全 文 ：中国生态农业学报 2013年 4月 第 21卷 第 4期
Chinese Journal of Eco-Agriculture, Apr. 2013, 21(4): 494502


* 国家自然科学基金项目(41071057)、教育部人文社会科学重点研究基地重大项目(2009JJD770025)和陕西师范大学中央高校基本科研专
项基金项目(GK201101002)资助
任志远(1953—), 男, 教授, 博士生导师, 主要从事国土资源开发与生态环境评价研究。E-mail: renzhy@snnu.edu.cn
收稿日期: 20120822 接受日期: 20121122
DOI: 10.3724/SP.J.1011.2013.00494
西北地区植被净初级生产力估算模型对比与
其生态价值评价*
任志远 1,2 刘焱序 1
(1. 陕西师范大学旅游与环境学院 西安 710062; 2. 陕西师范大学西北国土资源研究中心 西安 710062)
摘 要 净初级生产力(NPP)是绿色植物在单位时间和单位面积上所能产生的有机干物质总量, 是地球碳氧
循环研究的关键问题之一。通过使用不同模型进行 NPP物质量测算并换算为价值量, 分析 2000—2009年西北
地区 NPP价值的时空分异特征, 了解西北地区近年植被生态效应的变化格局与趋势。结果表明: (1) CASA模
型估算出耕地、草地、常绿针叶林的平均 NPP分别为 4.15 t·hm2、4.87 t·hm2和 7.35 t·hm2, 统计模型中综合
模型与北京模型和 CASA模型估算结果最为相近; (2)研究区 NPP价值随时间序列递增, 耕地与建设用地的增
幅集中在 2000—2003 年, 而草地与未利用地增幅集中于 2006—2009 年, 草地增长最快, 2009 年达 7.91107
万元; (3)以县域为单元分析 NPP价值空间差异, 空间分布的不对称性、趋向均值的偏离程度有所增加, 但高值
集聚特征也有所加强; (4) NPP价值的空间集聚变化有低值快速升高、高值继续升高、较高值出现下降 3种趋
势, 青藏高原与黄土高原 NPP 价值增速最快。NPP 价值升高趋势比下降趋势更明显, 反映了西北地区生态环
境呈现整体好转、局部恶化的态势。
关键词 NPP 估算模型 生态效应价值量 时空格局 西北地区
中图分类号: Q148; X826 文献标识码: A 文章编号: 1671-3990(2013)04-0494-09
Contrast in vegetation net primary productivity estimation models and
ecological effect value evaluation in Northwest China
REN Zhi-Yuan1,2, LIU Yan-Xu1
(1. College of Tourism and Environmental Sciences, Shaanxi Normal University, Xi’an 710062, China;
2. Center for Land Resources Research in Northwest China, Shaanxi Normal University, Xi’an 710062, China)
Abstract Net primary productivity (NPP) is the total dry organic matter produced by green plants in unit time and area. It is one of
the key parameters used in carbon and oxygen cycle research. Not much NPP research has covered the whole of Northwest China and
model estimates of NPP have also varied considerably. Photosynthesis is the main mode vegetation generates dry mater and is the
core link between natural carbon and oxygen cycles. The synthesis of NPP is accompanied by energy fixing, carbon sinking and
oxygen production; which are three indispensable ecological processes for human survival and development. By estimation of NPP
based on photosynthetic equation, ecological effects via the synthesis of NPP can be effectively and quantitatively evaluated. This
study compared different NPP evaluation models and analyzed (at both temporal and spatial scales) different characteristics of NPP
for the period from 2000 to 2009 in Norwest China. The study showed that the Comprehensive model and the Beijing model most
closely with the CASA model estimates. Calculated mean NPP for croplands, grasslands and evergreen needle leaf forests were 4.15
t·hm2, 4.87 t·hm2 and 7.35 t·hm2, respectively. Human activity had enhanced vegetation in dry areas not to completely depend on
rain. This implied that some differences existed in the estimation of the NPP by statistical models. Estimation results of NPP values
by different methods through evaluating dry matter production, carbon fixing and oxygen release functions showed that NPP values
increased with time. Also NPP values for grass increased at the fastest rate in the study area, which was 7.91×1011 Yuan in 2009. NPP
value recalculated based on county unit showed three spatial-temporal patterns: in the high value area, it first decreased then in-
creased; in low value area, it first increased then decreased; NPP value gradually diversely distributed. The spatial agglomeration
第 4期 任志远等: 西北地区植被净初级生产力估算模型对比与其生态价值评价 495


