林小丁，常樂，馮丹

（伊犁師范大學(xué)化學(xué)與環(huán)境科學(xué)學(xué)院，新疆伊犁835000）

植被總初級生產(chǎn)力（gross primary productivity，GPP）是指單位時間內(nèi)生態(tài)系統(tǒng)中綠色植物通過光合作用，吸收太陽能同化二氧化碳固定的有機碳總量［1］。GPP決定了進入陸地生態(tài)系統(tǒng)的初始能量與物質(zhì)總量，反映了陸地生態(tài)系統(tǒng)植被生產(chǎn)力，對陸地生態(tài)系統(tǒng)碳循環(huán)和全球氣候變化研究具有深遠意義。大約40%的陸地生態(tài)系統(tǒng)植被生產(chǎn)力被人類直接或間接利用［2］，因此對GPP的估算及其變化研究是人類賴以生存的重要基礎(chǔ)，也是評價生態(tài)系統(tǒng)可持續(xù)發(fā)展的重要指標(biāo)。對其進行準(zhǔn)確的模擬、時空分布和動態(tài)變化分析及其與氣候因子相關(guān)性分析對陸地生態(tài)系統(tǒng)和地球可持續(xù)發(fā)展有很好的評估意義。目前，經(jīng)驗?zāi)Ｐ褪枪浪銋^(qū)域和全球GPP的有效途徑［3］，即利用地面實測數(shù)據(jù)與遙感植被指數(shù)構(gòu)建經(jīng)驗關(guān)系得出的遙感植被指數(shù)GPP模型。成熟的GPP模型有增強植被指數(shù)（enhanced vegetation index，EVI）［4-11］、歸一化植被指數(shù)（normalized difference vegetation index，NDVI）［7］、光化學(xué)植被指數(shù)（photochemical reflectance index，PRI）［12］、日光誘導(dǎo)植被熒光（solar-induced fluorescence，SIF）［13］以及植被近紅外反射率指數(shù)NIRv（near-infrared reflectance vegetation，NIRv）［14］。其中，NIRv值在一定程度上考慮到像元內(nèi)植被比例和土壤反射率等因素的影響，與GPP具有高度一致性［15］。

青海是青藏高原重要的組成部分，也是我國降水量跨度最大的省份，其生態(tài)環(huán)境對全球氣候變化較為敏感。同時，青海作為三江源所在地，監(jiān)測其生態(tài)系統(tǒng)變化對我國的生態(tài)文明建設(shè)具有戰(zhàn)略意義。近年來，許多研究對青海地區(qū)的凈初級生產(chǎn)力（net primary productivity，NPP）進行了遙感估算。劉鵬［16］利用GLOPEM-CEVSA模型對2000-2012年三江源地區(qū)NPP進行了估算，并分析了其對氣候因素的響應(yīng)；張繼平等［17］分析了三江源地區(qū)草地生態(tài)系統(tǒng)碳匯量及碳儲量時空變化；劉鳳等［18］利用CASA改進模型分析了近16年青海地區(qū)植被NPP空間變化及氣候與人為因素響應(yīng)；賈俊鶴等［19］利用CASA模型分析了中國西北部NPP時空變化及氣候響應(yīng)。然而，NPP是植物光合作用固定的碳（GPP）與自養(yǎng)呼吸作用消耗的碳之差，其中自養(yǎng)呼吸作用又包含生長呼吸和維持呼吸，影響因素眾多，且與植被指數(shù)關(guān)系較弱，因此NPP估算具有較大不確定性。相比之下，使用植被指數(shù)進行GPP估算則更為精確，因此也更能反映出植被生長狀況的時空變化。然而，目前只有少數(shù)研究估算GPP，比如，丁少文等［20］通過基于植被NIRv模型與NDVI指數(shù)對比進行了GPP估算，分析了2001-2016蒙山地區(qū)植被動態(tài)變化；吳力博等［21］對青海三江源地區(qū)的栽培草地GPP進行了簡要分析。因此，基于新型植被指數(shù)NIRv的青海地區(qū)總初級生產(chǎn)力遙感估算和進一步長時間序列時空變化分析及其對氣象因素響應(yīng)分析深化，都對總體把握青海地區(qū)生產(chǎn)力潛力評估具有重要研究意義。

