李懷海，李純斌，吳 靜，吉珍霞，秦格霞，馬娟娟

（甘肅農(nóng)業(yè)大學資源與環(huán)境學院, 甘肅 蘭州 730070）

草地作為生態(tài)系統(tǒng)的重要組成成分，涵蓋了地球陸地表面約20%的地域，是全世界廣泛分布的主要植被類型之一。因其覆蓋面積大、種類繁多，在區(qū)域乃至世界碳循環(huán)研究中具有特殊的地位和非凡的生態(tài)意義[1]。植被凈初級生產(chǎn)力(net primary productivity, NPP)是綠色植物光合作用產(chǎn)生的有機物總量扣除自養(yǎng)呼吸后的剩余部分[2]。NPP 作為考量氣候變化的核心內(nèi)容之一，是決定草地生態(tài)系統(tǒng)健康穩(wěn)定和生產(chǎn)能力高低的重要指標[3]。與此同時，草地NPP 的研究對于合理利用草地資源，開發(fā)草地生產(chǎn)潛力，實現(xiàn)草地產(chǎn)量最大化具有重要意義[4]。草地NPP 受人為和自然等因素的影響，造成草地NPP 年際波動的主要驅動力之一是氣候變化[5]。近100 年來，全球范圍內(nèi)氣溫呈現(xiàn)升高趨勢，干旱半干旱地區(qū)氣溫升高尤為明顯。研究表明，全球變暖貢獻率的44%來自于半干旱地區(qū)的氣溫上升[6]。因此，探討河西典型干旱內(nèi)陸河流域的氣候變化對西北草地生態(tài)系統(tǒng)的科學管理具有重要指導作用。

CASA (carnegie-ames-stanford approach)模型是隨著遙感技術的發(fā)展而產(chǎn)生的草地NPP 估計模型[7]，具有所需參數(shù)少，與植被生理特征高度相關等優(yōu)點，是目前世界上最常用的草地NPP 估算模型之一[8]。近年來，有很多學者將CASA 模型用于陸地生態(tài)系統(tǒng)碳循環(huán)及其對氣候變化響應等研究領域，如朱瑩瑩等[9]對我國西北地區(qū)草地NPP 進行因子分析，發(fā)現(xiàn)草地NPP 對溫度和降水的響應存在一定的空間差異；李金珂等[10]對秦巴山區(qū)的NPP 時空變化特征及相關因子進行解析，得出自然因子對NPP 的貢獻率最高的是實際蒸散量，其次為降水、氣溫，坡度對其貢獻率最??；人為因子對NPP 具有積極和消極兩方面作用。也有學者對CASA 模型進行了不同程度的改進，如朱文泉等[11]引入分類精度和植被覆蓋度類型圖改進CASA 模型，估計了中國陸地上不同植被覆蓋度下的時序草地NPP；楊勇等[12]改進CASA 模型最大光能利用率及簡化模型參數(shù)實現(xiàn)了內(nèi)蒙古小尺度植被NPP 估測。但這些改進都沒能實現(xiàn)草地NPP 與草地類型的結合。

草原綜合順序分類法(comprehensive and sequential classification system, CSCS)是任繼周[13]提出的一種針對草地的植被分類方法，其依據(jù)草地水熱條件變化對草地分類體系進行了改進，具有特有的先進性與創(chuàng)新性。以≥0 ℃年積溫、濕潤度(k)等生物氣候指標為基礎，對積溫和潤濕度進行耦合分類，并將具有相同熱量和濕潤度水平的集成為一類，避免主觀因素對草地劃分的影響[14-15]，其劃分出的潛在植被(potential nature vegetation, PNV)類型能夠反映出區(qū)域內(nèi)現(xiàn)有植被的發(fā)展趨勢[16-17]。與另一種傳統(tǒng)分類系統(tǒng)(中國草地分類系統(tǒng))相比，具有定量化優(yōu)勢，在科學性上處于世界草地分類科學的前沿[18]。