tendency of change in NPP showed that the lowest value units rose rapidly, the highest value units rose gradually and the medium
units dropped gradually. The asymmetry and deviation from the mean intensified and the agglomeration of high values also
strengthened. The rise in NPP was more apparent than the decline, which lead to smaller NPP values difference from the east to the
west and higher NPP values difference from the south to the north. The spatial decentralization development of counties favored a
better ecological environment, although with local deterioration. For the weak ecological environment in Northwest China, it was
necessary to partition NPP into ecological services value estimation and ecological safety evaluation at regional scale. The
combination of direct agricultural income and potential ecological assets was more effective for sustainable regional development
planning and control.
Key words NPP, Estimation model, Ecological effect value, Temporal and spatial pattern, Northwest China
(Received Aug. 22, 2012; accepted Nov. 22, 2012)
净初级生产力(NPP)是绿色植物在单位时间和
单位面积上所能产生的有机干物质总量, 反映植物
对自然环境资源的利用能力, 是生物地球化学碳循
环的关键环节[1]。早期的 NPP研究基于站点实测, 主
要包括直接收割法、光合作用测定法、CO2 测定法、
pH测定法、放射性标记测定法、叶绿素测定法和原
料消耗量测定法等[2]。近 30 年来, 为满足区域或全
球尺度上的研究需要, 利用模型估算 NPP 成为重要
的定量获取方法, 并在估算模式研究中有很多发展
与突破[3]。
气候相关统计模型或气候生产潜力模型基于回
归的思想, 输入参数简单易得, 可以对不同陆地生
态系统 NPP 进行估算和预测, 但精度较低。全球研
究中代表模型包括 Miami 模型 [4]、Thornthwaite
Memorial模型[5]和 Chikugo模型[6]等, 国内也有学者
陆续建立北京模型[7]、综合模型[8]、农业模型[9]、分
类指数模型[10]等, 对全国或某地类 NPP进行测算。
过程模型从机理上模拟植被的光合作用、呼吸作用、
蒸腾蒸发以及土壤水分散失的过程 , 大多将土壤
植被大气连续体(SPAC)作为一个系统 , 进行各层
的物质、能量交换模拟并建立相应的模型或模型库,
能够通过植物的生理过程反映生态系统功能与气候
之间的关系 [11]。常用模型包括 BIOME-BGC[12]、
CENTURY[13]、BEPS[14]、TEM[15]、CARAIB[16]等。
但由于过程模型在参数的可获得性、可靠性和尺度
转换方面问题较多, 导致在有些情况下需对模型进
行简化或人为设定一些参数, 限制了模型的精度[3]。
光能利用率模型又称参数模型, 在目前 NPP 估算中
使用较多。如 CASA、GLO-PEM、C-Fix、TURC、
MOD17、BEAMS 等模型以植被光合作用机理作为
其理论基础 , 模型简单实用 , 输入参数少 , 计算效
率高[17]。目前此类模型并不考虑生态学机理, 因此
在利用遥感提取的植被指数来模拟植被 NPP的某些
环节仍然存在一些不确定性和不一致性 [18]。目前 ,
在不同文献中采用模型比较多样, 有必要对特定地
区这些方法的使用效果作对比分析。
光合作用是大多数植被进行干物质合成的最主
要途径, 同时也是自然界碳氧循环的核心环节。植
被在光照下合成 NPP 的过程, 伴随着能量固定、碳
汇、制氧 3项人类生存和发展必不可缺的生态过程。
应用 NPP 的估算结果, 基于光合作用方程, 可以有
效定量评价 NPP合成过程中产生的生态效应[1920]。
将固定 CO2、释放 O2和于此同时伴随的合成干物质
3 项生态效应用价值形式表示, 可以有效将不同生
态服务功能的量纲予以统一, 便于做综合分析。同
时, NPP 价值的波动受区域气候变化与人类活动双
重影响, 以价值量形式表示便于将局地生态过程与
区域社会经济条件相联系。因此, 有必要针对不同
区域生态环境与社会经济的交互关系进行 NPP物质
量与价值量评价, 从而为地区可持续发展提供一定
的理论支持。本研究采用遥感数据使用不同模型对
西北地区 NPP 物质量进行测算并换算为价值量, 从
而了解西北地区近年植被生态效应的变化格局与趋
势, 为该区域发展提供理论参考。
1 数据准备
1.1 研究区概况
本研究区域为中国的西北五省地区, 包括陕西
省、甘肃省、青海省、宁夏回族自治区和新疆维吾
尔自治区。研究区属温带大陆性气候, 干旱, 地表覆
被多为草原和荒漠。该区地域辽阔, 自然资源储量
大, 有丰富的农牧资源与旅游资源。但由于气候干
旱、水资源匮乏、水土资源分布不均, 导致了生态
环境脆弱、经济技术条件相对落后。本研究采用不
同模型进行植被 NPP 估算, 分析植被固碳释氧与干
物质合成生态效应, 并分析其空间差异与变化过程,
从而了解西北地区近年植被生态效应的变化格局与
趋势。
1.2 数据来源
研究用遥感数据为 2000 年、2003 年、2006 年
和 2009年 MODIS影像 MOD13A3产品。气象数据
取自含全国 722 个台站的中国气象科学数据共享服
496 中国生态农业学报 2013 第 21卷


务数据集, 采用普通克里金法插值为 1 km分辨率栅
格图。土地利用数据选用中国 1 km土地覆盖数据产
品, 来源于中国西部环境与生态科学数据中心。选
自源于 NASA镜像网站的 MOD17A3数据集作为参
照。同时, 裁切出研究区行政边界用以统计, 所有数
据转换为 Albers投影。
2 研究方法
2.1 参数模型估算
目前使用最多的 NPP估算模型为改进的 CASA
模型, 即将潜在蒸散量中土壤水分模型用气温相关
方程替换。其具体模型如下[21]:
NPP APAR   (1)
0.5APAR SOL FPAR   (2)
 NDVI SR / 2FPAR FPAR FPAR  (3)
   min max min
NDVI
max min
min
NDVI NDVI FPAR FPAR
FPAR
NDVI NDVI
FPAR
   