為此，本研究采用2000-2019年青海地區(qū)MODIS遙感數(shù)據(jù)，結(jié)合土地利用資料與氣象資料，利用NIRv模型，估算了20年青海地區(qū)植被GPP，并分析了其時空分布規(guī)律，及其對氣候因素變化的響應(yīng)。以期為青海地區(qū)生態(tài)系統(tǒng)碳循環(huán)和評價當(dāng)?shù)厣鷳B(tài)系統(tǒng)可持續(xù)發(fā)展能力做貢獻，并為大尺度范圍內(nèi)應(yīng)用新型植被指數(shù)NIRv可行性提供重要方向。

1 材料與方法

1.1 研究區(qū)概況

青海地區(qū)位于我國西北內(nèi)陸，河流湖泊分布眾多，其東部地區(qū)為青藏高原向黃土高原過渡地帶，西部為高原和盆地，屬于高原大陸性氣候。地理位置介于北緯31°36′-39°19′，東經(jīng)89°35′-103°04′，全省面積72.23萬km2，地形復(fù)雜，地貌多樣（圖1a）。年均溫分布北高南低，全省年降水量15～750 mm，總分布趨勢由東南向西北逐漸減少［22］。其中，中覆蓋草地、低覆蓋草地為青海地區(qū)主要植被類型，廣泛分布在南部地區(qū)，占全省面積的48.9%；高覆蓋草地在東北部地區(qū)、南部黃河流域和中部長江流域廣泛分布；灌木林地主要集中于東部地區(qū)、三江源地區(qū)和格爾木市周圍，占全省面積的2.3%；疏林地在東部地區(qū)、南部瀾滄江流域和格爾木市周圍稀疏分布；林地僅在西寧東部地區(qū)少量分布；沙地、裸巖石礫地和鹽堿地則主要覆蓋在西北地區(qū)（圖1b）。

圖1 青海地區(qū)位置圖（a）及土地利用圖（b）Fig.1 Location map（a）and land use map（b）of Qinghai Province

1.2 數(shù)據(jù)與處理

采用2000-2019年的h25v05和h26v05兩景MOD13A 1 16 d合成500 m分辨率植被指數(shù)產(chǎn) 品（https：//e4ftl01.cr.usgs.gov/MOLT/MOD13A 1.006/）和BESS全球逐日0.05度分辨率光合有效輻射（photosynthetically active radiation，PAR）產(chǎn)品（http：//environment.snu.ac.kr/bess_rad/）。首先從MOD13A 1產(chǎn)品計算月平均NIRv。從原始文件中提取出NDVI和NIR數(shù)據(jù)集并計算16 d合成NIRv（式1），再提取出合成日期（composite day of the year）數(shù)據(jù)集，該日期指示了每個像元NIRv所對應(yīng)的具體日期，以此計算月平均NIRv。

其次，采用Jiang等［23］的方法對NIRv進行土壤背景校正。假設(shè)土壤背景NIRv值只在0～0.1變化，將0～0.1分為10個等間距（0.01）的區(qū)間，對每個像元的時間序列NIRv數(shù)據(jù)統(tǒng)計落在各區(qū)間內(nèi)的頻次，頻次最高的區(qū)間（眾數(shù)）作為土壤背景NIRv的初始估計。鑒于稀疏植被的NIRv值也可能落在0～0.1，對每個像元只統(tǒng)計其小于平均NIRv的值，以此去除生長季對土壤背景NIRv估算的干擾?？紤]眾數(shù)區(qū)間及其相鄰的兩個區(qū)間，計算落在這3個區(qū)間的NIRv的平均值得到土壤背景NIRv（NIRv，soil）。同時，從每個像元的時間序列NIRv數(shù)據(jù)中獲取最大NIRv（NIRv，max），則土壤背景校正NIRv（SANIRv）可計算為：

另一方面，從BESS產(chǎn)品計算月平均PAR［24］，并使用地理空間柵格數(shù)據(jù)處理庫GDAL進行裁減、投影和重采樣，使其空間參考與MOD13A 1一致。