基于CSCS 法這種生物氣候指標的草地分類系統(tǒng)對CASA 模型進行改進，能夠很好地彌補草地類型與草地NPP 脫節(jié)問題。

鑒于此，為進一步深入探討石羊河流域長期序列草地NPP 時空變化特點及其對氣候變化的響應，利用張美玲等[19]改進的CASA 模型，結合CSCS 嚴謹?shù)闹脖话l(fā)生學理論與嚴謹?shù)姆诸愺w系，不僅可以體現(xiàn)草地發(fā)生的水分平衡因素(濕潤度)和熱量因素(積溫)，而且能夠揭示草地NPP 與草地類型之間所存在的內(nèi)在關聯(lián)。此外，CSCS 方法能夠避免因主觀因素對草地類型劃分結果的不同而影響到草地生物量大小，其為地帶性草地潛力研究提供了新思路，更重要的是其對石羊河流域草地生態(tài)系統(tǒng)碳循環(huán)等相關研究具有重要意義，同時也能為草地保護和草地生態(tài)系統(tǒng)穩(wěn)定發(fā)展提供科學支撐。

1 材料與方法

1.1 研究區(qū)概況

石羊河流域屬于河西走廊地區(qū)三大主要內(nèi)陸河流域之一，地處河西走廊東段、祁連山北麓(101°41′～104°16′ E, 36°29′～39°27′ N)，位于黃土高原、蒙新高原和青藏高原重要交匯過渡地帶，流域范圍為4.16 × 104km2(圖1a)。行政區(qū)劃包括3 市8 縣(區(qū))，分別為金昌市1 區(qū)(金川區(qū)) 1 縣(永昌縣)、武威市1 區(qū)(涼州區(qū)) 3 縣(古浪縣、民勤縣、天?？h)、張掖市2 縣(肅南裕固族自治縣和山丹縣部分地區(qū))。地勢西南高、東北低，地貌類型自南向北由山地向平原、丘陵與荒漠過渡(圖1b)。氣候以大陸性干燥氣候為主，蒸發(fā)較強，全年內(nèi)降水少且集中，水資源供求矛盾突出。

圖1 石羊河流域位置(a)及研究區(qū)信息(b)Figure 1 Shiyang River Basin location (a) and study area information (b)

1.2 數(shù)據(jù)來源及預處理

1.2.1 高程數(shù)據(jù)及氣象數(shù)據(jù)

高程數(shù)據(jù)采用SRTM 90 m DEM 產(chǎn)品，來源于地理空間數(shù)據(jù)云(http://www.gscloud.cn/)。河流系統(tǒng)和流域邊界數(shù)據(jù)來自中國西部環(huán)境與生態(tài)科學數(shù)據(jù)中心提供的石羊河流域信息系統(tǒng)數(shù)據(jù)集(http://westdc.westgis.ac.cn)。氣象資料來源于中國氣象科學數(shù)據(jù)共享服務網(wǎng)(http://data.cma.cn)，包含氣溫、降水、日照時數(shù)等，時間跨度為1991-2020 年，利用MATLAB 9.5 軟件進行處理，逐日累加降水合成年降水量，而年積溫是連續(xù)5 d 或超過5 d 大于0 ℃的日平均氣溫的累積。利用專業(yè)氣象插值軟件ANUSPLINE4.3 將積溫、降水、太陽輻射等插值為空間分辨率為90 m × 90 m 的柵格數(shù)據(jù)集[20]。所有數(shù)據(jù)均采用GCS-WGS-1984 地理坐標系統(tǒng)且投影為WGS-1984-Albers，并在ArcGIS10.2 中按照研究區(qū)范圍進行鑲嵌、裁剪。

1.2.2 遙感數(shù)據(jù)