(4)
   min max min
SR min
max min
SR SR FPAR FPAR
FPAR FPAR
SR SR
   
(5)
1
1
NDVISR
NDVI
  (6)
1 2 maxf f w     (7)
2
1 opt opt0.8 0.02 0.000 05 ( )f T T     (8)
  
 
opt
2
opt
1.184 1 exp 0.3 10
1 exp 0.2 10
T T
f
T T
             
(9)
0.5 0.5 /W E Ep   (10)
式中: APAR为像元吸收的光合有效辐射(MJ·m2); 
为像元的实际光能利用率; SOL 为像元某月太阳总
辐射; FPAR 为植被层对太阳有效辐射的吸收比例;
常数 0.5 为多年平均有效辐射占总辐射比例; FPARmax
和 FPARmin分别取 0.95和 0.001[21]; NDVI与 SR分别
为归一化植被指数和比值植被指数; f1、f2与 w分别
为地温、高温和水分胁迫系数; max为不同植被最大
光能利用率, 由于原值 0.389 g(C)·MJ1针对我国植
被类型偏低 , 国内普遍取朱文泉等 [22]测定的中国
典型植被类型的最大光能利用率模拟结果; Topt 为
年内 NDVI 值最高时月平均气温, T 为当月平均气
温; Ep为潜在蒸散量, 可通过生物学温度与降水的
关系式求得 [8]; E 为实际增散量 , 通过地表净辐射
与降水两项因子在周广胜等 [8,23]的综合模型中推
导得出。
2.2 NPP价值变化计算
生态服务价值测算大致可分为两个大方向, 即
供给角度和需求角度。供给角度主要考虑替代这种
生态服务所需的成本或没有这种生态服务造成的损
失; 需求角度主要考虑当地政府或居民对建立或维
持这种生态服务的支付意愿。供给角度的衡量方法
一旦确定, 则在空间上不会产生因价值换算而导致
的变化; 从需求角度衡量则根据地方实际条件, 其
居民的支付价格会有所差异。本研究拟分析生态服
务功能本身差异, 不考虑价值换算的差异性, 因而
从供给角度计算成本价值。
影子价格法是生态服务价值估算的常用方法 ,
具体到 NPP 价值中, 有机物干重可折合为热量以标
准煤替代, CO2吸收价值可使用碳税法, O2释放可使
用制氧成本法 [20]; 同时 , 三者均可用造林成本法 ,
使用活立木价值替换。标煤法模型 V=(AQ1/BQ2)P,
V为有机物价值, A为有机质干重, B为煤质量系数,
标煤为 1, P 为标煤价格, 取 345.5 元·t1, Q1=6.7
kJ·g1, 为干重生物量折合热量, Q2=10 kJ·g1, 为标
煤折合热量。碳税法中瑞典提议排放 CO2超标后的
征收税率为 0.5 $·kg1, 美国为 20 $·t1, 由于美国碳
税明显低于人工固碳成本, 而瑞典提议碳税为目前
各国中最高 , 因此取均值乘人民币当时汇率 8.27,
得出本研究碳税换算成本取 702.95元·t1。制氧成本
取 0.4 元·kg1[21]。对干物质生物量、固碳量、释氧
量所需的造林成本分别取全国均值 466.92 元·t1、
260.90 元·t1和 352.93 元·t1。标煤法比造林成本法
价格更低, 选用标煤替代价值估算干物质; 碳税法
具有惩罚性质, 在起征点以下无税, 其与工业造氧
所估价值均偏高; 造林成本并未考虑土地利用的成
本, 造林替代原有土地覆被价值, 使估算结果偏低。
本研究为均衡各方法的弊端, 选用固碳释氧各两种
模型的均值, 虽使价值结果的依据性模糊化, 但使
低值升高、高值降低, 可减少估算误差。为便于与
其他研究对比, 不将价值乘以折现率转化到当前时
点。
标准差(S)可以有效反映样本的离散程度, 变异
系数(Cv)可表达样本的相对波动。在 GIS 软件中进
行栅格图层运算, 可反映 NPP价值的时间变化规律:

 
2
1
1
n
i
i=
x x
S =
n



(11)
/ 100%Cv S x  (12)
使用区域统计, 得出 5省县域 NPP价值。利用
标准偏度系数 (g1)可测度数据分布的不对称情况 ,
使用标准峰度系数(g2)可测度数据在均值附近的集
中程度。结果大于 0表明均值在峰值右侧即正偏, 数
据集中程度高于正态分布; 小于 0则反之。
第 4期 任志远等: 西北地区植被净初级生产力估算模型对比与其生态价值评价 497


3
1
11
6
n
i
i=
x x
g =
n S
    (13)

4
12 3
24
n
i
i=1
x xng
n S
         
 (14)
Moran指数与 G系数为研究空间自相关的主要
指标。本研究以全局 Moran I 指数判断研究区全局
NPP 价值的空间集聚程度演变, 以 G 系数判断研究
区分区县 NPP价值的内部热点变化。采用公式为:

  
   2ij i ji j ij ii j i
n w x x x x
I =
w x x
 

 
   (15)

n n
ij j j
i j
G = W x x  (16)
 ( ) / Var( )Z X E X X  (17)
式中: W为权重; xi与 xj为 i单元与 j单元; Var(X)和
E(X)分别为 I或 G的理论方差和理论期望; Z为显著
性水平 , 大于 1.96 或小于1.96 说明显著集聚 ,
(1.65,1.65)表示不显著, 其他表示较显著集聚。
根据一元线性回归的拟合原理, y=a+bx 中斜率
b可表示自变量的变化趋势。以时间为自变量, 以 V
代表 NPP 价值 , 采用最小二乘法拟合 , 可得空间
NPP价值的变化趋势。以 n为时间点数量, V为因变
量, 得趋势公式为:
1 1 1
2 2
1 1
( )
=
( )
n n n
i ii i i
n n
i i
n i V i V
b
n i i
  
 
  
 
  
