、四川等地进行实地调查，每年各取样点１３２个。每处选取有代表性
样地设置１个大样方（１０ｍ×１０ｍ），在大样方四角及中心位置各设置１个小样方（１ｍ×１ｍ），共计５个，调查每
个小样方内的地上生物量及经纬度等信息。鲜草带回后在６５℃烘箱里烘干４８ｈ后测量干重。５个小样方的干
重求平均，按每２．２ｇ干重约等于１ｇ碳换算，得到每个样地的草地ＮＰＰ，统一以碳（ｇＣ／ｍ２）的形式表示［１５］。
１．４　遥感数据
所用 ＭＯＤＩＳ归一化植被指数（ＮＤＶＩ）数据来自美国宇航局（ＮＡＳＡ）网站，时间分辨率为１６ｄ，空间分辨率
为５００ｍ，有４个数据层，产品覆盖全球，采用正弦投影，按照１０°×１０°的地理范围分割成单独文件［１６］。利用最大
值合成法提取月ＮＤＶＩ值，此方法假设每旬中ＮＤＶＩ值最大的那一天是“晴空”，为了排除受到云和大气影响的
像元，通过逐像元比较每个月每旬的ＮＤＶＩ图像并提取最大的ＮＤＶＩ值为合成后的ＮＤＶＩ值［１７］。然后提取与地
面取样点相同经纬度并且在同一月份的ＮＤＶＩ值作为研究所用数据。
１．５　草地类型数据
利用２００９年的 ＭＯＤ１２Ｑ１土地覆盖分类产品数据，参照国际地圈生物圈计划（ＩＧＢＰ）分类体系将稀疏灌丛
（ｏｐｅｎｓｈｒｕｂｌａｎｄｓ）、稀树草原（ｓａｖａｎｎａｓ）、多树草原（ｗｏｏｄｙｓａｖａｎｎａｓ）、典型草原（ｇｒａｓｓｌａｎｄｓ）、永久湿地（ｐｅｒｍａ
ｎｅｎｔｗｅｔｌａｎｄｓ）等５种土地利用类型划归南方草地，在此基础上构建出南方草地分布图［１８］。
１．６　分析方法
数据分析：利用 ＭＯＤＩＳ投影转换工具 ＭＲＴ（ＭＯＤＩＳＲｅｐｒｏｊｅｃｔｉｏｎＴｏｏｌ）进行拼接，并由正弦曲线投影转换
为等面积方位投影，通过最近邻方法进行像素重采样，用矢量化的南方行政区划图进行裁剪，获得本研究区及地
２１ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１３） Ｖｏｌ．２２，Ｎｏ．５
面实测点对应位置的ＮＤＶＩ数值。
图２　草地犖犘犘与犖犇犞犐的散点关系
犉犻犵．２　犚犲犾犪狋犻狅狀狊犺犻狆犫犲狋狑犲犲狀狋犺犲犵狉犪狊狊犾犪狀犱
犖犘犘狅犳狊狅狌狋犺犲狉狀犆犺犻狀犪犪狀犱犖犇犞犐
　
建模方法：根据实测ＮＰＰ与ＮＤＶＩ的统计分析结
果，提出模型初步结构，然后利用非线性拟合的最优算
法确定不同类型草地的参数值。
模型验证：为了验证模拟结果的可靠性，采用
ＲＭＳＥ（均方根差）和ＲＲＭＳＥ（相对均方根差），利用
实测数据和 ＭＯＤＩＳ－ＮＰＰ数据产品对模型的模拟效
果进行检验和评价。
２　结果与分析
２．１　南方草地ＮＰＰ与ＮＤＶＩ关系分析
草地ＮＰＰ是衡量草地固碳能力及草地生长状况
的重要指标，而ＮＤＶＩ在使用遥感图像进行植被研究
以及植物物候研究中得到广泛应用，它是植物生长状
态以及植被空间分布密度的最佳指示因子，与植被分
布密度关系密切。本研究利用南方草山草坡的地面样