采用青海地區(qū)3個站點的地面觀測GPP數(shù)據(jù)作為基準(zhǔn)。3個站點分別是海北灌叢生態(tài)系統(tǒng)觀測站（101°18.77′E，37°36.77′N，海拔3216 m），海北濕地生態(tài)系統(tǒng)觀測站（101°19.64′E，37°36.51′N，海拔3357 m）和阿柔高寒草原觀測站（100°27′51.6″E，38°02′50.3″N，海拔3033 m）。海北灌叢2003-2010年日均GPP數(shù)據(jù)來源于中國通量觀測研究聯(lián)盟（http：//www.chinaflux.org）。海北灌叢2002年和海北濕地2003-2005年月均GPP來源于FLUXNET 2015數(shù)據(jù)集（https：//fluxnet.fluxdata.org/data/fluxnet2015-dataset）。阿柔站2015-2017年日均凈生態(tài)系統(tǒng)碳交換量（net ecosystem exchange，NEE）和氣象數(shù)據(jù)來源于國家青藏高原科學(xué)數(shù)據(jù)中心（https：//data.tpdc.ac.cn），然后用REddy ProcWeb網(wǎng)上工具對日均NEE進行插補和拆分得到日均GPP。最后，所有站點GPP都換算到月均GPP。

采用青海地區(qū)1∶10萬土地利用數(shù)據(jù)集［25］、中國1 km分辨率逐月平均氣溫數(shù)據(jù)集（1901-2017）［26］和中國1 km分辨率逐月降水量數(shù)據(jù)集（1901-2017）［27］，采用偏相關(guān)分析法進行GPP時空變化分析。數(shù)據(jù)均來源于青藏高原科學(xué)數(shù)據(jù)中心（https：//data.tpdc.ac.cn）。矢量格式的土地利用數(shù)據(jù)在ArcGIS中進行區(qū)域合并并柵格化，然后使用GDAL統(tǒng)計每個MODIS像元內(nèi)出現(xiàn)頻次最大的地類作為該像元的地類。氣溫和降水?dāng)?shù)據(jù)使用GDAL進行裁減、投影和重采樣，使其空間參考與MOD13A 1一致。

此外，還采用2000-2019年的h25v05和h26v05兩景MOD17A 2H 8 d合成500 m分辨率GPP產(chǎn)品作為對比。該產(chǎn)品與MOD13A 1空間參考一致。研究計算其月平均值并用地面觀測GPP對其進行驗證分析，并與基于SANIRv計算的GPP進行精度比較。

1.3 模型與方法

1.3.1 GPP估算模型 根據(jù)Wu等［28］和Jiang等［23］的研究，表明NIRv與GPP高度線性相關(guān)，且經(jīng)過土壤背景校正后的SANIRv則進一步與GPP呈比例關(guān)系：

式中：c為比例系數(shù)。使用遙感觀測SANIRv數(shù)據(jù)和地面觀測GPP數(shù)據(jù)對式（3）進行標(biāo)定，得到研究區(qū)最優(yōu)的c值。進而使用式（3）對地面觀測GPP數(shù)據(jù)進行升尺度，得到覆蓋研究區(qū)的2000-2019年月平均500 m分辨率GPP數(shù)據(jù)。

1.3.2 GPP模擬精度評價 采用100次重復(fù)5折交叉驗證對式（3）進行精度評價。在每次交叉驗證中，將成對的遙感觀測SANIRv和地面觀測GPP數(shù)據(jù)隨機分為5份，取其中的4份作為訓(xùn)練數(shù)據(jù)計算c值，剩下1分獨立于模型標(biāo)定的數(shù)據(jù)作為驗證數(shù)據(jù)。采用確定系數(shù)（R 2）和均方根誤差（RMSE）作為精度評價指標(biāo)。100次試驗的平均R2和RMSE作為基于SANIRv的GPP估算精度。也通過比較MOD17A 2H GPP和地面觀測GPP，計算相應(yīng)的R2和RMSE作為MODIS GPP產(chǎn)品的估算精度作為參照［28］。

1.3.3 時空分析方法GPP年際趨勢分析使用一元線性回歸法研究青海地區(qū)植被GPP的年際變化規(guī)律，通過計算每個像元的趨勢線斜率（slope）來反映GPP年際變化規(guī)律。當(dāng)slope＞0時，表示在研究時段中GPP增加，反之減少。研究采用Mann-Kendall方法對趨勢分析進行顯著性檢驗，因顯著水平（α）具有任意性且考慮到本研究站點精確數(shù)據(jù)數(shù)量較少，將顯著水平（α）小于0.1視為變化顯著［29］。