  (18)
3 研究结果
3.1 估算模型比较
使用 CASA 模型计算研究区每月 NPP, 并得出
2000年、2003年、2006年和 2009年 4年的 NPP, 对
照统计模型 , 分析各模型在西北地区的估算适用
性。其中, 周广胜综合模型 L取标准大气压下 2 257.6
kJ·kg1, RDI计算均参照综合模型或 Chikugo模型计
算方法。将各年结果取平均值, 得出不同模型下研
究区 17种土地利用类型的 NPP, 其中部分类型样本
过少, 其主要覆被类型如表 1。
由表 1 可知, 针对西北地区 Chikugo 模型与农
业模型 NPP估算值与 CASA模型相差较大, 早期的
Miami 模型与 Thornthwaite 模型在部分地类的估算
中仍能满足需要, 北京模型不适于干旱区植被较密
集区域。周广胜和张新时[8]建立的综合模型与 CASA
模型估算结果最为接近, 对于研究区早期无 NDVI
数据的 NPP 估算应以该模型效果最佳。同时, 由于
统计模型估算结果为潜在 NPP, 因此统计模型结果
比过程模型略大可以解释为人类活动对自然环境的
干扰。但统计模型在湿地与密灌丛以及未列出的阔
叶林估算中往往效果不佳, 原因是西北地区植物生
长依赖冰川融水与上游降雨下渗形成的地下水, 以
该区域局部降雨量进行估算会对水量的供需关系形
成错误估计, 使用过程模型利用 NDVI 估算, 显然
区分效果更好。在分地类的估算中, 各项统计模型
对建设用地大多存在明显的高估, 显然人为活动生
成不透水面, 相对较好的水热条件却因人类居住而
不具有相应的植被生长密度。Chikugo模型对各地类
的估算值最高不超过 3.3 t·hm2 , 严重低估了林地与
草地的 NPP 合成能力; Miami 模型与 Thornthwaite
模型估算结果比较相近, 其对各类型草地的估计值
与 CASA 模型基本一致, 研究区草地面积广阔, 人
类放牧虽然对草场造成一定影响, 但显然气候要素

表 1 西北地区不同土地利用类型各 NPP估算模型多年平均估算值
Table 1 Estimated annual average NPP of different land use types by different estimation models in Northwest China
t·hm2
用地类型
Land use type
CASA Miami Thornth-waite Chikugo
北京模型
Beijing model
综合模型
Comprehensive model
农业模型
Agricultural model
常绿针叶林 Evergreen needle leaf forest 7.354 1 9.378 7 9.121 3 2.882 1 6.821 0 9.638 7 4.629 9
针阔混交林 Mixed forests 8.819 9 10.400 4 9.927 8 3.235 4 7.654 6 10.797 8 5.490 6
密灌丛 Closed shrublands 12.429 3 8.196 8 8.443 6 2.509 2 5.934 8 8.466 6 3.750 6
疏灌丛 Open shrublands 3.121 3 4.469 6 4.252 5 1.289 6 3.147 5 4.332 2 2.262 1
森林草原 Woody savannas 8.468 6 8.218 7 7.930 8 2.512 6 5.951 2 8.363 9 4.054 9
稀树草原 Savannas 7.004 2 7.154 7 6.894 0 2.166 7 5.135 9 7.183 8 3.442 3
草地 Grasslands 4.866 5 4.280 3 4.295 6 1.287 5 3.112 0 4.313 1 2.230 8
永久湿地 Permanent wetlands 5.365 4 3.723 9 3.902 6 1.101 9 2.663 6 3.748 0 1.949 0
耕地 Croplands 4.147 3 6.537 8 6.185 5 1.960 7 4.684 8 6.486 7 3.147 7
建设用地 Built-up lands 3.368 2 5.749 2 5.407 4 1.720 6 4.129 6 5.673 0 2.794 2
冰雪 Snow and ice 0.619 8 2.541 9 2.234 2 0.730 1 1.830 3 2.401 6 1.599 0
裸地 Barren 0.597 8 1.745 6 1.356 7 0.438 4 1.206 0 1.540 3 1.466 2
水域 Water bodies 2.916 7 3.901 1 3.736 9 1.093 8 2.651 0 3.671 4 1.925 8
498 中国生态农业学报 2013 第 21卷