MOD13Q1 NDVI 產(chǎn)品源于NASA 對地觀測系統(tǒng)數(shù)據(jù)共享平臺(EOS data gateway，http://delenn.gsfc.nasa.gov/-imswww/pub/imswel-come/)，空間分辨率為250 m，時間分辨率為16 d，時間范圍是2000-2020 年。借助MRT (modis re-projection tool, MRT)完成數(shù)據(jù)格式轉換和投影，在ArcGIS10.2 中重采樣成與氣象數(shù)據(jù)等同的柵格大小，采用柵格計算器將其乘以比例因子0.000 1 得到真實的歸一化植被指數(shù)(normalised vegetation index，NDVI) 值，并運用最大值合成法(maximum value composites, MVC)對NDVI 數(shù)據(jù)進行月值合成，該方法能有效去除大氣、云、太陽高度等因素的影響[21]。

1.3 研究方法

1.3.1 CASA 模型

CASA 模型是Potter 等[7]建立的光能利用率模型的典型代表，CASA 模型是由溫度、降水、太陽輻射、植被類型等因素驅動的光能利用模型[22]。CASA模型之中的NPP 是植被吸收的光合有效輻射(APAR)、最大光能利用率( εmax)、溫度脅迫系數(shù)(Tε1、Tε2)和水分脅迫系數(shù)(Wε)的函數(shù)[7]，其計算公式如下：

式中：x為對應柵格像元；t表示對應月份。

本研究采用張美玲等[19,23]改進的CASA 模型，該模型主要是從水分脅迫系數(shù)(Wε)和最大光能利用率( εmax) 兩個方面進行改進，將計算Wε的復雜土壤參數(shù)僅用 ＞ 0 ℃的年累積溫、濕度k 值代替，實現(xiàn)了CASA 模型和CSCS 分類系統(tǒng)的耦合。最大光能利用率 εmax參考張美玲等[23]對草原綜合順序分類最大光能利用率的模擬值，其中草甸類草地的最大光能利用效率利用包剛等[24]對內(nèi)蒙古草原植被最大光能利用效率結果校正。水分脅迫系數(shù)Wε計算公式為：

1.3.2 Sen 的斜率估計分析和Mann-Kendall (M-K)突變檢驗

基于柵格尺度，采用Sen 的斜率估計法對流域2000-2020 年NPP 的斜率進行了測算，斜率可以代表NPP 的平均變化率和此時的變化趨勢。當β＞0 時，序列呈遞增趨勢；當β= 0 時，序列的趨勢不明顯；當β＜ 0 時，序列呈下降趨勢[25]。

Mann-Kendall (M-K)突變檢驗是一種無分布式檢驗方法，選取的樣本具有易于計算、受其他因素影響較小且不必滿足一定的分布原則等優(yōu)點，能夠反映樣本的長期變化趨勢和變異情況，是一種常用的突變檢測方法[26]。將得到的NPP 趨勢柵格基于M-K 統(tǒng)計檢驗法進行NPP 變化趨勢顯著性檢驗[27]。

1.3.3 NPP 穩(wěn)定性分析

基于像元尺度，利用變異系數(shù)(coefficient of variation, CV)來表征草地NPP 的受擾動幅度，值越小表示草地生長狀態(tài)越穩(wěn)定；數(shù)值越大，草地的生長越不穩(wěn)定[28]。計算公式如下：

式 中：CV為NPP 變 異 系 數(shù)；i表 示 第i年 對 應的NPP 值；NPPmean為 基 于2000-2020 年 得 到 的NPP數(shù)據(jù)多年均值。

1.3.4 未來趨勢分析

Hurst 指數(shù)被廣泛應用于氣候、水文、地質(zhì)等研究領域，它可以定量描述時序草地NPP 的自相似性和長期依賴性，并可以預測未來NPP 的變化趨勢[29]。Hurst 指數(shù)(H)與時序草地NPP 之間的趨勢表現(xiàn)特征如下：當0 ＜ H ＜ 0.5 時，說明時序草地NPP 具有反持續(xù)性，即未來的趨勢與過去的趨勢相反，值越接近0，其反持續(xù)性越強；當H = 0.5 時，時序草地NPP 具有隨機序列、有限方差和無長期相關性的特點；當0.5 ＜ H ＜ 1 時，說明時序草地NPP 是具有長期相關特征的連續(xù)序列，未來變化趨勢與過去趨勢一致，其值越接近1，持續(xù)性越強[29]。