方实测ＮＰＰ数据以及对应位置同一月份的ＮＤＶＩ数
据，分析其相关性（图２）。随着ＮＤＶＩ值的增加，草地
ＮＰＰ的值也随之增加，两者存在统计上的正相关关
系，说明利用ＮＤＶＩ作为遥感植被指数估算草地ＮＰＰ
是可行的。
２．２　南方草地ＮＰＰ遥感估算模型构建
２．２．１　ＮＰＰ与ＮＤＶＩ相关类型及其比较　根据南方
草地ＮＰＰ与对应位置及相同时相ＮＤＶＩ的分析结果，
二者之间有５种相关类型，分别为线性相关、对数相
表１　草地犖犘犘与犖犇犞犐的相关类型及其显著水平 （狀＝１３２）
犜犪犫犾犲１　犚犲犾犲狏犪狀狋狋狔狆犲狊犪狀犱狉犲犾犪狋犲犱犾犲狏犲犾犫犲狋狑犲犲狀
狋犺犲犵狉犪狊狊犾犪狀犱犖犘犘犪狀犱犖犇犞犐
相关类型Ｒｅｌａｔｅｄｔｙｐｅｓ 犚２ 显著水平Ｒｅｌａｔｅｄｌｅｖｅｌ
线性相关Ｌｉｎｅａｒｉｔｙ ０．８２６１ 
对数相关Ｌｏｇａｒｉｔｈｍ ０．７０６９ 
多项式相关Ｐｏｌｙｎｏｍｉａｌ ０．８３８５ 
乘幂相关Ｐｏｗｅｒ ０．７９４２ 
指数相关Ｅｘｐｏｎｅｎｔ ０．７９６９ 
　注：表示显著相关（犘＜０．０５），表示极显著相关（犘＜０．０１）。
　Ｎｏｔｅ：ａｎｄ ｍｅａｎｓｉｇｎｉｆｉｃａｎｔｄｉｆｆｅｒｅｎｃｅａｔ０．０５ａｎｄ０．０１ｐｒｏｂ
ａｂｉｌｉｔｙｌｅｖｅｌｓ，ｒｅｓｐｅｃｔｉｖｅｌｙ．
关、多项式相关、乘幂相关及指数相关等，并比较了不同相关类型的显著水平（表１）。根据调查的１３２个数据，５
种类型回归方程的ＮＰＰ与ＮＤＶＩ的相关性均达到了极显著水平（犘＜０．０１），其中多项式方程的相关性最高，犚２
达到了０．８３８５，对数方程的相关性最低，犚２ 为０．７０６９。
２．２．２　基本模型确定　南方草地ＮＰＰ与ＮＤＶＩ之间的相关性用多项式方程表达最可靠（表１），因此ＮＰＰ遥感
估算基本模型可以表示为：
犢犪＝犪犡２＋犫犡＋犮 （１）
式中，犢犪 表示草地基本ＮＰＰ（ｇ／ｍ２）。犡表示遥感植被指数ＮＤＶＩ。犪，犫，犮为模型系数。
２．２．３　水热影响因子　为了避免回归模型在年际间的波动情况，本研究引入年降水量和年均温度２个调节因
子。年降水量因子可以表示为：
犠犪＝Ｓｑｒｔ（犠／狑１＋１） （２）
式中，犠犪 为降水量调节因子。犠 为年降水量（ｍｍ）。狑１ 为模型系数。
同理，年均温调节因子可以表示为：
犜犪＝ｌｎ（犜／狋１＋１．６） （３）
式中，犜犪 为温度调节因子。犜为年均温度（℃）。狋１ 为模型系数。
综上所述，南方草地ＮＰＰ的遥感估算模型可以表示为：
犖犘犘＝犢犪×犠犪×犜犪 （４）
２．２．４　参数计算　利用２００９年的１３２个实测数据，采用非线性拟合的缩涨算法，分别计算南方５种类型草地
ＮＰＰ估算模型的参数值，结果列于表２。
３１第２２卷第５期 草业学报２０１３年
表２　不同类型草地犖犘犘估算模型的参数值（２００９）
犜犪犫犾犲２　犘犪狉犪犿犲狋犲狉狏犪犾狌犲狊狅犳犲狊狋犻犿犪狋犻狅狀犿狅犱犲犾犳狅狉犖犘犘狅犳犱犻犳犳犲狉犲狀狋犵狉犪狊狊犾犪狀犱狊犻狀狊狅狌狋犺犲狉狀犆犺犻狀犪