仍是决定草地植被长势的主导驱动力; 国内学者提
出的北京模型和综合模型对干旱地区林地的模拟有
一定的误差, 但前者对耕地和稀疏灌丛的估算明显
精度较高, 而后者对草地的估算则相对准确。
对 NPP 估算值的检验一直是该领域的难点, 在
某一位置某一时点的测量值往往难以代表同类植被
年 NPP 合成量。鉴于在西北地区范围广阔, 难以有
足够对应的长时间多观测点的实测数据予以检验支
持 , 研究以 Modis 卫星遥感数据合成的针对
GPP/NPP 估算的 MOD17 数据集作为参照, 该数据
是目前可获得的相对最为精确的大尺度 NPP估算结
果。在研究区内随机生成 30 000个矢量点, 分别统
计 MOD17数据与 CASA模型的同年估算结果, 4年
的相关系数分别为 80.42%、76.4%、77.7%和 84.83%,
通过 0.01 置信度检验, 相信可以基本满足基于宏观
尺度的观察需要。而其他统计模型由于基于气象数
据插值, 空间变化趋势较为平缓, 与MOD17数据差
异很大, 不具有可比性。
3.2 时间序列 NPP估算
基于光合作用方程 6CO2+6H2O=C6H12O2+6O2,
可知干物质∶CO2∶O2 的质量比为 100∶163∶120,
从而换算出 CO2与 O2的物质量, 并使用不同方法估
算其价值量, 得出表 2。将干物质热量价值、固碳价
值、释氧价值累加, 即得出 NPP 生态服务价值。可
见研究区近 10年间由于 NPP总量的增加, NPP生态
服务价值在不断上升。为与前人研究对应, 统计各
地类的NPP价值量(表 3), 可知耕地与建设用地NPP
价值在 2003年以后变化不大, 草地NPP价值在 2006
年以后出现大幅增加, 林地、水域与未利用地 NPP
价值相对稳定。草地的 NPP价值变化快于其他用地
类型, 可能是由于西北地区草业经济相对发达, 牧
草生长周期相对较短, 因而在生态保护政策的支持
下, 牧区草场恢复所带来的生态服务效应提高可以
快速显现。同时 , 天然草场随其后变化较为敏感 ,
2009 年相比其他年份水热条件较好, 也促进了草本
植物的快速生长。结果表明 NPP生态效应在气候条
件微小波动的情况下不会有明显变化, 但如出现极
端情况, 则人工耕作技术不足以抵消宏观气候条件
的大幅变化, 农田植被生态效应会受到影响。
3.3 NPP价值空间差异
通过基于像元计算研究区 NPP价值的标准差与
变异系数, 得出图 1。可知新疆的 NPP 价值离散程
度小, 波动不明显, 尤其南疆荒漠地区变异系数与
标准差远低于研究区东部。青海东部与甘肃南部有
部分区域标准差较大, 说明各年价值相差较大; 而
价值波动幅度最大地区为陕北黄土高原, 其幅度高
于人口密度较高的关中平原和人口密度低的山区与
荒漠。说明人类活动的不合理会导致水土流失等生
态环境破坏, 而人类的合理修复会导致生态环境的
显著改善, 人口数量本身不决定生态效应的变化方
式。同时, 标准差和变异系数的分析结果也有所区
别。青海昆仑山南部羌塘高原 NPP 价值波动很大,
但该地区地势较高、人口稀少、天然植被较多, 因
而该区域草地长势主要由气候变化决定, 标准差大
是由于 NPP 价值基数大, 人为因素体现不明显。黄
土高原地区植被覆盖程度相对低于关中、陕南、甘
南等地, NPP价值基数相对不高, 但依然有大于 500
的标准差, 变异系数更达到 10%以上, 该区域 NPP
价值变化幅度快于其他地区显然归因于人类活动的
积极影响。同时在土地利用类型角度, 人类活动最
频繁的农耕地区一般而言价值量变化幅度最大, 其
次为牧区, 林区植被茂密但价值量变化并不大, 荒
漠地区几乎无变化。这也说明植被生态效应变化与
人类活动密不可分。

表 2 西北地区不同年份 NPP估算物质总量与价值总量
Table 2 Total estimated quantities and values of NPP at different years in Northwest China
生态效应
Ecological effect
物质量与价值量
Quantity and value
2000年
Year 2000
2003年
Year 2003
2006年
Year 2006
2009年
Year 2009
物质量 Quantity (104 t) 8.51104 8.57104 8.68104 8.88104
标煤替代价值量 Standard coal value (104 Yuan) 1.97107 1.98107 2.01107 2.06107
能量合成
Energy synthesis
造林成本价值量 Afforestation value (104 Yuan) 3.98107 4.00107 4.05107 4.15107
物质量 Quantity (104 t) 1.39105 1.40105 1.41105 1.45105
碳税法价值量 Carbon tax value (104 Yuan) 9.76107 9.82107 9.94107 1.02108
固定 CO2
CO2 fixing
造林成本价值量 Afforestation values (104 Yuan) 3.62107 3.64107 3.69107 3.78107
物质量 Quantity (104 t) 1.02105 1.03105 1.04105 1.07105
工业制氧价值量 Industrial O2 generation value (104 Yuan) 4.09107 4.11107 4.16107 4.26107
释放 O2
O2 releasing
造林成本价值量 Afforestation values (104 Yuan) 3.61107 3.63107 3.67107 3.76107
总价值 Total value (104 Yuan) 1.35108 1.36108 1.38108 1.41108

第 4期 任志远等: 西北地区植被净初级生产力估算模型对比与其生态价值评价 499



图 1 西北地区年际 NPP价值标准差及变异系数
Fig. 1 Inter-annual standard deviation and variation coefficient of NPP value in Northwest China

表 3 西北地区不同年份不同土地利用类型 NPP价值
总量
Table 3 Total NPP values of different land use types at
different years in Northwest China
104 Yuan
用地类型
Land use type
2000年
Year 2000
2003年
Year 2003
2006年
Year 2006
2009年
Year 2009
耕地 Cropland 1.26107 1.35107 1.35107 1.38107
林地 Forest 1.69107 1.71107 1.71107 1.73107
草地 Grassland 7.59107 7.57107 7.70107 7.91107
水域 Water 2.29106 2.32106 2.25106 2.33106
建设用地 Build-up land 5.42105 5.72105 5.66105 5.72105
未利用地 Barren 1.42107 1.41107 1.44107 1.48107