1.3.5 偏相關分析

偏相關分析可以在排除其他變量影響前提下，分析兩個變量之間的線性相關關系[28]。草地NPP受積溫和降水影響程度大小可通過相應的偏相關系數(shù)來表達，公式如下：

式中：x表示NPP；y代表積溫；z為降水量；rxy表示年均草地NPP 與積溫的相關系數(shù)；rxz表示NPP 與年降水量的相關系數(shù)；ryz表示年積溫與年降水量的相關系數(shù)。rxy(z)為變量降水固定后年NPP 與積溫的偏相關系數(shù)，以此類推。

2 結果與分析

2.1 石羊河CSCS 草地分類結果及NPP 驗證

表1 石羊河流域CSCS 草地類劃分Table 1 Classification of CSCS grassland in Shiyang River Basin

利用2006 年甘肅草原15 個調(diào)查采樣點(包括經(jīng)緯度、草地類型、總產(chǎn)草量等)和2020 年的16 個實測采樣點對NPP 數(shù)據(jù)進行了驗證(圖2b)。實測采樣時，在相距大于3 km 的不同草原類型上隨機建立樣地(荒漠類7 個、半荒漠類7 個、草原類9 個、草甸類8 個)，在10 m × 10 m 的樣地中設置5 個樣方，第1 個位于樣地中心，其余在四角，樣方按1 m × 1 m布置。采用對角線采樣法[30]，將在地面上獲取的鮮草放入烘箱，烘干至恒重，取平均值作為地上生物量。由于總生物量包括地上和地下兩部分，地上生物量乘以比例系數(shù)可得到地下生物量，其中，不同草地類型的地上地下部分生物量相關比例系數(shù)參考文獻[31-32] 得出。最后將兩者相加后乘以系數(shù)0.475[33]轉 換 成 以 碳 為 單 位[g·(m2·a)-1] 的NPP 總量。相關性分析顯示，石羊河草地NPP 模擬值與實測值的Pearson 相關性系數(shù)為0.89，存在顯著正相關關系(R2= 0.787 2，P＜ 0.01)，基本滿足研究精度要求。

圖2 CSCS 草地分類結果(a)及NPP 模擬值和實測值相關性分析(b)Figure 2 CSCS grassland classification results (a) and correlation analysis between NPP simulated and measured values (b)

2.2 石羊河草地NPP 的年際變化特征

2000-2020 年間，石羊河流域草地年均NPP 值為170.24 g·(m2·a)-1(圖3a)，0～70 g·(m2·a)-1所占面積比例最大，＞ 350 g·(m2·a)-1的面積占比最小。年均NPP 的波動區(qū)間為137.63～211.18 g·(m2·a)-1(圖3b)，其中，年均NPP 最高值和最低值的年份分別出現(xiàn)在2019 年和2001 年。

圖3 草地NPP 時空變化與檢驗Figure 3 Temporal and spatial variation and test of grassland NPP

草地類型上(圖3c)，山地草甸類(ⅡE30)年均NPP 最高，為548.74 g·(m2·a)-1；山地草甸草原類(ⅡD23)次之，為454.50 g·(m2·a)-1；溫帶荒漠類(ⅣA4)年 均NPP 最 低，為91.65 g·(m2·a)-1。多 類 草 地在2009 年出現(xiàn)NPP 低值，高值區(qū)出現(xiàn)年份2012 年、2019 年、2020 年，總體變化趨勢整體呈現(xiàn)NPP 波動上升趨勢。