草地类型
Ｇｒａｓｓｌａｎｄｔｙｐｅｓ
样本数
Ｓａｍｐｌｅｓｉｚｅ
参数值Ｐａｒａｍｅｔｅｒｖａｌｕｅｓ
犪 犫 犮 犠１ 犜１
稀疏灌丛Ｏｐｅｎｓｈｒｕｂｌａｎｄｓ ２３ ４５６．２６ １２３．７７ １２．０６
稀树草原Ｓａｖａｎｎａｓ ２６ ３４２．１６ ２４３．６５ １．０７
多树草原 Ｗｏｏｄｙｓａｖａｎｎａｓ ２５ ３７８．８５ １９７．４８ ３．３４ ６００．６１ １０．１９
典型草原Ｇｒａｓｓｌａｎｄｓ ３６ ３３０．３２ ２５０．４７ ２．１８
永久湿地Ｐｅｒｍａｎｅｎｔｗｅｔｌａｎｄｓ ２２ ３２５．６１ ２５２．５８ １．３８
２．３　结果验证
图３　草地犖犘犘模拟值与实测值之间的比较（２０１０）
犉犻犵．３　犆狅犿狆犪狉犻狊狅狀犫犲狋狑犲犲狀狋犺犲狊犻犿狌犾犪狋犲犱犪狀犱狅犫狊犲狉狏犲犱
犖犘犘狅犳犵狉犪狊狊犾犪狀犱犻狀狊狅狌狋犺犲狉狀犆犺犻狀犪　
本研究利用２０１０年独立的南方草地ＮＰＰ实测
数据，对遥感模型的模拟结果进行验证。结果表明，
ＮＰＰ的模拟值和实测值之间有很好的相关性，５种
草地类型犚２ 分别为０．９０２２，０．８２６６，０．８７１２，
０．８８７７和０．８７５５（犘＜０．０１），均达到了极显著水
平。模拟均方根误差 ＲＭＳＥ分别为４２．９，６７．７，
５０．４，４６．１和４８．８ｇＣ／ｍ２，相对均方根差分别为
０．３８５，０．４２５，０．２３７，０．３６３和０．２６２，均较小。上述
结果说明南方草地ＮＰＰ的遥感估算模型的模拟结
果是可行的。另外从草地ＮＰＰ模拟值与实测值的
１∶１关系图（图３）可以看出，模型的模拟结果与实
测值之间趋势一致，结果比较可靠。
图４　基于遥感模型的南方草地犖犘犘分布（２０１１）
犉犻犵．４　犇犻狊狋狉犻犫狌狋犻狅狀狅犳犵狉犪狊狊犾犪狀犱犖犘犘犫犪狊犲犱狅狀狉犲犿狅狋犲狊犲狀狊犻狀犵犿狅犱犲犾犻狀狊狅狌狋犺犲狉狀犆犺犻狀犪
４１ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１３） Ｖｏｌ．２２，Ｎｏ．５
　　为进一步验证预测精度，计算出南方草地ＮＰＰ模
拟值与实测值的平均相对误差为１３．１９％，表明该模
型的平均估算精度可以达到８６．８１％，因此可以用该
模型实现南方草地地上生物量的大面积估算。
２．４　南方草地ＮＰＰ分布
利用基于ＮＤＶＩ的遥感模型对２０１１年的南方草
地ＮＰＰ进行估算（图４）。基于遥感模型的南方草地
ＮＰＰ分布呈现一定的地带性，ＮＰＰ总体分布由西北向
东南逐渐增加，其中四川西北部及其与云南交界等地
区草地ＮＰＰ值较小，基本在３００ｇＣ／ｍ２ 以下，而海
南、广西、江西以及广东等地草地ＮＰＰ值较高，相当一
部分达到１１００ｇＣ／ｍ２ 以上，说明这部分地区的水热
条件好，更利于草地生长。其他地区大多在３００～８００
ｇＣ／ｍ２ 之间。通过ＮＰＰ的分布可以看出，南方草地