按时间序列测度NPP价值的分布规律, 2000年、
2003年、2006年和 2009年的标准偏度系数(g1)依次
为 1.219104、1.204104、1.208104、1.226104, 标
准峰度系数(g2)依次为 96.61、94.07、94.05、97.36, 全
局Moran指数 Z值依次为 12.17、12.16、12.14、11.97。
说明研究区 NPP 价值分布以均值为中心正偏, 即坐
标轴均值在正态分布的峰值右边; 各县市 NPP 价值
集中程度高于正态分布曲线; 全局价值空间集聚为
显著高值集聚。在时间序列上, 空间分布不对称程
度经历由高到低再到更高的波动, 各县市 NPP 价值
对均值的偏离从大到小到更大, 全局集聚性在不断
降低, 说明 NPP 总价值不断上升的同时, 空间分布
离散程度加大, 集聚程度减小; 在时间序列中期一
度出现低值升高、高值降低, 各县市 NPP 价值向均
值接近, 分布趋于对称的情况, 但 2009 年高值与低
值的分异与不均衡相比 2000年进一步扩大。就具体
的 NPP 价值所反映的生态效应角度, 向均值接近和
分布趋于对称并不是必要的。这是由于在我国东部
平原地区, 植被生长茂盛地区多为山地丘陵, 一般
相对经济落后人口较少, 植被生态效应的平均化、
对称化体现了城市与城郊生态服务功能的上升; 西
北地区大部分属于干旱区与半干旱区, 人口密集地
区往往水热条件相对较好, 适宜植被生长, 而在荒
漠内部植被生态效应的意义则不大, 因而不会呈现
均质化、对称式的分布规律。所以 2009年高值与低
值的分异与不均衡度扩大并不是生态环境恶化的标
识。相比之下, 全局集聚性的不断下降更能说明人
类在有重点地对某些植被生长潜力较高的地区进行
一系列生态修复工作。
计算研究区空间 NPP价值集聚 G系数, 得出研
究区 4 年间 339 个统计单元中显著低值集聚依次有
156 个、154 个、156 个和 157 个, 显著高值集聚均
为 28 个。说明众多县市 NPP 价值在空间上处于相
对低值。以 2009年为例, 如图 2a, 青藏高原与黄土
高原在研究区内的位置凸显, 青海省绝大部分区县
出现显著高值集聚, 而陕西中部与北部、宁夏与陇
东部分地区则出现显著低值集聚。青海省由于水热
条件适于牧草生长, 同时县市区划较大, 使区域内
NPP 总价值远高于周边省份。NPP 价值低值区域出
现在黄土高原地区, 一方面是由于黄土高原林草用
地被广泛开垦, 另一方面是由于行政区划小以至于
NPP 总价值低; 同时由于塔里木盆地等地区虽然荒
漠 NPP 物质量很低, 但新疆行政区划面积较大, 因
此比较单位行政区划的 NPP总值相对并不是最低区
域。人口数量是行政区划定的重要标准, 行政区NPP
总价值的集聚特征判定对反映人均生态服务效应有
重要意义。青海作为青藏高原的一部分地广人稀 ,
较大的行政区范围内人口数量有限, 使统计出的生
态价值相对较高。陕北与陇东黄土高原在近年来实
施退耕还林还草, 这在景观上可以明显体现, 但由
于人口密集, 平均每个人的生态效应占有量相对十
分有限。以线性回归斜率分析 NPP 价值变化区域,
如图 2b。为避免分级的主观性, 将统计结果按标准
差的倍数予以分级, 大于1.5 倍标准差为快速上升
或下降。可见陕北与宁夏 NPP 价值呈现快速上升,
是近 10年间黄土高原退耕还林的良好反映。陕西关
500 中国生态农业学报 2013 第 21卷



图 2 西北地区 2009年 NPP价值集聚(a)及 NPP价值变化趋势(b)
Fig. 2 Agglomeration of NPP value in 2009 (a) and variation tendency of NPP value (b) in Northwest China

中与青海 NPP 价值也呈现上升, 侧面证实陕西省退
耕还林还草与青海部分地区的限制放牧取得成效。
就整个研究区分析, NPP 价值升高趋势比下降趋势
更明显, 导致 NPP 价值的东西方向差异缩小而南北
方向差异扩大, 从而证实了上述全局尺度的偏度、
峰度和集聚分析。
西北地区生态效应快速上升的区县均位于黄土
高原或青藏高原, 是 2000年以来的生态建设重点区
域, 区域内实行了退耕还林、以粮代赈、限制放牧、
生态移民等一系列政策, 而政策上生态资金投入相
对而言有限的陇西、疆北等区域, 生态效应不升反
降 , 充分说明人类活动对自然生态环境的双向影
响。通过合理布局、加强管理, 进行经济投入与法
律监督, 可以使人为因素成为生态效应增加的主要
驱动力。对于能源型城市而言, 能源化工产业链在
当地产业结构中处于支柱地位, 植被固碳释氧效应
的快速提升有助于局地碳循环的加速。针对大中城
市而言, 植被固碳释氧量的增加更有助于改善空气
质量。然而, 同时也有部分区域 9 年间生态服务效
应有所下降, 区域生态可持续发展需要在经济和法
规上予以更多支持。
4 结论与讨论
4.1 结论
(1)CASA模型估算出西北地区 2000—2009年间
耕地、草地、常绿针叶林的平均 NPP 分别为 4.15
t·hm2、4.87 t·hm2、7.35 t·hm2, 统计模型中综合模
型与北京模型和 CASA 模型估算结果最为相近; 由
于干旱地区植被生长并不完全取决于降水, 因此气
象统计模型在绿洲植被的估算中误差大。
(2)研究区 NPP价值不断增加, 林地与水域 NPP
价值增幅较小, 草地 NPP 价值增幅显著。其中耕地
与建设用地NPP价值增加集中在 2000—2003年, 而
草地与未利用地集中于 2006—2009 年, 9 年间西北
地区总 NPP价值增长量达 500亿元。
(3)研究区 NPP价值分布呈高值先降低后升高、
低值先升高后降低、高值与低值分布集聚程度持续
降低的规律。趋势分析呈现低值快速升高、高值继
续升高、较高值出现下降的规律, 导致了县域 NPP
价值分布的集中化程度降低。结果侧面反映西北地
区生态环境呈现整体好转, 局部恶化的态势。
4.2 讨论
目前, 对 NPP 的估算手段正在不断完善, 但各
个模型的适用情况还需要大量讨论。对于同一模型
不同因子的取值方法不同往往会导致结果失去可比
性。例如, 近年国内光能利用率模型使用中, 陈福军
等[24]对全国 NPP时空变化做模拟, 刘双娜等[25]测算
了中国森林植被的碳汇, 陈卓奇等[26]对青藏高原植
被 NPP 进行研究等, 各文献数据源的差异和光温、
水分等胁迫因子计算手段不同, 估算结果相互之间
的一致性程度不高。因此, 在保证数据可获得的前
提下, 如何找到一种或几种对 NPP估算的最优解法,
或者针对某一地区的特定解法, 仍有大量内容值得
探索。
生态服务效应的提高不仅是环保概念, 而更需
要国土、农业、林业等管理部门或研究学科的共同
配合。农业产值的提高不能以影响农业生态系统可
持续发展为代价。颉鹏等[27]对甘肃省凉州区的农业
第 4期 任志远等: 西北地区植被净初级生产力估算模型对比与其生态价值评价 501