采用M-K 突變檢驗進一步探究21 年間石羊河流域草地NPP 變化(圖3d)：UF 統(tǒng)計量呈現(xiàn)波動上升，但在2016 年之前均未通過0.05 的顯著性水平線，說明在此期間的草地NPP 相對穩(wěn)定。在2013 年后UF 曲線呈現(xiàn)直線上升，UF 和UB 曲線在2015和2016 年間相交，出現(xiàn)突變節(jié)點，打破了原有的波動格局，且在2016 年后UF 曲線超過0.05 顯著水平檢驗，出現(xiàn)草地NPP 快速增加的態(tài)勢。結合NPP 離差可看出，在2014 年之前，NPP 離差值多為負，2014年后都為正值，印證了M-K 突變檢驗的結果。

2.3 石羊河草地NPP 空間分布及動態(tài)

基于Sen’s 和M-K 檢驗法，得出21 年間草地類NPP 變化趨勢(圖4a)，其NPP 平均增量為28.96 g·[m2·(10 a)]-1，整體呈現(xiàn)波動上升趨勢。NPP 增加的面積(不顯著增加、顯著增加、極顯著增加)占整個流域面積的72.82%，其中，極顯著增加面積占27.63%，主要分布在祁連山及流域上游外圍地區(qū)。NPP 減少區(qū)域(不顯著減少、顯著減少、極顯減少)主要分布在流域中部及北部民勤盆地，特別是在武威市的中西部地區(qū)NPP 呈現(xiàn)顯著性減少趨勢，主要受巴丹吉林沙漠和騰格里沙漠的侵襲，導致植被生長受限，出現(xiàn)一定程度的退化特征(圖4b)。

不同類型草地NPP 變化趨勢所占比例上(圖4c)，NPP 極顯著增加表現(xiàn)出：ⅢC17 最大，占比89.64%；ⅢB10 次之，占比77.25%；ⅣA4 最小，占比6.10%。NPP 顯著增加：ⅠE29 最大，占比44.60%；ⅡE30 次之，占比38.49%；ⅣA4 最小，占比4.37%。NPP 極顯著減少和顯著減少的草地類都表現(xiàn)出：ⅣA4 最大，總占比4.72%，退化趨勢明顯。

圖4 NPP 變化趨勢顯著性檢驗與各草地類變化統(tǒng)計Figure 4 Significance test of NPP trends and statistics of various grassland types

2.4 石羊河草地NPP 穩(wěn)定性分析

石羊河流域草地NPP 變異系數(shù)CV 介于0.01～4.12，平均變異系數(shù)為0.24，在空間上存在顯著差異(P ＜0.05) (圖5a)。高穩(wěn)定區(qū)(CV＜0.1)的面積占比0.31%，僅分布在下游荒漠地區(qū)，該地植被覆蓋低，整體變化?。坏筒▌訁^(qū)(0.1 ≤ CV ≤ 0.15)面積占比為4.74%，主要分布在流域下游區(qū)域，常年受兩大沙漠影響，植被稀疏，整體變化較小；中波動區(qū)(0.15＜CV≤0.3)面積占比為85.30%，廣泛分布在流域的中下游地區(qū)；高波動區(qū)(CV ＞ 0.3)面積占比為9.64%，集中分布在武威盆地與民勤盆地交匯地帶，受自然和人為干擾強烈，NPP 變化顯著(P ＜0.05)。

圖5 草地NPP 變異系數(shù)與各草地類穩(wěn)定性占比Figure 5 Variation coefficient of grassland NPP and proportion of stability of each grassland type

草地類型上(圖5b)，僅ⅢC17 存在高波動，中波動占據(jù)主體地位，說明草地變化較穩(wěn)定，對高波動區(qū)域應持續(xù)關注，防止其惡化。

2.5 草地NPP 變化趨勢預測

2000-2020 年流域草地NPP Hurst 指數(shù)(H)均值為0.63 (圖6a)，表明未來一段時間草地NPP 總體呈現(xiàn)與此21 年相同變化趨勢(P＜ 0.05)，即未來一段時間的總體草地NPP 將會增加。