在密度分布上差异较大，ＮＰＰ小的区域草地密度大，
聚集度高，如四川、云南等地；而ＮＰＰ高的区域草地密
度小，聚集度低，如南部沿海各省份。通过ＡｒｃＧＩＳ软
件分析可知，利用该模型估算的整个南方草地ＮＰＰ平
均值约为５２２ｇＣ／ｍ２ 左右，高于全国平均水平。
表３　南方草地犖犘犘分区结果比较
犜犪犫犾犲３　犆狅犿狆犪狉犻狊狅狀狅犳犵狉犪狊狊犾犪狀犱犖犘犘犻狀犱犻犳犳犲狉犲狀狋
犱犻狊狋狉犻犮狋狅犳狊狅狌狋犺犲狉狀犆犺犻狀犪 ｇＣ／ｍ２
区域名称
Ａｒｅａｎａｍｅｓ
最小值
Ｍｉｎｉｍｕｍ
最大值
Ｍａｘｉｍｕｍ
变幅
Ｒａｎｇｅ
平均值
Ｍｅａｎ
安徽Ａｎｈｕｉ １１０．８ １１１３．４ １００２．６ ６５６．３
重庆Ｃｈｏｎｇｑｉｎｇ ７８．５ ８８３．３ ８０４．８ ６５５．２
福建Ｆｕｊｉａｎ ２７３．２ １２２６．０ ９５２．８ ９５１．０
广东Ｇｕａｎｇｄｏｎｇ ５．８ １３２７．０ １３２１．２ ９４３．０
广西Ｇｕａｎｇｘｉ ２３３．２ １２４９．６ １０１６．４ ８６１．３
贵州Ｇｕｉｚｈｏｕ ８１．９ ９４９．９ ８６８．０ ５６５．０
海南 Ｈａｉｎａｎ ３６．９ １３９４．９ １３５８．０ １０８０．４
湖北 Ｈｕｂｅｉ １３４．８ １０１２．９ ８７８．１ ６４１．６
湖南 Ｈｕｎａｎ １２７．３ １１１３．２ ９８５．９ ７８６．９
江苏Ｊｉａｎｇｓｕ １１．２ ８６０．３ ８４９．１ ４５１．８
江西Ｊｉａｎｇｘｉ １７８．１ １２９７．３ １１１９．２ ８４６．９
四川Ｓｉｃｈｕａｎ ３．１ ８８２．８ ８７９．７ ２９３．３
台湾Ｔａｉｗａｎ ３０６．８ １２００．６ ８９３．８ ９８５．８
云南Ｙｕｎｎａｎ １４．６ １１４８．９ １１３４．３ ６１４．３
浙江Ｚｈｅｊｉａｎｇ ４６０．５ １２２０．１ ７５９．６ ９６７．５
　　为进一步说明模型模拟的南方草地ＮＰＰ在空间分布上的差异，将其在各地区的分布结果列于表３。南方草
地ＮＰＰ在各省区的分布有明显的差异，其中最大值分布在８６０．３～１３９４．９ｇＣ／ｍ２ 之间，最高值落在海南省，最
低值落在江苏省；最小值分布在３．１～４６０．５ｇＣ／ｍ２ 之间，最高值落在浙江省，最低值落在四川省。从各省区平
均值来看，四川省最低，为２９３．２ｇＣ／ｍ２，海南省最高，达１０８０．４ｇＣ／ｍ２，其余省区在４５１．８～９８５．８ｇＣ／ｍ２
之间。
３　讨论
３．１　ＮＤＶＩ与植被ＮＰＰ模拟
在植被生产力的相关研究中，ＭＯＤＩＳ归一化植被指数ＮＤＶＩ应用较多，其中又以模型预测为主［１９２４］。通过
建模与仿真模拟，可以揭示外部条件变化引起的ＮＰＰ过程量变与趋势。因此，ＮＰＰ模型的研究工作一直受到重
视。本研究利用 ＭＯＤＩＳ的ＮＤＶＩ数据建立了南方草地ＮＰＰ估算的基本模型，并通过年平均温度和年降水量进
行调节，使得模型的模拟过程具备了一定的机理性，模拟结果更可靠。但由于南方草地ＮＰＰ估算的研究尚无其