生态系统资产负债研究显示, 2000 年后其自然资产
库存量已经开始增加, 表明西北内陆绿洲农业的可
持续性有所增强; 姚顺波[28]就森林资源保护制度不
适应市场经济发展需要, 提出尽快建立森林生态效
益补偿制度, 并以土地换生态。从农牧交错带土地
利用方式到干旱区水资源管理, 林业与种植业之间
的矛盾已不局限于农业产值, 而发展到生态安全领
域。在粮食作物与经济作物、经济林与生态林的布
局选择中, 政府不应仅局限在市场经济收入上, 而
应通过生态服务价值考虑植物生态效应对地区生态
可持续所提供的帮助。将直接农业收入和潜在生态
资产相结合, 有助于地区更有效地进行可持续发展
规划与调控。
参考文献
[1] 陶波, 李克让, 邵雪梅, 等. 中国陆地净初级生产力时空特
征模拟[J]. 地理学报, 2003, 58(3): 372–380
Tao Bo, Li K R, Shao X M, et al. Temporal and spatial pattern
of net primary production of terrestrial ecosystems in
China[J]. Acta Geographica Sinica, 2003, 58(3): 372–380
[2] 李高飞, 任海, 李岩, 等. 植被净第一性生产力研究回顾与
发展趋势[J]. 生态科学, 2003, 22(4): 360–365
Li G F, Ren H, Li Y, et al. Review and tendency of net pri-
mary productivity study[J]. Ecologic Science, 2003, 22(4):
360–365
[3] 王莺 , 夏文韬 , 梁天刚 . 陆地生态系统净初级生产力的时
空动态模拟研究进展[J]. 草业科学, 2010, 27(2): 77–88
Wang Y, Xia W T, Liang T G. Research progress on spa-
tial-temporal dynamic simulation model of net primary pro-
ductivity of terrestrial ecosystems[J]. Pratacultural Science,
2010, 27(2): 77–88
[4] Lieth H. Modeling the primary productivity of the world[J].
Nature and Resources, 1972, 8(2): 5–10
[5] Lieth H, Box E. Evapotranspiration and primary productiv-
ity[C]//Thornthwaite W, ed. Memorial model, publications in
climatology. New Jersey: C. W. Thornthwaite Associates,
1972: 37–46
[6] Uchijima Z, Seino H. Agroclimatic evaluation of net primary
productivity of natural vegetations. 1: Chikugo model for
evaluating net primary productivity[J]. Journal of Agricultural
Meteorology, 1985, 40(4): 343–352
[7] 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): 1422–1426
Zhu Z H. Evaluation model of net primary productivity of
natural vegetations[J]. Chinese Science Bulletin, 1993, 38(15):
1422–1426
[8] 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): 193–200
Zhou G S, Zhang X S. A natural vegetation NPP model[J].
Acta Phytoecologica Sinaca, 1995, 19(3): 193–200
[9] 郑元润, 周广胜, 张新时, 等. 农业生产力模型初探[J]. 植
物学报, 1997, 39(9): 831–836
Zheng Y R, Zhou G S, Zhang X S, et al. An agricultural net
primary productivity model[J]. Acta Botanica Sinica, 1997,
39(9): 831–836
[10] Lin H L. A new model of grassland net primary productivity
(NPP) based on the integrated orderly classification system of
grassland[C]//Ding J H, Yang X L, Hu C S, eds. The sixth in-
ternational conference on fuzzy systems and knowledge dis-
covery. Tianjin: Tianjin University of Technology, 2009:
52–56
[11] 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):
369–378
Feng X F, Liu G H, Chen S P, et al. Study on process model of
net primary productivity of terrestrial ecosystems[J]. Journal
of Natural Resources, 2004, 19(3): 369–378
[12] Running S W, Hunt E R Jr. Generalization of a forest ecosys-
tem process model for other biomes, BIOME-BGC, and an
application for global-scale models[C]//Ehleringer J R, Field
C B, eds. Scaling physiological processes: Leaf to globe. San
Diego, CA: Academic Press, 1993: 141–158
[13] Parton W J, Scurlock J M O, Ojima D S, et al. Observations
and modeling of biomass and soil organic matter dynamics for
the grassland biome worldwide[J]. Global Biogeochemical
Cycles, 1993, 7(4): 785–809
[14] Liu J, Chen J M, Cihlar J, et al. A process-based boreal eco-
system productivity simulator using remote sensing inputs[J].
Remote Sensing of Environment, 1997, 62(2): 158–175
[15] McGuire A D, Melillo J M, Kicklighter D W, et al. Equilib-
rium responses of soil carbon to climate change: Empirical
and process-based estimates[J]. Journal of Biogeography,
1995, 22(4/5): 785–796
[16] Warnant P, François L, Strivay D, et al. CARAIB: A global
model of terrestrial biological productivity[J]. Global Bio-
geochemical Cycles, 1994, 8(3): 255–270
[17] 张美玲, 蒋文兰, 陈全功, 等. 草地净第一性生产力估算模
型研究进展[J]. 草地学报, 2011, 19(2): 356–366
Zhang M L, Jiang W L, Chen Q G, et al. Research progress in
the estimation models of grassland net primary productivity[J].
Acta Agrestia Sinica, 2011, 19(2): 356–366
[18] 朱文泉, 陈云浩, 徐丹, 等. 陆地植被净初级生产力计算模
型研究进展[J]. 生态学杂志, 2005, 24(3): 296–300
Zhu W Q, Chen Y H, Xu D, et al. Advances in terrestrial net
502 中国生态农业学报 2013 第 21卷