在GPP與氣候因素相關(guān)性分析中，主要通過分別建立氣溫、降水與GPP的偏相關(guān)系數(shù)來分析氣候因素與GPP變化的關(guān)系。采用t檢驗法對各相關(guān)系數(shù)、純相關(guān)系數(shù)進行顯著性檢驗［30］（將其顯著性水平α取值為10%）。對研究區(qū)域根據(jù)其相關(guān)系數(shù)不同進行分類，把r＞0，P＜0.1、r＞0，P≥0.1、r＜0，P≤0.1、r≤0，P≥0.1分為顯著正相關(guān)、不顯著正相關(guān)、顯著負(fù)相關(guān)和不顯著負(fù)相關(guān)的不同區(qū)域。

2 結(jié)果與分析

2.1 GPP結(jié)果估算精度評價

通過對青海地區(qū)2000-2019年海北濕地、海北灌叢、阿柔3個地面站點實測數(shù)據(jù)與本研究采用土壤背景校正NIRv模型估算的GPP值進行相關(guān)性分析及交叉驗證。本研究NIRv模型估算GPP與地面實測GPP數(shù)據(jù)呈線性關(guān)系，確定系數(shù)R2=0.91（P＜0.001），均方根誤差（RMSE）為3.0 g C·m-2·d-1（圖2a）。PAR×SANIRv估算GPP交叉驗證確定系數(shù)R2=0.91（圖2b），兩者表明NIRv模型估算結(jié)果穩(wěn)健，具有可靠性，能代表青海地區(qū)總初級生產(chǎn)力并向多地區(qū)推廣。此外，本研究還將NIRv模型估算GPP值與MODIS GPP進行對比分析（圖2c），MODIS GPP在本研究區(qū)內(nèi)有明顯低估情況，且在GPP較低值區(qū)域表現(xiàn)不好。綜上所述，本研究NIRv模型估算GPP在青海地區(qū)的應(yīng)用結(jié)果從站點至區(qū)域均具有較高精度，且具有適用性。

圖2 GPP估算的精度評價Fig.2 Accuracy evaluation of GPP estimation

2.2 青海地區(qū)植被GPP空間分布格局

青海地區(qū)2000-2019年平均GPP整體由西向東呈顯著增長趨勢，空間內(nèi)存在明顯差異，主要與植被分布和地理氣候特征差異相關(guān)。如圖3所示，西北部柴達木盆地區(qū)域年均GPP在0～450 g C·m-2·yr-1，該區(qū)域植被類型主要為GPP水平低下的沙地、裸巖石礫地及鹽堿地，但區(qū)域邊緣處分布有GPP水平較高的疏林地、高覆蓋草地和少量灌木林，因此年均GPP差異顯著；南部三江源區(qū)域年均GPP主要在0～660.1 g C·m-2·yr-1，該區(qū)是我國最大的自然保護區(qū)，植被類型以低覆蓋草地為主，但生態(tài)環(huán)境脆弱，出現(xiàn)了嚴(yán)重的草場退化、土地沙化和土壤侵蝕現(xiàn)象，因而草地覆蓋度低，多年GPP低下。同時，隨該區(qū)海拔由西向東逐漸降低，二氧化碳濃度增高且溫度適宜，植被類型逐漸多樣，主要為疏林地、灌木林和中覆蓋草地，且該區(qū)實施了大面積退耕還林生態(tài)工程，因而GPP得到顯著提升；東部地區(qū)植被類型豐富，灌木林地和草地類型分布面積較大，沼澤濕地和森林資源豐富，水熱條件優(yōu)渥，總初級生產(chǎn)力水平高，大致在150.0～980.7 g C·m-2·yr-1，是青海地區(qū)高植被總初級生產(chǎn)力的主要貢獻區(qū)域。