他文献报道，因此本模型的模拟结果只通过了实测验证，目前尚无法与其他相关研究结果进行比较。
同时由于本研究使用的基本模型为统计模型，尚存在一些问题，主要体现在一是缺少机理性，无法表达模拟
对象的内在规律；二是无法表现不同时间段的变化规律；三是对特定的地区、特殊情况下的估算结果可能相差较
大。但统计模型也有其特有的优势，一是规律明显，模型建立相对容易；二是所需因子比较少，使用方便；三是适
合于描述大区域以至全球尺度上的模拟对象［３］。由于研究对象为南方草地，范围较广，使用以统计模型为主的估
算方法对草地ＮＰＰ进行遥感反演仍是可行的。
３．２　影响草地ＮＰＰ模型的因素
植被估算模型的建立受到多种因素的影响，如人为因素、数据质量及模型参数取值等，模型的估算结果与实
测值之间难免存在误差［１６］。本研究中实测数据的选点、取样及测定等都受到人为因素的影响，而遥感植被指数
ＮＤＶＩ的获取则受到数据质量的影响。同时也受到草地植被类型以及地理位置等因素的影响。南方草山草坡分
布范围广，植被类型多，ＮＰＰ的分布不均，虽然模型的估算效果较好，但还存在一些不够完善的地方，如不同时间
５１第２２卷第５期 草业学报２０１３年
点及不同区域ＮＰＰ的估算等。这些问题需要在以后的研究中不断加以完善，使模型更具合理性。
３．３　草地ＮＰＰ的分布与草地管理
南方草地ＮＰＰ的分布存在空间上的异质性，其大小的变化也反映了草地生产力的变化。因此根据ＮＰＰ的
分布合理调节与利用南方草地资源是一条有效的途径，如ＮＰＰ值较高但密度较低的地区可以加强草山草坡改良
和人工草地建植工作，而ＮＰＰ值较低但密度较高的地区则需加强管理，提高草地资源的利用率等［２５］。任继周和
张英俊［１４］将南方草地分为３个区域，分别是西南岩溶山地草地经济带、江淮平原丘陵草地经济带和岭南沿海平
原丘陵草地经济带。上述结果分别对应了本研究中ＮＰＰ的低值区、中值区和高值区，说明本研究模拟的ＮＰＰ结
果对合理开发与利用南方草地资源具有一定的参考性。
４　结论
本研究表明，南方草地ＮＰＰ与ＮＤＶＩ之间存在５种相关类型，它们分别是线性方程、对数方程、多项式方程、
乘幂方程和指数方程，且在试验样本数量下均达到了极显著相关水平。其中多项式方程的相关性最高（犚２＝
０．８３８５），对数方程的相关性最低（犚２＝０．７０６９）。
本研究利用遥感植被指数ＮＤＶＩ与草地ＮＰＰ之间的相关性，构建了草地ＮＰＰ遥感估算基本模型，同时引入
了年降水量和年平均温度对模型加以调节。通过与不同年份实测数据的对比验证，犚２ 值最低达到０．８２６６，最高
达０．９０２２，均达到极显著相关水平，且ＲＭＳＥ及ＲＲＭＳＥ均较小，精度可达到８０％以上，表明用本模型模拟南方
草地ＮＰＰ是可行的。
参考文献：
［１］　施新民，黄峰，陈晓光，等．气候变化对宁夏草地生态系统的影响分析［Ｊ］．干旱区资源与环境，２００８，２２（２）：６５６９．