primary productivity (NPP) estimation models[J]. Chinese
Journal of Ecology, 2005, 24(3): 296–300
[19] 任志远, 李晶. 秦巴山区植被固定 CO2释放 O2生态价值测
评[J]. 地理研究, 2004, 23(6): 769–775
Ren Z Y, Li J. The values of CO2 fixation and O2 release by
vegetation ecosystem in Qinling-Daba Mountains of Shaanxi
Province[J]. Geographical Research, 2004, 23(6): 769–775
[20] 郝慧梅, 任志远, 薛亮. 基于 3S 的榆林市植被净初级生产
力价值估算及其时空差异分析[J]. 地理与地理信息科学 ,
2008, 24(5): 75–79
Hao H M, Ren Z Y, Xue L. Evaluation and analysis on the
value of vegetation NPP and its temporal and spatial distribu-
tion in Yulin prefecture based on 3S[J]. Geography and
Geo-Information Science, 2008, 24(5): 75–79
[21] 李晶, 任志远. 基于 GIS 的陕北黄土高原土地生态系统固
碳 释 氧 价 值 评 价 [J]. 中 国 农 业 科 学 , 2011, 44(14):
2943–2950
Li J, Ren Z Y. Research on the values of CO2 fixation and O2
release by landuse ecosystem in Loess Plateau in Northern
Shaanxi Province[J]. Scientia Agricultura Sinica, 2011,
44(14): 2943–2950
[22] 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(3): 413–424
Zhu W Q, Pan Y Z, Zhang J S. Estimation of net primary
productivity of Chinese terrestrial vegetation based on remote
sensing[J]. Journal of Plant Ecology, 2007, 31(3): 413–424
[23] 李红梅, 周秉荣, 李林, 等. 青海高原植被净初级生产力变
化规律及其未来变化趋势 [J]. 生态学杂志 , 2011, 30(2):
215–220
Li H M, Zhou B R, Li L, et al. Change pattern and its future
trend of vegetation net primary productivity on Qinghai Pla-
teau[J]. Chinese Journal of Ecology, 2011, 30(2): 215–220
[24] 陈福军 , 沈彦俊 , 李倩 , 等 . 中国陆地生态系统近 30 年
NPP时空变化研究[J]. 地理科学, 2011, 31(11): 1409–1414
Chen F J, Shen Y J, Li Q, et al. Spatio-temporal variation
analysis of ecological systems NPP in China in past 30
years[J]. Scientia Geographica Sinica, 2011, 31(11):
1409–1414
[25] 刘双娜 , 周涛 , 魏林艳 , 等 . 中国森林植被的碳汇/源空间
分布格局[J]. 科学通报, 2012, 57(11): 943–950
Liu S N, Zhou T, Wei L Y, et al. The special patterns carbon
sink/source for forest in China[J]. Chinese Science Bulletin,
2012, 57(11): 943–950
[26] 陈卓奇, 邵全琴, 刘纪远, 等. 基于 MODIS 的青藏高原植
被净初级生产力研究[J]. 中国科学: 地球科学, 2012, 42(3):
402–410
Chen Z Q, Shao Q Q, Liu J Y, et al. Study on the net primary
productivity in Tibet by MODIS[J]. Scientia Sinica (Terrae),
2012, 42(3): 402–410
[27] 颉鹏, 蔺海明, 黄高宝, 等. 西北内陆区农业生态系统资产
负债研究——以甘肃省凉州区为例 [J]. 中国生态农业学
报, 2009, 17(3): 593–598
Xie P, Lin H M, Huang G B, et al. Analysis of assets and
debts of agro-ecosystems in northwest China—A case study
of the oasis agro-ecosystem of Liangzhou District, Gansu
Province[J]. Chinese Journal of Eco-Agriculture, 2009, 17(3):
593–598
[28] 姚顺波 . 我国西北地区生态林业发展政策研究[J]. 中国生
态农业学报, 2005, 13(1): 170–172
Yao S B. Policy of ecological forestry development in the
Northwest of China[J]. Chinese Journal of Eco-Agriculture,
2005, 13(1): 170–172