圖3 青海地區(qū)多年平均GPPFig.3 Aver age GPP in Qinghai Pr ovince for many year s

2.3 青海地區(qū)植被GPP時間變化特征

青海地區(qū)2000-2019年GPP值在116.3～165.9 Tg C·yr-1，平均值為140.5 Tg C·yr-1，單位面積GPP為195.1 g C·m-2·yr-1。區(qū)域內(nèi)GPP總量的年際變化如圖4所示，近20年青海地區(qū)GPP總體呈波動增長趨勢，年增長率為1.25 Tg C·yr-1（P＜0.05），說明近20年中青海地區(qū)植被情況得到改善。其中，2001年GPP均值最低，僅為116.3 Tg C·yr-1，2010年GPP均值最高，為165.9 Tg C·yr-1。并且該趨勢具有明顯階段性變化，與中覆蓋草地和低覆蓋草地GPP變化趨勢大致契合。2003-2006年和2008-2010年GPP呈快速上升趨勢，主要因為中覆蓋草地和低覆蓋草地GPP的顯著提高與該年間降水量、年均溫顯著增加相關(guān)；2006-2008年和2013-2014年顯著降低，主要與中覆蓋草地和低覆蓋草地GPP下降相關(guān)（圖5）。

圖4 青海地區(qū)GPP總量的年際變化Fig.4 The interannual change of GPP in Qinghai Province

如圖5所示，不同植被類型的GPP值年際變化表現(xiàn)出很大差異。其中，中覆蓋草地是青海地區(qū)總初級生產(chǎn)力最高的植被類型，其總初級生產(chǎn)力在2010-2011年達到峰值，為52.4 Tg C·yr-1。其次是低覆蓋草地類型，總初級生產(chǎn)力在2010年達到峰值，為51.5 Tg C·yr-1。高覆蓋草地和灌木林GPP趨勢波動較小，在11.9～16.0 Tg C·yr-1和8.5～10.7 Tg C·yr-1。

圖5 青海地區(qū)不同植被類型GPP的年際變化Fig.5 Inter annual var iation of GPP of different vegetation types in Qinghai Pr ovince

2.4 青海地區(qū)GPP的空間變化特征

本研究通過一元線性回歸對青海地區(qū)近20年年均GPP進行變化分析（圖6），GPP由西向東呈增加趨勢，全省有54%的區(qū)域呈顯著上升趨勢。其中，東部地區(qū)因灌木林地、疏林地和高覆蓋草地分布廣泛，使得年均GPP增長率較高，約為0.007273～0.063460 g C·m-2·yr-1；西北地區(qū)多以沙地、戈壁、鹽堿地為主，邊緣分布有灌木林地和疏林地，使得年均GPP增加，增長率約為0.004932～0.048760 g C·m-2·yr-1；西南地區(qū)，植被類型主要以低覆蓋草地和中覆蓋草地為主，海拔較高，常年有積雪覆蓋，因受全球氣候變暖影響，年均GPP略有增加，增長率約0.0002636～0.0232900 g C·m-2·yr-1；東南地區(qū)，植被類型豐富，主要以中覆蓋草地和高覆蓋草地為主，由于該植被類型受水汽因素影響較大且該區(qū)水土流失較嚴(yán)重，因此年均GPP變化較大，約為-0.049530～0.000663 g C·m-2·yr-1，呈現(xiàn)出顯著下降趨勢。

圖6 青海地區(qū)GPP的變化趨勢（a）與顯著性檢驗（b）Fig.6 The change trend（a）and significance test（b）of GPP in Qinghai Province

2.5 青海地區(qū)GPP與氣候因素的相關(guān)性

植被生長以及積累GPP能力受到氣象因子影響，本研究通過分析氣溫和降水時空變化及分布，與近20年青海地區(qū)植被GPP建立關(guān)系，采用逐像元偏相關(guān)分析法進一步探討。首先，研究區(qū)近20年年均溫度和年降水量呈上升趨勢（圖7）。其中，青海地區(qū)研究期內(nèi)溫度年平均值為-2.5℃，最大值為9.3℃，最小值為-19.6℃；總降水量年平均值為283.6 mm，最大值為650.2 mm，最小值為14.0 mm；年均溫年際變化在0～0.05℃·yr-1，東、南部地區(qū)變化較明顯；總降水量年際變化在2.214～6.686 mm·yr-1，除南部少數(shù)地區(qū)外整體呈上升趨勢（圖8a～d）。其次，溫度顯著性上升區(qū)域約占總面積的48%，主要為東、南部地區(qū)，不顯著上升區(qū)域約占總面積的51%，多為西北、東部邊緣地區(qū)（圖8e），年均降水量變化除極少部分地區(qū)不顯著下降外，大部分區(qū)域降水量為不顯著上升（圖8f）。