［２］　李刚，周磊，王道龙，等．内蒙古草地ＮＰＰ变化及其对气候的响应［Ｊ］．生态环境，２００８，１７（５）：１９４８１９５５．
［３］　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）：２６２９．
［４］　朱志辉．自然植被净初级生产力估计模型［Ｊ］．科学通报，１９９３，３８（１５）：１４２２１４２６．
［５］　周广胜，张新时．全球气候变化的中国自然植被的净初级生产力研究［Ｊ］．植物生态学报，１９９６，２０（１）：１１１９．
［６］　ＦａｎＪＷ，ＳｈａｏＱＱ，ＬｉｕＪＹ，犲狋犪犾．Ａｓｓｅｓｓｍｅｎｔｏｆｅｆｆｅｃｔｓｏｆｃｌｉｍａｔｅｃｈａｎｇｅａｎｄｇｒａｚｉｎｇａｃｔｉｖｉｔｙｏｎｇｒａｓｓｌａｎｄｙｉｅｌｄｉｎｔｈｅ
ＴｈｒｅｅＲｉｖｅｒｓＨｅａｄｗａｔｅｒｓＲｅｇｉｏｎｏｆＱｉｎｇｈａｉＴｉｂｅｔＰｌａｔｅａｕ，Ｃｈｉｎａ［Ｊ］．ＥｎｖｉｒｏｎｍｅｎｔａｌＭｏｎｉｔｏｒｉｎｇａｎｄＡｓｓｅｓｓｍｅｎｔ，２０１０，１７０：
５７１５８４．
［７］　ＬｉｅｔｈＨ．Ｍｏｄｅｌｉｎｇｔｈｅｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｖｉｔｙｏｆｔｈｅｗｏｒｌｄ［Ｊ］．ＮａｔｕｒｅａｎｄＲｅｓｏｕｒｃｅｓ，１９７２，８（２）：５１０．
［８］　ＭｅｌｉｌｏＪＭ，ＭｃｇｕｉｒｅＡＤ，ＫｉｃｋｌｉｇｈｔｅｒＤＷ，犲狋犪犾．Ｇｌｏｂａｌｃｌｉｍａｔｅｃｈａｎｇｅａｎｄｔｅｒｒｅｓｔｒｉａｌｎｅｔｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｏｎ［Ｊ］．Ｎａｔｕｒｅ，
１９９３，３６３：２３４２４０．
［９］　卫亚星，王莉雯．ＭＯＤＩＳ土地覆盖产品研究进展［Ｊ］．光谱学与光谱分析，２０１０，３０（７）：１８４８１８５２．
［１０］　ＣｈｅｎＪ，ＪｏｎｓｓｏｎＰ，ＴａｍｕｒａＭ，犲狋犪犾．ＡｓｉｍｐｌｅｍｅｔｈｏｄｆｏｒｒｅｃｏｎｓｔｒｕｃｔｉｎｇａｈｉｇｈｑｕａｌｉｔｙＮＤＶＩｔｉｍｅｓｅｒｉｅｓｄａｔａｓｅｔｂａｓｅｄｏｎ
ｔｈｅＳａｖｉｔｚｋｙＧｏｌａｙｆｉｌｔｅｒ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００４，９１：３３２３４４．
［１１］　付刚，沈振西，张宪洲，等．基于 ＭＯＤＩＳ算法的藏北高寒草甸的光能利用效率模拟［Ｊ］．草业学报，２０１２，２１（１）：２３９２４７．
［１２］　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）：１２０１２９．
［１３］　罗玲，王宗明，毛德华，等．松嫩平原西部草地净初级生产力遥感估算与验证［Ｊ］．中国草地学报，２０１１，３３（６）：２１２９．
［１４］　任继周，张英俊．中国南方草地资源及其发展战略［Ｊ］．中国计量学院学报，２００２，１３（３）：８３８９．