圖6 2000-2020 年草地NPP 可持續(xù)分析Figure 6 Sustainable analysis of grassland NPP from 2000 to 2020

在ArcGIS 中疊加NPP 變化趨勢柵格和Hurst指數(shù)柵格得到未來草地變化預測圖(圖6b)。結合表2 得出：H 指數(shù)小于0.5 的區(qū)域中，反持續(xù)極顯著增加(P＜ 0.01)面積占比為10.86%，主要分布在流域西南部四縣交匯地帶，該地未來草地NPP 增加放緩。反持續(xù)顯著減少(P＜ 0.05)和反持續(xù)極顯著減少(P＜ 0.01)占比都很小，在武威市中部零星分布；H 指數(shù)大于0.5 的地區(qū)，持續(xù)未發(fā)生變化的區(qū)域主要分布在流域下游，占流域一半以上區(qū)域(51.8%)，其次為持續(xù)極顯著增加(P＜ 0.01)的區(qū)域占比最大(16.72%)，集中分布于古浪縣，未來該地草地會有一定程度上的改善；NPP 持續(xù)顯著增加(P＜ 0.05)的區(qū)域主要分布在肅南縣和天?？h西南部。NPP 預測類型結果編碼如表2 所列。

表2 石羊河流域草地NPP 變化趨勢預測Table 2 Prediction of grassland NPP change trend in Shiyang River Basin

2.6 氣候變化對草地NPP 的影響

石羊河流域草地NPP 與積溫的關系圖中可看出(圖7a)，除2009、2018 和2019 年NPP 與積溫呈相同變化趨勢外，其他年間均呈現(xiàn)相反變化趨勢，說明石羊河流域積溫升高在一定程度上對草地NPP增加產(chǎn)生不利影響；草地NPP 與降水的變化整體呈現(xiàn)一致性，協(xié)同性較好(圖7b)，即降水量的增加有利于石羊河流域草地NPP 的增加，具有明顯的促進作用。

圖7 2000-2020 年草地NPP 與氣候年際變化關系Figure 7 Relationship between grassland NPP and interannual climate change from 2000 to 2020

通過偏相關分析探討了草地NPP 與氣候變化的響應關系。分析得出NPP 與降水、積溫的偏相關系數(shù)分別分布在-0.84～0.94 和-0.79～0.88。在控制積溫的情況下(圖8a、b)，NPP 與降水呈正相關區(qū)域面積占比為70.89%。其中，顯著相關(P＜ 0.05)區(qū)域面積占24.93%，主要分布在流域上游的祁連山地區(qū)。NPP 與降水呈負相關的區(qū)域占29.11%，通過顯著性檢驗區(qū)域僅占流域總面積的2.78% (P＜ 0.05)，這可能是因為降水增加幅度相對較小，未能抵消積溫升高，蒸散發(fā)較大造成的水分損耗，而呈現(xiàn)負相關；將通過顯著性檢驗的柵格與降水柵格做疊加分析發(fā)現(xiàn)，顯著性正相關的區(qū)域基本和380 mm 降水線持平(P＜ 0.05)，說明在大于該降水量的地區(qū)草地NPP 主要受降水控制；在控制降水的情況下，草地NPP 與積溫的關系也存在正負相關并存的情況(圖8c、d)，NPP 與積溫呈現(xiàn)正相關的區(qū)域占流域面積的54.62%，其中通過顯著性檢驗的面積占4.43% (P＜0.05)，主要分布在流域上游；呈現(xiàn)負相關的面積占總面積的45.38%，通過顯著性檢驗的面積占0.95%(P＜ 0.05)，主要分布在流域的中部地區(qū)。

圖8 NPP 與降水、積溫偏相關分析及顯著性檢驗Figure 8 Partial correlation analysis and significance test of NPP with precipitation and accumulated temperature