圖7 青海地區(qū)年均溫度和年降水量的變化趨勢Fig.7 The interannual change of annual mean temper ature and annual total pr ecipitation in Qinghai Pr ovince

圖8 青海地區(qū)溫度與降水的時空分異Fig.8 Spatiotemporal variation of temperature and precipitation in Qinghai Province

逐像元偏相關(guān)分析結(jié)果如圖9所示，表明在研究區(qū)尺度上溫度和降水與GPP的相關(guān)系數(shù)（去趨勢后）分別為0.45（P＜0.1）和0.09（P＞0.1），植被GPP與溫度呈正相關(guān)性，與降水量相關(guān)性較微弱。且在不同區(qū)域內(nèi)，不同植被對氣溫和降水因子響應(yīng)具有顯著空間異質(zhì)性。其中，植被GPP在主要植被類型為中覆蓋草地地區(qū)與溫度呈現(xiàn)出顯著正相關(guān)，相關(guān)系數(shù)為0.6，原因為該區(qū)域本身水汽條件充足，該植被類型對氣溫變化較為敏感，因此氣溫的增加使得中覆蓋草地在適宜溫度下生長加速，GPP不斷積累；在主要植被類型為高覆蓋草地和灌木林地地區(qū)表現(xiàn)為不顯著正相關(guān)，該植被類型穩(wěn)定性較強，不易受到氣溫因子的干擾。植被GPP與降水的相關(guān)性由東北向西南遞減，且分化現(xiàn)象嚴(yán)重。南部低覆蓋草地區(qū)域大部分呈不顯著負(fù)相關(guān)，相關(guān)系數(shù)約為-0.29，一是因為青海地區(qū)南部海拔較高，植被蒸騰耗水量較少，低覆蓋草地積累GPP主要受溫度限制。二是由于長江、瀾滄江、黃河均位于青海地區(qū)南部，河流眾多，本身水汽條件充沛，且該區(qū)平均年總降水量為青海全區(qū)域最高，降水量超過低覆蓋草地生長所需水分最大值，反而會抑制低覆蓋草地生長；只有東北部高覆蓋草地和灌木林地地區(qū)呈現(xiàn)出部分顯著正相關(guān)，相關(guān)系數(shù)約為0.55，原因是東北部地區(qū)海拔較低，水分主導(dǎo)植被GPP年際變化，隨著降水量的不斷增加，高覆蓋草地和灌木林地生長發(fā)育得到促進，有利于GPP的不斷累積。

圖9 GPP同溫度與降水的相關(guān)性Fig.9 The correlation of GPP with temperature and precipitation

3 討論

本研究采用最新的土壤背景校正NIRv模型，估算了青海地區(qū)植被GPP，結(jié)果顯示，研究期內(nèi)年均GPP處于增長趨勢，溫度升高為主要因素，這與劉剛等［31］、許潔等［32］、韓炳宏等［33］、劉青瑞［34］等眾多研究結(jié)果一致。即全球陸地生態(tài)系統(tǒng)總體呈“變綠”趨勢［35］，我國陸地生態(tài)系統(tǒng)也以變綠為主［36］，主要原因為CO2濃度增加及溫度升高［37］。目前，全球GPP遙感產(chǎn)品主要采用過程模型［38］，機器學(xué)習(xí)模型［39］和光能利用率模型［40］。過程模型較為嚴(yán)謹(jǐn)，但結(jié)構(gòu)復(fù)雜，參數(shù)眾多，運算速度慢。機器學(xué)習(xí)模型最為精確，但在缺乏訓(xùn)練數(shù)據(jù)的區(qū)域表現(xiàn)較差。光能利用率模型應(yīng)用最為廣泛（如MODIS GPP產(chǎn)品），但其預(yù)設(shè)了GPP對溫度和濕度的函數(shù)，精度較差。本研究采用的土壤背景校正NIRv模型雖然是經(jīng)驗?zāi)Ｐ停瑓s能夠精確模擬美國幾十個站點的GPP［23］，且僅有一個參數(shù)，具有可靠性。本研究證明該模型在青海地區(qū)同樣具有很好的表現(xiàn)（R2=0.91），是一種有前景的方法。此外，本研究估算的青海地區(qū)年均GPP為140.5 Tg C·yr-1，考慮到GPP與NPP的比值通常在0.4～0.6，則青海地區(qū)年均NPP約為56.2～84.3 Tg C·yr-1，與劉鳳等［18］通過對青海地區(qū)植被NPP時空變化的研究結(jié)果（79.4 Tg C·yr-1）相近。本研究與劉鳳等［18］的研究采用了不同的數(shù)據(jù)源與方法，卻得到一致的結(jié)果，反映了結(jié)果的可信度。