［１５］　朴世龙，方精云，贺金生，等．中国草地植被生物量及其空间分布格局［Ｊ］．植物生态学报，２００４，２８（４）：４９１４９８．
［１６］　赵鲁青．雅鲁藏布江中下游区域植被绿期和净初级生产力时空格局及其对气候变化的响应［Ｄ］．上海：华东师范大学，
２０１１：１７１８．
［１７］　宫鹏．基于全球通量观测站的全球土地覆盖图精度检验［Ｊ］．自然科学进展，２００９，１９（７）：７５４７５９．
［１８］　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）：
２０１２１０．
［１９］　蒋蕊竹，李秀启，朱永安，等．基于 ＭＯＤＩＳ黄河三角洲湿地 ＮＰＰ与 ＮＤＶＩ相关性的时空变化特征［Ｊ］．生态学报，２０１１，
３１（２２）：６７０８６７１６．
６１ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１３） Ｖｏｌ．２２，Ｎｏ．５
［２０］　冯琦胜，高新华，黄晓东，等．２００１－２０１０年青藏高原草地生长状况遥感动态监测［Ｊ］．兰州大学学报（自然科学版），２０１１，
４７（４）：７５８２．
［２１］　刘宪锋，任志远．西北地区植被覆盖变化及其与气候因子的关系［Ｊ］．中国农业科学，２０１２，４５（１０）：１９５４１９６３．
［２２］　吴文斌，杨鹏，唐华俊，等．基于 ＮＤＶＩ数据的华北地区耕地物候空间格局［Ｊ］．中国农业科学，２００９，４２（２）：５５２５６０．
［２３］　彭少麟，侯爱敏，周国逸．气候变化对陆地生态系统第一性生产力的影响研究综述［Ｊ］．地球科学进展，２０００，１５（６）：７１７
７２２．
［２４］　王浩，李文龙，杜国祯，等．基于３Ｓ技术的甘南草地覆盖度动态变化研究［Ｊ］．草业学报，２０１２，２１（３）：２６３７．
［２５］　丛慧，杨知建，肖静，等．我国南方草地农业发展模式探讨［Ｊ］．作物研究，２０１２，２６（１）：６５６９．
犚犲犿狅狋犲狊犲狀狊犻狀犵犲狊狋犻犿犪狋犻狅狀犪狀犱犪狆狆犾犻犮犪狋犻狅狀狅犳犵狉犪狊狊犾犪狀犱犖犘犘犫犪狊犲犱狅狀犕犗犇犐犛犱犪狋犪犻狀狊狅狌狋犺犲狉狀犆犺犻狀犪
ＳＵＮＣｈｅｎｇｍｉｎｇ１，ＬＩＵＴａｏ１，ＴＩＡＮＴｉｎｇ１，ＧＵＯＤｏｕｄｏｕ１，ＷＡＮＧＬｉｊｉａｎ１，
ＣＨＥＮＹｉｎｇｙｉｎｇ１，ＬＩＦｅｉ１，ＬＩＪｉａｎｌｏｎｇ２
（１．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＣｒｏｐＧｅｎｅｔｉｃｓａｎｄＰｈｙｓｉｏｌｏｇｙｏｆＪｉａｎｇｓｕＰｒｏｖｉｎｃｅ，ＣｏｌｅｇｅｏｆＡｇｒｉｃｕｌｔｕｒｅ，
ＹａｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｙａｎｇｚｈｏｕ２２５００９，Ｃｈｉｎａ；２．ＣｏｌｅｇｅｏｆＬｉｆｅＳｃｉｅｎｃｅ，
ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９３，Ｃｈｉｎａ）
犃犫狊狋狉犪犮狋：Ｔｈｅｃｏｎｓｔｒｕｃｔｉｏｎｏｆｅｓｔｉｍａｔｉｏｎｍｏｄｅｌｗｉｔｈｒｅｍｏｔｅｓｅｎｓｉｎｇｆｏｒｇｒａｓｓｌａｎｄｎｅｔｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｖｉｔｙ
（ＮＰＰ）ｉｓｏｎｅｏｆｔｈｅｅｆｆｅｃｔｉｖｅｗａｙｓｔｏｒｅａｌｉｚｅｇｒａｓｓｌａｎｄＮＰＰｅｓｔｉｍａｔｉｏｎｉｎｌａｒｇｅａｒｅａｓ．Ｔｈｉｓｐａｐｅｒａｎａｌｙｚｅｄｔｈｅ
ｒｅｌａｔｉｏｎｓｈｉｐｓｂｅｔｗｅｅｎＮＰＰａｎｄｎｏｒｍａｌｉｚｅｄｄｉｆｆｅｒｅｎｃｅｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ（ＮＤＶＩ）ｂａｓｅｄｏｎｔｈｅｍｏｄｅｒａｔｅｒｅｓｏｌｕ
ｔｉｏｎｉｍａｇｉｎｇｓｐｅｃｔｒｏｒａｄｉｏｍｅｔｅｒ（ＭＯＤＩＳ）ｄａｔａａｎｄｆｉｅｌｄｍｅａｓｕｒｅｍｅｎｔｄａｔａ．ＴｈｅｅｓｔｉｍａｔｉｏｎｍｏｄｅｌｏｆＮＰＰｉｎ
ｔｈｅｓｏｕｔｈｅｒｎｇｒａｓｓｙｍｏｕｎｔａｉｎｓａｎｄｓｌｏｐｅｓｗａｓｃｏｎｓｔｒｕｃｔｅｄｗｉｔｈＮＤＶＩａｓｔｈｅｉｎｄｅｐｅｎｄｅｎｔｖａｒｉａｂｌｅａｎｄｈｙｄｒｏ
ｔｈｅｒｍａｌｃｏｎｄｉｔｉｏｎｓａｓｒｅｇｕｌａｔｏｒｙｆａｃｔｏｒｓ，ａｎｄｔｈｅｍｏｄｅｌｗａｓｖａｌｉｄａｔｅｄｂｙｉｎｄｅｐｅｎｄｅｎｔｏｂｓｅｒｖｅｄｄａｔａｉｎｄｉｆｆｅｒｅｎｔ
ｙｅａｒｓ．ＴｈｅｒｅｗｅｒｅｆｉｖｅｒｅｌｅｖａｎｔｔｙｐｅｓｂｅｔｗｅｅｎｔｈｅｇｒａｓｓｌａｎｄＮＰＰａｎｄＮＤＶＩ，ａｎｄｔｈｅｃｏｒｒｅｌａｔｉｏｎｓａｌｒｅａｃｈｅｄａ
ｖｅｒｙｓｉｇｎｉｆｉｃａｎｔｌｅｖｅｌ．ＴｈｅｒｅｗｅｒｅｇｏｏｄｃｏｒｒｅｌａｔｉｏｎａｎｄｃｏｎｓｉｓｔｅｎｃｙｂｅｔｗｅｅｎｔｈｅｓｉｍｕｌａｔｅｄａｎｄｏｂｓｅｒｖｅｄＮＰＰ，
ａｎｄ犚２ｗｅｒｅ０．９０２２，０．８２６６，０．８７１２，０．８８７７，０．８７５５，ｒｅｓｐｅｃｔｉｖｅｌｙ，ａｌａｃｈｉｅｖｅｄａｖｅｒｙｓｉｇｎｉｆｉｃａｎｔｌｅｖｅｌ
ｔｏｏ．ＴｈｅＲＭＳＥａｎｄＲＲＭＳＥｂｅｔｗｅｅｎｏｂｓｅｒｖｅｄａｎｄｓｉｍｕｌａｔｅｄＮＰＰｗｅｒｅｓｍａｌｅｒ．Ｉｔｉｎｄｉｃａｔｅｄｔｈａｔｔｈｅｍｏｄｅｌ
ｗａｓｒｅｌｉａｂｌｅ，ａｎｄｔｈｅｒｅｓｕｌｔｓｏｆａｂｏｖｅｐｒｏｖｉｄｅｄａｎｅｆｆｅｃｔｉｖｅｍｅｔｈｏｄｆｏｒｔｈｅｅｓｔｉｍａｔｉｏｎｏｆｇｒａｓｓｌａｎｄＮＰＰａｎｄｔｈｅ
ｒｅｓｏｕｒｃｅｍａｎａｇｅｍｅｎｔｉｎｓｏｕｔｈｅｒｎｃｈｉｎａ．
犓犲狔狑狅狉犱狊：ｇｒａｓｓｌａｎｄｏｆｓｏｕｔｈｅｒｎＣｈｉｎａ；ＮＰＰ；ＮＤＶＩ；ｅｓｔｉｍａｔｉｏｎｍｏｄｅｌ；ａｐｐｌｉｃａｔｉｏｎ
７１第２２卷第５期 草业学报２０１３年