草地類型上，NPP 對積溫響應最為敏感的是草甸類草地，敏感性大小依次為ⅠE29 ＞ ⅡE30 ＞ ⅡD23，通過顯著性檢驗的面積占比依次為51.69%、7.95%和2.64%?；哪惒莸嘏c積溫呈現(xiàn)一定的負相關關系，如ⅣA4 草地類。除兩類荒漠草地(ⅢA3 和ⅣA4)對降水響應關系不明顯外，其他草地對降水都存在較為明顯的相關關系，其中ⅠE29 顯著性面積占比為85.88%，其次為ⅡD23 (84.44%)和ⅡE30 (81.37%)。

3 討論

草地NPP 變化受氣候和人類活動的影響，特別是溫度和降水是影響植被光合作用的主要因素。NPP 大小與水熱條件的時空分布差異密切相關[34]。流域草地NPP 主要受降水影響，在降水量大于380 mm的地區(qū)，NPP 與降水有顯著相關性(P＜ 0.05)。當降水減少時，流域會有高達70.89% 的區(qū)域呈現(xiàn)NPP減少，24.93%的區(qū)域NPP 出現(xiàn)顯著減少(P＜ 0.05)，這與在干旱區(qū)降水對NPP 響應更敏感有關，印證了朱瑩瑩等[9]和Xu 等[35]得出的在西北干旱區(qū)降水與NPP 關系相比氣溫更加密切的結果。溫度脅迫在干旱區(qū)具有兩面性[36]，當積溫較高時，在武威盆地、金昌盆地等中下游缺水地區(qū)，會增加失水，草地因缺水而生長受限，NPP 降低；在濕潤度較高的高寒草甸區(qū)，水分較為充足，積溫成為草地NPP 增加的限制因素，故該地區(qū)積溫與NPP 之間呈現(xiàn)正相關關系。另外，流域上游的祁連山區(qū)出現(xiàn)NPP 極顯著增加，與該地區(qū)暖濕氣候具有很大關聯(lián)，這與張雪蕾等[37]研究相一致。此外，祁連山草地NPP 的增加，也可能與近年來造林、退耕還林還草、祁連山國家公園等重大工程的實施有關[38]。

4 結論

本研究基于草原綜合順序分類系統(tǒng)(CSCS)改進的CASA 模型，模擬2000-2020 年石羊河草地NPP，分析了草地NPP 與氣候因子的關系。得出以下結論：1) 從時間上看，2000-2020 年流域草地NPP 波動上升，10 年NPP 增量為28.96 g·m-2，尤其2016 年后，NPP 出現(xiàn)明顯上漲趨勢。在空間上，NPP 呈現(xiàn)南高北低的分布格局，未來一段時間內(nèi)NPP 還會有所增加，其中，持續(xù)極顯著增加面積占比16.72%，集中分布在古浪縣；反持續(xù)極顯著增加面積次之，占流域總面積的10.86%，主要分布在流域西南部四縣交匯地帶。2)不同草地類型中，山地草甸類(ⅡE30) 年均NPP 最高，為548.74 g·(m2·a)-1；山地草甸草原類(ⅡD23)次之，為454.50 g·(m2·a)-1；溫帶荒漠類(ⅣA4)年均NPP 最低，為91.65 g·(m2·a)-1。流域草地整體穩(wěn)定，中波動草地占據(jù)主體地位，僅ⅢC17 存在較高波動。3)多數(shù)草地NPP 增加的主導因素是降水，對降水響應敏感區(qū)域面積占比為24.93%，僅兩類荒漠草地(ⅢA3 和ⅣA4) 對降水響應關系不明顯；草甸類草地NPP 對積溫響應最為敏感，敏感性大小依次為ⅠE29 ＞ ⅡE30 ＞ ⅡD23，荒漠類草地與積溫呈現(xiàn)一定的負相關關系。

致謝：由衷地感謝甘肅農(nóng)業(yè)大學花立民教授為本研究提供草地調(diào)研數(shù)據(jù)。