本研究分析青海大部分地區(qū)年均植被GPP與年均氣溫存在顯著性不高的正相關(guān)，及大部分地區(qū)植被GPP與年降水量相關(guān)關(guān)系微弱，這可能存在兩方面原因，一是時間序列不夠長，二是氣象數(shù)據(jù)的插值精度影響了與植被GPP的相關(guān)性。因此，通過優(yōu)化氣象插值精度的方法將是提高與植被GPP相關(guān)性的有效手段。其次，雖然溫度和降水是影響GPP的主要氣象因子，但研究區(qū)屬高原大陸性半干旱氣候，日照充足，光合有效輻射對GPP也起主導(dǎo)作用，本研究在與氣候因素關(guān)系分析中，僅分析了氣溫和降水，未考慮光合有效輻射因子對GPP的影響。原因有：1）由于研究區(qū)樣本量的限制，較精確的氣象數(shù)據(jù)僅有氣溫和降水。其他一些因素，如冰凍期、大氣濕度、土壤水分、二氧化碳、云覆蓋度等也會對GPP的年際變化產(chǎn)生影響，但缺乏數(shù)據(jù)，從而表現(xiàn)出一定的局限性。2）由于是模型輸入，故沒有直接納入分析。因此，本研究雖采用最新優(yōu)化的土壤背景校正NIRv模型提高了區(qū)域植被GPP的估算精度，但植被GPP變化由自然和人為等多種因素共同作用產(chǎn)生，因此在今后研究中提高植被指數(shù)分辨率，充分考慮太陽輻射及多種相關(guān)因子的響應(yīng)則是未來研究方向。

4 結(jié)論

本研究采用土壤背景校正NIRv模型估算青海植被2000-2019年GPP，并對結(jié)果進行估算精度評價。在此基礎(chǔ)上分析青海地區(qū)GPP時空變化特征，不同植被類型年際變化GPP和與同期氣象因素的響應(yīng)關(guān)系。初步揭示不同植被對地區(qū)GPP的影響和對氣候的響應(yīng)機制，并取得5點結(jié)論：

1）土壤背景校正NIRv模型估算的青海地區(qū)（海北灌叢生態(tài)系統(tǒng)觀測站、海北濕地生態(tài)系統(tǒng)觀測站、阿柔高寒草原觀測站）GPP與地面實測GPP數(shù)據(jù)呈線性關(guān)系，相關(guān)系數(shù)R2=0.91（P＜0.001），模型估算均方根誤差（RMSE）為3.0 g C·m-2·d-1。相較于MODIS GPP，土壤背景校正NIRv模型估算GPP在青海地區(qū)的應(yīng)用結(jié)果從站點至區(qū)域均具有較高精度，更具有適用性。

2）從空間分布角度看，青海地區(qū)植被GPP多年平均值為140.5 Tg C·yr-1，整體趨勢由西向東呈顯著增加?？臻g內(nèi)存在明顯差異性，源于不同植被類型分布、地理氣候特征差異較大。

3）從時間跨度角度看，2000-2019年青海地區(qū)年均GPP整體處于上升趨勢，年增長率為1.25 Tg C·yr-1（P＜0.05）。

4）青海地區(qū)GPP時空變化具有明顯階段性變化特征，不同植被類型GPP的年際變化也表現(xiàn)出較大差異，其中，中覆蓋草地和低覆蓋草地總初級生產(chǎn)力與青海地區(qū)GPP變化趨勢大致契合。

5）氣象因素對不同植被GPP的影響存在明顯空間異質(zhì)性，整體上，年均氣溫與GPP變化的相關(guān)性高于平均降水量。其中，氣溫因素是以中覆蓋草地為主的南部地區(qū)的GPP變化的重要因素，而降水因素是柴達木盆地東部和龍羊峽水庫周圍地區(qū)GPP變化的重要因素。